資管新規下銀行監管套利及系統性風險抑制

□ 劉旭妍 鄒瑋含 姚榮兵

一、引言

2022年政府工作報告提出要“繼續按照穩定大局、統籌協調、分類施策、精準拆彈的基本方針，做好經濟金融領域風險防范和處置工作”，“健全風險全覆蓋監管框架”也被納入《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》中，金融風險防范已經成為未來一段時期內金融體制改革的重要目標。歷史經驗表明，縱然成熟如美國金融市場，但由于金融監管者未能識別其中真實的金融風險，且未及時采取補救措施，2008年雷曼兄弟的破產終釀成了一場席卷全球的金融危機。《關于規范金融機構資產管理業務的指導意見》（以下簡稱“資管新規”）正是為了抑制中國式“影子銀行”體系下滋生的非正規金融發展，增強資管業務風險管理能力，維護金融系統關鍵節點安全，進而防范系統性金融風險。

根據穆迪研究報告顯示，資管新規實施以來，影子銀行規模持續萎縮，截至2021年底影子銀行規模降至57萬億元，創2013年以來最低規模，詳見圖1：

圖1 2016-2021年影子銀行資產情況1 圖表來源：《穆迪：中國影子銀行季度監測報告》。

資管新規實施后，只有非保本理財業務是真正意義上的資管業務2中國理財業市場報告（2018年），銀行業理財登記托管中心、中國銀行業協會。，其存續余額總體呈現上升趨勢，詳見圖2：

圖2 2015-2021年非保本理財產品存續余額情況

然而在過去的十余年間，影子銀行體系的快速發展也滋生了銀行業的監管規避行為，又叫監管套利，類似于企業利用稅收漏洞進行避稅（郁蕓君等2021）。銀行的監管規避行為會導致監管者難以及時、準確地評估金融風險的實際大小，進而提高銀行業甚至整個金融行業風險。即使資管新規的出臺對影子銀行規模和理財產品規模產生了一定影響，那能否同時影響銀行監管套利行為，從而抑制由此行為產生的系統性風險呢？

基于此，本文的邊際貢獻主要在于：一是通過銀行業利潤最大化模型推導加之實證數據結論校驗，得出資管新規的政策效應能夠降低銀行業系統性風險。二是盡管當前銀行業系統性風險得到一定抑制，但資管新規的政策效應對于不同規模銀行，其效果存在異質性。同時，在固定效應模型中引入銀行理財監管套利及其余資管新規政策變量的交互項后，校驗得出銀行理財套利削弱了資管新規降低系統風險的影響。

二、文獻綜述

（一）理財產品有關研究

中國銀保監會政策研究局課題組發布的《中國銀子銀行報告》指出銀行理財產品是我國影子銀行的主要組成部分，具有較強的代表性和研究價值。理財業務起步階段，保本保收益理財產品市場份額遙遙領先，但信息披露較少，難以識別產品風險。尤其是封閉式產品，存續期間風險和收益隱藏，與“受人之托，代客理財”原則相偏離。劉莉亞等（2019）認為商業銀行通過理財產品提供流動性，將資金注入無法從銀行體系或正規直接融資體系獲得融資支持的實體。駱祚炎等（2022）也提出商業銀行將理財產品作為各類通道業務的橋梁來實施套利，具有嵌套性、資金錯配等特點，容易引發系統性金融風險。

（二）監管套利有關研究

中國的影子銀行因套利而生、為套利而壯大（Song，2015），祝繼高等（2016）發現商業銀行為規避信貸投放監管，提升經營業績，向影子銀行體系提供資金。駱祚炎等（2022）認為即使資管新規出臺后，銀行理財產品無論從單項產品還是從總體來看，監管套利程度都呈現上升趨勢，理財產品的監管套利風險在增加。郭曄和趙靜（2017）發現銀行承受的資本充足率或存貸比監管壓力會影響銀行的競爭行為，監管壓力越大，競爭越激烈。陳和等（2020）認為商業銀行為了提高核心資本充足率，緩解資本監管壓力，可能通過信托貸款來實現監管套利，從而使可供出售金融資產與銀行核心資本充足率產生聯系。萬曉莉等（2016）則認為監管方與被監管方不斷博弈，銀行監管套利行為層出不窮，但主要可分為資本監管套利、存貸比監管套利以及信貸額度和投向監管套利三類。有的機構甚至為了滿足季末考核要求，理財產品集中到期，增加流動性風險（Cai et al.，2016）。

