贷款损失准备、银行信贷行为与经济周期--来自中国不同类型商业银行的经验证据_银行论文

贷款损失准备、银行信贷行为与经济周期——来自我国不同类型商业银行的经验证据，本文主要内容关键词为：商业银行论文,不同类型论文,证据论文,贷款论文,银行信贷论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      宏观经济波动与微观银行的相互关系在2008年金融危机后受到理论界的广泛关注，这种相互关系具体表现为，在宏观调控、监管制度和会计规则等机制作用下，银行信贷行为所呈现出的周期性特征，即：随经济周期同方向变化、对经济波动产生“推波助澜”效果的顺周期效应以及与经济周期反方向变化、缓冲或熨平经济波动的逆周期效应两个方面。其中，信贷行为的顺周期效应被认为是加剧经济不稳定和诱发此次危机的一个重要原因。后危机时期，贷款损失准备管理和资本监管以及杠杆率监管一起被金融稳定论坛(FSF)列为银行系统急需解决的导致顺周期效应的三大问题。本文选择我国商业银行贷款损失准备制度进行研究主要是因为：一方面，贷款损失准备作为银行最重要的应计费用之一，是银行专门用来抵御未来信贷资产恶化所可能带来的损失风险的项目，它在银行财务报表中发挥着重要作用并传达银行经营现状信息。另一方面，贷款损失准备的管理是宏观经济调控、资本监管制度和会计信息交互作用的结果，尽管主要市场经济国家的经验表明，贷款损失准备对银行信贷行为具有顺周期影响，但是，在我国银行业特殊的制度环境下，这种关系是否成立还犹未可知。鉴于此，厘清贷款损失准备对我国商业银行信贷增速波动的周期性影响，以及这种影响在不同经济周期阶段中的具体表现，对我国宏观审慎监管政策的制定具有重要参考价值。

      二、文献回顾

      所谓贷款损失准备(Loan Loss Provision)，是指银行依据一定规则专门设立的一种拨备缓冲机制，作用是吸收银行贷款的预期损失。现阶段，有关贷款损失准备与商业银行信贷行为的研究主要可以归纳为两个方面的问题。

      (一)银行贷款损失准备的计提动机及其影响因素

      一般情况下，商业银行的预期信贷风险主要由计提的贷款损失准备来覆盖，而非预期的风险往往由银行资本自行吸收(BCBS，2009[1])。作为预期损失风险的拨备管理制度，贷款损失准备的计提具有不同的计提动机或管理目标。一般而言，贷款损失准备的计提动机可以划分为两大类型：非相机抉择型与相机抉择型(Wall和Koch，2000[2]、Pinho和Martins，2009[3])(见图1)。其中，非相机抉择型贷款损失准备计提是指银行在对预期损失合理评估的基础上，为覆盖这些损失而建立的一种风险拨备管理制度(Whalen，1994[4]；Beaver和Engel，1996[5])；相机抉择型贷款损失准备计提则是指利用贷款损失准备的计提来实现银行的某种管理目标。根据Ahmed等(1999)[6]、Lobo和Yang(2001)[7]等的研究，相机抉择型贷款损失准备具体涵盖三种计提目标。(1)资本管理。《巴塞尔资本协议Ⅱ》规定“一般贷款损失准备不超过给定限额的情况下，①可以计入银行的二级资本并从风险加权资产中扣除”。当风险加权资产的减少量小于二级资本的增加量时，则实际上增加了资本总量，在此机制激励下，资本不足的银行更倾向于增加计提贷款损失准备以实现监管套利。最新的《巴塞尔资本协议Ⅲ》中仍然沿用了这一规则。(2)收入平滑管理。在收入水平较高的经济繁荣时期，银行为维持收入增速的稳定，会选择多计提贷款损失准备。相反，在银行收入水平减少的萧条时期，则倾向于少计提贷款损失准备(Shrieves和Dahl，2003[8]；Quagliariello，2007[9])。(3)信号管理。银行对贷款损失准备的选择被投资者视为其财务状况的提示信息，一般情况下投资者将增加贷款损失准备计提视为银行经营稳健的积极信号，是银行应对未来损失风险的能力显示(Bouvatier和Lepetit，2008[10])。

      

