借貸便利創新工具、資產收益率與商業銀行信用風險

申韜　黃艷香

摘? ?要：本文基于2014—2021年中國203家銀行的非平衡面板數據，考察借貸便利創新工具對商業銀行信用風險的影響。實證分析發現：借貸便利創新操作會顯著增加商業銀行信用風險，該結論在考慮內生性問題以及進行一系列穩健性檢驗后依然成立。異質性檢驗顯示，這一政策效應在區域性商業銀行、規模較小的商業銀行中表現得更為明顯。中介效應模型檢驗表明，借貸便利創新工具通過抑制商業銀行資產收益率的渠道增加信用風險。調節效應模型檢驗結果說明，資本監管力度和銀行家樂觀度的提高均會減弱借貸便利創新工具對商業銀行信用風險的加劇效應。該研究結論對于中央銀行適時適量地進行借貸便利操作和商業銀行信用風險管理防控具有借鑒意義。

關鍵詞：借貸便利創新工具；商業銀行信用風險；資產收益率；資本監管；銀行家樂觀度；新型貨幣政策工具

中圖分類號：F830.33? 文獻標識碼：A? 文章編號：1674-2265（2024）01-0003-10

DOI：10.19647/j.cnki.37-1462/f.2024.01.001

一、引言

在大量金融資源“脫實向虛”、經濟金融發展結構性失衡和銀行體系流動性波動較大等多重負面因素影響下，為提升貨幣政策傳導效率、構造穩定的貨幣金融環境，中國人民銀行從2013年開始主動轉變流動性調節方式，在原來依靠傳統貨幣政策工具實施總量調節的基礎上嘗試增設創新性貨幣政策工具進行定向滴灌調節。這類創新工具一方面具備基礎貨幣投放功能，向金融體系和實體經濟部門定向精準注入流動性，實現金融支持經濟復蘇的目標；另一方面又能避免降息降準帶來的負面影響，有效維護幣值穩定（高鴻等，2023）[1]。新冠疫情暴發后，傳統的貨幣政策難以應對沖擊，不同于部分主要發達經濟體實行量化寬松政策，我國中央銀行堅持穩健的貨幣政策，通過創新性貨幣政策持續為實體經濟提供更有力、更高質量的支持，維持宏觀經濟大盤穩定。商業銀行作為宏觀經濟政策的重要實施中介和連接各經濟部門的關鍵紐帶（田國強和李雙建，2020）[2]，不僅會受到創新性貨幣政策工具的直接影響，而且其對各個經濟主體的影響最終也會傳導至商業銀行，所以商業銀行必須將新型貨幣政策可能帶來的不確定性納入風險管理的考量。2021年，中國常備借貸便利（SLF）和中期借貸便利（MLF）這兩類借貸便利創新工具操作額為46260.3億元，年末余額為45626.8億元①。在此背景下，商業銀行可以以較低成本從中央銀行獲取充裕的流動資金，緩解當前普遍存在的“惜貸”現象，但同時這一操作也可能會增加商業銀行信用風險。基于此，風險防范與化解問題引起了商業銀行主體的廣泛關注，建立長期有效的信用風險管理體系成為各類金融機構的努力方向。

自2008年全球金融危機后，信用風險相關問題，特別是關于商業銀行信用風險影響因素的研究就是學術界關注的熱點。通過閱讀既有文獻，可以發現國內外學者從商業銀行個體微觀層面和外部環境宏觀層面考察商業銀行信用風險的影響因素。在商業銀行個體微觀層面，學者們分別從銀行業競爭（于博和吳菡虹，2020）[3]、同業業務發展（李懿行和梁萬泉，2021）[4]、銀行數字化轉型（郭峰等，2023）[5]等多個角度考察其對商業銀行信用風險的影響。在外部環境宏觀層面，國內外學者集中研究了宏觀經濟狀況（Bucur和Dragomirescu，2014）[6]、金融科技（朱小能和李雄一，2022）[7]、國際資本流動（孟祥慧等，2022）[8]等因素對商業銀行信用風險的影響，但是多數文獻關注的是貨幣政策等經濟政策變動的影響。例如，Borio和Zhu（2008）[9]最早提出貨幣政策的銀行風險承擔渠道；之后，Maddaloni和Peydró（2011）[10]基于歐元區銀行數據分析發現，寬松的貨幣政策使得銀行愿意承擔更多風險，Chen等（2017）[11]支持該觀點，但是他們認為隨著貨幣政策透明度增加，這種影響將逐漸減小；進一步地，Alvaro等（2014）[12]基于美國銀行業數據并利用FAVAR模型研究發現，貨幣政策對銀行信用風險的影響具有規模異質性，相對于大型銀行和海外銀行，對中小銀行信用風險承擔的影響更大。另外，國內還有許多學者把監管政策納入研究范疇，如魏巍等（2016）[13]提出，在資本監管的背景下，貨幣政策仍然是影響商業銀行信貸行為的主要因素；馬斌和范瑞（2019）[14]利用GMM估計方法指出，我國杠桿率監管政策的出臺有效降低了上市商業銀行信用風險。

