每經編輯 每經記者 向江林    

◎每經記者 向江林

A股昨日（1月19日）一扭頹勢，低迷了很久的基建等權重板塊全線爆發，帶領滬指重返3000點。這背后除了2015年GDP數據“靴子落地”，也與資金面的大幅寬松有關。

昨日，央行時隔一年重啟28天逆回購，規模750億元，同時還開展了800億元的7天逆回購操作，再加上4100億的MLF，800億元的國庫現金定存，單日釋放流動性超過6000億元——這讓一度高漲的春節前降準預期出現降溫。

“實際上，央行降準是更具普惠性的措施，而采取SLO（短期流動性調節工具），MLF（中期借貸便利）等工具則會更加精準化。”海通證券首席經濟學家李迅雷在接受《每日經濟新聞》記者采訪時表示。

值得注意的是，昨日晚間，央行還在官網發文表示，當前已進入春節現金投放高峰期，銀行體系流動性波動加大，要著力加強流動性監測和預測，綜合運用多種貨幣政策工具，調節好銀行體系流動性，保持流動性總量合理充裕。

央行持續注入流動性

據國家統計局1月19日公布的數據，我國2015年GDP同比增長6.9%，增速創1991年以來新低；2015年四季度GDP同比增長6.8%，環比增長1.6%，均低于預期值。

在此背景下，僅昨日一天，通過逆回購以及MLF操作，央行向市場注入流動性6450億元。其中，28天逆回購操作規模為750億元，利率為2.60%，這是28天逆回購自2015年2月5日之后的首次重啟；7天逆回購規模為800億元，利率為2.25%；MLF操作共4100億元，其中3個月期3280億元，利率下調至2.75%；1年期820億元，利率下調至3.25%，引導加大對國民經濟重點領域和薄弱環節的支持力度。

“當前，央行展開28天期逆回購操作的主要原因是春節期間流動性需求旺盛，這是一個典型的季節性調控措施。”李迅雷稱，就目前而言，流動性相對寬裕，整個社會資金面相對寬松，而此次28天期的逆回購正是為了防止臨近春節可能出現的資金兌付緊張問題。

此前，央行已持續通過逆回購、MLF、SLO、國庫定存等形式投放流動性。國泰君安證券首席債券分析師徐寒飛在最新研報中指出，1月份面臨匯率貶值、外匯占款流失（包括換匯額度更新和季節性利潤匯回）、企業繳稅臨近、春節前現金需求攀升等不利影響，資金預期緊張，而央行連續采取措施，及時為市場提供流動性，有利于鎖定低利率寬松環境，降低經濟和金融市場的資金波動。

央行在昨日的文章中表示，對于短期季節性的現金投放需求，將按歷年做法通過逆回購操作對主要金融機構實現全覆蓋，節后到期與現金回籠自然對沖。對于中期流動性需求，央行將通過分別開展中期借貸便利（MLF）、常備借貸便利（SLF）、抵押補充貸款（PSL）等操作安排6000億元以上資金予以支持，并提到將適當下調3個月MLF利率至2.75%。這意味著這6000億元已經至少在昨日“兌現”了4100億元。

降準預期存分歧

值得注意的是，此前市場對春節前降準的預期頗為強烈，但經過近來央行連續釋放流動性，加上昨晚央行最新表態，是不是意味著春節前降準基本沒戲了呢？

國泰君安證券分析師徐寒飛表示，受2015年12月美聯儲首次加息，以及央行發布CFETS人民幣指數影響，金融機構外匯占款下降6290億至26.6萬億元，創歷史第三大跌幅。然而，這一降幅明顯低于央行此前發布的外匯儲備和央行口徑的外匯占款降幅，同時，2015年12月新增外幣存款下降32億美元，遠低于外匯占款下降幅度，反映出外匯資產并未轉化為外匯存款形式。

“降準是一種中長期的貨幣政策，因此在運用時要更多地考慮到中長期的發展。”武漢科技大學金融證券研究所所長董登新在接受《每日經濟新聞》記者采訪時表示，“而逆回購、SLO、MLF等中短期或超短期政策，它們在對流動性的對沖、釋放方面更靈活，更有彈性，操作起來也更方便。因此，就目前應對春節前后短期流動性對沖是更加適合的。”

董登新進一步解釋稱，由于目前中國市場流動性并不緊張，尤其從生產環節以及融資的需求來看并不緊張。而如果說2016年上半年我國經濟會探底成功，或者說探底企穩，那么還要不要釋放流動性，是需要再觀察的。同時，降準還要考慮周邊環境，比如說美聯儲的加息預期。所以并不需要太急于節前或節后。

對于最新出爐的2015年GDP數據，澳新銀行大中華區首席經濟學家劉利剛稱，中國經濟連續第二年未達標，預計2016年中國GDP的增速可能放緩至6.4%，并在2017年下降至6.0%。同時，中國的貨幣政策可能進一步放松，預期央行在2016年將總共降準200個基點，并最早在本月底前降準50個基點。

“春節前降準的可能性比較小。”李迅雷對記者表示，“因為現在流動性還是比較寬裕的。就銀行來說，雖然信貸增速放緩但是買債的規模在增加，這也反映整個社會的資金面相對來說比較寬松，所以在這種情況下降準就沒有必要了。其實，降準的效用也不佳，降準是更具普惠性的措施，而采取SLO、MLF等工具則會更加精準化。”

（實習生姜詩薔對本文亦有貢獻）