金融自由化與商業銀行不良貸款率

鮑星 李巍 程孝強

內容提要：本文構建內含金融自由化的銀行系統模型，通過數值模擬研究了金融自由化進程與不良貸款率之間的動態演化機理。基于96個經濟體2002-2017年的跨國面板數據，對金融自由化與不良貸款率之間的復雜關系進行了實證檢驗。研究結果表明：金融自由化與東道國不良貸款率之間呈現顯著的“倒U”型關系;在既定的金融自由化水平下，制度質量能夠顯著改善商業銀行的信貸風險;我國處于金融自由化“倒U”型曲線的左半端，仍面臨著金融自由化改革的“陣痛期”，短期內放松金融監管的政策仍會對我國金融系統造成一定沖擊。基于“倒U”型的關系，處于中等監管水平的國家，其金融穩定狀況反而更加惡劣。在一國金融自由化進程中，需要不斷夯實制度質量，來抵御不良貸款率攀升的風險沖擊。

關鍵詞：金融自由化;不良貸款率;制度質量

中圖分類號：F8305文獻標識碼：A文章編號：1001-148X（2022）03-0099-13

收稿日期：2021-05-10

作者簡介：鮑星（1993-），男，安徽六安人，華東師范大學經濟學院博士研究生，研究方向：國際金融;李巍（1964-），男，上海人，華東師范大學經濟學院教授，博士生導師，經濟學博士，研究方向：國際金融;程孝強（1990-），男，安徽舒城人，安徽工程大學數理與金融學院講師，經濟學博士，研究方向：國際金融、商業銀行。

基金項目：國家自然科學基金項目，項目編號：70873041;華東師范大學優秀博士生學術創新能力提升計劃項目，項目編號：YBNLTS2020-019;安徽高校人文社會科學研究重點項目，項目編號：SK2021A0284。

一、引言與文獻綜述

金融自由化（financialliberalization）通常被認為是解決發展中國家經濟增速放緩、社會收入不均、福利水平低下的有利措施之一。一般而言，從存款準備金控制、利率管制、進入壁壘、私有化、資本賬戶開放（國際資本流動）、銀行審慎性監管、證券市場政策七個角度可以有效衡量一國金融自由化的進程[1-2]。可以說，資本賬戶開放以及私有化、進入壁壘（外資金融機構進入）是中國金融自由化改革的重要部分。從20世紀開始，各個國家尤其是新興市場國家在謀求經濟增長的背景下，大力推行金融自由化政策，金融自由化縱深發展的腳步不斷加快，金融抑制程度得到有效緩解[3]。金融自由化顯著刺激了宏觀經濟增長，而且金融自由化減緩了消費波動[4-6]。

然而，一些學者認為，在現實經濟運行過程中，金融自由化的紅利并未惠及所有個體，甚至于金融自由化的紅利能否順利釋放仍然要打個問號。孫慧宗和林麗敏聚焦于日本的金融自由化進程，研究認為，金融自由化在推動日本經濟繁榮上發揮了重要作用，但金融自由化達到臨界值后，過于寬裕的金融自由化政策反而導致了日本1990年代的經濟危機以及后危機時期的長時間經濟緊縮[7]。由此可見，金融自由化的政策紅利對于不同個體存在閾值效應。郭念枝也認為，收入差距處于閾值以下時，金融自由化能夠增加居民福利水平，而超過閾值后，金融自由化會抑制居民福利水平[8]。

對于新興市場國家來說，推行金融自由化進而解決東道國經濟發展暴露出的問題，似乎已經是主流觀點，但論及金融自由化的后續影響，包括對于金融系統穩定可能產生的影響，目前仍然莫衷一是。宋琴等研究發現金融自由化與銀行風險承擔負相關[9]。無獨有偶，章奇等撰文指出金融自由化對金融體系的穩定具有獨立效應，而且金融自由化政策能否與政府其他經濟政策相協調也是影響金融系統穩定的重要因素[10]。與此相反，Tornell等指出，盡管金融自由化帶來了經濟高增長，但同時也加劇了金融脆弱性，埋下了金融系統危機的隱患[11]。滿媛媛提出在金融市場自由化進程下，商業銀行需要多元化發展來應對金融自由化可能帶來的金融沖擊[12]。

綜上可知，在金融自由化作用于銀行系統穩定的影響方面，現有研究文獻相對較少。少量涉及金融自由化與銀行危機的研究多聚焦于銀行破產危機[13-14]，或者關注于金融系統整體的脆弱性[11]，而對于危機爆發前的銀行系統風險累積缺乏相應的關注，從銀行視角切入研究銀行系統風險積累的風險的文獻更是鮮有。同時，相較于前人對于金融自由化與金融系統風險的研究，結論多為金融自由化與金融系統風險呈現正相關或負相關的單調關系，而實際上金融自由化對于金融系統的影響錯綜復雜，單調關系某種程度上無法反映兩者互動機理的完全面貌。因此，本文利用96個國家16年的數據，采用理論分析、數值模擬與實證分析相結合的方法，論證了金融自由化與銀行不良貸款風險之間的“倒U”型作用機理，同時基于218家銀行15年的數據，對研究結論在中國情境進行了深入拓展。

