影子银行和银行风险承担——基于银行表内资产的分析

■邵杨楠 李志生

一、引言

影子银行是导致2008年全球金融危机爆发和蔓延的重要原因之一。危机之后，学者们对影子银行的产生和发展原因、风险特征及其经济后果展开了相关研究[1—6]。鉴于影子银行与生俱来的风险特征，各国在金融危机之后陆续将影子银行纳入宏观审慎监管框架之中，影子银行监管问题也成为巴塞尔III 协议的重要内容。中国影子银行自2008年以后开始迅速发展，各类衍生产品规模不断增长，成为金融体系中不可忽视的部分。我国影子银行具有典型的“以银行为中心”的特征，银行从多个环节参与到影子银行业务中。这直接驱动了我国影子银行规模的快速增长[7，8]。

随着影子银行的快速发展，监管套利、“刚性兑付”等乱象开始出现，金融机构也通过不断创新各类影子银行业务模式来规避监管[9]。这导致我国影子银行在发展过程中滋生了大量风险隐患[10]。因此，近年来我国监管机构不断强化对影子银行的监管，力图形成科学有效的监管体制来规范影子银行业务，消除潜在的系统性风险隐患。但影子银行也有其积极作用，可以缓解部分中小企业融资难的问题，为实体经济的发展注入了活力[4]。在“维护金融安全，守住不发生系统性风险底线”这一理念的指导下，如何抑制影子银行规模过快扩张，在防范潜在风险的同时，如何使其更好地服务于实体经济和满足投资者多样化需求，是值得深入思考的问题。

相比已有研究，本文的贡献主要体现在以下三个方面：第一，通过手工收集的数据，从银行资产负债表的资产端出发，构建了衡量表内影子银行资产①的指标。已有研究利用同业业务[11，12]、买入返售金融资产[13]和应收款项类投资[14]进行相关分析，这种做法有其合理性，但会存在一定的偏差。本文利用银行表内各类影子银行资产规模的数据，构建了衡量表内影子银行的指标，避免了重复测算的弊端，同时也能够更加全面和精确地衡量表内影子银行业务。第二，本文研究了影子银行对风险承担的影响，探讨了资产种类增加和信息透明度降低两种可能的影响机制，丰富了有关影子银行经济后果的研究，为理解影子银行的风险特征提供了新的思考。第三，本文探讨了监管政策对不同类型影子银行资产的影响，发现监管政策存在异质性，银行会通过资产转换的操作来规避监管。

二、理论分析和研究假设

已有文献从多个角度对影子银行展开了研究，如影子银行产生和发展的原因、规模的测算和监管政策等，与本文密切相关的成果主要集中在影子银行的经济后果这一方面。此外，有关银行资产多元化和信息透明度的研究也为本文提供了启示。

（一）影子银行的经济后果及其影响

学者们对影子银行如何影响金融体系以及实体经济进行了大量研究[4，7，15]。由于影子银行天生具有较高风险，大多数研究重点探讨影子银行对风险的影响。Gennaioli 等[2]发现银行通过资产证券化等表外业务分散风险时，一方面隐性降低了银行资本充足率的要求，另一方面增加了市场系统风险，并进一步导致尾部风险的急剧增加。李建军等[3]指出信托公司是我国影子银行风险产生的主要来源，一旦系统性风险发生，银行将成为主要承担者。影子银行业务均存在风险溢出的效应，信托投资对我国银行体系的风险溢出效应最为强烈[16]。银行会通过参与影子银行业务来应对激烈的存款竞争，当银行面临的监管约束越大，这种行为就会表现得越激进，导致风险进一步上升[17，18]。

也有研究认为，影子银行客观上促进了我国金融系统的完善，同时也满足了部分企业的融资需求，推动了我国利率市场化的进程[4，6]。除此之外，影子银行规模和银行的稳定性之间并不一定是线性相关的，即：当影子银行规模较低时，影子银行的发展能够提高银行体系的稳定性；反之，则会降低银行体系的稳定性[19]。

