金融自由化與商業(yè)銀行不良貸款率

鮑星 李巍 程孝強

內(nèi)容提要：本文構(gòu)建內(nèi)含金融自由化的銀行系統(tǒng)模型，通過數(shù)值模擬研究了金融自由化進程與不良貸款率之間的動態(tài)演化機理?；?6個經(jīng)濟體2002-2017年的跨國面板數(shù)據(jù)，對金融自由化與不良貸款率之間的復雜關(guān)系進行了實證檢驗。研究結(jié)果表明：金融自由化與東道國不良貸款率之間呈現(xiàn)顯著的“倒U”型關(guān)系;在既定的金融自由化水平下，制度質(zhì)量能夠顯著改善商業(yè)銀行的信貸風險;我國處于金融自由化“倒U”型曲線的左半端，仍面臨著金融自由化改革的“陣痛期”，短期內(nèi)放松金融監(jiān)管的政策仍會對我國金融系統(tǒng)造成一定沖擊。基于“倒U”型的關(guān)系，處于中等監(jiān)管水平的國家，其金融穩(wěn)定狀況反而更加惡劣。在一國金融自由化進程中，需要不斷夯實制度質(zhì)量，來抵御不良貸款率攀升的風險沖擊。

關(guān)鍵詞：金融自由化;不良貸款率;制度質(zhì)量

中圖分類號：F8305文獻標識碼：A文章編號：1001-148X（2022）03-0099-13

收稿日期：2021-05-10

作者簡介：鮑星（1993-），男，安徽六安人，華東師范大學經(jīng)濟學院博士研究生，研究方向：國際金融;李巍（1964-），男，上海人，華東師范大學經(jīng)濟學院教授，博士生導師，經(jīng)濟學博士，研究方向：國際金融;程孝強（1990-），男，安徽舒城人，安徽工程大學數(shù)理與金融學院講師，經(jīng)濟學博士，研究方向：國際金融、商業(yè)銀行。

基金項目：國家自然科學基金項目，項目編號：70873041;華東師范大學優(yōu)秀博士生學術(shù)創(chuàng)新能力提升計劃項目，項目編號：YBNLTS2020-019;安徽高校人文社會科學研究重點項目，項目編號：SK2021A0284。

一、引言與文獻綜述

金融自由化（financialliberalization）通常被認為是解決發(fā)展中國家經(jīng)濟增速放緩、社會收入不均、福利水平低下的有利措施之一。一般而言，從存款準備金控制、利率管制、進入壁壘、私有化、資本賬戶開放（國際資本流動）、銀行審慎性監(jiān)管、證券市場政策七個角度可以有效衡量一國金融自由化的進程[1-2]。可以說，資本賬戶開放以及私有化、進入壁壘（外資金融機構(gòu)進入）是中國金融自由化改革的重要部分。從20世紀開始，各個國家尤其是新興市場國家在謀求經(jīng)濟增長的背景下，大力推行金融自由化政策，金融自由化縱深發(fā)展的腳步不斷加快，金融抑制程度得到有效緩解[3]。金融自由化顯著刺激了宏觀經(jīng)濟增長，而且金融自由化減緩了消費波動[4-6]。

然而，一些學者認為，在現(xiàn)實經(jīng)濟運行過程中，金融自由化的紅利并未惠及所有個體，甚至于金融自由化的紅利能否順利釋放仍然要打個問號。孫慧宗和林麗敏聚焦于日本的金融自由化進程，研究認為，金融自由化在推動日本經(jīng)濟繁榮上發(fā)揮了重要作用，但金融自由化達到臨界值后，過于寬裕的金融自由化政策反而導致了日本1990年代的經(jīng)濟危機以及后危機時期的長時間經(jīng)濟緊縮[7]。由此可見，金融自由化的政策紅利對于不同個體存在閾值效應。郭念枝也認為，收入差距處于閾值以下時，金融自由化能夠增加居民福利水平，而超過閾值后，金融自由化會抑制居民福利水平[8]。

對于新興市場國家來說，推行金融自由化進而解決東道國經(jīng)濟發(fā)展暴露出的問題，似乎已經(jīng)是主流觀點，但論及金融自由化的后續(xù)影響，包括對于金融系統(tǒng)穩(wěn)定可能產(chǎn)生的影響，目前仍然莫衷一是。宋琴等研究發(fā)現(xiàn)金融自由化與銀行風險承擔負相關(guān)[9]。無獨有偶，章奇等撰文指出金融自由化對金融體系的穩(wěn)定具有獨立效應，而且金融自由化政策能否與政府其他經(jīng)濟政策相協(xié)調(diào)也是影響金融系統(tǒng)穩(wěn)定的重要因素[10]。與此相反，Tornell等指出，盡管金融自由化帶來了經(jīng)濟高增長，但同時也加劇了金融脆弱性，埋下了金融系統(tǒng)危機的隱患[11]。滿媛媛提出在金融市場自由化進程下，商業(yè)銀行需要多元化發(fā)展來應對金融自由化可能帶來的金融沖擊[12]。

綜上可知，在金融自由化作用于銀行系統(tǒng)穩(wěn)定的影響方面，現(xiàn)有研究文獻相對較少。少量涉及金融自由化與銀行危機的研究多聚焦于銀行破產(chǎn)危機[13-14]，或者關(guān)注于金融系統(tǒng)整體的脆弱性[11]，而對于危機爆發(fā)前的銀行系統(tǒng)風險累積缺乏相應的關(guān)注，從銀行視角切入研究銀行系統(tǒng)風險積累的風險的文獻更是鮮有。同時，相較于前人對于金融自由化與金融系統(tǒng)風險的研究，結(jié)論多為金融自由化與金融系統(tǒng)風險呈現(xiàn)正相關(guān)或負相關(guān)的單調(diào)關(guān)系，而實際上金融自由化對于金融系統(tǒng)的影響錯綜復雜，單調(diào)關(guān)系某種程度上無法反映兩者互動機理的完全面貌。因此，本文利用96個國家16年的數(shù)據(jù)，采用理論分析、數(shù)值模擬與實證分析相結(jié)合的方法，論證了金融自由化與銀行不良貸款風險之間的“倒U”型作用機理，同時基于218家銀行15年的數(shù)據(jù)，對研究結(jié)論在中國情境進行了深入拓展。