整體而言，關于商業銀行信用風險影響因素，特別是貨幣政策對商業銀行信用風險影響的研究成果已經比較豐富，但這些分析主要聚焦于傳統貨幣政策工具，新型貨幣政策工具對商業銀行信用風險的影響研究尚未形成相對完整的理論，相應的實證分析更是十分缺乏，有待進一步探索。

鑒于此，在中國大量進行借貸便利創新操作的背景下，本文以2014—2021年中國203家商業銀行為研究對象，深入分析借貸便利創新工具對商業銀行信用風險的影響效應及作用機理。本文可能的貢獻如下：第一，區別于現有研究大多關注傳統的貨幣政策工具（魏巍等，2016；王晉斌和李博，2017）[13，15]，本文討論了借貸便利這一創新型貨幣政策工具，豐富了鄧偉等（2021）[16]關于該領域的研究，對于探索我國創新型貨幣政策的政策效果具有重要現實意義。第二，現有文獻已建立的借貸便利創新工具與商業銀行之間的連接，主要關注的是該新型工具對商業銀行流動性風險、流動性創造的影響（Duygan- Bump等，2013；鄧偉等，2022）[17，18]，而本文考察的是借貸便利創新工具對商業銀行信用風險的直接影響，并從資產收益率角度揭示傳導路徑，得出了借貸便利創新工具會通過降低資產收益率的渠道增加商業銀行信用風險的結論，為中國人民銀行、其他監管部門及商業銀行等主體各司其職，共同維護國家金融發展大局提供理論支撐。第三，既有文獻一般從同業業務、杠桿率等方面考察調節效應，而本文不僅從商業銀行資本監管的角度驗證了資本充足率監管對商業銀行管控不良貸款的重要作用，還將個人決策行為的影響考慮在內，從銀行家樂觀度這一新穎的視角出發闡述了借貸便利創新工具對商業銀行信用風險的調節機制。銀行家作為金融市場的重要參與者，對現行貨幣政策所表現出來的情緒必然會影響商業銀行經營策略，進而作用于商業銀行信用風險。因此，本文的研究既是對貨幣政策影響商業銀行信用風險傳導效果既有研究的有益補充，又能夠為當前我國借貸便利類政策的實施提供相關經驗證據，具有一定的理論與現實意義。

二、理論分析和研究假說

（一）借貸便利創新工具與商業銀行信用風險

當前，我國融資結構以間接融資為主，向商業銀行借款仍然是中小企業和個人籌集資金的關鍵渠道，加之貨幣政策傳導機制主要依賴于銀行信貸體系，所以商業銀行在整個金融體系中扮演著非常重要的中介角色。商業銀行信用風險是指借款人違約，商業銀行不能如期收回貸款本金和利息的風險。貨幣政策在傳導過程中會改變商業銀行信貸業務從而對其信用風險產生影響。自中國經濟進入“新常態”，總量型貨幣政策難以實現政策目的（陶士貴和陳建宇，2016）[19]，而借貸便利創新工具具備數量型和結構型貨幣政策工具的特征，一定程度上可以促進銀行信貸總量的增長。另外，借貸便利創新工具這類新型貨幣政策能夠通過穩定銀行流動性的渠道減少金融市場波動（張智富，2020）[20]。目前，以常備借貸便利工具（SLF）和中期借貸便利工具（MLF）為主的借貸便利創新工具已被高頻率、廣泛地運用，很大程度上降低了商業銀行資金供給成本，通過考量資產組合平衡與利潤最大化，商業銀行會減少“惜貸”行為，給企業提供更多的信貸支持（王倩等，2016）[21]，企業融資約束得到一定程度減緩，進而提高對商業銀行機構的討價還價能力，這可能會導致商業銀行自身風險上升。此外，由于存在信息不對稱，中央銀行的借貸便利操作難以規避小微企業的套利行為。小微企業在獲得低成本的貸款后，并不一定會用于自身發展，而是轉手倒賣給房地產開發商以獲得利息（王妍和王繼紅，2021）[22]，這就使得商業銀行面臨企業的雙重違約風險，資金回籠難度進一步加大。由此，本文提出如下研究假設：

假設H1：借貸便利創新工具會增加商業銀行信用風險，二者呈正相關關系。

（二）借貸便利創新工具對商業銀行信用風險影響的異質性

在中國特殊的銀行體系中，不同業務經營范圍的商業銀行在資產負債配置行為上存在較大差異，分析借貸便利創新工具對商業銀行信用風險的影響，自然繞不開商業銀行業務經營范圍不同所造成的差異。一是相對于區域性商業銀行，全國性商業銀行的業務及經營地域范圍更廣，公司治理和風險管理也更為嚴格（孟祥慧等，2022）[8]，因此，當中央銀行進行借貸便利操作時，這類商業銀行會更積極地調整業務結構，其信用風險防控能力更高。二是相對于區域性商業銀行，全國性商業銀行的資源稟賦優勢更大、信息不對稱程度更低、對實體經濟各部門的滲透度更高，因此，對國家層面的政策變動及其在實體部門引起的任意微小波動，全國性商業銀行均表現出更強的敏感度與更高的謹慎性，由于決策失誤引發信用風險的可能性也相應更少。三是相對于區域性商業銀行，全國性商業銀行放貸對象大多是高利率需求彈性、低風險溢價和還款能力較強的國有企業，其信貸合約的違約風險較低，借貸便利創新工具對商業銀行信用風險的影響也相應更小。由此，本文提出如下研究假設：

