政策因素下資產證券化能否降低銀行信用風險？
——以中國銀行業為例的實證檢驗

王 曉，李 佳，李夢藝

(1.中央財經大學 數學與統計學院，北京 100081；2.山東財經大學 經濟學院，濟南 250014；3.山東師范大學 經濟學院，濟南 250358；4.商丘職業技術學院，河南 商丘 476000)

內容提要：資產證券化一直被視為轉移和管理信用風險的重要工具之一，而我國的資產證券實踐中政策因素發揮著重要的推動作用。本文在分析政策因素在資產證券化影響銀行信用風險作用機理的基礎上，實證檢驗其作用效果。研究表明：一方面，2014年底及2015年初，資產證券化業務審批制向注冊制或備案制的政策轉變，顯著促進了資產證券化降低銀行信用風險的作用；另一方面，在政策因素推動下，資產證券化對信用風險的影響在不同銀行微觀特征之間存在差異，若資產流動性、資本規模、營利性越低，及風險資產占比越高，資產證券化越有利于緩解信用風險，同時相比上市銀行和規模較大銀行，資產證券化對非上市銀行與規模較小銀行信用風險的降低程度更高。因此，監管當局應逐步完善制度體系，優化資產證券化發展模式，針對不同銀行采取差異化的政策措施，并規范資產證券化業務主體行為，防止針對資產證券化功能的過度使用。

一、引言

目前，中國經濟增長下行影響下壓力加大，銀行信用風險開始“顯性化”，主要表現為不良貸款與不良貸款率的“雙升”①，銀行信用風險狀況前景不容樂觀；并且值得注意的是，信用風險歷來是演變為系統性風險的源頭之一，并被視為影響金融穩定的重要因素。從2005年我國資產證券化正式起步，其整個發展過程表明，其中政策因素發揮著重要推動作用。鑒于此，在經濟下行趨勢導致銀行不良貸款持續攀升的背景下，隨著政策力量推動，擁有盤活資產流動性、轉移風險及節約監管資本等功能的資產證券化能否顯著影響信用風險，具體影響機制又將呈現何種特征？資產證券化對信用風險的影響在不同銀行之間是否存在差異，這均是應該關注的重要問題。

資產證券化一直被作為“信用風險轉移和管理”的重要工具，“轉移風險”也被視作資產證券化的功能之一[1]。資產證券化的“破產隔離”或“真實出售”等核心環節，能夠實現信用風險轉移[2]，解決信貸資產過度集中等問題，因此有利于降低信用風險。在此基礎上，許多文獻進行了詳細探討。Casu et al.(2010)[3]利用美國銀行業2001—2007年數據分析了資產證券化對銀行信用風險的影響，結果顯示資產證券化程度越高，風險加權資產占比越低；Elul(2016)[4]也認為銀行往往將較低違約資產保留至表內，并將風險較高資產出售至投資者，因此資產證券化發行銀行擁有較低信用風險。隨著金融危機爆發，學術界開始關注資產證券化與銀行穩定的關系，并給出了資產證券化導致銀行不穩定的證據，但同時卻發現資產證券化在導致系統性風險的同時，實現了信用風險正常轉移或分散[5]。Huong et al.(2016)[6]甚至認為資產證券化僅在2007年之前惡化了銀行信用風險，但在危機過后，隨著監管要求細化及銀行風險行為的改進，資產證券化反而改善了信用風險；潘慧峰和劉曦彤(2017)[7]也發現資產證券化能夠顯著降低銀行不良貸款率，并且下降的比率高于銀行資產證券化率。

然而，金融危機的爆發揭示了以資產證券化為主的信用風險轉移工具雖然為銀行提供了以較低成本轉移風險的渠道，但也埋下了新的風險隱患[8]，甚至有文獻認為資產證券化反而使銀行承擔更多風險[9]。為此，各國當局開始對資產證券化進行全面反思，學術界似乎也更加認同“資產證券化增加銀行信用風險”的觀點。Carbo-Valverde et al.(2015)[10]認為資產證券化放松了銀行信貸標準，而信貸標準放松引起的信貸擴張是信用風險上升的因素之一；同時在風險資產被轉移出表后，銀行不再具有監督借款人行為的動機，由此引起信用風險上升[11]；且激勵監督機制的弱化也意味著銀行風險偏好增加，再次證實了資產證券化未必能夠降低信用風險[9]。孫安琴(2011)[12]發現資產證券化業務較為活躍的銀行往往持有更高比例風險資產，并且銀行僅將高質量資產進行證券化，將低質量資產保留至表內，這明顯不利于改善信用風險。在此基礎上，相關文獻以2001—2008年美國銀行業數據為樣本，給出了資產證券化導致了銀行信貸質量惡化，及資產負債表信用風險上升的證據，并認為雖然資產證券化在理論上有助于降低銀行信用風險，但實際效果可能相反[13]。亦有學者認為資產證券化雖然擴大了銀行外部融資來源，但也提高了杠桿率，導致信用風險惡化[14]。

