我国商业银行流动性风险与经营绩效的关系研究——基于文献综述的视角

罗圣泽

(广西大学 广西 南宁 537000)

我国经济增长进入新常态、利率市场化稳步推进、金融创新步伐加快，商业银行投融资行为也因为业务范围扩大而随之改变，表外业务风险、宏观政策风险、房地产行业风险，期限错配相互作用，使得银行面临更为复杂的流动性风险。控制流动性风险的方法往往很有限，除了内外部的监管和审慎管理，更多是采用控制流动性缺口的办法，但面对全球化的大趋势，银行业竞争愈发激烈，有时候不得不承担过多的风险来获取收益。我国对商业银行流动性风险的研究起步较晚，监管体系仍在不断完善中，2018年5月23日，中国银行保险监督委员会公布《商业银行流动性风险管理办法》，此办法在2014年的试行法的基础上进行了修订，新加进三个量化指标，细化了各项管理指标，进一步完善了我国商业银行流动性风险检测体系，为学界以及银行管理层提供了参考标准。

一、流动性风险定义

对于商业银行来说，根据2009年银监会(现银保监会)公布的《商业银行流动性风险管理指引》商业银行的流动性风险是指银行因无法获取足够资金或无法以合理成本获取足够资金以清偿到期债务或履行其它支付业务所造成的损失。银行高负债的经营模式决定了其必须要时刻关注现金流管理保持充足的流动性以应对可能到来的危机，如果一家银行被曝出面临流动性风险，则可能会引起恐慌发生“挤兑”事件，严重影响到银行的正常经营。

银行的流动性风险又被称做“衍生”风险，Diamond 和 Dybvig 在其D-D模型框架中提出了引起银行流动性风险的最主要因素是流动性转换。D-D模型认为因为将短期流动性负债转化为非流动性资产是商业银行独有的特点。而在这个转化过程中，也从另一方面反映出流动性风险产生的原因，即流动性错配和期限错配的产生。李泽文(2019)从外部因素考察，认为货币政策在很大程度上影响着商业银行流动性，当央行采用紧缩或者扩张的货币政策时，由于社会上的流动资金变得较少或者较多，企业的获取现金的难度增加或变得容易，企业违约的概率增加或下降，从而增加或减少银行面临的流动性风险。

二、流动性风险度量方法

在流动性风险度量方面，目前存在三种主流的方法：

(一)基于传统指标的度量

包括静态以及动态指标。如最基本的流动性比率、存贷比、流动性缺口、核心存款比率等经典衡量指标。2010年《巴塞尔协议Ⅲ》引入了净稳定资金比例(NSFR)和流动性覆盖率(LCR)，但该指数计算权重系数可以调整并且不能及时反映市场变化，时效性得不到保证。在传统指标外，众多学者还构建了许多创新指标优化了模型。

史燕丽(2018)开创性的使用流动性风险信息披露指数(IND)作为流动性风险衡量指标，流动性风险信息披露指数主要包含两大类，一是定性披露指标，通过对流动性风险管控概述(0-1)、流动性风险管理描述(0-1)以及披露流动性风险指标的总体披露情况(0-1)进行打分，总分即为定性披露指标得分；二是定量披露指标，分别对5项资产流动性指标(0-1)和4项流动性负债指标(0-1)进行打分，定量披露指数得分即为总分之和。银行流动性风险信息披露指数则由定性披露指数与定量披露指数得分组成。

(二)基于现金流视角

Driga(2012)着眼于资产负债表，关注现金的流入、流出，在考虑资产端和负债端的情况下，将流动性缺口作为流动性风险的衡量指标，虽然考虑到了流动性缺口问题，但没有进一步考虑资产质量和资产流动性特征。针对此问题，沈沛龙(2013)通过以马尔科夫过程中的特殊形式维纳过程为基础构建随机流动比率模型，即：

(三)基于VAR模型

Berkowit(2000)使用了VAR模型来度量商业银行流动性风险，但过度参数化和信息不足的问题存在于VAR模型研究中，在很大程度限制了它的使用。为了避免这些问题，Bernanke et al.(2005)提出了FAVAR模型，又称之为因子增广型向量自回归模型，该模型结合了动态因子模型和VAR模型，在处理时间序列变化数据上有很大优势。李学彦(2019)也采用了FAVAR模型研究了商业银行流动性风险的外部影响因素，利用脉冲响应函数来分别描述外部因素，即股票市场、货币政策、房地产市场对流动性风险的影响。

