商業銀行的流動性風險是否存在順周期特征？
——一個來自中國的證據

■郭甦，許爭

商業銀行的流動性風險是否存在順周期特征？
——一個來自中國的證據

■郭甦，許爭

本文以中國80家商業銀行2006~2014年的面板數據為研究樣本，使用動態面板GMM方法檢驗了中國商業銀行的流動性風險的順周期性。研究結果顯示，中國商業銀行的流動性風險存在顯著順周期特征。即在不同的經濟階段，商業銀行對資產的配置會出現親周期特征。商業銀行會根據宏觀經濟的表現相應地調整自身的資產負債結構，這會加劇經濟周期的振幅。順周期特征的存在會使商業銀行的流動性風險出現過度積聚。現階段，“調結構”的經濟任務會犧牲經濟增速，這會直接影響商業銀行的經營行為。因此“穩增長”與“調結構”同樣重要。同時，相應的監管要求和監管措施應作出差異化、動態化的調整，以減少商業銀行業務轉換對經濟發展造成的負面影響，從而保證經濟運行和金融體系的穩定。

流動性風險；LMI指數；系統GMM

郭甦（1978-），陜西人，對外經濟貿易大學金融學院博士研究生，研究方向為宏觀金融理論與政策、商業銀行經營與管理；許爭（1987-），經濟學博士，工銀租賃博士后流動站，研究方向為宏觀金融理論與政策、商業銀行經營與管理。（北京100029）

一、引言

從已有研究成果看，外部經濟環境的變化會直接影響商業銀行的經營行為。而微觀主體的信用風險以及金融機構之間的風險轉移會直接沖擊商業銀行乃至整體金融體系的穩定。商業銀行是金融體系的核心，其經營行為的調整會對整個金融體系和經濟發展產生直接影響。從實際情況看，宏觀經濟的表現會使商業銀行不斷調整自身的經營策略。因此，在經濟周期的不同階段，商業銀行會表現出與之相適應的經營特征。也就是說，商業銀行的經營行為具有順周期性。在經濟上行期，商業銀行往往注重業務擴張而忽視對于風險的防控。因此其經營策略的調整常常會使得經濟出現過熱進而衍生出泡沫。在經濟下行期，出于風險防控的角度，商業銀行會選擇大幅的壓縮業務規模，從而控制不良貸款的上升以減緩違約風險，但這會進一步加劇經濟衰退。因此，商業銀行的順周期行為存在一種顯著的加速效應。這在加劇經濟周期振幅的同時也會延長其持續的時間。從主流經濟學的角度看，宏觀經濟政策制定的目的在于政府應通過相機決策的方式，通過使用相應的政策工具來熨平經濟周期，以避免經濟出現過度起伏。但商業銀行的順周期特征會使得這一問題的難度加大。因此，對于商業銀行順周期行為的有效識別可以在經濟政策和監管措施等方面做出更為合理的決策和調整。

金融危機爆發后，各國監管部門不斷調整對本國商業銀行的監管要求，用以限制商業銀行業務的不規則擴張。在危機中，美國眾多商業銀行相繼出現流動性危機進而破產倒閉。因此，對于流動性風險的討論逐漸被世界各國的監管當局重新重視起來。流動性的驟然緊張極易造成市場恐慌，當商業銀行出現非理性行為時，會直接沖擊金融體系的穩定。這種負面情緒的不斷蔓延可能會導致系統性風險的出現，進而誘發金融危機。近些年的研究表明，商業銀行的資本、信貸水平以及杠桿率往往與經濟發展的不同階段相匹配，即會呈現出顯著的順周期特征。而這些指標的調整往往會導致商業銀行的流動性水平出現同步變化。為此，我們猜測，商業銀行的流動性風險是否也會呈現出與經濟發展相匹配的特征。即宏觀經濟的擴張是否會使得商業銀行過度追逐利潤而忽視對流動性的管理？而在經濟緊縮期，商業銀行是否會因為過度注重流動性管理而導致資產業務收縮進而加劇經濟衰退？為此，本文試圖從這一方面有所貢獻，通過使用中國商業銀行的相關數據來對流動性風險的周期性變化進行分析，用以研究中國商業銀行的流動性風險是否存在順周期特征。

