劉精山 趙沛 田靜

摘?要：流動性錯配是流動性風(fēng)險產(chǎn)生的根本，有必要從資產(chǎn)端和負債端研究和度量商業(yè)銀行流動性風(fēng)險。在綜合外部因素的基礎(chǔ)上，通過理論和實證兩個層面構(gòu)建我國商業(yè)銀行流動性錯配指數(shù)（LMI），并對我國18家上市銀行的流動性風(fēng)險進行度量、識別和壓力測試。研究表明：我國商業(yè)銀行流動風(fēng)險存在異質(zhì)性和時變性，LMI的壓力測試結(jié)果顯示，不同類型銀行壓力測試和抵御風(fēng)險的能力具有顯著的異質(zhì)性。為有效地管理和防范商業(yè)銀行流動性風(fēng)險，需要嚴格控制流動性錯配程度，密切關(guān)注宏觀經(jīng)濟形勢和資產(chǎn)價格的波動，并建立相應(yīng)的風(fēng)險監(jiān)測和管理機制。

關(guān)鍵詞： 流動性錯配;流動性錯配指數(shù);流動性風(fēng)險;壓力測試

中圖分類號：F830.33?文獻標識碼：?A?文章編號：1003-7217（2019）06-0016-08

一、引言

商業(yè)銀行是經(jīng)營貨幣的特殊企業(yè)，其“短借長貸”的經(jīng)營模式?jīng)Q定了流動性是商業(yè)銀行生存的基石，在此過程中必然伴隨著資產(chǎn)與負債結(jié)構(gòu)錯配的現(xiàn)象[1]。隨著我國經(jīng)濟、金融體制改革的不斷深入，我國商業(yè)銀行面臨的外部和內(nèi)部微觀環(huán)境日益嚴峻和復(fù)雜，使得商業(yè)銀行期限和流動性錯配現(xiàn)象愈發(fā)復(fù)雜。由于期限錯配是商業(yè)銀行流動性風(fēng)險形成的內(nèi)在原因，因此，當(dāng)前復(fù)雜的宏、微觀經(jīng)濟形勢無疑加劇了商業(yè)銀行流動性風(fēng)險。

商業(yè)銀行流動性風(fēng)險具有沖擊破壞力大、不確定性高和傳染性強的特點，是“商業(yè)銀行最致命的風(fēng)險”。而我國是銀行主導(dǎo)型的金融體系，商業(yè)銀行無論是在資源配置、服務(wù)實體經(jīng)濟還是在風(fēng)險防范方面都處于異常關(guān)鍵的位置。尤其是在全面深化金融體制改革和經(jīng)濟增速放緩的背景下，防范金融風(fēng)險是經(jīng)濟工作的重中之重，2017年中央經(jīng)濟工作會議指出“要把防控金融風(fēng)險放到更加重要的位置……確保不發(fā)生系統(tǒng)性金融風(fēng)險。”因此，在這一背景下研究商業(yè)銀行流動性性風(fēng)險具有重要的現(xiàn)實意義。

商業(yè)銀行流動性風(fēng)險一直是學(xué)界關(guān)注的熱點問題，目前關(guān)于商業(yè)銀行流動性風(fēng)險的研究主要集中于傳統(tǒng)流動性風(fēng)險的度量，而從流動性錯配角度的研究相對較少。因此，為了更加全面客觀地分析期限錯配、流動性錯配與流動性風(fēng)險之間的關(guān)系，本文從兩方面對已有文獻進行梳理，一是期限錯配、流動性錯配與流動性風(fēng)險之間的關(guān)系，二是對現(xiàn)有流動性度量方法進行梳理。

