借貸便利創(chuàng)新工具、資產(chǎn)收益率與商業(yè)銀行信用風(fēng)險

申韜　黃艷香

摘? ?要：本文基于2014—2021年中國203家銀行的非平衡面板數(shù)據(jù)，考察借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的影響。實證分析發(fā)現(xiàn)：借貸便利創(chuàng)新操作會顯著增加商業(yè)銀行信用風(fēng)險，該結(jié)論在考慮內(nèi)生性問題以及進行一系列穩(wěn)健性檢驗后依然成立。異質(zhì)性檢驗顯示，這一政策效應(yīng)在區(qū)域性商業(yè)銀行、規(guī)模較小的商業(yè)銀行中表現(xiàn)得更為明顯。中介效應(yīng)模型檢驗表明，借貸便利創(chuàng)新工具通過抑制商業(yè)銀行資產(chǎn)收益率的渠道增加信用風(fēng)險。調(diào)節(jié)效應(yīng)模型檢驗結(jié)果說明，資本監(jiān)管力度和銀行家樂觀度的提高均會減弱借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的加劇效應(yīng)。該研究結(jié)論對于中央銀行適時適量地進行借貸便利操作和商業(yè)銀行信用風(fēng)險管理防控具有借鑒意義。

關(guān)鍵詞：借貸便利創(chuàng)新工具；商業(yè)銀行信用風(fēng)險；資產(chǎn)收益率；資本監(jiān)管；銀行家樂觀度；新型貨幣政策工具

中圖分類號：F830.33? 文獻標(biāo)識碼：A? 文章編號：1674-2265（2024）01-0003-10

DOI：10.19647/j.cnki.37-1462/f.2024.01.001

一、引言

在大量金融資源“脫實向虛”、經(jīng)濟金融發(fā)展結(jié)構(gòu)性失衡和銀行體系流動性波動較大等多重負面因素影響下，為提升貨幣政策傳導(dǎo)效率、構(gòu)造穩(wěn)定的貨幣金融環(huán)境，中國人民銀行從2013年開始主動轉(zhuǎn)變流動性調(diào)節(jié)方式，在原來依靠傳統(tǒng)貨幣政策工具實施總量調(diào)節(jié)的基礎(chǔ)上嘗試增設(shè)創(chuàng)新性貨幣政策工具進行定向滴灌調(diào)節(jié)。這類創(chuàng)新工具一方面具備基礎(chǔ)貨幣投放功能，向金融體系和實體經(jīng)濟部門定向精準(zhǔn)注入流動性，實現(xiàn)金融支持經(jīng)濟復(fù)蘇的目標(biāo)；另一方面又能避免降息降準(zhǔn)帶來的負面影響，有效維護幣值穩(wěn)定（高鴻等，2023）[1]。新冠疫情暴發(fā)后，傳統(tǒng)的貨幣政策難以應(yīng)對沖擊，不同于部分主要發(fā)達經(jīng)濟體實行量化寬松政策，我國中央銀行堅持穩(wěn)健的貨幣政策，通過創(chuàng)新性貨幣政策持續(xù)為實體經(jīng)濟提供更有力、更高質(zhì)量的支持，維持宏觀經(jīng)濟大盤穩(wěn)定。商業(yè)銀行作為宏觀經(jīng)濟政策的重要實施中介和連接各經(jīng)濟部門的關(guān)鍵紐帶（田國強和李雙建，2020）[2]，不僅會受到創(chuàng)新性貨幣政策工具的直接影響，而且其對各個經(jīng)濟主體的影響最終也會傳導(dǎo)至商業(yè)銀行，所以商業(yè)銀行必須將新型貨幣政策可能帶來的不確定性納入風(fēng)險管理的考量。2021年，中國常備借貸便利（SLF）和中期借貸便利（MLF）這兩類借貸便利創(chuàng)新工具操作額為46260.3億元，年末余額為45626.8億元①。在此背景下，商業(yè)銀行可以以較低成本從中央銀行獲取充裕的流動資金，緩解當(dāng)前普遍存在的“惜貸”現(xiàn)象，但同時這一操作也可能會增加商業(yè)銀行信用風(fēng)險。基于此，風(fēng)險防范與化解問題引起了商業(yè)銀行主體的廣泛關(guān)注，建立長期有效的信用風(fēng)險管理體系成為各類金融機構(gòu)的努力方向。

