商业银行逆周缓冲资本释放时机研究.pdf

12014 年第 6 期 商业银行逆周期缓冲资本释放时机研究 彭建刚 左 峥 1 摘要：把握逆周期缓冲资本释放的正确时机是逆周期监管有效实施的关键之一。本文在分 析金融危机与信贷关系的基础上，将多重分形消除趋势波动分析方法运用于分析信贷趋势并确 定缓冲资本释放的时机；同时，运用美国 19522013 年的信贷数据进行了实证分析。研究结 果表明：信贷增长率的 Hurst 指数可以有效指示信贷由扩张转为紧缩的时点；将名义总信贷增 长率和名义银行信贷增长率的 Hurst 指数相结合，根据所指示的信贷反转点释放逆周期缓冲资 本，能及时减少危机对银行业造成的损失。 关键词：宏观审慎监管；逆周期缓冲资本；释放时机 一、引言 此次美国金融危机暴露出巴塞尔协议 II下的资本监管模型的缺陷和不足。巴塞尔协 议 II强调商业银行风险的科学计量，鼓励达标银行采用内部评级法，利用银行的内部评级模 型和数据，度量信用风险。虽然内部评级法能更加准确地反映资本与银行风险之间的内在关系， 但由于风险计量的参数对经济周期高度敏感，造成金融体系的顺周期性，并对金融危机的形成 及扩散起到了推波助澜的作用。以单家银行机构稳健经营为目标的微观审慎未能关注金融体系 的系统性风险，忽视了金融机构间的关联以及实体经济与金融体系的反馈机制，不能有效维护 金融体系的稳定。这成为推动金融监管改革浪潮的基本原因。银行业监管由此开始从微观审慎 监管向宏观审慎过渡。在此背景下，巴塞尔监管委员会在巴塞尔协议 II的基础上推出了巴 塞尔协议 III，以加强资本监管及银行的抗风险能力。相较于巴塞尔协议 II，巴塞尔 协议 III显著提高了资本监管要求，提出了逆周期资本和资本留存缓冲，并通过引入对系统 重要性银行的额外资本要求和杠杆率指标，控制此类金融机构的道德风险，构架起宏观审慎监 管框架。 1 彭建刚，经济学博士，金融学教授，博士生导师，“985 工程”首席科学家，湖南大学金融与统计学院； 左峥，湖南大学金融学硕士研究生。作者感谢匿名审稿人的评审意见，文责自负。 * 本文为国家自然科学基金项目我国银行业宏观审慎管理与微观审慎管理协调创新研究（课题编号： 71373071）的阶段性成果。 * 2 商业银行逆周期缓冲资本释放时机研究总第 30 期 巴塞尔协议 III要求商业银行在金融体系系统性风险积累时，计提 02.5% 的逆周期 缓冲资本，以便在面临压力时，吸收损失并保证信贷供给，从而缓解金融体系的顺周期性。中 国银监会将巴塞尔协议 II和巴塞尔协议 III的监管标准与我国银行业实践相结合，出 台了商业银行资本管理办法（试行），规定银行应当在最低资本要求和储备资本要求之上 计提逆周期资本。逆周期资本要求为风险加权资产的 02.5%，由核心一级资本来满足。 逆周期缓冲资本实施的关键，在于准确识别经济的繁荣期与衰退期，正确把握计提和释放 缓冲资本的时机。但在巴塞尔协议 III和商业银行资本管理办法（试行）中，均未明 确说明商业银行应如何把握逆周期缓冲资本的释放时机。因此，有必要在宏观审慎监管与微观 审慎监管协调的框架下，对这一问题加以深入研究。 二、文献综述 （一）关于逆周期缓冲资本释放的研究 逆周期缓冲资本的设计目的， 是为保护银行免受信贷过度投放而导致的系统脆弱性的影响， 在不损害银行系统清偿能力的前提下保障信贷供给，防止经济下行时的信贷紧缩。它是一种自 上而下的宏观审慎监管机制。其为整个银行体系设置了一个统一的资本缓冲乘数，既无需考虑 银行之间的差异性，也不必涉及银行微观层面的风险结构，因而可以降低措施的实施成本，并 能够较为有效地防止监管资本套利。从逆周期缓冲资本的运作机制看，在信贷扩张期，监管部 门要求银行计提逆周期缓冲资本，提高银行业整体的监管资本要求，以控制信贷规模及金融系 统性风险的积累；而在经济下行时，监管部门通过评估金融系统性风险的积累情况，以确认其 是否会影响信贷流动并对实体经济和银行系统造成损失，并在确认需要时，指示银行释放逆周 期缓冲资本以弥补贷款损失，同时降低资本要求，防止银行信贷紧缩造成实体经济状况的进一 步恶化。如果释放逆周期缓冲资本仍无法弥补损失，银行再使用留存资本缓冲对损失进行抵补。 