銀行業杠桿率的影響因素及其GMM方法檢驗

沈超

摘 要：本文基于2013—2017年中國15家股份制銀行和城市商業銀行的面板數據，運用GMM-OLS-FE方法對影響銀行業杠桿率的因素進行實證分析。研究結果表明：資本充足率、核心資本充足率、產權比率、權益乘數均對杠桿率具有顯著性影響。其中，核心解釋變量資本充足率與杠桿率之間具有顯著正向影響。新常態下，去杠桿與化解金融風險的背景下，加強金融體系監管、構建風險預警模型也同樣成為中國銀行業亟待考慮的問題。

關鍵詞：資本充足率;杠桿率;新常態;GMM-OLS-FE

一、引言

新常態下，我國政府部門以及非金融機構的杠桿率（通常用債務/國民生產總值GDP來表示）呈現出上升趨勢。與發達國家相比較，從整體上來說，其債務水平較低，但是潛在的風險不容忽視，主要反映在隱性債務偏多和債務水平的較快增長這兩個方面。正所謂“無杠桿不金融”，杠桿效應在經濟發展中起著不可或缺的作用。但是，“雙刃劍”的身份要求國家把化解金融風險擺在更加核心的地位，適當降低杠桿率，大力推進供給側結構性改革，做到穩經濟、保增長，夯實經濟結構，擴大有效供給，成為當前經濟平穩發展的必由之路。

自2015年12月中央經濟工作會議以來，供給側結構性改革一直是我國經濟工作的重心，去杠桿正是這一項工作的重要成分。2018年，中央對經濟工作做出了具體的部署，會議上強調，在整個金融領域，牢牢堅守住不發生系統性金融風險這一底線，打好化解金融風險攻堅戰，進一步深化了金融去杠桿。杠桿，顧名思義，正是用小規模的資金去撬動大規模的資本，杠桿率的存在，成為衡量金融風險的一項重要指標。截至2017年底，我國的政府部門、居民部門、金融機構部門、非金融機構部門的杠桿率均增長明顯，整體宏觀杠桿率上升至250.3%，金融風險較大，化解金融風險刻不容緩。

杠桿率是衡量金融風險的一項重要指標。從微觀的角度來說，杠桿率通常用資產負債率（即負債/資產）的大小來衡量，該項指標反映在資產中負債所占的比重。從負債的角度來說，它反映了企業在未來某一個時點上所需要償付的債務，進而反映了一定的壓力和迫切性。從資產的角度來說，反映出一個企業的經濟資源和相應的盈利能力，將二者結合起來，可以對一個企業進行有效的績效評估，進一步考量其風險性與穩定性。從宏觀的角度來說，杠桿率通常用債務總規模/國民生產總值（GDP）來表示，宏觀杠桿率上升，意味著國家債務負擔也相應的加重，伴隨著一系列風險的升高，如償付風險、外匯風險、流動性風險等。

二、文獻回顧與問題提出

縱觀國內外文獻，無論是房地產業、金融業，還是整個宏觀經濟體系，有關杠桿率的研究已經取得了許多階段性的成果。目前代表性的研究成果包括：黃偉彪（2018）針對房地產企業普遍存在的高杠桿率，并且由此引發的一系列金融泡沫風險，提出如何化解金融風險的政策化建議[1];馬斌等人（2018）基于16家上市銀行的動態面板數據，采用GMM估計方法，驗證了銀行杠桿率對其信用風險的影響[2];羅萍等人（2018）借助Bankscope和Wind數據庫的相關數據，分析得出杠桿率對系統風險的影響，并表現出順周期性的特點[3];鄭興濤等人（2018）從中小商業銀行的角度，研究了杠桿率現狀及去杠桿的影響分析[4];胡夢奇（2018）基于16家商業銀行的面板數據，得出資本充足率與金融風險成正比[5];郝慧剛（2018）基于央行的角度，分析高杠桿率帶來的各種潛在風險，提出通過充分利用銀行間市場及利率的政策工具，減少利息支出來降低企業負擔[6];任曉怡等人（2017）基于空間面板杜賓模型，得出我國地區整體杠桿率呈現出空間擴散趨勢，要多方面協調經濟結構改善、人力資源優化等來維持金融體系的穩定性[7];馬勇等人（2016）立足于91個國家在30年之間的樣本數據進行實證分析，得出杠桿率與金融穩定性呈負相關關系的結論[8];程毓（2013）基于發達國家及我國的杠桿率現狀，要求在金融創新基礎上加強金融體制監管[9];祝小宇（2014）根據由地方投融資平臺帶來的可能影響整個國家安全性的金融風險，提出對不同地域實行差異性的信貸政策與措施[10];袁鯤等人（2014）基于15家上市銀行2003—2012年的面板數據，研究結果表明加強杠桿率監管，可以提高銀行資本和降低風險水平[11]。