（二）影子银行对银行风险承担的影响：研究假设

我国商业银行仍然以传统的存贷业务为主，但出于经营绩效或行业竞争的影响，商业银行往往会参与影子银行业务，在表内持有一定规模的影子银行资产。相比传统存贷业务，影子银行业务具有更高的风险特征。已有研究发现，同业业务规模的扩张会显著提升银行风险承担水平，而买入返售金融资产的提升效应要更加明显[11]。同业业务具备典型的影子银行特征，而银行同业业务具有内在的脆弱性，这种脆弱性主要源于同业资金期限结构相对较短。政府的隐性担保则会加剧银行风险承担机制的扭曲[12]。另一方面，银行吸收存款能力越弱，越倾向于通过发行理财产品来募集资金，但这会增加经营风险[20]。利率市场化则进一步强化了理财产品对银行风险的影响[18]。因此，尽管参与影子银行业务可能会提升银行的业绩，但持有大量的影子银行资产会导致银行的经营稳定性降低，进而提升银行风险承担水平[21]。基于此，本文提出如下研究假设：

假设一：银行在其表内持有的影子银行资产规模越大，银行风险承担水平越高。

银行在我国金融体系的资源分配中占据着重要地位。大型银行特别是国有银行在信贷资源分配和客户资源方面占据着绝对优势地位。在激烈的市场竞争中，中小银行迫于业绩压力更倾向于从事高风险高收益的影子银行业务[8]，并且会通过业务模式创新等多种方式来参与影子银行业务[9]。相比传统的信贷和债券投资等业务，影子银行业务具有更高的风险系数，在银行和更多的金融主体产生了联系的情况下，影子银行业务增加了金融风险在不同机构之间传染的可能性[22]。而随着影子银行业务的不断深入，银行会开始持有不同类型的影子银行资产，这会导致其资产负债表的复杂化程度提高。基于此，本文提出如下研究假设：

假设二：影子银行和风险承担的正向关系在表内影子银行资产种类较少的银行中更为明显。

信息不对称是导致影子银行风险增加的重要原因[2]。投资者会要求透明度较低的银行有更高的收益率，这就导致银行会在均衡状态下选择风险更高的业务；而透明度更高的银行则会通过增强市场纪律来降低风险[23]。在面临一定的监管压力时，银行的信息透明度越低，其风险承担行为会更加激进。我国影子银行中部分产品的基础资产呈现出低透明度、信息披露不全等特点，这使得影子银行产品的资金流向和真实风险难以评估[24]。从本文的数据收集过程来看，随着银行不断参与影子银行业务，其表内的影子银行资产规模不断增加，银行会与更多金融机构产生联系。这一过程往往伴随着影子银行相关业务信息披露质量的降低，进一步导致银行的信息透明度降低。基于此，本文提出如下研究假设：

假设三：影子银行和风险承担的正向关系在透明度较高的银行中更为明显。

三、数据样本、研究设计和描述性统计

（一）数据样本

本文所用的表内影子银行数据均从上市银行的年报以及半年报中手工整理获得，银行财务特征数据来自Wind数据库以及CSMAR数据库。为避免极端值的影响，本文对所有连续型变量进行了1%和99%分位数的缩尾处理。以2008—2020年我国51家A 股和H 股上市银行为研究对象，银行样本包括5家大型国有银行、10家股份制银行以及36家城市商业银行和农村商业银行②。由图1可知，本文所选银行的影子银行业务规模占中国影子银行业务总规模的比例始终保持在70%以上，部分年份更是超过了80%。

图1 2015年以来中国影子银行总规模变动

（二）实证研究设计和变量定义

鉴于我国上市银行在财务特征方面存在较大的差异，本文利用以下固定效应模型进行分析：

其中，被解释变量Riski,t是i 银行在第t 期的风险承担水平，SBi,t是i银行在第t期的影子银行代理变量，Controli,t是一系列控制变量，δi为银行个体固定效应，δt是时间固定效应，εi,t是个体聚类稳健标准误。

