中國商業銀行規模、治理與風險承擔的實證研究

宋清華，曲良波，陳雄兵

（中南財經政法大學 金融學院，湖北 武漢 430073）

一、引言

2010年7月21日，美國總統奧巴馬簽署了具有劃時代意義的《多德—弗蘭克華爾街改革與消費者保護法案》(Dodd-Frank Wall Street Reform and Consumer Protection Act），其重點是限制商業銀行規模，規定單一商業銀行在儲蓄存款市場所占份額不得超過10%。此規定還將拓展到非存款資金等其他領域，以此來限制商業銀行的增長和合并。因而，爭論已久的“大而不倒”問題也將得到根本解決。

“大而不倒”（Too Big Too Fail），①是指政府因為大型商業銀行規模巨大而不能讓其倒閉。規模巨大的商業銀行一旦倒閉，很可能引發系統性風險，甚至給整個金融體系和經濟體系造成崩潰。在美國，商業銀行“大而不倒”問題由來已久，后來逐漸成為一種監管理念甚至法律。盡管如此，關于“大而不倒”可能引發問題的爭論一直存在，甚至被許多人譴責。大銀行受到“大而不倒”政策的保護，而小銀行無法享受到這種特殊待遇，因此，這種保護刺激了大銀行冒險的動機。國際清算銀行和國際貨幣基金組織分別發表的報告（2001）認為，銀行太大難以約束，它們會用自己的影響力左右政策制定者和銀行監管當局。雷曼兄弟的倒閉引發了市場恐慌，美國次貸危機由此演變成一場全球金融危機；而對花旗銀行等大型商業銀行的救助使得美國政府入不敷出，規模巨大的商業銀行也陷入道德風險的泥潭。于是，大型商業銀行“大而不倒”等規模問題已成為政府必須解決的問題。

然而，限制商業銀行規模的政策主張仍然存在較大的爭議。贊成者認為，限制商業銀行的規模可以延遲商業銀行變得更大的時間，這樣不至于讓更多的經濟資本同風險相伴，也不至于因為“大而不倒”涉及的規模問題而扭曲市場的競爭力。反對者則認為，涉及商業銀行“大而不倒”規模問題的改革存在許多問題：其一，在實踐中，難以對商業銀行規模進行合理的界定，即究竟商業銀行的規模多大才是合理的；其二，即使上述第一個問題得到解決，但對商業銀行規模進行界定會使那些容易引起系統性風險的小型商業銀行逃脫金融監管（Stern和Feldman，2009）；[1]其三，限制商業銀行規模將弱化美國銀行產業的全球競爭力并導致市場份額的喪失；其四，基于一些國家相對小的商業銀行面臨巨大的救助成本的事實，Dermine和Schoenmaker（2010）認為限制商業銀行規模不是解決“大而不倒”問題的最好辦法。[2]

商業銀行規模與風險承擔有什么樣的關系？商業銀行規模和銀行治理是具有抑制風險承擔還是擴大風險承擔的作用？這正是本文研究的出發點和意義所在。本文選取2000-2010年中國A股市場13家上市商業銀行的數據，采用面板計量模型考察商業銀行規模、銀行治理對風險承擔的影響。

