中國(guó)商業(yè)銀行脆弱性的誘發(fā)因素及監(jiān)管

李赟,楊家瑋,李恒瑞

基金項(xiàng)目： 山西省高等學(xué)校哲學(xué)社會(huì)科學(xué)研究項(xiàng)目（PSSR-2014335）、國(guó)家社會(huì)科學(xué)基金項(xiàng)目（16BGL207）、國(guó)家統(tǒng)計(jì)局項(xiàng)目（2017LY92）、山西省哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目（2019B144）

作者簡(jiǎn)介： 李 赟（1977—），女，山西交城人，山西財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院教師，統(tǒng)計(jì)學(xué)博士研究生，研究方向：宏觀經(jīng)濟(jì)統(tǒng)計(jì)分析。

摘 要：選取2008年前上市的16家銀行2008-2018年的財(cái)務(wù)數(shù)據(jù)，對(duì)商業(yè)銀行脆弱性進(jìn)行分析。研究發(fā)現(xiàn)：商業(yè)銀行脆弱性雖然是多方面因素共同作用的結(jié)果，但其對(duì)杠桿率變動(dòng)尤其敏感;國(guó)有商業(yè)銀行對(duì)商業(yè)銀行總體脆弱性貢獻(xiàn)占比較大;股份制商業(yè)銀行更易受到資產(chǎn)減值風(fēng)險(xiǎn)的沖擊。政策模擬結(jié)果顯示，增加四家系統(tǒng)重要性銀行的權(quán)益資本并對(duì)其進(jìn)行嚴(yán)格的杠桿率監(jiān)管是降低商業(yè)銀行總體脆弱性較為有效的途徑。

關(guān)鍵詞： 商業(yè)銀行脆弱性;杠桿率;減價(jià)出售

中圖分類號(hào)：F832.33 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)：1003-7217（2020）03-0009-08

一、引 言

近年來(lái)，金融領(lǐng)域?qū)W者多聚焦于銀行脆弱性的影響因素研究，諸多文獻(xiàn)也證實(shí)：銀行規(guī)模、銀行集中度、資產(chǎn)波動(dòng)和杠桿率是影響商業(yè)銀行脆弱性的重要因素。Francesco Vallascas和Kevin Keasey（2012）以歐洲銀行業(yè)為研究對(duì)象，通過(guò)實(shí)證研究發(fā)現(xiàn)，銀行規(guī)模是影響銀行脆弱性的重要因素之一，銀行規(guī)模與銀行系統(tǒng)性風(fēng)險(xiǎn)成正比[1];Kiemo和Olweny等（2019）對(duì)肯尼亞所有 39 家商業(yè)銀行進(jìn)行研究，結(jié)果表明銀行規(guī)模、資本監(jiān)管、銀行融資和公司治理等因素對(duì)肯尼亞商業(yè)銀行的金融穩(wěn)定有積極作用，但信貸風(fēng)險(xiǎn)對(duì)肯尼亞商業(yè)銀行的金融穩(wěn)定負(fù)面影響很大[2]。Haldane和Robert （2011）研究認(rèn)為，資產(chǎn)多樣化和同業(yè)業(yè)務(wù)使銀行體系趨于同質(zhì)化，加大了商業(yè)銀行的脆弱性風(fēng)險(xiǎn)[3];錢雪松和袁夢(mèng)婷（2012）認(rèn)為銀行業(yè)集中度是銀行業(yè)脆弱性的影響因素，銀行業(yè)集中度的降低有利于降低銀行體系脆弱性[4]。張玉（2014）依據(jù)債務(wù)緊縮理論和金融脆弱性理論，揭示了資產(chǎn)價(jià)格波動(dòng)與銀行脆弱性之間存在相互強(qiáng)化的作用機(jī)制[5];Greenwood、Landier和Thesmar（2015）討論了擁有共同資產(chǎn)銀行在由于廉價(jià)出售引起資產(chǎn)減值時(shí)銀行業(yè)脆弱性的形成和積聚過(guò)程[6];舒長(zhǎng)江等（2017）等實(shí)證研究發(fā)現(xiàn)，資產(chǎn)價(jià)格波動(dòng)是造成商業(yè)銀行脆弱性的主要擾動(dòng)源[7]。更多的學(xué)者都關(guān)注到杠桿率變動(dòng)與商業(yè)銀行脆弱性之間的關(guān)系，如Laeven和Valencia（2012）認(rèn)為杠桿率升高將拉動(dòng)資產(chǎn)價(jià)格高于均衡水平，杠桿率降低時(shí)容易造成大范圍違約，增加銀行脆弱性[8];Tepper和Borowiecki（2014）通過(guò)構(gòu)建金融市場(chǎng)不穩(wěn)定指標(biāo)，分析了杠桿率與金融市場(chǎng)波動(dòng)的關(guān)系[9];方意和鄭子文（2016）在Greenwood（2012）等人的研究基礎(chǔ)上，基于資產(chǎn)負(fù)債表傳染方法分析了中國(guó)銀行體系，認(rèn)為外生沖擊會(huì)伴隨銀行體系高度關(guān)聯(lián)性和高杠桿特征而進(jìn)一步放大[10];陳偉平和張娜（2018）通過(guò)分析中國(guó)商業(yè)銀行2005-2016年杠桿率監(jiān)管效果發(fā)現(xiàn)，限制杠桿率可以有效降低銀行的風(fēng)險(xiǎn)偏好，抑制商業(yè)銀行的風(fēng)險(xiǎn)水平，此外，杠桿率監(jiān)管對(duì)資產(chǎn)規(guī)模較大、流動(dòng)性較強(qiáng)的銀行效果更明顯[11]。