二、理論模型及數值演繹

本文的理論模型來源于Marchionne等，但Marchionne主要關注的是金融自由化與銀行破產危機[14]。我們在其基礎上拓展了銀行部門的決策，關注于銀行部門不良貸款。我們的模型是兩期模型，包括兩種資產：低風險資產和高風險資產;兩類參與者：代表性銀行和監管機構。首先，代表性銀行最大程度降低其持有的高風險資產和低風險資產的投資組合風險，監管機構對銀行的投資組合分配設定嚴格的規則，以期降低銀行風險以及違約損失。監管成本由銀行承擔，且銀行需要預先支付監管成本。鑒于投資組合構成是不可觀測的，監管者設定了最低的資本需求（與巴塞爾協議類似）。在我們的模型中，監管者通過控制資產分配，并對投資組合中的高風險資產份額設定上限和下限來模擬監管要求。在高風險資產最低下限情形下，銀行利潤水平最低，對于投資者吸引力最低。在高風險資產最高上限情形下，銀行利潤水平最高，但面臨最高水平的風險。

模型假設：銀行是同質的，由代表性銀行來反映銀行的經營決策，即在給定資產回報的情形下，最小化一期的投資組合風險。監管者與銀行具有相同的偏好，且具有前瞻性，其規劃比銀行更長遠。我們首先根據資產分配以及市場收益約束來求解代表性銀行投資組合的高風險資產最優份額，然后由監管者根據兩期效用函數來決定最優監管水平。

（一）理論模型

1代表性銀行

代表性銀行將其收入（扣除其承擔的監管成本）投資到高風險高回報資產H和低風險低回報資產L上。代表性銀行投資組合的收益率為rp，風險為δ2p：

rp=1-q1+rL+αrH-rL-1（1）

δ2p=1-q2α2δ2H+δ2L-2ρHLδHδL+2αρHLδHδL-δ2L+δ2L（2）

其中，α是高風險資產H的比例，rH>rL，δH>δL。兩種資產的相關系數ρHL滿足ρHLδL/δH，從而δ2p是α的凸函數。為了分析方便，我們將銀行收入標準化為1，并定義q為由監管家決定的監管投入（由銀行承擔），0q1。考慮兩種特別情形：當q=0時，對應完全金融自由化，銀行可自由選擇持有高風險資產H的比例;當q=1時，對相應的α為0，在嚴格監管下，銀行只持有低風險資產。監管者通過連續的雙微分函數Gq，θ來控制α的大小，其中θ代表監管者對于銀行持有高風險資產份額α的最低限額。H資產限額由下式決定：

αG（3）

其中，0G1，且G′q<0，G″q<0。

銀行只有在稅后利潤rp大于等于最低回報率時，才能順利存活下去，即：

1-qαrH+1-αrL（4）

其中，為外生最低回報率。

銀行經營決策為，在資產份額監管要求和最低市場回報率限制下，最小化投資組合風險，即：

minqδ2p（5）

stαG

1-qαrH+1-αrL

拉格朗日函數為：

ζ=1-q2-α2δ2H+δ2L-2ρHLδHδL-2αρHLδHδL-δ2L-δ2L+γ1-qrL+αrH-rL-r-+λG-α

γ代表市場最低回報率約束的拉格朗日乘子，λ代表監管松緊約束的拉格朗日乘子。需要說明的是，最低回報率約束與監管松緊約束不同時成立，二者互斥。

（1）當兩種約束都不成立時，銀行可自由選擇投資組合中高風險資產H的份額，即金融自由化情況γ=0，λ=0，α>0：

=δ2L-ρHLδHδLδ2H+δ2L-2ρHLδHδL（6）

（2）當僅有市場最低回報率約束成立時γ>0，λ=0，α>0：

γ=-rL1-qrH-rL1-q（7）

（3）當僅有H資產份額約束成立時γ=0，λ>0，α>0：

λ=G（8）

2監管機構

前瞻性監管者在兩期模型中最大化代表性銀行的利潤水平。代表性銀行利潤為：

πq=1-q+β1-q1+rL+αrH-rL-PQ（9）

代表性銀行利潤包含兩部分：當期利潤水平以及由主觀貼現率β折現的第二期利潤水平。第二期利潤中，1+rL+αrH-rL為銀行持有高風險資產H以及低風險資產L的收益，P為第二期風險資產爆發風險的概率，即不良貸款率，QG，τ為違約損失率（LGD）。

為了分析方便，模型假定：QG，τ測量了三種不良貸款的綜合違約損失率，即囊括了次級貸款、可疑貸款、損失貸款的綜合違約損失率，我們不再為三種不良貸款分類別劃分違約損失率。因此，PQ測度了第二期代表性銀行的貸款違約損失。我們設定，Q′G>0，意味著監管投入q上升，G下降（G′q<0），貸款違約率（Q）下降。與此同時，0<Q1。此外，τ代表制度質量。我們設定0<τ<1，以保證Q不為0。制度質量越高，貸款違約率（Q）越小。

設定制度質量越高，貸款違約率越低的根據來源于Acemoglu等，其認為保護個人產權、鼓勵社會發展的制度促進了經濟增長，并且制度差異是造成國家經濟增長差異的重要原因[15]。持類似觀點的還有，Hall和Jones、鄧宏圖和宋高燕、董志強等[16-18]。他們的核心觀點是，制度與經濟發展之間存在正向的反饋關系。在經濟增長表現良好態勢的氛圍下，商業銀行貸款對象的經營狀況以及標的物質量都能夠得到有效保障，從而大大降低了商業銀行的貸款違約率。有鑒于此，本文將貸款違約率（Q）設置為制度質量的單調減函數，當然這僅僅是一個猜想，后文我們將使用經驗數據來證實或證偽這一論點。