自2008年全球金融危機后，信用風(fēng)險相關(guān)問題，特別是關(guān)于商業(yè)銀行信用風(fēng)險影響因素的研究就是學(xué)術(shù)界關(guān)注的熱點。通過閱讀既有文獻，可以發(fā)現(xiàn)國內(nèi)外學(xué)者從商業(yè)銀行個體微觀層面和外部環(huán)境宏觀層面考察商業(yè)銀行信用風(fēng)險的影響因素。在商業(yè)銀行個體微觀層面，學(xué)者們分別從銀行業(yè)競爭（于博和吳菡虹，2020）[3]、同業(yè)業(yè)務(wù)發(fā)展（李懿行和梁萬泉，2021）[4]、銀行數(shù)字化轉(zhuǎn)型（郭峰等，2023）[5]等多個角度考察其對商業(yè)銀行信用風(fēng)險的影響。在外部環(huán)境宏觀層面，國內(nèi)外學(xué)者集中研究了宏觀經(jīng)濟狀況（Bucur和Dragomirescu，2014）[6]、金融科技（朱小能和李雄一，2022）[7]、國際資本流動（孟祥慧等，2022）[8]等因素對商業(yè)銀行信用風(fēng)險的影響，但是多數(shù)文獻關(guān)注的是貨幣政策等經(jīng)濟政策變動的影響。例如，Borio和Zhu（2008）[9]最早提出貨幣政策的銀行風(fēng)險承擔(dān)渠道；之后，Maddaloni和Peydró（2011）[10]基于歐元區(qū)銀行數(shù)據(jù)分析發(fā)現(xiàn)，寬松的貨幣政策使得銀行愿意承擔(dān)更多風(fēng)險，Chen等（2017）[11]支持該觀點，但是他們認為隨著貨幣政策透明度增加，這種影響將逐漸減小；進一步地，Alvaro等（2014）[12]基于美國銀行業(yè)數(shù)據(jù)并利用FAVAR模型研究發(fā)現(xiàn)，貨幣政策對銀行信用風(fēng)險的影響具有規(guī)模異質(zhì)性，相對于大型銀行和海外銀行，對中小銀行信用風(fēng)險承擔(dān)的影響更大。另外，國內(nèi)還有許多學(xué)者把監(jiān)管政策納入研究范疇，如魏巍等（2016）[13]提出，在資本監(jiān)管的背景下，貨幣政策仍然是影響商業(yè)銀行信貸行為的主要因素；馬斌和范瑞（2019）[14]利用GMM估計方法指出，我國杠桿率監(jiān)管政策的出臺有效降低了上市商業(yè)銀行信用風(fēng)險。

整體而言，關(guān)于商業(yè)銀行信用風(fēng)險影響因素，特別是貨幣政策對商業(yè)銀行信用風(fēng)險影響的研究成果已經(jīng)比較豐富，但這些分析主要聚焦于傳統(tǒng)貨幣政策工具，新型貨幣政策工具對商業(yè)銀行信用風(fēng)險的影響研究尚未形成相對完整的理論，相應(yīng)的實證分析更是十分缺乏，有待進一步探索。