總體來看，學術界對“資產證券化能否降低銀行信用風險”的研究并未形成統一觀點，以我國為樣本的研究亦不多，已有研究也無法反映我國不同銀行類別的信用風險特征。同時與發達國家不同的是，政策因素是我國資產證券化快速發展的重要動力，在此背景下，我們能否有效吸取發達國家的經驗教訓，通過推動資產證券化的發展以實現銀行信用風險的緩解？這也是現有文獻并未涉足的領域。在已有研究的基礎上，本文希冀的邊際貢獻有：一是依托政策因素，從理論上揭示在銀行信用風險不斷攀升的“壓力”下，資產證券化的功能作用，這不僅豐富了資產證券化理論的研究視角，也進一步補充了資產證券化對銀行信用風險影響的研究內容，更填補了學術界針對政策環節的研究空缺。二是以我國資產證券化發展現實為樣本，基于政策視角對“資產證券化能否緩解銀行信用風險”進行實證驗證。本文的研究為深入理解資產證券化與銀行信用風險的關系提供了直接證據，并為有效評估政策因素的經濟后果具有一定借鑒意義，亦為如何推進資產證券化進一步發展提供有益啟示，因此本文的發現也有一定的政策價值。三是拓展并明確在政策力量推動下，資產證券化對銀行信用風險的影響機制。通過區分不同銀行類別及微觀特征，考察在政策因素推動下，資產證券化對不同銀行信用風險影響的特征差異。四是資產證券化與銀行信用風險之間“雙向影響”引起的內生性問題，亦是研究結論不統一的重要原因，本文試圖以政策變量作為時間因素進行準自然實驗，利用雙重差分法識別資產證券化與銀行信用風險的因果關系，這不僅能夠克服潛在內生性問題，并從政策視角提供了更多經驗證據。本文的研究既考慮了銀行資產證券化發行與否的橫向對比，又兼顧了納入時間效應后的縱向分析。

二、政策背景、理論分析與研究假說

理論上講，資產證券化的發展應有助于銀行優化流動性結構、提高盈利能力及轉移風險，由此改善微觀經營環境，以應對經濟下行壓力對銀行信用風險的沖擊。目前正值資產證券化迅速發展之際，那么在政策因素大力支持下，資產證券化能否降低銀行信用風險？具體的影響機制又是如何？這是本文需要率先理順的內容。

(一)政策因素背景與初步判斷

在資產證券化發展歷程中，政策因素在不同國家發揮著不同作用。對于美國和日本而言，資產證券化的初步發展均由政策力量推動，但后來美國的市場力量占據主導；對于歐洲等國家而言，資產證券化的發展一直由市場力量推動。可見，雖然政策因素在資產證券化的發展中占據重要地位，但最終的主導因素仍是市場。對于我國而言，政策主導體現了我國金融創新與發達國家的顯著區別，并且由于資產證券化重啟不久、仍處在發展初期，此時的政策因素也確實是銀行資產證券化發展的重要動力[15]。在當前特殊的經濟周期環境下，政策因素推動下的資產證券化是否有助于銀行緩解信用風險是值得研究的問題。

2012年6月，伴隨金融深化的需要，央行等部門聯合發布了《關于進一步擴大信貸資產證券化試點有關事項的通知》，標志著信貸資產證券化再度啟動。在此之后，針對資產證券化出臺的一系列政策措施，均體現了政府當局對利用資產證券化相關功能，以緩解銀行信用風險或不良貸款狀況的期待。比如2014年11月20日，銀監會下發了《關于信貸資產證券化備案登記工作流程的通知》，將信貸資產證券化業務由審批制改為業務備案制；同年11與21日，證監會正式頒布《證券公司及基金公司子公司資產證券化業務管理規定》，將資產證券化產品從之前的行政審批轉向備案制。2015年4月2日，央行下發公告(2015，第7號)稱，已經取得監管部門相關業務資格，發行過信貸資產支持證券且能夠按規定披露信息和受托機構和發起機構，可以向中國人民銀行申請注冊，這些將資產證券化業務由審批制改為備案制或注冊制的政策行為，再加上國務院“盤活存量”的政策考量，蘊含了監管部門對銀行流動性結構或期限結構失衡的憂慮，而兩者的失衡亦是銀行信用風險成因之一。進一步觀察，2016年2月，央行等部委聯合發布《關于金融支持工業穩增長調結構增效益的若干意見》，同年4月，銀行間交易協會頒布了《不良貸款資產支持證券信息披露指引(試行)》，意味著不良貸款證券化正式開啟；同時，李克強總理在2017年3月5日的政府工作報告中也提到“促進盤活存量資產，推進資產證券化”等去杠桿措施，資產證券化的功能定位也正式從基礎設施融資轉為“去杠桿”。可見，不斷出臺的政策措施，看似為推動資產證券化發展創造空間，實則反映了監管當局為銀行提供多元化信用風險管理途徑的目的。依照以上邏輯我們初步推斷：在政策因素的大力推動下，資產證券化能夠降低銀行信用風險；如果被偽證，說明現階段資產證券化的發展并未達到應有目標。針對上述討論，本文提出有待驗證的基準研究假說如下：

假說1：在政策因素的推動下，資產證券化有助于降低銀行信用風險。

(二)政策背景下資產證券化對銀行信用風險的影響機制：以銀行微觀特征為視角

以往研究認為，一個有效的資產證券化創新有助于銀行優化流動性結構、提升盈利能力、改善資本狀況及實現風險轉移，在假說1的基礎上，接下來基于資產證券化對銀行微觀行為的影響渠道，以衡量政策因素推動下，資產證券化對銀行信用風險的影響機制。

