貨幣政策、房價與商業(yè)銀行風(fēng)險承擔(dān)

王首妃 馬云飛

[摘要]文章以Z值為銀行風(fēng)險代理變量，控制了銀行微觀因素和宏觀經(jīng)濟因素后探究貨幣政策對商業(yè)銀行風(fēng)險的影響。樣本為2002—2016年期間29家中資商業(yè)銀行，使用GMM動態(tài)面板模型進行估計。實證發(fā)現(xiàn)寬松的貨幣政策以利率工具實施時會導(dǎo)致銀行風(fēng)險上升，宏觀經(jīng)濟向好、房價上升會導(dǎo)致商業(yè)銀行風(fēng)險降低，而資產(chǎn)規(guī)模小、收益水平高、未上市等因素則會導(dǎo)致銀行承擔(dān)的風(fēng)險更高。

[關(guān)鍵詞]商業(yè)銀行；風(fēng)險；貨幣政策；房價；DGMM

[DOI]1013939/jcnkizgsc201901063

1引言

根據(jù)貨幣政策傳導(dǎo)機制中的風(fēng)險承擔(dān)渠道理論，政策利率通過影響風(fēng)險態(tài)度進而影響資產(chǎn)定價和配置（BORIO和ZHU，2008）。影響的渠道分別是：低利率帶來高資產(chǎn)、高抵押品價值和高收入，增加的財富提高了風(fēng)險容忍度；同時低利率也帶來了低的回報率，為了獲得目標(biāo)收益率，銀行會提高風(fēng)險容忍度；以及更透明的央行政策能夠提供保險的作用，商業(yè)銀行認(rèn)為央行會在有大的下行風(fēng)險時候及時救助，利率調(diào)整具有非對稱影響。ADRIAN和SHIN（2010）也認(rèn)為寬松的貨幣政策通過提高銀行存續(xù)貸款的質(zhì)量和期限錯配帶來的估值效應(yīng)，影響銀行的股權(quán)價值，進而提高銀行的信貸供給。實證方面，JIMENEZET等 （2008）用歐洲貸款的微觀數(shù)據(jù)證實，低的短期利率降低了存續(xù)貸款的違約率而提高了新增貸款的違約率。MADDALONI和PEYDRO（2011）、VALENTINA BRUNO（2014）、MINGHUA CHEN（2017）等學(xué)者在歐洲、美國和新興國家的實證均支持銀行風(fēng)險承擔(dān)渠道理論。MORAES等（2016）發(fā)現(xiàn)商業(yè)銀行通過改變貸款供給和資本充足率來應(yīng)對貨幣政策的調(diào)整。PALIGOROVA和SANTOS（2017）發(fā)現(xiàn)貨幣寬松的環(huán)境中高風(fēng)險公司的利差要低于緊縮的環(huán)境下，并證明這一現(xiàn)象由更加風(fēng)險偏好的商業(yè)銀行引起。國內(nèi)研究中，徐明東等（2012）采用差分GMM法檢驗了中國貨幣政策對銀行風(fēng)險承擔(dān)的影響，驗證了寬松貨幣政策顯著提高銀行風(fēng)險承擔(dān)水平。王晉斌等（2017）利用系統(tǒng)GMM發(fā)現(xiàn)數(shù)量型貨幣工具在緊縮環(huán)境中對商業(yè)銀行風(fēng)險承擔(dān)影響更強，而價格型工具在寬松環(huán)境中影響更強，且股票市場的繁榮會提高銀行的風(fēng)險承擔(dān)水平。

基于前人的研究，文章主要貢獻在于選取了上市銀行為樣本，考察期為2002—2016年，對貨幣政策與銀行風(fēng)險承擔(dān)之間的關(guān)系在新時期進行了檢驗，并試圖從房價增長的角度進行解釋。

2理論與模型設(shè)計

在DELIS和KOURETAS（2011） 、徐明東和陳學(xué)彬（2012）、王晉斌（2017）等研究的基礎(chǔ)上，文章建立如下動態(tài)面板基本模型，以檢驗貨幣政策對于商業(yè)銀行風(fēng)險承擔(dān)的影響。

RISKi，t=β0RISKi，t-1+β1 MPi，t+β2 microi，t-1+β3macroi，t-1+vi+uit

其中，i表示銀行家數(shù)，t為年份，RISK為商業(yè)銀行風(fēng)，MP為貨幣政策代理變量，micro和macro分別為影響商業(yè)銀行風(fēng)險承擔(dān)的微觀和宏觀因素。

