银行风险承担、高管薪酬与货币政策的信贷传导效率——基于动态非线性效应面板的实证

温博慧 唐 熙

一、引言

货币政策信贷传导效率研究一直是学术界和政策制定部门共同关注的热点议题。价格与数量型货币政策调控工具均会对银行风险承担态度产生影响，进而改变银行的行为方式；而银行风险承担态度亦受约束于银行利润空间的变化和高管薪酬水平，并再次叠加作用于银行行为，从而对货币政策的信贷传导效率产生复杂影响。

针对上述问题，货币政策传导的风险承担渠道理论提出：货币政策会通过影响金融机构的风险感知、容忍度和偏好等因素，作用于信贷投放和总产出（Rajan， 2005［1］； Borio 和 Zhu， 2008［2］； Gambacorta，2009［3］），即风险承担能够影响货币政策的信贷传导效率。Chen等（2006）［4］则提出， 薪酬的风险激励作用亦会导致银行生成冒险行为，并随金融机构薪酬激励强度的逐年上升表现得更加明显。此时，如不考虑高管薪酬影响而只研究货币政策工具对风险承担的作用将直接导致分析结果产生偏误。因此，有关货币政策信贷传导效率的研究需综合考虑货币政策调控工具与高管薪酬水平对风险承担的联合作用机制。遗憾的是，国内对此方面的研究尚聚焦于二者对风险承担的单独影响（孔爱国和卢嘉园，2010［5］； 宋清华和曲良波， 2011［6］； 江曙霞和陈学婵， 2012［7］；刘生福和李成，2014［8］），而从风险承担角度探讨货币政策工具和高管薪酬水平联合对货币政策信贷传导效率作用的成果并不多见。基于此，本文试图研究并回答货币政策工具和银行高管薪酬能否通过风险承担态度的改变对货币政策信贷传导效率产生综合影响，并着重按工具的类别和政策的松紧倾向，实证分析这一传导过程的非线性性质。

文章随后内容安排如下：第二部分梳理相关文献成果；第三部分基于风险承担探讨货币政策和高管薪酬对信贷传导效率影响的理论机制；第四部分为数据选取与实证方法；第五部分为结果分析和稳健性检验；最后是结论与政策建议。

二、文献综述

货币政策的信贷传导效率依赖于传导渠道通畅与否。传统货币经济理论根据贷款和其他资金的来源替代性假设不同，将传导渠道分为货币传导渠道和银行信贷传导渠道两种。但对于银行风险承担因素的考虑均存在严重不足：直接简化商业银行，认为其对货币政策的传导不发挥主动性作用，仅仅是中央银行和贷款者之间被动持有资产的中介（Brunner和Meltzer，1988［9］）或假定商业银行风险中性并采取稳定经营的方式（Bernanke 和 Blinder， 1988［10］； Bernanke 和Gertler， 1995［11］）。 将银行风险承担因素加入货币政策信贷传导效率分析已得到学术界的广泛认可，而薪酬的风险激励作用对于货币政策信贷传导效率与风险承担关键变量也存在显著影响，既有国内外文献主要集中在信贷传导的风险承担渠道或高管薪酬与风险承担的关系研究上，尚缺乏对两者作用机制的综合分析。

（一）货币政策信贷传导效率与银行风险承担

货币政策的实施，在一定条件下可能会引发商业银行风险度量和偏好的变化。归纳既有文献研究发现，货币政策可通过估值收入效应、搜寻动机、竞争效应以及保险和道德风险效应来影响银行的风险承担（Borio 和 Zhu， 2008［2］； Gambacorta， 2009［3］）。实证方面，国外学者认为，在宽松货币环境下，较低的融资成本和国债等无风险产品的低回报会激励银行去追求更多的风险以获得更高的收益。Delis和Kouretas（2010）［12］以风险加权资产占总资产的比率作为银行风险的衡量变量，通过对2001—2008年欧盟区银行数据的面板分析，发现央行利率每下降1%将引起银行风险承担增加1.1%。Bush等（2011）［13］则发现中小型银行最容易受宽松货币政策影响而风险承担上升，而大型银行所受影响并不显著。国内学者在梳理和归纳货币政策信贷传导效率与银行风险承担关系，以期加深对其交互作用路径和内在机理理解的同时，主要基于我国数据进行了实证研究（如，陈龙腾和何建勇， 2011［14］； 张雪兰和何德旭， 2012［15］； 江曙霞和 陈 玉 婵， 2012［7］；徐明东和陈学彬， 2012等［16］）。其在表征风险承担变量的衡量方面，应用了预期违约概率、不良贷款率、Z值指标、银行利润的方差和市场波动率，以及风险加权资产比率等方法。但由于国内信用评级体系相对落后，不良贷款率和预期违约概率可得性较差（茆训诚等，2014［17］）；Z值更多反映银行破产风险的事后性状，并非事前冒险动机（刘生福和李成，2014［8］）； 尽管市场指标可以反映未来预期，但总体性指标包含较多影响因素的缺陷也使得风险行为与货币政策间的关系难以分辨（洪正等，2014［18］）；风险加权资产相对包含了更多形式的资产和风险类型，但缺失2013年前的报表数据。上述内容成为实证结论中导致货币政策与银行风险承担非线性关系结论存在差别的原因之一。