1.被解释变量。已有研究采用了较多的指标来衡量银行风险承担水平，比如风险加权资产占比[25]、Z-Score[26，27]、预期违约概率[28，29]和不良贷款率[30，31]等。Z-Score 和预期违约概率主要度量了商业银行的破产风险，风险加权资产主要衡量了银行在资产选择方面的风险承担意愿水平，而不良贷款率则是对银行事后风险的度量，主要用来反映银行的信贷风险以及银行的资产质量。综合来看，我国商业银行破产的风险极低，不良贷款率更多地体现了商业银行的信贷业务风险，而风险加权资产占比综合考虑了商业银行的表内外资产，同时能够体现银行在资产选择方面的决策，是一种更为全面的风险承担度量指标，因此本文选择风险加权资产占比作为银行风险承担的代理变量，同时也将不良贷款率和ZScore用于本文的稳健性检验之中。

2.解释变量。本文解释变量设置的理论依据来自《中国影子银行报告》（以下简称《报告》）[32]。关于表内影子银行，《报告》明确指出银行同业特定目的载体投资属于表内业务，并且属于风险程度更高和影子银行特征更为突出的狭义影子银行范畴，其范围包括银行同业理财、信托投资、证券投资基金、各类资产管理计划等。除同业特定目的投资载体之外，报告还详细说明和列示了我国影子银行体系中的具体产品和业务。银行在表内持有规模较大的几类影子银行资产主要包括：资产支持证券、同业存单、各类资产收益权以及权益工具等。

基于此，本文从银行资产负债表的资产端出发，统计了51 家上市银行在表内持有的各类影子银行资产规模，进一步加总计算了单个商业银行的表内影子银行总规模。在回归分析中，借鉴邵新建等[5]的做法，将表内影子银行总规模除以银行资产（SB1）作为第一个影子银行代理变量。考虑到不同银行的资产构成比例差异较大，本文将表内影子银行总规模除以金融投资（SB2）作为第二个影子银行代理变量。

3.控制变量。借鉴已有银行风险承担的相关研究[13，26]，本文在考察影子银行对银行风险承担的影响时，对银行资产规模（lnSize）、贷款占总资产比例（LR）、贷存比（DR）、独立董事占比（Indep）以及第一大股东持股比例（Top1）等银行财务特征变量进行了控制。各变量的定义如表1所示。

表1 变量定义

（三）描述性统计

表2列示了本文主要变量的描述性统计结果。51 家上市银行的风险加权资产占比平均值为64.554%，最小值为47.868%，最大值为84.113%，说明我国上市银行在风险承担方面差异较大，不同银行资产选择的风险偏好不同。SB1 的均值为15.460%，说明我国银行普遍持有一定规模的表内影子银行资产；最小值为0.209%，说明该银行当年持有表内影子银行资产规模较小，从事影子银行业务的意愿不强；最大值为41.658%，意味着该银行表内有超过40%的资产投向了影子银行业务。SB2的均值为40.734%，最大值为81.865%，表明该银行当年金融投资中影子银行业务占比较大。SB1 和SB2在描述性统计特征方面具有显著区别，这也说明了本文变量设置的合理性。

表2 描述性统计结果（样本数N=748）

四、影子银行对银行风险承担的影响

（一）主回归结果

表3是本文的主回归结果。可以看到，影子银行代理变量SB1 和SB2 对银行风险承担指标RWA的回归系数分别为0.146和0.035，且均在1%的水平上显著。从经济意义来看，SB1 和SB2 单个标准差带来的风险承担变化分别为1.568 和0.927，约等于RWA 标准差的20.491%和12.117%。因此，无论是从统计意义还是从经济意义而言，影子银行均显著提高了银行风险承担，即银行在其表内持有的影子银行资产规模越大，银行风险承担水平越高。验证了本文的假设一。

