1、我国货币政策银行风险承担渠道的作用机理分析陈艺璇 （浙江工商大学金融学院，浙江 杭州 310018）摘 要:文章以 16 家上市银行为研究样本进行了实证研究，对我国货币政策银行风险承担渠道的存在性及其作用机理进行了验证。研究表明，基于我国银行体系银行风险主动化和个体风险系统化的发展趋势，货币政策工具能够对我国商业银行风险承担产生显著影响，且商业银行风险承担的变化对信贷投放总量以及社会总产出也会造成影响。同时，风险定价效应、追逐利益效应、习惯效应、杠杆效应作为我国货币政策银行风险承担渠道的重要作用机制，在货币政策传导中发挥着重要作用。关键词：货币政策；银行风险承担渠道；作用机理 中图分类号：F8
2、30 文献标识码：A 文章编号：（2017）03-Study on Mechanism of Bank Risk-taking Channel of Monetary PolicyCHEN Yi-xuan(School of Finance, Zhejiang Gongshang University, Hangzhou, Zhejinag 310018)Abstract:This paper conducted an empirical study on 16 listed Banks.The results show that the monetary policy tools have
3、a significant impact on the risk-taking behavior of commercial Banks,and the change of risk-taking behavior will affect the total amount of credit and the total output.At the same time,the risk pricing effect,habit effect,leverage effect as the important transmission mechanism of Bank Risk-taking Ch
4、annel play an important role in the transmission of monetary policy.Keywords:Monetary Policy; Bank Risk-taking Channel; Mechanism一、引言2008 年全球金融危机后，各国政界、商界和学界反复讨论和反思本次金融危机的生成原因和防范措施。见仁见智，各方发表了许多文章和书籍，一些观点不乏思想和理性的火花。其中，微观方面的次级债、衍生工具和多重杠杆，宏观方面某些过度量化宽松的货币政策，被认为是导致银行体系过度承担风险而影响金融系统稳定、致使金融危机发生的关键原因之一。通过对本
5、次危机的深刻反思，特别是对于微观银行风险行为与宏观货币政策关系的研究，一条全新的货币政策传导渠道银行风险承担渠道被发现，Borio 和 Zhu(2008)首次提出了货币政策银行风险承担渠道的概念，进而使之成为学术界研究讨论的热点之一。在传统货币政策研究中，往往假定商业银行风险中性不变，或者将商业银行简化掉，或者没有把风险因素纳入模型，其过度关注于信贷数量而非信贷质量（Lopez et al.,2011），导致货币政策传导渠道脱离金融发展实际。正如部分学者所言，由于货币政策对于风险因素的忽视，导致货币政策不足以维护金融稳定，而从金融稳定角度来讲，货币政策并不完全是风险中性（Gambacorta，
