陳憲，尹柏楊

地方政府債券對(duì)上市地方商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)的影響

陳憲，尹柏楊

（中南大學(xué) 商學(xué)院，湖南 長(zhǎng)沙 410083）

基于2009—2018年地方政府債券規(guī)模及上市地方商業(yè)銀行的數(shù)據(jù)，通過(guò)主成分分析法構(gòu)建商業(yè)銀行流動(dòng)性衡量指標(biāo)，分析地方政府債券發(fā)行對(duì)商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)的影響。結(jié)果表明：商業(yè)銀行流動(dòng)性指標(biāo)的滯后項(xiàng)與商業(yè)銀行流動(dòng)性指標(biāo)在1%顯著性水平下存在明顯的正相關(guān)關(guān)系，證明商業(yè)銀行流動(dòng)性存在明顯的時(shí)間慣性；商業(yè)銀行流動(dòng)性與地方政府債券規(guī)模之間在5%顯著性水平下存在負(fù)相關(guān)關(guān)系，地方政府債券規(guī)模每增加1個(gè)單位，商業(yè)銀行流動(dòng)性指標(biāo)下降0.075個(gè)單位，證明地方政府債券發(fā)行會(huì)明顯增加商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)。此外，商業(yè)銀行流動(dòng)性指標(biāo)與GDP、貨幣存量M2也存在正相關(guān)關(guān)系。

地方政府債券；商業(yè)銀行；流動(dòng)性風(fēng)險(xiǎn)

一、問(wèn)題的提出

截至2019年，我國(guó)地方政府債務(wù)余額共計(jì)18.39萬(wàn)億元，政府債務(wù)率約為77%，國(guó)際通用的政府債務(wù)率警戒線是100%～120%。盡管地方政府債務(wù)率數(shù)據(jù)離警戒線還有一段距離，但由于違規(guī)舉債而導(dǎo)致風(fēng)險(xiǎn)不可控的事件頻頻發(fā)生，所以僅僅以債務(wù)率為參考，沒(méi)有很大的實(shí)際意義。商業(yè)銀行是當(dāng)前我國(guó)地方政府債券的主要債權(quán)人，隨著債券份額的不斷增加，商業(yè)銀行的經(jīng)營(yíng)模式以及風(fēng)險(xiǎn)管理都將面臨巨大挑戰(zhàn)。尤其是在當(dāng)前經(jīng)濟(jì)新常態(tài)下，我國(guó)實(shí)施了放緩經(jīng)濟(jì)增速的政策，商業(yè)銀行不良貸款率不斷飆升，加大了商業(yè)銀行的流動(dòng)性風(fēng)險(xiǎn)。考察地方政府債券對(duì)商業(yè)銀行流動(dòng)性的影響，對(duì)于提高我國(guó)商業(yè)銀行流動(dòng)性管理水平有著重要的現(xiàn)實(shí)意義。

學(xué)界對(duì)地方政府與商業(yè)銀行之間的關(guān)系進(jìn)行了廣泛研究。熊琛和金昊通過(guò)建立地方政府債務(wù)及銀行的非線性 DSGE 模型研究認(rèn)為，兩者之間存在的風(fēng)險(xiǎn)呈“正向”互相影響，地方債務(wù)違約率的增加，也會(huì)增加銀行體系的風(fēng)險(xiǎn)，進(jìn)而影響我國(guó)實(shí)體經(jīng)濟(jì)；而銀行體系的風(fēng)險(xiǎn)相應(yīng)地也會(huì)影響地方債務(wù)風(fēng)險(xiǎn)[1]。謝思全和白艷娟研究認(rèn)為，地方政府要為轄區(qū)內(nèi)的民眾提供公共品，在資金不足的情況下就會(huì)利用政府融資平臺(tái)，將土地作為抵押物，而商業(yè)銀行又在一定程度上受政府限制，從而向其提供貸款[2]。易浩研究認(rèn)為，隨著土地價(jià)格不斷升高，地方政府需要獲得更多的銀行貸款，會(huì)形成不斷擴(kuò)張的“信貸 - 債務(wù)”泡沫，并且政府投資項(xiàng)目周期和貸款期限較長(zhǎng)，商業(yè)銀行流動(dòng)性難免受到影響[3]。高躍光研究表明，一旦地方政府未能按時(shí)償還信貸資金，就會(huì)對(duì)商業(yè)銀行的流動(dòng)性造成影響[4]。賈康等研究認(rèn)為，隨著地方政府債務(wù)規(guī)模的不斷擴(kuò)大，商業(yè)銀行的流動(dòng)性管理壓力也會(huì)變大，并且這一影響還會(huì)擴(kuò)散到周邊城市[5]。Arora和Kohli使用流動(dòng)性比例及存貸比指標(biāo)來(lái)考察商業(yè)銀行的流動(dòng)性，認(rèn)為這兩個(gè)指標(biāo)與商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)呈“負(fù)相關(guān)”關(guān)系[6]。Jennie Bai 等則利用商業(yè)銀行公布的資產(chǎn)負(fù)債表中的資金流動(dòng)、流動(dòng)性缺口等等考察了商業(yè)銀行的流動(dòng)性[7]。