同时，商业银行对风险的度量以及偏好的变化，反过来又会产生放大或缩小货币政策工具的杠杆作用，甚至在危机阶段产生扭转货币政策信贷传导效率的影响（Maddaloni等， 2008［19］）。 商业银行异质性特征是影响货币政策信贷传导效率与风险承担关系的内在原因。针对我国银行业的特征，国内学者从银行产权属性、规模等异质性角度对信贷传导效率与风险承担之间的关系进行了检验。高管作为银行行为的决定性主体，其薪酬无论从收入、竞争还是道德风险角度都存在成为影响货币政策信贷传导效率与风险承担关系关键变量的可能。但既有研究主要针对规模、产权属性和资本充足率等银行异质性变量，尚缺乏加入高管薪酬问题的综合性开展。

（二）银行高管薪酬与风险承担

在对银行高管薪酬与风险承担作用关系进行研究的过程中，学术界提出其可能存在正向、负向、正U和倒U形态的观点，但尚未能达成一致。归纳来看：当假定风险是高管支付业绩敏感性的唯一决定因素时，标准委托代理模型中高管薪酬激励与风险承担间的负相关关系得到强力证实（Core和Guay，2001［20］）。 而放宽这一假设后的实证结果为，高管财富对资产变动的敏感度使其倾向于实施高风险政策（Coles等，2006［21］）。

实证结果表明，从非线性的角度来看，银行风险承担和高管薪酬激励也会呈现U型关系。Haq和Pathan等（2010）［22］借助1997—2004 年 212 家美国银行控股公司的面板数据，对高管薪酬与银行风险承担之间关系进行实证分析后，发现银行高管薪酬和风险承担之间呈正U型关系，即在低薪酬情况下，薪酬的增加会显著降低银行的风险承担，在达到一定限度之后，高管为追求更高的薪酬选择过度危险行为。宋清华和曲良波（2011）［6］在参照上述研究的基础上，通过研究2000—2012年中国13家银行的非平衡面板数据，发现我国商业银行高管薪酬与风险承担之间呈现倒U型关系，且当使用其他银行风险承担代理变量进行检验时结果稳健。洪正等（2014）［18］以我国房地产信贷市场为研究对象，也得出了相近的结论。高管薪酬效用函数与模型假设条件的不同造就了以上结论中薪酬与风险承担间复杂的数理和实证关系。

上述成果的贡献在于分别从货币政策信贷传导的风险承担渠道，和高管薪酬与风险承担关系的角度丰富了对应研究内容。但在研究货币政策信贷传导效率的过程中，还缺乏对上述两方面联合作用机制，即货币政策工具与高管薪酬水平对风险承担综合影响下的信贷传导效率的考虑。本文与既有研究不同，将货币政策工具与高管薪酬的影响作用结合，综合考虑其对风险承担进而对信贷传导效率的影响，并按货币政策工具的类别和松紧倾向对比分析传导结果的差异。由于仅以线性模型进行设计和估计，往往会导致结果与现实不符甚至检验失败，因此，在实证过程中拟采用动态非线性效应面板模型以期进行较好的拟合。

三、理论机制分析

货币政策工具与银行高管薪酬水平共同通过银行风险承担影响信贷传导效率是本文研究的核心问题。根据对既有文献的梳理，货币政策可以借助数量与价格两种类型工具，综合高管薪酬的影响，共同通过货币政策风险承担渠道中的估值收入变化、行业竞争以及道德风险路径作用于最终的信贷传导效率（cheng等， 2010［23］）。 不同环境下的分析可归纳为如下三方面。

由于法定存款准备金率是数量型货币政策调控的重要工具手段，笔者以之作为代表。存款准备金率的变动主要作用于金融体系流动性。当中央银行试图采取上调法定存款准备金率的手段压缩信贷数量时，市场流动性的下降会刺激资产价格下降，产生估值效应导致贷款企业违约概率上升，从而银行提高自身的风险测度，缩减贷款规模。此时若高管薪酬与净资产收益率等名义绩效指标相挂钩，则存在促使银行高管短视的行为可能，即为实现预期或维持薪酬水平进行冒险经营。当然，也存在高薪酬银行的薪酬风险激励效应不明显，而低薪酬银行存在薪酬追逐的激进行为。伴随市场流动性下降，银行业竞争加剧，一方面存在低薪酬银行对竞标行为的放弃，另一方面也存在高薪酬银行更多涉入高风险项目的可能。前者对应会扩大货币政策对信贷的收缩效应，而后者对应会冲减货币政策对信贷的收缩效应。同理，当中央银行试图采取下调法定存款准备金率的手段扩大信贷数量时，市场流动性增加促使资产价格上涨，银行风险容忍度上升，贷款规模扩大。若薪酬激励效应存在，则会表现为银行放贷热情上升，货币政策信贷传导效率提高。出于竞争，低薪酬银行也可能采取选择相对高薪酬银行风险和收益更高的贷款项目以向高薪酬迈进。其结果表现为低薪酬银行较高薪酬银行更加促进了货币政策信贷扩张意愿的实现。高管的道德风险效应会增加货币政策对信贷的扩张。

