常靖函 楊雯迪

摘 要：本文以我國(guó)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(dòng)性比率和系統(tǒng)性風(fēng)險(xiǎn)的關(guān)系以及數(shù)字金融的調(diào)節(jié)作用機(jī)制。首先，本文構(gòu)建了流動(dòng)性比率作為商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)的指標(biāo)，以條件再險(xiǎn)價(jià)值作為系統(tǒng)性風(fēng)險(xiǎn)的指標(biāo)。其次，本文利用數(shù)字普惠金融指數(shù)作為流動(dòng)性風(fēng)險(xiǎn)的調(diào)節(jié)變量，研究其對(duì)系統(tǒng)性風(fēng)險(xiǎn)的作用機(jī)理。再次，本文得到了流動(dòng)性比率與系統(tǒng)性風(fēng)險(xiǎn)的負(fù)相關(guān)關(guān)系，以及數(shù)字普惠金融指數(shù)會(huì)減弱流動(dòng)性與系統(tǒng)性風(fēng)險(xiǎn)的關(guān)系。最后，本文解釋了數(shù)字普惠金融對(duì)流動(dòng)性比率作為監(jiān)管指標(biāo)的有效性影響，鼓勵(lì)銀行在發(fā)展數(shù)字普惠金融，實(shí)現(xiàn)發(fā)展轉(zhuǎn)型升級(jí)的同時(shí)也要注意風(fēng)險(xiǎn)防控，政府也應(yīng)及時(shí)健全監(jiān)管體制。

關(guān)鍵詞：流動(dòng)性比率;調(diào)節(jié)效應(yīng);系統(tǒng)性風(fēng)險(xiǎn);數(shù)字普惠金融

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

中圖分類號(hào)：F832 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2021）08（b）--04

普惠金融一直是中國(guó)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(shì)。數(shù)字普惠金融，是一種讓長(zhǎng)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(shí)金融機(jī)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(diǎn)，全面提升金融的風(fēng)險(xiǎn)控制能力，促進(jìn)金融市場(chǎng)的穩(wěn)定發(fā)展。而銀行業(yè)作為我國(guó)金融行業(yè)的核心，也正積極把握這一趨勢(shì)，企圖實(shí)現(xiàn)轉(zhuǎn)型升級(jí)。

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(shí)也帶來了新的風(fēng)險(xiǎn)。一方面，互聯(lián)網(wǎng)自身具有一定的安全風(fēng)險(xiǎn)，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(fēng)險(xiǎn)，如私自挪用客戶資金、過度放貸等現(xiàn)象。因此這對(duì)于商業(yè)銀行的風(fēng)險(xiǎn)監(jiān)管也提出了新的要求。傳統(tǒng)的監(jiān)管指標(biāo)，如本文將要研究的流動(dòng)性比率，是否能夠?qū)D(zhuǎn)型升級(jí)后的商業(yè)銀行起到有效地監(jiān)管作用？這對(duì)于政府改進(jìn)現(xiàn)有的監(jiān)管體系有著重要的參考意義。

本文擬對(duì)此問題進(jìn)行研究，在分析商業(yè)銀行流動(dòng)性比率對(duì)系統(tǒng)性風(fēng)險(xiǎn)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(duì)其關(guān)系的影響。

1 文獻(xiàn)綜述

1.1 商業(yè)銀行的流動(dòng)性與系統(tǒng)性風(fēng)險(xiǎn)

