我國貨幣政策的銀行風險承擔效應研究

夏仕龍+付英俊

摘要：貨幣政策與金融穩定的關系在后金融危機時代受到廣泛關注，催生貨幣政策風險承擔渠道成為研究熱點。學術界對貨幣政策風險承擔效應缺乏理論模型研究，而實證研究集中在銀行、貸款等微觀層面，極個別考慮了銀行業宏觀層面，但缺乏中觀層面的結構視角分析。本文構建的資產組合理論框架表明，寬松的貨幣政策會通過加大商業銀行的風險偏好和風險資產的風險溢價兩種途徑加大商業銀行的風險承擔。基于我國商業銀行體系分產業、分行業、分省、分機構的逐步回歸和可變系數回歸等實證分析，驗證了貨幣政策銀行風險承擔效應的存在，并測出了分產業、分行業、分省、分機構的結構性差異。

關鍵詞：貨幣政策；風險承擔；結構

文獻標識碼：A文章編號：100228q

482017（06）003313

一、 引言

金融危機以來，學術界開始廣泛關注貨幣政策與金融穩定的關系，特別是貨幣政策風險承擔效應。不少觀點認為美國次貸危機的根源是長期執行低利率政策，寬松的貨幣環境使金融機構的風險識別能力變弱，風險容忍度提高，最終形成過度的風險承擔。Borio和Zhu總結了貨幣政策風險承擔渠道的三大理論基礎：第一，低利率使資產和抵押品價值、收入和利潤都上升，減小風險感知或增加風險容忍，違約概率、違約損失率、波動率和相關性的順周期特征使風險感知減小，風險容忍隨財富點的上移而上升的一般性假設意味著風險容忍增加。第二，目標收益率具有粘性，不能隨市場利率及時調整，導致政策利率下調后，必須通過擴大風險承擔才能實現目標收益率。第三，央行政策透明度越高，溝通能力越強，未來不確定性越小，會壓縮風險溢價，要實現預期收益，只能額外承擔風險，預期央行救市會產生利率變動的不對稱效應，下降對風險承擔的激勵大于上升對風險承擔的抑制[1]。

國外學者對貨幣政策風險承擔效應在銀行或貸款微觀面板數據層面進行了大量的實證檢驗，結論都支持貨幣政策風險承擔渠道的存在。Delis和Kouretas用2001—2008年歐元區銀行18000個年度觀測值找到低利率顯著增加銀行風險承擔的經驗證據，且利率對風險資產的影響在權益資本更高的銀行更弱，在表外項目更高的銀行更強[2]。Maddaloni和Peydro用歐元區和美國的銀行信貸標準數據發現，低的短期利率會放松對家庭和公司貸款的標準，且這種放松程度會被證券化活動、低的銀行資本監管、低的貨幣政策利率執行時間放大，但低的長期利率不會放松信貸標準[3]。Jiménez等從西班牙銀行業監督管理機構獲取貸款申請和合同數據，用一個兩階段模型先分析貸款申請的成功與否，再分析申請貸款成功后的貸款結果，發現更低的隔夜利率會使低資本化銀行對事前風險企業同意更多貸款申請，且授信更多貸款，要求更少抵押，但是會有一個更高的事后違約概率[4]。Ioannidou等研究了玻利維亞的貨幣政策風險承擔渠道，發現低政策利率會促使對信用歷史更差、事前信用評級更低、事后表現更差的借款人的風險貸款的授信，為了單獨識別風險承擔，評估新發放貸款的擔保品覆蓋、預期回報和風險溢價，發現回報和風險溢價更低，特別是對那些代理問題嚴重的銀行[5]。DellAriccia等提供了美國銀行業貨幣政策風險承擔渠道的證據，從美聯儲對商業貸款方面調查中獲得1997—2011年銀行對商業貸款內部評級的私密數據，發現用新貸款風險評級衡量的事前風險承擔和短期利率的上升負相關，且這一關系在經濟周期性越弱的地區顯著性越強，在資本相對較低的銀行和財務困境時期顯著性越差[6]。