假設H2：相較于區域性商業銀行，借貸便利創新工具對全國性商業銀行信用風險的加劇效應較小。

不同資產規模的商業銀行對政策變動的敏感度不盡相同，因此，分析借貸便利創新工具對商業銀行信用風險的影響，不能忽視資產規模大小所造成的差異。商業銀行資產規模與風險承擔負相關（李炳念等，2023）[23]，主要原因在于：一方面，相對于小規模商業銀行，大規模商業銀行擁有足夠的規模經濟和范圍經濟作為支撐，所以在面對借貸便利創新工具可能帶來的信用風險時，表現出較強的抵御能力，受到的影響也相應較小；另一方面，與小規模商業銀行相比，大規模商業銀行具有龐大的市場份額、先進的技術條件、豐富的人力資源等優勢，業務范圍涉及多個領域，可以通過實施多元化戰略達到分散風險的目的（田國強和李雙建，2020）[2]，由政策變動引發的風險相對較小。由此，本文提出如下研究假設：

假設H3：相較于小規模商業銀行，借貸便利創新工具對大規模商業銀行信用風險的加劇效應較弱。

（三）借貸便利創新工具、資產收益率與商業銀行信用風險

中央銀行進行借貸便利創新操作，目的是通過商業銀行更多地為企業提供資金支持，以促進實體經濟的發展，但商業銀行作為追求利潤最大化的企業，更傾向于將流動性投入金融市場以獲得高收益，二者目標相悖。因此，在宏觀經濟受到多重短期因素沖擊，導致實體經濟信貸需求出現暫時性不足的情況下，商業銀行僅追求盈利的目標會被暫時性擱置，此時的貨幣政策一般會要求商業銀行作為傳導中介通過降低貸款利率讓利實體經濟，或者通過下沉信貸資質及提供增值服務等方式刺激需求，這可能會改變商業銀行的資產負債結構，影響其經營策略，導致商業銀行資產收益率出現一定幅度下降，信用風險管理難度也會有所提升。此外，中央銀行的借貸便利創新工具為商業銀行獲取流動性開辟了新渠道，特別是2018年6月1日中央銀行擴大中期借貸便利（MLF）擔保范圍后，越來越多的商業銀行主動加入工具操作對象范疇，這些商業銀行從中央銀行以較低成本獲得資金后，為開展業務、爭取客戶進行激烈的內部競爭，削弱銀行體系整體盈利水平。資產收益率對信用風險有著顯著影響，是信用風險的風向標。資產收益率越高，代表商業銀行的資產質量越好、盈利狀況越樂觀，商業銀行的決策更趨于穩健和保守，做出冒險信貸決策的概率越小，從源頭降低了信用風險（郭峰等，2023）[5]。另外，盈利能力強的商業銀行更重視信貸風控體系的建設與完善，進而也可能有助于抑制銀行信用風險。由此，本文提出如下研究假設：

假設H4：資產收益率在借貸便利創新工具與商業銀行信用風險的關系中承擔著中介作用。

（四）資本監管與銀行家樂觀度的調節效應

資本監管在銀行業監管體系中居于核心地位，主要通過管控資本充足率來調整商業銀行信貸資金配置決策，進而影響商業銀行資本結構及風險承擔水平（顧海峰和朱慧萍，2022）[24]。資本監管制度明確要求商業銀行資本充足率務必滿足最低資本監管要求，這一舉措保證了商業銀行資本金始終處于安全線范圍之內，不管外部經濟政策環境如何變化，均可保障商業銀行穩健運營，有效降低了商業銀行信用風險。此外，“在險資本效應”認為，銀行存款保險的期權價值會隨著資本監管要求的上升而下降，所以在虧損發生時只能通過自有資本彌補，在這種情況下，商業銀行會采取謹慎態度，有意識降低高風險資產配置（Hogan等，2018）[25]，同時也會加大監控，盡可能緩解信息不對稱問題，由此可以更好地控制和降低信用風險。基于上述分析，本文提出如下研究假設：

假設H5：資本監管對借貸便利創新工具與商業銀行信用風險的關系具有負向調節作用。

銀行家貨幣政策感受指數上升，說明銀行家認為未來政策調控效果對銀行業經營狀況的影響趨于樂觀。銀行家樂觀度對借貸便利創新工具與商業銀行信用風險關系的調節作用機制如下：較高的樂觀度說明銀行家認為借貸便利創新工具的推出對商業銀行發展的積極效應大于負面效應，整體信貸環境相對景氣，宏觀經濟增長的預期趨于樂觀。這種樂觀的情緒一方面會影響商業銀行信貸的投向和規模；另一方面影響商業銀行對風險承擔和信貸創造的權衡（Huang 等，2018）[26]，即銀行家樂觀度處于較高區間范圍時，銀行家會通過適度增加信貸資產配置來減少“惜貸”行為，有利于緩解期限錯配引發的流動性危機，進而降低信用風險。此外，在進行借貸便利創新工具這類貨幣政策調整時，金融監管部門會更重視前瞻性管理，此時銀行家將會對信貸資產的安全更有信心，因此，會酌量將信貸投放在增加資本收益的領域，減少盈余管理等短視行為，選擇追求長期利益（顧海峰和朱慧萍，2022）[24]，同時也會更注重提升銀行內部治理和抵御風險的能力，減少不良資產的產生。基于上述分析，本文提出如下研究假設：

