监管处罚、资本监管压力与银行风险承担

张桥云，段利强

（西南财经大学金融学院，四川成都 611130）

一、引 言

2008年的金融危机对全球经济与金融体系造成了巨大冲击，世界各国更加清醒地认识到监管对防控金融风险的积极作用。此后，严监管、防风险已成为国际金融业监管的新趋势。商业银行作为金融体系的重要组成部分，其风险承担水平对整个金融体系的稳定具有重大影响。因此，各国都高度重视并采取多种措施加强对商业银行的监管，而处罚是其中的重要手段。以美国为例，从2008年到2018年，美国监管部门对金融机构的罚款约为2 546亿美元，10亿美元以上的罚款共37笔，单笔罚款金额最高达到250亿美元。其中，银行业是监管处罚的重点对象，美国监管部门对银行罚款金额约为2 480亿美元，占罚款总额的97%左右（罗璠等，2019）［1］。我国监管机构也在不断完善监管规章制度并加大处罚力度。在强监管的趋势下，我国监管部门开出的罚单数量明显上升。2016年，银监会共处罚机构631家，罚没金额2.7亿元，处罚422名金融从业者；2017年，银监系统的处罚强度明显提高，期间共处罚机构1 877家，责任人员1 547名，罚没金额29.32亿元；2018年，银监系统共处罚机构1 900余家，责任人员2 044名，罚没金额近21.56亿元。

监管处罚的主要目的是控制银行的过度杠杆，引导、改变银行的风险偏好，进而保证整个宏观金融体系的稳定运行。Delis等［2］（2017）认为监管处罚措施可以有效威慑违规银行，迫使其调整风险策略，从而有效降低银行的风险承担水平。然而，也有部分学者和专家对监管处罚的效果提出了质疑。Köster和Pelster［3］（2017）认为银行的管理者并不会因遭受处罚而改变其自身的风险承担水平，因为，在通常情况下，银行从风险行为中所获得的收益远大于监管机构的罚款。欧洲系统性风险委员会（European Systemic Risk Board，2015）［4］担心对违规银行大量、高额的处罚不仅会影响银行的利润，还会造成银行经营的不确定性，很可能引发系统性风险。

我国金融监管部门的处罚是否能够有效降低银行的风险承担水平？处罚对不同银行的影响是否存在差异？研究这些问题不仅能够完善和丰富我国金融监管理论体系，而且，在实践中有助于评估我国金融监管措施的效果，帮助监管部门制定合理的政策，提升金融监管的效率。因此，本文利用2007—2018年我国268家银行的非平衡面板数据与银保监会的行政处罚数据，详细检验监管处罚对银行风险承担水平的影响，分析处罚对不同银行的影响是否存在差异。同时，进一步探讨资本监管压力对处罚效果的影响。相较于以往的文献，本研究的贡献体现在以下方面：1.现有文献分析了资本监管、信息披露等监管规则对银行风险承担的影响，但如果缺乏科学、有效的处罚制度，即使设计再合理的监管规则也无法达到监管目标［5-6］。因此，从处罚角度探讨金融监管的效果具有重要的现实意义。2.从银保监会处罚公告中提取并整理出银行层面的监管处罚数据，克服了以往相关研究样本量偏少［7］，监管指标过于宏观［8］而可能导致的估计结果不够精确的问题。3.结合我国金融监管的实际情况，将处罚与资本监管同时纳入分析框架，考察了资本监管压力对处罚效果的影响，为制定合理的金融监管政策、促进处罚与资本监管之间的协调配合提供了理论探索，进一步丰富、扩展了金融监管对银行风险承担影响的相关研究。

