常靖函 楊雯迪

摘 要：本文以我國16家商業(yè)銀行2008—2018年的年度數(shù)據(jù)為樣本，引入數(shù)字普惠金融這一變量，研究了銀行流動性比率和系統(tǒng)性風險的關(guān)系以及數(shù)字金融的調(diào)節(jié)作用機制。首先，本文構(gòu)建了流動性比率作為商業(yè)銀行流動性風險的指標，以條件再險價值作為系統(tǒng)性風險的指標。其次，本文利用數(shù)字普惠金融指數(shù)作為流動性風險的調(diào)節(jié)變量，研究其對系統(tǒng)性風險的作用機理。再次，本文得到了流動性比率與系統(tǒng)性風險的負相關(guān)關(guān)系，以及數(shù)字普惠金融指數(shù)會減弱流動性與系統(tǒng)性風險的關(guān)系。最后，本文解釋了數(shù)字普惠金融對流動性比率作為監(jiān)管指標的有效性影響，鼓勵銀行在發(fā)展數(shù)字普惠金融，實現(xiàn)發(fā)展轉(zhuǎn)型升級的同時也要注意風險防控，政府也應及時健全監(jiān)管體制。

關(guān)鍵詞：流動性比率;調(diào)節(jié)效應;系統(tǒng)性風險;數(shù)字普惠金融

本文索引：常靖函，楊雯迪.<變量 2>[J].中國商論，2021（16）：-041.

中圖分類號：F832 文獻標識碼：A 文章編號：2096-0298（2021）08（b）--04

普惠金融一直是中國金融業(yè)發(fā)展的重要手段，數(shù)字技術(shù)與普惠金融的結(jié)合，更是未來金融行業(yè)發(fā)展的重要趨勢。數(shù)字普惠金融，是一種讓長期被現(xiàn)代金融服務(wù)業(yè)排斥的人群享受正規(guī)金融服務(wù)的一種數(shù)字化途徑。同時金融機構(gòu)還能利用數(shù)字技術(shù)低成本、高可得性、方便快捷等特點，全面提升金融的風險控制能力，促進金融市場的穩(wěn)定發(fā)展。而銀行業(yè)作為我國金融行業(yè)的核心，也正積極把握這一趨勢，企圖實現(xiàn)轉(zhuǎn)型升級。

雖然數(shù)字普惠金融為資金的提供者與需求者帶來了諸多便利，但同時也帶來了新的風險。一方面，互聯(lián)網(wǎng)自身具有一定的安全風險，如遭受數(shù)據(jù)丟失、隱私泄露等事件。另一方面，銀行工作人員的操作風險，如私自挪用客戶資金、過度放貸等現(xiàn)象。因此這對于商業(yè)銀行的風險監(jiān)管也提出了新的要求。傳統(tǒng)的監(jiān)管指標，如本文將要研究的流動性比率，是否能夠?qū)D(zhuǎn)型升級后的商業(yè)銀行起到有效地監(jiān)管作用？這對于政府改進現(xiàn)有的監(jiān)管體系有著重要的參考意義。

本文擬對此問題進行研究，在分析商業(yè)銀行流動性比率對系統(tǒng)性風險影響的基礎(chǔ)上，加入數(shù)字普惠金融作為調(diào)節(jié)變量，分析數(shù)字普惠金融對其關(guān)系的影響。

1 文獻綜述

1.1 商業(yè)銀行的流動性與系統(tǒng)性風險

自2008年次貸危機以來，國內(nèi)外學者尤其注重流動性比率與商業(yè)銀行風險關(guān)系的研究。一方面，一部分人認為商業(yè)銀行的流動性比率和市場的系統(tǒng)性風險往往呈現(xiàn)正向關(guān)系。Acharya等 （2012）認為一旦商業(yè)銀行擁有較高的流動性比率，則會強化銀行承擔風險的意愿，刺激銀行過度投放信貸，增加系統(tǒng)性風險。King（2013）同樣認為，導致銀行的融資成本增加的原因之一就是監(jiān)管部門對銀行的流動性限制，這會增加商業(yè)銀行的冒險行為。另一方面，一部分學者認為兩者呈現(xiàn)負向關(guān)系。Hong 等 （2014）認為流動性風險會造成銀行失去償付能力，難以應對市場風險。劉志洋等（2015）研究發(fā)現(xiàn)流動性比率越低，商業(yè)銀行系統(tǒng)性風險貢獻度越高，這不利于銀行體系的穩(wěn)定。

