卢金荣

[摘 要] 选取14家上市银行的年度数据，并对资产增长率、总资产收益率、流动性等原始指标进行处理，构建了动态面板模型，然后采用系统GMM的方法对动态面板数据模型进行评估，进而对上市银行杠杆顺周期性进行实证研究，并分析相关的影响因素。

[关键词] 上市银行;杠杆;顺周期

[中图分类号]F201 [文献标志码]A

2008年金融危机的全面爆发，即使是保持较高资本充足率的上市银行也没能逃脱冲击，金融机构过度利用高杠杆是引发此次金融危机的一个关键原因。金融危机过后，绝大多数的金融机构为了减少金融风险采取了减少杠杆的政策，使得控制银行体系的杠杆化程度成为了金融监管的重要目标[1]65[2]358[3]37。银行的高杠杆及顺周期行为的分析是银行风险研究中的重要问题，对于银行杠杆顺周期问题的研究有助于把握金融运行的规律，缓解顺周期对经济的影响，防范和化解金融危机[4]50。

国外研究者通过对美国、欧洲、加拿大等国家和地区银行的杠杆顺周期性进行了相关的研究，得出银行的杠杆普遍具有顺周期性的规律[5]155[6]22[7]128。国内的相关研究主要集中在研究杠杆监管方面对银行业造成的影响，而对于上市银行杠杆顺周期性的实证研究几乎是空白。本文基于14家上市银行的年度数据，选取了资产增长率、总资产收益率、流动性等指标，通过对这些原始指标的处理，构建了动态面板模型，并采用系统GMM方法对该动态面板数据模型进行实证评估，最后分析了影响杠杆顺周期性的一些因素。

一、银行杠杆顺周期理论

（一） 银行杠杆的内涵

根据《巴塞尔协议Ⅲ》的规定以及杠杆与杠杆率互为倒数的概念，可知银行杠杆的内涵为：银行总资产与权益资本的比值。

（二）顺周期性的内涵

在经济学中一个经济变量和经济波动之间呈现出的正相关关系可以称为顺周期性。而在经济周期中金融变量围绕着某一个趋势值波动的趋势则体现了顺周期性的实质。因此波动幅度的大小体现了顺周期性的强弱。但是在实践中，当金融体系遭受到打击时，有可能会发生的情况是金融变量的变化途径和的资产价格的变化方式会表现出非线性的、间断的，而且不同或极端异常的波动值。路径依赖、持续震荡等一些非线性特征存在于不稳定的金融体系会导致金融变量的变化与线性轨道相偏离[8]26，因此，顺周期性实质上是建立在金融体系稳定的基础上。

（三）上市银行杠杆顺周期性机制

杠杆顺周期性表现为经济发展状况的变化与商业银行的杠杆率变化相互影响。银行会在资产价格因经济处于繁荣时期而持续上涨的情况下通过提高杠杆来扩张资产规模;而当经济处于衰退时期，资产价格表现为下降时，银行会通过降低杠杆来收缩资产规模。由此可知，银行为了保证自身的安全性会在资产价格发生波动的情况下对其资产采取一定的管理措施，这样就会对整个经济的持续发展产生一定的影响。

二、变量选取及其模型建立

（一）数据的来源

考虑到年度数据对于上市银行杠杆顺周期性的研究结果更为准确，本文选用2006-2016年我国14家上市银行的年度数据进行实证分析。本文的指标原始数据主要来源于wind 数据库和上市银行年度财务报告。

（二）变量的界定与选择

国外学者Adrian[9]5 [10]300从银行的资产负债表着手，发现银行杠杆率的顺周期性表现为银行资产与杠杆率两者的增长率呈现出负相关关系。本文的研究将通过参考国外学者的研究方法以及结合中国具体的实际情况来分析我国上市银行杠杆的顺周期性。文章首先借鉴国外学者Adrian[10]290的研究方法对我国上市银行杠杆顺周期的存在性进行研究，其次采用Blundel[11]116提出的系统GMM方法对动态面板数据模型进行估计。为了实现研究的预期目标，本篇文章选取的变量如下。

1.被解释变量

杠杆增长率（△lever）：杠杆增长率的含义是杠杆的当期值与杠桿上一期值的差占上一期杠杆的比值。杠杆增长率实质上是银行对杠杆管理模式的一种变量。其中，杠杆的含义是总资产与所有者权益的比。

