企業(yè)高杠桿率一定會引發(fā)銀行系統(tǒng)性風險嗎？
——基于企業(yè)資產(chǎn)質(zhì)量視角的再檢驗

溫博慧 畢莎莎 袁銘

(1.天津財經(jīng)大學 金融學院，天津 300222; 2.天津財經(jīng)大學 統(tǒng)計學院，天津 300222)

一、引言

當前，防范系統(tǒng)性金融風險依然是我國經(jīng)濟工作的三大重點之一。鑒于我國金融結(jié)構(gòu)體系以銀行為主體，防范銀行系統(tǒng)性風險尤其值得關(guān)注。在銀行資產(chǎn)負債表中，企業(yè)貸款占銀行總資產(chǎn)比例最大。因此，企業(yè)部門的經(jīng)營風險會通過企業(yè)之間以及企業(yè)與金融機構(gòu)之間極其復雜的關(guān)聯(lián)關(guān)系傳導至銀行，進而通過銀行間的關(guān)聯(lián)性在金融體系內(nèi)擴散[1]。2009年以來，我國監(jiān)管部門基于經(jīng)濟金融形勢的變化相繼出臺了有關(guān)調(diào)控企業(yè)杠桿率的系列政策，經(jīng)歷了從加杠桿到去杠桿到結(jié)構(gòu)性去杠桿，從穩(wěn)杠桿到關(guān)注去杠桿和防風險兩難的逐步轉(zhuǎn)換。特別地，由于新冠肺炎疫情的爆發(fā)，在國家紓困政策作用下，企業(yè)部門杠桿率水平持續(xù)攀升并已超過了實施供給側(cè)結(jié)構(gòu)性改革前的階段性高點，而國有企業(yè)債務(wù)趨于收縮，非國有企業(yè)資產(chǎn)負債率不斷提高也帶來了杠桿率主體結(jié)構(gòu)的新變化。

基于上述背景，企業(yè)杠桿率發(fā)展的水平和結(jié)構(gòu)是否會引發(fā)系統(tǒng)性風險？在響應(yīng)過程中哪些因素會起到調(diào)節(jié)作用？這類問題備受關(guān)注。多數(shù)學者根據(jù)“債務(wù)—金融不穩(wěn)定”理論提出，非金融企業(yè)(以下簡稱企業(yè))部門債務(wù)杠桿的大幅攀升，會推高經(jīng)濟各部門風險水平，并在金融部門逐步累積，進而通過債務(wù)和股權(quán)兩個渠道激發(fā)系統(tǒng)性風險的生成和傳遞[2]。而部分學者認為，單純的杠桿率上升并不足以解釋系統(tǒng)性風險的增加[3-8]，這其中企業(yè)資產(chǎn)質(zhì)量起到了不可或缺的調(diào)節(jié)作用[9-10]。一方面，如果企業(yè)資產(chǎn)質(zhì)量較高，即使其本身具有較高的杠桿率，引發(fā)系統(tǒng)性風險的可能性也可能較低。當受到外部沖擊時，企業(yè)甚至可以加大杠桿率應(yīng)對流動性危機。另一方面，如果企業(yè)資產(chǎn)質(zhì)量較差，當外部沖擊發(fā)生時即使杠桿水平較低，企業(yè)也會迅速陷入困境并發(fā)生違約，進而對金融機構(gòu)資產(chǎn)造成損失，發(fā)生系統(tǒng)性風險的可能性也隨之大幅度升高。而遺憾的是，對于這種調(diào)節(jié)作用的相關(guān)研究國內(nèi)尚不多見。

與此同時，開展上述研究需要解決兩方面關(guān)鍵問題，即企業(yè)資產(chǎn)質(zhì)量和銀行系統(tǒng)性風險的測度。對于企業(yè)資產(chǎn)質(zhì)量的測度，目前已有研究普遍使用不良貸款率作為企業(yè)資產(chǎn)質(zhì)量的代理變量。其存在一定的不合理性：首先，不良貸款的確認需滿足逾期、呆滯等條件，存在表征滯后性。其次，企業(yè)資產(chǎn)質(zhì)量的變動還會影響到金融機構(gòu)資產(chǎn)負債表內(nèi)權(quán)益類、債權(quán)類等其他類型金融資產(chǎn)，而這些均無法在不良貸款率上得到直接體現(xiàn)?；诖?，本文選擇根據(jù)企業(yè)財務(wù)數(shù)據(jù)測算企業(yè)資產(chǎn)質(zhì)量?？紤]到我國國有企業(yè)和非國有企業(yè)在資產(chǎn)質(zhì)量上差異較大，應(yīng)分別加以測度。對于系統(tǒng)性風險的測度，目前已有研究主要是基于SRISK[11]和CoVaR[12]兩種方法，二者所反映的系統(tǒng)性風險內(nèi)涵不同，SRISK關(guān)注金融機構(gòu)的杠桿與規(guī)模，更傾向于系統(tǒng)性風險初始沖擊的測度；CoVaR則關(guān)注金融機構(gòu)的關(guān)聯(lián)關(guān)系與風險溢出，更傾向于系統(tǒng)性風險傳染測量。上述兩種方法往往呈現(xiàn)出不同的實證結(jié)果[13]。基于此，本文以SRISK和CoVaR兩種方法分別測度系統(tǒng)性風險，同時強調(diào)邊際貢獻和關(guān)聯(lián)性兩個維度，更有利于理解杠桿與資產(chǎn)質(zhì)量對系統(tǒng)性風險的作用機制。此外，考慮到我國商業(yè)銀行無論在股權(quán)結(jié)構(gòu)還是資產(chǎn)規(guī)模等方面都具有明顯差異，并且在風險承擔和系統(tǒng)性風險傳染等方面存在異質(zhì)性[14-17]。因此，本文認為在探討企業(yè)資產(chǎn)質(zhì)量、杠桿率與系統(tǒng)性風險的關(guān)系時也應(yīng)該考慮這種異質(zhì)性。