二、文獻評述和假說提出

國外文獻主要圍繞商業銀行“大而不倒”問題引起的規模與風險承擔問題進行研究，既有理論分析、數理建模分析，也有實證分析。

Mayer（1975）分析了規模較大的問題銀行倒閉以及對其進行救助的利弊，探討了是否應該讓嚴重虧損的大銀行倒閉問題。[3]Demsez和Strahan（1995）采用美國150家1980-1993年銀行控股公司數據，得出結論：金融控股公司的非系統性風險和規模呈負向關系；金融控股公司的系統性風險和規模呈正向關系。[4]Aghion、Bolton和Fries（1999）從道德風險的角度研究了“大而不倒”政策實施過程中存在的問題，認為“大而不倒”會誘發銀行無限擴大規模，刺激其追逐風險過高的投資項目，使其承擔更高的道德風險。[5]Boyd、Nicolo和Abum（2006） 以及Boyd、Jagannathan和Kwak（2009） 認為，由于政府安全網的作用，銀行變得越大，它們越有可能從事高風險業務。[6-7]Hakenes和Schnabel（2011）采用包含不完全競爭和道德風險的數理模型，在巴塞爾協議Ⅱ的框架下分析了銀行規模和風險承擔之間的關系。結果表明：如果商業銀行使用內部評級法并且實施成本不太高的話，那么內部評級法將極大地提高銀行的資本充足率要求。但是，在巴塞爾協議Ⅱ下，商業銀行具有對標準法和內部評級法的自由選擇權，這使大型商業銀行具有巨大的競爭優勢，且在商業銀行間存在激烈的競爭，這反而使小型商業銀行承擔較高的風險，從而增加總風險承擔。[8]

孔愛國和盧嘉園（2010）以2002-2008年中國A股市場上市商業銀行數據，采用面板模型進行分析，發現銀行規模有助于降低銀行風險。[9]鑒于此，提出第一個研究假說。

假說1：商業銀行規模和風險承擔呈U形關系。

中國同樣也有類似于美國“大而不倒”等政府安全網的作用。大型商業銀行是商業銀行的主體，一方面發揮商業銀行贏利的角色；另一方面大型商業銀行有較重的政治任務，受政府干預較多，對社會長期發展有益的項目必須為其提供融資，即便風險承擔較高也由國家信用擔保。相比之下，股份制商業銀行和城市商業銀行更受經濟利益的驅動，重視風險管理。因此，提出第二個研究假說。

假說2：大型商業銀行面臨的風險承擔比股份制商業銀行要高。

Gompers、Ishii和Metrick（2003）證明了好的公司治理有比較高的公司價值；但是，也不排除高管為了增加公司價值，出于股東利益的考慮而增加風險項目。也就是說，在一般的公司中，好的公司治理和風險承擔呈正向關系。[10]但Rajan（2006）、Diamond和Rajian（2009） 指出，商業銀行高管的薪酬結構不同于一般性的公司，高管業績部分上是基于他們創造的利潤。高管在短期之內為了提高利潤，有激勵增加商業銀行的風險，可能并不完全是為了股東價值最大化，這就是所謂的“短期主義”。[11-12]

所以在商業銀行中，好的公司治理應該對高管激勵給予限制，避免高管犧牲股東的利益使商業銀行產生高的風險承擔。因此，提出兩個研究假說。

假說3a：商業銀行治理和風險承擔呈正向關系；

假說3b：大型商業銀行治理引起的風險承擔比股份制商業銀行要高。

三、研究方法和樣本

（一）樣本數據

本文選取在滬深A股市場上市的13家商業銀行數據（剔除上市較晚的中國農業銀行）②作為研究對象，時間跨度是2000-2010年，數據來源于國泰安數據庫（CSMAR）。根據銀監會對中國商業銀行的分類標準，13家商業銀行可分為大型商業銀行、股份制商業銀行和城市商業銀行進行分類研究。

（二）模型設定

首先，本文參考國外文獻主流研究方法，以滯后一期的銀行規模一次項、二次項的自然對數及滯后一期的銀行治理變量作為解釋變量，以銀行風險承擔作為被解釋變量，建立回歸模型，從總體上探討中國商業銀行規模、銀行治理與風險承擔之間的關系。本文的基本模型是非平衡面板數據回歸模型，模型的總體設定如（1）式所示：

其中，被解釋變量Z-scoreit為銀行風險承擔代理變量；解釋變量lnSIZE2it-1、lnSIZEit-1為滯后一期的銀行規模的二次項、一次項的代理變量；GOVit-1為滯后一期的銀行治理的代理變量；controlit-1為影響銀行風險承擔的控制變量；λit隨銀行個體和時間變化；μit為誤差項。需要說明的是，在本文的第四部分，將利用固定效應的F檢驗統計量和隨機效應的Hausman檢驗統計量來檢驗模型(1)應選擇何種效應。

