投鼠要忌器嗎？
——資管新規對銀行流動性創造的規制效應實證研究

孫建軍 張小溪 李美璇 劉志峰

一、引 言

為落實黨中央與國務院關于打好防范化解重大風險攻堅戰的決策部署，促進統一的資管產品的監管標準，中國人民銀行聯合中國銀行保險監督管理委員會、中國證券監督管理委員會與國家外匯管理局（即“一行兩會一局”），于2018年4月27日正式對外發布實施《關于規范金融機構資產管理業務的指導意見》（即“資管新規”）。資管新規試圖通過對從事資產管理業務的金融機構實施統一規制標準達到防控風險、服務實體經濟的目的。

資管新規推出之前，中國資產管理業務表現出典型的銀行為中心的通道模式，資管新規的執行必然會影響銀行經營行為。現代金融中介理論認為銀行得以存在是因為銀行承擔流動性創造與風險轉換這兩個不可替代的重要角色（Berger and Bouwan，2009），現有理論與實證研究（如，Levine et al., 2000；Berger and Sedunov，2017；Donaldson et al., 2018）表明銀行通過流動性創造使本不可行的正凈現值投資項目變得可行，從而提高資本配置效率并最終對經濟增長產生積極影響。因此，事實導向提出一個需要回答的問題，即擲向資產管理亂象的統一規制這塊石頭是否及如何影響銀行流動性創造這個玉盂。

在資管新規過渡期內的2020年1月爆發的新冠疫情COVID-19對中國及全球經濟造成了史無前例的持續沖擊與重創。基于此，經國務院同意，央行會同發改委、財政部、銀保監會、證監會與外匯局審慎研究后決定提出資管新規“過渡期適當延長+個案處理”的政策安排，過渡期延后一年至2021年底。并且，中國人民銀行于2020年7月31日就資管新規這一規制政策以答記者問的方式進行公開、專門與全面溝通。資管新規過渡期內COVID-19持續沖擊與重創經濟的嚴峻現實場景下，經濟快速恢復的客觀要求進一步提出對資管新規是否及如何影響銀行流動性創造這個問題進行研究的急迫需要。如果規制資管亂象的新規石頭破壞銀行流動性創造功能，則資管新規政策可能需要作重大調整，以促進COIVD-19持續沖擊下中國乃至全球經濟全面重啟、恢復與開放，在防控金融風險與服務經濟實體這兩個方面進行科學平衡。

在2018年4月27日正式發布實施資管新規之前，一行兩會一局于2017年11月17日提出資管新規征求意見稿。意見稿明確定義了資管業務產品分類，提出了通道打破、非標界定、資金池規范等規制要求。按資產規模計，銀行在中國資管業中居核心地位，上述規制要求對銀行未來的發展會產生深遠影響（魏驥遙，2017）。正式發布實施的資管新規是中國資產管理業的綱領性文件，資金池規范、多層嵌套禁止、非標控制、剛兌打破與凈值化管理等措施的嚴格實施將重塑資管行業格局（趙偉，2018）。邵宇和陳達飛（2018）認為影子銀行是理解中國過去10年宏觀經濟、金融風險與政策制定的核心邏輯，資管新規打中了中國式影子銀行的“七寸”。鐘正生（2018）預判了資管新規下金融機構的行為變遷方式，認為銀行等金融資管機構在過渡期初期可能會調整資產端，在過渡期后期及后時代會調整負債端，提出資管新規“過渡期”與“后時代”的貨幣政策構想。胡群（2021）認為資管新規發布三周年，資管行業亂象得到了有效遏制，影子銀行風險顯著收斂，資管業務逐漸回歸本質。彭俞超與何山（2020）認為2018年的資管新規抑制中國影子銀行活動，他們基于一個內生的融資約束異質性企業模型，得出了資管新規提高經濟發展質量的同時也會因監管模式導致經濟成本的結論。

