資本約束對銀行信貸行為非對稱影響實證分析*

中國海洋大學經濟學院　殷克東　張恒達　王智

資本約束對銀行信貸行為非對稱影響實證分析*

中國海洋大學經濟學院殷克東張恒達王智

本文基于我國5家大型商業銀行與8家上市股份制商業銀行2004-2014年季度數據，構建了資本約束對銀行信貸行為的動態面板模型，利用DIF-GMM與SYS-GMM法對資本約束對信貸行為的影響進行實證測算，進而通過引入虛擬變量、雙向缺口變量以及PTR模型探究影響效應的門檻非對稱性、截面非對稱性以及時間非對稱性。研究結果顯示：資本約束對信貸行為具有顯著正向影響，且具有非線性特，效應在不同時期內呈現的時間非對稱性并不明顯。本首次從微觀視角資本約束影響效應的非對稱性進行動態分析，突破傳統靜態分析的局限性，以期為對商業銀行準確調整資產結構配置、監管部門創新資本約束機制提供參考。

資本約束沖擊效應動態面板模型廣義矩估計非對稱性

一、引言

巴塞爾協議作為國際銀行業資本監管的參考依據和執行標桿，標志著資本約束成為宏觀審慎監管的核心內容和國際標準，在資本監管歷史上具有劃時代的作用和里程碑的意義。截至20世紀末，全球有130多個國家和地區都執行或實施了巴塞爾協議，在資本充足水平不斷提升的同時，資本約束的順周期效應也越來越明顯的暴露出來，特別是2008年全球金融危機的爆發使得國際各部門和機構重新審視新資本協議的不足和缺陷，最終巴塞爾委員會于2010年出臺了巴塞爾協議Ⅲ草案，但西方主要發達經濟體的執行情況并不樂觀：歐盟明顯減慢實施巴塞爾協議Ⅲ的步伐；2012年11月美國宣布原定于2013年初生效的巴賽爾協議Ⅲ無限期延遲。我國真正進入資本約束的實施階段是在2003年銀監會成立后，出臺了一系列政策文件和法律法規，不斷探索和建設適合我國國情的銀行資本監管體系。2012年6月我國出臺的《商業銀行資本管理辦法試行》規定要建立過渡期內的資本緩沖機制，并將商業銀行按照系統重要性劃分為重要銀行和非重要銀行，分別設定了11.5%和10.5%的最低資本要求。在這期間，我國商業銀行資本充足情況有了極大改進：截至2014年底，我國商業銀行資本充足率達到13.18%，較2010年增長7.62%，大型商業銀行的平均資本充足率更是達到了14.10%。2013年底商業銀行資本充足率平均為12.19%，650家商業銀行中有649家都達到8.5%的最低資本要求，是2003年達標銀行數的81倍。近年來，隨著資本約束政策的實施和調整，其對銀行信貸行為和經濟波動所傳遞的關聯效應日益突顯，國際國內有關文獻的實證分析也不約而同的得到了相似的結論。然而，資本充足率作為資本約束最為核心的指標，對銀行信貸行為和宏觀經濟波動沖擊效應的程度如何？沖擊又是如何傳導的？在不同樣本不同時期等條件下是否具有時空上的非對稱特性？等等一系列研究內容，都是深入挖掘資本約束沖擊效應的核心問題。基于上述背景和疑問，本文將系統深入探究并揭示資本約束對信貸行為與經濟波動的沖擊效應和相互關聯的非線性特征。

二、文獻綜述

國外關于銀行資本約束對宏觀經濟波動沖擊的研究起步較早，研究領域相對比較廣泛。相關研究文獻主要有兩個方向：一是通過傳統的統計模型或計量經濟模型研究資本約束的沖擊，代表學者有Bernanke和Lown（1991）、Peek和Rosengren（1995）、Van den Heuvel（2002）、Lindquist（2004）、Bikker和Metzemakers（2005）、Kim和Lee（2006）等；二是通過傳統計量經濟模型或含有金融加速器的一般均衡模型研究資本約束沖擊的傳導渠道，代表學者有Chami和Cosimano（2001）、Aguiar和Drumond（2007）等。近年來隨著巴塞爾協議Ⅲ出臺，相應研究也逐漸增多，Angelini等（2011）基于DSGE模型研究了巴塞爾協議Ⅲ新資本監管要求對宏觀經濟波動的影響；Tabak.et al.（2012）認為，經濟處于上行階段時，資本約束越大的銀行信貸增速越低；RepulloR和Suarez J（2013）利用動態均衡模型研究了比較了銀行在不同資本約束監管制度下的信貸能力；Angelini和Clerc（2014）運用廣義的宏觀計量經濟模型對巴塞爾協議Ⅲ改革的長期經濟影響進行探討。