利率是价格型货币政策调控的主要手段。当中央银行提高市场基准利率试图压缩信贷投放数量时，利率的上升导致抵押物价值下降，贷款企业利息支出成本增加导致贷款的违约风险升高，银行通过降低自身的风险容忍度，缩减信贷的规模。若薪酬的激励效应会对高管行为产生影响，则银行会放松信贷的审核标准，继续向高风险企业提供贷款。此时，相比较低薪酬银行，高薪酬银行可能会更多地选择低风险项目实施稳健投资。同时非对称性利率调控或非对称性市场利率浮动的范围还会使银行存款利率和贷款利率之间的净利差被压缩，致使银行竞争加剧。为实现目标收益率，银行会增加贷款的数量和其他风险资产来增加利润，货币政策信贷传导效率降低，低薪酬银行对货币政策信贷冲减效应更为明显。同理，当中央银行试图采取降低市场基准利率的手段扩大银行信贷的投放时，利率的下降导致抵押物价值上升，企业贷款违约概率下降，银行降低自身的风险识别，贷款发放规模增加。同样如果薪酬的激励效应存在，银行会增加放贷的热情，提高货币政策信贷传导效率。若非对称性使利差缩小，则受制约于目标收益率，银行会通过增加风险承担来获取更大的收益，实现预期的高薪酬或维持已有的薪酬水平，对货币政策信贷扩张产生更大的促进作用。再者从道德风险方面考虑，还会增加货币政策的信贷扩张效应；利差收窄也会刺激道德风险效应的生成。

货币政策与高管薪酬共同通过银行风险承担对信贷传导效率产生综合影响的流程路径如图1所示①值得一提的是，作为调节作用风险承担自身与信贷增速也存在密切关系，从而导致内生性问题。但是实证结果表明内生性对本文影响作用很小，不会对文章最终结论产生较大影响。。综合上述分析结果可以看出，不同的货币政策工具与高管薪酬通过银行风险承担对货币政策信贷传导效率的影响在不同薪酬性质银行间产生的效果是不同且复杂的。多种机制作用下的最终影响结果依赖于非线性实证检验。基于结论总结，笔者初步提出如下待检验假设：

假设1：高管薪酬与银行风险承担之间存在非线性关系。

假设2：不同种类货币政策工具（价格型与数量型）在不同高管薪酬水平下对信贷影响的效力存在差异性。

假设3：我国2010年所出台的商业银行限薪政策会对信贷传导效率结果产生进一步影响。

图1 货币政策工具与银行高管薪酬对信贷传导效率影响的理论机制

四、数据选取与实证方法

（一）数据来源与样本选取

针对目前国内研究普遍遇到的商业银行数据可得性较低，质量不完善等问题，本文通过多渠道搜集数据并进行交叉验证。所选用的银行数据主要来源于Wind数据库、中国人民银行网站、中经网数据库、各商业银行公开披露的财务报告、中国金融统计年鉴、国泰安CSMAR数据库以及调研所得。

由于货币政策具有易变性和传导时滞，经验研究表明至少滞后1个季度的货币政策变化方会影响到银行信贷供给，所以为了更为准确地反映传导效应，本文以季度数据作为样本频率。在时间区间的选择方面，考虑到我国商业银行从2003年开始逐步剥离不良资产和进行股份制改造及上市，银行高管薪酬开始更多地向与经营绩效挂钩的制度转变，本文选取2007年1季度至2014年4季度作为研究区间。样本包括中国工商银行、中国建设银行、中国银行、招商银行、兴业银行等在内的13家国内A股上市银行，共416个有效观测值。由于农业银行、光大银行于2010年上市，此前的财务信息披露不完整，高管薪酬数据存在大量缺失，平安银行经历重大重组改制，数据连续性不强，因此这三家银行不被包括在本文的样本范围之内。

（二）变量说明与描述性统计

1.核心变量。

为了考察不同薪酬水平银行在货币政策信贷传导效率中的异质性影响，本文按照薪酬水平将样本银行划分为高薪酬银行与低薪酬银行两组。由于尽管银监会于2010年颁布的 《商业银行稳健薪酬监管指引》中将薪酬划分为基本薪酬、绩效薪酬、福利性收入等项下的货币和非货币收入，但实施中极少使用股票和期权等长期激励形式，且绝大多数银行只披露薪酬总额不披露薪酬结构，本文以银行高管货币收入前三名之和与董事、监事和高管货币总收入的平均数作为银行高管薪酬的代理变量，除以总资产得到高管薪酬占总资产比率，记为salary。薪酬高低的分类依据是：计算各银行所有样本时间点上salary的均值，排序后，将高于中位数的银行归为高薪酬银行组，低于中位数的银行归为低薪酬银行组。①计算结果显示，民生银行、兴业银行、中国银行、招商银行、中信银行和浦发银行进入样本内相对的高薪酬银行组；华夏银行、工商银行、交通银行、宁波银行、南京银行、建设银行、北京银行进入样本内相对的低薪酬银行组。

