同業資產、資本監管與銀行系統性風險

■ 劉興華，余偉光，徐 博

一、引言

2008 年全球金融危機爆發后，世界經濟步入衰退泥潭，由銀行倒閉事件引發的系統性風險成為學界關注的焦點。各國加大金融監管力度，制定更為嚴格的監管標準，旨在防范日益凸顯的系統性風險。銀行作為聯結金融與實體的“紐帶”，成為各國當前風險管理的重點對象。2010年，巴塞爾委員會推出“巴塞爾協議Ⅲ”，對商業銀行資本質量及充足率提出更高要求，通過引入新的監管指標來提升銀行風險應對能力。2012年，中國銀監會發布《商業銀行資本管理辦法（試行）》，要求銀行強化資本管理，完善信息披露制度。黨的十九大報告明確指出，健全金融監管體系，守住不發生系統性金融風險底線。系統性風險已上升為國家戰略層面需要考慮的重大問題。

當前，中國經濟發展邁入“新常態”，市場流動性保持充裕，宏觀審慎監管日臻完善，但銀行資金投放仍存結構失衡矛盾。一是信貸資金配給不平衡。信貸資金主要流向國有大型企業，“三農”和中小微企業長期面臨“融資難、融資貴”問題。二是同業資產套利擴張。由于同業業務無須繳存法定準備金，計提風險資產準備較低，銀行在利潤驅動下不斷擴張同業業務，甚至將信貸資金隱匿為同業資產，進而開展影子銀行業務。在金融體系封閉流轉的同業業務背離平衡頭寸和調劑余缺的初衷，逐步淪為銀行的監管套利工具。近年來，銀行通過多種渠道異化信貸資產，促使同業資產規模迅速膨脹，同業資產與總資產占比從2010 年第1 季度的15.7%攀升到2017年第4季度的25.0%。同業資產所受監管約束較少，削弱了央行對貨幣供應量的控制，也給金融監管有效性帶來極大挑戰。

同業資產的快速增長給銀行系統的穩健性帶來潛在影響。一方面，同業業務擴張弱化了銀行流動性約束，改變銀行資產負債結構，導致短期資金可能投資于長期項目，造成銀行資產的期限錯配，一旦出現資金鏈斷裂，銀行將難以應對流動性短缺問題。另一方面，同業業務擴張強化了金融機構之間的關聯，提高風險傳染概率，而資產負債鏈條的延伸消耗銀行體系流動性，削弱貨幣政策調控效果。為防范化解系統性風險，金融監管部門出臺《關于規范金融機構同業業務的通知》，將同業業務納入流動性管理框架，要求金融機構規范管理同業業務資金來源及運用。監管部門針對同業管理的規定，催動同業業務增速放緩，同業資產規模從2017年開始呈逐步下降的態勢。

盡管中國加強同業業務監管，仍有銀行通過同業資產追逐影子銀行業務，無疑增大銀行的系統性風險敞口。有關同業資產對銀行系統性風險影響的研究不在少數，可從資本監管視角研討此問題的文獻卻不多見。由于系統性風險度量指標不統一，研究所得結論也存在一定差異。鑒于此，將同業資產、資本監管和系統性風險納入統一研究框架，探究同業資產對系統性風險的影響路徑，解析資本監管在這一影響過程中的作用，試圖拓展貨幣政策傳導機制研究視角。此外，為增強邏輯的嚴謹性和結論的可信度，綜合選取多項系統性風險指標，研判外部沖擊條件下同業資產對銀行系統性風險承擔的影響。