      图1 贷款损失准备的影响因素

      (二)贷款损失准备计提与信贷行为的周期性波动

      贷款损失准备计提对商业银行信贷波动的影响可能是顺周期性的也可能是逆周期性的，这与银行所采用的计提规则密切相关。一般而言，后瞻性(Backward-looking)贷款损失准备计提根据历史或即期信息来判断预期损失，但这容易造成银行在经济繁荣时期“少计提”增加银行可贷资金以及在萧条时期“多计提”，从而进一步收紧银根，即基于后瞻性计提规则的贷款损失准备对银行信贷行为具有顺周期效应。相反，基于前瞻性规则(Forward-looking)计提贷款损失准备对银行信贷则具有逆周期特性，这是因为，前瞻性规则要求银行基于预期信息评估贷款风险，在经济上行时期就提前计提足够准备以抵御可能发生的损失风险。然而，会计准则的使用往往导致后瞻性贷款损失准备计提，这是因为当前全球普遍实施的会计准则更倾向基于已经发生的事件进行计提(Borio和Lowe，2001[11])。目前，国际财务报告准则(IFRS)正在使用的“已发生损失模型(Incurred Loss Model)”要求在记账前，损失已经实际发生，这一规则不允许考虑损失趋势所暗示的未来可能损失(Bushman和Williams，2012[12])。与此同时，相关的实证研究也大多认为，在后瞻性计提制度下，贷款损失准备往往对银行信贷具有顺周期效应，如Laeven和Majnoni(2003)[13]以及Bikker和Metzemakers(2005)[14]对OECD国家的研究；Pain(2003)[15]、Craig等(2006)[16]以及Angklomkliew等(2009)[17]对西班牙和亚洲国家的国别研究均得到相似结论。而有关前瞻性贷款损失准备计提的研究是在此次危机后才开始受到广泛关注，目前尚处于起步阶段。近年来，不少学者提出，前瞻性的计提规则应该作为宏观审慎监管工具被金融监管当局采纳，这主要是因为：其一，前瞻性计提规则可以降低贷款增长的顺周期性(Bouvatier和Lepetit，2012[18])；其二，前瞻性计提规则还可以通过削减整个经济周期内贷款损失准备的存量来降低金融和实体变量的波动程度(Agenor和Zilberman，2013[19])；其三，会计计提规则的选择会对一国货币政策的传导过程产生影响，前瞻性贷款损失计提规则能够缓和货币政策调控对通胀的影响程度(Zilberman和Tayler，2014[20])。

      现阶段，我国学者对贷款损失准备计提与信贷波动的相关研究还十分有限，其中只有少数文献结合中国银行业的经验数据对该问题进行了初探，且研究结果不尽相同。许友传等(2011)[21]通过联立方程模型验证了我国银行业贷款损失准备的逆周期效应。王小枫和熊海芳(2011)[22]运用非平衡面板数据研究发现，贷款损失准备可以缓解商业银行信贷行为的顺周期性。袁鲲和王娇(2014)[23]对2003-2012年中国上市银行面板数据进行分析，得到结论，上市商业银行的贷款损失准备计提具有显著的顺周期特征，且这种顺周期性大多来自非相机抉择型计提的影响。陈旭东等(2014)[24]，以2006-2011年我国商业银行为样本，采用动态面板模型研究发现，贷款损失准备对信贷增长具有顺周期效应，同时提出我国货币政策调控能缓解这种顺周期效应。本文在前期文献研究的基础上，从分析影响我国贷款损失准备变动的计提目标出发，结合四种类型商业银行的样本数据，研究贷款损失准备对信贷行为的周期性影响，并对比分析该效应在不同类型银行间的差异。

      三、理论假说与模型构建

      (一)我国银行业贷款损失准备的理论假说

      1.后瞻性贷款损失准备与经济周期的关系及其影响因素。由文献综述部分可以发现，西方国家银行业所普遍采用的后瞻性贷款损失准备与经济周期之间往往存在着一种反向变动关系，即在经济上行时期乐观估计(低估)预期贷款损失，少计提下一期的贷款损失准备金；而在经济下行时期悲观估计(高估)未来的贷款损失，增加计提贷款损失准备，本文将贷款损失准备制度与经济周期的这种同向变动关系描述为贷款损失准备的顺周期管理。然而，此种关系在我国银行业是否显著存在，是一个值得进一步探索的问题，这主要是因为：我国银行业虽然采用后瞻性贷款损失准备制度对风险进行拨备管理，但是，在样本观测期间内，我国经济基本处于持续增长的特殊状态，这使得在后瞻性计提规则下，原本应在经济繁荣时期被低估信贷风险，最终在持续增长的经济总量和连年下降的不良贷款率影响下而可能被高估，进而呈现较弱的顺周期性或者逆周期调整的特征。

