項后軍，郜棟璽，陳昕朋

(1.浙江財經大學經濟學院，浙江 杭州 310018；2.西南證券廣州天河路營業(yè)部，廣東 廣州 528403)

貨幣政策銀行風險承擔渠道“存在性”問題的再檢驗
——基于代理理論和銀行非風險中立的視角

項后軍1，郜棟璽1，陳昕朋2

(1.浙江財經大學經濟學院，浙江 杭州 310018；2.西南證券廣州天河路營業(yè)部，廣東 廣州 528403)

作為研究的基本前提，貨幣政策銀行風險承擔渠道的“存在性”研究不僅頗具理論深度，而且在經驗估計方面極富挑戰(zhàn)性，但相對國外學者的研究，國內文獻對此多有忽視。有鑒于此，本文從代理理論出發(fā)，首先分析了銀行非風險中立這一風險承擔渠道存在前提的原因，并采用2006～2014年我國155家銀行的面板數據，將其分為高、低風險組的研究結果表明，高、低風險組對于貨幣政策的反應存在顯著的差異，表明銀行是非風險中立的，亦即我國確實存在銀行風險承擔渠道。在此基礎上，本文還在國內首次嘗試從貸款質量轉移的角度，并采用我國16家上市銀行2007～2014年的貸款五級分類數據構建了貸款質量指數進行再估計，得出了大致一致的結論。

存在性；風險承擔渠道；代理理論；貸款五級分類；貸款質量指數

一、引 言

2008年金融危機的爆發(fā)使得貨幣政策當局以及學術界重新認識到，銀行在貨幣政策的傳導過程中并非扮演著風險中立的角色，而是存在著銀行的風險承擔渠道。自此，國外學界對于上述問題展開了較為深入的研究，尤其對銀行風險承擔渠道存在性的根本的“元”問題——即存在性問題展開了深入的研究。

首先，從代理理論視角來審視銀行的非風險中立問題，發(fā)現銀行本身對風險是有所感知的，且這個感知會影響到貨幣政策的傳遞。正是基于此，Borio & Zhu(2008)指出若政策利率發(fā)生改變，則會改變金融中介的風險感知及其容忍度，進而影響到資產定價、資產組合的風險程度、非價格條款以及融資的價格[1]。那么，我們不禁進一步思考，為何從經濟現實中看銀行并非是風險中立的呢？

國外學界多從信息不對稱所引致的“代理問題”視角來考察這個問題。也即，若將儲戶作為委托人，銀行作為代理人，那么根據G.Akerlof(1970)等提出的信息不對稱理論[2]，事前的信息不對稱會導致逆向選擇，即不能有效地對風險承擔傾向不同的銀行差別索取回報率。這導致尤其在通過長期的低利率刺激經濟的環(huán)境下，反而易出現風險較低的借款人逐步退出市場的情況(這是由于風險承擔較高的銀行具備較高的預期收益，所以可以向儲戶提供較高的回報率)，而又由于事后的信息不對稱會引致道德風險，這將誘使銀行投資于高風險(從而獲取高回報)的項目，特別是政策利率又很低時，銀行的貸款利率也會相應降低從而收益降低(利率傳遞效應)[1]。此種情況下，銀行會產生很強的激勵去追逐更高收益(通常伴隨更高風險)的投資，即銀行風險承擔的意愿會有所增強。因此，銀行就不再是風險中立的角色了。

其次，從代理理論視角看銀行風險承擔渠道的存在性，已涌現出相當多的文獻著力于研究存在資金流動性風險以及信息不對稱時，貨幣政策又是如何影響銀行的脆弱性及其風險承擔的。這些研究的結果表明，銀行的代理問題越嚴重，其風險承擔意愿就會越強，這一渠道的影響也就越大。如在Acharya和Naqvi(2012)的理論模型中，當銀行的流動性過溢時，銀行間的代理問題會引致銀行的管理者去過度承擔風險[3]。而在經濟現實中，在宏觀風險較高的情況下，就會經常出現這種狀況，因為此種情形下央行通常會放寬它們的貨幣政策。由于存在儲戶與銀行之間的信息不對稱所產生的代理問題，銀行作為代理人，會對貨幣政策以及宏觀環(huán)境產生相應的風險感知。最終，銀行會為了追尋自身利益從而采取不同程度的風險承擔行為。因此，銀行在貨幣政策的傳導過程中也就不應是風險中立的。