（三）變量選擇

1．被解釋變量

參考Nash和Sinkey（1997）、Blasko和Sinkey（2006） 采用Z-scoreit作為風險承擔 （risk taking）③的測度，而Laeven和Levine（2009）、Houston和Chen、Lin（2010） 采用lnZ-scoreit作為風險承擔的測度。[13-16]但問題是，風險承擔Z-scoreit可能出現負值，用lnZ-scoreit測算風險承擔可能損失一些觀察值。基于這個原因，本文用Z-scoreit作為被解釋變量，用lnZ-scoreit作為風險承擔Z-scoreit的穩健性檢驗。Z-scoreit表示銀行破產風險，其計算公式為：

其中，下標i表示銀行，t表示時期；ROAit表示銀行i在t期的資產收益率；EAit表示銀行i在t期的資本資產比率；σ(ROA)it表示銀行i在t期的資產收益率的標準差，即資產收益率的波動。

2．解釋變量

（1）銀行資產規模和增長率的代理變量（lnSIZEit-1和GSIZEit-1）：參考現存的國外文獻，普遍采用銀行的總資產度量銀行規模。為了考察銀行資產的增長速度對風險承擔的影響，本文加入銀行資產的增長率。本文采用銀行資產規模的自然對數度量銀行規模。

（2）銀行治理的代理變量（GOVit-1）：Ferreira和Laux(2007)用銀行股價的收益對銀行所在交易市場的指數收益率進行回歸，來測算銀行的非系統性波動：[17]

3．控制變量

（1）銀行成立的年限（AGEit）：一般認為，成立時間越長的銀行擁有控制銀行風險的能力越強。

（2）銀行股價市值與面值的比率（MBit-1）④：一般認為，銀行特許權價值與風險承擔呈負向關系。

（3）非利息收入與總資產的比率（NAit）：銀行收入分為利息收入和非利息收入，目前銀行資產結構中，非利息收入資產在增加；銀行的非利息收入越大，銀行風險承擔越大。

（4）銀行債務對總資產的比率（DAit）：目前銀行存在大量的負債，加大了銀行的流動性風險，導致銀行產生過高的風險承擔。

（5）銀行高管⑤薪酬⑥的自然對數（lnSIZEit-1）：美國的薪酬體系和薪酬結構被認為是美國次貸危機引發全球金融危機的重要原因。所以本文選取銀行高管薪酬的自然對數作為銀行風險承擔的控制變量。

考慮到中國大型商業銀行、股份制商業銀行和城市商業銀行風險承擔的程度不同，因此有必要加入虛擬變量：虛擬變量D1it-1表示股份制商業銀行的值設為1，其他銀行設為0；虛擬變量D2it-1表示大型商業銀行的值設為1，其他銀行設為0。本文研究變量的名稱及定義如表1所示。

表1 研究變量概述

根據上文所設定的被解釋變量、解釋變量和控制變量及第二部分所提出的四個假說，把模型(1)改進為模型(4)、(5)、(6)、(7)、(8)。

將模型(1)修改為式(4)以便檢驗假說1、2和3a：

將模型(1)修改為式(5)以便檢驗假說3b：

為了說明銀行規模通過哪些途徑作用于銀行風險承擔，本文用Z-scoreit的成分變量ROAit、σ(ROA)it、EAit在控制變量的作用下對銀行規模代理變量進行面板回歸，模型(1)可改進為：