國內關于資本約束沖擊效應的研究起步相對較晚，不成體系，且多集中在對銀行信貸行為方面的影響，很少涉及對宏觀經濟波動的沖擊，僅有的研究也只是采用總體層面數據，而通過銀行面板數據進行建模分析的文獻很少。具體的文獻研究如下：劉百花（2006）認為，銀行資本約束對東亞新興經濟體宏觀經濟的影響是通過信貸相互作用和聯系的；王勝邦（2005，2007）探討了資本約束對信貸行為及宏觀經濟造成沖擊的原因并利用CC-LM模型討論資本約束對宏觀經濟的影響；黃憲、魯丹（2008）研究發現，資本約束對宏觀經濟的緊縮效應在經濟下行時期更為明顯；黃憲、熊啟躍（2011）分析了資本約束對貨幣政策效果的效應存在的“扭曲效應”；劉胤（2012）、熊啟躍（2013）、王然（2014）通過不同模型系統探討了宏觀經濟波動與銀行信貸行為在資本約束的限制下存在相互作用的關系；熊啟躍、黃憲（2015）利用國內27家商業銀行季度數據實證分析了資本監管政策實施前后貨幣政策信貸渠道傳導效果的變化情況。

通過文獻梳理發現，國外的研究方法和結論對國內研究具有一定借鑒意義，但相關研究多局限在總體層面的靜態分析上，研究方法多局限在傳統靜態計量經濟學模型，缺乏足夠的現實和經濟意義，而目前尚沒有涉及沖擊效應動態研究的公開文獻，系統探討資本充足水平是否達標對信貸行為及經濟波動沖擊效應的門檻非對稱性，并分析沖擊效應在不同類型商業銀行間的截面非對稱性及不同時期內的時間非對稱性的文獻更是鮮見。因此，基于動態視角研究資本約束對銀行信貸行為與宏觀經濟波動沖擊效應的非對稱性特征，對于對商業銀行準確調整資產結構配置、監管部門創新資本約束機制具有重要實際應用價值。

三、研究設計

（一）樣本來源及指標選取首先，資本充足率是衡量商業銀行資本約束的典型指標。由于國內商業銀行微觀樣本數據缺乏完整性與統一性，同時資本充足率計算方式經過1996、1997年局部調整及2004年實質性修改，因此樣本的選取存在一定的困難。而徐明東、陳學彬（2009）認為只需資本充足率各橫截面數據統計標準相同，前后期標準不一致對研究的影響不大。本文通過數據分析也驗證了兩位學者的結論，因此將樣本范圍選定為2004-2014年共44個季度的數據，資本充足率數據通過銀監會網站、各商業銀行歷年年報與季報、《中國金融年鑒》、同花順金融財經數據中心、Wind數據庫，以及前人研究文獻資料中整理得到。其次，選取銀行存貸款增速、總資產增速、貸款占總資產比重、不良貸款率等指標衡量商業銀行的信貸行為，統計數據來源于各商業銀行季度報表、財經金融數據庫等；最后，選取GDP增速、貨幣供給增速、居民消費物價指數等指標衡量宏觀經濟波動情況，宏觀經濟統計數據來源于歷年《中國統計年鑒》。指標選取及其變量定義見表1。

表1　指標選取及其變量定義

（二）數據預處理為了樣本數據的實用性，本文采取了頻率轉換、季節調整、HP濾波以及標準化等手段對實證數據進行預處理。其中頻率轉換處理主要是為解決商業銀行某些年份（特別是2006年之前）只有半年度數據而缺失季度數據的現象；季節調整處理是為了剔除季度數據序列中季節因素影響從而準確衡量其變動趨勢；HP濾波處理是為了分解出序列變動的趨勢項和波動項；標準化處理則是為了消除數據量綱差異對實證結果的影響。相關預處理均可通過EVIEWS軟件實現。

