系統(tǒng)性風險會約束商業(yè)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(jīng)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(yè)體系系統(tǒng)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(yè)會出現(xiàn)過度投資行為，繼而對金融體系的穩(wěn)定也產(chǎn)生威脅。當銀行業(yè)系統(tǒng)性風險爆發(fā)時，如果商業(yè)銀行把系統(tǒng)性風險爆發(fā)所產(chǎn)生的社會風險內(nèi)部化，則商業(yè)銀行的貸款投放會比沒有內(nèi)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(yè)銀行預期一旦金融危機爆發(fā)，政府會對金融機構進行救助時，商業(yè)銀行就沒有內(nèi)生化危機成本的動機，因此系統(tǒng)性風險就沒有辦法約束商業(yè)銀行的信貸供給行為。

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

2017年中國共產(chǎn)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(diào)控框架”，“守住不發(fā)生系統(tǒng)性金融風險的底線”。實施宏觀審慎監(jiān)管的終極目標是保證金融體系穩(wěn)定，促進實體經(jīng)濟發(fā)展，使得金融體系與實體經(jīng)濟協(xié)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(jīng)濟增長的重要資金來源，因此有效管理系統(tǒng)體系系統(tǒng)性風險，防止信貸快速增長給實體經(jīng)濟和金融體系帶來威脅，是當前我國宏觀審慎監(jiān)管的主要任務之一。2008年金融危機后，金融監(jiān)管對系統(tǒng)性風險貢獻度的關注度非常高。對系統(tǒng)性風險貢獻度高的商業(yè)銀行，金融監(jiān)管當局必然會要求更高的監(jiān)管資本。一方面，高的監(jiān)管資本會影響商業(yè)銀行的信貸投放能力，進而影響商業(yè)銀行的盈利水平；另一方面，資本充足率要求增加會誘發(fā)商業(yè)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(fā)后，學者們主要關注商業(yè)銀行的系統(tǒng)性風險貢獻度。但當商業(yè)銀行系統(tǒng)性風險貢獻度增加時，是否會影響商業(yè)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(tǒng)重要性監(jiān)管的有效性和對實體經(jīng)濟的影響問題。在此考慮下，有必要研究商業(yè)銀行的系統(tǒng)性風險貢獻是否能夠成為約束商業(yè)銀行信貸供給，進而管理系統(tǒng)性金融風險的有效工具。本文擬在測度中國上市商業(yè)銀行系統(tǒng)性風險貢獻度基礎上，研究商業(yè)銀行系統(tǒng)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(jiān)管提供參考。

二、相關文獻綜述

銀行業(yè)系統(tǒng)性風險的爆發(fā)會影響商業(yè)銀行金融職能的履行。對于銀行業(yè)系統(tǒng)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(xiàn)流動性危機，最終導致系統(tǒng)性風險爆發(fā)。Allen et al.(2012)[2]著重強調(diào)流動性風險在系統(tǒng)性風險生成過程中的重要角色。他們指出，如果商業(yè)銀行依靠長期負債來源，則實體經(jīng)濟的總體社會福利不會受到銀行業(yè)系統(tǒng)性風險的影響；但如果商業(yè)銀行都依靠短期融資進行經(jīng)營，則銀行業(yè)系統(tǒng)性風險會影響對經(jīng)濟體整體的信貸供給。

實證分析表明，銀行體系的系統(tǒng)性風險爆發(fā)會影響經(jīng)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(yè)的債務發(fā)行，繼而影響企業(yè)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(yè)需要依靠內(nèi)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(yè)的數(shù)據(jù)實證分析表明，受到信貸供給沖擊小的企業(yè)往往在金融危機期間不依靠商業(yè)銀行提供的信貸承諾。

其實，在金融危機對實體經(jīng)濟信貸需求的影響的研究方面，學者們的結(jié)論具有不一致性。Aguiar(2005)[6]研究了墨西哥金融危機對實體經(jīng)濟投資需求的影響，發(fā)現(xiàn)受金融危機影響大的企業(yè)的投資出現(xiàn)了顯著下降。然而，Bleakley and Cowan(2010)[7]的實證分析表明，企業(yè)自身的資產(chǎn)負債匹配會使得企業(yè)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(yè)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(fā)達國家和新興市場國家的10231家微觀企業(yè)數(shù)據(jù)，研究商業(yè)銀行系統(tǒng)性風險對企業(yè)投資決策的影響。他們的研究結(jié)果發(fā)現(xiàn)在2008年金融危機爆發(fā)前，商業(yè)銀行系統(tǒng)性風險的增加往往伴隨著企業(yè)投資的迅速增長，而在2008年金融危機之后，商業(yè)銀行系統(tǒng)性風險增加導致企業(yè)投資的快速降低。在經(jīng)濟體運行中，實體企業(yè)面臨著短期融資壓力，因此企業(yè)往往通過借新還舊的方式發(fā)行債務，因此企業(yè)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(jié)會導致企業(yè)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(fā)與金融體系流動性風險向?qū)嶓w企業(yè)傳導有關。

三、商業(yè)銀行系統(tǒng)性風險貢獻度的測度

本文以中國上市商業(yè)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(xiàn)，本文使用基于市值加權的銀行業(yè)指數(shù)作為銀行體系整體狀況的代表，數(shù)據(jù)來源為wind數(shù)據(jù)庫。本文使用Garch—DCC模型求解系統(tǒng)性風險測度過程中涉及的相關系數(shù)和變量的標準差。

(一)ΔCoVaR

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

ΔCoVaRit=ρimtσmtN-1(q)

(1)