6、2009；Delis and Kouretas，2011；Taylor，2009；Borio and Zhu，2008）。而银行风险承担渠道把风险因素作为一个重要的研究变量，该渠道不仅关注商业银行信贷规模，更注重商业银行信贷资产质量，它通过“货币政策微观商业银行风险承担行为商业银行作者简介：陈艺璇（1974-），女，浙江工商大学金融学院副教授，研究方向：金融风险研究。信贷决策”的渠道调节金融体系的信贷规模，并对货币政策的最终效果产生影响。但是目前关于银行风险承担渠道的研究还比较分散，缺乏系统、严谨的梳理，也缺乏对当前最新理论、最新实证的追踪。在对银行风险承担渠道传导过程的研究中，没有对作用过程
7、和细节的深入研究。由此可见，对于我国学界而言，无论从数量还是质量上，目前的研究还处于起步的阶段。需要我们依据前人的经验，结合中国的实际，做出进一步的发掘、整理和研究。基于上述认识，本文拓展了 DellAriccia et al.(2010)模型，以 16 家上市银行为研究样本进行了实证研究，争取构建我国货币政策银行风险承担渠道的作用机理，挖掘我国货币政策银行风险承担渠道的特点和特殊表现，将我国商业银行风险承担渠道分为两个阶段检验，充分揭示传导中的“黑箱”，并对四大作用机理进行了验证。二、理论分析（一）货币政策银行风险承担渠道存在性分析货币政策银行风险承担渠道在我国之所以存在并发挥重要作用，是因
8、为近年来我国金融体系逐渐呈现出银行风险主动化和个体风险系统化的发展趋势。一方面，银行风险主动化倾向明显，由于银行同业业务、衍生工具、影子银行等金融创新工具的快速发展，银行可以低成本突破存贷比、资本充足率等各项监管限制，主动选择风险承担总体规模，从而导致我国银行从“保守的”传统银行向综合性的现代银行转变，从“风险厌恶者”逐渐转向“风险爱好者”转变，银行在风险承担态度方面的改变影响了银行业务乃至于银行制度，进而反过来影响货币政策的传导渠道和实施效果。另一方面，个体风险系统化效果突出，随着银行资产证券化、信托收益权转让、理财业务等资产转让相关业务的快速发展，银行可以将风险资产通过各种途径转让至其他机
9、构或个人，从而导致单个银行的个体风险迅速在金融体系中转移、扩散和积累，特别在金融恐慌、羊群效应等因素的影响下，放大了金融体系的系统性风险，进而对货币政策目标金融稳定造成影响，个体风险系统化效应在 2008 年全球金融危机中表现尤为突出。银行风险主动化和个体风险系统化趋势是我国货币政策银行风险承担渠道存在的前提，也是本文研究的理论基础。（二）货币政策银行风险承担渠道作用机理分析货币政策银行风险承担渠道传导过程可以划分为两个阶段：第一个阶段：中央银行借助货币政策促工具使商业银行风险承担行为发生变化；第二个阶段：风险承担行为的变化在一定程度上对信贷投放总量以及社会总产出影响。在上述银行风险承担渠道作
10、用过程中，会产生两种效用：第一种是产出效用，是银行在风险承担意愿发生变化的情况下，主动调整自身经营策略，扩张或收缩其信贷投放及其他经营活动，并引起社会投资、消费和出口的变化，从而影响到总产出的效用；第二种是风险效用，如果银行风险承担水平过高，伴随着个体风险系统化，金融体系的系统性风险快速积聚，会造成金融体系的不稳定，并影响到中央银行货币政策实施效果。以往的理论和金融实践主要集中在产出效用的研究，而忽视了对风险效用的研究。本文认为银行风险承担渠道主要通过风险定价效应、追逐利益效应、习惯形成效应和杠杆效应四种作用机理，来实现产出效用和风险效用，并且重点对这四种作用机理进行了分析。图 1 我国货币政
