■ 刘兴华，余伟光，徐 博

一、引言

2008 年全球金融危机爆发后，世界经济步入衰退泥潭，由银行倒闭事件引发的系统性风险成为学界关注的焦点。各国加大金融监管力度，制定更为严格的监管标准，旨在防范日益凸显的系统性风险。银行作为联结金融与实体的“纽带”，成为各国当前风险管理的重点对象。2010年，巴塞尔委员会推出“巴塞尔协议Ⅲ”，对商业银行资本质量及充足率提出更高要求，通过引入新的监管指标来提升银行风险应对能力。2012年，中国银监会发布《商业银行资本管理办法（试行）》，要求银行强化资本管理，完善信息披露制度。党的十九大报告明确指出，健全金融监管体系，守住不发生系统性金融风险底线。系统性风险已上升为国家战略层面需要考虑的重大问题。

当前，中国经济发展迈入“新常态”，市场流动性保持充裕，宏观审慎监管日臻完善，但银行资金投放仍存结构失衡矛盾。一是信贷资金配给不平衡。信贷资金主要流向国有大型企业，“三农”和中小微企业长期面临“融资难、融资贵”问题。二是同业资产套利扩张。由于同业业务无须缴存法定准备金，计提风险资产准备较低，银行在利润驱动下不断扩张同业业务，甚至将信贷资金隐匿为同业资产，进而开展影子银行业务。在金融体系封闭流转的同业业务背离平衡头寸和调剂余缺的初衷，逐步沦为银行的监管套利工具。近年来，银行通过多种渠道异化信贷资产，促使同业资产规模迅速膨胀，同业资产与总资产占比从2010 年第1 季度的15.7%攀升到2017年第4季度的25.0%。同业资产所受监管约束较少，削弱了央行对货币供应量的控制，也给金融监管有效性带来极大挑战。

同业资产的快速增长给银行系统的稳健性带来潜在影响。一方面，同业业务扩张弱化了银行流动性约束，改变银行资产负债结构，导致短期资金可能投资于长期项目，造成银行资产的期限错配，一旦出现资金链断裂，银行将难以应对流动性短缺问题。另一方面，同业业务扩张强化了金融机构之间的关联，提高风险传染概率，而资产负债链条的延伸消耗银行体系流动性，削弱货币政策调控效果。为防范化解系统性风险，金融监管部门出台《关于规范金融机构同业业务的通知》，将同业业务纳入流动性管理框架，要求金融机构规范管理同业业务资金来源及运用。监管部门针对同业管理的规定，催动同业业务增速放缓，同业资产规模从2017年开始呈逐步下降的态势。

尽管中国加强同业业务监管，仍有银行通过同业资产追逐影子银行业务，无疑增大银行的系统性风险敞口。有关同业资产对银行系统性风险影响的研究不在少数，可从资本监管视角研讨此问题的文献却不多见。由于系统性风险度量指标不统一，研究所得结论也存在一定差异。鉴于此，将同业资产、资本监管和系统性风险纳入统一研究框架，探究同业资产对系统性风险的影响路径，解析资本监管在这一影响过程中的作用，试图拓展货币政策传导机制研究视角。此外，为增强逻辑的严谨性和结论的可信度，综合选取多项系统性风险指标，研判外部冲击条件下同业资产对银行系统性风险承担的影响。

二、文献综述及研究假设

（一）系统性风险的界定和度量

由于形成机理的复杂性及研究视角差异性，目前国内外尚未对系统性风险形成统一界定，对系统性风险的认知仍在不断发展和完善之中。系统性风险是存在于绝大部分经济体系，并对经济体系造成大范围负向冲击。Kaufman（1996）将系统性风险视为因某一事件（如信用违约）而引发金融机构出现连锁违约的概率。陈国进和马长峰（2010）从复杂网络理论入手，提出系统性风险的传染途径依靠金融机构的资产负债联结和信息的传播，系统性风险会因市场恐慌和“羊群效应”发生累积。金融稳定委员会（FSB）较全面地剖析了系统性风险的隐匿性、累积性、传染性和负外部性等特征。

当前，对系统性风险的度量主要基于网络传导分析法，依据风险溢出及风险传染，构建金融机构之间的关联网络，具体的度量方法：一是基于经营业务数据建立直接和间接关联网络；二是根据复杂网络理论直接生成风险关联网络；三是运用统计计量方法建立金融机构风险关联网络。