國外學者對貨幣政策風險承擔也進行了不少理論解釋和拓展。Diamond和Rajan，Adrian和Shin認為銀行更多地依賴短期資金，因而低的短期利率比低的長期利率刺激更多的風險承擔[78]。Rajan認為低利率會給金融市場帶來額外的順周期風險承擔：比如保險公司一般有固定收益的承諾，當利率下降時，如果停留在低利率的安全投資上，可能無法兌現承諾，因此不得不尋求風險更大的投資，這樣還有機會獲得更高的收益以避免違約。再比如對沖基金經理的報酬一般是管理資產的1%加上超過最低約定回報的年化收益率的20%，當無風險利率處于高位時，就算選擇保守投資，報酬也可觀，當無風險利率處于低位時，若投資保守，可能不能超過最低約定回報，因此低利率會增加基金經理的冒險激勵[9]。DellAriccia和Marquez認為銀行間存在信息不對稱，因而低政策利率會放松銀行信貸標準，增強風險承擔意愿[10]。由于銀行業存在嚴重代理問題（緊急救助和流動性援助），Adrian和Shin認為低利率可能會通過提高銀行凈值導致銀行放松貸款標準[11]，而Acharya和Naqvi認為低利率可能會通過提高銀行流動性導致銀行放松貸款標準[12]。Allen和Carletti認為銀行部門的金融危機的關鍵成因是過低的短期（貨幣政策）利率和長期（政府債券）利率導致的信貸標準的過度放松，金融創新的廣泛運用導致的高度證券化活動，監管標準（特別是對資本的監管標準）的放松[13]。Borio和Zhu則認為貨幣政策風險承擔渠道和流動性緊密聯系，相互加強，更低的風險感知和更高的風險容忍會弱化流動性約束，反過來，更低的流動性約束會支持更高的風險承擔，而且金融體系的演變和審慎監管會加強風險承擔渠道的重要性[1]。

少數國外學者采用理論模型來研究貨幣政策風險承擔。Valencia用一個動態銀行模型研究低貨幣政策利率如何導致銀行承擔更多風險，以及風險承擔過度的條件：當銀行不能發行股份時，效應取決于沖擊的大小，小幅的貨幣政策利率下降可能減少過度風險承擔，大幅的政策利率下降會增加過度風險承擔；當銀行可以發行股份時，貨幣政策利率降低毫無疑問會增加過度風險承擔，且效應會持續更長時間；資本要求比貸款價值比上限對減少過度風險承擔效果更好[14]。Angeloni先用向量自回歸（VAR）模型和銀行業整體時間序列數據證明風險承擔渠道的存在，且在銀行資金端特別顯著，然后建立宏觀經濟模型分析銀行如何內生選擇資金結構（存款或資本）及風險水平，發現寬松貨幣政策會增加銀行杠桿和風險，高風險會在穩態下增加資產價格波動和減少均衡產出[15]。endprint

國內學者也對貨幣政策風險承擔效應在銀行微觀面板數據層面進行了大量的實證檢驗，結論也都支持貨幣政策風險承擔渠道的存在。江曙霞、陳玉嬋利用我國14家上市銀行2008年第一季度至2011年第三季度的平衡面板數據，采用門限回歸模型實證分析了貨幣政策對銀行風險承擔的影響，實證結果表明，緊縮的貨幣政策對銀行風險承擔具有抑制作用，且貨幣政策對銀行風險承擔的影響取決于銀行資本狀況[16]。張雪蘭、何德旭基于中國2000 —2010年間的16家上市銀行的年度經濟金融數據，應用動態面板系統廣義矩估計法（GMM），考察我國貨幣政策立場對銀行風險承擔的影響，結果顯示，貨幣政策立場顯著影響銀行風險承擔，且受市場結構及商業銀行資產負債表特征的影響[17]。徐明東、陳學彬基于1998—2010年59家商業銀行的微觀數據，采用GMM動態面板估計方法驗證了貨幣政策傳導的銀行風險承擔渠道假說，實證結果顯示，貨幣政策與銀行風險承擔變量呈顯著負相關關系；規模越大、資本越充足的銀行，其風險承擔行為對貨幣政策的敏感性越低；擴張性貨幣政策對銀行風險承擔的激勵作用強于緊縮性貨幣政策的約束作用[18]。方意、趙勝民、謝曉聞利用我國72家商業銀行2003—2010年面板數據研究了貨幣政策的銀行風險承擔問題，實證結果表明，我國的貨幣政策影響了銀行的風險承擔，且資本充足率在其中起重要作用[19]。牛曉健、裘翔依據“風險承擔渠道”理論的假說，采用中國上市時間超過三年的14家上市銀行的數據，利用固定效應模型和差分廣義矩估計方法，驗證了在中國，低利率的政策環境會催生商業銀行的風險承擔行為[20]。張強、喬煜峰、張寶通過對我國14家商業銀行2002—2012年的面板數據進行實證分析，以檢驗我國貨幣政策的銀行風險承擔渠道是否存在，研究結果發現，擴張性的貨幣政策會顯著引起我國銀行風險承擔的上升，而銀行風險承擔上升也顯著引起銀行信貸投放的增加[21]。劉曉欣、王飛對我國1997—2011年121家銀行實證檢驗我國銀行業貨幣政策風險承擔渠道以及銀行特征的異質性對貨幣政策的風險承擔影響，研究結果表明，我國銀行的貨幣政策風險承擔渠道是存在的，銀行資本充足性以及流動性在不同貨幣政策下對貨幣政策風險承擔具有不同作用[22]。