再次，從貸款質量轉移角度來分析貨幣政策銀行風險承擔渠道的存在性，可以分為兩個方面：其一，從銀行的風險管理方面來看，寬松的低利率政策，尤其是長時期寬松的低利率政策使得企業(yè)的抵押資產價值上升，抵押資產價值的上升會促使銀行更愿意持有固定資產抵押物，且對于企業(yè)的還款能力持過于樂觀的態(tài)度，導致銀行放松貸款標準，增加對企業(yè)的貸款。但國外許多學者對于房地產和信貸風險的研究表明，房地產行業(yè)存在著巨大的泡沫，一旦泡沫破滅，抵押資產價格大幅下跌，會造成企業(yè)償債困難，銀行的大量貸款無法收回，故銀行增加對企業(yè)貸款時其潛在的不良貸款率上升，貸款質量下降，內在的風險承擔增大。其二，從業(yè)務因素方面來看，由于銀行本質上是盈利性的金融機構，其目的在于通過貸款利息等手段獲取利潤，而低利率政策使得銀行的盈利降低，此時銀行受利率追逐機制驅使的激勵較為明顯，一是會增加對高風險企業(yè)的貸款以期獲得更高的收益；二是會因此放寬貸款標準，從而引致貸款質量下降，繼而導致銀行風險承擔的增加。如Jiménez et al.(2013)基于歐洲貸款分級數據發(fā)現，低的政策利率會引致資本相對較少的銀行批給高風險公司更多的貸款[4]。Altunbas et al.(2014)也認為，危機發(fā)生前那些風險承擔最多的銀行通常也能獲取較高的盈利水平[5]。

國內研究方面，近年來有許多文獻從多個角度研究了貨幣政策傳統(tǒng)渠道及銀行風險承擔渠道的存在性問題[6][7][8][9][10][11][12]。但相較而言，相關的國外研究不僅頗具理論深度，而且在實證檢驗方面極富挑戰(zhàn)性(尤其是在數據要求方面)。而目前國內的相關研究卻存在以下不足：其一，這些研究對銀行為何非風險中立這一風險承擔渠道存在的前提缺乏相應的關注，實際上，國內的研究多趨向于直接實證估計出風險承擔渠道的存在性，而忽略了對這一渠道為何存在做更為深入的理論探討；其二，更重要的是，對貨幣政策銀行風險承擔渠道存在性的經驗估計因為頗具挑戰(zhàn)性，不僅需要理論上的再詮釋，還需要構造相應的數據集配合，而國內對此的研究仍很匱乏。

因此，對于貨幣政策銀行風險承擔渠道的存在性問題還存在著一些可以拓展的空間，本文接下來將對此展開研究。

二、實證研究

(一)研究設計

如前面的文獻綜述部分所述，銀行風險承擔渠道與其他傳統(tǒng)的貨幣政策傳導渠道相比，最值得注意的區(qū)別就在于，貨幣政策的實施對于不同風險級別銀行的影響是存在顯著差異的。我們要進行的實證就是基于這一邏輯。因此，我們先對所有樣本銀行按照其Z值進行分級，取Z值最大的1/4樣本作為低風險組，最小的1/4樣本作為高風險組，計算并觀察高、低風險組之間，同一貨幣政策對不同風險級別銀行的影響是否存在顯著差異。若出現顯著差異，即證明我國是存在銀行風險承擔渠道的。

由于貸款增長率有一定滯后性，因此我們將基礎模型設定為動態(tài)模型。先從樣本銀行中分離出高、低風險組銀行，再研究高、低風險組銀行的貸款增長率與政策利率間的關系，模型設定如下：

(1)

(二)變量說明

1.代表銀行風險的分級變量Z值：計算公式為Z=(ROA+CAR)/σ(ROA)，其中，ROA是資產回報率,CAR是資本對資產的比率(即銀行的資本充足率)，σ(ROA)是單個銀行資產回報率ROA的標準差。我們對所有Z值取對數，而對于σ(ROA),我們使用三年滾動標準差來計算。

