流动性创造与商业银行风险承担——来自中国的经验证据

曹文成 王宏涛 王一鸣 刘 莹

（1.西安邮电大学经济与管理学院，陕西 西安 710061；2.北京大学经济学院，北京 100871；3.银信资产评估有限公司重庆分公司，重庆 400000）

一、引言

自2008年全球金融危机后，商业银行流动性已经成为金融监管改革的一个重要焦点（周晔和王亚梅，2022）[1]。商业银行作为金融中介，在经济发展的过程中承担着风险转移和流动性创造两个重要的职能。商业银行通过流动性创造职能利用流动性负债为相对非流动的资产进行融资从而为经济社会发展创造所需要的流动性，本身存在着不可调和的矛盾。再者，流动性创造本质上与流动性风险相关，会对经济产生不利影响，因为用流动性存款为非流动性贷款提供资金会增加商业银行面对挤兑时的脆弱性（Leivaa和Mendizábal，2019）[2]。一方面，流动性创造可充分为社会提供流动性支持；另一方面，商业银行流动性创造功能的发挥也会增加商业银行经营风险，当流动性创造不足或流动性创造过度时，会导致商业银行陷入困境，甚至造成系统性金融风险。因此，在当前全球银行业监管改革的重点是让商业银行变得比过去更有流动性时，将流动性创造与商业银行风险结合起来，进一步分析宏观审慎管理下商业银行的流动性创造行为，探讨流动性创造对商业银行风险承担的影响效应，是一个具有张力、有待检验的实证问题，极具理论价值和实践意义。

纵观以往研究，与本文主题相关的既有文献主要围绕商业银行风险承担的影响因素和商业银行流动性创造的经济后果两个方面展开。一是关于商业银行风险承担的影响因素。国内外学者集中考察了内部治理结构（Abid等，2021）[3]、货币政策（宋锦玲等，2015；王紫薇和王海龙，2020）[4，5]、经济政策不确定性（陈孝明等，2021）[6]等因素对商业银行风险承担的影响。二是商业银行流动性创造的经济后果。国内外学者分别从货币政策（Wu等，2022；孟维福等，2022）[7，8]、气候变化 （刘波等，2021）[9]等角度进行考察。但多数文献主要关注流动性创造对商业银行系统性风险的影响，发现流动性创造会增加商业银行系统性风险。Zhang等（2021）[10]基于中国上市商业银行的数据研究发现流动性创造与系统性风险表现出U形关系。Davydov等（2021）[11]发现流动性创造虽然是金融系统的需要，但使商业银行的流动性降低，并使其面临不同类型的风险。此外，Zheng等（2019）[12]以商业银行资本为条件，发现商业银行流动性创造与商业银行破产风险呈负相关。Fungacova等（2021）[13]认为高流动性创造与商业银行破产的概率有关，监管当局可以通过早期识别高流动性创造者来缓解系统性困境，减少商业银行倒闭给社会带来的成本。

随着经济规模不断扩大，我国商业银行系统的流动性创造受到了学术界和政策制定者的广泛关注。整体而言，国外学者较早对流动性创造问题展开了研究，但早期主要集中于微观机制的理论分析，自Berger和Bouwman（2009）[14]开创性地提出流动性创造的度量方法之后，流动性创造的相关问题引起了各国学者的广泛关注。然而，国内学者对流动性创造问题的研究相对较晚，鲜有文献涉及流动性创造对商业银行风险承担的影响，且该方面的研究依然不系统，缺乏对相应传导机制的理论分析与实证研究。那么，流动性创造是否会增加商业银行风险承担？是通过何种机制渠道进行传导的？又是否会因商业银行的异质性特征而存在较大差异？在当前新冠肺炎疫情导致不确定性增加的背景下，对上述一系列问题的探究有助于深层次理解流动性创造的微观经济后果，并为监管当局和商业银行决策管理提供经验数据支撑。