二、文獻綜述及研究假設

（一）系統性風險的界定和度量

由于形成機理的復雜性及研究視角差異性，目前國內外尚未對系統性風險形成統一界定，對系統性風險的認知仍在不斷發展和完善之中。系統性風險是存在于絕大部分經濟體系，并對經濟體系造成大范圍負向沖擊。Kaufman（1996）將系統性風險視為因某一事件（如信用違約）而引發金融機構出現連鎖違約的概率。陳國進和馬長峰（2010）從復雜網絡理論入手，提出系統性風險的傳染途徑依靠金融機構的資產負債聯結和信息的傳播，系統性風險會因市場恐慌和“羊群效應”發生累積。金融穩定委員會（FSB）較全面地剖析了系統性風險的隱匿性、累積性、傳染性和負外部性等特征。

當前，對系統性風險的度量主要基于網絡傳導分析法，依據風險溢出及風險傳染，構建金融機構之間的關聯網絡，具體的度量方法：一是基于經營業務數據建立直接和間接關聯網絡；二是根據復雜網絡理論直接生成風險關聯網絡；三是運用統計計量方法建立金融機構風險關聯網絡。

還有學者基于金融機構和金融市場整體的關聯進行系統性風險指標的構建，Adrian &Brunnermeier（2011）構建條件在險價值指標（CoVaR）及風險溢出價值（ΔCoVaR），度量單個機構出現危機時整個金融系統的風險；李叢文和閆世軍（2015）對CoVaR 的度量方法進行了改進；Brownless&Engle（2017）構建邊際期望損失（MES），刻畫金融市場出現危機時單個金融機構的損失。慮及金融機構風險是市場損失的一部分，系統性風險指標不但反映金融機構對市場風險的貢獻，也反映金融機構抵御市場風險的能力，MES 值越小，說明金融機構對市場風險的抵抗能力越強（卜林和李政（2015）。鑒于現有研究大都探討機構對金融市場的風險溢出，故把關注點放在金融市場發生危機條件下銀行的損失或風險承受。

（二）同業資產與系統性風險

同業資產與系統性風險的關聯在學術界存在兩種不同看法。Flannery（1996）早期提出的同業監督說較具代表性，認為同業業務增強銀行同業之間的相互約束和監督，可以達到降低風險的效果。 Allen & Gale（2000）提出了與之相反的風險傳染說，認為銀行同業業務增加風險關聯程度，成為銀行間風險傳染的渠道。國內有關同業業務和金融風險的研究起步較晚，主流觀點認為，同業業務和銀行風險之間存在正向關聯，概因中國影子銀行主要以同業業務的形式存在于銀行體系內部，這與國外影子銀行大為不同（Huang&Shen，2019）。國內研究最初圍繞同業業務發展模式進行探討，直到2013年“錢荒”事件出現，大量學者才轉而意識到同業業務存在隱患，開始對同業業務與系統性風險展開廣泛探討。

綜觀現有文獻，大多將視角著眼于銀行個體，從單個銀行的流動性風險進行討論。商業銀行在逐利動機的驅動下，借助同業、信托、理財等影子銀行渠道投放資金，會造成過度的期限錯配，并使銀行流動性出現短缺。潘彬等（2018）的研究發現，同業行為會導致資產負債的期限錯配，增加銀行的流動性危機。同業業務引發的風險會通過資產負債表渠道在金融機構之間傳染，引發系統性風險。同業業務的發展加強了銀行與其他金融機構之間的聯系，導致金融風險的關聯程度大幅度提升，少數機構的破產違約會通過同業鏈條傳導到整個金融系統，大大增加系統性風險發生的可能（肖崎和阮健濃，2014）。吳念魯等（2017）建立復雜網絡模型，通過計算機模擬方法驗證了上述觀點，并進一步指出小銀行相比大銀行來說更容易受到系統性風險的沖擊。

后續研究依據同業業務的發展變遷，將其細分為傳統同業業務和同業創新業務，并就不同類型同業業務對銀行風險的影響進行了探討。周再清等（2017）發現傳統同業業務的擴張可以緩解銀行風險承擔，但同業創新業務則對銀行風險承擔具有正向效應，在二者對銀行風險的共同作用中，正向效應占據主導。高蓓等（2019）的研究支持了這一觀點，發現同業創新業務才是引發銀行風險承擔的主要原因，出現這一現象是因為傳統同業業務發揮短期流動性調節的基本作用，而同業創新業務才是商業銀行開展影子銀行業務的主要承擔者。

