基于時變模型的商業(yè)銀行流動性風險度量研究

劉精山 趙沛 田靜

摘?要：流動性錯配是流動性風險產生的根本，有必要從資產端和負債端研究和度量商業(yè)銀行流動性風險。在綜合外部因素的基礎上，通過理論和實證兩個層面構建我國商業(yè)銀行流動性錯配指數（LMI），并對我國18家上市銀行的流動性風險進行度量、識別和壓力測試。研究表明：我國商業(yè)銀行流動風險存在異質性和時變性，LMI的壓力測試結果顯示，不同類型銀行壓力測試和抵御風險的能力具有顯著的異質性。為有效地管理和防范商業(yè)銀行流動性風險，需要嚴格控制流動性錯配程度，密切關注宏觀經濟形勢和資產價格的波動，并建立相應的風險監(jiān)測和管理機制。

關鍵詞： 流動性錯配;流動性錯配指數;流動性風險;壓力測試

中圖分類號：F830.33?文獻標識碼：?A?文章編號：1003-7217（2019）06-0016-08

一、引言

商業(yè)銀行是經營貨幣的特殊企業(yè)，其“短借長貸”的經營模式決定了流動性是商業(yè)銀行生存的基石，在此過程中必然伴隨著資產與負債結構錯配的現象[1]。隨著我國經濟、金融體制改革的不斷深入，我國商業(yè)銀行面臨的外部和內部微觀環(huán)境日益嚴峻和復雜，使得商業(yè)銀行期限和流動性錯配現象愈發(fā)復雜。由于期限錯配是商業(yè)銀行流動性風險形成的內在原因，因此，當前復雜的宏、微觀經濟形勢無疑加劇了商業(yè)銀行流動性風險。

商業(yè)銀行流動性風險具有沖擊破壞力大、不確定性高和傳染性強的特點，是“商業(yè)銀行最致命的風險”。而我國是銀行主導型的金融體系，商業(yè)銀行無論是在資源配置、服務實體經濟還是在風險防范方面都處于異常關鍵的位置。尤其是在全面深化金融體制改革和經濟增速放緩的背景下，防范金融風險是經濟工作的重中之重，2017年中央經濟工作會議指出“要把防控金融風險放到更加重要的位置……確保不發(fā)生系統性金融風險。”因此，在這一背景下研究商業(yè)銀行流動性性風險具有重要的現實意義。

商業(yè)銀行流動性風險一直是學界關注的熱點問題，目前關于商業(yè)銀行流動性風險的研究主要集中于傳統流動性風險的度量，而從流動性錯配角度的研究相對較少。因此，為了更加全面客觀地分析期限錯配、流動性錯配與流動性風險之間的關系，本文從兩方面對已有文獻進行梳理，一是期限錯配、流動性錯配與流動性風險之間的關系，二是對現有流動性度量方法進行梳理。

（一）期限錯配、流動性錯配與流動性風險

期限錯配理論最早來自于Morris（1976），他認為企業(yè)為了減少資產現金流與負債現金流不匹配帶來的風險，應將資產和債務的期限匹配起來，從而減少錯配帶來的不確定風險[2]。關于銀行期限、流動性錯配與流動性風險的關系最早可以追溯到Diamond和Dybvig（1983）提出的經典銀行擠兌模型D-D模型，該模型指出商業(yè)銀行具有將短期流動性負債轉化為非流動性資產的特點，并解釋了銀行流動性風險產生的根源，即在流動性轉化過程中產生的期限錯配和流動性錯配[3]。這一理論揭示了銀行危機的本質是由于流動性錯配導致的流動性不足進而引發(fā)擠兌的現象。流動性的錯配一方面是由于期限錯配所致;另一方面，是由資產和負債屬性的不同而導致期限能力的不同，因此，期限錯配本質上是一種流動性錯配[4]。

