农村商业银行流动性风险实证分析：8家银行例证

黄渝博　王超云

[摘要]针对我国农村商业银行流动性风险计量问题进行了实证研究，以我国8家典型农村商业银行近9年来的经营数据为基础，综合多项流动性风险指标，采用主成分分析法建立流动性风险度量模型，计量出各家农村商业银行的风险水平，计量结果与我国近年流动性实际情况较为吻合。最后依据计量结果提出了具体的流动性风险管理建议。

[关键词]流动性风险；农村商业银行；主成分分析

[DOI]1013939/jcnkizgsc201832040

流动性风险是指商业银行的资金来源无法满足其正常业务需求或在债务到期时无法履约的风险。流动性风险是商业银行在经营过程中面对的主要风险之一，也是最具破坏力的风险，该风险管理的效果直接影响到商业银行的经营状况，因此各国金融机构都对自身的流动性风险管理高度重视。农村商业银行作为我国金融系统的重要一员，在复杂的农村金融环境和激烈的区域市场竞争中，如何在发展前进的同时降低自身的流动性风险，已经成为所有农村商业银行亟待解决的重要问题。

文章将结合我国8家有典型性代表的农村商业银行近9年的指标数据进行流动性风险实证研究，分析流动性风险的评价指标，建立流动性风险度量模型，计量出农村商业银行的风险水平，给出完善农村商业银行流动性风险预警和监测管理的优化建议。

1模型构建

我国各地区经济发展水平程度不均，而农村商业银行的资产规模和经营状况受区域经济影响较大。为此，文章选取了8家典型农村商业银行近9年的数据指标进行分析，8家银行为北京农村商业银行、上海农村商业银行、重庆农村商业银行、广州农村商业银行、顺德农村商业银行、南海农村商业银行、常熟农村商业银行、吴江农村商业银行，它们是我国有代表性的农村商业银行，各家2015年底的总资产规模分布于500亿～7500亿元人民币，基本上能够反映我国农村商业银行体系的基本情况。

针对流动性风险指标的选择问题，文章结合我国农村商业银行自身风险的特点，根据中国银行监督委员会发布的风险指标以及《巴塞尔协议Ⅲ》的相关理论，选出了一些有代表性且能较全面反映农村商业银行流动性风险现状的指标，具体如表1所示。文章的被解释变量为流动性风险度量（Liquidity Risk Measurement，LRM）指标，该指标数值越高，表示其所属农商行面临的流动性风险越高。解释变量包括流动性比率X1、资本充足率X2、不良贷款率X3、存贷比X4、资产负债率X5、拆入拆出比X6等。流动性比率和存贷比是商业银行流动性风险监管的重要指标，资本充足率和不良贷款率则是银行资本和资产质量的衡量指标，资产负债率和拆入拆出比是评价商业银行负债水平的综合指标。其中，需对流动性比率和资本充足率进行正向化处理。将所选取数据导入SPSS19软件，计算出流动性比率等6项指标的相关系数矩阵这一统计特性，再利用该软件中的因子分析工具，计算出相关系数矩阵的特征值、方差解释程度和累计方差解释程度等数值，采用主成分分析法，以方差累积贡献率大于85%作为标准选取主成分。前4个主成分对原来的6个原始指标的数据的信息解释程度达到了92164%，符合主成分分析的要求。有理由相信前4个主成分所包含的信息可以基本代表所有数据的信息，因此，文章选定前4个主成分表示4个流动性风险因子，是对 6个原始流动性指标的替换，各风险因子的计算公式为：

Factor1=-0525X1+0907X2+0916X3-0095X4+0764X5+0291X6Factor2=0075X1+0230X2+0178X3+0953X4-0367X5+0134X6Factor3=0501X1+0020X2-0151X3-0072X4+0168X5+0852X6Factor4=0682X1+0209X2+0183X3-0022X4+0154X5-0406X6

