曹建华

（西安交通大学经济与金融学院，西安 710061）

自巴塞尔协议实施以来，对于资本监管能否有效降低银行风险水平，推动银行审慎经营，一直是理论研究与监管实务所关注的焦点。但目前即便是最早实施巴塞尔协议的国家，对这一问题的研究与讨论也已持续数年，争议依旧广泛存在；后来跟进的国家则由于实施时间较短，相关研究还比较少。总之，对于商业银行资本与风险行为的研究尚未取得一致的结论。后次贷危机时期成为银行业变革最为剧烈的时期，对于中国商业银行资本充足管制与风险行为关系的研究，具有非常重要的理论意义与现实价值。

1 变量选取与模型设定

文章选取Z-score值与贷款损失准备金率作为银行风险的衡量指标，以商业银行的资本充足率反映当局的监管压力，控制银行规模、盈利性、资产流动性及宏观经济运行状况等变量的条件下，并引入银行上市、金融危机发生、《管理办法》出台的虚拟变量，检验资本监管与银行风险间的相关关系，并评估银行上市、《管理办法》、金融危机等事件对银行风险行为的影响。

除特别指出外，研究中使用的数据均来源于Bankscope数据库，历年的《中国金融年鉴》和各银行年报。

1.1 银行风险的衡量

对于商业银行风险的度量存在不同的指标，主要包括以下几类：

（1）不良贷款率

不良贷款率通常用来度量商业银行的信用风险，但不良贷款率是对银行风险的事后测度，也不能覆盖《巴塞尔新资本协议》中市场风险、操作风险，不能有效的衡量银行的风险选择。

（2）风险加权资产/总资产（Risk weighted Asset/Total Asset）

国外研究文献主要采用风险加权资产（Risk weighted Asset）与总资产的比值作为银行风险的衡量指标，是银行风险的事前指标。与不良贷款率相比，这一指标对商业银行风险管理、风险预警的作用更有意义，该指标更能满足现代商业银行全面风险管理的需要，在研究中得到了广泛的运用，如Roy（2005），吴俊、张宗益、徐磊（2008）等。但由于在《商业银行资本充足率管理办法》颁布实施前大部分商业银行并未公布其风险加权资产数据，能够获得的数据非常少，这就严重限制了实证研究数据的时间序列长度。

（3）Z-score值

Z-score值起源于企业的破产可能性，即企业的损失（负利润）超过资本的可能性。最初由Hannan&Hanweck（1988）将Z-score概念用于度量银行破产的可能性。他们定义：

其中COA是资本资产比=权益资本/总资产；ROA是资产收益率=净收益/总资产；σ（ROA）是资产收益率的标准差。Z值实际上衡量的是银行的稳定性，该值越大，银行越稳定，银行的破产风险越小。Z值的计算公式表明，该值是从收益不能抵补资本损失来刻画风险，反映了银行的持续经营状况，通常使用该值度量银行的破产风险（也称为无清偿能力风险）。本文即选择该值作为银行破产风险的度量，对其进行检验，研究资本充足率对商业银行风险的影响效果。

1.2 资本充足监管（CAR）

本文采用商业银行的资本充足率（Capital Adequacy Ratio，CAR）反映监管当局对商业银行的资本监管。资本充足率越高，表明监管当局对银行的监管压力越大。

1.3 银行规模（SIZE）

通常认为，银行规模是影响商业银行风险的重要因素。一方面，银行界的“大而不倒”理论认为银行规模越大风险就小，存款人对大银行有较高的信心，所以规模大的银行能够吸引更多的存款，如Banz(1951)与Shrieves&Dhal(1992)研究得出一致结论。但另一方面，规模大的银行因为所有权的分散，导致股东对于管理者的监控权利下降，于是管理者有可能采取更加冒险的经营活动获取较高的利润，以此增加自己的薪资。

表1 16家上市商业银行的资产规模（单位：万亿）

国外文献多数发现规模与风险间成负相关，但我国从计划经济体制转型市场经济的发展过程中，银行业深受政府的政策干预，贷款绝大部分是对国有企业的贷款，规模愈大的银行将受政策影响愈大，因此对国有企业的贷款金额愈高，规模愈大的银行持有国有企业的不良贷款愈高，因此规模与风险之间有预测将呈现正相关。

1.4 盈利能力（ROA）

文献研究影响商业银行盈利能力因素大多采用资产收益率（ROA）来衡量，本文在实证分析中也采用其为评价指标。ROA将银行的净利润和所拥有的总资产联系起来，反映了银行管理层在多大程度上使用银行资产创造收益，因而是评价银行经营成果最全面的单一财务指标。商业银行间的资产收益率在考察阶段的初期存在较大的差异，股份制商业银行要明显高于国有商业银行。但伴随着银行业改革的深入与银行间的竞争，各银行的资产收益率有趋同的趋势。