2.銀行貸款增長率LoanR：為銀行每年的貸款增長率。

3.貨幣政策代理變量MP：鑒于被解釋變量為貸款增長率，這里以貸款基準利率作為貨幣政策的代理變量。

4.宏觀環(huán)境控制變量。(1)名義經濟增長率GDPR：一般認為經濟增長使得銀行的盈利預期和實際利潤上升，更有意愿去貸款給企業(yè)，從而貸款增長率上升。因此經濟增長通常與銀行風險正相關。(2)固定資產投資價格指數增長率FAR：固定資產的價值變動會導致銀行抵押物凈值的變化，從而影響其貸款增長率。(3)股票市場指數STOCK：取按成交量加權平均的上證綜合綜合指數(更全面的滬深300指數由于只能獲取2011年至今的數據，會對數據量造成較大的損失，因此我們并未選取)的月度指標。

5.銀行微觀特征控制變量。(1)銀行規(guī)模Size：取總資產的對數來衡量。規(guī)模越大的銀行由于風險管理技術較好且貸款的資產組合多元化，其風險承擔通常較小。(2)銀行資本充足率Cap：為銀行資產總額比風險加權資產。由于本文選取貸款增長率作為因變量，故采用資本資產比來衡量。(3)流動性比率Liq：采用流動資產比總借款額及存款額表示。一般認為，流動性較強的銀行，其應對流動性危機和資金周轉的能力更強，因此風險相對越小。(4)凈息差NIM：反映銀行的盈利能力。一般銀行的凈息差越大，其盈利能力越強，貸款增長率越低。

(三)數據來源

本文采用2006～2014年我國155家商業(yè)銀行的年度數據構造面板模型，包括5家國有銀行*5家國有商業(yè)銀行包括中國建設銀行、中國工商銀行、中國農業(yè)銀行、交通銀行和中國銀行。、12家股份制銀行*12家股份制商業(yè)銀行包括華夏銀行、招商銀行、興業(yè)銀行、浦發(fā)銀行、中國民生銀行、中信銀行等。、33家外資銀行*33家外資銀行包括東亞銀行、渣打銀行、花旗銀行、匯豐銀行、恒生銀行等。以及105家地方性銀行*5家地方性商業(yè)銀行包括上海農村商業(yè)銀行、北京銀行、上海銀行、徽商銀行、成都農村商業(yè)銀行等。。銀行絕大多數微觀數據來自BankScope數據庫(并使用Wind數據庫對部分年份及銀行的缺失數據進行了補充)。貨幣政策變量等數據均來自同花順iFind數據庫。

(四)基于銀行非風險中立的實證估計結果及分析

首先，根據Z值對銀行分組，取Z值最大的前35家銀行作為低風險組銀行(反之作為高風險組銀行)；其次，基于模型(1)，分別考察貨幣政策對高、低風險組銀行貸款增長率的影響情況。為了避免內生性問題，我們采用動態(tài)廣義矩的方法對其進行估計，實證估計結果如表1。

表1 貨幣政策對貸款增長率影響的估計結果

注：括號里為t值；* 、** 和*** 分別表示在10%、5%和1%的水平上顯著。

由表1可知，二階序列相關檢驗和Sargan檢驗的結果均是有效的。從表1的估計結果可以看出：

1.從解釋變量的回歸結果來看，不論高、低風險組，不論是3～6個月貸款基準利率MP1,還是1～3年貸款基準利率MP2，估計結果均表明貨幣政策變量在1%的顯著水平上顯著為負，即降低貸款利率會使得銀行的貸款增長率顯著增加。可能的原因是，寬松的低利率政策使得銀行的盈利降低，由于銀行本質上是以獲取盈利為目的的金融機構，此時其受利率追逐機制驅使的激勵較為明顯，一是會增加給高風險企業(yè)的貸款以期獲得更高的收益，導致貸款增長率提高；二是會因此放寬其貸款標準，最終引致銀行貸款增長率的提高。且初步地看，貨幣政策對于高、低風險組貸款增長率的反應系數存在差異，也即同一貨幣政策對高、低風險組貸款增長率的影響是不同的，其系數差值為3.77。但現在還無法得知這種差異是否具有統(tǒng)計意義上的顯著性。

2.根據控制變量的回歸結果，以資本充足率CAP為例，無論是高風險組還是低風險組，其均與貸款增長率在1%的水平上呈顯著的負相關，表明銀行的資本充足率越高，風險承擔越小。可能的原因是資本充足率較高的銀行自有資本較多，且貸款較為審慎，故資本充足率較高的銀行，其風險承擔越小。其余控制變量與資本充足率的回歸結果類似。