四、實證結果及分析

（一）變量描述性統計

表2給出了變量的描述性統計。全樣本中，風險承擔代理變量Z-scoreit的均值為20.158，中位數為19.942，說明樣本中少數銀行的風險承擔高于平均風險承擔水平。銀行規模及增長速度的代理變量SIZEit、GSIZEit的均值分別高于中位數，說明樣本中少數大型銀行及其資產增長速度拉高了銀行平均規模和增長速度。銀行治理的代理變量GOVit-1的平均水平為0.214，遠遠高于中位數。從分樣本來看，股份制商業銀行Z-scoreit的均值為18.531，小于大型商業銀行和城市商業銀行的平均水平，說明股份制商業銀行的風險承擔水平最高。大型商業銀行規模代理變量的均值為7.6E+12，遠高于股份制商業銀行和城市商業銀行，說明銀行業的大部分資產被少數大銀行所主宰。股份制商業銀行、城市商業銀行的資產增長速度代理變量GSIZEit的均值分別為0.116和0.168，均高于大型商業銀行的平均增長速度0.082，說明盡管股份制商業銀行、城市商業銀行資產不占據支配地位，但發展速度較快。股份制商業銀行、大型商業銀行、城市商業銀行的銀行治理代理變量GOVit-1均值分別為0.454、-0.590、-0.349，說明股份制商業銀行的銀行治理水平最好，城市商業銀行次之，大型商業銀行最差。大型商業銀行因為其規模巨大，其資產收益率ROAit、凈利潤率的自然對數lnPROit均高于股份制商業銀行。

（二）面板單位根和協整檢驗

1.變量面板單位根檢驗

本文使用軟件Eviews7.0，首先根據面板水平變量的趨勢圖觀察變量面板單位根的檢驗形式，然后分別采用LLC檢驗、IPS檢驗、ADF-fisher檢驗、PP-fisher檢驗，對模型(4)、(5)、(6)、(7)、(8)中的銀行風險承擔（Z-scoreit）、銀行規模（lnSIZEit）、銀行治理（GOVit）等代理變量，銀行股價市值與面值的比率（MBit）、銀行非利息收入與總資產的比率（NAit）、銀行債務與總資產的比率（DAit）、銀行高管薪酬的自然對數（lnSALAit）等控制變量進行面板單位根檢驗。檢驗結果見表3。檢驗結果表明，變量 Z-scoreit、lnSIZEit、MBit、DAit、lnSALAit為 I(1)即一階單整變量；GOVit、NAit為 I(0)即平穩變量。對于面板模型，如果變量是非平穩的，進行面板回歸之前要進行面板協整檢驗，以判斷是否可能屬于面板偽回歸。所以本文在做面板回歸分析之前，需要對I(1)變量Z-scoreit、lnSIZEit、MBit、DAit、lnSALAit做面板協整檢驗。

表2 變量描述性統計

2.變量面板協整檢驗

面板數據的協整檢驗可以分為兩大類：一是在EG兩步法檢驗基礎上的面板協整檢驗，具體方法主要有Pedroni檢驗和Kao檢驗；另一類是在Johansen協整檢驗基礎上的面板協整檢驗。Pedroni（1999）提出了基于EG兩步法的面板數據協整檢驗方法。該方法以協整方程回歸殘差為基礎，通過構造7個統計量來檢驗面板變量之間的協整關系。該檢驗的原假設是面板變量之間不存在協整關系。并且Pedroni（1999）還證明，在假定條件下，上述7個統計量都漸進服從標準正態分布，可以用來進行統計檢驗。[22]Kao檢驗也是在EG兩步法基礎上發展起來的。與Pedroni所不同的是，Kao檢驗在第一階段將回歸方程設定為每一個截面個體有不同的截距項和相同的系數，第二階段對第一階段求得的殘差序列進行平穩性檢驗。Johansen檢驗提供了Fisher聯合跡統計量和Fisher聯合λ-max統計量檢驗。

表3 變量面板單位根檢驗

表4提供了I(1)變量Z-scoreit、lnSIZEit-1、MBit-1、DAit-1、lnSALAit-1的面板協整檢驗結果。從表4的檢驗結果可以看出，Kao檢驗、Pedroni檢驗的Pannelpp-static、Panel adf-stastic、Group pp-stastic和Group adf-stastic統計量，以及Johansen檢驗說明I(1)變量Z-scoreit、lnSIZEit-1、MBit-1、DAit-1、lnSALAit-1之間存在協整關系。所以，從上述檢驗結果可以看出，盡管變量Z-scoreit、lnSIZEit、MBit、DAit、lnSALAit不平穩，但是I(1)變量 Z-scoreit、lnSIZEit、MBit、DAit、lnSALAit之間存在協整關系。因此，可以直接對模型(4)、(5)、(6)、(7)、(8)進行面板回歸估計。

