Basel III
流動性新規範對我國銀行業之影響
:
動態隨機一般均衡
(DSGE)
模型之應用
中央銀行金融業務檢查處委託研究計畫
林姿妤
國立成功大學經濟系
2019
年
7
月
摘 要 隨著全球金融環境的變化,金融監理的內容與政策不斷發展並做出調整。 2007-2009年 金融海嘯席捲全球,促使各國金融主管當局重新思考金融監理的範疇,總體審慎監理政策開 始受到重視,對於流動性風險也首度有了全球一致的規範。 本研究透過一個包含銀行部門的 動態隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模型,利用台灣總體 資料進行參數校準與估計,據此探討流動性規範的影響。 研究結果發現,採取流動性規範措 施,能夠降低負向衝擊對於利率與總體經濟活動的影響。 若進一步考慮抗景氣循環的流動性 政策,則根據產出調整的抗循環政策下,社會福利改善最為明顯。1
前言
在1970年代歷經兩次石油危機, 利率與匯率波動大幅上升的背景之下,巴塞爾銀行監理委員會
(Basel Committee on Banking Supervision, BCBS)在1988年公布巴塞爾協定(Basel Accord,
現稱為Basel I),規範國際性銀行的最低資本適足率(capital adequacy ratio),用以強化國際間銀 行體系的穩定性。 然而,隨著資本市場愈加國際化、國際大型金融機構的規模愈加龐大、以及金融 創新活動日新月異等,使得風險管理日益複雜,巴塞爾銀行監理委員會因此於2004年發布新版 巴塞爾協定II (Basel II),擴大監理範圍,提出最低資本要求(minimum capital requirement)、監 理審查程序(supervisory review process),以及市場紀律(market discipline)等三大支柱作為監 理架構, 以因應全球金融環境的改變。 Basel II 實施不久後, 2007–2009年全球金融海嘯席捲而 來,促使巴塞爾銀行監理委員會進一步提出Basel III的改革方案。 在 2007–2009 金融危機發生前, Basel II 並未訂定銀行流動性管理規定。 由於當時銀行過 度操作槓桿, 持有過多高收益卻低流動性的資產, 因而面臨極高的流動性風險。 在金融危機發生 時, 銀行紛紛去槓桿化, 低流動性資產的特性使得銀行難以藉由出售資產取得足夠流動性, 而銀 行集體拋售手中資產的同時,又進一步壓低資產價格並加速本身資產負債表的惡化。 最後金融機 構無法償還到期債務,造成違約,進而引發全面系統風險(systemic risk)。 有鑑於此, Basel III在
Basel II三大支柱的基礎上, 除了進一步修正強化資本適足要求, 更首次引入全球一致的槓桿比 率要求及流動性標準。 其中流動性標準包括流動性覆蓋率(liquidity coverage ratio, LCR)與淨 穩定資金比率(net stable funding ratio, NSFR),前者確保銀行在短期(三十天內)因應流動性短 缺或者中斷的能力,後者確保銀行有足夠穩定的資金來因應長時間(超過一年)的資金流動。1
若進一步檢視Basel III對於LCR及NSFR的定義, LCR 要求金融機構所持有之高品質流 動資產 (high-quality liquid assets, HQLA) 總額, 不得低於未來三十天內預期現金流出減去預 期現金流入, 也就是至少需等於未來三十天預期淨現金流出。 其中 HQLA 包含現金, 以及能夠 快速變現且低折價之資產,如存放央行的存款準備金等。 另一個Basel III對於銀行的新增管制, NSFR,則衡量銀行以長期資金來源支應長期資金運用之程度,著眼較長期的資產負債結構,目的
是為了降低銀行對於短期資金來源的依賴。 根據Basell III , NSFR要求銀行可用穩定資金金額
(available stable funding, ASF),不得低於銀行應有穩定資金(required stable funding, RSF)。 其 中ASF 為預期可支應超過 1年之權益及負債項目, 而RSF 則為銀行資金運用項目, 也就是資 產。 然而值得一提的是, 在Basel III 提出流動性規範之前, 我國已經有相關的流動性管制指標, 流動準備比率,以及未來零至三十天資金流量期距缺口比率。 與LCR針對金融系統風險發生時 的流動性不同,流動準備比率要求銀行擁有的流動資產,相對於可能遭受提領的負債須滿足一定 比例, 而期距缺口比率則檢視銀行在正常狀態下一個月內的資金流入是否大於流出。 換句話說, 台灣原有之流動性管制並不將壓力情境獨立考量。 自2010年Basel III公布後, 各項改革陸續於 2013年起實施。 首次宣布的兩項流動性標準 中, LCR自 2015年起執行, 逐年調升, 於2019年達到 100%的目標, 而NSFR 則於2018 年 起正式納入規範,其標準為100%。 由於兩項流動性標準實施時間不長,加以LCR方達到Basel III 設定的最高值, 沒有足夠的資料讓研究者進行實證研究並得到可信的結果。 而台灣由於早有 相關的流動性管制, 因此早在Basel III 宣布新增LCR 及NSFR管制之初, 絕大多數台灣金融 機構已完全符合Basel III訂定的目標,2 因此透過實證研究探討Basel III 流動性新規範對台灣 之短期影響, 現階段似無必要性。 然而,流動性新規範對於台灣經濟體系之中長期動態變化的影 響,仍值得進一步探究。 本計畫將透過總體理論模型,在一個含有銀行部門的動態隨機一般均衡
(Dynamic Stochastic General Equilibrium, DSGE)模型架構下,利用台灣資料進行校準,並透過 貝氏法(Bayesian method)估計模型參數,藉以探討流動性規範對銀行資產配置、資本適足性、央 行貨幣政策效果及總體經濟的影響。 我們期待本研究之理論模型模擬結果,能夠在金融監理機關 制定Basel III總體審慎監理措施時,提供一些思考方向。 最後,必須特別注意的是,實際上LCR 及NSFR的要求涉及多種不同性質的資產,包含公司債、商業本票等私部門資產,以及政府債券、 定期存單等公部門資產, 牽涉範圍十分廣泛。 為求簡化理論模型,我們僅以單一流動性參數近似 流動性新規範,與實際流動性新規範有若干程度的落差,這是模型設定的侷限所在。 2央行資料顯示,目前絕大多數台灣金融機構早已達到Basel III訂定的目標100%。 自2015年1月至2018年 12月本國銀行平均LCR為128.05%,而2018全年的平均NSFR為132.98%。
2
文獻回顧
Basel III公布後即引發廣泛討論,許多研究嘗試預測新規範對於實體經濟的影響。 在公布流動性 相關規範之初, MAG (2010a)和MAG (2010b)即針對新增的流動性標準進行預估,該評估報告 顯示當銀行增加 25%持有之流動性資產, 四年之後的存放款利差預估將增加0.14%,放款量將 減少3.2%,實質產出(GDP)將因而下降0.08%。 不過,此預估值並未考量流動性標準與資本適 足要求之間的互動,若將兩者之互動納入計算,流動性標準的影響應該會較低。
現階段受限於資料不足,並無NSFR影響的實證分析。 相較之下,關於LCR影響之分析,在
Basel III實施流動性規範前,已有部份國家採取資產流動性之相關管制措施(參見Bonner et al., 2015)。 舉例而言, 英國金融監理局 (Financial Service Authority, FSA)於 2010年即發布流動 性準則 (individual liquidity guidance, ILG),而荷蘭央行(Dutch National Bank) 更早於 2003
年就引入數量化流動性覆蓋率要求, 兩者皆為類似LCR之措施, 使得我們可以透過相關實證研 究一窺 LCR 的影響。 Banerjee and Mio (2018) 使用英國資料檢視 ILG 對於銀行資產負債表 的影響,他們發現銀行減少短期金融機構間放款,增加高品質高流動性資產達12%,但整體而言 對私部門放款量不變。 然而, Bonner (2016)使用荷蘭資料, 指出銀行減少私部門放款達 3.1%。 不過,兩篇研究皆觀察到流動性規範與資本適足間具有替代性,且因為流動性規範對於非金融機 構放款的影響不大甚或不顯著, 兩篇文章同樣指出GDP並未受到明顯衝擊。 Bonner (2016)進 一步分析流動性規範對於銀行中介功能之影響。 透過荷蘭資料, 其實證結果顯示, 流動性規範造 成銀行長期借貸利率增加。 至於短期的借貸利率只有在市場流動性不足時才會提高。Duijm and Wierts (2016)檢視荷蘭資料並發現,為了滿足流動性規範,主要的調整都是透過減少負債而非增 加資產。 此外, Bonner et al. (2015) 檢視來自25個OECD國家, 將近 7000家銀行之資料, 結 果發現,銀行自身原本有提高資產流動性之動機,會因流動性規範而消失殆盡。 在流動性規範下,
唯一還具有影響力之因素為資訊揭露要求(disclosure requirement)。 Distinguin et al. (2013)則 是專注在銀行資本與流動性之間的關係。 透過美國與歐元區的銀行資料,他們發現,當銀行面對 流動性規範提高時,會降低其資本比例(capital ratios)。