綜上所述，本文將依據(jù)2009—2021年非金融企業(yè)上市公司財務(wù)數(shù)據(jù)測度企業(yè)資產(chǎn)質(zhì)量和杠桿率水平，并結(jié)合市場數(shù)據(jù)與財務(wù)數(shù)據(jù)從邊際貢獻和尾部風險關(guān)聯(lián)的二維角度來測算我國銀行業(yè)的系統(tǒng)性風險水平，在此基礎(chǔ)上建立門限面板模型考察企業(yè)資產(chǎn)質(zhì)量如何在銀行系統(tǒng)性風險形成、演化和傳染過程中發(fā)揮作用，以及企業(yè)資產(chǎn)質(zhì)量如何與企業(yè)杠桿率相互影響。本文可能的邊際貢獻表現(xiàn)在以下三方面：(1)在杠桿率影響系統(tǒng)性風險的研究中首次引入企業(yè)資產(chǎn)質(zhì)量，并融合實物期權(quán)理念來測度、表征企業(yè)資產(chǎn)質(zhì)量，以克服銀行不良貸款率作為代理變量的缺陷。(2)考慮資產(chǎn)質(zhì)量變化對系統(tǒng)性風險的可能影響途徑，分別從邊際貢獻和關(guān)聯(lián)性兩個維度測算系統(tǒng)性風險，同時分析了國有、非國有企業(yè)資產(chǎn)質(zhì)量的各自調(diào)節(jié)效應(yīng)，相較于僅采用單一測算維度更能體現(xiàn)調(diào)節(jié)效應(yīng)的差異。(3)不同于多數(shù)研究采用的線性模型，本文建立的門限面板模型對企業(yè)資產(chǎn)質(zhì)量、杠桿率、系統(tǒng)性風險水平之間的非線性關(guān)聯(lián)更具解釋力。同時，也突出了大型商業(yè)銀行和小型商業(yè)銀行可能存在的門限非對稱效果。

二、文獻梳理和研究假設(shè)

正如引言中所闡述的，企業(yè)杠桿率對系統(tǒng)性風險的影響在學界始終存在爭論，企業(yè)資產(chǎn)質(zhì)量在其中發(fā)揮的作用逐漸被重視。想要厘清企業(yè)杠桿率通過企業(yè)資產(chǎn)質(zhì)量的變化對系統(tǒng)性風險產(chǎn)生怎樣的影響，需要有效衡量企業(yè)資產(chǎn)質(zhì)量，并對其調(diào)節(jié)作用的機制途徑展開分析。

(一)企業(yè)資產(chǎn)質(zhì)量調(diào)節(jié)作用的機制分析與維度差異

本文認為企業(yè)資產(chǎn)質(zhì)量在企業(yè)杠桿率影響系統(tǒng)性風險的過程中可通過直接渠道和間接渠道實現(xiàn)對影響效果的調(diào)節(jié)。這兩個渠道也分別對應(yīng)于銀行系統(tǒng)性風險的兩方面內(nèi)涵：初始沖擊和傳染機制。所謂直接渠道是指企業(yè)資產(chǎn)質(zhì)量變動導致銀行對系統(tǒng)性風險的邊際貢獻發(fā)生改變。已有研究證明盈利性、成長性、流動性等資產(chǎn)質(zhì)量指標與企業(yè)違約概率高度相關(guān)[18-20]。企業(yè)資產(chǎn)質(zhì)量下降通常伴隨相應(yīng)股票、債權(quán)等資產(chǎn)價格下挫，杠桿率失衡擴大，從而對持有上述資產(chǎn)的銀行等金融機構(gòu)造成直接損失，最終使銀行發(fā)生系統(tǒng)性風險的概率增加[21-23]。所謂間接渠道是指企業(yè)資產(chǎn)質(zhì)量變動會對銀行尾部風險關(guān)聯(lián)產(chǎn)生影響。銀行間通過資產(chǎn)負債表以及同業(yè)業(yè)務(wù)等方式相互關(guān)聯(lián)。在杠桿率影響系統(tǒng)性風險的過程中，關(guān)聯(lián)性的改變將加劇或減弱沖擊在系統(tǒng)中的傳染。Fink等(2016)[7]指出企業(yè)資產(chǎn)質(zhì)量下降會導致銀行資產(chǎn)質(zhì)量下降，從而對持有該機構(gòu)同業(yè)負債的資本充足率產(chǎn)生影響，形成信貸質(zhì)量傳染。蔣海和張錦意(2018)[24]指出當資產(chǎn)質(zhì)量下降時，即使不直接造成損失，但為了滿足監(jiān)管要求也會增強資產(chǎn)出售的關(guān)聯(lián)性。隋聰?shù)?2019)[9]也證明了資產(chǎn)質(zhì)量的下降會增加銀行間貸款數(shù)量。