1.2 數(shù)字普惠金融與系統(tǒng)性風險

一方面，數(shù)字普惠金融的發(fā)展為銀行帶來了諸多便利。衛(wèi)曉峰（2019）認為數(shù)字技術(shù)能夠降低金融機構(gòu)的信息獲取成本，降低市場風險與操作風險。另一方面，數(shù)字普惠金融也帶來了諸多風險。黃益平（2017）認為數(shù)字普惠金融的風險應該引起人們的重視。40%的 P2P 平臺都是問題平臺，在支付、眾籌和投資管理等領(lǐng)域也有挪用資金等現(xiàn)象。陳丹等（2019）指出，數(shù)字普惠金融是以互聯(lián)網(wǎng)以及數(shù)字技術(shù)為依托，因此不可避免地會面臨黑客攻擊，同時，由于客戶信息的產(chǎn)權(quán)不明晰，信息安全性受到威脅，會加大業(yè)務(wù)操作風險。

綜合已有研究成果來看，流動性比率對系統(tǒng)性風險的影響有待探索與研究，而面對數(shù)字普惠金融的優(yōu)勢與風險，商業(yè)銀行是否能夠發(fā)揮數(shù)字普惠金融的優(yōu)勢也尚未有定論。由此可見，深入研究數(shù)字普惠金融的發(fā)展對流動性比率與系統(tǒng)性風險關(guān)系的影響具有理論意義和實踐意義。

2 研究假設(shè)與模型構(gòu)建

首先，為了驗證流動性比率對系統(tǒng)性風險的影響，我們構(gòu)建了模型 （1）：

（1）

CoVaRit代表銀行i在第t年的系統(tǒng)性風險，LIQUIDit代表流動性比率，控制變量分別為不良貸款率 （NPLR），存貸比（LDR），總資產(chǎn)收益率 （RTA），資本充足率 （CAR），代表隨機擾動項，捕獲未被觀測到的變量對系統(tǒng)性風險的影響。

其次，我們引入調(diào)節(jié)變量，構(gòu)建新的模型進行回歸。

（2）

本文分別引入數(shù)字普惠金融指數(shù) （PD）以及測量使用深度指數(shù)中的支付、保險和信貸業(yè)務(wù)分類指數(shù)充當調(diào)節(jié)變量。當交互項的系數(shù)符號與自變量的系數(shù)符號相反，自變量的標準誤增大時，說明調(diào)節(jié)變量降低了模型 （1）中流動性對系統(tǒng)性風險的解釋性;當交互項與自變量的系數(shù)符號相同，則相反。其中，本文用Adrian和Brunnermeier （2016）研究中提出的條件在險值CoVaR來衡量系統(tǒng)性風險。

由此，我們作出以下假設(shè)：

假設(shè)1：在其他條件不變的情況下，流動性比率與系統(tǒng)性風險呈現(xiàn)負相關(guān)性。

假設(shè)2：引入調(diào)節(jié)變量和流動性比率的交互項后，流動性比率與系統(tǒng)性風險仍是負相關(guān)，同時調(diào)節(jié)變量的回歸結(jié)果顯著，對模型 （1）起到調(diào)節(jié)作用。

3 變量選擇，數(shù)據(jù)來源與相關(guān)分析

3.1 變量選擇與數(shù)據(jù)來源

考慮到研究數(shù)據(jù)的可得性和充足率，本文選取2008年以前上市的16家商業(yè)銀行作為研究樣本。其中，除北京大學數(shù)字普惠金融指數(shù)來源于北京大學數(shù)字金融研究中心，其他數(shù)據(jù)均來源于Wind數(shù)據(jù)庫和國泰安數(shù)據(jù)庫。

（1）被解釋變量：如前文所述，本文選取條件在險值（CoVaR）作為被解釋變量來衡量金融機構(gòu)的系統(tǒng)性風險。

（2）解釋變量。核心解釋變量為流動性比率 （LIQUID），指的是一個銀行的流動性資產(chǎn)與流動性負債的比率，是監(jiān)管機構(gòu)衡量銀行風險的重要指標之一。當流動性比率增加時，銀行流動性資產(chǎn)增加，風險溢出減小。故預期系數(shù)符號為負。本文選取了四個控制變量：不良貸款率 （NPLR）、存貸比 （LDR）、總資產(chǎn)利潤率 （RTA）、資本充足率 （CAR）。

（3）調(diào)節(jié)變量。本文選擇北京大學數(shù)字普惠金融指數(shù)（郭峰，2020）作為調(diào)節(jié)變量，該數(shù)據(jù)較為全面地反映了互聯(lián)網(wǎng)金融的發(fā)展情況。主要采用其中的數(shù)字普惠金融指數(shù)（PD），以及測量使用深度指數(shù)中的支付、保險和信貸業(yè)務(wù)分類指數(shù)作為調(diào)節(jié)變量。