由于金融市場發生危機，銀行拆放的資金可能因拆入方違約而得不到償還，抑或拆入方違約概率增大引起信用評級下調，導致拆出資金出現減值。這意味著銀行向同業拆放資金越多，在危機情形下遭受的損失就會越大。從資產負債表角度看，銀行拆出資金對應同業資產端，相較于同業負債來說，金融危機條件下銀行系統性風險與同業資產之間的關聯可能更為密切。已有研究主要基于個體風險承擔視角，少有學者關注不同類別同業業務對銀行系統性風險的影響。鑒于上述分析，提出假設1。

假設1：同業資產擴張會導致銀行系統性風險上升，其中創新類同業資產的影響最為顯著。

同業業務通過何種途徑對系統性風險產生影響，有關這一問題的研究也頗為豐富。同業業務的高杠桿屬性及期限錯配特征，會增強金融機構之間的系統性、關聯性和內在脆弱性（肖崎和阮健濃，2014）。后續研究從多維度對同業業務和系統性風險的作用渠道展開探討。方意（2016）對系統性風險的傳染渠道進行了研究，發現杠桿渠道和銀行違約渠道最為重要。高蓓等（2019）基于銀行經營穩健性的視角，發現同業業務會伴隨著銀行杠桿率的增加，同時造成總資產收益率的下降，進而降低了銀行的經營穩健性。項后軍和曾琪（2019）指出，同業業務的期限錯配會引起銀行流動性下降，加劇銀行脆弱性。

上述研究關注了系統性風險的杠桿率渠道和期限錯配渠道。當銀行借助同業資產參與影子銀行業務時，由于監管不足和自身逐利動機，其實際信貸規模可能會超出金融監管要求，這意味著銀行杠桿率存在變相擴張。此外，由于同業資金大量投放于長期項目，同業資金來源不乏期限較短者，這無疑加劇資金的期限錯配。

危機來臨時，銀行資產的價值會因市場違約事件頻發而出現信用減值，高杠桿銀行的債務規模相對較大，這會導致其資不抵債的概率顯著提高。因此，同業資產擴張導致銀行杠桿水平提升，從而進一步增加了銀行對市場危機的敏感性。

同時，伴隨著市場恐慌和“擠兌”風潮，銀行償債壓力又會大大增加，期限錯配的加劇將使得銀行難以快速獲取資金來應對流動性短缺問題。因此，同業資產加劇了銀行期限錯配，這導致銀行在市場危機時應對流動性短缺的能力下降，且銀行自身風險隨之提高。同業資產擴張會通過杠桿率渠道和資金期限錯配渠道影響銀行系統性風險，鑒此，提出假設2和假設3。

假設2：同業資產擴張會通過杠桿率渠道引發銀行系統性風險增加。

假設3：同業資產擴張會通過期限錯配渠道引發銀行系統性風險增加。

（三）資本監管與系統性風險

有關資本監管與系統性風險的討論較為熱烈，但看法并不一致。一種觀點認為，資本監管和系統性風險之間具有正相關性，高資本充足率要求，銀行存在風險轉嫁的動機。Acharya（2009）研究發現，當面臨更高資本監管要求時，出于風險轉嫁動機，所有銀行將會增加資產組合的相關性，從而造成系統脆弱性的提高。蘇帆等（2019）佐證了上述觀點，資本充足率的提高雖然對銀行的個體風險承擔有緩解效果，但會誘使其通過同業網絡將風險轉嫁到其他金融機構，這意味著資本監管無法兼顧微觀審慎和宏觀審慎的雙重目標。田嬌和王擎（2015）比較了普通資本充足率和核心資本充足率之間的影響效果，普通資本充足率的提高會增加銀行的風險轉嫁動機，使得個體的不良貸款率下降，但對外部的風險溢出上升，核心資本充足率對個體風險和系統性風險的影響方向則完全相反。

