微观主体内生互动视角下的货币政策效应研究_货币政策论文

基于微观主体内生互动视角的货币政策效应研究，本文主要内容关键词为：互动论文,微观论文,货币政策论文,视角论文,效应论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

       一、引言

       货币政策如何作用于就业和产出一直是宏观经济学领域的重要问题。一方面，货币政策能够对商业银行负债端产生影响，通过影响货币供给总量和利率，宽松货币政策可以刺激就业和产出增长(King，1986；Christiano & Eichenbaum，1992)。另一方面，货币政策也会影响商业银行资产端的贷款意愿，紧缩货币政策导致商业银行贷款能力的下降(Bernanke & Blinder，1992；Romer & Romer，1990)，进而改变企业融资来源、融资结构以及融资目的(Ramey，1992；饶品贵和姜国华，2013a；王义中等，2015)，并最终影响企业投资和绩效(Gertler & Gilchrist，1994；Kang & Stulz，2000；Morck et al.，2013)。此外，近期发生的金融危机使得货币政策与金融稳定之间的关系被强调。研究发现，旨在刺激产出和就业的宽松货币政策会提高金融中介的风险承担激励，进而放大实体经济的波动风险(张雪兰和何德旭，2012)。

       众所周知，宏观经济政策对实体经济施加影响最终要作用于作为微观主体的企业层面，相应地，实证研究开始由宏观层面转向微观层面(Jiménez et al.，2014；饶品贵和姜国华，2013a；王义中等，2015)。然而，关于货币政策效应的研究大都建立在“代表性厂商”假设之下，抽象掉了微观个体之间的紧密关联(Gatti et al.，2010)，进而忽略了企业之间的内生互动机制。在这一假设下，企业成为一个个毫无关系的“孤岛”，货币政策对实体经济的影响变成了单个企业对宏观经济政策的响应。但是，企业间紧密而复杂的联系是现代金融经济高度发达的典型特征，各个企业之间通常存在着显性或者隐性的内生互动机制。已有研究表明，内生互动广泛存在于企业间借贷关系、担保关系和知识外溢等关系模式中，并且对企业绩效和行为产生了显著影响(Hertzel et al.，2008；Kiyotaki & Moore，1997b；Dougal et al.，2015)。

       内生互动机制不仅具有微观层面的影响力，其在宏观经济层面的影响力也已经被初步证实。近期，网络视角下的金融加速器理论开始将内生互动加入到经典金融加速器模型中，结果发现微观主体的内生互动网络能够提高经济的周期性波动。具体地，当网络组织中的一部分个体遭受负面冲击后，风险将在网络组织内传染，引发滚雪球效应，局部风险演化为系统风险，宏观经济的整体波动性加大(Gatti et al.，2009，2010；Riccetti et al.，2013)。然而，网络视角下的金融加速器理论重点关注经济周期，并没有涉及宏观经济冲击(包括货币政策)的效果，也没有从实证上检验内生互动对实体经济的影响。既然理论上内生互动能够强化经济的周期性波动，而在实践中内生互动又广泛存在，那么微观企业间的内生互动是否会影响货币政策效果呢？其背后的传导机制是怎样的呢？这对货币政策研究以及政策制定有何启示？本文将围绕这些问题开展研究。

       为了回答上述问题，本文基于特定的企业关系网络——担保圈问题，研究网络视角下货币政策对实体经济的影响。作为一种内生互动机制，担保圈现象在中国普遍存在(陈道富，2015)。此外，上市公司强制披露重要的对外担保信息以及担保圈现象易于识别，这为我们研究内生互动如何影响货币政策效果提供了理想的样本。本文的研究结果表明，在企业之间存在内生互动的情况下，货币政策的效果将被放大。

       与已有研究相比，本文的贡献主要有三点。第一，丰富了货币政策传导渠道的相关研究。传统关于货币政策传导渠道的研究建立在“代表性厂商”的假设之下，忽视了内生互动对政策效果的影响。本文借鉴网络视角下金融加速器理论的分析框架，将内生互动纳入到货币政策传导机制的研究之中，证实了这种互动机制对货币政策的放大作用。第二，从实证上验证了内生互动对实体经济的重要作用，为网络视角下的金融加速器理论提供了经验支持。以Gatti et al.(2009)为代表的网络视角下的金融加速器理论认为，内生互动对宏观经济周期性波动具有放大作用，本文关于内生互动影响宏观经济政策效果的研究为这一理论提供了实证证据。第三，厘清了内生互动影响货币政策效果以及实体经济的内在机理。之前关于内生互动影响微观企业和宏观经济的研究，包括Hertzel et al.(2008)、Kiyotaki & Moore(1997b)和Gatti et al.(2009)等，更多地强调传染效应的重要作用。本文基于企业间担保关系数据，从传染效应和顺周期杠杆效应两个角度对内生互动影响货币政策效果的内在机理进行探讨，对于进一步发展内生互动下的宏观经济周期模型具有启发意义。

