亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        同業(yè)業(yè)務(wù)發(fā)展對(duì)銀行信用風(fēng)險(xiǎn)的影響研究*——基于貨幣政策與金融監(jiān)管的視角

        2021-11-22 01:55:14李懿行梁萬(wàn)泉
        南方金融 2021年8期
        關(guān)鍵詞:商業(yè)銀行效應(yīng)銀行

        李懿行,梁萬(wàn)泉

        (首都經(jīng)濟(jì)貿(mào)易大學(xué)金融學(xué)院,北京 100070)

        一、引言

        2008年國(guó)際金融危機(jī)后,在利率市場(chǎng)化的大背景下,我國(guó)商業(yè)銀行資產(chǎn)負(fù)債表擴(kuò)張明顯,同業(yè)業(yè)務(wù)已成為銀行調(diào)整資產(chǎn)負(fù)債結(jié)構(gòu)、減少資本占用、增加經(jīng)營(yíng)收益的重要業(yè)務(wù),逐漸在銀行資產(chǎn)和負(fù)債結(jié)構(gòu)中占據(jù)了越來(lái)越重要的地位,同業(yè)負(fù)債業(yè)務(wù)更是以年均20.7%的速度保持超高速增長(zhǎng),并于2016年達(dá)到頂峰。銀行同業(yè)業(yè)務(wù)在快速發(fā)展的同時(shí),其過(guò)度操作所引起的流動(dòng)性風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)以及對(duì)貨幣政策有效性的沖擊也引發(fā)了越來(lái)越多的關(guān)注。盡管從2013年我國(guó)開(kāi)啟“金融去杠桿”,但同業(yè)業(yè)務(wù)發(fā)展不規(guī)范、信息披露不充分、規(guī)避金融監(jiān)管進(jìn)行資金套利等問(wèn)題仍客觀存在,同業(yè)交易鏈條過(guò)長(zhǎng),參與機(jī)構(gòu)較多,提升了金融機(jī)構(gòu)間的關(guān)聯(lián)度,同業(yè)業(yè)務(wù)擴(kuò)張存在的風(fēng)險(xiǎn)令人堪憂。

        本文選取95家商業(yè)銀行2008-2019年的非平衡面板數(shù)據(jù)作為研究樣本,研究商業(yè)銀行同業(yè)業(yè)務(wù)的業(yè)務(wù)模式、風(fēng)險(xiǎn)傳導(dǎo)機(jī)制和對(duì)銀行信用風(fēng)險(xiǎn)的影響,以及同業(yè)業(yè)務(wù)發(fā)展在貨幣政策和監(jiān)管政策影響銀行信用風(fēng)險(xiǎn)中的中介效應(yīng)。本文的貢獻(xiàn)體現(xiàn)在以下三個(gè)方面:一是對(duì)同業(yè)業(yè)務(wù)和銀行風(fēng)險(xiǎn)的研究從流動(dòng)性風(fēng)險(xiǎn)擴(kuò)大到信用風(fēng)險(xiǎn),進(jìn)一步豐富了同業(yè)業(yè)務(wù)發(fā)展對(duì)銀行信用風(fēng)險(xiǎn)影響的實(shí)證研究。二是以往文獻(xiàn)僅從同業(yè)業(yè)務(wù)結(jié)構(gòu)或者規(guī)模的角度研究同業(yè)業(yè)務(wù)對(duì)銀行風(fēng)險(xiǎn)的影響,本文從結(jié)構(gòu)與規(guī)模的雙視角來(lái)探究同業(yè)業(yè)務(wù)發(fā)展對(duì)銀行信用風(fēng)險(xiǎn)的影響機(jī)制,克服了僅以同業(yè)資產(chǎn)(負(fù)債)占比來(lái)衡量同業(yè)業(yè)務(wù)發(fā)展的一些弊端,更加全面立體地詮釋了同業(yè)業(yè)務(wù)發(fā)展對(duì)銀行信用風(fēng)險(xiǎn)影響的動(dòng)態(tài)過(guò)程。三是從貨幣政策與金融監(jiān)管政策的雙視角建立機(jī)制分析,探究同業(yè)業(yè)務(wù)發(fā)展在貨幣政策與金融監(jiān)管政策影響銀行信用風(fēng)險(xiǎn)中的中介效應(yīng),特別是本文引入金融監(jiān)管政策變量,分析2017年同業(yè)業(yè)務(wù)監(jiān)管政策的效果,對(duì)今后的金融監(jiān)管實(shí)踐具有一定的指導(dǎo)意義。

        二、文獻(xiàn)回顧與研究假設(shè)