受限於資料的侷限性, 實證研究僅能專注在少數實施過類似流動性規範的國家。 此外, 上述 實證研究均為個體資料之運用,側重在流動性規範對於銀行與借貸市場之影響,對於總體經濟之 影響較少著墨。 最重要的是, 流動性規範要能發揮其效果, 需要貨幣政策, 或者說利率政策之配 合。 然而,對於目前少數實施過類似流動性規範的國家,我們並未看到貨幣政策相互配合之證據。 因此, 為了深入了解流動性規範對於總體經濟之影響, 並檢視流動性規範與貨幣政策之互動, 新 近研究則是利用數量化之總體動態模型進行分析。 使用數量化之總體動態模型的另一個好處是, 透過估計與調校數量化總體動態模型, 我們能夠做量化試驗 (quantitative experiments) 以比較 不同政策間的優劣與取捨(參見Christiano, Eichenbaum, et al., 2018)。
首先, Gerali et al. (2010) 建構一個包含銀行部門的動態隨機一般均衡模型並發現: 銀行資 本不足確實會對實體經濟有重大之影響。 這樣的結果突顯了流動性規範的重要性。 更進一步地, Falagiarda and Saia (2017) 透過一個 DSGE 模型說明, 在面對金融衝擊時, 採用審慎監理架 構(prudential regulatory frameworks)如Basel III有助於穩定金融市場。Rubio and Carrasco-gallego (2017)則是在一個具有住宅市場與銀行的DSGE模型中,說明Basel III的規範能夠達 到提升社會福利之效果。
至於在有關流動性規範的討論方面, Nicolò et al. (2014) 檢視一個動態部分均衡模型 (dy-namic partial equilibrium model), 結果顯示在給定資本適足標準下增加流動性的要求, 儘管有 助於個別銀行穩健經營, 卻也導致銀行轉而持有政府債券而使得放款量大幅下跌。 此外, 有鑑於 部分均衡模型不足以在同一個架構下檢視不同政策的衝擊 Angelini and Gerali (2012)立基於
Gerali et al. (2010) 的 DSGE 模型, 分析 Basel III 與銀行因應策略之互動。 結果發現, Basel III的改革方案對於產出之影響,端賴銀行如何因應相關規範。 值得注意的是,由於增加存貸款利 差是銀行最為偏好的因應策略, 在給定此因應策略下, 產出所受到的負面影響最大。 Roger and Vlˇcek (2011)以一個具有銀行部門且存在借貸市場摩擦的DSGE模型分析發現,資本適足與流 動性規範之總體影響, 會因政策實施時程, 銀行因應方式, 以及貨幣政策配套之不同而有不同的 效果。Covas and Driscoll (2014)採取一個非線性的DSGE模型進行分析,發現在既有的資本適
時,放款量減少亦將導致GDP及消費略微下滑。Bandt and Chahad (2016)在動態隨機一般均衡 模型的架構下,檢視LCR上升對於中小企業、大型企業及投資主權債券(investment in sovereign bonds)的衝擊。 此篇研究顯示,當LCR由60%增加至80%的四年後,銀行對中小企業的放款 減少1%,對大型企業的放款下降0.5%。 至於LCR對於GDP的影響幅度,作者的發現則與 Co-vas and Driscoll (2014)得出的結果相近, 兩篇研究皆指出GDP 將略微減少。 Van den Heuvel (2018)使用一般均衡模型計算福利, 發現流動性規範提高 10%, 將使得消費減少0.03%。 最後,
少數討論抗景氣循環流動性規範的研究中, Dubois and Lambertini (2018)透過調校美國經濟的
DSGE模型發現,一個抗景氣循環的流動性規範有助於提升社會福利。
3
模型架構
Gerali et al. (2010)建構一個含有銀行部門的動態隨機一般均衡模型,模型中的銀行部門除了需 要面對貸款成數的管制,同時也必須符合資本適足的要求。 本節以Gerali et al. (2010)的模型為 基礎,導入Roger and Vlˇcek (2011)所建議的政府部門,藉由公部門的存在引入流動性標準的規 範。 圖1說明模型的整體架構。 本節中的模型體系由家計單位、企業主、資本財製造商、零售商、銀行以及政府部門所組成。 這 是一個考慮金融市場的標準新凱因斯DSGE模型,為了讓模型中存在借貸關係與抵押借款限制, 設定成異質個人(heterogeneous agents)模型, 存在有耐心的家計單位成為資金供應者, 以及較 無耐心的家計單位與廠商(entrepreneur)成為資金需求者。 對於各部門的描述如下。3 4 3本章僅說明模型架構,各部門之最適均衡條件請參見附錄。 4本文使用Dynare求解模型,其求解方式主要根據Klein (2000)。
3.1
第一類家計單位
第一類家計單位的相關變數使用上標P 表示之, 他們提供勞動lP t 賺取工資, 用以消費cPt、購屋 hP t 及儲蓄dPt。 第一類家計單位目標為極大化終身效用 E0 ∞ X t=0 βPt " (1 − aP)εztlog cPt − aPcPt−1 + εht log hPt − l P t 1+φ 1 + φ # , (1) 其中 βP 為家計單位對於未來效用的折現率, aP 為外生給定的消費慣性參數, φ 為Frisch逆彈 性。 除此之外, 家計單位的效用偏好除了受到折現率影響, 也受消費外生衝擊 εzt, 以及購屋外生 衝擊εht 影響。 第一類家計單位在極大化終身效用時面臨的預算限制式如下, cPt + qth∆hPt + dPt ≤ wP t l P t + 1 + rt−1d dPt−1 πt + tPt − Γt, (2) 其中qh t 為實質房屋價格, wtP 為實質工資, rtd為名目存款利率, πt≡ Pt/Pt−1為通貨膨脹率,最 後tP t 為持有銀行及零售廠商股權所配得的股利,以及繳交給政府的定額稅Γt。3.2
第二類家計單位
模型中有另一類家計單位, 他們對於未來效用的折現因子為βI, 且βI < βP, 亦即, 這類家計單 位相對於前述3.1小節中的家計單位而言,耐心較低,其相關變數使用上標 I 表示之。 低度耐心 的家計單位提供勞動lIt 賺取工資,用以消費cIt 及購屋hIt 來極大化終身效用, E0 ∞ X t=0 βIt " (1 − aI)εztlog cIt − aIcI t−1 + ε h t log h I t − lIt1+φ 1 + φ # , (3) 其中aI 為外生給定的消費慣性參數。 不過,由於其耐心較低,此家計單位並不儲蓄,而是借錢消 費以及購屋。 因此,此類家計單位除了面臨預算限制式, cIt + qht∆hIt + 1 + r bH t−1 bIt−1 πt ≤ wtIltI+ bIt + tIt, (4) 向銀行申請貸款的同時,也面臨以房屋為抵押品的借貸限制, 1 + rtbH bIt ≤ mI tEtqt+1h h I tπt+1 (5)其中bI
t 為自銀行取得的貸款, rbHt 為名目個人貸款利率,而mIt 為購屋貸款成數上限。
3.3
勞動市場
本模型進一步設定,前述兩類家計單位分屬不同的兩個工會,每個家計單位提供差異化的勞動服 務,交由工會負責訂定工資以及找尋工作機會。5承包商(labor packer)在完全競爭市場上向工會 取得差異化勞動力, 再以固定替代彈性 (constant elasticity of substitution, CES)的方式進行整 合,最後提供給企業無差別的勞動服務。 由於承包商面對的是完全競爭市場,在給定工資下極小 化利潤,因此承包商對於勞動類型m的需求為 lst(m) =W s t(m) Ws t −εlt lst, (6) 其中s ∈ {P, I} 分別代表一般工作者以及低度耐心工作者, Wts 為名目工資, εlt為CES加總函 數中的固定替代彈性參數。 給定承包商的勞動力需求,工會在為工會成員尋求效用極大化的前提 下訂定最適工資,但訂價的同時必須考慮調整工資帶來的成本。 影響調整成本高低的因素除了外 生參數 κw , 也包含前期通貨膨脹率和恆定狀態 (steady state)下的通貨膨脹率, 以及加權參數 ιw。 最後,工會的極大化問題如下, E0 ∞ X t=0 βst ( Ucs t(m) " Ws t(m) Pt lst(m) −κw 2 Ws t(m) Ws t−1(m) − πιw t−1π 1−ιw 2 Ws t Pt # (7) −l s t(m)1+φ 1 + φ 而工會極大化問題的一階條件為 κw πw s t − π ιw t−1π 1−ιw πws t = βsEt " λs t+1 λs t κw πw s t+1− π ιw t π 1−ιw π ws t+1 2 πt+1 # + 1 − εlt lst +ε l tlst 1+φ ws tλst , (8) 其中πws t = Wts/Wt−1s 為名目工資膨脹率。 5兩類家計單位的折現因子不同,勞動供給也不相同,因此模型中設定兩者分屬不同的工會,以區別不同的勞動 供給。
3.4
企業主
企業主負責生產中間商品, 其相關變數使用上標E 表示之。 企業主的效用只包含消費cE t, 其目 標為極大化終身效用, E0 ∞ X t=0 βEt(1 − aE) log cEt − aEcE t−1 , (9) 其中企業主對於未來效用的折現因子βE < βP,而aE 為外生給定的消費慣性參數。 由於企業主 耐心程度較低,因此與低度耐心工作者相同,企業主不儲蓄,並選擇向銀行貸款bEt 。 除了消費以及借貸支出,企業主將預算用於購買資本財kE t ,選擇資本財利用率ut,雇用勞動 ltE,P 和lE,It ,以便生產中間商品yE t ,其預算限制如下, cEt + wtPltE,P + wtIltE,I+ 1 + r bE t−1 πt bEt−1+ qtkktE + ψ(ut)kEt−1 = y E t xt + bEt + qtk(1 − δ)kt−1E , (10) 其中 δ為資本財折舊率, qkt 為資本財的實質價格, ψ(ut)kt−1E 為資本財利用率相關的成本, 根據Schmitt-Grohé and Uribe (2006)設定ψ(ut) = ξ1(ut− 1) + ξ22(ut− 1)2,而1/xt= PtW/Pt為 中間商品ytE 相對最終商品的價格。 至於企業的生產限制式則為, ytE = Atkt−1E ut αh ltE,PµltE,I1−µi1−α (11) 其中At為總要素生產力衝擊。 最後,由於法令上的規定,以及資訊不對稱所引發的道德風險,企業主必須使用資本財做為抵 押以取得銀行貸款。 換言之,企業面臨借貸限制, 1 + rtbE bEt ≤ mE tEtqt+1k πt+1(1 − δ)ktE (12) 其中 bEt 為企業主自銀行取得的貸款, rtbE 為名目企業貸款利率, 而mEt 為資本財的抵押貸款成 數上限。