假設H6：銀行家樂觀度對借貸便利創新工具與商業銀行信用風險的關系具有負向調節作用。

三、研究設計

（一）樣本選擇與數據來源

本文選取2014—2021年銀行年度數據為研究樣本，并進行如下處理：（1）剔除原始樣本中的外資銀行和政策性銀行；（2）剔除資產總額為負值的異常樣本；（3）剔除核心變量嚴重缺失的樣本；（4）剔除有效樣本年度不足6年的樣本。最終研究樣本包括203家商業銀行，其中，國有大型商業銀行5家，股份制商業銀行12家，城市商業銀行97家及農村商業銀行89家，共1496個有效觀測值。截至2021年底，樣本銀行總資產為237.54萬億人民幣，約占銀行業整體資產的68.9%②，與以往文獻相比，該樣本所覆蓋的銀行范圍及類型更廣，可以較好體現數據的代表性。

在數據來源方面，商業銀行層面微觀數據主要來自國泰安數據庫，部分缺失值通過手動檢索各商業銀行年報最大限度補齊。常備借貸便利（SLF）與中期借貸便利（MLF）期末余額和操作額根據中國人民銀行發布的2014—2021年《中國貨幣政策執行報告》手工收集整理得到。宏觀層面數據主要來自中國人民銀行官網和國家統計局官網。

（二）變量定義

1. 核心解釋變量。借鑒鄧偉等（2021）[16]的做法，利用常備借貸便利（SLF）和中期借貸便利（MLF）二者年末余額之和的自然對數值（smlf1）作為借貸便利創新工具的代理變量。在穩健性檢驗中，本文使用二者年累計操作額之和的自然對數值（smlf2）作為借貸便利創新工具的代理變量。

2. 被解釋變量。原銀保監會按風險等級將商業銀行貸款分為正常、關注、次級、可疑和損失五類，其中后三類合稱為不良貸款。本文參考李懿行和梁萬泉（2021）[4]、孟祥慧等（2022）[8]的方法，選用商業銀行不良貸款余額占總貸款余額的比重即不良貸款率（npl）作為被解釋變量，該指標能夠直接反映商業銀行信用風險的實際情況，不良貸款率越高表明商業銀行面臨的信用風險壓力越大。為了保證結果可信，參考王晉斌和李博（2017）[15]的做法，在穩健性檢驗中選取撥備覆蓋率（pc）進行衡量。由于撥備覆蓋率數值總體較大，故除以100，不影響最后結果。

3. 中介變量。由于貨幣政策的變動將會對商業銀行收益產生影響，故本文主要從商業銀行的業績出發尋找中介變量，參照孟祥慧等（2022）[8]的研究，選取資產收益率（roa）作為中介變量。

4. 調節變量。（1）參考馮文芳等（2018）[27]的做法，選取資本充足率（car）這一指標作為衡量資本監管的代理變量，資本充足率越高，代表資本監管越嚴格。（2）銀行家對經濟政策的感受程度直接影響宏觀政策的調控效果，在對預期政策前景看好的情況下，銀行家會適度調整資本結構及信貸資金配置政策。參考顧海峰與朱慧萍（2022）[24]的研究，本文選取銀行家貨幣政策感受指數（bop）來衡量銀行家樂觀度，并對季度數據進行算術平均處理。

5. 控制變量。參考王妍和王繼紅（2021）[22]、鄧偉等（2022）[28]的研究，本文選取了留存收益資產比（rea）、權益負債比（elr）、存款占比（dep_l）、銀行規模（size）作為銀行個體層面控制變量。參考陶士貴和陳建寧（2021）[19]、王之揚等（2022）[29]的研究，本文選取國內生產總值增長率（gdpg）、廣義貨幣供應量增長率（m2g）和工業品出廠價格指數（ppi）作為宏觀層面控制變量，分別控制經濟增長、傳統貨幣政策和通貨膨脹對銀行的影響。另外，增加宏觀層面的控制變量，也有助于消除被解釋變量可能存在的時間趨勢。選定變量的類型、名稱、符號和含義如表1所示。

（三）模型構建

為研究借貸便利創新工具對商業銀行信用風險的直接影響，本文依照前文理論假設并結合已有研究，設定如下基礎模型：

[nplit=β0+β1smlf1t+β2Xit+β3Mt+ui+θit]? （1）

其中，下標[i]表示銀行個體，[t]表示觀察年份；[nplit]表示商業銀行[i]在第[t]年的信用風險水平；[smlf1t]表示第[t]年的借貸便利創新工具實施情況。[Xit]為銀行層面控制變量，控制不隨時間變化的個體特征，以緩解遺漏變量問題；[Mt]為宏觀層面控制變量。借貸便利創新工具代理變量是年度時間序列數據，在第[t]年所有銀行所對應的值均為[smlf1t]，此時若控制時間固定效應會造成多重共線性問題，導致核心解釋變量的系數[β1]無法識別。故參照Huang等（2022）[30]提出的解決辦法，只控制銀行個體固定效應[ui]，同時，在穩健性檢驗部分增加時間截面上可能存在的遺漏變量。[θit]為隨機誤差項。若假設H1成立，預計參數[β1]顯著為正，說明中央銀行實施的借貸便利創新工具能夠顯著提高商業銀行信用風險。