       除此之外，本文的研究对于宏观经济政策的制定具有现实意义。货币政策的实施不仅仅是宏观层面的调控，也需要关注企业微观层面的互动情况。地方金融管理部门应该强化企业担保圈等内生互动情况的监督和检查，防止货币政策效果出现偏误。此外，由于内生互动情况下货币政策能够产生更强的效果，宏观经济的波动性会随之加大，这将对金融中介的稳健运行产生显著影响。因此，金融监管部门在宏观审慎监管以及逆周期资本缓冲等方面应该充分考虑借款企业之间内生互动的强度，避免商业银行缓冲资本的不足。

       二、理论分析与研究假设

       (一)微观主体内生互动的重要性

       按照Gatti et al.(2009，2010)的观点，互动(interaction)是指微观主体之间存在的直接关联，包括融资关联和生产网络关联等。Dougal et al.(2015)在概念上区分了内生互动和外生互动。他们认为，尽管企业在行为上存在同质性，但如果这种行为同质仅仅是外生冲击驱动的，这种互动关系就是外生互动；如果企业之间存在直接关联导致企业行为的同质性，那么这种互动就是内生互动。Dougal et al.(2015)的“内生互动”概念与Gatti et al.(2009，2010)的“互动”概念具有一致性，本文将使用更加严格的内生互动这一表述。

       图1列示了外生互动和内生互动的简单示意图。假设存在A和B两家企业，外生宏观冲击为X。当宏观冲击来临时，企业之间可能通过两种机制发生联动。一是外生互动机制。即一个共同的因素X影响A和B，所以A和B之间的联动是由纯粹的外生冲击产生的，如图1左边部分所示。二是内生互动机制。由于内在的直接关联，外生冲击不仅显著地影响A和B，还会因为企业A(B)的破产通过A和B之间的内在关联作用于企业B(A)，如图1右边部分所示。由此可以看出，二者的区别在于内生互动机制考虑了企业间的内在关联。

      

       图1 外生互动和内生互动对比图

       现有研究表明，微观主体之间不同形式的内生互动机制广泛存在，典型的内生互动关系包括企业间知识外溢、商业信用关联、信用担保关联以及银行之间的同业借贷关联等。内生互动不仅广泛存在，而且在微观和宏观层面均具有显著的影响力。从微观意义上看，在本地关系中，Dougal et al.(2015)发现，知识外溢和技术外溢等内生互动使得本地其他行业公司对本公司投资率的溢出效应达到了同行业效应的50％。在上下游企业关系中，当经济危机来临时，企业可能更加关注来自供应商的冲击，上下游公司商业信用违约也会对企业绩效产生重大的影响(Foglia et al.，2009)。而当企业提出破产申请时，其下游企业遭受到了更大的绩效冲击(Kiyotaki & Moore，1997b；Hertzel et al.，2008)。在信用担保网络中，由于网络内的传染效应，一家企业的破产可能导致整个网络中的企业陷入危机(陈道富，2015)。在商业银行关联中，Allen et al.(2012)发现，商业银行之间紧密的借贷关系以及资产同质性是本次金融危机的重要诱因。从宏观层面上看，网络视角下的金融加速器理论认为，内生互动机制的存在会使一部分企业的破产风险通过网络传染至其他企业，导致局部风险演化为系统风险，企业收益率呈现出负偏度和过高峰度的特征，极端事件发生的可能性加大，经济的周期性波动变强(Gatti et al.，2009，2010)。

       (二)内生互动对货币政策效果的影响——以担保圈为例

       既然内生互动机制广泛存在并且具有宏观层面和微观层面的影响力，那么货币政策效果是否会受到内生互动机制的影响呢？本文将以中国背景下特殊的互动机制——担保圈现象为例，考察内生互动对货币政策效果的影响。