二、理論模型及數(shù)值演繹

本文的理論模型來源于Marchionne等，但Marchionne主要關(guān)注的是金融自由化與銀行破產(chǎn)危機[14]。我們在其基礎(chǔ)上拓展了銀行部門的決策，關(guān)注于銀行部門不良貸款。我們的模型是兩期模型，包括兩種資產(chǎn)：低風險資產(chǎn)和高風險資產(chǎn);兩類參與者：代表性銀行和監(jiān)管機構(gòu)。首先，代表性銀行最大程度降低其持有的高風險資產(chǎn)和低風險資產(chǎn)的投資組合風險，監(jiān)管機構(gòu)對銀行的投資組合分配設(shè)定嚴格的規(guī)則，以期降低銀行風險以及違約損失。監(jiān)管成本由銀行承擔，且銀行需要預先支付監(jiān)管成本。鑒于投資組合構(gòu)成是不可觀測的，監(jiān)管者設(shè)定了最低的資本需求（與巴塞爾協(xié)議類似）。在我們的模型中，監(jiān)管者通過控制資產(chǎn)分配，并對投資組合中的高風險資產(chǎn)份額設(shè)定上限和下限來模擬監(jiān)管要求。在高風險資產(chǎn)最低下限情形下，銀行利潤水平最低，對于投資者吸引力最低。在高風險資產(chǎn)最高上限情形下，銀行利潤水平最高，但面臨最高水平的風險。

模型假設(shè)：銀行是同質(zhì)的，由代表性銀行來反映銀行的經(jīng)營決策，即在給定資產(chǎn)回報的情形下，最小化一期的投資組合風險。監(jiān)管者與銀行具有相同的偏好，且具有前瞻性，其規(guī)劃比銀行更長遠。我們首先根據(jù)資產(chǎn)分配以及市場收益約束來求解代表性銀行投資組合的高風險資產(chǎn)最優(yōu)份額，然后由監(jiān)管者根據(jù)兩期效用函數(shù)來決定最優(yōu)監(jiān)管水平。

（一）理論模型

1代表性銀行

代表性銀行將其收入（扣除其承擔的監(jiān)管成本）投資到高風險高回報資產(chǎn)H和低風險低回報資產(chǎn)L上。代表性銀行投資組合的收益率為rp，風險為δ2p：

rp=1-q1+rL+αrH-rL-1（1）

δ2p=1-q2α2δ2H+δ2L-2ρHLδHδL+2αρHLδHδL-δ2L+δ2L（2）

其中，α是高風險資產(chǎn)H的比例，rH>rL，δH>δL。兩種資產(chǎn)的相關(guān)系數(shù)ρHL滿足ρHLδL/δH，從而δ2p是α的凸函數(shù)。為了分析方便，我們將銀行收入標準化為1，并定義q為由監(jiān)管家決定的監(jiān)管投入（由銀行承擔），0q1。考慮兩種特別情形：當q=0時，對應完全金融自由化，銀行可自由選擇持有高風險資產(chǎn)H的比例;當q=1時，對相應的α為0，在嚴格監(jiān)管下，銀行只持有低風險資產(chǎn)。監(jiān)管者通過連續(xù)的雙微分函數(shù)Gq，θ來控制α的大小，其中θ代表監(jiān)管者對于銀行持有高風險資產(chǎn)份額α的最低限額。H資產(chǎn)限額由下式?jīng)Q定：

αG（3）

其中，0G1，且G′q<0，G″q<0。

銀行只有在稅后利潤rp大于等于最低回報率時，才能順利存活下去，即：

1-qαrH+1-αrL（4）

其中，為外生最低回報率。

銀行經(jīng)營決策為，在資產(chǎn)份額監(jiān)管要求和最低市場回報率限制下，最小化投資組合風險，即：

minqδ2p（5）

stαG

1-qαrH+1-αrL

拉格朗日函數(shù)為：

ζ=1-q2-α2δ2H+δ2L-2ρHLδHδL-2αρHLδHδL-δ2L-δ2L+γ1-qrL+αrH-rL-r-+λG-α

γ代表市場最低回報率約束的拉格朗日乘子，λ代表監(jiān)管松緊約束的拉格朗日乘子。需要說明的是，最低回報率約束與監(jiān)管松緊約束不同時成立，二者互斥。

（1）當兩種約束都不成立時，銀行可自由選擇投資組合中高風險資產(chǎn)H的份額，即金融自由化情況γ=0，λ=0，α>0：

=δ2L-ρHLδHδLδ2H+δ2L-2ρHLδHδL（6）

（2）當僅有市場最低回報率約束成立時γ>0，λ=0，α>0：

γ=-rL1-qrH-rL1-q（7）

（3）當僅有H資產(chǎn)份額約束成立時γ=0，λ>0，α>0：

λ=G（8）

2監(jiān)管機構(gòu)

前瞻性監(jiān)管者在兩期模型中最大化代表性銀行的利潤水平。代表性銀行利潤為：

πq=1-q+β1-q1+rL+αrH-rL-PQ（9）

代表性銀行利潤包含兩部分：當期利潤水平以及由主觀貼現(xiàn)率β折現(xiàn)的第二期利潤水平。第二期利潤中，1+rL+αrH-rL為銀行持有高風險資產(chǎn)H以及低風險資產(chǎn)L的收益，P為第二期風險資產(chǎn)爆發(fā)風險的概率，即不良貸款率，QG，τ為違約損失率（LGD）。

為了分析方便，模型假定：QG，τ測量了三種不良貸款的綜合違約損失率，即囊括了次級貸款、可疑貸款、損失貸款的綜合違約損失率，我們不再為三種不良貸款分類別劃分違約損失率。因此，PQ測度了第二期代表性銀行的貸款違約損失。我們設(shè)定，Q′G>0，意味著監(jiān)管投入q上升，G下降（G′q<0），貸款違約率（Q）下降。與此同時，0<Q1。此外，τ代表制度質(zhì)量。我們設(shè)定0<τ<1，以保證Q不為0。制度質(zhì)量越高，貸款違約率（Q）越小。

設(shè)定制度質(zhì)量越高，貸款違約率越低的根據(jù)來源于Acemoglu等，其認為保護個人產(chǎn)權(quán)、鼓勵社會發(fā)展的制度促進了經(jīng)濟增長，并且制度差異是造成國家經(jīng)濟增長差異的重要原因[15]。持類似觀點的還有，Hall和Jones、鄧宏圖和宋高燕、董志強等[16-18]。他們的核心觀點是，制度與經(jīng)濟發(fā)展之間存在正向的反饋關(guān)系。在經(jīng)濟增長表現(xiàn)良好態(tài)勢的氛圍下，商業(yè)銀行貸款對象的經(jīng)營狀況以及標的物質(zhì)量都能夠得到有效保障，從而大大降低了商業(yè)銀行的貸款違約率。有鑒于此，本文將貸款違約率（Q）設(shè)置為制度質(zhì)量的單調(diào)減函數(shù)，當然這僅僅是一個猜想，后文我們將使用經(jīng)驗數(shù)據(jù)來證實或證偽這一論點。