監管者面臨的兩期決策選擇為：

maxqπq=maxq1-q+β1-q1+rL+αrH-rL-PQ（10）

監管者在上述三種不同情境中，即金融自由化、最低市場回報率約束以及風險資產份額約束情境下，通過對監管投入q做決策最大化πq，通過一階條件可以得出以下推導。

（1）在金融自由化情境中，α=（公式（6）），通過πqq=0，我們得到最優監管投入與不良貸款率的關系為：

P=1+β1+rL+αrH-rLβ·1Q-1-qQ′GG′q（11）

其中，1+β1+rL+α（rH-rL）β>0。

更進一步：

dPdq=1+β1+rL+α（rH-rL）β·2Q′GG′q-1-qQ″GG′2q+Q′GG″qQ-1-qQ′GG′q0（12）

由于Q-1-qQ′GG′q>0，若2Q′GG′q1-qQ″GG′2q+Q′GG″q，（12）式成立。表明在沒有監管者和市場力量約束時，監管投入q越高，銀行不良貸款率越高。

（2）在最低市場回報率約束下，α=γ（公式（7）），同理，我們得到：

P=1β·1Q-1-qQ′GG′q（13）

dPdq=1β·2Q′GG′q-1-qQ″GG′2q+Q′GG″qQ-1-qQ′GG′q0（14）

與金融自由化情境類似，監管投入q越高，銀行不良貸款率越高。

（3）在最嚴格的金融管制下，即α=λ=G（公式（8））時，銀行不良貸款率為：

P=1+β1+rL+GrH-rL-1-qβG′qrH-rLβQ-1-qβQ′GG′q=NqDq（15）

dPdq=N′qDq-NqD′qDq2（16）

由此可見，當N′qDqNqD′q時，監管投入q增加，銀行不良貸款率上升;而當N′qDqNqD′q時，監管投入q增加，銀行不良貸款率下降。

綜合三種情境，我們發現：在金融自由化以及市場收益率約束背景下，監管投入q上升，銀行不良貸款率上升;在最嚴格的金融管制下，監管投入q與銀行不良貸款率之間呈現復雜的關系。

（二）數值演繹

為了對上述推理進行有效闡述，我們借助數值模擬演繹三種不同情境的結果。由于模型中0q1，0G1，0Q1，Beta函數可以滿足上述值域要求。同時，我們使用不完全Beta函數（incompleteBetafunction）以獲得單調遞減一階導數，參照Marchionne等的做法[14]，具體形式如下：

G=1-IqaG，bG（17）

Q=1-τIqaQ，bQ（18）

其中，τ為制度質量，Iqa，b為q的不完全Beta函數，定義為：

Iqa，b=Bqa，bBy，z=1By，z∫q0xa-1（1-x）b-1dx（19）

其中，a>0，b>0，By，z=∫q0xa-11-xb-1dx。需注意的是，0<τ<1，我們分別劃定不同τ值進行模擬。為了分析方便，我們分別設置了τ=01、τ=03、τ=05、τ=07的情形。

為了簡化最優化問題的分析，我們設定G函數中的aG=4，bG=1，設定Q函數中的aQ=1，bQ=4。參數的對稱性設定主要為了分析方便，而設定bG=1和aQ=1原因在于，避免二階導數符號反轉，與前文不一致。同時，我們以Qq來表示QG·Gq。G函數和Q函數的設定如下①：

G=1-1By，z∫q0xaG-11-xbG-1dxaG=4，bG=1（20）

Q=1-τBy，z∫q0xaQ-11-xbQ-1dxτ=05，aQ=1，bQ=4（21）

模擬結果（圖1）中，縱軸為不良貸款率對監管投入的導數，橫軸為監管投入q。根據圖1的模擬結果以及前文模型的推導結果，我們可以大致描繪出監管投入與不良貸款率之間的關系圖。其形狀如圖1（a）所示，金融自由化階段，監管投入的增加，不良貸款率上升（由公式（12）得到），同時模擬的結果為與之一致（不良貸款率對監管投入的導數大于0）;收益約束階段，監管投入的增加，不良貸款率單調上升（由公式（14）得到），在這一階段不良貸款率對監管投入的導數也是大于0;嚴格監管階段，不良貸款率對監管投入的導數隨著監管投入的上升，其首先是大于0。在監管投入q達到07左右，不良貸款率對監管投入的導數小于0。因此，在嚴格監管階段，監管投入的增加，不良貸款率先上升后下降。圖1（b）、（c）、（d）結果與之類似。

圖1不同制度質量下不良貸款率對監管投入的導數

綜合以上模擬結果，我們發現，金融自由化程度與銀行不良貸款率之間呈現近似“倒U”型關系（如圖2所示），政策含義為：在一國金融監管較為嚴格的情形下，減少監管投入進而放松金融自由化程度對于銀行業經營具有一定壓抑效果，即隨著金融自由化進程的深入，銀行不良貸款率上升;而當金融自由化程度超過一定閾值以后，即超越模擬結果的最高點以后，在金融自由化向縱深發展的進程中，會刺激銀行業的經營效果，顯著降低銀行不良貸款率。此外，根據對于制度質量相關文獻的梳理，本文歸納出兩個待實證檢驗的命題。

圖2監管投入與不良貸款率關系曲線

命題1：制度質量與商業銀行不良貸款率之間呈現負向反饋的作用機制。

命題2：金融自由化與不良貸款率之間呈現顯著的“倒U”型關系。

三、研究設計

（一）計量模型設定

根據理論分析，為了驗證金融自由化與商業銀行不良貸款率之間的邏輯關系，本文建立如下的計量模型：

nplit=α0+α1flit+α2flsquareit+Xit+τi+γt+εit（22）

其中，下標i代表不同國家，t代表不同觀測時期。npl為本文的被解釋變量，即金融機構不良貸款率。fl為本文的主要解釋變量金融自由化水平，而flsquare為金融自由化fl的平方項。在（22）式中，我們重點關注估計參數α1以及α2，來驗證上文理論分析中的金融自由化作用于不良貸款的效果。除此之外，τ為地區固定效應，γ為時點固定效應，ε為隨機干擾項。X為本文為了控制其他影響金融機構不良貸款的因素而加入的控制變量，具體見下文。