二、文献综述

（一）监管的有效性

在银行监管政策的有效性方面，相关研究并未达成一致性结论。尽管有学者认为合理的监管制度能够显著提高银行的稳定性（Delis和 Kouretas，2011；Delis等，2017）［2，9］，但是，一些研究指出，严格的监管会对银行产生许多负面效应。Barth等［10］（2004）认为严格的资本约束并不会对银行的发展、绩效以及稳定性产生明显的影响；同时，对银行业务多样性的限制会严重阻碍银行的发展并降低银行的稳定性。部分研究认为某些监管政策会降低银行的利润与效率（Pasiouras，2008；Barth 等，2013）［11-12］。另外，也有学者认为在某些方面，政府对企业的监管明显缺乏效率。Choi和Pritchard［13］（2016）的研究认为公众可以通过法律诉讼来揭露公司与银行的违法违规行为，这种方式比政府的监管更加高效。而宋云玲等［14］（2011）则指出，由于我国监管部门在处罚的过程中存在选择性处罚、处罚力度较低等问题，监管的效率与效果并不理想。

（二）监管对银行风险的影响

随着金融危机的爆发，学者们纷纷开始重视并重新思考监管对银行业稳定性以及风险防范方面的积极作用。众多研究指出监管可以有效提高银行的稳定性，降低银行的风险。但是，相关研究大都是从监管规则层面阐述其对银行风险行为的影响。例如，在银行资本监管方面，Repullo［15］（2004）通过构建银行非完全竞争的动态理论模型验证了资本监管的作用，发现资本要求政策能够有效避免银行承担过多的风险。在信息披露要求方面，研究认为信息披露能够提高银行的信息透明度，进而加强市场对银行的约束，减少银行的风险行为，提高银行的稳定性（Nier和Baumann，2006；Wu和Bowe，2010；Delis和Kouretas，2011）［9，16-17］。而在对银行的业务限制方面，Harris和Raviv［18］（2014）探讨了减少银行风险承担水平的最优监管策略，他们指出监管部门应该允许银行在陷入财务困境时仍然可以向股东派发红利，但同时要限制银行的投资规模。这种“胡萝卜加大棒”的监管规则能够有效降低银行的风险承担水平。但是，也有部分学者认为严格的监管规则并不会降低银行的风险承担水平，甚至会使银行的风险状况进一步恶化。Delis和Kouretas［9］（2011）利用1998—2008年17个国家的银行数据，通过实证检验发现资本监管对银行的风险水平并没有显著影响。许友传［19］（2011）利用2000—2008年我国57家商业银行的相关数据，使用联立方程模型实证检验了资本监管对我国银行资本调整和风险水平的影响，他认为在资本监管的压力下，我国银行并不一定会通过“调整资产结构，减少风险资本规模”的传统方式来满足监管的要求①更常用的办法是额外增加资本，如定增、利润留存、发行二级资本债等。。因此，资本监管并不能降低我国商业银行的风险承担水平。成洁［5］（2014）的研究也发现资本监管不会改变银行的风险偏好，银行更倾向于通过资本市场发行股票和债券的方法来补充自身的资本、满足监管的要求。刘生福和韩雍［20］（2020）则进一步指出严格的资本监管会引发银行进行资产转换的监管套利行为，银行会通过将信贷资产转化为表外资产来规避监管，从而导致银行资产组合与综合风险水平上升。另外，较高的信息透明度也可能会引发资本市场的过度反应，进而对银行形成短期冲击并提高银行的风险水平（Tadesse，2006）［21］。

然而在监管措施的执行方面，由于大部分监管措施（包括监管部门对银行的建议、现场检查、处罚等）的数据并未公开（Caiazza等，2018）［22］。因此，只有少量研究从监管措施执行的角度分析监管对银行风险承担的影响。Delis等［2］（2017）认为监管部门可能掌握银行内部情况的私有信息，而监管措施的发布向公众释放了银行的负面信号。因此，监管处罚等执行措施会增强市场的约束力，从而削减银行的风险偏好。其利用2000—2010年之间的监管处罚数据，分析了处罚等措施对银行资本、风险承担水平等的影响，发现在处罚措施执行一年后，违规银行风险加权资产与不良贷款率均显著下降。Sakalauskaite［23］（2018）则从银行CEO薪酬这一角度解释了处罚对银行风险行为的作用，他认为不恰当的薪酬制度会激励银行CEO为获得更高的奖金而参与短期回报较高的风险项目，增大了银行的违规概率同时提高了银行的风险承担水平。而银行CEO的薪酬与高风险行为具有顺周期性，因此，监管部门在经济增长时期的处罚效果会更加明显。也有学者认为，监管部门的行政处罚并不会改变银行的风险承担水平。Köster和Pelster［3］（2017）指出，由于银行从违法违规行为中所获得的收益可能高于因违规而遭受的罚款，因此，监管处罚并不能改变银行的风险策略，其之后的实证研究也发现，监管处罚与银行的风险承担水平之间并无明显关系。