首先，從發展歷程得知，資產證券化始于美國20世紀60年代末銀行業“金融脫媒”的經濟背景，最初關于資產證券化的研究主要也集中于“流動性效應”。同時，Kothari(2002)[16]指出銀行發行資產支持證券的首要目的即通過盤活信貸資源存量，將貸款轉化為流動性，以改善銀行融資約束。可見資產證券化為增加銀行流動性或優化資產流動性結構提供了若干渠道，甚至有研究認為資產證券化可作為銀行除股權融資和債務融資之外的第三種融資方式[17]。

理論上講，期限錯配的嚴重后果即導致負債不斷積累，在銀行資產狀況較為穩定且無法流動的狀態下，必將致使杠桿倍數(或負債率)不斷攀升，并進一步惡化信用風險。而張超英(2002)[18]認為，資產證券化能夠擴大銀行流動性來源，同時其“流動性效應”功能為長期穩定的資產轉化為流動性資產提供了途徑，并部分緩解期限錯配帶來的危害。Obay(2000)[19]研究指出，資產證券化不僅會優化銀行資產負債結構，更有助于銀行在增加資產流動性的同時提高風險抵御能力，因此增強資產流動性是銀行發行資產支持證券的最終目的或動因。Bannier and Hansel(2008)[20]利用不同樣本進行研究，發現資產證券化對于增加資產流動性，及改善銀行資產負債結構期限錯配的重要作用。基于上述邏輯我們認為，資產證券化可通過對銀行資產流動性結構的優化，以緩解資產負債表的期限錯配，并實現信用風險的降低，并且相比資產流動性較高銀行，流動性較低的銀行更需要發展資產證券化，以應對信用風險的沖擊，因此資產證券化對此類銀行信用風險的緩解力度也更大。為此我們提出如下研究假說：

假說2：控制其他條件不變，若政策因素有利于資產證券化緩解銀行信用風險，則該緩解力度在流動性較低組更大。

其次，資本監管是維護銀行穩定的重要措施，并且銀行資本也具有一定的風險吸收能力。巴塞爾協議III正式引入了“逆周期資本緩存”要求，以作為傳統資本監管的補充，目的是限制銀行在經濟上行周期信貸的過度增長，并計提更多資本以確保在經濟下行周期，銀行擁有充足資本規模以吸收貸款損失風險。由此可見，若能夠及時對銀行資本進行補充，則有利于改善銀行信用風險管理水平，并且根據《巴塞爾協議III》及我國銀行業逆周期杠桿監管框架表明，資本充足率的倒數可近似為杠桿倍數，若銀行資本充足率較高，意味著較低的杠桿倍數，其潛在風險也較低[21]。

近年來，多數研究證實資產證券化具有“監管資本套利”功能，即資產證券化有利于提高銀行資本充足率，以符合監管要求(高蓓等，2016)。Acharya et al.(2013)也發現資本充足率越低的銀行越偏好發展資產證券化，可見資產證券化對于改善銀行資本充足狀況的重要作用。通過上述論證可以得知，若資產證券化能夠提升銀行資本充足率，則有利于緩解信用風險的沖擊，并且銀行資本存量越充足，其穩定性也越好，風險也越低[22]，對于利用資產證券化改善信用風險的偏好也較小。由此我們推斷：對于資本規模較低銀行，更需要發展資產證券化以改善信用風險管理，并且在資產證券化的影響下，此類銀行信用風險的降低程度也更大。

假說3：控制其他條件不變，若政策因素有利于資產證券化緩解銀行信用風險，則該緩解力度在資本規模較低組更大。

再次，改善銀行經營績效也是資產證券化一項重要功能。資產證券化可使銀行在不擴大經營杠桿的前提下創造更多收入，并通過推動經營模式由“發起—持有”向“發起—分銷”的轉變，為銀行提供了多元化的盈利渠道[23]。多數研究也證實了資產證券化與銀行盈利的關系：Obay(2000)認為資產證券化能使銀行降低經營與融資成本，而成本的降低意味著盈利能力的提升。Jiangli and Pritsker(2008)分別利用理論模型和實證驗證，發現抵押貸款等資產的證券化有利于提高銀行盈利水平。Affinito and Tagliaferri(2010)進一步指出效益差及盈利能力低下的銀行更會積極從事資產證券化業務。鄒曉梅等(2015)從杜邦分解視角比較了資產證券化影響銀行盈利水平的具體路徑，結果顯示資產證券化活躍強度與銀行盈利水平呈正相關關系。

在目前經濟下行趨勢下，以信貸擴張為盈利模式的銀行不利于防范信用風險[24]，并且隨著經濟增長中低水平趨勢不斷穩定，資產質量惡化與傳統“凈息差”經營模式的難以為繼將成為不可避免的現實因素，同時凈息差縮窄不僅對銀行利潤空間形成擠壓，也導致資產質量不斷下降[25]。此外，當經濟轉入周期下行時，大多數企業經營狀況和盈利能力均會下降，這不僅不利于債務償還，也會通過降低信用風險影響至銀行盈利水平。根據這一邏輯得知，銀行盈利能力的提升有利于應對風險沖擊，并且多元化盈利模式的形成也有助于銀行降低信用風險。高倍等(2016)基于收益率渠道研究了資產證券化對銀行風險的影響，認為資產證券化可通過提高資產收益率，以顯著改善銀行穩定性，即降低銀行風險。綜合上述討論我們認為：資產證券化可通過改善銀行盈利能力，以降低信用風險的沖擊，并且對于盈利能力越低的銀行，資產證券化對信用風險的改善力度越大。據此，我們提出研究假說如下：