文獻(xiàn)梳理表明，以往研究考察地方政府債券對(duì)商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)的影響，多是通過(guò)地方政府融資平臺(tái)與商業(yè)銀行的貸款之間的關(guān)系得出結(jié)論[8]；衡量商業(yè)銀行流動(dòng)性大多采用存貸比等單一指標(biāo)[9]。鑒于商業(yè)銀行流動(dòng)性的影響因素多樣化，往往不僅僅是單一的或者幾個(gè)相關(guān)度不高的指標(biāo)能夠準(zhǔn)確衡量的，為此，筆者擬采用因子分析法，構(gòu)建流動(dòng)性綜合衡量指標(biāo)來(lái)分析地方政府債券對(duì)商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)的影響。

二、理論基礎(chǔ)與研究假設(shè)

分稅制改革后，地方政府財(cái)政收入大幅縮水，而地方財(cái)政支出卻隨著城市化進(jìn)程逐年增長(zhǎng)。為滿足財(cái)政支出不斷增長(zhǎng)的需求，地方政府必須找到更多的融資方法，債券融資便應(yīng)運(yùn)而生[10]。對(duì)商業(yè)銀行而言，地方政府信用等級(jí)較其他客戶更高，并且商業(yè)銀行在一定程度上受地方政府的控制，同時(shí)，政府的財(cái)政資金對(duì)銀行來(lái)說(shuō)也是一筆規(guī)模巨大的可以獲得穩(wěn)定收益的資金，并且地方政府債券與企業(yè)債券或者是其他債券相比，風(fēng)險(xiǎn)小了許多，所以商業(yè)銀行也更愿意將存款提供給地方政府。雖然我國(guó)中央政府對(duì)地方政府的監(jiān)管十分有效，但由于民眾對(duì)政府的約束力較小，且他們往往因公共品帶來(lái)的效益而對(duì)政府所采取的不合理行為有所忽視，因此某些地方官員為謀求自身政績(jī)，通常就會(huì)進(jìn)行不計(jì)后果的大規(guī)模舉債行為。而這些債務(wù)很可能又會(huì)留給下一任官員，隨著債務(wù)不斷積累，還款能力也會(huì)下降，難免會(huì)對(duì)商業(yè)銀行的流動(dòng)性造成影響[11]。