上述研究表明企業(yè)資產(chǎn)質(zhì)量與系統(tǒng)性風險存在關(guān)聯(lián)關(guān)系，但需要注意的是，企業(yè)杠桿率的變動與企業(yè)資產(chǎn)質(zhì)量的變動之間的關(guān)系比較復雜：正向或者負向的沖擊都有可能提高杠桿率，但顯然正向沖擊會改善企業(yè)盈利情況，提高資產(chǎn)質(zhì)量，而負向沖擊會使企業(yè)資產(chǎn)質(zhì)量惡化[25]。因此企業(yè)杠桿率的變動對系統(tǒng)性風險的影響需要充分考慮企業(yè)資產(chǎn)質(zhì)量的調(diào)節(jié)作用。與此同時，考慮到前文指出的企業(yè)資產(chǎn)質(zhì)量在企業(yè)杠桿率影響系統(tǒng)性風險的過程中同時存在直接渠道和間接渠道，因此，需要從兩個維度檢驗企業(yè)杠桿率對銀行系統(tǒng)性風險的影響，以及在此過程中企業(yè)資產(chǎn)質(zhì)量的調(diào)節(jié)效應(yīng)。對此，本文提出假設(shè)1和假設(shè)2。

H1企業(yè)杠桿率升高不會簡單地推動或者抑制銀行系統(tǒng)性風險水平，而會受到企業(yè)資產(chǎn)質(zhì)量的影響。

H2企業(yè)杠桿率從邊際貢獻和關(guān)聯(lián)溢出兩維度對銀行系統(tǒng)性風險產(chǎn)生影響且這兩種影響并不相同，企業(yè)資產(chǎn)質(zhì)量的調(diào)節(jié)效應(yīng)亦存在差異。

(二)銀行規(guī)模的異質(zhì)性影響

我國商業(yè)銀行可以分為大型國有銀行、股份行和城商行。這些銀行的差異除股權(quán)結(jié)構(gòu)外，主要體現(xiàn)在銀行規(guī)模上。目前已有研究證明不同規(guī)模銀行在風險承擔和系統(tǒng)性風險傳染等方面存在異質(zhì)性[14-17]。其背后的原因在于小型商業(yè)銀行在企業(yè)治理、信息公開等方面存在缺陷，且更有從事高風險經(jīng)營活動的動機[26]；同時，小型商業(yè)銀行在風險管理領(lǐng)域人才儲備不足，相對于大型商業(yè)銀行，誘發(fā)系統(tǒng)性風險的可能性也更高。而在異質(zhì)性的研究框架選擇上，大部分文獻考慮建立包含門檻效應(yīng)的模型[16,27]。由于不同規(guī)模銀行的業(yè)務(wù)特征不同，當小型商業(yè)銀行面對企業(yè)資產(chǎn)質(zhì)量下降時即便企業(yè)杠桿率降低也可能引起系統(tǒng)性風險水平上升。因此，在探討企業(yè)資產(chǎn)質(zhì)量、杠桿率與系統(tǒng)性風險的關(guān)系時，大型商業(yè)銀行和小型商業(yè)銀行可能呈現(xiàn)非對稱結(jié)果。對此本文提出假設(shè)3。

H3銀行規(guī)模使得企業(yè)杠桿率、企業(yè)資產(chǎn)質(zhì)量對系統(tǒng)性風險的影響具有門限特征的異質(zhì)性。

(三)企業(yè)資產(chǎn)質(zhì)量結(jié)構(gòu)性差異帶來非對稱影響

既有研究表明，中國企業(yè)杠桿率水平具有由企業(yè)所有制屬性引致的結(jié)構(gòu)性特征，表現(xiàn)為國有企業(yè)的杠桿率水平基數(shù)顯著高于非國有企業(yè)[5]；國有企業(yè)杠桿率水平相對穩(wěn)定[24]，而非國有企業(yè)杠桿率水平受融資約束、資產(chǎn)價格等影響波動較大[28-29]。截至目前，雖然涉及企業(yè)所有制屬性與企業(yè)資產(chǎn)質(zhì)量關(guān)聯(lián)性的研究文獻并不多見，但余漢等(2017)[30]檢驗證明企業(yè)所有制屬性對企業(yè)績效具有顯著影響。2020年以來，我國企業(yè)部門杠桿率水平持續(xù)攀升并已超過了實施供給側(cè)結(jié)構(gòu)性改革前的階段性高點，而國有企業(yè)債務(wù)趨于收縮，非國有企業(yè)資產(chǎn)負債率不斷增加也帶來了杠桿率主體結(jié)構(gòu)的新變化。因此，在探討企業(yè)杠桿率對系統(tǒng)性風險的影響以及資產(chǎn)質(zhì)量在其中發(fā)揮的調(diào)節(jié)作用時，對國有企業(yè)和非國有企業(yè)可能存在的異質(zhì)性需分別討論。對此，本文提出假設(shè)4。

H4國有企業(yè)和非國有企業(yè)杠桿率對銀行系統(tǒng)性風險的影響存在異質(zhì)性，企業(yè)資產(chǎn)質(zhì)量的調(diào)節(jié)效應(yīng)具有非對稱特征。