自2008年次貸危機(jī)以來，國(guó)內(nèi)外學(xué)者尤其注重流動(dòng)性比率與商業(yè)銀行風(fēng)險(xiǎn)關(guān)系的研究。一方面，一部分人認(rèn)為商業(yè)銀行的流動(dòng)性比率和市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)往往呈現(xiàn)正向關(guān)系。Acharya等 （2012）認(rèn)為一旦商業(yè)銀行擁有較高的流動(dòng)性比率，則會(huì)強(qiáng)化銀行承擔(dān)風(fēng)險(xiǎn)的意愿，刺激銀行過度投放信貸，增加系統(tǒng)性風(fēng)險(xiǎn)。King（2013）同樣認(rèn)為，導(dǎo)致銀行的融資成本增加的原因之一就是監(jiān)管部門對(duì)銀行的流動(dòng)性限制，這會(huì)增加商業(yè)銀行的冒險(xiǎn)行為。另一方面，一部分學(xué)者認(rèn)為兩者呈現(xiàn)負(fù)向關(guān)系。Hong 等 （2014）認(rèn)為流動(dòng)性風(fēng)險(xiǎn)會(huì)造成銀行失去償付能力，難以應(yīng)對(duì)市場(chǎng)風(fēng)險(xiǎn)。劉志洋等（2015）研究發(fā)現(xiàn)流動(dòng)性比率越低，商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)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(fēng)險(xiǎn)

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(rèn)為數(shù)字技術(shù)能夠降低金融機(jī)構(gòu)的信息獲取成本，降低市場(chǎng)風(fēng)險(xiǎn)與操作風(fēng)險(xiǎn)。另一方面，數(shù)字普惠金融也帶來了諸多風(fēng)險(xiǎn)。黃益平（2017）認(rèn)為數(shù)字普惠金融的風(fēng)險(xiǎn)應(yīng)該引起人們的重視。40%的 P2P 平臺(tái)都是問題平臺(tái)，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(huì)面臨黑客攻擊，同時(shí)，由于客戶信息的產(chǎn)權(quán)不明晰，信息安全性受到威脅，會(huì)加大業(yè)務(wù)操作風(fēng)險(xiǎn)。

綜合已有研究成果來看，流動(dòng)性比率對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響有待探索與研究，而面對(duì)數(shù)字普惠金融的優(yōu)勢(shì)與風(fēng)險(xiǎn)，商業(yè)銀行是否能夠發(fā)揮數(shù)字普惠金融的優(yōu)勢(shì)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(duì)流動(dòng)性比率與系統(tǒng)性風(fēng)險(xiǎn)關(guān)系的影響具有理論意義和實(shí)踐意義。

2 研究假設(shè)與模型構(gòu)建

首先，為了驗(yàn)證流動(dòng)性比率對(duì)系統(tǒng)性風(fēng)險(xiǎn)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(fēng)險(xiǎn)，LIQUIDit代表流動(dòng)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(jī)擾動(dòng)項(xiàng)，捕獲未被觀測(cè)到的變量對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響。

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

（2）

本文分別引入數(shù)字普惠金融指數(shù) （PD）以及測(cè)量使用深度指數(shù)中的支付、保險(xiǎn)和信貸業(yè)務(wù)分類指數(shù)充當(dāng)調(diào)節(jié)變量。當(dāng)交互項(xiàng)的系數(shù)符號(hào)與自變量的系數(shù)符號(hào)相反，自變量的標(biāo)準(zhǔn)誤增大時(shí)，說明調(diào)節(jié)變量降低了模型 （1）中流動(dòng)性對(duì)系統(tǒng)性風(fēng)險(xiǎn)的解釋性;當(dāng)交互項(xiàng)與自變量的系數(shù)符號(hào)相同，則相反。其中，本文用Adrian和Brunnermeier （2016）研究中提出的條件在險(xiǎn)值CoVaR來衡量系統(tǒng)性風(fēng)險(xiǎn)。

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(dòng)性比率與系統(tǒng)性風(fēng)險(xiǎn)呈現(xiàn)負(fù)相關(guān)性。

假設(shè)2：引入調(diào)節(jié)變量和流動(dòng)性比率的交互項(xiàng)后，流動(dòng)性比率與系統(tǒng)性風(fēng)險(xiǎn)仍是負(fù)相關(guān)，同時(shí)調(diào)節(jié)變量的回歸結(jié)果顯著，對(duì)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(xué)數(shù)字普惠金融指數(shù)來源于北京大學(xué)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(guó)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(xiǎn)值（CoVaR）作為被解釋變量來衡量金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)。