進一步地，根據命題1的分析，制度質量對不良貸款率具有重要作用。為了衡量這一作用機制，本文構建公式（23）的計量回歸方程，來研究制度質量對商業銀行不良貸款率的影響效應。

nplit=θ1instit+θ2flsquareit+θ3flsquareit+Xit+αi+vit（23）

具體地，（23）式中，制度質量inst包含inst1、inst2、inst3、inst4、inst5、inst6，分別代表了制度質量的六個層面：腐敗控制、政府效力、政治穩定、監管質量、法治完善、言論自由。

為了對中國金融自由化與金融機構不良貸款之間的關系有個清晰的判斷，在中國情境分析部分，我們收集了Bankscope數據庫中的國內銀行數據，通過實證研究來判斷中國金融自由化水平到底是處于哪個階段。具體實證方程如下：

cnplit=β0+β1cflit+Xit+τi+γt+εit（24）

其中，下標i代表不同的銀行，t代表不同年份。cnpl為被解釋變量國內銀行的不良貸款率。cfl為中國的金融自由化水平，下文我們會詳細介紹測算中國金融自由化水平的相關方法。其中，β1為我們重點關注的估計參數，其代表了中國銀行業不良貸款率與金融自由化水平的關系，通過驗證該參數，我們可以判斷中國的金融自由化到底是處于“倒U”型曲線的左邊還是右邊。X為相關的控制變量，τ為個體固定效應，γ為時點固定效應，ε為隨機干擾項。

（二）變量說明

第四部分實證中，被解釋變量為各國金融機構不良貸款率npl。解釋變量為金融自由化指數fl以及制度質量inst。我們選用美國傳統基金會（TheHeritageFoundation）公布的金融自由化指數作為本文的關鍵解釋變量。制度質量inst包含六個維度：腐敗控制inst1（ControlofCorruption）體現了公權私用的情況，以及精英階層對于公共資源的攫取情況;政府效力inst2（GovernmentEffectiveness）反映了政府提供公共產品的質量，政府政策執行力度，以及政府信譽;政治穩定inst3（PoliticalStabilityandAbsenceofViolence/Terrorism）衡量了一國出現政治動蕩以及恐怖主義的可能性;監管質量inst4（RegulatoryQuality）衡量了政府制定促進私人部門發展政策的完善程度;法治完善inst5（RuleofLaw）衡量了代理人對社會規則的信任以及遵守程度，尤其是合同執行質量、財產權保護程度、警察和法院的質量;言論自由inst6（VoiceandAccountability）反映了一國公民的言論自由程度，包括參與大選的可行性以及新聞媒體的自由程度。

根據研究金融系統不良貸款的相關文獻，本文選擇以下指標作為控制變量，來分別控制宏觀層面不同國家的異質性特征以及微觀層面不同國家金融系統的微觀特質。具體地，宏觀層面控制變量包括：（1）國際貿易水平，使用經常賬戶余額占GDP的比例表示。（2）經濟發展水平，使用人均GDP表示。（3）物價水平的變動，使用樣本國居民消費價格指數來衡量。微觀層面控制變量包括：（1）銀行業集中程度，使用樣本國前五大銀行資產所占總體銀行業的比例。（2）銀行業發展狀況，使用銀行業存款占GDP的比例來衡量。（3）銀行業資產狀況，采用銀行業信貸與銀行業存款比值來表示。（4）銀行業盈利水平，使用銀行業總資產收益率來表示。

中國情境分析部分，被解釋變量為國內銀行的不良貸款率cnpl，解釋變量為我們測算的金融自由化水平cfl。為了控制其他影響銀行不良貸款的因素，我們選取了宏觀層面和微觀層面的控制變量來控制其他因素的影響。宏觀層面的控制變量：（1）上證綜指的對數值。我們以股票價格指數上證綜指來衡量金融市場的整體狀況。盡管中國金融系統實行了分業經營、分業監管，但是商業銀行通過影子銀行等表外業務，間接參與場外配資，銀行資金進入證券市場的通道仍然是敞開的。一個典型代表就是2015年股票市場短暫火爆時，大量銀行系統資金通過場外配資的方式暢行無阻地進入證券市場，推高了證券市場的價格。而當后期證券市場指數大幅下跌時，場外配資衍生貸款的質量將發生雪崩。由此可見，以證券市場價格指數代表的金融市場狀況與銀行系統的貸款質量息息相關。（2）GDP增速，以中國GDP的同比增速來表示。（3）全社會固定資產投資增速。王晉斌和李博認為商業銀行信貸投放存在逆周期特征，即商業銀行在經濟繁榮、固定資產投資旺盛的情況下風險承擔行為更加謹慎，銀行不良貸款率水平更低[19]。

微觀層面的控制變量（銀行特質控制變量）：（1）總資產。我們使用商業銀行的資產規模來控制銀行規模對于商業銀行不良貸款的影響。盡管商業銀行天然有將信貸資源投向國有部門等貸款風險較低領域的傾向，但中小銀行在規模上無法與大銀行抗衡，在信貸資源流向上也會受到相應的掣肘。（2）存貸比，以樣本銀行貸款總額與存款總額的比值來表示。（3）總資產收益率。一般而言，總資產收益率越高，商業銀行經營能力越強，其配置較多風險資產追求更高收益的可能性越低。但相對于銀行規模，經營能力對于商業銀行不良貸款影響的結論需要謹慎[20]。