當前，學術界把視角主要集中在探討杠桿率與金融風險的關系上，建立各種模型進行實證分析得出結論，并提出相關去杠桿化解金融風險的政策建議。然而，鮮有文獻從杠桿率的內生機理出發，去探討相關內生變量對杠桿率的影響。基于此，本文以8家股份制銀行和7家城市商業銀行為研究對象，探究資本充足率和不良貸款撥備覆蓋率對杠桿率的影響，旨在為銀行業加強金融監管，化解金融風險匯聚新思路。

三、模型構建和變量選取

（一）模型構建

為了確保實證結果的有效性，本文基于2013—2017年15家銀行的動態面板數據，結合了研究對象在橫截面和時間序列兩個維度上的變化，采用資本充足率作為本文的核心解釋變量，再進行穩健性檢驗，因此本文模型可表示如下：

其中，被解釋變量ln（lr）是杠桿率，核心解釋變量car是資本充足率，npcr、ccar、em、prp、dlr是控制變量，考慮到銀行業杠桿率受多種因素影響，并依據數據可獲得性原則，選取不良貸款撥備覆蓋率npcr、核心資本充足率ccar、權益乘數em、產權比例prp、存貸比例dlr作為控制變量，ε則為隨機誤差項。

（二）變量選取

1. 被解釋變量

杠桿率（ggl）。杠桿率作為衡量金融風險的一項關鍵指標，通常反映權益資本撬動資產的能力。由于我國加強關于銀行業杠桿率監管的時間不長，部分銀行杠桿率數據缺失，王連軍（2018）根據《巴塞爾協議III》及銀監會相關規定，杠桿率=（一級資本-一級資本扣減項）/調整后的表內外資產余額[12]。

2. 核心解釋變量

資本充足率（car）。資本充足率表示銀行等金融機構中存款人與債權人在資產遭遇損失之前，其能夠利用自有資產抵御損失的程度，通常用資本總量與風險加權資產的比值來表示，管理當局通過對資本充足率進行監測，以達到對銀行業金融風險的監管效果。趙靜等人（2018）通過實證分析55家商業銀行的面板數據，發現資本充足率監管套利嚴重，資本充足率提高商業銀行風險承擔，杠桿率降低了商業銀行風險承擔[13]。

3. 控制變量

除了上述兩種變量以外，本文還引入其他可能影響杠桿率水平的因素作為控制變量，包括核心資本充足率（ccar）、不良貸款撥備覆蓋率（npcr）、權益乘數（em）、產權比率（prp）、存貸比例（ldr）。另外，在建模之前，把每個控制變量取對數ln，不僅能夠消除可能存在的內生性問題，還能夠降低多重共線性對實證分析結果的影響。

其中，不良貸款撥備覆蓋率是銀行業出于審慎經營，衡量金融風險的重要指標，表示在貸款中呆壞賬準備金的使用比例，反映銀行業是否計提了充足的貸款損失準備金，是否在應對各種信用風險時具有較好的適應性。彭建剛等人（2015）對銀行業的不良貸款率與撥備覆蓋率進行格蘭杰因果檢驗，研究結果表明在5%顯著水平下，不同滯后期二者的關系不同[14]。

