我国商业银行脆弱性：利率冲击与金融加速器效应，本文主要内容关键词为：商业银行论文,加速器论文,利率论文,效应论文,我国论文，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。
从理论上看，利率管制放松可通过实际利率升高而提高储蓄率，有利于资本积累，能够使得金融市场、金融中介更好地发挥分散和规避风险、动员储蓄、甄别并监督贷款申请人等作用(Mekinnon，1973；Shaw，1969；Levine，1997；林毅夫等，2003)。[1-4]但与此同时，利率管制放松也会对商业银行带来强烈的冲击，加剧商业银行的脆弱性①，进而引发整个金融市场和体系的脆弱性。其原因在于：(1)利率管制放松后，商业银行的竞争必将加剧，资金流动更加频繁，存款稳定性大幅度下降，容易引发商业银行的流动性风险(Chari和Jagannathan，1988)；(2)利率管制放松后，商业银行净利差会缩小，为了追求绩效目标，银行倾向于向更高风险和收益的项目放贷，由于“逆向选择”和“道德风险”的存在，使得银行的信用风险上升(Caprio和Summers，1993；Hellmann等，1994)；(3)利率管制放松后，银行业有可能加剧结构调整，无论在存款基础、金融产品定价和运用、人才储备、技术优势等方面，中小银行较之大银行都存在先天不足，很有可能引发中小银行的倒闭潮，继而容易引发金融系统的动荡，触发系统性危机(Demirg-Kunt和Detragiache，1998)。[6-9] 我国于20世纪90年代启动了金融市场化改革，尤其以利率管制放松为重要标志。目前，我国央行仅对金融机构存款利率实行上限管理。可以预见的是，我国利率管制放松改革必将进一步顺势推进。我国商业银行目前已经发展为5家大型国有控股商业银行、12家股份制商业银行、145家城市商业银行以及468家农村商业银行的多层次格局，但问题是，我国利率管制放松是否会对我国银行系统造成较大冲击，进而引发整个金融体系的脆弱性？不仅如此，现有文献还表明，商业银行面对外部冲击时还存在金融加速器效应，并且银行资本约束越强，金融加速器效应越大(Roger和Olivero，2010；Naohisa等，2011)。[10-11]因而，面对利率冲击时，商业银行数量的迅速扩张以及结构的显著变化，不同类型的商业银行金融加速器效应是否存在显著性差异呢？ 基于此，本文着眼于利率管制放松后商业银行的脆弱性，重点探讨利率冲击引致商业银行脆弱性的机理，以及不同类型的商业银行金融加速器效应及其差异性。本文的新意在于：(1)基于商业银行脆弱性视角，首次将银行同业拆借市场纳入分析框架，检测我国商业银行金融加速器效应；(2)基于我国商业银行的不同市场结构，首次对不同类型的商业银行金融加速器效应是否存在显著差异性进行实证检验。本文试图揭示出在面对利率冲击时，不同类型的商业银行将呈现出何种金融加速器效应。 二、文献回顾 20世纪70年代金融自由化后，许多学者从利率管制放松角度研究商业银行的脆弱性，他们认为在20世纪80年代之前，大多数银行经营失败的原因，主要是利率管制放松后对利率的预测发生了错误。Carter(1989)认为，明斯基金融内在脆弱性的核心就是利率在投资热潮后期突然上升所带来的恶性影响；在利率不变的情形下，抵补性企业、投机性企业甚至厐兹企业都能偿债，而一旦利率上升，后两类企业就会陷入金融困境，并伴随着企业破产，形成银行不良资产。[12]McKinnon和Pill(1998)认为，利率管制放松后，金融机构在资金来源争夺上会越发激烈，存贷利差有逐步缩小的趋势，将进一步挤压盈利空间，削弱银行抵御风险能力。[13]Caprio和Summers(1993)认为利率管制放松后，银行间的竞争不断加大，银行利润水平下降，银行从而具有更强烈的动机从事高风险的投资，因而其破产的概率增大。[7]Hellmann等(1994)认为，利率上限取消以及降低进入壁垒会引起银行特许价值权降低，导致银行部门风险管理行为扭曲，从而带来银行体系的内在不稳定。