央行流动性救助时机选择与救助工具效果评估——基于全国金融体系与贵州省地方中小银行的实证研究

许 熠 颜 寅

（中国人民银行贵阳中心支行，贵州 贵阳 550001）

一、引言

2008 年金融危机爆发后，央行流动性救助成为具有重要理论和实践意义的研究方向之一。2020年以来，新冠肺炎疫情对全球经济金融体系产生了一定冲击，主要体现为流动性危机，在国内外经济金融环境日趋复杂的背景下，流动性风险日益增加，加剧风险暴露的可能性，中央银行作为最后贷款人，在应对金融危机的紧急关头，适当的流动性救助是十分重要的。

中小银行是支持实体经济发展的中坚力量，积极发挥服务小微民营企业的重要作用。近年来，在经济增速总体放缓、监管趋严等因素叠加影响下，中小银行普遍存在流动性隐患。而中小银行的稳定与否直接关系到我国金融市场的平稳运行，以贵州省地方中小银行为基础对央行流动性救助进行深入研究，不仅有助于提升巩固中央银行流动性救助的职能，更有助于中央银行在识别、化解风险方面更加及时有效，以便选用合适的救助工具，达到维护金融体系稳定的目的，对于防范区域性、系统性风险，维护银行业安全稳健运行具有重要现实意义。

本文在已有研究成果的基础上，从全国金融体系和贵州省地方中小银行（包括贵州省辖内规模较小的城商行、农商行、农信社、村镇银行等四类金融机构）两个维度出发，通过测度其流动性水平、构建流动性预警分析模型和VAR 效果评估模型，以判断机构流动性是否充足，从而为央行流动性救助提供最佳时机、选取合适的救助工具，形成一套可复制、可持续、可推广的央行流动性救助决策机制。

二、文献综述

（一）流动性救助原则与机制

Furceri &Mourougane（2009）认为，政府干预可能会诱发道德风险，为缓解流动性危机的冲击，政府干预应适当地与市场力量相结合，这是流动性救助的前提条件。Cimoli et al.（2012）认为，检验救助效果有四条标准：一是该计划是否能启动良好的信贷；二是政府成本是否最小；三是当下解决问题的方式未来是否会产生其他问题；四是救助计划能否与公司治理标准保持一致且足够透明。部分学者研究流动性救助的作用机制，如Philippon &Skreta（2010）研究应对银行危机的救助方式，发现对多数银行较好的救助方式即最优的救助方式。换言之，基于信息不对称的前提来看，资产注入及收购不良资产等只能吸引到资产状况较差的银行，这种救助方式远不及担保新发行债券这种适用于所有银行的救助方式。

值得注意的是，关于央行流动性救助是否应区分不同类型金融机构，不同学者持不同观点。张强和舒天然（2015）等比较美联储、欧央行等和我国央行的流动性救助政策，发现传统银行业和非银金融机构及系统都是央行救助的对象。Sara（2019）通过分析欧洲和美国的金融危机，认为对“重要”银行提供紧急流动性援助对经济复苏具有显著的正向效用。魏路遥（2020）通过比较2008 年美国、欧元区和日本为应对金融危机开展的流动性救助措施，发现流动性救助对象不应局限于传统银行业金融机构，同时也必须重视救助非银行金融机构。

（二）流动性救助措施

张浩（2009）通过对流动性救助措施的研究认为，流动性救助并不是增加整个金融市场的流动性总额，也不仅是针对商业银行，而是通过设计不同货币政策工具，使最需要且最具有系统性风险的金融机构获得央行信用分配。钟永红和林梓煌（2017）运用不完全合约模型分析央行的流动性救助策略，认为对于系统性重要银行，央行应该使用比非系统性重要银行更加宽松的紧急贷款标准，政府应当根据流动性短缺规模的不同改变央行由于银行倒闭需承担政治成本的权重，监管当局应加强合作以提供及时有效的信息，完善金融机构市场退出机制以防对金融系统性稳定造成负面影响。林梓煌（2018）将商业银行分为系统性重要银行和非系统性重要银行，通过不完全合约模型对央行的救助标准进行分析，发现在调节银行体系流动性方面，传统货币政策工具仍是央行的强有力手段，新型货币政策工具目前只能作为补充工具为市场提供流动性支持，央行应该深入研究救助过程中不同种类货币政策工具的配合使用，有效增强流动性救助效果。