另外，核心資本充足率反映的是核心資本和相關加權風險資產總和的比率。梁斯等人（2014）采用PVAR模型探究影響銀行業核心資本充足率的因素，通過GMM估計，發現核心資本充足率受到凈利潤增速和資本水平指數的顯著性影響，并且除了不良貸款以外，其余變量對其均具有正向影響[15]。

（三）數據來源和描述性統計

本文實證分析數據的樣本空間是中國15家銀行的動態面板數據，包括8家股份制銀行和7家城市商業銀行，時間跨度為2013—2017年，數據來源于各大銀行年報和東方財富網;描述性統計如下表1所示。

四、實證分析結果

（一）回歸結果及分析

本文就資本充足率變量實證結果分析，依據模型1-6可以看出，資本充足率變量系數在99%的置信區間內顯著，這表明銀行業杠桿率水平明顯受到資本充足率的影響，且存在著正向影響關系。

就核心資本充足率的實證結果來看，該變量系數也在99%的置信區間內顯著，這也證明了銀行業核心資本充足率與杠桿率之間的正向關系。

產權比率回歸系數在模型5中與杠桿率呈現顯著負相關。究其原因，銀行業產權比率是衡量資本充足性的重要指標，產權比率與財務風險成反比。一般說來，產權比率越高，財務風險越小;反之，財務風險越大。而銀行業杠桿率也是衡量金融風險的重要指標，從側面反映其償債能力，在金融去杠桿的背景下，杠桿率高的企業承擔著較高的金融風險。

從實證結果我們可以看出，在模型3-6中，存貸比例占比系數并不顯著;同時，在模型4-6中，不良貸款撥備覆蓋率系數也不顯著，這與國內相關研究略有不同。在仔細研讀文獻的基礎上，馬斌等人（2018）在研究商業銀行杠桿率對我國金融風險的影響時指出：商業銀行自身具備的特征變量對銀行信用風險存在影響，然而針對不同類型的商業銀行，影響程度也不盡相同，普遍存在的結論并不一直存在，因此會有不同的結論。

（二）穩健性檢驗

通過對回歸結果進行分析，得到銀行業資本充足率與杠桿率顯著正相關。為了更加深入地識別資本充足率與杠桿率之間的關系，筆者對此進行了穩健性檢驗。

穩健性檢驗的結果如表2模型7所示，通過實證分析發現，銀行業資本充足率變量系數在99%置信區間內依然正向顯著，這表明銀行業資本充足率與杠桿率之間確實存在著正相關關系。同時，穩健性檢驗的回歸結果變化較小，進一步證明了結論的穩健性。

五、主要結論與政策性建議

（一）主要結論

本文基于2013—2017年中國15家股份制銀行和城市商業銀行的面板數據，通過建立回歸模型以分析各個變量之間的關系。本文以銀行業資本充足率為核心解釋變量，杠桿率為被解釋變量，不良貸款撥備覆蓋率、產權比率等作為控制變量，考察資本充足率與杠桿率之間的關系。實證結果表明：銀行業資本充足率與杠桿率之間存在正向關系，在99%置信區間內顯著，并且進行了穩健性檢驗，檢驗結果證明：在加入了工具變量之后，銀行業資本充足率對杠桿率的影響依舊在99%置信區間內顯著，這表明銀行業資本充足率與杠桿率確實存在正向關系，穩健性檢驗效果非常好。

（二）政策性建議

基于前文的分析可以看出，杠桿率是衡量銀行業金融風險的一項重要指標，銀行業同時又是一個存在高風險經營模式的行業，金融監管過程中必須嚴格把關各項財務指標，以達到保證自身經營效益的目的。因此，本文針對當前的經濟大環境提出如下政策性建議：

1. 加強金融風險的監管。無論是股份制銀行還是城市商業銀行，在金融風險的監管過程中，都必須合理把控其自身的經營風險，尤其是信用風險。在互聯網金融時代，利用大數據、人工智能等技術對銀行業的信用風險進行合理評估，建立風險預警模型。同時，定期考核銀行業的資產結構穩定性，充分掌握資本運營情況，從而加強各項監管指標的監管。