（三）動態面板數據模型構建首先基于面板模型理論，構建資本約束對銀行信貸行為沖擊效應的動態模型，以Ayuso和Saurina（2004）的原始實證模型以及國內外相關學者的靜態模型為基礎，使用逐步回歸法對自變量進行不斷調整并加入因變量LOANR的一階滯后項，最終構建動態面板數據模型如公式1所示，記為模型Ⅰ：

其中，被解釋變量為LOANRi,t，表示銀行i在t期的貸款增長率，截面樣本選定國內13家上市商業銀行，包括5家大型商業銀行以及8家股份制銀行；解釋變量共7個：CARi,t表示銀行i在t期的資本充足率，考慮其滯后一期影響，M2Rt是貨幣供給增長率，代表來自貸款需求方面的影響因素，并且考慮其滯后一期影響；DEPt是銀行存款增長率，代表來自貸款供給方面的影響因素；NPLi,t是不良貸款率，代表來自銀行信貸行為風險的影響因素；LOTAi,t表示貸款占總資產比重。模型中所有變量均使用相關預處理后的數據。

四、資本約束對銀行信貸行為影響效應測度

（一）動態面板模型的相關檢驗面板數據的單位根檢驗和協整檢驗，主要是為了避免所構建的動態面板模型出現“偽回歸”現象，如表2所示。采取LLC和Fisher-ADF兩種方法進行面板數據單位根檢驗，原假設分別為變量存在同質和異質單位根，結果顯示所有經過預處理（季節調整與HP濾波處理）的變量均為平穩數據，因此可進行協整檢驗，采用基于E-G兩步法的Kao檢驗進行面板數據的協整檢驗，原假設為變量間不存在協整關系，Kao統計量值為-8. 8486，概率值為0.0000，因此在1%的顯著性水平下拒絕原假設，認為各變量間存在長期均衡的協整關系。

表2　面板數據的單位根檢驗

（二）資本約束對銀行信貸行為沖擊效應測度分別使用差分廣義矩估計（DIF-GMM）方法以及系統廣義矩估計（SYS-GMM）方法對公式1進行擬合估計。估計前利用STATA 12.0統計分析軟件“estat abond”命令進行序列相關性Arrlano-Bond檢驗，顯示模型不存在一階序列相關性；使用“xtabond”和“xtdpdsys”命令實現對模型的DIF-GMM估計和SYS-GMM估計，加入被解釋變量的一階滯后項做自變量，并使用一步GMM估計以及穩健的標準差，估計結果如表3所示，兩種方法的Wald統計量分別為2695.45和1375.19，均高于臨界值χ0.052（7），拒絕了系數為零的原假設，且各變量系數估計量均通過了Z檢驗，顯著性較高。因此，公式1是一個較為理想的動態面板模型。公式1實證結果顯示，資本充足率是影響銀行信貸行為的重要因素之一，資本約束與銀行信貸供給之間有較強的相關性，DIF-GMM方法下彈性系數為0.3055，說明資本充足率對銀行信貸有顯著的正向影響，銀行資本狀況會對銀行信貸造成直接影響，假如資本充足率上升1%，會造成銀行信貸規模0.31%左右的正向波動，即資本充足性水平越高的銀行其信貸增速越快。實證結果似乎與傳統的信貸緊縮理論矛盾，導致這一現象的原因主要有：首先，我國銀行業仍處于高速發展的初級階段，隨著經濟總量的不斷提升和金融市場的不斷完善，貸款規模總量處于不短上升的階段；其次，我國銀行業間接融資模式決定了經濟增長對銀行信貸的高度依賴性，銀行信貸只能被動的適應經濟增長的需要，資本約束的作用并不明顯；再次，我國國有銀行特有的政府保護支持體制決定了銀行機構只要有充足的資金來源就會增加貸款的投放，同時也反映了我國在銀行業監管方面較國際水平還有較大差距。公式1實證結果還顯示出貨幣供給情況、存款增長情況、貸款占比情況也會對銀行信貸產生一定的正向影響，DIF-GMM方法下彈性系數分別為0.8445、0.4213和0.4902。貨幣供給與銀行存款分別反映了信貸的需求和供給，貨幣供給量增加反映貨幣當局為了刺激經濟發展而采取了擴張型貨幣政策，從而導致信貸規模的擴張。商業銀行貸款的最主要資金供給來自存款，因此存款增速上升會帶來貸款增速的提高，二者具有顯著的正相關關系。信貸資產在銀行資產中份額越大，銀行信貸增長率相對更快。此外，不良貸款率與銀行信貸增長呈負相關關系，DIF-GMM方法下彈性系數為-0.3891，表明改善信貸質量、降低不良貸款率，可以降低銀行資本壓力，促進銀行信貸擴張。