3.5
資本財製造商
資本財製造商為完全競爭廠商,他們向企業主購買折舊過後的資本財(1 − δ)kt−1,再向零售商購 買it單位的最終商品,並將之轉換為資本財kt, 回售予企業主。 不過,轉換的過程存在調整成本, 因此,資本財law of motion為, kt− (1 − δ)kt−1 = " 1 −κi 2 εqk t it it−1 − 12 # it, (13) 其中κi為調整成本參數, εqkt 為投資效率衝擊。 給定資本財law of motion,資本財製造商極大化 利潤問題如下, max E0 ∞ X t=0 ΛE0,thqtk(kt− (1 − δ)kt−1) − it i , (14) 其中ΛE0,t = λEt /λE0 為隨機折現因子, λEt = βEtU0(cEt),而qtk為資本財的實質價格。3.6
零售商
零售商向企業主購買中間商品,以一對一轉換的方式將之差異化後販售給消費者,轉換過程存在 調整成本。 如同Bernanke et al. (1999)的設定,將商品差異化的零售商為獨占性競爭廠商,具有 部分訂價能力,面對消費者對差異化商品的需求函數 yt(j) = Pt(j) Pt −εyt yt, (15) 制定最適價格Pt(j)來極大化利潤 E0 ∞ X t=0 ΛP0,t " Pt(j)yt(j) − PtWyt(j) − κp 2 Pt(j) Pt−1(j) − πιp t−1π 1−ιp 2 Ptyt # , (16) 其中 ΛP0,t = λPt /λP0 為隨機折現因子, λPt = βPtU0(cPt ),而εyt 為替代彈性, κp 為調整成本參數, ιp 為加權參數,後兩者皆影響零售商調整價格的能力。3.7
銀行
作為金融仲介, 銀行使用自身的資本, 以及自第一類家計單位吸取的存款, 放款給低度耐心的家 計單位和需要資金的企業主, 賺取利差,累積資本,極大化終身財富。 追求利潤極大的過程中,由於受到政府政策管制, 銀行在決定最適存放款數量的同時, 必須滿足貸款成數的規定, 資本適足 的要求,與流動性的規範。 模型中的銀行由三個部門組成:負責吸收家計單位存款的存款部門, 審核對家計單位與對企 業主放款的放款部門,與整合存放款並決定資本部位的資本部門。 其中存款部門與放款部門皆為 獨占性競爭,前者面對家計單位的存款需求訂定存款利率,後者透過提供差異化的放款訂定放款 利率, 兩者皆追求極大化部門收益。 底下我們說明各部門的設定, 以及各部門如何進行決策, 最 後定義銀行整體獲利。
資本部門
銀行的資本部門在維持銀行資產負債平衡的前提下,整合存款部門取得的存款,和透過獲利累積 下來的資本Ktb,將所有資金提供給放款部門使用。 資本部門的活動除了受到流動性規範以外,由 於牽涉銀行資本,因此也受到資本適足要求影響。 資本部門付出 Rdt 的利息自存款部門取得存款 Dt, 同時向放款部門提供可貸放的資金 Bt , 並收取Rb t 的利息。 由於資本部門為完全競爭下的價格接受者, 根據可賺取的利差 Rbt − Rdt, 以 及資產負債限制Bt= Dt+ Ktb,選擇存放款數量來極大化總和現金流, max {Bt,Dt} E0 ∞ X t=0 ΛP0,t " 1 + Rbt (1 − ηt)Bt+ (1 + rt) ηtBt− Bt+1πt+1 + Dt+1πt+1− 1 + Rdt Dt+ Kt+1b πt+1− Ktb − κKb 2 Kb t (1 − ηt)Bt − νb 2 Ktb # = max {Bt,Dt} Rbt(1 − ηt)Bt+ rtηtBt− RdtDt− κKb 2 Kb t (1 − ηt)Bt − νb 2 Ktb, (17) 其中Bt為銀行資產,由提供給第二類家計單位及企業主的放款(1 − ηt)Bt,和占比ηtBt的政府 債券所組成,而政府債券利率為政策利率rt。私部門的放款為風險性資產,公部門債券則被視為 高流動性資產,因此ηt高低取決於流動性規範緊縮或者寬鬆的程度。 流動性規範越嚴格, ηt值越 高。公部門債券之所以被視為高流動性資產, 理由在於一般而言, 政府債券的違約風險相較私部 門貸款要來的低,因此流動性也相對較高。 這裡特別注意到, 實際上 LCR 及NSFR 的要求涉及多種不同性質的資產, 包含現金、公司 債、商業本票等私部門資產, 以及政府債券、定期存單等公部門資產, 牽涉範圍十分廣泛。 為求簡 化模型, 此處將資產簡單區分為公部門資產及私部門資產, 並考慮到公部門資產違約風險低, 視 其為高品質流動性資產,因此以公部門資產持有之高低(ηt)來捕捉LCR寬鬆與否。 最後校準參 數時, 我們將考慮多種的高品質流動性資產, 如央行可轉讓定期存單、國庫券及政府公債等資料, 以設定ηt值。 然而, 除了流動性規範之外, 由於資本部門的活動牽涉銀行資本, 面臨資本適足的要求, 因 此銀行資本占風險性資產須滿足一定比重。 為捕捉資本適足要求, 模型中設定一旦資本適足率 Kb t (1−ηt)Bt 偏離目標ν b, 銀行將承受損失, 損失大小由參數κ Kb 決定。 此外,本模型亦假設銀行資 本部門可以無限制的將存款轉存至央行, 而央行提供的存款利率為政策利率 rt,6 根據無套利條 件,資本部門提供給存款部門的存款利率,實際上即為政策利率Rd t = rt。 因此,資本部門面臨的 最適條件為, Rbt− rt= −κKb Ktb (1 − ηt)Bt − νb Ktb (1 − ηt)Bt 2 (18)
存款部門
存款市場為獨占性競爭市場, 各家銀行存款部門提供差異化的存款服務, 具有一定的獨占性, 可 自行訂定存款利率, 吸收第一類家計單位的存款, 再轉存至資本部門, 取得政策利率。 個別家計 單位i的存款分別由不同銀行取得, 其總存款依據Dixit-Stiglitz加總, 亦即, 若dP t (i)為第i個 第一類家計單位的存款,而存款中由第j家銀行存款部門取得的部分為dP t (i, j),則 dPt(i) = " Z 1 0 dPt (i, j) εdt −1 εdt dj # εdt εdt−1 , (19) 其中εdt 為替代彈性。 6模型透過此設定使政策利率與存款利率產生連結,而在政策利率的選擇上,我們選擇重貼現率以校準參數。個別家計單位i面對不同銀行提供的差異化服務和不同的存款利率,選擇存放至各家銀行的 存款量以極大化存款所得,由此我們得到個別家計單位i ,對於第j 家銀行存款部門所提供之存 款服務需求的一階條件。 加總個別家計單位i的存款需求,我們可以得到第j家銀行存款部門所 面對的存款需求, dPt (j) = r d t(j) rd t −εdt dt, (20) 其中dt為家計單位的總合存款需求, rtd(j)為第j 家銀行存款部門訂定之存款利率,而 rdt = Z 1 0 rdt(j)1−εdtdj 1−εd1 t (21) 為依據Dixit-Stiglitz加總的存款利率指數。 最後,給定存款需求和政策利率,銀行的存款部門訂定最適存款利率以極大化部門利潤 max rd t(j) E0 ∞ X t=0 ΛP0,t " rtdPt(j) − r d t(j)d P t (j) − κd 2 rtd(j) rd t−1(j) − 1 2 rtddt # , (22) 其中κd為衡量利率調整成本的外生參數。
放款部門
銀行放款部門自資本部門取得可貸放的資金,提供給貸款需求者,賺取利息。 與存款市場相同,放 款市場也是獨占性競爭市場,由於各家銀行放款部門提供差異化的放款服務,具有一定的獨占性, 可自行訂定放款利率。 模型中的貸款需求來自第二類家計單位和企業主,兩者的貸款需求分別由不同銀行一起提供, 其總貸款依據 Dixit-Stiglitz加總。 換句話說, 若bI t(i)為第 i個第二類家計單位的貸款, 而貸款 中由第j 家銀行放款部門貸放的額度為bI t(i, j),則 bIt(i) = " Z 1 0 bIt(i, j) εbHt −1 εbH t dj # εbHt εbHt −1 , (23) 其中εbH t 為替代彈性。 同樣依據Dixit-Stiglitz加總,第i個企業主的貸款bEt(i)則為 bEt (i) = " Z 1 0 bEt (i, j) εbEt −1 εbEt dj # εbEt εbE t −1 , (24)其中bE t (i, j)為由第j 家銀行放款部門貸放的額度, εbEt 為替代彈性。 面對差異化的放款服務和不同的放款利率,第二類家計單位和企業主選擇向各家銀行貸款的 額度以極小化貸款成本,由此我們得到第i個貸款需求者,對於第j 家銀行所提供之放款服務需 求的一階條件。 加總個別貸款需求, 我們可以得到第j 家銀行放款部門所面對的, 來自第二類家 計單位以及企業主的貸款需求, bIt(j) = r bH t (j) rbH t −εbHt bIt, bEt (j) = r bE t (j) rbE t −εbEt bEt , (25) 其中bIt, bEt 分別為第二類家計單位及企業主的總合貸款需求, rtbH(j), rbEt (j)為第j 家銀行所訂 定的貸款利率,而 rtbH = Z 1 0 rtbH(j)1−εbHt dj 1 1−εbHt , rtbE = Z 1 0 rbEt (j)1−εbEt dj 1 1−εbEt (26) 為依據Dixit-Stiglitz加總的貸款利率指數。 最後, 個別銀行的放款部門 j 以 Rb t 的利息, 自資本部門取得可貸放的資金 Bt(j), 經過差 異化處理後提供給第二類家計單位和企業主使用。 因此,給定第二類家計單位和企業主的貸款需 求,個別銀行的放款部門j 選擇最適的放款利率rbH t (j), rtbE(j),以極大化部門利潤, max rbH t (j),rbEt (j) E0 ∞ X t=0 ΛP0,t " rtbH(j)bIt(j) + rtbE(j)btE(j) − Rbt bIt(j) + bEt(j) − κbH 2 rbH t (j) rbH t−1(j) − 1 2 rbHt bIt − κbE 2 rbE t (j) rbE t−1(j) − 1 2 rtbEbEt # (27) 其中κbH, κbE 為衡量利率調整成本的外生參數。