鉴于此，本文通过商业银行资产负债表中的“发放贷款及垫款”科目重新构建基于贷款期限和贷款类别的流动性创造指标，基于2007—2020年中国174家商业银行非平衡面板数据对理论假说进行实证检验。相比于现有研究，本文的创新点在于：第一，本文以商业银行与实体经济部门资产负债业务的互动关联为切入口，更加聚焦于商业银行这一微观个体，深入梳理商业银行流动性创造影响商业银行风险承担的内在机理。基于中介效应模型检验方法，进一步揭示了流动性创造如何影响商业银行风险承担的“黑箱”问题，并检验了流动性创造对处于不同时期商业银行的风险承担可能产生的非对称性影响。第二，区别于已有研究，本文立足于商业银行经营实践状况，基于面板门槛模型，检验了流动性创造对商业银行风险承担的影响可能存在的门槛效应，这为宏观经济进一步承压背景下商业银行稳健经营和风险防范提供了经验参考。第三，参考宋科等（2021）[15]的做法，基于“发放贷款及垫款”科目构建基于贷款期限和贷款类别的流动性创造指标，以及基于贷款期限和贷款类别且排除表外科目的流动性创造指标，深入考察流动性创造及其组成部分对商业银行风险承担的影响，能够较好地识别商业银行经营业务特征的影响，是对已有研究的重要补充。

二、理论分析与研究假设

（一）流动性创造与商业银行风险承担

商业银行信贷渠道是实体经济发展的重要融资渠道，也是货币政策传导的主要渠道（顾海峰和高水文，2020）[16]。但是，在流动性管理不善的情况下，商业银行在面对外生冲击时将会遇到严重的流动性短缺，这可能会增加破产的概率（Zhang等，2021）[10]。

首先，流动性创造可能对商业银行风险产生一定的影响。一方面，当外部环境有利时，商业银行持有充足的流动性资产使其能够以合理的价格应对正常的流动性需求；但当外部环境不利时，商业银行为应对冲击而过度持有流动性资产，清算性偿债约束使得商业银行较少进行长期资产投资，增加商业银行资产组合的不稳定性，反而会进一步增加商业银行风险（Peck和Shell，2010）[17]。另一方面，若市场出现大量流动性需求，商业银行会在市场借入价格上升时，减少自身持有流动性，当市场借入价格下降时，商业银行则持有更多流动性，商业银行流动性持有头寸与市场借入价格呈现反向关系。在这一关系下，当特定金融主体需要从金融市场获得资金支持而应对流动性短缺时，可能会加剧商业银行经营风险。其次，商业银行流动性创造的实现过程表现为流动性存款向非流动性资产的转化，这两种要素组合在一起为经济社会提供流动性时具有显而易见的脆弱性（何青青等，2015）[18]。脆弱的金融结构导致商业银行在试图侵占存款方资金出借的收益水平时，将会面临失去存款来源或者挤兑的风险，而且这种具有金融脆弱性的流动性创造暗含着商业银行在进行流动性创造过程中始终伴随的风险（刘妍等，2020）[19]。最后，随着金融科技的发展，商业银行的金融创新进程不断推进，商业银行业务发展呈现多元化趋势，与此同时，商业银行间市场业务也快速发展，在此过程中商业银行流动性创造的各要素组合和形式都经历着深刻变革（邹伟等，2018）[20]。而且，业务变迁下的商业银行风险也具备新的特征，虽然金融机构之间关联性的增加为商业银行提供了更多分散风险的机会，但是基于风险共担和金融脆弱性的商业银行流动性创造产生的风险依然存在，会放大风险传染范围，进而又在其他商业银行个体之间产生连锁传染，增大了商业银行发生风险的概率。基于此，本文提出以下研究假设：