（三）流动性救助的有效性

关于央行流动性救助的有效性，国内外学者均开展了较为深入的研究。部分学者高度认为央行流动性救助对防范化解金融风险具有重大帮助。Blanchard &Milesi-Ferretti（2009）认为，向市场注入流动性的央行救助措施暂行有效。在金融机构面临着严重流动性短缺的情况下，救助可以防止其以超低价格出售资产，从而有效地阻止危机在金融体系内的恶性扩散。Horta et al.（2009）通过对次贷危机传染性的实证分析认为，中央银行向市场增加流动性，避免危机进一步使金融体系恶化的行为十分合理。陈庆海（2012）在最后贷款人和货币政策的视角下论述美联储金融危机救助的方式，运用综合分析法阐述美联储金融危机救助的效果，得出以下启示：一是完善最后贷款人制度；二是加强财政政策与货币政策的协调配合，灵活运用货币政策；三是加强中央银行的国际合作；四是实施危机救助不仅要考虑短期效应，也要考虑救助的长期影响。

但部分学者认为，流动性救助是否有效仍缺乏深入研究。Mishkin（2009）认为，通过积极宽松的货币政策可以抵消金融动荡对总体经济活动的负面效应，但在危机时期实行宽松货币政策会打乱民众的通胀预期，可能会加剧通货膨胀，从而无法达到救助的预定效果。Wegner（2020）认为政府和中央银行旨在增强市场流动性的政策有利于对冲金融危机影响，但如采取银行间市场的流动性救助措施可能导致金融网络风险传染性增加，使得风险敞口进一步加大，加剧银行体系脆弱性。

综上所述，一方面，多数研究是在事后对已经采取的流动性救助措施进行评估，但对流动性救助的触发机制、救助措施选择等研究不足；另一方面，对于地方中小银行流动性救助方面的研究较少，大多数是将其作为危机救助的手段之一进行讨论。同时，金融体系和金融机构二者紧密联系，具体来说，金融机构流动性危机的爆发会引发金融体系的传染性风险，最终导致系统性金融风险的发生。因此，本文在已有研究成果的基础上，通过构建流动性预警分析模型和VAR 效果评估模型，以判断机构流动性是否充足，从而确定央行流动性救助时机、救助工具，形成一套可复制、可持续、可推广的央行流动性救助决策机制。

三、流动性风险预警及救助时机选择

（一）全国金融体系流动性水平测度

流动性水平测度是中央银行进行流动性救助时机和救助工具选择的重要前提，结合国内外学者对流动性方面的研究，可将金融体系流动性水平测度指标分为静态指标和动态指标。静态指标主要衡量金融体系在某个时间节点上的流动性水平，包括同业拆借利率、广义信贷货币、消费者价格指数、信贷增长率等；动态指标主要用于动态预测金融体系未来的资金供求，侧重于流动性调控的前瞻性，主要包括价格缺口、货币缺口、信贷缺口等。

根据凯恩斯流动性偏好理论，货币供给和居民对货币的需求会影响市场流动性水平，这也与我国近年来的实际情况相符，因此，本节基于货币的供给和需求角度，通过货币供求的相对规模来判定流动性水平，具体来说，即货币供给量变化率减去货币需求变化率，通过真实货币缺口系数来测量流动性水平（CRMG）。根据现有研究成果，其计算公式为：CRMGt=第t期货币供应量的增长率-第t期货币需求量的增长率。

采用广义货币M2 的增长率作为货币供给增长率，通过费雪的交易方程式得出货币需求变化率如公式（1）所示。

两边同时取对数，可以近似得到ΔM=ΔP+ΔY-ΔV。式中ΔM为实际货币需求的变化率，ΔP为价格的变化率（用CPI变化率表示），ΔV为货币流通速度的变化率（用GDP/M1的同比变化率表示），ΔY为产出变化率（用GDP同比增长率表示）。

1.数据描述。本节采用我国2015 年1 月—2020年6 月的数据进行实证分析，GDP、CPI、M2、M1 等数据来自Wind 金融终端，其中，GDP 使用通过2015 年不变价格计算得出的定基数据，M2 和CPI 使用同比增长率。数据频率为每月一次，GDP 数据则是使用Cubic-match降频把季度数据转化后的月度数据。