3.2 描述性統(tǒng)計

從系統(tǒng)性風險來看，CoVaR的最大值為0.052，最小值為0.016。在10年中雖有波動，但風險仍在可控范圍內(nèi)。從解釋變量來看，流動性比例的平均值為0.45，雖然最小值為0.016，但標準差較低，大部分時期中國銀行的流動性比率均在監(jiān)管標準的0.25以上，風險較小。從調(diào)節(jié)變量來看，數(shù)字普惠金融指數(shù)在10年間飛速增長到300.208，說明其發(fā)展迅速。其中根據(jù)平均值來看，保險業(yè)務(wù)發(fā)展規(guī)模最大，其次為支付業(yè)務(wù)，信貸業(yè)務(wù)。

4 實證分析

本文對于短面板數(shù)據(jù)進行了固定效應估計。由于北京普惠金融指數(shù)只覆蓋了2011—2018年的數(shù)據(jù)，為了便于回歸，因此使用線性插值的辦法將數(shù)據(jù)補全，回歸結(jié)果見表1。模型 （1）為流動性比率與系統(tǒng)性風險的回歸結(jié)果;模型 （2）～模型 （5）是各個調(diào)節(jié)變量分別于流動性比率形成交互項并加入回歸模型，對原有方程做調(diào)節(jié)效應。模型 （2）為數(shù)字普惠金融作為調(diào)節(jié)變量;模型 （3）為支付、模型 （4）為保險、模型 （5）為信貸，括號內(nèi)輸出結(jié)果為標準誤。

4.1 流動性比率與系統(tǒng)性風險

從模型 （1）來看，流動性比率系數(shù)結(jié)果為-0.0165，且在1%的水平下顯著。在控制變量中，四個控制變量的系數(shù)均通過了顯著性水平檢驗，且模型的擬合度較高，表示模型能夠成功地解釋流動性比率與系統(tǒng)性風險的關(guān)系。

該模型說明基于中國16家銀行較高的流動性比率來看，流動性比率與系統(tǒng)性風險為負向關(guān)系。流動性比率越高，系統(tǒng)性風險越低。因為充足的流動性資產(chǎn)能夠應對如信用風險、系統(tǒng)性風險等的危機情況，能夠降低商業(yè)銀行的風險溢出，穩(wěn)定銀行體系。

4.2 數(shù)字普惠金融對流動性比率與系統(tǒng)性風險關(guān)系的調(diào)節(jié)效應

模型 （2）引入兩者的交互項，研究數(shù)字普惠金融在流動性比率和系統(tǒng)性風險中發(fā)揮的作用。從自變量來看，流動性比率的系數(shù)從-0.0165變?yōu)?0.0342，從在1%的水平下顯著變?yōu)樵?%的水平下顯著。標準誤從0.005變?yōu)?.014。從調(diào)節(jié)變量來看，數(shù)字普惠金融的系數(shù)結(jié)果為-0.0319，且在1%的水平下顯著。從交互項來看，交互項在1%的水平下顯著為正。

該變化說明在加入了交互項之后，流動性比率依然與系統(tǒng)性風險呈負向關(guān)系，再次證明了前文的假設(shè)。而數(shù)字普惠金融的系數(shù)結(jié)果顯著為負，主要是因為互聯(lián)網(wǎng)技術(shù)基于大數(shù)據(jù)構(gòu)建了風險控制體系，能夠降低系統(tǒng)性風險。自變量的標準誤差增大，證明了數(shù)字普惠金融作為調(diào)節(jié)變量，對于原模型有顯著的調(diào)節(jié)作用。表明隨著數(shù)字普惠金融的發(fā)展，流動性比率對于系統(tǒng)性風險的負向影響的解釋性會逐漸減弱。這與前文假設(shè)一致。

4.3 支付、保險與信貸業(yè)務(wù)的調(diào)節(jié)效應

從模型 （3）～模型 （5）的回歸結(jié)果可知，流動性比率作為自變量，其系數(shù)結(jié)果在三個模型中均顯著，調(diào)節(jié)效應與交互項也都呈現(xiàn)顯著的結(jié)果。且交互項均顯著為正，自變量的標準誤均增大，說明支付、保險與信貸業(yè)務(wù)都在流動性比率與系統(tǒng)性風險的關(guān)系中起到調(diào)節(jié)的作用。其中，支付業(yè)務(wù)使自變量的標準誤增加0.012;保險業(yè)務(wù)增加0.008;信貸業(yè)務(wù)增加0.014。這說明在三個業(yè)務(wù)中，信貸業(yè)務(wù)對原模型的調(diào)節(jié)作用最大，支付其次，表明數(shù)字普惠金融的調(diào)節(jié)效應主要是通過信貸與支付來實現(xiàn)的。