（一）期限錯配、流動性錯配與流動性風(fēng)險

期限錯配理論最早來自于Morris（1976），他認為企業(yè)為了減少資產(chǎn)現(xiàn)金流與負債現(xiàn)金流不匹配帶來的風(fēng)險，應(yīng)將資產(chǎn)和債務(wù)的期限匹配起來，從而減少錯配帶來的不確定風(fēng)險[2]。關(guān)于銀行期限、流動性錯配與流動性風(fēng)險的關(guān)系最早可以追溯到Diamond和Dybvig（1983）提出的經(jīng)典銀行擠兌模型D-D模型，該模型指出商業(yè)銀行具有將短期流動性負債轉(zhuǎn)化為非流動性資產(chǎn)的特點，并解釋了銀行流動性風(fēng)險產(chǎn)生的根源，即在流動性轉(zhuǎn)化過程中產(chǎn)生的期限錯配和流動性錯配[3]。這一理論揭示了銀行危機的本質(zhì)是由于流動性錯配導(dǎo)致的流動性不足進而引發(fā)擠兌的現(xiàn)象。流動性的錯配一方面是由于期限錯配所致;另一方面，是由資產(chǎn)和負債屬性的不同而導(dǎo)致期限能力的不同，因此，期限錯配本質(zhì)上是一種流動性錯配[4]。

基于期限和流動性錯配的分析框架，國內(nèi)外學(xué)者進行了大量的研究。如Rajan（2001）研究認為商業(yè)銀行資產(chǎn)負債的期限錯配會導(dǎo)致流動性風(fēng)險[5]。Brunnermeier等（2011）認為流動性錯配水平可以用來度量銀行流動性風(fēng)險[6]。基于這一思想，Banerjee（2012）、Giordana等（2013）以及Schmitt（2017）等從流動性錯配的角度分別論證了流動性錯配程度測度流動性風(fēng)險的有效性[7-9]。國內(nèi)學(xué)者大都延續(xù)這一思路，如裘翔（2015）研究認為期限錯配風(fēng)險可能引發(fā)流動性風(fēng)險，并用流動性錯配衡量了期限錯配程度[10]。彭建剛等（2014）、王一鳴和梁志兵（2015）以及易浩（2016）等從期限錯配的角度研究了銀行流動性風(fēng)險[11-13]。

（二）商業(yè)銀行流動性風(fēng)險度量

在流動性風(fēng)險度量方面，目前存在三種主流的方法：（1）基于傳統(tǒng)指標的度量，一般包括靜態(tài)指標和動態(tài)指標。如流動性比率、存貸比、核心存款比率、流動性缺口、融資缺口、凈流動性頭寸以及美聯(lián)儲Jim Pierce提出的流動性指數(shù)等相關(guān)指標。這一方法主要是根據(jù)不同的資產(chǎn)分類和權(quán)重來測度不同的比率。在具體應(yīng)用方面，Arora和Kohli（2018）從存貸比和流動性比率度量了流動性風(fēng)險，并進一步研究了其與銀行所有權(quán)性質(zhì)之間的關(guān)系[14]。鐘永紅和曹丹蕊（2013）根據(jù)流動性比率、核心負債率、流動性缺口等15個指標構(gòu)建了流動性風(fēng)險綜合評價模型[15，16]。2010年，Basel Ⅲ協(xié)議①雖然引入了LCR和NSFR指標，但該指標構(gòu)成系數(shù)相對穩(wěn)定，不能及時反映市場變化，降低了該指數(shù)度量的時效性和準確性。（2）

基于現(xiàn)金流視角的度量。Driga（2012）基于資產(chǎn)負債表，并利用資金的流入、流出以及流動性資產(chǎn)的缺口來度量商業(yè)銀行流動性風(fēng)險[17]。沈沛龍和閆照軒（2011）基于現(xiàn)金流和資產(chǎn)質(zhì)量提出了凈流動性缺口等三個指標來刻畫商業(yè)銀行流動性風(fēng)險的大小[18]。然而，他們均忽略了外部的影響，因此，Andren等（2012）在風(fēng)險暴露的CFaR（Exposure-Based Cash-Flow-at-Risk）模型基礎(chǔ)上引入了宏觀因子變量用以測算現(xiàn)金流，并進一步利用VaR方法估計一般企業(yè)的流動性風(fēng)險[19]。此后，Yan等（2014）、Fall和Viviani（2016）將CFaR方法應(yīng)用到測度英國商業(yè)銀行的融資性流動性風(fēng)險[20]。（3）基于VaR損失的流動性風(fēng)險度量。Berkowit（2000）運用VaR模型度量了流動性風(fēng)險，此后Garleanu和Pedersen（2007）、Varotto（2011）等在VaR的基礎(chǔ)上研究了商業(yè)銀行流動性風(fēng)險[21-23]。由于VaR方法存在不滿足次可加性等缺陷，Acerbi和Tasche（2002）提出了風(fēng)險的預(yù)期損失ES測度法 [24]。我國學(xué)者劉曉星和王金定（2010）、任慶華等（2013）也分別利用該方法對商業(yè)銀行流動性風(fēng)險進行了度量[25，26]。李政等（2019）還從尾部視角將預(yù)期損失進行了拓展[27]。雖然ES方法克服了VaR的弊端，消除了尾部風(fēng)險，但目前關(guān)于尾部風(fēng)險缺少統(tǒng)一的計量方法。