(五)基于貸款分類五級數據的進一步估計

盡管前文已經對貨幣政策銀行風險承擔渠道的存在性進行了相當程度的研究分析，但仍然不夠，故在前文的基礎上，我們再徑由另外一個很重要的角度來對其存在性進行進一步地檢驗。

事實上，如前文理論所分析，我們知道，銀行風險承擔渠道的另一個本質表現是貨幣政策的變動會通過影響銀行的貸款質量進而影響其風險承擔行為。但考慮到國內貸款分級數據(國外一般通過此方法來研究貨幣政策對貸款質量的影響)較難獲取，我們在斟酌考慮后使用貸款分類五級數據(來自iFind數據庫)來構建整體的貸款質量指數以近似地代替貸款分級數據法，通過貨幣政策變動對整體貸款質量指數的影響來驗證銀行風險承擔渠道的存在性。尤其是在低利率政策的宏觀環(huán)境下，我們預期貸款質量指數是會呈現下降趨勢的，也即低利率政策(寬松的貨幣政策)會導致銀行風險承擔的增大。

(1)1998年5月，人民銀行制定的《貸款分類指導原則》要求商業(yè)銀行按風險程度(借款人的實際還款能力)將貸款標準分為五大類：正常、關注、次級、可疑和損失，其中后三種為不良貸款。為了構建全新的貸款質量指數，我們首先對這些指標進行了量化處理。具體處理方法如下：①取值區(qū)間設定為[0，1]，其中，0表示損失貸款，1表示正常貸款；②值越小表明貸款的安全性越低，風險越大；③以貸款損失概率為依據設置對應風險級別貸款的取值區(qū)間。正常、關注、次級、可疑和損失貸款的各個取值區(qū)間分別為1、[0.95,1)、[0.5,0.8)、[0.25,0.5)和[0,0.25)。

(2)由于數據可得性的限制，我們基于同花順iFind數據庫公布的我國16家上市銀行*16家上市銀行分別是平安銀行、寧波銀行、浦發(fā)銀行、華夏銀行、民生銀行、招商銀行、南京銀行、興業(yè)銀行、北京銀行、中國農業(yè)銀行、中國銀行、中國工商銀行、交通銀行、中國建設銀行、中信銀行、光大銀行。2007～2014年的貸款分類五級占比數據，確定其為各個風險級別貸款所占的權重。

(3)根據各銀行各風險級別貸款所占權重與量化后的貸款質量指標相乘，再將各個風險級別的貸款加權平均即可求出年度的貸款質量指數。

借鑒平安證券公司(2012)[13]量化處理利率市場化指數的方式，對于正常、關注、次級、可疑和損失貸款，我們具體取值分別為1、0.975、0.65、0.375、0.125。

由于各銀行各年份的貸款質量指數變動比較微小，估計結果可能很不明顯，故此次實證模型中的貨幣政策變量以及控制變量仍基本依照前文的模型(1)，但被解釋變量參照Altunbas et al.(2010)[14]和張雪蘭、何德旭(2012)[15]的研究，采用貸款質量指數的差分量來度量，并使用SYS-GMM估計法來考察貨幣政策的變動(尤其是低利率政策)是否降低了貸款質量指數的變動。若指數變動的確降低了，那么同樣證明了我國存在銀行風險承擔渠道。模型中的貨幣政策變量、絕大部分控制變量來自同花順iFind數據庫，而流動性比率則來自BankScope數據庫的補充。

實證研究的估計結果與分析如表2所示：

表2 貨幣政策對貸款質量指數影響的估計結果

注：括號里值為t值，* 、** 和*** 分別表示在10%、5%和1%的顯著水平上顯著。

從表2的估計結果可以看出：

1.從解釋變量的回歸結果來看，BLR與BDR均與貸款質量指數差分量在1%的顯著水平上呈顯著的正相關，表明在我國的低利率貨幣政策下銀行貸款質量是呈下降趨勢的，即寬松的(尤其是低利率)貨幣政策會導致銀行風險承擔水平的上升，可能的原因是，以盈利為目的的銀行在寬松的低利率政策下：其一，盈利能力會有所下降，導致貸款質量相應下降；其二，所獲利潤會有所減少，此時銀行受利率追逐機制驅使的激勵較為明顯，會相應增加對高風險人的貸款，由于此類貸款通常伴隨著更大的風險，因此銀行收回貸款的可能性下降繼而導致貸款質量下降。此研究結果同樣驗證了我國貨幣政策銀行風險承擔渠道的存在性，且使用不同的貨幣政策代理變量都獲得了相同的結論，這也表明我們的研究結論是相對穩(wěn)健性的，同樣與國內諸多研究結果與現實情況相符合。