Caruana 等（2009）认为，逆周期缓冲资本计提阶段的挂钩变量应为金融危机的先行指示 变量，而释放阶段的挂钩变量应为银行危机的同期指示变量，因此难以找到单一的宏观经济变 量来同时指示经济繁荣期和衰退期；此外，基于单家银行的挂钩变量异质性较强，应根据金融 经济的总量变量来实施逆周期缓冲资本规则。Drehmann 等（2010）指出，在理论上将衡量总 损失和指示信贷紧缩的变量相结合，可以有效指示整个金融系统压力的发生，从而触发逆周期 资本的释放；相比计提阶段，监管部门做出逆周期缓冲资本释放的决策应更加依赖于相机抉择 方式。巴塞尔协议指出，考虑到信贷增长率的降低往往在金融压力形成后才显现，信贷 /GDP 与其长期趋势的偏离可能不能正确地指导逆周期缓冲资本的释放；对逆周期缓冲资本要 32014 年第 6 期 求的解除应立即生效，以降低监管资本要求抑制信贷供给的风险，但对具体应在何时释放逆周 期缓冲资本缺乏说明。李文泓等（2011）指出，由于实际信贷的增长率和信贷 /GDP 比率指标 在本国经济下滑时期下降速度过慢且存在滞后，该指标预测释放缓冲资本时机的功能较弱；此 外，由于政策干预等因素，中国信贷周期与经济周期存在负相关关系，也影响了该指标工具对 于金融失衡和经济周期变动的预判。此外，朱太辉（2012）基于后凯恩斯学派货币供给内生理 论的研究表明，货币供给和信贷扩张的内生性会制约逆周期资本监管的效力，也会对资本缓冲 的规模和释放时机产生影响。 已有的研究结果表明，逆周期缓冲资本计提阶段挂钩变量对释放阶段的适用性有待进一步 验证；在释放阶段挂钩变量的选择上，应考虑能反映金融周期性的总量指标，但何种总量指标 适宜尚需进一步研究。总之，关于确定逆周期缓冲资本释放时机的研究不多，仅有的研究文献 也未能很好地揭示变量的周期性特征和预测其变动趋势，不能据以准确地判断缓冲资本的释放 时机。 （二）关于金融危机与信贷关系的研究 20082009 年的金融危机使得各国学者重新关注信贷波动和金融危机的关系。Borio 和 Drehamann（2009）通过评估美国等国家的银行系统压力先行指标在危机前后的表现，发现在 危机爆发前， 信贷持续高增长并伴随着投机性资产价格泡沫的出现。 Schularick和Taylor （2009） 以 18702008 年间 14 个国家的长期数据为基础，对货币、信贷及宏观经济变量与金融危机的 关系进行的研究证明，信贷增长是金融危机发生的十分有效的指示变量，金融危机是信贷过度 扩张而监管部门对金融体系监控不到位的后果。马勇等（2009）以全球有代表性的 66 个国家 或地区的跨国数据为基础，论证了各国历次金融危机的共同基本原因为信贷周期、资产价格周 期和金融监管周期的同周期性，且微观审慎监管模式会出现明显监管强度错配，阻碍其在危机 防范与遏制方面发挥作用。胡建华等（2013）认为，在经济上行期，信贷风险的降低及追求利 润的动机刺激银行信贷投放，而过度扩张的信贷规模会导致金融系统脆弱性积聚，信贷与经济 的同步耦合形成正反馈则放大了宏观经济波动，反过来又给金融体系带来巨大风险，从而导致 金融危机的发生。以上研究的共同结论是，几乎所有的金融危机，在发生之前都会经历一段信 贷高速增长时期。 中国银监会副主席阎庆民（2014）在顶层设计与银行业改革思考一文中指出：“坚持 微观审慎与宏观审慎监管相结合，完善监管制度，推动资本管理办法和流动性风险管理办法的 落地实施。” 基于上述分析和我国监管部门的要求，并考虑监管部门对逆周期缓冲资本释放时机判断的 4 商业银行逆周期缓冲资本释放时机研究总第 30 期 可靠性和可操作性，本文将从信贷周期性特征的角度出发，采用多重分形消除趋势波动分析方 法， 计算信贷增长率的Hurst指数， 以此识别信贷的变化趋势并确定逆周期缓冲资本释放的时机。 三、逆周期缓冲资本释放时机的确定与 Hurst 指数 金融业与宏观经济的同周期性是两者的固有特征。当信贷扩张速度与实体经济发展相匹配 时，银行信贷资金投放可支持实体经济的发展且不会造成金融体系系统性风险的积累；而当流 动性过剩，信贷风险降低以及银行的逐利性刺激银行信贷的不合理投放后，则会使信贷扩张规 模脱离实体经济的发展，并将信贷投放范围扩大至信用等级未达标的企业及个人客户，从而对 经济产生负面效应，造成通货膨胀压力，并增加银行体系的风险。