綜上分析，可以發(fā)現(xiàn)傳統(tǒng)的比率法一方面忽略了外部環(huán)境的變化;另一方面，部分指標權(quán)重的設(shè)定主觀性較強，降低了該指數(shù)度量的時效性和準確性。流動性缺口法沒有考慮不同期限資產(chǎn)融資能力的差異，也忽略了資產(chǎn)質(zhì)量的差異。CFaR方法雖然引入了外部宏觀經(jīng)濟因子，但是其對資產(chǎn)和負債考察并不全面?？傮w而言，現(xiàn)有研究方法對流動性風(fēng)險的考察相對比較單一，雖然從某一維度上測度了流動性風(fēng)險，但是沒有充分利用資產(chǎn)負債表[28]，而且忽略了外部宏觀環(huán)境的變化，不能實時有效地反映商業(yè)銀行的流動性狀況。為克服這些問題，Brunnermeier等（2011）提出了流動性錯配指數(shù)（LMI），他認為商業(yè)銀行流動性風(fēng)險應(yīng)該同時考慮資產(chǎn)端的市場流動性和負債端的融資性流動性[6]。Bai等（2017）拓展了這一思想并全面構(gòu)建了流動性錯配指數(shù)[29]。因此，本文在他們的基礎(chǔ)上，從期限錯配和流動性錯配的視角，通過建立動態(tài)遞歸模型，并綜合考慮期限因素和市場波動因素后，引入動態(tài)時變的權(quán)重因子來度量和研究我國商業(yè)銀行的流動性風(fēng)險。并通過改進流動性錯配指數(shù)度量方法[6，29]，結(jié)合中國的實際情況，引入債券指數(shù)、資產(chǎn)價格指數(shù)等作為動態(tài)時變的權(quán)重因子，使得流動性錯配指數(shù)LMI能夠?qū)崟r地反映商業(yè)銀行的流動性狀況。并在構(gòu)建流動性錯配指數(shù)的基礎(chǔ)之上分別提出了單因子和多因子壓力測試方法，以便商業(yè)銀行和監(jiān)管機構(gòu)及時發(fā)現(xiàn)商業(yè)銀行流動性風(fēng)險的來源。

二、理論模型：流動性錯配指數(shù)的構(gòu)建

（一）流動性錯配指數(shù)的構(gòu)建思路和原理

流動性錯配指數(shù)（Liquidity Mismatch Index， LMI）是根據(jù)商業(yè)銀行資產(chǎn)負債的結(jié)構(gòu)和差異，按照一定的權(quán)重對資產(chǎn)和負債進行加權(quán)，用以反映資產(chǎn)端和負債端流動性錯配水平的指數(shù)[6]。該指數(shù)反映了銀行或其他金融機構(gòu)在壓力事件時資產(chǎn)變?yōu)椤艾F(xiàn)金等價物”的能力。為構(gòu)建模型需要，假定商業(yè)銀行符合理性人假設(shè)，即符合“自身最優(yōu)假設(shè)”和“對手最優(yōu)假設(shè)”?；诖耍瑯?gòu)建商業(yè)銀行i的LMI如下：

