商業銀行流動性比率對系統性風險的影響研究

常靖函 楊雯迪

摘 要：本文以我國16家商業銀行2008—2018年的年度數據為樣本，引入數字普惠金融這一變量，研究了銀行流動性比率和系統性風險的關系以及數字金融的調節作用機制。首先，本文構建了流動性比率作為商業銀行流動性風險的指標，以條件再險價值作為系統性風險的指標。其次，本文利用數字普惠金融指數作為流動性風險的調節變量，研究其對系統性風險的作用機理。再次，本文得到了流動性比率與系統性風險的負相關關系，以及數字普惠金融指數會減弱流動性與系統性風險的關系。最后，本文解釋了數字普惠金融對流動性比率作為監管指標的有效性影響，鼓勵銀行在發展數字普惠金融，實現發展轉型升級的同時也要注意風險防控，政府也應及時健全監管體制。

關鍵詞：流動性比率;調節效應;系統性風險;數字普惠金融

本文索引：常靖函，楊雯迪.<變量 2>[J].中國商論，2021（16）：-041.

中圖分類號：F832 文獻標識碼：A 文章編號：2096-0298（2021）08（b）--04

普惠金融一直是中國金融業發展的重要手段，數字技術與普惠金融的結合，更是未來金融行業發展的重要趨勢。數字普惠金融，是一種讓長期被現代金融服務業排斥的人群享受正規金融服務的一種數字化途徑。同時金融機構還能利用數字技術低成本、高可得性、方便快捷等特點，全面提升金融的風險控制能力，促進金融市場的穩定發展。而銀行業作為我國金融行業的核心，也正積極把握這一趨勢，企圖實現轉型升級。

雖然數字普惠金融為資金的提供者與需求者帶來了諸多便利，但同時也帶來了新的風險。一方面，互聯網自身具有一定的安全風險，如遭受數據丟失、隱私泄露等事件。另一方面，銀行工作人員的操作風險，如私自挪用客戶資金、過度放貸等現象。因此這對于商業銀行的風險監管也提出了新的要求。傳統的監管指標，如本文將要研究的流動性比率，是否能夠對轉型升級后的商業銀行起到有效地監管作用？這對于政府改進現有的監管體系有著重要的參考意義。

本文擬對此問題進行研究，在分析商業銀行流動性比率對系統性風險影響的基礎上，加入數字普惠金融作為調節變量，分析數字普惠金融對其關系的影響。

1 文獻綜述

1.1 商業銀行的流動性與系統性風險

自2008年次貸危機以來，國內外學者尤其注重流動性比率與商業銀行風險關系的研究。一方面，一部分人認為商業銀行的流動性比率和市場的系統性風險往往呈現正向關系。Acharya等 （2012）認為一旦商業銀行擁有較高的流動性比率，則會強化銀行承擔風險的意愿，刺激銀行過度投放信貸，增加系統性風險。King（2013）同樣認為，導致銀行的融資成本增加的原因之一就是監管部門對銀行的流動性限制，這會增加商業銀行的冒險行為。另一方面，一部分學者認為兩者呈現負向關系。Hong 等 （2014）認為流動性風險會造成銀行失去償付能力，難以應對市場風險。劉志洋等（2015）研究發現流動性比率越低，商業銀行系統性風險貢獻度越高，這不利于銀行體系的穩定。

1.2 數字普惠金融與系統性風險

一方面，數字普惠金融的發展為銀行帶來了諸多便利。衛曉峰（2019）認為數字技術能夠降低金融機構的信息獲取成本，降低市場風險與操作風險。另一方面，數字普惠金融也帶來了諸多風險。黃益平（2017）認為數字普惠金融的風險應該引起人們的重視。40%的 P2P 平臺都是問題平臺，在支付、眾籌和投資管理等領域也有挪用資金等現象。陳丹等（2019）指出，數字普惠金融是以互聯網以及數字技術為依托，因此不可避免地會面臨黑客攻擊，同時，由于客戶信息的產權不明晰，信息安全性受到威脅，會加大業務操作風險。

綜合已有研究成果來看，流動性比率對系統性風險的影響有待探索與研究，而面對數字普惠金融的優勢與風險，商業銀行是否能夠發揮數字普惠金融的優勢也尚未有定論。由此可見，深入研究數字普惠金融的發展對流動性比率與系統性風險關系的影響具有理論意義和實踐意義。

2 研究假設與模型構建

首先，為了驗證流動性比率對系統性風險的影響，我們構建了模型 （1）：

（1）

CoVaRit代表銀行i在第t年的系統性風險，LIQUIDit代表流動性比率，控制變量分別為不良貸款率 （NPLR），存貸比（LDR），總資產收益率 （RTA），資本充足率 （CAR），代表隨機擾動項，捕獲未被觀測到的變量對系統性風險的影響。