基于期限和流動性錯配的分析框架，國內外學者進行了大量的研究。如Rajan（2001）研究認為商業(yè)銀行資產負債的期限錯配會導致流動性風險[5]。Brunnermeier等（2011）認為流動性錯配水平可以用來度量銀行流動性風險[6]。基于這一思想，Banerjee（2012）、Giordana等（2013）以及Schmitt（2017）等從流動性錯配的角度分別論證了流動性錯配程度測度流動性風險的有效性[7-9]。國內學者大都延續(xù)這一思路，如裘翔（2015）研究認為期限錯配風險可能引發(fā)流動性風險，并用流動性錯配衡量了期限錯配程度[10]。彭建剛等（2014）、王一鳴和梁志兵（2015）以及易浩（2016）等從期限錯配的角度研究了銀行流動性風險[11-13]。

（二）商業(yè)銀行流動性風險度量

在流動性風險度量方面，目前存在三種主流的方法：（1）基于傳統指標的度量，一般包括靜態(tài)指標和動態(tài)指標。如流動性比率、存貸比、核心存款比率、流動性缺口、融資缺口、凈流動性頭寸以及美聯儲Jim Pierce提出的流動性指數等相關指標。這一方法主要是根據不同的資產分類和權重來測度不同的比率。在具體應用方面，Arora和Kohli（2018）從存貸比和流動性比率度量了流動性風險，并進一步研究了其與銀行所有權性質之間的關系[14]。鐘永紅和曹丹蕊（2013）根據流動性比率、核心負債率、流動性缺口等15個指標構建了流動性風險綜合評價模型[15，16]。2010年，Basel Ⅲ協議①雖然引入了LCR和NSFR指標，但該指標構成系數相對穩(wěn)定，不能及時反映市場變化，降低了該指數度量的時效性和準確性。（2）

基于現金流視角的度量。Driga（2012）基于資產負債表，并利用資金的流入、流出以及流動性資產的缺口來度量商業(yè)銀行流動性風險[17]。沈沛龍和閆照軒（2011）基于現金流和資產質量提出了凈流動性缺口等三個指標來刻畫商業(yè)銀行流動性風險的大小[18]。然而，他們均忽略了外部的影響，因此，Andren等（2012）在風險暴露的CFaR（Exposure-Based Cash-Flow-at-Risk）模型基礎上引入了宏觀因子變量用以測算現金流，并進一步利用VaR方法估計一般企業(yè)的流動性風險[19]。此后，Yan等（2014）、Fall和Viviani（2016）將CFaR方法應用到測度英國商業(yè)銀行的融資性流動性風險[20]。（3）基于VaR損失的流動性風險度量。Berkowit（2000）運用VaR模型度量了流動性風險，此后Garleanu和Pedersen（2007）、Varotto（2011）等在VaR的基礎上研究了商業(yè)銀行流動性風險[21-23]。由于VaR方法存在不滿足次可加性等缺陷，Acerbi和Tasche（2002）提出了風險的預期損失ES測度法 [24]。我國學者劉曉星和王金定（2010）、任慶華等（2013）也分別利用該方法對商業(yè)銀行流動性風險進行了度量[25，26]。李政等（2019）還從尾部視角將預期損失進行了拓展[27]。雖然ES方法克服了VaR的弊端，消除了尾部風險，但目前關于尾部風險缺少統一的計量方法。