H1：流动性创造会提高商业银行风险承担，两者呈正相关关系。

（二）流动性创造影响商业银行风险承担的渠道机制

一方面，基于盈利动机，商业银行通过资产负债表结构进行流动性创造。盈利能力是影响商业银行流动性创造的重要因素，商业银行只有具有较强的盈利能力，才能保证在安全的外部环境中具有充分的流动性创造能力（Berger和Bouwman，2009；Duan和Niu，2020）[14，21]。商业银行出于成本收益考虑会倾向于吸收流动性较高的负债，通过期限错配来持有期限较长的非流动性资产，进而谋求提高息差水平，增强盈利能力（Dang，2022）[22]。但是，盈利动机的激励也将促使商业银行不断进行资产端的扩张，一旦流动性创造对商业银行盈利能力反向作用时，将增加商业银行的脆弱性，容易导致风险共担下的流动性创造均衡被打破（敬志勇等，2013）[23]，增大商业银行的风险应对压力，相应的风险水平上升。

另一方面，通过外部加杠杆进行资产负债表扩张是商业银行流动性创造的一种有效方式，而高杠杆率也增加了商业银行经营风险。现代金融中介理论强调，商业银行主要通过流动性创造功能实现服务实体经济的目标。根据资产选择模型，杠杆率约束限制商业银行有效投资边界，商业银行通过调整最优投资组合来应对杠杆率约束限制。杠杆率的提高将增加商业银行负债端和资产端的资金量，但是由于商业银行在资产端资产配置的有效性边际递减，将引发投资者对于资产回报率的担忧。随着金融市场的发展和商业银行间资金融通便利性的增强，商业银行杠杆的周期特征也会放大宏观经济波动，进而增加商业银行经营风险和资本市场波动。当流动性创造导致商业银行杠杆水平增加时，商业银行出于追求规模效益和收益的动机，会将表内业务向表外转移，在表外业务不受杠杆率约束的条件下将加剧商业银行同业杠杆攀升，一旦遭受不确定性外部冲击，将增加商业银行风险。而且，Acharya和Thakor（2016）[24]提出的理论模型也表明，当商业银行被债权人清算时，由于商业银行挤兑具有传染性，作为创造高流动性的工具，较高的商业银行杠杆可能会导致更大的系统性风险。

因此，本文认为商业银行的流动性创造通过盈利动机激励和提高杠杆水平增加了商业银行的风险承担。基于此，本文提出以下研究假设：

H2：流动性创造通过增强商业银行的盈利动机激励和提高商业银行的杠杆水平，进而提高商业银行风险承担，盈利机制和杠杆机制在此过程中发挥了部分中介效应。

三、研究设计

（一）样本选取与数据来源

考虑到2007年新会计准则执行前进行规范信息披露的商业银行较少，故本文选取2007—2020年我国174家商业银行的非平衡面板数据为研究样本。本文剔除了三家政策性银行和邮政储蓄银行以确保样本同质性，剔除了资产和所有者权益为负值的异常样本，剔除了财务数据连续不足三年的数据缺失样本以确保样本时间连续性。将合并前所有商业银行单独进入样本，合并后仅一家并购商业银行进入样本，最终得到由174家商业银行①共2079个观察值构成的年度非平衡面板数据②，此外，本文对所有商业银行层面的连续变量在上下1%分位数上进行缩尾处理，以减弱离群值对研究结论的干扰。在考察期内本文的样本商业银行总资产与行业总资产之比一直维持在80.98%以上，基本上能够反映我国商业银行业整体状况，具有较强的代表性。本文使用的数据均来自中国研究数据服务平台、全球银行与金融机构分析库、万得数据库、商业银行年报、《中国金融年鉴》、全球经济数据库、《中国统计年鉴》和中国人民银行官方网站。