[8]Stiglitz和Weiss(1981)指出，存款利率的上升一方面会使存贷款增加，另一方面也会使储蓄的边际倾向增加，但储蓄的边际倾向效应会超过存贷款的增加；利率显著提高后，会从整体上加重商业银行体系的风险。[14] Bernanke等(1996，1998)针对信息不对称所造成的金融市场不完善问题，首次提出了金融加速器的概念。[15-16]Barry等(2000)认为，信息不对称问题造成了搭便车、委托代理和监督、理性效仿和传染等问题，当银行系统面临冲击时，由于信息不对称所引起的问题趋于严重，加大了识别有效信息的难度，因而在某些情况下，较小的冲击就可能导致银行危机。[17]Aguiar和Drumond(2009)从银行资本约束以及投资者流动性溢价的角度研究货币政策冲击引起的金融加速器效应，认为银行资本约束越强，金融加速器效应越大；基于DSGE模型的实证分析证明了货币政策冲击在银行部门存在金融加速器效应，并且此效应在Basel II监管下要大于Basel I。[18]Roger和Olivero(2010)基于美国1984-2005年的季度数据并采用VAR模型，研究外部冲击对美国银行业是否存在金融加速器效应，研究结果支持外部冲击存在金融加速器效应。[10]Naohisa等(2011)构建了包括金融中介和投资者以及金融中介和借款企业之间的两层关联信贷合约，认为外部冲击不仅在企业部门存在金融加速器效应，金融中介也存在金融加速器效应；基于扩展的BGG模型进行实证分析，研究结果表明金融中介的金融加速器效应要大于标准BGG模型的金融加速器效应。[11]张良贵(2012)、余雪飞(2013)等研究了我国银行部门面对外部冲击所存在的金融加速器效应。[19-20] 综上所述，现有文献比较详细地分析了利率冲击对商业银行脆弱性的冲击，并且揭示了这种冲击具有金融加速器效应。但是，现有文献分析往往把商业银行作为一个整体“黑箱”来研究，忽略了商业银行快速发展并呈现不同发展格局的特征，以及不同类型的商业银行在面对利率冲击时的差异性。因此，研究还需要进一步深化。 三、基于脆弱性的商业银行金融加速器理论模型探讨 Bernanke等(1996，1998)在一个“非莫迪格利尼—米勒世界”中，提出了具有固定规模投资计划借款者(或企业)面对“有代价的状态证实”(Costly State Verification，“CSV”)问题的代际交叠模型。在CSV框架中，企业净财富水平的下降会导致外部融资溢价的上升，因此，一个初始的不利冲击(比如生产率的下降)会减少企业的净财富，导致内部融资能力降低、外部融资溢价的上升；企业由于融资约束收紧而减少投资支出，这进一步降低了下一期的经济活动水平和企业净财富。他们将由信贷市场状况变化导致的初始冲击被放大的机制称作金融加速器。[15-16]本文在借鉴该模型的基础上，试图建立基于脆弱性的商业银行金融加速器理论模型。
其中，Fr代表商业银行脆弱性、h(·)代表反函数。因此，式(2)可重新表述为：
现假设ω为银行业市场摩擦程度。ω越大，市场摩擦程度越小，市场越趋于完全市场，外部状态交易成本越小，从而外部融资溢价越小。假设θ为银行资产亏损比例。为使银行不破产，银行资产净值的贴现值必须大于亏损额，即满足以下条件：
考虑到我国金融市场的不完全性现状，现在假设ω=0。在这种情况下，表明银行同业拆借市场与一般存款市场均存在摩擦，两个市场均存在状态审计成本，银行通过其中任何一个市场融资都会存在外部融资溢价。为简便分析，本文假定两个市场存在相同的市场摩擦。 ω=0时，由式(10)可得，银行同业拆借资金的边际成本与一般存款边际成本相等，即：
上式中，
为扩展的随机贴现因子，以银行资产净值边际收益
为权重。因此，当银行面临一个正的利率冲击时，银行同业拆借资金和一般存款资金的边际成本