鑒于此，在中國大量進行借貸便利創(chuàng)新操作的背景下，本文以2014—2021年中國203家商業(yè)銀行為研究對象，深入分析借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的影響效應(yīng)及作用機理。本文可能的貢獻如下：第一，區(qū)別于現(xiàn)有研究大多關(guān)注傳統(tǒng)的貨幣政策工具（魏巍等，2016；王晉斌和李博，2017）[13，15]，本文討論了借貸便利這一創(chuàng)新型貨幣政策工具，豐富了鄧偉等（2021）[16]關(guān)于該領(lǐng)域的研究，對于探索我國創(chuàng)新型貨幣政策的政策效果具有重要現(xiàn)實意義。第二，現(xiàn)有文獻已建立的借貸便利創(chuàng)新工具與商業(yè)銀行之間的連接，主要關(guān)注的是該新型工具對商業(yè)銀行流動性風(fēng)險、流動性創(chuàng)造的影響（Duygan- Bump等，2013；鄧偉等，2022）[17，18]，而本文考察的是借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的直接影響，并從資產(chǎn)收益率角度揭示傳導(dǎo)路徑，得出了借貸便利創(chuàng)新工具會通過降低資產(chǎn)收益率的渠道增加商業(yè)銀行信用風(fēng)險的結(jié)論，為中國人民銀行、其他監(jiān)管部門及商業(yè)銀行等主體各司其職，共同維護國家金融發(fā)展大局提供理論支撐。第三，既有文獻一般從同業(yè)業(yè)務(wù)、杠桿率等方面考察調(diào)節(jié)效應(yīng)，而本文不僅從商業(yè)銀行資本監(jiān)管的角度驗證了資本充足率監(jiān)管對商業(yè)銀行管控不良貸款的重要作用，還將個人決策行為的影響考慮在內(nèi)，從銀行家樂觀度這一新穎的視角出發(fā)闡述了借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的調(diào)節(jié)機制。銀行家作為金融市場的重要參與者，對現(xiàn)行貨幣政策所表現(xiàn)出來的情緒必然會影響商業(yè)銀行經(jīng)營策略，進而作用于商業(yè)銀行信用風(fēng)險。因此，本文的研究既是對貨幣政策影響商業(yè)銀行信用風(fēng)險傳導(dǎo)效果既有研究的有益補充，又能夠為當(dāng)前我國借貸便利類政策的實施提供相關(guān)經(jīng)驗證據(jù)，具有一定的理論與現(xiàn)實意義。

二、理論分析和研究假說

（一）借貸便利創(chuàng)新工具與商業(yè)銀行信用風(fēng)險

當(dāng)前，我國融資結(jié)構(gòu)以間接融資為主，向商業(yè)銀行借款仍然是中小企業(yè)和個人籌集資金的關(guān)鍵渠道，加之貨幣政策傳導(dǎo)機制主要依賴于銀行信貸體系，所以商業(yè)銀行在整個金融體系中扮演著非常重要的中介角色。商業(yè)銀行信用風(fēng)險是指借款人違約，商業(yè)銀行不能如期收回貸款本金和利息的風(fēng)險。貨幣政策在傳導(dǎo)過程中會改變商業(yè)銀行信貸業(yè)務(wù)從而對其信用風(fēng)險產(chǎn)生影響。自中國經(jīng)濟進入“新常態(tài)”，總量型貨幣政策難以實現(xiàn)政策目的（陶士貴和陳建宇，2016）[19]，而借貸便利創(chuàng)新工具具備數(shù)量型和結(jié)構(gòu)型貨幣政策工具的特征，一定程度上可以促進銀行信貸總量的增長。另外，借貸便利創(chuàng)新工具這類新型貨幣政策能夠通過穩(wěn)定銀行流動性的渠道減少金融市場波動（張智富，2020）[20]。目前，以常備借貸便利工具（SLF）和中期借貸便利工具（MLF）為主的借貸便利創(chuàng)新工具已被高頻率、廣泛地運用，很大程度上降低了商業(yè)銀行資金供給成本，通過考量資產(chǎn)組合平衡與利潤最大化，商業(yè)銀行會減少“惜貸”行為，給企業(yè)提供更多的信貸支持（王倩等，2016）[21]，企業(yè)融資約束得到一定程度減緩，進而提高對商業(yè)銀行機構(gòu)的討價還價能力，這可能會導(dǎo)致商業(yè)銀行自身風(fēng)險上升。此外，由于存在信息不對稱，中央銀行的借貸便利操作難以規(guī)避小微企業(yè)的套利行為。小微企業(yè)在獲得低成本的貸款后，并不一定會用于自身發(fā)展，而是轉(zhuǎn)手倒賣給房地產(chǎn)開發(fā)商以獲得利息（王妍和王繼紅，2021）[22]，這就使得商業(yè)銀行面臨企業(yè)的雙重違約風(fēng)險，資金回籠難度進一步加大。由此，本文提出如下研究假設(shè)：