由于信贷扩张的规模越大， 实体经济在一旦遭遇危机时受到的负面冲击也越大，因此，应提前计提逆周期缓冲资本，提高 对银行业整体的监管资本要求，以约束信贷规模进而遏制金融系统性风险的积累。但当危机爆 发、金融泡沫破灭，金融体系风险集中释放并引发资产价格暴跌、金融机构坏账大幅增加和企 业大量破产等后果时，信贷扩张将转为信贷紧缩，此时如果仍坚持对资本充足率的监管要求， 则将进一步造成银行对新增贷款的惜贷行为，并反过来会加剧经济的衰退程度，减缓恢复速度。 因此，监管部门应当在发现信贷紧缩的潜在可能性时，把握时机适时施行逆周期资本缓冲释放 措施。若资本要求降低过于迟缓，就会造成信贷紧缩和经济衰退的发生，此时增加银行贷款来 提振经济则为时已晚。最理想的时机是在信贷由扩张转为紧缩这一时刻，此时应开始释放逆周 期缓冲资本，降低银行业的监管资本要求。 在确定了逆周期缓冲资本释放的理论最优时机后，问题的关键变为如何判断在危机发生时 信贷由扩张转为紧缩的时点。学者们以前的分析集中于单纯地对信贷从数量上进行分析，但对 其周期性特征缺乏探究。本文采用了多重分形消除趋势波动分析方法来突破这一点，通过分析 信贷数据这一非平稳时间序列的分形特征，计算信贷增长率的 Hurst 指数，以此判断信贷数据 的趋势。下文将首先介绍多重分形消除趋势波动分析法，再说明该方法计算 Hurst 指数的步骤。 20 世纪 80 年代初， Mandelbrot 出版了分形几何的第一部著作“Fractal: Form, Chance and Dimension”，标志着分形理论的正式诞生。该著作系统地提出了多重分形的相关理论。多重 分形过程（Multifractal Process）是通过时变参数如广义维数、广义 Hurst 指数和多重分形谱等， 来描述分形客体，刻画时间序列的分形特征。分形理论由于其更能合理解释很多自然现象，因 而在物理学、地质学等领域都得到广泛应用。 Hurst 在 1907 年分析降雨等不可控因素对尼罗河水位的影响时，提出了重标极差分析 （Rescaled Range Analysis，R/S）的非参数统计方法，同时提出了 Hurst 指数。Hurst 指数能 52014 年第 6 期 描述时间序列波动的标度属性，能判断时间序列的非随机性，它的大小反映了时间序列持续 性、反持续性的强弱。Peng 等（1994）在研究 DNA 时间序列的自相关性时，发现 DNA 分子 顺序在其分子个数大于 104 时，呈现一种长程的、幂指数分布，随后提出了消除趋势波动分 析法（Detrended Fluctuation Analysis）来分析非平稳时间序列的单分形特征，并得到 Hurst 指 数。Kantelhardt 等（2002）克服了传统 DFA 方法只能用来探测时间序列的单分形特征，将 DFA 方法推广到多重分形的情形，提出多重分形消除趋势（Multifractal-Detrended Fluctuation Analysis）分析法。该方法的优势在于能够发现非平稳时间序列中的长范围相关性，且能够避 免对相关性的错误判断。 近年来，在金融时间序列分析领域，多重分形多被应用于对股价指数、国际汇率、原油价 格、黄金价格等资本市场金融数据的研究，弥补了传统统计分析模型的不足。但大量的研究均 集中于对金融市场多重分形结构的确认，而对金融市场波动多重分形特征规律的研究不多且不 够完善。如何运用多重分形理论深层次地挖掘金融市场波动的复杂特征，并将其应用于银行业 宏观审慎管理，是一个值得深入探讨的课题。 本文尝试将多重分形消除趋势波动分析方法引入到信贷数据分析和银行业监管部门逆周期 缓释资本释放的决策过程中。借鉴 Kantelhardt 等（2002）和王玉东（2009）的方法，对于长 度为 N 的时间序列，MF-DFA 的方法步骤如下： 第一步：描述时间序列的“轮廓”： （1） （1）式中， 表示的均值。 第二步：将新得到的序列分成段互不重叠的、 长度为s的等长小段。 