      同时，根据贷款损失准备的构成可知，考察贷款损失准备的影响因素应当从非相机抉择型和相机抉择型两方面进行。一方面，非相机抉择型贷款损失准备的计提目标主要是“预期损失覆盖”，而影响银行信贷预期损失的因素包括银行资产的违约风险和违约概率等，一般而言，违约风险越高，贷款损失准备计提量越大，即非相机抉择型管理目标会对贷款损失准备的计提产生一种正向影响。另一方面，结合相机抉择型贷款损失准备的三个计提动机，可对我国贷款损失准备的周期性特征作如下分析：首先，资本管理动机作用下，由于计提贷款损失准备会在减少一级资本的同时增加二级资本，从而为银行资本监管提供一定的套利空间，但是这种套利最终能否成立还取决于一级资本的减少量与二级资本增加量之间绝对值的对比，鉴于此，本文暂定资本监管压力对贷款损失准备的影响方向为不确定；其次，收入平滑管理动机下，银行为平滑收入水平，会选择与经济周期变动相反的方向来对收入水平进行调整，因此预计其代理变量符号与贷款损失准备相同；最后，有关信号管理动机的影响，在投资者视增加贷款损失准备计提为银行财务积极信号的普遍共识下，信号管理动机对贷款损失准备计提应该存在一个正向影响，预计代理变量的变化方向为正。基于上述分析，本文提出研究假设1。

      假设1：我国商业银行贷款损失准备管理是逆周期的。同时，在影响贷款损失准备的因素中，出于覆盖预期损失的非相机抉择型计提目标可能与贷款损失准备同向变化；而出于平滑收入动机、信号管理动机的相机抉择型计提会弱化贷款损失准备管理的顺周期性，对其产生一个反向影响，而资本管理动机的影响方向尚不确定。

      2.贷款损失准备对银行信贷行为周期性特征的影响。大量前期研究成果表明，贷款损失准备的计提对主要发达国家银行贷款的周期性变动存在显著影响。危机后，贷款损失准备管理对提高银行经营稳健性的作用越来越受到监管层的重视，中国银监会于2011年7月颁布《商业银行贷款损失准备管理办法》，并规定商业银行最晚于2013年达到标准，这一监管办法的实施极大地提高了信贷行为对损失准备金变动的敏感程度。与此同时，结合近期相关文献的研究结论：在国有股占比较高、股权相对集中的特殊股权结构下，我国银行信贷行为总体上顺周期性较弱，甚至具有一定的逆周期特征(范从来，2012[25]；潘敏和张依茹，2013[26])。我国银行业股权结构的特殊性增强了政府对银行系统的调控能力，使得逆周期的宏观调控政策对信贷行为的干预效力显著增强，缓释了原本银行信贷的顺周期性甚至可能使信贷增速呈现一定的逆周期特征，例如2003年6月央行相继通过提高存款准备金、实施差别准备金制度等一系列紧缩政策来降低经济过热行业的贷款增速；2008年金融危机后的连续四次降息和“四万亿”经济刺激政策等调控措施所带来的GDP增速快速下滑的同时伴随银行贷款增速迅速攀升的现象。鉴于此，我们有理由假设在政府高度干预的制度背景下，我国贷款损失准备管理可能会对银行信贷的周期性特征产生反向调节作用，进而提出研究假设2。

      假设2：我国商业银行的贷款损失准备管理会减弱银行信贷行为的顺周期性或者对贷款增速产生逆周期影响。

      3.贷款损失准备对银行信贷增长逆向调节的异质性。由于我国经济周期的波动具有非对称性，即在经济繁荣时期经济增速较快，而在紧缩时期经济增速下降缓慢。那么，在不同的经济周期阶段下，贷款损失准备对信贷增长的调节作用是否会在方向和力度方面产生差异是一个值得监管当局重视的问题。与此同时，不同经济周期中宏观调控政策的非对称性或将不同程度地削弱或强化贷款损失准备对信贷增速的作用效果。因此，贷款损失准备对信贷行为的周期性作用在整个经济周期中可能存在差异。进而提出最后一个研究假设。

      假设3：贷款损失准备对银行信贷增速的逆周期影响在整个经济周期内是异质的。

      (二)研究模型构建

      第一阶段，为验证假说1，本文参考Ahmed等(1999)以及Bouvatier和Lepetit(2008)的研究思路，构建贷款损失准备决定因素模型：

      