11、策银行风险承担渠道验证的作用机理1.以房地产市场为主的风险定价效应分析货币政策工具能够影响银行对企业资产价值、收入和现金流的估值，并通过调整自身的风险定价标准，最终影响银行的风险承担水平，该效应与金融加速器作用有些类似。对于我国来说，无论是对于抵押物，还是对于企业主体资产，房地产无疑是其中最为重要的，在企业各类资产中占比最大，也是商业银行抵押资产的主体，因此，在我国可通过房地产市场来分析风险定价效应。其作用机理在我国主要表现为：以房地产为主的抵押物价格上升时，银行认为企业资产增加，违约概率降低，从而增加对相关企业的贷款规模，进而促使商业银行承担更多风险，放大了货币政策传导效果。近二三十年以来，
12、我国房地产市场得到全面发展，在宏观经济中发挥了越来越重要的作用，其对宏观经济的反向作用也越来越明显。当中央银行对现有的货币政策做出调整，房地产市场也会做出相应的反应；而房地产价格的变化又会通过银行风险承担渠道对实体经济造成干扰，进而影响国民消费、投资等总产出指标。2.金融自由化改革背景下的追逐利益效应分析在扩张性货币政策背景下，由于无风险资产收益率降低，将带动总资产收益率下降，从而造成银行总体收益率下降。银行由于目标收益率的粘性特征，只能将资产投资于高风险项目，并承担过多的风险，从而获得更高的利益水平。总体来说，银行追逐利益效应来源于其对目标收益率的粘性特征，如果银行实际收益率与目标收益率相差
13、越大，同时这种差距持续时间比较长，银行压力就越大，则货币政策银行风险承担渠道的传导效果越强（Rajan，2005)。近年来，随着我国银行业各项改革措施落地，中小银行迅速发展，以及 2015 年利率定价限制的放开，导致银行业竞争非常激烈。当面临的竞争压力加大，银行只有承担更大的风险，才能维持自身的市场份额和利润水平。随着我国银行竞争的日益加剧，银行风险承担渠道的追逐利益效应渠道将发挥着越来越显著的作用。3.传统文化影响下的习惯形成效应分析消费者的消费习惯和投资习惯根据其历史消费情况而确定，它揭示了消费者过去的消费习惯会对消费者现在的消费和效用产生的影响。经验研究表明，交易主体的消费结构、水平和习
14、惯通常会影响资产价格，Campbell 和 Cochrane(1999)对习惯形成效应进行了研究，他们认为微观主体的习惯形成效应是存在的，在经济上升周期，消费者的消费支出和投资支出会较经济平稳周期的支出水平有所增加。如果商业银行对经济发展保持乐观情绪，这种情绪导致商业银行风险承担水平上升。对我国来说，由于养老保险制度、医疗保险制度等各类社保制度还存在 一定问题，同时因为长期以来传统文化习俗对我国居民消费习惯的持续影响，我国居民消费倾向极易受传统消费习惯和他人消费习惯的影响。雷钦礼(2003)通过对居民相关的消费支出系数进行计算，表明居民原有的消费习惯对当前的消费支行有显著影响。4.新资本协议影
15、响下的杠杆效应分析随着巴塞尔协议的实施，资本已经成为银行的发展根本，更是银行开展业务的基础。Deirsariccia（2010)、Valencia (2011)两位学者通过研究认为杠杆效应是真实存在的，若银行内部的资本结构存在较大的波动性和可调整性，则相对宽松的货币政策，对促使银行更快地增加杠杆比例，使银行能够容忍和抵御更高的风险；若资本结构相对固定，银行对自身风险的承担则往往是由杠杆水平予以决定的。如果中央银行实施扩张性货币政策，通常会刺激银行资本上涨，为了确保杠杆率保持不变，银行将同比例增加风险资产。但是我国银行的资本大多为实收股本，杠杆效应的作用会受到一定的限制。随着我国银行资本涵盖内容