风险因子Factor1主要是由资本充足率、不良贷款率和资产负债率共同决定；风险因子Factor2中，存贷比占比重明显高于其他指标；风险因子Factor3则主要是由拆出拆入比构成；风险因子Factor4主要是由流动性比率决定。从表中可以看出，相比主成分分析之前的6项指标，这些风险因子之间的独立性更高，其相关性也更低。

以各主成分风险因子对应的方差贡献率在4个主成分中的占比为权重，将这4个风险因子整合为一个指标——流动性风险度量（LRM）指数。权重表示各风险因子在LRM指数中的重要占比，LRM指数能够较为全面地反映农村商业银行流动性风险，可用公式表示为：

LRM=04487Factor1 +02104Factor2 +01810Factor3+01599Factor4

根据各风险因子的含义可知，某家农村商业银行的LRM数值越大，表示该银行的流动性风险越高。

2实證结果及分析

21综合排名

首先根据表1给出的各主成分系数计算各主成分风险因子的权重，根据上节公式可以计算出8家银行近9年的Factor1至Factor4影响因子数值和流动性风险度量（LRM）数值，再计算2011年至2015年这五年数值的平均值，即表2中各列取值，并将8家银行的LRM数值进行排名，得到各商业银行流动性风险评价表，如表2中最后一列所示。

由表2可以看出流动性风险较大，综合排名前三位的分别是北京农商行、常熟农商行和上海农商行。同时结合各个因子得分情况，北京农商行的风险因子Factor1明显高于其他农商行，说明其近五年来资本充足率较低、不良贷款率较高。常熟农商行的风险因子Factor1和Factor2均较高，说明资产质量和存贷比较差，但优于北京农商行。上海农商行的Factor2和Factor3较高，说明其存贷比较大，同时拆出资金量较大。流动性风险较小的两家分别是顺德农商行和重庆农商行。从表中可以看出，顺德的风险因子Factor1最低，说明其资产质量最优。重庆的风险因子Factor1和Factor2均较低，降低了综合风险系数。

22整体分析

文章以资产规模大于5000亿元的农村商业银行定义为大型农村商业银行，包括北京农村商业银行、上海农村商业银行、重庆农村商业银行、广州农村商业银行；其余四家资产定义为中小型农村商业银行，其资产规模在500亿元到2500亿元之间。根据前一节计算出的8家农村商业银行2007年至2015年的LRM指数，结果如图1和图2所示，下面结合两图对计算结果进行对比分析。

首先综合图1和图2来分析农村商业银行流动性风险度量（LRM）指数的总体趋势。2007年到2008年，农村商业银行的LRM指数较大，即流动性风险较高。其原因在于 2007 年金融危机爆发，农村商业银行由于规模较小，应对金融风险的能力较差，其给农村商业银行的流动性状况带来了不利的影响。

2008—2012年，LRM指数逐渐降低，随着金融危机的渐渐缓解，企业的经营状况逐渐好转，经济也逐步繁荣起来，客户回流，资金来源增加，所以，流动性水平也显著地提高。

2013年，我国的宏观流动性突然收紧，农村商业银行的LRM指数也随之陡增，即流动性风险也显著上升，导致出现了2013年6月底的“钱荒”事件。此时的流动性风险上升主要原因是银行等金融机构的负债业务增多，加之资产与负债的期限错配，导致流动性风险不断增大。

2014年后的流动性风险得到一定的控制，这是由于，随着近两年国家金融政策的侧重，各银行也更加重视流动性风险升高带来的潜在危险，农村商业银行也在经营管理上注意防范，流动性风险水平较2013年有所降低。

23分类分析

分开来看，从2007年到2013年，大型农村商业银行和中小型农村商业银行一直有着较为接近的流动性风险，然而近两年却开始逐渐分化。大型农村商业银行是农村商业银行中的佼佼者，但从2014年开始，其流动性风险逐渐高于中小型农村商业银行。