文獻中常用的銀行風(fēng)險測度指標(biāo)主要有Z值、風(fēng)險資產(chǎn)占比和不良貸款率等，文章主要選取Z值作為銀行風(fēng)險的測度指標(biāo)，參照LAEVEN and LEVINE（2009），將銀行風(fēng)險的Z值定義如下：Zit=σit （ROA）/（ROAit+CARit），其中ROA表示總資產(chǎn)報酬率，σ（ROA）表示總資產(chǎn)報酬率的標(biāo)準(zhǔn)差 參考LAEVEN and LEVINE（2009）的計算方法，文章使用了3年（包括2年滯后期）的數(shù)據(jù)來滾動計算ROA指標(biāo)。 ，CAR表示權(quán)益資產(chǎn)比率。Z值越大，則表示銀行破產(chǎn)風(fēng)險越大。

由于中國貨幣政策的實施同時使用價格型和數(shù)量型工具，故本文貨幣政策代理變量選取貸款基準(zhǔn)利率（iL）、銀行同業(yè)拆借利率（iC）、廣義貨幣M2增長率的負(fù)數(shù)若M2增長率較高，則貨幣政策寬松，與利率高（緊縮政策）相反，為了系數(shù)符號統(tǒng)一，故取負(fù)號。（M2R）三種，以得到穩(wěn)健的結(jié)果。

微觀變量則主要包括銀行規(guī)模（SIZE，總資產(chǎn)的對數(shù)值）、資本情況（CAP，一般資本充足率）、盈利能力（PROA，稅前總資產(chǎn)回報率）、是否上市（IPO，上市前取0，上市后取1）。為減輕內(nèi)生性問題，根據(jù)徐明東和陳學(xué)彬（2012），部分指標(biāo)采用滯后一期值。根據(jù)DELIS和KOURETAS（2012），銀行規(guī)模、盈利能力與風(fēng)險水平之間的關(guān)系仍無一致結(jié)論。規(guī)模大的銀行由于大而不能倒，可能存在道德風(fēng)險，即追逐更高的風(fēng)險，但同時為了控制系統(tǒng)性風(fēng)險，相關(guān)部門對其監(jiān)管也會更嚴(yán)格。盈利較低的銀行一方面可能反映其保守的風(fēng)險態(tài)度，另一方面也可能成為其追逐風(fēng)險的動機。而通常資本充足率較高的銀行經(jīng)營更加保守。

宏觀經(jīng)濟變量包括GDP增速（GDPR）和房地產(chǎn)價格增速（HOUSEP）。全國性銀行對應(yīng)全國的GDP和房價指標(biāo)，區(qū)域性銀行則對應(yīng)其經(jīng)營地區(qū)的GDP和房價指標(biāo)。房屋通常作為銀行貸款的抵押資產(chǎn)，當(dāng)房價上升時，客戶質(zhì)量提高，銀行貸款風(fēng)險下降。但同時，宏觀經(jīng)濟和房價的上升可能會提高銀行的風(fēng)險偏好，貸款標(biāo)準(zhǔn)降低進而導(dǎo)致銀行風(fēng)險承擔(dān)水平偏高。

根據(jù)以上理論分析得出實證模型：

RISKit=α0 RISKit-1+α1 MPit+α2SIZEit-1+α3CAPit-1+α4PROAit-1+α5IPOit-1+α6GDPRjt+α7HOUSEPjt+vi+uit

下文將以此模型對中國的數(shù)據(jù)進行實證，探索貨幣政策變量、宏觀經(jīng)濟變量和商業(yè)銀行微觀特征變量對于商業(yè)銀行風(fēng)險水平的影響。

3實證分析

31樣本及數(shù)據(jù)說明

基于數(shù)據(jù)的可得性和代表性，文章選取2002—2016年期間29家中資商業(yè)銀行的年度數(shù)據(jù)作為研究樣本，為非平衡面板數(shù)據(jù)。樣本包括5大國有銀行、12家全國性銀行和12家上市的城（農(nóng)）農(nóng)商行。數(shù)據(jù)來源于Wind行業(yè)數(shù)據(jù)庫及個股資料和Wind宏觀經(jīng)濟數(shù)據(jù)庫。表1為變量的描述性統(tǒng)計結(jié)果。負(fù)的Z值不具備越小則風(fēng)險越小的含義，故將負(fù)的觀測值作為異常值處理。

32計量結(jié)果與分析

OLS和固定效應(yīng)模型對于含有因變量滯后項的方程來說估計結(jié)果有偏，故文章采用Arellano和Bond（1991）提出GMM的一階差分矩陣估計方法（first-difference GMM）來克服此問題。DGMM通過差分控制時間和個體效應(yīng)，以因變量滯后項作為工具變量克服內(nèi)生性問題。