综上所述：1.现有文献大都从监管规则的角度探讨了资本要求、信息披露等对银行风险的影响，而少量从监管执行角度分析处罚等措施对银行风险影响的研究并未达成一致结论（Delis等，2017；Köster和Pelster，2017）［2-3］。2.我国监管处罚的相关研究中，部分研究是基于上市公司违法违规的案例，探讨我国证券监管处罚的效果（张宗新和朱伟骅，2007；宋云玲等，2011）［7，14］；而少数研究银行监管对风险影响的文献受制于数据（潘敏和魏海瑞，2015）［8］，所得出的结论有待进一步验证。

三、研究设计

风险偏好是银行的基本特质之一，是银行在长期的经营过程中形成的，受多重因素的影响，而监管处罚的主要目的是控制银行的过度杠杆，引导、改变银行的风险偏好，从而保证宏观金融体系的稳定，防控金融风险事件的发生。处罚如何影响银行的风险承担？首先，监管处罚能够降低银行选择高风险策略时的收益，促使银行调整风险策略，降低自身的风险承担水平。具体来说，银行会根据自身的经营状况选择不同的风险策略，高风险策略意味着银行可能会在经营中从事一些利润较大但风险较高的业务（可能是某些金融创新业务，如中国银行的原油宝业务），这些业务往往游离于监管的边界（Köster和Pelster，2017）［3］。其中的风险一旦暴露，严厉的监管处罚会使银行遭受巨大的经济与声誉损失［24］①其中，经济损失主要包括罚款、赔偿以及相关的法律费用；而声誉损失主要指监管处罚会导致银行的声誉受损，破坏公众及投资者对银行的信任，从而增加银行的融资难度。，大幅减少银行选择高风险策略时的收益，从而促使银行调整风险策略，降低风险承担水平。其次，监管部门可能掌握银行内部情况的私有信息，监管措施的发布向公众释放了银行的负面信号，因此，监管处罚措施可能会增强市场约束力从而削减违规银行的风险偏好（Delis等，2017）［2］。而处罚信息的公开也能够进一步明确银行经营的合规边界，引导银行审慎经营，选择更加稳健的风险策略。

另外，由于不同类型的银行在规模、公司治理与股权结构等方面有着显著的区别。因此，对于不同的银行，相同的监管措施所产生的效果也可能存在明显的差异，而监管处罚的有效性往往依赖于银行的治理与产权结构（Laeven和Levine，2009）［25］。此外，大型银行与国有银行在金融体系中具有系统重要性，为确保金融体系的稳定，监管部门在危机时期往往会对这些银行进行救助。由此产生的大而不倒问题会使这些银行承担更多的风险，同时，也会使监管处罚的威慑力度大幅下降（Williams，2014）［26］。因此，监管处罚对不同银行的影响是否存在差异也是重要的研究问题。

除此之外，检验资本监管压力与处罚对银行风险承担的联合效应也是研究的目标之一。虽然，部分研究认为资本监管压力并不会对我国银行的风险承担产生影响（许友传，2011；成洁，2014）［5，19］，但是，相关研究忽略了资本监管与处罚对银行风险承担的联合效应。资本监管与处罚分别代表着监管的两个不同维度，两者互为补充，相辅相成。监管处罚的效果很可能会受到银行资本压力的影响（Delis等，2011）［9］，对于资本压力较大的银行，监管部门不仅会限制银行的某些业务，甚至可能暂停银行的经营资格。出于对失去牌照的担忧，银行除了运用各种手段来补充自身资本外，也可能在风险承担方面选择“铤而走险”，此时，处罚对其风险承担的约束作用就会大幅减弱。因此，考察资本监管压力与处罚对银行风险承担的联合效应具有重要意义。