監(jiān)管者面臨的兩期決策選擇為：

maxqπq=maxq1-q+β1-q1+rL+αrH-rL-PQ（10）

監(jiān)管者在上述三種不同情境中，即金融自由化、最低市場回報率約束以及風險資產(chǎn)份額約束情境下，通過對監(jiān)管投入q做決策最大化πq，通過一階條件可以得出以下推導。

（1）在金融自由化情境中，α=（公式（6）），通過πqq=0，我們得到最優(yōu)監(jiān)管投入與不良貸款率的關(guān)系為：

P=1+β1+rL+αrH-rLβ·1Q-1-qQ′GG′q（11）

其中，1+β1+rL+α（rH-rL）β>0。

更進一步：

dPdq=1+β1+rL+α（rH-rL）β·2Q′GG′q-1-qQ″GG′2q+Q′GG″qQ-1-qQ′GG′q0（12）

由于Q-1-qQ′GG′q>0，若2Q′GG′q1-qQ″GG′2q+Q′GG″q，（12）式成立。表明在沒有監(jiān)管者和市場力量約束時，監(jiān)管投入q越高，銀行不良貸款率越高。

（2）在最低市場回報率約束下，α=γ（公式（7）），同理，我們得到：

P=1β·1Q-1-qQ′GG′q（13）

dPdq=1β·2Q′GG′q-1-qQ″GG′2q+Q′GG″qQ-1-qQ′GG′q0（14）

與金融自由化情境類似，監(jiān)管投入q越高，銀行不良貸款率越高。

（3）在最嚴格的金融管制下，即α=λ=G（公式（8））時，銀行不良貸款率為：

P=1+β1+rL+GrH-rL-1-qβG′qrH-rLβQ-1-qβQ′GG′q=NqDq（15）

dPdq=N′qDq-NqD′qDq2（16）

由此可見，當N′qDqNqD′q時，監(jiān)管投入q增加，銀行不良貸款率上升;而當N′qDqNqD′q時，監(jiān)管投入q增加，銀行不良貸款率下降。

綜合三種情境，我們發(fā)現(xiàn)：在金融自由化以及市場收益率約束背景下，監(jiān)管投入q上升，銀行不良貸款率上升;在最嚴格的金融管制下，監(jiān)管投入q與銀行不良貸款率之間呈現(xiàn)復雜的關(guān)系。

（二）數(shù)值演繹

為了對上述推理進行有效闡述，我們借助數(shù)值模擬演繹三種不同情境的結(jié)果。由于模型中0q1，0G1，0Q1，Beta函數(shù)可以滿足上述值域要求。同時，我們使用不完全Beta函數(shù)（incompleteBetafunction）以獲得單調(diào)遞減一階導數(shù)，參照Marchionne等的做法[14]，具體形式如下：

G=1-IqaG，bG（17）

Q=1-τIqaQ，bQ（18）

其中，τ為制度質(zhì)量，Iqa，b為q的不完全Beta函數(shù)，定義為：

Iqa，b=Bqa，bBy，z=1By，z∫q0xa-1（1-x）b-1dx（19）

其中，a>0，b>0，By，z=∫q0xa-11-xb-1dx。需注意的是，0<τ<1，我們分別劃定不同τ值進行模擬。為了分析方便，我們分別設(shè)置了τ=01、τ=03、τ=05、τ=07的情形。

為了簡化最優(yōu)化問題的分析，我們設(shè)定G函數(shù)中的aG=4，bG=1，設(shè)定Q函數(shù)中的aQ=1，bQ=4。參數(shù)的對稱性設(shè)定主要為了分析方便，而設(shè)定bG=1和aQ=1原因在于，避免二階導數(shù)符號反轉(zhuǎn)，與前文不一致。同時，我們以Qq來表示QG·Gq。G函數(shù)和Q函數(shù)的設(shè)定如下①：

G=1-1By，z∫q0xaG-11-xbG-1dxaG=4，bG=1（20）

Q=1-τBy，z∫q0xaQ-11-xbQ-1dxτ=05，aQ=1，bQ=4（21）

模擬結(jié)果（圖1）中，縱軸為不良貸款率對監(jiān)管投入的導數(shù)，橫軸為監(jiān)管投入q。根據(jù)圖1的模擬結(jié)果以及前文模型的推導結(jié)果，我們可以大致描繪出監(jiān)管投入與不良貸款率之間的關(guān)系圖。其形狀如圖1（a）所示，金融自由化階段，監(jiān)管投入的增加，不良貸款率上升（由公式（12）得到），同時模擬的結(jié)果為與之一致（不良貸款率對監(jiān)管投入的導數(shù)大于0）;收益約束階段，監(jiān)管投入的增加，不良貸款率單調(diào)上升（由公式（14）得到），在這一階段不良貸款率對監(jiān)管投入的導數(shù)也是大于0;嚴格監(jiān)管階段，不良貸款率對監(jiān)管投入的導數(shù)隨著監(jiān)管投入的上升，其首先是大于0。在監(jiān)管投入q達到07左右，不良貸款率對監(jiān)管投入的導數(shù)小于0。因此，在嚴格監(jiān)管階段，監(jiān)管投入的增加，不良貸款率先上升后下降。圖1（b）、（c）、（d）結(jié)果與之類似。

圖1不同制度質(zhì)量下不良貸款率對監(jiān)管投入的導數(shù)

綜合以上模擬結(jié)果，我們發(fā)現(xiàn)，金融自由化程度與銀行不良貸款率之間呈現(xiàn)近似“倒U”型關(guān)系（如圖2所示），政策含義為：在一國金融監(jiān)管較為嚴格的情形下，減少監(jiān)管投入進而放松金融自由化程度對于銀行業(yè)經(jīng)營具有一定壓抑效果，即隨著金融自由化進程的深入，銀行不良貸款率上升;而當金融自由化程度超過一定閾值以后，即超越模擬結(jié)果的最高點以后，在金融自由化向縱深發(fā)展的進程中，會刺激銀行業(yè)的經(jīng)營效果，顯著降低銀行不良貸款率。此外，根據(jù)對于制度質(zhì)量相關(guān)文獻的梳理，本文歸納出兩個待實證檢驗的命題。

圖2監(jiān)管投入與不良貸款率關(guān)系曲線

命題1：制度質(zhì)量與商業(yè)銀行不良貸款率之間呈現(xiàn)負向反饋的作用機制。

命題2：金融自由化與不良貸款率之間呈現(xiàn)顯著的“倒U”型關(guān)系。

三、研究設(shè)計

（一）計量模型設(shè)定

根據(jù)理論分析，為了驗證金融自由化與商業(yè)銀行不良貸款率之間的邏輯關(guān)系，本文建立如下的計量模型：

nplit=α0+α1flit+α2flsquareit+Xit+τi+γt+εit（22）

其中，下標i代表不同國家，t代表不同觀測時期。npl為本文的被解釋變量，即金融機構(gòu)不良貸款率。fl為本文的主要解釋變量金融自由化水平，而flsquare為金融自由化fl的平方項。在（22）式中，我們重點關(guān)注估計參數(shù)α1以及α2，來驗證上文理論分析中的金融自由化作用于不良貸款的效果。除此之外，τ為地區(qū)固定效應，γ為時點固定效應，ε為隨機干擾項。X為本文為了控制其他影響金融機構(gòu)不良貸款的因素而加入的控制變量，具體見下文。