銀行用流動性較強的負債為流動性較差的資產提供融資方式，也通過貸款承諾或者備用信用證等為企業有效地發展與修改長期投資策略進行表外流動性創造（Holmstrom and Tirole, 1998; Kashyap et al., 2002）。在Berger and Bouwman（2009）開創性地提出銀行流動性創造的綜合測度之前，銀行流動性創造基本是理論上的一個概念。自Berger and Bouwman（2009）之后，與銀行流動性創造相關的實證研究逐漸成為一個熱點。現存關于銀行流動性創造的實證研究主要表現為兩股文獻。一股文獻圍繞銀行流動性創造的決定因素展開。這些決定因素可分為兩類：銀行個體特征與宏觀經濟環境。與銀行個體特征有關的因素包括規模與資本（Berger and Bouwman, 2009）、財務協迫（Cornett et al., 2011）、超額貸款及不良率（錢崇秀等，2018）、競爭環境（Jiang et al., 2019）、同業期限錯配（項后軍和曾琪，2019）等。與宏觀經濟環境有關的因素有貨幣政策（李明輝等，2014；Berger and Bouwman, 2017; 郭曄等，2018）、政府監管及干預（Duchin and Sosyura, 2014；呂思聰，2018）、不確定的經濟政策（Berger et al.，2020；田國強和李雙建，2020）等。另一股文獻是圍繞銀行流動性創造的效應展開。如對經濟增長的影響（Levine et al., 2000；Berger and Sedunov，2017；Donaldson et al., 2018）、對風險與金融危機的影響（Berger and Bouwman, 2017；項后軍和曾琪，2019；Hsieh and Lee, 2020；Zhang et al., 2021）等。

盡管圍繞銀行流動性創造的實證文獻在迅速增加，但現存文獻并沒有對從事資產管理業務的金融機構的統一規制如何影響銀行流動性創造這一主題展開研究，本文嘗試填補這一文獻缺失。自資管新規正式發布至今的兩年數據積累為這一研究提供了前提條件。本文受Berger and Bouwman （2009）銀行流動性創造計算的三步程序的啟發，收集整理2006到2019年161家銀行的微觀財務數據，基于中國場景計算銀行流動性創造。本文實證發現資管新規在經濟與統計上均顯著地提升了銀行總流動性創造。進一步對銀行總流動性創造進行分解，本文發現資管新規促進銀行總流動性創造主要依靠銀行表內與資產這兩部分的流動性創造能力，而不是銀行負債、權益及表外流動性創造。另外，本文還發現銀行規模與銀行流動性創造顯著負相關，銀行風險承擔與銀行流動性創造顯著正相關，在解釋銀行流動性創造的變化時，銀行規模比風險承擔更重要。上述實證結果表明，擲向資管亂象這只老鼠的新規石頭，提升了銀行流動性創造，使銀行流動性創造這個玉盂更加明亮。

本文學術上的邊際貢獻主要體現在如下兩個方面：第一，當前文獻缺失對從事資管業務的金融機構的統一規制如何銀行流動性創造的研究，本文彌補了這一缺失。Distinguin et al.（2013）實證考察銀行資本規制對銀行流動性創造的影響，Duchin and Sosyura（2014）討論的是政府通過對銀行不良資產緩舒幫助及干預對銀行流動性創造的影響，呂思聰（2018）研究的則是銀行資本監管與存貸比監管對銀行流動性創造的影響。盡管本文的研究屬于政府規制如何影響銀行流動性創造這股文獻脈絡，但本文基于對從事資產管理業務的包含銀行、證券、保險、基金及信托等金融機構在內的統一的資產管理規制的視角討論銀行流動性創造，明顯區別于現存研究，其結論不但補充與豐富了銀行流動性創造領域的發現，而且為后續的金融機構統一規制對銀行流動性創造的影響提供參考依據。第二，本文通過對中國的銀行影子規制的討論補充了影子銀行規制效應的認知全系圖譜。全球各個國家都會基于自身影子銀行發展特征制定最優規制方案，對影子銀行特征、規制及其效果的認知全系圖譜中需要不同的影子特征下的規制效應認知。如美國影子銀行活動表現為經紀人—交易商為媒介、短期批發融資與證券化特征（Adrian et al., 2015），而中國影子銀行活動在2018年資管新規推出之前表現出以銀行為中心通道的銀行影子特征（孫國峰和賈君怡，2015；王喆等，2017；Chen et al., 2020），本文討論的資管新規實質上是針對新規前銀行影子活動的規制設計，研究結論為如何抑制影子活動但又不傷害實體經濟活動提供經驗證據。