2.阈值确定。本文通过设置特定的置信度水平，分析历史数据得出流动性的正常波动范围及其上下限，从而分为流动性水平正常、过剩、不足三类。用μ，σ分别表示CRMG的理想值（均值）和标准差，在特定的置信度水平下，0 表示流动性处于正常范围内（CRMG在[μ-μ1-θ/2∗σ,μ+μ1-θ/2∗σ]内）；1 表示流动性过剩（超过区间上限）；-1表示流动性不足（低于区间下限）。

CRMG序列的k-s 检验结果显示，该序列符合正态分布，均值是-0.8986，标准差是7.5491。从现有研究来看，通常认为央行进行流动性补充或收紧的操作时，依据的置信度水平仅需达到50%以上即可，并不严格要求达到统计上的90%甚至95%那样精确，以免错过最佳操作时机，因此在50%置信度水平下，得到我国金融体系流动性水平（CRMG）的正常波动范围，如表1表示。

表1 流动性状况标准表

因此，流动性水平处于正常波动范围内，仅需对其流动性状况进行实时动态监测，而无需采取货币政策操作，避免资源浪费；流动性水平低于下限时，央行应运用合适的工具进行救助，及时补充流动性；流动性水平高于上限时，为防止通货膨胀和资产泡沫，央行则应适当收紧，抑制流动性水平。

（二）贵州省地方中小银行流动性水平测度

本节选取衡量贵州省地方中小银行流动性的主要指标，运用主成分分析确定主成分因子，然后采用k-s 检验对主成分因子组成的指标序列进行检验，从而得出流动性波动阈值。

1.指标选取。根据《商业银行流动性风险管理办法》，测量流动性的有关指标主要包括流动性比例、存贷比、净稳定资金比例、流动性覆盖率、优质流动性资产充足率等。本文选取贵州省地方中小银行为研究样本，结合指标可得性与合理性，综合选择存贷比、流动性比例、超额备付率作为评估指标，数据来源于银保监会非现场监管报表（1104）。

2.主成分因子确定。本文通过主成分分析得出的综合指标来测量金融机构的流动性水平，如公式（2）所示。

选取指标的主成分分析结果如表2所示：因子初始解提取了3 个因子，得出3 个主成分因子的得分分别是56.56%、30.66%、12.76%。第一个主成分因子能够解释全部信息的近60%，因此选择第一个主成分因子作为综合指标，用来衡量贵州省地方中小银行的流动性水平，表达式为F1=0.523*存贷比+0.489*流动性比例+0.277*超额备付率。

表2 总方差解释

3.指标阈值确定。确定流动性水平测度指标后，本文使用同样的方法研究F1序列，以此确定金融机构流动性波动的正常范围。对F1指标序列进行k-s 检验，序列服从正态分布，其均值为1.1639，标准差为0.0659，在50%置信度水平下，金融机构正常流动性波动范围为［1.118422，1.209379］。

通过对比研究发现，全国金融体系和贵州省地方中小银行流动性状况存在一定差异，流动性水平相关程度整体较低。尽管两者的测算方法和选取指标不同，但导致指标差异的原因是金融体系流动性主要取决于宏观经济的货币供应量与需求量变化，而中小银行流动性则主要与银行的经营特征有关，因此，尽管测算指标不同，但两者测算方式均是基于正态分布的阈值区间设定，两者之间存在整体与个体之间差异性。对比发现：贵州省地方中小银行整体流动性水平没有全国金融体系流动性水平稳定，但流动性水平优于区域中小法人机构，如2019 年7 月以来，全国金融体系流动性水平为流动性正常或过剩状态，而贵州省地方中小银行则呈现流动性正常或不足状态。因此，央行不仅应关注全国金融体系流动性，还应同时关注地方中小银行流动性水平，并通过基层央行实施具有差别性和针对性的流动性救助措施。

（三）流动性风险救助时机选择模型

1.模型选择。本节选用计量经济学中常用的Logit 模型作为流动性风险预警模型，将因变量（CRMG）分为正常、过剩和不足三类，建立多元变量模型如公式（3）所示。

2.变量选取和数据说明。为使央行能够全面把握市场流动性状况，选择恰当时机提供流动性救助。本节在考虑金融指标、通货膨胀和汇率指标三个方面的基础上，选取通货膨胀率、中央银行对金融机构债权、外汇储备、利率、股票指数和广义货币供应量作为衡量指标。其中，CPI 数据来自Wind 金融终端，外汇储备（EXS）数据来自国家外汇管理局；利率（RATE）数据来源于同业拆借7天的平均值；央行对金融机构的债权（DEBT）与M2数据源于央行数据统计；股票指数（INDEX）来源于上证综指，数据来自上海证券交易所官网。