為研究借貸便利創新工具對商業銀行信用風險的影響渠道，本文參考溫忠麟等（2004）[31]的中介效應檢驗方法，構建如下固定效應模型，從而檢驗資產收益率（roa）的中介效應：

[roait=β0+β1smlf1t+β2Xit+β3Mt+ui+θit]? （2）

[nplit=γ0+γ1smlf1t+γ2roait+γ3Xit+γ4Mt+ui+θit] （3）

其中，[roait]表示商業銀行[i]在第[t]年的資產收益率，若[β1]與[γ2]均顯著不為0，說明“借貸便利創新工具—資產收益率—商業銀行信用風險”的作用渠道有效。

為研究資本監管和銀行家樂觀度對借貸便利創新工具與商業銀行信用風險關系的影響，本文設定如下模型：

[nplit=β0+β1smlf1t+α1carit+α2smlf1t×carit+β2Xit+β3Mt+ui+θit]? （4）

[nplit=β0+β1smlf1t+λ1bopt+λ2smlf1t×bopt+β2Xit+β3Mt+ui+θit]? （5）

其中，[carit]表示銀行[i]在第[t]年的資本充足率，[bopt]表示銀行家第[t]年貨幣政策感受指數。若交互項[smlf1t×carit]和交互項[smlf1t×bopt]的回歸系數[α2]、[λ2]均顯著不為0，說明資本監管和銀行家樂觀度對借貸便利創新工具與商業銀行信用風險的關系具有調節作用。

四、實證分析

（一）描述性統計

表2報告了主要變量的均值、最值和標準差。商業銀行信用風險（npl）均值為1.725，中位數為1.580，均值與中位數較為接近，說明分布均勻；借貸便利創新工具（smlf1）的標準差為0.830，說明我國不同年份借貸便利創新工具交易額存在差異；銀行規模（size）均值為25.689，標準差為1.636，表明資產規模整體較大，且不同商業銀行之間存在很大差異。

（二）基準回歸

表3報告了借貸便利創新工具對商業銀行信用風險影響的基準回歸結果。結果顯示，Hausman檢驗在1%水平上拒絕原假設，說明固定效應估計方法優于隨機效應估計方法。第（1）列將借貸便利創新工具與商業銀行信用風險直接回歸，可以發現借貸便利創新工具的回歸系數在1%水平上顯著為正，表明借貸便利創新工具操作增加會提高商業銀行信用風險，初步支持理論假設H1。第（2）—（3）列為逐步加入銀行層面控制變量和宏觀層面控制變量的回歸結果，結果顯示，借貸便利創新工具的回歸系數均在1%水平上顯著為正，意味著借貸便利創新工具對商業銀行信用風險具有顯著的加劇效應，這主要是因為中央銀行的借貸便利操作可以靈活地為商業銀行補充流動性，促進商業銀行信貸投放（鄧偉等，2022）[18]，緩解企業融資約束，進而其提高對商業銀行的討價還價能力，同時在利益的引誘下企業也可能會增加套利行為，導致商業銀行信用風險上升。以上結果驗證了理論假設H1。

（三）異質性檢驗

1. 業務經營范圍異質性分析。本文將商業銀行按業務經營范圍分為兩類進行研究，一類是由大型國有商業銀行和股份制商業銀行構成的全國性商業銀行；另一類是由城市商業銀行和農村商業銀行構成的區域性商業銀行。兩類銀行分別對計量模型（1）進行回歸，表4第（1）列和第（2）列報告了相應的回歸結果。結果顯示，借貸便利創新工具的回歸系數均在1%水平上顯著為正，但在區域性商業銀行子樣本中，借貸便利創新工具的回歸系數大于全國性商業銀行子樣本中的回歸系數，這表明借貸便利創新工具對區域性商業銀行信用風險的影響更大。進一步地，借貸便利創新工具組間系數差異性檢驗的P值在10%的顯著性水平上拒絕了兩組系數不存在差異的原假設，說明借貸便利創新工具對不同業務經營范圍的商業銀行信用風險的確產生差異性影響。上述結果支持理論假設H2。

2. 銀行規模異質性分析。本文以商業銀行資產規模的均值為臨界值將樣本劃分為規模較大與規模較小兩組，分別對計量模型（1）進行回歸，表4中第（3）列和第（4）列報告了相應的回歸結果。結果顯示，在資產規模較小的子樣本中借貸便利創新工具的回歸系數在1%水平上顯著為正，系數為0.424；在資產規模較大的子樣本中借貸便利創新工具的回歸系數依然顯著，但系數值出現明顯下降，變為0.241，表明借貸便利創新工具對規模較小的商業銀行信用風險影響更大。進一步地，借貸便利創新工具組間系數差異性檢驗的P值在1%的顯著性水平上拒絕了兩組系數不存在差異的原假設，意味著借貸便利創新工具對商業銀行信用風險的影響在不同規模商業銀行之間存在異質性。以上結果驗證了理論假設H3。