（三）系統性風險有關研究

系統性風險體現個體對系統的影響，當個體風險滿足傳染性或關聯性特征時，即可能引發系統性風險( Benoit et al.,2017)。部分學者采用CoVaR或MES或SRISK等方法測度了銀行系統風險，研究銀行系統性風險的影響因素，比如影子銀行、資產價格泡沫、監管政策等（Brunnermeir et al.，2020；郭曄和趙靜，2017；陳國進等，2020）。也有學者比較研究了個體和系統性風險(Bushman et al.，2015)。本文使用邊際期望損失（MES）作為系統性風險的測度指標。

基于上述分析，我們發現，作為影子銀行的重要組成部分，銀行通過理財業務搞資金游戲、規避監管，存在較大監管套利空間，增加了系統性金融風險。在資管新規出臺后，理財業務得到規范，銀行系統風險是否相應得到改善？現有文獻沒有對此作出回應。因此，本文重點關注資管新規對系統性風險的影響，并進一步分析了銀行理財監管套利的調節機制，豐富了資管新規的政策效果。

三、理論分析與研究假設

資管新規對資管業務存在的剛性兌付、多層嵌套等問題，系統謀劃、統一標準，針對性提出了系列監管措施。資管新規將游離于傳統的監管體系之外業務納入監管，同時壓縮監管套利空間，對防范系統風險發揮了積極作用。

（一）資管新規對系統性風險影響的理論推導模型

參考蔣曉宇和陳國進（2020）的相關研究，將銀行理財業務引入利潤函數。假設銀行投資違約率為qi，銀行的監管努力成本為cq/2。資產端業務有普通信貸投資和監管套利投資，其中：占比（1-yi）、收益率RA的普通信貸投資收益為（1-yi）RAqi，占比yi、收益率RN的監管套利投資收益為yiRNqiqj。負債端業務僅為存款業務，占比（1-k）、回報率rd的存款業務支出為（1-k）rdqi。銀行股權占比k，回報率re，股權成本為ke。受剛性兌付影響，銀行理財業務收益在資管新規前后表現為不同形式。資管新規出臺前，銀行理財產品通常按預期收益率兌付，與實際收益率脫鉤，銀行理財業務的盈利模式仍然是類似于表內業務的“利差”模式（程鵬亮，2017），因此，對銀行利潤的影響為兩者收益率差，同時考慮系統內違約交叉傳染風險，銀行理財收益為（qiqj-ri）fi，其中ri為預期收益率，fi為理財占資產比例。資管新規出臺后，銀行理財業務回歸中間業務本源，銀行收取手續費和管理費，銀行理財收益為βifi，其中βi為綜合費率。由此，銀行利潤表達式為：