整體獲利
加總銀行三部門,資本、存款、放款部門的獲利即得整體獲利 jtb = rbHt bHt + rbEt bEt + rtηtBt− rtddt− κKb 2 Ktb (1 − η)Bt − νb 2 Ktb− AdjB t , (28) 其中 AdjB t 為銀行存放款利率調整成本的加總項。 獲利將用於資本累積, 扣除費用δb 後的累積 資本為 πtKtb = (1 − δ b)Kb t−1+ j b t−1. (29)3.8
政府部門
政府支出包含政府消費Gt 及公債債息, 由定額稅Γt 及發行公債籌措。 政府公債為高品質流動 性資產, 依據流動性規範必須占銀行整體資產比重達η,亦即, 銀行持有之政府公債ηBt 數量取 決於流動性規範寬鬆或緊縮。 政府的預算限制如下: Gt+ ηt−1Bt−1(1 + rt−1) πt = ηtBt+ Γt, (30) 模型中的貨幣政策設定為常見的泰勒法則: (1 + rt) = (1 + rt−1)φR(1 + ¯r)(1−φR) πt π φπ(1−φR) yt yt−1 φy(1−φR) εrt (31) 其中rt為政策利率, ¯r為恆定狀態下的政策利率, φR, φπ, φy 皆為政策參數, εrt 為貨幣政策衝擊。3.9
市場結清條件
商品市場結清, yt = cPt + cIt + cEt + qtk[kt− (1 − δ)kt−1] + kt−1ψ(ut) + δb Kb t−1 πt + Adjt+ Gt, (32) 其中Adjt為所有調整成本的加總。 同時,房屋、勞動、金融市場結清, ¯ h = hPt + hIt, (33) ltE,P = lPt (34) lE,It = lIt (35) Dt= dt (36) Bt= bIt + bEt + ηtBt (37)3.10
外生衝擊
本經濟體系考慮的外生衝擊如下, 生產技術衝擊、消費偏好衝擊、購屋偏好衝擊、商品市場衝擊、 勞動供給衝擊、金融市場衝擊(貸款成數、存放款利率,以及資本適足衝擊),以及貨幣政策衝擊,共十二種衝擊。 模型假設除了貨幣政策衝擊εr t ∼i.i.d.(0, σR2)外,所有衝擊皆依循AR(1)的形式變 動, At = (1 − ρa) ¯A + ρaAt−1+ eat, (38) mIt = (1 − ρmI) ¯mI+ ρmImIt−1+ e mI t , (39) mEt = (1 − ρmE) ¯mE + ρmEmEt−1+ e mE t , (40) εzt = (1 − ρz)¯εz+ ρzεzt−1+ e z t, (41) εht = (1 − ρh)¯εh+ ρhεht−1+ e h t, (42) εdt = (1 − ρd)¯εd+ ρdεdt−1+ edt, (43) εbEt = (1 − ρbE)¯εbE+ ρbEεbEt−1+ e bE t , (44) εbHt = (1 − ρbH)¯εbH + ρbHεbHt−1+ e bH t , (45) εqkt = (1 − ρqk)¯εqk+ ρqkεqkt−1+ e qk t , (46) εyt = (1 − ρy)¯εy + ρyεyt−1+ e y t, (47) εlt = (1 − ρl)¯εl+ ρlεlt−1+ elt, (48) 其中ρs 為AR(1)係數, est 為白噪音, s ∈ {z, h, mI, mE, d, bE, bH, a, qk, y, l}。A, ¯¯ m, ¯ε為恆定 狀態下的值, 其值設定列於表 2, 沒有列於表中者如總要素生產力、消費偏好、投資效率, 我們不 另外進行假設,因此設為1。
4
參數設定
模型中的參數使用貝氏法進行估計。 本節中我們首先詳述使用的資料, 並根據資料特性和模型 的恆定狀態來校準部分參數 (calibrated parameters), 同時選擇估計參數的先驗機率分配 (prior distribution),最後我們討論後驗的估計結果(posterior estimates)。4.1
使用資料
本研究使用台灣的總體資料來進行參數校準與估計。 估計參數時所使用的資料包括實質消費、 實質投資、信義房價指數、勞動生產力指數、全體銀行存款餘額、全體銀行放款餘額、消費者貸款 餘額、五大銀行平均存款利率(三個月)、五大銀行平均新承做放款利率(資本支出貸款和週轉金貸 款、消費性貸款和購屋貸款)、重貼現率、以及以消費者物價指數計算之通貨膨脹率。 其中房價指 數、全體銀行存款餘額、全體銀行放款餘額、消費者貸款餘額以消費者物價指數進行平減, 而實質 消費、實質投資和勞動生產力指數以Eviews所提供的X12程式進行季節調整。 前述所有之資料 頻率為季, 資料期間為 2001Q1 : 2018Q3,合計共71 筆季資料。7 部分資料如勞動生產力指數、 存放款量、存放款利率、重貼現率與通貨膨脹,其原始資料為月資料,我們取其平均值以建構季資 料。 進行模型估計時, 為去除趨勢, 利率與通貨膨脹率資料減去均值, 其他資料則是取對數後作HP分解 (Hodrick-Prescott decomposition), 平滑參數(smoothing parameter)設為 1600。8 除 了上述資料,校準參數時我們進一步考慮銀行資本適足率、企業貸款成數、個人購屋貸款成數,銀 行投資部位資料。9最後,我們使用政府支出占GDP比重的資料設定模型中的政府支出G t。 所有資料中,實質消費、實質投資、政府支出以及GDP、勞動生產力指數、消費者物價指數,資 料來源為行政院主計總處,信義房價指數取自信義房屋網站,其餘銀行相關資料則來自於中央銀 行。 各項資料來源及資料長度整理於表1。 圖2畫出去除趨勢後的資料。
4.2
校準參數
模型中的部分參數不進行估計, 而是透過校準取得其值, 表 2 列出校準參數及其設定值。 校準 參數值的設定一則根據資料的長期特性, 二則參考文獻上普遍選用的數值。 由於本模型立基於 Gerali et al. (2010),與該篇文章十分相近, 因此一些常見的校準參數, 如第二類家計單位及企業 7由於最早可獲得之信義房價指數資料為2001Q1,因此本研究之資料期間自2001Q1開始。 8此處採雙邊HP濾波。 9此四項資料長度較短,資本適足率資料期間為2007Q1:2018Q2, 貸款成數資料為2006M1:2018M9,銀行投資 部位資料則為2006Q1:2018Q4。主的折現因子βI, βE,房屋權重 ε¯h, Frisch逆彈性(Inverse of the Frisch elasticity) φ,勞動與資 本份額µ, α, 資本折舊率 δ,以及商品與勞動市場加成ε¯y, ¯εl均保留Gerali et al. (2010)的設定。 企業資本利率用相關參數ξ1, ξ2 , 我們同樣參照Schmitt-Grohé and Uribe (2006)的設定, 但第 一類家計單位的折現因子βP,則依循傳統文獻設為0.99。 其餘的校準參數我們使用資料來挑選數值。 根據央行資料, 個人消費及購屋, 與企業購買設 備廠房所取得的貸款成數,平均約為43%和30.6%。10我們據此將m¯I及m¯E 設為0.43與0.31, 而資本適足率平均為12.6%左右,我們將νb設為0.12。 至於δb 則設為0.1005,以確保恆定狀態 下的資本資產比維持在12%左右的水準。 另外,根據主計處資料,政府支出占GDP比重平均約 為16%, 我們因此設定模型中的政府支出占比 為0.16。 最後, 我們計算資料期間的平均利差來 決定利率相關參數。 三個月五大銀行平均存款利率與重貼現率相比,年息差距平均約70個基準 點(basis point),而恆定狀態下的政策利率減價為 ¯εd ¯ εd−1, 因此我們將ε¯d設為-1.79。 五大銀行平 均新承做放款利率方面, 消費性及購屋放款利率長期平均下來, 相較重貼現率年息差距約為 99 個基準點,而恆定狀態下的政策利率加成為 ε¯bH ¯ εbH−1, 因此我們將ε¯bH 設為2.98。 至於資本支出及 週轉金放款利率,其與重貼現率年息差距為48個基準點,我們將ε¯bE 設為5.05。
4.3
先驗分配與後驗估計
給定校準參數設定, 我們使用 Dynare來進行貝氏估計, 表 3 及表 4 列出估計參數的先驗分配 與後驗估計結果。 整體而言, 所有先驗分配的設定皆與傳統文獻一致, 數值介於 (0, 1)之間的參 數, 如消費慣性 aH、貨幣政策持續性 φ R、外生衝擊 AR 係數等, 先驗分配設為貝他分配 (Betadistribution)。 參數值若不為負, 如各類調整成本, 則設為伽瑪分配(Gamma distribution)。 最後,