針對(duì)商業(yè)銀行脆弱性的度量，國(guó)外文獻(xiàn)多采用事件分析法和市場(chǎng)數(shù)據(jù)。Ludwig等 （2014）通過(guò)市場(chǎng)數(shù)據(jù)計(jì)算了銀行業(yè)的平均違約距離，使用 VAR模型進(jìn)行格蘭杰因果檢驗(yàn)，研究了2007-2010年間歐洲國(guó)家銀行體系脆弱性[12]。Nguyet和Hanh等（2019）采用宏觀經(jīng)濟(jì)指標(biāo)、銀行業(yè)指標(biāo)和貨幣政策相關(guān)指標(biāo)建立了向量誤差修正模型（VECM） ，度量了越南銀行脆弱性程度[13]。國(guó)內(nèi)研究更多采用定性度量或指數(shù)分析法進(jìn)行商業(yè)銀行脆弱性研究。還有學(xué)者基于不良貸款率、資產(chǎn)利用率、通貨膨脹率和資產(chǎn)利潤(rùn)率、撥備覆蓋率、資本充足率、成本收入比、凈息差等指標(biāo)構(gòu)建了銀行體系脆弱性指數(shù)[14-18]。黃巖渠（2018）以信息傳播為基礎(chǔ)的復(fù)雜網(wǎng)絡(luò)模型，度量了中國(guó)商業(yè)銀行脆弱性[19]。

針對(duì)商業(yè)銀行脆弱性的研究，相關(guān)學(xué)者已經(jīng)取得了較為豐富的研究成果，但目前的研究中仍然存在著一些不足：（1）現(xiàn)有研究更多關(guān)注脆弱性的度量，對(duì)商業(yè)銀行脆弱性的形成機(jī)制、形成過(guò)程關(guān)注較少，針對(duì)銀行脆弱性成因的研究也僅從單個(gè)或多個(gè)因素出發(fā)，缺乏相關(guān)理論研究。（2）現(xiàn)有文獻(xiàn)對(duì)影響銀行脆弱性的因素多是從資產(chǎn)價(jià)格波動(dòng)和高杠桿率單一因素出發(fā)，綜合銀行規(guī)模、銀行集中度、資產(chǎn)波動(dòng)和杠桿率等，多影響因素構(gòu)建模型進(jìn)行商業(yè)銀行脆弱性分析的研究較為少見(jiàn)。（3）針對(duì)商業(yè)銀行脆弱性研究少有政策模擬，因此相關(guān)研究略顯實(shí)踐性、應(yīng)用性不足。因此，本文擬通過(guò)相關(guān)政策模擬為監(jiān)管當(dāng)局提供更具效率的監(jiān)管措施。