综合本文第二部分文献梳理的分析，选择风险加权资产比率（Risk）表征银行风险承担的程度。风险加权资产相对包含了更多形式的银行资产和风险类型。对2013年前所缺失的报表数据，笔者根据中国银监会对风险加权资产比率的计算依据和调研所得进行手动计算补充。选择银行贷款总额环比增长率作为货币信贷供给的代理变量，为了减少异方差效应对其进行对数处理并运用X12进行季节调整，调整后的数据记为Loan。由于从我国货币政策的实践来看，微观经济主体已成为经济利益最大化的行为主体，货币供应量内生性增强可控性降低，我们选择1年期贷款基准利率（R）和法定存款准备金率（RR）分别作为价格型和数量型货币政策工具的表征变量。同时，为了进一步反映货币政策适度宽松与收紧倾向的影响，引入两组二值虚变量down和up。若RR或R环比下降则down＝1，其他则down＝0；若RR或R环比上升则up＝1，其他则up＝0。

2.其他控制变量。

由于我国现行银行高管薪酬激励的绩效考核指标大多使用短期盈利和收益率，并参考上年和同业标准，从而导致前期盈利能力较强的银行更有动机追逐短期收益。本文选择以净资产收益率（ROE）作为银行盈利能力的表征变量。独立性强的董事会结构直接有助于抑制银行的过度冒险（Caprio等，2007［24］；Laeven 和 Levine， 2009［25］）。 本文选择独立董事占比（Ratio）作为银行内部风险约束的代理变量。较大的银行资产规模会激励银行产生大而不倒的逆向选择效应，从而增加风险承担。本文以银行总资产的自然对数（Asset）作为银行规模的代理变量。存贷比率直接约束了银行可发放信贷的总量，从而对货币政策传导的信贷效应产生影响。本文以Lr表征存贷比率。虽然近日我国银监会取消存贷比，但前期存贷比变量所产生的影响意义仍不可完全忽视。

表1显示了变量描述性统计结果。银行高管薪酬占总资产的比率平均为2.53×10-6。从年度情况来看，尽管经历2008年的国际经济金融危机期，但2008年相对2007年仍保持增长；2011年因薪酬文件的出台高管薪酬总额相对于2010年降低了约1 814万，实施降薪的银行占样本总量的70%，且降薪幅度与前期薪酬水平存在正向关系，其中宁波银行以429万的降薪幅度居第一位。对于不同所有者性质银行其风险承担变动趋势存在显著差异，其中国有商业银行呈现逐年递增的趋势，股份制以及城市商业银行风险承担水平变动幅度则较小且趋于稳定。上述风险承担变动趋势也可以说是系统重要性银行大而不倒的某种心理体现。2008年贷款增速最低，明显反映了当年紧缩型货币政策的影响，同时也与薪酬和风险承担的变动存在着对应。平均ROE保持在4.99%左右，独立董事占比平均为35.6%。资产规模从大到小的差异依次在国有商业银行、股份制商业银行和城市商业银行间拉大。

表1 变量的描述性统计结果

（三）实证方法与模型设定

由于银行高管薪酬与银行风险承担之间可能存在非线性关系，即风险承担随高管薪酬的增加而增加达到一定门限值后有出现下降的可能；信贷与银行风险承担、高管薪酬及其他控制变量之间同样可能存在非线性关系：因此，本文考虑通过引入二次项的形式建立3组面板模型进行非线性效应分析。即：反映银行高管薪酬与银行风险承担关系的面板模型；反映高薪酬银行组中货币政策调控工具变化通过银行风险承担对信贷影响的面板模型；反映低薪酬银行组中货币政策调控工具变化通过银行风险承担对信贷影响的面板模型。需要指出的是，由于因变量和当期自变量之间可能存在相互影响从而产生因反向因果关系而形成的内生性问题，本文在实证方程设计方面均采用选取滞后一期自变量和控制变量与当期因变量进行回归。这种处理方式也恰与滞后1个季度的货币政策变化会对信贷发放产生直接影响的多数经验研究结论相符合。为了规避因遗漏变量类型而产生的内生性问题，本文采用固定效应模型进行分析，从而通过一阶差分滤除不随时间变化的个体效应。固定效应的可行性通过Hausman检验确定。①虽然对于动态面板模型，系统GMM方法比差分GMM方法估计结果更有效。但出于本模型样本数量的实际情况，笔者放弃GMM方法，采用固定效应分析。在实证的过程中笔者也尝试使用系统GMM方法，但检验并不能通过。估计方法采用完全修正最小二乘法（FMOLS），并在高斯环境下运行。

针对假设1至假设3的内容，本文主要以如下方式进行具体检验。

第一，检验高管薪酬与银行风险承担之间是否存在非线性关系。非线性面板回归模型设定为：

其中i代表第i家银行，t代表时间。如果二次项系数α3显著且为负，则表明高管薪酬与银行风险承担之间存在显著的倒U型关系，反之为正U型。系数α2的正负表示图形处于上升或下降阶段。α4和α5表示控制变量的显著性。ξi，t为误差项。