外生衝擊標準差皆不為負,依循文獻設為逆伽瑪分配(Inverse Gamma distribution)。
估計結果顯示, 消費者消費慣性相當大, 其值 aH 高達 0.9, 投資調整成本 κi 也高, 約為 9。 價格方面, 商品價格及勞動工資皆存在明顯的僵固性, 特別是調整工資的成本 (κw = 79.252)
10此平均貸款成數較一般認知低,主要是因為此處所引之貸款成數除了購屋貸款之外,尚包含消費性貸款,而消費
遠高於調整商品價格的成本 (κp = 19.789)。 同時, 價格指數化程度亦呈現相似的差異, 工資指 數化程度 (ιw = 0.386) 相對商品價格 (ιp = 0.199) 來的高。 利率方面, 存款利率的調整成本 (κd= 4.174)相較放款利率(κbE = 12.153, κbH = 12.809)要來的低,亦即銀行可以更迅速的根 據市場狀況調整存款利率。 銀行資本部分, 資本適足調整成本 κKb 約為 26.018。 貨幣政策參數 的估計結果顯示,央行的利率政策持續性高(φR = 0.808),且對於通貨膨脹及產出的反應均與多 數文獻一致(φπ = 1.906, φy = 0.358)。 外生衝擊部分, 除了消費偏好衝擊與商品市場加成衝擊外, 大部分衝擊皆具有相當高的持續 性,至於衝擊波動則有高有低,商品價格、勞動薪資衝擊的波動性較大,其餘如技術與貨幣政策衝 擊的波動性較小。
5
模型分析
5.1
動差
本小節初步討論流動性規範的影響。 為了方便比較, 我們首先將流動性規範變數ηt設為定值 η, 討論不同 η 值下模型性質的改變。 圖 3與圖 4 分別畫出流動性規範η 值從 0 到0.15,11 模型 中主要變數之一階動差及二階動差的變化。 亦即,我們觀察流動性規範從無到有,從寬鬆到嚴格, 對於模型恆定狀態及波動變化的影響。 圖3顯示, 隨著流動性規範的執行逐漸緊縮, 私部門貸款占銀行資產由100%降至85%, 存 款利率取決於政策利率, 而穩定狀態下的政策利率不變, 因此存款利率不變, 但個人及企業貸款 利率下降,因此利差縮小。 貸款利率下降, 整體放款量增加,私部門取得的貸款量也增加, 其中個 人貸款量提高約 2.7%,企業貸款上升約 11%, 而根據銀行的資產負債限制式, 存款增加以滿足 112015年3月LCR管制實施後,截至2018年12月止,高品質流動性資產如央行可轉讓定期存單、國庫券及政 府公債等,占銀行總資產之比重平均約為15.38%,我們據此將最高的η值設為0.15。放款的需求。12銀行獲利部分隨著流動性規範管理嚴格而上升,這主要是由於銀行獲利取決於利 率及資金的貸放量, 在本模型中, 貸款量提高的影響大過利率的縮減, 最終銀行獲利增加。 最後, 資本適足率由銀行資本及私部門放款量決定,儘管私部門放款增加,但銀行資本因獲利增加而累 積,使得資本適足率上升。 金融市場狀況反映至總體經濟活動,資金充沛之下投資及產出增加,銀 行獲利移轉回家計單位也使得消費上升, 其中投資增加幅度與個人貸款同樣約為 2.7%, 產出提 升近6%左右,而消費增幅較大,約為 7%。 我們接著觀察模型波動的變化。 根據圖4, 所有變數 的波動皆隨著流動性規範緊縮而增加。 圖3及圖4的結果乍看之下似乎與直覺不符, 畢竟相較於無流動性規範的情況,流動性規範 的存在使得銀行授信行為受到限制, 因此直觀上的影響為利率上升, 利差擴大, 私部門獲得的貸 款量減少, 產出、投資及消費也應該下滑。 同時由於銀行行為受到限制, 當面對景氣循環和衝擊 時, 直覺上貸款及其利率的波動理應較為平穩, 若金融體系的穩定進一步反映至總體經濟活動, 則投資、產出及最終消費的波動也應較為減輕。 然而, 本模型中除了存在流動性規範影響金融體 系,資本適足要求則從另一個方向影響金融活動。 隨著流動性規範管理更加嚴格, ηt值越高,在給 定總資產不變下, 銀行必須改變資產配置以適應變得嚴格的流動性規範。 然而如此一來, 資本適 Kb t (1−η )B 足率 t t 因為只與私部門放款(1 − ηt)Bt 有關而上升,使得銀行有誘因增加私部門放款。 換句話說, 流動性規範變得嚴格的同時, 銀行持有之風險性資產比重降低, 使得銀行更容易滿足 資本適足要求, 弱化流動性規範的影響, 我們因此得到和預期不同的結果。13 12值得注意的是,實務上台灣的存款十分充裕,銀行應不需要吸收更多存款以因應額外增加的放款需求。 然而受 限於模型中銀行資產項目的簡化,此處若放款需求增加,存款勢必得跟著增加以維持資產負債限制式的平衡。 13本模型中,流動性規範不只直接影響模型中的變數,也間接透過資本適足率產生作用。 由此,我們可推知不同的 資本適足率設定,有機會得到完全不同的結果。 舉例來說,若將資本適足率設為 Ktb wt(1−ηt)Bt,給予風險性資產更高的 權重wt,則有機會弱化流動性規範對於資本適足率的影響,分析結果也可能不同。 然而,如何設定風險資產的加權 權重,則是另外一個值得探討的議題。
5.2
衝擊反應分析
接下來,本節探討不同的衝擊在模型中的影響。 由於貨幣政策與流動性政策是本計畫主要關心的 重點,而技術衝擊向來是呈現景氣循環的重要方式之一,因此我們分別考慮貨幣政策衝擊與技術 進步衝擊。 央行資料顯示,自2015年起實施LCR管制, 以及2018年開始執行NSFR以來, 絕 大多數台灣金融機構早已達到Basel III訂定的目標100%。14事實上,在Basel III針對流動性提 出規範之前,我國已訂定流動性管理制度,設立流動性相關指標,以此對金融業進行管制。 舉例來 說,我國央行要求金融機構就各種新台幣負債提列最低標準的流動準備,其最低流動準備比率為 10%。 同時, 央行也使用未來零至三十天資金流量之期距缺口,檢視銀行在正常狀態下一個月內 的資金流入是否大於流出。 儘管我國原有的流動性標準與Basel III新訂定的規範內容並不相同, 但考慮到我國已有流動性相關的制度,因此進行分析時,我們比較不存在流動性規範(η = 0)、寬 鬆流動性規範(η = 0.11),以及嚴格流動性規範(η = 0.15)三種不同模型設定,15 16 面對同一個 衝擊時,模型在反應上的差異。 底下我們根據後驗估計的均值來設定外生衝擊。 貨幣政策衝擊 首先, 我們考慮一個緊縮的貨幣政策衝擊, 圖 5 畫出各個變數因應衝擊後之衝 擊反應函數。 當央行採行緊縮貨幣政策,貸款利率隨著政策利率上升而增加,同時資本設備及房 價等做為抵押品的資產價格下跌,兩方影響之下,不管是家計單位或是企業的可貸資金皆因此減 少,反應至總體經濟活動, 則是企業減少投資, 產出及消費下降。 金融體系的部分,銀行收益由於 一開始貸款利率提高, 即使在放款減少的情況下, 最初的整體獲利依然增加, 也因此能夠累積銀 行資本, 達到較高的資本適足率。 然而, 隨著貸款利率逐漸下降, 放款量回升的速度趕不上利差 縮小的速度,銀行獲利減少,銀行資本及資本適足率也在增加後逐漸降低。 14同註2。 15以LCR管制實施時間點為分界, 2015 年三月之前(2006Q1:2014Q4), 高品質流動性資產占銀行資產總額比 重之平均值約為10.78%, 2015 年三月之後(2015Q1:2018Q4) 平均占比增至15.38%。 因此,我們將η值設為 0.11代表較為寬鬆的流動性規範, η值設於0.15則代表較為嚴格的流動性規範。 16為了使模型間的比較有一致的基準,三個模型之間除了流動性規範η的值不同,其餘參數設定相同,皆使用基 準模型( η = 0 )校準及估計所得的參數值。
由圖 5 可以觀察到, 隨著流動性規範的引入, 以及執行嚴格程度的提高, 個人及企業貸款利 率、企業貸款量、投資、產出與消費,面對政策利率提高的衝擊時,受到影響的幅度較輕微。 然而個 人貸款的衝擊反應卻有所不同, 反而是在嚴格流動性規範下, 受貨幣政策影響最大。 這樣的結果 可能是因為在嚴格流動性規範下, 通貨膨脹率下跌較多, 增強貸款利率增加所造成的影響, 使得 實質上的貸款負擔較重。 換句話說,借錢的實質成本比起名目成本, 在嚴格流動性規範下受到利 率政策的影響是比較大的。 儘管企業也面臨同樣的問題,但對於個人的影響顯然較為顯著。 也就 是說,對於個人而言,貸款利率的影響,比起物價膨脹影響要來的小,而對於企業則剛好相反。17 技術進步衝擊 接著,我們考慮一個負向的技術進步衝擊。 圖6顯示,負的技術衝擊讓生產成本 提高,反應至物價,通貨膨脹率上漲,而政策利率因應通貨膨脹率變動而上升,貸款及存款利率也 隨之增加。 同時, 由於企業投資需求減少, 能夠作為貸款抵押品的機器設備價格滑落, 企業貸款 需求下降。 此外,企業也減少勞動需求導致薪資降低,對於購屋需求也在利率影響之外進一步拉 低房價, 抵押品價值下跌, 貸款利率上升, 同樣使個人能夠取得的貸款減少。 最後, 投資、產出及 消費皆下降, 且相較金融面, 實質面受到衝擊的影響持續更長一段時間。 至於銀行獲利, 由於受 利率影響較大, 銀行獲利一開始增加, 於八期後由正轉負。 銀行資本由獲利累積, 因此變化較慢, 約於十六期過後方由正轉負,而資本適足率的衝擊反應則與銀行資本相符。 由圖 6可以觀察到與貨幣政策衝擊時類似的反應。 亦即, 一旦流動性規範開始執行, 且執行 標準提高,大部分變數受到的衝擊幅度減輕。 其中,不僅貸款利率、企業貸款、產出、消費及投資變 化幅度減小, 個人存放款量受衝擊下的變動, 同樣也相較無流動性規範時來的小。 至於銀行獲利 雖然在面對流動性規範之下, 一開始受到的衝擊較大, 但與缺乏流動性管制時相比, 獲利回復所 需的時間並沒有比較長。 訊息衝擊 在 2007-2009金融危機爆發後, 訊息衝擊 (news shock) 對於金融市場與總體經濟 的影響開始受到重視, 因此我們最後考慮不同訊息衝擊在模型中的影響。 參考 Christiano, Ilut, 17實務上,流動性規範越嚴格,銀行調整資產負債結構之彈性會越低,貨幣政策變動對其影響程度也就越大,另一 方面,實務上企業籌資管道較為多元,企業受影響也就相較個人要來得小。
