过度贷款对中国商业银行流动性创造的影响研究，本文主要内容关键词为：商业银行论文,流动性论文,中国论文,贷款论文，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。
中国是以商业银行为主体的间接融资体系，研究银行流动性创造的决定因素对于银行管理和金融稳定极其重要。基于金融中介理论，商业银行通过短期负债向长期资产提供资金来创造流动性。但商业银行通过流动性创造为市场提供流动性的同时，也会导致流动性期限错配，加剧自身流动性风险。2013年6月，中国银行体系内部资金周转极其困难，为市场提供流动性的银行出现了严重的“钱荒”现象。有学者认为银行持有大量理财等表外业务是“钱荒”的微观诱因，并指出信托受益权业务大规模的膨胀引发了流动性风险的聚集，贷款过度增长使流动性期限错配更加严重，导致银行体系流动性紧张。 事实上，银行贷款增加的因素有很多，除了政府宏观经济调控这一外在因素推动外，银行自身有强烈动机。贷款仍是现阶段中国银行业收入的主要来源，银行普遍都有信贷扩张的冲动，存在追求高贷款增长率的倾向，甚至放松贷款标准，降低贷款利率和对抵押物的要求，由此造成贷款质量下降，严重恶化了银行流动性风险。Koler and Matthias(2012)[1]曾研究了银行贷款增长和业务模式对银行风险的影响，发现贷款增长是银行流动性风险的重要决定因素，银行整体信贷增长过度将导致银行稳定性下降及流动性风险的增加。 自2011年以来，中国银行体系每年贷款增长率都在13.6%以上，其中银行中长期贷款占比每年至少达60%①，这些中长期贷款大部分被投入到地方政府公共建设和房地产市场，行业投向高度集中。中长期贷款具有风险暴露滞后的特点，加之商业银行频繁使用非正规贷款渠道，对流动性创造产生了巨大影响。本文目的在于实证研究过度贷款与商业银行流动性创造之间的关系；同时，考虑到中国国有银行、股份制商业银行和城市商业银行在资产规模、经营方式、政府隐性担保和干预程度等方面存在明显差异，上述关系可能会因银行类型而存在差异。 本文其余内容安排如下：第二部分为文献综述，主要介绍国内外相关研究进展；第三部分是研究假说；第四部分为研究设计；第五部分是实证分析，最后为本文的结论与建议。 二、文献综述 学者对流动性创造影响因素的研究主要集中在货币政策和银行资本两方面。在货币政策因素上，Acharya and Naqvi(2012)[2]通过建立理论模型，分析并解释了长期宽松货币政策容易使银行放贷行为过于激进，银行流动性创造过多导致潜在的流动性危机。Berger and Bouwman(2012)[3]实证研究了货币政策对美国银行业流动性创造的影响，结果表明紧缩的货币政策降低了小银行的流动性创造，但不影响大银行的流动性创造。Gunji and Yuan(2010)[4]实证研究了中国货币政策对贷款的影响，当存款准备金率较高时，银行流动性不能影响货币政策对贷款的影响。 银行资本因素方面，Berger and Bouwman(2009)[5]实证检验了美国商业银行资本和流动性创造的关系，发现对大银行而言，银行资本与流动性创造呈显著正相关关系，对小银行来说，这两者之间为显著的负向关系。Horvath et al.(2012)[6]对捷克2000-2010年银行资本与流动性创造关系进行研究，结果显示二者之间互为负向关系，表明银行资本与流动性创造之间存在一种权衡关系。Adrian and Song(2013)[7]实证研究了中国银行资本结构和流动性创造的关系，发现二者呈显著负相关关系，支持了金融脆弱—挤出假说，但对在中国的外资银行来说，二者之间呈正向关系，验证了风险吸收假说。 事实上，银行贷款期限长短不一以及贷款质量的参差不齐，直接加剧了银行流动性期限错配进而影响流动性创造。Hackethal et al.(2010)[8]使用宏观经济变量和银行特征变量实证分析德国储蓄银行流动性创造是否依赖平均贷款规模，发现有大量贷款的银行倾向于延长贷款期限并创造了更多的流动性。Angora and Roulet(2011)[9]通过对欧洲和美国上市银行的分析发现，如果银行贷款集中在流动性贷款，则其流动性风险会降低。 国内学者王晓枫、吴足红和高顺芝(2012)[10]通过实证研究发现，中国货币政策与商业银行流动性互为因果关系，且法定准备金率对商业银行的流动性影响最大，央行票据对流动性影响最小。李明辉等(2014)[11]实证检验了货币政策对中国银行业流动性创造的影响，结果表明，紧缩的货币政策降低了银行的总体流动性创造，具体表现为降低了表内流动性创造，却提升了表外流动性创造。孙莎等(2014)[12]实证检验了银行流动性创造与资本充足率之间的关系，结果显示大型国有银行的资本充足率对流动性创造的影响不显著；而对于全国性股份制银行和地方性商业银行，提高资本充足率会降低流动性创造水平。 由此可见，国内外现有文献大多侧重于分析流动性创造与货币政策、资本充足率之间的关系，较少关注过度贷款对流动性创造的影响。虽然国外学者也开始关注贷款对流动性创造的影响，但并未涉及银行过度贷款与流动性创造的关系研究。基于此，本文借鉴Foos et al.(2010)[13]和Chen et al.