由于序列的长度 N 一般不是 s 的整数倍，为了不忽视尾部的一小段，从尾部开始重复上面的过 程，这样便得到 2Ns段子序列。根据 Peng 等，一般取。 第三步：对这 2Ns段子序列分别运用最小二乘法拟合局部趋势，计算消除趋势之后的残差 平方和： , （2） , （3） （2）-（3）式中表示第部分的 m 阶拟合多项式（叫做 m 阶 DFA，记为 MF- DFAm）。 第四步：得到 q 阶波动函数： 6 商业银行逆周期缓冲资本释放时机研究总第 30 期 （4） （5） 一般服从如下的幂律法则： （6） 当 q=2 时，MF-DFA 方法等效于 DFA。 第五步：由式（6）推得： （7） 最后，对（7）式进行最小二乘回归，所得斜率即为 q 阶 Hurst 指数。 Hurst 指数的取值一般在 0 到 1 之间。当=0.5 时，说明时间序列为随机序列，不 能判断未来趋势；当 0.51 时，表明时间序列具有持续性，序列容易出现一个上涨接着 另一个上涨的现象，并会持续一段时期，从而形成一个大的非周期循环；当 00.5 时， 时间序列则具有反持久性，且越接近于 0，这种反持久性越强，在未来越可能发生发转。 因此， 当取值由0.51变为00.5时， 序列将打破连续上涨状态， 转为连续下跌 ； 但当取值由 00.5 变为 0.51 时，根据目前的研究成果，则无法准确判断序 列是否会从下跌转为上涨的状态。本文将利用 Hurst 指数下穿来判断序列从上涨转为下跌。 四、样本选取与实证分析 （一）样本数据选取 巴塞尔协议 III中规定，应采用广义上总信贷的口径来计算信贷 /GDP 与其长期趋势的 偏离度。总信贷指为所有私人非金融部门（其中包括非金融公司部门、家庭及非盈利组织）提 供的信贷支持（含本国和境外的资金支持），包括贷款、债券、票据等。巴塞尔协议 III 之所以不采用狭义上的银行信贷口径，是考虑到银行不仅仅会受到自身，也会受到其他金融部 门信贷过度扩张后果的影响；而根据总信贷得到的挂钩变量则对系统性风险具有更强的预测能 力。在本文中，为了既能区别又能综合分析不同信贷扩张对银行业系统性风险积累的影响，将 分别考察总信贷与银行信贷，进一步分析两者在指示系统性风险累积及确定逆周期缓冲资本释 放时机上的差异。总信贷与银行信贷在提供给私人非金融部门的金融工具种类上并无不同。不 同的是，总信贷的贷出方包括非金融机构、金融机构、政府、非盈利性机构、国外银行等，而 银行信贷的贷出方仅为国内存款性银行。 72014 年第 6 期 考虑到美国拥有较完备的金融数据库资源，本文将选取美国银行业为研究对象。由于多 重分形消除趋势波动分析方法要求数据量较多，故采集并整理了国际清算银行有美国私人非金 融部门信贷数据记录以来，1952 年一季度至 2013 年一季度期间名义和实际的总信贷、银行信 贷的季度数据。其中的信贷数据来源于国际清算银行网站，GDP 数据来源于美国经济分析局 （BEA）网站，实际信贷由 GDP 平减指数得到。 （二）实证结果与分析 美国名义总信贷与名义银行信贷的数据如图 1 所示。其中阴影部分代表了 1990 年与 2008 年金融危机前美国信贷急速扩张的时期。图中显示，在危机发生之后又出现出信贷紧缩的现象。 这验证了前文对金融危机与信贷关系的分析，以及应在信贷的反转点释放缓冲资本的判断。 单位：十亿美元 名义总信贷（左轴）名义银行信贷（右轴） 10,000 9,000 8,000 7,000 6,000 5,000 4,000 3,000 2,000 1,000 0 30,000 25,000 20,000 15,000 10,000 5,000 0 1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 2002 2007 2012 图 1: 信贷扩张与美国银行危机 本文根据多重分形消除趋势波动分析方法，采用滑动窗口来计算时变 Hurst 指数。首先预 设滑动窗口长度，并取信贷数据的对数增长率作为实证研究的数据；然后从数据起始端开始， 根据本窗口内的数据，计算窗口末端数据对应的 Hurst 指数；同时，随着滑动窗口向前推移， 依次计算 Hurst 指数，形成完整的 Hurst 指数序列。