（三）數據來源

第四部分實證數據是以國家為單元的面板數據，涵蓋了96個國家2002-2017年共1536個觀測值。在數據收集過程中，樣本國家數最初高于96個國家，但由于部分國家不良貸款數據缺失嚴重，因此予以剔除，最終確定的樣本截面國家數為96個。其中，被解釋變量不良貸款率來源于GFDD數據庫以及WDI數據庫。解釋變量金融自由化指數來源于美國傳統基金會（TheHeritageFoundation），制度質量指數來源于WGI數據庫。控制變量來源于GFDD數據庫以及WDI數據庫。樣本期間終點為2017年，主要原因為，由于疫情原因，最新的GFDD數據庫并未更新，無法獲取關鍵解釋變量和控制變量的最新數據。第五部分中國情境分析中，我們的國內銀行數據為涵蓋了中國國有銀行、股份制銀行、城商行等218家銀行2004-2018年的非平衡面板數據，其中，銀行數據來源于Bankscope數據庫和銀行年報，宏觀層面經濟數據來源于國家統計局。研究范圍起點設置為2004年，主要是出于數據充足的考慮，Bankscope公布的銀行不良貸款數據在從2004年開始缺失范圍有了明顯改善。

（四）變量的描述性統計

表2報告了變量的描述性統計結果。由于不良貸款率數據部分國家存在缺失，我們的數據為比較典型的非平衡面板數據。同時，制度質量政治穩定inst3的數據，WGI數據庫從2006才開始公布，所以觀測值個數相較于其他五個層面制度質量的觀測值個數較少。需要重點說明的是，Chinn和Ito構建的指數（ffi）存在負值[21]。可以發現，ffi的最小值為-1917。由于負值取平方后轉化為正值，但實際上負值的金融自由化指數相較于正值肯定是低的，為了消除負值反而存在平方項更大的情況。在后文回歸時，我們統一對ffi加2，即將負值全部轉化為正值，同時并不改變觀測值之間的相對變化趨勢。

四、實證結果與分析

（一）制度質量的影響效應

表3報告了制度質量對商業銀行不良貸款率影響效應的估計結果。我們采用的估計方法為混合效應模型估計方法。回歸（1）為以腐敗控制inst1作為核心解釋變量的估計結果，其中，inst1在1%的顯著水平上顯著為負。實證含義為：腐敗控制質量與商業銀行經營質量存在顯著的正向反饋機制，腐敗控制質量的提升將顯著改善商業銀行信貸質量，降低不良貸款率。這與經濟直覺非常契合，腐敗控制質量的提升，一個直接的作用是，有效遏制了“人情貸”“關系貸”等不符合審批規定的高風險信貸行為出現，將可能爆發信貸風險的火苗扼殺于搖籃之中。回歸（2）政府效力inst2的估計結果與回歸（1）類似，在1%的顯著水平上顯著為負。一個可能的解釋是，政治晉升錦標賽構成了政府干預的動機，同時地方分權使得政府具有干預銀行的能力[22]。以國有銀行以及城商行為例，當政府能對銀行起到一定主導作用時，銀行在信貸投放時，會忽略正常經營所需考慮的因素，而去迎合某種特定目的[23-24]。銀行的國有屬性使得政府可以基于其政治目的導致銀行的信貸偏差，學術界一般將這種信貸行為的偏離界定為政治貸款（policylending）。正如García-Herrero等所指出的，我國國有企業在政府的支持下，有更強的動機和能力獲取長期貸款[25]。同時由于我國大部分國有企業效率較低，所以這些貸給國有企業的長期貸款成為我國商業銀行壞賬問題的主要原因。當公平公正的政府信譽氛圍得以建立時，跨越信貸審批迎合特定政治目的（policylending）的現象得到遏制，這也會促進商業銀行信貸質量的提升。回歸（4）的監管質量inst4估計結果也顯著為負，表明對于金融機構進行合意的監管，能夠有效阻止金融機構盲目追求高收益而抬升信貸風險的潛在意愿。同時，法制完善inst5的估計結果依然是顯著為負。值得注意的是，回歸（6）的言論自由inst6估計結果為顯著為負。如果說腐敗控制是防范金融機構信貸風險，抑制不良貸款率攀升的內在手段，那么適宜的言論自由可以理解為一種外部監督機制，通過外界發出的聲音來制衡“關系貸”“人情貸”等不符合規定的信貸行為發生，降低此類行為發生的頻率。

（二）“倒U”曲線的檢驗

我們選用美國傳統基金會（TheHeritageFoundation）公布的金融自由化指數（financialliberalizationindex）lnfl作為進行實證檢驗。該指數測度了各國金融系統獨立于行政控制與干涉的狀況，其取值范圍為0到100，取值越高，表明行政干預力量越弱，一國金融自由化水平越高;反之，金融自由化水平越低。表4報告了混合效應模型的估計結果。從制度質量影響不良貸款率效應的視角切入，混合效應回歸的結果非常一致，負向作用結果顯著，與前文相吻合。此外，可以發現，金融自由化（lnfl）的估計系數顯著為正，而金融自由化的平方項（squlnfl）的估計系數在1%的顯著水平上顯著為負，表明二次函數的開口向下，直接含義為：一國金融自由化水平與商業銀行不良貸款率之間呈現近似的“倒U”型關系。在一國邁入金融自由化的進程中，商業銀行不良貸款率首先是逐漸攀升，對東道國金融系統形成一定沖擊。當然不少國家金融自由化進程中的實際經驗也證實了這一論點。以中東歐國家在放開資本賬戶管制的國際經驗為例，在其逐步放開資本賬戶自由度后，資本流入激增，資產價格迅速攀升，外債高筑，貨幣錯配問題嚴重，金融脆弱性顯著增加。當然，“倒U”型曲線右半段表明，在度過金融自由化對實體經濟沖擊的階段后，存在一個利好實體經濟增長，改善金融機構信貸質量的良性階段。一個可能的原因是，當金融自由化帶來的資本流入到東道國支持技術創新、產業升級、基礎設施完善時，對于東道國經濟增長是有利的，能夠改善東道國金融機構資產負債表狀況，降低信貸風險。