还有学者基于金融机构和金融市场整体的关联进行系统性风险指标的构建，Adrian &Brunnermeier（2011）构建条件在险价值指标（CoVaR）及风险溢出价值（ΔCoVaR），度量单个机构出现危机时整个金融系统的风险；李丛文和闫世军（2015）对CoVaR 的度量方法进行了改进；Brownless&Engle（2017）构建边际期望损失（MES），刻画金融市场出现危机时单个金融机构的损失。虑及金融机构风险是市场损失的一部分，系统性风险指标不但反映金融机构对市场风险的贡献，也反映金融机构抵御市场风险的能力，MES 值越小，说明金融机构对市场风险的抵抗能力越强（卜林和李政（2015）。鉴于现有研究大都探讨机构对金融市场的风险溢出，故把关注点放在金融市场发生危机条件下银行的损失或风险承受。

（二）同业资产与系统性风险

同业资产与系统性风险的关联在学术界存在两种不同看法。Flannery（1996）早期提出的同业监督说较具代表性，认为同业业务增强银行同业之间的相互约束和监督，可以达到降低风险的效果。 Allen & Gale（2000）提出了与之相反的风险传染说，认为银行同业业务增加风险关联程度，成为银行间风险传染的渠道。国内有关同业业务和金融风险的研究起步较晚，主流观点认为，同业业务和银行风险之间存在正向关联，概因中国影子银行主要以同业业务的形式存在于银行体系内部，这与国外影子银行大为不同（Huang&Shen，2019）。国内研究最初围绕同业业务发展模式进行探讨，直到2013年“钱荒”事件出现，大量学者才转而意识到同业业务存在隐患，开始对同业业务与系统性风险展开广泛探讨。

综观现有文献，大多将视角着眼于银行个体，从单个银行的流动性风险进行讨论。商业银行在逐利动机的驱动下，借助同业、信托、理财等影子银行渠道投放资金，会造成过度的期限错配，并使银行流动性出现短缺。潘彬等（2018）的研究发现，同业行为会导致资产负债的期限错配，增加银行的流动性危机。同业业务引发的风险会通过资产负债表渠道在金融机构之间传染，引发系统性风险。同业业务的发展加强了银行与其他金融机构之间的联系，导致金融风险的关联程度大幅度提升，少数机构的破产违约会通过同业链条传导到整个金融系统，大大增加系统性风险发生的可能（肖崎和阮健浓，2014）。吴念鲁等（2017）建立复杂网络模型，通过计算机模拟方法验证了上述观点，并进一步指出小银行相比大银行来说更容易受到系统性风险的冲击。

后续研究依据同业业务的发展变迁，将其细分为传统同业业务和同业创新业务，并就不同类型同业业务对银行风险的影响进行了探讨。周再清等（2017）发现传统同业业务的扩张可以缓解银行风险承担，但同业创新业务则对银行风险承担具有正向效应，在二者对银行风险的共同作用中，正向效应占据主导。高蓓等（2019）的研究支持了这一观点，发现同业创新业务才是引发银行风险承担的主要原因，出现这一现象是因为传统同业业务发挥短期流动性调节的基本作用，而同业创新业务才是商业银行开展影子银行业务的主要承担者。

由于金融市场发生危机，银行拆放的资金可能因拆入方违约而得不到偿还，抑或拆入方违约概率增大引起信用评级下调，导致拆出资金出现减值。这意味着银行向同业拆放资金越多，在危机情形下遭受的损失就会越大。从资产负债表角度看，银行拆出资金对应同业资产端，相较于同业负债来说，金融危机条件下银行系统性风险与同业资产之间的关联可能更为密切。已有研究主要基于个体风险承担视角，少有学者关注不同类别同业业务对银行系统性风险的影响。鉴于上述分析，提出假设1。

