2018年-IMF国际货币组织全球_Friend_or_Foe__Cross_44页_1016kb

报告摘要

总结：跨境联动、传染性银行危机与“协调”宏观审慎政策

核心内容

本论文探讨了“协调”使用宏观审慎政策是否有助于降低银行危机的发生概率。作者指出，虽然国内信贷增长和房价增长是银行危机的重要预测因素，但跨境联动（包括贸易和金融）也会显著影响危机的传播。研究还表明，当高度联动的国家共同实施宏观审慎政策时，可以有效降低银行危机的风险，尽管这种正面效应可能需要一定时间才能显现。

主要观点

银行危机的预测因素
- 快速的国内信贷增长和房价增长是银行危机的重要预警信号。
- 跨境危机（尤其是贸易伙伴和贷款接收国的危机）会显著提升本国发生银行危机的概率。
宏观审慎政策的协同效应
- 协调使用宏观审慎政策（如贷款价值比LTV和债务收入比DTI限制）可以降低银行危机风险。
- 当贸易伙伴或贷款接收国实施宏观审慎政策时，本国的信贷增长和房价增长会受到抑制。
- 协调政策的正面效果可能需要时间才能显现，且不同国家的反应可能有所不同。
危机传染机制
- 危机可能通过国际银行的信贷风险和资金流动机制传播。
- 一些国家可能因危机国家的政策收紧而增加借贷，从而加剧危机的传播（“溢出效应”或“泄漏效应”）。
数据与方法
- 使用IMF和BIS的数据库，构建了贸易和金融联系的变量。
- 采用面板逻辑回归模型，分析危机和宏观审慎政策对银行危机概率的影响。
- 引入固定效应模型以控制国家特定因素。

关键信息

数据来源：IMF的国际金融统计（IFS）、世界经济发展展望（WEO）以及BIS的银行数据。
变量定义：
- 危机变量：基于Laeven和Valencia（2014）的定义，当企业与金融部门出现大量违约时，视为银行危机。
- 信贷增长：以信用-国内生产总值（Credit/GDP）比率的变化衡量。
- 房价增长：以实际房价增长率衡量。
- 贸易和金融联系：基于双边贸易和贷款数据，分别识别出“前10大贸易伙伴”和“前10大贷款接收国”。
模型结果：
- 在没有加入传染变量的情况下，国内信贷增长显著，而房价增长不显著。
- 加入“前10大贸易伙伴”危机变量后，该变量在1%的显著性水平上显著。
- 在固定效应模型中，传染变量仍保持高度显著，表明国家特定因素无法完全解释其影响。
- 交互项显示，当贸易伙伴发生危机时，国内信贷增长和房价增长对危机概率的边际影响更大。
- 金融联系的传染效应也显著，且在某些情况下，房价增长的交互项不显著，可能因为信贷增长的影响更为突出。

结构概述

章节	内容概要
I. 引言	提出研究问题：协调使用宏观审慎政策是否有助于降低银行危机风险，回顾相关文献，并说明研究的必要性和创新点。
II. 文献综述	总结关于银行危机预测、传染效应及宏观审慎政策效果的研究，指出当前文献在跨国传染效应和政策协调方面的不足。
III. 数据	介绍研究使用的数据来源和变量定义，包括危机变量、信贷增长、房价增长、贸易和金融联系等。
IV. 跨境危机的影响	通过逻辑回归模型分析贸易伙伴和贷款接收国的危机如何影响本国危机概率。
V. 宏观审慎政策的影响	分析宏观审慎政策对国内信贷和房价增长的影响，以及其对危机概率的间接和直接作用。
VI. 结论	总结研究发现，指出协调宏观审慎政策的潜在作用，并为政策制定者提供建议。