另一種觀點認為，銀行資本是保障銀行經營穩健性的基石，在危機來臨時具有吸收損失的效果，并對這一效應展開多角度的實證研究。Br?mer et al.（2014）通過復雜網絡模擬發現，資本監管能降低金融機構之間的風險傳染。鮑洋和石大龍（2016）認為，資本監管意味著危機來臨時銀行能得到政府救助，對系統性風險起到緩沖效果，資本監管和流動性監管都能降低銀行的系統性風險。王擎和田嬌（2016）指出，資本監管對系統性風險是否具備抑制效果與其調整幅度有關，小幅度提升監管要求有助于抑制系統性風險。基于上述理論分析，提出假設4a和假設4b。

假設4a：風險轉嫁說——銀行的風險轉嫁動機會增強同業資產與系統性風險的正向關聯。

假設4b：監管有效說——資本監管具備有效性，會弱化同業資產對系統性風險的正向效應。

三、研究設計

（一）數據來源

依據數據可得性原則，選取滬深兩市16 家上市銀行作為研究對象，2020年這16家銀行占所有銀行總資產的56.84%，所選樣本具有較好的代表性。考慮金融機構上市時間及數據的可比性，將樣本研究時間設置為2013 年第1 季度到2020 年第4 季度。上市銀行財務數據來自CSMAR 數據庫，宏觀經濟數據來自中經網數據庫及Wind 數據庫，股票市場數據來自RESSET數據庫。

（二）變量選取

1.被解釋變量。被解釋變量為銀行的系統性風險，采用風險接收度、風險溢出價值及邊際期望損失三項指標來度量。

風險接收度（FC）。借鑒李政等（2019）研究，構建一個涵括不同類別的金融機構的風險關聯網絡，用FC衡量金融機構受到來自關聯網絡其他金融機構的風險溢出，FC的構建方法：

其中，k 為金融機構數量，D為機構j 對機構i 的風險溢出強度。建立的風險關聯網絡除了樣本中16家上市銀行外，還包括12家證券公司和3家保險公司。根據股票收盤價的周頻數據計算金融機構對數收益率，進行1%和99%的縮尾處理，并通過分位數回歸得到金融機構在險價值。

其中，R為機構j在第t期的股票收益率，計算方法為 R=ln（P/P）×100，M 表示宏觀狀態變量，B表示金融機構j的特征變量。借鑒白雪梅和石大龍（2014）研究，狀態變量及特征變量的選取及計算方法見表1。

表1 狀態變量和特征變量的計算方法

將分位數值設為5%及50%，可得相應的在險價值（VaR和VaR），采用LASSO 分位數回歸構建時變風險關聯網絡（見式3），樣本窗口長度為51期。X是除金融機構i之外其他金融機構第t期的收益率向量（見式4）。

風險溢出價值（△CoVaR），最早由Adrian&Brunnermeier（2011）提出，采用分位數回歸方法運算，考慮到收益率分布特征，在此基礎上運用GARCH 模型計算△CoVaR。Reboredo et al.（2015）將Copula 函數和動態時變相關系數引入指標的計算之中。李叢文和閆世軍（2015）采用基于偏t 分布的GARCH-時變Copula 模型度量影子銀行體系對商業銀行的風險溢出效應，相較于分位數回歸方法的優勢是考慮到風險溢出的非線性情況。考慮到股票收益率對正負向沖擊的非對稱反應，采用偏t-GJR（1，1）-Copula模型度量金融市場對銀行的風險溢出，并對計算方法進行簡要說明。