假设1：同业资产扩张会导致银行系统性风险上升，其中创新类同业资产的影响最为显著。

同业业务通过何种途径对系统性风险产生影响，有关这一问题的研究也颇为丰富。同业业务的高杠杆属性及期限错配特征，会增强金融机构之间的系统性、关联性和内在脆弱性（肖崎和阮健浓，2014）。后续研究从多维度对同业业务和系统性风险的作用渠道展开探讨。方意（2016）对系统性风险的传染渠道进行了研究，发现杠杆渠道和银行违约渠道最为重要。高蓓等（2019）基于银行经营稳健性的视角，发现同业业务会伴随着银行杠杆率的增加，同时造成总资产收益率的下降，进而降低了银行的经营稳健性。项后军和曾琪（2019）指出，同业业务的期限错配会引起银行流动性下降，加剧银行脆弱性。

上述研究关注了系统性风险的杠杆率渠道和期限错配渠道。当银行借助同业资产参与影子银行业务时，由于监管不足和自身逐利动机，其实际信贷规模可能会超出金融监管要求，这意味着银行杠杆率存在变相扩张。此外，由于同业资金大量投放于长期项目，同业资金来源不乏期限较短者，这无疑加剧资金的期限错配。

危机来临时，银行资产的价值会因市场违约事件频发而出现信用减值，高杠杆银行的债务规模相对较大，这会导致其资不抵债的概率显著提高。因此，同业资产扩张导致银行杠杆水平提升，从而进一步增加了银行对市场危机的敏感性。

同时，伴随着市场恐慌和“挤兑”风潮，银行偿债压力又会大大增加，期限错配的加剧将使得银行难以快速获取资金来应对流动性短缺问题。因此，同业资产加剧了银行期限错配，这导致银行在市场危机时应对流动性短缺的能力下降，且银行自身风险随之提高。同业资产扩张会通过杠杆率渠道和资金期限错配渠道影响银行系统性风险，鉴此，提出假设2和假设3。

假设2：同业资产扩张会通过杠杆率渠道引发银行系统性风险增加。

假设3：同业资产扩张会通过期限错配渠道引发银行系统性风险增加。

（三）资本监管与系统性风险

有关资本监管与系统性风险的讨论较为热烈，但看法并不一致。一种观点认为，资本监管和系统性风险之间具有正相关性，高资本充足率要求，银行存在风险转嫁的动机。Acharya（2009）研究发现，当面临更高资本监管要求时，出于风险转嫁动机，所有银行将会增加资产组合的相关性，从而造成系统脆弱性的提高。苏帆等（2019）佐证了上述观点，资本充足率的提高虽然对银行的个体风险承担有缓解效果，但会诱使其通过同业网络将风险转嫁到其他金融机构，这意味着资本监管无法兼顾微观审慎和宏观审慎的双重目标。田娇和王擎（2015）比较了普通资本充足率和核心资本充足率之间的影响效果，普通资本充足率的提高会增加银行的风险转嫁动机，使得个体的不良贷款率下降，但对外部的风险溢出上升，核心资本充足率对个体风险和系统性风险的影响方向则完全相反。

另一种观点认为，银行资本是保障银行经营稳健性的基石，在危机来临时具有吸收损失的效果，并对这一效应展开多角度的实证研究。Brämer et al.（2014）通过复杂网络模拟发现，资本监管能降低金融机构之间的风险传染。鲍洋和石大龙（2016）认为，资本监管意味着危机来临时银行能得到政府救助，对系统性风险起到缓冲效果，资本监管和流动性监管都能降低银行的系统性风险。王擎和田娇（2016）指出，资本监管对系统性风险是否具备抑制效果与其调整幅度有关，小幅度提升监管要求有助于抑制系统性风险。基于上述理论分析，提出假设4a和假设4b。

假设4a：风险转嫁说——银行的风险转嫁动机会增强同业资产与系统性风险的正向关联。

假设4b：监管有效说——资本监管具备有效性，会弱化同业资产对系统性风险的正向效应。

三、研究设计

（一）数据来源

依据数据可得性原则，选取沪深两市16 家上市银行作为研究对象，2020年这16家银行占所有银行总资产的56.84%，所选样本具有较好的代表性。考虑金融机构上市时间及数据的可比性，将样本研究时间设置为2013 年第1 季度到2020 年第4 季度。上市银行财务数据来自CSMAR 数据库，宏观经济数据来自中经网数据库及Wind 数据库，股票市场数据来自RESSET数据库。