2.解释变量

杠杆上一期的数值可以用来度量银行对杠杆的前期行为是如何修正的，同时也可以有效的控制杠杆的趋势。因为都是采用比率值，所以这里也使用杠杆增长率。一般而言，银行在调控当期杠杆战略时都会参考银行杠杆的历史值。

（2）资产增长率（△asset）

资产（以下资产指的是银行的账面总资产）增长率在一定程度上可以反映出经济的繁荣和萧条，在本质上，它表示的是银行资产规模变化的变量，是当期资产和上一期资产的差与上一期资产的比值。银行会在经济衰退时收缩其资产规模，在经济繁荣时扩张它的资产规模。

（3）总资产收益率（roa）

总资产收益率是代表银行的绩效水平的变量，所以它可以用于考察银行盈利能力以及银行综合经营管理水平的高低。该变量值的大小直接反映了银行之间竞争的实力和它们各自的发展能力，也集中体现了资金运用效率和资金利用效果之间的关系。

（4）流动性比率（liq）

流动性比例是上市银行风险监管的核心指标之一，保持适度的流动性是上市银行流动性管理所追求的目标。流动性作为上市银行的生命线，对单个上市银行的安危存亡起着决定性作用。

（5）不良贷款率（npl）

不良贷款率可以用来衡量金融业的贷款业务的安全状况。不良贷款率的数值越大，说明金融机构不良贷款占总贷款余额的比重越高;不良贷款率的数值越低，说明可能无法能收回的贷款占总贷款的比重越低。

对以上所提的各变量进行定义，如表1所示。

（三）模型建立

综上所述，基准模型如下：

三、上市银行杠杆顺周期性的实证研究

（一）描述性分析

1.杠杆增长率和资产增长率的散点图

Adrian从银行的资产负债表着手，发现银行杠杆率顺周期的存在性表现为银行资产与杠杆率两者的增长率呈负相关关系。借鉴Adrian的研究结论以及杠杆与杠杆率互为倒数的关系，可以得知：银行资产增长率和银行杠杆增长率是否表现为正相关关系可以用来确定银行杠杆是否具有顺周期性。

本文对上市银行年度财务报告数据的原始数据进行了处理制作，首先描绘了杠杆与资产两者之间的增长率的拟合线、散点图（如图1所示），以便对杠杆与资产两者之间的增长率的关系有一个直观的了解。

由图1可知：图中的直线是资产和杠杆两者之间的增长率关系的拟合线，而横、纵坐标则分别代表了资产增长率与杠杆增长率。图中显示拟合线斜向上，并且图中的点集中分布在拟合线的附近，可以看出对银行杠杆和银行资产两者之间的增长率关系的这条拟合线拟合效果不错。

从拟合线倾斜的趋势，可以看出杠杆增长率与银行资产增长率两者呈正相关关系，这点正好与国外研究学者Adrian[10]306研究结果一致。此外，由图中点的分布情况可以看出，两者的正相关关系在拟合线的上方表现得更为的明显，而两者的关系在拟合线的下方逐渐减弱。 图1表明银行的杠杆具有一个潜在的中心值，由此大多数点都集中在它的周围。银行杠杆具有均值回复的特征，由此，这个潜在的中心值将会成为银行进行调控杠杆发展趋势的参照。

通过分析图1，大致可以获得如下结论：（1）某些因素的影响存在个体的异质性可能是银行资产增长率和杠杆增长率呈现正相关关系的原因。（2）拟合线斜向上说明了：银行杠杆增长率与银行资产增长率整体呈正相关关系，这正好验证了银行杠杆具有顺周期性这一观点。（3）银行的杠杆存在一个潜在的中心值。

2.描述性统计

表2列出了主要变量的描述性统计结果，表中lever代表了杠杆这个变量，从表2可以看出杠杆的均值为17.11，即杠杆率的均值为0.058（杠杆与杠杆率互为倒数），可见本文这次所收集的样本银行的平均持有的杠杆率超过了中国颁布的《商业银行杠杆率管理办法》规定的4%，可能是因为中国上市银行的存款和贷款业务占主导地位，对于一些创新型方面的业务很少涉及，导致银行杠杆率水平超过了规定标准。由表1可知，杠杆极值分别为-7.38和67.00，这两个极值间的明显的差距反映了银行杠杆存在差异性，说明了不同银行分别实施了不同的杠杆管理战略。