       所谓担保圈，是指企业之间以信用担保关系为链条相互连接形成的网络组织。由于特殊的转型背景和市场条件，在中国担保圈现象已经成为一种典型的内生互动机制。担保圈现象源于信用担保的广泛使用。由于信贷市场的信息不对称问题，企业通常需要担保获得贷款。当自身抵押品不足时，企业往往会通过社会网络寻找熟人对企业进行担保以获取融资，社会担保或者信用担保成为获取融资的重要方式(王永钦等，2014)。根据经典理论，信用担保可以将银行承担的道德风险转嫁给担保方，提高其发放贷款的意愿(Merton & Bodie，1992)。同时，通过利用特殊的社会资本或者熟知关系，借款人获得了融资，而担保方利用信息优势以及社会资本中的特殊惩戒机制对借款人进行监督，保证了贷款资金的有效使用(Arnott & Stiglitz，1991)。所以，信用担保解决了信息问题，从而提高了信贷资源配置效率。由于解决信息问题的关键作用，信用担保在信贷市场中较为流行。信用担保的广泛存在，使得企业被编织进了一个规模庞大的网络体系，即担保圈。担保圈在中国信贷市场中较为常见，并且构成了企业之间内生互动的典型现象。陈道富(2015)利用某商业银行数据发现，2008年1月全国授信额度5000万元以上的大中型企业中有38104家处在担保网络中。在担保圈内，企业本身的绩效不仅受到宏观经济冲击的影响，也受到来自圈内其他企业的冲击。一旦一家企业出现危机，风险将沿着担保链条蔓延，引发企业的雪崩式破产。相对于知识扩散、人才外溢以及商业信用等内生互动机制，担保圈容易识别并且方便测度，这为本文实证检验内生互动网络情境下的货币政策效应提供了很好的样本。

       下面以担保圈为例具体分析内生互动对货币政策效果的影响并提出本文的假设。货币政策对实体经济的影响最直接地体现在其对企业投资水平的影响(Bernanke & Gertler，1995；Morck et al.，2013；王义中等，2015)，所以本文重点关注内生互动如何影响货币政策与企业投资之间的关系。本文认为，由于企业间的互动机制，担保圈内企业的风险不仅来自于宏观经济造成的冲击，还在于企业间传染引发的连锁反应以及内生互动情况下顺周期的杠杆效应，所以担保圈会通过两种渠道影响货币政策效应。

       第一，传染效应。Gatti et al.(2009)认为，内生互动情况下企业风险的传染效应是内生互动放大经济周期性波动的重要机制。与其他企业间内生互动机制一样，担保圈具有典型的传染特征。一家企业的违约会对企业的担保方和被担保方产生影响，这种影响会进一步扩散至后者的担保方和被担保方，最终导致圈内所有企业受到冲击。回顾之前的担保圈现象，包括上海担保圈、河北担保圈和潍坊担保圈等，多数是在几家企业出问题后，整个担保圈陷入危机。2012年，杭州担保圈中的中江控股陷入危机，引发了担保圈内多家企业贷款违约，致使600多家民企请求省政府出面协调。刘海明等(2016)证实担保圈中的确存在传染效应。从传染效应的异质性上看，在紧缩货币政策条件下，担保圈中的传染效应可能更为严重。当货币政策偏紧时，没有互动关系的企业只会受到宏观冲击的影响，部分企业可能因资不抵债而破产，其他企业仍能稳健运行。然而，当所有企业处在同一个担保圈时，宏观经济冲击将会使部分企业破产，受制于担保责任的内在关联，未破产企业将受到冲击，使得这些企业不得不缩减投资水平以应对对手方风险。进一步地，当破产企业的违约贷款金额超过一定的阀值时(Kiyotaki & Moore，1997b；Acemoglu et al.，2015)，风险开始传染并蔓延至整个担保圈，引发投资水平的大幅下滑甚至雪崩式破产。由此可见，货币政策紧缩时期，担保圈会变得更加脆弱，担保圈内的公司投资水平会受到更为严重的负面影响。

