系統性風險會約束商業銀行信貸供給嗎？

2019-11-22 08:31:28劉志洋

商學研究 2019年5期

劉志洋

(東北師范大學經濟與管理學院，吉林長春 130117)

一、引言

2008年金融危機顯示，銀行業體系系統性風險增加往往與信貸供給的快速上漲密切相關。信貸快速上漲意味著企業會出現過度投資行為，繼而對金融體系的穩定也產生威脅。當銀行業系統性風險爆發時，如果商業銀行把系統性風險爆發所產生的社會風險內部化，則商業銀行的貸款投放會比沒有內部化金融危機成本時降低很多(Meg Adachi-Sato and Chaiporn Vithessonthi，2016)[1]。然而，當商業銀行預期一旦金融危機爆發，政府會對金融機構進行救助時，商業銀行就沒有內生化危機成本的動機，因此系統性風險就沒有辦法約束商業銀行的信貸供給行為。

2008年金融危機爆發后，為了加強銀行業系統性風險管理，全球金融監管當局積極推動宏觀審慎監管體系建設。在宏觀審慎監管的截面維度方面，金融監管當局重點關注的是金融機構的系統性風險貢獻度。監管當局根據每家金融機構的系統性風險貢獻度，將金融機構劃分為不同的系統性重要性區間，以便施加差異化的金融監管，激勵金融機構將自身經營所帶來的負外部性內生化于自身的經營決策中。因此金融監管當局首先需要確定的就是，商業銀行的系統性風險貢獻度能否影響商業銀行的信貸供給。如果商業銀行系統性風險貢獻度越高，而信貸供給下降，則說明商業銀行能夠內生化其經營所帶來的系統性風險導致的負外部性。然而，Meg Adachi-Sato and Chaiporn Vithessonthi(2016)[1]指出，如果商業銀行對未來政府救助預期非常強烈，則商業銀行沒有動機內生化其經營所帶來的負外部性，進而對金融體系系統性風險管理并不會產生較好的監管效果。

2017年中國共產黨十九大報告中指出，“健全貨幣政策和宏觀審慎政策雙支柱調控框架”，“守住不發生系統性金融風險的底線”。實施宏觀審慎監管的終極目標是保證金融體系穩定，促進實體經濟發展，使得金融體系與實體經濟協同向前。對于中國的金融體系來講，由于銀行體系在中國金融體系中居于絕對的核心地位，而信貸又是實體經濟增長的重要資金來源，因此有效管理系統體系系統性風險，防止信貸快速增長給實體經濟和金融體系帶來威脅，是當前我國宏觀審慎監管的主要任務之一。2008年金融危機后，金融監管對系統性風險貢獻度的關注度非常高。對系統性風險貢獻度高的商業銀行，金融監管當局必然會要求更高的監管資本。一方面，高的監管資本會影響商業銀行的信貸投放能力，進而影響商業銀行的盈利水平；另一方面，資本充足率要求增加會誘發商業銀行增加信貸投放，繼而使其盈利能力不受影響。

2008年金融危機爆發后，學者們主要關注商業銀行的系統性風險貢獻度。但當商業銀行系統性風險貢獻度增加時，是否會影響商業銀行的信貸供給能力學者們的研究并不多見。驗證這一點非常重要，因為這關系到系統重要性監管的有效性和對實體經濟的影響問題。在此考慮下，有必要研究商業銀行的系統性風險貢獻是否能夠成為約束商業銀行信貸供給，進而管理系統性金融風險的有效工具。本文擬在測度中國上市商業銀行系統性風險貢獻度基礎上，研究商業銀行系統性風險貢獻度對其信貸供給約束的影響，以期為中國實施宏觀審慎監管提供參考。

二、相關文獻綜述

銀行業系統性風險的爆發會影響商業銀行金融職能的履行。對于銀行業系統性風險的含義，Allen et al.(2012)[2]指出，金融機構由于存在共同的風險敞口，因此傳染風險會在銀行體系蔓延，進而會出現流動性危機，最終導致系統性風險爆發。Allen et al.(2012)[2]著重強調流動性風險在系統性風險生成過程中的重要角色。他們指出，如果商業銀行依靠長期負債來源，則實體經濟的總體社會福利不會受到銀行業系統性風險的影響；但如果商業銀行都依靠短期融資進行經營，則銀行業系統性風險會影響對經濟體整體的信貸供給。