綜上分析，可以發(fā)現傳統的比率法一方面忽略了外部環(huán)境的變化;另一方面，部分指標權重的設定主觀性較強，降低了該指數度量的時效性和準確性。流動性缺口法沒有考慮不同期限資產融資能力的差異，也忽略了資產質量的差異。CFaR方法雖然引入了外部宏觀經濟因子，但是其對資產和負債考察并不全面。總體而言，現有研究方法對流動性風險的考察相對比較單一，雖然從某一維度上測度了流動性風險，但是沒有充分利用資產負債表[28]，而且忽略了外部宏觀環(huán)境的變化，不能實時有效地反映商業(yè)銀行的流動性狀況。為克服這些問題，Brunnermeier等（2011）提出了流動性錯配指數（LMI），他認為商業(yè)銀行流動性風險應該同時考慮資產端的市場流動性和負債端的融資性流動性[6]。Bai等（2017）拓展了這一思想并全面構建了流動性錯配指數[29]。因此，本文在他們的基礎上，從期限錯配和流動性錯配的視角，通過建立動態(tài)遞歸模型，并綜合考慮期限因素和市場波動因素后，引入動態(tài)時變的權重因子來度量和研究我國商業(yè)銀行的流動性風險。并通過改進流動性錯配指數度量方法[6，29]，結合中國的實際情況，引入債券指數、資產價格指數等作為動態(tài)時變的權重因子，使得流動性錯配指數LMI能夠實時地反映商業(yè)銀行的流動性狀況。并在構建流動性錯配指數的基礎之上分別提出了單因子和多因子壓力測試方法，以便商業(yè)銀行和監(jiān)管機構及時發(fā)現商業(yè)銀行流動性風險的來源。

二、理論模型：流動性錯配指數的構建

（一）流動性錯配指數的構建思路和原理

流動性錯配指數（Liquidity Mismatch Index， LMI）是根據商業(yè)銀行資產負債的結構和差異，按照一定的權重對資產和負債進行加權，用以反映資產端和負債端流動性錯配水平的指數[6]。該指數反映了銀行或其他金融機構在壓力事件時資產變?yōu)椤艾F金等價物”的能力。為構建模型需要，假定商業(yè)銀行符合理性人假設，即符合“自身最優(yōu)假設”和“對手最優(yōu)假設”。基于此，構建商業(yè)銀行i的LMI如下：

（二）負債端LMI構建

三、我國流動性錯配指數的構建及度量

（一）樣本選擇及數據說明

由于非上市銀行數據存在較大缺失，所以，選取上市銀行作為研究對象。截至2017年一季度，共有24家A股上市銀行，考慮樣本數據的長短，剔除2016年上市的6家銀行，因此，選取其中的18家銀行作為研究對象，樣本期選擇為2006Q4—2017Q1。

所有銀行數據均來自BankScope，債券、股票以及銀行間同業(yè)拆借利率等相關金融數據均來自Wind，PMI指數、企業(yè)景氣指數、CPI指數以及房地產景氣指數等宏觀經濟數據來自國家統計局。在數據預處理方面，對日頻數據和月頻數據通過季度平均的方式轉化為季度數據。同時，為消除量綱影響，對時間序列進行標準化處理。

（二）資產端流動性權重的估計

根據我國的會計準則以及各類資產的流動性不同，結合我國商業(yè)銀行自身特點對商業(yè)銀行資產進行分類。

根據商業(yè)銀行資產的分類，結合市場運行狀況以及前面的理論基礎，對不同類型的資產賦予不同的流動性權重。一般而言，現金類資產可以進行直接變現，設其權重為1;固定資產、無形資產等不能在短期內變現，設其權重為0。其他類資產需要進行估算，雖然我國融資融券業(yè)務中有債券的折算率，但是該折算率有上下限規(guī)定，并且期限較短，因此，不能全面有效地反映不同市場的整體情況。鑒于此，結合Krishnamurthy等（2015）[30]關于權重（1-折扣率）測算方法，根據資產標的采取相應的價格指數或者景氣指數作為權重估算的基準。具體而言，黃金類選擇黃金指數;債券類選擇中證綜合、企業(yè)債、國債、金融債指數;房地產及抵押類貸款選擇國房景氣指數;企業(yè)商業(yè)貸款選擇PMI和企業(yè)景氣指數;消費和零售貸款選擇消費者信心和消費價格指數;結構性產品和權益類（股票）選擇滬深綜合指數;融資成本選擇shibor-tbill。