隨后，用DCC模型估計{e}和{e}的動態時變相關系數{ρ}，并借助高斯Copula 函數擬合二者的聯合分布，進一步得到銀行對金融市場的條件概率密度函數，見式（9）。其中，F是標準化殘差序列的分布函數，f 是標準化殘差序列的概率密度函數，c是Copula函數的概率密度函數。

邊際期望損失（MES）。對MES 的界定來自期望損失（ES），期望損失反映市場整體發生極端損失時金融機構的期望收益，兩者計算方法如式（13）、式（14）所示。

其中，R為金融市場收益率，采用上證金融指數的日度收益率對數進行衡量，R為16 家上市銀行的收益率對數，C 反映極端損失水平，用上證金融指數收益率的5%分位數測度。MES的計算方法參照Brownless&Engle（2011），構建二元條件異方差模型，σ、σ分別對應金融機構i和金融市場的波動率；{υ}是一個獨立同分布序列，均值為0，方差為1，協方差為0；F 是一個二元分布，ρ是機構i和市場收益率之間的動態時變相關系數，可通過DCC模型計算。

2.解釋變量。解釋變量為同業資產，參考肖崎和阮健濃（2014），以買入返售資產、存放同業款項與拆出資金之和除以總資產來表示同業資產相對規模，記為IBA；將三項同業資產分別除以總資產，得到買入返售金融資產比例（MRFS）、存放同業款項比例（CFTY）和拆出資金比例（CCZJ），用以探討各自對系統性風險產生的效應。

3.中介變量。中介變量為杠桿率（LEV）及資金錯配缺口（Mismatch）。杠桿率用總資產與權益資本之比來表示，資金錯配缺口反映了銀行的期限錯配程度，參照潘彬等（2018）計算，將其定義為：

長期資金使用指向銀行資產端，包括長期股權投資、中長期貸款、衍生金融資產、投資性房產、買入返售金融資產、持有至到期投資；長期資金來源、短期資金來源指向銀行負債端，分別用銀行個人及企業定期存款、活期存款來表示。其中，短期資金來源穩定部分的計算參照朱孟楠和侯哲（2014），用H-P 濾波將活期存款的長期趨向成分提取出來，選取95%為置信水平，計算短期波動成分的波動下限，將兩者加總可得短期資金來源的穩定部分。

4.調節變量。由于普通資本充足率和核心資本充足率對風險的影響效果存在差異，探討資本監管的調節效應時，將普通資本充足率（CAR）和核心一級資本充足率（CORECAR）均引入模型來反映資本監管力度，并對實證結果進行比較分析。

5.控制變量。為控制其他因素對系統性風險的影響，控制了微觀層面的總資產收益率（ROA）、資產規模（SIZE）、非利息收入比（NIR）、凈息差（NII）、成本收入比（CP）、融資率（EF）、貸款額比（LR），同時控制了宏觀層面的銀行競爭程度（HHI）、GDP同比增速（GDPR）、經濟政策不確定性（EPU）、滬深300 指數波動率（VOL）、房地產市場景氣度（RE）、M2 同比增速（MP）。模型中所有變量都經過1%和99%的縮尾處理。

（三）模型設計

為驗證假設1，構建面板回歸模型（16）—（19），先探究銀行同業資產（IBA）對系統性風險的影響效應，再分項就買入返售資產（MRFS）、存放同業款項（CFTY）以及拆出資金（CCZJ）的影響效果進行分析。

表2 變量定義及描述性統計

其中，Risk 表示銀行的系統性風險，選取風險接受度FC、風險溢出價值△CoVaR、邊際期望損失MES 進行度量，Micro 表示微觀層面控制變量，Macro 表示宏觀層面控制變量，μ和ν分別表示銀行個體固定效應和時間固定效應。