16、的日益多样化，资本的变动将更加频繁，杠杆效将会更加显著。三、实证检验（一）研究假设依据上述货币政策银行风险承担渠道的相关基础理论，据此构建了我国货币政策银行风险承担验证的设想框架，将银行风险承担渠道划分为两个阶段来进行实证验证：其中第一阶段是判断实施的货币政策工具是否能够对商业银行的风险承担行为造成影响；第二阶段是考察商业银行风险承担的变化对信贷投放总量以及社会总产出的影响。如果满足两个条件：一是中央银行货币政策工具对银行风险承担行为具有显著的相关关系。比如，低利率以及货币供给量增加等扩张性货币政策，能够有效提高商业银行风险承担水平，或者说利率和商业银行风险承担水平具有显著负相关关系，货币供给
17、量与银行风险承担水平具有显著正相关关系，反之亦然；二是传导过程中满足银行风险承担水平与其信贷投放总量具有相关关系银行风险承担水平上升导致其信贷投放总量增加，或者银行风险承担水平下降导致其信贷投放总量减少，反之亦然。同时满足以上两个条件，则认为货币政策银行风险承担渠道是存在的（在此需要说明的是：由于商业银行信贷投放总量与国民总产出之间具有明显的正相关关系，这已被众多学者和经济实践所证实，本文将不再检验两者之间的关系）。据此，本文做出如下两个基本的假设前提：1.假设存在这样一种情况：存在某种途径或者渠道，能够有效提升银行风险承担行为，例如中央银行实施扩张性的货币政策，银行风险承担水平提高，信贷投放
18、规模也相应增加；相反，如果货币政策当局采取紧缩性货币政策，那么银行风险承担水平减少，其信贷投放规模也相应下降。2.对货币政策银行风险承担渠道的作用机理进行验证。本文提出以下假设：风险定价效应、追逐利益效应、习惯形成效应、杠杆效应在货币政策传导过程中发挥了关键作用。（二）模型构建1.验证银行风险承担渠道存在性的模型。根据研究假设与银行数据情况，本文选择上市银行的数据单元展开实证检验研究。借鉴国内外现有研究成果，本文选取第一阶段的货币政策风险承担渠道的验证模型为：在 Delis and Kouretas(2011)的模型设定基础上，根据研究目的特设定动态面板模型如下（公式 1）： tiititit
19、ititi tititiuLRCBaTISIZEaROALa CARaEPGDNDMIKIS ,1,10,9,8,7 ,6,5,4,3,2,1,0, 1其中 i=1,2,.,N 表示纳入实证研究的银行数目，t 代表 t 时期值，u i为个体效应， i,t为随机扰动项。RISK 为因变量，为商业银行风险承担水平的测度变量，自变量包括广义货币增长率 M2、一年期存款基准利率 DR、存款准备金率 RR，其他自变量主要是宏观和微观层面的控制变量。参数 a1、a 2和 a3 是本文着重研究的参数，若它们显著且符号符合理论假设，则说明货币政策银行风险承担渠道第一阶段在我国存在。对于模型第二阶段，研究同样以
20、现有成熟模型为基础，构建动态面板模型（如公式 2 所示）验证银行风险承担行为是否会影响信贷投放规模，进而深入分析银行风险承担水平、货币政策操作工具和信贷总量之间的关系，从另外一个阶段验证银行风险渠道的存在。titititi titititiouCTLbSIZEROAbLRbCAREPbGDNMRISKDKC,9,8,7 ,6,5,4,3,2,1, 2在公式 2 中，i=1,2,.,N 表示纳入实证研究的银行数目，t 代表 t 时期值，u i为个体效应， i,t为随机扰动项。因变量 DKZCi，t 代表银行信贷投放规模。在第一阶段货币政策对银行风险承担的影响显著得到验证后，这一阶段关注 b1 的
21、显著性和符号，代表了银行风险承担对信贷投放行为的影响作用，以进一步验证银行风险承担渠道的存在。2.验证银行风险承担渠道作用机理的模型。本文假设风险定价效应、追逐利益效应、习惯形成效应及杠杆效应在当前我国货币政策传导过程中发挥着重要作用，为此基于前文假设，将从这四个方面对我国货币政策银行风险承担渠道的作用机理进行验证，模型同样是公式 1。主要关注的是资产利润率 ROA 的系数 a8，房地产价格增长率 REP 的系数 a5，名义 GDP 增长率（GDPN）的系数 a4，以及商业银行杠杆率（LRCB）的系数 a11。公式中其他的变量成本收入比（CTI）、流动性比率（LR）、资本充足率（CAR）、银行