二、理論分析與研究假設(shè)

（一）理論分析

銀行業(yè)杠桿具有明顯順周期性，經(jīng)濟(jì)上升時(shí)期，資產(chǎn)價(jià)格升值，資產(chǎn)負(fù)債表杠桿化;經(jīng)濟(jì)衰退期間去杠桿化往往引發(fā)風(fēng)險(xiǎn)。銀行杠桿順周期特征的直接后果是資產(chǎn)價(jià)格周期性放大，從而加劇了金融不穩(wěn)定。本文基于艾爾文·費(fèi)雪（1933）的“債務(wù)—通貨緊縮理論”、Minsky（1982）的“金融不穩(wěn)定假說(shuō)”、Douglas W.Diamond和Philip H.Dybvig（1983）的“銀行擠兌模型”（DD模型）以及Allen F和Gale D（2012）的銀行業(yè)恐慌模型[20-23]，從杠桿率變動(dòng)引發(fā)資產(chǎn)價(jià)格波動(dòng)從而造成銀行權(quán)益受損的角度出發(fā)，分析商業(yè)銀行脆弱性形成機(jī)制（見(jiàn)圖1）。

銀行在高杠桿率與高違約率的雙重影響下，投資收益下降，流動(dòng)性風(fēng)險(xiǎn)持續(xù)暴露，為防止出現(xiàn)擠兌問(wèn)題銀行不得不對(duì)其流動(dòng)性較差的抵押資產(chǎn)進(jìn)行減價(jià)售賣，減價(jià)出售必然造成資產(chǎn)價(jià)格下跌、所有者權(quán)益受損，使得其杠桿率變大，銀行在監(jiān)管壓力下為維持目標(biāo)杠桿不得不繼續(xù)出售資產(chǎn)，降低債務(wù)回歸目標(biāo)杠桿率，然而資產(chǎn)拋售必將遭遇資產(chǎn)減值，導(dǎo)致資產(chǎn)凈值縮水，杠桿率再次變大脫離監(jiān)管水平。與此同時(shí)，擁有同類資產(chǎn)的其他銀行也將被波及，導(dǎo)致資產(chǎn)凈值縮水，可能引起新的一輪資產(chǎn)出售和債務(wù)通縮，導(dǎo)致整個(gè)銀行業(yè)變得更為脆弱。

矩陣A：資產(chǎn)矩陣是直接從各家銀行資產(chǎn)負(fù)債表數(shù)據(jù)中獲取的，對(duì)角元素ann是銀行n的總資產(chǎn)。整理數(shù)據(jù)結(jié)果顯示2017年平均資產(chǎn)為9.47萬(wàn)億元。資產(chǎn)最多的是中國(guó)工商銀行（27.70萬(wàn)億），最小的為寧波銀行（1.11萬(wàn)億）。

矩陣B：杠桿矩陣B是負(fù)債權(quán)益比的對(duì)角線矩陣。從各銀行的資產(chǎn)負(fù)債表中獲得其負(fù)債dn和所有者權(quán)益總計(jì)en，對(duì)角線bn=dn/en構(gòu)成矩陣B。

矩陣M：為了計(jì)算矩陣M，將資產(chǎn)部分?jǐn)?shù)據(jù)分解為10個(gè)資產(chǎn)類別：現(xiàn)金及存放中央銀行款項(xiàng)、可供出售金融資產(chǎn)、制造業(yè)貸款、商業(yè)貸款、房地產(chǎn)業(yè)貸款、個(gè)人貸款、政府債券、金融債券、公司債券、其他資產(chǎn)，因此，M矩陣是16×10的矩陣。從數(shù)據(jù)可以發(fā)現(xiàn)，16家銀行的平均現(xiàn)金及存放中央銀行款項(xiàng)占比均為9%以上且在2015年之前該項(xiàng)占比均超12%，個(gè)人貸款占比從2008年的8.6%到2017年的17.3%增長(zhǎng)率近10%，僅2017年可供出售金融資產(chǎn)占比為8.2%、政府債券占比7.9%。