實證分析表明，銀行體系的系統性風險爆發會影響經濟體信貸的可獲得性。Lemmon and Roberts(2010)[3]實證分析表明，在1986年至1993年期間，金融體系的沖擊會影響企業的債務發行，繼而影響企業的信貸可得性。Campello et al.(2011)[4]指出，當2008年金融危機導致信貸供給中斷時，企業需要依靠內部流動性來代替外部流動性，因而影響實體投資。Campello et al.(2012)[5]使用2008年金融危機期間歐洲國家企業的數據實證分析表明，受到信貸供給沖擊小的企業往往在金融危機期間不依靠商業銀行提供的信貸承諾。

其實，在金融危機對實體經濟信貸需求的影響的研究方面，學者們的結論具有不一致性。Aguiar(2005)[6]研究了墨西哥金融危機對實體經濟投資需求的影響，發現受金融危機影響大的企業的投資出現了顯著下降。然而，Bleakley and Cowan(2010)[7]的實證分析表明，企業自身的資產負債匹配會使得企業的投資決策不會受到金融危機的影響。Sebnem Kalemli-Ozcan et al.(2010)[8]認為Aguiar(2005)[6]和Bleakley and Cowan(2008)[7]均沒有考慮到企業在全球金融市場的融資能力。Meg Adachi-Sato and Chaiporn Vithessonthi(2016)[1]使用十個發達國家和新興市場國家的10231家微觀企業數據，研究商業銀行系統性風險對企業投資決策的影響。他們的研究結果發現在2008年金融危機爆發前，商業銀行系統性風險的增加往往伴隨著企業投資的迅速增長，而在2008年金融危機之后，商業銀行系統性風險增加導致企業投資的快速降低。在經濟體運行中，實體企業面臨著短期融資壓力，因此企業往往通過借新還舊的方式發行債務，因此企業會暴露在金融市場的流動性風險之下(He and Xiong，2012)[9]。Acharya et al.(2011)[10]指出，市場突然的流動性凍結會導致企業無法獲得信貸支持，即使其沒有達到負債的最上限，因此Iyer et al.(2014)[11]指出2008年金融危機爆發與金融體系流動性風險向實體企業傳導有關。

三、商業銀行系統性風險貢獻度的測度

本文以中國上市商業銀行為研究樣本進行實證分析。為了刻畫銀行體系整體表現，本文使用基于市值加權的銀行業指數作為銀行體系整體狀況的代表，數據來源為wind數據庫。本文使用Garch—DCC模型求解系統性風險測度過程中涉及的相關系數和變量的標準差。

(一)ΔCoVaR

根據Adrian and Brunnermeier(2016)[15]，CoVaR的定義為，當某一家商業銀行陷入困境后，銀行體系的VaR值。ΔCoVaRi定義為當商業銀行i陷入困境后銀行體系的VaR值與商業銀行i正常經營時銀行體系VaR的值的差值。根據Acharya et al.(2012)[16]以及Kreis and Leisen(2018)[17]，本文假設商業銀行i股票收益率和銀行業指數收益率的期望值為零，則在正態分布假設下，商業銀行i的ΔCoVaR可以表示為：

ΔCoVaRit=ρimtσmtN-1(q)

(1)

其中，σmt為衡量銀行業指數收益率的標準差，ρimt為商業銀行i與銀行業指數的相關系數，N-1(q)表示正態分布在q分位點的值。為了有效刻畫銀行業陷入危機的程度，以及借鑒VaR測算的基本做法，本文q的取值為0.01。

(二)MES(Marginal Expected Shorfall)

根據Acharya et al(2017)[18]，商業銀行i的MES可以定義為：

MESi=E[-rit|rmt

(2)

其中ri表示商業銀行i的股票收益率，rmt表示銀行業指數收益率，c為刻畫銀行體系陷入壓力情景的變量。根據大智慧中國銀行業指數，從2006年8月年到2017年年末，指數收益率下跌超過5%的樣本數為40余次，因此本文假設c的取值為-0.05能夠代表銀行業陷入困境。根據Kreis and Leisen(2018)[17]，本文假設ri和rm的期望值為零，則在正態分布假設下，商業銀行i的MES可以表示為：

在林木管理方面，需要注意分類經營，這方面是借鑒一些發達國家的經驗以及理念，編制出合理的管理方案，提升林木管理的實際水準，并發揮出帶動以及輻射的作用。

MESit=σitρimtE[rmt/σmt|rmt/σmt

(3)

(三)CES(Component Expected Shortfall)

根據Banulescu and Dumitrescu(2015)[19]，CES的含義是，商業銀行i對銀行體系期望尾部損失(Expected Shortfall)的貢獻度，其表達式為：