（二）負債端LMI構(gòu)建

三、我國流動性錯配指數(shù)的構(gòu)建及度量

（一）樣本選擇及數(shù)據(jù)說明

由于非上市銀行數(shù)據(jù)存在較大缺失，所以，選取上市銀行作為研究對象。截至2017年一季度，共有24家A股上市銀行，考慮樣本數(shù)據(jù)的長短，剔除2016年上市的6家銀行，因此，選取其中的18家銀行作為研究對象，樣本期選擇為2006Q4—2017Q1。

所有銀行數(shù)據(jù)均來自BankScope，債券、股票以及銀行間同業(yè)拆借利率等相關(guān)金融數(shù)據(jù)均來自Wind，PMI指數(shù)、企業(yè)景氣指數(shù)、CPI指數(shù)以及房地產(chǎn)景氣指數(shù)等宏觀經(jīng)濟數(shù)據(jù)來自國家統(tǒng)計局。在數(shù)據(jù)預(yù)處理方面，對日頻數(shù)據(jù)和月頻數(shù)據(jù)通過季度平均的方式轉(zhuǎn)化為季度數(shù)據(jù)。同時，為消除量綱影響，對時間序列進行標準化處理。

（二）資產(chǎn)端流動性權(quán)重的估計

根據(jù)我國的會計準則以及各類資產(chǎn)的流動性不同，結(jié)合我國商業(yè)銀行自身特點對商業(yè)銀行資產(chǎn)進行分類。

根據(jù)商業(yè)銀行資產(chǎn)的分類，結(jié)合市場運行狀況以及前面的理論基礎(chǔ)，對不同類型的資產(chǎn)賦予不同的流動性權(quán)重。一般而言，現(xiàn)金類資產(chǎn)可以進行直接變現(xiàn)，設(shè)其權(quán)重為1;固定資產(chǎn)、無形資產(chǎn)等不能在短期內(nèi)變現(xiàn)，設(shè)其權(quán)重為0。其他類資產(chǎn)需要進行估算，雖然我國融資融券業(yè)務(wù)中有債券的折算率，但是該折算率有上下限規(guī)定，并且期限較短，因此，不能全面有效地反映不同市場的整體情況。鑒于此，結(jié)合Krishnamurthy等（2015）[30]關(guān)于權(quán)重（1-折扣率）測算方法，根據(jù)資產(chǎn)標的采取相應(yīng)的價格指數(shù)或者景氣指數(shù)作為權(quán)重估算的基準。具體而言，黃金類選擇黃金指數(shù);債券類選擇中證綜合、企業(yè)債、國債、金融債指數(shù);房地產(chǎn)及抵押類貸款選擇國房景氣指數(shù);企業(yè)商業(yè)貸款選擇PMI和企業(yè)景氣指數(shù);消費和零售貸款選擇消費者信心和消費價格指數(shù);結(jié)構(gòu)性產(chǎn)品和權(quán)益類（股票）選擇滬深綜合指數(shù);融資成本選擇shibor-tbill。

（三）負債端流動性權(quán)重的估計

商業(yè)銀行負債即商業(yè)銀行資金來源，主要包括自有資金和吸收的外部資金兩部分。自有資金又稱權(quán)益性資金，外部資金主要包括吸收存款、向中央銀行借款、同業(yè)拆借、金融債券等其他形式的各種籌資，其中吸收存款是最主要的負債。

負債端流動性權(quán)重是期限與利差的函數(shù)，反映了市場流動性的稀缺程度[30]。國外學(xué)者一般采用LIBOR、Tbill和OIS兩兩之差作為流動性溢價的度量[32]。因此，本文采用3個月期銀行間同業(yè)拆借利率與國債收益率利差作為基準，并結(jié)合時間期限對不同期限的負債賦權(quán)，估算負債影響因子。