上升，从而导致银行外部融资溢价和外部融资成本上升，银行难以从外界吸收更多的资金来发放贷款，进而导致实体经济信贷可获性难度加大。银行信贷收缩会降低银行资产净值，根据式(6)可知，这会进一步加剧银行的脆弱性；银行脆弱性的加剧，反过来提高外部融资的边际成本。由外部冲击所引起的银行资产净值、外部融资溢价和信贷发放之间的互动，导致金融加速器的形成，并在金融加速器的作用下导致宏观经济的波动。 四、实证研究设计 (一)实证分析：变量与模型设定 理论上，银行部门金融加速器机制产生的关键是银行“外部融资溢价”与银行脆弱性引发的“银行资产净值”之间的负向关系，即任何外部冲击最终都会通过影响借贷成本触发商业银行的脆弱性，并在金融加速器机制下作用于经济波动。从目前我国商业银行的资产负债表来看，银行最主要的资产是各类银行贷款和持有的各种债券。因此，利率冲击主要是通过影响银行各类贷款和持有的债券价值从而影响银行的脆弱性和资产净值。对于银行贷款价值方面，利率冲击主要是通过影响家庭部门和企业部门的违约率，从而影响银行的不良贷款比率，进而影响银行的脆弱性。本文基于上述理论分析来设计实证模型与变量。 1.商业银行脆弱性与利率冲击的基准模型及其扩展 (1)商业银行脆弱性与利率冲击的基准模型 依据式(6)的线性关系，设定商业银行脆弱性与利率及其变动的相互关系基准模型如下：
其中，i代表不同类型的商业银行，本文依据银监会的分类，把我国商业银行划分为国有商业银行、股份制商业银行、城市商业银行、农村商业银行；
代表回归系数，
表示随机扰动项。
表示商业银行的脆弱性程度(见图1)。根据前文概念界定，并借鉴相关研究，商业银行脆弱性的主要原因是银行不良贷款，因此选取商业银行不良贷款率(rbl)指标作为衡量其程度的基本要素；鉴于巴塞尔协议规定，资本充足率(rca)一直是关乎商业银行稳定性的核心指标之一，因此选取资本充足率(rca)也作为衡量商业银行脆弱性的基本要素。考虑其他数据的可获性，本文最终选取商业银行不良贷款率(rbl)、资本充足率(rca)作为衡量商业银行脆弱性的两项基本要素；其中，不良贷款率与银行脆弱性程度存在正相关关系，资本充足率与银行脆弱性程度存在负相关关系。为便于变量方向的一致性，根据巴塞尔协议设定的商业银行资本充足率应高于8%的标准，将资本充足率指标转换为(8%-rca)，以上述二项指标之和作为衡量商业银行脆弱性程度的指标值，即
=(rbl+8%-rca)。
图1 我国商业银行脆弱性代理变量值 数据来源：银监局、央行网站、wind、中经网数据库。
表示利率政策变量。根据央行利率管理办法，央行先行制定1年期存款基准利率，以此为基础再制定其他相应期限的存款利率；通过测算之后，再决定相应期限的贷款利率。因此，本文选取1年期存款基准利率作为央行利率政策变量，表示利率变动的基础。
表示商业银行外部融资溢价(efp)。根据文献资料，外部融资溢价界定为借款人通过外源性融资所支付的成本超过内源性融资的机会成本溢价部分。商业银行的外部融资溢价用银行同业拆借利率减去银行间债券市场1年期国债收益率的差值来度量(见图2)。
图2 我国商业银行同业拆借市场外部融资溢价状况 数据来源：中经网数据库。
表示利率基础与外部融资溢价共同作用所构成的利率冲击的基本要素，实质上也是检验商业银行在利率冲击下，基于脆弱性的金融加速器传导机制是否有效的基本要素。 (2)基准模型的扩展 在基准模型(22)的表达式中，仅仅假设利率冲击是造成银行脆弱性的唯一变量，没有考虑其他因素对银行脆弱性的影响，特别是未考虑银行本身不同属性对银行自身脆弱性的影响，容易造成对利率冲击影响分析的偏颇。例如，面对同样的利率冲击，不同规模的银行会呈现出怎样的脆弱性差异？因此，本文依据现有文献对模型(22)进行扩展，引入一些控制变量，深入研究利率冲击对商业银行脆弱性的影响。一是银行规模。本文用商业银行总资产占银行业金融机构总资产比例来度量银行规模(Size)。大银行较之小银行，一般具有透明度高、融资成本低和抗风险能力强等优势，同时大银行具有在资本市场和货币市场上发行证券的优势。所以，可假设银行规模与银行脆弱性负相关。二是资产流动性。本文用银行流动资产比流动负债来度量流动性比率(Liqud)。