（三）負債端流動性權重的估計

商業(yè)銀行負債即商業(yè)銀行資金來源，主要包括自有資金和吸收的外部資金兩部分。自有資金又稱權益性資金，外部資金主要包括吸收存款、向中央銀行借款、同業(yè)拆借、金融債券等其他形式的各種籌資，其中吸收存款是最主要的負債。

負債端流動性權重是期限與利差的函數，反映了市場流動性的稀缺程度[30]。國外學者一般采用LIBOR、Tbill和OIS兩兩之差作為流動性溢價的度量[32]。因此，本文采用3個月期銀行間同業(yè)拆借利率與國債收益率利差作為基準，并結合時間期限對不同期限的負債賦權，估算負債影響因子。

（四）我國商業(yè)銀行流動錯配指數（LMI）度量結果分析

1. 描述性統計分析。根據構建的理論模型以及商業(yè)銀行資產負債表，分別構建18家上市商業(yè)銀行在2006Q4-2017Q1期間的LMI指數。將其分為三組，第一組為5家大型國有商業(yè)銀行（LMIsb），第二組為8家股份制商業(yè)銀行（LMIjb），第三組為5家城市商業(yè)銀行（LMIcb）。基本統計量見表1。

表1展示了18商業(yè)銀行流動性錯配的描述性統計，結果顯示不同銀行LMI指數各不相同，流動性錯配情況差異較大。從2006年四季度以來，上市商業(yè)銀行的流動性錯配指數并未出現系統性的顯著負值，僅僅是少數幾家銀行有負值出現，商業(yè)銀行流動性的異質性特點突出。從分組情況來看，大型國有商業(yè)銀行的流動錯配指數均值明顯高于股份制商業(yè)銀行和城商行，表明大型商業(yè)銀行的流動性狀況要優(yōu)于股份制商業(yè)銀行和城商行。大型國有商業(yè)銀行平均流動性錯配指數為1400.29，股份制商業(yè)銀行為117.78，城商行為93.47。

2. 我國商業(yè)銀行LMI度量結果分析。根據構建的LMI指數，將18家商業(yè)銀行的LMI進行匯總，得到銀行業(yè)的LMI指數（見圖1）。結果顯示，18家商業(yè)銀行流動性錯配水平在樣本期內僅在2008年四季度小于0，呈現出流動性不足現象，規(guī)模約為-0.8萬億人民幣，表明18家商業(yè)銀行該時期內存在一定的流動性壓力。另外，在2013年二季度以及2016年一季度，分別呈現出相對的低點，雖然LMI并沒有小于0，但這也在一定程度上表明該時點上銀行業(yè)面臨著不同程度的流動性壓力。

圖2展示了分組情況下的流動性錯配水平，結果顯示，5家國有大型商業(yè)銀行的LMI指數顯著高于股份制商業(yè)銀行和城商行，并且只有股份制商業(yè)銀行在2008年四季度的LMI指數顯著小于0，說明該時點股份制商業(yè)銀行存在顯著的流動性不足問題。

，削弱了橫向的可比性，因此，進一步考察單位資產的流動性敞口比率（LMI/總資產）來分析各組銀行的流動性狀況（如圖3和圖4）。結果顯示，大型國有商業(yè)銀行、股份制商業(yè)銀行以及城商行流動性敞口占比平均水平分別為9.21%、6.61%、10.72%，銀行業(yè)流動性敞口占比平均水平為8.73%。從度量結果來看，三組銀行流動性敞口比率平均值均為正，并且國有大型商業(yè)銀行最大，城商行次之，股份制商業(yè)銀行最小，表明我國銀行業(yè)潛在流動性風險較低。與此同時，從三組銀行分類來看，僅有股份制商業(yè)銀行低于行業(yè)平均水平，表明股份制商業(yè)銀行潛在流動性風險相對較大。