新規出臺前：

新規出臺后：

為實現利潤最大化，對qi求偏導。

新規出臺前：

新規出臺后：

從新規出臺前后的qi表達式可以看出，新規出臺前的明顯大于新規出臺后的。因此，提出如下假設：

H1：資管新規降低了銀行系統風險。

（二）異質性研究假設

李士巖（2019）認為，大型銀行資本相對充裕，比監管標準高出較多。中小銀行資本充足率則處于臨界水平，資管新規出臺后，為將不合規資產回表導致的資本補充壓力，對于中小銀行的影響更加明顯。類似地，大型銀行在存貸市場占有絕對優勢，截至2021年底，中資大型銀行各項人民幣存款占存款類金融機構的45.19%，各項人民幣貸款占存款類金融機構的47%，對影子銀行業務依賴性更低，承擔資管新規的監管壓力較小，監管套利動機不足。因此，資管新規在大型銀行的政策效果可能更加明顯。而中小銀行，資本、流動性等監管壓力、盈利壓力、市場壓力均較大型銀行更加突出，有動機開展套利活動，從而降低了資管新規的政策效果。當然，中小型銀行資管新規政策效果也可能更明顯。從2021年四季度央行金融機構評級結果開看，大型銀行評級結果最好，而城市商業銀行、農合機構和村鎮銀行均存在高風險機構。大型銀行和中小銀行風險水平存在顯著差異，在同一政策沖擊下，可能處于較高風險的中小銀行的邊際政策效應更高，降低風險的政策效果也更明顯。

基于以上分析，本文提出一個競爭性假設：

H2a：資管新規降低系統風險的政策效果存在異質性，對大型銀行影響更加明顯。

H2b：資管新規降低系統風險的政策效果存在異質性，對中小銀行影響更加明顯。

（三）監管套利與系統性風險的研究假設

監管制度均存在或大或小的套利空間，商業銀行權衡合規成本與套利收益的關系，作出有利于自身利益的決策。在監管壓力及套利收益的驅使下，套利行為是普遍存在的。這種套利行為主要是通過系列安排規避監管，以獲取超額收益。因此，套利行為是對監管的挑戰，弱化制度的正向效果。資管新規改變了銀行理財業務盈利模式，為減輕對業績的影響，商業銀行可能會尋找對應的監管套利或金融創新機會。

從銀行理財業務轉型進度來看，截至2021年底，凈值型產品存續余額26.96萬億元，占比92.97%，商業銀行充分運用了過渡期基本完成了整改任務。駱祚炎和莫賢銳（2022）研究表明，資管新規出臺后理財產品累積異常收益率仍在上升，還是存在監管套利行為。監管套利會加劇風險傳染，增加銀行系統風險（汪玲燕，2021），從而削弱資管新規的政策效果。因此，提出如下假設：

H3：銀行理財套利削弱了資管新規降低系統風險的影響。

四、數據來源與研究設計

（一）研究樣本與數據來源

資管新規于2018年4月27日發布，考慮政策實施前后時間的對稱性，本文選取16家主要上市銀行316家主要上市銀行包括招商銀行、寧波銀行、南京銀行、建設銀行、興業銀行、工商銀行、農業銀行、北京銀行、中國銀行、浦發銀行、交通銀行、中信銀行、光大銀行、平安銀行、華夏銀行、民生銀行。2015-2021年半年度數據為研究樣本。除銀行系統風險指數、銀行理財監管套利指數通過計算得到外，其余指標數據均來源于Wind數據庫。

（二）變量定義

1.被解釋變量（銀行系統風險）

銀行系統風險測度主要有條件在險價值法（△CoVaR）和邊際預期損失法（MSE）。MSE方法克服了△CoVaR的缺點，具有可加性，能度量整體系統性風險，因此本文采用MSE法銀行系統風險指數。參考宋清華和姜玉東（2014），銀行i在t時刻的系統風險為：

其中：ri,t為商業銀行收益率，rm,t為市場收益率，σi,t為殘差，ρi,t為時變相關系數，Et-1為條件期望。主要步驟：一是采用VAR模型生成各銀行和滬深300收益率殘差；二是采用TGARCH模型計算各銀行和滬深300波動率；三是采用DCC-GARCH模型生成各銀行與滬深300的時變相關系數；四是采用核密度估計條件期望；五是利用波動率、時變相關系數、條件期望計算各銀行邊際期望損失MSE，即銀行系統風險指數。

2.解釋變量（資管新規）

借鑒現有文獻研究方法，運用虛擬變量可以比較同一個體政策前后以及比較不同個體差異，能夠較好地解釋資管新規的政策效應，因此，將虛擬變量“zgxg”定義為資管新規變量。若實施了資管新規，則取值1，否則為0。資管新規過渡期內，銀行在推進理財產品凈值化轉型，政策影響已經顯現，因此2018年下半年開始，資管新規變量均取值為1。