利率管制放松后，商业银行面临利率冲击，很容易造成流动性风险，进而引发银行挤兑风险。因此，可假设商业银行流动性比率与银行脆弱性负相关。三是商业周期。一般来说，当宏观经济周期处于上升通道时，企业盈利能力强，商业银行具有放贷扩张的冲动，银行资产净值会增加，脆弱性降低；当宏观经济周期处于下行通道时，企业盈利能力弱，商业银行出于谨慎考虑通常会信贷收缩，银行资产净值会降低，脆弱性增大。本文引入虚拟变量(Cycle)度量商业周期，当商业周期处于上升通道时，变量取值为1；反之，变量取值为0。基于以上分析，本文对基准模型(22)扩展如下：
(3)脉冲响应函数分析 考虑到商业银行脆弱性、利率冲击和银行外部融资溢价三者的关联性，进一步引入向量自回归模型(VAR)，将商业银行脆弱性、利率冲击与银行外部融资溢价之间的相互作用，借助脉冲响应函数加以描述，以反映这种冲击的动态过程，进一步清晰地刻画出基于银行脆弱性和利率冲击的金融加速器效应。 2.考虑非线性的门限回归模型 在基准模型(22)的表达式中，假设利率冲击与商业银行脆弱性之间存在线性关系，忽略了二者之间的非线性关系，这会使得检验结果出现很大的偏差。例如，对于利率的结构性突变，传统的线性回归模型就不能有效设定。为了检验利率冲击的非线性效应，本文在基准模型(22)的基础上设定门限回归模型。与传统的线性回归模型相比，门限回归模型在处理非线性、结构突变等问题中具有自身独特的优势；其求解思想是将门限变量的每个变量值作为门限值代入回归模型进行实证分析，得到残差平方和最小值为门限值。由此，可得基于基准模型(22)的非线性门限回归模型：
其中，
表示外部融资溢价，为回归模型的门限变量；γ表示门限值，通过识别
门限值以区分商业银行脆弱性的金融加速器在不同溢价状态下的效应；
代表随机扰动项。其他变量含义与模型(22)相同。 3.考虑非对称的EARCH模型 大量实证研究发现，在现实的金融市场上，大部分金融资产的分布及其波动行为具有一些与正态假设不相符的特征，金融资产时间序列经常存在典型的“杠杆效应”，即负的冲击或者坏消息比同等程度的正的冲击或者好消息产生的波动更大。为了解决这种非对称性，学界提出了各种非对称的ARCH模型，包括TARCH、EGARCH和PARCH模型。本文拟在基准模型(22)的基础上，运用EGARCH模型来进一步检验基于银行脆弱性的利率冲击金融加速器效应的非对称性。EGARCH(1，1)模型设立如下所示。
(二)样本选取与数据来源 本文的研究样本为在我国境内经营的商业银行，根据银监会的分类，划分为国有商业银行、股份制商业银行、城市商业银行、农村商业银行；其中，国有商业银行包括中国工商银行、中国农业银行、中国银行、中国建设银行、交通银行等5家银行，股份制商业银行包括中信银行、光大银行、华夏银行、平安银行(广东发展银行)、深圳发展银行、招商银行、上海浦东发展银行、兴业银行、中国民生银行、恒丰银行、浙商银行、渤海银行等12家银行，城市商业银行和农村商业银行分别选取全国典型的28家城商行和35家农商行。 鉴于数据的可获得性，数据区间选取2005年第一季度至2014年第一季度，其中，不同类型的商业银行不良贷款率直接来源于中经网，银行间债券市场1年期国债收益率数据直接来源于Wind数据库。鉴于本文的季度数据，银行同业拆借利率选取3月期的同业拆借利率，数据来源于中经网；1年期存款基准利率根据央行的利率政策公告分别调整计算得出；国有商业银行和股份制商业银行资本充足率、规模、流动性依据上述样本银行月度数据加权平均算出；城市商业银行和农村商业银行资本充足率、规模、流动性也依据上述样本银行月度数据加权平均算出。数据来源于《中国金融统计年鉴》、相关银行的月报和季报以及网站数据。根据我国经济走势，现将数据区间按经济周期划分为三个阶段：2005年一季度至2007年二季度为经济的上升区间；2007年三季度至2008年四季度为经济的下行区间；2009年一季度至2014年一季度为经济的上升区间。考虑到数据的平稳性，所有数据在分析之前都进行了Census12季节调整，并进行了单位根检验。所有样本估计和实证分析使用eviews6.0软件实现。 五、实证结果分析 (一)回归结果分析 1.基本回归分析 基准模型分析结果表明(见表1a)，商业银行面对利率冲击，