（四）我國商業(yè)銀行流動錯配指數(shù)（LMI）度量結(jié)果分析

1. 描述性統(tǒng)計分析。根據(jù)構(gòu)建的理論模型以及商業(yè)銀行資產(chǎn)負債表，分別構(gòu)建18家上市商業(yè)銀行在2006Q4-2017Q1期間的LMI指數(shù)。將其分為三組，第一組為5家大型國有商業(yè)銀行（LMIsb），第二組為8家股份制商業(yè)銀行（LMIjb），第三組為5家城市商業(yè)銀行（LMIcb）?；窘y(tǒng)計量見表1。

表1展示了18商業(yè)銀行流動性錯配的描述性統(tǒng)計，結(jié)果顯示不同銀行LMI指數(shù)各不相同，流動性錯配情況差異較大。從2006年四季度以來，上市商業(yè)銀行的流動性錯配指數(shù)并未出現(xiàn)系統(tǒng)性的顯著負值，僅僅是少數(shù)幾家銀行有負值出現(xiàn)，商業(yè)銀行流動性的異質(zhì)性特點突出。從分組情況來看，大型國有商業(yè)銀行的流動錯配指數(shù)均值明顯高于股份制商業(yè)銀行和城商行，表明大型商業(yè)銀行的流動性狀況要優(yōu)于股份制商業(yè)銀行和城商行。大型國有商業(yè)銀行平均流動性錯配指數(shù)為1400.29，股份制商業(yè)銀行為117.78，城商行為93.47。

2. 我國商業(yè)銀行LMI度量結(jié)果分析。根據(jù)構(gòu)建的LMI指數(shù)，將18家商業(yè)銀行的LMI進行匯總，得到銀行業(yè)的LMI指數(shù)（見圖1）。結(jié)果顯示，18家商業(yè)銀行流動性錯配水平在樣本期內(nèi)僅在2008年四季度小于0，呈現(xiàn)出流動性不足現(xiàn)象，規(guī)模約為-0.8萬億人民幣，表明18家商業(yè)銀行該時期內(nèi)存在一定的流動性壓力。另外，在2013年二季度以及2016年一季度，分別呈現(xiàn)出相對的低點，雖然LMI并沒有小于0，但這也在一定程度上表明該時點上銀行業(yè)面臨著不同程度的流動性壓力。

圖2展示了分組情況下的流動性錯配水平，結(jié)果顯示，5家國有大型商業(yè)銀行的LMI指數(shù)顯著高于股份制商業(yè)銀行和城商行，并且只有股份制商業(yè)銀行在2008年四季度的LMI指數(shù)顯著小于0，說明該時點股份制商業(yè)銀行存在顯著的流動性不足問題。

，削弱了橫向的可比性，因此，進一步考察單位資產(chǎn)的流動性敞口比率（LMI/總資產(chǎn)）來分析各組銀行的流動性狀況（如圖3和圖4）。結(jié)果顯示，大型國有商業(yè)銀行、股份制商業(yè)銀行以及城商行流動性敞口占比平均水平分別為9.21%、6.61%、10.72%，銀行業(yè)流動性敞口占比平均水平為8.73%。從度量結(jié)果來看，三組銀行流動性敞口比率平均值均為正，并且國有大型商業(yè)銀行最大，城商行次之，股份制商業(yè)銀行最小，表明我國銀行業(yè)潛在流動性風(fēng)險較低。與此同時，從三組銀行分類來看，僅有股份制商業(yè)銀行低于行業(yè)平均水平，表明股份制商業(yè)銀行潛在流動性風(fēng)險相對較大。

根據(jù)LMI缺口程度顯示，在2008年四季度，銀行業(yè)LMI缺口資金占總資產(chǎn)的比例約為-1.87%，股份制商業(yè)銀行LMI缺口占比高達-24.97%，而同時期的城商行僅為10.16%?？梢?，無論在規(guī)模上，還是在比例上，股份制商業(yè)銀行的潛在壓力程度都要高于國有大型商業(yè)銀行和城商行。