少數國內學者對貨幣政策風險承擔效應在銀行業整體時間序列層面進行實證研究。金鵬輝、張翔、高峰基于月度銀行業全行業的資產負債表，構建了銀行在資產及負債選擇上風險承擔指標，從我國銀行業整體層面對貨幣政策和銀行風險承擔行為之間的關系進行研究，發現我國寬松貨幣政策對銀行風險承擔的鼓勵體現在銀行的資產選擇行為上而不在銀行的負債選擇行為上[23]。金鵬輝、張翔、高峰用銀行業貸款審批條件指數來測度銀行過度風險承擔行為，經實證發現，在寬松的貨幣政策環境下，銀行會放松貸款審批條件，從而承擔過度的風險[24]。

綜上，已有文獻對貨幣政策風險承擔的研究主要集中在實證檢驗上，且以銀行或貸款微觀面板數據層面居多，其中，國外數據可得性好，銀行或貸款層面均有研究，國內數據可得性差，僅在銀行層面有研究。極少數學者從銀行業整體時間序列層面對貨幣政策風險承擔效應進行了實證研究[15，2324]。采用理論模型來研究貨幣政策風險承擔效應的文獻也極度缺乏[1415]。本文首先構建資產組合理論模型對貨幣政策銀行風險承擔微觀機理進行解釋，對現有文獻缺乏理論模型分析這一不足之處進行補充，然后從中國銀監會年報及網站手工收集、整理、計算中國商業銀行體系分產業、分行業、分省、分機構的面板數據，對我國貨幣政策風險承擔效應進行檢驗，并分析貨幣政策風險承擔效應分產業、分行業、分省、分機構的結構性差異，對現有文獻缺乏產業、行業、省級、機構等中觀層面分析及其機構性差異分析進行完善。

本文的結構安排如下：第二部分為解釋貨幣政策風險承擔效應微觀機理的資產組合理論框架，第三部分為商業銀行體系分產業、分行業、分省、分機構的貨幣政策風險承擔渠道實證分析，第四部分為本文的結論。二、 理論框架

貨幣政策銀行風險承擔渠道理論認為，寬松的貨幣政策會加大商業銀行的風險偏好，促使商業銀行采取更加激進冒險的信貸政策和行為，而緊縮的貨幣政策會減小商業銀行的風險偏好，促使商業銀行采取更加審慎保守的信貸政策和行為。此外，無風險資產的收益率對貨幣政策反應靈敏迅速，而風險資產的收益率對貨幣政策反應遲鈍緩慢，造成了貨幣政策寬松時，無風險資產的收益率比風險資產的收益率下降更多，風險溢價上升，風險資產的吸引力變大，商業銀行配置更多的風險資產，而貨幣政策緊縮時，無風險資產的收益率比風險資產的收益率上升更多，風險溢價下降，風險資產的吸引力變小，商業銀行配置更少的風險資產。貨幣政策通過影響商業銀行的風險偏好與風險資產的風險溢價這兩種效應同時對商業銀行的風險承擔發揮作用。下面用一個簡單的資產組合理論模型進行直觀的闡述。

為了簡化，假設商業銀行有兩種資產配置途徑：無風險資產f，預期收益率（即收益率的均值）為Rf，風險（即收益率的標準差）為0；風險資產a，預期收益率為Ra，風險為σa。設風險資產配置比率為xa，則無風險資產與風險資產構成資產組合p，預期收益率為Rp=xaRa+（1-xa）Rf，風險為σp=xaσa，且有Rp=Rf+Ra-Rfσaσp，即圖1中的線段fa。

為了剝離貨幣政策傳導的信貸渠道中的資產負債表渠道對風險承擔渠道的干擾，即貨幣政策寬松時，銀行風險資產配置增加可能是因為寬松的貨幣政策改善了借款人的資產估值、收入和現金流狀況，降低了違約風險，而貨幣政策緊縮時，銀行風險資產配置減少可能是因為緊縮的貨幣政策惡化了借款人的資產估值、收入和現金流狀況，提高了違約風險，本文對風險資產的風險進行控制，設定其不隨貨幣政策的改變而改變，始終為σa，因而可以單獨分析風險承擔渠道。

圖1商業銀行資產配置圖

由圖1可知，若商業銀行初始資產配置點為N，此時無風險資產和風險資產的預期收益率分別為Rf、Ra，風險溢價為（Ra-Rf），商業銀行的風險偏好由無差異曲線l′1-l′3刻畫，資產配置可行集fa與無差異曲線l′3相切于N，資產組合的風險為σN，風險資產的配置比率為xNa=σN/σa。當貨幣政策緊縮時，商業銀行的風險偏好減小，由更陡峭的無差異曲線l1-l3刻畫，即對同樣大小的風險要求更高的風險溢價補償才能維持效用不變，資產配置可行集fa與無差異曲線l3相切于M，資產組合的風險為σM<σN，風險資產的配置比率為xMa=σM/σaR′a-Ra，風險溢價變為R′a-R′f

