政策因素下资产证券化能否降低银行信用风险？——以中国银行业为例的实证检验

王 晓，李 佳，李梦艺

(1.中央财经大学 数学与统计学院，北京 100081；2.山东财经大学 经济学院，济南 250014；3.山东师范大学 经济学院，济南 250358；4.商丘职业技术学院，河南 商丘 476000)

内容提要：资产证券化一直被视为转移和管理信用风险的重要工具之一，而我国的资产证券实践中政策因素发挥着重要的推动作用。本文在分析政策因素在资产证券化影响银行信用风险作用机理的基础上，实证检验其作用效果。研究表明：一方面，2014年底及2015年初，资产证券化业务审批制向注册制或备案制的政策转变，显著促进了资产证券化降低银行信用风险的作用；另一方面，在政策因素推动下，资产证券化对信用风险的影响在不同银行微观特征之间存在差异，若资产流动性、资本规模、营利性越低，及风险资产占比越高，资产证券化越有利于缓解信用风险，同时相比上市银行和规模较大银行，资产证券化对非上市银行与规模较小银行信用风险的降低程度更高。因此，监管当局应逐步完善制度体系，优化资产证券化发展模式，针对不同银行采取差异化的政策措施，并规范资产证券化业务主体行为，防止针对资产证券化功能的过度使用。

一、引言

目前，中国经济增长下行影响下压力加大，银行信用风险开始“显性化”，主要表现为不良贷款与不良贷款率的“双升”①，银行信用风险状况前景不容乐观；并且值得注意的是，信用风险历来是演变为系统性风险的源头之一，并被视为影响金融稳定的重要因素。从2005年我国资产证券化正式起步，其整个发展过程表明，其中政策因素发挥着重要推动作用。鉴于此，在经济下行趋势导致银行不良贷款持续攀升的背景下，随着政策力量推动，拥有盘活资产流动性、转移风险及节约监管资本等功能的资产证券化能否显著影响信用风险，具体影响机制又将呈现何种特征？资产证券化对信用风险的影响在不同银行之间是否存在差异，这均是应该关注的重要问题。

资产证券化一直被作为“信用风险转移和管理”的重要工具，“转移风险”也被视作资产证券化的功能之一[1]。资产证券化的“破产隔离”或“真实出售”等核心环节，能够实现信用风险转移[2]，解决信贷资产过度集中等问题，因此有利于降低信用风险。在此基础上，许多文献进行了详细探讨。Casu et al.(2010)[3]利用美国银行业2001—2007年数据分析了资产证券化对银行信用风险的影响，结果显示资产证券化程度越高，风险加权资产占比越低；Elul(2016)[4]也认为银行往往将较低违约资产保留至表内，并将风险较高资产出售至投资者，因此资产证券化发行银行拥有较低信用风险。随着金融危机爆发，学术界开始关注资产证券化与银行稳定的关系，并给出了资产证券化导致银行不稳定的证据，但同时却发现资产证券化在导致系统性风险的同时，实现了信用风险正常转移或分散[5]。Huong et al.(2016)[6]甚至认为资产证券化仅在2007年之前恶化了银行信用风险，但在危机过后，随着监管要求细化及银行风险行为的改进，资产证券化反而改善了信用风险；潘慧峰和刘曦彤(2017)[7]也发现资产证券化能够显著降低银行不良贷款率，并且下降的比率高于银行资产证券化率。

然而，金融危机的爆发揭示了以资产证券化为主的信用风险转移工具虽然为银行提供了以较低成本转移风险的渠道，但也埋下了新的风险隐患[8]，甚至有文献认为资产证券化反而使银行承担更多风险[9]。为此，各国当局开始对资产证券化进行全面反思，学术界似乎也更加认同“资产证券化增加银行信用风险”的观点。Carbo-Valverde et al.(2015)[10]认为资产证券化放松了银行信贷标准，而信贷标准放松引起的信贷扩张是信用风险上升的因素之一；同时在风险资产被转移出表后，银行不再具有监督借款人行为的动机，由此引起信用风险上升[11]；且激励监督机制的弱化也意味着银行风险偏好增加，再次证实了资产证券化未必能够降低信用风险[9]。孙安琴(2011)[12]发现资产证券化业务较为活跃的银行往往持有更高比例风险资产，并且银行仅将高质量资产进行证券化，将低质量资产保留至表内，这明显不利于改善信用风险。在此基础上，相关文献以2001—2008年美国银行业数据为样本，给出了资产证券化导致了银行信贷质量恶化，及资产负债表信用风险上升的证据，并认为虽然资产证券化在理论上有助于降低银行信用风险，但实际效果可能相反[13]。亦有学者认为资产证券化虽然扩大了银行外部融资来源，但也提高了杠杆率，导致信用风险恶化[14]。