從流動性風(fēng)險形成原因來看，銀行業(yè)在2008Q4、2013Q2、2014Q3、2016Q1存在流動性風(fēng)險均有其特定的原因。尤其是2008年四季度，受全球金融危機影響，我國商業(yè)銀行也出現(xiàn)了不同程度的流動性風(fēng)險，銀行業(yè)流動性錯配缺口達2萬億。雖然在2013Q2、2014Q3、2016Q1時點尚無資金缺口，但是都處于相對低谷位置，存在潛在的流動性風(fēng)險。2013年二季度銀行業(yè)流動性處于階段性低點，主要是受光大銀行與興業(yè)銀行債券違約“黑天鵝”事件影響，導(dǎo)致“銀行錢荒”。受此事件影響，銀行業(yè)流動性趨于緊張，出現(xiàn)階段性潛在流動性風(fēng)險。2014年三、四季度商業(yè)銀行流動性緊張的原因之一是受到政府宏觀調(diào)控的影響，土地出讓減緩并影響到地方政府融資平臺的償還能力。與此同時，房地產(chǎn)業(yè)不景氣，房價連續(xù)六個月下跌進一步加劇了銀行的潛在流動性風(fēng)險。2015年二季度直到2016年一季度，流動性先是上升，然后急轉(zhuǎn)直下，進入流動性緊張階段，主要是受2015年“股災(zāi)”事件影響。由于杠桿資金大規(guī)模入市，推動股票等金融資產(chǎn)價格持續(xù)上漲。當(dāng)股市下跌時，在杠桿效應(yīng)和資產(chǎn)聯(lián)動效應(yīng)作用下，加速了股市的非理性下跌[33]，并引發(fā)了包括債券、基金、期貨等其他金融資產(chǎn)的下跌，降低了商業(yè)銀行資產(chǎn)價值，從而對銀行的流動性形成一定沖擊。

（五）我國商業(yè)銀行流動性風(fēng)險壓力測試

壓力測試與商業(yè)銀行流動性風(fēng)險管理具有天然的匹配性[34]。壓力測試在一定程度上反映了流動性風(fēng)險以及面臨流動性沖擊時銀行系統(tǒng)的穩(wěn)定程度，還可以作為銀行的風(fēng)險預(yù)警指標[29]。2008年金融危機后，各國為加強流動性管理，逐步重視流動性壓力測試。

當(dāng)商業(yè)銀行面臨外部沖擊時，市場會通過時變影響因子影響商業(yè)銀行的流動性，因此，本文通過捕捉影響因子的變動來考察LMI的變化，進而對商業(yè)銀行的流動性風(fēng)險進行壓力測試。同時，仍將銀行分為國有大型商業(yè)銀行、股份制商業(yè)銀行以及城商行三組，并在1σ、1.5σ、2σ和3σ情境下分別對每組銀行進行壓力測試，壓力測試結(jié)果如圖5～8所示。

壓力測試結(jié)果顯示，銀行業(yè)及三組銀行分別在2008年四季度、2013年二季度和2016年一季度出現(xiàn)顯著的流動性缺口，該時間點分別對應(yīng)了2008年金融危機、2013年“錢荒”事件以及2016年股市熔斷暴跌三個重大事件。表明基于流動性錯配指數(shù)的壓力測試有效地捕捉了商業(yè)銀行流動性壓力事件。

四、結(jié)論及建議

以上基于商業(yè)銀行資產(chǎn)負債表，結(jié)合動態(tài)市場因子構(gòu)建了商業(yè)銀行流動性錯配指數(shù)（LMI），考量了市場流動性和融資性流動性;同時，構(gòu)建了我國18家上市商業(yè)銀行在2006Q4-2017Q1期間的流動性錯配指數(shù)（LMI），并分析其流動性風(fēng)險，結(jié)果顯示：（1）構(gòu)建的流動性錯配指數(shù)能夠適時準確地捕捉和刻畫我國商業(yè)銀行的流動性水平，及時反映金融危機、錢荒以及2015年股災(zāi)對銀行業(yè)流動性的沖擊。（2）無論是從流動性錯配缺口規(guī)模，還是從流動性錯配風(fēng)險占總資產(chǎn)的比例來看，股份制商業(yè)銀行的流動性風(fēng)險最高，相對風(fēng)險最小的是國有大型商業(yè)銀行。（3）壓力測試捕捉了重要事件對商業(yè)銀行流動性的沖擊程度以及銀行潛在的流動性風(fēng)險水平，而且股份制商業(yè)銀行、城商行和大型國有商業(yè)銀行應(yīng)對風(fēng)險的能力存在明顯的差異。