本文余下部分設計如下：第二部分對資管新規進行解析之后提出一個假設，第三部分說明數據、設定模型與定義變量，第四部分報告并分析實證結果，第五部分作穩健性再考察與進一步討論，最后是結論。

二、資管新規解析與假設提出

資管新規包括二十九個條款，破除通道、凈值化、打破剛兌、約束非標債權資產、化解多層嵌套與規范資金池等內容是其最為核心的內容（彭俞超和何山，2020）。本文先把這些核心的新規內容分為兩部分解析，之后，基于這兩個解析提出一個研究假說。

解析之一 2018年4月27日正式發布資管新規之前，中國資管業表現出以銀行為中心的通道模式，從最初銀信、銀證、銀基與銀保等發展到最后的銀銀通道模式（王喆等，2017；趙偉，2018）。資管新規明確提出打破以銀行為中心的通道模式，此舉措必將引起資金的選擇與分流，資金或選擇流入銀行，或選擇流入信托、券商、基金與保險等從事資產管理業務的其他非銀行金融機構。資管新規提出的凈值化及以凈值化為基礎的打破剛性兌付則進一步刺激不同投資目標及不同風險態度的投資者加速上述資金的選擇與分流。

如果上述關于資管新規破除通道、凈值化與打破剛性兌付的解析邏輯上成立，則因資金的選擇與分流，從事資管業務的金融機構的資產規模會表現出顯著變化。2018年4月27日至2020年底的這三年過渡期是觀察資管新規規制下資金選擇與分流的一個有效與合理窗口。唐郡（2020）發現信托資產規模自2018年以來連續三年融資類信托環比下降近5 000億元；周炎炎（2021）發現通道業居多的事務管理類信托余額三年間降幅達39.3%，證券期貨經營機構通道業務所在的定向資管產品余額三年降幅達到49.5%。這一系列發現可能是資管新規下資金選擇與分流的結果。

基于Berger and Bowman（2009）銀行流動性創造定義及計算公式，在其他條件不變的情況下，如權重分配不變，表內外各科目的資金占比不變，流入銀行體系的資金越多，則銀行流動性創造水平越高。如果上述融資類信托資產規模與證券期貨定向資管產品余額連續三年大幅下降的發現是破除通道規制下資金選擇流入銀行之結果，則有理由預期資管新規提升銀行流動性創造。

解析之二 資管新規明確認定非標債權資產，嚴格限制資產管理底層資產中非標債券投資比例（趙偉，2018；彭俞超和何山，2020）。銀行表外理財的底層非標資產由于不滿足資管新規的認定與限制要求，銀行需要資管新規透明監管要求下作表內調整，選擇與部分標準化債券等資產對接，如貸款、同業放貸與購買信用債等。另外，通道資金之外的新流入資金直接由銀行負債與權益入表經信用轉換、期限轉換與流動性轉換后在資產端也創造流動性。在化解多層嵌套與規范資金池運作的新規規制下，對接非標資產的銀行表內標準化債券與債務等依風險本質計量更高風險權重，則銀行資本比例會下降。

如果上述關于資管新規非標約束、多層嵌套化解、資金池規范與穿透式監管的解析在邏輯上成立，則銀行會表現出資本金補充的客觀需要。本文發現國務院金融穩定發展委員會于2018年12月25日研究并鼓勵多渠道支持商業銀行補充資本。而且，在該政策指引下，截止到2020年底，銀行持續不斷地運用各種工具，如定增、配股、優先股、可轉債、二級資本債、永續債及最近的地方專項債補充自身總資本，調整總資本結構。上述發現可能反映非標約束、多層嵌套化解、資金池規范與穿透式監管等資管新規要求下銀行資本比例下降后銀行多渠道尋求資本金補充的客觀需要。