模型使用2015年1月至2020年6月间的数据，为保证模型有效性，本文还使用2015 年至2018 年8 月间的数据进行Logit 回归，并用2018 年8 月以后的数据评估模型的拟合度。

3.模型建立。由于本文的自变量较多，为避免多重共线性造成估计参数的失真，故对拟选取指标的相关性进行检验。根据相关性检验结果，CPI、外汇储备和M2 以及上证综合指数相关性太高被剔除，本文最终以DEBT、M2、RATE、INDEX四个指标为基础，建立有序Logit模型如公式（4）所示。

本文运用zcore 对数据进行标准化去量纲处理后，对上述指标进行回归，结果如表3所示。

表3 Logit参数估算值

回归结果显示，利率、中央银行对金融机构债权、上证指数和货币供应量对流动性均有显著影响。因此置信度水平在90%时，当股票价格指数上升，由于抽资效应，会导致流动性水平逐步下降并接近-1；当中央银行对金融机构债权上升时，基础货币供应量增加，从而导致流动性水平逐步提高并接近1；当利率上升的时候，金融机构拆借成本上升，从而产生“惜贷”情绪，流动性水平逐步下降并接近-1；货币供应量的上升会促使流动性水平上升并接近1。

4.拟合情况与时机选择。实证结果显示，流动性预警模型的解释变量可以较好解释流动性正常、过剩和不足发生的情况。基于样本区间2015 年1 月至2018年8月的数据建立流动性风险预警模型，通过拟合结果对2018 年9 月至2020 年6 月期间的流动性情况进行预判。Logit模型的拟合值结果见表4。

表4 模型的拟合值

利用k-s 检验判断上述拟合值的序列服从正态分布。利用第三节中相同的方法，求得该序列均值为3.0572，标准差为0.5961，因此当置信度水平在90%时，模型拟合值波动的正常范围为［2.076708，4.037692］，通过对2018 年9 月至2020 年6 月的数据进行拟合，结果如表5所示。

表5 流动性拟合情况

从表5可以看出，如剔除2020年2月以来疫情导致的流动性需求异常波动因素外，预测模型在2019年1月、2019年8月和2019年10月出现预测错误，综合有效率可达80%。综上所述，预警模型达到预期预测目标，央行可通过观测的变量来判断市场流动性水平。

据此，央行可根据上述预警模型y*值来判断每日流动性水平。为使央行流动性救助更加精准高效，可将流动性不足按程度划分为流动性短缺、紧缺和危机三类。根据不同置信度水平的阈值来判断流动性不足的具体程度，即当预警模型的y*值低于2.076708但大于1.888871 时，则应高度关注流动性风险，并采取合适的货币政策操作；y*值在1.521756与1.888871之间表明此时流动性水平呈快速下降趋势，央行应着手采取适当方式补充流动性，防范金融危机于未然；当y*值小于1.521756 时，说明此时已经进入金融危机状态，央行应采取紧急救助措施。

四、流动性救助工具效果评估

前文已经分别对全国金融体系和贵州省地方中小银行的流动性进行测度、预警和时机救助选择等方面的分析，在金融机构风险暴露之前，为中央银行实施救助决策提供参考。本章着眼于救助工具的选择，根据实施对象及覆盖面，将货币政策工具分为全国层面和区域层面，全国层面主要包含公开市场操作、同业拆借利率、利率、汇率等，区域层面主要包括再贷款再贴现、常备借贷便利、法定存款准备金率等，研究不同货币政策工具对全国金融体系和贵州省地方中小银行流动性的影响效果，从而选择合适的救助工具。

（一）变量选择和数据处理

1.变量选择。本章分别选取金融体系流动性水平（CRMG）、金融机构流动性水平（BLIQ）、公开市场-货币净投放（OMO）、同业拆借利率7 天加权平均（IBR）、贵州省再贷款再贴现余额（NL）和贵州省法定存款准备金率（RRR）作为指标变量。