其中，σmt為衡量銀行業(yè)指數(shù)收益率的標準差，ρimt為商業(yè)銀行i與銀行業(yè)指數(shù)的相關系數(shù)，N-1(q)表示正態(tài)分布在q分位點的值。為了有效刻畫銀行業(yè)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(jù)Acharya et al(2017)[18]，商業(yè)銀行i的MES可以定義為：

MESi=E[-rit|rmt

(2)

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

在林木管理方面，需要注意分類經(jīng)營，這方面是借鑒一些發(fā)達國家的經(jīng)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(fā)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(jù)Banulescu and Dumitrescu(2015)[19]，CES的含義是，商業(yè)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(yè)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(tǒng)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(tài)下商業(yè)銀行的系統(tǒng)性風險貢獻度，而CES則偏向于測度商業(yè)銀行對銀行體系處在極端狀態(tài)下時每家商業(yè)銀行的系統(tǒng)性風險貢獻度?？傊?，CES和ΔCoVaR偏向于測度商業(yè)銀行對銀行體系系統(tǒng)性風險的貢獻。而MES則主要關注銀行體系系統(tǒng)性風險增加對每家商業(yè)銀行的影響。

四、樣本數(shù)據(jù)與研究方法

本文的樣本期間為2008年至2016年，數(shù)據(jù)頻率為半年。本文的樣本為中國上市商業(yè)銀行，包括平安銀行、寧波銀行、江陰銀行、張家港行、浦發(fā)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(yè)銀行、北京銀行、上海銀行、農(nóng)業(yè)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(shù)據(jù)可得性較低，因此本文最終的樣本為除去這些商業(yè)銀行外的16家上市商業(yè)銀行。

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

考慮到每家商業(yè)銀行的個體經(jīng)營的異質(zhì)性特征，且文章選擇的控制變量無法完全找到所有商業(yè)銀行信貸供給的因素，因此從經(jīng)濟學的直覺出發(fā)，本文使用固定效應面板數(shù)據(jù)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(yè)銀行，t表示時間，μi表示商業(yè)固定效應。Crediti,t為表示商業(yè)銀行i在t時刻的貸款占資產(chǎn)的比值。Sysrisk為表示商業(yè)銀行系統(tǒng)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(shù)據(jù)，而(5)式的回歸分析樣本為半年度的財務數(shù)據(jù)，因此本文對ΔCoVaR、MES和CES取半年度平均值。

X表示商業(yè)銀行個體特征變量。具體包括：①cap為商業(yè)銀行i在t時刻的資本充足率水平，表示商業(yè)銀行償付能力風險。資本充足率既有可能促進商業(yè)銀行的流動性創(chuàng)造，又有可能抑制商業(yè)銀行流動性創(chuàng)造。②由于信用風險是商業(yè)銀行貸款業(yè)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(yè)銀行的盈利能力。④在大量研究商業(yè)銀行經(jīng)營特征的文獻中，規(guī)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(yè)銀行資產(chǎn)規(guī)模取對數(shù)(size)后納入(1)式。本文數(shù)據(jù)來源均為wind數(shù)據(jù)庫。

Crediti,t為表示商業(yè)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(chuàng)造占總資產(chǎn)比率(Liquidity Creation，LC)作為表示商業(yè)銀行向?qū)嶓w經(jīng)濟輸出信貸的總量指標。LC綜合考慮了商業(yè)銀行的資產(chǎn)、負債、所有者權益和表外業(yè)務，本文同時測度了表內(nèi)流動性創(chuàng)造(INRA)以及表內(nèi)和表外流動性創(chuàng)造之和(INOFFRA)占總資產(chǎn)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(yè)促進實體經(jīng)濟發(fā)展方面超過了其他流動性指標。流動性創(chuàng)造是商業(yè)銀行最重要的角色，與實體經(jīng)濟增長息息相關，銀行貸款往往被視為經(jīng)濟增長的引擎。

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

表1為樣本數(shù)據(jù)的統(tǒng)計性質(zhì)。從系統(tǒng)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(jié)合CES和MES的定義，這說明當銀行體系出現(xiàn)沖擊時，平均來看，商業(yè)銀行股票收益率不會受到較大的影響，即有的商業(yè)銀行能夠有效抵御沖擊，而有的商業(yè)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(yè)銀行陷入困境后銀行體系的VaR值比商業(yè)銀行正常經(jīng)營時銀行體系VaR的值低6%左右。從流動性供給來看，商業(yè)銀行表內(nèi)流動性創(chuàng)造與總資產(chǎn)比率平均為62%，表內(nèi)表外流動性創(chuàng)造與總資產(chǎn)比率平均為70%。從貸款結(jié)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(yè)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(chǎn)行業(yè)貸款占比為3%。

表1樣本數(shù)據(jù)統(tǒng)計性質(zhì)

圖1為樣本內(nèi)商業(yè)銀行系統(tǒng)性風險貢獻度與商業(yè)銀行各類貸款發(fā)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(yè)銀行體系在2008年全球金融危機爆發(fā)時風險呈現(xiàn)上升趨勢，在2012年至2013年，中國商業(yè)銀行系統(tǒng)性風險整體水平較高。從商業(yè)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(chǎn)貸款、個人住房貸款、企業(yè)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(xiàn)了較高的波動性，房地產(chǎn)貸款、短期貸款和個人貸款在2015年至2016年開始經(jīng)歷了快速的上漲。

五、實證結(jié)果

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

表2商業(yè)銀行系統(tǒng)性風險貢獻度對流動性創(chuàng)造的影響

續(xù)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(shù)262262262263263263