給定其他條件，如權重分配不變、流入銀行的資金量不變，銀行表內外各科目的變化及調整會導致銀行流動性創造變化，資產與負債端不同的流動性創造能引起銀行總流動性創造水平變化（Berger and Bouwman, 2009；Berger et al., 2017）。如果上述銀行多渠道持續資本補充的發現是非標資產經期限與流動性轉換顯形化為標準化債券與債務等資產后計量更高風險權重要求的結果，則有理由預期資管新規提升銀行流動性創造。

綜合上述對資管新規核心內容的兩個解析，本文有理由提出一個研究假設：一行二會一局于2018年4月27日正式發布實施的資管新規顯著地提升了銀行流動性創造。

三、數據說明、模型設定與變量定義

（一）數據說明

本文涉及兩類原始數據，一類是銀行財務報表數據。其來自于BankScope中國大陸商業銀行財務報表數據庫；另一類是宏觀經濟數據。GDP增速等來自于各年度的《中國統計年鑒》，M2增速與貸款基準利率等來自于各年度的《中國金融統計年鑒》。本文對初始樣本作如下處理：①剔除政策性銀行；②并購前，所有銀行單獨進入樣本，并購后，一家銀行進入樣本；③對財務數據連續變量，做1%與99%的winsorize處理。本文最終使用2006到2019年間161家銀行的非平衡年度面板數據，這其中包括：5家大型國家控股商業銀行，12家全國股份制商業銀行，105家城市商業銀行，39家農村商業銀行，樣本觀察值總數為1 258。表1報告了銀行數年度分布信息。由表1知，本文的非平衡面板數據時間維度上銀行不連續，從而銀行數年度最大值是2017年的159家，并非樣本中全部銀行數161家。

表1 銀行數年度分布

（二）模型設定

資管新規影響銀行流動性創造的主模型為如下面板數據事件研究設定：

這里，是用資產調整后的銀行流動性創造；是資管新規事件虛擬變量，2018與2019年定義為1但其他年份為0；是控制變量向量，包括銀行個體特征與宏觀經濟環境兩類控制變量，分別是用風險加權資產調整后的權益刻畫的銀行資本充足率水平，經國內生產總值平減指數調整至樣本基年2006后取自然對數的銀行規模，用風險加權資本強度刻畫的銀行風險承擔，用指數刻畫的銀行競爭水平，用增速刻畫的貨幣政策，用國內生產總值的增速刻畫的經濟周期；為克服不可觀測不隨時間變化的變量導致的內生，本文作固定效應設定，代表個體固定效應，ε是誤差項。受Berger and Bouwman（2009）的啟發，為減輕內生性的影響，除資管新規外的所有解釋變量滯后1期。

（三）銀行流動性創造的定義及計算

本文基于中國場景，順著Berger and Bouwman（2009）三步程序法設計銀行流動性創造的計算。首先，分別計算表內與表外銀行流動性創造；然后，對表內與表外流動性創造進行加總，計算銀行總流動性創造。

本文銀行流動性創造的計算與現存國內文獻并不完全一致。這主要體現在銀行流動性創造的計算過程中數據來源上的不一致導致會計科目報告與處理上的差異。本文數據來源于Bankscope，使用的2006到2019年間161家銀行的非平衡年度面板數據，國內文獻，如，郭曄等（2018）的數據來自于ChinaScope，使用2003到2014年的97家中國商業銀行非平衡的年度面板數據；再如，項后軍和曾琪（2019）的數據來自于wind及相應財報，使用2011到2018年16家上市銀行的非平衡的季度數據。郭曄等（2018）與項后軍和曾琪（2019）的數據庫報告會計科目貴金屬這一項并出現在非流動性資產科目下，但本文的BankScope將貴金屬放在交易性資產下，因此并不報告貴金屬。在處理同業科目時，考慮到同業與工商業貸款在流動性、到期時間與成本等方面存在顯著差異，本文順著Berger and Bouwman（2009）的處理方式將其放在半流動性科目下，而國內文獻，如，郭曄等（2018）與項后軍和曾琪（2019）等則放在非流動性科目下。另外，除了計算表內銀行流動性創造及總流動性創造之外，本文還計算了表外銀行流動性創造，將表內流動性創造進一步分解成資產流動性創造、負債流動性創造、負債與權益流動性創造等。