（一）实证模型与变量设计

基于上述研究目标，主要进行以下三个方面的实证检验：

1.检验银保监会的处罚对银行风险水平的影响。考虑到银行风险承担水平具有较强的持续性，构建如下动态面板模型：

其中，下标i=1，……N表示样本中的银行个体，t=1，……T表示样本所在的时期。被解释变量Riskit代表银行i在第t期的风险承担水平，Riskit-1表示滞后一期的银行风险承担水平，penaltyit代表监管部门对银行的处罚，Xit是银行特征的控制变量。α为截距，εit为模型的扰动项。

在风险承担水平的测度指标方面，相关文献主要选取了银行风险Z值（Z-score）、银行资产收益率的标准差（σroa）、银行预期违约概率、银行在险价值（VaR）、不良贷款率等。其中，银行逾期违约概率能够有效反映出市场预期，并揭示银行违约风险的整体情况，具有良好的前瞻性。但是，由于我国信用评级体系尚不完善，相关数据暂时无法获取（顾海峰和杨立翔，2018）［27］。对于在险价值（VaR），由于研究所选样本中含有大量非上市银行，因此，无法计算获得。而对于不良贷款率，虽然我国商业银行长期以来资产端主要以贷款业务为主，不良贷款率可以反映我国银行的信贷风险，但是，由于现实中贷款五级分类存在一定的操作空间，这种人为操作与政策调整可能导致数据失真（潘敏和魏海瑞，2015）［8］。而Z值则能够比较全面地反映出银行的综合风险水平，因此，选择Z值（Z-score）作为银行的风险测度指标，参考Laeven和Levine［25］（2009）、徐明东和陈学彬［28］（2012）、余明桂等［29］（2013）的方法，将代表商业银行风险承担水平的Z值定义为

其中，adjROAit为i银行在t时期的息税前利润与总资产的比率减去t时期所有样本银行息税前利润与总资产的比率的平均值，反映i银行在t时期的盈利能力。σ(adjROA)是使用3年数据计算得到的adjROAit标准差。反映i银行在t期的盈利能力的稳定性或盈利预期的稳定性。CAPit为银行的权益占比，反映i银行在t时期的财务杠杆。Z值越大，表明银行的风险承担水平越高①为消除Z值的偏度，本文在后面的实证中对Z值进行了对数化处理，即使用Z值的自然对数作为银行的风险测度指标。。

在监管处罚变量penaltyit方面，主要选取了我国银保监会对银行的行政处罚数据。不同于欧美国家金融监管部门经常性地开出巨额罚单，我国银保监会对银行违法违规行为的罚款金额相对较低，但处罚频率却相对较高。因此，考虑到我国银行监管处罚的实际情况，将不同银行在每一年度所受到的行政处罚情况进行了统计汇总，计算出年度累计罚款总额与年度累计处罚次数两个指标作为监管处罚的代理变量。年度罚款总额（年度累计处罚次数）越高，表明监管处罚的力度越大。为消除极端值的影响，在后文的实证分析中使用了银保监会对银行年度罚款总额的自然对数（pena1）和年度处罚次数（包含银保监会对该银行机构的所有处罚，如警告、罚款、停业整顿等）的自然对数（pena2）作为监管处罚的代理变量。

另外，为有效识别监管处罚的影响，模型中还控制了其他影响商业银行风险承担意愿的变量，包括银行财务特征、宏观经济政策等。在银行特征方面，选取了银行的规模（size），用银行总资产的自然对数表示；银行的经营效率（boe），用银行的成本收入比表示；银行的盈利水平（roa），用银行的息税前利润除以总资产表示；在宏观经济方面，选取经济增长速度（gdpg）（用名义GDP的增长率表示①由于本文样本中包含大量的城市商业银行与农村商业银行，其经营区域主要位于其总行所在地，因此，利用其总行注册地所在省份的名义GDP增速作为经济增速的代理变量；而国有商业银行与股份制银行的经营地遍布全国，因此，选择全国的名义GDP增速作为经济增速的代理变量。）作为控制变量；另外，越来越多研究表明货币政策（mp）对我国银行的风险承担水平具有显著影响（徐明东和陈学彬，2012；王晋斌和李博，2017；李双建和田国强，2020）［28，30-31］。由于货币政策的紧与松将直接作用于银行间同业拆借市场，而作为短期贷款定价的基准，同业拆借利率的变动将影响银行的贷款定价和利息收入水平，从而对银行的风险偏好产生作用。因此，选择银行间同业拆借利率作为货币政策的代理变量（Dell’Ariccia等，2017）［32］。在控制了一系列变量 Xit之后，通过观察模型（1）中 β2的显著性以考察处罚是否影响银行的风险承担水平。