進一步地，根據(jù)命題1的分析，制度質(zhì)量對不良貸款率具有重要作用。為了衡量這一作用機制，本文構(gòu)建公式（23）的計量回歸方程，來研究制度質(zhì)量對商業(yè)銀行不良貸款率的影響效應。

nplit=θ1instit+θ2flsquareit+θ3flsquareit+Xit+αi+vit（23）

具體地，（23）式中，制度質(zhì)量inst包含inst1、inst2、inst3、inst4、inst5、inst6，分別代表了制度質(zhì)量的六個層面：腐敗控制、政府效力、政治穩(wěn)定、監(jiān)管質(zhì)量、法治完善、言論自由。

為了對中國金融自由化與金融機構(gòu)不良貸款之間的關(guān)系有個清晰的判斷，在中國情境分析部分，我們收集了Bankscope數(shù)據(jù)庫中的國內(nèi)銀行數(shù)據(jù)，通過實證研究來判斷中國金融自由化水平到底是處于哪個階段。具體實證方程如下：

cnplit=β0+β1cflit+Xit+τi+γt+εit（24）

其中，下標i代表不同的銀行，t代表不同年份。cnpl為被解釋變量國內(nèi)銀行的不良貸款率。cfl為中國的金融自由化水平，下文我們會詳細介紹測算中國金融自由化水平的相關(guān)方法。其中，β1為我們重點關(guān)注的估計參數(shù)，其代表了中國銀行業(yè)不良貸款率與金融自由化水平的關(guān)系，通過驗證該參數(shù)，我們可以判斷中國的金融自由化到底是處于“倒U”型曲線的左邊還是右邊。X為相關(guān)的控制變量，τ為個體固定效應，γ為時點固定效應，ε為隨機干擾項。

（二）變量說明

第四部分實證中，被解釋變量為各國金融機構(gòu)不良貸款率npl。解釋變量為金融自由化指數(shù)fl以及制度質(zhì)量inst。我們選用美國傳統(tǒng)基金會（TheHeritageFoundation）公布的金融自由化指數(shù)作為本文的關(guān)鍵解釋變量。制度質(zhì)量inst包含六個維度：腐敗控制inst1（ControlofCorruption）體現(xiàn)了公權(quán)私用的情況，以及精英階層對于公共資源的攫取情況;政府效力inst2（GovernmentEffectiveness）反映了政府提供公共產(chǎn)品的質(zhì)量，政府政策執(zhí)行力度，以及政府信譽;政治穩(wěn)定inst3（PoliticalStabilityandAbsenceofViolence/Terrorism）衡量了一國出現(xiàn)政治動蕩以及恐怖主義的可能性;監(jiān)管質(zhì)量inst4（RegulatoryQuality）衡量了政府制定促進私人部門發(fā)展政策的完善程度;法治完善inst5（RuleofLaw）衡量了代理人對社會規(guī)則的信任以及遵守程度，尤其是合同執(zhí)行質(zhì)量、財產(chǎn)權(quán)保護程度、警察和法院的質(zhì)量;言論自由inst6（VoiceandAccountability）反映了一國公民的言論自由程度，包括參與大選的可行性以及新聞媒體的自由程度。

根據(jù)研究金融系統(tǒng)不良貸款的相關(guān)文獻，本文選擇以下指標作為控制變量，來分別控制宏觀層面不同國家的異質(zhì)性特征以及微觀層面不同國家金融系統(tǒng)的微觀特質(zhì)。具體地，宏觀層面控制變量包括：（1）國際貿(mào)易水平，使用經(jīng)常賬戶余額占GDP的比例表示。（2）經(jīng)濟發(fā)展水平，使用人均GDP表示。（3）物價水平的變動，使用樣本國居民消費價格指數(shù)來衡量。微觀層面控制變量包括：（1）銀行業(yè)集中程度，使用樣本國前五大銀行資產(chǎn)所占總體銀行業(yè)的比例。（2）銀行業(yè)發(fā)展狀況，使用銀行業(yè)存款占GDP的比例來衡量。（3）銀行業(yè)資產(chǎn)狀況，采用銀行業(yè)信貸與銀行業(yè)存款比值來表示。（4）銀行業(yè)盈利水平，使用銀行業(yè)總資產(chǎn)收益率來表示。

中國情境分析部分，被解釋變量為國內(nèi)銀行的不良貸款率cnpl，解釋變量為我們測算的金融自由化水平cfl。為了控制其他影響銀行不良貸款的因素，我們選取了宏觀層面和微觀層面的控制變量來控制其他因素的影響。宏觀層面的控制變量：（1）上證綜指的對數(shù)值。我們以股票價格指數(shù)上證綜指來衡量金融市場的整體狀況。盡管中國金融系統(tǒng)實行了分業(yè)經(jīng)營、分業(yè)監(jiān)管，但是商業(yè)銀行通過影子銀行等表外業(yè)務，間接參與場外配資，銀行資金進入證券市場的通道仍然是敞開的。一個典型代表就是2015年股票市場短暫火爆時，大量銀行系統(tǒng)資金通過場外配資的方式暢行無阻地進入證券市場，推高了證券市場的價格。而當后期證券市場指數(shù)大幅下跌時，場外配資衍生貸款的質(zhì)量將發(fā)生雪崩。由此可見，以證券市場價格指數(shù)代表的金融市場狀況與銀行系統(tǒng)的貸款質(zhì)量息息相關(guān)。（2）GDP增速，以中國GDP的同比增速來表示。（3）全社會固定資產(chǎn)投資增速。王晉斌和李博認為商業(yè)銀行信貸投放存在逆周期特征，即商業(yè)銀行在經(jīng)濟繁榮、固定資產(chǎn)投資旺盛的情況下風險承擔行為更加謹慎，銀行不良貸款率水平更低[19]。

微觀層面的控制變量（銀行特質(zhì)控制變量）：（1）總資產(chǎn)。我們使用商業(yè)銀行的資產(chǎn)規(guī)模來控制銀行規(guī)模對于商業(yè)銀行不良貸款的影響。盡管商業(yè)銀行天然有將信貸資源投向國有部門等貸款風險較低領(lǐng)域的傾向，但中小銀行在規(guī)模上無法與大銀行抗衡，在信貸資源流向上也會受到相應的掣肘。（2）存貸比，以樣本銀行貸款總額與存款總額的比值來表示。（3）總資產(chǎn)收益率。一般而言，總資產(chǎn)收益率越高，商業(yè)銀行經(jīng)營能力越強，其配置較多風險資產(chǎn)追求更高收益的可能性越低。但相對于銀行規(guī)模，經(jīng)營能力對于商業(yè)銀行不良貸款影響的結(jié)論需要謹慎[20]。