其次，我們引入調節變量，構建新的模型進行回歸。

（2）

本文分別引入數字普惠金融指數 （PD）以及測量使用深度指數中的支付、保險和信貸業務分類指數充當調節變量。當交互項的系數符號與自變量的系數符號相反，自變量的標準誤增大時，說明調節變量降低了模型 （1）中流動性對系統性風險的解釋性;當交互項與自變量的系數符號相同，則相反。其中，本文用Adrian和Brunnermeier （2016）研究中提出的條件在險值CoVaR來衡量系統性風險。

由此，我們作出以下假設：

假設1：在其他條件不變的情況下，流動性比率與系統性風險呈現負相關性。

假設2：引入調節變量和流動性比率的交互項后，流動性比率與系統性風險仍是負相關，同時調節變量的回歸結果顯著，對模型 （1）起到調節作用。

3 變量選擇，數據來源與相關分析

3.1 變量選擇與數據來源

考慮到研究數據的可得性和充足率，本文選取2008年以前上市的16家商業銀行作為研究樣本。其中，除北京大學數字普惠金融指數來源于北京大學數字金融研究中心，其他數據均來源于Wind數據庫和國泰安數據庫。

（1）被解釋變量：如前文所述，本文選取條件在險值（CoVaR）作為被解釋變量來衡量金融機構的系統性風險。

（2）解釋變量。核心解釋變量為流動性比率 （LIQUID），指的是一個銀行的流動性資產與流動性負債的比率，是監管機構衡量銀行風險的重要指標之一。當流動性比率增加時，銀行流動性資產增加，風險溢出減小。故預期系數符號為負。本文選取了四個控制變量：不良貸款率 （NPLR）、存貸比 （LDR）、總資產利潤率 （RTA）、資本充足率 （CAR）。

（3）調節變量。本文選擇北京大學數字普惠金融指數（郭峰，2020）作為調節變量，該數據較為全面地反映了互聯網金融的發展情況。主要采用其中的數字普惠金融指數（PD），以及測量使用深度指數中的支付、保險和信貸業務分類指數作為調節變量。

3.2 描述性統計

從系統性風險來看，CoVaR的最大值為0.052，最小值為0.016。在10年中雖有波動，但風險仍在可控范圍內。從解釋變量來看，流動性比例的平均值為0.45，雖然最小值為0.016，但標準差較低，大部分時期中國銀行的流動性比率均在監管標準的0.25以上，風險較小。從調節變量來看，數字普惠金融指數在10年間飛速增長到300.208，說明其發展迅速。其中根據平均值來看，保險業務發展規模最大，其次為支付業務，信貸業務。

4 實證分析

本文對于短面板數據進行了固定效應估計。由于北京普惠金融指數只覆蓋了2011—2018年的數據，為了便于回歸，因此使用線性插值的辦法將數據補全，回歸結果見表1。模型 （1）為流動性比率與系統性風險的回歸結果;模型 （2）～模型 （5）是各個調節變量分別于流動性比率形成交互項并加入回歸模型，對原有方程做調節效應。模型 （2）為數字普惠金融作為調節變量;模型 （3）為支付、模型 （4）為保險、模型 （5）為信貸，括號內輸出結果為標準誤。

4.1 流動性比率與系統性風險

從模型 （1）來看，流動性比率系數結果為-0.0165，且在1%的水平下顯著。在控制變量中，四個控制變量的系數均通過了顯著性水平檢驗，且模型的擬合度較高，表示模型能夠成功地解釋流動性比率與系統性風險的關系。

該模型說明基于中國16家銀行較高的流動性比率來看，流動性比率與系統性風險為負向關系。流動性比率越高，系統性風險越低。因為充足的流動性資產能夠應對如信用風險、系統性風險等的危機情況，能夠降低商業銀行的風險溢出，穩定銀行體系。

4.2 數字普惠金融對流動性比率與系統性風險關系的調節效應

模型 （2）引入兩者的交互項，研究數字普惠金融在流動性比率和系統性風險中發揮的作用。從自變量來看，流動性比率的系數從-0.0165變為-0.0342，從在1%的水平下顯著變為在5%的水平下顯著。標準誤從0.005變為0.014。從調節變量來看，數字普惠金融的系數結果為-0.0319，且在1%的水平下顯著。從交互項來看，交互項在1%的水平下顯著為正。

該變化說明在加入了交互項之后，流動性比率依然與系統性風險呈負向關系，再次證明了前文的假設。而數字普惠金融的系數結果顯著為負，主要是因為互聯網技術基于大數據構建了風險控制體系，能夠降低系統性風險。自變量的標準誤差增大，證明了數字普惠金融作為調節變量，對于原模型有顯著的調節作用。表明隨著數字普惠金融的發展，流動性比率對于系統性風險的負向影響的解釋性會逐漸減弱。這與前文假設一致。