與此同時，根據表4的估計結果，本文報告了“倒U”型曲線的拐點值，即開口向下拋物線的對稱軸的位置。根據美國傳統基金會評估的中國金融自由化指數值，近幾年中國金融自由化指數值為30，取對數為34012。由此發現，回歸（2）至回歸（6）的結果，均顯示中國仍然處于“倒U”曲線的左半端，即短期內放松管制的政策會促使金融機構不良貸款率的上升，而回歸（1）的拐點估計值顯示，中國處于“倒U”曲線的右半段，已經過渡到了金融自由化政策紅利區間，短期內放松金融抑制的政策能夠刺激金融機構資產負債表的改善。因此，現有的結果并不統一，為了對中國所處的政策區間做出有效的判斷，后文將就中國的情況詳細探討。

（三）穩健性檢驗

參考薛新紅和王忠誠的做法[26]，本文選用衡量金融自由化的一個指標為KAOPEN指數，在下文中以ffi表示，作為關鍵變量的替代指標。IMF《匯率安排與匯兌限制報告》從四個維度，即多重匯率實施、出口收入限制、資本賬戶以及經常賬戶管制，對全球每個經濟體的跨境金融以及交易狀況按照0、1進行了評價打分。Chinn和Ito基于這一報告，利用四個維度的第一主成分構建了KAOPEN指數[21]。該指數可以在多個維度評價一國金融自由化的深度與廣度，該指數越大表明東道國金融自由化程度越高。同時，該指數最新數據仍在更新，可以為本文研究提供充足證據。

表5報告了穩健性檢驗的估計結果。由于前文的估計方法為混合效應估計，在穩健性檢驗部分，我們更換了估計方法，使用個體時點雙固定效應估計方法來盡可能降低內生性的影響。回歸（1）、回歸（2）為個體時點雙固定效應回歸模型的估計結果，可以發現，金融自由化指數的平方項（squffi）仍然顯著為負。整體上，金融自由化與不良貸款率之間呈現“倒U”型關系比較穩健。當然，雙固定效應估計模型只是盡可能降低內生性的影響，無法完全消除可能存在的內生性。考慮到可能存在的內生性影響，本文使用兩階段差分GMM對估計結果穩健性進行了再檢驗。回歸（3）、回歸（4）為差分GMM估計的結果。其中，金融自由化平方項（squffi）的估計系數均顯著為負，與命題1結論一致。同時，在加入了一系列制度質量作為解釋變量后，制度質量的估計結果顯著為負，與命題2相吻合。

五、中國情境的分析

（一）中國金融自由化指數的測算

我們參考了Abiad等以及易文斐和丁丹的做法，選取了七大領域：存款準備金控制、利率管制、進入壁壘、私有化、資本賬戶開放（國際資本流動）、銀行審慎性監管、證券市場政策來評價中國金融自由化的進程[1-2]。為了對漸進推進的（當然也可能存在后退的情形）金融自由化進程有一個較好的模擬，我們梳理了2004-2018年間的金融政策變遷，對具體政策或大事件進行賦值，采用05、1和2來分別代表金融自由化進程的一般性事件、重大事件或一般政策法規以及重大政策法規。在具體政策和事件選擇中，我們參考了人民銀行、銀保監會、外管局等的相關政策文件以及公開出版的一些著作。具體地，某一年份出現了多個領域的金融自由化政策，我們采用累加的方式來表示，而出現金融抑制政策時，我們會反向累加來衡量相關指數。最終我們會得到七個領域的金融自由化量化值，為了得到全面衡量金融自由化的綜合指數，我們采用主成分分析法（PCA）來計算金融自由化指數。當然，在具體事件的選擇和賦值中，不可避免會包含一定的主觀性，但該方法仍然是國際上通用的評價方法，郭念枝以及Koo和Maen就是該方法的典型代表[8，27]。

表6報告了中國金融自由化指數的測算結果。值得注意的是，2013年以前金融自由化指數為負值，當然這并不代表在金融自由化指數為負值時，中國的金融抑制程度就很高。出現負值的主要原因在于，PCA方法是基于體現指標變化趨勢的原理構建指標的，以2004年為樣本起點，后續的金融自由化指數的變化趨勢就躍然紙上了。

（二）中國金融自由化曲線的判斷

既然中國金融自由化程度在逐年放松，那么中國金融自由化水平到底處于“倒U”型曲線的哪個階段呢？在測算出的金融自由化指數基礎上，以國內銀行的不良貸款率為被解釋變量，我們嘗試對這個問題做出解答。表7匯報了全樣本的回歸結果。其中，回歸（1）為混合效應模型回歸的結果，金融自由化對于金融機構不良貸款具有正向的刺激作用，正向作用效果為02084。當然，混合效應模型（1）的擬合優度較低，表明混合效應模型的合意性值得商榷。我們進一步采用個體固定效應模型來估計上述方程，回歸（2）匯報了個體固定效應模型的估計結果。回歸（2）中，金融自由化正向推動了金融機構的不良貸款水平，效應幅度為02189。考慮到可能存在的內生性影響，我們匯報了兩階段GMM回歸（3）和回歸（4）的結果。回歸（3）中，金融自由化與金融機構不良貸款率呈現正向相關性，效應幅度為01425。回歸（4）的估計結果類似，且在1%的水平上顯著，表明金融自由化與不良貸款率之間存在顯著的正向相關性。綜合以上，我們發現，中國金融自由化進程仍然處于“倒U”型曲線的左半端，即金融自由化與商業銀行不良貸款率之間呈現正向相關性。