假設(shè)H1：借貸便利創(chuàng)新工具會增加商業(yè)銀行信用風(fēng)險，二者呈正相關(guān)關(guān)系。

（二）借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險影響的異質(zhì)性

在中國特殊的銀行體系中，不同業(yè)務(wù)經(jīng)營范圍的商業(yè)銀行在資產(chǎn)負債配置行為上存在較大差異，分析借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的影響，自然繞不開商業(yè)銀行業(yè)務(wù)經(jīng)營范圍不同所造成的差異。一是相對于區(qū)域性商業(yè)銀行，全國性商業(yè)銀行的業(yè)務(wù)及經(jīng)營地域范圍更廣，公司治理和風(fēng)險管理也更為嚴格（孟祥慧等，2022）[8]，因此，當(dāng)中央銀行進行借貸便利操作時，這類商業(yè)銀行會更積極地調(diào)整業(yè)務(wù)結(jié)構(gòu)，其信用風(fēng)險防控能力更高。二是相對于區(qū)域性商業(yè)銀行，全國性商業(yè)銀行的資源稟賦優(yōu)勢更大、信息不對稱程度更低、對實體經(jīng)濟各部門的滲透度更高，因此，對國家層面的政策變動及其在實體部門引起的任意微小波動，全國性商業(yè)銀行均表現(xiàn)出更強的敏感度與更高的謹慎性，由于決策失誤引發(fā)信用風(fēng)險的可能性也相應(yīng)更少。三是相對于區(qū)域性商業(yè)銀行，全國性商業(yè)銀行放貸對象大多是高利率需求彈性、低風(fēng)險溢價和還款能力較強的國有企業(yè)，其信貸合約的違約風(fēng)險較低，借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的影響也相應(yīng)更小。由此，本文提出如下研究假設(shè)：

假設(shè)H2：相較于區(qū)域性商業(yè)銀行，借貸便利創(chuàng)新工具對全國性商業(yè)銀行信用風(fēng)險的加劇效應(yīng)較小。

不同資產(chǎn)規(guī)模的商業(yè)銀行對政策變動的敏感度不盡相同，因此，分析借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的影響，不能忽視資產(chǎn)規(guī)模大小所造成的差異。商業(yè)銀行資產(chǎn)規(guī)模與風(fēng)險承擔(dān)負相關(guān)（李炳念等，2023）[23]，主要原因在于：一方面，相對于小規(guī)模商業(yè)銀行，大規(guī)模商業(yè)銀行擁有足夠的規(guī)模經(jīng)濟和范圍經(jīng)濟作為支撐，所以在面對借貸便利創(chuàng)新工具可能帶來的信用風(fēng)險時，表現(xiàn)出較強的抵御能力，受到的影響也相應(yīng)較小；另一方面，與小規(guī)模商業(yè)銀行相比，大規(guī)模商業(yè)銀行具有龐大的市場份額、先進的技術(shù)條件、豐富的人力資源等優(yōu)勢，業(yè)務(wù)范圍涉及多個領(lǐng)域，可以通過實施多元化戰(zhàn)略達到分散風(fēng)險的目的（田國強和李雙建，2020）[2]，由政策變動引發(fā)的風(fēng)險相對較小。由此，本文提出如下研究假設(shè)：

假設(shè)H3：相較于小規(guī)模商業(yè)銀行，借貸便利創(chuàng)新工具對大規(guī)模商業(yè)銀行信用風(fēng)險的加劇效應(yīng)較弱。