（二）模型设定

为检验流动性创造对商业银行风险承担的影响，借鉴已有研究，本文构建如下基准回归模型：

其中，RISKi,t为商业银行i在第t年的风险承担水平，LCi,t为商业银行i在第t年的流动性创造变量，Xi,t为商业银行层面的控制变量，Yi,t为其他层面的控制变量，μi为商业银行个体固定效应，εi,t为随机误差项。需要说明的是，由于流动性创造是时间序列变量，若直接引入时间固定效应可能会引起多重共线性问题，导致时间虚拟变量与流动性创造变量对商业银行风险承担的作用相互抵消，因而在模型中没有控制时间固定效应。如果LCi,t的估计系数α1显著为正，说明流动性创造会提高商业银行的风险承担，假设H1成立。另外，后文实证分析均以计量模型（1）为基准，根据假说验证需要对其进行拓展。

（三）变量说明

1.被解释变量：商业银行风险承担（RISK）。现有关于商业银行风险承担的主要衡量指标有Z值、不良贷款率和风险加权资产占比。参考Delis和Kouretas（2011）[25]的研究，本文采用风险加权资产占比（RWA）来衡量商业银行风险承担，可很好反映商业银行的主动风险承担水平。风险加权资产占比等于商业银行风险加权资产与资产总额之比，数值越大说明商业银行承担的相应风险越大。

2.核心解释变量：商业银行流动性创造（LC）。本文在Berger和Bouwman（2009）[14]、田国强和李双建（2020）[26]研究方法的基础上，参考宋科等（2021）[15]的研究，将商业银行活动划分为流动性、准流动性或非流动性③，按照“发放贷款及垫款”科目分类，进而构建我国商业银行基于贷款期限和贷款类别的流动性创造指标。基于贷款类别，将抵押贷款、消费贷款划分为流动性资产，将企业贷款、其他贷款划分为非流动性资产；基于贷款期限，将到期期限不超过1年的发放贷款及垫款划分为流动资产，将到期期限超过1年的发放贷款及垫款划分为非流动性资产。由此，构建基于贷款期限的流动性创造（LCMa）、基于贷款期限且排除表外科目的流动性创造（LCMaEx）、基于贷款类别的流动性创造（LCCa）、基于贷款类别且排除表外科目的流动性创造（LCCaEx）、基于贷款期限的资产端流动性创造（LCAssetMa）、基于贷款类别的资产端流动性创造（LCAssetCa）、负债端流动性创造（LCLia）和表外流动性创造（LCOff）。同时，为便于研究比较，本文将流动性创造用总资产进行标准化处理，避免给大型商业银行赋予更高的权重。

3.控制变量。参考蒋海等（2022）[27]、李双建和田国强（2020）[28]的研究，本文选取的商业银行层面控制变量包括：（1）商业银行规模（Asset）；（2）商业银行资本充足率（CAR）；（3）商业银行存贷比（LDR）；（4）商业银行运营效率（CIR）；（5）商业银行流动性（LIQ）；（6）市场势力（ALR）。其他层面控制变量包括：（1）监管约束（REG），若在《商业银行资本管理办法（试行）》正式实施之前，则将REG定义为1，反之定义为0；（2）为排除因遗漏变量带来的内生性问题，本文还加入监管约束与商业银行类别虚拟变量（OWN）的交互项，若商业银行为国有商业银行或是由地方政府控股，则将OWN设置为1，反之设置为0。宏观经济层面控制变量包括：（1）经济增长率（GDPR）；（2）货币政策（IRL）；（3）货币供应量（M2）；（4）商业银行业景气指数（BBI）。

