商业银行流动性风险的影响因素分析

郝露莎 周坤

摘 要：在以银行为主体的金融产业组织结构的大力发展下，银行业流动性风险的高低直接影响到金融行业的经济稳定，进而影响我国宏观经济，为此，了解我国银行业的流动性风险并着手改革已经至关重要。为了解商业银行流动性风险的影响因素，构建了我国上市银行2009-2019年的固定效应变系数模型进行实证分析。结果表明增加银行的资产净利率、扩大资产规模、控制GDP增速和CPI增速、降低商业银行的不良贷款率，可以更好的降低商业银行的流动性风险。

关键词：流动性风险;商业银行;资产规模

在大多数行业中，竞争通常被认为是积极力量。银行间的竞争通常被认为能够提高服务质量，刺激创新可以提高银行竞争力。为了实现以上目标，中国政府在采取了前所未有的金融部门改革，取缔了国有制银行政策，国有制银行纷纷上市。随着我国经济的快速发展，商业银行的发展也十分迅猛，在推动GDP增长的同时，也存在一些流动性风险等，它的不稳定性也收到社会越来越多的关注。因此掌握商业银行的流动性风险，是很多资金持有者应该要了解的基本知识。也要积极地了解能够影响流动性地多方面因素，并针对这些现象，设计出行之有效的方案。

一、文献综述

存贷款比是商业银行流动性风险的监测指标，综合反映了银行的资产和负债的流动性特征[1]。流动性比率，流动性比率也称为流动性比例，是商业银行流动性风险监管指标之一，也是衡量银行流动性风险的综合指标（夏德华2019）[1]。谢太峰，王蕴鑫，徐子麒[2]（2020）认为内部影响因素应该从银行规模、资本状况、盈利能力、经营状况以及流动性5个方面选取代表性指标，分别为总资产规模、资本充足率、资产收益率、成本收入比、贷存比、GDP增长率（GDP）和通货膨胀率。王雅佳[3]（2019）最终选取了资产规模、不良贷款率、资本充足率、利息收入比和影子银行业务量占比、GDP增长率和银行业景气指数增长率这七个指标为解释变量研究其与被解释变量信用风险之间的关系。

二、商业银行经济绩效评价体系构建

（一）变量的选取及模型的设定

利用2009年至2019年之间我国11家商业银行（中国、建行、工商、兴业、交通、浦发、平安、民生、招商、中信、华夏）的面板数据，以存贷比为被解释变量构建多元回归模型，检验银行流动性风险的影响因素分析。

1.变量选取

（1）被解释变量。股份制商业银行流动性风险程度是本文要予以研究的对象，而流动性风险的度量主要包括存贷款比与流动性比率[1]。再以往文献中使用流动性比例作为流动性风险指标较多，所以我们选择存贷比作为商业银行流动性风险的综合评价指标。本文中的存款/贷款（Ltr）是银行存贷比是指银行存款总额/贷款总额，若存款/贷款比过小，则表明银行的贷款过多，流动性降低，可能引发信用风险，所以存款/贷款比越大，相应的流动性风险越小。

（2）解释变量。借鉴国内外众多学者的经验，也将模型中解释变量的选取分为两方面因素：微观银行特征变量及宏观经济环境变量[4]。微观银行的变量特征主要选择了利息收入占比（PII）、不良贷款率（Nlr）、资产规模（AS）、资产净利率（ROA）。宏观经济环境变量选择了居民消费价格指数增长率（CPI）、国民生产总值增长率（GDP）。

2.描述性分析

下表反映了我国商业银行内部因素的描述性统计。资产规模（AS）代表银行的实力，不同银行间的资产规模差距较大。一般来说，总资产规模越大，发生流动性风险的可能性越小。

（一）模型研究及分析

1.平稳性分析及协整检验

（1）平稳性检验与协整检验

在四种常用的检验方法中，选取最常用的PP检验以及ADF检验。通常情况下，显著性水平小于5%，拒绝原假设，认定数据为平稳序列。

从上述检验看出，除利息收入占比（PII）、资产规模（AS）其余变量均平稳，使用一阶差分对PII、AS进行处理得到DPII、DAS，对DPII与DAS进行平稳性检验，结果如表2所示，DPII与DAS序列平稳。

在数据平稳的前提下，对数据进行协整检验，看其是否存在长期均衡关系，对利被解释变量分别做了协整检验，均通过了协整检验意味着变量之间存在着长期协整关系。

（2）F检验和豪斯曼检验

构建面板数据模型，以考察10年里净资产收益率与银行的各项指标之间是否存在显著性关系以及影响为依据构建理论模型。设定如下的线性模型：

面板数据计量模型需要用到一些检验，这些检验應用于模型形式的选择以及对模型效果的评价。检验方法包括：Housman检验、F检验。Housman检验的结果P=0.0040<0.05，拒绝原假设，选择固定效应模型。F检验经过计算可得F2=23.51531958>，拒绝原假设H2，进一步检验H1，计算的F1=17.12393652，拒绝原假设H1，因此选择固定效应变系数模型。