（二）变量选取

1.被解释变量。被解释变量为银行的系统性风险，采用风险接收度、风险溢出价值及边际期望损失三项指标来度量。

风险接收度（FC）。借鉴李政等（2019）研究，构建一个涵括不同类别的金融机构的风险关联网络，用FC衡量金融机构受到来自关联网络其他金融机构的风险溢出，FC的构建方法：

其中，k 为金融机构数量，D为机构j 对机构i 的风险溢出强度。建立的风险关联网络除了样本中16家上市银行外，还包括12家证券公司和3家保险公司。根据股票收盘价的周频数据计算金融机构对数收益率，进行1%和99%的缩尾处理，并通过分位数回归得到金融机构在险价值。

其中，R为机构j在第t期的股票收益率，计算方法为 R=ln（P/P）×100，M 表示宏观状态变量，B表示金融机构j的特征变量。借鉴白雪梅和石大龙（2014）研究，状态变量及特征变量的选取及计算方法见表1。

表1 状态变量和特征变量的计算方法

将分位数值设为5%及50%，可得相应的在险价值（VaR和VaR），采用LASSO 分位数回归构建时变风险关联网络（见式3），样本窗口长度为51期。X是除金融机构i之外其他金融机构第t期的收益率向量（见式4）。

风险溢出价值（△CoVaR），最早由Adrian&Brunnermeier（2011）提出，采用分位数回归方法运算，考虑到收益率分布特征，在此基础上运用GARCH 模型计算△CoVaR。Reboredo et al.（2015）将Copula 函数和动态时变相关系数引入指标的计算之中。李丛文和闫世军（2015）采用基于偏t 分布的GARCH-时变Copula 模型度量影子银行体系对商业银行的风险溢出效应，相较于分位数回归方法的优势是考虑到风险溢出的非线性情况。考虑到股票收益率对正负向冲击的非对称反应，采用偏t-GJR（1，1）-Copula模型度量金融市场对银行的风险溢出，并对计算方法进行简要说明。

随后，用DCC模型估计{e}和{e}的动态时变相关系数{ρ}，并借助高斯Copula 函数拟合二者的联合分布，进一步得到银行对金融市场的条件概率密度函数，见式（9）。其中，F是标准化残差序列的分布函数，f 是标准化残差序列的概率密度函数，c是Copula函数的概率密度函数。

边际期望损失（MES）。对MES 的界定来自期望损失（ES），期望损失反映市场整体发生极端损失时金融机构的期望收益，两者计算方法如式（13）、式（14）所示。

其中，R为金融市场收益率，采用上证金融指数的日度收益率对数进行衡量，R为16 家上市银行的收益率对数，C 反映极端损失水平，用上证金融指数收益率的5%分位数测度。MES的计算方法参照Brownless&Engle（2011），构建二元条件异方差模型，σ、σ分别对应金融机构i和金融市场的波动率；{υ}是一个独立同分布序列，均值为0，方差为1，协方差为0；F 是一个二元分布，ρ是机构i和市场收益率之间的动态时变相关系数，可通过DCC模型计算。

2.解释变量。解释变量为同业资产，参考肖崎和阮健浓（2014），以买入返售资产、存放同业款项与拆出资金之和除以总资产来表示同业资产相对规模，记为IBA；将三项同业资产分别除以总资产，得到买入返售金融资产比例（MRFS）、存放同业款项比例（CFTY）和拆出资金比例（CCZJ），用以探讨各自对系统性风险产生的效应。

3.中介变量。中介变量为杠杆率（LEV）及资金错配缺口（Mismatch）。杠杆率用总资产与权益资本之比来表示，资金错配缺口反映了银行的期限错配程度，参照潘彬等（2018）计算，将其定义为：

长期资金使用指向银行资产端，包括长期股权投资、中长期贷款、衍生金融资产、投资性房产、买入返售金融资产、持有至到期投资；长期资金来源、短期资金来源指向银行负债端，分别用银行个人及企业定期存款、活期存款来表示。其中，短期资金来源稳定部分的计算参照朱孟楠和侯哲（2014），用H-P 滤波将活期存款的长期趋向成分提取出来，选取95%为置信水平，计算短期波动成分的波动下限，将两者加总可得短期资金来源的稳定部分。