（三）借貸便利創(chuàng)新工具、資產(chǎn)收益率與商業(yè)銀行信用風(fēng)險

中央銀行進行借貸便利創(chuàng)新操作，目的是通過商業(yè)銀行更多地為企業(yè)提供資金支持，以促進實體經(jīng)濟的發(fā)展，但商業(yè)銀行作為追求利潤最大化的企業(yè)，更傾向于將流動性投入金融市場以獲得高收益，二者目標(biāo)相悖。因此，在宏觀經(jīng)濟受到多重短期因素沖擊，導(dǎo)致實體經(jīng)濟信貸需求出現(xiàn)暫時性不足的情況下，商業(yè)銀行僅追求盈利的目標(biāo)會被暫時性擱置，此時的貨幣政策一般會要求商業(yè)銀行作為傳導(dǎo)中介通過降低貸款利率讓利實體經(jīng)濟，或者通過下沉信貸資質(zhì)及提供增值服務(wù)等方式刺激需求，這可能會改變商業(yè)銀行的資產(chǎn)負債結(jié)構(gòu)，影響其經(jīng)營策略，導(dǎo)致商業(yè)銀行資產(chǎn)收益率出現(xiàn)一定幅度下降，信用風(fēng)險管理難度也會有所提升。此外，中央銀行的借貸便利創(chuàng)新工具為商業(yè)銀行獲取流動性開辟了新渠道，特別是2018年6月1日中央銀行擴大中期借貸便利（MLF）擔(dān)保范圍后，越來越多的商業(yè)銀行主動加入工具操作對象范疇，這些商業(yè)銀行從中央銀行以較低成本獲得資金后，為開展業(yè)務(wù)、爭取客戶進行激烈的內(nèi)部競爭，削弱銀行體系整體盈利水平。資產(chǎn)收益率對信用風(fēng)險有著顯著影響，是信用風(fēng)險的風(fēng)向標(biāo)。資產(chǎn)收益率越高，代表商業(yè)銀行的資產(chǎn)質(zhì)量越好、盈利狀況越樂觀，商業(yè)銀行的決策更趨于穩(wěn)健和保守，做出冒險信貸決策的概率越小，從源頭降低了信用風(fēng)險（郭峰等，2023）[5]。另外，盈利能力強的商業(yè)銀行更重視信貸風(fēng)控體系的建設(shè)與完善，進而也可能有助于抑制銀行信用風(fēng)險。由此，本文提出如下研究假設(shè)：

假設(shè)H4：資產(chǎn)收益率在借貸便利創(chuàng)新工具與商業(yè)銀行信用風(fēng)險的關(guān)系中承擔(dān)著中介作用。

（四）資本監(jiān)管與銀行家樂觀度的調(diào)節(jié)效應(yīng)

資本監(jiān)管在銀行業(yè)監(jiān)管體系中居于核心地位，主要通過管控資本充足率來調(diào)整商業(yè)銀行信貸資金配置決策，進而影響商業(yè)銀行資本結(jié)構(gòu)及風(fēng)險承擔(dān)水平（顧海峰和朱慧萍，2022）[24]。資本監(jiān)管制度明確要求商業(yè)銀行資本充足率務(wù)必滿足最低資本監(jiān)管要求，這一舉措保證了商業(yè)銀行資本金始終處于安全線范圍之內(nèi)，不管外部經(jīng)濟政策環(huán)境如何變化，均可保障商業(yè)銀行穩(wěn)健運營，有效降低了商業(yè)銀行信用風(fēng)險。此外，“在險資本效應(yīng)”認為，銀行存款保險的期權(quán)價值會隨著資本監(jiān)管要求的上升而下降，所以在虧損發(fā)生時只能通過自有資本彌補，在這種情況下，商業(yè)銀行會采取謹慎態(tài)度，有意識降低高風(fēng)險資產(chǎn)配置（Hogan等，2018）[25]，同時也會加大監(jiān)控，盡可能緩解信息不對稱問題，由此可以更好地控制和降低信用風(fēng)險。基于上述分析，本文提出如下研究假設(shè)：

假設(shè)H5：資本監(jiān)管對借貸便利創(chuàng)新工具與商業(yè)銀行信用風(fēng)險的關(guān)系具有負向調(diào)節(jié)作用。