（四）穩健性檢驗

1. 內生性問題。為避免多重共線性影響，前文研究并未控制時間效應。參照申宇等（2020）[32]的做法，在回歸模型中盡可能增加時間截面上的變量，控制可能產生的內生性問題，由此，將銀行業景氣程度指數（baz）及企業景氣程度指數（caz）加入回歸模型，以盡量避免遺漏變量對回歸結果的影響。表5第（1）列為加入遺漏變量后的實證結果。結果顯示，增加控制變量后，借貸便利創新工具的系數依然在1%水平下顯著為正，與前文研究結論一致。

為進一步處理可能存在的內生性問題，本文選擇下一期借貸便利創新工具指標作為當期借貸便利創新工具指標的工具變量，對基準模型（1）進行重新估計。表5第（2）列為相應的實證結果。結果顯示，借貸便利創新工具系數依然顯著為正。本文結論仍保持穩健。

2. 變換解釋變量。使用常備借貸便利（SLF）和中期借貸便利（MLF）二者年累計操作額之和的自然對數值（smlf2）作為借貸便利創新工具指標進行回歸，表5中第（3）列為相應的回歸結果，與文中利用借貸便利創新工具年末余額的實證結果一致，即借貸便利創新工具增加商業銀行信用風險。

3. 變換被解釋變量。使用撥備覆蓋率（pc）替換不良貸款率（npl）衡量商業銀行信用風險。撥備覆蓋率是一個反向指標，衡量商業銀行對信貸風險的預期，撥備覆蓋率越高，商業銀行對風險預期越謹慎，承擔的信用風險越小。表5中第（4）列為相應的回歸結果。結果顯示，借貸便利創新工具會使商業銀行的撥備覆蓋率顯著降低，增加商業銀行的信用風險，與前文研究結論一致。

4. 采用不同數據樣本。在原有數據基礎上對主要變量1%和99%分位做極端值處理，以減輕離群值使回歸結果產生的偏誤。表5列（5）為相應的回歸結果，與原回歸的系數符號和顯著性基本相同。

5. 面板分位數回歸。本文的基準回歸結果是基于全樣本得出的結論，考慮到不同業務經營范圍、不同規模的商業銀行的信用風險水平存在較大差異，為了驗證這種差異是否會影響研究結論，采用面板分位數回歸來探討不同商業銀行信用風險下借貸便利創新工具邊際效應的演化軌跡。

具體來說，設立以下模型：

[Qτ（nplit|smlf1t）=βτ0+βτ1smlf1t+βτ2Xit+βτ3Mt+ui+θit] （6）

其中，[Qτ（nplit|smlf1t）]為給定借貸便利創新工具情況下，商業銀行信用風險在第τ分位數上的值；[βτ1]為核心解釋變量的[τ]分位數回歸系數；[βτ2]和[βτ3]為控制變量的[τ]分位數回歸系數；其余變量解釋同上。

表6報告了借貸便利創新工具對商業銀行信用風險影響的面板分位數回歸結果，第（1）—（5）列分別為0.1、0.25、0.5、0.75、0.9五個分位點的回歸結果。結果顯示，盡管借貸便利創新工具對商業銀行信用風險的影響存在邊際差異，但無論是哪個分位點，借貸便利創新工具對商業銀行信用風險均具有正向的加劇效應，進一步證實了本文基準回歸結果的穩健性。

（五）進一步研究

1. 中介機制分析：資產收益率。本文分別利用計量模型（2）和（3）檢驗“借貸便利創新工具—資產收益率—商業銀行信用風險”這一傳導渠道是否存在。表7報告了相應的回歸結果。第（1）列為基準模型的回歸結果。從列（2）可以看出，當因變量為資產收益率時，借貸便利創新工具的系數為-0.128，且在1%的水平上顯著，說明借貸便利創新工具對商業銀行資產收益率存在顯著的抑制作用。列（3）資產收益率的系數顯著為-1.385，且借貸便利創新工具的系數明顯小于第（1）列基準回歸中的系數（0.175<0.352），說明資產收益率在借貸便利創新工具與商業銀行信用風險的關系中發揮部分中介作用。借貸便利創新工具類政策的實施，最終目的是疏通貨幣政策傳導渠道，鼓勵商業銀行加大對實體經濟，尤其是“三農”、小微企業等重點領域的支持力度，增強對該類主體的信貸供給能力。因此，在借貸便利創新工具類政策背景下，商業銀行需調整經營策略，將追求營利性的目標暫時擱置；另外，疊加流動性增加的影響，商業銀行之間競爭加大，雙重壓力下，銀行資產收益率將受到沖擊，信用風險管理難度也隨之提升。假設H4得到驗證。

2. 調節作用檢驗：資本監管與銀行家樂觀度。本文分別利用計量模型（4）和（5）對資本監管、銀行家樂觀度的調節作用進行檢驗，表8報告了相應的回歸結果。第（1）列回歸結果顯示，借貸便利創新工具對商業銀行信用風險的影響系數為正，說明模型的主效應不變。借貸便利創新工具與資本充足率的交乘項回歸系數顯著為負，意味著加大資本監管力度有利于緩解借貸便利創新工具對商業銀行信用風險的影響，與理論假設H5預期一致。資本充足率監管可以顯著提升商業銀行市場聲譽，增強公眾信心，有利于吸引更多優質客戶，降低不良貸款發生的可能性。另外，銀行股東為規避損失，會加大對投資項目的監控程度，從而有效降低信貸結構惡化所引發的信用風險。資本監管有助于商業銀行實施逆周期資本緩沖機制，從而降低經濟政策變動對流動性風險的影響，由此減緩了借貸便利工具對信用風險的影響。