（二）银行杠杆顺周期性的实证结果

本研究根据Blundell 的研究成果[11]142，并且为了保证模型估计的一致性和有效性，运用系统GMM的方法来评估计动态面板数据模型。

从表3的回归结果来看，表明杠杆增长率与资产增长率呈显著的正相关，结合国外研究学者Adrian[10]306的结论可得出：银行杠杆是存在明显的顺周期性。在资产增长率提高时，说明经济处于上升期，银行为了进一步发展，会加大它的杠杆倍数使得资产增长率又增长，形成了一种螺旋上升的趋势;反之，在资产增长比较慢的时候，说明经济处于萧条期，这时银行为了保证自己的安全性，会通过降低杠杆，进而导致资产增长率进一步下降，这样做的后果会使得经济出现负面影响，进而导致经济下滑加重，这一结论与本文所提出的我国上市银行杠杆具有顺周期性的假设是一致的。

（三）我国上市银行杠杆顺周期性的实证结果解析

表3是上市银行杠杆顺周期性检验的实证结果，通过对这一结果进行解析，可得以下结论：

1.银行杠杆增长率和银行杠杆增长率的滞后两者负相关关系

从表3的回归结果来看，杠杆增长率滞后一期的系数为-0.1160，且从表3中（P>Z）可以看出结果显著，说明了银行杠杆增长率和银行杠杆增长率的滞后两者之间存在一种明显的负相关关系。从数值上可以看出：银行为了控制杠杆的发展趋势，会参考上一期杠杆的制定方案，并对其进行反向修正。结合前面的散点图可以知道银行的杠杆存在一个中心点杠杆平均值（即中心值），银行會考察前一期杠杆值、中心值的大小关系来制定当期的杠杆。假如上一期杠杆值比中心值大，则银行会采用一定的措施来降低当期杠杆。假如上一期杠杆值比中心值小，则银行会通过一系列方案提高当期的杠杆，使得杠杆会回到某种均值水平上下波动。

2.银行规模越大，其杠杆越高

从表3的回归结果来看，资产增长率的系数为0.5828且由模型的显著性检验可得：银行规模越大，则其杠杆越高。从数值上看，银行杠杆增长率与资产增长率的增长比值为0.5828。当资产增长较快时，反映了经济处于繁荣时期，银行为了进一步促进银行业的发展，使得资产增长率继续增长，将提高它的杠杆倍数，这样就会进一步刺激经济，使得经济形成一种螺旋上升的趋势;反之，银行会在资产增长较慢的情况下，为了确保自身财产的安全性，降低杠杆的倍数，给整个经济发展带来负面效应，进一步了加剧经济下滑，最后形成更为糟糕的经济环境。

3.总资产收益率与杠杆增长率正相关关系

从表3的回归结果看来看，总资产收益率与杠杆增长率呈显著的正相关关系，其系数值为29.582。从数值上看，总资产收益率每增加一个单位，杠杆将增加29.582个单位，可能的情况是银行的总资产收益率反映了银行的盈利能力，当总资产收益率的数值比较大的时候，说明银行的盈利状况不错，导致其净现金流量较多，且如果银行的盈利能力强就会想要通过提高杠杆来扩张资产。此外，按照银行融资的一般顺序，正常情况下银行会先从内部开始融资。

4.银行流动性水平与杠杆水平负相关

从表3的回归结果来看，流动性比例的系数为负且通过了模型的显著性检验，说明了银行流动性水平会随着杠杆水平的提高而降低，且如果银行的流动性较大，其杠杆往往较低。这表明了当银行在面对流动性风险时，一般情况下也会存在高杠杆的情况，银行会同时受到这二种风险的影响。

5.不良贷款率与银行杠杆正相关

从表3的回归结果来看，不良贷款率的系数显著为正，说明不良贷款率会随着银行杠杆的提高而提高。不良贷款率的数值在一定程度上可以反映银行资产的状况：若不良贷款率较低，则说明银行可能收不回的贷款占总贷款的比值较低，表明银行对资产的管理以及規避风险的能力比较强;若不良贷款率较高，说明银行可能收不回的贷款占总贷款的比值较高，那么银行为了保证自身的安全性，会在下一期中对贷款审核严格把控。这样可能会进一步导致经济下行，企业整体盈利能力下降。

