银行业杠杆率的影响因素及其GMM方法检验

沈超

摘 要：本文基于2013—2017年中国15家股份制银行和城市商业银行的面板数据，运用GMM-OLS-FE方法对影响银行业杠杆率的因素进行实证分析。研究结果表明：资本充足率、核心资本充足率、产权比率、权益乘数均对杠杆率具有显著性影响。其中，核心解释变量资本充足率与杠杆率之间具有显著正向影响。新常态下，去杠杆与化解金融风险的背景下，加强金融体系监管、构建风险预警模型也同样成为中国银行业亟待考虑的问题。

关键词：资本充足率;杠杆率;新常态;GMM-OLS-FE

一、引言

新常态下，我国政府部门以及非金融机构的杠杆率（通常用债务/国民生产总值GDP来表示）呈现出上升趋势。与发达国家相比较，从整体上来说，其债务水平较低，但是潜在的风险不容忽视，主要反映在隐性债务偏多和债务水平的较快增长这两个方面。正所谓“无杠杆不金融”，杠杆效应在经济发展中起着不可或缺的作用。但是，“双刃剑”的身份要求国家把化解金融风险摆在更加核心的地位，适当降低杠杆率，大力推进供给侧结构性改革，做到稳经济、保增长，夯实经济结构，扩大有效供给，成为当前经济平稳发展的必由之路。

自2015年12月中央经济工作会议以来，供给侧结构性改革一直是我国经济工作的重心，去杠杆正是这一项工作的重要成分。2018年，中央对经济工作做出了具体的部署，会议上强调，在整个金融领域，牢牢坚守住不发生系统性金融风险这一底线，打好化解金融风险攻坚战，进一步深化了金融去杠杆。杠杆，顾名思义，正是用小规模的资金去撬动大规模的资本，杠桿率的存在，成为衡量金融风险的一项重要指标。截至2017年底，我国的政府部门、居民部门、金融机构部门、非金融机构部门的杠杆率均增长明显，整体宏观杠杆率上升至250.3%，金融风险较大，化解金融风险刻不容缓。

杠杆率是衡量金融风险的一项重要指标。从微观的角度来说，杠杆率通常用资产负债率（即负债/资产）的大小来衡量，该项指标反映在资产中负债所占的比重。从负债的角度来说，它反映了企业在未来某一个时点上所需要偿付的债务，进而反映了一定的压力和迫切性。从资产的角度来说，反映出一个企业的经济资源和相应的盈利能力，将二者结合起来，可以对一个企业进行有效的绩效评估，进一步考量其风险性与稳定性。从宏观的角度来说，杠杆率通常用债务总规模/国民生产总值（GDP）来表示，宏观杠杆率上升，意味着国家债务负担也相应的加重，伴随着一系列风险的升高，如偿付风险、外汇风险、流动性风险等。

二、文献回顾与问题提出

纵观国内外文献，无论是房地产业、金融业，还是整个宏观经济体系，有关杠杆率的研究已经取得了许多阶段性的成果。目前代表性的研究成果包括：黄伟彪（2018）针对房地产企业普遍存在的高杠杆率，并且由此引发的一系列金融泡沫风险，提出如何化解金融风险的政策化建议[1];马斌等人（2018）基于16家上市银行的动态面板数据，采用GMM估计方法，验证了银行杠杆率对其信用风险的影响[2];罗萍等人（2018）借助Bankscope和Wind数据库的相关数据，分析得出杠杆率对系统风险的影响，并表现出顺周期性的特点[3];郑兴涛等人（2018）从中小商业银行的角度，研究了杠杆率现状及去杠杆的影响分析[4];胡梦奇（2018）基于16家商业银行的面板数据，得出资本充足率与金融风险成正比[5];郝慧刚（2018）基于央行的角度，分析高杠杆率带来的各种潜在风险，提出通过充分利用银行间市场及利率的政策工具，减少利息支出来降低企业负担[6];任晓怡等人（2017）基于空间面板杜宾模型，得出我国地区整体杠杆率呈现出空间扩散趋势，要多方面协调经济结构改善、人力资源优化等来维持金融体系的稳定性[7];马勇等人（2016）立足于91个国家在30年之间的样本数据进行实证分析，得出杠杆率与金融稳定性呈负相关关系的结论[8];程毓（2013）基于发达国家及我国的杠杆率现状，要求在金融创新基础上加强金融体制监管[9];祝小宇（2014）根据由地方投融资平台带来的可能影响整个国家安全性的金融风险，提出对不同地域实行差异性的信贷政策与措施[10];袁鲲等人（2014）基于15家上市银行2003—2012年的面板数据，研究结果表明加强杠杆率监管，可以提高银行资本和降低风险水平[11]。