2.控制變量的回歸結果符合現實的經濟情況且與前文和大多數文獻的結果相一致，在此不再一一贅述。

三、穩(wěn)健性檢驗：基于Bootstrap方法的再估計

如前文所述，在銀行風險承擔渠道理論中，與貨幣政策其他傳導渠道區(qū)別最大的假設即是，銀行會對不同的貨幣政策做出反應，并調整貸款數量或質量。因此在我們前文實證的基礎上，證明同一貨幣政策對不同風險組銀行的影響差異是否具有統(tǒng)計意義上的顯著性(即前文MP1與MP2的系數差是否在統(tǒng)計上顯著)是我們判斷我國是否存在銀行風險承擔渠道的重要依據。

為了檢驗組間系數差異的顯著性并克服小樣本偏誤(Wald檢驗)問題，我們采用自舉法(Bootstrap)來檢驗組間系數差異是否顯著[16][17]。原假設H0:d0=0，即組間的系數估計值不存在顯著差異。檢驗的統(tǒng)計量是由自舉法計算得到的經驗p值。原理如下：

將高、低風險組的樣本銀行進行混合，并假設高、低風險組分別有n1和n2家銀行，則共有n=n1+n2家樣本銀行；在每一輪模擬中，從這n家樣本銀行中隨機抽取n1和n2家銀行，并把他們定義為高風險組和低風險組。分別對這兩個不同風險組中的系數值進行估計，并記錄系數差異di。將第2步和第3步反復進行k次(本文k=1000)，繼而計算出di大于實際系數差異d0的百分比，即得到經驗p值，它與傳統(tǒng)p值具有相同的含義。實證結果如表3所示。

表3 自舉法組間系數差的檢驗結果

根據表3的實證結果，我們可以看到，不論高、低風險組，基于Bootstrap方法所得的經驗p值均顯著拒絕了“組間系數不存在顯著差異”這一原假設，證明同一貨幣政策對不同風險級別銀行的影響存在顯著差異，即從銀行非風險中立性這個關鍵假設方面證明了我國確實是存在銀行風險承擔渠道的。

除此之外，我們基于Bootstrap方法對貸款分級數據也重新進行了估計，也大致證實了前述結論*在這里我們未列出檢驗結果，如果興趣，可向作者索取。。

四、研究結論

通過理論分析與實證研究本文得出以下結論：

第一，從銀行代理問題的角度看，由于存在儲戶與銀行間的信息不對稱所引致的代理問題，銀行作為代理人，會對貨幣政策及宏觀經濟狀況產生相應的風險感知。最終，銀行會為了追尋自身利益而采取有差別的風險承擔行為。

第二，從銀行非風險中立的角度來看，根據平均后的Z值大小將銀行分為高、低風險組，實證研究對貨幣政策變化的反應，結果顯示，高、低風險組的基準利率系數對同一貨幣政策的反映不一致，且這種不一致具有統(tǒng)計上的意義，表明我國存在貨幣政策的銀行風險承擔渠道。

第三，從貸款質量轉移理論的角度看，貨幣政策的變動會改變銀行貸款資產組合的風險程度、貸款的盈利和增值能力，尤其是長時期的低利率政策引致銀行對以前認為是高風險的貸款人也放松了貸款標準，導致銀行風險承擔增大。上述兩種情況均表明，銀行在貨幣政策的傳導中不應是風險中立的。進一步地，從銀行貸款質量轉移的經驗研究結果來看，貸款質量對于貨幣政策變化是存在著反應的，隨著貨幣政策的變動而改變，從而更為深入地驗證了我國貨幣政策的銀行風險承擔渠道的存在性問題。

[1] Borio, C. & H.Zhu. Capital Regulation, Risk-taking and Monetary Policy: A Missing Link in the Transmission Mechanism?[Z].BIS Working Paper,2008, No. 268.

[2] Akerlof, G. A. The Market for “Lemons”: Quality, Uncertainty, and the Market Mechanism[J]. Quarterly Journal of Economics, 1970,84(3),pp. 488-500.

[3] Acharya, V. & H. Naqvi. The Seeds of a Crisis: A Theory of Bank Liquidity and Risk Taking over the Business Cycle[J].Journal of Financial Economics, 2012, 106(2), pp. 349-366.