1.5 资产流动性（Liquidity）

对于商业银行流动性的衡量，经常使用流动比率、贷存比、贷款与总资产之比、存款与总资产之比或者现金资产与总资产之比等。在Bankscope数据库中列举了六项衡量银行流动的指标，分别为Interbank Ratio、Net Loans/Tot Assets、Net Loans/Dep&ST Funding、Net Loans/Tot Dep&Bor、Liquid Assets/Dep&ST Funding、Liquid Assets/Tot Dep&Bor。考虑到时间序列的长度，选取其中数据最全时间最长的指标，即贷款净值与总资产之比（Net Loans/Tot Assets）对银行的流动性进行衡量。

1.6 贷款损失准备金率（LLRR）

贷款损失准备（Loan Loss Reserve Ratio）是商业银行为抵御贷款风险而提取的用以弥补银行到期不能收回的贷款损失的准备金，用以应对未来对银行资本的潜在需求，具有防范银行信用风险与补充银行资本的特性，是我国商业银行监管的一个重点（孙天琦，2005）。

1.7 虚拟变量

(1)银行上市的影响（D1*ID）

上市融资是我国银行业改革重要组成部分，对银行业经营管理影响深远。与上市融资改革之路配套，银行业监管制度日趋完善。本文选取若干虚拟变量对此进行研究分析。以银行上市时间为标志设定虚拟变量D1，银行董事会中独立董事的比例为ID，两者的交叉项，即D1*ID体现银行上市与独立董事制度对风险行为的影响。其中，银行上市之前D1＝0，上市之后D1＝1。

表2 中国各银行上市时间一览表

(2)金融危机的发生（D2）

国际金融危机爆发后，世界各国纷纷着手进行金融监管改革，尤其是注重商业银行资本监管改革。2009年G20伦敦峰会、匹兹堡峰会均提出进行资本监管改革；12月巴塞尔委员会发布《增强银行体系稳健性》征求意见稿。金融危机的发生为本研究提供了一次自然试验，用以研究金融危机发生前后银行风险行为的变化。定义D2为金融危机是否发生的虚拟变量，2007年前取值为0，2007年后取值为1。

(3)《管理办法》出台前后（D3）

尽管自1994年中国人民银行公布《商业银行资产负债比例管理考核暂行办法》开始，我国就尝试建立商业银行的资本监管体系，提出银行资本充足率不得低于8%。但实际上在2004年以前，资本充足率的计算规定对资产风险的衡量并没有得到严格的执行。这也就是商业银行在规模扩张的情况下，资本充足率不断下降的原因。

为了分析《管理办法》出台对银行风险的影响，本文引入虚拟变量的方法加以处理。以2004年《管理办法》的出台为标志，定义D3为《管理办法》出台与否的虚拟变量，2004年前取值为0，2004年后取值为1。

表3 实证分析中变量的定义

表4 实证分析中连续变量的描述性统计

1.8 模型设定

为了检验银行资本充足监管对银行风险行为的影响，评估银行上市、金融危机、《管理办法》出台等事件的影响，同时检验各因素对银行风险的影响，我们选取16家上市商业银行为研究对象。样本区间为1994～2010年，由于各商业银行成立时间和年报数据披露时间不同，各银行样本数量不完全一致，组成非平衡的面板数据。计量模型设定为：

其中，下表t代表时间（1994～2010年），i代表某一银行。Xit表示影响银行风险行为的各项因素，包括银行的资本充足率、银行规模、资产收益率、流动性、贷款损失准备金率。ID表示银行董事会中独立董事的比例。D1、D2、D3分别代表银行是否上市、金融危机是否发生、《管理办法》是否出台的虚拟变量。εit是方程的随机误差项，是均值为零的白噪声序列。

2 实证分析

2.1 平稳性检验

采用常用的ADF方法对序列进行单位根检验。对各变量选择无截距项与趋势项的单位根检验结果是：贷款损失准备金率（LLRR）在5%的显著性水平下，资产收益率（ROA）与资产规模（LnSIZE）在1%的显著性水平下通过了单位根检验，为平稳序列；其它变量未通过单位根检验，为非平稳序列。

我们对变量的一阶差分进行单位根检验，ADF检验时的滞后阶数都按照AIC准则选取。检验结果表明，所有的变量均通过了1%显著性水平下的单位根检验，为一阶单整序列。

2.2 协整检验

虽然变量有时都是非平稳的，但它们的某个线形组合却可能是平稳的。在这种情况下，我们称这变量之间是协整的。在模型中，所有变量都是一阶单整序列，因此需要进行协整检验，我们采用Engle-Granger两步法来进行。首先分别两个方程进行OLS估计，再对模型的残差序列进行ADF检验。检验形式均不含有截距项和趋势项，滞后阶数按照AIC准则选取。结果表明，方程的残差都在1%显著性水平下水平平稳。因此，两个方程各自的变量均具有协整关系。