总体来看，学术界对“资产证券化能否降低银行信用风险”的研究并未形成统一观点，以我国为样本的研究亦不多，已有研究也无法反映我国不同银行类别的信用风险特征。同时与发达国家不同的是，政策因素是我国资产证券化快速发展的重要动力，在此背景下，我们能否有效吸取发达国家的经验教训，通过推动资产证券化的发展以实现银行信用风险的缓解？这也是现有文献并未涉足的领域。在已有研究的基础上，本文希冀的边际贡献有：一是依托政策因素，从理论上揭示在银行信用风险不断攀升的“压力”下，资产证券化的功能作用，这不仅丰富了资产证券化理论的研究视角，也进一步补充了资产证券化对银行信用风险影响的研究内容，更填补了学术界针对政策环节的研究空缺。二是以我国资产证券化发展现实为样本，基于政策视角对“资产证券化能否缓解银行信用风险”进行实证验证。本文的研究为深入理解资产证券化与银行信用风险的关系提供了直接证据，并为有效评估政策因素的经济后果具有一定借鉴意义，亦为如何推进资产证券化进一步发展提供有益启示，因此本文的发现也有一定的政策价值。三是拓展并明确在政策力量推动下，资产证券化对银行信用风险的影响机制。通过区分不同银行类别及微观特征，考察在政策因素推动下，资产证券化对不同银行信用风险影响的特征差异。四是资产证券化与银行信用风险之间“双向影响”引起的内生性问题，亦是研究结论不统一的重要原因，本文试图以政策变量作为时间因素进行准自然实验，利用双重差分法识别资产证券化与银行信用风险的因果关系，这不仅能够克服潜在内生性问题，并从政策视角提供了更多经验证据。本文的研究既考虑了银行资产证券化发行与否的横向对比，又兼顾了纳入时间效应后的纵向分析。

二、政策背景、理论分析与研究假说

理论上讲，资产证券化的发展应有助于银行优化流动性结构、提高盈利能力及转移风险，由此改善微观经营环境，以应对经济下行压力对银行信用风险的冲击。目前正值资产证券化迅速发展之际，那么在政策因素大力支持下，资产证券化能否降低银行信用风险？具体的影响机制又是如何？这是本文需要率先理顺的内容。

(一)政策因素背景与初步判断

在资产证券化发展历程中，政策因素在不同国家发挥着不同作用。对于美国和日本而言，资产证券化的初步发展均由政策力量推动，但后来美国的市场力量占据主导；对于欧洲等国家而言，资产证券化的发展一直由市场力量推动。可见，虽然政策因素在资产证券化的发展中占据重要地位，但最终的主导因素仍是市场。对于我国而言，政策主导体现了我国金融创新与发达国家的显著区别，并且由于资产证券化重启不久、仍处在发展初期，此时的政策因素也确实是银行资产证券化发展的重要动力[15]。在当前特殊的经济周期环境下，政策因素推动下的资产证券化是否有助于银行缓解信用风险是值得研究的问题。

2012年6月，伴随金融深化的需要，央行等部门联合发布了《关于进一步扩大信贷资产证券化试点有关事项的通知》，标志着信贷资产证券化再度启动。在此之后，针对资产证券化出台的一系列政策措施，均体现了政府当局对利用资产证券化相关功能，以缓解银行信用风险或不良贷款状况的期待。比如2014年11月20日，银监会下发了《关于信贷资产证券化备案登记工作流程的通知》，将信贷资产证券化业务由审批制改为业务备案制；同年11与21日，证监会正式颁布《证券公司及基金公司子公司资产证券化业务管理规定》，将资产证券化产品从之前的行政审批转向备案制。2015年4月2日，央行下发公告(2015，第7号)称，已经取得监管部门相关业务资格，发行过信贷资产支持证券且能够按规定披露信息和受托机构和发起机构，可以向中国人民银行申请注册，这些将资产证券化业务由审批制改为备案制或注册制的政策行为，再加上国务院“盘活存量”的政策考量，蕴含了监管部门对银行流动性结构或期限结构失衡的忧虑，而两者的失衡亦是银行信用风险成因之一。进一步观察，2016年2月，央行等部委联合发布《关于金融支持工业稳增长调结构增效益的若干意见》，同年4月，银行间交易协会颁布了《不良贷款资产支持证券信息披露指引(试行)》，意味着不良贷款证券化正式开启；同时，李克强总理在2017年3月5日的政府工作报告中也提到“促进盘活存量资产，推进资产证券化”等去杠杆措施，资产证券化的功能定位也正式从基础设施融资转为“去杠杆”。可见，不断出台的政策措施，看似为推动资产证券化发展创造空间，实则反映了监管当局为银行提供多元化信用风险管理途径的目的。依照以上逻辑我们初步推断：在政策因素的大力推动下，资产证券化能够降低银行信用风险；如果被伪证，说明现阶段资产证券化的发展并未达到应有目标。针对上述讨论，本文提出有待验证的基准研究假说如下：

假说1：在政策因素的推动下，资产证券化有助于降低银行信用风险。

(二)政策背景下资产证券化对银行信用风险的影响机制：以银行微观特征为视角

以往研究认为，一个有效的资产证券化创新有助于银行优化流动性结构、提升盈利能力、改善资本状况及实现风险转移，在假说1的基础上，接下来基于资产证券化对银行微观行为的影响渠道，以衡量政策因素推动下，资产证券化对银行信用风险的影响机制。