總之，緊縮的貨幣政策會同時通過減小商業銀行的風險偏好和風險資產的風險溢價這兩種效應使商業銀行資產配置點由N遷移到K，減小風險資產的配置比率，降低商業銀行風險承擔。同理，若商業銀行初始資產配置點為K，采用相同的邏輯演繹可以得到，當貨幣政策寬松時，商業銀行的資產配置點會最終遷移到N，寬松的貨幣政策會同時加大商業銀行的風險偏好和風險資產的風險溢價，增大風險資產的配置比率，加大商業銀行風險承擔。三、 實證分析

上一部分通過構建資產組合理論框架來分析貨幣政策銀行風險承擔渠道的內在機理，這一部分通過手工收集、整理、計算得到2005—2015年度中國商業銀行體系分產業、分行業、分省、分機構的相關面板數據，對中國貨幣政策銀行風險承擔渠道的存在性進行檢驗，同時考慮貨幣政策銀行風險承擔效應的分產業、分行業、分省、分機構的結構性差異。

（一）計量模型設定

為使實證分析和理論框架保持一致，本文主要研究商業銀行在資產配置上的風險承擔，暫不考慮其在負債端的風險承擔。貸款仍是我國商業銀行的資產主業，借款人的信用風險是風險承擔的內在實質，而不良貸款率是風險承擔的外在表現，商業銀行在風險承擔上的選擇行為最終會以不良貸款率的結果顯現。因此，不良貸款率是衡量商業銀行風險承擔的最核心指標。不良貸款率除了受事前的商業銀行主動的風險承擔行為影響外，還受事后的宏觀經濟形勢變化的影響。而商業銀行主動的風險承擔行為，除了受貨幣政策的影響外，還受商業銀行的盈利能力、資產規模、資本充足性、同業競爭結構、跨業競爭結構、利率市場化程度、業務合規性、資產價格等因素的影響。基于以上分析，構建如下計量模型：

nplrit=β0+β1mpt+controlit+εit（1）

式中，nplrit為i產業/行業/省/機構在t年的不良貸款率，mpt為t年的貨幣政策指標，controlit為控制變量集合，包括宏觀及結構層面的經濟金融形勢變量和商業銀行業整體及結構層面的各種影響因素。β1為在其他條件不變的情況下，以不良貸款率衡量的商業銀行風險承擔對貨幣政策的反應系數。為了考慮貨幣政策銀行風險承擔效應的分產業、分行業、分省、分機構的結構性差異，再設定mpt前面的系數為可變系數，構建如下計量模型：

nplrit=β0+β1impt+controlit+εit（2）

β1i為在其他條件不變的情況下，i產業/行業/省/機構在t年的不良貸款率對t年的貨幣政策的反應系數，β1i絕對值越大，表明i產業/行業/省/機構的貨幣政策風險承擔效應越強。

除了以不良貸款率為主要對象來直接研究貨幣政策風險承擔效應外，本文還以貸款增長率對不良貸款率的反應系數是否受到貨幣政策的影響作為判斷標準，即在以貸款增長率為因變量的回歸方程中加入不良貸款率與貨幣政策指標的交互項，通過交互項的系數來間接識別貨幣政策風險承擔效應。影響貸款增長率除了不良貸款率外，還有供給層面的貨幣政策，需求層面的經濟增長速度等其他因素。基于以上分析，構建如下計量模型：

dlloanit=β0+β1nplrit+β2nplrit*mpt+

controlit+εit（3）

式中，dlloanit為i產業/行業/省/機構在t年的貸款增長率（貸款余額的對數差分），controlit為控制變量集合，主要包括供給層面的貨幣政策和需求層面的經濟增長速度。交互項的系數β2間接度量了貨幣政策風險承擔效應。為了考慮貨幣政策銀行風險承擔效應的分產業、分行業、分省、分機構的結構性差異，再設定nplrit*mpt前面的系數為可變系數，構建如下計量模型：

dlloanit=β0+β1nplrit+β2inplrit*mpt+

controlit+εit（4）

交互項的系數β2i間接度量了貨幣政策風險承擔的產業/行業/省/機構效應，β2i絕對值越大，表明i產業/行業/省/機構的貨幣政策風險承擔效應越強。

（二）樣本、變量和數據說明

本文研究中國商業銀行不良貸款率、貸款增長率分產業、分行業、分省、分機構四個樣本。分產業包括三次產業：第一產業、第二產業、第三產業；分行業包括10大行業：農林牧漁業、工業、建筑業、批發和零售業、交通運輸、倉儲和郵政業、住宿和餐飲業、金融業、房地產業、其他行業；分省包括31個省、自治區、直轄市（不含港澳臺）：與國家統計局數據公布口徑保持一致；分機構包括5類機構：大型商業銀行（國有商業銀行）、股份制商業銀行、城市商業銀行、農村商業銀行、外資銀行，與中國銀監會數據公布口徑保持一致。