       第二，顺周期杠杆效应。在信贷市场面临信息不对称的情况下，企业净值与自身负债率之间存在正反馈机制，企业杠杆呈现顺周期效应(Kiyotaki & Moore，1997a)。具体地，净值的增加会提高企业融资能力，融资能力的增加又反过来提高企业净值。当负面冲击来临时，企业净值下降，这会降低企业的外部融资能力，外部融资能力的下降又反过来降低净值。而担保圈的存在意味着企业间的内生互动会强化杠杆的顺周期性，这是因为内生互动使得企业净值的增加不仅会提高自身的负债率，也会通过互动网络强化其他企业的融资能力。比如说，在政策宽松、经济形势较好的情况下，一方面，企业面临的投资机会增加，投资需求增加，许多企业存在通过结成信用担保关系获取贷款资金的需求。另一方面，企业的投资前景变好，对于未来的预期更加乐观，相互之间信任程度提高(Battiston et al.，2007)，结成信用担保关系的意愿增强。所以，作为一种增信措施，宽松货币政策时期，信用担保成为在企业净值之外增加杠杆的另一种渠道。与不存在企业间担保的公司相比，使用信用担保的企业能够在更大程度上增加杠杆，内生互动强化了杠杆的顺周期性，使担保圈内的企业普遍存在着过度融资问题(Riccetti et al.，2013)，导致在宽松货币政策时期，相对于其他企业而言，担保圈内企业的投资水平上升得更快。与之相反，当宏观经济政策转向时，企业自身和关联企业的净值大幅下降，由于担忧企业无法偿还贷款以及无法为被担保企业偿还贷款，金融机构可能要求企业提前还贷，而实践中企业不止从一家金融机构借款加大了金融机构的担忧，致使不同金融机构竞争性地抽回贷款。担保圈内的企业被迫在更高程度上降低杠杆，净值减少和杠杆率下降的双重冲击会迫使这些企业在更高水平上缩减投资水平。所以，担保圈内企业更强的顺周期性杠杆效应会使这些企业的投资水平更易受到货币政策的影响。

       综上所述，内生互动产生的网络组织本身具有传染效应，这会放大紧缩政策对担保圈内公司的影响，而内生互动对企业杠杆顺周期的放大效果进一步强化了货币政策冲击的效果。基于此，本文提出如下基本假设：相对于未加入担保圈的公司，担保圈内的公司投资受到货币政策的影响更大。

       三、研究设计

       (一)样本选择与数据来源

       本文以上市公司担保圈为例考察内生互动对货币政策效果的影响。样本来自于Wind数据库。从2003年起，中国证监会要求上市公司在年报中披露公司重大担保信息。Wind数据库以公司年报为基础收录了上市公司的重要担保信息，这为本文识别这种企业间重要的内生互动关系——担保圈——提供了基础。

       我们首先从Wind数据库中获取了2003-2012年所有参与担保的上市公司共45205笔担保合约信息。然后从原始担保合约中遴选出了那些上市公司与上市公司之间的担保合约，一共4229笔。最后将上述合约从年度层面运用社会网络软件进行汇总，得到了每个年度上市公司之间的信用担保关系图。本文将包含3家及以上公司的网络关系图称为担保圈。样本期间一共有806个样本观测值位于担保圈中，担保圈数目共计155个。图2以2003年某担保圈为例列示了担保圈的相关特征。箭头指向的公司代表被担保方。2003-2012年间，一共有155个担保圈。从图中可以看出，这一担保圈包含12家公司。除此之外，本文还关注企业在担保圈中的节点位置，用与该公司有直接担保关系的公司数目来衡量企业在网络中节点位置的重要程度(以亚华种业为例，亚华种业的关联节点数为5个)。

      

       图2 某担保圈示意图

       本文所采用的其他数据，包括财务数据和治理数据，均来自CCER色诺芬经济金融数据库。我们剔除了金融类上市公司以及信息不全的上市公司。为了控制离群样本值对于估计结果造成的偏差，本文对所有连续型变量在1％和99％水平上进行截尾处理。

       (二)主要变量定义

       1.担保圈相关变量

       本文所指的担保圈是指3家及以上的上市公司通过担保链条连接起来的组织。用Circle表示是否加入担保圈。如果某家上市公司在某一年度加入某个担保圈，Circle取值为1，否则为0。

       2.货币政策变量

       本文采用两种方法定义货币政策变量。其一，借鉴Romer & Romer(1990)以及饶品贵和姜国华(2013a)的做法，通过设置货币政策紧缩区间虚拟变量的方法进行分析。对于2003-2010年时间段，参照饶品贵和姜国华(2013a)的做法，直接将2004、2006、2007和2010年作为货币政策紧缩的年份。对于2011年和2012年，将2011年作为货币政策紧缩的年份。为了遏制过度货币投放引发的通胀风险，央行从2010年1月12日起至2011年6月14日止先后12次上调存款准备金率(2011年6次上调)，使得存款准备金率由15.5％上调至21.5％，而1年期国库券利率由2010年底的2.59％上升至2011年底的3.22％。按照饶品贵和姜国华(2013a)的定义方法，2011年也应该是货币政策从紧的年份。随后央行从2011年末起至2012年5月12日为止三次下调存款准备金率至20％。所以，2012年是货币政策相对宽松的年份。基于上述分析，本文将2004年、2006年、2007年、2010年和2011年作为货币政策紧缩的年份，其余年份作为货币政策相对宽松的年份。当货币政策偏紧时，MP1取值为1，否则为0。其二，借鉴Bernanke & Blinder(1992)以及徐明东和陈学彬(2011)的做法，以银行间同业拆借利率为基础生成价格型货币政策代理变量MP2。具体计算方法是，将日度银行间同业拆借利率乘以100，再对其取年度平均，然后对年度均值取自然对数以控制极端值带来的影响，并最终生成了货币政策的代理变量MP2。