2.检验监管处罚对不同银行的影响是否不同。如前文所述，处罚对不同银行的影响可能存在差异。因此，在模型（1）中加入银行规模（size）、是否为大型国有银行（sta）、是否为上市银行（list）等三个变量与监管处罚（penalty）的交乘项，以考察监管处罚对不同银行的风险承担行为是否存在差异。具体的模型设计如下：

其中，若银行i为工商银行、农业银行、中国银行、建设银行和交通银行这五家商业银行之一则stait值为1，否则为0；若银行i在t时期已经上市，则listit取值为1，否则为0。其余的控制变量Xit与模型（1）一致②模型（6）的控制变量中额外增加了银行是否上市（listit）的虚拟变量。。然后，通过观察模型（4）、（5）、（6）中β3的显著性来考察处罚对不同银行风险行为的影响是否存在差异。

3.检验资本监管压力是否会影响处罚的效果。如前文所述，监管处罚的效果很可能会受到银行资本压力的影响。因此，在模型（1）中加入资本监管压力（regit）与处罚（penalty）的交乘项以检验资本监管压力与处罚对银行风险承担行为的联合效应。具体模型设定如下：

在资本监管压力的测度方面，借鉴Rime［33］（2001）、成洁［5］（2014）的研究，构建绝对资本监管压力regait与预防性资本监管压力regbit两个指标作为资本监管压力的代理变量。其中，regait为虚拟变量，若银行未达到监管标准，即银行当期资本充足率-最低资本充足率要求＜0时，认为银行存在绝对资本监管压力。具体取值规则为：在2013年之前，按照《商业银行资本充足率管理办法》，若资本充足率小于8%，则regait取值为1，否则为0；2013年之后，则按照《商业银行资本管理办法（试行）》，若工农中建交五大行的资本充足率低于11.5%，其他银行的资本充足率低于10.5%，则regait取值为1，否则为0。

regbit为虚拟变量，代表预防性资本监管压力③一定程度上反映了银行储备资本与逆周期资本是否充足。。资本缓冲理论认为，即使资本达到监管的最低要求，银行仍然有动机提高自身的资本并降低风险，以预防因未达标而造成的监管成本。因此，在实证中将银行各期资本充足率的一个标准差作为资本缓冲，若银行资本充足率与监管最低要求之差小于资本缓冲时，则认为银行存在预防性资本监管压力。regbit的取值规则为：若银行当期资本充足率小于最低资本充足率要求加上各期银行资本充足率的标准差时，regbit取值为1，否则为0。具体公式如下：

其中，CARit为银行i第t时期的资本充足率，mCARt为当期监管最低资本充足率要求，σCARi为银行各期资本充足率的标准差。另外，在其他控制变量方面，式（7）中除增添了资本监管压力（regait与regbit）之外，其余变量与模型（1）一致。通过观察模型（7）中β3的显著性来考察监管压力是否会影响处罚对银行风险的作用。

在估计方法上，首先使用最小二乘（OLS）方法对银行风险承担水平和监管处罚的关系进行了单变量检验；然后加入控制变量，使用固定效应模型进行了多元回归分析①加入控制变量后，使用OLS方法进行多元回归估计的结果与固定效应模型的结果一致。。由于使用最小二乘法估计动态面板模型时可能导致估计结果的有偏或者非一致。因此，在后文的实证研究中还采用了系统GMM估计方法重新对模型（1）、（4）、（5）、（6）、（7）进行估计。系统GMM方法在估计动态面板模型时更具有效率而且能得到模型系数的一致估计。另外，系统GMM估计方法还能够缓解模型中存在的内生性问题。同时，为确保系统GMM估计的适用性和有效性，在后文的实证分析中进行了Hansen过度识别和序列相关检验。

