APP下载

同业业务发展对银行信用风险的影响研究*——基于货币政策与金融监管的视角

2021-11-22李懿行梁万泉

南方金融 2021年8期
关键词:信用风险负债货币政策

李懿行,梁万泉

(首都经济贸易大学金融学院,北京 100070)

一、引言

2008年国际金融危机后,在利率市场化的大背景下,我国商业银行资产负债表扩张明显,同业业务已成为银行调整资产负债结构、减少资本占用、增加经营收益的重要业务,逐渐在银行资产和负债结构中占据了越来越重要的地位,同业负债业务更是以年均20.7%的速度保持超高速增长,并于2016年达到顶峰。银行同业业务在快速发展的同时,其过度操作所引起的流动性风险、信用风险以及对货币政策有效性的冲击也引发了越来越多的关注。尽管从2013年我国开启“金融去杠杆”,但同业业务发展不规范、信息披露不充分、规避金融监管进行资金套利等问题仍客观存在,同业交易链条过长,参与机构较多,提升了金融机构间的关联度,同业业务扩张存在的风险令人堪忧。

本文选取95家商业银行2008-2019年的非平衡面板数据作为研究样本,研究商业银行同业业务的业务模式、风险传导机制和对银行信用风险的影响,以及同业业务发展在货币政策和监管政策影响银行信用风险中的中介效应。本文的贡献体现在以下三个方面:一是对同业业务和银行风险的研究从流动性风险扩大到信用风险,进一步丰富了同业业务发展对银行信用风险影响的实证研究。二是以往文献仅从同业业务结构或者规模的角度研究同业业务对银行风险的影响,本文从结构与规模的双视角来探究同业业务发展对银行信用风险的影响机制,克服了仅以同业资产(负债)占比来衡量同业业务发展的一些弊端,更加全面立体地诠释了同业业务发展对银行信用风险影响的动态过程。三是从货币政策与金融监管政策的双视角建立机制分析,探究同业业务发展在货币政策与金融监管政策影响银行信用风险中的中介效应,特别是本文引入金融监管政策变量,分析2017年同业业务监管政策的效果,对今后的金融监管实践具有一定的指导意义。

二、文献回顾与研究假设

(一)同业业务发展与银行信用风险的关系

同业业务风险本质是以银行信用为掩盖的基础资产的风险转移(马晓,2016)。施勇(2020)认为商业银行出于资产质量管理的考虑,一般将资产质量较好的企业及贷款留在表内,而表外资产不纳入不良贷款考察范围,因此表外资产面临更加严峻的信用风险。李威和姚玥悦(2017)指出,商业银行与其他金融机构合作并通过同业业务发放的贷款主要流向房地产、地方政府融资平台以及产能过剩的行业,作为国家限贷的领域,这些行业很难在正常信贷渠道下获得资金支持,这也成为银行信用风险增加的重要原因。影子银行是游离于银行监管体系之外、可能引发系统性风险和监管套利等问题的信用中介体系(陈和和陈增欢,2020)。于博和吴菡虹(2020)提到同业杠杆率攀升的本质是同业影子信贷扩张,而影子信贷扩张主要从以下四个渠道影响银行信贷风险:融资结构传导渠道、投资效率传导渠道、监管规避传导渠道、风险承担传导渠道。

同业业务发展对银行信用风险的影响是一个变化的过程,简单地认为同业业务发展会增加银行风险是不够全面的。影子信贷投放有助于企业抓住投资机会,促进实体企业成长,从而提高债务偿付能力,降低信用风险(于博和吴菡虹,2020)。同业业务的发展能够通过同业市场调节银行间的资金余缺,为实体经济更多地提供可贷资金(顾海峰和马聪,2019),进一步缓解银行信用风险。因此,部分文献在模型设定中加入同业业务的二次项来研究其对银行风险的动态影响。梁丽丽(2015)研究认为,银行同业负债业务与流动性呈“倒U型”关系。于博和吴菡虹(2020)的研究表明,随着同业杠杆率的攀升,银行传统信贷风险呈现先下降而后上升的变化趋势。但目前大多数的文献仅仅从结构或者规模的单一角度来衡量同业业务发展的情况,本文将克服以往文献的局限性,从结构和规模两个角度同时对同业业务展开分析,为理论实践提供更多的实证依据。基于此,提出如下假设:

假设1:同业业务发展与银行信用风险呈“U型”关系。

(二)同业业务发展在货币政策影响银行信用风险中的中介效应

紧缩的货币政策导致商业银行流动性风险上升进而引发信用风险,而同业业务的发展同货币政策环境与信用风险有着密不可分的关系,理论上发挥着显著的中介效应。李雪和胡梦飞(2021)的实证研究表明,紧缩的货币政策对商业银行绩效的负向影响会随着同业杠杆率水平的提高而下降,同业业务维持了银行盈利能力的稳定。因此,本文将探索同业业务是否在货币政策影响银行信用风险中起到了关键的中介效应。

关于货币政策如何影响同业杠杆的研究往往与影子银行相结合。郭晔等(2018)认为,宽松货币政策会降低银行参与同业业务的程度,而胡利琴等(2016)认为,扩张性低利率政策会刺激影子银行的扩张。关于货币政策与银行风险的研究则呈现出不同的结论。部分学者认为,现金流效应(方意等,2012)、资产替代效应(De Nicolò等,2010)、追逐利率效应(Rajan,2005)可解释宽松货币政策如何导致银行增加风险承担。还有部分学者从风险转移效应的视角进行研究,认为宽松货币政策会使得银行降低风险承担(张欣,2011)。张欣(2011)认为,宽松货币政策所导致的存款利率下降只会部分传递到贷款利率,从而使得银行利润增加,进而降低了银行过度风险承担的道德风险。从银行信用风险的角度来看,紧缩货币政策会限制银行信贷总量,导致银行调整资产组合的能力受限,信贷资源被少部分客户占用,倘若利率继续攀升将进一步导致不良贷款增加,信用风险将会上升。据此,提出如下假设:

假设2:同业业务在货币政策影响银行信用风险过程中发挥了中介效应。

(三)同业业务在金融监管政策影响银行信用风险中的中介效应

有效的金融监管能够降低银行的信用风险,而同业业务是金融监管的重点之一,理论上同业业务能够在金融监管影响银行信用风险中发挥显著的中介效应。一方面,金融监管的不断强化确实有效抑制了同业业务的膨胀。同业业务监管体系已逐步成型,经过2017年严格的规范治理,银行业的同业资产和同业负债规模出现自2010年以来首次双收缩。另一方面,同业业务发展会进一步促进金融监管加大力度。纵观我国同业业务发展的历程,遵循了“监管-创新-再监管-再创新”的循环往复、动态博弈过程(莫媛和易小兰,2017)。结合我国的监管实际来看,当银行同业业务急剧扩张时,相关的监管政策也将增多(盛天翔和张勇,2019)。郑其敏(2015)通过实证研究发现,银行资本监管约束强度与银行同业业务规模占比之间呈现正相关关系。我国同业业务的监管政策经历了一个从相对宽松到逐步收紧的过程(胡静和张伟,2017),未来随着同业业务新型模式的出现和发展,金融监管当局将提高对同业业务的敏感性,对同业业务的监管力度也会进一步加强。基于此,本文提出如下假设:

假设3:同业业务在金融监管影响银行信用风险的过程中发挥了重要的中介效应。

三、研究设计

(一)数据来源与样本选择

根据数据的可得性,本文剔除缺失年份超过3年的商业银行样本,最终选取95家商业银行2008-2019年的非平衡面板数据作为研究对象。选取这一时间区间的主要原因在于,我国商业银行同业业务在2007年之前较少开展且并未形成规模,甚至有相当一部分商业银行尚未开展同业业务,但2007年后我国商业银行同业业务呈爆发增长趋势,之前尚未开展同业业务的银行也开始大力发展同业业务进行资金融通和流动性管理,因此选择2008年之后的数据具有较好的研究意义和代表性(王家华等,2018)。样本中包括5家大型商业银行、12家股份制商业银行、63家城市商业银行和15家农村商业银行,基本涵盖商业银行的所有类型。本文的微观数据来源为Wind数据库和CSMAR数据库,缺失数据通过各银行官网公布的财务报表进行补充,宏观数据来源于EPS数据库。

