金融论文哪里有？本文将银行市场划分为完全竞争市场与垄断竞争市场。首先通过求解模型认为完全竞争市场下定向降准政策对定向部门企业信贷具有正向的引导作用，即定向降准政策能够增加商业银行对涉农企业或小微企业的信贷投放量。
导论
(一)创新点
1.理论机制的完善
本文在构建理论模型研究定向降准政策的信贷引导作用时，结合前人学者的思路，将银行信贷市场分为完全竞争市场与非完全竞争市场，理论研究更加全面完善。在完全竞争市场假设前提下，研究定向降准政策的信贷引导作用，以银行利润最大化为原则建立模型并求解得出结果，分析定向降准政策对定向部门贷款的影响，同时考虑时滞效应对政策效果的影响；另外考虑到定向降准政策信贷引导效应会受到银行行为选择的影响，而银行行为选择又会受到银行竞争的影响。事实上，银行信贷市场并非是完全竞争的，因此银行信贷行为很可能会受到不同程度的银行竞争度影响，本文在原完全竞争市场条件下的理论模型中加入银行竞争变量，将银行信贷市场转变为非完全竞争市场。且根据多位学者研究发现(孙国峰，2019；郑斌，2014；张晨，2014)，中国银行市场整体竞争不均衡，商业银行种类、数量众多，且各自推出的金融产品具有较高的相似度，因此本文将非完全竞争市场再度细化为垄断竞争市场，从增强与削弱两方面分析银行竞争对定向降准政策的调节作用。
2.代理变量的创新
关于银行竞争变量，大多研究使用 HHI 指数与集中度(CRn)代替，但是这种结构性指标往往通过银行分支机构数量计算得出，对银行竞争程度的代表性不够，且往往只涉及时间维度，很少有学者将区域维度加入模型共同分析，而银行竞争程度一般受到地区发展程度的限制，因此本文以时间维度的 Lerner 指数与区域维度的金融市场竞争指数代替银行竞争度，即模型的调节变量，全方位衡量调节变量在模型中的调节作用；本文研究的是定向降准政策对企业获取信贷资源的影响，即小微及涉农企业获得的贷款额情况，然而企业所处行业不同，规模与发展程度也不一致，不能直接以企业总借款为被解释变量，因此本文选取总借款/总资产为被解释变量，可以衡量单个企业获得信贷资源的相对数值，以提高模型的精确度。
第三章 定向降准政策对企业信贷影响的理论机制
第一节 完全竞争市场下定向降准政策的作用机制
一、模型设定
基于 Kopecky，Vanhoose(2004)里资本约束对银行信贷分配影响的研究框架，本文将贷款分为定向部门贷款和非定向部门贷款，其中定向部门贷款指的是小微企业贷款和涉农企业贷款，同时根据银行资产负债恒等式与约束条件设立修正模型并进行模型求解，从而论证完全竞争市场下，定向降准政策对小微企业和涉农企业信贷具有引导作用。
不考虑资管业务等表外业务带来的表外资产与表外负债的前提下，商业银行的资产 M=政府债券 B+银行贷款总额 L+法定存款准备金 A,商业银行负债 E=银行吸收存款 D+银行权益资本 C，根据资产负债恒等式可以得到 M=E =B+L+A=D+C,即L=M-B-A。银行贷款总额 L 根据投向可以分为定向部门贷款LI与非定向部门LNI，定向部门贷款LI在银行贷款总额 L 中占比为 d，0≤d≤1，非定向部门LNI在银行贷款总额 L 中占比为 1-d，那么 *LI d L= ，LNI =(1−d)* L 。以下为本文以 Kopecky，Vanhoose(2004)为基础设立模型的基本假设前提：
假设前提 1：银行获得定向降准概率与定向部门贷款占比成正相关。
第四章 定向降准政策对企业信贷影响的实证研究
第一节 研究设计
一、数据来源
本文实证研究部分使用的主板市场上市企业与新三板市场挂牌企业财务数据均来源于 Wind 数据库，上市银行数据来源于前瞻数据库与 Wind 数据库。其中时间维度上的银行竞争程度变量为手工计算得到，区域维度上的银行竞争程度变量采用樊纲(2009)等多位学者编制的金融业市场竞争指数得到。其他宏观数据则来源于中国统计局。本文按照研究惯例，剔除了金融类公司、ST 和*ST 公司，并连续变量进行 1%的缩尾处理，以防止异常值影响实证结果。