結(jié)合我國(guó)地方政府的借款原因以及特點(diǎn)，可知地方政府發(fā)行債券是在其進(jìn)行各項(xiàng)基礎(chǔ)建設(shè)且資金不足的條件下發(fā)生的，它主要是依靠土地和政府的信用作為還款能力的保證[12]。地方政府的還款能力與房地產(chǎn)行業(yè)密切相關(guān)。如果房地產(chǎn)價(jià)格下滑較大，地方政府正常償還原有信貸資金的壓力增大，因此也無(wú)法繼續(xù)征收土地。如果在這種情形下地方政府還繼續(xù)擴(kuò)大債務(wù)規(guī)模，勢(shì)必會(huì)形成惡性循環(huán)。房地產(chǎn)行業(yè)的經(jīng)營(yíng)能力也會(huì)受到影響，還款能力將會(huì)變?nèi)?。商業(yè)銀行的流動(dòng)性變化會(huì)從地方政府和房地產(chǎn)兩個(gè)方面體現(xiàn)出來(lái)。如果房地產(chǎn)價(jià)格上漲，地方政府基于獲取穩(wěn)定收益的預(yù)期，將會(huì)積極地在借款、投資、盈利、還款及再借款這五個(gè)步驟之間不斷循環(huán)，相應(yīng)的融資規(guī)模也擴(kuò)大了很多，并且商業(yè)銀行也能從這個(gè)過(guò)程中獲取一定收益，因此采取對(duì)地方政府的借款行為更為配合的策略。但與此同時(shí)，土地價(jià)格居高不下，借貸規(guī)模不斷飆升，最終形成資產(chǎn)泡沫。一旦資金鏈出現(xiàn)斷裂，商業(yè)銀行的經(jīng)營(yíng)狀況和流動(dòng)性都將受到巨大沖擊。

基于以上分析，提出以下假設(shè)：

H1：地方政府債券發(fā)行加大了商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)

王欣研究認(rèn)為，商業(yè)銀行流動(dòng)性存在明顯的時(shí)間慣性[13]。劉精山等構(gòu)建商業(yè)銀行流動(dòng)性錯(cuò)配指數(shù)，通過(guò)壓力測(cè)試發(fā)現(xiàn)我國(guó)商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)存在時(shí)變性[14]。在世界經(jīng)濟(jì)環(huán)境存在諸多不確定因素的背景下，我國(guó)也逐步進(jìn)入風(fēng)險(xiǎn)釋放期，地方政府債務(wù)、房地產(chǎn)泡沫等業(yè)務(wù)均與商業(yè)銀行存在著密切關(guān)系[15]，一旦某一環(huán)節(jié)出現(xiàn)問(wèn)題，將引發(fā)連鎖反應(yīng)，在接下來(lái)的很長(zhǎng)一段時(shí)間內(nèi)都會(huì)影響商業(yè)銀行的流動(dòng)性。

基于以上分析，提出以下假設(shè)：

H2：商業(yè)銀行流動(dòng)性指標(biāo)的滯后項(xiàng)與商業(yè)銀行流動(dòng)性指標(biāo)存在著正相關(guān)關(guān)系

三、研究設(shè)計(jì)

1．流動(dòng)性綜合評(píng)價(jià)指標(biāo)的構(gòu)建

我國(guó)商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)的成因眾多，無(wú)法使用某一個(gè)單獨(dú)的指標(biāo)去衡量。因此，本研究基于我國(guó)商業(yè)銀行實(shí)際經(jīng)營(yíng)情況，分析影響它們流動(dòng)性的各個(gè)相關(guān)指標(biāo)，并運(yùn)用因子分析法對(duì)商業(yè)銀行的流動(dòng)性狀況進(jìn)行綜合衡量，得出相關(guān)指標(biāo)對(duì)商業(yè)銀行流動(dòng)性影響的權(quán)重，構(gòu)建出合理有效的流動(dòng)性綜合評(píng)價(jià)指標(biāo)。

根據(jù)眾多學(xué)者的觀點(diǎn)，從商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)能力、商業(yè)銀行的資產(chǎn)質(zhì)量、商業(yè)銀行負(fù)債來(lái)源的穩(wěn)定程度和商業(yè)銀行資產(chǎn)期限配置四方面，挑選出6個(gè)綜合性評(píng)價(jià)指標(biāo)來(lái)衡量我國(guó)上市地方商業(yè)銀行的流動(dòng)性，具體指標(biāo)、計(jì)算公式和作用方向詳見(jiàn)表1。若指標(biāo)是“正向”作用，意味著它的數(shù)值越大，商業(yè)銀行流動(dòng)性狀況越好。

表1　流動(dòng)性綜合評(píng)價(jià)指標(biāo)