      

      为了考察不同类型商业银行在贷款损失准备影响因素方面的异同，本文在采用全样本对模型(1)估计的基础上还分别采用了四组银行分类样本(国有大型商业银行、股份制商业银行、城市商业银行以及农村商业银行)分别进行估计。

      第二阶段，基于假设2，本文将考察贷款损失准备对银行信贷增长周期性影响的动态面板基准模型设定如下：

      

      

      第三阶段，为了验证假设3，分别在基准模型(3)的基础上将经济周期划分为经济上行时期和经济下行时期分别进行比较研究，在模型(7)中采用经济上行时期虚拟变量及其与贷款损失准备替代变量的交叉项来考察经济繁荣时期贷款损失准备计提对贷款增速的影响，类似地，我们还在模型(8)中引入衰退时期虚拟变量与贷款损失准备变量的交互项来单独考察下行周期中贷款损失准备对信贷行为的影响。

      

      

      同时，为了探究宏观调控的货币政策在这两个经济周期阶段中所发挥的具体作用，我们在模型(7)和(8)的基础上进行小的调整，分别引入经济周期阶段虚拟变量与货币政策替代变量的交互项

进行比较，模型如(9)和(10)：

      

      四、实证分析

      (一)估计方法

      由于动态面板数据模型的因变量中含有被解释变量的滞后值，易产生由该滞后项与随机误差项或与固定效应相关而引起的内生性问题。因此，估计方法的选择应当考虑能够解决内生性问题的工具变量法或广义矩估计法(GMM)。相较而言，GMM方法使用的假设条件更为宽松，它不要求知道随机误差项的分布，因此是比工具变量法更为有效的参数估计法。GMM估计法分为差分GMM估计法(Arellano和Bond，1991[29])和系统GMM估计法(Blundell和Bond，1998[30])两种，其中差分GMM方法由于在对回归模型进行差分处理的过程会消除不随时间变化的解释变量，因而无法估计其系数，同时还容易出现弱工具变量问题。而系统GMM方法则将差分处理前的回归模型以及差分处理后的模型联合起来形成一个方程系统进行估计，有效地克服了以上不足。本文采用的是系统GMM估计法对建立的动态面板数据(Dynamic Panel Data，DPD)回归模型进行估计。

      此外，为验证模型设定的合理性和有效性，系统GMM估计完成后要求分别对误差项是否存在序列自相关以及工具变量是否有效这两个问题进行检验。合格有效的模型要求接受误差项不存在自相关以及所有工具变量均有效的原假设。检验结果分别由自相关系数AR(2)②与Sargan统计量的P值来表示。

      (二)样本选择与数据来源

      本文的研究样本选取Bankscope数据库中截止2013年12月我国仍在经营的全部银行，缺失数据通过银行披露的年报加以补充，并按照如下原则对样本银行进行了筛选：(1)银行样本只保留商业银行；(2)同一银行至少有连续三年的数据；(3)考虑到我国统一的贷款损失准备制度始于2001年，因此，研究样本选取2002年之后数据，经过筛选，最终样本包括107家商业银行③2003-2013年的非平衡面板数据。此外，经济周期和货币政策等宏观经济数据来源于《中国统计年鉴》和中国人民银行网站、《中国金融年鉴》以及中国银监会年报。表1给出了模型中主要变量的名称、内涵或计算方法及其描述性统计结果。

      

      图2描绘了我国贷款增速与经济周期的变动情况。从图2中可以发现，银行信贷增速与人均实际GDP增长率在总体走势上呈现出一种反向变动关系，这和本文的研究假设比较一致。从2003年开始，这种反向变动趋势一直相对平缓，但是，进入2008年和2011年后趋势图中出现了两次大幅波动。从图中可以发现，2008年信贷增速和人均GDP增长率分别出现波谷和波峰，这说明2008年危机后，经济增速大幅下降，政府通过逆周期宏观调控加大对贷款的政策性供给。此外，政府从2008年开始的连续几轮的经济刺激政策使我国经济增速在2009-2010年之间一直保持一个较好的上升趋势，但是，在2011年以后这种上升趋势出现了一个大幅滑坡，这可能是政府一系列干预政策效果逐渐消退后的结果。基于以上分析，本文将2008年和2011年设定为模型中的经济下行时期。

      