       (三)模型设定

       基于屈文洲等(2011)、王义中和宋敏(2014)以及Gulen & Ion(2015)的研究设计，本文采用以下基准模型对基本假设进行检验：

      

       其中，被解释变量Invest为公司t年新增投资，借鉴屈文洲等(2011)、王义中和宋敏(2014)的做法，Invest用固定资产原值、工程物资、在建工程三项的增加值之和与期初固定资产净值之比衡量。主要解释变量包括是否加入担保圈Circle、货币政策代理变量MP以及两者的交叉项Circle×MP。本文主要关注交叉项的回归结果，如果交叉项显著为负，说明相对于未加入担保圈的公司，加入担保圈的公司新增投资受到货币政策的影响更大。

       控制变量方面，借鉴Gulen & Ion(2015)的做法，基准模型中控制了总资产的自然对数Asset、账面资产负债率Debt、现金流Cashflow、现金持有水平Cash、托宾Q以及销售收入增长率Growth。其中Cashflow等于经营性现金流量净额，用总资产标准化。Cash等于企业货币资金总量，用总资产标准化。考虑到中国股权分置改革前的特殊情况，托宾Q用流通股市值、非流通股净值、负债账面价值三项之和与总资产账面价值之比衡量。此外，基准模型还控制了公司是否国有State(王义中和宋敏，2014)以及前五大股东持股比例CR5(屈文洲等，2011)。最后，基准模型控制了行业虚拟变量。为了控制可能产生的内生性问题，本文对所有控制变量进行了滞后一期处理。回归分析均在公司层面进行聚类，同时采用稳健标准差进行估计。

       (四)描述性统计

       表1汇报了变量的描述性统计。在所有样本中，共有4.5％的企业处在担保圈中。投资水平的均值为0.041，中值为0.082。货币政策立场MP1均值为0.507，MP2均值为0.883。

      

       四、实证结果与分析

       (一)内生互动是否影响货币政策效果

       本部分沿用基准模型，以担保圈为例考察内生互动对货币政策效果的影响。表2中模型1和模型2汇报了相关结果。从货币政策变量来看，MP1和MP2均显著为负，说明紧缩货币政策负向地影响了公司投资，这反映了货币政策作用于微观经济主体的直接效果(Morck et al.，2013)。本文主要关注交叉项Circle×MP，两列结果中交叉项系数均显著为负。这说明，相对于没有处在担保圈的公司而言，担保圈中企业新增投资水平受到货币政策的影响更大，这证明了本文的基本假设，即内生互动会放大货币政策对微观企业以及实体经济的影响。

      

       从经济意义上看，Circle×MP1的系数为-0.151，说明当货币政策立场由宽松变为紧缩时，相对于不在担保圈的企业而言，担保圈内的企业投资水平多下降15.1％；Circle×MP2的系数为-0.228，说明当同业拆借利率增加一个标准差时，相对于不在担保圈的企业而言，担保圈内的企业投资水平多下降8.0％(0.351×0.228)。而投资水平的中值为8.0％，这说明内生互动对货币政策效果的影响不仅具有统计意义上的显著性，也具有经济意义上的显著性。

       (二)货币政策作用于内生互动企业的两种效应

       上一部分结果表明，内生互动会放大货币政策的效果。理论上，货币政策对于存在内生互动企业(即担保圈企业)可以产生两种效应。第一种效应是共同冲击效应，在这一时期货币政策对担保圈内所有企业产生了共同冲击。第二种效应是风险传染效应，在这一时期担保圈内高风险的企业受到紧缩货币政策的影响率先出现危机，并且将风险传染到低风险的企业，低风险的企业受到高风险企业的拖累，财务状况恶化，进一步导致外部融资紧缩造成的去杠杆化过程。