2．?dāng)?shù)據(jù)處理與可行性分析

本研究選取我國(guó)9家上市商業(yè)銀行2009—2018年的數(shù)據(jù)作為研究對(duì)象。所有數(shù)據(jù)都取自wind數(shù)據(jù)庫(kù)。將研究對(duì)象中各負(fù)向數(shù)據(jù)取倒數(shù)，使它們統(tǒng)一為正向指標(biāo)。也就是說(shuō)各因子與商業(yè)銀行的流動(dòng)性狀況“正相關(guān)”，流動(dòng)性綜合衡量因子分?jǐn)?shù)越高，商業(yè)銀行的流動(dòng)性風(fēng)險(xiǎn)越小。流動(dòng)性指標(biāo)正向化后的描述性統(tǒng)計(jì)特征如表2所示。

表2　流動(dòng)性指標(biāo)正向化描述性統(tǒng)計(jì)結(jié)果

可以看出，6個(gè)流動(dòng)性指標(biāo)的標(biāo)準(zhǔn)差差異十分顯著，因此有必要對(duì)這些指標(biāo)采取標(biāo)準(zhǔn)化處理以剔除較大方差對(duì)因子載荷有效性的影響。對(duì)相應(yīng)數(shù)據(jù)進(jìn)行Kaiser-Meyer-Olkin相關(guān)性檢驗(yàn)顯示，檢驗(yàn)結(jié)果為0.7326，可以進(jìn)行因子分析。

3．因子的提取

本研究運(yùn)用SPSS進(jìn)行因子分析，結(jié)果如表3所示，其中，因子1、因子2、因子3的特征值都大于1，并且這3個(gè)主因子的特征值方差貢獻(xiàn)率為74.02%，能夠充分反映商業(yè)銀行的流動(dòng)性狀況。隨后將這幾個(gè)因子再旋轉(zhuǎn)求平方和，它們各自的方差貢獻(xiàn)率雖有些許變動(dòng)，但總的累計(jì)方差貢獻(xiàn)率依舊是74.02%，因此選取這三個(gè)因子作為衡量商業(yè)銀行流動(dòng)性綜合評(píng)價(jià)指標(biāo)的主要成分。

表3　正向變化指標(biāo)描述性統(tǒng)計(jì)

指標(biāo)與因子之間的關(guān)聯(lián)程度通過(guò)因子載荷的數(shù)值體現(xiàn)出來(lái)，該數(shù)值越小，說(shuō)明指標(biāo)對(duì)因子的代表性越弱。使用最大方差法對(duì)因子載荷矩陣進(jìn)行旋轉(zhuǎn)，結(jié)果如表4所示。

表4　旋轉(zhuǎn)后因子載荷矩陣的結(jié)果表

根據(jù)表4可知，旋轉(zhuǎn)后的因子載荷呈局部集中狀態(tài)，可根據(jù)各因子相關(guān)的高載荷指標(biāo)推斷其經(jīng)濟(jì)含義，并以此為因子命名。第一主因子（F1）的相關(guān)高載荷指標(biāo)主要有同業(yè)錯(cuò)配指數(shù)、資本充足率、存貸比，主要反映商業(yè)銀行的期限結(jié)構(gòu)，可命名為期限結(jié)構(gòu)因子；第二主因子（F2）的相關(guān)高載荷指標(biāo)為存款結(jié)構(gòu)比率和同業(yè)負(fù)債比，反映商業(yè)銀行的資金來(lái)源穩(wěn)定性狀況，可命名為資金來(lái)源穩(wěn)定性因子；第三主因子（F3）的相關(guān)高載荷指標(biāo)為不良貸款率，反映商業(yè)銀行資產(chǎn)端的流動(dòng)性狀況，可命名為資產(chǎn)流動(dòng)性因子。

通過(guò)上面的分析，依據(jù)這三個(gè)因子的差異權(quán)重（表5），本研究將其作為衡量地方商業(yè)銀行流動(dòng)性的綜合評(píng)價(jià)指標(biāo)。

表5　三個(gè)因子的旋轉(zhuǎn)結(jié)果表

4．模型和變量選擇

本研究利用面板數(shù)據(jù)來(lái)分析我國(guó)商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)的影響因素，選擇如下模型：