根據LMI缺口程度顯示，在2008年四季度，銀行業(yè)LMI缺口資金占總資產的比例約為-1.87%，股份制商業(yè)銀行LMI缺口占比高達-24.97%，而同時期的城商行僅為10.16%。可見，無論在規(guī)模上，還是在比例上，股份制商業(yè)銀行的潛在壓力程度都要高于國有大型商業(yè)銀行和城商行。

從流動性風險形成原因來看，銀行業(yè)在2008Q4、2013Q2、2014Q3、2016Q1存在流動性風險均有其特定的原因。尤其是2008年四季度，受全球金融危機影響，我國商業(yè)銀行也出現了不同程度的流動性風險，銀行業(yè)流動性錯配缺口達2萬億。雖然在2013Q2、2014Q3、2016Q1時點尚無資金缺口，但是都處于相對低谷位置，存在潛在的流動性風險。2013年二季度銀行業(yè)流動性處于階段性低點，主要是受光大銀行與興業(yè)銀行債券違約“黑天鵝”事件影響，導致“銀行錢荒”。受此事件影響，銀行業(yè)流動性趨于緊張，出現階段性潛在流動性風險。2014年三、四季度商業(yè)銀行流動性緊張的原因之一是受到政府宏觀調控的影響，土地出讓減緩并影響到地方政府融資平臺的償還能力。與此同時，房地產業(yè)不景氣，房價連續(xù)六個月下跌進一步加劇了銀行的潛在流動性風險。2015年二季度直到2016年一季度，流動性先是上升，然后急轉直下，進入流動性緊張階段，主要是受2015年“股災”事件影響。由于杠桿資金大規(guī)模入市，推動股票等金融資產價格持續(xù)上漲。當股市下跌時，在杠桿效應和資產聯動效應作用下，加速了股市的非理性下跌[33]，并引發(fā)了包括債券、基金、期貨等其他金融資產的下跌，降低了商業(yè)銀行資產價值，從而對銀行的流動性形成一定沖擊。

（五）我國商業(yè)銀行流動性風險壓力測試

壓力測試與商業(yè)銀行流動性風險管理具有天然的匹配性[34]。壓力測試在一定程度上反映了流動性風險以及面臨流動性沖擊時銀行系統的穩(wěn)定程度，還可以作為銀行的風險預警指標[29]。2008年金融危機后，各國為加強流動性管理，逐步重視流動性壓力測試。

當商業(yè)銀行面臨外部沖擊時，市場會通過時變影響因子影響商業(yè)銀行的流動性，因此，本文通過捕捉影響因子的變動來考察LMI的變化，進而對商業(yè)銀行的流動性風險進行壓力測試。同時，仍將銀行分為國有大型商業(yè)銀行、股份制商業(yè)銀行以及城商行三組，并在1σ、1.5σ、2σ和3σ情境下分別對每組銀行進行壓力測試，壓力測試結果如圖5～8所示。

壓力測試結果顯示，銀行業(yè)及三組銀行分別在2008年四季度、2013年二季度和2016年一季度出現顯著的流動性缺口，該時間點分別對應了2008年金融危機、2013年“錢荒”事件以及2016年股市熔斷暴跌三個重大事件。表明基于流動性錯配指數的壓力測試有效地捕捉了商業(yè)銀行流動性壓力事件。

四、結論及建議

以上基于商業(yè)銀行資產負債表，結合動態(tài)市場因子構建了商業(yè)銀行流動性錯配指數（LMI），考量了市場流動性和融資性流動性;同時，構建了我國18家上市商業(yè)銀行在2006Q4-2017Q1期間的流動性錯配指數（LMI），并分析其流動性風險，結果顯示：（1）構建的流動性錯配指數能夠適時準確地捕捉和刻畫我國商業(yè)銀行的流動性水平，及時反映金融危機、錢荒以及2015年股災對銀行業(yè)流動性的沖擊。（2）無論是從流動性錯配缺口規(guī)模，還是從流動性錯配風險占總資產的比例來看，股份制商業(yè)銀行的流動性風險最高，相對風險最小的是國有大型商業(yè)銀行。（3）壓力測試捕捉了重要事件對商業(yè)銀行流動性的沖擊程度以及銀行潛在的流動性風險水平，而且股份制商業(yè)銀行、城商行和大型國有商業(yè)銀行應對風險的能力存在明顯的差異。