2.3 回归结果及分析

采用加权的GLS方法对方程进行估计，分别设置方程为混合面板数据模型、横截面固定效应模型、横截面随机效应模型。在回归过程中，由于D-W值特别小，说明变量存在序列相关问题。为解决这一问题，本文估计时在解释变量中加入AR(1)进行估计。而随机效应模型下无法取Ar(1)，本文采用混合模型与横截面固定效应模型的结论。通过表中的回归结果可以发现，调整后R2为0.99，F值非常大，说明方程的拟合效果非常好，变量间存在显著的统计关系。

表5 回归结果

不论是混合模型，还是固定效应模型，资本充足率（CAR）前的符号均为正，表明资本充足率与Z-score值间存在正相关关系，而Z-score值越大银行风险越小，资本充足率监管的政策效应明显。随着资本监管压力的提高，银行倾向于采取审慎的经营策略，减少风险大的投资策略，采取更多的风险小的投资策略，从而有效降低银行风险。而虚拟变量D3与Z-score间存在正相关关系，说明2004年《管理办法》的出台发挥了非常积极有效的作用。

银行上市及独立董事制度虚拟变量的实证结果符号为正，分别均通过了5%与1%水平下的显著性检验，说明银行上市与独立董事制度建立带来了银行风险的下降。上市进程中，一方面是扩大了银行的融资渠道，改变了长期以来主要依靠财政的筹资局面，实现了股份多元化，从而分散风险；另一方面，银行通过明晰产权制度的建立，提高了公司治理水平，并引入了独立董事制度。独立董事受命于股东大会，但报酬并不受银行经营效益的影响，因此他们在对银行经营作出决策的时候会更为客观和公正，起了制约和平衡权力的作用。

银行规模与风险间存在正相关关系，并且通过了显著性检验。银行规模越大，Z-score值越小，银行的破产风险也就越高。“工、农、中、建”四大传统国有商业银行的资产规模远远大于其它股份制商业银行的规模，它们的破产风险也最高。因为在计划经济体制转型市场经济的过程中，由于银行业深受政府的政策干预，贷款绝大部分是对国有企业的贷款，规模愈大的银行将受政策影响愈大，因此对国有企业的贷款金额愈高，规模愈大的银行持有国有企业的不良贷款愈高，因此规模与风险之间有预测将呈现正相关。盈利能力也有利于缓解银行的风险，盈利能力的提高能够提高银行的抗风险能力。

贷款损失准备金率对银行风险的影响没有通过显著性检验，但从符号来看，与银行风险间存在负相关关系，即准备金率越高，风险越小。损失准备金制度作为商业银行审慎经营的一项长效制度，长期以来在化解风险方面发挥了重要的作用。贷款损失准备金率越高，说明商业银行抵御风险的能力越强，那么破产的风险也就越小。在资本监管压力不断提高的情况下，银行会提高贷款损失准备金率，降低经营风险。

另外，资产流动性与金融危机虚拟变量对银行风险行为的影响不确定，且没有通过显著性检验。

3 结论及政策建议

本章以中国银行业为例，实证研究了资本充足管制对银行风险行为的影响。其意义在于：一、次贷危机为我们提供了一次自然试验，可以考察金融危机对银行风险行为的影响；二、考察现代企业制度对银行风险行为的影响。研究结论如下：

（1）随着资本监管压力的提高，银行倾向于采取审慎的经营策略，减少风险大的投资策略，采取更多的风险小的投资策略，因而监管当局对资本充足率要求的提高能够有效降低银行风险。2004年《管理办法》的出台对于降低银行风险也发挥了非常积极显著的作用。

（2）银行规模与风险间正相关，规模愈大的银行受政策影响愈大，对国有企业的贷款金额愈高，形成的不良贷款越多，破产风险越高。银行盈利能力的提高有助于银行抗风险能力的提高，贷款损失准备金制度也起到了一定的积极作用

（3）资产流动性与金融危机虚拟变量对银行风险行为的影响不确定。

[1]Calem P.,Rob.R.The Impact of Capital Requirements for Mortage Loans[J].Journal of Financial Intermediationl,1999,(8).

[2]Jacques K.,P Nigro.Risk-based Capital,Portfolio Risk,and Bank Capital:a Simultaneous Equations Approach[J].Journal of Econom⁃ics and Business,1997,(49).

[3]Rime B.Capital Requirements and Bank Behaviour:Empirical Evi⁃dence for Switzerland[J].Journal of Banking and Finance,2001,(25).

[4]Zicchino.Searching for a Metric for Financial Stability，FMG Special Papers[EB/OL].http://fmg.lse.ac.uk/pdfs/sp167.pdf,2006.

[5]朱建武.监管压力下的中小银行资本与风险调整行为分析[J].当代财经,2006,（1）.

[6]高国华,潘英丽.我国商业银行资本充足率顺周期效应研究[J].经济与管理研究,2010,（12）.