六、結論與啟示

本文以金融自由化作為核心線索，系統梳理了金融自由化與銀行不良貸款率之間的邏輯關系。我們拓展了基礎理論模型，論證了金融自由化與銀行不良貸款率之間的“倒U”型關系，并進一步猜測了東道國制度質量對于商業銀行不良貸款率的重要影響。利用96個國家2002-2017年的跨國面板數據，通過實證研究我們得出以下結論：（1）金融自由化與銀行不良貸款率之間呈現顯著的“倒U”型關系。本文的研究結論很直白，對于處于中等監管水平的國家來說，其金融系統的不穩定性反而是最高的。對于管制程度較高的國家，處于“倒U”型曲線左半端，金融自由化政策會帶來金融系統風險的攀升;而對于管制程度較松的國度，金融自由化會促進商業銀行的資產負債表質量的改善。（2）在給定金融自由化水平時，制度質量會對商業銀行不良貸款率產生顯著的抑制作用。（3）聚焦于中國的金融改革進程，我們測算了中國的金融自由化水平，利用中國2004-2018年的銀行業數據實證發現，中國金融自由化水平與銀行不良貸款之間呈現顯著的正向關聯性，可見中國正處于“倒U”型曲線的左半端。由此可知，中國仍處于金融自由化改革的“陣痛期”，短時期內放松金融管制的措施會給中國金融系統帶來一定沖擊，表現為金融系統不良資產水平的攀升等。

當前，中國經濟增長進入新時代，面臨著要素邊際報酬遞減的掣肘，新舊動能轉換尚未完成，同時新型冠狀肺炎疫情對中國實體企業經營造成的負面沖擊仍未有效緩解。值此背景下，中國經濟增長面臨著外需萎靡以及經濟增長階段性放緩的考驗，維持金融系統穩定，更好地發揮金融系統服務實體經濟的能力就更尤為重要。本文研究表明，中國金融自由化水平仍然不高，仍處于金融自由化“倒U”曲線的左半端，在新型冠狀肺炎疫情沖擊尚未完全消退的情況下，維系金融系統的穩定是第一要務，因此現階段金融自由化政策不宜冒進。在疫情沖擊得到控制的情況下，我們仍需正視，中國仍處于金融自由化改革的“陣痛期”。作為金融自由化改革中的重要一環，資本賬戶開放，無論是部分開放，還是完全開放，都會帶來宏觀經濟不穩定的風險[28]。但“倒U”型曲線的右半段也告訴我們，金融自由化的政策福利是金融自由化改革的最終階段。責是之故，放松金融抑制正是中國長期金融改革的重中之重。深化利率市場化改革，穩步推進資本賬戶開放，逐步實現人民幣資本賬戶的自由可兌換，實現人民幣國際化，由“陣痛期”穩步過渡到政策紅利區間正是本文的題中之意。此外，東道國制度質量提高對于緩解金融自由化改革帶來的風險攀升具有重要意義。因此，進一步提升金融資源配置效率，提升市場化程度，降低政府對金融市場的干預十分必要。要清楚界定政府和市場的關系，厘清政府、市場以及企業之間經濟紐帶關系[29]，建立政府、市場、企業之間的良性互動，進一步明確政府職能，落實政企分開，夯實市場競爭機制。同時，引入合格的機構競爭者完善優勝劣汰機制，以競爭來淘汰低效率。最后，企業要主動引入多層面戰略投資者，形成多股力量交互制衡的局面，把企業的生產經營決策落實到真正具有經營才能的人才。

注釋：

①為了保證參數模擬的穩健性，我們對G函數和Q函數的其他參數取值如：G函數中的aG=3，bG=1，Q函數中的aQ=1，bQ=3;G函數中的aG=2，bG=1，Q函數中的aQ=1，bQ=2也進行了模擬，最終結果一致。限于篇幅，本文并未報告結果。

參考文獻：

[1]AbiadA，DetragiacheE，TresselT.ANewDatabaseofFinancialReforms[J].IMFStaffPapers，2010，57（2）：281-302.

[2]易文斐，丁丹.中國金融自由化指數的設計和分析[J].經濟科學，2007（3）：66-75.

[3]AbiadA，OomesN，UedaK.TheQualityEffect：DoesFinancialLiberalizationImprovetheAllocationofCapital？[J].JournalofDevelopmentEconomics，2008，87（2）：0-282.

[4]BekaertG，HarveyCR，LundbladC.DoesFinancialLiberalizationSpurGrowth？[J].JournalofFinancialEconomics，2005，77（1）：3-55.

[5]LevineR.InternationalFinancialLiberalizationandEconomicGrowth[J].ReviewofInternationalEconomics，2001，9（4）：688-702.

[6]BekaertG，HarveyCR，LundbladC.GrowthVolatilityandFinancialLiberalization[J].JournalofInternationalMoneyandFinance，2006，25（3）：370-403.

[7]孫慧宗，林麗敏.金融自由化與經濟危機：基于日本金融深化實踐的再認識[J].當代經濟研究，2019（3）：96-101.