四、實證結果及其分析

（一）變量概要性統計

表2給出了混合數據結構下變量描述性統計特征。本文的銀行總流動性創造均值是0.145，略小于項后軍和曾琪（2019）的0.182。除表外流動性創造最小值0.001外，其他五類流動性創造都存在最小值為負的情形，這與現存文獻，如項后軍和曾琪（2019）發現銀行流動性創造被破壞的情形一致。的平均值為0.072；銀行年度規模最小、最大與均值分別為16.680、23.637與19.156，表現出規模上顯著的異質性；風險承擔均值為0.657；COMP在最小值0.004與最大值0.060之間變化，反映銀行市場勢力存在顯著的年度銀行差異。

表2 混合數據結構下變量描述性統計特征

圖1給出了面板數據結構下各類流動性創造的行業均值年度變化。現存文獻（郭曄等，2018；項后軍和曾琪，2019；田國強和李雙建，2020）并沒有報告銀行流動性創造行業均值年度變化，故本文選擇與Berger and Bouwman（2009）比較。本文銀行總流動性創造定義及計算類似于Berger and Bouwman（2009）流動性創造主測度cat fat，cat fat行業均值于1993到2003年間在0.21到0.41之間變化。本文銀行總流動性創造基于2006到2019年，行業年度均值在0.074 6到0.307 4之間變化。六類銀行流動性創造中，總流動性創造、表內流動性創造與資產流動性創造行業均值年度變化表現出相同趨勢，先持續緩慢下降，然后在2018年開始上升。表外、負債、負債與權益的銀行流動性創造行業均值年度變化則一直相對平緩，在0.10上下波動。銀行資產流動性創造行業年度均值在2016與2017年度是負值，存在行業層面銀行資產流動性創造被破壞的情況。

（二）資管新規對銀行總流動性創造影響的回歸結果及其分析

表3報告了資管新規對銀行總流動性創造影響的回歸結果。表3除報告控制變量滯后1期的主模型（1）的實證結果之外，作為對照，還報告了同期與均值回歸兩組模型的結果。這三組模型均為非平衡面板數據下的個體固定效應設定。

圖1 面板數據結構下銀行流動性創造均值異質性

表3 資管新規對銀行流動性創造影響的回歸結果

無論是否包括反映宏觀經濟環境的貨幣政策與經濟周期控制變量，表3滯后1期與同期模型下資本充足率系數估計值均為正卻并不顯著，這表明資本充足率對銀行流動性創造并沒有統計上顯著的影響，銀行資本對銀行流動性創造的影響并不存在顯著的風險吸收或金融脆弱擠出效應，這與郭曄等（2018）在考察貨幣政策與同業業務對銀行流動性創造影響時發現資本金融脆弱擠出效應的結論不一致。銀行規模的系數估計值在最大值-0.069與最小值-0.122之間變化，在1%或10%的顯著性水平上顯著。這表明規模與銀行流動性創造顯著負相關，這一結論與Berger and Bouwman（2009）在考察流動性決定因素時的發現一致。以風險加權資本占比刻畫的系數估計值變化幅度在最小的0.251到最大的0.346之間，均在1%的顯著性水平上顯著，這表明銀行前期或當期承擔的風險越大，則銀行總流動性創造水平越高。以滯后1期的主回歸模型為例，方程④中與的標準化回歸系數分別是-0.752（-0.069 × 1.523 / 0.140）與0.205（0.300× 0.095 / 0.140），方程⑤中的標準化系數分別是-1.113與0.171。這兩組標準化系數一致表明，盡管規模與銀行風險承擔顯著地以相互相反的方向影響銀行總流動性創造，但相較于銀行風險承擔而言，銀行規模主導銀行總流動性創造的變化。