假說4：控制其他條件不變，若政策因素有利于資產證券化緩解銀行信用風險，則該緩解力度在盈利能力較低組更大。

最后，資產證券化還有一項重要的風險轉移功能，可直接作用于銀行信用風險管理，并且在風險轉移后，基本也不存在“風險回流”等問題(孔丹鳳等，2015)。資產證券化“風險轉移”功能可通過如下途徑緩解銀行信用風險：一方面，風險轉移的過程其實就是貸款轉讓，即將流動性較弱的中長期資產轉換為流動性較強的短期資產，以優化銀行流動性結構，并改善資產負債結構或期限錯配等問題，這如同上文提到的資產證券化“流動性效應”功能的作用；另一方面，在債權轉讓或流動性轉換過程中，銀行資產風險權重也會降低，這不僅有利于提升資本充足率，還能夠降低銀行整體風險水平。由此可見，風險轉移應是資產證券化最為核心的功能，資產證券化每項功能的發揮均以該功能為基礎，即風險的轉移或剝離，為提高資本充足率、盤活資產流動性及優化資本結構提供了基礎性平臺(Farruggio and Uhde，2015)，甚至有文獻認為風險轉移才是銀行發行資產支持證券的真正目的[26]。可見，若銀行持有一定比例風險資產，通過發行資產證券化，可有效實現風險資產轉移，或降低風險權重，以緩解信用風險，并且，通過分析我們還能判斷，若銀行風險資產占比較大，資產證券化對信用風險的緩解程度也較強，因為若風險資產占比并不高，銀行并不需要發行更多資產支持證券以轉移風險，畢竟一定比例的風險資產有助于銀行維持盈利水準。鑒于此，本文提出如下研究假說：

假說5：控制其他條件不變，若政策因素有利于資產證券化緩解銀行信用風險，則該緩解力度在風險資產占比較高組更大。

三、樣本選擇、變量界定及實證分析策略

(一)樣本選擇與數據來源

根據“中國資產證券化分析網”(www.cn-abs.com，簡稱：CNABS)數據顯示，截至2017年，共有94家銀行至少有一筆資產證券化業務，其中上市銀行37家、其他股份制銀行3家、城市商業銀行36家、農村商業銀行15家及政策性銀行3家。鑒于部分銀行年報披露不完善，本文選取其中85家銀行為研究樣本(當然也不包括3家政策性銀行)，該樣本基本涵蓋了不同性質的銀行個體，并且樣本銀行總資產占銀行業總資產之比為86.1%②，可見本文所選樣本能夠代表整個銀行業，具有一定的針對性和代表性。

我國資產證券化自2005年拉開序幕，但2008年至2011年為暫停階段，將這段時期作為樣本區間并不合理。在2012年重啟后，銀行開始大規模實施資產證券化，因此，考慮數據可得性，研究2012年之后的樣本才具有意義，但為了確保分析全面，本文特意設定一次沒有任何發行記錄的截面數據，本文樣本區間為2011年至2017年的年度數據。對于資產證券化數據，本文基于“中國資產證券化分析網”中的“證券列表”進行整理，以統計銀行i在第t年是否有發行記錄及發行規模；對于銀行微觀特征數據，根據銀行(包括上市與非上市銀行)年報及Wind咨詢進行整理；經濟增長因素等宏觀經濟數據來自國家統計局與中國人民銀行網站。

(二)變量界定及說明

1.被解釋變量

本文選取不良貸款率作為銀行信用風險代理變量，但為了保證結果可信，在穩健性檢驗中選取撥備覆蓋率進行處理。之所以選取不良貸款率和撥備覆蓋率作為信用風險代理變量，主要在于目前銀行信用風險多數還是來自于貸款質量，若信貸質量惡化，說明銀行缺乏良好的信用風險管理機制，也預示著銀行面臨較高的信用風險。

2.核心解釋變量

為了保證結果穩健，本文從三個方面量化資產證券化：一是資產證券化虛擬變量，即銀行i在t期至少有一次發行記錄取值為1，否則為0，這也是常見的處理方式。虛擬變量也可將樣本區分證券化組和非證券化組(證券化組為1，非證券化組為0)。二是資產證券化參與度。我國銀行資產證券化基礎資產基本為信貸資產，為此設置資產證券化發行規模與總貸款之比衡量參與度，這與現有文獻以發行規模占總資產之比的衡量方式略微不同(Farruggio and Uhde，2015)。三是設置資產支持證券發行程度，若銀行i在t期沒有發行資產證券化，則取值為0；發行1次取值為1；發行1至5次取值為2；發行5次以上取值為3。

政策因素的衡量。自2012年信貸資產證券化重啟后，針對資產證券化的政策措施不斷出臺。通過全面梳理我國資產證券化發展歷程的政策法規，尤其是重啟之后的政策措施，可知2014年底或2015年初，將資產證券化業務審批制改為注冊制或備案制③的舉措具有重要意義。從歷史節點來看，注冊制或備案制政策的落地，恰好緊接著國務院提出“運用信貸資產證券化等方式盤活資金存量”的政策④，這不僅標志著監管機構針對資產證券化業務的簡政放權，為資產證券化的迅速發展提供監管層面的“重要推力”[27]，更意味著政府層面對通過運用資產證券化等金融創新，以實現銀行信貸資產盤活、降低資本能耗、優化資產流動性結構及改善信用風險管理的期待。在具體研究中，我們以2014年底或2015年初資產證券化業務由審批制改為備案制或注冊制的政策導向為評估對象，并設置政策虛擬變量為時期變量，在2015年及以后的時期取值為1，否則為0。