矩陣L：對(duì)于流動(dòng)性矩陣L數(shù)量級(jí)的選擇，遵循Greenwood（2015）[6]研究經(jīng)驗(yàn)，假設(shè)L=10-13×Id，其中Id是一個(gè)10×10的單位對(duì)角矩陣。假設(shè)所有資產(chǎn)價(jià)格影響系數(shù)相同。

沖擊F：由于減價(jià)出售溢出效應(yīng)的度量與沖擊的大小呈線性關(guān)系，因此，按比例縮放F會(huì)使所有溢出度量成比例地變化。對(duì)每個(gè)資產(chǎn)獨(dú)立沖擊或?qū)γ總€(gè)公司獨(dú)立沖擊的溢出效應(yīng)加起來(lái)為總計(jì)沖擊結(jié)果。實(shí)證中按照金融債券資產(chǎn)受到10%的負(fù)面回報(bào)率沖擊進(jìn)行模擬。

四、實(shí)證檢驗(yàn)

為了構(gòu)建資產(chǎn)占比的權(quán)重矩陣M，將資產(chǎn)部分?jǐn)?shù)據(jù)細(xì)分為10個(gè)資產(chǎn)類別，各資產(chǎn)占比情況具體見(jiàn)表1。

當(dāng)沖擊來(lái)自于金融債券資產(chǎn)減值10%時(shí)，F(xiàn)=＼[0，0，0，0，0，0，0，0，1，0＼]，矩陣L假設(shè)各資產(chǎn)的價(jià)格影響系數(shù)相同。將上述矩陣帶入式（1）和式（2），運(yùn)用Matlab進(jìn)行矩陣計(jì)算得到結(jié)果如表2。

從表2可以看出：規(guī)模較小的銀行其脆弱性更大，例如南京銀行、寧波銀行其資產(chǎn)規(guī)模較小、杠桿

率高，不論其直接脆弱性還是間接脆弱性都比其他銀行更大，說(shuō)明其抗風(fēng)險(xiǎn)能力更弱;對(duì)比而言，工商銀行、交通銀行、建設(shè)銀行等大型國(guó)有商業(yè)銀行的抗風(fēng)險(xiǎn)能力更強(qiáng)，從直接脆弱性和間接脆弱性兩方面分析其脆弱性都表明大型銀行的抗風(fēng)險(xiǎn)能力更強(qiáng);此外，平安銀行的直接脆弱性排名較靠前，但間接脆弱性排名很靠后，其原因可能是平安銀行擁有的流動(dòng)性資產(chǎn)更多，更直接的原因則是其杠桿率較低。

將上述矩陣代入商業(yè)銀行總體脆弱性AV即式（3）中，用Matlab計(jì)算得到2008-2018年間商業(yè)銀行總體脆弱性AV的具體數(shù)據(jù)如表3，其變化趨勢(shì)如圖2。

從圖2可以清晰地看出2008-2018年商業(yè)銀行總體脆弱性AV變化趨勢(shì)，其中2008-2009年、2015-2016年商業(yè)銀行脆弱性變化明顯，2010-2015年商業(yè)銀行脆弱性增長(zhǎng)較平穩(wěn)，但是2009-2010年、2017-2018年商業(yè)銀行脆弱性呈現(xiàn)變?nèi)踣E象。

下面，從銀行資產(chǎn)規(guī)模、銀行杠桿率的角度探索降低商業(yè)銀行總體脆弱性AV的途徑。

圖3展示了商業(yè)銀行總體脆弱性AV與銀行資產(chǎn)規(guī)模、銀行杠桿率的變化趨勢(shì)，顯然，商業(yè)銀行總體脆弱性AV的增長(zhǎng)率變動(dòng)與資產(chǎn)規(guī)模變化率、杠桿率變化都是有關(guān)的。然而，銀行資產(chǎn)規(guī)模逐年增加，增速較緩，變化率并不大，由此可知商業(yè)銀行總體脆弱性AV的變化受杠桿的影響更明顯。從圖3也可以看出，商業(yè)銀行總體脆弱性AV的變化率與杠桿率變化率基本是同步的，商業(yè)銀行總體脆弱性AV對(duì)杠桿率變化很敏感，正是由于2009-2010年經(jīng)歷了金融危機(jī)后各銀行調(diào)整杠桿率到較低的水平，杠桿率的大幅降低成就了較低的銀行脆弱性。由此推測(cè)，控制扛桿率可有效的控制商業(yè)銀行總體脆弱性。