        (一)同業(yè)業(yè)務(wù)發(fā)展與銀行信用風(fēng)險(xiǎn)的關(guān)系

        同業(yè)業(yè)務(wù)風(fēng)險(xiǎn)本質(zhì)是以銀行信用為掩蓋的基礎(chǔ)資產(chǎn)的風(fēng)險(xiǎn)轉(zhuǎn)移(馬曉,2016)。施勇(2020)認(rèn)為商業(yè)銀行出于資產(chǎn)質(zhì)量管理的考慮,一般將資產(chǎn)質(zhì)量較好的企業(yè)及貸款留在表內(nèi),而表外資產(chǎn)不納入不良貸款考察范圍,因此表外資產(chǎn)面臨更加嚴(yán)峻的信用風(fēng)險(xiǎn)。李威和姚玥悅(2017)指出,商業(yè)銀行與其他金融機(jī)構(gòu)合作并通過(guò)同業(yè)業(yè)務(wù)發(fā)放的貸款主要流向房地產(chǎn)、地方政府融資平臺(tái)以及產(chǎn)能過(guò)剩的行業(yè),作為國(guó)家限貸的領(lǐng)域,這些行業(yè)很難在正常信貸渠道下獲得資金支持,這也成為銀行信用風(fēng)險(xiǎn)增加的重要原因。影子銀行是游離于銀行監(jiān)管體系之外、可能引發(fā)系統(tǒng)性風(fēng)險(xiǎn)和監(jiān)管套利等問(wèn)題的信用中介體系(陳和和陳增歡,2020)。于博和吳菡虹(2020)提到同業(yè)杠桿率攀升的本質(zhì)是同業(yè)影子信貸擴(kuò)張,而影子信貸擴(kuò)張主要從以下四個(gè)渠道影響銀行信貸風(fēng)險(xiǎn):融資結(jié)構(gòu)傳導(dǎo)渠道、投資效率傳導(dǎo)渠道、監(jiān)管規(guī)避傳導(dǎo)渠道、風(fēng)險(xiǎn)承擔(dān)傳導(dǎo)渠道。

        同業(yè)業(yè)務(wù)發(fā)展對(duì)銀行信用風(fēng)險(xiǎn)的影響是一個(gè)變化的過(guò)程,簡(jiǎn)單地認(rèn)為同業(yè)業(yè)務(wù)發(fā)展會(huì)增加銀行風(fēng)險(xiǎn)是不夠全面的。影子信貸投放有助于企業(yè)抓住投資機(jī)會(huì),促進(jìn)實(shí)體企業(yè)成長(zhǎng),從而提高債務(wù)償付能力,降低信用風(fēng)險(xiǎn)(于博和吳菡虹,2020)。同業(yè)業(yè)務(wù)的發(fā)展能夠通過(guò)同業(yè)市場(chǎng)調(diào)節(jié)銀行間的資金余缺,為實(shí)體經(jīng)濟(jì)更多地提供可貸資金(顧海峰和馬聰,2019),進(jìn)一步緩解銀行信用風(fēng)險(xiǎn)。因此,部分文獻(xiàn)在模型設(shè)定中加入同業(yè)業(yè)務(wù)的二次項(xiàng)來(lái)研究其對(duì)銀行風(fēng)險(xiǎn)的動(dòng)態(tài)影響。梁麗麗(2015)研究認(rèn)為,銀行同業(yè)負(fù)債業(yè)務(wù)與流動(dòng)性呈“倒U型”關(guān)系。于博和吳菡虹(2020)的研究表明,隨著同業(yè)杠桿率的攀升,銀行傳統(tǒng)信貸風(fēng)險(xiǎn)呈現(xiàn)先下降而后上升的變化趨勢(shì)。但目前大多數(shù)的文獻(xiàn)僅僅從結(jié)構(gòu)或者規(guī)模的單一角度來(lái)衡量同業(yè)業(yè)務(wù)發(fā)展的情況,本文將克服以往文獻(xiàn)的局限性,從結(jié)構(gòu)和規(guī)模兩個(gè)角度同時(shí)對(duì)同業(yè)業(yè)務(wù)展開(kāi)分析,為理論實(shí)踐提供更多的實(shí)證依據(jù)?;诖?,提出如下假設(shè):

        假設(shè)1:同業(yè)業(yè)務(wù)發(fā)展與銀行信用風(fēng)險(xiǎn)呈“U型”關(guān)系。

        (二)同業(yè)業(yè)務(wù)發(fā)展在貨幣政策影響銀行信用風(fēng)險(xiǎn)中的中介效應(yīng)

        緊縮的貨幣政策導(dǎo)致商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)上升進(jìn)而引發(fā)信用風(fēng)險(xiǎn),而同業(yè)業(yè)務(wù)的發(fā)展同貨幣政策環(huán)境與信用風(fēng)險(xiǎn)有著密不可分的關(guān)系,理論上發(fā)揮著顯著的中介效應(yīng)。李雪和胡夢(mèng)飛(2021)的實(shí)證研究表明,緊縮的貨幣政策對(duì)商業(yè)銀行績(jī)效的負(fù)向影響會(huì)隨著同業(yè)杠桿率水平的提高而下降,同業(yè)業(yè)務(wù)維持了銀行盈利能力的穩(wěn)定。因此,本文將探索同業(yè)業(yè)務(wù)是否在貨幣政策影響銀行信用風(fēng)險(xiǎn)中起到了關(guān)鍵的中介效應(yīng)。