三、研究方法和數(shù)據(jù)選取

(一)企業(yè)資產(chǎn)質(zhì)量測算指標構(gòu)建

基于不良貸款的測度存在一定滯后，且無法體現(xiàn)企業(yè)資產(chǎn)質(zhì)量對銀行表內(nèi)權(quán)益類和債權(quán)類資產(chǎn)的關(guān)聯(lián)影響，2006年頒布的《中央企業(yè)綜合績效評價管理暫行辦法》提出，國有企業(yè)要充分利用有效財務(wù)指標來分析、評價企業(yè)資產(chǎn)質(zhì)量。但遺憾的是，目前對企業(yè)資產(chǎn)質(zhì)量的研究多停留于單一經(jīng)濟后果分析階段[31]。因此，本文嘗試結(jié)合張新民(2014)[32]、張新民等(2019)[33]、唐國平等(2015)[31]的方法，基于實物期權(quán)理論測度企業(yè)資產(chǎn)質(zhì)量，該方法能夠融合金融市場數(shù)據(jù)與微觀個體財務(wù)特征，整體反映企業(yè)受內(nèi)外環(huán)境影響下的經(jīng)濟資源利用率、資產(chǎn)安全性以及企業(yè)價值，對企業(yè)資產(chǎn)質(zhì)量的測度具有領(lǐng)先性[34]。

具體而言，從真實性、流動性、盈利性、獲現(xiàn)性和成長性5個層面中選取12個財務(wù)指標(見表1)評價企業(yè)資產(chǎn)質(zhì)量。與唐國平等(2015)[31]采用打分排序測算不同，本文以方差解釋百分比為標準對指標提取主成分，以主成分對應(yīng)的特征值為權(quán)重將主成分合成為企業(yè)資產(chǎn)質(zhì)量指數(shù)Qualt表征企業(yè)資產(chǎn)質(zhì)量。

表1 企業(yè)資產(chǎn)質(zhì)量測度指標細分內(nèi)容

(二)基于SRISK和分位數(shù)回歸CoVaR的二維銀行系統(tǒng)性風險測算模型

根據(jù)前文的闡述，由于企業(yè)資產(chǎn)質(zhì)量變動將導致銀行對系統(tǒng)性風險的邊際貢獻發(fā)生改變，并對銀行關(guān)聯(lián)度產(chǎn)生影響，從而加劇或減弱沖擊在系統(tǒng)中的傳染。本文從對系統(tǒng)性風險邊際貢獻的影響和尾部風險關(guān)聯(lián)兩維度測算銀行系統(tǒng)性風險，以便后文對調(diào)節(jié)效應(yīng)差異性的檢驗。SRISK測算方法包含了規(guī)模、杠桿率等資產(chǎn)負債表信息，適用于評價銀行對系統(tǒng)性風險的邊際貢獻[13,35]。尾部風險關(guān)聯(lián)則根據(jù)Adrian和Brunnermeier(2016)[12]、楊子暉等(2020)[36]的作法，使用分位數(shù)回歸和CoVaR方法進行測度。

SRISK方法通常將未來6個月內(nèi)市場指數(shù)跌幅達到40%定義為長期風險，并以LRMES(長期邊際期望損失)表示銀行股票的跌幅。據(jù)此將銀行在t時刻的系統(tǒng)性風險貢獻可以表示為

SRISKi,t=max[0,k×debti,t-(1-k)(1-LRMESi,t)×equityi,t]

(1)

其中，debti,t和equityi,t分別為銀行的負債和權(quán)益，k為資本充足率。顯然，SRISK的計算依賴于銀行資產(chǎn)負債表數(shù)據(jù)和對LRMES的估計，并且后者是SRISK計算的核心內(nèi)容。由于本文需計算不同時刻的動態(tài)LRMES，為保證估計精度，參考Brownlees和Engle(2016)[11]給出的基于動態(tài)Copula模擬技術(shù)的估計方法對LRMES進行估計，具體步驟如下。

第一，定義ri,t=log(1+Ri,t)和rmt=log(1+Rmt)分別為t時刻的第i個金融機構(gòu)與市場對數(shù)收益率序列，并且假設(shè)二者的邊緣密度均服從正態(tài)分布，估計得到它們各自的分布參數(shù)分別為(μi,σi)和(μm,σm)。

第二，給定Copula模型的函數(shù)形式，估計模型參數(shù)。

第四，根據(jù)公式計算得到LRMES

(2)

需要說明的是，在Copula模型設(shè)定上Brownlees和Engle(2016)[11]建議使用Gumbel函數(shù)，本文也沿用這一設(shè)定，并利用中國人民銀行公布的年度壓力測試結(jié)果進行校準。而在后文的實證分析中，令模擬次數(shù)K=10 000，從而使對LRMES的估計相對更加準確。

(3)

(4)

(5)

(6)

(三)門限面板實證模型

基于門限面板模型構(gòu)建實證模型，考察企業(yè)資產(chǎn)質(zhì)量、企業(yè)杠桿率與銀行系統(tǒng)性風險水平之間的非線性影響以及企業(yè)資產(chǎn)質(zhì)量的調(diào)節(jié)效應(yīng)。模型具體形式為(1)由于門限數(shù)量需要通過檢驗確定，因此這里僅給出單一門限時的模型形式。

SRit=β0+β1Levt-1+β2Qualt-1+β3Levt-1×Qualt-1+β4Levt-1I(Sizeit-1>c)+β5Qualt-1×I(Sizeit-1>c)+β6Levt-1Qualt-1I(Sizeit-1>c)+β7Sizeit-1+μit

(7)