本过程利用 Matlab R2013a 实现。为了清 晰地显示信贷趋势变化，利用 HP 滤波单边趋势法提取信贷的长期趋势值，平滑参数设定为 8 商业银行逆周期缓冲资本释放时机研究总第 30 期 400000，获得信贷与其长期趋势的偏离度（分别称为总信贷偏离度、银行信贷偏离度）。 对名义和实际的总信贷增长率和银行信贷增长率的 Hurst 指数均进行计算，并将其与信贷 趋势分别对比。结果发现，对总信贷和银行信贷而言，名义数据的 Hurst 指数指示信贷反转的 指示作用更强。分析认为，信贷的过度扩张会加剧固定资产投资的过快增长，并导致除支持实 体经济发展之外的多余资金流入虚拟经济领域，推动房地产等资产价格上涨，造成流动性过剩 和通货膨胀压力。美联储的货币政策是通胀目标制，而为抑制通货膨胀压力，美联储会采取加 息等措施。这会直接导致借贷成本提高、资产价格下跌，增加抵押违约风险，进而使银行业遭 遇损失，信贷受到挤压。最典型的例子就是 2007 年美国金融危机。其时，由于美联储抑制通 货膨胀的加息政策使用过度，导致房地产价格下跌，成为危机发生的导火索。Sumner（2012） 指出，名义 GDP 目标制可以同时保持物价稳定和经济增长的双重目标，是相对于通胀目标制 而言更好的货币政策目标。类似的，通过名义信贷这一个指标，可以从金融体系信贷供给和通 货膨胀率两个方面，更全面真实地反映金融系统的风险程度和宏观经济运行情况，比实际信贷 的指示作用强。 经计算得到名义总信贷和名义银行信贷的长记忆周期均为 140，将其作为滑动窗口长度， 得到 Hurst 指数为从 1987 年一季度2013 年一季度。经重复试验发现，将 Hurst 指数的阈值 设为0.6时， 对信贷反转的预测效果最好 （Hurst指数与信贷偏离度计算结果如图2、 图3所示） 。 1. Hurst 指数指示信贷反转的有效性 由图 2、图 3 和 Hurst 指数数据可知，名义总信贷增长率的 Hurst 指数于 2008 年一季度向 下穿越 0.6，名义银行信贷增长率的 Hurst 指数则于 1989 年三季度、2000 年二季度、2008 年 一季度和 2009 年四季度向下穿越 0.6，表明信贷的趋势在这些时刻可能即将由扩张转为紧缩。 将 Hurst 指数与信贷偏离度结合来看，Hurst 指数指示的趋势反转时间对应于名义总信贷偏离 度和名义银行信贷偏离度的波峰，可见 Hurst 指数可以指示信贷趋势的反转。而名义银行信贷 增长率的 Hurst 指数指示的信贷反转点与名义总信贷增长率的 Hurst 指数的存在差异，从信贷 数据层面上分析，是由于名义银行信贷在 1989 年三季度、2000 年二季度和 2009 年四季度这 三个时点之前，都经历了信贷偏离其长期趋势的增长。随着信贷增长速度的逐步放缓，Hurst 指数下穿 0.6，指示信贷的趋势反转。值得注意的是，名义总信贷的 Hurst 指数在 1989 年四季 度曾短暂向上突破 0.6，但在下一季度便迅速下降，因而不能作为指示信贷反转的信号。 92014 年第 6 期 hurst 指数（左轴）名义总信贷偏离度（右轴） 4,000 3,000 2,000 1,000 0 -1,000 -2,000 1987 1992 1997 2002 2007 2012 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 单位：十亿美元 图 2：Hurst 指数与名义总信贷偏离度 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 1,500 1,000 500 0 -500 -1,000 单位：十亿美元 1987 1992 1997 2002 2007 2012 hurst 指数（左轴）名义总信贷偏离度（右轴） 图 3：Hurst 指数与名义银行信贷偏离度 10 商业银行逆周期缓冲资本释放时机研究总第 30 期 2. Hurst 指数指示逆周期缓冲资本释放的有效性 图 3 显示，Hurst 指数于 2000 年二季度下穿 0.6，表明名义银行信贷趋势将反转；但此时 的名义银行信贷偏离度小于 0，则表明名义银行信贷小于其长期趋势，由此判断，其时的信贷 增长是在向其长期趋势值回归，不会造成系统性风险的积累。