由表5可以得出如下結論：模型(4)、(5)、(7)的固定效應模型要優于隨機效應模型和混合回歸模型，模型(6)、(8)的隨機效應模型要優于固定效應模型和混合回歸模型。從模型的設定來看，模型(4)、(5)、(7)的隨機效應的Hausman檢驗統計量均在1%顯著性水平下顯著，從而拒絕了隨機效應模型而支持固定效應模型；固定效應的F統計量均在1%水平下顯著，從而拒絕了混合回歸模型而支持固定效應模型。模型(6)、(8)的隨機效應的Hausman檢驗統計量均在1%顯著性水平下不顯著，從而支

表4 變量面板協整檢驗

（三）模型效應設定

表5 模型效應設定檢驗

持隨機效應模型；固定效應的F統計量均在1%水平下顯著，從而拒絕了混合回歸模型而支持固定效應模型。

（四）實證分析

采用軟件Spss16.0和Eviews7.0，模型(4)、(5)、(6)、(7)、(8)的實證結果及其面板回歸殘差的面板單位根檢驗分別如表6、7所示。由表7可知，對模型(4)、(5)、(6)、(7)、(8)面板回歸之后的殘差并無單位根，表明殘差都是平穩的，說明本文對模型(4)、(5)、(6)、(7)、(8)進行面板單位根檢驗、協整檢驗，然后對模型(4)、(5)、(6)、(7)、(8)進行面板回歸是有效的。

而通過表6，可以得出如下四點結論。

1．銀行規模和風險承擔呈U形關系。表6第2列和第4列是風險承擔代理變量（Z-scoreit）對滯后一期的銀行規模代理變量二次項的自然對數的回歸結果。從表6的第2列和第4列可以看出，衡量銀行規模二次項的自然對數前的系數分別在1%顯著性水平下顯著且為負數，說明銀行規模和風險承擔之間呈U形關系，與假說1的預期一致。這意味著隨著銀行規模的動態增大，銀行規模具有降低銀行風險承擔的作用。隨著銀行穩定程度的增加，且當銀行規模達到一定程度之后，銀行規模會使

銀行風險承擔增加，從而銀行的穩定程度降低和破產風險上升。此外，從表6的第2列和第4列還可以看出，衡量銀行規模增長速度（GSIZEit-1）變量前的系數，在1%顯著性水平下顯著且為負數。這意味著銀行規模擴張的速度與風險承擔呈正向關系，銀行規模擴張的速度越快，越加劇銀行的不穩定性，因而銀行破產風險加大。

表6 實證結果

表7 殘差面板單位根檢驗

2．股份制商業銀行風險承擔比大型商業銀行高。表6第2列的兩個虛擬變量（D1it-1，D2it-1）前的系數在1%顯著性水平下顯著且為正數，并且系數大小有顯著差異，說明與大型商業銀行相比，股份制商業銀行面臨的風險承擔較高，這與假說2的預期是矛盾的。可能的原因是，作為大型商業銀行和股份制商業銀行參照的城市商業銀行樣本太少，只有南京銀行、北京銀行兩家，實證結果可能受到城市商業銀行樣本量太少的影響。

3．銀行治理水平和風險承擔呈負向關系。從表6第2列可以看出，銀行治理代理變量（GOVit-1）前的系數在1%顯著性水平下顯著且為正數，說明銀行治理水平與風險承擔之間呈負向關系，與假說3a的預期一致。這意味著提升銀行治理水平有助于降低銀行風險承擔。良好的銀行治理機制一方面應該激勵銀行高管提升公司價值；另一方面也應該有助于降低銀行風險承擔，促進銀行穩健發展。另外，從表6第4列可以看出，銀行治理對股份制商業銀行、大型商業銀行的兩個虛擬變量（D1it-1，D2it-1）施加交叉項后，代表股份制商業銀行治理變量的D1it-1×GOVit-1在1%顯著性水平下顯著且為正數，代表大型商業銀行治理變量的D2it-1×GOVit-1在5%顯著性水平下仍顯著且為正數，說明銀行治理水平每提高一個單位，與股份制商業銀行相比，大型商業銀行治理引起的風險承擔較大，與假說3b的預期一致。