（三）銀行總流動性創造的分解及影響渠道考察

本文接下來將銀行總流動性創造分解，從而在無法獲取每一筆資金入表后的跟蹤數據條件下，基于表內、表內的資產、負債、負債與權益、表外等五個大的會計科目探究資管新規影響銀行總流動性創造的渠道。為此，本文將主模型（1）中的被解釋變量分別置換成經資產調整后的資產流動性創造、負債與權益流動性創造、負債流動性創造、表內流動性創造與表外流動性創造。表4報告了這五組回歸的結果，每組回歸下包括滯后1期與同期兩種設定。

資產組滯后1期設定下系數估計值為0.059，在1%的顯著性水平上顯著，同期模型系數估計值為0.064，也在1%的顯著性水平上顯著。表內組滯后1期與同期模型的系數估計值分別是0.064與0.069，均在1%的顯著性水平上顯著。五組回歸中負債與權益組、負債組、表外組下滯后1期與同期模型的系數估計值均為正，在最大值的0.008與最小值的0.004之間變化，經濟顯著性遠小于資產與表內組。而且，即使在10%的顯著性水平上也不能拒絕資管新規不創造各自流動性的原始假設。上述實證結果表明資管新規通過銀行表內及其資產這兩部分影響銀行流動性創造，表內的負債、負債與權益及表外渠道的作用并不顯著。這一實證結論表明兩點：第一，通道抑制下通道資金流入銀行表內后資產對接，接受非標債券投資、比例限制與穿透式監管約束后顯著地創造銀行流動性；第二，新規下負債流動性創造、負債與權益流動性創造兩者并不顯著，這表明資管新規前后資金經負債與權益流入銀行后流動性創造能力不足。資管新規對銀行總流動性創造的顯著促進主要通過表內與資產流動性創造的提升實現，這一統計上的結論間接支持了圖1中僅資產、表內流動性創造年度均值與總流動性創造年度均值幾乎一致的變化趨勢。銀行資產經濟與統計上顯著地創造流動性這一實證結論似乎間接印證了鐘正生（2018）基于新規下銀行行為方式的可能變化得出過渡期內初期主要通過資產端調整以滿足新規監管要求的預判。銀行資產與表內組下的回歸結果表明銀行流動性創造與規模顯著負相關但與風險承擔顯著正相關，資產組滯后1期設定下規模與風險承擔的標準化系數分別是-0.379與0.120，表內組的標準化系數分別是-0.518與0.120，這一致表明在解釋銀行資產流動性創造與表內流動性創造的變化時，銀行規模比銀行風險承擔更重要，這與前面銀行總流動性創造分析中一致。

表4 銀行總流動性創造的分解與渠道

五、穩健性再考察與進一步討論

上述不同設定均顯示性質上一致的實證結果。本文在這一部分做穩健性再考察并進一步討論。

（一）穩健性再考察

由銀行流動性創造計算的三步程序知，權益以-0.5的權重計入，但解釋變量包含了滯后1期或同期權益，這里存在同時影響銀行流動性創造與的權益混淆變量導致的混淆偏差。為克服該偏差，本文在這一節銀行流動性創造計算中除權益。在所有六類銀行流動性創造的計算中，流動性創造除權益計算僅會影響到總流動性創造與表內流動性創造的計算，故本文只需要重新考察總流動性創造除權益與表內流動性創造除權益這兩種情況。

表5報告了總流動性創造除權益與表內流動性創造除權益的實證結果。每組實證結果均包含滯后1期與同期兩種設定。總流動性創造組滯后1期與同期設定的系數估計值均為0.076，且均在1%的顯著性水平上顯著。表內組滯后1期與同期設定下的系數估計值分別是0.066與0.069，也均在1%顯著性水平上顯著。的系數估計值均為負，在1%或10%的顯著性水平上顯著。的系數估計值為正且均在1%的顯著性水平上顯著。基于標準化回歸系數也依然得出在解釋銀行流動性創造的變化時，規模比風險承擔重要的結論（以滯后1期設定為例，方程②中與的標準化系數分別是-0.730與0.222，方程④中的標準化系數分別是-0.527與0.175）。上述實證結果一致表明：在流動性創造除權益后，資管新規顯著地提升銀行總流動性創造水平，表內流動性創造仍然是銀行總流動性創造的渠道；銀行規模與流動性創造負相關，風險承擔與流動性創造正相關，但規模主導銀行總流動性與表內流動性創造的變化。