       上述两种效应的存在意味着货币政策对不同类型担保圈的影响存在差异。如果担保圈中只包含低风险的企业，那么紧缩货币政策下这些企业依然较为稳健，相互之间不产生传染效应，所以货币政策对于这类担保圈只存在共同冲击效应。然而，如果担保圈中包含一家及以上的高风险企业，那么紧缩货币政策条件下，这些企业很可能发生危机并且将风险传染至低风险企业，进而导致后者也发生危机。换句话说，货币政策对这类担保圈存在共同冲击效应和风险传染效应。本文将前一种担保圈称为低风险担保圈，将后一种担保圈称为高风险担保圈。下面我们将担保圈进行分类，探讨哪种效应在货币政策对担保圈的影响中占主导地位。

       为了分离货币政策对担保圈企业的两种效应，首先将企业按照破产风险进行了区分。参考Almeida & Kim(2015)的做法，将担保圈内资产负债率高于79％的企业划分为高风险企业，将其他企业划分为低风险企业。进一步地，将全部企业为低风险企业的担保圈定义为低风险担保圈，将那些至少存在一家高风险企业的担保圈称为高风险担保圈。然后，在基准回归模型中分别保留了低风险担保圈与全部未加入担保圈的公司(控制组)、高风险担保圈与全部未加入担保圈的公司(控制组)对结果重新进行检验。回归结果如表2模型3到模型6所示。其中模型3和模型4中保留了低风险担保圈的公司与全部未加入担保圈的公司，模型5和模型6中保留了高风险担保圈的公司与全部未加入担保圈的公司。Circle×MP的系数在模型3和模型4中均不显著，而在模型5和模型6中显著为负，说明担保圈放大货币政策效果的作用只存在于高风险担保圈之中。这意味着，担保圈放大货币政策效果主要来自于第二种效应，即圈内企业互相传染以及随之而来的去杠杆化过程，而更少地来自于共同冲击效应的影响。这与Gatti et al.(2010)的理论分析一致。他们认为，内生互动放大经济波动必须存在至少一家企业率先出现风险这一触发机制，而担保圈中的高风险企业满足了这一触发条件。本文的结果也与实践中的案例相符。现实中出现连锁反应的担保圈往往是其中一家企业出现了资金链危机，杭州担保圈的案例就非常典型。

       (三)网络拓扑结构的影响

       网络视角下的金融加速器理论认为，内生互动的影响不仅取决于外在冲击的强度，也取决于网络的拓扑结构。这意味着内生互动网络的拓扑结构也会对货币政策效果产生影响。本部分将探讨担保圈规模Circle1、复杂度Circle2和企业节点位置Circle3对货币政策效果的影响。

       首先，本文定义了担保圈形态结构虚拟变量。担保圈规模Circle1定义为，当担保圈中包含的公司数目大于等于4时取值为1，否则为0。担保圈复杂度Circle2的定义过程如下：第一，生成虚拟变量。如果某个担保圈中包含担保链条首尾相连构成的环状组织(比如酒鬼酒—亚华种业—湖南投资—湖南海利构成的环状组织)，那么整个担保圈中的公司赋值为1；如果公司处在某个环状组织中，那么该公司取值为1；如果在担保圈中与某公司有担保关系的公司数目超过4个，该公司取值为1；如果担保圈中公司所在省份超过1，那么该网络中所有公司取值为1；如果担保圈包含的公司数目超过6个，该网络中所有公司取值为1；如果担保圈中含有互保合约，该担保圈中所有公司取值为1；如果担保网中某个公司与担保网中的其他公司存在互相担保合约，该公司取值为1。第二，将上述7个虚拟变量相加，得到取值范围1-7的担保圈复杂度指数；第三，当担保圈复杂度指数大于等于4时，Circle2取值为1，否则为0。关联节点Circle3定义为，当担保圈中与公司本身存在担保关系的上市公司数目大于等于2时，取值为1，否则为0。其次，本文将基准模型中的Circle替换为担保圈形态变量Circle1-Circle3，然后针对加入担保圈的子样本进行回归。

       回归结果如表3所示。①从担保圈规模Circle1和复杂度Circle2的结果看，交叉项系数只在货币政策代理变量为MP2时显著，而在货币政策代理变量为MP1时不显著，这表明较大的担保圈规模或者更为复杂的网络结构只能放大价格型货币政策的效果，对货币政策立场效果的影响并不明显，这一定程度上与Acemoglu et al.(2015)一致，他们认为复杂的金融网络会放大外在冲击的影响力。从网络节点的结果看，Circle3×MP的系数均显著为负，说明企业在担保圈中的节点位置越重要，加入担保圈对货币政策效果的影响越大。这与Gatti et al.(2010)的结果一致，他们认为位于网络组织中关键节点的企业更容易受到对手方风险的传染，而这些关键节点受到冲击后产生的影响力更大。总的来看，本部分的结果说明内生互动网络的拓扑结构也会影响货币政策的最终效果，网络节点对货币政策效果的影响力更明显。