3.主要控制變量

本文還控制了銀行微觀層面與宏觀經濟層面特征變化：一方面，銀行微觀層面特征主要由流動性比率、資本充足率、權益資產比、凈資產收益率、加權風險資產占比、貸款占總資產之比及存款占總負債之比等變量來反映。其中，流動性比率為流動性資產占總資產比重、資本充足率為資本金規模與加權風險資產之比、權益資產比為總權益與總資產之比，這些指標用來體現銀行流動性及其結構、資本規模及杠桿倍數；凈資產收益率為凈利潤與平均股東權益之比，用以反映銀行盈利能力；加權風險資產占比為加權風險資產與總資產之比，可以描述銀行風險資產持有情況；貸款占總資產之比與存款占總負債之比均可體現銀行規模。另一方面，宏觀經濟波動也是影響銀行信用風險的重要因素，學術界主要從經濟增長和貨幣政策等方面設定宏觀經濟變量，除了基于GDP增長率對經濟增長的考慮，我們還選取廣義貨幣供應量增長率及一年期貸款基準利率等變量，以體現貨幣政策的變化，兩者分別衡量數量型貨幣政策工具與價格型貨幣政策工具。為了消除極端值的影響，本文對所有連續變量進行1%和99%分位的Winsorize處理(各變量的界定見表1)。

為了體現樣本區間內銀行信用風險的變化趨勢，本文區分不同年份匯報銀行不良貸款率和撥備覆蓋率的均值及中位數情況(見表2)，并基于不同銀行類別進行分析(需要說明的是，鑒于國有銀行樣本量較小，我們將國有銀行并入股份制銀行組，主要考慮到國有銀行均已上市，也可視為股份制銀行)。自2011年至2017年，上市銀行、非上市銀行不良貸款率平均值基本處于上升態勢(2017年小幅下降)，且非上市銀行不良貸款率平均值均高于上市銀行(2017年除外)。同一時期，兩者撥備覆蓋率亦不斷下降(2017年上市銀行撥備覆蓋率小幅上升)，反映銀行業信用風險的惡化趨勢，并且此兩類銀行信用風險變化趨勢與全樣本基本吻合。從不同類別銀行來看，股份制銀行、城商行和農商行不良貸款率平均值不斷上升(2017年也小幅下降)，撥備覆蓋率平均值亦不斷下降。表2顯示的銀行不良貸款率和撥備覆蓋率變化趨勢，充分反映了目前銀行業信用風險的上升態勢。

表1 變量定義與樣本基本特征

表2 主要被解釋變量的描述性統計特征

(三)實證分析策略

1.基于雙重差分模型的政策評估結果處理

本文目的在于考察政策因素推動資產證券化影響銀行信用風險的經濟后果，考慮到政策因素由政府部門在宏觀層面上推動，具有良好的外生性，能夠有效克服資產證券化和銀行信用風險之間“雙向影響”引致的內生性，并且外生政策因素的引入，亦為本文進行準自然實驗提供了充分平臺，有助于清晰識別資產證券化與銀行信用風險之間的因果關系。眾所周知，雙重差分法(DID)被廣泛應用于政策評估或因果效應判斷，并能夠有效規避內生性，為此本文采用該方法進行研究。根據研究需要，在第t期，我們將發行資產證券化的銀行樣本定義為處理組，未發行資產證券化的銀行樣本定義為對照組。

在評估政策效果時，我們感興趣的是在政策因素前后，資產證券化對銀行信用風險影響的期望變化，一個相對合理的假設是處理組與對照組在不同時期對銀行信用風險的影響呈現相同變化趨勢，即所謂的“平行趨勢假設”。如果該假設成立，我們就可以基于未發行資產證券化的銀行樣本為對照組，以對照組在政策實施前后對信用風險影響的變化，作為普遍的時間趨勢對政策效果進行評估。在這種情況下，政策效果就等于發行資產證券化的銀行樣本，在政策實施前后對信用風險的影響變化，減去根據未發行資產證券化的銀行樣本所計算出的時間趨勢。根據DID方法的思想，我們設立如下模型：

Creditit=α0+α1Seci×Postt+α2Seci+ηPostt+X′Φ+λk+σt+εit

(1)

其中，Creditit為銀行i在時期t的信用風險，即不良貸款率或撥備覆蓋率；Seci為處理組虛擬變量，若銀行i在時期t發行資產支持證券，則取值為1，否則為0；Postt為政策(時間)效應虛擬變量，兩者分別刻畫處理組和對照組，及時間效應前后的差異，意味著即使不進行準自然實驗，個體差異與時間趨勢同樣存在；λk為銀行個體固定效應，σt為時間固定效應，X為一組控制變量，包括銀行層面和宏觀層面控制變量。交互項Seci×Postt系數α1才是我們真正度量的影響效應，若交互項Seci×Postt=1，意味著銀行i為處理組銀行，并處在“政策實施區間內”，并且Seci×Postt的估計系數應為：

ΔCreditt=E(Crediti,t|Seci,t=1)-E(Crediti,t-1|Seci,t=0)-[E(Crediti,t|Seci,t=0)-E(Crediti,t-1|Seci,t=0)]