2.数据处理。为使得变量之间存在可比性，避免量纲造成的回归模型不显著，本文对NL和RRR指标进行标准化处理，指标变量归纳如表6所示。

表6 变量的选取、类别及说明

（二）实证分析

本节将分别建立货币政策工具与金融体系流动性水平、金融机构流动性水平两个VAR模型，分析不同工具对全国金融体系和贵州省地方中小银行的流动性的影响及有效性，模型如公式（5）和公式（6）所示。

1.平稳性检验（ADF）。“伪回归”现象的产生是由于时间序列的不平稳，为避免发生此类现象，进行统计分析前，需要对变量进行平稳性检验。本节对选取的6个变量进行ADF检验，对存在单位根的变量进行一阶差分处理，检验结果见表7。

表7 各变量ADF检验结果

根据ADF检验结果显示，仅有OMO变量在1%的显著性水平下平稳。对剩余变量进行一阶差分处理，最终均在1%的显著性水平下平稳。

2.最优滞后阶数确定。如表8、表9可知，根据AIC准则确定VAR_1和VAR_2的最优滞后阶数均为4阶。

表8 VAR_1最优滞后阶数

表9 VAR_2最优滞后阶数

3.特征根检验。进行脉冲响应分析的首要条件是VAR模型须是平稳的，检验模型平稳的方法是AR特征根检验。图1 和图2 的检验结果显示，所有特征根的倒数均在单位圆内（即小于1），故认为VAR模型稳定。

图1 VAR_1（4）的AR检验

图2 VAR_2（4）的AR检验

4.格兰杰因果检验。因果关系的确定是经济学中必不可少的环节，即确定是从x 到y，还是从y 到x，抑或双向因果关系。本节对VAR_1和VAR_2模型进行Granger检验，结果如表10和表11所示。

表10 VAR_1的Granger因果检验结果

表11 VAR_2的Granger因果检验结果

表10显示，如果同时检验公开市场-货币净投放（OMO）和同业拆借利率7天加权平均（IBR）系数的联合显著性，其卡方统计量为17.849，相应的p 值为0.022，在5%的显著性水平下拒绝“公开市场-货币净投放（OMO）和同业拆借利率7天加权平均（IBR）都不是金融体系流动性水平（CRMG）的格兰杰原因”的原假设。同样地，在以贵州省地方中小银行流动性水平（BLIQ）为被解释变量的VAR_2 方程中，同时检验变量公开市场-货币净投放（OMO）、同业拆借利率7 天加权平均（IBR）、再贷款再贴现余额（NL）、法定存款准备金率（RRR）系数的联合显著性，均是金融机构流动性水平（BLIQ）的格兰杰原因。

5.基于VAR模型的脉冲响应分析。VAR模型中包含的许多参数具有经济意义，但很难清晰地解释，故将通过脉冲响应函数来呈现，如公式（7）和公式（8）所示。

ε1t的任何变化将会马上改变xt的值，也将通过这一系统的动态结构改变xt和zt的所有未来值。因此，这正好能反映实施不同货币政策工具对全国金融体系和区域金融机构流动性产生的影响。

（1）VAR_1 的脉冲响应分析。VAR_1 度量了公开市场操作-货币净投放（OMO）和同业拆借利率7天（D_IBR）对全国金融体系流动性水平（D_CRMG）冲击所造成的动态影响（见图3至图5）。

图3 OMO对D_CRMG的冲击

图4 D_IBR对D_CRMG的冲击

图5 D_CRMG对自身的冲击

图3显示了公开市场操作-货币净投放（OMO）对全国金融体系流动性水平（CRMG）的冲击。在给定公开市场操作-货币净投放（OMO）一个标准差的冲击时，CRMG 在第一期出现正向变动，随后逐步下降并产生剧烈波动，到第3 期时降至最低（-0.275461），随着时间推移，波动逐步平稳。中央银行通常运用公开市场正回购、公开市场逆回购等货币政策工具来调节市场货币供应量，以确保银行体系流动性合理充裕，保证金融市场的稳定发展。脉冲响应图的波动符合市场预期，能很好地反映公开市场操作对金融体系流动性的影响。

图4显示了同业拆借利率7天（D_IBR）对全国金融体系流动性水平（CRMG）的冲击。当给定同业拆借利率7 天（D_IBR）一个标准差的冲击时，对CRMG有持续的正向影响，在第4期时升至最高（0.136251），随后出现小幅度波动，影响逐步减弱，在第20期趋于稳定。同业市场利率上升会使金融机构拆借成本上升，市场流动性下降。相反地，当利率下降时，同业市场活跃度上升，金融机构间业务往来增加，市场流动性较为充裕。