三、商业银行流动性风险与经营绩效的关系研究

很多学者对于银行银行流动性风险管理模型进行了优化，一般分为两类，一类是基于期限错配的流动性风险控制的优化模型，还有一类是基于流动性风险度量的优化模型。

(一)基于期限错配的流动性风险控制的优化模型

该优化模型普遍认为导致商业银行流动性风险的根本因素就是资产负债期限错配。商业银行资产负债期限错配指存款期限短于贷款期限，以短期资金去供给长期贷款，流动性逐步紧缺。王佳(2014)构建了存贷错配下的流动性风险衡量指标，以压力测试模型对国有四大行进行分析，给出在对流动性风险管理过程中应密切关注存贷比以稳健经营。但该研究样本存在明显不足，考虑到多家银行，裘翔(2015)将期限错配的特征引入银行净利差决定模型，并通过推导出期限错配对净息差两种效果相反的机制作用：“风险承担效应”和“成本效应”。以2005-2012年为期间，以135家商业银行年度数据为样本，计算出流动性错配指数来衡量期限错配结果，认为“风险承担效应”对于银行经营绩效的影响要大于“成本效应”，即流动性错配指数增加，银行经营绩效反而受到阻挠。考虑到宏观审慎管理与微观审慎管理协调创新，彭建刚(2014)利用HP滤波对存贷期限错配流动性缺口进行测算，采用固定效应的面板回归模型进行研究，认为资产收益率和流动性风险呈现正相关关系，但银行过于关注经营利润会面临更多存贷期限错配的流动性风险。由期限错配的流动性风险又可细分为表内流动性风险和表外流动性风险，郭琳(2017)认为银行为了降低成本提高收益，倾向于发放中长期贷款，这将进一步加剧银行面临的表内流动性风险，而随着互联网金融的发展，以中长期资产为基础提供短期理财产品，加剧了期限错配问题从而面临更多表外流动性风险。

流动性风险产生的主要原因之一是流动性错配，所以有必要从资产端和负债端两方面来研究。刘精山等(2019)在综合外部因素的基础上，重点关注期限错配和流动性错配问题，在考虑期限错配问题和外部宏观因素后，构建动态递归模型，并且在度量我国商业银行的流动性风险时，加入动态时变的权重因子构建流动性错配指数(LMI)，我国商业银行流动风险存在异质性和时变性，LMI的压力测试结果显示，不同类型银行压力测试和抵御风险的能力具有显著的异质性。为有效地管理和防范商业银行流动性风险，需要严格控制流动性错配程度，密切关注宏观经济形势和资产价格的波动，并建立相应的风险监测和管理机制。

(二)基于流动性风险度量控制的优化模型

胡彦君(2016)运用面板数据将《巴塞尔协议Ⅲ》中的四大监管工具核心资本充足率、杠杆率、流动性风险和贷款损失准备监管对银行经营绩效的影响进行了研究，认为无论是系统重要性银行还是非系统重要性银行，流动性比率均对银行经营绩效有显著的促进作用，但该模型中有诸多没有考虑到的外部因素。陈红等(2017)则综合考虑了外部因素，通过压力情境测试，将流动性覆盖率LCR作为商业银行流动性风险的衡量指标，同时利用借助脉冲响应函数和方差分解方法并结合VAR计量模型，对宏观因素的变化进行定量分析、同时分析了结构调整对大型、中型银行流动性之间的相互作用关系。其中，大型银行凭借资产规模优势和行业地位，在调整资本结构和面对流动性风险时的抗压能力更强。；流动性风险较为明显的恰恰是那些没有规模优势的中小银行。

基于《巴塞尔协议Ⅲ》中提出的监管指标净稳定资金比率(NSFR)，潘敏等(2016)以2003-2014年中国78家银行的非平衡面板数据为研究样本，计算了净稳定资金比率(NSFR)，运用动态面板模型研究了其与经营绩效之间的关系，认为存在一个使得银行绩效最优的NSFR水平。吕笑微(2017)选取67家商业银行2008年-2015年年度数据，通过存贷比(LTD)和净稳定资金比率(NSFR)衡量银行流动性风险并且引入调整速度(λ)作为偏离目标值的反应变量建立局部调整模型，认为商业银行流动性行管理与经营绩效之间存在倒U型关系，即流动性增加会促使银行经营绩效的提高，达到最优点后，随着流动性增加反而导致经营绩效的下滑，存在一个最优流动性风险点。彭疏桐(2018)也采用了净稳定资金比率(NSFR)研究与经营绩效的关系，通过构建动态面板数据模型并采用GMM的估计方法，认为净稳定资金比率相对于传统指标能更好的衡量流动性风险并且该指标对于中小银行的绩效影响更大。

四、结论

本文总结了我国商业银行流动性风险的研究基本现状，阐述了当前衡量商业银行流动性风险的三种主流方法，分别是基于传统指标的度量、基于现金流视角、基于VAR模型，可以看到衡量流动性风险的方法在不断创新。基于银行流动性风险控制的优化模型大致可分为两类，两种优化模型的各有特点和方向，期限错配问题依然是关注的重点，同时可以看出不少学者尝试从其他方面入手研究流动性对经营绩效的影响。