表3 主回归结果：影子银行对银行风险承担的影响

控制变量方面，有关影子银行资产规模和风险承担的关系学界并未形成一致的观点，本文的回归结果显示影子银行资产规模和风险承担正相关，这支持了大型银行可能由于“大而不能倒”的道德风险问题导致其风险承担更加激进这一观点[33]。贷款占总资产比例以及贷存比和银行风险承担正相关，这两个指标越大，说明银行的信贷规模越大，从而可能导致更高的信用风险；独立董事占比和银行风险承担负相关，可能是独立董事能够抑制银行过激的风险承担行为。这些结论与祝继高等[13]、张健华等[34]的研究一致。

（二）稳健性检验

本文主回归所使用的被解释变量为风险加权资产占比。该变量更多体现的是银行在资产选择方面的风险承担水平，是一种事前的风险承担衡量指标。当前我国银行体系的主要业务仍然以存贷业务为主，项后军等[30]、张雪兰等[31]认为不良贷款率作为一种事后的风险度量，能够较好地用来衡量银行的风险承担水平，因此本文进一步利用不良贷款率（NPL）作为风险承担的代理变量进行稳健性检验。此外，Laeven 等[26]、张强等[27]认为Z-Score 能够较好地表征银行的风险承担水平，因此本文进一步利用Z-Score 作为风险承担的代理变量进行稳健性检验。Z-Score的计算公式如下：

其中，ROAi,t为银行的总资产收益率，EAi,t为银行的资本资产比，σROAi,t为银行总资产收益率的标准差，通常是基于三期的窗口值计算所得③。从ZScore 的计算公式可以得知，该值越大，银行的总资产收益率和资本资产比越小，同时资产收益率的波动程度较大，也就意味着银行的破产风险越大，风险承担越高。

表4为更换被解释变量的回归结果。其中，（1）和（2）列为基于不良贷款率的回归结果，（3）和（4）列为基于Z-Score 的回归结果。可以看到，所有回归中SB1 和SB2 的回归系数均至少在5%的水平上显著为正，这说明影子银行显著提高了银行的风险承担。验证了本文主回归结论的稳健性。

表4 稳健性检验：更换被解释变量

《报告》指出，我国影子银行体系中的多数资产流动性较低，表现出持有至到期的特征，并且在资产负债表内被记在应收款项类投资的会计科目中。而Chen 等[14]的研究认为，剔除央行票据和政府债券的应收款项类投资可以较好地衡量银行的表内影子银行规模。基于此，本文利用应收款项类投资（ARI）和剔除央行票据及政府债券的应收款项类投资（ARIX）作为影子银行的代理变量进行回归，表5的（1）和（2）列报告了相关回归结果。其中，ARI 的系数为0.261，在1%的水平上显著为正，ARIX 的回归系数为0.267，也在1%的水平上显著为正。

进一步地，考虑到我国监管层从2013年1月1日开始正式推行《商业银行资本管理办法》，此政策出台前后有关商业银行风险加权资产占比的计算方式略有变化，可能会影响本文回归结果的稳健性。因此本文仅利用2013年及以后的样本进行回归，表5的（3）和（4）列报告了相关结果。影子银行代理变量SB1 和SB2 对风险承担的回归系数均在1%的水平上显著为正。验证了本文结论的稳健性。

表5 稳健性检验：更换解释变量和限定样本区间

（三）内生性问题

从影子银行和风险承担的关系来看，可能存在双向因果关系影响本文结论的稳健性。一方面，相比传统信贷业务，影子银行业务风险特征更加明显，因此，大规模在表内从事影子银行业务会使得银行的投资行为更加激进，从而提高银行的风险承担；另一方面，如果银行本身的风险承担就较高，其也更可能从事风险较高的影子银行业务，导致影子银行规模增加。为避免上述问题，本文进一步通过缓解内生性问题验证结论的稳健性。

借鉴李志生等[35]的方法，本文将t期影子银行对t-1期的银行风险承担进行回归，提取回归的残差项Res.SB1和Res.SB2。可以认为，回归残差项是t期影子银行不受t-1 期银行风险承担影响的部分，因此利用该残差项进行回归能够控制银行风险承担对影子银行所带来的影响。表6列示了基于该方法的回归结果，其中Res.SB1 和Res.SB2 的回归系数均在1%的水平上显著为正。本文的结论依然稳健。