（三）數(shù)據(jù)來源

第四部分實證數(shù)據(jù)是以國家為單元的面板數(shù)據(jù)，涵蓋了96個國家2002-2017年共1536個觀測值。在數(shù)據(jù)收集過程中，樣本國家數(shù)最初高于96個國家，但由于部分國家不良貸款數(shù)據(jù)缺失嚴重，因此予以剔除，最終確定的樣本截面國家數(shù)為96個。其中，被解釋變量不良貸款率來源于GFDD數(shù)據(jù)庫以及WDI數(shù)據(jù)庫。解釋變量金融自由化指數(shù)來源于美國傳統(tǒng)基金會（TheHeritageFoundation），制度質(zhì)量指數(shù)來源于WGI數(shù)據(jù)庫。控制變量來源于GFDD數(shù)據(jù)庫以及WDI數(shù)據(jù)庫。樣本期間終點為2017年，主要原因為，由于疫情原因，最新的GFDD數(shù)據(jù)庫并未更新，無法獲取關(guān)鍵解釋變量和控制變量的最新數(shù)據(jù)。第五部分中國情境分析中，我們的國內(nèi)銀行數(shù)據(jù)為涵蓋了中國國有銀行、股份制銀行、城商行等218家銀行2004-2018年的非平衡面板數(shù)據(jù)，其中，銀行數(shù)據(jù)來源于Bankscope數(shù)據(jù)庫和銀行年報，宏觀層面經(jīng)濟數(shù)據(jù)來源于國家統(tǒng)計局。研究范圍起點設(shè)置為2004年，主要是出于數(shù)據(jù)充足的考慮，Bankscope公布的銀行不良貸款數(shù)據(jù)在從2004年開始缺失范圍有了明顯改善。

（四）變量的描述性統(tǒng)計

表2報告了變量的描述性統(tǒng)計結(jié)果。由于不良貸款率數(shù)據(jù)部分國家存在缺失，我們的數(shù)據(jù)為比較典型的非平衡面板數(shù)據(jù)。同時，制度質(zhì)量政治穩(wěn)定inst3的數(shù)據(jù)，WGI數(shù)據(jù)庫從2006才開始公布，所以觀測值個數(shù)相較于其他五個層面制度質(zhì)量的觀測值個數(shù)較少。需要重點說明的是，Chinn和Ito構(gòu)建的指數(shù)（ffi）存在負值[21]。可以發(fā)現(xiàn)，ffi的最小值為-1917。由于負值取平方后轉(zhuǎn)化為正值，但實際上負值的金融自由化指數(shù)相較于正值肯定是低的，為了消除負值反而存在平方項更大的情況。在后文回歸時，我們統(tǒng)一對ffi加2，即將負值全部轉(zhuǎn)化為正值，同時并不改變觀測值之間的相對變化趨勢。

四、實證結(jié)果與分析

（一）制度質(zhì)量的影響效應

表3報告了制度質(zhì)量對商業(yè)銀行不良貸款率影響效應的估計結(jié)果。我們采用的估計方法為混合效應模型估計方法?；貧w（1）為以腐敗控制inst1作為核心解釋變量的估計結(jié)果，其中，inst1在1%的顯著水平上顯著為負。實證含義為：腐敗控制質(zhì)量與商業(yè)銀行經(jīng)營質(zhì)量存在顯著的正向反饋機制，腐敗控制質(zhì)量的提升將顯著改善商業(yè)銀行信貸質(zhì)量，降低不良貸款率。這與經(jīng)濟直覺非常契合，腐敗控制質(zhì)量的提升，一個直接的作用是，有效遏制了“人情貸”“關(guān)系貸”等不符合審批規(guī)定的高風險信貸行為出現(xiàn)，將可能爆發(fā)信貸風險的火苗扼殺于搖籃之中。回歸（2）政府效力inst2的估計結(jié)果與回歸（1）類似，在1%的顯著水平上顯著為負。一個可能的解釋是，政治晉升錦標賽構(gòu)成了政府干預的動機，同時地方分權(quán)使得政府具有干預銀行的能力[22]。以國有銀行以及城商行為例，當政府能對銀行起到一定主導作用時，銀行在信貸投放時，會忽略正常經(jīng)營所需考慮的因素，而去迎合某種特定目的[23-24]。銀行的國有屬性使得政府可以基于其政治目的導致銀行的信貸偏差，學術(shù)界一般將這種信貸行為的偏離界定為政治貸款（policylending）。正如García-Herrero等所指出的，我國國有企業(yè)在政府的支持下，有更強的動機和能力獲取長期貸款[25]。同時由于我國大部分國有企業(yè)效率較低，所以這些貸給國有企業(yè)的長期貸款成為我國商業(yè)銀行壞賬問題的主要原因。當公平公正的政府信譽氛圍得以建立時，跨越信貸審批迎合特定政治目的（policylending）的現(xiàn)象得到遏制，這也會促進商業(yè)銀行信貸質(zhì)量的提升?；貧w（4）的監(jiān)管質(zhì)量inst4估計結(jié)果也顯著為負，表明對于金融機構(gòu)進行合意的監(jiān)管，能夠有效阻止金融機構(gòu)盲目追求高收益而抬升信貸風險的潛在意愿。同時，法制完善inst5的估計結(jié)果依然是顯著為負。值得注意的是，回歸（6）的言論自由inst6估計結(jié)果為顯著為負。如果說腐敗控制是防范金融機構(gòu)信貸風險，抑制不良貸款率攀升的內(nèi)在手段，那么適宜的言論自由可以理解為一種外部監(jiān)督機制，通過外界發(fā)出的聲音來制衡“關(guān)系貸”“人情貸”等不符合規(guī)定的信貸行為發(fā)生，降低此類行為發(fā)生的頻率。