4．從控制變量的角度來看，銀行特許權價值與風險承擔呈負向關系；銀行高管薪酬、債務水平與風險承擔呈正向關系。從表6第2列和第4列控制變量前的系數來看，銀行高管薪酬的自然對數（lnSALAit-1）、債務對總資產的比率（DAit-1）、特許權價值（MBit-1）等變量前的系數在1%顯著性水平下顯著且為負數，說明高管在薪酬的激勵下提升了銀行績效或未來市場價值，但客觀上也使風險承擔加大；較高的銀行債務水平提高了銀行的流動性風險，使銀行面臨較高的風險承擔；較高的銀行特許權價值有助于降低風險承擔。

5．解決因銀行規模過大引起的風險承擔過高問題，既可以采取措施限制銀行規模，也可以采取措施縮減銀行資產收益率的波動。表6第6、第8、第10列是銀行風險承擔代理變量（Z-scoreit）的成分變量ROAit、σ(ROA)it、EAit在控制變量的作用下，對銀行規模代理變量的面板回歸結果。從第8列可以看出，銀行規模二次項的自然對數在1%顯著性水平下顯著且為正數，說明銀行規模達到一定程度引起銀行風險承擔增加的主要原因，應歸于銀行資產收益率波動的增加。

（五）穩健性分析

1.銀行風險承擔的替代性變量

在前文，本文用Z-scoreit作為銀行風險承擔的代理變量。在研究中，有些學者也用Z-scoreit的自然對數來衡量銀行的風險水平。這里用lnZ-scoreit替換Z-scoreit來進行穩健性檢驗。表8顯示了實證結果。

2.大型商業銀行的影響

中國工商銀行、中國農業銀行、中國銀行、中國建設銀行是大型商業銀行，其資產總量占中國商業銀行的主體，高管有著諸多特殊的政府背景，得到政府隱性保護的程度與股份制商業銀行、城市商業銀行存在重大差別，因此本文將這四家銀行從樣本中刪除以考察樣本中極端值對本文主要結論的影響。中國農業銀行上市較晚，沒有包括在本文研究的樣本中，鑒于本文的研究樣本較少，所以只刪除中國工商銀行、中國銀行來做本文主要結論的穩健性檢驗。結果見表8。

表8 實證結果穩健性檢驗

表8第6列、第8列顯示了刪除中國工商銀行、中國銀行后，模型(4)、(5)的面板回歸結果。從第6列可以看出lnSIZE、GSIZEit-1、GOVit-1前的系數在1%的顯著性水平下仍是顯著的，從而再次證明了假說1和3a的預期；另外，從第8列可以看出，代表股份制商業銀行治理變量D1it-1×GOVit-1在1%顯著性水平下仍顯著且為正數，代表大型商業銀行治理變量D2it-1×GOVit-1在5%顯著性水平下仍基本顯著且為正數，且D2it-1×GOVit-1前的系數要大于D1it-1×GOVit-1前的系數，便再次證明了假說3b的預期。從表8第6列、第8列控制變量的角度來看，銀行高管薪酬的自然對數（lnSALAit-1）、債務對總資產的比率（DAit-1）、特許權價值變量（MBit-1）前的系數分別在1%、1%和10%顯著性水平下仍顯著。這意味著銀行特許權價值與風險承擔呈負向關系；銀行高管薪酬、債務水平與風險承擔呈正向關系。

總之，在對影響銀行風險承擔的其他變量采用控制變量的作用下，并對銀行風險承擔采用不同的度量指標和刪除大型商業銀行后，本文的兩個主要結論是：銀行規模與風險承擔之間呈U形關系以及銀行治理與風險承擔之間呈負向關系，不因為變量的度量和模型的設定而改變，而是具有令人滿意的穩健性。