(二)变量选取

1.被解释变量

衡量银行风险承担的指标有很多,包括预期违约率(Altunbas等,2010)、Z-score指标(Laeven等,2008)、风险加权资产比率和不良贷款率(Delis等,2011)等。其中,预期违约率的估计难度较大,加之我国商业银行的主营业务收入来源是存贷差,这意味着我国商业银行面临的主要风险为信用风险(巴曙松和黄尚平,2018;刘生福和李成,2014)。因此,参考郭娜等(2020)的研究,本文选取不良贷款率(Npl)作为衡量商业银行信用风险的主要变量。

2.核心解释变量

同业结构方面,本文参照于博和吴菡虹(2020)的研究方法构建同业杠杆率指标。同业杠杆数值越大,说明同业负债相较同业资产的比值越高,对资金流动性需求也就越高,流动性风险增加从而引发相应的信用风险。

同业规模方面,采用同业资产规模占比(IBA)来衡量银行同业资产端业务规模情况。同业资产包括存放同业、拆出资金和买入返售金融资产三项。与此同时,从负债端的角度计算同业负债规模占比(IBD),其中同业负债包括同业存放、拆入资金和卖出回购性金融资产三项。

3.政策变量

货币政策宽松程度变量(MP)用法定存款准备金率来测度。央行通过提高或降低法定存款准备金率来达到收缩或者扩张信用的目标,即法定存款准备金率越低,货币政策越宽松,反之亦然。

金融监管政策变量(Supersive)的设定取决于2017年的金融“严”监管。因此,令2017年(不含)之前的Supersive为0,2017年之后Supersive为1。

4.控制变量

本文选择资产规模(Lnasset)、资本充足率(CAR)、成本收入比(CIR)、总资产净利率(ROA)、GDP同比增长率(gGDP)和存贷比(LDR)六个变量作为控制变量。其中:资产规模(Lnasset)取总资产额的自然对数;资本充足率(CAR)取资本与风险资产的比值;成本收入比(CIR)取银行单位经营收入所对应的成本;总资产净利率(ROA)为净利润与平均资产总额的比值,反映银行业务经营与获利能力;GDP同比增长率(gGDP)为本期GDP增量与上期GDP的比值;存贷比(LDR)为贷款总额与存款总额的比值,该值越高代表负债端对应的贷款资产越多,银行流动性越低,即与银行流动性成反比。

表1 变量定义

(三)模型设定

1.同业业务发展对银行信用风险的影响

参考于博和吴菡虹(2020)、崔捷等(2019)以及梁丽丽(2015)的研究,在基本的动态模型下加入核心解释变量的二次项,重点研究同业业务发展对银行信用风险是否存在正负反馈机制,具体模型如下:

其中:Riskit表示银行的信用风险,Interit是银行同业业务发展的代理变量,包括同业结构和同业规模两个指标。Xit代表控制变量,既包括个体层面的,也包括宏观层面的;μi为个体异质性,控制不可观测的商业银行的差异;λt为时间固定效应,控制与时间相关的变量;εit为随机扰动项。

2.同业业务发展在货币政策影响银行信用风险中的中介效应

由于本文的研究变量间可能存在“U型”关系,传统的中介效应检验三步法无法清晰揭示中介变量如何影响自变量与因变量之间的关系(董保宝,2014;Hair等,1998)。因此,本文参考Edwards和Lambert(2007)的调节路径分析方法,借鉴李雪和胡梦飞(2021)的模型设定思路检验同业业务发展的中介效应路径。具体模型如下:

模型(3)中引入了同业业务发展变量与货币政策的交互项,重点关注交互项系数。

3.同业业务发展在金融监管政策影响银行信用风险的中介效应

模型设定思路同上,具体模型如下:

模型(5)中引入了同业业务发展变量与金融监管政策的交互项,重点关注交互项系数。

(四)描述性统计

表2报告了变量的描述性统计结果,不良贷款率的均值为1.50%,最大值28.44%远高于中位数1.33%,说明个别银行信用风险水平较高。同业杠杆率的均值为2.23,即同业杠杆率平均水平为2.23倍,但最大值高达44.58倍。为防止非平稳过程带来的伪回归问题,本文进行了序列平稳性检验,对宏观经济变量法定存款准备金率和GDP同比增长率进行了ADF时间序列平稳性检验,对其余非平衡面板数据进行ADF-Fisher检验,见表2最后一列。结果显示所有变量都通过了检验,即变量都是平稳的。