考虑到定向降准政策第一次实施时间为 2014 年，为确保政策实施前后企业信贷变化对比的准确性，本文将研究时间设定为 2011 年-2019 年。受数据披露限制，本文在剔除 2011-2019 年间数据缺失较多企业后，依据证监会行业划分标准，自沪深主板、中小板、创业板市场选取 27 家涉农企业，选取并匹配到 287家非涉农企业用于实证分析，自新三板市场中选取并匹配到 52 家非涉农企业用于稳健性检验；考虑到主板市场上市公司规模往往较大，符合小微企业标准的企业极少，而新三板挂牌企业数据相对全面且大多符合小微企业标准，因此本文实证部分所用 78 家小微企业均来自于新三板市场，大型企业从新三板市场随机选取了 72 家用于实证分析，并从沪深主板市场选取了 120 家用于稳健性检验。实证部分本文均使用统计软件 Stata15 进行统计分析。
二、样本选择
（一)估计方法
自然实验中，为分析某种行为造成的影响，通常会将实验对象区分为“实验组”与“对照组”，“实验组”指的是已遭受该行为的实验对象，“对照组”指的是未经历该行为的实验对象，实验效果可以通过研究两组实验对象的差异得到。与自然实验类似，当实施一项公共政策只会影响部分社会群体，其他社会群体受影响较小，基本可以视为不受影响，那么实施这项公共政策便可称为“实验”或者“准实验”，政策效果便能效仿自然实验，利用两组实验对象的对比差异获取。本文参照 Paul Rosenbaum & Donald Rubin(1983)的倾向得分匹配法，利用倾向评分值，对照组选用相关指标与涉农企业较为接近的非涉农企业，以此降低对定向降准政策信贷引导效应评估模型的不利影响。
本文采取最近比邻法寻找与涉农企业最为接近的一比一配比样本，最后成功从主板市场 316 家非农企业(均不属于小微企业)中找到 287 家非涉农企业与 202家涉农企业最为接近。表 2 为倾向得分匹配后的结果：
第二节 数据处理
一、描述性统计
(一)银行竞争度
从 wind 数据库中下载 37 家上市银行，按照惯例剔除数据缺失部分数据后，获取 28 家上市银行的相关数据，并根据上述第一节中阐述的时间维度银行竞争度的计算公式4，运用随机前沿分析法进行回归得到如下结果：
本文借鉴 Fungacova(2013)学者的方法，以年份为划分标准，对 28 家商业银行的竞争度取平均值，用以代表 2011-2019 年间银行业的银行竞争度变量，最终获得时间维度的银行竞争度变量结果如表 6：
第五章 结论与建议
第二节 政策建议
一、商业银行提升定向降准政策信贷引导效应的政策建议
(一)利用金融科技，加大金融产品创新力度
银行应充分利用数字科技作用，通过加大金融产品创新力度，开发投贷债股联动等新模式，以拓宽涉农企业和小微企业信贷的融资渠道，及时为企业提供实际发展所需的全额资金。一方面，商业银行在债券市场上多发行定向部门企业专项债券、资本债或信贷资产证券化产品。针对抵押担保资产不足的企业，推出贷款保险金融产品，保险公司通过购买此类产品，为定向部门借款提供保证，分享银行部分信贷利润，分散银行信贷风险，企业也能获得所需资金。另一方面，传统商业银行可与互联网银行合作，将传统银行雄厚的资金与互联网银行广泛的线上渠道相结合，设计具有个性化和差异化的金融产品。并借助大数据等数字科技手段，将信贷资金准确投放至现有传统银行体系较难输送的定向部门企业中，从而更多的信贷资金能够被真正需要的企业所持有。
(二)建立实时监管与动态考核制度
商业银行需要建立与定向降准政策相匹配的正向激励与负向考核制度，以此确保定向降准的持续落实。首先，建立健全对定向部门企业的信用考核制度，企业信用、资产与净利润增长率等指标评级与贷款额度直接挂钩，既避免某项指标评级过低造成某些企业被粗暴过滤，又能激励总体评级不达标企业努力提升自己，改善经营状况。其次，降低定向部门企业风险权重，提升对定向部门企业不良贷款的容忍度，从而增加对定向部门企业投放信贷的意愿。为此银行需建立健全定向部门企业信贷的贷后追踪制度，在企业经营状况有恶化风险时，及时给予适当援助，不要为避免坏账风险提出追加担保等加重企业经营负担的要求。第三，利用数字技术建立涉农企业与小微企业数据库，记录资金流向，降低银企间的信息不对称，同时提高银行对定向部门企业的贷前审核效率。
参考文献（略）