（二）数据来源与描述性统计

实证中选取了2007—2018年我国268家商业银行的年度数据作为研究样本。其中，监管处罚的数据来自银保监会官方网站，首先，使用Python软件从银保监会网站抓取了2007—2018年的行政处罚公告，剔除了其中对个人的处罚公告，仅保留对机构的处罚并筛选出处罚对象为商业银行的公告，然后从公告的处罚决定中提取并整理计算出银行年度罚款总额与年度处罚次数的数据。银行相关财务数据来源于WIND数据库和CSMAR数据库，部分缺失值来源于银行的年报手工整理补齐，而宏观经济政策的数据来源于CEIC数据库。表1为主要变量的描述性统计结果。

表1 变量描述性统计

从样本银行的风险承担水平来看，Z值最小为0.0002，最大值为0.522，均值为0.018。在处罚方面，罚款总额最高为55 349.37万元，处罚次数最高为141次；从处罚趋势来看，银保监会的处罚强度在2013年之前相对较低，从2014年开始显著提高。而在资本监管压力方面，约有8.7%的银行存在绝对资本监管压力；32.4%的银行存在预防性资本监管压力。另外，全国及各省的GDP增长速度也存在较大差异，GDP增速最大值为19.2%，最小值则为-2.5%。

四、实证结果

（一）基准回归结果

监管处罚对银行风险承担水平影响的基准回归结果见表2，被解释变量均为代表银行风险承担水平的Z值，其中，第（1）—（3）列为银行风险承担水平与罚款总额及其他变量的回归结果，第（4）—（6）列为银行风险承担水平与处罚次数及其他变量的回归结果。第（1）、（4）列是使用OLS估计方法进行单变量回归的结果，（2）、（5）列是固定效应模型的估计结果，（3）、（6）列是使用系统GMM方法估计的结果，由结果中AR（1）、AR（2）以及Sargan检验的p值可以看出，模型满足使用系统GMM估计方法的前提条件。

表2 监管处罚与银行风险：基准回归结果

从表2的结果中可以看出，监管处罚的代理变量罚款总额（pena1）与处罚次数（pena2）在三种估计方法中的系数均为负，且在1%的水平上显著。表明监管处罚能够促使银行改变风险策略，显著降低其风险承担水平。可能的原因主要有两个方面：一是监管处罚会对银行造成直接的经济损失，减少银行在高风险行为中的预期收益，具有威慑效力，从而能够改变银行的风险策略。二是监管处罚信息的公开会降低银行的声誉，并可能导致公众对银行的信任丧失而增加银行融资的难度（Murphy等，2009）［24］，因此，处罚能够增强市场约束力从而削减银行的风险承担行为。同时，实证结果中风险承担滞后一期变量（L.Z-score）系数显著为正，表明银行风险承担水平具有持续性。

在其他控制变量方面，银行的盈利水平（roa）除在第（3）列中不显著外，其余均显著为负，这说明盈利能力越强的银行经营越稳健，其风险承担水平越低。银行的经营效率（boe）系数显著为正，表明经营效率更高的银行普遍更加乐观，从而更倾向于采取激进的风险策略，主动承担更多风险（李双建和田国强，2020）［31］。在宏观政策指标方面，货币政策的代理变量（同业拆借利率）mp前的系数显著为负，这也证实了较低的利率水平（宽松的货币政策）的确会鼓励银行承担更多的风险（徐明东和陈学彬，2012；王晋斌和李博，2017；李双建和田国强，2020）［28，30-31］。

（二）稳健性检验

检验监管处罚对银行风险承担水平的影响的关键在于保证监管处罚的外生性。系统GMM估计方法可以在一定程度上缓解内生性问题，下文将在此基础上进一步采取分样本检验以提高基准回归结果的可信度与稳健性。