系統(tǒng)性S（n）可以解釋為銀行n對(duì)商業(yè)銀行總體脆弱性AV的貢獻(xiàn)，將上述矩陣帶入式（4）中，得到銀行n的系統(tǒng)性度量值并進(jìn)行排名，具體如表4。

銀行系統(tǒng)性排名直觀地展現(xiàn)了中國(guó)商業(yè)銀行中各銀行的系統(tǒng)重要性。建設(shè)銀行、農(nóng)業(yè)銀行、工商銀行和中國(guó)銀行的系統(tǒng)性度量值明顯大于其他商業(yè)銀行，其具有更高的系統(tǒng)性;從排行中也可以看出，北京銀行、寧波銀行、南京銀行系統(tǒng)性較低，雖然其脆弱性更高，但是由于其資產(chǎn)規(guī)模較小、業(yè)務(wù)范圍有限、與其他銀行間關(guān)系較為簡(jiǎn)單等原因，其發(fā)生風(fēng)險(xiǎn)對(duì)整個(gè)銀行業(yè)的影響依然較弱，對(duì)銀行總體的脆弱性貢獻(xiàn)較小。從系統(tǒng)重要性分析各銀行對(duì)總體脆弱性的貢獻(xiàn)程度，發(fā)現(xiàn)建設(shè)銀行、工商銀行、農(nóng)業(yè)銀行、中國(guó)銀行的貢獻(xiàn)顯著，具體來(lái)說(shuō)，僅四大國(guó)有銀行的脆弱性總和約占商業(yè)銀行總體脆弱性的65%。顯然，降低系統(tǒng)重要性銀行的脆弱性能有效降低商業(yè)銀行總體脆弱性。

五、政策模擬

政策1 增加銀行權(quán)益資本。

在增加銀行權(quán)益資本的政策模擬中，不改變當(dāng)前目標(biāo)杠桿率，不改變當(dāng)前負(fù)債，增加的股權(quán)資本僅增加了所有者權(quán)益E和資本總額A。觀測(cè)每個(gè)銀行都接受5%的注資、僅四大行接受5%的注資、僅向脆弱性較大銀行注資5%三種情況，觀測(cè)商業(yè)銀行總體脆弱性AV值的變化。

以2018年數(shù)據(jù)為例，假設(shè)沖擊來(lái)自于金融債券資產(chǎn)減值10%時(shí)，沖擊矩陣F=＼[0，0，0，0，0，0，0，0，1，0＼]，以當(dāng)前杠桿率情況作為參照，初始AV=10.927。

從表5的結(jié)果可知，增加銀行權(quán)益資本可降低銀行總體脆弱性，向全部銀行注資5%使AV值下降9.29%，但僅向系統(tǒng)重要性銀行注資使AV值下降6.52%，相對(duì)而言向脆弱性銀行注資的效果并不明顯。這個(gè)結(jié)果與系統(tǒng)性銀行對(duì)銀行總體脆弱性影響更大的結(jié)論一致，而且系統(tǒng)重要性銀行一直是監(jiān)管更加關(guān)注的銀行，僅向系統(tǒng)重要性銀行注資可能有失公平，但從行業(yè)監(jiān)管而言，這種政策不會(huì)使更多的銀行規(guī)模增大導(dǎo)致“大而不倒”，而且雖然四大行資產(chǎn)規(guī)模進(jìn)一步擴(kuò)大，但可通過(guò)控制其杠桿率進(jìn)行更嚴(yán)格監(jiān)管，此方式可提高監(jiān)管當(dāng)局的工作效率。

政策2 設(shè)置目標(biāo)杠桿率。

模擬設(shè)置統(tǒng)一標(biāo)準(zhǔn)的杠桿率和結(jié)構(gòu)化調(diào)整目標(biāo)杠桿率兩種方法進(jìn)行對(duì)比分析，在結(jié)構(gòu)化調(diào)整杠桿率的模擬中，分別僅控制脆弱性較大商業(yè)銀行的杠桿率和僅控制系統(tǒng)重要性銀行的杠桿率，從不同角度探究減小商業(yè)銀行總體脆弱性AV的更高效方法。

