資產證券化、銀行風險承擔與異質性效應

(西南大學 重慶 400000)

一、引言

我國資產證券化業務在2005年啟動試點，由于國際金融危機的發生，在2009年被監管部門暫停。2012年《關于進一步擴大信貸資產證券化試點有關事項的通知》的出臺，標志著我國資產證券化業務的重新啟動。為了合理管理資產證券化業務，繁榮資產證券化市場，監管部門需要從微觀層面理解商業銀行資產證券化對銀行風險承擔的影響。本文深入到銀行層面，將Z值作為銀行風險測度指標，16家主要上市商業銀行信貸資產支持證券發行情況作為研究對象，試圖考察以下兩個問題：第一，商業銀行資產證券化是否能有效降低其風險承擔水平；第二，不同類型商業銀行開展資產證券化對其風險承擔水平的影響是否存在異質性效應。

二、文獻綜述

因我國資產證券化起步晚，且在次貸危機發生后暫停過一段時間，與此同時，業務開展也受到很多限制，因此國內學者傾向于研究美國資產證券化與風險水平之間的關系，對于我國資產證券化業務的研究相對欠缺。李文弘(2005)從理論角度進行了分析，認為開展資產證券化業務不能完全將資產負債表內的風險轉移出去。王軍生和鄒東哲(2016)以我國主要上市銀行為研究樣本，構建面板數據，研究了信貸資產證券化對銀行穩定性經營的影響，結果表明，商業銀行進行資產證券化業務，不僅可以降低銀行的風險水平，還可以提高盈利能力，從而達到穩定性經營的目的。郭甦和梁斯(2017)以中國商業銀行2000-2015年的數據構建了動態面板模型，以Z值作為風險度量指標，使用SYS-GMM的方法實證研究了銀行開展ABS業務對商業銀行風險承擔水平的影響，結果表明，開展ABS業務有助于分散銀行風險承擔，同時，不同類型商業銀行開資產證券化業務的影響依賴于銀行的特征變量。同樣的，廖靜儀(2019)從信用風險和流動性風險的視角做了實證研究，結果表明資產證券化與上述兩種風險存在顯著的負相關關系，并且依賴銀行層面上的特征變量。

三、變量選取與數據說明

(一)變量選取及數據說明

本文參考大部分文獻的做法，選擇Altman Z-score模型(以下簡稱為“Z值”)作為商業銀行風險的度量指標并將Z值作對數處理得到LNZ進行實證研究。

本文基于數據可得性，選擇銀行當季度信貸資產證券化產品發行次數作為衡量資產證券化程度的代理變量，以下稱為證券化頻次(FREQ)。為了有效考察商業銀行資產證券化業務對其風險承擔水平的影響，必須控制其他特征變量，選取商業銀行總資產衡量銀行資產規模，并使用總資產的對數值LNSIZE進行實證分析。選取商業銀行季度資產收益率(ROA)來衡量銀行的盈利能力。本文以商業銀行貸存比(LDR)作為衡量銀行流動性水平，即銀行貸款資產與存款資產之比。另外，杠桿倍數作為衡量銀行風險的重要指標，將其選取作為實證檢驗的控制變量。宏觀層面上，控制了同比季度經濟增長率(GDPQ)。

(二)模型設定

本文主要聚焦如下兩個問題：(1)資產證券化是否能降低商業銀行風險承擔水平。(2)資產證券化對不同類型商業銀行風險承擔影響是否存在著異質性效應。針對問題(1)，設定基準模型如下：

十幾年后，在一個陰霾的秋日里，我跟一位司機開大卡車去給一個鎮子拉活兒。那是一個彌望郁然、有山有水的鎮子，鎮子被一層薄薄的流霧纏繞著。

表1模型(1)為基準模型下Z值對數對證券化頻率(FREQ)的回歸結果，如表所示，根據豪斯曼檢驗結果，不能拒絕原假設，因此選擇隨機效應模型進行回歸。回歸結果顯示，被解釋變量LNZ與解釋變量證券化頻率(FREQ)呈正相關關系，系數為0.0110，且在5%的顯著性水平下顯著。由于Z值越大，銀行風險承擔水平越低，可見，商業銀行開展資產證券化業務可以降低其風險承擔水平。從銀行特征變量來看，資產收益率(ROA)的系數為正，在1%的顯著性水平下顯著。銀行規模(LNSIZE)與風險承擔之間的關系為正，表明銀行規模越大，其抗風險的能力越強。杠桿在1%顯著性水平上顯著為負，說明過度提高杠桿時，銀行面臨更多的運營風險。貸存比(LDR)系數顯著為正，當銀行出現風險時，具有更多的流動性來緩沖風險。在宏觀層面上，由于銀行具有順周期性，經濟快速增長可能會帶來過度的信貸擴張，導致銀行面臨更多的違約風險。

