金融市場化程度會影響對影子銀行的監管效果嗎

李金勝

摘 要：本文基于我國64家商業銀行2009年-2017年同業業務買入返售金融資產的數據，研究分析了政策監管強度與影子銀行業務規模的關系，以及金融市場化對影子銀行政策監管作用效果的影響。本文研究發現，政策監管強度與影子銀行業務規模呈負相關，且較高金融市場化程度會削弱二者的負相關關系。研究結論對影子銀行的監管與金融市場化改革具有政策啟示。

關鍵詞：金融市場化;影子銀行監管;影子銀行業務規模;同業業務

一、引言

影子銀行業務作為商業銀行創新業務的一部分，主要指銀行近年來通過銀銀、銀信、銀證等之間的合作而形成的同業業務，影子銀行規模的逐年擴張放大了銀行的流動性風險。近年來，中國金融市場化進程加速且穩步推進。改革在取得諸多重大成就的同時，也帶來一系列問題。因此，推動金融市場化進程的同時，防范金融市場化進程所帶來的風險也尤為重要。

本文以買入返售金融資產比率衡量影子銀行業務規模，采用2009年-2017年中國商業銀行的數據，研究分析了影子銀行監管與其業務規模的關系，以及金融市場化對影子銀行政策監管作用效果的影響，為影子銀行的監管與金融市場化改革提供了一定參考。

二、文獻綜述

1.影子銀行的監管對其業務規模的影響

Schwarcz（2012）認為，商業銀行需要進行監管套利，規避監管部門對銀行資本充足率等的要求，這是影子銀行發展的直接動因。2008年金融危機之后，人們逐漸意識到影子銀行體系存在風險。作為全球金融危機反思的重要成果，切實推行對影子銀行的宏觀審慎監管已經成為國際監管機構和各國政策當局的共識 （BCBS，2010;IMF，2011）。

隨著影子銀行體系規模的不斷擴大，我國開始針對不斷暴露出的監管問題進行深入的制度改革，監管部門相繼頒布法律法規，對其進行規范和管理。2017年銀監會發布的46號文指出了關于銀行“三套利”專項治理工作要點;2018年4月，《關于規范金融機構資產管理業務的指導意見》正式出臺，有序化解和處置影子銀行風險成為重要任務。高強度的政策監管能夠約束銀行的風險行為（曲洪建，2017），進而減緩了影子銀行規模的擴張速度，據李文哲（2019）測算，2017年后影子銀行規模的同比增速迅速下滑。可見，在監管的壓力下，銀行通過影子業務將部分信貸資產包裝為同業資產來提升資本充足率的動機也會有效降低，抑制了影子銀行的業務規模。鑒于以上理論分析，本文提出研究假設1：

H1：影子銀行監管強度與其業務規模呈負相關。

2.金融市場化程度、政策監管與影子銀行業務規模

黨的十九大報告指出我國經濟已由高速增長階段轉向高質量發展階段，正處在轉變發展方式、優化經濟結構、轉換增長動力的攻關期，不斷深化金融體制改革，健全金融監管體系，守住不發生系統性金融風險的底線是當前重要任務。金融市場化程度的提高伴隨著利率市場化的推進、互聯網金融的發展、銀行間競爭加劇（郭曄和趙靜，2017），為了覆蓋較高的融資成本、彌補降低的邊際利潤而可能傾向于大力發展影子銀行業務（Boyd，2005），從而削弱政策監管對其規模的抑制作用。因此，本文提出假設2：

H2：金融市場化程度的提高會降低影子銀行監管強度對其業務規模的影響。

三、研究設計與描述性統計

1.研究設計

本文主要研究影子銀行監管對其業務規模的影響以及金融市場化程度對二者關系的影響，參考祝繼高（2016）以及wu和shen（2019）的研究設計，本文采用如下基準模型與嵌套模型進行檢驗與分析。

其中，模型的被解釋變量為買入返售金融資產比率（SFR）。該指標為買入返售金融資產占期末總資產的比率，反映了商業銀行通過同業業務參與影子銀行業務的規模（祝繼高，2016）。解釋變量為對影子銀行的政策監管強度（SUP），本文采用2009年-2017年各年影子銀行監管政策數目占樣本期間影子銀行監管政策總數目之比來衡量，比率越大，表示對影子銀行的政策監管強度也越大。模型設定的控制變量分為銀行特征變量（Bank）和宏觀經濟變量GDP增長率（GDPGROW）。其中銀行特征變量包括：銀行規模（SIZE）、不良貸款率（BLR）、貸存款比率（LDR）、撥備覆蓋率（PC）與凈息差（NIM）。式（2）中Finmarket為金融市場化程度，本文采用王小魯、樊綱和余靜文（2017）的《中國分省份市場化指數報告（2016）》中的金融市場化指數衡量，該指標包含兩個分量指數，即金融業競爭指數和信貸分配市場化指數。金融市場化指數越高，說明金融業市場化程度就越高。i=1，2，L，N是橫截面，代表樣本銀行個體;t=1，2，L，T為時期（2009年-2017年）。式（1）是估計影子銀行政策監管強度與影子銀行業務規模關系的基準模型;式（1）和式（2）構成聯立方程，來估計金融市場化程度對影子銀行政策監管強度與影子銀行業務規模關系的影響。

2.樣本數據及描述性統計

本文的研究樣本文2009年-2017年的64家中國商業銀行，包括國有銀行、股份制銀行、城市商業銀行。銀行財務數據來源于bankfocus數據庫或于銀行官方網站手工搜集，影子銀行監管政策從銀保監會、證監會、中國人民銀行官方網站上手工收集。表1為主要變量的描述性統計。

四、主要結果分析

本文采用最小二乘虛擬變量回歸（LSDV）來消除銀行個體的固定效應。回歸結果如表2所示。

在基準模型中，影子銀行監管強度（SUP）的系數為-0.2013，且1%水平顯著，說明本文提出的H1假設成立，即影子銀行監管強度與影子銀行業務規模呈反比關系。在對影子銀行的高效監管下，銀行開展影子銀行業務的動機降低，進而影子銀行業務規模縮小，這與郭昶皓（2018）、曲洪建（2017）的研究結論相一致。