(四)樣本選取與數(shù)據(jù)預(yù)處理

四、實證檢驗與分析

(一)企業(yè)杠桿率和資產(chǎn)質(zhì)量測度結(jié)果

圖1給出了樣本期間我國企業(yè)、國有企業(yè)以及非國有企業(yè)的杠桿率，其中杠桿率按照總資產(chǎn)除以凈資產(chǎn)計算。從2009年至2012年底，非國有企業(yè)杠桿率水平呈現(xiàn)明顯的下降趨勢，但同期國有企業(yè)杠桿率穩(wěn)中有升，因此企業(yè)總體杠桿率水平基本保持穩(wěn)定。自2015年我國實施企業(yè)杠桿率調(diào)整政策后，無論是國有企業(yè)還是非國有企業(yè)的杠桿率水平都呈現(xiàn)下降趨勢，直到2017年底經(jīng)濟下行壓力增大以及2018年中美貿(mào)易摩擦開始轉(zhuǎn)而上升。值得注意的是，在2017年底杠桿率轉(zhuǎn)升的過程中，國有企業(yè)和非國有企業(yè)表現(xiàn)截然相反，非國有企業(yè)杠桿水平從2017年底的2.06上升至2018年底的2.42。2020年以來，在新冠肺炎疫情后紓困政策作用下，國有企業(yè)杠桿率不斷下降，非國有企業(yè)杠桿率不斷攀升。

圖1 我國企業(yè)杠桿率水平的動態(tài)變化

根據(jù)表1給出的測度指標，以95%方差解釋百分比為標準可以將指標提取為3個主成分。以主成分對應(yīng)的特征值為權(quán)重將主成分合成為企業(yè)資產(chǎn)質(zhì)量指數(shù)，得到的結(jié)果如圖2所示。作為對比，圖2中還給出了同期我國商業(yè)銀行不良貸款率數(shù)值。從圖2可以看出，次貸危機后隨著宏觀調(diào)控政策的逐步實施，企業(yè)資產(chǎn)質(zhì)量逐步回升并在2011年1季度達到樣本期間內(nèi)的峰值。同一時期的銀行不良貸款率也明顯下降。此后隨著國際需求持續(xù)低迷，國內(nèi)企業(yè)面臨轉(zhuǎn)型升級的壓力，企業(yè)資產(chǎn)質(zhì)量有所下降，到2015年1季度有所緩解。而同一時期的銀行不良貸款率則表現(xiàn)出不同的趨勢，即在2011年2季度至2013年4季度，不良貸款率穩(wěn)定在1%附近，到2014年1季度開始比較明顯的升高。這意味著不良貸款率相對于企業(yè)資產(chǎn)質(zhì)量指標確實存在對企業(yè)實際資產(chǎn)質(zhì)量的滯后反應(yīng)。在經(jīng)歷2016年3季度至2017年1季度內(nèi)的短暫改善后，企業(yè)資產(chǎn)質(zhì)量指標仍然呈下降趨勢，并且在2018年2季度中美貿(mào)易摩擦后加速。2016年1季度至2018年1季度的不良貸款率基本穩(wěn)定在1.76%左右，2018年2季度后，不良貸款率小幅增加至1.85%左右，并沒有反映出企業(yè)資產(chǎn)質(zhì)量的實際變動。

圖2 企業(yè)資產(chǎn)質(zhì)量與銀行不良率指標對比

觀察樣本期間內(nèi)企業(yè)資產(chǎn)質(zhì)量和銀行不良貸款率的變化趨勢可以發(fā)現(xiàn)，銀行不良貸款率與企業(yè)資產(chǎn)質(zhì)量之間的確存在顯著的相關(guān)關(guān)系，二者相關(guān)系數(shù)高達-0.82，但前者相對于后者則表現(xiàn)出“積聚-爆發(fā)”的模式，難以及時反映企業(yè)資產(chǎn)質(zhì)量。對二者進行格蘭杰因果關(guān)系檢驗后發(fā)現(xiàn)，當滯后階數(shù)為1時，銀行不良貸款率不具有對企業(yè)資產(chǎn)質(zhì)量指標的引致關(guān)系，而企業(yè)資產(chǎn)質(zhì)量對銀行不良貸款率具有引致關(guān)系；當滯后階數(shù)為2階以及更高階數(shù)時，二者具有雙向引致關(guān)系。這表明本文所測算的企業(yè)資產(chǎn)質(zhì)量變動領(lǐng)先銀行不良貸款率變動1個季度。此外，在樣本期間內(nèi)企業(yè)資產(chǎn)質(zhì)量和不良貸款率的標準差分別為0.51和0.36，顯示出本文提出的測度方法蘊含更豐富的信息，從而可能更好地捕捉企業(yè)資產(chǎn)質(zhì)量的變動。

(二)銀行系統(tǒng)性風險關(guān)聯(lián)度和貢獻度的測度與分析

圖3給出了全樣本銀行以及不同類型樣本銀行在樣本期間的SRISK數(shù)值序列圖。本文雖然在測算LRMES上采用的方法與梁琪等(2013)[35]存在一定差異，但得出的結(jié)果除部分銀行排名略有變化外，相同類型銀行內(nèi)部以及不同類型銀行之間的排名基本一致，顯示出SRISK測算具有較好的穩(wěn)健性。從動態(tài)角度看，2009年1季度至2012年3季度期間內(nèi)，樣本銀行的SRISK值基本在一個較低的水平上保持穩(wěn)定，但從2012年4季度開始，SRISK值開始上升并在2015年1季度達到峰值，表明我國銀行系統(tǒng)性風險貢獻度在這一時期內(nèi)不斷積聚。在2016年股市熔斷后SRISK值逐漸回落，但隨著我國經(jīng)濟下行壓力逐漸增大和中美貿(mào)易摩擦的影響，SRISK值一直在較高的水平震蕩，并在2019年4季度達到樣本期間內(nèi)的最高值。在2020年疫情發(fā)生后，央行陸續(xù)出臺了降準、降低政策利率、再貸款等一系列寬松政策。因此SRISK值并沒有伴隨著資本市場劇烈波動而出現(xiàn)大幅度上升，反而從2019年4季度的高點有所降低。