4.3 支付、保險與信貸業務的調節效應

從模型 （3）～模型 （5）的回歸結果可知，流動性比率作為自變量，其系數結果在三個模型中均顯著，調節效應與交互項也都呈現顯著的結果。且交互項均顯著為正，自變量的標準誤均增大，說明支付、保險與信貸業務都在流動性比率與系統性風險的關系中起到調節的作用。其中，支付業務使自變量的標準誤增加0.012;保險業務增加0.008;信貸業務增加0.014。這說明在三個業務中，信貸業務對原模型的調節作用最大，支付其次，表明數字普惠金融的調節效應主要是通過信貸與支付來實現的。

5 結論與建議

本文通過研究數字普惠金融在銀行流動性比率與系統性風險中扮演的角色，運用2008—2018年16家上市商業銀行的數據進行實證研究，最終得出以下結論。

5.1 結論

（1）流動性比率對系統性風險的影響顯著為負。從模型（1）的回歸結果來看，流動性比率的升高都會使系統性風險降低。加入了調節變量后，數字普惠金融的系統結果顯著為負，流動性比率對系統性風險的系數有所減小，說明系統性風險的邊際減小不僅受到流動性比率升高的影響，還增強了風險控制能力的作用。

（2）數字普惠金融對流動性比率與系統性風險的關系有調節作用，使得流動性對系統性風險的解釋性會隨著數字普惠金融的發展而不斷減弱，而流動性比率衡量銀行風險的功能受到了挑戰。

5.2 建議

一方面，面對互聯網技術的不斷發展以及其他金融機構的壓力，商業銀行發展數字普惠金融成為中國銀行轉型發展的必然趨勢。商業銀行要積極發展數字普惠金融，開發更多的金融產品與服務。同時，也要嚴格控制風險指標，在發展支付與信貸業務時要把握風險，不能出現信用過度擴張等現象。同時也要避免技術與操作上的風險，嚴格保護客戶隱私，保障客戶權益，不斷提高自身的數字金融服務能力。另一方面，政府要加強對于數字普惠金融的監管與引導。要繼續完善發展數字普惠金融的法律法規，制定更加有效地監管指標，填補監管漏洞。

參考文獻

Acharya V V， Pedersen L H， Philippon T， Richardson M. Measuring Systemic Risk[R]. New York University Stern School of Business Working paper ， 2010.

King M R. The Basel III Net Stable Funding Ratio and Bank Net Interest Margins [J]. Journal of Banking and Finance， 2013，37（11）.

Hong H， Huang J Z， Wu D. The Information Content of Basel III Liquidity Risk Measures[J]. Journal of Financial Stability， 2015，

15（9）.

劉志洋，宋玉穎.商業銀行流動性風險與系統性風險貢獻度[J].南開經濟研究，2015（1）：131-143.

衛曉鋒.數字普惠金融的風險與監管[J].金融理論與實踐，2019 （6）：49-54.

黃益平.數字普惠金融的機會與風險[J].新金融，2017（8）：4-7.

陳丹，李華.商業銀行發展數字普惠金融的機遇與挑戰[J].南都學壇，2019，39（1）：117-124.

Ai C.R. ， Norton E.C. ，“Interaction Terms in Logit and Probit Molels”， Economics Leters ，2003 ，80（1）：123-129.

Pinar K.M. ， Norton E.C.， Bryan D.， Interaction Terms in Nonlinear Models[J].Health Srices Researeh ，2012 ，47（1Pt1） ：255-274.

Adrian T，Brunnermeier M K. CoVaR [J].American Economic Review，2016，106（7）.

郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征[J].經濟學（季刊），2020，19（4）：1401-1418.

Research on the Impact of Commercial Bank Liquidity Ratio on Systemic Risk

——Based on the Moderating Effect of Digital Inclusive Finance

Henan University? CHANG Jinghan? YANG Wendi

Abstract： This article uses the annual data of 16 commercial banks in China from 2008 to 2018 as a sample， introduces the variable of digital inclusive finance， and studies the relationship between bank liquidity ratios and systemic risks， as well as the adjustment mechanism of digital finance. First， this article constructs the liquidity ratio as an indicator of commercial banks liquidity risk， and takes conditional reinsurance value as an indicator of systemic risk. Second， this article uses the digital inclusive finance index as a moderating variable for liquidity risk to study its impact on the systemic risk. Third， this article has obtained the negative correlation between the liquidity ratio and systemic risk， and the digital inclusive finance index will weaken the relationship between the liquidity and systemic risk. Finally， it explains the impact of digital inclusive finance on the effectiveness of the liquidity ratio as a regulatory indicator， and encourages banks to develop digital inclusive finance and achieve development transformation and upgrading while paying attention to risk prevention and control. The government should also improve supervision in a timely manner.

Keywords： liquidity ratio; adjustment effect; systemic risk; digital inclusive finance