被解釋變量：不良貸款率（nplrit）和貸款增長率（dlloanit）。中國銀監會年報（2006—2015）披露了2006—2015年商業銀行不良貸款率、不良貸款余額分行業、分省、分機構情況，以及2006年商業銀行不良貸款率、不良貸款余額分行業、分省對2005年的變化量。根據2006年對2005年的變化情況，可以計算出2005年商業銀行不良貸款率、不良貸款余額分行業、分省情況。由于2006年分機構數據將國有商業銀行和股份制商業銀行歸為主要商業銀行大類，無小類數據，加上2005年分機構數據缺失，故從中國銀監會官網——政務信息——統計信息欄目收集對應季度數據（第四季度）對2005—2006年分機構數據進行補充。2005—2011年的分行業數據是按國民經濟行業分類（GB/T 4754—2002）編排的，而2012—2015年的分行業數據是按國民經濟行業分類（GB/T 4754—2011）編排的，本文依照最新的國民經濟行業分類標準（GB/T 4754—2011）以及國家統計局關于三次產業的劃分規定，進行統一編排，分類匯總，使分產業、分行業與國家統計局數據公布口徑保持一致。不良貸款余額除以不良貸款率可得貸款余額，對貸款余額先取自然對數再取差分，可得貸款增長率（%）。endprint

解釋變量：貨幣政策指標（mpt）。本文考慮的貨幣政策指標包含數量型指標——廣義貨幣供應量的增長率（m2t），數據來源于國家統計局；價格型指標——（大型金融機構）法定存款準備金率（rrrt）、1年期中債國債收益率（r_bt）、1年期貸款基準利率（r_lt）、1年期存款基準利率（r_dt）、全國銀行間同業拆借市場隔夜加權平均利率（r_ibt），除了中債國債收益率來源于中國債券信息網外，其他來源于中國人民銀行，所有價格型指標均以當年有效執行時間對不同數據進行加權平均所得。

控制變量：宏觀及結構層面，銀行業及結構層面影響因素（controlit）。

經濟形勢越好，增長速度越快，借款人的經營風險越小，信用風險暴露的可能性越小，不良貸款率越小；經濟形勢越好，增長速度越快，借款人擴大生產和投資的愿望越強烈，融資需求越旺盛，對貸款增長率有正向作用。因此需要控制經濟增長率，包括國內生產總值（GDP）的增長率（growtht），分產業增加值、分行業增加值、分省GDP的增長率（growthit）。數據來源于國家統計局。

經濟的產業、行業結構是影響商業銀行在分產業、分行業上風險承擔的重要因素，某產業/行業在國民經濟中占的比重越大，政府的顯性、隱性政策支持力度也會越大，在政府以經濟建設為中心，保增長，促就業的壓力下，商業銀行可能會被迫承擔更大的風險。因此需要控制經濟的產業/行業結構（struit），具體表現為i產業/行業在t年的增加值占當年GDP的比值。數據來源于國家統計局。

較高的通貨膨脹率會對經濟運行帶來不良影響，使經濟主體對未來經濟形勢的變化形成消極預期，對商業銀行不良貸款率有正向刺激作用。因此需要控制通貨膨脹率，包括全國的居民消費價格指數（CPI）同比增速（pit），分省的CPI同比增速（piit）。數據來源于國家統計局。

資產價格的波動會影響商業銀行抵押品的質量，也會引導信貸資金進出資產市場進行投機活動，另一方面，資產價格的上升會弱化商業銀行的風險識別能力，使實際風險承擔增加。本文控制房地產市場資產價格（lhpt）和股票市場資產價格（lsp_sht、lsp_szt），分別為商品房平均銷售價格、上證綜合指數（收盤）、深證綜合指數（收盤）的自然對數值。數據來源于國家統計局。

商業銀行承擔風險的目的是為了謀取與風險程度大小相對應的收益，正所謂高風險伴隨著高收益，貨幣政策風險承擔理論有逐利說（Search for Yield），認為商業銀行的目標收益具有粘性，寬松的貨幣政策使低風險資產變得更加無利可圖，從而不得不從事高風險資產業務以達到目標收益水平，反之亦然。因此，商業銀行的盈利能力會影響其風險選擇，盈利能力越強，冒險的動機越小，反之亦然。本文控制的商業銀行盈利能力包括商業銀行整體資產利潤率（roat）、資本利潤率（roet）、商業銀行分機構資產利潤率（roait）、資本利潤率（roeit）。數據均來源于中國銀監會年報和世界銀行全球金融發展數據庫2005—2006年缺失的商業銀行整體資產利潤率、資本利潤率根據相關年度中國銀監會年報披露的稅前利潤、所有者權益、總資產先計算得到稅前值，再根據世界銀行全球金融發展數據庫稅前、稅后商業銀行資產利潤率、資本利潤率的換算關系得到稅后值。商業銀行分機構資產利潤率、資本利潤率同理計算。。