        關(guān)于貨幣政策如何影響同業(yè)杠桿的研究往往與影子銀行相結(jié)合。郭曄等(2018)認(rèn)為,寬松貨幣政策會(huì)降低銀行參與同業(yè)業(yè)務(wù)的程度,而胡利琴等(2016)認(rèn)為,擴(kuò)張性低利率政策會(huì)刺激影子銀行的擴(kuò)張。關(guān)于貨幣政策與銀行風(fēng)險(xiǎn)的研究則呈現(xiàn)出不同的結(jié)論。部分學(xué)者認(rèn)為,現(xiàn)金流效應(yīng)(方意等,2012)、資產(chǎn)替代效應(yīng)(De Nicolò等,2010)、追逐利率效應(yīng)(Rajan,2005)可解釋寬松貨幣政策如何導(dǎo)致銀行增加風(fēng)險(xiǎn)承擔(dān)。還有部分學(xué)者從風(fēng)險(xiǎn)轉(zhuǎn)移效應(yīng)的視角進(jìn)行研究,認(rèn)為寬松貨幣政策會(huì)使得銀行降低風(fēng)險(xiǎn)承擔(dān)(張欣,2011)。張欣(2011)認(rèn)為,寬松貨幣政策所導(dǎo)致的存款利率下降只會(huì)部分傳遞到貸款利率,從而使得銀行利潤(rùn)增加,進(jìn)而降低了銀行過(guò)度風(fēng)險(xiǎn)承擔(dān)的道德風(fēng)險(xiǎn)。從銀行信用風(fēng)險(xiǎn)的角度來(lái)看,緊縮貨幣政策會(huì)限制銀行信貸總量,導(dǎo)致銀行調(diào)整資產(chǎn)組合的能力受限,信貸資源被少部分客戶占用,倘若利率繼續(xù)攀升將進(jìn)一步導(dǎo)致不良貸款增加,信用風(fēng)險(xiǎn)將會(huì)上升。據(jù)此,提出如下假設(shè):

        假設(shè)2:同業(yè)業(yè)務(wù)在貨幣政策影響銀行信用風(fēng)險(xiǎn)過(guò)程中發(fā)揮了中介效應(yīng)。

        (三)同業(yè)業(yè)務(wù)在金融監(jiān)管政策影響銀行信用風(fēng)險(xiǎn)中的中介效應(yīng)

        有效的金融監(jiān)管能夠降低銀行的信用風(fēng)險(xiǎn),而同業(yè)業(yè)務(wù)是金融監(jiān)管的重點(diǎn)之一,理論上同業(yè)業(yè)務(wù)能夠在金融監(jiān)管影響銀行信用風(fēng)險(xiǎn)中發(fā)揮顯著的中介效應(yīng)。一方面,金融監(jiān)管的不斷強(qiáng)化確實(shí)有效抑制了同業(yè)業(yè)務(wù)的膨脹。同業(yè)業(yè)務(wù)監(jiān)管體系已逐步成型,經(jīng)過(guò)2017年嚴(yán)格的規(guī)范治理,銀行業(yè)的同業(yè)資產(chǎn)和同業(yè)負(fù)債規(guī)模出現(xiàn)自2010年以來(lái)首次雙收縮。另一方面,同業(yè)業(yè)務(wù)發(fā)展會(huì)進(jìn)一步促進(jìn)金融監(jiān)管加大力度??v觀我國(guó)同業(yè)業(yè)務(wù)發(fā)展的歷程,遵循了“監(jiān)管-創(chuàng)新-再監(jiān)管-再創(chuàng)新”的循環(huán)往復(fù)、動(dòng)態(tài)博弈過(guò)程(莫媛和易小蘭,2017)。結(jié)合我國(guó)的監(jiān)管實(shí)際來(lái)看,當(dāng)銀行同業(yè)業(yè)務(wù)急劇擴(kuò)張時(shí),相關(guān)的監(jiān)管政策也將增多(盛天翔和張勇,2019)。鄭其敏(2015)通過(guò)實(shí)證研究發(fā)現(xiàn),銀行資本監(jiān)管約束強(qiáng)度與銀行同業(yè)業(yè)務(wù)規(guī)模占比之間呈現(xiàn)正相關(guān)關(guān)系。我國(guó)同業(yè)業(yè)務(wù)的監(jiān)管政策經(jīng)歷了一個(gè)從相對(duì)寬松到逐步收緊的過(guò)程(胡靜和張偉,2017),未來(lái)隨著同業(yè)業(yè)務(wù)新型模式的出現(xiàn)和發(fā)展,金融監(jiān)管當(dāng)局將提高對(duì)同業(yè)業(yè)務(wù)的敏感性,對(duì)同業(yè)業(yè)務(wù)的監(jiān)管力度也會(huì)進(jìn)一步加強(qiáng)?;诖耍疚奶岢鋈缦录僭O(shè):

        假設(shè)3:同業(yè)業(yè)務(wù)在金融監(jiān)管影響銀行信用風(fēng)險(xiǎn)的過(guò)程中發(fā)揮了重要的中介效應(yīng)。

        三、研究設(shè)計(jì)

        (一)數(shù)據(jù)來(lái)源與樣本選擇

        根據(jù)數(shù)據(jù)的可得性,本文剔除缺失年份超過(guò)3年的商業(yè)銀行樣本,最終選取95家商業(yè)銀行2008-2019年的非平衡面板數(shù)據(jù)作為研究對(duì)象。選取這一時(shí)間區(qū)間的主要原因在于,我國(guó)商業(yè)銀行同業(yè)業(yè)務(wù)在2007年之前較少開(kāi)展且并未形成規(guī)模,甚至有相當(dāng)一部分商業(yè)銀行尚未開(kāi)展同業(yè)業(yè)務(wù),但2007年后我國(guó)商業(yè)銀行同業(yè)業(yè)務(wù)呈爆發(fā)增長(zhǎng)趨勢(shì),之前尚未開(kāi)展同業(yè)業(yè)務(wù)的銀行也開(kāi)始大力發(fā)展同業(yè)業(yè)務(wù)進(jìn)行資金融通和流動(dòng)性管理,因此選擇2008年之后的數(shù)據(jù)具有較好的研究意義和代表性(王家華等,2018)。樣本中包括5家大型商業(yè)銀行、12家股份制商業(yè)銀行、63家城市商業(yè)銀行和15家農(nóng)村商業(yè)銀行,基本涵蓋商業(yè)銀行的所有類型。本文的微觀數(shù)據(jù)來(lái)源為Wind數(shù)據(jù)庫(kù)和CSMAR數(shù)據(jù)庫(kù),缺失數(shù)據(jù)通過(guò)各銀行官網(wǎng)公布的財(cái)務(wù)報(bào)表進(jìn)行補(bǔ)充,宏觀數(shù)據(jù)來(lái)源于EPS數(shù)據(jù)庫(kù)。