鑒此，提出如下政策建議：（1）從商業(yè)銀行的角度來看，一方面，商業(yè)銀行應加強內部管控，提升創(chuàng)新能力以嚴格控制期限錯配程度，降低潛在的流動性風險;另一方面，商業(yè)銀行還應關注宏觀經濟形勢和市場資產價格的波動，防止其對商業(yè)銀行流動性產生沖擊。（2）從監(jiān)管的角度來看，一方面，監(jiān)管層應綜合考慮商業(yè)銀行不同類型的流動性風險，并構建更加全面、合理的流動性風險監(jiān)管體系，嘗試將LMI作為流動性日常監(jiān)管工具;另一方面，在構建LMI的基礎上，監(jiān)管層應建立微觀和宏觀層面的壓力測試和預警機制，以有效地防控流動性風險。

注釋：

①?《Basel III：流動性風險計量、標準和監(jiān)測的國際標準》。

② 從監(jiān)管者的角度考慮，可以將該成本看做是商業(yè)銀行在貼現窗口的貼現成本。

③ 基于以上LMI構建方法，可以構建單一銀行和銀行業(yè)兩個層面的LMI，本文從微觀和宏觀兩個層面評估銀行業(yè)抗風險的能力。微觀層面是對單一銀行的流動性狀況進行壓力測試，宏觀層面則是對銀行業(yè)系統進行壓力測試。

參考文獻：

[1]?Corneit M M， McNutt J J， Strahan P E， et al. Liquidity risk management and credit supply in the financial crisis[J]. Journal of Financial Economics， 2011， 101（2）： 297-312.

[2] Morris J R. On corporate debt maturity strategies[J]. Journal of Finance， 1976， 31（1）： 29-37.

[3] Diamond D W， Dybvig P H. Bank runs， deposit insurance， and liquidity[J]. Journal of Political Economy， 1983， 91（3）： 401-419.

[4] 費方域，江鵬. 巴塞爾協議還是貨幣政策？——銀行業(yè)流動性監(jiān)管的政策選擇[J]. 現代管理科學， 2012（3）： 24-26.

[5] Rajan R S. Banks， maturity mismatches and liquidity crises： a simple model[R]. Working Papers， 2001.

[6] Markus K B， Gorton G， Krishnamurthy A. Risk topography[J]. NBER Macroeconomics Annual， 2012， 26（1）： 149-176.

[7] Banerjee R N. Banking sector liquidity mismatch and the financial crisis[R]. Working Papers， 2012.

[8] Giordana G A， Schumacher I. Bank liquidity risk and monetary policy：empirical evidence on the impact of Basel III liquidity standards[J]. International Review of Applied Economics， 2013， 27（5）： 633-655.

[9] Schmitt E. Liquidity gap report for stress testing structural liquidity risk[J]. International Journal of Financial Management， 2017， 7（4）：44-53.

[10]裘翔. 期限錯配與商業(yè)銀行利差[J]. 金融研究， 2015（5）： 83-100.

[11]彭建剛，王佳，鄒克. 宏觀審慎視角下存貸期限錯配流動性風險的識別與控制[J]. 財經理論與實踐， 2014， 35（4）： 2-8.

[12]王一鳴，梁志兵. 期限錯配， 流動性危機和資產價格——理論模型和數值模擬[J]. 南方金融， 2015（3）： 21-26.