表2 描述性统计

四、实证分析

参照已有研究(宋清华等,2019;宋汇玄和姜旭朝,2018;罗中和缪海斌,2013),设定动态面板模型对同业业务发展与银行信用风险的关系进行估计。动态面板数据模型中包含被解释变量的一阶滞后项,若采用传统的估计方式对模型进行估计,得到的参数估计是有偏且非一致的。针对动态面板数据模型的估计方法,大多数学者都认为相较于差分GMM,系统GMM估计的偏差更小且估计效率更高(周再青等,2017;权飞过等,2018),因此本文采取系统GMM的估计方法对动态面板数据模型进行估计。使用稳健标准误进行估计,Hansen检验的P值大于0.1,表明模型通过过度识别检验,工具变量选取恰当,且AR(2)的P值大于0.1,表明模型通过了序列相关性检验,扰动项不存在二阶或更高阶的序列相关问题。

(一)基准回归

基准回归结果见表3。从同业杠杆结构的角度来看,列(1)显示随着同业杠杆率的攀升,商业银行的信用风险呈现先下降后上升的趋势,符合理论预期结果。从同业业务规模的角度来看,列(2)与列(3)分别报告了资产端与负债端同业业务规模与商业银行信用风险的“U型”效应,虽然同业资产与同业负债具有一定的共性,但这并不意味着同业负债资金完全对应同业资产科目,需要从差异化的角度来进行审视。可以看到,同业资产规模与商业银行信用风险的“U型”关系并不显著,但同业负债规模与商业银行信用风险的“U型”关系显著。阈值以内,商业银行开展同业负债业务能够有效缓解银行信用风险,但超过阈值以后,商业银行继续开展同业负债业务将提升银行的信用风险。可能的原因在于,最近几年商业银行同业业务在负债端呈现快速发展态势,同业负债成为推动杠杆攀升的重要原因(于博和吴菡虹,2020)。假设1成立。

表3 同业业务与银行信用风险的回归结果

(二)同业业务的中介效应检验

1.同业业务发展在货币政策影响银行信用风险中的中介效应

表4列(1)与(3)的结果表明,宽松的货币政策会使得同业杠杆加大。一般而言,金融机构的杠杆率是顺周期的,即当金融机构的资产负债表扩张时,其杠杆率会增加;而当资产负债表收缩时,金融机构的杠杆率将会降低(方意等,2012)。同业杠杆的上升离不开宽松货币政策环境下稳定低廉的资金与相对较高的利差,并且同业负债规模的扩张在很大程度上得也益于相对宽松的货币环境。列(2)与(4)通过加入货币政策及其与同业业务的交互项,进一步探究同业业务作为中间变量对货币政策与银行信用风险的作用效果。结果表明:一是法定存款准备金率与银行风险呈显著的正相关关系,这说明紧缩的货币政策会加大银行的信用风险,原因在于紧缩性的货币政策会对商业银行部分信贷资产的质量存在挤出效应,并且不良贷款爆发的时间将会缩短,银行信用风险加大。二是货币政策与同业业务的交互项显著为负,这说明紧缩性货币政策对银行信用风险的促进作用会随着银行同业业务规模的扩张而有所下降,紧缩性货币政策确实会导致流动性风险上升,进而引发信用风险,但合理适度地发展同业业务可以让银行之间有效调节资金头寸,缓解流动性危机,进而减弱信用风险,与理论预期相一致。假设2成立。

表4 货币政策、同业业务与银行信用风险动态面板回归结果

2.同业业务发展在金融监管政策影响银行信用风险中的中介效应

表5中列(1)与(3)回归结果表明,2017年的金融监管与同业业务扩张呈显著负相关关系,即2017年的一系列金融监管政策确实有效降低了同业杠杆率与同业负债规模占比。为防止2017年金融监管政策变量在模型运行过程中被遗漏,本文并未控制时间效应,并且同货币政策一样,将政策虚拟变量置于外生变量中进行回归。列(2)与(4)的回归结果表明:一是2017年金融监管变量(Supervise)与银行信用风险呈负相关关系,尤其在同业负债规模的约束上效果明显。二是加入交互效应后虽然降低了核心解释变量的显著性,但并没有改变其方向,且金融监管与同业业务的交互项系数为正,说明金融监管对银行信用风险的负向影响会随着同业负债规模的扩张而进一步强化,整体来看2017年的金融监管有效抑制了同业负债规模。假设3成立。