22、资产规模（SIZE）是研究中的控制变量。 （三）相关变量指标的选择与数据来源1.相关变量指标的选取。基于研究的需要，文中涉及诸多自变量和因变量。其中，因变量包含货币政策银行风险承担渠道变量（RISK）、银行信贷投放变量（DKZC)两个变量；而自变量涉及的范围较广，微观银行特征层面主要包括资产利润率（ROA）、银行规模（SIZE)、成本收入比（CTI）、流动性比率（LR）、资本充足率（CAR）、杠杆率（LRCB）等变量指标；宏观经济层面上，主要包括广义货币供给增长率 M2、一年期存款基准利率（DR）以及存款准备金率（RR）、经济增长(GDPN)、资产价格变动(REP)等指标。变量基本情况见表 1
23、 所示，具体说明如下：（1）银行风险承担变量。已有数据资料表明，常用指标主要包含以下几种: Z-score 值、不良贷款率(NPL)、预期违约率（EDF）、风险加权资产比率（RA）和不良贷款拨备覆盖率（PROVI）。Z-score 一般用来测量商业银行破产风险，如果该指标越小表明商业银行破产风险越低，反之则越高，因此，Z-score 值能够较好的测度银行风险承担水平。不良贷款率（NPL）在以往学者的研究中，使用频率较高，数据的可获得性和有效性均很高。而且从现实来看，由于这几年我国商业银行持续扩张，不良贷款具有持续攀升的趋势，是银行资产损失的主要因素。所以，不良贷款率能够有效反应银行的风险承担意
24、愿，是一种比较好的测度银行风险承担意愿的指标。不良贷款拨备覆盖率（provi）衡量银行对将来总体风险承担状况的判断标准，如果承担较多的风险，则降低不良贷款拨备覆盖率；如果承担较少的风险，则提高不良贷款拨备覆盖率。预期违约率（EDF）是测度银行风险承担水平的理想指标，因为它能够代表银行对待未来风险的态度。但也有学者研究指出，市场预测者并不是能够完全意识到银行未来所承担的风险，从而导致预期违约率可能被低估。更为遗憾的是，我国商业银行业缺乏相应的违约数据库，不能有效地获取预期违约率相关数据。所以，本文放弃使用预期违约率测度银行风险承担意愿。风险加权资产比率（ra）是衡量银行风险的重要指标，也被常用来
25、作为银行风险承担意识的代理指标，因为我国商业银行业务结构较国外银行业务单一，最为倚重仍然是传统的贷款业务。因此，本文也不使用风险加权资产比率衡量银行风险承担。 因此，经过综合分析考虑，本文选择 Z-score 值、不良贷款率（NPL）和不良贷款拨备覆盖率（PROVI）作为银行风险承担的代理变量，其中，在稳健性检验中使用 Z-score 值。（2）银行信贷投放变量。银行风险承担的变化可能会通过其风险态度的改变而影响其信贷投放行为。当银行风险承担意愿增强时，其一般会增加信贷投放量；反之，则下降。为了研究风险承担意愿对其信贷投放行为的影响，本文选取贷款总额与资产总计之比作为信贷投放行为的变量。这是因
26、为贷款总额包括了银行的所有贷款，能够全面反映银行的信贷投放行为。（3）货币政策立场的代理变量选择。相比西方发达国家，我国货币政策的调控更多依赖于数量型工具，因此，我国有不少学者在研究中使用数量型工具货币供应量 M2 的变动情况衡量货币政策立场，如张强、乔煜封、张宝等（2013）。国外学者多以短期利率作为货币政策代理变量，这是因为货币政策变动能够直接作用于短期利率，并通过短期利率的变化直接影响商业银行的收益性。同时，短期利率的变化还可影响期限利差的变化，进而影响银行的盈利性与信贷的相关决策。持续的低利率使得银行未来净利差更高，进而其信贷规模会扩大。因此，短期利率变动除了直接反应货币政策变化外，还