“大而不倒（Too Big to Fail）”的道德風險會激勵商業銀行的風險承擔，因為對具備一定規模的商業銀行出現的風險，政府或中央銀行不會坐視不管，會采取相應的救助措施。因此需要控制資產規模，包括商業銀行整體資產規模（lassett），分機構資產規模（lassetit）。數據來源于中國銀監會年報，對整體及分機構總資產取自然對數得到。

商業銀行資本具有保護性功能和管理性功能。前者指其可以抵補風險損失，后者指其可以作為資本監管的工具。巴塞爾協議規定的最低資本充足率要求和商業銀行備付風險損失能力都決定了資本越充足，承擔風險的能力越大，才越有資格去冒險。本文控制的資本充足性包括商業銀行整體監管意義上的資本充足率（cart）和會計意義上權益比率（ert），以及分機構會計意義上的權益比率（erit）。資本充足率來源于中國銀監會年報2005—2006年缺失的商業銀行資本充足率由世界銀行全球金融發展數據庫補充。。整體及分機構的權益比率由中國銀監會年報相關數據計算得到（所有者權益/總資產）。

大量文獻研究競爭與銀行穩定性的關系，有競爭脆弱說和競爭穩定說，前者認為競爭會加劇銀行風險承擔，后者認為競爭會提升銀行風險管理水平，減少銀行風險承擔。本文對競爭的考慮包括業內競爭和業外競爭，業內競爭包括業內集中度指標：前五大商業銀行資產占比（cr5_at）、貸款余額占比（cr5_lt），業內越集中，競爭越小；商業銀行分機構市場份額指標：分機構資產占比（stru_ait）、貸款余額占比（stru_lit），市場份額越大的機構，同業競爭力越強。以上指標由中國銀監會年報相關數據計算得到。業外競爭指標包含社會融資規模（增量）中表內業務（本外幣貸款）占比（fstru_loant）、表外業務（委托貸款、信托貸款、未貼現銀行承兌匯票）占比（fstru_offt）、直接融資業務（企業債券、非金融企業境內股票）占比（fstru_mktt）、表外業務與表內外業務之和的比值（bstru_offt）。表內業務占比越大，跨業競爭力越強，表外業務與表內外業務之和的比值越大，表明商業銀行用表外業務替代表內業務的能力越強。以上指標由國家統計局相關數據計算得到。

隨著利率市場化的推進，商業銀行存貸業務競爭加大，存貸利差收窄，可能會導致其從事風險更高的資產業務。利率市場化程度用存貸利差（1年期貸款基準利率-1年期存款基準利率）（spreadt）側面反映，利率市場化程度越高，存貸利差越小。數據來源于中國人民銀行。endprint

商業銀行的穩定性對經濟的平穩、健康、可持續發展至關重要，因此監管當局會出臺各種規定來規范和約束商業銀行的業務操作，避免其承擔過分的風險，使風險可控。商業銀行的業務越合規，其主動承擔風險的可能性會下降。業務合規性用銀監會現場檢查中取消高管人員任職資格人數（firet）側面反映，業務越合規，現場檢查發現問題越少，取消高管任職資格人數越少。數據來源于中國銀監會年報。

（三）變量描述性統計

近10年來三次產業層面上的不良貸款率平均為725%，貸款增長率平均為595%，增加值增長率平均為836%。10大行業層面上的不良貸款率平均為462%，貸款增長率平均為1641%，增加值增長率平均為976%。31個省級層面上的不良貸款率平均為400%，貸款增長率平均為1679%，GDP增長率平均為1163%，通貨膨脹率平均為29%。5類機構層面上的不良貸款率平均為225%，貸款增長率平均為2101%，資產收益率平均為096%，資本收益率平均為1534%，對數總資產平均為1116億元，權益比率平均為691%。近10年來全國GDP增速平均為976%，通脹率平均為278%，廣義貨幣增速平均為167%，法定存款準備金率平均為1592%，一年期國債收益率、貸款基準利率、存款基準利率、全國銀行間同業拆借隔夜利率平均為257%、596%、281%、218%，對數商品房平均銷售價格（元/平方米）、對數上證綜合指數（收盤）、對數深證綜合指數（收盤）平均為847、785、685，商業銀行整體資產收益率、資本收益率、對數總資產（億元）、資本充足率、權益比率、前五大商業銀行資產占比、貸款占比平均為104%、1727%、1346、1057%、608%、6263%、6245%。一年期存貸款基準利率差平均為315%，現場檢查取消高管任職資格平均每年110人，社會融資規模（增量）中表外占比、直接融資占比為1646%、1334%。