第二，检验不同种类货币政策工具在不同高管薪酬水平下对信贷影响效力的差异。如果第一步确认高管薪酬与银行风险承担之间存在非线性关系，为表现不同薪酬水平的差异，分高薪酬银行和低薪酬银行两组进行方程检验。在考虑货币政策适度宽松与收紧倾向阶段的效应差异时，分别引入前文所设定的虚变量up和down与货币政策工具的交叉项。针对价格型货币政策工具的方程形式为：

其中以利率R表征价格型货币政策调控工具，以存款准备金率RR表征数量型货币政策调控工具。加入风险承担Riski，t的二次项是为了考察非线性效应。 根据（2）、（3）组方程和（4）、（5）组方程估计结果计算并比较对应的货币政策工具边际系数的差异，对应价格与数量型货币政策工具影响效果的差异。在交叉项系数显著的前提下，如果方程（2）中边际系数小于方程（4），则表明在货币政策适度收紧时期，数量型货币政策调控工具与高管薪酬水平对风险承担综合影响下的收紧信贷的效应强于价格型货币政策调控工具。同理，如果方程（3）中边际系数大于方程（5），则表明在货币政策适度宽松时期，价格型货币政策调控工具与高管薪酬水平对风险承担综合影响下的信贷宽松效果更为明显。高薪酬银行组估计结果在边际系数上与低薪酬银行组的差异反映不同高管薪酬水平对信贷效应的差异化影响。

第三，检验我国2010年出台商业银行限薪政策对结果的影响。我国2010年3月发布 《商业银行稳健薪酬监管指引》，开始对商业银行薪酬做出限制。为了衡量这一效应对问题结果的进一步影响，对方程（2）至（5）进行扩展，在其中加入二值虚变量Time的交叉项。考虑到政策的实施存在一定的时滞，大部分银行薪酬削减实际产生在2011年，本文以2011年1季度为分界点，若时间在此之前则Time＝0，之后Time＝1。由估计结果计算出的边际系数较检验2中结果的差异可以反映限薪政策的影响。

五、实证结果分析和稳健性检验

（一）高管薪酬与银行风险承担间的非线性关系存在性检验

根据模型（1）回归结果表2所示。模型调整的R2（AdjR2）为0.576 7。Salaryt-1和（Salaryt-1）2的系数均显著，且分别为负和正，表明银行高管薪酬水平与银行风险承担之间具有明显的正U型关系。即：在低薪酬情况下，薪酬的增加会显著降低银行的风险承担；当薪酬增加伊始时，银行高管或出于对已有薪酬所得、职业稳定性考虑，或因监管层对银行风险行为偏离监管点的惩罚，倾向于保持较低的风险承担；但当薪酬达到一定水平后，由于相对冒险成本的降低，薪酬激励效应显著增强，此时高管会通过放松对次优级项目的贷款获取更高的薪酬，表现为银行风险承担的增加。从而估计结果支持了本文的假设1，即高管薪酬与银行风险承担间存在非线性关系。从控制变量系数的估计结果看，ROE与Risk正相关，表明银行前期盈利性促使银行高管通过增加风险承担追逐更高收益。独立董事占比Ratio与Risk之间负相关①其他有关股权结构类的控制变量，如股权分散度等指标，估计结果并不显著。为了节省篇幅，笔者在此不赘述其他变量的检验过程。，说明银行董事会的独立性越强，银行过度风险承担的行为越能得到抑制。

表2 银行高管薪酬与风险承担的非线性关系

（二）对不同种类货币政策工具在不同高管薪酬水平下通过银行风险承担对信贷影响效力的差异性检验

通过对高薪酬银行组和低薪酬银行组的分样本估计，我们分别考虑了货币政策处于适度收紧和适度宽松期间内数量型和价格型货币政策调控工具的影响结果。表3至表6中所有调整的R2值在0.591 8和0.998 9之间，且各估计系数在统计上显著。银行信贷的滞后一期系数显著为正，一方面表明银行信贷发放在向其目标调整的过程中可能存在着短期调整成本，另一方面也表明下一期的银行信贷与当期高度相关，其动态变化具有连续性，这也从侧面一定程度上验证了本文采用动态面板模型进行估计的合理性。

具体来看， 根据表3和表4中第（5）、（6）、（7）行系数所计算的法定存款准备金率RR所产生的边际影响， 即A1＝γ3＋ γ4×Riski，t＋ γ5×Risk2i，t，A2＝φ3＋φ4×Riski，t＋φ5×Risk2i，t， 结果均为负， 表明中央银行通过提高（或降低）法定存款准备金率从而执行适度收紧（或适度宽松）的货币政策后，银行信贷供给量在总体上会对应减少（或增加），符合传统货币政策效应结果。

