信贷来源的风险与经济活动的下行风险

信贷来源的风险性与经济活动下行的风险。 由Claudio Raddatz，Dulani Seneviratne，Jérôme Vandenbussche，Peichu Xie和Yizhi Xu准备 WP/24/72 国际货币基金组织工作论文描述了作者（们）正在进行的研究，并发布以征求评论和促进辩论。 国际货币基金组织（IMF）工作论文中表达的观点是作者（们）的观点，并不一定代表IMF、其执行董事会或IMF管理层的观点。 2024MAR MF工作论文 I货币和资本市场部门 信用来源的风险性和经济活动下行风险研究作者：Claudio Raddatz, Dulani Seneviratne, Jérôme Vandenbussche, Peichu Xie, and Yizhi Xu * 经大卫·霍夫曼授权分发，2024年3月 国际货币基金组织工作论文描述作者（们）正在进行的调查和研究，并已出版以征求意见和激发讨论。国际货币基金组织（IMF）工作报告中表述的观点属于作者（们）个人观点，并不必然代表国际货币基金组织、其执行董事会或国际货币基金组织管理层的观点。 摘要:我们构建了一个国家层面的指标，用以衡量整体银行信贷增长中来源于相对风险较高的银行的程度，我们将其称为信贷来源风险（RCO）。利用来自42个国家的银行级数据，跨越两个多世纪，我们发现RCO随时间的变化是信贷周期的一个特征。即使在控制了整体银行信贷增长和其他决定因素（如金融状况）的情况下，RCO也稳健地预测了GDP增长的下行风险。RCO的解释能力来源于其与资产质量、投资者和银行业的情绪，以及未来银行业的抗风险能力之间的关系。我们的研究强调了银行异质性对于信贷周期理论和金融稳定政策的重要性。 推荐引用:克劳迪奥·拉达茨、杜拉尼·森内维拉特内、热罗姆·范登布斯谢、皮丘·谢和希·徐，“信贷来源的风险和经济活动的下行风险”，国际货币基金组织工作论文 No.一智 24/72（2024） 工作论文 信贷来源的风险性与经济活动下行的风险。 由Claudio Raddatz、Dulani Seneviratne、Jérôme Vandenbussche、Peichu Xie和Yizhi Xu编制1 目录 缩略语/术语表 ............................................................................................................................................3 I. 引言 ..................................................................................................................................................4II. 理论基础与文献回顾的进一步关联...........................................................6III. 信贷来源风险度量与样本构建 ..............................................8IV. 信贷来源风险与增长的下行风险 .............................................................13V. 为什么RCO可以预测下行风险？探讨其传导渠道....................................................15VI. 结论 ..............................................................................................................................................20 参考文献.........................................................................................................................................................22 缩写/术语表 BLS ............银行贷款标准 CA..............经常账户EDF............预期违约频率FCI .............金融状况指数GDP ...........国内生产总值GFC............全球金融危机GUO...........全球最终所有者 IFS................国际金融统计......LLP................有限责任公司..............贷款损失准备金 OLS................普通最小二乘法 NPL................不良贷款 RCA............信用分配风险度 RCO............信用来源风险度 I. 引言 大量实证证据支持了这样一种观点，即大规模的总体信用扩张时期往往会继之以不利的宏观经济结果和金融危机的发生（Jorda等人，2011年；Schularick和Taylor，2012年；Mian等人，2018年等），尤其是当信用扩张发生在宽松的金融条件和乐观的信贷情绪环境中时（Krishnamurthy和Muir，2017年；López-Salido等人，2017年；Kirti，2021年；Adrian等人，2022年；Greenwood等人，2022年）。然而，现有的跨国实证研究集中于信用的总体量和价，却忽略了信贷起源的构成和贷款者异质性能在总体风险承担和金融稳定性中发挥的作用。 