表6 内生性问题：双向因果关系

其次，为了解决遗漏变量带来的潜在内生性问题，本文借鉴李建军等[36]的研究思路，将行业其他银行影子银行规模的均值作为工具变量，进行两阶段最小二乘法回归分析。该工具变量的合理性在于，银行之间参与影子银行业务往往表现出一定的趋同性[14]，同时我国针对影子银行的监管政策往往也会对整个行业产生影响，因此单个银行的影子银行规模和行业均值存在相关性，同时行业均值和单个银行的风险承担水平关系较弱，满足外生性的要求。表7的（1）和（2）列为SB1的工具变量回归结果，（3）和（4）列为SB2的工具变量回归结果。可以看到，在第一阶段回归中，SB1和SB2均和工具变量正相关，系数均在1%的水平上显著为正④；在第二阶段回归中，SB1 和SB2 的系数显著为正。进一步验证了本文结论的稳健性。

表7 内生性问题：两阶段最小二乘法回归

（四）异质性分析

本文的异质性分析基于两个视角展开：一是银行业务视角，即传统信贷业务和影子银行业务。在激烈的银行竞争下，传统业务不具备优势的银行更可能持有规模较大的影子银行资产。二是监管压力视角。由于影子银行业务的风险特征，外部监管压力较小的银行和内部套利动机较高的银行更可能持有规模较大的影子银行资产。

国有银行在信贷业务和客户资源方面具有显著优势，而非国有银行相对而言在信贷业务中处于弱势地位。本文将样本划分为国有银行和非国有银行，并进行分组回归，结果如表8所示。可以看到，SB1 和SB2 仅在非国有银行样本中显著为正，这表明影子银行提高银行风险承担的效果在非国有银行中更加明显。本文认为国有银行在存贷业务方面的优势较大，因而从事影子银行业务的动机相对较弱；而非国有银行在传统存贷业务方面并不具备竞争优势，加之其盈利动机往往更强，因此更愿意从事高风险高回报的影子银行业务，导致其持有大量的表内影子银行资产，从而显著提升了风险承担。

表8 异质性分析：国有银行和非国有银行

已有研究发现，存款竞争和贷款竞争对于银行风险有重要影响[17，30]，而银行竞争的主要目的之一就是提高自身的盈利能力，在传统业务盈利能力不足时，银行很可能转向发展影子银行业务。衡量银行传统业务盈利能力的一个重要指标就是净息差的高低。本文进一步根据银行净息差的中位数划分子样本，并进行分组回归，表9为相关回归结果。可以看到，SB1和SB2仅在净息差较低的组中显著为正，这表明影子银行提升银行风险承担的效果在净息差较低的银行中更加明显。净息差较高的银行具备良好的盈利能力，因而可能不愿意从事高风险的影子银行业务；而净息差较低的银行在传统业务方面并没有取得较好的经营业绩，因而出于对盈利能力的追求，其更可能从事影子银行业务，导致其表内影子银行资产规模上升，从而提升了风险承担。

表9 异质性分析：净息差低和净息差高的银行

中国人民银行和中国银保监会根据《系统重要性银行评估办法》，于2021年认定了19 家国内系统重要性银行⑤，本文进一步将样本划分为系统重要性银行和非系统重要性银行进行分析。表10 的回归结果显示，SB1 和SB2 对风险承担的回归系数仅在非系统重要性银行中显著为正，这说明影子银行提升银行风险承担的作用在非系统重要性银行中更加显著。系统重要性银行在资本监管方面所面临的要求更加严苛，这也使得其在选择资产和业务时更加审慎；而非系统重要性银行面临的监管环境更加宽松，监管指标要求也更低，这可能使得其从事影子银行业务时更加激进，从而持有较多的表内影子银行资产，提高了自身的风险承担。