(4)

其中，ωit表示商業銀行i在t時刻占銀行體系的權重，εmt和ξit為Garch-DCC模型估計后生成的殘差項。c為刻畫銀行體系陷入壓力情景的變量。本文假設c的取值為-0.05，理由同上。

從ΔCoVaR、MES和CES三類系統性風險貢獻度測度指標的計算方法來看，ΔCoVaR更偏向于表示金融體系正常狀態下商業銀行的系統性風險貢獻度，而CES則偏向于測度商業銀行對銀行體系處在極端狀態下時每家商業銀行的系統性風險貢獻度?？傊珻ES和ΔCoVaR偏向于測度商業銀行對銀行體系系統性風險的貢獻。而MES則主要關注銀行體系系統性風險增加對每家商業銀行的影響。

四、樣本數據與研究方法

本文的樣本期間為2008年至2016年，數據頻率為半年。本文的樣本為中國上市商業銀行，包括平安銀行、寧波銀行、江陰銀行、張家港行、浦發銀行、華夏銀行、民生銀行、招商銀行、無錫銀行、江蘇銀行、杭州銀行、南京銀行、常熟銀行、興業銀行、北京銀行、上海銀行、農業銀行、交通銀行、工商銀行、光大銀行、建設銀行、中國銀行、貴陽銀行、中信銀行和吳江銀行。由于江陰銀行、張家港行、無錫銀行、江蘇銀行、杭州銀行、常熟銀行、上海銀行、貴陽銀行和吳江銀行上市時間較晚，數據可得性較低，因此本文最終的樣本為除去這些商業銀行外的16家上市商業銀行。

截止2016年年末，在選取的16家上市商業銀行中，5家國有大型商業銀行的資產總額合計占商業銀行總資產的比例為50.21%，8家股份制商業銀行的資產總額合計占商業銀行總資產的比例為21.49%，3家城市商業銀行的資產總額合計占商業銀行總資產的比例為2.24%，16家上市商業銀行的資產總額合計占我國商業銀行總資產的比例達到73.94%。無論從資產規模還是商業銀行發展歷史來看，以本文選取的16家上市商業銀行作為研究樣本來測算我國銀行業系統性風險均具有充分代表性。

考慮到每家商業銀行的個體經營的異質性特征，且文章選擇的控制變量無法完全找到所有商業銀行信貸供給的因素，因此從經濟學的直覺出發，本文使用固定效應面板數據回歸分析進行實證研究，具體模型如下：

Crediti,t=α+θ×sysriski,t+ρXi,t+μi+εi,t

(5)

其中，i表示商業銀行，t表示時間，μi表示商業固定效應。Crediti,t為表示商業銀行i在t時刻的貸款占資產的比值。Sysrisk為表示商業銀行系統性風險貢獻度的變量，包括本文上面所求解的ΔCoVaR、MES和CES三類。由于本文求解的ΔCoVaR、MES和CES為日度數據，而(5)式的回歸分析樣本為半年度的財務數據，因此本文對ΔCoVaR、MES和CES取半年度平均值。

X表示商業銀行個體特征變量。具體包括：①cap為商業銀行i在t時刻的資本充足率水平，表示商業銀行償付能力風險。資本充足率既有可能促進商業銀行的流動性創造，又有可能抑制商業銀行流動性創造。②由于信用風險是商業銀行貸款業務中的重要組成風險類型，因此本文引入不良貸款率(npl)，控制貸款信用風險。③本文選擇凈息差(interest)來控制商業銀行的盈利能力。④在大量研究商業銀行經營特征的文獻中，規模因素都是學者們主要的考慮因素(比如Bertay et al，2013)[20]。因此，本文將商業銀行資產規模取對數(size)后納入(1)式。本文數據來源均為wind數據庫。

Crediti,t為表示商業銀行信貸供給的變量。首先，從總量指標上，本文使用流動性創造占總資產比率(Liquidity Creation，LC)作為表示商業銀行向實體經濟輸出信貸的總量指標。LC綜合考慮了商業銀行的資產、負債、所有者權益和表外業務，本文同時測度了表內流動性創造(INRA)以及表內和表外流動性創造之和(INOFFRA)占總資產的比率，具體計算參見Berger and Bouwman(2009)[21]和劉志洋(2016)[22]。Berger and Sedunov(2017)[23]指出，LC在研究銀行業促進實體經濟發展方面超過了其他流動性指標。流動性創造是商業銀行最重要的角色，與實體經濟增長息息相關，銀行貸款往往被視為經濟增長的引擎。