第（2）列回歸結果顯示，借貸便利創新工具與銀行家樂觀度的交乘項系數為-0.018，在1%水平上顯著，意味著銀行家樂觀度對借貸便利創新工具與商業銀行信用風險的正向關系存在削弱作用，當銀行家樂觀度較高時，借貸便利創新工具對商業銀行信用風險的加劇效應會被弱化，與理論假設H6預期一致。當銀行家認為借貸便利類創新工具政策的推出對商業銀行發展的效應偏向積極時，銀行家樂觀度將會提高，有助于減少商業銀行“惜貸”行為，緩解期限錯配引發的流動性危機，進而抑制了商業銀行風險；另外，銀行家較為樂觀時更注重長期利益，從而減少盈余管理等短視行為（顧海峰和朱慧萍，2022）[24]。由此可見，銀行家樂觀度降低了商業銀行信用風險。

五、結論及政策建議

信用風險是我國銀行業面臨的主要風險，商業銀行信用風險是否可控，對于守住不發生系統性風險的底線、防范化解金融風險至關重要。本文利用中國203家商業銀行2014—2021年的數據，進行實證分析發現：借貸便利創新工具會增加商業銀行信用風險，二者呈正相關關系；相對于全國性、大規模商業銀行，實施借貸便利創新操作時，區域性、小規模商業銀行的信用風險上升更多；借貸便利創新工具可通過降低商業銀行資產收益率的渠道增加信用風險的積累；資本監管和銀行家樂觀度在借貸便利創新工具對商業銀行信用風險的影響中具有負向調節效應，隨著資本監管和銀行家樂觀度上升，借貸便利創新工具對商業銀行信用風險加劇效應會被削弱。

根據本文研究結論，提出以下政策建議：（1）由于借貸便利類工具具有加大商業銀行信用風險的效應，各主體應各司其職，共同維護國家金融穩定大局。中國人民銀行需要進一步完善借貸便利創新工具操作體系，把控好使用頻率及范圍，注重加強對各類商業銀行信用風險的差異化監督管理，建立以貨幣政策、財政政策為基礎的多重政策協調機制（夏仕龍和付英俊，2017）[33]，充分發揮宏觀調控功能對沖借貸便利創新工具類政策對商業銀行信用風險的沖擊效應。商業銀行要加強防范和化解信用風險意識，按照謹慎安全的原則完善放貸流程；關注經濟政策的影響，進行前瞻性研究和壓力測試，及時調整信貸政策，以保證新政策推出時信用風險水平可承受。（2）中國人民銀行應進一步提高借貸便利操作的透明度，定期公布政策具體操作對象、資金規模、信貸流向等指標，加強與各類型商業銀行溝通，確保信息共享，規避貨幣政策意圖與商業銀行營利性目標的沖突。（3）業務經營范圍較窄、資產規模小的商業銀行應完善自身信用風險管理機制，積極構建以大數據、云計算為支撐的風險管理系統，探索發揮貨幣政策工具中介作用與實現預期資產收益率的平衡。同時，進一步提高資本充足率水平，增強流動性資產比例，為自身流動性預留足夠的風險準備金。（4）金融監管部門應關注資本監管和銀行家樂觀度的調節作用。一方面，引導商業銀行構建科學高效的結構化監管體系，對超出監管閾值的商業銀行及時發出風險預警指令；另一方面，要構建逆周期的銀行流動性創造監管機制，將銀行家樂觀度控制在合理范圍內，減少其過高引發的銀行業信貸過度擴張和過低導致的犧牲長期利益行為，實現商業銀行保持盈利與降低風險隱患的“雙贏”局面。

注：

①數據來源：中國人民銀行官網。

②樣本銀行資產數據來自國泰安數據庫。根據中國人民銀行官網提供的數據，截至2021年底，銀行業總資產為344.76萬億人民幣。

參考文獻：

[1]高鴻， 趙一鳴， 寧昊. 從資產負債表看創新性貨幣政策工具 [J]. 銀行家， 2023， （01）.

[2]田國強，李雙建. 經濟政策不確定性與銀行流動性創造：來自中國的經驗證據 [J]. 經濟研究，2020，55（11）.

[3]于博，吳菡虹. 銀行業競爭、同業杠桿率攀升與商業銀行信用風險 [J]. 財經研究，2020，46（02）.

[4]李懿行，梁萬泉. 同業業務發展對銀行信用風險的影響研究——基于貨幣政策與金融監管的視角 [J]. 南方金融，2021，（08）.

[5]郭峰， 莊旭東， 王仁曾. 銀行數字化轉型、外源性金融科技與信用風險治理——基于文本挖掘和機器學習的實證檢驗 [J]. 證券市場導報， 2023， （04）.

[6]Bucur I A，Dragomirescu S E. 2014. The Influence of Macroeconomic Conditions on Credit Risk：Case of Romanian Banking System [J].Studies and Scientific Researches. Economics Edition， （19）.