当前，学术界把视角主要集中在探讨杠杆率与金融风险的关系上，建立各种模型进行实证分析得出结论，并提出相关去杠杆化解金融风险的政策建议。然而，鲜有文献从杠杆率的内生机理出发，去探讨相关内生变量对杠杆率的影响。基于此，本文以8家股份制银行和7家城市商业银行为研究对象，探究资本充足率和不良贷款拨备覆盖率对杠杆率的影响，旨在为银行业加强金融监管，化解金融风险汇聚新思路。

三、模型构建和变量选取

（一）模型构建

为了确保实证结果的有效性，本文基于2013—2017年15家银行的动态面板数据，结合了研究对象在横截面和时间序列两个维度上的变化，采用资本充足率作为本文的核心解释变量，再进行稳健性检验，因此本文模型可表示如下：

其中，被解释变量ln（lr）是杠杆率，核心解释变量car是资本充足率，npcr、ccar、em、prp、dlr是控制变量，考虑到银行业杠杆率受多种因素影响，并依据数据可获得性原则，选取不良贷款拨备覆盖率npcr、核心资本充足率ccar、权益乘数em、产权比例prp、存贷比例dlr作为控制变量，ε则为随机误差项。

（二）变量选取

1. 被解释变量

杠杆率（ggl）。杠杆率作为衡量金融风险的一项关键指标，通常反映权益资本撬动资产的能力。由于我国加强关于银行业杠杆率监管的时间不长，部分银行杠杆率数据缺失，王连军（2018）根据《巴塞尔协议III》及银监会相关规定，杠杆率=（一级资本-一级资本扣减项）/调整后的表内外资产余额[12]。

2. 核心解释变量

资本充足率（car）。资本充足率表示银行等金融机构中存款人与债权人在资产遭遇损失之前，其能够利用自有资产抵御损失的程度，通常用资本总量与风险加权资产的比值来表示，管理当局通过对资本充足率进行监测，以达到对银行业金融风险的监管效果。赵静等人（2018）通过实证分析55家商业银行的面板数据，发现资本充足率监管套利严重，资本充足率提高商业银行风险承担，杠杆率降低了商业银行风险承担[13]。

3. 控制变量

除了上述两种变量以外，本文还引入其他可能影响杠杆率水平的因素作为控制变量，包括核心资本充足率（ccar）、不良贷款拨备覆盖率（npcr）、权益乘数（em）、产权比率（prp）、存贷比例（ldr）。另外，在建模之前，把每个控制变量取对数ln，不仅能够消除可能存在的内生性问题，还能够降低多重共线性对实证分析结果的影响。

其中，不良贷款拨备覆盖率是银行业出于审慎经营，衡量金融风险的重要指标，表示在贷款中呆坏账准备金的使用比例，反映银行业是否计提了充足的贷款损失准备金，是否在应对各种信用风险时具有较好的适应性。彭建刚等人（2015）对银行业的不良贷款率与拨备覆盖率进行格兰杰因果检验，研究结果表明在5%显著水平下，不同滞后期二者的关系不同[14]。