圖3 樣本銀行系統(tǒng)性風險貢獻度測算結(jié)果

值得注意的是，國有控股商業(yè)銀行、股份制商業(yè)銀行以及城商行的SRISK值在樣本期間內(nèi)的動態(tài)變化存在很大差異。具體來看，國有控股商業(yè)銀行SRISK值在樣本期間內(nèi)呈現(xiàn)出震蕩的形態(tài)，即使是最大值也僅比2009年1季度的初始數(shù)值高約47%；相反，股份制商業(yè)銀行和城商行的SRISK值在樣本期間內(nèi)除個別季度外基本呈現(xiàn)出不斷升高的趨勢，其中股份制商業(yè)銀行的SRISK最大值相對于初始值高約151%，城商行的SRISK最大值相對于初始值高約622%。2019年股份制銀行中的恒豐銀行以及城商行中的包商銀行、錦州銀行相繼出現(xiàn)重大風險性事件則在一定程度上印證了本文SRISK值所表現(xiàn)出的趨勢。這說明當面對不利的外部沖擊時，股份制銀行和城商行受到的影響可能要遠大于國有控股商業(yè)銀行。2020年新冠肺炎疫情爆發(fā)以來，國有控股和股份制商業(yè)銀行的SRISK相對于2019年有一定程度上升，而城商行的SRISK則表現(xiàn)出一定程度的下降。究其原因，可能在于紓困政策提出的金融機構(gòu)向?qū)嶓w經(jīng)濟讓利的執(zhí)行主體主要涉及國有控股和股份制商業(yè)銀行，城商行受到的影響相對有限。

圖4 樣本銀行基于尾部風險關(guān)聯(lián)的系統(tǒng)性風險指標測算結(jié)果

(三)企業(yè)資產(chǎn)質(zhì)量調(diào)節(jié)效應(yīng)與銀行規(guī)模門限效應(yīng)的實證結(jié)果分析

參照Caner和Hansen(2001)[37]的方法，分別對模型1和模型2進行原假設(shè)為不存在門限效應(yīng)、存在單門限、雙門限與三重門限效應(yīng)的檢驗。結(jié)果表明模型1和模型2均在1%的顯著性下拒絕了模型不存在門限、存在單門限與雙門限的原假設(shè)，但無法拒絕模型不存在三重門限的原假設(shè)。使用網(wǎng)格搜索法得到模型1的門限值分別為27.82和30.69，模型2的門限值分別為27.55和28.67。在模型1中，Sizeit-1小于門檻值27.82的觀測點共有124個，主要包括絕大部分的城商行以及2009年至2011年的部分股份制商業(yè)銀行；Sizeit-1介于27.82和30.69的觀測點共有443個，包括了絕大部分的股份制商業(yè)銀行以及2017年至2019年的部分城商行；Sizeit-1大于30.69的觀測點為36個，全部為國有控股商業(yè)銀行。在模型2中，Sizeit-1小于門檻值27.55的觀測點共有88個，主要包括城商行以及2009年至2011年的部分股份制商業(yè)銀行；Sizeit-1介于27.82和30.69的觀測點共有184個，包括了2009年至2015年的部分股份制商業(yè)銀行和2017年至2019年的城商行；Sizeit-1大于28.67的觀測點為330個，包含了所有國有控股商業(yè)銀行和大部分股份制商業(yè)銀行?？梢?，本文的門限值具有較明顯的經(jīng)濟含義，可以較好地捕捉到模型的異質(zhì)性特征。

表2給出了模型1和模型2的參數(shù)估計結(jié)果。不論是以銀行的系統(tǒng)性風險邊際貢獻角度還是以尾部風險關(guān)聯(lián)維度進行測算的系統(tǒng)性風險，變量Sizeit-1與銀行系統(tǒng)性風險水平之間均存在顯著的正向關(guān)系[1,38]。因此，結(jié)合門限檢驗的結(jié)果，本文認為銀行規(guī)模使得企業(yè)杠桿率、企業(yè)資產(chǎn)質(zhì)量對系統(tǒng)性風險的影響效果帶有門限性質(zhì)，假設(shè)3成立。

從表2可以看出，在兩個模型中絕大多數(shù)情況下變量Levt-1和Qualt-1均不顯著，而交叉項Levt-1*Qualt-1在5%顯著性水平下顯著。這表明無論是企業(yè)杠桿率水平還是企業(yè)資產(chǎn)質(zhì)量都無法單獨解釋對系統(tǒng)性風險的影響，二者存在很強的交互性，在考察企業(yè)杠桿率水平對系統(tǒng)性風險的影響時需要計算變量Levt-1的邊際效應(yīng)。這也意味著企業(yè)杠桿率升高不會簡單的推動或者抑制銀行系統(tǒng)性風險水平，而會受到企業(yè)資產(chǎn)質(zhì)量的影響，從而假設(shè)1成立。