[8]郭念枝.金融自由化與中國居民消費水平波動[J].經濟學（季刊），2018，17（4）：1361-1382.

[9]宋琴，胡方琦，倪川川.金融自由化、市場競爭與銀行風險承擔——基于2004-2013年中國商業銀行面板數據的實證分析[J].投資研究，2015，34（9）：104-115.

[10]章奇，何帆，劉明興.金融自由化、政策一致性和金融脆弱性：理論框架與經驗證據[J].世界經濟，2003（12）：3-14.

[11]TornellA，WestermannF，MartinezL.ThePositiveLinkbetweenFinancialLiberalization，GrowthandCrises[R].NBERWorkingPaper，2004.

[12]滿媛媛.收入多元化、金融自由化對商業銀行績效和風險的影響[J].宏觀經濟研究，2016（1）：130-143.

[13]DanielBC，JonesJB.FinancialLiberalizationandBankingCrisesinEmergingEconomies[J].JournalofInternationalEconomics，2007，72（1）：202-221.

[14]MarchionneF，PisicaliB，FratianniM.Regulation，FinancialCrises，andLiberalizationTraps[R].CESifoWorkingPaper，2019.

[15]AcemogluD，JohnsonS，RobinsonJA.TheColonialOriginsofComparativeDevelopment：AnEmpiricalInvestigation[J].AmericanEconomicReview，2001，91（5）：1369-1401.

[16]HallRE，JonesCI.WhydoSomeCountriesProducesoMuchMoreOutputPerWorkerThanOthers？[J].TheQuarterlyJournalofEconomics，1999，114（1）：83-116.

[17]鄧宏圖，宋高燕.學歷分布、制度質量與地區經濟增長路徑的分岔[J].經濟研究，2016，51（9）：89-103.

[18]董志強，魏下海，湯燦晴.制度軟環境與經濟發展——基于30個大城市營商環境的經驗研究[J].管理世界，2012（4）：9-20.

[19]王晉斌，李博.中國貨幣政策對商業銀行風險承擔行為的影響研究[J].世界經濟，2017，40（1）：25-43.

[20]DelisMD，KouretasGP.InterestRatesandBankRisk-taking[J].JournalofBanking&Finance，2011，35（4）：840-855.

[21]ChinnMD，ItoH.ANewMeasureofFinancialOpenness[J].JournalofComparativePolicyAnalysis，2008，10（3）：309-322.

[22]譚勁松，簡宇寅，陳穎.政府干預與不良貸款——以某國有商業銀行1988～2005年的數據為例[J].管理世界，2012（7）：29-43，187.

[23]LiDD，LiangM.CausesoftheSoftBudgetConstraint：EvidenceonThreeExplanations[J].JournalofComparativeEconomics，1998，26（1）：104-116.

[24]CharumilindC，KaliR，WiwattanakantangY.ConnectedLending：ThailandbeforetheFinancialCrisis*[J].CeiWorkingPaper，2006，79（1）：181-218.

[25]García-HerreroA，GaviláS，SantabárbaraD.China′sBankingReform：AnAssessmentofItsEvolutionandPossibleImpact[J].CESifoEconomicStudies，2006，52（2）：304-363.

[26]薛新紅，王忠誠.東道國金融自由化與跨國并購——來自全球金融危機后中國企業的經驗證據[J].國際經貿探索，2018，34（7）：79-93.

[27]KooJ，MaengK.TheEffectofFinancialLiberalizationonFirms′InvestmentsinKorea[J].JournalofAsianEconomics，2005，16（2）：281-297.

[28]李巍，張志超.直接投資開放對實際匯率、國內經濟產出波動的影響[J].管理世界，2008（6）：11-20.

[29]吳婷婷，華飛，江世銀，中國金融機構系統性金融風險貢獻度的量化研究——基于極端分位數回歸的CoVaR模型[J].江西社會科學，2020（9）：54-65.

FinancialLiberalizationandNon-performingLoanRatioofCommercialBanks

BAOXing1，LIWei1，CHENGXiao-qiang2

（1.SchoolofEconomics，EastChinaNormalUniversity，Shanghai200062，China;

2.SchoolofMathematics，PhysicsandFinance，AnhuiUniversityofTechnology，Wuhu241000，China）

Abstract：Thisarticlebuildsabankingsystemmodelwithfinancialliberalization，andstudiesthedynamicevolutionmechanismbetweenfinancialliberalizationandnon-performingloanratiothroughnumericalsimulation.Basedonthecross-countrypaneldataof96economiesfrom2002to2017，thecomplexrelationshipbetweenfinancialliberalizationandnon-performingloanratiowasempiricallyverified.Theresearchresultsshowthat：Thereisasignificant“invertedU”relationshipbetweenfinancialliberalizationandnon-performingloanratio.Foragivenlevelofregulatoryinvestment，animprovementininstitutionalqualityreducesthecreditriskofcommercialbanks.Chinaisattherightsideofthe“invertedU”curve，andisstillfacingthe“painfulperiod”offinancialliberalizationreforms.FinancialliberalizationintheshorttermwillstillhaveacertainimpactonChina′sfinancialsystem.Basedonthe“invertedU”relationship，countrieslocatedattheintermediatelevelofregulatorystringencyfacemorefinancialinstabilitythancountriesthatareeitherlooselyregulatedorseverelyregulated.Intheprocessoffinancialliberalization，itisnecessarytocontinuouslyimproveinstitutionqualitytowithstandtheriskofrisingnon-performingloanratio.

Keywords：financialliberalization;non-performingloanratio;institutionquality

（責任編輯：周正）