另外，核心资本充足率反映的是核心资本和相关加权风险资产总和的比率。梁斯等人（2014）采用PVAR模型探究影响银行业核心资本充足率的因素，通过GMM估计，发现核心资本充足率受到净利润增速和资本水平指数的显著性影响，并且除了不良贷款以外，其余变量对其均具有正向影响[15]。

（三）数据来源和描述性统计

本文实证分析数据的样本空间是中国15家银行的动态面板数据，包括8家股份制银行和7家城市商业银行，时间跨度为2013—2017年，数据来源于各大银行年报和东方财富网;描述性统计如下表1所示。

四、实证分析结果

（一）回归结果及分析

本文就资本充足率变量实证结果分析，依据模型1-6可以看出，资本充足率变量系数在99%的置信区间内显著，这表明银行业杠杆率水平明显受到资本充足率的影响，且存在着正向影响关系。

就核心资本充足率的实证结果来看，该变量系数也在99%的置信区间内显著，这也证明了银行业核心资本充足率与杠杆率之间的正向关系。

产权比率回归系数在模型5中与杠杆率呈现显著负相关。究其原因，银行业产权比率是衡量资本充足性的重要指标，产权比率与财务风险成反比。一般说来，产权比率越高，财务风险越小;反之，财务风险越大。而银行业杠杆率也是衡量金融风险的重要指标，从侧面反映其偿债能力，在金融去杠杆的背景下，杠杆率高的企业承担着较高的金融风险。

从实证结果我们可以看出，在模型3-6中，存贷比例占比系数并不显著;同时，在模型4-6中，不良贷款拨备覆盖率系数也不显著，这与国内相关研究略有不同。在仔细研读文献的基础上，马斌等人（2018）在研究商业银行杠杆率对我国金融风险的影响时指出：商业银行自身具备的特征变量对银行信用风险存在影响，然而针对不同类型的商业银行，影响程度也不尽相同，普遍存在的结论并不一直存在，因此会有不同的结论。

（二）稳健性检验

通过对回归结果进行分析，得到银行业资本充足率与杠杆率显著正相关。为了更加深入地识别资本充足率与杠杆率之间的关系，笔者对此进行了稳健性检验。

稳健性检验的结果如表2模型7所示，通过实证分析发现，银行业资本充足率变量系数在99%置信区间内依然正向显著，这表明银行业资本充足率与杠杆率之间确实存在着正相关关系。同时，稳健性检验的回归结果变化较小，进一步证明了结论的稳健性。

五、主要结论与政策性建議

（一）主要结论

本文基于2013—2017年中国15家股份制银行和城市商业银行的面板数据，通过建立回归模型以分析各个变量之间的关系。本文以银行业资本充足率为核心解释变量，杠杆率为被解释变量，不良贷款拨备覆盖率、产权比率等作为控制变量，考察资本充足率与杠杆率之间的关系。实证结果表明：银行业资本充足率与杠杆率之间存在正向关系，在99%置信区间内显著，并且进行了稳健性检验，检验结果证明：在加入了工具变量之后，银行业资本充足率对杠杆率的影响依旧在99%置信区间内显著，这表明银行业资本充足率与杠杆率确实存在正向关系，稳健性检验效果非常好。

（二）政策性建议

基于前文的分析可以看出，杠杆率是衡量银行业金融风险的一项重要指标，银行业同时又是一个存在高风险经营模式的行业，金融监管过程中必须严格把关各项财务指标，以达到保证自身经营效益的目的。因此，本文针对当前的经济大环境提出如下政策性建议：

1. 加强金融风险的监管。无论是股份制银行还是城市商业银行，在金融风险的监管过程中，都必须合理把控其自身的经营风险，尤其是信用风险。在互联网金融时代，利用大数据、人工智能等技术对银行业的信用风险进行合理评估，建立风险预警模型。同时，定期考核银行业的资产结构稳定性，充分掌握资本运营情况，从而加强各项监管指标的监管。