在利用雙重差分法比較處理組和對照組的差異后，需要估計雙重差分模型。我們借鑒余靖雯等(2018)[28]研究，采用固定效應回歸(FE)，通過組內差分消除個體異質性，以獲得系數的一致估計量，從而給出雙重差分模型的估計結果，相比一階差分(FD)回歸，FE回歸要求干擾項與每一期解釋變量和個體效應均不相關，而后者僅要求干擾項與t之前的解釋變量和個體效應不相關，可見固定效應假說更為嚴格，也更有效。此文，除了給出全樣本回歸結果，本文也會區分不同銀行類型，或不同銀行微觀特征進行分析，這不僅能夠判斷相應的影響機制，亦能全面捕捉政策因素推動下資產證券化對銀行信用風險的影響。

2.針對雙重差分模型的“平行趨勢檢驗”

使用DID時，必須對其有效性進行判斷，即處理組和控制組的結果變量在時間效應發生前后的變化與是否是處理組無關，也就是說若沒有時間效應，處理組和控制組的結果變量在時間發生前后應是統計上無顯著差異。鑒于這是一種典型的“反事實狀況”，我們無法對此有效檢驗，但可以通過另外一種方式處理，即判斷在時間效應發生之前，處理組和控制組的結果變量是否具有相同趨勢，從而間接對DID假設前提進行檢驗，這即是“平行趨勢檢驗”。具體到本文研究中，由于政策因素變量設置為2015年及其之后，我們將區間前推一年，即將2014年及其之后設置為政策因素區間，以檢驗資產證券化對銀行信用風險的影響是否存在顯著變化，因為2014年及其之后的區間并不是事實上真正的“時間效應”。若“平行趨勢假設”成立，則在這種“反事實”的政策效應前后，資產證券化對銀行信用風險的影響在處理組和對照組之間不存在顯著差異。具體我們構建與式(1)類似的模型：

(2)

3.穩健性檢驗

我們通過變換被解釋變量，以對上述結果進行穩健性檢驗，具體以銀行撥備覆蓋率替換不良貸款率作為信用風險的代理變量。在具體處理中，一方面以撥備覆蓋率為被解釋變量，利用雙重差分法判斷處理組和對照組之間的影響差異；另一方面對雙重差分模型進行估計，以判斷政策因素推動下資產證券化對銀行信用風險的影響，并區分不同銀行類型，及不同銀行微觀特征，從而實現對上述結果的全面穩健性檢驗。

四、基本實證結果及分析

(一)政策因素推動下資產證券化對銀行信用風險影響的初步判斷

表3比較了處理組和對照組在將“資產證券化業務審批制改為備案制”政策實施前后銀行不良貸款率的差異，上半部分表明無論是否加入協變量，DID值均顯著為負，說明在政策因素推動下，資產證券化顯著降低了銀行不良貸款率，即有助于緩解信用風險，可見假說1成立。下半部分為“平行趨勢檢驗”，顯示DID值雖然為負，但均不顯著，說明在虛擬的時間效應中，兩者之間不存在統計上的顯著差異，即通過了“平行趨勢假設”檢驗。

表3 政策因素推動下資產證券化對銀行信用風險的影響：基于雙重差分模型

表4 政策因素推動下資產證券化對銀行信用風險的影響：雙重差分模型回歸結果

注：括號中為穩健標準誤，***、**、*分別表示為1%、5%和10%的水平下顯著(下同)。

表4匯報了基于雙重差分模型的回歸結果，我們除了考慮資產證券化虛擬變量，也納入了資產證券化參與度與發行程度等變量進行分析，表中前三列與后三列分別為固定效應與一階差分回歸，回歸結果看到無論采用何種方式度量資產證券化，其與政策變量交互項系數均顯著為負，可見資產證券化有利于在政策因素推動下降低銀行信用風險，這與表3結論一致，再次驗證了假說1。需要注意的是，資產證券化變量均顯著為正，顯示資產證券化不利于緩解信用風險，原因在于我國資產證券化仍處在發展初期，基礎資產池質量備受關注，在此約束下，銀行未必將風險較高資產納入資產池，再者由于初次進入該市場，銀行發展策略普遍謹慎，在構建基礎資產池時主要也是偏重于優質資產，因此若單獨考慮資產證券化的影響，銀行信用風險未必能夠降低。但交互項結果顯著為負，表明隨著經濟周期下行導致銀行信用風險不斷上升，在政策條件的允許下，資產證券化將逐步成為銀行信用風險管理工具的重要補充，其對信用風險的改善作用也將不斷顯現。

對于其他控制變量時，由于FE假設更為嚴格，因此我們僅討FE的結果：流動性比率和資本充足率系數均顯著為正，可見擁有較高流動性與資本規模的銀行，不良貸款率反而更高，即這類銀行更偏好從事高風險業務，體現了一定的道德風險傾向，與顧海峰和張亞楠(2018)的結論一致；凈資產收益率與權益資產比系數均顯著為負，意味著銀行盈利越低，或杠桿倍數越高，不良貸款率也越高，這亦與理論相吻合；貸款占比系數顯著為正，反映貸款規模越高銀行不良貸款率也越高；經濟增長率與一年期貸款利率系數分別顯著為正或負，表明經濟增長時銀行將對應較高的不良貸款率，顯示銀行在此階段具有較高風險傾向。

本部分初步分析了政策因素推動下，資產證券化對銀行信用風險的影響態勢。那么資產證券化對銀行信用風險的影響機制將呈現何種特征？在不同類別銀行之間是否存在不同表現？這是我們后續分析的重點內容。