在新常態的背景下，中國的經濟發展呈現出了一些新的特征。在世界經濟環境存在諸多不確定性的背景下，中國也逐步進入了風險釋放期。地方政府債務、房地產泡沫、影子銀行等均與商業銀行存在密切的業務關系。一旦某一環節出現問題，則極有可能會導致金融風險的出現。近些年來，政府也已多次強調要確保不發生系統性的金融風險。從歷史經驗看，金融風險的發生往往與商業銀行流動性水平的變化密切相關。因此，對于中國商業銀行流動性風險的分析可以更好地識別金融風險在不同經濟階段的動態變化，以使得政府和監管當局能夠更好地制定經濟發展政策和監管措施。

二、文獻回顧及綜述

對于商業銀行順周期性的研究，學界已經積累了一定的成果。其主要研究范式在于通過使用商業銀行的特征變量，例如資本水平、杠桿率、信貸水平等進行研究，以觀察這類指標的變化是否與宏觀經濟的表現相匹配。Bernanke&Gertler(1989)等學者將金融加速器的概念引入了研究框架。其研究內容在于檢驗銀行信貸行為是否會對宏觀經濟產生過度沖擊。研究結果發現，經濟周期可能會由于銀行信貸的內生性變化而出現顯著的震蕩，這可能會使得經濟過熱或者經濟緊縮的現象進一步加劇。Stein（2004）、Jokipii&Milne（2008）等學者認為，巴塞爾協議Ⅰ和巴賽爾協議Ⅱ的風險管理體系存在顯著漏洞。這些條款的實施非但無益于防范商業銀行的順周期行為，相反可能會產生助推的作用。同時，巴塞爾協議中設定有最低資本充足率的要求。在經濟下行期，監管約束的存在使得商業銀行必須要壓縮業務以滿足監管考核。但實體經濟的發展勢必會受到影響，這會產生極高的社會運行成本。Moore（2010）認為，巴賽爾協議Ⅲ提出了最低流動性監管要求。其目的在于保證商業銀行在經濟周期的不同階段擁有與之相適應的流動性儲備以吸收隨機性因素的干擾。流動性風險往往會出現在經濟下行期，為了防范風險，商業銀行會選擇持有流動性較強的資產并同時壓縮資產業務。因此，在經濟上行時期導致的風險積聚會開始不斷出現，而宏觀經濟的低迷會進一步強化商業銀行的這一行為。這類似于乘數-加速效應。因此，僅僅關注商業銀行的流動性水平并不能很好地控制風險的出現。這需要在宏觀經濟與商業銀行的流動性風險之間設立更為動態化的研究機制。Athanasoglou et al.(2013)的研究結果發現，商業銀行對于資本水平的管理與經濟發展狀況直接相關。在經濟繁榮時期，商業銀行會有更高的風險承擔意愿。在擁有更高資本水平的同時，其資產業務會出現加速的擴張，商業銀行對于流動性較強的資產持有動機會出現顯著下降，這會造成風險積聚。反之，在經濟緊縮時期，微觀經濟主體的經營困難程度加大，違約風險迅速上升。商業銀行出于風險防范以及為滿足監管要求的需要，會不斷壓縮其資產業務規模。同時會積極保有更多的流動性資產。但若早期業務經營導致的資產結構變化不能夠很好地進行調整，一旦有突發事件的影響，則商業銀行會迅速出現流動性危機。