      资料来源：中国金融年鉴、中国银监会年报、Bankscope

      图2 2003-2013年我国银行贷款增长率与经济增长率走势图

      (三)实证结果

      1.贷款损失准备管理的周期性特征及其影响因素。表2中1～5列是模型(1)的估计结果，其中第1列是对我国商业银行总体的样本估计结果，而2～5列则是将整体样本分为大型国有银行、股份制银行、城市商业银行以及农村商业银行分别进行考察的估计结果。从表2中可以发现：(1)贷款损失准备与其滞后一期值显著正相关，表明贷款损失准备的正向调整压力确实存在，采用动态模型描述贷款损失准备调整行为是合理的；(2)我国人均GDP增长率与贷款损失准备的回归系数为正，且都在10%的水平下显著，这表明我国商业银行贷款损失准备整体上是实行逆周期管理的，验证了假设1；(3)非相机抉择型计提动机的替代变量

均呈现和贷款损失准备同向变化趋势，说明我国商业银行信贷损失风险上升的同时伴有贷款损失准备计提的增加，贷款损失准备与信贷违约风险同方向变化；(4)在相机抉择型计提动机中，除了农村商业银行外，资本监管压力(

)总体上均与贷款损失准备显著正相关，即我国商业银行采用了贷款损失准备来实现资本管理目标；同时，整体而言，

与贷款损失准备反方向变动，其中，仅有大型国控股银行和股份制商业银行的

显著性较好，而

则不十分显著，这表明，总体上，我国商业银行并未使用贷款损失准备调整来实现收入平滑和信号揭示的目标。

      

      

      2.贷款损失准备对商业银行信贷行为周期性特征的影响。表3显示了模型(6)在不同银行样本类型下的估计结果。首先，所有估计结果均显示贷款规模增长率的一阶滞后项系数显著为正，这种动态相关性表明贷款增速的调整受到来自上一期信贷增速的影响，同时还证明了采用动态模型是合理的。其次，我国贷款损失准备

与银行业总体的回归系数为0.6115，并且在5%的水平下显著，表明贷款损失准备的调整对银行信贷增速具有逆周期影响，符合假设2的推断。再次，通过宏观经济层面的控制变量——人均GDP增长率与贷款增速的系数关系还可以发现，我国商业银行总体贷款增速与经济周期替代变量反向变化，呈现逆周期性，而从具体银行分类样本观察得出，股份制银行与城市商业银行的贷款呈顺周期变化特点，而大型国有银行与农村商业银行的贷款增速则是逆周期的，结合已有的研究成果，这一现象也许可以从我国银行业的股权结构以及政府对不同类型商业银行干预力度的差异角度加以解释(Brei和Schclarek，2013[31]、潘敏和张依茹，2013[26])，由于股份制银行与城市商业银行的非国有股份构成相对较高，信贷变化受市场调节的作用要比大型国有银行和农村商业银行强，政府逆周期宏观调控的影响受到削弱，并且政策时滞性要比大型国有银行和农村商业银行显著，因此，信贷增速在现有监管制度下表现出普遍的顺周期特征，而大型国有银行等政府控制程度较强的商业银行，则可能表现出一定的逆周期性；而宏观经济政策变量(

)显著地与贷款增速负相关，体现了货币政策的逆周期调节作用。此外，银行层面的控制变量银行资产规模(

)与银行信贷增速反方向变化，即银行资产规模越大，信贷增长速度反而越慢，反之亦反，这与我国大型银行执行更加严格的监管要求现状相符合。而反映银行稳健程度的

则与贷款损失准备变化方向一致，即银行经营越稳健，信贷增长速度越快。

      3.贷款损失准备对银行信贷行为影响的异质性。表4中第一列和第三列是模型(7)和(8)的估计结果。在经济上行时期，

与银行信贷增速在5%的显著水平上负相关，而

在该水平上正相关，再结合估计系数，可知繁荣时期贷款损失准备对贷款增速的影响为0.725 1(-0.170 7+0.895 8)，即在上行时期我国商业银行贷款损失准备计提对贷款增长存在一定程度的顺周期影响，但是繁荣时期的某些特定因素减弱甚至抵消了这种顺周期性，使之表现出一定的逆周期性；而在经济下行时期，