究其原因，随着我国一二线主要城市的高速发展，银行间的竞争也逐渐白热化，而大型农村商业银行与所在城市的大型国有商业银行相比资产规模较低，经营业务较窄，区域客户有限，为了争取更多客户，保证盈利水平，不惜提高一定程度的流动性风险来与其他商业银行竞争。而中小型农村商业银行受所在区域经济水平较低，所在城市国有商业银行进驻较少，对其经营冲击较小。

但是，由于资产规模较低、业务范围较窄等原因，农村商业银行整体的抗流动性风险能力还是相对较弱，需要继续改善。同时，随着互联网金融兴起，无论是大型还是中小型农村商业银行，都将面临更多的竞争和挑战，在关注经营状况提高盈利水平的同时，其流动性风险也应得到更多关注。

3结论及政策建议

农村商业银行仍属于区域内小规模的金融机构，受当地经济状况的影响较大，抵抗流动性风险的能力也较为薄弱，应当注重流动性风险的监测和管理。本节将结合模型分析结果，具体提出以下建议。

第一，提高流动性风险管理意识。要建立包括流动性覆盖率、拆入拆出比、流动性缺口率等涵盖各项指标的预警体系。同时设置流动性风险预警目标、制度流程，并设置预警临界值，多部门联动，预防这些指标值达到预警临界点。同时，按照应急处理机制进行流程演练。

第二，完善流动性管理监测系统。尽快完善流动性风险基础数据库，并对已有的数据进行更新，运用数理分析和统计工具，建立与计量指标相一致的数据仓库，以弥补农村商业银行在流动性管理方面起步较晚和风险意识落后的缺陷。

第三，加强外部监管与政策支持。监管部门应侧重帮助农村商业银行完善自身的流动性风险等各类风险的管理政策、程序和应急措施，加强对其诸如理财等各类表外业务的监管行为和措施，要求农村商业银行规范发展理财业务，加强操作风险防控。

同时，农村商业银行是农村金融的重要组成，国家应充分发挥农村商业银行支持“三农”的一贯性信贷支持政策，并给予相应的配套优惠措施，助力农村商业银行不断提升风险管理水平，促进农村金融健康发展。

参考文献：

[1]FRANKLIN A， DOUGLAS G Financial contagion[J]. Jurnal of Political Economy， 2000， 108 （1）： 1-33

[2]MARCIA M C， JAMIE J M， PHILIP S Liquidity risk management and credit supply in the financial crisis[J]. Journal of Financial Economics， 2011， 101（2）：297-312

[3]JAN W E， MOSTAFA T When liquidity risk becomes a systemic issue： Empirical evidence of bank behavior[J]. Journal of Financial Stability， 2012， 8（2）： 107-120

[4]巴曙松，何雅婷，曾智 货币政策、银行竞争力与流动性创造[J]. 经济与管理研究， 2016， 37（12）：45-56

[5]楊博，魏先华，杨晓光 欧债危机中商业银行流动性管理研究——主权信用评级变化差异的视角[J]. 管理评论， 2015，27（5）： 11-20

[6]顾晓安，朱书龙 单个银行短期稳定性水平测度研究——基于修正的流动性缺口率指标[J].管理评论， 2016，28（2）： 35-48

[7]刘志洋 商业银行流动性风险、信用风险与偿付能力风险[J]. 中南财经政法大学学报， 2016（3）：52-59

[8]马宇 我国农村信用社流动性风险影响因素的实证分析[J]. 金融理论与实践， 2012（2）：31-34

[9]杨晓丽，李洪照 农村信用社流动性风险水平及影响因素研究[J].金融理论与实践， 2015（3）： 76-79

[10]中国银监会 商业银行流动性风险管理办法（试行）[Z].2014

[作者简介]黄渝博（1988—），男，河南周口人，供职于郑州市市郊农村信用合作联社，会计硕士，中级经济师，研究方向：银行风险管理、财务管理；王超云（1985—），女，河南周口人，供职于中国农业银行河南省分行，国际金融理财师，中级经济师，研究方向：银行理财、风险管理。