（一）設(shè)定統(tǒng)一標(biāo)準(zhǔn)的目標(biāo)杠桿率

在設(shè)置目標(biāo)杠桿率的政策模擬中，風(fēng)險(xiǎn)來(lái)源不變，僅改變銀行的目標(biāo)杠桿率，設(shè)目標(biāo)杠桿率為15、12、10三個(gè)梯度，即銀行的最大杠桿率不超高目標(biāo)值。觀測(cè)商業(yè)銀行總體脆弱性AV變化結(jié)果如表6。

從表6可知，通過(guò)控制目標(biāo)杠桿可有效降低商業(yè)銀行總體脆弱性，若將目標(biāo)杠桿設(shè)為10，商業(yè)銀行總體脆弱性AV將下降近13%。但考慮到杠桿是金融行業(yè)的靈魂，為降低銀行脆弱性，一味的將杠桿反而可能造成更多不良后果。適度的杠桿率不僅能夠提高資金的配置效率，而且能夠促進(jìn)經(jīng)濟(jì)增長(zhǎng)，如果杠桿使用不合理，則會(huì)造成信用違約頻發(fā)、金融機(jī)構(gòu)不良貸款陡升、資產(chǎn)價(jià)格崩潰，最終導(dǎo)致金融危機(jī)的全面爆發(fā)。因此，為防控金融風(fēng)險(xiǎn)，監(jiān)管部門應(yīng)該合理選擇目標(biāo)杠桿率，尋求促進(jìn)經(jīng)濟(jì)增長(zhǎng)且不過(guò)分加大銀行業(yè)總體脆弱性的適度杠桿率。

（二）設(shè)定差異化的目標(biāo)杠桿率

初始AV=10.927，不改變風(fēng)險(xiǎn)來(lái)源，僅改變脆弱性較大銀行的目標(biāo)杠桿率，為對(duì)比統(tǒng)一標(biāo)準(zhǔn)目標(biāo)杠桿率的結(jié)果，在此仍設(shè)目標(biāo)杠桿率為15、12、10三個(gè)梯度。觀測(cè)商業(yè)銀行總體脆弱性變化結(jié)果如

從表7可知，調(diào)整脆弱性較大銀行杠桿率對(duì)控制商業(yè)銀行總體脆弱性AV的效果并不明顯。對(duì)比統(tǒng)一標(biāo)準(zhǔn)調(diào)整目標(biāo)杠桿的結(jié)果發(fā)現(xiàn)，即使把脆弱性較大銀行杠桿率目標(biāo)調(diào)整到10，AV值僅下降4.7%，僅是統(tǒng)一標(biāo)準(zhǔn)調(diào)整杠桿率效果的1/3?；诖藬?shù)據(jù)模擬結(jié)果，證明調(diào)整脆弱性較大銀行的杠桿率目標(biāo)確實(shí)能降低商業(yè)銀行總體脆弱性AV，但效果并不明顯。

僅改變系統(tǒng)重要性銀行的目標(biāo)杠桿率，對(duì)比統(tǒng)一標(biāo)準(zhǔn)目標(biāo)杠桿率的結(jié)果，在此仍設(shè)目標(biāo)杠桿率為15、12、10三個(gè)梯度。觀測(cè)商業(yè)銀行總體脆弱性變化結(jié)果如表8。

分析表8發(fā)現(xiàn)，將系統(tǒng)重要性銀行的杠桿率目標(biāo)設(shè)為15和12時(shí)，對(duì)AV值的影響微乎其微，而將杠桿率目標(biāo)設(shè)為10時(shí)，AV值下降近7%。這是由于基準(zhǔn)的AV值是對(duì)2018年16家銀行真實(shí)杠桿率的度量結(jié)果，而目前的16家商業(yè)銀行杠桿率大多分布在12～15之間，僅寧波銀行杠桿率高達(dá)17，系統(tǒng)重要性銀行目前杠桿率也較低，其中農(nóng)業(yè)銀行杠桿率為13，工商銀行、建設(shè)銀行和中國(guó)銀行的杠桿率均為11，調(diào)整系統(tǒng)重要性銀行杠桿率到15或12都沒(méi)有起到降低杠桿率的作用。進(jìn)一步分析發(fā)現(xiàn)，將目標(biāo)杠桿率設(shè)為10只是對(duì)系統(tǒng)重要性銀行杠桿率的微調(diào)，但有效降低了商業(yè)銀行總體脆弱性。此外，與統(tǒng)一標(biāo)準(zhǔn)設(shè)定目標(biāo)杠桿的政策相比，對(duì)四家系統(tǒng)重要性銀行進(jìn)行更嚴(yán)格的杠桿率監(jiān)管操作更簡(jiǎn)便、效果更明顯。