3.調節變量（銀行理財監管套利）

現有文獻直接測度銀行理財套利較少。莫賢銳和駱祚炎（2021）認為商業銀行通過發行理財產品進行監管套利會獲得比常規監管更高的超額收益率，因此采用理財產品收益率與定期存款利率測度監管套利。劉莉亞等（2019）指出回歸方程的殘差可以捕捉不能被定價因素解釋的超額預期收益率，采用殘差來測度套利程度。因理財新規出臺后，理財產品不再公布預期收益率。考慮數據可得性，并借鑒現有文獻，分別采用超額市場和殘差兩種方式測度銀行理財套利程度。銀行理財套利可能存在存款市場套利或貸款市場套利，采用超額市場法時，分別用理財產品發行市場份額與存款市場份額差額、理財產品發行市場份額與貸款市場份額差額構建測度指標。理財發行產品數量與資產余額、非息收入占比、滬深300收益率、國債3月期到期收益率有關，采用上述回歸方程的殘差作為銀行理財監管套利指數。

4.控制變量

參考現有研究（何劍等，2021；嚴佳佳等，2018），本文選取不良貸款率、非息收入比、匯率指數、金融市場發展水平、gd p增速作為控制變量。各變量具體定義見表1。

表1 變量定義表

（三）模型構建

為使結果更加可靠，本文選用混合回歸模型、固定效應模型以及隨機效應模型進行實證分析。

混合回歸模型：

固定效應模型：

msei,t=β0+β1zgxg+β2blli,t+β3f xzbi,t+β4hlzst+β5jrsct+β6gd pt+μi+εi,t

其中：εi,t為隨機擾動項，μi為個體固定效應。

五、實證結果

（一）描述性統計

表2列出了主要變量的描述性統計結果。銀行系統風險mes平均值為0.277，標準差為0.236，說明各銀行、各期間銀行系統風險存在較大差異。zgxg平均值為0.5，資管新規前后樣本量各占一半。樣本期內，不良貸款率、金融市場發展發展水平、gd p增速存在較大變化。

表2 主要變量描述性統計

（二）主效應分析

為研究資管新規對銀行系統風險的影響，本文分別采用混合回歸模型、固定效應模型、隨機效應模型進行分析，實證結果見表3。表中（1）、（2）、（3）列資管新規政策變量的系數均為負數，且在1%水平下顯著，實證結果初步驗證了假設H1，表明資管新規顯著降低了銀行系統風險。另外，不良貸款率、匯率指數、金融市場發展水平和GDP增速控制變量系數符號與預期相符，與已有研究結論一致。不良貸款率增加，銀行資產質量惡化，個體風險上升，對系統的外溢風險也隨之上升。人民幣貶值會降低人民幣資產收益率，引發資本外流，從而提高系統風險。金融市場不斷發展，規模擴大，會加劇風險傳染。發展是安全的保障，經濟增長可以延緩風險的暴露甚至徹底解決問題，降低系統風險。

表3 資管新規對銀行系統風險的影響

（三）異質性分析

為進一步驗證大型銀行和中小型銀行資管新規政策效果的差異性，引入類別變量class，大型銀行取值為1，中小銀行取值為0。通過F檢驗比較混合回歸模型與隨機效應模型，LM檢驗比較混合回歸模型與固定效應模型，Hausman檢驗比較隨機效應模型與固定效應模型，發現使用固定效應模型更有效，回歸結果見表4。結果顯示，中小銀行的zgxg系數為-0.1387，大型銀行的zgxg系數為-0.2487，不管是大型銀行還是中小銀行，資管新規均會降低系統風險，但是大型銀行的政策效果更好，支持了假設H2a。