五、結論及政策含義

（一） 結論

本文在對國內外相關文獻進行綜述的基礎上提出研究假說，結合中國商業銀行自身特征，選取2000-2010年13家代表性商業銀行的相關季度數據，運用非平衡面板數據分析了商業銀行規模、銀行治理對風險承擔的影響。本文的研究結論表明：

1.銀行規模與風險承擔呈U形關系，表明隨著銀行規模的增加，銀行規模具有降低風險承擔的作用，從而銀行破產風險降低，穩定性增加；但當銀行規模達到一定程度之后，銀行規模的擴大會使風險承擔增加，銀行破產風險加大，而且銀行規模擴張的速度越快，越加劇銀行的不穩定性和破產風險。

2.銀行的治理水平與風險承擔呈負向關系，表明較高的銀行治理水平有助于降低風險承擔。而且，與股份制商業銀行相比，大型商業銀行的風險承擔較高，說明大型商業銀行的銀行治理水平較低；高管具有諸多政府背景，不易受銀行雙重委托代理機制的約束。

3.銀行特許權價值與風險承擔呈負向關系，銀行債務水平、高管薪酬與風險承擔呈正向關系。（二）政策含義

1.適當限制商業銀行的規模擴張。加強對商業銀行的業務范圍和經營區域的監管，限制商業銀行盲目進行規模擴張和區域擴張，限制商業銀行從事高風險業務，在傳統商業銀行業務同證券業務、衍生品業務等投資銀行業務之間建立防火墻，提高商業銀行的穩健性。

2.加強商業銀行的安全網建設。加快商業銀行的存款保險制度建設和破產條例的制定，使存款人不至于因為銀行倒閉而遭受損失。在具有系統性重要商業銀行出現問題之后，中央銀行應履行最后貸款人的職責，給予適當和必要的救助。金融監管部門應該加強宏觀審慎監管，維護銀行體系的安全。

3.加強對大型、系統性重要商業銀行的監管。對大型、系統性重要商業銀行提高資本充足率、流動性管理超額要求，建立商業銀行預警指標體系；向大型、系統性重要商業銀行征收風險稅，建立風險稅基金以緩沖風險。

4.提高商業銀行內部治理的有效性。進一步完善商業銀行治理結構，增強董事會的職能和董事的職責，強化其決策和監督機制，發揮董事會尤其是薪酬委員會制度對銀行高管薪酬制衡機制的作用。

注 釋：

①“Too Big To Fail”，也可以翻譯為“大不宜倒”、“大而不能倒”、“大到不能倒”、“太大以至于不能倒”以及“太大因此不能倒”等。

②13家樣本銀行包括：屬于大型商業銀行的中國工商銀行、中國建設銀行、中國銀行；屬于股份制商業銀行的交通銀行、深圳發展銀行、興業銀行、中信銀行、華夏銀行、招商銀行、民生銀行、浦東發展銀行；屬于城市商業銀行的南京銀行和北京銀行。

③本文的風險承擔概念不同于傳統的風險概念，指最后貸款人制度、存款保險制度尤其是“大而不倒”的救助制度等政府安全網激勵銀行擴大規模并主動承擔風險，即“大而不倒”相關的規模問題誘使銀行有主動承擔風險的激勵。

④Fama和French（1992）指出，較低的市值對面值比率的銀行發生危機的可能性比較大。Demsetz、Saindenberg和Strahan（1997）、Goyal（2005） 用市值對面值比率作為銀行特許權價值代理變量。[19-21]Demsetz、Saindenberg和Strahan(1997)發現特許權價值和銀行風險承擔存在負向關系。

⑤本文的高管概念排除了銀行普通監事、非執行監事、在股東單位領薪的董事或高管和沒有董事及高管職務的高薪人員，定義金融機構董事長、執行董事、副董事長、監事長、紀委書記、董事會秘書，商業銀行行長、副行長以及銀行按照專業線條分工而設的“首席”或“總監”職位，如首席財務官、首席信息官、首席風險官、首席審計官、批發業務總監、零售業務總監、投資理財總監等參與銀行高層決策的工作人員為銀行高級管理人員，簡稱高管。

⑥本文將高管薪酬定義為基本工資、年度獎金等貨幣薪酬激勵和股權激勵。

[1]Stern G.H.，Feldman R..Addressing TBTF by Shrinking Financial Institutions:An Initial Assessment[J].The Region,2009.