图5 显示了一个标准差对CRMG自身冲击的响应。在冲击后，CRMG在第1期达到最高值，随后立即减弱，在轻微波动后于第16期基本保持稳定。

（2）VAR_2的脉冲响应分析。VAR_2度量了公开市场操作-货币净投放（OMO）、同业拆借利率7 天（D_IBR）、贵州省再贷款再贴现（D_NL）和贵州省法定存款准备金率（D_RRR）对贵州省地方中小银行流动性水平（D_BLIQ）冲击所造成的动态影响（见图6至图10）。

图6 OMO对D_BLIQ的冲击

图7 D_IBR对D_BLIQ的冲击

图8 D_NL对D_BLIQ的冲击

图9 D_RRR对D_BLIQ的冲击

图10 D_BLIQ对自身的冲击

图6 和图7 分别显示了公开市场操作-货币净投放和同业拆借利率7 天对贵州省地方中小银行流动性的冲击。从脉冲响应图可以看出，不论是OMO还是D_IBR的冲击，都会使D_BLIQ产生正负向交替规律性波动影响，且幅度较小，说明贵州省地方中小银行流动性对这两项工具的冲击反应较不敏感，随着时间推移，冲击对流动性的影响逐渐减弱，在第23期逐渐收敛为零。我国公开市场操作业务主要是在全国层面开展，以达到对全国金融体系流动性预调、微调的作用，该工具政策传导至地方中小银行路径过长，受时间、区域等因素叠加影响，效果影响并非十分显著。

图8和图9分别显示了再贷款再贴现和法定存款准备金率对贵州省地方中小银行流动性的冲击。当分别给定解释变量一个标准差的冲击时，D_BLIQ在第1期时呈现负向反应，随后出现不同程度的剧烈波动，说明地方中小银行流动性对再贷款再贴现、法定存款准备金率反应较为敏感。由于再贷款再贴现到期收回，余额下降，导致D_BLIQ产生负向波动，如图8前3期所示，随着信贷投入的持续加大，地方中小银行获得再贷款再贴现工具支持力度增大，一定程度上增加了其流动性，D_BLIQ逐步呈现正向反应，并于第18 期后逐渐收敛为0。中央银行针对贵州省地方中小银行实施降低存款准备金率，能有效释放贵州省地方中小银行体系流动性，但由于存在部分规模小、经营管理不完善、风险水平较高的机构，仍无法在很大程度上缓解其流动性压力，图9很好地解释了这一现象，对于法定存款准备金率的冲击在第22 期后逐渐收敛为0。

图10 显示了一个标准差对D_BLIQ自身冲击的响应，立即产生正向影响，在第1期时达到最大值，随后在正负交替波动中于第20期趋于稳定。

6.基于VAR 模型的方差分解分析。方差分解刻画了在同一时点上，系统内各变量对某一变量变化的解释程度。本节利用方差分解对各类货币政策工具对全国金融体系流动性水平（CRMG）和贵州省地方中小银行流动性水平（BLIQ）的贡献度进行分析。

据表12 显示，随着时间的推移，CRMG对自身的贡献率从第1 期的95.13%下降至63.59%，但其始终对自身的冲击影响最大。而货币政策工具对CRMG的贡献率相对较小，但均逐步增大，其中，公开市场操作-货币净投放较同业拆借利率对CRMG的影响较大，分别在第29 期和第15 期时达到最大贡献率33.08%、3.36%。由此可见，OMO和IBR两个工具对全国金融体系流动性水平的影响是显著的。

表12 对CRMG的方差分解

据表13 显示，BLIQ自身冲击始终是第一位方差来源，贡献率从第1 期的95.24%下降至第3 期的92.44%，随后呈现不同程度的波动下降趋势，在第28期达到最低91.70%。两个全国层面操作的工具OMO和IBR对BLIQ的影响较不显著，均分别从第1期到第3 期大幅增加后，出现小幅波动平稳上升，在第28 期达到最大贡献率，贡献率分别为7.92%和0.37%。基层央行层面操作的两个工具NL和RRR对BLIQ的贡献率相对较大，从第1 期至第10 期，总体上均呈现大幅度上升态势，从第11 期之后，增长幅度逐渐变小，但仍保持上升趋势，分别在第28 期和第30 期达到最大贡献率19.74%、21.19%。这与脉冲响应结果一致，即再贷款再贴现、法定存款准备金率对贵州省地方中小银行流动性水平的影响较为显著，由于实施对象、传导途径、经济环境等原因，公开市场操作、同业拆借利率的影响较弱。