（二）“倒U”曲線的檢驗

我們選用美國傳統(tǒng)基金會（TheHeritageFoundation）公布的金融自由化指數(shù)（financialliberalizationindex）lnfl作為進行實證檢驗。該指數(shù)測度了各國金融系統(tǒng)獨立于行政控制與干涉的狀況，其取值范圍為0到100，取值越高，表明行政干預力量越弱，一國金融自由化水平越高;反之，金融自由化水平越低。表4報告了混合效應模型的估計結(jié)果。從制度質(zhì)量影響不良貸款率效應的視角切入，混合效應回歸的結(jié)果非常一致，負向作用結(jié)果顯著，與前文相吻合。此外，可以發(fā)現(xiàn)，金融自由化（lnfl）的估計系數(shù)顯著為正，而金融自由化的平方項（squlnfl）的估計系數(shù)在1%的顯著水平上顯著為負，表明二次函數(shù)的開口向下，直接含義為：一國金融自由化水平與商業(yè)銀行不良貸款率之間呈現(xiàn)近似的“倒U”型關(guān)系。在一國邁入金融自由化的進程中，商業(yè)銀行不良貸款率首先是逐漸攀升，對東道國金融系統(tǒng)形成一定沖擊。當然不少國家金融自由化進程中的實際經(jīng)驗也證實了這一論點。以中東歐國家在放開資本賬戶管制的國際經(jīng)驗為例，在其逐步放開資本賬戶自由度后，資本流入激增，資產(chǎn)價格迅速攀升，外債高筑，貨幣錯配問題嚴重，金融脆弱性顯著增加。當然，“倒U”型曲線右半段表明，在度過金融自由化對實體經(jīng)濟沖擊的階段后，存在一個利好實體經(jīng)濟增長，改善金融機構(gòu)信貸質(zhì)量的良性階段。一個可能的原因是，當金融自由化帶來的資本流入到東道國支持技術(shù)創(chuàng)新、產(chǎn)業(yè)升級、基礎(chǔ)設(shè)施完善時，對于東道國經(jīng)濟增長是有利的，能夠改善東道國金融機構(gòu)資產(chǎn)負債表狀況，降低信貸風險。

與此同時，根據(jù)表4的估計結(jié)果，本文報告了“倒U”型曲線的拐點值，即開口向下拋物線的對稱軸的位置。根據(jù)美國傳統(tǒng)基金會評估的中國金融自由化指數(shù)值，近幾年中國金融自由化指數(shù)值為30，取對數(shù)為34012。由此發(fā)現(xiàn)，回歸（2）至回歸（6）的結(jié)果，均顯示中國仍然處于“倒U”曲線的左半端，即短期內(nèi)放松管制的政策會促使金融機構(gòu)不良貸款率的上升，而回歸（1）的拐點估計值顯示，中國處于“倒U”曲線的右半段，已經(jīng)過渡到了金融自由化政策紅利區(qū)間，短期內(nèi)放松金融抑制的政策能夠刺激金融機構(gòu)資產(chǎn)負債表的改善。因此，現(xiàn)有的結(jié)果并不統(tǒng)一，為了對中國所處的政策區(qū)間做出有效的判斷，后文將就中國的情況詳細探討。

（三）穩(wěn)健性檢驗

參考薛新紅和王忠誠的做法[26]，本文選用衡量金融自由化的一個指標為KAOPEN指數(shù)，在下文中以ffi表示，作為關(guān)鍵變量的替代指標。IMF《匯率安排與匯兌限制報告》從四個維度，即多重匯率實施、出口收入限制、資本賬戶以及經(jīng)常賬戶管制，對全球每個經(jīng)濟體的跨境金融以及交易狀況按照0、1進行了評價打分。Chinn和Ito基于這一報告，利用四個維度的第一主成分構(gòu)建了KAOPEN指數(shù)[21]。該指數(shù)可以在多個維度評價一國金融自由化的深度與廣度，該指數(shù)越大表明東道國金融自由化程度越高。同時，該指數(shù)最新數(shù)據(jù)仍在更新，可以為本文研究提供充足證據(jù)。

表5報告了穩(wěn)健性檢驗的估計結(jié)果。由于前文的估計方法為混合效應估計，在穩(wěn)健性檢驗部分，我們更換了估計方法，使用個體時點雙固定效應估計方法來盡可能降低內(nèi)生性的影響?；貧w（1）、回歸（2）為個體時點雙固定效應回歸模型的估計結(jié)果，可以發(fā)現(xiàn)，金融自由化指數(shù)的平方項（squffi）仍然顯著為負。整體上，金融自由化與不良貸款率之間呈現(xiàn)“倒U”型關(guān)系比較穩(wěn)健。當然，雙固定效應估計模型只是盡可能降低內(nèi)生性的影響，無法完全消除可能存在的內(nèi)生性?？紤]到可能存在的內(nèi)生性影響，本文使用兩階段差分GMM對估計結(jié)果穩(wěn)健性進行了再檢驗?；貧w（3）、回歸（4）為差分GMM估計的結(jié)果。其中，金融自由化平方項（squffi）的估計系數(shù)均顯著為負，與命題1結(jié)論一致。同時，在加入了一系列制度質(zhì)量作為解釋變量后，制度質(zhì)量的估計結(jié)果顯著為負，與命題2相吻合。

五、中國情境的分析

（一）中國金融自由化指數(shù)的測算

我們參考了Abiad等以及易文斐和丁丹的做法，選取了七大領(lǐng)域：存款準備金控制、利率管制、進入壁壘、私有化、資本賬戶開放（國際資本流動）、銀行審慎性監(jiān)管、證券市場政策來評價中國金融自由化的進程[1-2]。為了對漸進推進的（當然也可能存在后退的情形）金融自由化進程有一個較好的模擬，我們梳理了2004-2018年間的金融政策變遷，對具體政策或大事件進行賦值，采用05、1和2來分別代表金融自由化進程的一般性事件、重大事件或一般政策法規(guī)以及重大政策法規(guī)。在具體政策和事件選擇中，我們參考了人民銀行、銀保監(jiān)會、外管局等的相關(guān)政策文件以及公開出版的一些著作。具體地，某一年份出現(xiàn)了多個領(lǐng)域的金融自由化政策，我們采用累加的方式來表示，而出現(xiàn)金融抑制政策時，我們會反向累加來衡量相關(guān)指數(shù)。最終我們會得到七個領(lǐng)域的金融自由化量化值，為了得到全面衡量金融自由化的綜合指數(shù)，我們采用主成分分析法（PCA）來計算金融自由化指數(shù)。當然，在具體事件的選擇和賦值中，不可避免會包含一定的主觀性，但該方法仍然是國際上通用的評價方法，郭念枝以及Koo和Maen就是該方法的典型代表[8，27]。

表6報告了中國金融自由化指數(shù)的測算結(jié)果。值得注意的是，2013年以前金融自由化指數(shù)為負值，當然這并不代表在金融自由化指數(shù)為負值時，中國的金融抑制程度就很高。出現(xiàn)負值的主要原因在于，PCA方法是基于體現(xiàn)指標變化趨勢的原理構(gòu)建指標的，以2004年為樣本起點，后續(xù)的金融自由化指數(shù)的變化趨勢就躍然紙上了。