四、實證結果

為檢驗同業資產對系統性風險的影響，對模型（16）進行回歸，其結果如表3所示。表3列（1）—（3）控制了時間固定效應和個體固定效應，列（4）—（6）只控制了個體固定效應。從列（1）—（6）可以發現，同業資產占比的增加對三類系統性風險指標均產生顯著的正向效應，究其原因：第一，商業銀行為規避監管、追逐利潤將信貸業務隱匿在同業資產之中，借助其他金融機構將資金投放到地方融資平臺及房地產等高風險項目中，為危機爆發埋下隱患。第二，當金融市場處于危機時，違約現象屢見不鮮，大量金融機構陷入困境，同業資產的償還失去保障，風險順著同業鏈條傳遞到銀行，使得銀行遭受損失。

表3 同業資產對系統性風險影響的估計結果

從控制變量看，微觀層面的總資產收益率（ROA）對上述三類系統性風險指標的影響均為正，其中列（2）—（5）均顯著。這表明風險和收益往往相伴，當銀行追逐高回報項目時，通常將承擔更高風險。從宏觀層面看，市場波動率對三類系統性風險指標的影響均在1%的顯著性水平下為正，這說明在金融市場劇烈震蕩的時期，銀行將承受更大系統性風險。M2增速對系統性風險的影響表現為負，這意味著貨幣政策緊縮會使得系統性風險提高，究其原因：一是貨幣政策緊縮使得銀行流動性收縮、盈利能力下降，通過將信貸業務轉移至表外來維持自身盈利水平；二是中小企業融資問題變得更為突出，被迫借助影子銀行體系獲取融資，二者共同作用加劇了影子銀行體系的膨脹，誘發系統性風險上升。

在主回歸基礎上，將買入返售資產（MRFS）、存放同業款項（CFTY）、拆出資金（CCZJ）分別對模型（17）—（19）回歸，表4報告了相應回歸結果。三類同業資產中，買入返售資產對系統性風險的影響顯著為正，無論選擇何種風險度量指標，買入返售金融資產的增加都會顯著提高銀行系統性風險。究其原因，不同類型同業資產的功能不同，銀行的傳統同業資產包含存放同業和拆出資金，主要用以解決銀行間短期流動性不足的問題，不會給銀行風險防范帶來明顯的負面效應；相反，大量創新類同業資產雖以買入返售的形式存在，實際上卻發揮著躲避監管以發放信貸的功能，這部分同業資產是誘發系統性風險的關鍵因素。因此，實證結論支持了假設1。

表4 不同類別同業資產對系統性風險影響的估計結果

五、進一步分析：中介效應和調節效應

（一）中介效應

為驗證假設2，探討同業資產對系統性風險的影響機制，借鑒溫忠麟和葉寶娟（2014），建立模型（20）—模型（22）對中介效應進行檢驗，Intermediate 為中介變量。檢驗過程中，需要關注模型中α、γ、θ、?等系數。若α、γ、?均顯著，θ不顯著，存在完全中介效應；若α、γ、?、θ都顯著，且γ?和θ同號，則存在部分中介效應；若γ、?之中有一項不顯著，可進行Sobel 檢驗來判斷是否存在中介效應。對上述所有逐步回歸結果都進行了Sobel檢驗和Bootstrap檢驗。

表5 給出了以杠桿率為中介變量的估計結果，鑒于中介效應的第一步在基準回歸中已經展示，在此僅給出后兩步的回歸結果。列（1）是同業資產與杠桿率的回歸結果，發現同業資產規模的上升能顯著提升銀行杠桿水平。列（2）—列（4）將中介變量和解釋變量同時納入方程中，發現杠桿率對系統性風險存在部分中介效應。表6中匯報了Sobel檢驗及Bootstrap 檢驗的結果，三類系統性風險指標的Sobel 檢驗p 值分別為0.0260、0.0939、0.0810，表明中介效應顯著存在。Bootstrap檢驗結果和Sobel檢驗結果整體保持一致，三類系統性風險指標的p值分別為0.034、0.096和0.075。此外表6還匯報了直接效應，即系數θ的顯著性，由于直接效應均顯著，因此，得出杠桿率發揮了部分中介效應，通過計算得到中介效應在總效應中的占比分別是10.14%、5.22%、6.19%。