銀行家貨幣政策感受指數(shù)上升，說明銀行家認為未來政策調(diào)控效果對銀行業(yè)經(jīng)營狀況的影響趨于樂觀。銀行家樂觀度對借貸便利創(chuàng)新工具與商業(yè)銀行信用風(fēng)險關(guān)系的調(diào)節(jié)作用機制如下：較高的樂觀度說明銀行家認為借貸便利創(chuàng)新工具的推出對商業(yè)銀行發(fā)展的積極效應(yīng)大于負面效應(yīng)，整體信貸環(huán)境相對景氣，宏觀經(jīng)濟增長的預(yù)期趨于樂觀。這種樂觀的情緒一方面會影響商業(yè)銀行信貸的投向和規(guī)模；另一方面影響商業(yè)銀行對風(fēng)險承擔(dān)和信貸創(chuàng)造的權(quán)衡（Huang 等，2018）[26]，即銀行家樂觀度處于較高區(qū)間范圍時，銀行家會通過適度增加信貸資產(chǎn)配置來減少“惜貸”行為，有利于緩解期限錯配引發(fā)的流動性危機，進而降低信用風(fēng)險。此外，在進行借貸便利創(chuàng)新工具這類貨幣政策調(diào)整時，金融監(jiān)管部門會更重視前瞻性管理，此時銀行家將會對信貸資產(chǎn)的安全更有信心，因此，會酌量將信貸投放在增加資本收益的領(lǐng)域，減少盈余管理等短視行為，選擇追求長期利益（顧海峰和朱慧萍，2022）[24]，同時也會更注重提升銀行內(nèi)部治理和抵御風(fēng)險的能力，減少不良資產(chǎn)的產(chǎn)生。基于上述分析，本文提出如下研究假設(shè)：

假設(shè)H6：銀行家樂觀度對借貸便利創(chuàng)新工具與商業(yè)銀行信用風(fēng)險的關(guān)系具有負向調(diào)節(jié)作用。

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文選取2014—2021年銀行年度數(shù)據(jù)為研究樣本，并進行如下處理：（1）剔除原始樣本中的外資銀行和政策性銀行；（2）剔除資產(chǎn)總額為負值的異常樣本；（3）剔除核心變量嚴重缺失的樣本；（4）剔除有效樣本年度不足6年的樣本。最終研究樣本包括203家商業(yè)銀行，其中，國有大型商業(yè)銀行5家，股份制商業(yè)銀行12家，城市商業(yè)銀行97家及農(nóng)村商業(yè)銀行89家，共1496個有效觀測值。截至2021年底，樣本銀行總資產(chǎn)為237.54萬億人民幣，約占銀行業(yè)整體資產(chǎn)的68.9%②，與以往文獻相比，該樣本所覆蓋的銀行范圍及類型更廣，可以較好體現(xiàn)數(shù)據(jù)的代表性。

在數(shù)據(jù)來源方面，商業(yè)銀行層面微觀數(shù)據(jù)主要來自國泰安數(shù)據(jù)庫，部分缺失值通過手動檢索各商業(yè)銀行年報最大限度補齊。常備借貸便利（SLF）與中期借貸便利（MLF）期末余額和操作額根據(jù)中國人民銀行發(fā)布的2014—2021年《中國貨幣政策執(zhí)行報告》手工收集整理得到。宏觀層面數(shù)據(jù)主要來自中國人民銀行官網(wǎng)和國家統(tǒng)計局官網(wǎng)。

（二）變量定義

1. 核心解釋變量。借鑒鄧偉等（2021）[16]的做法，利用常備借貸便利（SLF）和中期借貸便利（MLF）二者年末余額之和的自然對數(shù)值（smlf1）作為借貸便利創(chuàng)新工具的代理變量。在穩(wěn)健性檢驗中，本文使用二者年累計操作額之和的自然對數(shù)值（smlf2）作為借貸便利創(chuàng)新工具的代理變量。