表2 企業(yè)資產(chǎn)質(zhì)量調(diào)節(jié)效應(yīng)與銀行規(guī)模門限效應(yīng)估計結(jié)果

圖5 企業(yè)杠桿率對SRISK和IC影響邊際效應(yīng)的動態(tài)變化

從基于銀行系統(tǒng)性風險邊際貢獻維度的測算結(jié)果看，在模型1的區(qū)間2中，無論是變量Levt-1還是交叉項Levt-1*Qualt-1在10%的顯著性水平下均不顯著，因此可以認為在區(qū)間2中，企業(yè)杠桿率的變動對SRISK無顯著影響。在模型1的區(qū)間1內(nèi)，當企業(yè)資產(chǎn)質(zhì)量較高時，企業(yè)杠桿率對SRISK的邊際影響為正向，即此背景下企業(yè)杠桿率升高會增加銀行系統(tǒng)性風險水平；而當企業(yè)資產(chǎn)質(zhì)量較低時，企業(yè)杠桿率升高對系統(tǒng)性風險水平有反向作用。區(qū)間3內(nèi)的情況恰相反。本文認為是由不同規(guī)模銀行的屬性特征差異性導致，表現(xiàn)為以下兩方面：第一，我國大型商業(yè)銀行的資金成本較低，使其凈息差顯著高于小型商業(yè)銀行；第二，大型商業(yè)銀行的經(jīng)營區(qū)域和業(yè)務(wù)范圍多樣性等方面都優(yōu)于小型商業(yè)銀行，其非息收入占比更高。小型商業(yè)銀行為了追逐利潤在開展業(yè)務(wù)時可能相對較為激進。當企業(yè)資產(chǎn)質(zhì)量較好時，企業(yè)的信貸需求通常也較大，企業(yè)杠桿率水平會呈現(xiàn)出升高的趨勢，小型商業(yè)銀行必然會大幅度增加信貸投放，導致系統(tǒng)性風險水平上升，因此企業(yè)的杠桿率水平與小型商業(yè)銀行的系統(tǒng)性風險水平是正相關(guān)的。而同樣情況下，大型商業(yè)銀行增加信貸投放的動機相對較弱，并且由于企業(yè)資產(chǎn)質(zhì)量較高時債務(wù)違約概率較低，相應(yīng)的撥備覆蓋率和資本充足水平得到進一步改善。因此其系統(tǒng)性風險水平下降，這也就表現(xiàn)為企業(yè)杠桿率水平與銀行系統(tǒng)性風險水平是負相關(guān)的。相反，當企業(yè)資產(chǎn)質(zhì)量較差時，企業(yè)杠桿率的降低通常伴隨著企業(yè)債務(wù)違約和資產(chǎn)減值，銀行處于審慎動機必然壓縮信貸規(guī)模，從而對其盈利能力產(chǎn)生影響并導致凈資產(chǎn)增速的下降。小型商業(yè)銀行由于前文所述的原因受到的沖擊更大，因此其系統(tǒng)性風險水平也相應(yīng)升高。鑒于2015年后我國企業(yè)資產(chǎn)質(zhì)量存在下降趨勢，因此本文的這一研究結(jié)論也解釋了近年來我國城商行出現(xiàn)一些風險性事件。與此同時，當企業(yè)資產(chǎn)質(zhì)量較差時，大型商業(yè)銀行作為實際承擔政府隱性擔保和救助的載體，這一時期的企業(yè)信貸需求更多地由大型商業(yè)銀行來滿足，從而使得企業(yè)杠桿率的升降更多地表現(xiàn)在大型商業(yè)銀行信貸規(guī)模上。由于較差的企業(yè)資產(chǎn)質(zhì)量通常對應(yīng)著較高的債務(wù)違約概率，因此企業(yè)杠桿率的升高會加大系統(tǒng)性風險水平。

(四)國有企業(yè)和非國有企業(yè)影響的異質(zhì)性檢驗

圖7 國有企業(yè)和非國有企業(yè)杠桿率對邊際效應(yīng)影響的動態(tài)變化

表3 國有和非國有企業(yè)模型門限值估計結(jié)果

在企業(yè)杠桿率對SRISK的影響上，根據(jù)圖6可以發(fā)現(xiàn)國有企業(yè)杠桿率的邊際影響相對于非國有企業(yè)更大。例如區(qū)間1內(nèi)國有企業(yè)的邊際影響絕對值均值為18.40，非國有企業(yè)為9.31；區(qū)間3內(nèi)國有企業(yè)的邊際影響絕對值均值為12.02，非國有企業(yè)為3.85。同時，本文還發(fā)現(xiàn)非國有企業(yè)資產(chǎn)質(zhì)量的調(diào)節(jié)效應(yīng)相對于國有企業(yè)更明顯。區(qū)間1內(nèi)國有企業(yè)和非國有企業(yè)杠桿率邊際效應(yīng)中Qual前系數(shù)絕對值分別為32.90和38.90；區(qū)間3內(nèi)國有企業(yè)和非國有企業(yè)杠桿率邊際效應(yīng)中Qual前系數(shù)絕對值分別為12.38和16.02。出現(xiàn)這種情況的可能解釋是SRISK包含有銀行資產(chǎn)規(guī)模信息，而銀行向國有企業(yè)投放信貸額顯然多于非國有企業(yè)，因此國有企業(yè)杠桿率對SRISK的邊際影響要高于非國有企業(yè)。而在資產(chǎn)質(zhì)量調(diào)節(jié)效應(yīng)方面，由于非國有企業(yè)資產(chǎn)質(zhì)量受宏觀經(jīng)濟環(huán)境、政策影響較大，波動性更高，因此在給定企業(yè)杠桿率的情況下，資產(chǎn)質(zhì)量變動產(chǎn)生的影響也更大。