27、明显影响着银行未来风险承担，因而短期利率是作为货币政策的较佳代理变量。存款准备金率对信贷规模和货币供给量有较强的杠杆效用，调整法定存款准备金率能够影响银行的信贷扩张能力以及货币乘数，这种政策效果在我国表现尤为突出。因此，为确保实证模型的有效性与数据选取的可靠性，并基于中国国情的慎重考虑，本文选定货币 M2 的增长率、一年期存款基准利率以及存款准备金率作为货币政策的代理变量。（4）微观银行特征变量。为了深入探究商业银行风险承担和货币政策之间的内在联系，还必须控制其它的重要影响变量。微观银行特征层面主要控制资本充足率（CAR）、流动比率（LR）、银行规模（SIZE)以及成本收入比（CTI）等变量指
28、标。商业银行的规模对其风险承担行为也会产生一定影响。对于大型商业银行，由于其业务规模比较大，经营范围广泛，风险控制水平也相对较高，因此，假设商业银行规模能够影响其风险承担意愿，同时把总资产对数作为商业银行规模的计量指标。目前，我国银行体系仍然以四大国有银行为主，银行业垄断程度还比较高，风险控制水平和技术也相对较高，因此此类商业银行的风险承担较小；但是对于小型银行，例如城商行、农商行类，由于业务领域过于狭窄和集中，风险管理能力相对也比较低，故其风险相对较大。因此，银行规模会影响银行的风险承担行为，两者在一定程度上表现为负向关系。随着巴塞尔协议的逐步实施，资本逐渐成为商业银行风险承担行为的重要约束
29、，对其信贷规模扩张有着重要的作用。商业银行资本管理状况反应了一家银行的综合实力，同时还代表着其承担损失的能力，并影响着商业银行的风险承担意愿和行为。流动性比率能够反应银行的流动性风险。影响商业银行流动性的因素比较多，不仅与其盈利状况密切有关，还与其风险偏好有很大的关联。同时，货币政策变动对流动资产相对较少的商业银行影响更大。如果货币政策收紧时，社会的资金总量就会大幅减少，资金价格大幅上涨，在这种情况下，流动性较差的银行对货币政策的反应最大，这就决定了流动性对银行风险承担有明显的影响作用。成本收入比来反映银行经营效率，因为银行的效率对银行风险承担影响也较大。一般来说，高效率的银行对风险的反应与处
30、理能力较强。资产利润率能够反映银行的盈利能力，盈利能力较差的银行，在既定利润目标的压力下，可能会铤而走险，承担过多风险，经营情况比较好的银行就没有这么大的盈利压力。因此，盈利性能够影响银行的风险承担意愿。（5）宏观经济变量。在宏观经济层面上，主要包括了经济增长、资产价格变动两个因素，它们也是验证传导机制的变量。当经济形式向好时，商业银行将更加乐观，对已有贷款的风险会产生积极的态度，更偏好于增加信贷规模，这将在一定程度上增加商业银行风险承担水平，两者呈现正相关。GDP 增长率是一个经济体经济总量增长的关键指标，另外相关实证表明，GDP 增长率与银行风险承担意愿与水平有关联。因此，GDP 增长率更
31、能全面衡量经济环境状况，可作为经济增长的有效代理变量。另外，我国商业银行的贷款中很大部分来源于房地产贷款，在房地产一直是众多投资者的青睐，而银行也将其大量的贷款投放到房地产中，在一定程度上推动了房地产泡沫，反过来又使银行的风险增加。因此，房地产价格变化对银行风险承担渠道具有影响，具体的货币政策传导机制为风险定价效应。因此，本文拟采用房地产景气指数（REP）作为资产价格变动的代理变量。该指数可以综合反映全国房地产业运行的景气状况，数值越高，往往反映了房地产市场投资增长、消费增长、房价攀高，即资产价格增高。所以，选择房地产景气指数是合理的。表 1 相关变量指标的汇总变量类型 变量名称 变量符号 变