et al. (2010) 對於訊息衝擊的設定, 我們假設外生衝擊的白噪音, es t, 由n 期前的事前預期st−n 和事後意外s t 兩者構成。 亦即 est = st−n+ st, (49) 其中 n = 4表示我們預料衝擊將在四期後到來, s ∈ {r, a, h}分別為貨幣政策、總要素生產力、 房價三種訊息衝擊。18這裡我們考慮訊息衝擊對房價造成正向影響的情況,也就是預期未來由於 利率調降、景氣升溫,或者購屋需求增加等因素,預料四期後房價將會走高。 樂觀的預期推升房價 後,進而影響金融市場乃至總體經濟活動。 然而,我們進一步假設這些訊息衝擊最後並不會發生, 四期過後, 事後意外s t 完全抵消事前預期 st−4,最終利率沒有調降, 景氣沒有回溫, 購屋需求也 沒有增加。 換句話說,原本對於房價上升的預期並未實現。 圖7至 圖9分別畫出各個未實現訊息衝擊之衝擊反應函數。 首先,由圖中可觀察到儘管衝擊 預期在四期後才會到來, 但所有變數都在一開始便提前反應。 以房價為例, 不論是起因於何種訊 息衝擊, 利率調降或者對於景氣樂觀的看法, 在面對未來房價走高的預期之下, 房價當期立即上 升約1%上下, 直到第四期後由於預期中的高房價並未實現,房價反轉向下, 或快或慢回到穩定 狀態。 同時,對於房價的樂觀預期下, 做為抵押品的房屋價值上漲,意味著借貸市場的擴張,個人 貸款當期增加約介於 1-2% 之間。 由於個人貸款取決於房屋價值, 因此只要房價變動方向一致, 不同訊息衝擊下的個人貸款變動方向也會相同, 不過其他變數的變動方向則視訊息衝擊來源不 同而有所不同。 舉例來說, 在利率調降和總要素生產力提高的訊息衝擊底下,消費因個人貸款擴 張而上升0.2% 左右, 但在房價的訊息衝擊下, 對於購屋的需求增強會排擠消費, 消費反而下降 約0.01%。 最後特別注意到, 對於利率調降的預期, 並不意味著政策利率真的會調降。 給定預期 未來利率調降刺激經濟活動,使得消費投資及產出增加,實際的政策利率根據泰勒法則做出因應 而上升,這也是圖7中我們所觀察到的,預期利率調降,但政策利率上升。 整體而言, 當存在流動性規範時,貸款市場利率受衝擊的幅度較小, 而個人及企業貸款,雖然 在貨幣政策和房價最初的預期階段反應較大,但在樂觀預期最終未實現之後,私部門貸款受衝擊 的程度則較小。 金融市場變動反應至總體經濟活動, 可觀察到投資及產出呈現相同的走勢,也就 18衝擊大小根據表4設定。
是在衝擊反轉之後,嚴格流動性規範下經濟活動受影響較弱,甚至較快回復至穩定狀態。
5.3
抗景氣循環的流動性政策
截至目前為止,我們皆在流動性規範η值設為固定參數下進行討論。 現在,我們依據抗景氣循環 機制調整流動性規範, 隨著目標變數變動, 提高或降低流動性規範值ηt, 不再將η 視為固定。 因 此,除了貨幣政策以外,我們也考慮抗景氣循環(counter-cyclical)的流動性政策: ηt = θηt−1+ (1 − θ) h ¯ η + θx(log Xt− log Xt−1) i , (50) 其中 ηt 為流動性規範, ¯η為恆定狀態下的規範程度,19 θ 為政策的平滑參數, Xt 為反應變數, 我 們考慮產出、房價、總放款量, 以及放款與產出之比。 最後, θx 為反應變數之參數, 在抗景氣循環 的政策下其值為正。 也就是說,當產出增加、總放款量上升、房價上漲,或者放款與產出比值上升, 抗景氣循環機制要求政府緊縮流動性規範, 提高ηt值,反之亦然。 然而,四種抗循環流動性政策, 分別考慮不同的反應變數 (產出、房價、放款、放款產出比), 因此, 為了決定其對應的政策參數 θ 和θx,我們以社會福利極大為標準,從(0, 1)之間,間距0.01,挑選θ,以及從(0, 10)之間,間距 0.01,挑選θx,選取最適的參數組合。 在建構社會福利之前,我們先行定義消費者和企業主的福利如下, VP = max E0 ∞ X t=0 βPt " (1 − aP)εztlog cPt − aPcP t−1 + ε h t log h P t − lP t 1+φ 1 + φ # , (51) VI = max E0 ∞ X t=0 βIt " (1 − aI)εztlog cIt − aIcI t−1 + ε h t log h I t − ltI1+φ 1 + φ # , (52) VE = max E0 ∞ X t=0 βEt(1 − aE) log cEt − aEcEt−1 , (53) 19自2006 M3起至2018M12,高品質流動性資產占銀行總資產之比重均值約為12.2%,我們據此將恆定狀態下 的η¯值設為0.12。其中VP, VI, VE 分別代表第一類及第二類家計單位,和企業主的最大終身福利。接下來,我們參 考過去文獻,20 將社會福利定義為第一類及第二類家計單位,及企業主福利的加權平均, Vs= (1 − βP)VP + (1 − βI)VI+ (1 − βE)VE, (54) 而權重取決於各部門的折現因子。 根據前述福利的定義, 我們計算不同政策參數組合 (θ, θx)下, 社會福利的大小,21 從中挑選 出令社會福利極大的組合,結果列於表5。 福利計算結果顯示,相較固定流動性規範,四種抗循環 流動性政策中, 根據產出變動調整流動性規範的政策表現最佳, 社會福利改善幅度最大, 第一類 家計單位和企業主的福利也提高最多, 僅有第二類家計單位福利略低於根據房價調整的抗循環 政策。 隨房價調整的抗循環政策表現次佳, 不過, 雖然該政策下社會福利增加, 但企業主福利並 未獲得改善。 此外, 福利計算結果不建議隨放款, 或者隨放款產出比調整流動性政策, 兩者的政 策參數, θB, θBY 皆為零,至於這兩種政策對於福利的改善幅度則是十分微小。 最後, 依照表5 的選取結果設定政策參數, 圖 10與圖 11分別畫出不同抗循環流動性政策, 在貨幣政策衝擊及技術衝擊下的反應。 由圖中我們可以觀察到, 儘管考慮不同的抗循環政策, 面 對衝擊時的反應皆與固定流動性規範相差無幾。 這樣的結果主要原因可能在於,透過計算福利挑 選出來的政策參數值不大,產出及房價的政策參數為0.1,放款與放款產出比政策參數為0,代表 抗景氣循環下流動性規範ηt值的改變,不足以產生顯著的不同。
6
結論
金融監理的內容與政策, 需要因應全球金融環境的變化而不斷調整與發展。 過去, 金融監理首重 個別金融機構的健全性,以及信用和市場風險的管理。 然而,在2007–2009年的全球金融海嘯之 後, 各國金融主管當局體認到, 若希望維持金融體系的健全與穩定, 避免金融體系動盪引發的系20Pescatori and Mendicino (2005), Rubio (2011), Lambertini et al. (2013)。
21福利計算相關文獻參見Schmitt-Grohé and Uribe (2004, 2006, 2007a,b), Kim et al. (2005), Faia and Monacelli
統風險, 危及總體經濟活動, 將需要根據總體審慎監理的思維來因應。 其中, 流動性風險管理作 為總體審慎監理的一環並受到重視,且自Basel III公布後,首度有了全球一致的規範。 本研究考慮一個含有銀行部門的 DSGE模型, 模型中的銀行不論是存款部門或者放款部門 皆為不完全競爭, 吸收存款並經由自身獲利累積資本, 以此做為資金, 提供個人及企業等資金需 求者。 銀行除了面對資本適足率的要求,同時也受到流動性規範的限制,固定比例的資金必須用 以購買被視為高流動性資產的政府債券,剩餘的部分才能夠貸放至私部門。 因此, 市場利率及利 差除了受到貸款需求彈性、利率僵固性、資本適足率影響之外,也與流動性規範的程度有關。 模型 使用2001年第一季至2018年第三季的台灣總體資料進行校準,並透過貝氏估計法來估計模型 參數,據此進行流動性政策討論與分析。 研究結果顯示,當流動性規範變得嚴格的同時,看似銀行持有之風險性資產受限,卻也使銀行 更容易滿足資本適足要求, 弱化了流動性規範的影響。 因此, 隨著流動性規範的執行, 以及嚴格 程度的提高, 貸款利率下跌、利差逐漸縮小、私部門可取得的放款量增加、投資、產出及消費也跟 著上升。 儘管貸款利率下跌, 但由於貸款量提高的影響大過利率的縮減, 最終銀行獲利增加, 銀 行資本也因此累積的更多。 最後, 銀行資本適足率為資本與風險性資產之比,雖然銀行持有之風 險性資產增加,不過由於銀行資本因獲利增加而更為充足,使得資本適足率整體而言呈現上升的 情況。 此外,觀察模型的二階動差發現,所有變數的波動皆隨著流動性規範緊縮而增加。 模型的衝擊反應分析則指出, 面對貨幣政策及技術衝擊,流動性規範的存在使得大部分變數 如利率、企業貸款、總體變數如產出、消費及投資等, 受到的衝擊較小, 而個人貸款則視衝擊不同 而有不同的影響幅度。 銀行獲利及資本部分, 雖然受到的影響幅度較大,但恢復到恆定狀態的速 度並無顯著不同。 若進一步考慮不同的訊息衝擊, 整體而言當存在流動性規範時, 貸款市場利率 受衝擊的幅度較小, 特別是當衝擊反轉之後, 嚴格流動性規範下私部門貸款受衝擊的程度小, 總 體經濟活動受影響也因而較弱, 最後, 本研究考慮抗景氣循環的流動性政策, 並使用福利計算最適的抗景氣循環參數。 福利 計算結果顯示, 根據產出變動調整流動性規範的政策表現最佳, 社會福利改善幅度最大, 且從個 別部門角度比較, 第一類家計單位和企業主的福利也提高最多。 不過, 由於透過計算福利挑選出