表3和表4中第（7）行的估计系数表明了法定存款准备金率在变动过程中带来了非线性关系，其在适度收紧货币政策环境下均呈现正U型关系，而在适度宽松货币政策环境下的低薪酬银行组中出现了倒U型的关系。即：存款准备金率的增加会通过银行风险承担行为的变化显著降低银行信贷供给，在达到一定限度之后，高薪酬银行高管为维持较高的薪酬选择过度危险性行为，减弱存款准备金率对信贷的收紧作用；而在低薪酬的环境下，出现薪酬激励效应递减，从而加速提高存款准备金率对信贷的收紧作用。这里，本文更为感兴趣的是，适度收紧货币政策环境下和适度宽松货币政策环境下法定存款准备金率所产生影响的差异，以及高薪酬银行与低薪酬银行组之间的差异。从数据结果看，显然，无论是高薪酬银行还是低薪酬银行，A1的绝对值均小于A2的绝对值，即：适度宽松货币政策环境下法定存款准备金率所产生的影响均大于适度收紧货币政策环境下法定存款准备金率所产生的影响；法定存款准备金对高薪酬银行贷款发放的影响的边际系数绝对值均小于对低薪酬银行影响的绝对值。这说明在适度收紧货币政策环境下具有较低薪酬的银行通常表现出对风险规避较高的敏感性，从而放大提高存款准备金率的收缩效应；在货币政策处于适度宽松时期具有较低薪酬的银行通常表现出对风险承担的较高热情，从而放大下调存款准备金率的宽松效应。这在一定程度上也表明，我国低薪酬银行的高管会相对高薪酬银行的高管在货币环境宽松时期选择进行更高的风险，薪酬激励并没有促使高薪酬银行大幅承担风险。

从控制变量的影响来看，银行规模和存贷比对货币政策信贷传导效率具有正向影响；资产规模大、其贷款供给受货币政策的影响越小。值得注意的是，盈利能力ROE估计系数为负，表明前期盈利能力较强的银行并没有过分地将利润投向高风险贷款组合，盈利能力弱的银行反而为改善落后的现状更倾向于风险项目。

表3 适度收紧货币政策环境下数量型货币政策工具对信贷的影响

表4 适度宽松货币政策环境下数量型货币政策工具对信贷的影响

续前表

价格型货币政策工具所产生的影响结果反映于表5和表6中。同理，根据表5和表6中第（5）、（6）和（7）行系数所计算的利率R所产生的边际影响，即A3＝β3＋β4×Riski，t＋β5×Risk2i，t，A4＝χ3＋χ4×Riski，t＋χ5×Risk2i，t， 结果均为负， 表明中央银行通过提高（或降低）利率从而执行适度收紧（或适度宽松）的货币政策后，银行信贷供给量会总体对应减少（或增加），符合传统货币政策效应结果。表5和表6中第（7）行的估计系数表明了利率在变动过程中带来了非线性关系，其在适度收紧货币政策和适度宽松货币政策环境下均呈现正U型的关系。即：利率的增加会通过银行风险承担行为的变化显著降低银行信贷供给，在达到一定限度之后，高管为维持较高的薪酬选择过度危险性行为，风险激励效应更为明显。适度收紧货币政策环境下和适度宽松货币政策环境下利率影响的差异，以及高薪酬银行与低薪酬银行组之间的差异表现为：无论是高薪酬银行还是低薪酬银行，A3的绝对值均小于A4的绝对值，即适度宽松货币政策环境下利率所产生的影响均大于适度收紧货币政策环境下利率所产生的影响。表示收紧环境下利率对高薪酬银行贷款发放影响的边际系数绝对值小于对低薪酬银行影响的绝对值；宽松环境下利率对高薪酬银行贷款发放影响的边际系数绝对值大于对低薪酬银行影响的绝对值。说明在适度收紧货币政策环境下具有较低薪酬的银行因薪酬所限表现出对风险规避较高的敏感性，从而放大提高利率的收缩效应；而在货币政策处于适度宽松时期，虽然具有高管薪酬较低的银行可能表现出对风险承担的较高热情，持续增加贷款发放，但值得注意的是，由于我国存贷利差的逐步收紧，即使利率下降，仍挤压了银行原有的利润空间，迫使部分原薪酬较高的银行出于对原有利润的维持而增加风险承担，从而可能表现出对利率变动的更大幅度反映。

综合表3至表6的分析结果，其表明，货币政策工具在不同银行高管薪酬水平下通过银行风险承担的变化对银行信贷传导效率具有重要影响；无论价格或数量型货币政策工具，在适度宽松货币政策环境下货币政策工具所产生的影响均大于适度收紧货币政策环境下所产生的影响。对比表3和表5，表4和表6，价格型货币政策工具较数量型货币政策工具的信贷传导效率更高，但在利润空间不受影响的前提下，高管薪酬较低银行的信贷传导效率较高，而高管薪酬较高银行的信贷传导效率较低。相反，当考虑利润空间所受的影响时，在利率下调但利差空间缩小的情形下，高薪酬银行的信贷传导效率相对较高。这些与薪酬水平受限时的风险约束和为维持原有较高薪酬而呈现的风险激励直接相关。

表5 适度收紧货币政策环境下价格型货币政策工具对信贷的影响

续前表

表6 适度宽松货币政策环境下价格型货币政策工具对信贷的影响

（三）进一步讨论：限薪政策对信贷传导效率的影响与全文的稳健性检验

上述经验分析支持了本文在第三部分理论机制分析中所提出的，有关货币政策工具与银行高管薪酬水平综合通过银行风险承担渠道影响银行信贷过程的假说。基于对实证结果稳健性的考虑，一方面需对回归方法的有效性进行检验，另一方面需对模型内容设定的有效性进行检验。前者依赖于残差独立性和Hansen检验，后者则可通过对比考量风险承担因素与否情况下货币政策对银行信贷传导效率影响结果的差异性，以及限薪政策是否带来结果上的变异来实现。从而也实现了对限薪政策对信贷传导效率影响的进一步探讨。