六、結(jié) 語(yǔ)

以上研究表明：商業(yè)銀行總體脆弱性雖然是多方面因素共同作用的結(jié)果，但其對(duì)杠桿率變動(dòng)尤其敏感。通過(guò)度量2008-2018年的商業(yè)銀行總體脆弱性變化趨勢(shì)，結(jié)果表明商業(yè)銀行總體脆弱性情況和杠桿率變動(dòng)情況基本同步，且變化幅度更大。進(jìn)一步從微觀角度分析16家商業(yè)銀行對(duì)商業(yè)銀行總體脆弱性的影響程度發(fā)現(xiàn)：中國(guó)工商銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)銀行和中國(guó)建設(shè)銀行四家大型國(guó)有銀行對(duì)商業(yè)銀行總體脆弱性的貢獻(xiàn)高達(dá)65%;但從對(duì)各家銀行的脆弱性度量排名來(lái)看，寧波銀行、南京銀行、興業(yè)銀行等股份制商業(yè)銀行更脆弱，而且更容易受到資產(chǎn)減值風(fēng)險(xiǎn)的沖擊?？梢?jiàn)，合理的目標(biāo)杠桿率監(jiān)管政策可以更好地降低商業(yè)銀行脆弱性，防控金融風(fēng)險(xiǎn)。為了找到降低商業(yè)銀行體系的總體脆弱性更高效的方法，運(yùn)用軟件Matlab模擬兩種不同方案的政策實(shí)施效果：增加不同規(guī)模商業(yè)銀行權(quán)益資本、差異化設(shè)置目標(biāo)杠桿率。模擬結(jié)果表明通過(guò)增加四家系統(tǒng)重要性銀行的權(quán)益資本并對(duì)其進(jìn)行更嚴(yán)格的杠桿率監(jiān)管是降低商業(yè)銀行總體脆弱性（AV）更高效的措施。

參考文獻(xiàn)：

[1] Vallascas F，Keasey K. Bank resilience to systemic shocks and the stability of banking systems： small is beautiful[J].Journal of International Money and Finance，2012，31（6）：1745-1776.

[2] Kiemo S M，Olweny T O，Mwangi L W. Bank-specific determinants of commercial banks financial stability in Kenya[J].Journal Of Applied Finance And Banking 2019，9（1）：119-145.

[3] Haldane Andrew G，May Robert M. Systemic risk in banking ecosystems[J].Journal of Applied Finance and Banking，2011，469（7330）：351-355.

[4] 錢雪松，袁夢(mèng)婷.銀行業(yè)集中度、間接融資比例和銀行脆弱性——基于1990～2008年跨國(guó)數(shù)據(jù)的實(shí)證研究[J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2012（4）：48-53.

[5] 張玉.資產(chǎn)價(jià)格波動(dòng)成因、測(cè)度以及對(duì)金融不平衡的影響[J].市場(chǎng)經(jīng)濟(jì)與價(jià)格，2014（2）：24-28.

[6] Greenwood R M，Landier A，Thesmar D. Vulnerable banks[J].Social Science Electronic Publishing. 2015，115（3）：471-485.

[7] 舒長(zhǎng)江，胡援成，樊嬙.資產(chǎn)價(jià)格波動(dòng)與商業(yè)銀行脆弱性：理論基礎(chǔ)與宏觀實(shí)踐[J].財(cái)經(jīng)理論與實(shí)踐，2017，38（1）：2-9.