表10 异质性分析：系统重要性和非系统重要性银行

Acharya等[37]认为，监管套利是我国影子银行产生和发展的重要原因之一。在我国影子银行发展的早期，银行采取过资产出表的套利方式，还曾利用不同监管机构规则的不一致等来实现监管套利[9]。套利动机在商业银行参与影子银行业务的过程中起到了重要的驱动作用。考虑到资本充足率是银行业监管的一个重要指标，本文借鉴邵新建等[5]的研究，利用银行资本充足率超过法定监管要求的部分来衡量银行的套利动机⑥。选用该指标的逻辑在于，监管层对银行的资本充足率均有着最低的监管要求，如果银行的资本充足率远高于最低的监管要求，则表明该银行更加倾向于审慎经营，在资产选择方面会相对稳健，套利动机相对较弱；反之，如果银行仅倾向于满足最低的监管要求，说明银行在资产选择和经营风格方面更加激进，套利动机也越高。因此，本文将样本分为套利动机高和套利动机低两组进行回归，表11 为相关回归结果。结果显示，影子银行代理变量SB1和SB2对银行风险承担的回归系数仅在套利动机高的样本中显著为正，这表明套利动机高的银行更倾向于从事高风险的影子银行业务，进一步提升了其风险承担。

表11 异质性分析：套利动机高和套利动机低的银行

五、进一步分析

前文已经证明，影子银行显著提升了银行风险承担。本部分进一步探讨影子银行影响银行风险承担的可能路径和机制，此外利用收集所得的表内影子银行资产数据，考察2018年影子银行监管政策的异质性。

（一）影响机制分析

1.影子银行资产种类

本文统计了我国上市银行资产负债表中所持有的影子银行资产种类。2008年以前，我国银行资产负债表中所持有的资产以贷款和债券投资等传统业务为主，而2008年以后，随着银行不断参与影子银行业务，银行在其表内持有的影子银行资产种类不断增加（图2）。2008年末，国有银行、股份制银行和城/农商行平均持有的影子银行资产种类仅分别为4.25种、2.57种和1.33种，而到2020年末这一数据则分别上升至9.21种、12.42种和9.14种。

图2 2008年以来商业银行平均持有的影子银行资产种类

随着银行持有影子银行资产种类的增加，银行开始和更多的金融机构产生联系，其资产负债表业务构成也更加复杂，加之影子银行业务的高风险特征，这可能使得银行的风险承担水平不断提升。因此，本文首先按照持有影子银行资产种类的中位数将样本分为两组，定义虚拟变量Group，其中资产种类低于中位数的一组记Group=1，资产种类高于中位数的一组记Group=0，进一步在主回归模型中加入影子银行代理变量和Group 的交乘项进行分析。表12的（1）和（2）列回归结果表明，交乘项的回归系数均在1%的水平上显著为正，这表明参与影子银行业务显著提升了银行持有的影子银行资产种类。

由于传统贷款以及债券投资等业务的收入为利息收入，而影子银行业务的收入多为非利息收入，可以认为非利息收入低的银行其影子银行业务参与程度相对较低。因此，本文进一步利用非利息收入高低来划分持有影子银行资产的种类[38]，根据非利息收入的中位数分组定义虚拟变量Group，非利息收入低的一组Group=1，非利息收入高的一组Group=0。表12 的（3）和（4）列结果表明，影子银行代理变量和Group的交乘项均显著为正。

表12 影响机制分析：资产多元化

综上所述，在参与影子银行业务之前，银行所持有的资产以传统业务为主，影子银行资产种类相对较少，非利息收入相对较低。随着银行不断参与影子银行业务，其持有的资产种类不断增加，表内资产构成逐渐复杂化，影子银行业务的高风险特征也使得银行的风险承担水平上升，即影子银行和风险承担的正向关系在表内影子银行资产种类较少的银行中更为明显。验证了本文的假设二。

2.信息透明度

为验证假设三，本文首先借鉴刘莉亚等[24]的做法，利用银行不良贷款拨备（LLP）的调整模型来表征银行的盈余质量，进一步衡量银行的信息透明度。具体而言，在控制不良贷款率、净资产收益率、核心资本充足率、银行资产对数以及年度固定效应的情况下计算银行不良贷款拨备和正常拨备的偏离程度。该回归⑦的残差绝对值越大，表明银行的信息透明度越低。根据回归残差绝对值的中位数，定义虚拟变量Group。绝对值小于中位数的一组记Group=1，绝对值大于中位数的一组记Group=0。表13的（1）和（2）列是基于此种做法的回归结果。