32、量含义不良贷款 NPL 不良贷款率贷款拨备情况 PROVI 不良贷款拨备覆盖率银行风险承担Z 值 Z-SCORE )/()itititi AKRO银行信贷投放 银行信贷投放行为 DKZC 贷款总额/资产总额货币供给量 M2 货币供给量增长率存款基准利率 DR 一年期存款基准利率货币政策工具存款准备金水平 RR 存款准备金率银行规模水平 SIZE 年末资产总额的自然 对数银行资本充足水平 CAR 资本充足率银行流动性水平 LR 流动性比率银行盈利能力 ROA 资产收益率银行效率水平 CTI 成本收入比微观银行特征银行杠杆水平 LRCB 杠杆率经济增长 GDPN 名义 GDP 增长率宏观经济层面资
33、产价格 REP 房地产景气指数2.数据来源和基本分析。本文选取 2006 年至 2015 年十年期间内 16 家中国商业银行的面板数据作为分析样本，考虑到数据的可获得性和可靠性，所有样本均为上市企业。具体样本银行分别是交通银行、工商银行等 16 家上市商业银行。本文数据主要来自 WIND 数据库、国泰君安数据库、国家统计局和银行年度报告。具体而言，CAR、CTI、NPL、LR、DKZC、REP、LRCB 的数据来自 WIND 数据库，宏观数据GDP 增长率、M2、存款基准利率、存款准备金率来自国家统计局。数据库的数据并不齐全，部分银行的部分年份的指标数据存在缺失现象，遇到这种情况则通过查找银行
34、官网、银行年度报告或者期刊文献，将缺失的数据补全，确保数据的完整、真实。本文使用的统计软件为 STATA12.1。为了提高研究结果的稳健性，本文在 1%水平下对银行微观数据进行缩尾处理。这样做的目的是避免极端值对研究结果的异常影响，将那些处在（1%，99%）之外的观察值分别用 1%和 99%的分位数替代，各个变量基本的描述性统计结果如下表 2 所示。表 2 商业银行的变量描述性统计汇总表变量符号 变量名称观察样本数 最小值 最大值 标准差 均值NPL 不良贷款率(%) 160 0.330 23.57 2.688 1.668PROVI 不良贷款拨备覆盖 率 160 0.0459 4.996 0.
35、957 2.175Z-score Z 值 160 0.0103 0.156 0.024 0.033DKZC 贷款总额/资产总 额 160 0.305 0.687 0.073 0.505M2 货币增长率 10 0.110 0.284 0.045 0.167DR 存款基准利率 10 1.500 4.140 0.690 2.766RR 存款准备金率 10 0.09 0.193 0.029 0.159SIZE 资产总额对数 160 24.722 30.732 1.366 28.370CAR 资本充足率 160 -0.004 0.307 0.039 0.114LR 流动性比率(%) 160 26.8 7
36、9.76 9.526 43.589ROA 资产利润率 160 0.001 0.025 0.003 0.010CTI 成本收入比率(%) 160 21.590 50.440 5.743 33.911LRCB 杠杆率 160 0.022 0.137 0.018 0.062GDPN 名义 GDP 增长率(%) 10 6.900 14.200 2.255 9.600REP 房地产景气指数 10 93.34 106.45 4.253 99.028注：数据均直接或间接来源于上述所列举的数据来源。通过表 2 可以发现，从宏观经济的相关指标来看，货币增长率最小为 11%，最大为28.4%，平均增长率为 16.