（二）中國金融自由化曲線的判斷

既然中國金融自由化程度在逐年放松，那么中國金融自由化水平到底處于“倒U”型曲線的哪個階段呢？在測算出的金融自由化指數(shù)基礎(chǔ)上，以國內(nèi)銀行的不良貸款率為被解釋變量，我們嘗試對這個問題做出解答。表7匯報了全樣本的回歸結(jié)果。其中，回歸（1）為混合效應模型回歸的結(jié)果，金融自由化對于金融機構(gòu)不良貸款具有正向的刺激作用，正向作用效果為02084。當然，混合效應模型（1）的擬合優(yōu)度較低，表明混合效應模型的合意性值得商榷。我們進一步采用個體固定效應模型來估計上述方程，回歸（2）匯報了個體固定效應模型的估計結(jié)果?；貧w（2）中，金融自由化正向推動了金融機構(gòu)的不良貸款水平，效應幅度為02189。考慮到可能存在的內(nèi)生性影響，我們匯報了兩階段GMM回歸（3）和回歸（4）的結(jié)果?；貧w（3）中，金融自由化與金融機構(gòu)不良貸款率呈現(xiàn)正向相關(guān)性，效應幅度為01425?；貧w（4）的估計結(jié)果類似，且在1%的水平上顯著，表明金融自由化與不良貸款率之間存在顯著的正向相關(guān)性。綜合以上，我們發(fā)現(xiàn)，中國金融自由化進程仍然處于“倒U”型曲線的左半端，即金融自由化與商業(yè)銀行不良貸款率之間呈現(xiàn)正向相關(guān)性。

六、結(jié)論與啟示

本文以金融自由化作為核心線索，系統(tǒng)梳理了金融自由化與銀行不良貸款率之間的邏輯關(guān)系。我們拓展了基礎(chǔ)理論模型，論證了金融自由化與銀行不良貸款率之間的“倒U”型關(guān)系，并進一步猜測了東道國制度質(zhì)量對于商業(yè)銀行不良貸款率的重要影響。利用96個國家2002-2017年的跨國面板數(shù)據(jù)，通過實證研究我們得出以下結(jié)論：（1）金融自由化與銀行不良貸款率之間呈現(xiàn)顯著的“倒U”型關(guān)系。本文的研究結(jié)論很直白，對于處于中等監(jiān)管水平的國家來說，其金融系統(tǒng)的不穩(wěn)定性反而是最高的。對于管制程度較高的國家，處于“倒U”型曲線左半端，金融自由化政策會帶來金融系統(tǒng)風險的攀升;而對于管制程度較松的國度，金融自由化會促進商業(yè)銀行的資產(chǎn)負債表質(zhì)量的改善。（2）在給定金融自由化水平時，制度質(zhì)量會對商業(yè)銀行不良貸款率產(chǎn)生顯著的抑制作用。（3）聚焦于中國的金融改革進程，我們測算了中國的金融自由化水平，利用中國2004-2018年的銀行業(yè)數(shù)據(jù)實證發(fā)現(xiàn)，中國金融自由化水平與銀行不良貸款之間呈現(xiàn)顯著的正向關(guān)聯(lián)性，可見中國正處于“倒U”型曲線的左半端。由此可知，中國仍處于金融自由化改革的“陣痛期”，短時期內(nèi)放松金融管制的措施會給中國金融系統(tǒng)帶來一定沖擊，表現(xiàn)為金融系統(tǒng)不良資產(chǎn)水平的攀升等。

當前，中國經(jīng)濟增長進入新時代，面臨著要素邊際報酬遞減的掣肘，新舊動能轉(zhuǎn)換尚未完成，同時新型冠狀肺炎疫情對中國實體企業(yè)經(jīng)營造成的負面沖擊仍未有效緩解。值此背景下，中國經(jīng)濟增長面臨著外需萎靡以及經(jīng)濟增長階段性放緩的考驗，維持金融系統(tǒng)穩(wěn)定，更好地發(fā)揮金融系統(tǒng)服務實體經(jīng)濟的能力就更尤為重要。本文研究表明，中國金融自由化水平仍然不高，仍處于金融自由化“倒U”曲線的左半端，在新型冠狀肺炎疫情沖擊尚未完全消退的情況下，維系金融系統(tǒng)的穩(wěn)定是第一要務，因此現(xiàn)階段金融自由化政策不宜冒進。在疫情沖擊得到控制的情況下，我們?nèi)孕枵?，中國仍處于金融自由化改革的“陣痛期”。作為金融自由化改革中的重要一環(huán)，資本賬戶開放，無論是部分開放，還是完全開放，都會帶來宏觀經(jīng)濟不穩(wěn)定的風險[28]。但“倒U”型曲線的右半段也告訴我們，金融自由化的政策福利是金融自由化改革的最終階段。責是之故，放松金融抑制正是中國長期金融改革的重中之重。深化利率市場化改革，穩(wěn)步推進資本賬戶開放，逐步實現(xiàn)人民幣資本賬戶的自由可兌換，實現(xiàn)人民幣國際化，由“陣痛期”穩(wěn)步過渡到政策紅利區(qū)間正是本文的題中之意。此外，東道國制度質(zhì)量提高對于緩解金融自由化改革帶來的風險攀升具有重要意義。因此，進一步提升金融資源配置效率，提升市場化程度，降低政府對金融市場的干預十分必要。要清楚界定政府和市場的關(guān)系，厘清政府、市場以及企業(yè)之間經(jīng)濟紐帶關(guān)系[29]，建立政府、市場、企業(yè)之間的良性互動，進一步明確政府職能，落實政企分開，夯實市場競爭機制。同時，引入合格的機構(gòu)競爭者完善優(yōu)勝劣汰機制，以競爭來淘汰低效率。最后，企業(yè)要主動引入多層面戰(zhàn)略投資者，形成多股力量交互制衡的局面，把企業(yè)的生產(chǎn)經(jīng)營決策落實到真正具有經(jīng)營才能的人才。

注釋：

①為了保證參數(shù)模擬的穩(wěn)健性，我們對G函數(shù)和Q函數(shù)的其他參數(shù)取值如：G函數(shù)中的aG=3，bG=1，Q函數(shù)中的aQ=1，bQ=3;G函數(shù)中的aG=2，bG=1，Q函數(shù)中的aQ=1，bQ=2也進行了模擬，最終結(jié)果一致。限于篇幅，本文并未報告結(jié)果。

參考文獻：

[1]AbiadA，DetragiacheE，TresselT.ANewDatabaseofFinancialReforms[J].IMFStaffPapers，2010，57（2）：281-302.

[2]易文斐，丁丹.中國金融自由化指數(shù)的設(shè)計和分析[J].經(jīng)濟科學，2007（3）：66-75.

[3]AbiadA，OomesN，UedaK.TheQualityEffect：DoesFinancialLiberalizationImprovetheAllocationofCapital？[J].JournalofDevelopmentEconomics，2008，87（2）：0-282.