其次，考虑到我国的委托贷款仍以关联贷款为主[4]，而关联贷款主要在放贷人和其关联企业之间进行，这类委托贷款具有典型的关系型借贷特征，可以认为委托贷款规模较大的银行信息透明度相对较低。此外，部分银行并未披露其委托贷款规模，可以认为该类银行的信息透明度相对较低。因此，本文定义虚拟变量Group，根据银行委托贷款规模的中位数将银行划分为两组。委托贷款规模低于中位数的银行记Group=1，而委托贷款规模高于中位数以及未披露委托贷款信息的银行记Group=0。表13的（3）和（4）列报告了基于此种做法的回归结果。

表13 影响机制分析：信息透明度

可以看到，影子银行代理变量和Group 的交乘项显著为正。对于信息透明度较低的银行而言，其风险承担水平本身已经较高，参与影子银行业务对其风险承担的提升并不显著。而对于信息透明度较高的银行而言，随着其持有更多的影子银行资产，表内资产的风险系数进一步提升，这往往伴随着信息披露质量的下降以及风险承担水平的上升，即影子银行和风险承担的正向关系在透明度较高的银行中更为明显。验证了本文的假设三。

（二）监管政策异质性

2018年实施的《关于规范金融机构资产管理业务的指导意见》（即“资管新规”）以及《商业银行理财业务监督管理办法》（即“理财新规”）对我国影子银行业务的发展产生了深刻影响。其中，同业理财产品、信托投资以及资产管理计划是“资管新规”和“理财新规”的重点监管对象。为探讨监管规则变化对影子银行业务的影响，本文将不同资产分为2018年之前和2018年及以后两个样本来进行分析，表14列示了相关回归结果，其中（1）、（3）、（5）列为2018年之前的回归结果，（2）、（4）、（6）列为2018年及以后的回归结果。

从表14的（1）和（2）列中可以看到，同业理财产品在2018年之前对银行风险承担的回归系数在5%的水平上显著为正，这表明同业理财产品在2018年之前显著提升了银行的风险承担，其回归系数在2018年及以后不再显著。我国银行业总体持有的同业理财产品规模由2017年的0.85 万亿元下降至2020年的0.21 万亿元。这表明相关监管政策的出台有效降低了银行同业理财产品的规模，并进一步使得其对银行风险承担的影响不再显著。

表14的（3）和（4）列回归结果表明，信托资产和资产管理计划的回归系数在监管政策出台前后均显著为正，但监管政策出台后回归系数显著性稍有下降。我国银行业总体持有的信托投资和资产管理计划规模由2017年的8.13 万亿元下降至2020年的5.14 万亿元。相较于同业理财产品，监管政策的出台尽管也导致银行持有的信托资产和资产管理计划规模有所下降，但下降幅度不如同业理财产品。

表14的（5）和（6）列回归结果显示，资产收益权在2018年之前对银行风险承担的回归系数不显著，而在2018年及以后显著提升了银行风险承担，本文认为这主要是政策出台后银行对资产受益权的增持所致。本文也对资产支持证券和投资基金进行了相关回归分析，得到了和资产受益权类似的结论，而这几类资产均不是近年来我国影子银行监管政策的重点治理对象，因此银行有动机通过增持这些受监管政策影响较小的产品来规避监管。

表14 监管政策异质性

综上所述，本文认为2018年的监管政策总体是有效的，特别是明显地限制了银行的同业理财规模，同时也导致信托投资和资产管理计划的规模大幅下降。相比之下，资产受益权等资产面临的监管压力相对较小，银行有动机增持这类资产来规避监管，这一结论也部分佐证了我国影子银行朝资产证券化方向演进的判断[9]。