上述变量的定义及说明详见表1。

表1：变量定义与说明

四、实证分析

（一）基准回归结果

表2报告了基准回归结果。其中，列（1）和列（2）是基于贷款类别的流动性创造的估计结果，列（3）和列（4）是基于贷款期限的流动性创造的估计结果。从列（1）和列（2）列示的回归结果可以看出，基于贷款类别的流动性创造和基于贷款类别且排除表外科目的流动性创造的回归系数均在1%的水平上显著为正，说明基于贷款类别的流动性创造会增加商业银行风险承担。而且，基于贷款类别且排除表外科目的流动性创造的估计系数要显著大于基于贷款类别且包括表外科目的流动性创造的估计系数，这也间接说明表外科目的流动性创造存在降低商业银行风险承担的可能。从列（3）和列（4）列示的回归结果可以看出，基于贷款期限和基于贷款期限且排除表外科目的流动性创造的估计系数均在1%的水平上显著为正，说明基于贷款期限的流动性创造会增加商业银行风险承担。上述结果表明，流动性创造会增加商业银行的风险承担，验证了H1。原因在于，无论是从资产端还是从负债端来看，商业银行利用短期流动性负债为相对非流动的资产进行融资时，极易导致资产和负债的期限错配，随着期限错配的不断积累，当面临的不确定性增加时，会打破原有的流动性均衡状态，容易引发流动性风险（彭建刚等，2014）[29]。同时，“合成效应”的作用使流动性风险进一步通过商业银行间市场传染，增加商业银行脆弱性（项后军和曾琪，2019）[30]。

表2：基准回归检验结果

（二）基于流动性创造子维度的检验

表3报告了基于流动性创造子维度的检验结果。结果显示，基于贷款期限的资产端流动性创造（LCAssetMa）、基于贷款类别的资产端流动性创造（LCAssetCa）和负债端流动性创造（LCLia）对商业银行风险承担的回归系数均在1%的水平上显著为正，说明从资产端和负债端来看，流动性创造会增加商业银行风险承担。此外，表外流动性创造（LCOff）的回归系数在1%的水平上显著为负，说明表外流动性创造会降低商业银行的风险承担。

表3：基于流动性创造子维度的检验结果

（三）基于业务经营范围④的分组检验

为了进一步考察在不同的业务经营范围下，流动性创造对商业银行风险承担影响的异质性，本文对模型（1）进行了分组检验。从表4列示的检验结果可以看出，无论是全国性商业银行还是区域性商业银行，核心解释变量的回归系数均至少在10%的水平上显著为正；通过对比显著性和回归系数可以发现，相比全国性商业银行，流动性创造对区域性商业银行风险承担水平的影响更大。进一步地，核心解释变量的组间系数差异性检验⑤的P值在1%的水平上拒绝了两组系数不存在差异的原假设，说明流动性创造对不同业务经营范围商业银行风险承担的影响存在显著差异，再次验证了上述结论。原因在于，全国性商业银行有着较高的资本监管要求，风险意识更强；而区域性商业银行近年来同业业务迅速扩张，借助通道业务游离于监管体系之外的表外业务增长过快，加之内部治理体系不健全，风险控制体系薄弱，应对外部冲击能力较弱，多种因素导致区域性商业银行在进行流动性创造时的经营风险较大。

表4：基于业务经营范围的分组检验结果

（四）内生性问题的处理⑥

1.采用动态面板模型。考虑到商业银行的风险承担可能具有高度的自相关性，商业银行风险承担与商业银行个体特征变量（如资产规模、存贷比等）也可能存在互为因果的联立内生关系，本文在模型（1）的基础上引入被解释变量的滞后项，采用动态面板广义矩估计模型进行稳健性检验。两阶段DIF-GMM检验回归结果显示，AR（1）检验的P值均小于0.1，AR（2）检验的P值均大于0.1，Hansen检验的P值均大于0.1，说明残差项存在一阶自相关而不存在二阶自相关，且无法拒绝工具变量有效的原假设，表明模型的设定是合理的。检验结果证明了本文的研究结论是可靠的。同理，两阶段SYS-GMM回归结果也验证了模型设定的合理性，检验结果再次证实了流动性创造会增加商业银行的风险承担。