的回归系数均通过检验，并且与理论模型预期的正相关关系吻合，表明商业银行在利率冲击下，存在基于脆弱性的金融加速器效应。表1a还表明，不同类型的商业银行在利率冲击下，基于脆弱性的金融加速器存在不同的效应：面对相同的利率冲击，国有商业银行基于脆弱性的金融加速器效应最大，城市商业银行次之，农村商业银行第三，股份制商业银行最小。 加入控制变量后的扩展模型表明(见表1b)，这些控制变量系数值均为负值，与理论模型预期结果相符合。银行规模越大，其脆弱性程度越低，印证了“大而不会死”的金融原理。流动性指标表明，股份制商业银行脆弱性最低，其流动性管理水平比较高，面对利率冲击，其流动性风险较小；相比较而言，农村商业银行流动性风险比较高，其脆弱性也较高。商业周期与银行产生脆弱性概率高度负相关，与金融加速器原理相吻合。这些控制变量的系数值虽然在经济意义上具有显著的意义，但在统计上没有显著意义；相比模型(22)回归结果，虽然系数β1有所减小，但并不改变原有的分析结果，说明基于脆弱性的商业银行金融加速器效应主要来自利率的冲击。
借助脉冲响应函数分析，其结果可更加清晰地刻画出基于银行脆弱性的金融加速器效应。图3显示，利率的1单位正向(负向)冲击将导致商业银行脆弱性上升(下降)，这种冲击的持续时间在不同类型的商业银行之间呈现出差异性。面对利率的1单位正向(负向)冲击，不同类型的商业银行脆弱性呈现出不同的特征：国有商业银行的脆弱性上升最快，城市商业银行次之，农村商业银行第三，股份制商业银行最小，从而佐证了前文的分析结论。 2.非线性门限回归分析
图3 利率对商业银行脆弱性的冲击 表2a报告了以
为门限变量的回归结果。可以看出，不同性质的商业银行面对利率冲击的外部融资溢价门限值相同，均为1.95%。鉴于样本数据容量的限制，本文只估计和检验回归模型是否存在门限值，没有估计和检验模型是否存在多个门限值。在得到估计值之后，进一步检验模型是否存在门限效应。根据Tsay(1989)的检验思想，[22]在虚拟假设成立的条件下，该P值统计量的大样本分布为均匀分布，并且可以由“自助抽样法”(Bootstrap)来计算。表2b分析结果表明，在5%的显著性水平下，相应的P值拒绝原假设(
，模型不存在门限效应)，模型存在门限效应。因此，在利率冲击下，基于脆弱性的商业银行金融加速器效应存在非线性特征。同时通过表1b可以发现，回归系数
，说明当外部融资溢价大于1.95%时，基于脆弱性的商业银行金融加速器效应比较小；而当外部融资溢价小于1.95%时，基于脆弱性的商业银行金融加速器效应比较大，暗示此金融加速器具有边际递减的特征。股份制商业银行的这种递减性最明显，农村商业银行的这种递减性最弱。同时，回归系数β为正值，表明与前述一般线性回归分析结论一致。
3.非对称性分析 实证表明(见表3)，商业银行面对利率冲击时，其非对称项
通过检验，表明在利率冲击下，基于商业银行脆弱性的金融加速器存在非对称性效应。实证结果还表明，面对利率冲击，此金融加速器非对称性效应存在差异：国有商业银行此金融加速器非对称系数为0.906，当面临下调的利率冲击时，
＜0，方差受到0.485倍的冲击(|0.421-0.906|)；当面临上调的利率冲击时，
＞0，方差受到1.327倍的冲击(|0.421+0.906|)。股份制商业银行此金融加速器非对称系数为0.511，当面临下调的利率冲击时，
＜0，方差受到0.356倍的冲击(|0.155-0.511|)；当面临上调的利率冲击时，
＞0，方差受到0.666倍的冲击(|0.155+0.511｜)。城市商业银行此金融加速器非对称系数为0.595，当面临下调的利率冲击时，
＜0，方差受到1.6倍的冲击(｜-1.005-0.595|)；当面临上调的利率冲击时，