表13 对BLIQ的方差分解

五、结论及政策建议

（一）主要结论

一是测度出全国金融体系和贵州省地方中小银行流动性水平并进行比较分析。研究结果显示，在50%的置信水平下，全国金融体系流动性水平落在［-6.1074，4.3102］区间内，表明流动性正常；落在区间外表明流动性不足或过剩（CRMG<-6.1074，不足；CRMG>4.3102，过剩）。代表贵州省地方中小银行流动性指标的F1落在［1.118422，1.209379］区间内，表明流动性正常；落在区间外表明流动性不足或过剩（F1<1.118422，不足；F1>1.209379，过剩）。同时，金融体系和贵州省地方中小银行流动性水平相关程度较低，流动性状况存在一定的差异，金融体系流动性水平在稳定性和适度性方面整体优于贵州省地方中小银行，中央银行在关注金融体系流动性同时，应同时关注区域中小金融机构流动性水平，并通过基层央行实施针对性、差别性的流动性救助措施。

二是构建流动性风险预警模型。测度全国金融体系和区域金融机构的流动性水平，运用Logit 模型构建流动性风险预警模型，通过预警模型判断流动性不足的三个层级，从而选择最佳救助时机。当预警模型求出的yt∗在［1.888871，2.076708］区间内，以密切关注流动性风险为主要任务，同时可采取适当的货币政策操作；yt∗在［1.521756，1.888871］区间时，表明此时的流动性水平呈下降趋势，中央银行应及时施以援助，选择适当的救助工具注入流动性；当yt∗的值小于1.521756 时，说明已陷入流动性危机状态，中央银行应发挥最后贷款人的作用，采取紧急措施进行救助。

三是全国金融体系与贵州省地方中小银行接受不同货币政策工具救助的效果存在差异。本文将全国层面操作的工具与区域层面操作的工具作比较，分别构建以全国金融体系流动性水平和贵州省地方中小银行流动性水平为被解释变量的VAR 模型，对不同货币政策工具作用于金融体系和中小银行的效果进行分析。结果显示，不同层面的工具对贵州省地方中小银行的流动性均有不同程度的影响，其中，基层央行运用再贷款再贴现、法定存款准备金率的救助效果较为显著，而公开市场操作、同业拆借利率等工具由于货币政策传导路径、操作对象、经济环境等原因，对于贵州省地方中小银行的流动性影响效果不明显。

（二）政策建议

根据本文研究结论，结合实际情况，提出以下政策建议：

一是建立基层央行流动性救助机制，丰富区域流动性救助工具。由前文研究结论可知，受区域经济环境、货币政策传导时效等因素影响，全国层面操作的工具对中小银行流动性影响有限，而定向降准政策、基层央行直接操作的再贷款再贴现政策等，能直接向中小银行提供流动性支持，具有较强针对性，对其流动性影响更显著。因此，建议创新适用于区域地方中小银行的货币政策工具，给予该类机构最直接、最便捷、最高效的政策支持，使得货币政策效果能快速精准地传导至实体经济，促进区域经济高质量发展。

二是建立“全国+区域”的流动性风险监测管理系统。考虑到全国与区域的流动性状况差异，流动性风险监测系统应兼顾全局和局部，构建风险预警机制，分类别、分区域、分时段地对各类金融机构和金融体系的风险状况进行早预警、早排查、早处理。尤其是风险抵抗能力较弱的贵州省地方中小银行，其内部治理结构、风险管控能力等方面的不完善，亟须建立适合的流动性风险管理体系，更好地预判和应对风险问题的发生。

三是不断创新“总量+结构”协调高效的货币政策工具组合。例如，在我国现有的准备金政策框架下，全面降准政策与定向降准政策相互配合，高效兼顾流动性总量调节与信贷结构引导。建议在再贴现再贷款、借贷便利等政策工具的完善创新中，继续关注总量与结构政策协调配合，进一步提升流动性支持政策的精准与效率。