的估计系数均显著为正，贷款损失准备对贷款增速的影响为1.092 0(0.255 0+0.837 0)，由此可知，衰退时期贷款损失准备与信贷增速呈逆周期性质，而该时期我国金融环境中的某些因素对该逆周期效应产生了强化作用。尽管，在两个经济周期阶段，贷款损失准备调整最终对信贷行为都具有逆周期效应，但是两种逆周期效应的产生机制和强度却是不同的，衰退时期由强化作用产生的逆周期效应大于繁荣时期由抵消作用产生的逆周期效应。实证结果支持假设3，即贷款损失准备对银行信贷增长逆向调节作用在不同经济周期阶段是异质的。

      同时，结合研究假设3中的分析，我国银行系统信贷行为特殊的周期性特征与我国商业银行特殊股权结构所带来的政府高度干预密切相关，而政府干预的实现主要是依靠对经济的宏观调控。因此，有必要考察银行业宏观调控的最常用政策——货币政策在贷款损失准备计提与信贷行为周期性变动关系中所发挥的具体作用。结合表4中第二列和第四列的估计结果，

的回归系数符号相反并在5%水平上显著，可以得出，经济上行时期，我国货币政策调控对商业银行贷款增速的影响系数为0.243 8(-7.109 5+7.353 3)，表明调高贷款基准利率的逆周期货币政策未能有效降低贷款增长速度，调控效果不太显著；而在经济下行时期，

的回归系数分别为0.243 8和-5.353 3，且均在10%的水平上显著，可得货币政策对信贷增速的影响系数为-5.109 5(0.243 8-5.353 3)，说明在衰退时期我国货币政策对银行信贷行为的逆周期宏观调控收效显著，扩张性的货币政策能够起到增加信贷供给的作用。

      

      五、研究结论

      本文以我国银行业2003-2013年107家商业银行的年度数据为样本，运用动态面板模型实证分析了贷款损失准备计提对不同类型银行信贷周期性行为的影响，并且分析了这种影响在不同经济周期阶段里的异质性及其主要成因，得到三个方面的结论。

      第一，我国所有类型商业银行贷款损失准备整体上是实行逆周期管理的，这是多重计提目标共同作用的结果。一方面，出于覆盖预期损失的非相机抉择型计提目标使商业银行在损失风险上升时增加计提贷款损失准备，而在损失风险降低时，减少计提。另一方面，相机抉择型计提目标中，除农村商业银行以外，资本管理目标对贷款损失准备的计提有一个同向影响，即商业银行的贷款损失准备计提会随着资本监管压力的增加而增加，反之亦反；而我国商业银行贷款损失准备计提尚未被用来实现收入平滑和信号揭示目标。

      第二，贷款损失准备计提对我国全体商业银行信贷增速具有逆周期效应。同时，我国商业银行信贷行为整体上呈现不同于发达国家的逆周期性质，具体来看，这一特性在大型国有银行与农村商业银行中尤为显著，这有别于发达国家银行系统所普遍表现出的顺周期效应；而对非国有股占比相对较高的股份制银行和城市商业银行而言，贷款增速呈顺周期变化。贷款损失准备的逆周期效应是导致我国商业银行信贷行为逆周期特征的影响因素之一。

      第三，贷款损失准备对商业银行信贷行为的逆周期效应在不同经济周期阶段的表现具有异质性：在经济上行阶段由抵消作用产生的逆周期效应小于在经济下行阶段由强化作用产生的逆周期效应。此外，以货币政策为代表的宏观调控政策的实施是我国贷款损失准备对商业银行信贷行为逆周期效应产生的一个重要原因。

      ①在信用风险标准法下，这一限额为信用风险加权资产的1.25%。而在信用风险内部评级法下，银行必须比较预期损失总额和合格准备金总额。如果前者超过后者，银行必须在资本中扣除二者之差；如果前者小于后者，银行可将差额部分计入二级资本，但最多不可超过信用风险加权资产的0.6%。

      ②由于GMM回归过程中有差分处理，一次差分后的误差项往往是一阶序列相关的，但不存在二阶相关，因此，一般需要检验差分方程误差项是否存在二阶序列相关。

      ③样本银行具体涵盖5家大型国有商业银行、12家股份制商业银行、65家城市商业银行、25家农村商业银行。

标签：银行论文;  经济周期论文;  商业银行论文;  贷款损失准备论文;  银行信贷论文;  商业银行资本管理办法论文;  银行风险论文;  银行监管论文;  信贷规模论文;  经济模型论文;  经济风险论文;  经济研究论文;  经济论文;  银行资本论文;  经济资本论文;  周期性行业论文;  拨备计提论文;  金融论文;  风险模型论文;  经济学论文;