，==+βX，t+βX，+……βXi+ε，t

其中，=1，2…代表同一時(shí)間截面上的個(gè)個(gè)體成員，=1，2…，代表個(gè)時(shí)間截面。

為研究地方政府債券對(duì)商業(yè)銀行流動(dòng)性的影響，選擇如下模型：

，=+1，+2，+3，+4，+5，+6，+ε，

根據(jù)對(duì)商業(yè)銀行流動(dòng)性影響因素的綜合分析，同時(shí)考慮我國(guó)整體經(jīng)濟(jì)政策以及各銀行自身經(jīng)營(yíng)狀況等情況，選取的變量如表6所示。其中包括以下控制變量：地方政府債券利率用衡量，宏觀經(jīng)濟(jì)狀況用來(lái)衡量，宏觀貨幣政策用來(lái)衡量，銀行的資產(chǎn)規(guī)模用來(lái)衡量，銀行的信貸規(guī)模用來(lái)衡量。為上文所計(jì)算出來(lái)的商業(yè)銀行流動(dòng)性綜合評(píng)價(jià)指標(biāo)。

表6　變量及其定義

5．平穩(wěn)性檢驗(yàn)

面板數(shù)據(jù)雖然減輕了數(shù)據(jù)的非平穩(wěn)性，使得變量的相關(guān)性降低，但依然可能還是非平穩(wěn)數(shù)據(jù)，存在單位根，這樣會(huì)造成偽回歸。一般經(jīng)濟(jì)變量如、等，都是存在時(shí)間趨勢(shì)，或是有截距項(xiàng)的。一個(gè)時(shí)間序列剔除了不變的均值（可視為截距）和時(shí)間趨勢(shì)以后，剩余的序列為零均值，同方差，即白噪聲。因此單位根檢驗(yàn)時(shí)有三種檢驗(yàn)?zāi)Ｊ剑杭扔汹厔?shì)又有截距、只有截距、以上都無(wú)。因此為了避免偽回歸，確保估計(jì)結(jié)果的有效性，必須對(duì)各面板序列的平穩(wěn)性進(jìn)行檢驗(yàn)。而檢驗(yàn)數(shù)據(jù)平穩(wěn)性最常用的辦法就是單位根檢驗(yàn)。本研究分別采用LLC、HT、IPS準(zhǔn)則對(duì)面板數(shù)據(jù)的平穩(wěn)性進(jìn)行單位根檢驗(yàn)，結(jié)果見(jiàn)表7。

表7　平穩(wěn)性檢驗(yàn)結(jié)果

***<0.01, **<0.05, *<0.1

通過(guò)單位根檢驗(yàn)結(jié)果，可以發(fā)現(xiàn)，依據(jù)大多數(shù)準(zhǔn)則，本研究所選取的核心變量之間都是符合同階單整條件的，可以進(jìn)一步通過(guò)協(xié)整檢驗(yàn)等方法檢驗(yàn)變量間的長(zhǎng)期均衡關(guān)系。

四、實(shí)證研究及其結(jié)果分析

1．模型回歸結(jié)果及解釋

在通過(guò)平穩(wěn)性檢驗(yàn)的基礎(chǔ)上，本研究根據(jù)模型設(shè)定及相關(guān)數(shù)據(jù)的獲得情況，分別采用固定效應(yīng)、隨機(jī)效應(yīng)、混合OLS模型三種方法實(shí)證分析地方政府債券對(duì)商業(yè)銀行流動(dòng)性的影響，并運(yùn)用豪斯曼檢驗(yàn)分析模型是否實(shí)用，回歸結(jié)果如表8所示：

表8　模型回歸結(jié)果

***<0.01, **<0.05, *<0.1

進(jìn)一步進(jìn)行豪斯曼檢驗(yàn)顯示，可以在5%顯著性水平下拒絕原假設(shè)，證明應(yīng)該采用固定效應(yīng)模型。回歸結(jié)果表明：