因此，Hurst 指数指示的信贷趋 势的反转，不应作为释放逆周期缓冲资本的信号。实际也是如此：2000 年美国互联网泡沫的 破灭造成互联网股的暴跌，拖累了股市的整体表现，但对商业银行的影响并不大，并不需要监 管部门实施逆周期释放资本的措施。 下文将分析美国 1990 年和 2008 年金融危机中信贷扩张与系统性风险的形成，及以 Hurst 指数指示逆周期资本释放的有效性。美联储的数据显示，20 世纪 80 年代美国的房地产投资主 要得益于美国银行业的信贷支持。这十年间，商业银行向房地产投资提供的贷款支持占银行贷 款总额的比例从 20% 攀升至 45% 左右，房地产贷款的年均增长率高于 10%，1987 年更是达到 了 17%。银行放贷结构的不合理和房地产贷款的持续高增长，导致银行业风险水平提高。在持 续八年的经济增长停滞之后，房地产价格的暴跌引发了 1990 年至 1991 年的经济萧条。投放大 量房地产贷款的商业银行遭受巨大损失，资产和经营状况恶化，大量银行关闭或破产；而银行 惜贷造成的信贷挤压又进一步深化了经济危机。这一轮银行系统性风险主要源于银行自身，根 据名义银行信贷的 Hurst 指数指示，应于 1989 年三季度释放逆周期缓冲资本，以及时弥补银 行的损失。2008 年危机爆发的导火索为美联储为抑制 20002004 年过度降息造成的流动性过 剩和通货膨胀，连续加息 17 次，促发了房地产价格下跌。但与 1990 年危机不同的是，在危机 发生前，房地产按揭贷款的证券化和衍生工具得到快速发展，使得风险从银行业扩散到了其他 金融部门，整个金融体系的系统性风险都处于较高水平。危机的严重性直到 2008 年 9 月中旬 雷曼兄弟倒闭才开始显现。若能根据名义总信贷和名义银行信贷的 Hurst 指数的指示，于 2008 年三季度就释放逆周期缓冲资本，并且在 2009 年继续降低监管资本要求，则可能在一定程度 上缓解危机对银行业的冲击。 3. 逆周期缓冲资本释放时机的判断步骤 根据以上实证分析结果，监管部门应根据以下判断步骤，确定逆周期缓冲资本释放时机。 首先，根据掌握的名义总信贷和名义银行信贷的季度数据，计算信贷增长率的 Hurst 指数。 Hurst 指数下穿阈值的时点为信贷反转点，即信贷由扩张转为紧缩的时点。其次，判断在信贷 反转点前期，信贷与其长期趋势偏离度的关系。若信贷与其长期趋势偏离度的缺口为正，说明 信贷处于偏离长期趋势的扩张状态， 此时因信贷扩张导致的金融系统性风险积累处于较高水平 ； 若缺口为负，则表明信贷小于其长期趋势，信贷增长是向其长期趋势值的回归，而不会造成系 112014 年第 6 期 统性风险的积累。最后，在经济下行期，根据 Hurst 指数判断的信贷趋势反转点，在能同时满 足信贷与其长期趋势偏离度为正时，即为逆周期缓冲资本的释放点。此外，由于根据名义总信 贷和名义银行信贷判断出的逆周期缓冲资本释放时机可能存在差别，因此监管部门应在对信贷 结构和风险情况分析的基础上，综合判断金融系统性风险的来源为银行业自身还是除银行外的 其他金融部门，并据此确定是否执行资本释放的决议。 五、结论 银行在经济上行期过度扩大信贷规模，将导致金融系统性风险的积累，诱发金融危机，造 成资产价格暴跌、金融机构坏账大幅增加和企业破产等后果；而信贷扩张由此转为信贷紧缩后， 又会反过来加剧经济的衰退程度，减缓经济恢复速度。为避免此类损失，监管部门应当在信贷 由扩张转为紧缩这一时刻，开始释放逆周期缓冲资本。 通过多重分形消除趋势波动分析方法计算出的信贷增长率 Hurst 指数，可以指示信贷反转 点。将名义总信贷增长率和名义银行信贷增长率的 Hurst 指数相结合，根据所指示的信贷由扩 张转为紧缩的时点，释放逆周期缓冲资本，降低对银行的监管资本要求，能及时减少危机对银 行业造成的损失。 计算 Hurst 指数对数据量的要求比较严格，只有足够大的数据样本，其计算结果才有使用 价值。这对样本数据的长度和频率提出了较高的要求。