(2)通過比較關鍵詞與關鍵詞之間連線的粗細程度，可以發現，創客教育與創客課程之間的連線是最粗的，說明創客教育的實施與創客課程的開發密切相關。早期創客教育處于一種較零散的狀態，隨著創客教育的深入發展，以課程為載體的創客教育模式逐漸成為現實需要，創客課程的設計與研究也成為近年來創客教育研究的核心話題[9]。

(1)

針對第二個問題，考慮到銀行之間的個體差異，如資產規模，盈利能力存在著不同情況，其資產證券化業務對銀行風險承擔的影響或許會受到一些影響，基于以上考慮，為了檢驗這種異質性是否存在，本文將樣本中16家銀行劃分為大型國有銀行(中國銀行、農業銀行、工商銀行、建設銀行、交通銀行)和中小型銀行(除大型國有銀行余下11家商業銀行)，進行分組回歸，分別考察資產證券化對不同商業銀行風險承擔水平的影響。

其中i=1，2，3…，代表銀行個體。t表示時間。

本文選取2013年第一季度到2018年第四季度我國16家上市商業銀行的財務數據，構建面板數據。在對數據進行回歸之前，首先對模型進行豪斯曼檢驗，根據結果選擇估計模型。

四、實證分析

(一)資產證券化對商業銀行風險承擔影響的分析

由表6可知，整體正確率ACC=0.7430，查準率P=0.6589，與SVM模型的結果相差無幾。但其F1值比SVM的F1值小，表明Logistic模型的整體指標評價結果不如SVM模型，且AUC=0.7466，表明相較于SVM模型，Logistic模型的區分能力較弱、模型的泛化能力也較差。

RISKit=C+β0FREQit+β1LNSIZEit+β2ROAit+β3LDRit+β4LEVit+β5GDPQi+∈it

在實現共同富裕的進程中，中央多次強調要注重社會公平，合理調整國民收入分配格局，切實采取有力措施解決地區之間和部分社會成員收入差距過大的問題；在大力發展生產力基礎上，著力提高低收入者收入,擴大中等收入者比重，有效調節過高收入，規范個人收入分配秩序。我們強調共同富裕，絕不是否定先富政策，是對鄧小平先富帶共富思想的繼承和發展，所以先富與共富統一于發展中國特色社會主義共同富裕事業的實踐,通過先富的量的積累，實現共富的質的變化，所以先富是實現共富的途徑和手段，沒有先富就不能實現共富的目的和目標，但先富必須服從和服務于共富這個目的和目標。

(二)資產證券化對商業銀行風險承擔影響的異質性分析

對于銀行異質性的分析，本文首先將我國主要上市商業銀行分為大型國有商業銀行和其它中小型銀行(分組規則見上文)，然后進行分組回歸。表1中，模型(2)為大型國有銀行的回歸結果，模型(3)為中小型銀行的回歸結果。模型(2)的解釋變量顯著為正，而模型(3)的解釋變量不顯著，這是由于我國資產證券化業務起步比較晚，中小型銀行業務在業務的開展上有一定的限制。根據本文測算，樣本中11家中小型銀行平均每季度分別發行0.4886只信貸資產支持證券。由此可見，中小型銀行開展資產證券化業務對其風險承擔的影響可以不計。模型(2)解釋變量(FREQ)在10%的顯著性水平下顯著，從實際情況來看，大型國有銀行由于在業務渠道上的優勢，其資產證券化業務的擴張也具有更多的便利條件，使其業務規模進一步強化。根據分組回歸結果，可以認為在中國，對于不同類型的商業銀行，因其內在特征具有很大的差異，資產證券化業務對其風險承擔的影響也存在異質性效應。

表1 實證檢驗結果

五、結論與建議

根據實證結果，主要有以下研究結論。第一，資產證券化業務是具有風險承擔渠道的，能夠降低銀行風險承擔。第二，資產證券化業務對不同財務特征銀行的風險承擔水平的影響具有異質性效應，其中大型銀行開展資產證券化業務能夠顯著的降低自身風險承擔水平，然而中小型銀行開展資產證券化業務并不能顯著影響其風險承擔水平。根據本文結論，提出如下兩點政策建議：

第一，從監管機構的角度上，由于目前我國資產證券化業務還處于起步階段，基于資產證券化能夠降低銀行風險承擔水平的結論，監管者應當穩步的推進我國資產證券化業務的開展，但也要加強金融系統風險的防范。第二，從商業銀行的角度上，因為目前業務規模較小，應該進一步推動自身業務擴張，并積極的探索不同類型的資產支持證券，將更多符合條件的資產放入資產池，有助于銀行長期穩定發展。同時，銀行也應該根據自身資產組合決定發行資產證券化產品，不能濫發資產證券化產品，引起風險聚集。