表5 中介效應估計結果：杠桿率

表6 Sobel檢驗和Bootstrap檢驗：杠桿率

資金錯配缺口為中介變量的檢驗方法同上，其結果見表7。資金錯配缺口在同業資產對△CoVaR 并未產生顯著的中介效應，但對FC、MES 兩類系統性風險指標存在顯著的中介效應，其中資金錯配缺口對FC存在部分中介效應，中介效應的占比為30.45%，對MES則存在完全的中介效應，Bootstrap 檢驗及Sobel 檢驗的結果支持了上述結論。

表7 中介效應估計結果：資金錯配缺口

上述實證結果支持了假設2 和假設3，在商業銀行同業資產大量擴張的情形下，伴隨而來的杠桿率上升和期限錯配，一方面使得銀行在危機時面臨了更大債務償還壓力；另一方面流動性短缺又使得銀行應對壓力的能力下降。二者共同作用造成了銀行系統性風險承擔加重。

表8 Sobel檢驗和Bootstrap檢驗：資金錯配缺口

（二）調節效應

根據假設3，考察同業資產與系統性風險的關系是否受資本監管影響，選取普通資本充足率及核心一級資本充足率作為調節變量，建立分析調節效應的模型（23）—（24）。CORECAR、CAR分別表示核心一級資本充足率和資本充足率。

資本監管調節效應的估計結果見表9。由表9可知，交乘項CORECAR·IBA對三類系統性風險指標的系數顯著為負，而交乘項CAR·IBA對△CoVaR、MES的系數顯著為負。這表明普通資本充足率和核心一級資本充足率提高，都會帶來同業資產對系統性風險影響的顯著弱化；其中核心一級資本充足率的調節效應則更為顯著，證明資本監管對有效防范系統性風險發揮了重要作用。

表9 資本監管調節效應的估計結果

為驗證資本監管的調節效應對不同類銀行是否存在異質性，將商業銀行分為中農工建交五大國有銀行和其他銀行，表10 報告了資本監管調節效應異質性分析的回歸結果。相對國有五大銀行，其他銀行的同業資產擴張對系統性風險的正向效應更為顯著。與此同時，資本監管的調節效應在其他銀行中表現得更為顯著。可能原因有：其一，國有五大銀行的市場競爭力和吸收儲蓄的能力相較于其他銀行可能更強，具備更強的風險抵御能力；其二，國有五大銀行的平均普通資本充足率為14.35%、平均核心一級資本充足率為11.37%，相對于其他銀行的12.28%和9.07%，都要高出兩個百分點，意味著二者所受的資本約束是非對稱的。其他銀行的資本約束更弱，其業務模式可能更為激進，系統性風險對同業資產的敏感性更大，這時增強資本監管可以取得明顯成效；而國有銀行本身的經營模式更為審慎，進一步增強資本監管效果有限。

表10 資本監管調節效應的異質性分析

（三）穩健性檢驗

穩健性檢驗包括以下方面：首先從被解釋變量入手，對原有三類系統性風險指標進行標準化處理，在此基礎上利用主成分分析建立綜合的系統性風險指標（記為Risk_PC）并納入回歸模型；然后考慮到僅采用股票市場收益率計算得到的系統性風險指標的度量效果可能存在不足。參照陳國進等（2020）對系統性風險的度量，采用未定權益模型（CCA 模型）計算得到信用違約距離并取負號，以確保和其他系統性風險變量的度量方向相一致；其次是對解釋變量進行了替換，先將三類同業資產規模加總取自然對數（記為LNIBA），來代換同業資產占銀行總資產的比重（IBA）；最后為降低模型的內生性問題，對解釋變量IBA取滯后一階代入回歸模型中（記為 L.IBA）。表 11 的列（1）—（5）對應LNIBA對系統性風險的影響，發現其對各類系統性風險指標的影響均為顯著。列（6）—（10）對應的解釋變量為L.IBA，可以說明即便對模型中的解釋變量取滯后一階，結論仍然顯著。