4.调节变量。由于普通资本充足率和核心资本充足率对风险的影响效果存在差异，探讨资本监管的调节效应时，将普通资本充足率（CAR）和核心一级资本充足率（CORECAR）均引入模型来反映资本监管力度，并对实证结果进行比较分析。

5.控制变量。为控制其他因素对系统性风险的影响，控制了微观层面的总资产收益率（ROA）、资产规模（SIZE）、非利息收入比（NIR）、净息差（NII）、成本收入比（CP）、融资率（EF）、贷款额比（LR），同时控制了宏观层面的银行竞争程度（HHI）、GDP同比增速（GDPR）、经济政策不确定性（EPU）、沪深300 指数波动率（VOL）、房地产市场景气度（RE）、M2 同比增速（MP）。模型中所有变量都经过1%和99%的缩尾处理。

（三）模型设计

为验证假设1，构建面板回归模型（16）—（19），先探究银行同业资产（IBA）对系统性风险的影响效应，再分项就买入返售资产（MRFS）、存放同业款项（CFTY）以及拆出资金（CCZJ）的影响效果进行分析。

表2 变量定义及描述性统计

其中，Risk 表示银行的系统性风险，选取风险接受度FC、风险溢出价值△CoVaR、边际期望损失MES 进行度量，Micro 表示微观层面控制变量，Macro 表示宏观层面控制变量，μ和ν分别表示银行个体固定效应和时间固定效应。

四、实证结果

为检验同业资产对系统性风险的影响，对模型（16）进行回归，其结果如表3所示。表3列（1）—（3）控制了时间固定效应和个体固定效应，列（4）—（6）只控制了个体固定效应。从列（1）—（6）可以发现，同业资产占比的增加对三类系统性风险指标均产生显著的正向效应，究其原因：第一，商业银行为规避监管、追逐利润将信贷业务隐匿在同业资产之中，借助其他金融机构将资金投放到地方融资平台及房地产等高风险项目中，为危机爆发埋下隐患。第二，当金融市场处于危机时，违约现象屡见不鲜，大量金融机构陷入困境，同业资产的偿还失去保障，风险顺着同业链条传递到银行，使得银行遭受损失。

表3 同业资产对系统性风险影响的估计结果

从控制变量看，微观层面的总资产收益率（ROA）对上述三类系统性风险指标的影响均为正，其中列（2）—（5）均显著。这表明风险和收益往往相伴，当银行追逐高回报项目时，通常将承担更高风险。从宏观层面看，市场波动率对三类系统性风险指标的影响均在1%的显著性水平下为正，这说明在金融市场剧烈震荡的时期，银行将承受更大系统性风险。M2增速对系统性风险的影响表现为负，这意味着货币政策紧缩会使得系统性风险提高，究其原因：一是货币政策紧缩使得银行流动性收缩、盈利能力下降，通过将信贷业务转移至表外来维持自身盈利水平；二是中小企业融资问题变得更为突出，被迫借助影子银行体系获取融资，二者共同作用加剧了影子银行体系的膨胀，诱发系统性风险上升。

在主回归基础上，将买入返售资产（MRFS）、存放同业款项（CFTY）、拆出资金（CCZJ）分别对模型（17）—（19）回归，表4报告了相应回归结果。三类同业资产中，买入返售资产对系统性风险的影响显著为正，无论选择何种风险度量指标，买入返售金融资产的增加都会显著提高银行系统性风险。究其原因，不同类型同业资产的功能不同，银行的传统同业资产包含存放同业和拆出资金，主要用以解决银行间短期流动性不足的问题，不会给银行风险防范带来明显的负面效应；相反，大量创新类同业资产虽以买入返售的形式存在，实际上却发挥着躲避监管以发放信贷的功能，这部分同业资产是诱发系统性风险的关键因素。因此，实证结论支持了假设1。

表4 不同类别同业资产对系统性风险影响的估计结果

五、进一步分析：中介效应和调节效应

（一）中介效应

为验证假设2，探讨同业资产对系统性风险的影响机制，借鉴温忠麟和叶宝娟（2014），建立模型（20）—模型（22）对中介效应进行检验，Intermediate 为中介变量。检验过程中，需要关注模型中α、γ、θ、ϑ等系数。若α、γ、ϑ均显著，θ不显著，存在完全中介效应；若α、γ、ϑ、θ都显著，且γϑ和θ同号，则存在部分中介效应；若γ、ϑ之中有一项不显著，可进行Sobel 检验来判断是否存在中介效应。对上述所有逐步回归结果都进行了Sobel检验和Bootstrap检验。