[4]BekaertG，HarveyCR，LundbladC.DoesFinancialLiberalizationSpurGrowth？[J].JournalofFinancialEconomics，2005，77（1）：3-55.

[5]LevineR.InternationalFinancialLiberalizationandEconomicGrowth[J].ReviewofInternationalEconomics，2001，9（4）：688-702.

[6]BekaertG，HarveyCR，LundbladC.GrowthVolatilityandFinancialLiberalization[J].JournalofInternationalMoneyandFinance，2006，25（3）：370-403.

[7]孫慧宗，林麗敏.金融自由化與經(jīng)濟危機：基于日本金融深化實踐的再認識[J].當代經(jīng)濟研究，2019（3）：96-101.

[8]郭念枝.金融自由化與中國居民消費水平波動[J].經(jīng)濟學（季刊），2018，17（4）：1361-1382.

[9]宋琴，胡方琦，倪川川.金融自由化、市場競爭與銀行風險承擔——基于2004-2013年中國商業(yè)銀行面板數(shù)據(jù)的實證分析[J].投資研究，2015，34（9）：104-115.

[10]章奇，何帆，劉明興.金融自由化、政策一致性和金融脆弱性：理論框架與經(jīng)驗證據(jù)[J].世界經(jīng)濟，2003（12）：3-14.

[11]TornellA，WestermannF，MartinezL.ThePositiveLinkbetweenFinancialLiberalization，GrowthandCrises[R].NBERWorkingPaper，2004.

[12]滿媛媛.收入多元化、金融自由化對商業(yè)銀行績效和風險的影響[J].宏觀經(jīng)濟研究，2016（1）：130-143.

[13]DanielBC，JonesJB.FinancialLiberalizationandBankingCrisesinEmergingEconomies[J].JournalofInternationalEconomics，2007，72（1）：202-221.

[14]MarchionneF，PisicaliB，F(xiàn)ratianniM.Regulation，F(xiàn)inancialCrises，andLiberalizationTraps[R].CESifoWorkingPaper，2019.

[15]AcemogluD，JohnsonS，RobinsonJA.TheColonialOriginsofComparativeDevelopment：AnEmpiricalInvestigation[J].AmericanEconomicReview，2001，91（5）：1369-1401.

[16]HallRE，JonesCI.WhydoSomeCountriesProducesoMuchMoreOutputPerWorkerThanOthers？[J].TheQuarterlyJournalofEconomics，1999，114（1）：83-116.

[17]鄧宏圖，宋高燕.學歷分布、制度質(zhì)量與地區(qū)經(jīng)濟增長路徑的分岔[J].經(jīng)濟研究，2016，51（9）：89-103.

[18]董志強，魏下海，湯燦晴.制度軟環(huán)境與經(jīng)濟發(fā)展——基于30個大城市營商環(huán)境的經(jīng)驗研究[J].管理世界，2012（4）：9-20.

[19]王晉斌，李博.中國貨幣政策對商業(yè)銀行風險承擔行為的影響研究[J].世界經(jīng)濟，2017，40（1）：25-43.

[20]DelisMD，KouretasGP.InterestRatesandBankRisk-taking[J].JournalofBanking&Finance，2011，35（4）：840-855.

[21]ChinnMD，ItoH.ANewMeasureofFinancialOpenness[J].JournalofComparativePolicyAnalysis，2008，10（3）：309-322.

[22]譚勁松，簡宇寅，陳穎.政府干預與不良貸款——以某國有商業(yè)銀行1988～2005年的數(shù)據(jù)為例[J].管理世界，2012（7）：29-43，187.

[23]LiDD，LiangM.CausesoftheSoftBudgetConstraint：EvidenceonThreeExplanations[J].JournalofComparativeEconomics，1998，26（1）：104-116.

[24]CharumilindC，KaliR，WiwattanakantangY.ConnectedLending：ThailandbeforetheFinancialCrisis*[J].CeiWorkingPaper，2006，79（1）：181-218.

[25]García-HerreroA，GaviláS，SantabárbaraD.China′sBankingReform：AnAssessmentofItsEvolutionandPossibleImpact[J].CESifoEconomicStudies，2006，52（2）：304-363.

[26]薛新紅，王忠誠.東道國金融自由化與跨國并購——來自全球金融危機后中國企業(yè)的經(jīng)驗證據(jù)[J].國際經(jīng)貿(mào)探索，2018，34（7）：79-93.

[27]KooJ，MaengK.TheEffectofFinancialLiberalizationonFirms′InvestmentsinKorea[J].JournalofAsianEconomics，2005，16（2）：281-297.

[28]李巍，張志超.直接投資開放對實際匯率、國內(nèi)經(jīng)濟產(chǎn)出波動的影響[J].管理世界，2008（6）：11-20.

[29]吳婷婷，華飛，江世銀，中國金融機構(gòu)系統(tǒng)性金融風險貢獻度的量化研究——基于極端分位數(shù)回歸的CoVaR模型[J].江西社會科學，2020（9）：54-65.

FinancialLiberalizationandNon-performingLoanRatioofCommercialBanks

BAOXing1，LIWei1，CHENGXiao-qiang2

（1.SchoolofEconomics，EastChinaNormalUniversity，Shanghai200062，China;

2.SchoolofMathematics，PhysicsandFinance，AnhuiUniversityofTechnology，Wuhu241000，China）

Abstract：Thisarticlebuildsabankingsystemmodelwithfinancialliberalization，andstudiesthedynamicevolutionmechanismbetweenfinancialliberalizationandnon-performingloanratiothroughnumericalsimulation.Basedonthecross-countrypaneldataof96economiesfrom2002to2017，thecomplexrelationshipbetweenfinancialliberalizationandnon-performingloanratiowasempiricallyverified.Theresearchresultsshowthat：Thereisasignificant“invertedU”relationshipbetweenfinancialliberalizationandnon-performingloanratio.Foragivenlevelofregulatoryinvestment，animprovementininstitutionalqualityreducesthecreditriskofcommercialbanks.Chinaisattherightsideofthe“invertedU”curve，andisstillfacingthe“painfulperiod”offinancialliberalizationreforms.FinancialliberalizationintheshorttermwillstillhaveacertainimpactonChina′sfinancialsystem.Basedonthe“invertedU”relationship，countrieslocatedattheintermediatelevelofregulatorystringencyfacemorefinancialinstabilitythancountriesthatareeitherlooselyregulatedorseverelyregulated.Intheprocessoffinancialliberalization，itisnecessarytocontinuouslyimproveinstitutionqualitytowithstandtheriskofrisingnon-performingloanratio.

Keywords：financialliberalization;non-performingloanratio;institutionquality

（責任編輯：周正）