我國(guó)商業(yè)銀行的流動(dòng)性風(fēng)險(xiǎn)明顯受地方政府債券規(guī)模影響并呈負(fù)相關(guān)關(guān)系，地方政府債券發(fā)行規(guī)模每增加1個(gè)單位，商業(yè)銀行流動(dòng)性水平值減少0.167個(gè)單位。這說(shuō)明商業(yè)銀行作為地方政府債券最大的投資者，隨著地方政府舉債量的增加，銀行向其投資的金額也越大，而地方政府債券期限多為中長(zhǎng)期，較銀行其他類投資而言時(shí)間更長(zhǎng)，這就使商業(yè)銀行流動(dòng)性水平下降，流動(dòng)性風(fēng)險(xiǎn)上升；地方政府債券發(fā)行利率對(duì)我國(guó)上市地方商業(yè)銀行流動(dòng)性水平的影響不大，其中的原因可能是利率風(fēng)險(xiǎn)不會(huì)影響商業(yè)銀行的資產(chǎn)配置，或是商業(yè)銀行流動(dòng)性對(duì)于利率變化的反饋不及時(shí)不敏感；與商業(yè)銀行的流動(dòng)性狀況顯著正相關(guān)，即地區(qū)經(jīng)濟(jì)越發(fā)達(dá)，商業(yè)銀行的流動(dòng)性狀況越好；貨幣供應(yīng)量與商業(yè)銀行流動(dòng)性狀況之間存在正相關(guān)關(guān)系，貨幣供應(yīng)量越充足，商業(yè)銀行流動(dòng)性水平越好；商業(yè)銀行資產(chǎn)規(guī)模和流動(dòng)性水平之間的關(guān)系不顯著。研究結(jié)果驗(yàn)證了H1。

2．內(nèi)生性問(wèn)題處理

分別采用OLS模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行了分析，并且通過(guò)豪斯曼檢驗(yàn)，確定采用固定效應(yīng)模型估計(jì)效果最優(yōu)。但是，即使通過(guò)減去均值的估計(jì)方法，依然發(fā)現(xiàn)其可能存在內(nèi)生性。要解決此問(wèn)題，常用方法為動(dòng)態(tài)面板數(shù)據(jù)估計(jì)。動(dòng)態(tài)面板數(shù)據(jù)估計(jì)方法包括差分GMM（difference gmm）估計(jì)和系統(tǒng)GMM（system gmm）估計(jì)，其中差分GMM采用的方法是首先將固定效應(yīng)去掉，因?yàn)楣潭ㄐ?yīng)和的滯后項(xiàng)相關(guān)。相比靜態(tài)面板模型，動(dòng)態(tài)面板模型最主要的特征是在控制變量中加入的滯后項(xiàng)，其模型如下所示：

Yi,t=αYi,t-1+βXi,t+α1+εi，t

根據(jù)本研究所選用的變量，可以將差分GMM模型設(shè)置為：

Fi，t= α+α1Fi，t -1+β1LDi，t+β2RATEi，t+β3GDPi，t+β4M2Ri，t+β5SIZEi，t+β6LAi，t+εi，t

首先采用差分GMM模型對(duì)地方政府債券和商業(yè)銀行流動(dòng)性之間的關(guān)系進(jìn)行分析，結(jié)果如表9所示：

表9　差分GMM模型回歸結(jié)果

***<0.01, **<0.05, *<0.1

回歸結(jié)果表明：商業(yè)銀行流動(dòng)性指標(biāo)的滯后項(xiàng)與商業(yè)銀行流動(dòng)指標(biāo)在1%顯著性水平下存在明顯的正相關(guān)關(guān)系，證明商業(yè)銀行流動(dòng)性存在明顯的時(shí)間慣性；商業(yè)銀行流動(dòng)性與地方政府債券規(guī)模之間在5%顯著性水平下存在負(fù)相關(guān)關(guān)系，證明地方政府債券發(fā)行會(huì)明顯增加商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)；商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)與GDP之間存在顯著的正相關(guān)關(guān)系；貨幣存量越大、商業(yè)銀行資產(chǎn)規(guī)模越大，商業(yè)銀行的流動(dòng)性越強(qiáng)。

鑒于一階差分GMM估計(jì)方法容易受到弱工具變量的影響而得到有偏的估計(jì)結(jié)果，Blundell和Bond等提出了另外一種更加有效的方法，即系統(tǒng)GMM估計(jì)方法[16]。系統(tǒng)GMM模型的具體做法是將水平回歸方程和差分回歸方程結(jié)合起來(lái)進(jìn)行估計(jì)，在這種估計(jì)方法中，滯后水平作為一階差分的工具變量，而一階差分又作為水平變量的工具變量。采用系統(tǒng)GMM模型估計(jì)的商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)和地方政府債券發(fā)行規(guī)模之間關(guān)系的結(jié)果如表10所示：