      

       (四)稳健性检验②

       1.内生性问题。尽管本文发现担保圈内企业受到货币政策的影响更大，以此说明内生互动对货币政策效果的放大作用，但上述结果可能是由那些融资约束较高、表现较差的企业自我选择进入担保圈造成的，因为融资约束水平较高的企业对货币政策更加敏感(Bemanke et al.，1996)。为此，本文采用三种方法解决自选效应问题。第一，倾向得分匹配。在剔除不存在重复取值空间样本的情况下重新检验，主要结果并未发生改变。第二，处理效应模型。选择模型中使用各省1937年公路网密度作为外生变量，将第一步得到的Lambda系数代入原回归方程，结果并未发生改变。第三，使用公司ROA高于中值的担保圈样本而非担保圈全样本作为实验组重新进行检验，这部分样本更少地受到自选效应的影响，主要结果依然成立。

       2.度量误差问题。本文只考虑了上市公司之间的担保圈，有些上市公司可能与非上市公司结成信用担保关系进而加入担保圈，但是本文将其作为未加入担保圈的公司。为了解决度量误差问题，本文采用两种方法。第一，采用固定效应模型消除不随时间改变的公司层面的个体效应，包括与非上市公司结成担保圈的意愿。第二，剔除那些按照本文的定义未加入担保圈(Circle=0)但是与非上市公司存在担保关系的样本，这一类样本很可能通过与非上市公司结成担保关系进而加入担保圈。在进行上述处理后，本文的基本结果依然成立。

       3.其他稳健性检验。第一，货币政策的滞后效应。我们将货币政策代理变量滞后一期与当期货币政策一起放入原方程，结果发现担保圈内公司的投资水平对滞后一期货币政策也更敏感，但相对于当期货币政策，滞后一期的货币政策对担保圈内和非担保圈内企业投资的异质性影响有限。第二，加入时间虚拟变量。参考王义中等(2015)的做法，在方程中加入了天量信贷虚拟变量，该变量用LC表示，如果样本处在2009年及以后，LC取值为1，否则为0，结果并未发生改变。第三，以存款准备金率作为数量型货币政策的代理变量，结果也基本不变。

       (五)内生互动影响货币政策效果的传导机制

       为什么内生互动会放大货币政策的效果呢？基本假设部分将原因归结为两点：网络组织本身的传染效应以及顺周期杠杆效应。本部分将对这两点进行检验。

       1.传染效应

       企业之间结成的网络组织很可能受到传染效应的影响。而且，传染效应具有时变特征，在紧缩货币政策下，由于担保圈内的企业受到外在的不利冲击，可能存在更为严重的传染问题，从而放大紧缩货币政策对公司投资的负面影响。本部分将利用统计分析检验担保圈在不同货币政策条件下的传染效应是否存在差别。

       借鉴黄俊等(2013)的分析框架，将担保圈按照是否存在发生危机的源头企业划分为传染组和非传染租，两组之间的新增投资差异即代表传染效应，然后分析传染效应在不同货币政策条件下的异质性。在担保圈中，传染效应更加直接地体现在发生融资危机的企业产生的传染效应。尤其是当某家企业发生融资风险或者资金链断裂时，同一担保圈中的其他企业由于担保责任受到传染效应的负面影响，进而不得不缩减投资总量以应对危机。所以，我们重点关注担保圈中发生融资危机的企业对于其他企业的传染问题。

       如何识别担保圈中企业的融资危机是一个重要的问题。Kang & Stulz(2000)发现，当银行大幅缩减贷款时，那些依赖银行贷款的企业表现更差、投资水平下降得更快。这意味着，如果企业从银行获得的贷款存量大幅下滑，那么这些企业很可能面临融资危机。所以，本文将那些银行借款存量大幅下滑的企业作为面临融资危机的源头企业。具体地，本文将那些企业长期借款与短期借款两项的变化值之和与总资产之比低于-10％作为发生融资危机的源头企业，将与源头公司处在同一担保圈的其他公司作为传染组，而没有源头公司的担保圈中的公司为非传染组。然后，本文对比了两组企业在不同货币政策条件下的传染效应。