2.采用工具变量方法。本文采用商业银行流动性创造的滞后一期（L.LC）作为工具变量来进行内生性检验。在工具变量的相关性检验中，Anderson canon.corr.LM统计量的P值均小于0.1，拒绝工具变量识别不足的原假设；Cragg-Donald Wald F统计量均大于相应的Stock-Yogo临界值16.38，拒绝弱工具变量的原假设，说明工具变量的选取是适宜的。利用工具变量控制检验的内生性后，回归结果再次证明了流动性创造会提高商业银行风险承担。

（五）稳健性检验⑦

1.更换被解释变量度量方式。一方面，参考 Delis和 Kouretas（2011）[25]的研究，根据RWA2=（0.2×同业和其他金融机构存放款项+固定资产+贷款总额）/总资产×100%，计算得到新的风险加权资产占比，作为商业银行风险承担的代理变量。另一方面，参考刘生福和李成（2014）[31]的研究，以净贷款与总资产之比（RWA3）来近似代替商业银行的风险资产占比。上述检验结果与原检验结果保持一致。

2.替换被解释变量。进一步地，采用Z分数作为商业银行风险承担的替代变量，考虑到Z值的正态性和异方差性，采用对数形式表示，即Z_score=ln[(CAR+ROA)/δ(ROA)]。检验结果进一步验证了流动性创造会增加商业银行风险承担。

3.剔除金融危机期间样本。考虑到金融危机期间政府的经济刺激政策和市场干预行为会导致处于金融危机期间的样本观察值并不具有随机性，因此，本文将剔除金融危机期间（2009年和2010年）后的样本重新对计量模型（1）进行回归。结果进一步印证了本文研究结论的稳健性。

五、进一步分析

（一）作用机制检验

根据前文理论分析，流动性创造能够通过提高商业银行的盈利动机激励能力和提高商业银行的杠杆水平两个渠道提高商业银行风险承担。为验证上述渠道，本文设置如下中介效应模型：

其中，Mediatori,t为中介变量，分别代表资产回报率（ROA）和杠杆率（LEV）变量。

资产回报率（ROA）可以全面、准确地反映商业银行盈利状况，等于净利润与平均总资产的比值；商业银行杠杆率（LEV），等于商业银行权益资本与总资产的比值。其中，模型（2）用于检验流动性创造对商业银行风险承担的影响，模型（3）和模型（4）着重讨论了流动性创造对商业银行风险承担的直接和间接影响。具体地，只有当模型（3）中的流动性创造的估计系数ϑ1和模型（4）中的中介变量的估计系数θ2都显著时，才能证明其存在中介效应。模型（4）中流动性创造的估计系数θ1则强调了流动性创造对商业银行风险承担的直接影响。模型（2）的检验结果同模型（1），在此不再赘述。

表5为盈利机制的中介效应检验结果。可以看出，无论是从贷款类别还是从贷款期限来看，流动性创造均与商业银行盈利能力显著正相关，且加入中介变量资产回报率（ROA）之后，商业银行盈利能力与商业银行风险承担正相关，流动性创造仍与商业银行风险承担正相关，说明流动性创造通过增强商业银行的盈利能力导致监管部门和商业银行自身具有虚假的安全感，加剧了商业银行经营风险，盈利机制在流动性创造影响商业银行风险承担的过程中发挥了部分中介效应，验证了H2。

表5：盈利机制检验结果

表6汇报了杠杆机制的中介效应检验结果。结果显示，流动性创造均与商业银行杠杆率显著正相关，且加入中介变量杠杆率（LEV）之后，商业银行杠杆率和流动性创造均与商业银行风险承担显著正相关，说明流动性创造通过提高商业银行杠杆率进而增加了商业银行的风险承担水平，杠杆机制在流动性创造影响商业银行风险承担的过程中发挥了部分中介效应，验证了H2。