（2）解釋變量。核心解釋變量為流動(dòng)性比率 （LIQUID），指的是一個(gè)銀行的流動(dòng)性資產(chǎn)與流動(dòng)性負(fù)債的比率，是監(jiān)管機(jī)構(gòu)衡量銀行風(fēng)險(xiǎn)的重要指標(biāo)之一。當(dāng)流動(dòng)性比率增加時(shí)，銀行流動(dòng)性資產(chǎn)增加，風(fēng)險(xiǎn)溢出減小。故預(yù)期系數(shù)符號(hào)為負(fù)。本文選取了四個(gè)控制變量：不良貸款率 （NPLR）、存貸比 （LDR）、總資產(chǎn)利潤(rùn)率 （RTA）、資本充足率 （CAR）。

（3）調(diào)節(jié)變量。本文選擇北京大學(xué)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(cè)量使用深度指數(shù)中的支付、保險(xiǎn)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(jì)

從系統(tǒng)性風(fēng)險(xiǎn)來看，CoVaR的最大值為0.052，最小值為0.016。在10年中雖有波動(dòng)，但風(fēng)險(xiǎn)仍在可控范圍內(nèi)。從解釋變量來看，流動(dòng)性比例的平均值為0.45，雖然最小值為0.016，但標(biāo)準(zhǔn)差較低，大部分時(shí)期中國(guó)銀行的流動(dòng)性比率均在監(jiān)管標(biāo)準(zhǔn)的0.25以上，風(fēng)險(xiǎn)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(zhǎng)到300.208，說明其發(fā)展迅速。其中根據(jù)平均值來看，保險(xiǎn)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(shí)證分析

本文對(duì)于短面板數(shù)據(jù)進(jìn)行了固定效應(yīng)估計(jì)。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(bǔ)全，回歸結(jié)果見表1。模型 （1）為流動(dòng)性比率與系統(tǒng)性風(fēng)險(xiǎn)的回歸結(jié)果;模型 （2）～模型 （5）是各個(gè)調(diào)節(jié)變量分別于流動(dòng)性比率形成交互項(xiàng)并加入回歸模型，對(duì)原有方程做調(diào)節(jié)效應(yīng)。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(xiǎn)、模型 （5）為信貸，括號(hào)內(nèi)輸出結(jié)果為標(biāo)準(zhǔn)誤。

4.1 流動(dòng)性比率與系統(tǒng)性風(fēng)險(xiǎn)

從模型 （1）來看，流動(dòng)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(gè)控制變量的系數(shù)均通過了顯著性水平檢驗(yàn)，且模型的擬合度較高，表示模型能夠成功地解釋流動(dòng)性比率與系統(tǒng)性風(fēng)險(xiǎn)的關(guān)系。

該模型說明基于中國(guó)16家銀行較高的流動(dòng)性比率來看，流動(dòng)性比率與系統(tǒng)性風(fēng)險(xiǎn)為負(fù)向關(guān)系。流動(dòng)性比率越高，系統(tǒng)性風(fēng)險(xiǎn)越低。因?yàn)槌渥愕牧鲃?dòng)性資產(chǎn)能夠應(yīng)對(duì)如信用風(fēng)險(xiǎn)、系統(tǒng)性風(fēng)險(xiǎn)等的危機(jī)情況，能夠降低商業(yè)銀行的風(fēng)險(xiǎn)溢出，穩(wěn)定銀行體系。

4.2 數(shù)字普惠金融對(duì)流動(dòng)性比率與系統(tǒng)性風(fēng)險(xiǎn)關(guān)系的調(diào)節(jié)效應(yīng)

模型 （2）引入兩者的交互項(xiàng)，研究數(shù)字普惠金融在流動(dòng)性比率和系統(tǒng)性風(fēng)險(xiǎn)中發(fā)揮的作用。從自變量來看，流動(dòng)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(biāo)準(zhǔn)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(xiàng)來看，交互項(xiàng)在1%的水平下顯著為正。