表5 穩健性再檢驗——流動性創造計算中除權益

流動性創造可能受上一期影響，因此，本文對模型（1）引入銀行流動性創造動態設定。為克服估計中差分引致的內生，本文采用GMM估計動態面板模型。表6報告了動態面板設定及相應的GMM結果。表6中設定①考察資管新規對銀行總流動性創造的影響，設定②到⑥是對銀行總流動性進行分解后的實證結果。變量是滯后1期的銀行各類流動性創造，刻畫銀行流動性創造的動態效應。設定①-⑥各自的Sargan檢驗統計量一致表明不能拒絕工具變量與誤差項正交的原始假設，GMM中的所有工具變量統計上顯著外生。設定①-⑥中的各系數估計值及標準誤表明：資管新規顯著提升銀行總流動性創造；銀行總流動性創造的提升主要通過銀行表內與資產流動性創造實現；銀行流動性創造與銀行規模顯著負相關，與銀行的風險承擔顯著正相關，在解釋銀行流動性創造的變化時，規模比銀行風險承擔重要。

表6 穩健性檢驗——動態面板及廣義矩方法

用核心一級資本比例代理，用代理，用經生息資產調整后的存貸息差代理， ()()這里，是資產回報率，是資本資產比，()是的標準差，表7報告的是以當年及前兩年為基礎計算()的實證結果。以當年為中心前后各1年計算()，實證結論依然不變。出于節省篇幅目的，正文沒有報告，留存備索。用貸款基準利率代理，表7報告了這些變量替換后的實證結果。表7由六組設定①-⑥組成，設定①中系數估計值為0.060，在1%的顯著性水平上顯著。資產設定②與表內設定⑤的系數估計值分別是0.059與0.050，均在1%的顯著性水平上顯著。銀行規模與銀行流動性創造顯著負相關，銀行風險承擔與銀行流動性創造顯著正相關，在解釋流動性創造的變化時，銀行規模比風險承擔重要。

表7 穩健性再檢驗——變量替換

我們的樣本不太平衡，事件研究的結論對事件的窗口選擇可能敏感，在實際研究中通常需要更換事件窗口寬度來做一些穩健性檢驗。如果在2018年之前的年份設置事件，依然存在銀行流動性創造提升的結論，那么前述的資管新規促進銀行流動性創造的結論就值得懷疑。在所有年份中，2017年11月17日發布資管新規征求意見稿，因此，最需要關注的是2017年。表8報告了時間點定義在2017年的實證結果。 其他滯后年份的設定實證結論與2017年一致。出于節省篇幅考慮，正文沒有報告，留存備索。由表8知，即使在10%的顯著性水平上，的系數也無一顯著。這表明把資管新規滯后1年到2017年，前述銀行流動性創造提升的實證結論不再顯著，但銀行規模與風險承擔對銀行流動性創造影響的方向與顯著性均與前面一致，在解釋流動性創造的變化時，銀行規模比風險承擔重要。

表8 穩健性再檢驗——安慰劑實驗

續表

（二）進一步討論

本文基于2018年4月27日“資管新規”發布這一事件，定義2018與2019年值為1而其他年份為0的事件，設定面板數據事件研究模型。這一小節進一步討論設定與資管事件歸因。