首先，从发展历程得知，资产证券化始于美国20世纪60年代末银行业“金融脱媒”的经济背景，最初关于资产证券化的研究主要也集中于“流动性效应”。同时，Kothari(2002)[16]指出银行发行资产支持证券的首要目的即通过盘活信贷资源存量，将贷款转化为流动性，以改善银行融资约束。可见资产证券化为增加银行流动性或优化资产流动性结构提供了若干渠道，甚至有研究认为资产证券化可作为银行除股权融资和债务融资之外的第三种融资方式[17]。

理论上讲，期限错配的严重后果即导致负债不断积累，在银行资产状况较为稳定且无法流动的状态下，必将致使杠杆倍数(或负债率)不断攀升，并进一步恶化信用风险。而张超英(2002)[18]认为，资产证券化能够扩大银行流动性来源，同时其“流动性效应”功能为长期稳定的资产转化为流动性资产提供了途径，并部分缓解期限错配带来的危害。Obay(2000)[19]研究指出，资产证券化不仅会优化银行资产负债结构，更有助于银行在增加资产流动性的同时提高风险抵御能力，因此增强资产流动性是银行发行资产支持证券的最终目的或动因。Bannier and Hansel(2008)[20]利用不同样本进行研究，发现资产证券化对于增加资产流动性，及改善银行资产负债结构期限错配的重要作用。基于上述逻辑我们认为，资产证券化可通过对银行资产流动性结构的优化，以缓解资产负债表的期限错配，并实现信用风险的降低，并且相比资产流动性较高银行，流动性较低的银行更需要发展资产证券化，以应对信用风险的冲击，因此资产证券化对此类银行信用风险的缓解力度也更大。为此我们提出如下研究假说：

假说2：控制其他条件不变，若政策因素有利于资产证券化缓解银行信用风险，则该缓解力度在流动性较低组更大。

其次，资本监管是维护银行稳定的重要措施，并且银行资本也具有一定的风险吸收能力。巴塞尔协议III正式引入了“逆周期资本缓存”要求，以作为传统资本监管的补充，目的是限制银行在经济上行周期信贷的过度增长，并计提更多资本以确保在经济下行周期，银行拥有充足资本规模以吸收贷款损失风险。由此可见，若能够及时对银行资本进行补充，则有利于改善银行信用风险管理水平，并且根据《巴塞尔协议III》及我国银行业逆周期杠杆监管框架表明，资本充足率的倒数可近似为杠杆倍数，若银行资本充足率较高，意味着较低的杠杆倍数，其潜在风险也较低[21]。

近年来，多数研究证实资产证券化具有“监管资本套利”功能，即资产证券化有利于提高银行资本充足率，以符合监管要求(高蓓等，2016)。Acharya et al.(2013)也发现资本充足率越低的银行越偏好发展资产证券化，可见资产证券化对于改善银行资本充足状况的重要作用。通过上述论证可以得知，若资产证券化能够提升银行资本充足率，则有利于缓解信用风险的冲击，并且银行资本存量越充足，其稳定性也越好，风险也越低[22]，对于利用资产证券化改善信用风险的偏好也较小。由此我们推断：对于资本规模较低银行，更需要发展资产证券化以改善信用风险管理，并且在资产证券化的影响下，此类银行信用风险的降低程度也更大。

假说3：控制其他条件不变，若政策因素有利于资产证券化缓解银行信用风险，则该缓解力度在资本规模较低组更大。

再次，改善银行经营绩效也是资产证券化一项重要功能。资产证券化可使银行在不扩大经营杠杆的前提下创造更多收入，并通过推动经营模式由“发起—持有”向“发起—分销”的转变，为银行提供了多元化的盈利渠道[23]。多数研究也证实了资产证券化与银行盈利的关系：Obay(2000)认为资产证券化能使银行降低经营与融资成本，而成本的降低意味着盈利能力的提升。Jiangli and Pritsker(2008)分别利用理论模型和实证验证，发现抵押贷款等资产的证券化有利于提高银行盈利水平。Affinito and Tagliaferri(2010)进一步指出效益差及盈利能力低下的银行更会积极从事资产证券化业务。邹晓梅等(2015)从杜邦分解视角比较了资产证券化影响银行盈利水平的具体路径，结果显示资产证券化活跃强度与银行盈利水平呈正相关关系。

在目前经济下行趋势下，以信贷扩张为盈利模式的银行不利于防范信用风险[24]，并且随着经济增长中低水平趋势不断稳定，资产质量恶化与传统“净息差”经营模式的难以为继将成为不可避免的现实因素，同时净息差缩窄不仅对银行利润空间形成挤压，也导致资产质量不断下降[25]。此外，当经济转入周期下行时，大多数企业经营状况和盈利能力均会下降，这不仅不利于债务偿还，也会通过降低信用风险影响至银行盈利水平。根据这一逻辑得知，银行盈利能力的提升有利于应对风险冲击，并且多元化盈利模式的形成也有助于银行降低信用风险。高倍等(2016)基于收益率渠道研究了资产证券化对银行风险的影响，认为资产证券化可通过提高资产收益率，以显著改善银行稳定性，即降低银行风险。综合上述讨论我们认为：资产证券化可通过改善银行盈利能力，以降低信用风险的冲击，并且对于盈利能力越低的银行，资产证券化对信用风险的改善力度越大。据此，我们提出研究假说如下：