对于第一种情况，由于面板数据分析需假设模型的残差项为独立且正态分布的，而残差项之间实际可能并非完全独立，或与模型变量相关，从而导致所估计的系数标准差变小，t统计量变大，不能真实反映变量间的相关关系。据此，本文采用对银行和时间两维度进行相关性及异方差调整的方法①鉴于篇幅有限，在此不展示经自相关和异方差调整的全部回归结果，有兴趣的读者可与作者联系。。检验结果表明，方程（2）至（5）中涉及的自变量与因变量均呈现了显著的相关关系，加入控制变量后亦并不影响回归结果。考虑到若样本观测值较少则可能产生估计偏误，笔者在面板估计过程中还采用了Bootstrap法进行校正，得到了与前文相同的结果。在调整残差的异方差和序列相关性后，也仍然得到相同的结论。Hansen检验结果显示方程（1）至方程（5）中不同薪酬水平和不同货币政策工具代理变量下的估计均无法拒绝检验的原假设，即模型设定不存在过度识别的问题。上述检验表明本文的结果在估计方法上是稳健的。

对于后一种情况，笔者采用将不包含风险承担因素的估计结果与包含风险承担因素的估计结果相对比的方法进行分析。剔除后的估计结果对应于表3至表6中第（2）和第（5）列，其绝对值均小于包含风险承担因素估计结果中各类货币政策工具代理变量的边际系数，证实了银行风险承担在传导过程中所起到的作用不容忽视。我们还以从事后反映风险蕴含情况的Z值指标作为风险承担的另一表征变量，以银行同业拆借利率和广义货币M2增长率分别表征价格型和数量型货币政策调控工具，对面板模型进行重新估计，发现无论是不同银行薪酬水平还是不同种类以及环境下货币政策工具变量的符号与显著性均基本与之前保持一致，即本文的基本结论是稳健的。②鉴于篇幅有限，这里笔者暂不列表显示重新估计的结果，而仅在文字中给出结论。

此外，进一步讨论，鉴于2010年以后，我国银行监管部门对银行提出了薪酬水平指导意见，而大部分银行薪酬削减实际产生在2011年，可能对待估计方程结果产生影响，故引入虚拟变量Time来反映这种差异，即将2011年第1季度以后银行样本对应的Time取值为1，其余情况取值为0。估计结果显示，2011年1季度开始所计算出的货币政策工具影响的边际系数的绝对值较检验2中边际系数的绝对值存在差异，即限薪政策能够有效提高商业银行对紧缩性货币政策的收缩效果，提升信贷传导效率，但是无法有效刺激扩张性货币政策对商业银行信贷投放的热情。③鉴于篇幅有限，这里笔者暂不列表显示全部估计结果，仅在文字中给出结论，有兴趣的读者可与作者联系。这也并未影响前文的基本结论。

六、结论与政策建议

本文选取2007年第1季度至2014年第4季度经筛选后的中国13家A股上市商业银行作为研究样本，采用非线性动态面板数据模型，针对货币政策工具和银行高管薪酬能否通过风险承担态度的改变对货币政策信贷传导效率产生综合影响，划分不同货币政策环境、货币政策工具以及银行薪酬水平进行了分析研究。研究证实了货币政策工具与高管薪酬水平同时通过风险承担行为对信贷传导效率影响的重要作用，并且这一影响存在非线性关系。主要结论可归纳为如下几点：第一，我国商业银行风险承担与高管薪酬间存在显著的正U型非线性关系。即：在低薪酬情况下，薪酬的增加会显著降低银行的风险承担；当薪酬增加伊始时，银行高管或出于职业稳定性等因素的考虑，倾向于保持较低的风险承担；但当薪酬达到一定水平后，薪酬的增加会因相对冒险成本的降低而扩大银行风险承担水平。第二，以风险加权资产比率作为银行风险承担表征变量，货币政策工具在不同银行高管薪酬水平下通过银行风险承担的变化对银行信贷传导效率具有重要影响。无论价格或数量型货币政策工具，在适度宽松货币政策环境下货币政策工具所产生的影响均大于适度收紧货币政策环境下所产生的影响。价格型货币政策工具较数量型货币政策工具的信贷传导效率更高，但在利润空间不受影响的前提下，高管薪酬较低银行的信贷传导效率较高，而高管薪酬较高银行的信贷传导效率较低。相反，当考虑利润空间所受的影响时，在利率下调但利差空间缩小的情形下，高薪酬银行出于对原有利润的维持而增加风险承担后的信贷传导效率相对更高。第三，我国2010年出台的限薪指导意见能够有效提高商业银行对紧缩性货币政策的收缩效果，提升信贷传导效率，但是无法有效刺激扩张性货币政策对商业银行信贷投放的热情。