為確保模型估計的有效性和穩(wěn)健性，動態(tài)面板數(shù)據(jù)模型需要通過Sargan檢驗、Arellano-Bond AR（2）檢驗。Sargan檢驗原假設(shè)為過度識別是有效的，即工具變量有效。Arellano-Bond AR（2）的原假設(shè)分別為模型的殘差不存在二階序列相關(guān)。若存在二階相關(guān)，則意味著選取的工具變量不合理。表2為中國貨幣政策對銀行風(fēng)險承擔(dān)影響的估計結(jié)果，因變量為Z_score。在1%的顯著性水平上Sargan檢驗、Arellano-Bond AR（2）檢驗結(jié)果均不能拒絕原假設(shè)，表明以因變量的二階滯后項作為工具變量是合理的，干擾項不存在顯著二階序列相關(guān)，模型設(shè)定正確。

貨幣政策變量均在1%的置信度下顯著為負(fù)。對于破產(chǎn)風(fēng)險指標(biāo)Z_score，控制其他宏微觀變量情況下，在利率下降或者M2增速上升時，銀行Z值增加，即寬松的貨幣政策可能促使銀行風(fēng)險上升。從微觀變量的來看，資產(chǎn)規(guī)模的系數(shù)顯著為負(fù)，表示銀行規(guī)模越大其風(fēng)險越小，原因可能是大銀行會受到更嚴(yán)格的信貸和風(fēng)險資本監(jiān)管要求。盈利指標(biāo)系數(shù)顯著為正，反映銀行為了獲取高收益需要冒更高的風(fēng)險，符合“高收益高風(fēng)險”的規(guī)律。資本充足率與Z_score值存在負(fù)向關(guān)系，說明資本充足率能夠約束銀行的風(fēng)險承擔(dān)。IPO的系數(shù)為負(fù)，顯著性不一定，說明可能上市后銀行的風(fēng)險水平更低，也可能是銀行為了上市而將風(fēng)險水平調(diào)整到更低的水平。宏觀解釋變量方面，實際GDP增長率和房屋價格增長率的系數(shù)均顯著為負(fù)，表明宏觀經(jīng)濟形勢較好和資產(chǎn)價格上漲時，抵押物價值上升，企業(yè)凈值改善、貸款違約風(fēng)險降低，銀行的風(fēng)險水平下降。

4結(jié)論與啟示

文章以2002—2016年的面板數(shù)據(jù)驗證了銀行風(fēng)險承擔(dān)渠道理論，寬松的貨幣政策，無論以價格工具還是數(shù)量工具實施，均會導(dǎo)致以Z_score代表的銀行風(fēng)險水平上升。同時，規(guī)模越小、盈利越高、資本充足率越低的銀行風(fēng)險承擔(dān)更高，上市后銀行風(fēng)險水平會下降。宏觀經(jīng)濟增速加快、房地產(chǎn)價格上升均會降低銀行風(fēng)險水平。該理論拓寬了金融加速器的含義，寬松的貨幣環(huán)境不僅使得商業(yè)銀行能夠提供更多貸款，而且還會提高銀行的風(fēng)險偏好水平，帶來更低的貸款標(biāo)準(zhǔn)，進而帶來更高的違約率和風(fēng)險。而突然緊縮的貨幣政策也會通過影響貼現(xiàn)率和現(xiàn)金流導(dǎo)致房屋資產(chǎn)價格下跌，抵押物價值下降、貸款違約率上升也將導(dǎo)致銀行風(fēng)險暴露?？梢?，無論突然的寬松還是緊縮貨幣政策，均會導(dǎo)致銀行風(fēng)險上升，穩(wěn)健的貨幣政策配合審慎的商業(yè)銀行風(fēng)險管理和宏觀系統(tǒng)逆周期調(diào)控是避免危機的合理措施。

參考文獻：

[1]ADRIAN T， SHIN H S Financial Intermediaries and Monetary Economics[J].Social Science Electronic Publishing， 2010，3（398）：601-650

[2]BORIO C，ZHU H CAPITAL REGULATION，RISK-TAKING and MONETARY POLICY： A Missing Link in the Transmission Mechanism？[J].BIS working paper，2008（268）.

[3]DELIS M，D，G P KOURETASInterest Rates and Bank Risk-Taking[J].Journal of Banking and Finance，2011，35（4）：840-855

[4]LAEVEN and LEVINEBank Governance，Regulation and Risk Taking[J].Journal of Financial Economics， 2009，93（2）：259-275

[5]徐明東，陳學(xué)彬貨幣環(huán)境、資本充足率與商業(yè)銀行風(fēng)險承擔(dān)[J].金融研究，2012（7）：48-62

[作者簡介]王首妃（1995—），女，白族，云南人，碩士研究生，研究方向：宏觀金融；馬云飛（1999—），男，蒙古族，河北人，研究方向：宏觀經(jīng)濟。