假说4：控制其他条件不变，若政策因素有利于资产证券化缓解银行信用风险，则该缓解力度在盈利能力较低组更大。

最后，资产证券化还有一项重要的风险转移功能，可直接作用于银行信用风险管理，并且在风险转移后，基本也不存在“风险回流”等问题(孔丹凤等，2015)。资产证券化“风险转移”功能可通过如下途径缓解银行信用风险：一方面，风险转移的过程其实就是贷款转让，即将流动性较弱的中长期资产转换为流动性较强的短期资产，以优化银行流动性结构，并改善资产负债结构或期限错配等问题，这如同上文提到的资产证券化“流动性效应”功能的作用；另一方面，在债权转让或流动性转换过程中，银行资产风险权重也会降低，这不仅有利于提升资本充足率，还能够降低银行整体风险水平。由此可见，风险转移应是资产证券化最为核心的功能，资产证券化每项功能的发挥均以该功能为基础，即风险的转移或剥离，为提高资本充足率、盘活资产流动性及优化资本结构提供了基础性平台(Farruggio and Uhde，2015)，甚至有文献认为风险转移才是银行发行资产支持证券的真正目的[26]。可见，若银行持有一定比例风险资产，通过发行资产证券化，可有效实现风险资产转移，或降低风险权重，以缓解信用风险，并且，通过分析我们还能判断，若银行风险资产占比较大，资产证券化对信用风险的缓解程度也较强，因为若风险资产占比并不高，银行并不需要发行更多资产支持证券以转移风险，毕竟一定比例的风险资产有助于银行维持盈利水准。鉴于此，本文提出如下研究假说：

假说5：控制其他条件不变，若政策因素有利于资产证券化缓解银行信用风险，则该缓解力度在风险资产占比较高组更大。

三、样本选择、变量界定及实证分析策略

(一)样本选择与数据来源

根据“中国资产证券化分析网”(www.cn-abs.com，简称：CNABS)数据显示，截至2017年，共有94家银行至少有一笔资产证券化业务，其中上市银行37家、其他股份制银行3家、城市商业银行36家、农村商业银行15家及政策性银行3家。鉴于部分银行年报披露不完善，本文选取其中85家银行为研究样本(当然也不包括3家政策性银行)，该样本基本涵盖了不同性质的银行个体，并且样本银行总资产占银行业总资产之比为86.1%②，可见本文所选样本能够代表整个银行业，具有一定的针对性和代表性。

我国资产证券化自2005年拉开序幕，但2008年至2011年为暂停阶段，将这段时期作为样本区间并不合理。在2012年重启后，银行开始大规模实施资产证券化，因此，考虑数据可得性，研究2012年之后的样本才具有意义，但为了确保分析全面，本文特意设定一次没有任何发行记录的截面数据，本文样本区间为2011年至2017年的年度数据。对于资产证券化数据，本文基于“中国资产证券化分析网”中的“证券列表”进行整理，以统计银行i在第t年是否有发行记录及发行规模；对于银行微观特征数据，根据银行(包括上市与非上市银行)年报及Wind咨询进行整理；经济增长因素等宏观经济数据来自国家统计局与中国人民银行网站。

(二)变量界定及说明

1.被解释变量

本文选取不良贷款率作为银行信用风险代理变量，但为了保证结果可信，在稳健性检验中选取拨备覆盖率进行处理。之所以选取不良贷款率和拨备覆盖率作为信用风险代理变量，主要在于目前银行信用风险多数还是来自于贷款质量，若信贷质量恶化，说明银行缺乏良好的信用风险管理机制，也预示着银行面临较高的信用风险。

2.核心解释变量

为了保证结果稳健，本文从三个方面量化资产证券化：一是资产证券化虚拟变量，即银行i在t期至少有一次发行记录取值为1，否则为0，这也是常见的处理方式。虚拟变量也可将样本区分证券化组和非证券化组(证券化组为1，非证券化组为0)。二是资产证券化参与度。我国银行资产证券化基础资产基本为信贷资产，为此设置资产证券化发行规模与总贷款之比衡量参与度，这与现有文献以发行规模占总资产之比的衡量方式略微不同(Farruggio and Uhde，2015)。三是设置资产支持证券发行程度，若银行i在t期没有发行资产证券化，则取值为0；发行1次取值为1；发行1至5次取值为2；发行5次以上取值为3。

政策因素的衡量。自2012年信贷资产证券化重启后，针对资产证券化的政策措施不断出台。通过全面梳理我国资产证券化发展历程的政策法规，尤其是重启之后的政策措施，可知2014年底或2015年初，将资产证券化业务审批制改为注册制或备案制③的举措具有重要意义。从历史节点来看，注册制或备案制政策的落地，恰好紧接着国务院提出“运用信贷资产证券化等方式盘活资金存量”的政策④，这不仅标志着监管机构针对资产证券化业务的简政放权，为资产证券化的迅速发展提供监管层面的“重要推力”[27]，更意味着政府层面对通过运用资产证券化等金融创新，以实现银行信贷资产盘活、降低资本能耗、优化资产流动性结构及改善信用风险管理的期待。在具体研究中，我们以2014年底或2015年初资产证券化业务由审批制改为备案制或注册制的政策导向为评估对象，并设置政策虚拟变量为时期变量，在2015年及以后的时期取值为1，否则为0。