表6：杠杆机制检验结果

为进一步确保中介效应的显著性，本文使用系数乘积检验方法对中介效应的显著性进行检验。系数乘积检验法主要是检验经过中介变量路径上的回归系数乘积项是否显著，即检验原假设H0：ϑ1×θ2=0。若拒绝原假设，则说明中介效应显著，反之，则不显著。具体地，借鉴Sobel方法，检验统计量是否处于临界值内，这里分别为回归系数ϑ1和θ2的标准误。经过计算，得到统计量Z的绝对值均大于5%显著性水平上的临界值0.97，拒绝原假设，则中介效应显著，说明盈利机制和杠杆机制的中介效应显著存在。H2得到进一步验证。

（二）拓展性讨论

1.考虑货币政策。本文选取法定存款准备金率（RT）作为数量型货币政策的代理指标，选取一年期贷款基准利率（LR）作为价格型货币政策的代理指标，然后在基准模型中引入货币政策变量与流动性创造的交互项，检验结果如表7所示。检验结果表明，数量型货币政策与流动性创造的交互项均显著为正，价格型货币政策与流动性创造的交互项均显著为负，说明数量型货币政策会放大商业银行的流动性创造风险承担水平，而价格型货币政策会降低商业银行的流动性创造风险承担水平，这进一步验证了存款基准利率和法定存款准备金率两种货币政策工具的同时调整对商业银行流动性创造的风险承担水平的影响具有非对称性。

2.考虑流动性监管。参考蒋海等（2022）[27]的研究，本文采用净稳定资金比例（可用稳定资金与业务所需稳定资金之比）作为流动性监管（NSFR）的代理变量，然后在基准模型中纳入流动性监管变量与流动性创造的交互项，检验结果如表8所示。可以看出，流动性监管与商业银行风险承担的交互项均在1%的水平上显著为负，说明流动性监管能够从资产端和负债端强化商业银行应对流动性冲击的能力，显著降低流动性创造对商业银行风险的放大作用，进而降低商业银行的风险承担。

表8：流动性监管检验结果

3.考虑宏观经济不确定性。考虑到宏观经济不确定性会影响商业银行的流动性创造，进而会影响商业银行的风险承担，因此，本文参考田国强和李双建（2020）[26]的研究，以采用广义自回归条件异方差模型获得的年度层面上的条件方差（滞后一期）作为宏观经济不确定性（MEU）的代理变量，然后在基准模型中纳入引入宏观经济不确定性与商业银行流动性创造的交互项，检验结果如表9所示。可以看出，流动性创造与宏观经济不确定性的交互项的估计系数均在1%的水平上显著为正，说明宏观经济不确定性会放大商业银行的流动性创造风险承担水平。

表9：宏观经济不确定性检验结果

六、进一步分析：面板门槛效应

根据“流动性创造过度假说”（Fungáčová等，2013）[32]，适度的流动性创造不会增加商业银行风险，反而有助于促进商业银行进行有效的风险管理，抑制商业银行风险，但是当流动性创造过度时，则会加剧商业银行风险，二者之间存在非线性关系，即流动性创造对商业银行风险承担的影响可能存在门槛效应。本文构建如下面板门槛效应回归模型进行检验：

本文将数据转换为平衡面板数据后，采用Bootstrap反复抽样500次进行门槛效应的显著性检验。门槛效应检验结果和门槛模型LR检验结果均表明，无论是基于贷款期限还是基于贷款类别，以及无论是否排除表外科目，流动性创造对商业银行风险承担的影响均存在单一门槛效应，且门槛效应估计值分别为0.2975、0.3272、0.3354、0.3767⑧。

模型（5）门槛效应回归结果如表10所示。结果表明，无论是基于贷款类别或贷款期限的流动性创造，还是基于贷款类别或贷款期限且排除表外科目的流动性创造，均与商业银行风险承担呈正相关关系，且当流动性创造超过门槛值时，其对商业银行风险承担的影响的估计值显著变大，说明当流动性创造超过一定阈值时，流动性创造过度将进一步加剧商业银行风险。