轶事证据表明，在经济繁荣时期，银行级信用增长的加快与随后的衰退期表现更差有关，并且推动扩张的金融机构的强度对未来总体结果至关重要。在2008年的全球金融危机（GFC）期间，几个标志性失败的是遵循了非常激进的扩张策略的金融中介机构。在美国，Countrywide Financial和Washington Mutual在危机前的短时间内成为最大的和第三大抵押贷款发放机构，因次级贷款风险损失数十亿美元，并在2008年不得不被解决（美国参议院，2010年）。十年前，西班牙储蓄银行是西班牙银行业危机的中心，在其危机前的准备期间，其贷款市场份额持续上升（Santos，2018年）。2008-2010年爱尔兰银行业危机期间唯一被国有化的爱尔兰银行——英爱银行，其危机前的信用增长速度在主要爱尔兰银行中是最快的（Regling和Watson，2010年）。追溯到更早的时间，在20世纪90年代初芬兰和瑞典的信贷繁荣期间，最激进的贷款机构在资本化和潜在盈利能力方面是最弱的（Englund和Vihriala，2010年）。 理论模型在金融放大和金融危机中长期以来都认为，在经济代理人之间考虑异质性因素的重要性（Bernanke和 Gertler 1989；Kiyotaki 和 Moore 1997；Brunnermeier 和 Sanikov 2014）。2最近，一些宏观金融模型开始关注金融中介机构之间的异质性，并展示了这种异质性对于整体风险承担动态和金融稳定性的影响（Geanakoplos 2010，Korinek和Nowak 2017，Coimbra和Rey 2018以及2023）。 本文提供了新颖的实证证据，表明银行贷款活动增长在风险较高的银行中的集中程度在信贷周期中有所变化，更重要的是，这有助于预测经济增长的下行风险。3此外，我们提供国家和银行层面的分析，以探索我们关键结果背后的机制。 具体来说，在1990年至2019年期间，我们使用来自42个国家的3071家银行的庞大样本，构建了一个综合指标，以衡量相对风险较高的银行（通过国内相对z分数衡量）发起信贷的程度，借鉴了Greenwood和Hanson（2013）的方法。 2这些模型通常在均衡条件下施加导致借款人、贷款人或中介机构中的异质性代理人分离的条件。大多数传统模型要么假设每个部门由单个代理人代表，要么假设一个部门内部存在完美的风险分担，因此一个部门内部的异质性（即借款人或金融中介之间的差异）并不重要。3在本文中，我们使用“风险银行”和“较弱银行”这两个表达互为同义词。 捕捉异质借款人整体债务发行的构成。我们提供了证据，我们称之为信用来源风险（RCO）的度量，在整体信贷增长增加以及金融条件放宽时上升。此外，我们还提供了补充银行层面的证据，记录了微观层面的潜在机制。这些由RCO捕捉或代理的银行在信贷周期截面中的风险承担模式，不仅对周期特征有内在兴趣，而且有助于进一步阐明为什么大规模信贷扩张对金融稳定构成风险。 我们研究表明，RCO（风险承担成本）的增加预示着GDP增长的下行风险，即使在控制了文献中先前强调的关键决定因素（包括整体信贷增长和金融状况）后也是如此。我们记录的效果规模相当大。在基线设定中，RCO的一个标准差增加会使平均累计两年前GDP增长分布的左尾移动大约30个基点。我们的发现对一系列稳健性测试具有鲁棒性，包括使用额外的控制变量（包括银行业的整体风险度度量）、银行级别的风险度替代度量、分析中的银行受限样本或替代的量分回归估计方法。 最后，我们探讨了三个可能且相互关联的渠道，这些渠道构成了我们主要发现的基础。我们首先检验了信用质量渠道。在微观层面，我们研究了风险较高的银行是否向风险较高的借款人提供更多贷款，从而导致未来贷款组合表现较弱，以及这种关系如何依赖于银行层面的相对信用增长。我们发现，相对较快扩张信用的银行在后期会经历更大的贷款损失准备金和非正常贷款比率增加，而且当银行事前风险更高（即，当它的相对z分数较低时），这种增加更为显著。在宏观层面，我们还分析了RCO对增长下行风险的解释力是否受到在模型中包含一个捕捉风险更高信用分配的变量的影响（Brandao Marques等人，2022年）。我们发现，在长达两年的范围内，这种影响是存在的。 第二个可能的渠道是情绪。在继承了López-Salido等作者（2017年）的研究精神的基础上，他们通过预测信贷利差未来变化的相关金融变量作为信贷情绪的代理，我们研究了RCO是否可以预测银行整体放贷标准和金融状况未来的变化。我们发现RCO确实可以，在银行放贷标准和金融状况的角度上，预测至达到两年的时间跨度。这两个发现都强烈支持了情绪渠道的观点。4 最终，RCO能够捕捉到与银行级别脆弱性分布相关的整体银行部门脆弱性的一个维度。按照构造，RCO衡量相对风险较高的银行对银行部门信贷扩张的贡献程度。虽然这一衡量标准的输入的相对性并不意味着机械关系，我们推测，当RCO较高且持续时，可能会导致一个经济体贷款组合中更大比例的贷款集中到风险较高的银行。由于风险较高的银行更有可能在不利冲击后减少贷款，而借款人在尝试更换贷款人时会遇到摩擦，这可能导致整体贷款和活动的收缩。为了支持这种第三渠道的存在，我们发现银行风险是大型负向冲击后未来银行级别贷款活动的一个决定因素。我们还发现，RCO可以预测左移 银行业股票收益的极端左尾，这也与存在韧性渠道相一致。5 本文的结构如下。第二章讨论了银行风险性、风险承担和信用周期之间关系的基本理论，并对相关理论和实证文献进行了回顾。第三章介绍了我们对RCS的测量方法。第四章分析了它与银行信贷总量的共同变化，并提供了相关的银行层级证据。第五章记录了RCS对增长未来下行风险的预测能力，而第六章展示了我们对此关系背后三个可能途径的分析。第七章得出结论。附录提供了有关数据来源、变量构建、样本构建和额外的稳健性分析的信息。 II. 理论基础与文献的进一步联系 银行风险性与风险承