第一，征求意見稿中指出“過渡期自《指導意見》正式發布實施后至2019年6月30日”。基于意見稿發布時間2017年11月17日、意見稿中一年半過渡期的設定、業績考核下銀行監管套利動機的持續性這三點，有理由推測銀行不會在2017年結束監管套利行為，銀行最有可能是資管新規正式發布實施下的2018年及以后遵循新規，銀行行為結果在2018與2019年財報上體現。第二，從描述性統計特征與回歸結果來判斷，也有理由把時間設定在2018年。圖1刻畫了銀行流動性創造的行業均值年度變化趨勢，該圖表明在2018年銀行流動性創造行業均值開始變化，由2018年以前的持續緩慢下滑轉折向上。再從表8中的安慰劑試驗回歸結果來看，統計上也并不支持以2017年為時間點定義。第三，本文梳理自2017年開始的樣本期內是否有影響銀行流動性創造的重大事件。本文僅發現2017年12月6日銀保監會發布了一則《商業銀行流動性風險管理辦法》的修訂征求意見稿。該管理辦法是2014年3月1日發布的辦法的再次修訂，于2018年7月1日開始正式實施。不難發現該管理辦法是以約束銀行流動性為目的的。因此，本文流動性創造提升的實證發現不應當是該管理辦法的政策效應。綜合上述三點討論，本文的設定時間點及流動性創造事件歸因邏輯上自洽。

六、結論和建議

出于治理中國資產管理業亂象、防控金融風險的重大需要，一行兩會一局于2018年4月27日正式發布實施資管新規。在中國資產管理業中居核心地位的銀行通過影子活動成為信托、基金、保險與證券等資管金融機構的通道中心。銀行流動性創造是銀行得以存在的兩個基石之一，銀行流動性創造通過資源配置效率的提升促進經濟增長，在經濟增長中發揮著不可替代的重要作用。本文實證上考察資管新規是否會破壞銀行流動性創造功能。為此，本文收集并整理2006到2019年銀行非平衡的年度財務數據，基于面板事件研究設定，發現資管新規在經濟與統計上顯著地提升銀行總流動性創造。本文進一步將銀行總流動性創造按照表內、表外、表內資產、負債、負債與權益等進行流動性創造分解，發現銀行總流動性創造的提升不是通過表外、負債、負債與權益的流動性創造完成，而是通過表內與表內資產的流動性創造完成。最后，本文發現銀行規模與銀行流動性創造顯著負相關，銀行風險承擔與銀行流動性創造顯著正相關；在解釋銀行流動性創造的變化時，相較于銀行風險承擔而言，銀行規模更重要。本文的研究彌補了對從事資產管理業務的金融機構的統一規制對銀行流動性創造影響文獻的缺失，其研究結論不但為后續的金融機構統一規制影響銀行流動性創造提供參考依據，也從中國式銀行影子的角度補充了全球影子銀行及其規制效應的認知全系圖譜。

本文的研究結論有著重要的政策啟示。資管新規試圖促進資管業健康發展，達到有效防控金融風險最終服務經濟實體的目的。在中國資管業中居核心地位的銀行，其流動性創造功能在經濟增長中發揮著不可替代的作用，規制政策不當就有可能產生削弱甚至破壞銀行流動性創造的重大副作用，從而傷及實體經濟發展。尤其是，在當前新冠疫情COVID-19持續沖擊與重創中國及全球經濟場景下，資管新規政策的制訂與實施如何做到風險防控與經濟快速恢復的科學有效平衡，是當前新規政策執行過程中遇到的一個重大現實問題。假如實證結果表明資管新規削弱甚至破壞銀行流動性創造，則表明市場上融資流動性的不足會導致經濟恢復能力的削弱甚至被破壞，央行于2020年7月31日就資管新規召開的專門、公開與全面溝通會上宣示的新規不調頭與不轉向政策就值得商榷。本文的研究實際上是從銀行流動性創造角度評估未預料的新冠疫情COVID-19持續沖擊場景下資管新規規制效應，其結論有助于回答當下風險防控與經濟恢復平衡中如何科學有效執行資管新規這一問題。本文的研究結論表明，當前的資管新規對銀行流動性創造的影響并沒有表現出銀行流動性創造被削弱的規制效應，恰恰相反，資管新規通過表內與表內資產部分促進銀行總流動性創造。因此，本文的實證結論為新冠疫情COVID-19持續沖擊與重創中國及全球經濟場景下資管新規規制政策持續執行提供了實證證據。另外，本文的研究結論也表明，在影響銀行流動性創造的重大政策設計上，要持續關注銀行規模與銀行風險承擔行為，尤其是要關注小規模銀行，其對銀行流動性創造的影響更大。