1.根据银行的系统重要性进行分样本检验。由于监管部门有可能会根据银行业整体的风险水平以及被处罚银行的风险传导能力来调整监管的强度，这会影响处罚的外生性。而考虑到系统性重要银行具有规模大、业务种类多、复杂程度高、与其他金融机构关联度强等特点，其风险承担行为往往可以反映并影响银行业整体的风险状况。这就可能导致监管处罚对系统性重要银行是非随机的。鉴于此，剔除样本中的系统性重要银行①根据中国银行业的具体情况，本文认为工、农、中、建、交五大行为系统性重要银行。，再使用系统GMM方法重新对模型（1）进行估计，结果见表3中第（1）、（2）列所示：监管处罚的两个代理变量罚款总额（pena1）与罚款次数（pena2）前的系数均显著为负，表明处罚对非系统性重要银行的风险承担同样有明显的抑制作用。

2.根据银行类型进行分样本检验。考虑到城市商业银行与农村商业银行经营规模有限、经营区域固定，其风险传导能力不强，因此，监管部门对城商行与农商行进行处罚时不会过多关注其风险外溢效应，从而在一定程度上保证了监管处罚的外生性。基于此，从全样本中筛选出城商行和农商行，使用系统GMM方法对模型（1）进行重新估计。具体结果见表3第（3）、（4）列。罚款总额（pena1）与处罚次数（pena2）前的系数均显著为负，表明监管处罚能够有效抑制城商行和农商行的风险承担行为，进一步证实了基准回归结果的稳健性。

表3 分样本检验结果

3.根据是否处于金融危机期间进行分样本检验。在金融危机期间，监管部门在进行处罚时可能会更加关注银行的风险状况，从而可能对监管处罚的执法产生影响②虽然金融危机对我国银行业造成的冲击不大，但是，金融危机所暴露的金融创新问题与系统重要金融机构倒闭对整个金融系统造成的巨大冲击等都刷新了监管部门对金融风险的认识。这可能使得金融危机期间我国监管部门更加关注银行业的风险，从而影响处罚的外生性。本文认为2007—2011年为金融危机时期。。因此，剔除了金融危机时期的样本，并使用系统GMM法对其余样本重新进行了检验，估计的结果见表3的（5）、（6）列。从中可以看出罚款总额（pena1）与处罚次数（pena2）的系数仍显著为负，处罚能够降低银行的风险承担水平的结果并未发生改变。

另外，为保证模型估计结果的可靠性，还对被解释变量进行了替换。分别使用贷款净增额占总资产的比重（loa）［28］①贷款是银行最主要的资产，且相比之下，债券资产的违约风险较低。因此，选择贷款净增额占比指标基本可以代表银行资产方面的整体风险状况，并且在一定程度上可以避免人为调整的数据失真。与资产收益率的标准差（σroa）两个指标作为银行风险承担的代理变量进行了稳健性检验，从表4的结果可以看出，以贷款净增额占比（loa）为被解释变量的（1）、（2）列和以资产收益率的标准差（σroa）为被解释变量的（3）、（4）列中，监管处罚的两个代理变量（pena1与pena2）的系数均显著为负，其他主要变量系数的符号也未发生明显变化，再次验证了基准回归结果的稳健性。

表4 替换被解释变量的稳健性检验

（三）监管处罚对银行风险承担影响的异质性检验

监管处罚对不同银行的影响的检验结果见表5。其中，第（1）、（2）列监管处罚代理变量罚款总额与银行规模的交乘项（pena1*size）和处罚次数与银行规模的交乘项（pena2*size）的系数均显著为正，第（4）列中处罚次数与大型国有银行的交乘项（pena2*sta）系数显著为正，第（3）列中罚款总额与大型国有银行的交乘项（pena1*sta）系数为正但不显著。（5）、（6）列中罚款总额与上市银行的交乘项（pena1*list）和处罚次数与上市银行的交乘项（pena2*list）的系数均显著为正。