表5 给出了以杠杆率为中介变量的估计结果，鉴于中介效应的第一步在基准回归中已经展示，在此仅给出后两步的回归结果。列（1）是同业资产与杠杆率的回归结果，发现同业资产规模的上升能显著提升银行杠杆水平。列（2）—列（4）将中介变量和解释变量同时纳入方程中，发现杠杆率对系统性风险存在部分中介效应。表6中汇报了Sobel检验及Bootstrap 检验的结果，三类系统性风险指标的Sobel 检验p 值分别为0.0260、0.0939、0.0810，表明中介效应显著存在。Bootstrap检验结果和Sobel检验结果整体保持一致，三类系统性风险指标的p值分别为0.034、0.096和0.075。此外表6还汇报了直接效应，即系数θ的显著性，由于直接效应均显著，因此，得出杠杆率发挥了部分中介效应，通过计算得到中介效应在总效应中的占比分别是10.14%、5.22%、6.19%。

表5 中介效应估计结果：杠杆率

表6 Sobel检验和Bootstrap检验：杠杆率

资金错配缺口为中介变量的检验方法同上，其结果见表7。资金错配缺口在同业资产对△CoVaR 并未产生显著的中介效应，但对FC、MES 两类系统性风险指标存在显著的中介效应，其中资金错配缺口对FC存在部分中介效应，中介效应的占比为30.45%，对MES则存在完全的中介效应，Bootstrap 检验及Sobel 检验的结果支持了上述结论。

表7 中介效应估计结果：资金错配缺口

上述实证结果支持了假设2 和假设3，在商业银行同业资产大量扩张的情形下，伴随而来的杠杆率上升和期限错配，一方面使得银行在危机时面临了更大债务偿还压力；另一方面流动性短缺又使得银行应对压力的能力下降。二者共同作用造成了银行系统性风险承担加重。

表8 Sobel检验和Bootstrap检验：资金错配缺口

（二）调节效应

根据假设3，考察同业资产与系统性风险的关系是否受资本监管影响，选取普通资本充足率及核心一级资本充足率作为调节变量，建立分析调节效应的模型（23）—（24）。CORECAR、CAR分别表示核心一级资本充足率和资本充足率。

资本监管调节效应的估计结果见表9。由表9可知，交乘项CORECAR·IBA对三类系统性风险指标的系数显著为负，而交乘项CAR·IBA对△CoVaR、MES的系数显著为负。这表明普通资本充足率和核心一级资本充足率提高，都会带来同业资产对系统性风险影响的显著弱化；其中核心一级资本充足率的调节效应则更为显著，证明资本监管对有效防范系统性风险发挥了重要作用。

表9 资本监管调节效应的估计结果

为验证资本监管的调节效应对不同类银行是否存在异质性，将商业银行分为中农工建交五大国有银行和其他银行，表10 报告了资本监管调节效应异质性分析的回归结果。相对国有五大银行，其他银行的同业资产扩张对系统性风险的正向效应更为显著。与此同时，资本监管的调节效应在其他银行中表现得更为显著。可能原因有：其一，国有五大银行的市场竞争力和吸收储蓄的能力相较于其他银行可能更强，具备更强的风险抵御能力；其二，国有五大银行的平均普通资本充足率为14.35%、平均核心一级资本充足率为11.37%，相对于其他银行的12.28%和9.07%，都要高出两个百分点，意味着二者所受的资本约束是非对称的。其他银行的资本约束更弱，其业务模式可能更为激进，系统性风险对同业资产的敏感性更大，这时增强资本监管可以取得明显成效；而国有银行本身的经营模式更为审慎，进一步增强资本监管效果有限。