(二)區分銀行類別的分析

表5區分不同銀行類別，比較了處理組和對照組在政策因素前后銀行不良貸款率的差異。無論上市銀行與非上市銀行，還是股份制銀行和城商行，DID值均顯著為負，而農商行組不顯著，說明在政策因素推動下，除了農商行，其余銀行資產證券化的發展均顯著降低了不良貸款率。為了進一步判別不同銀行類別資產證券化對信用風險影響程度的差別，我們需要分析雙重差分模型的估計結果(見表6)。

表5 區分銀行類別的分析：基于雙重差分模型

表6分別給出不同銀行類別的雙重差分估計結果。前兩列為區分上市銀行與非上市銀行的結果，兩組銀行交互項系數均顯著為負，且后者絕對值更高，可見雖然資產證券化對兩類銀行信用風險均有緩解作用，但對非上市銀行緩解力度更強；在針對股份制銀行(包括國有銀行)、城商行和農商行的結果中(中間3列)，前兩列交互項系數顯著為負，而農商行系數雖然為負，但不顯著，并且城商行系數絕對值最高，可見資產證券化對城商行信用風險的降低作用最大；最后兩列即將全樣本按照貸款占比中位數分組的估計結果，以體現不同銀行規模之間的差異。無論從回歸系數數值絕對值大小，還是顯著性程度來看，資產證券化對信用風險的緩解力度在貸款占比較低的銀行中更強。表6結果體現了一個現實問題，即上市銀行，或規模較高銀行，由于擁有多元化業務結構與風險管理方式，在出現信用風險沖擊時，其也有更多措施予以應對，因此未必將資產證券化作為常用的風險管理手段，更多可能作為推動經營轉型的平臺。而非上市銀行，或規模較低銀行的業務結構較為單一，風險管理手段也相對匱乏，隨著資產證券化的迅速發展，這類銀行更偏好將其作為一項風險管理工具。總體表明，表6結果意味著在政策因素推動下，資產證券化對于非上市銀行，或規模較低銀行的信用風險緩解力度更大，這類銀行也更偏好于將資產證券化作為風險管理工具。

表6 區分銀行類別的分析：雙重差分模型回歸結果

(三)區分銀行微觀特征的分析

進一步的，我們基于銀行微觀特征進行分析⑤，這也是捕捉政策因素推動下，資產證券化對銀行信用風險的影響機制。表7將全樣本按照流動性比率、資本充足率、凈資產收益率及加權風險資產占比中位數進行分組的回歸結果。在前兩列基于流動性比率中位數分組的結果中，交互項系數均顯著為負，但流動性比率較低組系數絕對值和顯著程度較高，說明資產證券化對銀行信用風險降低程度在流動性較低組更大，由此驗證了假說2，也印證了資產流動性較低的銀行更需要通過資產證券化提升流動性，以化解信用風險；在列(3)、(4)基于資本充足率中位數分組的結果中，資本充足率較低組交互項系數顯著為負，而較高組系數并不顯著，這證實了假說3的判斷，即在政策因素推動下，銀行資本規模越低，資產證券化對信用風險的緩解力度越強；列(5)、(6)為基于凈資產收益率中位數分組的結果，兩組交互項系數結果均顯著為負，顯示無論凈資產收益率高低，資產證券化均可降低銀行信用風險，但凈資產收益率較低組交互項系數相對更高，表明資產證券化更有助于營利性較低銀行改善信用風險，可見假說4的合理性；最后兩列為基于加權風險資產占比中位數分組的結果。結果表明交互項系數在風險資產較高組顯著性略低，但系數絕對值更高，為此我們基本認為在政策因素推動下，銀行風險資產規模越高，資產證券化越有利于緩解信用風險，這同時也說明若持有更低規模風險資產，銀行也不需要發行資產證券化以轉移風險，畢竟一定比例的風險資產有助于維持盈利水平，該結果基本證明了假說5。表7結果也從側面證實了在政策因素的推動下，資產證券化可通過改善銀行資產流動性、資本規模、盈利水平及風險資產占比等微觀結構，以降低信用風險。

表7 區分銀行不同微觀特征的分析：雙重差分模型回歸結果

五、穩健性檢驗

(一)政策背景下資產證券化對銀行信用風險影響初步判斷的穩健性檢驗

在穩健性檢驗中，我們將被解釋變量替換為撥備覆蓋率。首先比較了處理組和對照組分別在政策實施前后銀行撥備覆蓋率的差異⑥，結果顯示無論是否加入協變量，DID值均顯著為正，體現在政策因素推動下，資產證券化顯著提高了銀行撥備覆蓋率，即降低了信用風險，再次證明假說1的合理性。在平行趨勢檢驗中，DID值不顯著，意味著符合平行趨勢假設的要求。

表8為雙重差分回歸結果。列(1)—(3)為固定效應回歸結果，資產證券化與政策變量交互項系數均顯著為正，可見在政策因素主導下，資產證券化顯著提高了撥備覆蓋率；列(4)—(6)為一階差分回歸結果，交互項系數亦顯著為正。表8的回歸結果再一次證實在政策因素推動下，資產證券化對銀行信用風險的有利作用，進一步說明假說1的穩健性。

(二)區分不同銀行類別及微觀特征的穩健性檢驗

在區分不同銀行類別的雙重差分回歸結果中，顯示非上市銀行交互項系數高于上市銀行、城商行交互項系數高于股份制銀行與農商行、貸款占比較低組交互項系數亦高于貸款占比較高組，上述結果表明隨著政策力量推動，資產證券化對銀行撥備覆蓋率的提升力度(即信用風險的緩解程度)在非上市銀行、城市商業銀行及貸款占比較低組更高⑦。可以看出，該結果與表6基本一致，可見表6結果的穩健性。