(2015)[14]的研究，用贷款过度增长率、不良贷款率来衡量银行过度贷款，实证检验过度贷款对银行流动性创造的影响，并分析不同类型银行对这一影响关系有何差异。 三、研究假说 通过梳理相关研究，关于过度贷款和流动性创造的关系主要有两个假说②。 一是流动性螺旋假说，即过度贷款加重流动性期限错配，增加了商业银行的流动性创造。拥有大量贷款的银行面临的信贷风险必然上升，存款者提取资金的需求会增加，从而加剧了银行流动性风险。而流动性风险产生的根本原因在于银行资产或表外业务与负债业务的期限不匹配，流动性创造使银行暴露在风险之中，银行流动性创造越多，为应对顾客流动性需求而出售非流动性资产导致损失的可能性越大。显然，银行流动性期限错配越严重，流动性创造越大，流动性风险也越大。银行贷款经理人本身有动机发放过多贷款③，容易导致贷款经理人出现道德风险行为，低估贷款项目的风险，放松贷款标准，进而刺激信贷过度增长。当银行提供的大量贷款出现问题时，其持续不断偿还短期债务能力将下降，导致存款人要求提取其存款，银行将面临严重的流动性短缺，其结果就是高信贷风险导致了高流动性风险。He and Xiong(2012a)[15]着重关注债务展期风险，认为当银行基础资产下降到某一确定阈值时，银行将不能展期其债务，换言之，流动性风险伴随着信贷风险的发生而出现。可见，该假说认为银行贷款过度增长率、不良贷款率应与流动性创造呈正向变动。 二是流动性权衡假说。拥有较高过度贷款的银行将会挤出自己承担流动性风险的能力，导致流动性创造降低，即银行过度贷款与流动性创造呈反向变动的关系，银行信贷风险与流动性风险存在着一种权衡关系。Deep and Schaefer(2004)[16]研究了美国银行业流动性风险和信贷风险的关系，发现美国银行业采取保守的流动性转换策略来应对增加的信用风险，认为美国银行业流动性风险的增加是对信贷风险进行了规避，即信贷风险对流动性风险有替代效应影响。Cai and Thakor(2008)[17]研究了流动性风险与信贷风险的相互作用，表明更高信贷风险的贷款会降低银行流动性风险，二者负向变动。简言之，该假说认为银行贷款过度增长、不良贷款率与流动性创造呈反向变动。 四、研究设计 (一)流动性创造指标构建 本文借鉴Berger and Bouwman(2009)关于商业银行流动性创造指标的衡量方法，结合中国银行业实际及样本数据的可获得性，通过以下三个步骤构建中国银行业的流动性创造指标。 第一步：根据银行获得流动性资金满足顾客需求的难易程度、所需成本和时间将资产分为流动性、半流动性和非流动性。负债分类也照此，但本文视所有者权益为非流动性的。因为对投资者来说，不可能直接从商业银行收回权益资本，尽管现在很多银行已上市，且银行股票流动性非常好，但投资者是通过资本市场交易收回银行的权益资本。根据中国银行业的特殊情况以及bankscope数据库提供的数据特征，本文把表外业务局限于担保、承兑汇票和信用证、承诺信用额度和其他或有债务，并将其都视为非流动性表外业务。 第二步：对在第一步中分类的业务赋予相应权重。根据流动性创造的定义，银行通过将流动性负债向非流动性资产提供融资来创造流动性。本文对其赋予+0.5权重，对非流动性负债和流动性资产赋予-0.5的权重。由于半流动性业务介于流动性与非流动性之间，故对其赋予权重为0。表外业务的业务性质与表内资产类业务类似，对其赋予+0.5的权重。 第三步：将第一步分类后的业务与第二步对应赋予的权重加权求和。由此，得出流动性创造指标计算公式： 流动性创造=0.5*(非流动性资产+流动性负债+非流动性表外业务)+0*(半流动性资产+半流动性负债+半流动性表外业务)-0.5*(流动性资产+非流动性负债+流动性表外业务) (二)变量选取 1.被解释变量。利用前文介绍的流动性创造指标衡量的方法计算出总的流动性创造。为使不同规模的商业银行流动性创造具有可比性，经银行资产规模调整后，以单位资产的流动性创造来衡量LC。 2.解释变量。根据前文的研究假说，本文以贷款过度增长率(GDDK)、不良贷款率(NPL)作为过度贷款的代理变量④。当银行贷款增长率都处于较高水平时，某银行的高贷款增长率并不一定意味着过度贷款，参考Foos et al.(2010)的研究，本文用贷款过度增长率作为银行过度贷款行为的衡量指标，即用某银行贷款增长率与所有样本银行当年贷款增长率中位数之差来反映该银行在当年与同业相比的贷款水平。另外，借鉴Chen et al.(2015)的分析，不良贷款率在一定程度上能间接反映银行过度贷款的行为倾向，故本文另选不良贷款率作为过度贷款的代理变量。 3.控制变量。本文在Chen et al.(2015)、李明辉等(2014)等研究基础上引入两类控制变量。第一类反映银行特征：银行资产规模(ASS)、核心资本充足率(TCAR)、资产平均回报率(ROAA)、银行破产风险(ZSCORE)；第二类反映宏观经济环境：GDP增速(GDPR)、一年期贷款基准利率(IR)和广义货币供给增速(M2R)。具体如表1所示。
标签：流动性风险论文; 不良贷款率论文; 银行论文; 商业银行论文; 表外业务论文; 商业银行流动性论文; 银行风险论文; 流动性资产论文; 商业银行资产负债表论文; 国有银行论文; 信贷风险论文; 流动性论文; 货币政策论文;