[2]Dermine J.， Schoenmaker D..In Banking,is Small Beautiful[J].Financial Markets,Institutions&Instruments，2010，19：1-19.

[3]Mayer T..Should Large Banks be Allowed to Fail[J].The Journal of Financial and Quantitative Analysis,1975,10(4)：603-610.

[4]Demsetz R.，Strahan E..Diversification,Size and Risk at Bank Holding Companies[J].Federal Reserve Bank of New York Research Paper,1995,No.9506.

[5]Aghion P.,Bolton P.，Fries S..Optimal Design of Bank Bailouts:The Case of Transition Economies[J].Journal of Institutional and Theoretical Economics,1999,155：51-70.

[6]Boyd J.H.,Nicolo G.，Abum J..Bank Risk-taking and Competition Revisited：New Theory and New Evidence[R].IMF working Pape rno.wp/06/297,International Monetary Fund,1999.

[7]Boyd J.H.,Jagannathan R.，Kwak S..What Caused The Current Financial Mess and What can We Do About it[J].Journal of Investment Management,2009，(7)：1-17.

[8]Hakenes H.，Schnabel I..Bank Size and Risk-taking under Basel Ⅱ[J].Journal of Banking&Finance,2011,35：1436-1449.

[9]孔愛國，盧嘉園．市場約束、商業銀行治理與風險的實證研究[J]．金融研究，2010，(6)．

[10]Gompers P.,Ishii J.，Metrick A..Corporate Governance and Equity Prices[J].Quarterly Journal of Economics,2003,118：107-55.

[11]Rajan R.G..Has Finance Made the World Riskier[J].European Financial Management,2006，(12)：499-533.

[12]Diamond D.W.，Rajan R.G..The Credit Crisis:Conjectures About Causes and Remedies[J].American Economic Review:Papers&Proceedings,2009,99(2)：606-10.

[13]Nash R.C.，Sinkey J.F.. On Competition，Risk and Hidden Assets in the Markets for Bank Credit Cards[J].Journal of Banking&Finance,1997,21(1)：89-112.

[14]Blasko M.，Sinkey J.F..Bank Asset Structure,Real-estate Lending and Risk[J].The Quarterly Review of Economics and Finance,2006,46：53-81.

[15]Laeven L.，Levine R..Bank Governance,Regulation and Risk-taking[J].Journal of Financial Economics,2009,93：259-75.

[16]Houston J.F.,Chen L.,Lin P.，Ma Y..Creditor Rights,Information Sharing,and Bank Risk-taking[J].Journal of Financial Economics,2010，(3)：305-60.

[17]Ferreira M.A.，Laux A..Corporate Governance,Idiosyncratic Risk and Information Flow[J].Journal of Financial Economics,2007，(5)：5-26.

[18]張 湄，孔愛國．商業銀行治理與股價波動關系的實證研究[J]．復旦學報(社會科學版)，2010，(5)．

[19]Fama E.F.，French K.R..The Cross-section of Expected Stock Returns[R].Journal of Finance,1992,47：427-65.

[20]Demsetz R.S.,Saindenberg M.R.，Strahan P.E..Agency Problems and Risk-taking at Banks[R].Federal Reserve Bank of New York Working Paper,No 29,1997.

[21]Goyal V.K..Market Discipline of Bank Risk:Evidence from Subordinated Debt Contracts[J].Journal of Financial Intermediation,2005,14:318-50.

[22]Pedroni P..Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors[J].Oxford Bulletin of Economics and Statistics,1999,61:653-670.