表8 關于初步判斷的穩健性檢驗結果：雙重差分模型回歸結果

在區分銀行微觀特征差異的穩健性檢驗中，同樣將全樣本根據流動性比率、資本充足率、凈資產收益率及加權風險資產占比中位數分組進行匯報，結果顯示，在政策因素推動下，對于資產流動性、資本規模、營利性越低及風險資產占比越高的銀行，資產證券化越有利于緩解信用風險⑧。綜上可知，該結果與表7完全一致，同時也證明了假說2—假說5的穩健性。

六、主要結論與政策啟示

研究發現：(1)基本回歸結果表明：2014年底或2015年初，資產證券化業務審批制向注冊制或備案制的政策轉變，促使資產證券化顯著降低了銀行信用風險，可知若從風險管理角度來看，該政策屬于“有效的政策”。(2)針對不同銀行類別的分析得知，相比上市銀行和規模較大銀行，資產證券化對非上市銀行、規模較小銀行及城商行等信用風險降低程度更高，原因在于這些銀行業務結構與風險管理手段相對單一，更偏好將資產證券化作為一項風險管理工具。(3)在考慮銀行微觀結構差異的分析中，發現對于資產流動性、資本規模、營利性越低，及風險資產占比越高的銀行，資產證券化越有利于緩解信用風險，這也從側面證實了資產證券化可通過改善銀行資產流動性、資本規模、盈利水平及風險資產占比等微觀結構，以實現信用風險的降低。

深化金融供給側改革，處理好業務發展與風險防范的關系，著力防范金融風險是一項關鍵環節。對于銀行體系而言，在經濟增速下行沖擊下，需要努力化解不良貸款等重點領域風險，防止信用風險等非系統性風險向系統性風險的演化。本文研究結果顯示，資產證券化是一項有效的風險管理工具，有助于提升銀行風險管理水平。從微觀層面上，我國資產證券化仍處在發展初期，在政策不斷寬松背景下還存在較大發展空間。若資產證券化以提高資產流動性、優化風險管理渠道及緩解資本壓力為目的，則應加強政策協調，倡導其大力發展；在發展模式上，以風險轉移功能為切入點，適度調整制度約束，漸進式推動擁有“真實出售”功能的資產證券化“表外化”模式，為風險轉移功能發揮提供空間，豐富銀行的風險管理渠道；在傾斜重點上，應體現出銀行的差異化特征，對于管理規范、風險控制能力較強的銀行，應逐步增加利用資產證券化推動經營轉型的業務許可；對于規模較小、風險壓力較大銀行，應在“真實出售”的制度約束上予以松綁，提高其風險管理能力；在監管策略上，從基礎資產池質量、信息披露、信用評級和增級等方面完善“表外化”模式的制度監管，防止銀行過度利用“表外化”功能，同時，資產證券化發展必將使商業銀行與金融市場之間深度融合，并產生可能的系統性影響，因此我們應未雨綢繆，在“雙支柱”框架下⑨，實現資產證券化業務主體與監管機構之間的信息共享，從微觀與宏觀兩個方面規范業務主體的行為，確保微觀審慎監管與宏觀審慎監管的有機融合。

注釋：

① 據中國銀保監會相關數據顯示，銀行全行業不良貸款余額由2011年第四季度開始由降轉升，至2018年第四季度持續上升。截止2018年第3季度，商業銀行不良貸款率達到1.87%，較上季度末增加0.01個百分點，創下了2009年金融危機后的新高；同時，截止2018年底，商業銀行不良貸款率達到1.89%，又持續上漲0.02個百分點，創下10年內新高，并且不良貸款總額為2萬億元左右。

② 根據中國銀保監會網站數據整理得知：自2012年信貸證券化重啟以來，截止2017年底，本文樣本銀行資產規模占銀行業總資產規模之比依次為89.7%、94.7%、91.3%、90%、88.2%及86.1%，即樣本銀行資產規模占銀行業資產規模基本為90%左右，可見本文所選樣本能夠代表中國銀行業。

③ 注冊制或備案制規定：銀監會不再針對資產證券化產品的發行進行逐筆審批，對于基礎資產等具體發行方案也不再進行審查，僅對發起機構的合規性進行考察。同時，會計師事務所、律師事務所、評級機構等合格中介機構應針對證券化產品發行方案出具專業意見，并向投資者充分披露；各銀行業金融機構選擇的基礎資產應符合國家相關政策，采取簡單透明的交易結構開展證券化業務，以盤活信貸資產。

④ 2014年11月19日，國務院常務會議提出了十大舉措，其中就包括運用信貸資產證券化等方式盤活資金存量等措施。

⑤ 為了保證結果穩健，表7以資產證券化參與度作為核心解釋變量。

⑥ 篇幅有限，基于雙重差分模型的初步判斷穩定性檢驗結果未予列示，感興趣的讀者可向作者索取。

⑦ 篇幅有限，區分銀行類別的穩健性檢驗未予列示，感興趣的讀者可向作者索取。

⑧ 篇幅有限，區分銀行微觀特征的穩健性檢驗結果未予列示，感興趣的讀者可向作者索取。

⑨“雙支柱”調控框架在《中國貨幣政策執行報告( 2016 年四季度) 》中首次提出，包含宏觀調控的兩個支柱，即貨幣政策和宏觀審慎政策。