[13]易浩. 從期限錯配看商業(yè)銀行流動性風險[J]. 金融經濟， 2016（6）： 19-23.

[14]Arora A， Kohli H K. Liquidity risk and asset-liability management： a comparative study of public and private sector banks[J]. IUP Journal of Applied Finance， 2018， 24（4）：18-23.

[15]鐘永紅，曹丹蕊. 中國上市銀行流動性風險綜合評價[J]. 金融論壇， 2013 （1）： 15-19.

[16]劉志洋，宋玉穎. 商業(yè)銀行流動性風險與系統性風險貢獻度[J]. 南開經濟研究， 2015， 1（1）：131-143.

[17]Imola D. Financial risks analysis for a commercial bank in the romanian banking system[J]. Annales Universitatis Apulensis： Series Oeconomica， 2012， 14（1）： 164.

[18]沈沛龍，閆照軒. 商業(yè)銀行流動性缺口管理的改進方法及實證分析[J]. 金融論壇， 2011， 16（3）： 10-15.

[19]Andrén N， Jankensgrd H， Oxelheim L. Exposure-based cash-flow-at-risk： an alternative to VaR for industrial companies[J]. Journal of Applied Corporate Finance， 2005， 17（3）： 76-86.

[20]Fall M， Viviani J L. A new multi-factor risk model to evaluate funding liquidity risk of banks[J]. European Journal of Finance， 2016， 22（11）： 985-1003.

[21]Berkowitz J. Incorporating liquidity risk into value-at-risk models[J]. Journal of Derivatives， 2000，5：32-44.

[22]Garleanu N， Pedersen L H. Liquidity and risk management[J]. American Economic Review， 2007， 97（2）： 193-197.

[23]Varotto S. Liquidity risk， credit risk， market risk and bank capital[J]. International Journal of Managerial Finance， 2011， 7（2）： 134-152.

[24]Acerbi C， Tasche D. On the coherence of expected shortfall[J]. Journal of Banking & Finance， 2002， 26（7）： 1487-1503.

[25]劉曉星，王金定. 我國商業(yè)銀行流動性風險研究——基于 Copula 和高階 ES 測度的分析[J]. 廣東商學院學報， 2010， 25（5）： 26-33.

[26]任慶華，陳平，李科. 商業(yè)銀行流動性風險的信貸維度分解： 模型與實證[J]. 金融經濟學研究， 2013（2）： 120-128.

[27]李政，梁琪，方意. 中國金融部門間系統性風險溢出的監(jiān)測預警研究——基于下行和上行ΔCoES指標的實現與優(yōu)化[J]. 金融研究， 2019（2）：40-58.

[28]Hanson S G， Shleifer A， Stein J C， et al. Banks as patient fixed-income investors[J]. Journal of Financial Economics， 2015， 117（3）： 449-469.

[29]Bai J， Krishnamurthy A， Weymuller C H. Measuring liquidity mismatch in the banking sector[J]. Journal of Finance， 2018， 73（1）： 51-93.

[30]Krishnamurthy A， Vissing-Jorgensen A. The impact of treasury supply on financial sector lending and stability[J]. Journal of Financial Economics， 2015， 118（3）： 571-600.

[31]Hutton A P， Marcus A J， Tehranian H. Opaque financial reports， R2， and crash risk[J]. Journal of Financial Economics， 2009， 94（1）： 67-86.

[32]Gallitschke J， Seifried S， Seifried F T. Interbank interest rates： funding liquidity risk and XIBOR basis spreads[J]. Journal of Banking & Finance， 2017， 78：142-152.

[33]Praet P， Herzberg V. Market liquidity and banking liquidity： linkages， vulnerabilities and the role of disclosure[J]. Banque de France Financial Stability Review， 2008（2）：95-109.

[34]Matz L， Neu P. Liquidity risk measurement and management： a practitioner's guide to global best practices[M]. John Wiley & Sons， 2006.

（責任編輯：寧曉青）