六、结论和启示

本文利用手工收集的2008—2020年我国51 家上市银行资产负债表内的相关数据，研究了影子银行对银行风险承担的影响。结果表明，影子银行显著提升了银行风险承担，影子银行业务规模越大，银行风险承担水平越高。通过更换被解释变量等方法进行稳健性检验后，这一结论依然成立。影子银行对于银行风险承担的影响存在异质性，在非国有银行、净息差较低的银行、非系统重要性银行以及套利动机较高的银行中表现更加显著。进一步分析表明，参与影子银行业务会使银行持有的影子银行资产种类增加，同时信息透明度下降。相关监管政策总体是有效的，但效果存在异质性，银行会通过资产转换的操作来规避监管政策的影响。

本文的研究对于如何引导我国影子银行业务有序发展以及完善影子银行监管机制具有一定启示。首先，银行可能出于提高业绩等目的发展影子银行业务。本文的结果表明影子银行业务规模过大、资产种类过多均会提高银行的风险承担，不利于银行的稳定经营发展。因此，银行在参与影子银行业务的过程中，需要科学合理地对所参与业务的风险程度进行评价，完善自身的影子银行业务风险评价体系。同时银行也应该提高自身监管配合的自觉程度，及时并详细披露各项影子银行业务的产品信息、运作流程和资金流向等，严格按照监管规定来计提各项风险资本准备，合理控制自身的影子银行业务规模。其次，相关数据分析和实证结果表明，当前我国监管层所推出的影子银行监管政策是有效的，特别是显著降低了银行间同业理财以及信托投资等产品的规模。然而，银行会通过资产转换等操作来规避监管政策的影响。这也进一步说明影子银行的发展过程是金融机构和监管政策不断博弈的过程。因此，未来监管层有必要进一步发展和完善我国影子银行监管体制，对于银行在其表内持有规模较大的几类影子银行产品推出针对性的监管政策，限制表内影子银行规模的过快增长，防范影子银行的潜在风险。最后，影子银行对中小银行的发展经营也的确具有独特作用，因此监管层应当正确引导影子银行业务发展，推动银行业务走向规范，进一步推动利率市场化进程，深化金融供给侧改革，促使影子银行体系更好地服务于实体经济和满足投资者需求。■

注 释

①商业银行在其资产负债表内外均持有了影子银行资产或参与影子银行业务，表外典型产品如委托贷款、非保本理财产品等。

②51 家上市银行为：中国银行、农业银行、工商银行、建设银行、交通银行、兴业银行、光大银行、华夏银行、民生银行、平安银行、浦发银行、招商银行、中信银行、邮储银行、浙商银行、苏农银行、宁波银行、江苏银行、青岛银行、江阴银行、九江银行、成都银行、贵州银行、盛京银行、青农商行、广州农商银行、重庆银行、西安银行、甘肃银行、贵阳银行、北京银行、常熟银行、锦州银行、渝农商行、天津银行、江西银行、紫金银行、无锡银行、上海银行、哈尔滨银行、郑州银行、杭州银行、九台农商银行、张家港行、苏州银行、徽商银行、南京银行、长沙银行、泸州银行、晋商银行和中原银行。

③实证分析中有研究基于5期窗口值计算标准差。本文也采用该法计算Z-Score的值并进行回归，所得结果稳健一致。

④弱工具变量检验Cragg-Donald Wald F 统计量显著大于10%的临界值16.38，排除了弱工具变量的可能性。

⑤19 家系统重要性银行为：平安银行、光大银行、华夏银行、广发银行、宁波银行、上海银行、江苏银行、北京银行、浦发银行、中信银行、民生银行、邮储银行、交通银行、招商银行、兴业银行、工商银行、中国银行、建设银行和农业银行。

⑥本章同样利用核心资本充足率来构建套利动机的指标，相关结论稳健一致。

⑦回归方程为：LLPi,t=α+β1L.LLPi,t+β2D.NPLi,t+β3NPLi,t+β4ROEi,t+β5CoreCaptiali,t+β6L.lnSize+i.year+εi,t，其中L.和D.分别为滞后算子和差分算子。