四、结论与建议

（一）主要结论

本文基于14 家上市银行2006-2016年的年度数据，应用动态面板数据模型对于银行杠杆的周期性进行实证分析，得出的主要结论如下：

1.银行业的杠杆具有顺周期性。规模越大、总资产收益率、不良贷款率越大的银行杠杆越高;流动性越大的银行杠杆越低。

2.在资产增长的速度比较快的情况下，银行会通过加大杠杆来促进银行业的进一步发展，使得资产增长率再次提高，这样就会形成一种螺旋上升的趋势。相反，在资产增长的速度过慢的情况下，银行为了规避风险以保证自身的安全性会降低其杠杆，导致对整个经济产生了不良的影响，进一步恶化了经济形势。

3.上市银行在制定本期杠杆的调整方案时会参考上一期的杠杆值，又因为银行存在一个中心点杠杆值，因此银行会结合这二个数值制定当期的杠杆战略，而且是对上一期行为进行反向修正。

4.银行在加大杠杆倍数时，一般会导致流动性水平的降低，因此监管者不但要重视银行杠杆逆周期的监管也要加强银行流动性水平的监管，避免一旦遭受多重风险的累加，会导致银行产生严重的后果。

（二）建议

1.由于资产增长率、总资产收益率和流动性等等指标对杠杆的影响比较复杂，所以为了避免对经营模式与风险状况不同的银行的监管产生不公平、不客观的行为，应该对不同的银行实施不同的杠杆监管标准。

2.根据我国银行杠杆的顺周期性可知，在经济处于上升期时，银行会通过

提高杠杆水平，促进经济进一步增长;而在经济处于萧条期时，银行为了规避风险以保证自身的资产安全时，会进一步降低杠杆水平，导致经济形势进一步下滑，整体的经济状况更为严峻。因此监管层应该研究杠杆值与资产增长率、流动性水平等等已经实施的监管指标的动态关系，在此基础上考虑实施一些动态的、逆周期的杠杆标准，并进一步建立可监测系统性风险的宏观审慎监管体系。

3.监管当局应该在风险监测以及评估的基础上，通过拟合经济周期运行的轨迹，确定科学性、合理性的弹性杠杆缓冲指标，并制定一系列逆周期的措施来调整杠杆，以保证上市银行在面对不同情况的时候都能够稳健运行。

[参考文献]

[1]Ariccia G D， Laeven L， Marquez R. Real interest rates，leverage，and bank risk-taking[J].Journal of Economic Theory，2014（1）：65-99.

[2]Kuzuba T U， Saltoglu B， Sever C. Systemic risk and heterogeneous leverage in banking networks[J].Physica A： Statistical Mechanics and its Applications，2016（22）：358-375.

[3]Barth J R， Miller S M. Benefits and costs of a higher bank “leverage ratio”[J].Journal of Financial Stability，2018（5）：37-52.

[4]Hamann F， Hernández R， Silva L， Fernando T G. Leverage Pro-cyclicality and Bank Balance Sheet in Colombia[J].Ensayos sobre Política Económica，2014（1）：50-76.

[5]Aymanns C， Farmer J D.The dynamics of the leverage cycle[J].Journal of Economic Dynamics and Control，2015（1）：155-179.

[6]Halling M， Yu J， Zechner J. Leverage dynamics over the business cycle[J].Journal of Financial Economics，2016（1）：21-41.

[7]Ibrahim M H.Business cycle and bank lending procyclicality in a dual banking system[J].Economic Modelling，2016（3）：127-134.

[8]蒋晓蓉.我国商业银行杠杆率的顺周期性的实证研究[D].南昌：江西财经大学，2015.

[9]Adrian T， Shin H S. Liquidity，Monetary Policy and Financial Cycles[J].Current Issues in Economics and Finance，2008（1）：1-7.

[10]Adrian T， Shin H S. Financial Intermediary Balance Sheet Management [J].Annual Review of Financial Economics， 2011（1）：289-307.

[11]Blundell R， Bond S.Initial conditions and moment restrictions in dynamic panel data models[J].Journal of Econometrics， 1998（1）：115-143.

[12]李新鹏.中国财政与货币政策协调配合的经验研究：基于制度的视角[J].湖南财政经济学院学报，2018（3）：31-37.

[13]赵岩，林莉.货币政策、研发投资与技术进步[J].湖南财政经济学院学报，2018（4）：93-100.

[14]闵树琴，刘宁.中美产业内贸易研究[J].牡丹江师范学院学报：哲学社会科学版，2018（4）：11-16.

[15]祝志川，翁新新.东北地区金融发展对经济增长的影响因素分析[J].牡丹江师范学院学报：哲学社会科学版，2018（5）：13-20.

[责任编辑]王立国