表4 銀行異質性對資管新規政策效果的影響

（四）調節效應分析

為驗證銀行理財監管套利對資管新規政策效果的影響，在固定效應模型中引入銀行理財監管套利及其余資管新規政策變量的交互項，回歸結果見表5。表中，zgxg系數為負，且在1%水平上顯著，進一步支持了假設H1。進一步分析，c.zgxg#c.lcck、c.zgxg#c.lcdk和c.zgxg#c.lcre三個交互項系數為正，與zgxg系數符號相反，且在5%或10%的水平上顯著，表明銀行理財監管套利削弱了資管新規的政策影響，支持了假設H3。加入交互項后，控制變量系數符號保持不變，且多數依然顯著，說明實證結果可靠。

表5 調節效應回歸結果

（五）穩健性檢驗

上文已經采用了替換變量和替換估計方法，實證結論均保持不變。為進一步支持回歸結果，本文還采用了以下方法：一是加入因變量滯后項，緩解內生性問題，原結論成立；二是改變樣本期間，考慮資管新規前后緩沖影響，剔除2018年上半年和下半年數據，原結論依然成立。回歸結果見表6。

表6 穩健性檢驗回歸結果

六、結論及政策建議

（一）主要結論

本文探討了資管新規出臺前后，對于銀行理財監管套利行為和系統性風險抑制的作用。雖然有大量文獻討論了監管套利對于系統性風險的影響，受政策出臺時間和數據采集等因素制約，鮮有文獻將資管新規作為解釋變量進行分析。從本文實證結論得出，資管新規能夠有效監管銀行理財產品，應該繼續推進將理財產品納入監管范圍。另外，銀行理財套利削弱了資管新規降低系統風險的影響，說明盡管“資管新規”等監管政策產生了一定的效果，但距離較好地遏制監管套利風險仍有一定差距。同時，資管新規的政策對于規模不同銀行存在異質性效應，也值得監管部門出臺進一步細化措施。

（二）政策建議

一是持續健全統計監測。新冠疫情以來，金融資產面臨了巨大的違約壓力，風險形勢愈加復雜。得益于資管新規在過渡期已明確規定不得發售新的保本型理財產品，從根本上保護了金融體系免受違約沖擊，整體運行較為平穩。為了防止金融機構“暗度陳倉”，違背職業道德轉嫁產品風險，監管部門要繼續增強綜合統計監測能力，穿透式動態識別銀行理財產品相關信息，特別是理財業務風險水平以及理財業務監管套利行為。

二是貨幣政策和宏觀審慎政策等政策配合遏制理財產品可能引發的風險。根據本文分析結果，銀行監管套利行為將削弱資管新規對風險的抑制，因此，要密切關注資管新規實施效果，及時出臺配套實施細則，填補監管漏洞，抑制銀行監管套利行為，放大資管新規政策效應。同時，國內銀行尤其是中小型在2021年集中補充資本金，以達成保本理財全面清零，為今后理財監管留下了安全隱患。因此，我們需要將貨幣政策與宏觀審慎政策配合起來，以抑制影子銀行引發的金融風險。當前，保持貨幣政策的穩定和適度中性，并配合宏觀審慎政策，可能是更好的選擇。

三是在金融業對外開放力度不斷深化和準入管制不斷放松的背景下，單純在資管行業統一監管可能是不夠的，其他金融業務條線（如債券市場、衍生品市場）也需要陸續推出相關配套的統一監管政策，實現金融行業統一監管的聯動，減少資金空轉式的套利，充分釋放有效監管的制度改革紅利。

本文只是資管新規這一重要的金融強監管政策實施效果微觀層面的初步探索文獻之一，不可避免存在一定的局限性。例如，從時間維度看，受限于樣本可得性，本文的觀測期相對較短，僅初步探索了資管新規過渡期政策效應，還無法校驗全面評估該監管政策正式實施后對于銀行理財的中長期影響。未來可以繼續從微觀層面的研發創新、并購決策及宏觀層面的銀行信貸資源配置效率、區域資源配置效率、宏觀經濟發展等方面進一步深入研究。