鑒此，提出如下政策建議：（1）從商業(yè)銀行的角度來看，一方面，商業(yè)銀行應(yīng)加強內(nèi)部管控，提升創(chuàng)新能力以嚴格控制期限錯配程度，降低潛在的流動性風(fēng)險;另一方面，商業(yè)銀行還應(yīng)關(guān)注宏觀經(jīng)濟形勢和市場資產(chǎn)價格的波動，防止其對商業(yè)銀行流動性產(chǎn)生沖擊。（2）從監(jiān)管的角度來看，一方面，監(jiān)管層應(yīng)綜合考慮商業(yè)銀行不同類型的流動性風(fēng)險，并構(gòu)建更加全面、合理的流動性風(fēng)險監(jiān)管體系，嘗試將LMI作為流動性日常監(jiān)管工具;另一方面，在構(gòu)建LMI的基礎(chǔ)上，監(jiān)管層應(yīng)建立微觀和宏觀層面的壓力測試和預(yù)警機制，以有效地防控流動性風(fēng)險。

注釋：

①?《Basel III：流動性風(fēng)險計量、標準和監(jiān)測的國際標準》。

② 從監(jiān)管者的角度考慮，可以將該成本看做是商業(yè)銀行在貼現(xiàn)窗口的貼現(xiàn)成本。

③ 基于以上LMI構(gòu)建方法，可以構(gòu)建單一銀行和銀行業(yè)兩個層面的LMI，本文從微觀和宏觀兩個層面評估銀行業(yè)抗風(fēng)險的能力。微觀層面是對單一銀行的流動性狀況進行壓力測試，宏觀層面則是對銀行業(yè)系統(tǒng)進行壓力測試。

參考文獻：

[1]?Corneit M M， McNutt J J， Strahan P E， et al. Liquidity risk management and credit supply in the financial crisis[J]. Journal of Financial Economics， 2011， 101（2）： 297-312.

[2] Morris J R. On corporate debt maturity strategies[J]. Journal of Finance， 1976， 31（1）： 29-37.

[3] Diamond D W， Dybvig P H. Bank runs， deposit insurance， and liquidity[J]. Journal of Political Economy， 1983， 91（3）： 401-419.

[4] 費方域，江鵬. 巴塞爾協(xié)議還是貨幣政策？——銀行業(yè)流動性監(jiān)管的政策選擇[J]. 現(xiàn)代管理科學(xué)， 2012（3）： 24-26.

[5] Rajan R S. Banks， maturity mismatches and liquidity crises： a simple model[R]. Working Papers， 2001.

[6] Markus K B， Gorton G， Krishnamurthy A. Risk topography[J]. NBER Macroeconomics Annual， 2012， 26（1）： 149-176.

[7] Banerjee R N. Banking sector liquidity mismatch and the financial crisis[R]. Working Papers， 2012.

[8] Giordana G A， Schumacher I. Bank liquidity risk and monetary policy：empirical evidence on the impact of Basel III liquidity standards[J]. International Review of Applied Economics， 2013， 27（5）： 633-655.

[9] Schmitt E. Liquidity gap report for stress testing structural liquidity risk[J]. International Journal of Financial Management， 2017， 7（4）：44-53.

[10]裘翔. 期限錯配與商業(yè)銀行利差[J]. 金融研究， 2015（5）： 83-100.

[11]彭建剛，王佳，鄒克. 宏觀審慎視角下存貸期限錯配流動性風(fēng)險的識別與控制[J]. 財經(jīng)理論與實踐， 2014， 35（4）： 2-8.

[12]王一鳴，梁志兵. 期限錯配， 流動性危機和資產(chǎn)價格——理論模型和數(shù)值模擬[J]. 南方金融， 2015（3）： 21-26.

[13]易浩. 從期限錯配看商業(yè)銀行流動性風(fēng)險[J]. 金融經(jīng)濟， 2016（6）： 19-23.