本文采用的是美国公开的信贷数据来分 析逆周期缓冲资本的释放时机，我国银行业监管部门和中国人民银行可以运用所掌握的月度信 贷数据并采用本文提出的方法对国内逆周期缓冲资本释放时机进行有效的分析。另外，Hurst 指数只能分析信贷的数量规律，这就需要监管部门在进行判断时，还要实时监控银行业的信贷 结构，分析各种融资工具的风险程度，并将计量模型的使用与定性判断相结合，规则与相机抉 择相结合，综合考虑其他宏观经济变量。只有这样，才能更为准确地判断逆周期缓冲资本的释 放时机。 参考文献 1. 巴塞尔银行监管委员会，第三版巴塞尔协议，中国金融出版社，2011 年。 2. 胡建华、王非和何健，逆周期资本监管的困境、缺失及出路，审计与经济研究，2013 年第 1 期， 104-111。 3. 李文泓和罗猛，巴塞尔委员会逆周期资本框架在我国银行业的实证分析，国际金融研究，2011 年 第 6 期，81-87。 4. 马勇、杨栋和陈雨露，信贷扩张、监管错配与金融危机 : 跨国实证，经济研究，2009 年第 12 期， 12 商业银行逆周期缓冲资本释放时机研究总第 30 期 93-105。 5. 阎庆民，顶层设计与银行业改革思考，金融监管研究，2014 年第 3 期，1-6。 6. 中国银行业监督管理委员会，商业银行资本管理办法（试行）， 中国金融出版社，2012。 7. 朱太辉，信贷内生扩张下逆周期资本监管效力的初步研究，金融监管研究，2012 年第 5 期，52-70。 8. Basel Committee, Guidance for National Authorities Operating the Countercyclical Capital Buffer, Basel, Switzerland, 2010. 9. Borio, C., and M. Drehmann, Assessing the Risk of Banking Crisesrevisited, BIS Quarterly Review, March, 2009. 10. Caruana, J., The International Policy Response to Financial Crises: Making the Macro-prudential Approach Operational, BIS Management Speeches, Jackson Hole, 21-22 August 2009. 11. Drehmann, M., Total Credit as an Early Warning Indicator for Systemic Banking Crises, BIS Quarterly Review, June 2013,41-45. 12. Drehmann, M., C. Borio, and K. Tsatsaronis, Anchoring Countercyclical Capital Buffers: the Role of Credit Aggregates, International Journal of Central Banking, 2011, 7(4), 189-240. 13. Drehmann, M., C. Borio, and L. Gambacorta, Countercyclical Capital Buffers: Exploring Options, 2010. 14. Kantelhardt, J., S. Zschiegner, and E. Koscielny-Bunde, Multifractal Detrended Fluctuation Analysis of Nonstationary Time Series, Physica A: Statistical Mechanics and its Applications, 2002, 316(1), 87-114. 15. Peng, C., S. Buldyrev, and S. Havlin, Mosaic Organization of DNA Nucleotides, Physical Re