2. 拓宽业务，稳健性经营。伴随着互联网金融的崛起，传统金融业务受到了冲击。银行业需要与时俱进、推陈出新，把传统的金融业务与互联网结合起来，拓宽中间业务的发展，加强业务创新。另外，要适当调节资产结构，减少高风险资产所占的比例，在不断提升经营效益的同时，防范资产规模增长过快。

3. 监管拒绝“一刀切”，采用灵活的监管政策。自金融危机爆发10多年来，监管部门一直高度重视资本充足率这一核心指标，尤其在资本充足率的准入门槛方面，认为资本充足率越高越好。然而，这种认识是片面的。有关监管部门应当充分考虑行业情况、财务状况、偿债能力等方面因素，在银行业不同的发展阶段制定切实有效的监管政策。同时，依据自身效益最大化原则，划分不同的资本充足率标准，构建分时间、分地域的动态监管指标，以实现银行业，乃至整个金融业未来发展的长治久安。

参考文献：

[1] 黄伟彪.我国房地产企业高杠杆风险及防范对策[J].住宅与房地产，2018，（24）：20-21.

[2] 马斌，范瑞.杠杆率监管对我国上市商业银行信用风险的影响——基于动态面板模型的系统GMM估计[J].经济问题，2019，（1）：41-47.

[3] 罗萍，周刚.商业银行杠杆率与系统性风险——来自我国商业银行的经验[J].湖北社会科学，2018，（7）：81-88.

[4] 郑兴涛，朱蕾.我国银行杠杆率现状及去杠杆影响分析——基于中小商业银行的视角[J].河北金融，2018，（8）：3-8，21.

[5] 胡梦奇.金融去杠杆对银行财务风险的影响[J].当代经济，2018，（15）：36-37.

[6] 郝慧刚.中小商业银行资产负债多元化趋势及其风险分析[J].华北金融，2018，（3）：38-42.

[7] 任晓怡，汤子隆，唐松.区域杠杆、经济增长与金融稳定——基于空间面板杜宾模型的研究[J].新疆社会科学，2017，（5）：14-24，148.

[8] 马勇，田拓，阮卓阳，朱军军.金融杠杆、经济增长与金融稳定[J].金融研究，2016，（6）：37-51.

[9] 程毓.发达国家去杠杆化对我国的启示[J].当代经济，2013，（4）：76-77.

[10] 祝小宇.地方投融资平台公司金融风险防范与化解[J].经济体制改革，2014，（1）：152-155.

[11] 袁鲲，饶素凡.银行资本、风险承担与杠杆率约束——基于中国上市银行的实证研究（2003—2012年）[J].国际金融研究，2014，（8）：52-60.

[12] 王连军.去杠杆化与银行体系稳定性研究——基于中国银行业的实证[J].国际金融研究，2018，（10）：55-64.

[13] 赵静，王海杰，卢方元.银行治理视角下资本监管对银行风险承担的影响研究[J].南京社会科学，2017，（8）：27-35.

[14] 彭建刚，邹克，張倚胜.不良贷款率对银行业影响的统计关系检验[J].湖南大学学报（社会科学版），2015，29（5）：58-64.

[15] 梁斯.商业银行核心资本充足率的影响因素——基于中国上市银行的实证分析[J].金融论坛，2014，19（10）：64-72.

[16] 谭政勋，庹明轩.不良贷款、资本充足率与商业银行效率[J].金融论坛，2016，21（10）：40-50.

[17] Yener Altunbas，Santiago Carbo，Edward P.M. Gardener，Philip Molyneux. Examining the Relationships between Capital， Risk and Efficiency in European Banking[J]. European Financial Management，2007，13（1）.

[18] Jean Dermine. Basel III leverage ratio requirement and the probability of bank runs[J].Journal of Banking and Finance，2015，53.