同時，為了進一步增加實證檢驗的穩健性，本文選擇了從各個角度能夠表示商業銀行信貸結構的細分指標，具體包括：①單一借款人占總資產的比率(用danyi表示)；②前十位借款人占總資產的比率(用shijia表示)；③企業貸款占總資產的比率(用qydk表示)；④個人貸款占總資產的比率(用grdk表示)；⑤短期貸款占總資產的比率(用dqdk表示)；⑥中長期貸款占總資產的比率(用zcdk表示)；⑦個人消費貸款占總資產的比率(用grxf表示)；⑧個人住房貸款占總資產的比率(用grzf表示)；⑨房地產貸款占總資產的比率(用fdc表示)。

表1為樣本數據的統計性質。從系統性風險貢獻度來看，CES和MES均值為正，但絕對值較低，均在零附近。結合CES和MES的定義，這說明當銀行體系出現沖擊時，平均來看，商業銀行股票收益率不會受到較大的影響，即有的商業銀行能夠有效抵御沖擊，而有的商業銀行則會受到較大的影響。ΔCoVaR平均值為-0.0648，說明平均來看當商業銀行陷入困境后銀行體系的VaR值比商業銀行正常經營時銀行體系VaR的值低6%左右。從流動性供給來看，商業銀行表內流動性創造與總資產比率平均為62%，表內表外流動性創造與總資產比率平均為70%。從貸款結構來看，單一借款人占比平均值為4.47%，而前十大借款人占比平均為15%；企業貸款平均占比為35%左右，個人貸款平均占到15%；短期貸款占比約為12%，而中長期貸款占比約為21%；個人住房貸款占比為11%，而個人消費貸款占比不到1%；對房地產行業貸款占比為3%。

表1樣本數據統計性質

圖1為樣本內商業銀行系統性風險貢獻度與商業銀行各類貸款發放情況的均值走勢圖。從圖1可以看出，CES指標方差較大，25%分位點走勢和75%分位點走勢與均值走勢距離較遠。從圖1可以看出，中國商業銀行體系在2008年全球金融危機爆發時風險呈現上升趨勢，在2012年至2013年，中國商業銀行系統性風險整體水平較高。從商業銀行信貸供給來看，各類型貸款走勢波動性都較高，且房地產貸款、個人住房貸款、企業貸款和中長期貸款等類別均在2012年至2013年左右維持在高點。相對來講，個人消費貸款的占比最低，但在2011年左右出現了較高的波動性，房地產貸款、短期貸款和個人貸款在2015年至2016年開始經歷了快速的上漲。

五、實證結果

本文使用固定效應面板模型進行回歸分析。表2為商業銀行系統性風險貢獻度對其總體向經濟體輸送流動性能力影響的回歸結果。從表2可以看出，當金融體系處在正常狀態時，商業銀行系統性風險貢獻度增加不會導致其流動性創造功能受到影響，不論是表內流動性創造還是表外流動性創造，CoVaR的估計系數均不顯著。這說明在正常狀態下，商業銀行系統性風險貢獻度的增加不會影響其向實體經濟輸出信貸的功能。同時，從表2可以看出，CES的估計系數顯著為負值，說明在極端狀況下，系統性風險貢獻度越高的商業銀行，其向實體經濟輸送信貸越多。MES估計系數顯著為正，說明受到銀行體系系統性風險影響越大的商業銀行，在風險增加時對實體經濟信貸輸出下降得越多。結合MES和CES的回歸結果，本文認為在極端狀況下，系統性風險貢獻度越高的商業銀行是向實體經濟輸送信貸越多的銀行，因此其應該是受到系統性風險影響大的商業銀行，在風險增加時其對實體經濟信貸輸出會顯著的下降。

表2商業銀行系統性風險貢獻度對流動性創造的影響

續表

INRAINRAINRAINOFFRAINOFFRAINOFFRAcapi,t-0.0087???-0.0091???-0.0095???-0.0129???-0.0124???-0.0121???npl i,t0.0297?0.0434???0.0391???0.0321??0.0372??0.0224sizei,t-0.0249?-0.0291??-0.0294??-0.0470???-0.0466???-0.0425??interesti,t-0.0168-0.0054-0.0153-0.0244-0.0125-0.0261是否包含固定效應是是是是是是Adjusted-R20.66410.66480.66360.48800.48990.4882樣本個數262262262263263263