來的抗景氣循環參數值不大,因此不論何種抗循環流動性政策,在面對衝擊時的反應皆與固定流 動性規範相差無幾。 綜合而言,本研究顯示流動性規範對金融體系的影響,不僅僅是直接限制銀行資產的配置,也 會間接因為改變資本適足率, 而改變銀行的資產量。 換言之, 除了流動性規範以外, 模型中資本 適足率亦扮演相當重要的角色,隨著資本適足的定義方式的改變,流動性規範與資本適足率兩者 間的相對作用力也會產生變化。 如何設定模型中的資本適足定義,是另一個值得探討的議題。
參考文獻
Angelini, Paolo and Andrea Gerali (2012), “Banks’ reactions to Basel-III,” Working Paper 876, Bank of Italy.
Bandt, O. de and M. Chahad (2016), “A DGSE Model to Assess the Post-Crisis Regulation of Universal Banks,” Working papers 602, Banque de France.
Banerjee, Ryan N. and Hitoshi Mio (2018), “The impact of liquidity regulation on banks,” Journal of Financial Intermediation, 35, 30–44.
BCBS (2013), “Basel III: The Liquidity Coverage Ratio and liquidity risk monitoring tools,” Basel Committee on Banking Supervision (BCBS) publications.
(2014), “Basel III: the net stable funding ratio,” Basel Committee on Banking Supervi-sion (BCBS) publications.
Bernanke, Ben S., Mark Gertler, and Simon Gilchrist (1999), “The financial accelerator in a quantitative business cycle framework,” in, Handbook of Macroeconomics, 1341–1393. Bonner, Clemens, Iman van Lelyveld, and Robert Zymek (2015), “Banks’ Liquidity Buffers and
the Role of Liquidity Regulation,” Journal of Financial Services Research, 48, 215–234. Bonner, Clement (2016), “Preferential Regulatory Treatment and Banks’ Demand for
Govern-ment Bonds,” Journal of Money, Credit and Banking, 48.
Christiano, Lawrence J., Martin S. Eichenbaum, and Mathias Trabandt (2018), “On DSGE Models,” Journal of Economic Perspectives, 32, 113–140.
Christiano, Lawrence J., Cosmin Ilut, Roberto Motto, and Massimo Rostagno (2010), “Mone-tary policy and stock market booms,” Proceedings - Economic Policy Symposium - Jackson Hole, 85–145.
Covas, Francisco and John C. Driscoll (2014), “Bank Liquidity and Capital Regulation in Gen-eral Equilibrium,” Finance and Economics Discussion Series.
Distinguin, Isabelle, Caroline Roulet, and Amine Tarazi (2013), “Bank regulatory capital and liquidity: Evidence from US and European publicly traded banks,” Journal of Banking & Finance, 37, 3295–3317.
Dubois, Corinne and Luisa Lambertini (2018), “A Macroeconomic Model of Liquidity, Whole-sale Funding and Banking Regulation,” Working Paper, École Polytechnique F édérale de Lausane.
Duijm, Patty and Peter Wierts (2016), “The Effects of Liquidity Regulation on Bank Assets and Liabilities,” International Journal of Central Banking, 12, 385–411.
Faia, Ester and Tommaso Monacelli (2007), “Optimal interest rate rules, asset prices, and credit frictions,” Journal of Economic Dynamics and Control, 31, 3228–3254.
Falagiarda, Matteo and Alessandro Saia (2017), “Credit, Endogenous Collateral and Risky As-sets: A DSGE Model,” International Review of Economics & Finance, 49, 125–148,ISSN: 1059-0560.
Gerali, Andrea, Stefano Neri, Luca Sessa, and Federico M. Signoretti (2010), “Credit and Bank-ing in a DSGE Model of the Euro Area,” Journal of Money, Credit and BankBank-ing, 42, 107– 141.
Kim, Henry, Jinill Kim, Ernst Schaumburg, and Christopher A. Sims (2005), “Calculating and Using Second Order Accurate Solutions of Discrete Time Dynamic Equilibrium Models,” Discussion Papers Series, Department of Economics, Tufts University 0505.
Klein, Paul (2000), “Using the generalized Schur form to solve a multivariate linear rational expectations model,” Journal of Economic Dynamics and Control, 24, 1405–1423.
Lambertini, Luisa, Caterina Mendicino, and Maria Teresa Punzi (2013), “Leaning against boom-bust cycles in credit and housing prices,” Journal of Economic Dynamics and Control, 37, 1500–1522.
MAG, BIS Macroeconomic Assessment Group (2010a), “Assessing the macroeconomic impact of the transition to stronger capital and liquidity requirements,” Interim Report.
(2010b), “Assessing the macroeconomic impact of the transition to stronger capital and liquidity requirements,” Final Report.
Nicolò, Gianni De, Andrea Gamba, and Marcella Lucchetta (2014), “Microprudential Regula-tion in a Dynamic Model of Banking,” The Review of Financial Studies, 27.
Pescatori, Andrea and Caterino Mendicino (2005), “Credit Frictions, Housing Prices and Opti-mal Monetary Policy Rules,” Money Macro and Finance (MMF) Research Group Confer-ence 2005.