有關中國學者對于該項問題的研究。王飛等（2013）的研究結果顯示，中國商業銀行的杠桿率存在有順周期性，并且上市商業銀行的這一特征體現得更加明顯。杠桿率的上升會推動商業銀行資產負債規模的同步擴張。李嵩然等（2015）檢驗了中國商業銀行貸款損失準備的順周期現象。研究結果發現，大型商業銀行以及農商行的信貸資產業務存在逆周期效應。但股份制商業銀行以及城商行卻存在顯著的順周期效應。項后軍等（2015）對中國商業銀行的杠桿率及流動性水平的關系進行了實證分析。結果顯示，商業銀行的杠桿率存在順周期性，這會助推宏觀經濟的擴張。同時，經濟的擴張會使得商業銀行持有的流動性資產規模出現下降，從而導致流動性風險的不斷積累。

從已有研究文獻看，多數學者的研究結論均肯定了商業銀行存在順周期的經營特征這一事實。從宏觀的角度分析，商業銀行的流動性風險與經濟發展總是同步變化的。商業銀行的經營行為會導致宏觀經濟出現過度繁榮或衰退。從歷次金融危機的發生路徑看，流動性風險往往是導致危機不斷擴大化的直接因素。為此，本文試圖引入Brunnermeier,Gorton,and Krishnamurthy(2011)提出的流動性錯配指數（LMI）來對中國商業銀行的流動性風險是否存在順周期特征進行實證分析。用以考察商業銀行在不同宏觀經濟背景下的經營行為。

三、變量選取、數據說明及模型設定

（一）變量的選取

1.被解釋變量

本文的研究目的在于分析商業銀行的流動性風險是否存在顯著的順周期特征。在衡量流動性風險指標的選擇上，本文主要選取了流動性錯配指數（即LMI）作為被解釋變量。流動性錯配指數由Brunnermeier Gorton,and Krishnamurthy（2011）最早提出，其計算原理是通過對不同的資產賦予相應的流動性權重進行加權求和，以計算出商業銀行在不同時點所擁有的流動性資產總和。從資產負債表的角度看，資產方主要衡量對資金的使用，負債方衡量資金的來源。因此，資產方計算出的流動性資產總和為市場流動性（market liquidity）。若經過加權所得后的流動性資產規模越大，則代表商業銀行擁有較高的風險抵補能力。此外，商業銀行資產方的來源需要依靠負債融資。因此，按照相同的計算原理，通過對不同負債方獲得的資金進行流動性加權，可以計算出該時點商業銀行的融資流動性（funding liquidity）。通過對市場流動性和融資流動性做差，即可得到LMI指數。這便是最初流動性錯配指數的計算原理。在計算LMI指數時，其操作核心在于對不同屬性的資產進行賦權。對于變現能力較強的資產，賦予的權重也越高。例如現金，其流動性權重應為1。LMI指數的計算過程即是通過加權求和的方式計算出市場流動性和融資流動性，即可以觀測出商業銀行在該時點的資產錯配程度。如果LMI數值越高，則說明商業銀行的流動性緩沖水平較高，可以有效地防范風險。若LMI數值較低，則說明商業銀行的資產錯配程度過大，此時存在較高的風險暴露。對于權重的賦予，本文主要參考了Banerjee（2012）的做法，使用了巴塞爾協議Ⅲ中提出的NSFR方法進行賦權。此外，需要說明的是，本文對Brunnermeier,Gortonand Krishnamurthy（2011）的做法進行了一些變動。主要是將市場流動性和融資流動性作比較來計算LMI指數，其含義并未發生變化。

2.解釋變量

本文的研究目的在于考察商業銀行的流動性風險是否存在順周期特征。因此在解釋變量的選取上，本文主要將GDP增長率作為衡量宏觀經濟波動的指標。同時，在本文的研究樣本中包括有地方性商業銀行。因此，考慮到某些商業銀行存在的區域特征，本文將其所在省份的GDP增長率作為解釋變量。對于全國性或者經營范圍較廣的商業銀行，則仍以全國GDP增長率作為衡量宏觀經濟狀況的指標。