從以上數據可以直觀地感受到，經濟增速越高，不良貸款率越低，貸款增速越高，商業銀行整體資本充足率平均在8%的監管要求之上，五大行占據了市場份額的半壁江山，社會融資中的間接融資占主導地位，間接融資業務占主導地位。

（四）回歸策略及結果

由于本文的樣本數據量相對有限，而可能的控制變量又比較多，因此如何在回歸方程中考慮控制變量需要權衡以下兩個問題：若控制變量不足，可能造成遺漏變量偏誤，使估計結果的無偏性遭受質疑；若控制變量過多，可能造成多重共線性問題，使估計結果的有效性遭受影響。本文借鑒逐步回歸法的思路，先選取最佳的關注自變量，再逐一引入最具顯著性意義的控制變量，具體做法如下：第一步，先不考慮任何控制變量，將因變量對6個貨幣政策（備選）指標逐一輪流進行回歸，從6個回歸方程結果里面選擇其中系數顯著且R2最大的那個指標作為最佳貨幣政策指標；第二步，在第一步的基礎上固定自變量為最佳貨幣政策指標，將所有（備選）控制變量逐一輪流加入進來作為唯一的控制變量，每次只在第一步的最佳方程上加一個（備選）控制變量，從所有回歸方程結果里面選擇所加控制變量系數顯著且R2最大的控制變量作為第一好的控制變量；第三步，固定第二步的最佳回歸方程，將剩余（備選）控制變量逐一輪流加入進來，每次只在第二步的最佳方程上加一個剩余（備選）控制變量，從所有回歸方程結果里面選擇本步所加控制變量系數顯著且R2最大的控制變量作為第二好的控制變量，以此類推，直到某步所加控制變量都不顯著為止。表1—表10是回歸結果。

政策銀行風險承擔在產業層面上得到驗證。此外，產業增長越快，不良貸款率越低；利率市場化程度越低，存貸利差越大，銀行風險承擔越大，不良貸款率越高；產業對國民經濟越重要，所占份額越大，銀行風險承擔越大，不良貸款率越高。

由表2可知，在分產業計量模型（2）中，最佳的貨幣政策指標是（大型金融機構）法定存款準備金率，最好的控制變量依次是分產業增加值增長率、存貸利差、房價、通貨膨脹率。貨幣政策緊縮，存款準備金率上調，商業銀行在不同產業上的風險承擔均變小，但變小的程度不同，程度由大到小若步與步之間結果不一致，則對各步結果求平均之后再排序。依次為第一、二、三產業。貨幣政策銀行風險承擔在產業層面上得到驗證，且具有結構效應。此外，產業增長越快，不良貸款率越低；利率市場化程度越低，存貸利差越大，銀行風險承擔越大，不良貸款率越高；房價越高，風險承擔越高；通脹率越高，風險承擔越大。

四、 結論

本文構建的商業銀行資產組合理論框架表明，貨幣政策會通過影響商業銀行的風險偏好與風險資產的風險溢價這兩種效應同時對商業銀行的風險承擔發揮作用。寬松的貨幣政策會同時加大商業銀行的風險偏好和風險資產的風險溢價，增大風險資產的配置比率，加大商業銀行風險承擔；緊縮的貨幣政策會同時減小商業銀行的風險偏好和風險資產的風險溢價，減小風險資產的配置比率，減小商業銀行的風險承擔。

通過手工收集、整理、計算得到2005—2015年度中國商業銀行分產業、分行業、分省、分機構層面與風險承擔相關的面板數據。基于逐步回歸思路的實證結果表明，若以不良貸款率作為風險承擔的直接測度，貨幣政策銀行風險承擔在產業、行業、省級、機構層面上均得到驗證，且具有結構效應。若以貸款增長率對不良貸款率的負向反應系數作為風險承擔的間接測度，貨幣政策銀行風險承擔僅在省級層面上得到驗證，且具有結構效應，但在產業、行業、機構層面上無法得到驗證。此外，控制變量系數表明，經濟增速越快，不良貸款率越低；經濟增速越快，貸款增速越快。利率市場化程度越低，不良貸款率越高，表明利率市場化進程會提升銀行風險管理水平，降低不良貸款率。產業份額越大，不良貸款率越高，分機構資產份額越大，不良貸款率越高，表明市場勢力會加劇風險承擔。股價、房價、通貨膨脹率的上升都會帶來不良貸款率的上升，表明銀行在資產泡沫和經濟過熱時期風險承擔會加大。業務合規性越差，銀行風險承擔越大，表明金融監管有其必要性以及監管有效性會影響金融穩定。貸款占社會融資規模比重越大，不良貸款率越低，社會融資規模中直接融資占比越大，不良貸款率越高，表明商業銀行的業外競爭會加劇風險承擔。分機構權益比率越大，不良貸款率越低，表明信息不對稱帶來的道德風險會加劇風險承擔。分機構資產規模越大，不良貸款率越低，與“大而不倒”加劇風險承擔理論不符，可能與我國規模越大的銀行的客戶群體優質比率更大的現實情況有關。endprint