表5 金融监管、同业业务与银行信用风险动态面板回归结果

(三)稳健性检验

系统GMM方法相对其他估计方法更能够有效解决动态模型中遗漏变量和解释变量内生性等问题,但是在有限样本条件下,系统GMM估计结果可能有偏。本文借鉴Bond等(2002)、邵汉华等(2019)的研究方法,将GMM估计结果与OLS估计结果、固定效应模型估计结果进行对比。具体步骤如下:第一,对于OLS估计方法,由于被解释变量滞后项和不可观察的截面效应存在正相关关系,导致估计结果向上偏移;第二,对于固定效应FE估计方法,由于被解释变量滞后项和随机扰动项负相关,估计结果向下偏移;第三,若滞后被解释变量的GMM估计值介于固定效应估计值和OLS估计值之间,那么GMM估计是可靠有效的。因上述SYS-GMM估计中加入了稳健标准误,所以本文在OLS与FE的估计中也加入稳健标准误以更加精确判断三者估计值的关系。通过对基准回归方程滞后项系数检验发现,GMM估计量均介于两个估计量之间,说明系统GMM模型估计结果有效可靠,回归结果稳健①受文章篇幅限制,稳健性检验结果从略。。

五、结论与启示

本文基于2008-2019年中国95家商业银行的非平衡面板数据,从同业业务结构与规模双重视角研究同业业务发展与银行信用风险的关系,并进一步探究同业业务在货币政策和金融监管政策影响银行信用风险中的中介效应。研究结果表明:一是同业业务发展与银行信用风险呈“U型”关系。阈值以内,银行信用风险随着同业业务的发展而降低;阈值以外,银行信用风险会随着同业业务的发展而增大。二是同业业务在货币政策影响银行信用风险中发挥了中介效应。同业业务会强化银行信贷的顺周期波动特征,紧缩性的货币政策对银行信用风险影响的正向作用会随着银行同业业务的发展而有所下降,反之亦然。三是同业业务在金融监管政策影响银行信用风险中发挥了中介效应。

基于以上研究结果,对强化商业银行同业业务风险管理提出如下建议:

一是商业银行要合理有效开展同业业务,加强同业资产业务风险管理能力。商业银行应严格按照稳健经营原则,对同业业务进行明确的定位,使同业业务所产生的信用风险处于稳定可控的范围,严格审视自身现状,结合自身实际情况探索出一条适合行情的同业之路,保证同业业务的有效开展。同时还应主动调节同业资产业务和同业负债业务结构,使同业资产和负债之间的错配程度保持在一个可控的区间内,加强对于开展同业业务过程中可能产生的一系列风险的度量与控制,减少对同业业务的过分依赖。

二是监管部门要不断提高宏观政策的灵活性和前瞻性,正确引导商业银行合理有序发展同业相关业务。鉴于货币政策与同业业务发展的正相关关系,同业业务会强化银行信贷的顺周期波动特征,要进一步完善货币政策目标和工具,健全货币政策和宏观审慎“双支柱”调控框架,提高货币政策有效性。

三是监管部门要持续健全宏观审慎监管体系,优化金融杠杆监控标准,进一步推进穿透式的银行微观审慎监管方案。监管部门应建立动态、持续和跨周期的业务考核办法,把更多信用创造活动纳入宏观审慎政策框架,包括将影子银行的资产负债表纳入流动性管理的范畴,防止银行通过同业业务,以较低的风险准备金投资于高风险业务,重点防止同业业务扩张所导致的金融“脱实向虚”,从而降低商业银行发生信用风险的可能性。监管部门还应该根据不同商业银行之间的差异性,对商业银行内部风险预警机制有针对性的进行不断的完善,实施动态化和差异管理,同时,监管机构也应该建立健全信息披露制度,以更有效的对金融机构进行监管。

猜你喜欢

信用风险负债货币政策
油气贸易企业信用风险管理研究
两次中美货币政策分化的比较及启示
大数据背景下的电子商务信用风险预警方法
正常的货币政策是令人羡慕的
研判当前货币政策的“变”与“不变”
“猪通胀”下的货币政策难题
你的负债重吗?
136家房企负债直逼5万亿万科、绿地和保利负债均超3000亿
京东商城电子商务信用风险防范策略
世界名著诞生趣闻四则