根据上述实证研究结论，本文认为存在以下几方面相关政策建议：第一，我国2010年颁布的《商业银行稳健薪酬监管指引》在一定程度上限制了银行业薪酬的持续膨胀。将高管薪酬控制在相对较低的水平下，可通过薪酬与风险承担的正U型变动关系有效降低银行风险资产规模，在一定程度上维护金融系统的稳定性。第二，适度宽松与收紧的货币政策对银行信贷影响的差异反映出，适度的货币扩张一般能有效调动银行信贷投放热情提高信贷传导效率，而相同条件下适度收紧的货币政策往往会引致银行逆向选择从而对冲实施效果。对于后者我们一方面需要强化与银行资本监管或宏观审慎管理政策的有效配合机制，另一方面改革银行高管薪酬激励资源体系，将配合的协调性纳入考核标准。第三，货币政策对不同薪酬水平银行信贷效果影响的差异性为政策制定部门制定差别化的动态管理措施提供了理论借鉴。货币政策的实施不仅需要继续维持与重要性银行政策效果的沟通与配合机制，而且需要加强对银行薪酬分级监管，特别是在适度宽松的货币政策环境下对高薪酬银行实施差异化的风险资本监管。在薪酬制定上可增加发挥独立董事的作用，限制银行的过度风险承担行为。

［1］Rajan R G.Has Financial Development Made the World Riskier？［R］.NBER Working Paper， 2005.

［2］Borio C， Zhu H.Capital Regulation， Risk-Taking and Monetary Transmission Process： A Missing Link in the Transmission Mechanism？［R］.BIS Working Paper，2008.

［3］Gambacorta L.Monetary Policy and the Risk-Taking Channel［J］.BIS Quarterly Review， December， 2009： 43-53.

［4］Chen C R，Steiner T L， Whyte A M.Does Stock Option-based Executive Compensation Induce Risk-Taking？ An Analysis of the Banking Industry［J］.Journal of Banking and Finance， 2006（30）： 915-945.

［5］孔爱国，卢嘉园.市场约束、商业银行治理与风险的实证研究［J］.金融研究，2010（5）：102-115.

［6］宋清华，曲良波.高管薪酬、风险承担与银行绩效：中国的经验证据［J］.国际金融研究，2011（12）：69-79.

［7］江曙霞，陈学婵.货币政策、银行资本和风险承担［J］.金融研究，2012（4）：1-16.

［8］刘生福，李成.货币政策调控、银行风险承担与宏观审慎管理——基于动态面板系统GMM模型的实证分析［J］.南开经济研究，2014（5）： 24-39.

［9］Brunner K， Meltzer A H.Money and Credit in the Monetary Transmission Process［J］.American Economic Review， 1988（2）： 446-451.

［10］Bernanke B S， Blinder A S.Credit， Money and Aggregate Demand［J］.American Economic Review， 1988（8）： 435-439.

［11］Bernanke B S， Gertler M.Inside the Black Box： The Credit Channel of Monetary Transmission［J］.Journal of Economic Perspective， 1995（9）：27-48.

［12］Delis M D， Kouretas G.Interest Rates and Bank Risk Taking［R］.MPRA Working Paper， 2010.

［13］Bush C， Eickmeier S， Prieto E.In Search for Yield？ New Survey-Based Evidence on Bank Risk Taking［R］.Cesifo Working Paper Series，2011.

［14］陈龙腾，何建勇.资本监管、风险承担与货币政策传导机制——研究综述与展望［J］.税务与经济，2011（2）：1-7.

［15］张雪兰，何德旭.货币政策立场与银行风险承担——基于中国银行业的实证研究（2000—2010）［J］.经济研究，2012（5）：31-44.

［16］徐明东，陈学彬.货币环境、资本充足率与商业银行风险承担［J］.金融研究，2012（7）：48-62.

［17］茆训诚，王周伟，吕思聪.基于风险溢出关联特征的CoVaR计算方法有效性比较及应用［J］.经济评论，2014（4）：148-160.

［18］洪正，申宇，吴玮.高管薪酬激励会导致银行过度冒险吗？——来自中国房地产信贷市场的证据［J］.经济学（季刊），2014（4）：1585-1614.

［19］Maddaloni A， Peydró J， Scopel S.Does Monetary Policy Affect Bank Credit Standards？［R］.ECB Mimeo， 2008.

［20］Core J E， Guay W R.The Other Side of the Trade-Off： The Impact of Risk on Executive Compensation-A Comment［R］.SSRN Working Papers， 2001.

［21］Coles J L， Daniel N D， Naveen L.Managerial Incentives and Risk-Taking［J］.Journal of Financial Economics， 2006（2）： 431-468.

［22］Haq M， Pathan S， Williams B.Managerial Incentives， Market Power and Risk-Taking［R］.SSRN Working Papers， 2010.

［23］Cheng I-H， Hong H， Scheinkman J A.Yesterday's Heroes： Compensation and Creative Risk-Taking［R］.NBER Working Paper， 2010.

［24］Caprio G， laeven L， levine R.Governance and Bank Valuation［J］.Journal of Financial Intermediation， 2007（16）： 584-617.

［25］Laeven L， Levine R.Bank Governance， Regulation and Risk Taking［J］.Journal of Financial Economics， 2009（93）： 259-275.