表10 资本监管调节效应的异质性分析

（三）稳健性检验

稳健性检验包括以下方面：首先从被解释变量入手，对原有三类系统性风险指标进行标准化处理，在此基础上利用主成分分析建立综合的系统性风险指标（记为Risk_PC）并纳入回归模型；然后考虑到仅采用股票市场收益率计算得到的系统性风险指标的度量效果可能存在不足。参照陈国进等（2020）对系统性风险的度量，采用未定权益模型（CCA 模型）计算得到信用违约距离并取负号，以确保和其他系统性风险变量的度量方向相一致；其次是对解释变量进行了替换，先将三类同业资产规模加总取自然对数（记为LNIBA），来代换同业资产占银行总资产的比重（IBA）；最后为降低模型的内生性问题，对解释变量IBA取滞后一阶代入回归模型中（记为 L.IBA）。表 11 的列（1）—（5）对应LNIBA对系统性风险的影响，发现其对各类系统性风险指标的影响均为显著。列（6）—（10）对应的解释变量为L.IBA，可以说明即便对模型中的解释变量取滞后一阶，结论仍然显著。

表11 稳性检验1：替换变量

考虑到系统性风险滞后项可能对当期产生影响，采用动态面板模型，运用“校正LSDV”方法对动态面板参数进行估计。回归结果如表12所示，除信用违约距离（DD）外各类系统性风险的滞后项都对其当期存在显著的正向影响，说明系统性风险存在显著的惯性效应；发现IBA对Risk_PC、DD、FC、△CoVaR 及MES 的影响仍显著为正，支持了同业资产扩张导致系统性风险上升的结论。

表12 稳健性检验2：动态面板校正LSDV模型

为考察资本监管影响效应的稳健性，依据核心一级资本充足率进行分组回归。具体做法是以各年度核心一级资本充足率为对象，如果银行这一指标大于该年度核心一级资本充足率的75%分位数，将其归为“高资本充足率”组，如果小于该年度核心一级资本充足率的25%分位数，则归入“低资本充足率”，表13 展示了分组回归的结果。不难发现，在低资本充足率组，同业资产对系统性风险影响的显著性要明显高于高资本充足率组。具体来说，低资本充足率组中，IBA对Risk_PC、DD、FC、△CoVaR的影响均为正且显著，但在高资本充足率组中，除对DD的影响显著为负外，IBA 对各类系统性风险指标的影响均不显著，进一步佐证了研究结论稳健可靠。

表13 稳健性检验3：按资本状况分组回归

鉴于2018年出台的“资管新规”对银行的同业资产业务存在着不可忽视的影响，以2018 年为界限对样本期间进行划分，比较不同样本期间内同业资产对系统性风险影响的差异性（见表14）。资管新规前，同业资产对系统性风险的影响显著为正，但在政策推出之后，同业资产对系统性风险的影响不再显著，从而证明了监管政策的显著效果，增强了稳健性。

表14 稳健性检验4：按政策前后分期回归

六、结论及对策建议

本文剖析银行同业资产影响系统性风险的内在机理，利用16 家A 股上市银行季度面板数据，采用风险接收度、风险溢出价值、边际期望损失作为系统性风险度量指标，实证检验了同业资产变动的风险溢出效应。研究发现：（1）同业资产扩张显著提升银行系统性风险，相较存放同业款项和拆出资金，买入返售资产的风险驱动效果最为显著。（2）在风险溢出效应的传导机制中，同业资产扩张带动银行杠杆率、资金错配缺口增大，进而导致银行系统性风险提高。（3）资本监管有助于抑制同业资产对系统性风险的正向效应，其中核心一级资本的抑制效果更为显著。从银行类别看，资本监管对国有五大行以外的其他银行的抑制作用更大。

针对上述研究结果，提出如下对策建议：首先，建立科学的风险预警体系。选用精准的风险度量指标，探寻合理的风险驱动因素，提升有效的风险监测能力，弱化不利的风险溢出效应，紧紧把住不发生系统性风险的底线。其次，规范银行同业业务。特别对同业创新业务予以关注，有效控制影子银行业务，让同业资产回归本源，充分发挥其原有的资金配置功能。再次，加强对商业银行的资本监管，尤其要关注股份制银行和城市商业银行。根据宏观审慎监管要求，监督银行保持充足的逆周期资本缓冲，增强系统性风险的应对能力，杜绝系统性风险的传染渠道。最后，保持流动性合理充裕，维系货币供应量相对稳定。防止过度宽松政策通过资产价格、货币幻觉渠道降低银行风险感知能力，严防过度紧缩政策导致影子银行体系的过度扩张。