        (二)變量選取

        1.被解釋變量

        衡量銀行風(fēng)險(xiǎn)承擔(dān)的指標(biāo)有很多,包括預(yù)期違約率(Altunbas等,2010)、Z-score指標(biāo)(Laeven等,2008)、風(fēng)險(xiǎn)加權(quán)資產(chǎn)比率和不良貸款率(Delis等,2011)等。其中,預(yù)期違約率的估計(jì)難度較大,加之我國(guó)商業(yè)銀行的主營(yíng)業(yè)務(wù)收入來(lái)源是存貸差,這意味著我國(guó)商業(yè)銀行面臨的主要風(fēng)險(xiǎn)為信用風(fēng)險(xiǎn)(巴曙松和黃尚平,2018;劉生福和李成,2014)。因此,參考郭娜等(2020)的研究,本文選取不良貸款率(Npl)作為衡量商業(yè)銀行信用風(fēng)險(xiǎn)的主要變量。

        2.核心解釋變量

        同業(yè)結(jié)構(gòu)方面,本文參照于博和吳菡虹(2020)的研究方法構(gòu)建同業(yè)杠桿率指標(biāo)。同業(yè)杠桿數(shù)值越大,說(shuō)明同業(yè)負(fù)債相較同業(yè)資產(chǎn)的比值越高,對(duì)資金流動(dòng)性需求也就越高,流動(dòng)性風(fēng)險(xiǎn)增加從而引發(fā)相應(yīng)的信用風(fēng)險(xiǎn)。

        同業(yè)規(guī)模方面,采用同業(yè)資產(chǎn)規(guī)模占比(IBA)來(lái)衡量銀行同業(yè)資產(chǎn)端業(yè)務(wù)規(guī)模情況。同業(yè)資產(chǎn)包括存放同業(yè)、拆出資金和買入返售金融資產(chǎn)三項(xiàng)。與此同時(shí),從負(fù)債端的角度計(jì)算同業(yè)負(fù)債規(guī)模占比(IBD),其中同業(yè)負(fù)債包括同業(yè)存放、拆入資金和賣出回購(gòu)性金融資產(chǎn)三項(xiàng)。

        3.政策變量

        貨幣政策寬松程度變量(MP)用法定存款準(zhǔn)備金率來(lái)測(cè)度。央行通過(guò)提高或降低法定存款準(zhǔn)備金率來(lái)達(dá)到收縮或者擴(kuò)張信用的目標(biāo),即法定存款準(zhǔn)備金率越低,貨幣政策越寬松,反之亦然。

        金融監(jiān)管政策變量(Supersive)的設(shè)定取決于2017年的金融“嚴(yán)”監(jiān)管。因此,令2017年(不含)之前的Supersive為0,2017年之后Supersive為1。

        4.控制變量

        本文選擇資產(chǎn)規(guī)模(Lnasset)、資本充足率(CAR)、成本收入比(CIR)、總資產(chǎn)凈利率(ROA)、GDP同比增長(zhǎng)率(gGDP)和存貸比(LDR)六個(gè)變量作為控制變量。其中:資產(chǎn)規(guī)模(Lnasset)取總資產(chǎn)額的自然對(duì)數(shù);資本充足率(CAR)取資本與風(fēng)險(xiǎn)資產(chǎn)的比值;成本收入比(CIR)取銀行單位經(jīng)營(yíng)收入所對(duì)應(yīng)的成本;總資產(chǎn)凈利率(ROA)為凈利潤(rùn)與平均資產(chǎn)總額的比值,反映銀行業(yè)務(wù)經(jīng)營(yíng)與獲利能力;GDP同比增長(zhǎng)率(gGDP)為本期GDP增量與上期GDP的比值;存貸比(LDR)為貸款總額與存款總額的比值,該值越高代表負(fù)債端對(duì)應(yīng)的貸款資產(chǎn)越多,銀行流動(dòng)性越低,即與銀行流動(dòng)性成反比。

        表1 變量定義

        (三)模型設(shè)定

        1.同業(yè)業(yè)務(wù)發(fā)展對(duì)銀行信用風(fēng)險(xiǎn)的影響

        參考于博和吳菡虹(2020)、崔捷等(2019)以及梁麗麗(2015)的研究,在基本的動(dòng)態(tài)模型下加入核心解釋變量的二次項(xiàng),重點(diǎn)研究同業(yè)業(yè)務(wù)發(fā)展對(duì)銀行信用風(fēng)險(xiǎn)是否存在正負(fù)反饋機(jī)制,具體模型如下:

        其中:Riskit表示銀行的信用風(fēng)險(xiǎn),Interit是銀行同業(yè)業(yè)務(wù)發(fā)展的代理變量,包括同業(yè)結(jié)構(gòu)和同業(yè)規(guī)模兩個(gè)指標(biāo)。Xit代表控制變量,既包括個(gè)體層面的,也包括宏觀層面的;μi為個(gè)體異質(zhì)性,控制不可觀測(cè)的商業(yè)銀行的差異;λt為時(shí)間固定效應(yīng),控制與時(shí)間相關(guān)的變量;εit為隨機(jī)擾動(dòng)項(xiàng)。

        2.同業(yè)業(yè)務(wù)發(fā)展在貨幣政策影響銀行信用風(fēng)險(xiǎn)中的中介效應(yīng)

        由于本文的研究變量間可能存在“U型”關(guān)系,傳統(tǒng)的中介效應(yīng)檢驗(yàn)三步法無(wú)法清晰揭示中介變量如何影響自變量與因變量之間的關(guān)系(董保寶,2014;Hair等,1998)。因此,本文參考Edwards和Lambert(2007)的調(diào)節(jié)路徑分析方法,借鑒李雪和胡夢(mèng)飛(2021)的模型設(shè)定思路檢驗(yàn)同業(yè)業(yè)務(wù)發(fā)展的中介效應(yīng)路徑。具體模型如下:

        模型(3)中引入了同業(yè)業(yè)務(wù)發(fā)展變量與貨幣政策的交互項(xiàng),重點(diǎn)關(guān)注交互項(xiàng)系數(shù)。

        3.同業(yè)業(yè)務(wù)發(fā)展在金融監(jiān)管政策影響銀行信用風(fēng)險(xiǎn)的中介效應(yīng)

        模型設(shè)定思路同上,具體模型如下:

        模型(5)中引入了同業(yè)業(yè)務(wù)發(fā)展變量與金融監(jiān)管政策的交互項(xiàng),重點(diǎn)關(guān)注交互項(xiàng)系數(shù)。

        (四)描述性統(tǒng)計(jì)

        表2報(bào)告了變量的描述性統(tǒng)計(jì)結(jié)果,不良貸款率的均值為1.50%,最大值28.44%遠(yuǎn)高于中位數(shù)1.33%,說(shuō)明個(gè)別銀行信用風(fēng)險(xiǎn)水平較高。同業(yè)杠桿率的均值為2.23,即同業(yè)杠桿率平均水平為2.23倍,但最大值高達(dá)44.58倍。為防止非平穩(wěn)過(guò)程帶來(lái)的偽回歸問(wèn)題,本文進(jìn)行了序列平穩(wěn)性檢驗(yàn),對(duì)宏觀經(jīng)濟(jì)變量法定存款準(zhǔn)備金率和GDP同比增長(zhǎng)率進(jìn)行了ADF時(shí)間序列平穩(wěn)性檢驗(yàn),對(duì)其余非平衡面板數(shù)據(jù)進(jìn)行ADF-Fisher檢驗(yàn),見(jiàn)表2最后一列。結(jié)果顯示所有變量都通過(guò)了檢驗(yàn),即變量都是平穩(wěn)的。

        表2 描述性統(tǒng)計(jì)

        四、實(shí)證分析

        參照已有研究(宋清華等,2019;宋匯玄和姜旭朝,2018;羅中和繆海斌,2013),設(shè)定動(dòng)態(tài)面板模型對(duì)同業(yè)業(yè)務(wù)發(fā)展與銀行信用風(fēng)險(xiǎn)的關(guān)系進(jìn)行估計(jì)。動(dòng)態(tài)面板數(shù)據(jù)模型中包含被解釋變量的一階滯后項(xiàng),若采用傳統(tǒng)的估計(jì)方式對(duì)模型進(jìn)行估計(jì),得到的參數(shù)估計(jì)是有偏且非一致的。針對(duì)動(dòng)態(tài)面板數(shù)據(jù)模型的估計(jì)方法,大多數(shù)學(xué)者都認(rèn)為相較于差分GMM,系統(tǒng)GMM估計(jì)的偏差更小且估計(jì)效率更高(周再青等,2017;權(quán)飛過(guò)等,2018),因此本文采取系統(tǒng)GMM的估計(jì)方法對(duì)動(dòng)態(tài)面板數(shù)據(jù)模型進(jìn)行估計(jì)。使用穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行估計(jì),Hansen檢驗(yàn)的P值大于0.1,表明模型通過(guò)過(guò)度識(shí)別檢驗(yàn),工具變量選取恰當(dāng),且AR(2)的P值大于0.1,表明模型通過(guò)了序列相關(guān)性檢驗(yàn),擾動(dòng)項(xiàng)不存在二階或更高階的序列相關(guān)問(wèn)題。