3.控制變量

在控制變量的選擇上，根據以往的研究成果，本文分別選擇了兩類指標作為控制變量。包括宏觀層面的特征變量和銀行層面的特征變量。具體看，銀行層面的特征變量包括：一級資本充足率（CAP1）、資產收益率（ROA）、凈貸款資產比（NL）、總資產規模的對數（LA）、杠桿（LEV）。宏觀層面的特征變量包括：M2增長率（M2G）、銀行間7日回購利率（M-RATE）、金融危機虛擬變量（FC）、流動性風險審慎監管變量（PR）。

（二）數據來源及說明

在數據搜集及處理過程中，由于部分商業銀行的數據缺失，因此本文使用了插值法進行估算。有關銀行特征變量的數據來自于Bankscope數據庫以及部分商業銀行的年報。其他數據則來自于wind數據庫。在經過篩選后，剔除樣本缺失較多的銀行，最終將80家商業銀行2006~2014年的數據作為研究樣本。數據的描述性統計如表1所示。

表1 主要變量的描述性統計

（三）模型的設定及方法選取

1.模型設定

本文選取的被解釋變量為流動性錯配指數，從計算原理看，LMI指數的變化明顯會受到前期的影響。從已有研究文獻看，商業銀行的經營風險往往會呈現出一種慣性特征，而慣性的存在會使得其風險偏離均值水平。因此本文將LMI指數的一階滯后項納入到了模型中，這可以用來反映風險水平向均衡狀況的收斂速度。在加入被解釋變量的一階滯后項后可以看出，本文設定的模型為動態面板模型。模型的具體形式如下所示：

其中，LRISK即LMI指數，用以衡量商業銀行的流動性風險。GDP表示為經濟增長率，用以衡量宏觀經濟的變化情況。SIZE代表商業銀行的規模，表示為各商業資產規模的對數。CAP1代表一級資本充足率，表示為一級資本與風險加權資產的比值。LEV代表杠桿率，表示為總資產與權益資本的比值。ROA為資產收益率，表示為利潤與平均資產總額的比值。NL為凈貸款資產比，表示為凈貸款與總資產的比值。M2G為M2增長率。M-RATE為銀行間7日回購利率。FC為金融危機虛擬變量，在2009年時取1。PR為流動性風險審慎監管變量，在2014年取1。

2.方法選取

動態面板模型通常使用GMM方法進行估計，原因在于動態面板本身具有內生性問題。GMM方法主要是使用被解釋變量的滯后項作為工具變量來求得參數的一致估計。同時，GMM方法允許數據出現異方差。相較于傳統方法，例如最小二乘法，GMM方法可以最大程度上保證估計結果的有效性。在已有的文獻中，對于面板數據模型的估計主要包括系統GMM和差分GMM。相較于差分GMM，系統GMM結合了差分方程和水平方程的特點，這為模型的估計提供了更多的工具變量信息。同時，系統GMM方法也可以克服弱工具變量的問題。因此，本文使用了系統GMM方法對模型進行估計。

四、實證結果及分析

（一）實證結果及分析

在對模型進行估計時，本文設定了四個基準估計模型。目的在于觀測在加入不同種類的控制變量后，商業銀行流動性風險的順周期特征是否會發生顯著變化。模型1表示使用LMI指數直接對GDP進行回歸。模型2在模型1的基礎上加入了宏觀特征變量。模型3在模型1的基礎上加入了銀行特征變量。模型4則為總體的樣本回歸。此外，GMM方法要求對模型進行過度識別以及序列自相關檢驗，根據sargan檢驗以及AR（2）的結果，本文的工具變量設定是合理的，同時模型也不存在高階的序列自相關問題。