表10　系統(tǒng)GMM 模型回歸結(jié)果

***<0.01, **<0.05, *<0.1

系統(tǒng)GMM模型結(jié)果顯示：商業(yè)銀行流動(dòng)性指標(biāo)的滯后項(xiàng)與商業(yè)銀行流動(dòng)指標(biāo)在1%顯著性水平下存在明顯的正相關(guān)關(guān)系，證明商業(yè)銀行流動(dòng)性存在明顯的時(shí)間慣性；商業(yè)銀行流動(dòng)性與地方債務(wù)規(guī)模之間在5%顯著性水平下存在負(fù)相關(guān)關(guān)系，地方政府債券規(guī)模每增加1個(gè)單位，商業(yè)銀行流動(dòng)性指標(biāo)下降0.075個(gè)單位，證明地方政府債券發(fā)行會(huì)明顯增加商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)；商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)與GDP規(guī)模之間存在顯著的正相關(guān)關(guān)系；貨幣存量越大、商業(yè)銀行信貸規(guī)模越大，商業(yè)銀行的流動(dòng)性越強(qiáng)。研究結(jié)果驗(yàn)證了H2。系統(tǒng)GMM和差分GMM結(jié)果基本保持一致，證明了研究結(jié)果的穩(wěn)健性。

五、結(jié)論及建議

本研究利用因子分析法構(gòu)建了綜合指標(biāo)用以衡量商業(yè)銀行流動(dòng)性。在此基礎(chǔ)上，利用面板數(shù)據(jù)回歸模型分析可以得出以下結(jié)論：現(xiàn)階段我國(guó)商業(yè)銀行流動(dòng)性主要受地方政府債券規(guī)模、GDP、經(jīng)濟(jì)增速的影響。商業(yè)銀行流動(dòng)性存在著時(shí)間慣性，地方政府債券發(fā)行規(guī)模與商業(yè)銀行流動(dòng)性呈負(fù)相關(guān)關(guān)系，隨著地方政府債券規(guī)模的擴(kuò)大，商業(yè)銀行流動(dòng)性管理壓力也會(huì)增加；GDP和經(jīng)濟(jì)增速與商業(yè)銀行流動(dòng)性呈正相關(guān)關(guān)系，隨著我國(guó)經(jīng)濟(jì)的增長(zhǎng)，商業(yè)銀行的流動(dòng)性狀況也會(huì)得以改善。

結(jié)合上述研究結(jié)論，提出如下建議：

（1）實(shí)現(xiàn)商業(yè)銀行多元化經(jīng)營(yíng)。在商業(yè)銀行配置規(guī)模巨大的地方政府債券的現(xiàn)狀下，實(shí)現(xiàn)多方面經(jīng)營(yíng)不僅僅能夠分散投資過(guò)程中的各項(xiàng)風(fēng)險(xiǎn)，還能夠改善資產(chǎn)負(fù)債錯(cuò)配的情況，能有效降低流動(dòng)性風(fēng)險(xiǎn)。

（2）加大地方政府債券流動(dòng)性。增加地方政府債券發(fā)行頻率及期限種類以滿足不同投資者的偏好。改善地方二級(jí)債券市場(chǎng)的流動(dòng)性，可以刺激更多投資者進(jìn)入二級(jí)市場(chǎng)，進(jìn)而改善商業(yè)銀行流動(dòng)性狀況。

（3）規(guī)范地方政府債券管理，對(duì)數(shù)額巨大的地方政府債券摸底，貫徹問(wèn)責(zé)機(jī)制。加大對(duì)地方政府融資平臺(tái)的監(jiān)督力度，將地方政府的融資規(guī)模限制在一定范圍之內(nèi)，以使其不至于失控。

[1] 熊琛，金昊．地方政府債務(wù)風(fēng)險(xiǎn)與金融部門(mén)風(fēng)險(xiǎn)的“雙螺旋”結(jié)構(gòu)——基于非線性 DSGE 模型的分析[J]．中國(guó)工業(yè)經(jīng)濟(jì)，2018(12)：23-41．