        (一)基準(zhǔn)回歸

        基準(zhǔn)回歸結(jié)果見(jiàn)表3。從同業(yè)杠桿結(jié)構(gòu)的角度來(lái)看,列(1)顯示隨著同業(yè)杠桿率的攀升,商業(yè)銀行的信用風(fēng)險(xiǎn)呈現(xiàn)先下降后上升的趨勢(shì),符合理論預(yù)期結(jié)果。從同業(yè)業(yè)務(wù)規(guī)模的角度來(lái)看,列(2)與列(3)分別報(bào)告了資產(chǎn)端與負(fù)債端同業(yè)業(yè)務(wù)規(guī)模與商業(yè)銀行信用風(fēng)險(xiǎn)的“U型”效應(yīng),雖然同業(yè)資產(chǎn)與同業(yè)負(fù)債具有一定的共性,但這并不意味著同業(yè)負(fù)債資金完全對(duì)應(yīng)同業(yè)資產(chǎn)科目,需要從差異化的角度來(lái)進(jìn)行審視。可以看到,同業(yè)資產(chǎn)規(guī)模與商業(yè)銀行信用風(fēng)險(xiǎn)的“U型”關(guān)系并不顯著,但同業(yè)負(fù)債規(guī)模與商業(yè)銀行信用風(fēng)險(xiǎn)的“U型”關(guān)系顯著。閾值以內(nèi),商業(yè)銀行開(kāi)展同業(yè)負(fù)債業(yè)務(wù)能夠有效緩解銀行信用風(fēng)險(xiǎn),但超過(guò)閾值以后,商業(yè)銀行繼續(xù)開(kāi)展同業(yè)負(fù)債業(yè)務(wù)將提升銀行的信用風(fēng)險(xiǎn)??赡艿脑蛟谟?,最近幾年商業(yè)銀行同業(yè)業(yè)務(wù)在負(fù)債端呈現(xiàn)快速發(fā)展態(tài)勢(shì),同業(yè)負(fù)債成為推動(dòng)杠桿攀升的重要原因(于博和吳菡虹,2020)。假設(shè)1成立。

        表3 同業(yè)業(yè)務(wù)與銀行信用風(fēng)險(xiǎn)的回歸結(jié)果

        (二)同業(yè)業(yè)務(wù)的中介效應(yīng)檢驗(yàn)

        1.同業(yè)業(yè)務(wù)發(fā)展在貨幣政策影響銀行信用風(fēng)險(xiǎn)中的中介效應(yīng)

        表4列(1)與(3)的結(jié)果表明,寬松的貨幣政策會(huì)使得同業(yè)杠桿加大。一般而言,金融機(jī)構(gòu)的杠桿率是順周期的,即當(dāng)金融機(jī)構(gòu)的資產(chǎn)負(fù)債表擴(kuò)張時(shí),其杠桿率會(huì)增加;而當(dāng)資產(chǎn)負(fù)債表收縮時(shí),金融機(jī)構(gòu)的杠桿率將會(huì)降低(方意等,2012)。同業(yè)杠桿的上升離不開(kāi)寬松貨幣政策環(huán)境下穩(wěn)定低廉的資金與相對(duì)較高的利差,并且同業(yè)負(fù)債規(guī)模的擴(kuò)張?jiān)诤艽蟪潭壬系靡惨嬗谙鄬?duì)寬松的貨幣環(huán)境。列(2)與(4)通過(guò)加入貨幣政策及其與同業(yè)業(yè)務(wù)的交互項(xiàng),進(jìn)一步探究同業(yè)業(yè)務(wù)作為中間變量對(duì)貨幣政策與銀行信用風(fēng)險(xiǎn)的作用效果。結(jié)果表明:一是法定存款準(zhǔn)備金率與銀行風(fēng)險(xiǎn)呈顯著的正相關(guān)關(guān)系,這說(shuō)明緊縮的貨幣政策會(huì)加大銀行的信用風(fēng)險(xiǎn),原因在于緊縮性的貨幣政策會(huì)對(duì)商業(yè)銀行部分信貸資產(chǎn)的質(zhì)量存在擠出效應(yīng),并且不良貸款爆發(fā)的時(shí)間將會(huì)縮短,銀行信用風(fēng)險(xiǎn)加大。二是貨幣政策與同業(yè)業(yè)務(wù)的交互項(xiàng)顯著為負(fù),這說(shuō)明緊縮性貨幣政策對(duì)銀行信用風(fēng)險(xiǎn)的促進(jìn)作用會(huì)隨著銀行同業(yè)業(yè)務(wù)規(guī)模的擴(kuò)張而有所下降,緊縮性貨幣政策確實(shí)會(huì)導(dǎo)致流動(dòng)性風(fēng)險(xiǎn)上升,進(jìn)而引發(fā)信用風(fēng)險(xiǎn),但合理適度地發(fā)展同業(yè)業(yè)務(wù)可以讓銀行之間有效調(diào)節(jié)資金頭寸,緩解流動(dòng)性危機(jī),進(jìn)而減弱信用風(fēng)險(xiǎn),與理論預(yù)期相一致。假設(shè)2成立。

        表4 貨幣政策、同業(yè)業(yè)務(wù)與銀行信用風(fēng)險(xiǎn)動(dòng)態(tài)面板回歸結(jié)果

        2.同業(yè)業(yè)務(wù)發(fā)展在金融監(jiān)管政策影響銀行信用風(fēng)險(xiǎn)中的中介效應(yīng)

        表5中列(1)與(3)回歸結(jié)果表明,2017年的金融監(jiān)管與同業(yè)業(yè)務(wù)擴(kuò)張呈顯著負(fù)相關(guān)關(guān)系,即2017年的一系列金融監(jiān)管政策確實(shí)有效降低了同業(yè)杠桿率與同業(yè)負(fù)債規(guī)模占比。為防止2017年金融監(jiān)管政策變量在模型運(yùn)行過(guò)程中被遺漏,本文并未控制時(shí)間效應(yīng),并且同貨幣政策一樣,將政策虛擬變量置于外生變量中進(jìn)行回歸。列(2)與(4)的回歸結(jié)果表明:一是2017年金融監(jiān)管變量(Supervise)與銀行信用風(fēng)險(xiǎn)呈負(fù)相關(guān)關(guān)系,尤其在同業(yè)負(fù)債規(guī)模的約束上效果明顯。二是加入交互效應(yīng)后雖然降低了核心解釋變量的顯著性,但并沒(méi)有改變其方向,且金融監(jiān)管與同業(yè)業(yè)務(wù)的交互項(xiàng)系數(shù)為正,說(shuō)明金融監(jiān)管對(duì)銀行信用風(fēng)險(xiǎn)的負(fù)向影響會(huì)隨著同業(yè)負(fù)債規(guī)模的擴(kuò)張而進(jìn)一步強(qiáng)化,整體來(lái)看2017年的金融監(jiān)管有效抑制了同業(yè)負(fù)債規(guī)模。假設(shè)3成立。