五、資本約束對銀行信貸行為影響效應的非對稱性分析

（一）資本約束沖擊效應的門檻非對稱性分析

（1）引入虛擬變量的門檻非對稱性。為了考察商業銀行資本充足率水平是否達到監管部門最低資本要求對銀行信貸行為以及宏觀經濟波動產生沖擊效應是否存在差異，即資本充足約束的沖擊效應是否存在門檻非對稱性。在前文構建動態面板模型Ⅰ和Ⅱ的基礎上引入虛擬變量Dummy1i以及交互項用以標識是否達到最低資本要求，這類虛擬變量反映了商業銀行面臨的資本監管壓力，模型形式改寫如公式2所示。其中，當CAR<8%時，Dummy1i=0；當當CAR≥8%時，Dummy1i,t=1。

基于我國13家上市商業銀行2004-2014年季度數據，分別使用DIF-GMM與SYS-GMM法對公式2中動態面板模型進行估計，本文僅列出SYS-GMM法估計結果，見表6。實證結果顯示，加入衡量資本充足率是否達標的虛擬變量后，動態面板模型Ⅱ的Wald統計量為1256.41，通過檢驗，表明模型擬合效果比較理想。Dummy與Dummy*car的估計量在不同顯著水平下都通過了檢驗，因此估計效果較為顯著，說明資本充足約束是否達標對于銀行信貸行為存在一定影響。

表3　不同情形下動態面板模型Ⅰ的擬合結果

（2）引入雙向缺口量的門檻非對稱性。此外，研究發現資本監管壓力對銀行信貸行為具有非線性影響，即高于和低于最低資本要求同樣幅度對銀行信貸影響是不同的。因此借鑒Matejasak（2007）提出的雙向缺口量方法，標識資本監管壓力大小。模型改寫為：

表3同樣展示了公式3中動態面板模型的估計結果。加入衡量資本監管壓力的雙向缺口變量后，動態面板模型Ⅰ的Wald統計量為20213.49，通過了檢驗，擬合效果理想。估計結果表明：模型III中REGa與REGb估計系數顯著且不相同，說明了資本監管壓力對銀行信貸行為的影響具有非對稱性。資本充足率未達到最低資本要求時，監管壓力指標對銀行信貸影響的彈性系數為0.0244；而資本充足率超出最低資本要求時，監管壓力指標對銀行信貸影響的彈性系數為0.0572。反映出資本約束壓力越大，其對信貸行為影響越劇烈的特性，稱之為資本約束沖擊的門檻效應。

（3）引入面板門檻模型的門檻非對稱性。為進一步反映資本約束沖擊的門檻效應，可進一步構造如公式4的面板門檻模型（PTR）對其進行分析。該模型由Hansen（1999）首次提出，用于分析自變量和因變量在不同區間內的非對稱。設定模型存在單一門檻并選定資本充足率作為具有門檻效應的解釋變量。I（·）代表判定函數，滿足條件時取值為1，不滿足條件時取值為0。利用STATA軟件編程并調用函數，設定Bootstrap次數為2000次，實現面板門檻模型的參數估計與穩健性檢驗。參數估計結果如表4所示。