[14]Arora A， Kohli H K. Liquidity risk and asset-liability management： a comparative study of public and private sector banks[J]. IUP Journal of Applied Finance， 2018， 24（4）：18-23.

[15]鐘永紅，曹丹蕊. 中國上市銀行流動性風(fēng)險綜合評價[J]. 金融論壇， 2013 （1）： 15-19.

[16]劉志洋，宋玉穎. 商業(yè)銀行流動性風(fēng)險與系統(tǒng)性風(fēng)險貢獻度[J]. 南開經(jīng)濟研究， 2015， 1（1）：131-143.

[17]Imola D. Financial risks analysis for a commercial bank in the romanian banking system[J]. Annales Universitatis Apulensis： Series Oeconomica， 2012， 14（1）： 164.

[18]沈沛龍，閆照軒. 商業(yè)銀行流動性缺口管理的改進方法及實證分析[J]. 金融論壇， 2011， 16（3）： 10-15.

[19]Andrén N， Jankensgrd H， Oxelheim L. Exposure-based cash-flow-at-risk： an alternative to VaR for industrial companies[J]. Journal of Applied Corporate Finance， 2005， 17（3）： 76-86.

[20]Fall M， Viviani J L. A new multi-factor risk model to evaluate funding liquidity risk of banks[J]. European Journal of Finance， 2016， 22（11）： 985-1003.

[21]Berkowitz J. Incorporating liquidity risk into value-at-risk models[J]. Journal of Derivatives， 2000，5：32-44.

[22]Garleanu N， Pedersen L H. Liquidity and risk management[J]. American Economic Review， 2007， 97（2）： 193-197.

[23]Varotto S. Liquidity risk， credit risk， market risk and bank capital[J]. International Journal of Managerial Finance， 2011， 7（2）： 134-152.

[24]Acerbi C， Tasche D. On the coherence of expected shortfall[J]. Journal of Banking & Finance， 2002， 26（7）： 1487-1503.

[25]劉曉星，王金定. 我國商業(yè)銀行流動性風(fēng)險研究——基于 Copula 和高階 ES 測度的分析[J]. 廣東商學(xué)院學(xué)報， 2010， 25（5）： 26-33.

[26]任慶華，陳平，李科. 商業(yè)銀行流動性風(fēng)險的信貸維度分解： 模型與實證[J]. 金融經(jīng)濟學(xué)研究， 2013（2）： 120-128.

[27]李政，梁琪，方意. 中國金融部門間系統(tǒng)性風(fēng)險溢出的監(jiān)測預(yù)警研究——基于下行和上行ΔCoES指標的實現(xiàn)與優(yōu)化[J]. 金融研究， 2019（2）：40-58.

[28]Hanson S G， Shleifer A， Stein J C， et al. Banks as patient fixed-income investors[J]. Journal of Financial Economics， 2015， 117（3）： 449-469.

[29]Bai J， Krishnamurthy A， Weymuller C H. Measuring liquidity mismatch in the banking sector[J]. Journal of Finance， 2018， 73（1）： 51-93.

[30]Krishnamurthy A， Vissing-Jorgensen A. The impact of treasury supply on financial sector lending and stability[J]. Journal of Financial Economics， 2015， 118（3）： 571-600.

[31]Hutton A P， Marcus A J， Tehranian H. Opaque financial reports， R2， and crash risk[J]. Journal of Financial Economics， 2009， 94（1）： 67-86.

[32]Gallitschke J， Seifried S， Seifried F T. Interbank interest rates： funding liquidity risk and XIBOR basis spreads[J]. Journal of Banking & Finance， 2017， 78：142-152.

[33]Praet P， Herzberg V. Market liquidity and banking liquidity： linkages， vulnerabilities and the role of disclosure[J]. Banque de France Financial Stability Review， 2008（2）：95-109.

[34]Matz L， Neu P. Liquidity risk measurement and management： a practitioner's guide to global best practices[M]. John Wiley & Sons， 2006.

（責(zé)任編輯：寧曉青）