[8] Luc Laeven，F(xiàn)abián Valencia. The use of blanket guarantees in banking crises[J]. Journal of International Money and finance，2012，31（5）：1220-1248.

[9] Adrian T，Borowieck Ki，Tepper A. A leverage-based measure of financial stability[R]. Centre For Economic Policy Research，2014，No.12676.

[10]方意，鄭子文.系統(tǒng)性風(fēng)險(xiǎn)在銀行間的傳染路徑研究——基于持有共同資產(chǎn)網(wǎng)絡(luò)模型[J].國(guó)際金融研究，2016（6）：61-72.

[11]陳偉平，張娜.杠桿率監(jiān)管具有風(fēng)險(xiǎn)抑制效應(yīng)嗎？——來(lái)自中國(guó)商業(yè)銀行的經(jīng)驗(yàn)證據(jù)[J].金融與經(jīng)濟(jì)，2018，495（11）：10-16.

[12]Alexander Ludwig，Karol Sobański. Banking sector fragility linkages in the Euro area：evidence for crisis years 2007-2010[J].Economics Letters，2014，125（3）：451-454.

[13]Hien Thu Phan，Sajid Anwar W. Robert J，et al. Competition， efficiency and stability：an empirical study of East Asian commercial banks[C].The North American Journal of Economics and Finance，2019. Vol（50）. No.100990.

[14]田艷芬，邵志高，陳守東.宏觀經(jīng)濟(jì)因素對(duì)銀行體系脆弱性影響的實(shí)證分析[J].金融發(fā)展研究，2011（4）：26-30.

[15]陳建新，羅偉其，龐素琳.基于可拓方法我國(guó)銀行體系脆弱性的評(píng)價(jià)[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí).2011，41（19）：37-43.

[16]柳明.中國(guó)金融脆弱性指標(biāo)構(gòu)建與分析[J].河北學(xué)刊，2016，36（1）：221-224.

[17]楊洋，姜寶泉.基于不良貸款的商業(yè)銀行體系脆弱性研究[J].金融發(fā)展評(píng)論，2017（5）：120-128.

[18]徐國(guó)祥，劉璐.中國(guó)商業(yè)銀行脆弱性指數(shù)與資產(chǎn)價(jià)格關(guān)系研究[J].統(tǒng)計(jì)與信息論壇，2018，33（7）：47-53.

[19]黃巖渠.基于復(fù)雜網(wǎng)絡(luò)的系統(tǒng)性金融風(fēng)險(xiǎn)研究[D].長(zhǎng)沙：湖南大學(xué)，2018.

[20]Irving Fisher. Progress and depressions and our American dollar[J]. Proceedings of the American Philosophical Society，1932，71（3）：131-133.

[21]Hyman P. Minsky. Can "it" happn again？ a reprise[J].Challenge， 1982，25（3）：5-13.

[22]Diamond D W，Dybvig P H， Bank Runs. Deposit insurance and liquidity [J]. The Journal of Political Economy，1983，91（3）：401-419.

[23]Allen F，Gale D. Bubbles and crises[J].The Economic Journal，2000，110（460）：236-255.

（責(zé)任編輯：王鐵軍）

The Inducement Factors of The Commercial Banks

Vulnerability and Supervision

——Based on Fire Sales and Leverage Ratio

LI Yun1，YANG Jiawei2，LI Hengrui3

（1. School of statistics， Shanxi University of Finance and economics，Taiyuan， Shanxi 030012，China;

2. School of culture and tourism， Shanxi University of Finance and economics， Taiyuan， Shanxi 030012，China;

3. School of finance， Shanxi University of Finance and economics， Taiyuan， Shanxi 030012，China）

Abstract：Based on the financial data of 16 banks listed before 2008， this paper made a comprehensive and in-depth analysis of commercial banks' vulnerability. The study found that although the vulnerability of commercial banks is affected by many factors， but it is especially sensitive to leverage. The proportion of state-owned commercial banks' vulnerability is higher. Joint-stock commercial banks are more vulnerable to asset impairment risks. The policy simulation results show that increasing the equity capital of four systemically important banks and carrying stricter leverage ratio supervision are more effective measures to reduce the vulnerability of commercial banks.

Key words： vulnerability of commercial banks;leverage ratio;fire sales