37、7%，这说明我国总体而言在货币政策上还是比较宽松的。货币增长率的最大值出现在 2009 年，也就是经济危机爆发之后，我国采取的应急措施之一就是施行更为宽松的货币政策，最小值出现在 2014 年，相比前几年，我国的货币政策有了一些紧缩。名义 GDP增长率最大为 14.2%，最小为 6.9%，近几年的平均增速为 9.6%。不良贷款率 NPL 的最大值为23.57%，出现在 2007 年的中国农业银行，此时中国农业银行不良贷款大部分由于农行改制上市过程中对存量信贷资产的重新审计所致；最小值为 0.33%，出现在 2006 年的宁波银行，说明此时宁波银行的风险承担水平较低。DKZC 反映了银行信贷投放
38、行为，以银行的贷款总额与资产总额的比例来衡量，其最大值为 68.7%，出现在中信银行 2006 年，说明此时中信银行信贷投放非常多；最小值为 30.48%，出现在 2014 年南京银行，说明此时南京银行信贷投放缩减。（四）我国银行风险承担渠道存在性验证由于计量模型中包含被解释变量的一阶滞后项，固定效应模型以及 OLS 估计法的结果估计都会有偏的。因此，在进行我国货币政策风险承担渠道的第一、第二阶段的验证中，文中选用 GMM一阶差分动态面板估计法来考察（因为该模型能够有效解决内生性及残差的异方差问题）。为此，文中基于徐明东与陈学彬(2012)等学者对 GMM 一阶差分动态面板估计法的介绍与应用，
39、结合本文研究的需要，在对模型进行过度识别验证以及干扰项序列验证的基础上操作。首先，通过 Sargan 检验，确定是否存在过度识别的问题，同时用来验证所用的工具变量是否合适，其零假设：（1）不存在过度识别；（2）工具变量与残差项不相关。首先，在过度识别方面，检验结果均大于显著性水平 0.05，则接受原假设，即不存在过度识别问题。其次，进行干扰项序列相关检验，由于 GMM 一阶差分动态面板估计法要求被估计模型中的干扰项无序列相关性，一阶差分后的干扰项是一定具有相关性，所以需要检验残差能否存在二阶或者二阶以上的序列相关性。如果验证结果表明存在二阶相关，则验证结果说明模型所选取的工具变量不合适。经检验
40、，AR(2)值均大于 0.05，即接受原假设，模型的扰动项不存在自相关。模型的检验结果说明了本次研究的所有工具变量的选择是合适的。1.货币政策风险承担渠道的第一阶段验证基于上述选择的方法和指标体系，结合软件 Stata12.1 对公式 1 进行差分 GMM 计算，结果如表 4 所示：表 3 货币政策风险承担渠道的第一阶段验证结果（1） （2）变量（risk） NPL PROVI0.276* 0.703*Riskt-1(0.000) (0.000)8.332* -9.151*M2(0.031) (0.001)-0.996* 0.502*DR(0.003) (0.001)-31.953* 37.7
41、88*RR(0.001) (0.001)-0.107* -0.047*CTI(0.008) (0.008)-0.012 0.002LR(0.440) (0.753)0.085* -0.072*REP(0.023) (0.013)0.036* -0.380*GDNP(0.028) (0.000)-109.881* 4.122*LRCB(0.001) (0.025)-0.075 0.022SIZE(0.268) (0.444)-46.645* 3.214CAR(0.001) (0.218)-45.252 -64.517*ROA(0.557) (0.044)_cons 15.414* -0.683(
42、0.031) (0.810)Sargan 0.154 0.096AR(2) 0.278 0.362注：*代表显著性水平 P zDkzcL1 0.431* 0.101 4.267 0.000NPL 0.008* 0.002 4.000 0.000M2 0.405* 0.106 3.821 0.000ROA 4.945* 2.305 2.145 0.032CTI -0.001 0.001 -1.000 0.396LR -0.0002 0.0005 -0.400 0.685REP 0.001 0.002 0.500 0.625GDNP -0.001 0.004 -0.250 0.788SIZE 0.003 0.002 1.500 0.223CAR -0.056 0.183 -0.306 0.757_cons 0.040 0.213 0.188 0.852Sargan chi2(35)= 60.230；Prob chi2 = 0.513AR(2) Z=-1.0004；Prob z=0.317注：*代表显著性水平 P0.05；*代表显著性水平 P0.01；*代表显著性水平 P0.001。对于表 4 得到的结果，重点关注是银行风险承担对银行信贷行为的显著性和系数符号，即公式 2 中的系数 b1。结果显示，b1 数值等于 0.008，显著性水平为 0.000，小于 0.05，说明银行