2. 拓寬業務，穩健性經營。伴隨著互聯網金融的崛起，傳統金融業務受到了沖擊。銀行業需要與時俱進、推陳出新，把傳統的金融業務與互聯網結合起來，拓寬中間業務的發展，加強業務創新。另外，要適當調節資產結構，減少高風險資產所占的比例，在不斷提升經營效益的同時，防范資產規模增長過快。

3. 監管拒絕“一刀切”，采用靈活的監管政策。自金融危機爆發10多年來，監管部門一直高度重視資本充足率這一核心指標，尤其在資本充足率的準入門檻方面，認為資本充足率越高越好。然而，這種認識是片面的。有關監管部門應當充分考慮行業情況、財務狀況、償債能力等方面因素，在銀行業不同的發展階段制定切實有效的監管政策。同時，依據自身效益最大化原則，劃分不同的資本充足率標準，構建分時間、分地域的動態監管指標，以實現銀行業，乃至整個金融業未來發展的長治久安。

參考文獻：

[1] 黃偉彪.我國房地產企業高杠桿風險及防范對策[J].住宅與房地產，2018，（24）：20-21.

[2] 馬斌，范瑞.杠桿率監管對我國上市商業銀行信用風險的影響——基于動態面板模型的系統GMM估計[J].經濟問題，2019，（1）：41-47.

[3] 羅萍，周剛.商業銀行杠桿率與系統性風險——來自我國商業銀行的經驗[J].湖北社會科學，2018，（7）：81-88.

[4] 鄭興濤，朱蕾.我國銀行杠桿率現狀及去杠桿影響分析——基于中小商業銀行的視角[J].河北金融，2018，（8）：3-8，21.

[5] 胡夢奇.金融去杠桿對銀行財務風險的影響[J].當代經濟，2018，（15）：36-37.

[6] 郝慧剛.中小商業銀行資產負債多元化趨勢及其風險分析[J].華北金融，2018，（3）：38-42.

[7] 任曉怡，湯子隆，唐松.區域杠桿、經濟增長與金融穩定——基于空間面板杜賓模型的研究[J].新疆社會科學，2017，（5）：14-24，148.

[8] 馬勇，田拓，阮卓陽，朱軍軍.金融杠桿、經濟增長與金融穩定[J].金融研究，2016，（6）：37-51.

[9] 程毓.發達國家去杠桿化對我國的啟示[J].當代經濟，2013，（4）：76-77.

[10] 祝小宇.地方投融資平臺公司金融風險防范與化解[J].經濟體制改革，2014，（1）：152-155.

[11] 袁鯤，饒素凡.銀行資本、風險承擔與杠桿率約束——基于中國上市銀行的實證研究（2003—2012年）[J].國際金融研究，2014，（8）：52-60.

[12] 王連軍.去杠桿化與銀行體系穩定性研究——基于中國銀行業的實證[J].國際金融研究，2018，（10）：55-64.

[13] 趙靜，王海杰，盧方元.銀行治理視角下資本監管對銀行風險承擔的影響研究[J].南京社會科學，2017，（8）：27-35.

[14] 彭建剛，鄒克，張倚勝.不良貸款率對銀行業影響的統計關系檢驗[J].湖南大學學報（社會科學版），2015，29（5）：58-64.

[15] 梁斯.商業銀行核心資本充足率的影響因素——基于中國上市銀行的實證分析[J].金融論壇，2014，19（10）：64-72.

[16] 譚政勛，庹明軒.不良貸款、資本充足率與商業銀行效率[J].金融論壇，2016，21（10）：40-50.

[17] Yener Altunbas，Santiago Carbo，Edward P.M. Gardener，Philip Molyneux. Examining the Relationships between Capital， Risk and Efficiency in European Banking[J]. European Financial Management，2007，13（1）.

[18] Jean Dermine. Basel III leverage ratio requirement and the probability of bank runs[J].Journal of Banking and Finance，2015，53.