3.主要控制变量

本文还控制了银行微观层面与宏观经济层面特征变化：一方面，银行微观层面特征主要由流动性比率、资本充足率、权益资产比、净资产收益率、加权风险资产占比、贷款占总资产之比及存款占总负债之比等变量来反映。其中，流动性比率为流动性资产占总资产比重、资本充足率为资本金规模与加权风险资产之比、权益资产比为总权益与总资产之比，这些指标用来体现银行流动性及其结构、资本规模及杠杆倍数；净资产收益率为净利润与平均股东权益之比，用以反映银行盈利能力；加权风险资产占比为加权风险资产与总资产之比，可以描述银行风险资产持有情况；贷款占总资产之比与存款占总负债之比均可体现银行规模。另一方面，宏观经济波动也是影响银行信用风险的重要因素，学术界主要从经济增长和货币政策等方面设定宏观经济变量，除了基于GDP增长率对经济增长的考虑，我们还选取广义货币供应量增长率及一年期贷款基准利率等变量，以体现货币政策的变化，两者分别衡量数量型货币政策工具与价格型货币政策工具。为了消除极端值的影响，本文对所有连续变量进行1%和99%分位的Winsorize处理(各变量的界定见表1)。

为了体现样本区间内银行信用风险的变化趋势，本文区分不同年份汇报银行不良贷款率和拨备覆盖率的均值及中位数情况(见表2)，并基于不同银行类别进行分析(需要说明的是，鉴于国有银行样本量较小，我们将国有银行并入股份制银行组，主要考虑到国有银行均已上市，也可视为股份制银行)。自2011年至2017年，上市银行、非上市银行不良贷款率平均值基本处于上升态势(2017年小幅下降)，且非上市银行不良贷款率平均值均高于上市银行(2017年除外)。同一时期，两者拨备覆盖率亦不断下降(2017年上市银行拨备覆盖率小幅上升)，反映银行业信用风险的恶化趋势，并且此两类银行信用风险变化趋势与全样本基本吻合。从不同类别银行来看，股份制银行、城商行和农商行不良贷款率平均值不断上升(2017年也小幅下降)，拨备覆盖率平均值亦不断下降。表2显示的银行不良贷款率和拨备覆盖率变化趋势，充分反映了目前银行业信用风险的上升态势。

表1 变量定义与样本基本特征

表2 主要被解释变量的描述性统计特征

(三)实证分析策略

1.基于双重差分模型的政策评估结果处理

本文目的在于考察政策因素推动资产证券化影响银行信用风险的经济后果，考虑到政策因素由政府部门在宏观层面上推动，具有良好的外生性，能够有效克服资产证券化和银行信用风险之间“双向影响”引致的内生性，并且外生政策因素的引入，亦为本文进行准自然实验提供了充分平台，有助于清晰识别资产证券化与银行信用风险之间的因果关系。众所周知，双重差分法(DID)被广泛应用于政策评估或因果效应判断，并能够有效规避内生性，为此本文采用该方法进行研究。根据研究需要，在第t期，我们将发行资产证券化的银行样本定义为处理组，未发行资产证券化的银行样本定义为对照组。

在评估政策效果时，我们感兴趣的是在政策因素前后，资产证券化对银行信用风险影响的期望变化，一个相对合理的假设是处理组与对照组在不同时期对银行信用风险的影响呈现相同变化趋势，即所谓的“平行趋势假设”。如果该假设成立，我们就可以基于未发行资产证券化的银行样本为对照组，以对照组在政策实施前后对信用风险影响的变化，作为普遍的时间趋势对政策效果进行评估。在这种情况下，政策效果就等于发行资产证券化的银行样本，在政策实施前后对信用风险的影响变化，减去根据未发行资产证券化的银行样本所计算出的时间趋势。根据DID方法的思想，我们设立如下模型：

Creditit=α0+α1Seci×Postt+α2Seci+ηPostt+X′Φ+λk+σt+εit

(1)

其中，Creditit为银行i在时期t的信用风险，即不良贷款率或拨备覆盖率；Seci为处理组虚拟变量，若银行i在时期t发行资产支持证券，则取值为1，否则为0；Postt为政策(时间)效应虚拟变量，两者分别刻画处理组和对照组，及时间效应前后的差异，意味着即使不进行准自然实验，个体差异与时间趋势同样存在；λk为银行个体固定效应，σt为时间固定效应，X为一组控制变量，包括银行层面和宏观层面控制变量。交互项Seci×Postt系数α1才是我们真正度量的影响效应，若交互项Seci×Postt=1，意味着银行i为处理组银行，并处在“政策实施区间内”，并且Seci×Postt的估计系数应为：

ΔCreditt=E(Crediti,t|Seci,t=1)-E(Crediti,t-1|Seci,t=0)-[E(Crediti,t|Seci,t=0)-E(Crediti,t-1|Seci,t=0)]