2.回归分析

以上述分析为基础建立固定效应变系数模型对数据进行回归分析，对回归结果进行整理，结果如下：

根据上述回归分析可以得出，模型的R-squared为0.9501，说明拟合结果很好，F统计量的值为2.73998，对应的P值为0.00000<0.01，说明模型整体在99%的水平下显著，拟合精度很高。由以上结果进行分析得出以下结论：

1.对于中国银行，对存款/贷款有显著性影响的是资产规模，且与存款/贷款为争相关系，说明资产规模越大，存款/贷款越大，相应的流动性风险越小;

2.对于中国建设银行、中国工商银行，GDP增速对其有正向显著性相关关系，说明GDP增速越快，存款/贷款比越大，相应的流动性风险越小;

3.对于中国民生银行的存款/贷款比显著负相关的是居民消费指数增速，CPI增速每增加一个百分比，存款/贷款比减少0.0478，相应的流动性风险就会越大。资产净利率（ROA）与存款/贷款比呈显著正相关，民生银行的资产净利率增长时，存款/贷款比变大，流动性风险变小;

4.招商银行的利息收入占比与存款/贷款比为反比，当利息收入占比增加时，流动性风险变大;

5.对于华夏银行，CPI增速增加，存款/贷款比减少，流动性风险就会越大。不良贷款率（Nlr）与存款/贷款比也成反比，不良贷款率越大，存款/贷款比越小，流动性风险越大;

6.对于兴业银行来说，资产规模与资产净利率对存款/贷款比有显著性影响。从上述回归结果上看，资产规模与存款/贷款比成正比，资产规模越大，流动性风险越小。同理资产净利率越大，流动性风险越小。

7.对于平安银行，资产规模、利息收入比、GDP增速、不良贷款率和资产净利率都对存款/贷款比有显著影响，其中GDP增速、不良贷款率与存款/贷款比成反比，GDP增速越快、不良贷款率越大，存款/贷款比越小，其流动性风险越大。资产规模、利息收入占比、资产净利率的增量为正，存款/贷款比增加，流动性风险越小。

8.浦东发展银行的GDP增速与其他银行银行不同，当GDP增速为正时，存款/贷款比越大，流动性风险越小。资产净利率同理，增速越大，流动性风险越小。而CPI的增速与GDP增速相反，CPI增速越大，存款/贷款比越小，流动性风险越大。

三、结论与建议

本文以11家商业银行11年间的平衡面板数据为样本，研究流动性风险的影响因素，通过上述分析，国有控股大型商业银行中受GDP增速影响的较多，而股份制银行中较少会被GDP增速影响。我们知道各个银行之间的独立性较大，对于不同的银行、其在发展战略或者经营战略上存在不同，因此使用固定效应变系数模型中发展商业银行中存款/贷款比大多与资产净利率有显著性关系，其次与GDP增速、CPI增速、资产规模有显著性关系，各个银行之间存在明显区别，所以对存款/贷款比的显著影响因素也不同。

基于以上的实证及结论分析，提出三点建议：

第一、增加银行的资产净利率，扩大资产规模。经营收益是银行存在的根源，资产净利率对大多数银行都存在显著正相关，保持经济的良好向上发展，扩大资产规模、提高资产净利率有助于降低流动性风险;

第二、控制GDP增速和CPI增速。宏观经济是商业银行经营的基础，保持经济的繁荣，但同时要注意避免通货膨胀，同时提高居民消费指数增速，保持经济的稳定发展，避免物价波动。

第三、降低商业银行的不良贷款率。不良贷款率越大与存款/贷款比呈显著性反比，不良贷款率越大，存款/贷款比越小，其流动性风险越大。

参考文献

[1] 夏德华. 我国城商行流动性风险影响因素分析[D].河北大学，2019.

[2] 谢太峰，王蕴鑫，徐子麒.我国城市商业银行信用风险影响因素的实证研究[J].征信，2020，38（06）：79-83.

[3] 王雅佳. 我国上市商业银行信用风险影响因素分析[D].上海师范大学，2019.

[4] 陳黎.利率市场化对股份制银行信用风险影响实证研究——基于六家股份制银行面板数据[J].中国商论，2020（04）：70-72.

[5] 雷放存. 煤炭产能评价及产能过剩成因机理分析[D].山东工商学院，2018.