[2] 謝思全，白艷娟．地方政府融資平臺(tái)的舉債行為及其影響分析——雙沖動(dòng)下的信貸加速器效應(yīng)分析[J]．經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2013(1)：60-68．

[3] 易浩．從期限錯(cuò)配看商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)[J]．金融經(jīng)濟(jì)，2016(6)：46-49．

[4] 高躍光．地方政府債務(wù)對(duì)銀行信貸風(fēng)險(xiǎn)的外溢研究[D]．昆明：云南財(cái)經(jīng)大學(xué)，2017．

[5] 賈康，劉微，張立承，等．我國(guó)地方政府債務(wù)風(fēng)險(xiǎn)和對(duì)策[J]．經(jīng)濟(jì)研究參考，2010(14)：2-28．

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

[7] Jennie Bai，Arvind Krishnamurthy，Charles-Henri Weymuller．Measuring Liquidity Mismatch in the Banking Sector[J]．The Journal of Finance，2018，73(1)：61．

[8] 地方政府融資平臺(tái)貸款的風(fēng)險(xiǎn)及其影響因素研究[D]. 北京：中國(guó)農(nóng)業(yè)大學(xué)，2014．

[9] 周林．我國(guó)商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)管理研究[J]．金融研究，1998(3)：52-55．

[10] 張文娟．我國(guó)商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)因素分析[J]．山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2013(S2)：29．

[11] 楊錦，曾鳴．我國(guó)的商業(yè)銀行流動(dòng)性指標(biāo)探析[J]．浙江金融，2007(8)：33．

[12] 劉忠，汪仁潔．當(dāng)前地方政府債務(wù)所蘊(yùn)藏的金融風(fēng)險(xiǎn)及其防范[J]．云南社會(huì)科學(xué)，2014(2)：80-84．

[13] 王欣．商業(yè)銀行流動(dòng)性的影響因素研究[J]．中國(guó)市場(chǎng)，2019(7)：40-42．

[14] 劉精山，趙沛，田靜．基于時(shí)變模型的商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)度量研究[J]．財(cái)經(jīng)理論與實(shí)踐，2019，40(6)：16-23.

[15] 郭甦，許爭(zhēng)．商業(yè)銀行的流動(dòng)性風(fēng)險(xiǎn)是否存在順周期特征?——一個(gè)來(lái)自中國(guó)的證據(jù)[J].金融與經(jīng)濟(jì)，2017 (5)：26-31．

[16] Richard Blundell，Stephen Bond．Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of Econometrics，1998，87(1)：115-143．

Impact of local government bonds on listed local commercial banks’ liquidity risks

CHEN Xian, YIN Baiyang

(Business School of Central South University, Changsha Hunan, 410083)

Based on the data of the scale of local government bonds and listed local commercial banks from 2009 to 2018, the article analyzes the impact of issuing local government bonds on commercial banks' liquidity risks. by constructing commercial banks’ liquidity indexes through principal component analysis. Empirical results show a significant positive correlation exists between the lagged item of the commercial bank’s’ liquidity index and the commercial bank’s liquidity index at the 1% significance level, proving the existence of a significant time inertia in the commercial bank liquidity; and a negative correlation between the commercial banks’ liquidity and the scale of local government bonds at a 5% significance level. For every 1 unit increase in the size of local government bonds, the liquidity index of commercial banks decreases by 0.075 units, demonstrating that issuing local government bonds will evidently increase the commercial banks’ liquidity risks. Additionally, a positive correlation can also be found among the commercial banks’ liquidity index the scale of GDP and the currency stock M2.

local government bonds; commercial banks; liquidity risks

F832.5

A

1009–2013(2020)03–0067–07

10.13331/j.cnki.jhau(ss).2020.03.009

2020－04－10

湖南省智庫(kù)項(xiàng)目（18ZWA10）

陳憲（1969—），男，湖南常寧人，研究員，管理學(xué)博士，主要研究方向?yàn)榱炕顿Y、公司金融。

責(zé)任編輯：曾凡盛