在利用双重差分法比较处理组和对照组的差异后，需要估计双重差分模型。我们借鉴余靖雯等(2018)[28]研究，采用固定效应回归(FE)，通过组内差分消除个体异质性，以获得系数的一致估计量，从而给出双重差分模型的估计结果，相比一阶差分(FD)回归，FE回归要求干扰项与每一期解释变量和个体效应均不相关，而后者仅要求干扰项与t之前的解释变量和个体效应不相关，可见固定效应假说更为严格，也更有效。此文，除了给出全样本回归结果，本文也会区分不同银行类型，或不同银行微观特征进行分析，这不仅能够判断相应的影响机制，亦能全面捕捉政策因素推动下资产证券化对银行信用风险的影响。

2.针对双重差分模型的“平行趋势检验”

使用DID时，必须对其有效性进行判断，即处理组和控制组的结果变量在时间效应发生前后的变化与是否是处理组无关，也就是说若没有时间效应，处理组和控制组的结果变量在时间发生前后应是统计上无显著差异。鉴于这是一种典型的“反事实状况”，我们无法对此有效检验，但可以通过另外一种方式处理，即判断在时间效应发生之前，处理组和控制组的结果变量是否具有相同趋势，从而间接对DID假设前提进行检验，这即是“平行趋势检验”。具体到本文研究中，由于政策因素变量设置为2015年及其之后，我们将区间前推一年，即将2014年及其之后设置为政策因素区间，以检验资产证券化对银行信用风险的影响是否存在显著变化，因为2014年及其之后的区间并不是事实上真正的“时间效应”。若“平行趋势假设”成立，则在这种“反事实”的政策效应前后，资产证券化对银行信用风险的影响在处理组和对照组之间不存在显著差异。具体我们构建与式(1)类似的模型：

(2)

3.稳健性检验

我们通过变换被解释变量，以对上述结果进行稳健性检验，具体以银行拨备覆盖率替换不良贷款率作为信用风险的代理变量。在具体处理中，一方面以拨备覆盖率为被解释变量，利用双重差分法判断处理组和对照组之间的影响差异；另一方面对双重差分模型进行估计，以判断政策因素推动下资产证券化对银行信用风险的影响，并区分不同银行类型，及不同银行微观特征，从而实现对上述结果的全面稳健性检验。

四、基本实证结果及分析

(一)政策因素推动下资产证券化对银行信用风险影响的初步判断

表3比较了处理组和对照组在将“资产证券化业务审批制改为备案制”政策实施前后银行不良贷款率的差异，上半部分表明无论是否加入协变量，DID值均显著为负，说明在政策因素推动下，资产证券化显著降低了银行不良贷款率，即有助于缓解信用风险，可见假说1成立。下半部分为“平行趋势检验”，显示DID值虽然为负，但均不显著，说明在虚拟的时间效应中，两者之间不存在统计上的显著差异，即通过了“平行趋势假设”检验。

表3 政策因素推动下资产证券化对银行信用风险的影响：基于双重差分模型

表4 政策因素推动下资产证券化对银行信用风险的影响：双重差分模型回归结果

注：括号中为稳健标准误，***、**、*分别表示为1%、5%和10%的水平下显著(下同)。

表4汇报了基于双重差分模型的回归结果，我们除了考虑资产证券化虚拟变量，也纳入了资产证券化参与度与发行程度等变量进行分析，表中前三列与后三列分别为固定效应与一阶差分回归，回归结果看到无论采用何种方式度量资产证券化，其与政策变量交互项系数均显著为负，可见资产证券化有利于在政策因素推动下降低银行信用风险，这与表3结论一致，再次验证了假说1。需要注意的是，资产证券化变量均显著为正，显示资产证券化不利于缓解信用风险，原因在于我国资产证券化仍处在发展初期，基础资产池质量备受关注，在此约束下，银行未必将风险较高资产纳入资产池，再者由于初次进入该市场，银行发展策略普遍谨慎，在构建基础资产池时主要也是偏重于优质资产，因此若单独考虑资产证券化的影响，银行信用风险未必能够降低。但交互项结果显著为负，表明随着经济周期下行导致银行信用风险不断上升，在政策条件的允许下，资产证券化将逐步成为银行信用风险管理工具的重要补充，其对信用风险的改善作用也将不断显现。

对于其他控制变量时，由于FE假设更为严格，因此我们仅讨FE的结果：流动性比率和资本充足率系数均显著为正，可见拥有较高流动性与资本规模的银行，不良贷款率反而更高，即这类银行更偏好从事高风险业务，体现了一定的道德风险倾向，与顾海峰和张亚楠(2018)的结论一致；净资产收益率与权益资产比系数均显著为负，意味着银行盈利越低，或杠杆倍数越高，不良贷款率也越高，这亦与理论相吻合；贷款占比系数显著为正，反映贷款规模越高银行不良贷款率也越高；经济增长率与一年期贷款利率系数分别显著为正或负，表明经济增长时银行将对应较高的不良贷款率，显示银行在此阶段具有较高风险倾向。

本部分初步分析了政策因素推动下，资产证券化对银行信用风险的影响态势。那么资产证券化对银行信用风险的影响机制将呈现何种特征？在不同类别银行之间是否存在不同表现？这是我们后续分析的重点内容。