表11 穩性檢驗1：替換變量

考慮到系統性風險滯后項可能對當期產生影響，采用動態面板模型，運用“校正LSDV”方法對動態面板參數進行估計。回歸結果如表12所示，除信用違約距離（DD）外各類系統性風險的滯后項都對其當期存在顯著的正向影響，說明系統性風險存在顯著的慣性效應；發現IBA對Risk_PC、DD、FC、△CoVaR 及MES 的影響仍顯著為正，支持了同業資產擴張導致系統性風險上升的結論。

表12 穩健性檢驗2：動態面板校正LSDV模型

為考察資本監管影響效應的穩健性，依據核心一級資本充足率進行分組回歸。具體做法是以各年度核心一級資本充足率為對象，如果銀行這一指標大于該年度核心一級資本充足率的75%分位數，將其歸為“高資本充足率”組，如果小于該年度核心一級資本充足率的25%分位數，則歸入“低資本充足率”，表13 展示了分組回歸的結果。不難發現，在低資本充足率組，同業資產對系統性風險影響的顯著性要明顯高于高資本充足率組。具體來說，低資本充足率組中，IBA對Risk_PC、DD、FC、△CoVaR的影響均為正且顯著，但在高資本充足率組中，除對DD的影響顯著為負外，IBA 對各類系統性風險指標的影響均不顯著，進一步佐證了研究結論穩健可靠。

表13 穩健性檢驗3：按資本狀況分組回歸

鑒于2018年出臺的“資管新規”對銀行的同業資產業務存在著不可忽視的影響，以2018 年為界限對樣本期間進行劃分，比較不同樣本期間內同業資產對系統性風險影響的差異性（見表14）。資管新規前，同業資產對系統性風險的影響顯著為正，但在政策推出之后，同業資產對系統性風險的影響不再顯著，從而證明了監管政策的顯著效果，增強了穩健性。

表14 穩健性檢驗4：按政策前后分期回歸

六、結論及對策建議

本文剖析銀行同業資產影響系統性風險的內在機理，利用16 家A 股上市銀行季度面板數據，采用風險接收度、風險溢出價值、邊際期望損失作為系統性風險度量指標，實證檢驗了同業資產變動的風險溢出效應。研究發現：（1）同業資產擴張顯著提升銀行系統性風險，相較存放同業款項和拆出資金，買入返售資產的風險驅動效果最為顯著。（2）在風險溢出效應的傳導機制中，同業資產擴張帶動銀行杠桿率、資金錯配缺口增大，進而導致銀行系統性風險提高。（3）資本監管有助于抑制同業資產對系統性風險的正向效應，其中核心一級資本的抑制效果更為顯著。從銀行類別看，資本監管對國有五大行以外的其他銀行的抑制作用更大。

針對上述研究結果，提出如下對策建議：首先，建立科學的風險預警體系。選用精準的風險度量指標，探尋合理的風險驅動因素，提升有效的風險監測能力，弱化不利的風險溢出效應，緊緊把住不發生系統性風險的底線。其次，規范銀行同業業務。特別對同業創新業務予以關注，有效控制影子銀行業務，讓同業資產回歸本源，充分發揮其原有的資金配置功能。再次，加強對商業銀行的資本監管，尤其要關注股份制銀行和城市商業銀行。根據宏觀審慎監管要求，監督銀行保持充足的逆周期資本緩沖，增強系統性風險的應對能力，杜絕系統性風險的傳染渠道。最后，保持流動性合理充裕，維系貨幣供應量相對穩定。防止過度寬松政策通過資產價格、貨幣幻覺渠道降低銀行風險感知能力，嚴防過度緊縮政策導致影子銀行體系的過度擴張。