[4] Jiménez, G., Jose A. Lopez, Jeshs Saurina. How Does Competition Affect Bank Risk-taking?[J].Journal of Financial Stability, 2013, 9(2), pp. 185-195.

[5] Altunbas, Y., L. Gambacorta & D. Marques-Ibanez. Does Monetary Policy Affect Bank Risk-taking? [J]International Journal of Central Banking,2014,10(1),pp. 95-135.

[6] 江群，曾令華.我國貨幣政策信貸傳導渠道:理論模型及實證分析[J]. 財經論叢，2008，(3): 40-45.

[7] 劉飛.貨幣政策如何影響中國的信貸資源再分配——基于雙重差分模型的實證檢驗[J].財經論叢，2013，(2)：50-56.

[8] 毛澤盛，許艷梅.影子銀行、信貸渠道與貨幣政策非對稱效應[J]. 財經論叢，2015，(3): 39-46.

[9] 張強, 張寶.貨幣政策傳導的風險承擔渠道研究進展[J]. 經濟學動態(tài), 2011,(11):103-106.

[10] 方意，趙勝民，謝曉聞.貨幣政策的銀行風險承擔分析——兼論貨幣政策與宏觀審慎政策協(xié)調問題[J]. 管理世界，2012,(11):9-19.

[11] 徐明東, 陳學彬. 貨幣環(huán)境、資本充足率與商業(yè)銀行風險承擔[J]. 金融研究, 2012,(7):48-62.

[12] 江曙霞, 陳玉嬋. 貨幣政策、銀行資本與風險承擔[J]. 金融研究, 2012,(4):1-16.

[13] 鐘偉，黃海南. 利率市場化系列報告之八：無量之綱：我國利率市場化指數的構建及國際比較[R]. 平安證券公司，2012.

[14] Altunbas Y., L. Gambacorta, D. Marques-Ibanez. Bank Risk and Monetary Policy[J]. Journal of Financial Stability,2010,6(3)：121-129.

[15] 張雪蘭，何德旭.貨幣政策立場與銀行風險承擔——基于中國銀行業(yè)的實證研究(2000-2010)[J]. 經濟研究，2012,(5):31-44.

[16] Efron, B. and R. Tibshirani. An Introduction to the Bootstrap[M]. New York: Chapman and Hall,1993.

[17] 連玉君, 程建.投資—現金流敏感性：融資約束還是代理成本？[J]. 財經研究，2007,(2):37-43.

(責任編輯:原 蘊)

The Re-examination of “Existence” of Bank Risk-taking Channel in Monetary Policy——Based on the Perspective of Agency Theory and Bank Non-risk Neutrality

XIANG Houjun1, GAO Dongxi1, Chen Xinpeng2

(1.School of Economics, Zhejiang University of Finance & Economics, Hangzhou 310018, China; 2.Sales Department of Guangzhou Tianhe Road, Southwest Securities, Guangzhou 528403, China)

As the basic premise of the related research, the “existence” of the bank risk-taking channel in monetary policy not only has theoretical depth, but also very challenging in empirical estimation. In view of this, this paper firstly analyzes the reason why bank non-risk neutrality is the prerequisite of the bank’s risk-taking channel from agency theory, then uses 155 banks’ panel data in China from 2006 to 2014, and divides it into high and low risk groups to make empirical research. The results show that there is a significant difference between high and low risk groups in response to the monetary policy, indicating that banks are non-risk-neutral, that is, there indeed exists the bank risk-taking channel. On the basis of this, this paper also makes a further study on the aforesaid analysis from the perspective of the loan quality transfer for the first time in China, and then uses the five-level classification data of 16 listed banks in China from 2007 to 2014 to construct the loan quality index to re-estimate, which reached a roughly consistent conclusion.

Existence; Risk-taking Channel; Agency Theory; Five-level Classification on Loans; Loan Quality Index

2017-01-17

國家自然科學基金資助項目(70573224)

項后軍(1967-)，男，湖北武漢人，浙江財經大學經濟學院教授；郜棟璽(1992-)，男，江蘇靖江人，浙江財經大學經濟學院碩士生；陳昕朋(1988-)，男，湖南常德人，西南證券廣州天河路營業(yè)部研究員。

F832.1

A

1004-4892(2017)08-0036-08