圖1　PTR模型資本充足率的門檻估計值與置信區間

模型IV實證得到的F統計量及對應的P值分別為11.9077和0.0005，因此認為設置單一門檻的效果是顯著的。模型IV回歸結得到的門檻估計及置信區間如圖1左所示，門檻估計值為8.3199，虛線以下部分代表95%的門檻置信區間，為［7.7824,8.8574］，涵蓋了目前執行的8%最低資本要求。模型回歸結果如表4所示，可知資本充足率高于或者低于門檻值對銀行信貸行為的沖擊效應是不同的，以穩健標準差OLS估計結果為例，彈性系數分別為1.2154和0.8519，驗證了上文沖擊效應的非對稱特征。

表4　單一門檻模式下PTR模型估計結果

（二）資本約束沖擊效應的截面非對稱性分析為了考察大型商業銀行和股份制商業銀行資本充足率水平對銀行信貸以及宏觀經濟波動產生沖擊效應是否存在差異，即資本充足約束的沖擊效應是否在不同類型銀行個體之間存在非對稱性。在前文構建動態面板模型Ⅰ的基礎上在引入虛擬變量Dummy2i及交互項用以標識銀行的類型，模型改寫為：

加入虛擬變量后使用混合模型進行回歸，發現虛擬變量擬合系數具有很高的顯著性。為了進一步討論資本約束的沖擊效應在不同類型銀行個體之間是否存在非對稱性，分別使用兩類銀行2004-2014年的季度數據進行回歸擬合，這里僅列出使用DIF-GMM法對模型V進行參數估計的結果，如表3所示。使用不同類別銀行數據擬合動態面板數據模型時均通過了Wald統計量檢驗，擬合效果較為理想。對實證結果分析如下：模型V擬合結果表明：第一，無論是大型商業銀行還是股份制銀行，資本約束對于銀行信貸增長都存在顯著的正向影響，在影響程度方面大型商業銀行表現更為強烈，二者的影響系數分別為0.7137和0.2889，具有明顯的非對稱性；第二，兩類銀行信貸增長率都與貨幣供給量以及前期信貸增長率密切相關，呈現正向影響；第三，從存款增長率系數來看，系數估計顯著大于零，符合理論和常識預期，說明無論大型商業銀行還是股份制銀行，其信貸擴張對存款增長的依賴性較強，但是前者的系數0.2852略低于后者的系數0.4419，說明股份制銀行信貸增長更依賴于存款，大型商業銀行存款增長對信貸擴張的貢獻小于股份制銀行，這主要是由于股份制銀行規模遠小于大型商業銀行，多數股份制銀行處于發展階段，對存款依賴性自然較高；第四，不良貸款率系數估計值均為負數，降低不良貸款率可以緩解銀行資本金壓力從而促進信貸擴張這一原理對兩種類型銀行均適用。

（三）資本約束影響效應的時間非對稱性分析為了考察不同時期資本充足約束對銀行信貸以及宏觀經濟波動產生沖擊效應是否存在差異，即資本約束的沖擊效應在不同時期內是否存在非對稱性。按照前文資本約束發展歷程的梳理，以巴塞爾協議Ⅲ出臺的時間2011年為分界點，2004-2010年為資本監管改革時期，2011年至今為資本監管國際化時期。在前文構建動態面板模型Ⅰ的基礎上引入虛

擬變量Dummy3i用以標識不同時期，模型改寫為：

加入虛擬變量后使用混合回歸模型進行回歸，發現虛擬變量擬合系數是顯著的，為了進一步說明資本約束沖擊效應在不同時期內是否呈現非對稱性，分別對兩個時期內面板數據進行回歸擬合，這里僅列出使用SYS-GMM法的參數估計結果，如表5所示。

表5　不同時期下模型Ⅰ的SYS-GMM擬合結果

模型VI擬合結果表明：無論是2004-2010年的資本監管改革時期，還是2011年至今的資本監管國際化時期，資本充足率、貨幣供給與存款增長率都對銀行信貸行為造成顯著影響，通過對比彈性系數發現，不同時期內各影響因素對銀行信貸的影響系數并未存在明顯的差異，如資本充足率對銀行信貸的影響系數由0.3894下降至0.3392，存款增長率對銀行信貸的影響系數由0.4776上升至0.5725，資本約束對信貸行為沖擊效應在不同時期的非對稱性不明顯。