圖6 國有企業(yè)和非國有企業(yè)杠桿率對SRISK邊際效應(yīng)影響的動態(tài)變化

在企業(yè)杠桿率對尾部風險關(guān)聯(lián)的影響上，圖7表明非國有企業(yè)杠桿率的邊際影響在區(qū)間1內(nèi)相對于國有企業(yè)更大，而在區(qū)間3內(nèi)相對于國有企業(yè)更小。具體來說區(qū)間1內(nèi)國有企業(yè)的邊際影響絕對值均值為4.84，非國有企業(yè)為4.95；區(qū)間3內(nèi)國有企業(yè)的邊際影響絕對值均值為3.16，非國有企業(yè)為2.41。與此同時，本文還發(fā)現(xiàn)國有企業(yè)資產(chǎn)質(zhì)量的調(diào)節(jié)效應(yīng)相對于非國有企業(yè)更明顯。區(qū)間1內(nèi)國有企業(yè)和非國有企業(yè)杠桿率邊際效應(yīng)中Qual前系數(shù)絕對值分別為6.89和2.84；區(qū)間3內(nèi)國有企業(yè)和非國有企業(yè)杠桿率邊際效應(yīng)中Qual前系數(shù)絕對值分別為5.12和2.12。出現(xiàn)這種情況的可能解釋是銀行的尾部風險關(guān)聯(lián)一般認為來源于銀行的資產(chǎn)共持，而國有企業(yè)無論是直接貸款還是發(fā)行債券其覆蓋面通常要遠大于非國有企業(yè)，因此其資產(chǎn)質(zhì)量的變動對尾部風險關(guān)聯(lián)的影響更大。

(五)穩(wěn)健性檢驗

為驗證結(jié)論的穩(wěn)健性，本文直接以銀行不良貸款率作為企業(yè)資產(chǎn)質(zhì)量的代理變量重新估計模型1和模型2，得到的門限估計值、計算得到的邊際效應(yīng)以及國有、非國有企業(yè)異質(zhì)性比較等方面的實證結(jié)果并沒有產(chǎn)生本質(zhì)改變，說明實證結(jié)果在一定程度上是穩(wěn)健的。但本文也發(fā)現(xiàn)直接以銀行不良貸款率作為代理變量的模型擬合程度較低，估計量標準誤較高，這進一步證明了本文采用的企業(yè)資產(chǎn)質(zhì)量測度方法具有一定優(yōu)越性(2)鑒于篇幅所限，以銀行不良貸款率作為代理變量的模型估計結(jié)果暫不在文中列示，感興趣的讀者可以和作者聯(lián)系索取。。與此同時，本文還分別以解釋變量、門限變量的不同組合估計模型，包括解釋變量與門限變量均取滯后兩期；解釋變量為滯后一期，門限變量為滯后兩期；解釋變量為滯后一期，門限變量為滯后三期。得到的門限估計值、計算得到的邊際效應(yīng)以及國有、非國有企業(yè)異質(zhì)性比較等方面的實證結(jié)果并沒有產(chǎn)生本質(zhì)改變，但模型的擬合程度有所降低，側(cè)面證明了本文選擇解釋變量與門限變量均為滯后一期的合理性。

五、研究結(jié)論與政策啟示

本文借助當前研究中基于實物期權(quán)理念對企業(yè)資產(chǎn)質(zhì)量形成測度的指標體系，從反映企業(yè)實際經(jīng)營情況的角度衡量企業(yè)資產(chǎn)質(zhì)量，替代傳統(tǒng)以銀行不良貸款率進行的度量；分別從風險邊際貢獻和尾部關(guān)聯(lián)兩個維度測算中國14家上市銀行的系統(tǒng)性風險水平，并最終建立門限面板模型考察企業(yè)杠桿率水平和結(jié)構(gòu)對銀行系統(tǒng)性風險的非線性影響，以及企業(yè)資產(chǎn)質(zhì)量在其中起到的調(diào)節(jié)效應(yīng)。通過實證檢驗得出如下主要結(jié)論。

根據(jù)上述研究結(jié)論得出如下四點政策啟示：首先，降低金融系統(tǒng)性風險不能單純對企業(yè)部門采用去杠桿措施，而需要結(jié)合企業(yè)資產(chǎn)質(zhì)量情況而定?？紤]到目前中小銀行的信貸供給總量在銀行體系中的占比已經(jīng)不容小覷，當經(jīng)濟受到不利沖擊使企業(yè)資產(chǎn)質(zhì)量大幅度下降時，比較適宜采用穩(wěn)杠桿措施。但既定企業(yè)杠桿率水平下，監(jiān)管部門要對銀行體系尾部風險進行重點監(jiān)測關(guān)注。其次，鑒于企業(yè)杠桿率對銀行系統(tǒng)性風險的影響具有門限異質(zhì)性，監(jiān)管部門可施行差異化監(jiān)管措施。當經(jīng)濟遭遇重大不利沖擊導致企業(yè)資產(chǎn)質(zhì)量下降時，可對中小銀行的監(jiān)管指標適當放松。同時，鑒于企業(yè)資產(chǎn)質(zhì)量在企業(yè)杠桿率對銀行系統(tǒng)性風險的影響過程起到了重要的調(diào)節(jié)作用，監(jiān)管部門可考慮將其納入宏觀審慎體系實現(xiàn)動態(tài)監(jiān)管。最后，鑒于國有企業(yè)和非國有企業(yè)杠桿率對系統(tǒng)性風險的邊際影響及其資產(chǎn)質(zhì)量這一過程中發(fā)揮的調(diào)節(jié)作用存在異質(zhì)性，監(jiān)管部門在構(gòu)建宏觀審慎體系時應(yīng)將兩類企業(yè)的指標分別納入，并且為防范金融風險提供分類施策工具。