表2報告了中國商業銀行流動性風險順周期性的檢驗結果。在逐步加入變量進行回歸分析后發現。宏觀經濟與LMI指數之間均呈現出顯著的負相關關系，這證實了本文的推斷，即中國商業銀行的流動性風險存在顯著的順周期特征。這樣的結果表明，中國商業銀行對于流動性資產的管理存在親周期的特點。在經濟上行期，商業銀行會持有較多流動性水平較差但盈利能力較強的資產。此時，商業銀行的資產錯配程度顯著加大，出于風險防控目的流動性較強的資產規模迅速下降，這會產生潛在的風險積聚。反之，當經濟處于下行期，商業銀行會壓縮資產業務，同時在資產結構方面予以調整，即持有流動性水平較高的資產已抵御潛在的經濟風險。根據本文的研究結果，中國商業銀行的經營狀況與大多數研究文獻的結論相符合。從流動性風險的角度看，商業銀行也呈現出了明顯的順周期特征。其折射出的內涵意義在于，中國商業銀行對于資產業務的調整與宏觀經濟的表現直接相關。流動性風險的順周期性會進一步助推經濟過熱或者經濟緊縮，這會使得經濟的上行或者下行壓力進一步加大。現階段，中國經濟增速仍處于下行通道，轉型升級的經濟任務還需要足夠的時間。因此，商業銀行出于防范流動性風險的動機可能會使得經濟下行的現象進一步加劇。這需要引起足夠的重視。

從控制變量的結果看，對于宏觀經濟特征變量，M2增長率對LMI指數存在正向影響。貨幣供應量的增加表明商業銀行擁有更多的流動性，這可以起到風險緩釋的作用。另外，利率和外部事件變量（包括金融危機和宏觀審慎監管）對LMI指數存在負向影響。這說明成本的上升會使得商業銀行對自身的資產結構進行調整。通過尋找最優化的資產水平來控制自身的流動性風險。此外，在商業銀行遭遇到外部沖擊時，商業銀行的資產結構會迅速做出反應。市場流動性的規模會顯著下降，這會帶來流動性風險水平的提升。從銀行特征變量看，一級資本充足率、資產收益率、資產規模與LMI指數存在負相關關系。這可能與商業銀行過度依賴于外源融資有關。同時，在中國商業銀行的資產結構中，貸款占據的份額較大。從資產屬性看，貸款的風險權重較高，并且對其流動性權重的賦予較低，這可能會使得資產收益率和資產規模對LMI指數存在負向影響。最后，凈資產貸款比與杠桿率對LMI指數呈現出負向影響。這可能與商業銀行近些年不斷采取措施對資產結構進行優化以及其利潤來源逐步多元化有關。

（二）穩健性檢驗

由于模型的結果可能會受到變量以及方法選擇的影響，這會使得估計結果的可靠性受到質疑，因此需要進行穩健性檢驗。為此，本文在前述變量的基礎上，同時使用了固定效應模型、隨機效應模型、混合最小二乘方法以及差分GMM對模型進行了重新估計以進行穩健性檢驗。結果仍然支持了中國商業銀行流動性風險存在順周期性這一結論。此外，其他控制變量的顯著性水平及影響程度出現一些變化，但結論大體與前述的分析是一致的。這說明本文的模型設定與方法選擇基本合理，估計結果也較為穩健。性水平下顯著。括號內為Z統計量。