5 結(jié)論與建議

本文通過研究數(shù)字普惠金融在銀行流動性比率與系統(tǒng)性風險中扮演的角色，運用2008—2018年16家上市商業(yè)銀行的數(shù)據(jù)進行實證研究，最終得出以下結(jié)論。

5.1 結(jié)論

（1）流動性比率對系統(tǒng)性風險的影響顯著為負。從模型（1）的回歸結(jié)果來看，流動性比率的升高都會使系統(tǒng)性風險降低。加入了調(diào)節(jié)變量后，數(shù)字普惠金融的系統(tǒng)結(jié)果顯著為負，流動性比率對系統(tǒng)性風險的系數(shù)有所減小，說明系統(tǒng)性風險的邊際減小不僅受到流動性比率升高的影響，還增強了風險控制能力的作用。

（2）數(shù)字普惠金融對流動性比率與系統(tǒng)性風險的關(guān)系有調(diào)節(jié)作用，使得流動性對系統(tǒng)性風險的解釋性會隨著數(shù)字普惠金融的發(fā)展而不斷減弱，而流動性比率衡量銀行風險的功能受到了挑戰(zhàn)。

5.2 建議

一方面，面對互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展以及其他金融機構(gòu)的壓力，商業(yè)銀行發(fā)展數(shù)字普惠金融成為中國銀行轉(zhuǎn)型發(fā)展的必然趨勢。商業(yè)銀行要積極發(fā)展數(shù)字普惠金融，開發(fā)更多的金融產(chǎn)品與服務(wù)。同時，也要嚴格控制風險指標，在發(fā)展支付與信貸業(yè)務(wù)時要把握風險，不能出現(xiàn)信用過度擴張等現(xiàn)象。同時也要避免技術(shù)與操作上的風險，嚴格保護客戶隱私，保障客戶權(quán)益，不斷提高自身的數(shù)字金融服務(wù)能力。另一方面，政府要加強對于數(shù)字普惠金融的監(jiān)管與引導。要繼續(xù)完善發(fā)展數(shù)字普惠金融的法律法規(guī)，制定更加有效地監(jiān)管指標，填補監(jiān)管漏洞。

參考文獻

Acharya V V， Pedersen L H， Philippon T， Richardson M. Measuring Systemic Risk[R]. New York University Stern School of Business Working paper ， 2010.

King M R. The Basel III Net Stable Funding Ratio and Bank Net Interest Margins [J]. Journal of Banking and Finance， 2013，37（11）.

Hong H， Huang J Z， Wu D. The Information Content of Basel III Liquidity Risk Measures[J]. Journal of Financial Stability， 2015，

15（9）.

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

衛(wèi)曉鋒.數(shù)字普惠金融的風險與監(jiān)管[J].金融理論與實踐，2019 （6）：49-54.

黃益平.數(shù)字普惠金融的機會與風險[J].新金融，2017（8）：4-7.

陳丹，李華.商業(yè)銀行發(fā)展數(shù)字普惠金融的機遇與挑戰(zhàn)[J].南都學壇，2019，39（1）：117-124.

Ai C.R. ， Norton E.C. ，“Interaction Terms in Logit and Probit Molels”， Economics Leters ，2003 ，80（1）：123-129.

Pinar K.M. ， Norton E.C.， Bryan D.， Interaction Terms in Nonlinear Models[J].Health Srices Researeh ，2012 ，47（1Pt1） ：255-274.

Adrian T，Brunnermeier M K. CoVaR [J].American Economic Review，2016，106（7）.

郭峰，王靖一，王芳，等.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J].經(jīng)濟學（季刊），2020，19（4）：1401-1418.

Research on the Impact of Commercial Bank Liquidity Ratio on Systemic Risk

——Based on the Moderating Effect of Digital Inclusive Finance

Henan University? CHANG Jinghan? YANG Wendi

Abstract： This article uses the annual data of 16 commercial banks in China from 2008 to 2018 as a sample， introduces the variable of digital inclusive finance， and studies the relationship between bank liquidity ratios and systemic risks， as well as the adjustment mechanism of digital finance. First， this article constructs the liquidity ratio as an indicator of commercial banks liquidity risk， and takes conditional reinsurance value as an indicator of systemic risk. Second， this article uses the digital inclusive finance index as a moderating variable for liquidity risk to study its impact on the systemic risk. Third， this article has obtained the negative correlation between the liquidity ratio and systemic risk， and the digital inclusive finance index will weaken the relationship between the liquidity and systemic risk. Finally， it explains the impact of digital inclusive finance on the effectiveness of the liquidity ratio as a regulatory indicator， and encourages banks to develop digital inclusive finance and achieve development transformation and upgrading while paying attention to risk prevention and control. The government should also improve supervision in a timely manner.

Keywords： liquidity ratio; adjustment effect; systemic risk; digital inclusive finance