        表5 金融監(jiān)管、同業(yè)業(yè)務(wù)與銀行信用風(fēng)險(xiǎn)動(dòng)態(tài)面板回歸結(jié)果

        (三)穩(wěn)健性檢驗(yàn)

        系統(tǒng)GMM方法相對(duì)其他估計(jì)方法更能夠有效解決動(dòng)態(tài)模型中遺漏變量和解釋變量?jī)?nèi)生性等問(wèn)題,但是在有限樣本條件下,系統(tǒng)GMM估計(jì)結(jié)果可能有偏。本文借鑒Bond等(2002)、邵漢華等(2019)的研究方法,將GMM估計(jì)結(jié)果與OLS估計(jì)結(jié)果、固定效應(yīng)模型估計(jì)結(jié)果進(jìn)行對(duì)比。具體步驟如下:第一,對(duì)于OLS估計(jì)方法,由于被解釋變量滯后項(xiàng)和不可觀察的截面效應(yīng)存在正相關(guān)關(guān)系,導(dǎo)致估計(jì)結(jié)果向上偏移;第二,對(duì)于固定效應(yīng)FE估計(jì)方法,由于被解釋變量滯后項(xiàng)和隨機(jī)擾動(dòng)項(xiàng)負(fù)相關(guān),估計(jì)結(jié)果向下偏移;第三,若滯后被解釋變量的GMM估計(jì)值介于固定效應(yīng)估計(jì)值和OLS估計(jì)值之間,那么GMM估計(jì)是可靠有效的。因上述SYS-GMM估計(jì)中加入了穩(wěn)健標(biāo)準(zhǔn)誤,所以本文在OLS與FE的估計(jì)中也加入穩(wěn)健標(biāo)準(zhǔn)誤以更加精確判斷三者估計(jì)值的關(guān)系。通過(guò)對(duì)基準(zhǔn)回歸方程滯后項(xiàng)系數(shù)檢驗(yàn)發(fā)現(xiàn),GMM估計(jì)量均介于兩個(gè)估計(jì)量之間,說(shuō)明系統(tǒng)GMM模型估計(jì)結(jié)果有效可靠,回歸結(jié)果穩(wěn)?、偈芪恼缕拗?,穩(wěn)健性檢驗(yàn)結(jié)果從略。。

        五、結(jié)論與啟示

        本文基于2008-2019年中國(guó)95家商業(yè)銀行的非平衡面板數(shù)據(jù),從同業(yè)業(yè)務(wù)結(jié)構(gòu)與規(guī)模雙重視角研究同業(yè)業(yè)務(wù)發(fā)展與銀行信用風(fēng)險(xiǎn)的關(guān)系,并進(jìn)一步探究同業(yè)業(yè)務(wù)在貨幣政策和金融監(jiān)管政策影響銀行信用風(fēng)險(xiǎn)中的中介效應(yīng)。研究結(jié)果表明:一是同業(yè)業(yè)務(wù)發(fā)展與銀行信用風(fēng)險(xiǎn)呈“U型”關(guān)系。閾值以內(nèi),銀行信用風(fēng)險(xiǎn)隨著同業(yè)業(yè)務(wù)的發(fā)展而降低;閾值以外,銀行信用風(fēng)險(xiǎn)會(huì)隨著同業(yè)業(yè)務(wù)的發(fā)展而增大。二是同業(yè)業(yè)務(wù)在貨幣政策影響銀行信用風(fēng)險(xiǎn)中發(fā)揮了中介效應(yīng)。同業(yè)業(yè)務(wù)會(huì)強(qiáng)化銀行信貸的順周期波動(dòng)特征,緊縮性的貨幣政策對(duì)銀行信用風(fēng)險(xiǎn)影響的正向作用會(huì)隨著銀行同業(yè)業(yè)務(wù)的發(fā)展而有所下降,反之亦然。三是同業(yè)業(yè)務(wù)在金融監(jiān)管政策影響銀行信用風(fēng)險(xiǎn)中發(fā)揮了中介效應(yīng)。

        基于以上研究結(jié)果,對(duì)強(qiáng)化商業(yè)銀行同業(yè)業(yè)務(wù)風(fēng)險(xiǎn)管理提出如下建議:

        一是商業(yè)銀行要合理有效開(kāi)展同業(yè)業(yè)務(wù),加強(qiáng)同業(yè)資產(chǎn)業(yè)務(wù)風(fēng)險(xiǎn)管理能力。商業(yè)銀行應(yīng)嚴(yán)格按照穩(wěn)健經(jīng)營(yíng)原則,對(duì)同業(yè)業(yè)務(wù)進(jìn)行明確的定位,使同業(yè)業(yè)務(wù)所產(chǎn)生的信用風(fēng)險(xiǎn)處于穩(wěn)定可控的范圍,嚴(yán)格審視自身現(xiàn)狀,結(jié)合自身實(shí)際情況探索出一條適合行情的同業(yè)之路,保證同業(yè)業(yè)務(wù)的有效開(kāi)展。同時(shí)還應(yīng)主動(dòng)調(diào)節(jié)同業(yè)資產(chǎn)業(yè)務(wù)和同業(yè)負(fù)債業(yè)務(wù)結(jié)構(gòu),使同業(yè)資產(chǎn)和負(fù)債之間的錯(cuò)配程度保持在一個(gè)可控的區(qū)間內(nèi),加強(qiáng)對(duì)于開(kāi)展同業(yè)業(yè)務(wù)過(guò)程中可能產(chǎn)生的一系列風(fēng)險(xiǎn)的度量與控制,減少對(duì)同業(yè)業(yè)務(wù)的過(guò)分依賴。

        二是監(jiān)管部門要不斷提高宏觀政策的靈活性和前瞻性,正確引導(dǎo)商業(yè)銀行合理有序發(fā)展同業(yè)相關(guān)業(yè)務(wù)。鑒于貨幣政策與同業(yè)業(yè)務(wù)發(fā)展的正相關(guān)關(guān)系,同業(yè)業(yè)務(wù)會(huì)強(qiáng)化銀行信貸的順周期波動(dòng)特征,要進(jìn)一步完善貨幣政策目標(biāo)和工具,健全貨幣政策和宏觀審慎“雙支柱”調(diào)控框架,提高貨幣政策有效性。

        三是監(jiān)管部門要持續(xù)健全宏觀審慎監(jiān)管體系,優(yōu)化金融杠桿監(jiān)控標(biāo)準(zhǔn),進(jìn)一步推進(jìn)穿透式的銀行微觀審慎監(jiān)管方案。監(jiān)管部門應(yīng)建立動(dòng)態(tài)、持續(xù)和跨周期的業(yè)務(wù)考核辦法,把更多信用創(chuàng)造活動(dòng)納入宏觀審慎政策框架,包括將影子銀行的資產(chǎn)負(fù)債表納入流動(dòng)性管理的范疇,防止銀行通過(guò)同業(yè)業(yè)務(wù),以較低的風(fēng)險(xiǎn)準(zhǔn)備金投資于高風(fēng)險(xiǎn)業(yè)務(wù),重點(diǎn)防止同業(yè)業(yè)務(wù)擴(kuò)張所導(dǎo)致的金融“脫實(shí)向虛”,從而降低商業(yè)銀行發(fā)生信用風(fēng)險(xiǎn)的可能性。監(jiān)管部門還應(yīng)該根據(jù)不同商業(yè)銀行之間的差異性,對(duì)商業(yè)銀行內(nèi)部風(fēng)險(xiǎn)預(yù)警機(jī)制有針對(duì)性的進(jìn)行不斷的完善,實(shí)施動(dòng)態(tài)化和差異管理,同時(shí),監(jiān)管機(jī)構(gòu)也應(yīng)該建立健全信息披露制度,以更有效的對(duì)金融機(jī)構(gòu)進(jìn)行監(jiān)管。

        猜你喜歡
        商業(yè)銀行效應(yīng)銀行
        鈾對(duì)大型溞的急性毒性效應(yīng)
        懶馬效應(yīng)
        商業(yè)銀行資金管理的探索與思考
        關(guān)于加強(qiáng)控制商業(yè)銀行不良貸款探討
        10Gb/s transmit equalizer using duobinary signaling over FR4 backplane①
        應(yīng)變效應(yīng)及其應(yīng)用
        ??到拥貧獾摹巴零y行”
        “存夢(mèng)銀行”破產(chǎn)記
        我國(guó)商業(yè)銀行海外并購(gòu)績(jī)效的實(shí)證研究
        銀行激進(jìn)求變
        制服丝袜人妻中出第一页| 亚洲av无码一区二区三区人妖| 97影院在线午夜| 日本熟妇hd8ex视频| 日韩性感av一区二区三区| 亚洲tv精品一区二区三区| 超碰cao已满18进入离开官网| 人人妻人人添人人爽日韩欧美| 国产成人精品aaaa视频一区| 一区二区三区日韩蜜桃| 国产av天堂亚洲国产av天堂| 久久久久久久人妻无码中文字幕爆 | 国产麻豆精品久久一二三| 男性av天堂一区二区| 青娱乐极品视觉盛宴国产视频| 性一交一乱一伦| AV中文码一区二区三区| av天堂免费在线播放| 麻豆av一区二区三区| 久久亚洲国产精品成人av秋霞| 国产高清一区在线观看| 亚洲精品在线免费视频| 国产av无码专区亚洲av毛网站| 国产羞羞视频在线观看| 日本久久一区二区三区高清| 国产91人妻一区二区三区| 亚洲精品乱码久久久久久蜜桃不卡| 最新无码国产在线播放| 国产一区二区在三区在线观看| 影音先锋久久久久av综合网成人| 亚洲欧洲∨国产一区二区三区| 日本a在线播放| 一本色道久久综合亚洲精品不| 亚洲香蕉成人av网站在线观看| 久久精品人成免费| 亚洲黄片高清在线观看| 中文字幕日韩有码在线| 亚洲成av人在线观看天堂无码| 2021国产精品一区二区在线| 精品精品国产一区二区性色av| 性饥渴的农村熟妇|