(二)区分银行类别的分析

表5区分不同银行类别，比较了处理组和对照组在政策因素前后银行不良贷款率的差异。无论上市银行与非上市银行，还是股份制银行和城商行，DID值均显著为负，而农商行组不显著，说明在政策因素推动下，除了农商行，其余银行资产证券化的发展均显著降低了不良贷款率。为了进一步判别不同银行类别资产证券化对信用风险影响程度的差别，我们需要分析双重差分模型的估计结果(见表6)。

表5 区分银行类别的分析：基于双重差分模型

表6分别给出不同银行类别的双重差分估计结果。前两列为区分上市银行与非上市银行的结果，两组银行交互项系数均显著为负，且后者绝对值更高，可见虽然资产证券化对两类银行信用风险均有缓解作用，但对非上市银行缓解力度更强；在针对股份制银行(包括国有银行)、城商行和农商行的结果中(中间3列)，前两列交互项系数显著为负，而农商行系数虽然为负，但不显著，并且城商行系数绝对值最高，可见资产证券化对城商行信用风险的降低作用最大；最后两列即将全样本按照贷款占比中位数分组的估计结果，以体现不同银行规模之间的差异。无论从回归系数数值绝对值大小，还是显著性程度来看，资产证券化对信用风险的缓解力度在贷款占比较低的银行中更强。表6结果体现了一个现实问题，即上市银行，或规模较高银行，由于拥有多元化业务结构与风险管理方式，在出现信用风险冲击时，其也有更多措施予以应对，因此未必将资产证券化作为常用的风险管理手段，更多可能作为推动经营转型的平台。而非上市银行，或规模较低银行的业务结构较为单一，风险管理手段也相对匮乏，随着资产证券化的迅速发展，这类银行更偏好将其作为一项风险管理工具。总体表明，表6结果意味着在政策因素推动下，资产证券化对于非上市银行，或规模较低银行的信用风险缓解力度更大，这类银行也更偏好于将资产证券化作为风险管理工具。

表6 区分银行类别的分析：双重差分模型回归结果

(三)区分银行微观特征的分析

进一步的，我们基于银行微观特征进行分析⑤，这也是捕捉政策因素推动下，资产证券化对银行信用风险的影响机制。表7将全样本按照流动性比率、资本充足率、净资产收益率及加权风险资产占比中位数进行分组的回归结果。在前两列基于流动性比率中位数分组的结果中，交互项系数均显著为负，但流动性比率较低组系数绝对值和显著程度较高，说明资产证券化对银行信用风险降低程度在流动性较低组更大，由此验证了假说2，也印证了资产流动性较低的银行更需要通过资产证券化提升流动性，以化解信用风险；在列(3)、(4)基于资本充足率中位数分组的结果中，资本充足率较低组交互项系数显著为负，而较高组系数并不显著，这证实了假说3的判断，即在政策因素推动下，银行资本规模越低，资产证券化对信用风险的缓解力度越强；列(5)、(6)为基于净资产收益率中位数分组的结果，两组交互项系数结果均显著为负，显示无论净资产收益率高低，资产证券化均可降低银行信用风险，但净资产收益率较低组交互项系数相对更高，表明资产证券化更有助于营利性较低银行改善信用风险，可见假说4的合理性；最后两列为基于加权风险资产占比中位数分组的结果。结果表明交互项系数在风险资产较高组显著性略低，但系数绝对值更高，为此我们基本认为在政策因素推动下，银行风险资产规模越高，资产证券化越有利于缓解信用风险，这同时也说明若持有更低规模风险资产，银行也不需要发行资产证券化以转移风险，毕竟一定比例的风险资产有助于维持盈利水平，该结果基本证明了假说5。表7结果也从侧面证实了在政策因素的推动下，资产证券化可通过改善银行资产流动性、资本规模、盈利水平及风险资产占比等微观结构，以降低信用风险。

表7 区分银行不同微观特征的分析：双重差分模型回归结果

五、稳健性检验

(一)政策背景下资产证券化对银行信用风险影响初步判断的稳健性检验

在稳健性检验中，我们将被解释变量替换为拨备覆盖率。首先比较了处理组和对照组分别在政策实施前后银行拨备覆盖率的差异⑥，结果显示无论是否加入协变量，DID值均显著为正，体现在政策因素推动下，资产证券化显著提高了银行拨备覆盖率，即降低了信用风险，再次证明假说1的合理性。在平行趋势检验中，DID值不显著，意味着符合平行趋势假设的要求。

表8为双重差分回归结果。列(1)—(3)为固定效应回归结果，资产证券化与政策变量交互项系数均显著为正，可见在政策因素主导下，资产证券化显著提高了拨备覆盖率；列(4)—(6)为一阶差分回归结果，交互项系数亦显著为正。表8的回归结果再一次证实在政策因素推动下，资产证券化对银行信用风险的有利作用，进一步说明假说1的稳健性。

(二)区分不同银行类别及微观特征的稳健性检验

在区分不同银行类别的双重差分回归结果中，显示非上市银行交互项系数高于上市银行、城商行交互项系数高于股份制银行与农商行、贷款占比较低组交互项系数亦高于贷款占比较高组，上述结果表明随着政策力量推动，资产证券化对银行拨备覆盖率的提升力度(即信用风险的缓解程度)在非上市银行、城市商业银行及贷款占比较低组更高⑦。可以看出，该结果与表6基本一致，可见表6结果的稳健性。