六、結論

本文研究得到如下結論：（1）資本約束與銀行信貸增速之間具有顯著的直接正向關聯影響，資本充足率上升1%，會直接造成銀行信貸規模0.31%左右的正向波動；貨幣供給、存款增長與貸款占比也會對信貸行為產生一定正向影響，彈性系數分別為0.8445、0.4213和0.4902，不良貸款率與信貸行為呈負相關關系，彈性系數為-0.3891。（2）分別引入虛擬變量、雙向缺口變量探討銀行資本充足水平是否達標對信貸行為影響效應的門檻非對稱性，發現資本監管壓力對銀行信貸行為的影響具有非線性特征，呈現分段函數形式，資本充足率未達標和達標兩種情況下對銀行信貸影響的彈性系數分別為0.0244和0.0572；構建PTR模型，得到資本約束對信貸行為沖擊效應的門檻擬合值及95%水平的門檻置信區間分別為8.3199和［7.7824,8.8574］。（4）引入虛擬變量探討資本充足約束在大型商業銀行與股份制商業銀行之間的截面非對稱性，可見資本約束對大型商業銀行的沖擊強于股份制銀行。具體而言資本約束對信貸行為的影響存在顯著的截面非對稱性，彈性系數分別為0.7137和0.2889。（5）引入虛擬變量探討2004-2010年以及2011年至今兩個時間段間資本充足約束的時間非對稱性，發現資本約束對信貸行為的影響在不同時期內存在差異但不明顯，原因可能是樣本的時間區間較短，尚不能確定存在時間上的非對稱性。

*本文獲國家社科基金重大項目（項目編號：14ZDB151），教育部發展報告項目（項目編號：13JBGP005）資助。

［1］劉百花：《銀行資本監管對東亞新興經濟體宏觀經濟影響的實證分析》，《經濟與管理研究》2006年第2期。

［2］王勝邦：《資本約束對信貸擴張及經濟增長的影響:分析框架和典型案例》，《產業經濟研究》2007年第4期。

［3］王勝邦、陳穎：《新資本協議內部評級法對宏觀經濟運行的影響：經濟周期效應研究》，《金融研究》2008年第5期。

［4］黃憲、魯丹：《銀行業資本監管對中國宏觀經濟波動效應的實證研究》，《經濟評論》2008年第3期。

［5］黃憲、熊啟躍：《銀行資本緩沖、信貸行為與宏觀經濟波動》，《國際金融研究》2013年第1期。

［6］熊啟躍、黃憲：《資本監管下貨幣政策信貸渠道的“扭曲”效應研究》，《國際金融研究》2015年第1期。

［7］Joe Peek,Eric Rosengren.Bank Regulation and the Credit Crunch,Journal of Banking andFinance,1995.

［8］Lindquist K G.Banks'Buffer Capital:HowImportant is Risk,Journal of International Money andFinance,2004.

［9］Bikker J A,Metzemakers P A J.Bank Provisioning Behaviour and Procyclicality,Journal of International Financial Markets,Institutions andMoney,2005.

［10］Kim D W,Lee Y S,Park K S.Credit Crunch and Shocks to Firms:Korean Experience under the Asian Financial Crisis,Emerging Markets Review,2006.

［11］Chami R,Cosimano T F.Monetary Policy with a Touchof Basel,International Monetary Fund,2001.

［12］Aguiar A,Drumond I.Business Cycle and Bank Capital:Monetary Policy Transmission under the Basel Accords, UniversidadedoPorto,FaculdadedeEconomiadoPorto,2007.

［13］Angelini P,Clerc L,Curdia V,et al.Basel III: Long-term Impact on Economic Performance and Fluctuations, TheManchester School,2014.

［14］Vazquez F,Tabak B M,SoutoM.A macroStress Test Model of Credit Risk for the Brazilian Banking Sector,Journal of Financial Stability,2012.

［15］Repullo R,Suarez J.The Procyclical Effects of Bank Capital Regulation,Reviewof Financial Studies,2013.

［16］Fu Y,Lee S C,Xu L,et al.The Effectiveness of Capital Regulation on Bank Behavior in China,International Reviewof Finance,2015.

（編輯梁恒）