表10：门槛模型回归结果

七、研究结论与政策启示

商业银行作为金融中介，在经济发展过程中承担着风险转移和流动性创造两个重要职能。本文基于2007—2020年我国174家商业银行非平衡面板数据，系统梳理了流动性创造与商业银行风险承担的关系和作用机制，通过理论和实证分析，得出如下结论：无论是基于贷款期限还是基于贷款类别，以及无论是否排除表外科目，流动性创造均会增加商业银行风险承担；与全国性商业银行相比，流动性创造更能显著提高区域性商业银行的风险承担；机制检验结果表明，流动性创造通过提高商业银行盈利激励动机和商业银行杠杆率水平提高了商业银行风险承担；进一步分析发现，数量型货币政策和宏观经济不确定性会放大增加商业银行的流动性创造风险承担水平，价格型货币政策和流动性监管会降低商业银行的流动性创造风险承担水平；面板门槛模型检验发现，当商业银行流动性创造超过一定阈值时，即存在流动性创造过度，会加剧商业银行风险，验证了流动性创造对商业银行风险承担的影响存在门槛效应。

本文的研究结论蕴含着丰富的政策启示。首先，要完善货币政策和监管政策的协调机制。监管政策应注重中长期风险管理，防止商业银行过度追求利润而引发系统性金融风险，同时应注重货币政策的短期调节，防止流动性危机的发生。其次，短期内需要合理评估资本监管和流动性监管强度对货币政策产生的外部性，在长期应加强建设统一的监管体系，将流动性创造指标纳入宏观审慎管理框架，同时加强宏观审慎管理政策的针对性和有效性，切实加强对商业银行流动性创造水平的监测，引导商业银行合理的流动性供给，避免过度的流动性创造，防止商业银行个体风险引致系统性金融风险。最后，要构建适应金融机构混业经营方式的监管框架。具体地，不仅要填补监管空缺，协调已有监管的冲突，还要加强金融机构准入、退出管理，通过功能监管减少监管套利现象。

注：

①174家商业银行包括5家大型国有商业银行、12家股份制商业银行、109家城市商业银行和48家农村商业银行。

②在本文研究区间内，部分商业银行成立时间晚或者商业银行间存在合并重组等原因使得商业银行并非每年都有观测值，故样本为非平衡面板数据。为了避免潜在数据结构不合理问题，本文也采用2007—2020年我国商业银行年度平衡面板数据进行分析，结果依然稳健。考虑到采用平衡面板数据为样本进行分析时，观测值仅占非平衡面板数据的25%左右，样本容量较小，故本文以我国商业银行非平衡面板数据为研究对象。此外，本文数据结构属于大N小T型短面板数据，因此，无需对变量进行平稳性检验。

③限于篇幅，正文中未列示资产负债表和表外业务科目的流动性具体划分和权重结果，以及基于“发放贷款及垫款”科目的分类，具体参见宋科等（2021）[24]的文章附件。

④根据业务经营范围，将大型国有商业银行和全国性股份制商业银行划分为全国性商业银行，将城市商业银行和农村商业银行划分为区域性商业银行进异质性检验。

⑤组间系数差异性检验方法主要包括Chow检验、似无相关模型检验方法和费舍尔组合检验。其中，Chow检验需要引入交互项，且需要假定控制变量的系数不随组别发生变化，适用条件较为苛刻；似无相关模型检验方法允许不同组别间控制变量存在差异，但该方法可能存在样本选择偏误问题；费舍尔组合检验则基于自抽样思路，通过不断抽样模拟总体样本特征，适用范围较为广泛。因此，本文使用费舍尔组合检验通过自抽样法（Bootstrap）来检验组间系数的差异性。此外，本文还采用其他两种方法进行检验，发现结果并未发生改变，检验结果备索。

⑥限于篇幅，内生性检验结果未列示，作者备索。

⑦限于篇幅，稳健性检验结果未列示，作者备索。

⑧限于篇幅，门槛效应检验结果、门槛估计值检验结果和门槛模型LR检验结果未列示，作者备索。