Roger, Scott and Jan Vlˇcek (2011), “Macroeconomic Costs of Higher Bank Capital and Liquid-ity Requirements,” IMF Working Papers 11/103.
Rubio, Margarita (2011), “Fixed and Variable Rate Mortgages, Business Cycles, and Monetary Policy,” Journal of Money, Credit and Banking, 43, 657–688.
Rubio, Margarita and José A. Carrasco-gallego (2017), “Bank Capital Requirements and Col-lateralised Lending Markets,” The Manchester School, 85, 79–103.
Schmitt-Grohé, Stephanie and Martín Uribe (2004), “Solving dynamic general equilibrium models using a second-order approximation to the policy function,” Journal of Economic Dynamics and Control, 28, 755–775.
(2006), “Optimal Fiscal and Monetary Policy in a Medium-Scale Macroeconomic Model,” in, NBER Macroeconomics Annual 2005, Volume 20, 383–462.
Schmitt-Grohé, Stephanie and Martín Uribe (2007a), “Optimal Inflation Stabilization in a Medium-Scale Macroeconomic Model,” in, Monetary Policy under Inflation Targeting, vol. 11, 125– 186.
(2007b), “Optimal simple and implementable monetary and fiscal rules,” Journal of Monetary Economics, 54, 1702–1725.
Van den Heuvel, Skander J. (2018), “The Welfare Effects of Bank Liquidity andCapital Re-quirements,” Working papers, Federal Reserve Board.
附錄
:
模型中各部門之最適均衡條件
A.1
第一類家計單位
給定第一類家計單位之消費邊際效用為λPt = (1−aP)εzt cpt−aPcPt−1 , 則該家計單位對於消費、存款、房屋、勞 動的最適選擇條件如下: λPt = βPλPt+1 (1 + rd t) πt+1 , (A.1) εh t hP t − λP t q h t + βPλPt+1q h t+1= 0, (A.2) κw πwtP − πιw t−1π 1−ιwπwP t , = βPEt " λP t+1 λP t κw πt+1wP − πιw t π 1−ιwπ wP t+1 2 πt+1 # + 1 − εlt ltP + ε l tltP 1+φ wP t λPt . (A.3)A.2
第二類家計單位
給定第二類家計單位之消費邊際效用為λIt = (1−aI)εzt cI t−aIcIt−1, 和借貸限制式的Lagrange乘數%It, 該 家計單位對於消費、借款、房屋、勞動的最適選擇條件如下: λIt = βIλIt+1 (1 + rbH t ) πt+1 + %It(1 + rbHt ), (A.4) εht hI t − λI tq h t + βIλIt+1q h t+1+ % I tm I tq h t+1πt+1 = 0, (A.5) κw πtwI − πιw t−1π 1−ιwπwI t , = βIEt " λI t+1 λI t κw πwt+1I − πιw t π 1−ιwπ wI t+1 2 πt+1 # + 1 − εlt lIt +ε l tlIt 1+φ wI tλIt . (A.6)A.3
企業主
給定企業主之消費邊際效用為λEt = cE(1−aE) t−aEcEt−1, 和借貸限制式的 Lagrange乘數%Et , 企業主對 於消費、借款、雇用勞動量、資本財及其利用率的最適選擇、預算限制式、生產限制式以及借貸限 制式如下: λEt = %Et (1 + rbEt ) + βEλEt+1(1 + r bE t ) πt+1 , (A.7) wPt = µ(1 − α) y E t lE,Pt xt , (A.8) wIt = (1 − µ)(1 − α) y E t lE,It xt , (A.9) λEtqtk= %Et mtEqkt+1πt+1(1 − δ) + βEλEt+1 " qt+1k (1 − δ), +ξ1+ ξ2(ut+1− 1) ut+1− ξ1(ut+1− 1) − ξ2 2 (ut+1− 1) 2 # , (A.10) ξ1+ ξ2(ut− 1) = αAtuα−1t k E(α−1) t−1 l E,P t µ lE,It 1−µ !1−α 1 xt . (A.11)A.4
資本財製造商
給定資本財價格qk t,資本財製造商對於資本的最適選擇如下: 1 = qtk 1 − κi 2 Itεq k t It−1 − 1 !2 − κi Itεq k t It−1 − 1 ! Itεq k t It−1 + βE λE t+1 λE t qkt+1κi It+1εq k t It − 1 ! εqt+1k It+1 It 2 . (A.12)A.5
零售商
零售商的最適訂價條件如下: 0 = 1 − εyt +ε y t xt − κp " πt− πιt−1P π (1−ιP) # πt + βP λP t+1 λP t κP " πt+1− πιtPπ (1−ιP) # πt+1 yt+1 yt . (A.13)A.6
銀行
銀行各部門的最適訂價條件如下: − 1 + εdt − εdtrt rd t − κd rd t rd t−1 − 1 rd t rd t−1 + βPEt ( λPt+1 λP t κd rd t+1 rd t − 1 r d t+1 rd t 2 dt+1 dt ) = 0, (A.14) 1 − εbHt + εbHt R b t rbH t − κbH rbH t rbH t−1 − 1 r bH t rbH t−1 + βPEt ( λP t+1 λP t κbH rbH t+1 rbH t − 1 r bH t+1 rbH t 2bI t+1 bI t ) = 0, (A.15) 1 − εbEt + εbEt R b t rbE t − κbE rbE t rbE t−1 − 1 r bE t rbE t−1 + βPEt ( λP t+1 λP t κbE rbE t+1 rbE t − 1 r bE t+1 rbE t 2 bE t+1 bE t ) = 0. (A.16)表1: 資料來源及長度 資料名稱 來源 期間 信義房價指數 信義房屋 實質消費 行政院主計總處 實質投資 同上 國內生產毛額 同上 勞動生產力指數 同上 消費者物價指數 同上 全體銀行存款餘額 中央銀行(以下皆同) 全體銀行放款餘額 消費者貸款餘額 五大銀行平均存款利率(三個月) 五大銀行平均新承做放款利率 2001Q1:2018Q3 2001Q1:2018Q3 2001Q1:2018Q3 2001Q1:2018Q3 2001Q1:2018Q3 2001M1:2018M9 2001M1:2018M9 2001M1:2018M9 2001M1:2018M9 2001M1:2018M9 2001M1:2018M9 資本支出貸款和週轉金貸款 消費性貸款和購屋貸款 重貼現率 銀行資本適足率 企業貸款成數 個人購屋貸款成數 2001M1:2018M9 2007Q1:2018Q2 2006M1:2018M9 2006M1:2018M9 銀行投資部位 2006Q1:2018Q4 國庫券、NCD、政府債券 流動性覆蓋率(LCR) 2015M1:2018M12 淨穩定資金比率(NSFR) 2018Q1:2018Q4
表2: 校準參數設定 參數 參數描述 設定值 βP 第一類家計單位之折現因子 0.99 βI 第二類家計單位之折現因子 0.975 βE 企業主之折現因子 0.975 ¯ εh 房屋權重 0.2 φ Frisch逆彈性 1.0 µ 第一類家計單位之勞動份額 0.8 α 資本份額 0.25 δ 資本折舊率 0.025 ¯ εy ε¯y ¯ εy−1商品市場加成 6 ¯ εl ε¯l ¯ εl−1勞動市場加成 5 ¯ mI 家計單位貸款成數 0.43 ¯ mE 企業主貸款成數 0.31 νb 資本適足率 0.12 δb 銀行資本管理成本 0.1005 ¯ εd ε¯dε¯−1d 為存款利率減價 -1.79 ¯ εbH ε¯bH ¯ εbH−1 為個人貸款利率加成 2.98 ¯ εbE ε¯bE ¯ εbE−1 為企業貸款利率加成 5.05 ξ1 企業資本利用率之調整成本參數 0.0478 ξ2 企業資本利用率之調整成本參數 0.00478 G Y 政府支出占GDP比重 0.16
表3:估計參數之先驗分配與後驗估計結果 先驗分配 後驗分配 參數 參數描述 分配 平均 標準差 平均 2.5% 中位數 97.5% κp 商品價格調整成本 Gamma 50.0 20.0 19.789 19.282 19.836 20.249 κw 工資調整成本 Gamma 50.0 20.0 79.252 78.399 79.205 80.335 κi 投資調整成本 Gamma 2.5 1.0 9.325 9.309 9.323 9.343 κd 存款利率調整成本 Gamma 10.0 2.5 4.174 4.161 4.176 4.185 κbE 放款利率調整成本 Gamma 3.0 2.5 12.153 12.041 12.159 12.240 κbH 放款利率調整成本 Gamma 6.0 2.5 12.809 12.713 12.821 12.878 κKb 資本適足調整成本 Gamma 10.0 5.0 26.018 25.539 26.074 26.362 φπ 貨幣政策參數 Gamma 2.0 0.5 1.906 1.904 1.906 1.907 φR 貨幣政策參數 Beta 0.75 0.10 0.808 0.807 0.808 0.808 φy 貨幣政策參數 Normal 0.10 0.15 0.358 0.356 0.358 0.359 ιp 商品價格指數化程度 Beta 0.50 0.15 0.199 0.199 0.199 0.200 ιw 工資指數化程度 Beta 0.50 0.15 0.386 0.382 0.386 0.389 aH 消費慣性參數 Beta 0.50 0.10 0.902 0.900 0.902 0.903 註:家計單位以及企業的消費慣性皆相等,亦即, aP = aI = aE= aH。