表2 中國商業銀行流動性風險順周期性的估計結果

五、結論與思考

本文以中國80家商業銀行2006~2014年間的面板數據為研究樣本，以流動性錯配指數（LMI指數）為被解釋變量，在建立最優化模型的基礎上，對商業銀行的流動性風險是否存在順周期性進行了實證分析。研究結果顯示，在已有樣本期內，宏觀經濟的表現對商業銀行的流動性風險有顯著的負向影響。這說明，在經濟上行期，商業銀行更傾向于配置流動性較低但盈利能力較強的資產，這會產生潛在的風險積聚。在經濟下行期，商業銀行傾向于持有流動性水平較強的資產以抵御經濟下行壓力對其經營產生的負面影響。這樣的研究結論表明，中國商業銀行的流動性風險與宏觀經濟的表現是同步變化的。這事實上反映出了中國銀行業的典型經營特征。在經濟上行期可能會助推泡沫，而在經濟下行期則會加劇衰退。此外，需要注意的是，在經濟下行期，商業銀行早期資產錯配導致的流動性風險積聚可能會逐步顯現，出于風險防范目的的考慮，商業銀行通常均會采取一致性的風控策略。這可能會導致市場流動性出現緊張。一旦遭遇外部因素的突然沖擊，則極有可能出現金融風險。

從本文的研究結論看，由于商業銀行的流動性風險存在有順周期特征，同時考慮到商業銀行在經濟運行中的重要地位。因此，穩定的經濟環境對于商業銀行經營行為的選擇十分關鍵。現階段，中國正處于經濟轉型升級時期，結構性的調整已成為政府經濟工作的核心內容。但結構的調整往往會犧牲經濟增速，這可能會直接影響商業銀行的經營行為。因此，在調整經濟結構的同時，也需要穩定經濟增長，以保證經濟增速不出現斷崖式下跌，即所謂的硬著陸。同時，已有的監管措施和標準應根據不同的經濟形勢作出動態選擇。從監管標準的角度看，是否應該逐步放棄一刀切的監管要求，對于不同質的商業銀行采用差異化的監管策略。同時，相應的監管標準是否可以根據經濟形勢的變化做出調整。例如，在現階段經濟下行期，可以允許商業銀行出現更高的壞賬損失或者在一定程度上降低對資本充足率水平的要求。事實上，僅僅強調對商業銀行的監管是不夠的。因為金融穩定與經濟運行之間本身存在矛盾。在經濟下行期要求金融穩定，則商業銀行勢必會收縮業務規模，這事實上是在政策層面加劇了經濟衰退。因此，已有的監管要求應根據現階段經濟形勢的變化做出動態調整，以減緩經濟下行的壓力，從而達到熨平經濟周期的目的，同時也為轉型升級任務的完成建立足夠的時間緩沖。

[1]Bernanke,B.S,Gertler,M,Agency Costs,Net Worth,and Business Fluctuations[J].The American Economic Review 1989,79(1),14~31.

[2]Stein，J，Kashyap,A,Cyclical Implicatons of theBaselIICapitalStandards[J].Economic Perspectives,2004.

[3]Jokipii,T,Milne,A,The Cyclical Behaviour of European Bank Capital Buffers[J].Journal of Banking &Finance,2008,32(8):1440~1451.

[4]Moore,W,How do financial crises affect commercialbankliquidity?EvidencefromLatin America and the Caribbean[R].MPRA Paper,No 21473,2010.

[5]Athanasoglou,P,P,Daniilidis，I，Delis，M，D，Bank Procyclicality and Output:Issues and Policies[J]. Journal of Economics&Business,2013,72(C):58~83.

[6]王飛,李雅楠,劉文棟.杠桿率順周期性及其對銀行資產負債表的影響——基于我國161家銀行的實證分析[J].上海金融,2013,（10）:33~40+117.

[7]李嵩然,馬德功.貸款損失準備、銀行信貸行為與經濟周期——來自我國不同類型商業銀行的經驗證據[J].山西財經大學學報,2015,（11）:41~50.

[8]項后軍,陳簡豪,楊華.銀行杠桿的順周期行為與流動性關系問題研究[J].數量經濟技術經濟研究,2015,（08）:57~72+148.

[9]Brunnermeier，M，K，Krishnamurthy，A，Gorton,G,B,Risk Topography[R].SSRN Working Paper,2011.

[10]Banerjee,R，N，Banking Sector Liquidity Mismatch and the Financial Crisis[R].Bank of England Working Paper,2012.

F830.2

A

1006-169X（2017）05-0026-06