參考文獻：

[1]Borio C， Zhu H. Capital regulation， risktaking and monetary policy： a missing link in the transmission mechanism？ [J]. Journal of Financial Stability， 2012， 8（4）： 236251.

[2]Delis M D， Kouretas G P. Interest rates and bank risktaking [J]. Journal of Banking & Finance， 2011， 35（4）： 840855.

[3]Maddaloni A， Peydró J L. Bank risktaking， securitization， supervision， and low interest rates： evidence from the euroarea and the US lending standards [J]. Review of Financial Studies， 2011， 24（6）： 21212165.

[4]Jiménez G， Ongena S， Peydró J L， et al. Hazardous times for monetary policy： what do twentythree million bank loans say about the effects of monetary policy on credit risktaking？ [J]. Econometrica， 2014， 82（2）： 463505.

[5]Ioannidou V， Ongena S， Peydró J L. Monetary policy， risktaking， and pricing： evidence from a quasinatural experiment [J]. Review of Finance， 2015， 19（1）： 95144.

[6]DellAriccia G， Laeven L， Suarez G A. Bank leverage and monetary policys risktaking channel： evidence from the united states [J]. The Journal of Finance， 2017， 72（2）： 613654.

[7]Diamond D W， Rajan R G. Money in a theory of banking [J]. The American Economic Review， 2006， 96（1）： 3053.

[8]Adrian T， Shin H S. Money， liquidity， and monetary policy [J]. The American Economic Review， 2009， 99（2）： 600605.

[9]Rajan R G. Has finance made the world riskier？ [J]. European Financial Management， 2006， 12（4）： 499533.

[10]DellAriccia G， Marquez R. Lending booms and lending standards [J]. The Journal of Finance， 2006， 61（5）： 25112546.

[11]Adrian T， Shin H S. Financial intermediaries and monetary economics [J]. Handbook of Monetary Economics， 2010（3）： 601650.

[12]Acharya V， Naqvi H. The seeds of a crisis： a theory of bank liquidity and risk taking over the business cycle [J]. Journal of Financial Economics， 2012， 106（2）： 349366.

[13]Allen F， Carletti E. An overview of the crisis： causes， consequences， and solutions [J]. International Review of Finance， 2010， 10（1）： 126.

[14]Valencia F. Monetary policy， bank leverage， and financial stability [J]. Journal of Economic Dynamics and Control， 2014， 47（10）： 2038.

[15]Angeloni I， Faia E， Duca M L. Monetary policy and risk taking [J]. Journal of Economic Dynamics and Control， 2015， 52（3）： 285307.

[16]江曙霞， 陳玉嬋. 貨幣政策、銀行資本與風險承擔 [J]. 金融研究， 2012（4）： 116.

[17]張雪蘭， 何德旭. 貨幣政策立場與銀行風險承擔——基于中國銀行業的實證研究（2000—2010） [J]. 經濟研究， 2012（5）： 3144.

[18]徐明東， 陳學彬. 貨幣環境、資本充足率與商業銀行風險承擔 [J]. 金融研究， 2012（7）： 4862.

[19]方意， 趙勝民， 謝曉聞. 貨幣政策的銀行風險承擔分析——兼論貨幣政策與宏觀審慎政策協調問題 [J]. 管理世界， 2012（11）： 919.

[20]牛曉健， 裘翔. 利率與銀行風險承擔——基于中國上市銀行的實證研究 [J]. 金融研究， 2013（4）： 1528.

[21]張強， 喬煜峰， 張寶. 中國貨幣政策的銀行風險承擔渠道存在嗎？ [J]. 金融研究， 2013（8）： 8497.

[22]劉曉欣， 王飛. 中國微觀銀行特征的貨幣政策風險承擔渠道檢驗——基于我國銀行業的實證研究 [J]. 國際金融研究， 2013（9）： 7588.

[23]金鵬輝， 張翔， 高峰. 貨幣政策對銀行風險承擔的影響——基于銀行業整體的研究 [J]. 金融研究， 2014（2）： 1629.

[24]金鵬輝， 張翔， 高峰. 銀行過度風險承擔及貨幣政策與逆周期資本調節的配合 [J]. 經濟研究， 2014（6）： 7385.

責任編輯、 校對： 李斌泉endprint