表8 关于初步判断的稳健性检验结果：双重差分模型回归结果

在区分银行微观特征差异的稳健性检验中，同样将全样本根据流动性比率、资本充足率、净资产收益率及加权风险资产占比中位数分组进行汇报，结果显示，在政策因素推动下，对于资产流动性、资本规模、营利性越低及风险资产占比越高的银行，资产证券化越有利于缓解信用风险⑧。综上可知，该结果与表7完全一致，同时也证明了假说2—假说5的稳健性。

六、主要结论与政策启示

研究发现：(1)基本回归结果表明：2014年底或2015年初，资产证券化业务审批制向注册制或备案制的政策转变，促使资产证券化显著降低了银行信用风险，可知若从风险管理角度来看，该政策属于“有效的政策”。(2)针对不同银行类别的分析得知，相比上市银行和规模较大银行，资产证券化对非上市银行、规模较小银行及城商行等信用风险降低程度更高，原因在于这些银行业务结构与风险管理手段相对单一，更偏好将资产证券化作为一项风险管理工具。(3)在考虑银行微观结构差异的分析中，发现对于资产流动性、资本规模、营利性越低，及风险资产占比越高的银行，资产证券化越有利于缓解信用风险，这也从侧面证实了资产证券化可通过改善银行资产流动性、资本规模、盈利水平及风险资产占比等微观结构，以实现信用风险的降低。

深化金融供给侧改革，处理好业务发展与风险防范的关系，着力防范金融风险是一项关键环节。对于银行体系而言，在经济增速下行冲击下，需要努力化解不良贷款等重点领域风险，防止信用风险等非系统性风险向系统性风险的演化。本文研究结果显示，资产证券化是一项有效的风险管理工具，有助于提升银行风险管理水平。从微观层面上，我国资产证券化仍处在发展初期，在政策不断宽松背景下还存在较大发展空间。若资产证券化以提高资产流动性、优化风险管理渠道及缓解资本压力为目的，则应加强政策协调，倡导其大力发展；在发展模式上，以风险转移功能为切入点，适度调整制度约束，渐进式推动拥有“真实出售”功能的资产证券化“表外化”模式，为风险转移功能发挥提供空间，丰富银行的风险管理渠道；在倾斜重点上，应体现出银行的差异化特征，对于管理规范、风险控制能力较强的银行，应逐步增加利用资产证券化推动经营转型的业务许可；对于规模较小、风险压力较大银行，应在“真实出售”的制度约束上予以松绑，提高其风险管理能力；在监管策略上，从基础资产池质量、信息披露、信用评级和增级等方面完善“表外化”模式的制度监管，防止银行过度利用“表外化”功能，同时，资产证券化发展必将使商业银行与金融市场之间深度融合，并产生可能的系统性影响，因此我们应未雨绸缪，在“双支柱”框架下⑨，实现资产证券化业务主体与监管机构之间的信息共享，从微观与宏观两个方面规范业务主体的行为，确保微观审慎监管与宏观审慎监管的有机融合。

注释：

① 据中国银保监会相关数据显示，银行全行业不良贷款余额由2011年第四季度开始由降转升，至2018年第四季度持续上升。截止2018年第3季度，商业银行不良贷款率达到1.87%，较上季度末增加0.01个百分点，创下了2009年金融危机后的新高；同时，截止2018年底，商业银行不良贷款率达到1.89%，又持续上涨0.02个百分点，创下10年内新高，并且不良贷款总额为2万亿元左右。

② 根据中国银保监会网站数据整理得知：自2012年信贷证券化重启以来，截止2017年底，本文样本银行资产规模占银行业总资产规模之比依次为89.7%、94.7%、91.3%、90%、88.2%及86.1%，即样本银行资产规模占银行业资产规模基本为90%左右，可见本文所选样本能够代表中国银行业。

③ 注册制或备案制规定：银监会不再针对资产证券化产品的发行进行逐笔审批，对于基础资产等具体发行方案也不再进行审查，仅对发起机构的合规性进行考察。同时，会计师事务所、律师事务所、评级机构等合格中介机构应针对证券化产品发行方案出具专业意见，并向投资者充分披露；各银行业金融机构选择的基础资产应符合国家相关政策，采取简单透明的交易结构开展证券化业务，以盘活信贷资产。

④ 2014年11月19日，国务院常务会议提出了十大举措，其中就包括运用信贷资产证券化等方式盘活资金存量等措施。

⑤ 为了保证结果稳健，表7以资产证券化参与度作为核心解释变量。

⑥ 篇幅有限，基于双重差分模型的初步判断稳定性检验结果未予列示，感兴趣的读者可向作者索取。

⑦ 篇幅有限，区分银行类别的稳健性检验未予列示，感兴趣的读者可向作者索取。

⑧ 篇幅有限，区分银行微观特征的稳健性检验结果未予列示，感兴趣的读者可向作者索取。

⑨“双支柱”调控框架在《中国货币政策执行报告( 2016 年四季度) 》中首次提出，包含宏观调控的两个支柱，即货币政策和宏观审慎政策。