[7]朱小能，李雄一. 金融科技與銀行信用風險：加劇還是降低 [J]. 山西財經大學學報，2022，44（11）.

[8]孟祥慧，朱沛華，李軍林. 國際資本流動對銀行信用風險的影響研究——來自中國商業銀行的經驗證據[J]. 亞太經濟，2022，（05）.

[9]Borio C，Zhu H. 2012. Capital Regulation，Risk-taking and Monetary Policy：A Missing Link in the Transmission Mechanism？ [J].Journal of Financial stability，8（4）.

[10]Maddaloni A，Peydró J L. 2011. Bank Risk-taking， Securitization，Supervision， and Low Interest Rates：Evidence from the Euro-area and the US Lending Standards [J].The Review of Financial Studies， 24（6）.

[11]M Chen，J Wu，B N Jeon，R Wang. 2017. Monetary Policy and Bank Risk-taking：Evidence from Emerging Economies [J].Emerging Markets Review，2017，31（JUN）.

[12]Alvaro Aguiar，Buch. 2014. Business Cycle and Bank Capital：Monetary Policy Tansmission under the Basel Accords [W].Working Papers， CEMPRE-， Faculdade de Economia， Universidade do Porto，No.242.

[13]魏巍，蔣海，龐素琳. 貨幣政策、監管政策與銀行信貸行為——基于中國銀行業的實證分析（2002—2012）[J]. 國際金融研究，2016，（05）.

[14]馬斌，范瑞. 杠桿率監管對我國上市商業銀行信用風險的影響——基于動態面板模型的系統GMM估計[J]. 經濟問題，2019，（01）.

[15]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（01）.

[16]鄧偉，宋敏，劉敏. 借貸便利創新工具有效影響了商業銀行貸款利率嗎？ [J]. 金融研究，2021，（11）.

[17]Duygan-Bump B，Parkinson P，Rosengren E，Suarez G A，Willen P. 2013. How Effective Were the Federal Reserve Emergency Liquidity Facilities？Evidence from the Asset -Backed Commercial Paper Money Market Mutual Fund Liquidity Facility[J].The Journal of Finance，68（2）.

[18]鄧偉，姜娜，宋敏. 借貸便利創新工具改善了商業銀行流動性創造嗎？[J].國際金融研究，2022，（07）.

[19]陶士貴，陳建宇. 新常態下中國貨幣政策工具創新的有效性研究——基于FAVAR模型的比較分析 [J]. 金融經濟學研究，2016，31（04）.

[20]張智富. 結構性貨幣政策工具運用效果研究 [J]. 金融與經濟，2020，（01）.

[21]王倩，路馨，曹廷求. 結構性貨幣政策、銀行流動性與信貸行為 [J]. 東岳論叢，2016，37（08）.

[22]王妍，王繼紅. 結構性貨幣政策、同業業務與系統性金融風險 [J]. 金融經濟學研究，2021，36（04）.

[23]李炳念， 王小雪， 樊茜. 結構性貨幣政策與銀行系統性風險承擔：基于LPR改革實驗的證據 [J]. 金融評論， 2023， 15 （01）.

[24]顧海峰，朱慧萍. 經濟政策不確定性是否會影響銀行系統性風險？ [J]. 系統工程理論與實踐，2022，42（09）.

[25]Hogan T L，Meredith N R，Pan X. 2018. Evaluating Risk-based Capital Regulation [J].Review of Financial Economics，36（2）.

[26]Huang S，W Chen，Y Chen.2018. Bank Liquidity Creation and CEO Optimism [J].Journal of Financial Intermediation，36.

[27]馮文芳，閆磊，李艷，武金存.資本監管、貨幣政策與銀行風險承擔 [J].華東經濟管理，2018，32（02）.

[28]鄧偉，歐陽志剛，楊國超，肖賽. 中國借貸便利工具有效性研究——來自銀行信貸投放的證據 [J]. 經濟學（季刊），2022，22（06）.

[29]王之揚，王歡，夏凡. 經濟政策不確定性對銀行風險承擔的影響 [J]. 武漢金融，2022，（07）.

[30]Huang H C，Wang X，Xiong X. 2022. When Macro Time Series Meets Micro Panel Data：A Clear and Present Danger [J].Energy Economics，114.

[31]溫忠麟.張雷，侯杰泰，劉紅云.中介效應檢驗程序及其應用 [J].心理學報，2004，（05）.

[32]申宇，任美旭，趙靜梅. 經濟政策不確定性與銀行貸款損失準備計提 [J]. 中國工業經濟，2020，（04）.

[33]夏仕龍， 付英俊. 數量型和價格型貨幣政策對銀行風險承擔的影響研究——基于公司金融資本結構理論的視角 [J]. 金融監管研究， 2017， （08）.

收稿日期：2023-10-12? ? ? 修回日期：2023-11-30

基金項目：廣西哲學社會科學規劃研究課題“數字普惠金融與廣西經濟協調發展：影響效應及路徑選擇”（202302107）。

作者簡介：申韜，女，廣西大學工商管理學院教授，副院長，研究方向為信用經濟；黃艷香，女，廣西大學經濟學院，研究方向為金融學。