表5 监管处罚对银行风险承担影响的异质性检验

上述结果表明，随着银行规模的增大，监管处罚的风险抑制效应被削弱。这可能是因为现阶段我国监管处罚的总体力度仍然偏小，且与大银行的营业收入和利润相比，监管机构的处罚措施显得过于“轻微”，处罚对银行造成的损失较少，威慑能力不足，因此，大型银行对处罚的反应不敏感。同样，表5中第（3）—（6）列的结果说明，对于大型国有银行和上市银行，监管处罚对其风险的抑制效应显著低于其他银行。这可能是由于：一方面，这些银行本身公司治理更为完善、经营更为规范，风险承担水平相对较低，这也与表第（5）、（6）列中上市银行虚拟变量（list）的系数显著为负相一致。另一方面，大型国有银行和上市银行的规模普遍较大，相比其他银行有更稳定的客户群体、更多的收入来源和更加畅通的融资渠道，处罚对其造成的冲击与负面影响较小，因此，对处罚的反应不敏感。另外，大型国有银行和上市银行可能与监管机构有更强的人事与政治关联，这可能会大幅降低监管处罚的效率和效果（潘敏和魏海瑞，2015）［8］。

（四）资本监管对处罚效应的影响

资本监管压力会对处罚效果产生何种影响？表6显示：第（1）、（2）列中资本监管压力（rega）的系数不显著，罚款总额与监管压力的交乘项（pena1*rega）和处罚次数与监管压力的交乘项（pena2*rega）系数均显著为正；第（3）、（4）列中监管压力代理变量（regb）的系数同样不显著，但监管处罚的两个代理变量与监管压力的交乘项（pena1*regb与pena2*regb）的系数显著为正。上述结果表明单纯的资本监管压力对我国银行风险承担水平的影响并不明显，这可能是因为存在资本监管压力的银行并不一定会通过降低风险资产规模（分母对策）来满足监管要求，而是可能通过发行二级资本工具、利润留存等方法（分子对策）来满足资本充足率的要求（许友传，2011）［19］。

表6 资本监管压力对处罚影响

与此同时，表6的结果也表明，随着监管处罚强度的提升，资本监管压力会削弱处罚对银行风险的抑制效果，相比之下，没有资本监管压力的银行对处罚的反应更加敏感。这可能是由于资本充足的银行更加关注自身的声誉，重视股东价值，而遭受处罚可能会使银行声誉受损，进而影响其价值。因此，没有资本监管压力的银行在遭受处罚后更倾向于控制自身的风险承担行为。而对于资本监管压力大的银行而言，其在运用各种手段来补充自身资本之时，往往采取激进的风险策略以期高风险回报能尽快增加资本（成洁，2014）［5］，其在风险承担方面可能选择“铤而走险”，此时，处罚对其风险承担的抑制作用就会减弱。

五、结论与启示

（一）主要研究结论

利用我国2007—2018年268家银行的非平衡面板数据和银保监会的行政处罚数据，实证检验监管处罚强度与银行风险承担行为之间的关系，并进一步考察处罚对不同特征银行的影响，同时探讨资本监管与处罚对银行风险承担的联合作用。研究结果表明：第一，银保监会对违规银行的监管处罚措施能够有效抑制银行的风险行为，显著降低银行的风险承担水平。第二，监管处罚对不同银行的影响存在差异，相对于小银行和非上市银行而言，处罚对大银行和上市银行的效果较弱。第三，资本监管压力会影响处罚的效果，具体而言，资本监管压力越小的银行，处罚对其风险承担的抑制效果越明显，而资本监管压力大的银行在被处罚后更愿意冒险。

（二）政策启示

1.虽然监管处罚能够约束银行的风险承担行为，但监管部门在执行处罚措施时应充分考虑不同银行对处罚的敏感程度，加强罚款等处罚制度的科学性与威慑力，如适当增加对大银行的监管处罚力度、增强监管处罚的信息透明度等以提升监管处罚的效率和效果，进而有效约束银行的风险行为。

2.监管部门应更加注重资本监管与行政处罚的有效结合，对资本状况不同的银行进行差异化管理，如根据银行的资本状况进行分级，对不同等级银行采取差异化的罚款金额或处罚措施以强化监管对银行风险承担的约束效果。同时，监管部门应利用大数据与人工智能等技术构建合理有效的风险监管与预警机制，密切关注那些资本不足且遭受高额处罚银行的风险偏好，防止其在被处罚后“铤而走险”造成更加严重的风险事件。