      

       表4汇报了相关的结果，我们主要对比了传染组和非传染组之间投资水平和绩效的差异。从公司投资的差异上看，在紧缩货币政策条件下，传染组企业的投资水平低于非传染组企业投资水平17.44％，在5％水平上显著；而在宽松货币政策条件下，两者的投资水平在统计意义上不存在显著差异。这说明传染效应在紧缩货币政策情况下更强。从公司绩效的差异上看，在紧缩货币政策条件下，传染组企业的绩效水平低于非传染组企业4.61％，在1％水平上显著；而在宽松货币政策条件下，两者的绩效水平在统计意义上不存在显著差异。这进一步说明，传染效应在紧缩货币政策条件下更强。具有时变特征的传染效应成为内生互动放大货币政策效果的第一条机制。

       2.顺周期杠杆效应

       理论分析表明，内生互动放大货币政策效果的另一机制在于顺周期杠杆效应。本部分将验证担保圈内的企业是否存在更强的顺周期杠杆效应。银行贷款是企业债务融资的主要来源，本文参照饶品贵和姜国华(2013b)，将企业长期借款和短期借款之和与总资产之比Loan作为企业外部贷款融资的代理变量。同时，将长期借款与短期借款变化值之和与总资产之比Cloan作为企业贷款变化量的代理变量，然后将这两个变量作为被解释变量替代Invest纳入基准模型中进行回归，回归结果如表5所示。MP的系数都显著为负，说明在紧缩货币政策条件下，企业贷款量较低，并且贷款水平出现下滑。交叉项系数Circle×MP也显著为负，说明相对于不在担保圈内的企业而言，担保圈内的企业在紧缩货币政策条件下贷款水平更低，并且贷款水平的下降幅度更大。这说明，担保圈内存在着更强的顺周期杠杆效应，这会带来企业投资更强的顺周期性。顺周期杠杆成为内生互动放大货币政策效果的第二条机制。

      

       五、主要结论与启示

       传统货币政策传导渠道的研究将货币政策效果置于代表性厂商假说之下，忽视了微观主体内生互动的影响。本文以担保圈为例研究了内生互动对货币政策效果的影响，结果表明，货币政策对担保圈内公司的投资水平带来的影响更大，表明内生互动会强化货币政策效果。内生互动强化货币政策效果的作用主要集中在那些有高风险公司参与的担保圈中。网络拓扑结构能够影响货币政策的效果，企业在网络中节点位置越重要，内生互动对货币政策效果的强化作用也越高。从具体机制上看，紧缩时期更为严重的传染问题以及内生互动对顺周期杠杆的放大作用是内生互动放大货币政策效果的传导机制。本文补充了货币政策传导渠道的相关研究，证实了内生互动对货币政策效果的影响及其作用机理。同时，本文的研究佐证了网络视角下的金融加速器理论，证实了内生互动的存在对经济波动的加速作用。本文对于内生互动影响货币政策效果的具体机制的研究有利于网络视角下的经济周期理论的进一步发展。

       本文的研究对于实践具有一定的启发意义。微观主体内生互动会放大宏观调控政策的效果，提高极端事件发生的概率。这意味着，货币政策的实施不仅要从宏观调控角度出发，也需要考虑企业微观层面互动的现实情况。在货币政策的实施过程中，地方金融管理部门应该对本地企业参与担保圈以及其他内生互动情况进行监督和检查，防止政策效果出现偏误。货币政策效果的实现不仅取决于货币政策当局的宏观把控，也取决于地方金融部门对微观主体的审慎监督和检查。此外，当某地区企业过度参与担保圈或者互动程度较高时，地方金融管理部门应该预期到由此带来的更强的杠杆周期性和破产周期性，进而根据借款企业参与内生互动的总体程度合理确定逆周期缓冲资本水平，避免缓冲资本的不足。

       本文亦系第十五届中国青年经济学者论坛入选论文。作者衷心感谢匿名审稿人富有启发意义的宝贵建议，文责自负。

       注释：

       ①限于篇幅，表3以及表5只报告了主要变量的结果。表3只针对加入担保圈的样本进行回归分析。

       ②本文省略了稳健性分析部分的回归结果，感兴趣的读者可向作者索取。

标签：货币政策论文;  投资担保论文;  企业贷款论文;  关联担保论文;  内生变量论文;  网络贷款论文;  宏观经济论文;  风险模型论文;  经济论文;  投资论文;  饶品贵论文;