該變化說明在加入了交互項(xiàng)之后，流動(dòng)性比率依然與系統(tǒng)性風(fēng)險(xiǎn)呈負(fù)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(fù)，主要是因?yàn)榛ヂ?lián)網(wǎng)技術(shù)基于大數(shù)據(jù)構(gòu)建了風(fēng)險(xiǎn)控制體系，能夠降低系統(tǒng)性風(fēng)險(xiǎn)。自變量的標(biāo)準(zhǔn)誤差增大，證明了數(shù)字普惠金融作為調(diào)節(jié)變量，對(duì)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(dòng)性比率對(duì)于系統(tǒng)性風(fēng)險(xiǎn)的負(fù)向影響的解釋性會(huì)逐漸減弱。這與前文假設(shè)一致。

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

從模型 （3）～模型 （5）的回歸結(jié)果可知，流動(dòng)性比率作為自變量，其系數(shù)結(jié)果在三個(gè)模型中均顯著，調(diào)節(jié)效應(yīng)與交互項(xiàng)也都呈現(xiàn)顯著的結(jié)果。且交互項(xiàng)均顯著為正，自變量的標(biāo)準(zhǔn)誤均增大，說明支付、保險(xiǎn)與信貸業(yè)務(wù)都在流動(dòng)性比率與系統(tǒng)性風(fēng)險(xiǎn)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(biāo)準(zhǔn)誤增加0.012;保險(xiǎn)業(yè)務(wù)增加0.008;信貸業(yè)務(wù)增加0.014。這說明在三個(gè)業(yè)務(wù)中，信貸業(yè)務(wù)對(duì)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(yīng)主要是通過信貸與支付來實(shí)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(dòng)性比率與系統(tǒng)性風(fēng)險(xiǎn)中扮演的角色，運(yùn)用2008—2018年16家上市商業(yè)銀行的數(shù)據(jù)進(jìn)行實(shí)證研究，最終得出以下結(jié)論。

5.1 結(jié)論

（1）流動(dòng)性比率對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響顯著為負(fù)。從模型（1）的回歸結(jié)果來看，流動(dòng)性比率的升高都會(huì)使系統(tǒng)性風(fēng)險(xiǎn)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(fù)，流動(dòng)性比率對(duì)系統(tǒng)性風(fēng)險(xiǎn)的系數(shù)有所減小，說明系統(tǒng)性風(fēng)險(xiǎn)的邊際減小不僅受到流動(dòng)性比率升高的影響，還增強(qiáng)了風(fēng)險(xiǎn)控制能力的作用。

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

5.2 建議

一方面，面對(duì)互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展以及其他金融機(jī)構(gòu)的壓力，商業(yè)銀行發(fā)展數(shù)字普惠金融成為中國(guó)銀行轉(zhuǎn)型發(fā)展的必然趨勢(shì)。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(shí)，也要嚴(yán)格控制風(fēng)險(xiǎn)指標(biāo)，在發(fā)展支付與信貸業(yè)務(wù)時(shí)要把握風(fēng)險(xiǎn)，不能出現(xiàn)信用過度擴(kuò)張等現(xiàn)象。同時(shí)也要避免技術(shù)與操作上的風(fēng)險(xiǎn)，嚴(yán)格保護(hù)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(qiáng)對(duì)于數(shù)字普惠金融的監(jiān)管與引導(dǎo)。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(biāo)，填補(bǔ)監(jiān)管漏洞。

參考文獻(xiàn)

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(dòng)性風(fēng)險(xiǎn)與系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度[J].南開經(jīng)濟(jì)研究，2015（1）：131-143.

衛(wèi)曉鋒.數(shù)字普惠金融的風(fēng)險(xiǎn)與監(jiān)管[J].金融理論與實(shí)踐，2019 （6）：49-54.

黃益平.數(shù)字普惠金融的機(jī)會(huì)與風(fēng)險(xiǎn)[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(jī)遇與挑戰(zhàn)[J].南都學(xué)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(cè)度中國(guó)數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J].經(jīng)濟(jì)學(xué)（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