＞0，方差受到0.41倍的冲击(｜-1.005+0.595|)。农村商业银行此金融加速器非对称系数为0.702，当面临下调的利率冲击时，
＜0，方差受到0.581倍的冲击(|0.121-0.702｜)；当面临上调的利率冲击时，
＞0，方差受到0.823倍的冲击(|0.121+0.702|)。研究结果表明，面对下调的利率冲击时，城市商业银行受到的方差冲击最大，农村商业银行次之，国有商业银行第三，股份制商业银行最小；面对上调的利率冲击时，国有商业银行受到的方差冲击最大，农村商业银行次之，股份制商业银行第三，城市商业银行最小。
(二)稳健性检验 为了确保上述结果的可靠性，本文采用“不良贷款率”单一指标替代“银行脆弱性”作为回归方程的因变量，用6个月定期基准存款利率替代1年定期基准存款利率作为利率的冲击变量进行稳健性检验(见表4a)。另外，考虑到样本区间内我国货币政策(利率)具有显著的操作周期，必然会导致银行外部融资溢价具有一致的周期性(2005年一季度至2008年四季度，我国银行外部融资溢价处于上行通道，2008年四季度至2010年四季度，我国银行外部融资溢价处于下行通道)，因此本文采用Chow分割点来检验不同的子样本估计方程是否具有显著的差异(见表4b)。限于篇幅，本文只报告了方程(22)的回归结果。从表4a可以看出，检验结果与上文没有明显区别，尽管回归系数的数值略有变化，但不影响基本结果。表4b的Chow分割点检验表明，方程(22)无显著的结构变化。因此，所有稳健性检验结果都表明，本文的实证结果是稳健与可靠的。
本文实证结果表明，在利率管制放松条件下，面对利率冲击，我国商业银行存在着基于脆弱性的金融加速器效应，但不同类型的商业银行基于脆弱性的金融加速器效应存在显著性差异。 基准模型分析结果表明，面对相同的利率冲击，国有商业银行基于脆弱性的金融加速器效应最强，城市商业银行次之，农村商业银行第三，股份制商业银行最弱。门限回归模型表明，在利率冲击下，我国商业银行基于脆弱性的金融加速器存在门限效应，进而说明利率冲击下的商业银行金融加速器效应存在非线性特征，并且不同类型的商业银行非线性特征存在差异。通过门限分析还发现，我国商业银行基于脆弱性的金融加速器存在边际效应递减特征。EGARCH模型实证结果表明，在利率冲击下，我国商业银行基于脆弱性的金融加速器效应存在典型的非对称性，面对下调的利率冲击时，城市商业银行更容易受到冲击；面对上调的利率冲击时，国有商业银行更容易受到冲击。 研究结论对央行货币政策尤其是利率政策制定和实施具有重要的指导意义。为避免因金融加速器效应而带来的商业银行体系脆弱性进而造成宏观实体经济的波动，央行在制定利率政策时，应充分考虑不同时段对不同类型的金融机构的影响。当银行外部融资溢价处于高位状态时，此时银行基于脆弱性的金融加速器效应比较弱小，央行可以采取宽松手段对宏观经济进行调控；而当银行外部融资溢价处于低位状态时，此时银行基于脆弱性的金融加速器效应比较强大，央行应该采用微量、定向的方式进行调控，增强市场主体的预期，避免因剧烈操作造成不必要的动荡。此外，央行在利率政策操作过程中，应该采取差异化、预调、微调、定向、定准、定时的策略，对不同类型的金融机构实行不对等操作，继续运用差别准备金动态调整机制来加强宏观审慎管理，根据国内外经济金融形势变化、金融机构稳健性状况、信贷政策执行情况等，对差别准备金动态调整机制的相关参数进行调整，以提高央行货币政策的有效性、精准性。 ①商业银行脆弱性是指鉴于商业银行高负债经营的特性，当商业银行受到外来冲击时，所表现出来的丧失资金配置功能的状况和程度(耿同劲，2008)，[5]也可理解为商业银行易遭受资产损失的状况和程度；衡量商业银行的脆弱性，最主要应能反映商业银行的清偿能力，一般可借用衡量不良资产状况的指标来反映。
标签：银行论文; 商业银行论文; 金融论文; 银行融资论文; 外部融资论文; 利率论文; 市场类型论文; 国有商业银行论文; 农村商业银行论文; 城市商业银行论文; 融资论文;