2. 被解釋變量。原銀保監(jiān)會按風(fēng)險等級將商業(yè)銀行貸款分為正常、關(guān)注、次級、可疑和損失五類，其中后三類合稱為不良貸款。本文參考李懿行和梁萬泉（2021）[4]、孟祥慧等（2022）[8]的方法，選用商業(yè)銀行不良貸款余額占總貸款余額的比重即不良貸款率（npl）作為被解釋變量，該指標(biāo)能夠直接反映商業(yè)銀行信用風(fēng)險的實際情況，不良貸款率越高表明商業(yè)銀行面臨的信用風(fēng)險壓力越大。為了保證結(jié)果可信，參考王晉斌和李博（2017）[15]的做法，在穩(wěn)健性檢驗中選取撥備覆蓋率（pc）進行衡量。由于撥備覆蓋率數(shù)值總體較大，故除以100，不影響最后結(jié)果。

3. 中介變量。由于貨幣政策的變動將會對商業(yè)銀行收益產(chǎn)生影響，故本文主要從商業(yè)銀行的業(yè)績出發(fā)尋找中介變量，參照孟祥慧等（2022）[8]的研究，選取資產(chǎn)收益率（roa）作為中介變量。

4. 調(diào)節(jié)變量。（1）參考馮文芳等（2018）[27]的做法，選取資本充足率（car）這一指標(biāo)作為衡量資本監(jiān)管的代理變量，資本充足率越高，代表資本監(jiān)管越嚴格。（2）銀行家對經(jīng)濟政策的感受程度直接影響宏觀政策的調(diào)控效果，在對預(yù)期政策前景看好的情況下，銀行家會適度調(diào)整資本結(jié)構(gòu)及信貸資金配置政策。參考顧海峰與朱慧萍（2022）[24]的研究，本文選取銀行家貨幣政策感受指數(shù)（bop）來衡量銀行家樂觀度，并對季度數(shù)據(jù)進行算術(shù)平均處理。

5. 控制變量。參考王妍和王繼紅（2021）[22]、鄧偉等（2022）[28]的研究，本文選取了留存收益資產(chǎn)比（rea）、權(quán)益負債比（elr）、存款占比（dep_l）、銀行規(guī)模（size）作為銀行個體層面控制變量。參考陶士貴和陳建寧（2021）[19]、王之揚等（2022）[29]的研究，本文選取國內(nèi)生產(chǎn)總值增長率（gdpg）、廣義貨幣供應(yīng)量增長率（m2g）和工業(yè)品出廠價格指數(shù)（ppi）作為宏觀層面控制變量，分別控制經(jīng)濟增長、傳統(tǒng)貨幣政策和通貨膨脹對銀行的影響。另外，增加宏觀層面的控制變量，也有助于消除被解釋變量可能存在的時間趨勢。選定變量的類型、名稱、符號和含義如表1所示。

（三）模型構(gòu)建

為研究借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的直接影響，本文依照前文理論假設(shè)并結(jié)合已有研究，設(shè)定如下基礎(chǔ)模型：

[nplit=β0+β1smlf1t+β2Xit+β3Mt+ui+θit]? （1）

其中，下標(biāo)[i]表示銀行個體，[t]表示觀察年份；[nplit]表示商業(yè)銀行[i]在第[t]年的信用風(fēng)險水平；[smlf1t]表示第[t]年的借貸便利創(chuàng)新工具實施情況。[Xit]為銀行層面控制變量，控制不隨時間變化的個體特征，以緩解遺漏變量問題；[Mt]為宏觀層面控制變量。借貸便利創(chuàng)新工具代理變量是年度時間序列數(shù)據(jù)，在第[t]年所有銀行所對應(yīng)的值均為[smlf1t]，此時若控制時間固定效應(yīng)會造成多重共線性問題，導(dǎo)致核心解釋變量的系數(shù)[β1]無法識別。故參照Huang等（2022）[30]提出的解決辦法，只控制銀行個體固定效應(yīng)[ui]，同時，在穩(wěn)健性檢驗部分增加時間截面上可能存在的遺漏變量。[θit]為隨機誤差項。若假設(shè)H1成立，預(yù)計參數(shù)[β1]顯著為正，說明中央銀行實施的借貸便利創(chuàng)新工具能夠顯著提高商業(yè)銀行信用風(fēng)險。

為研究借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的影響渠道，本文參考溫忠麟等（2004）[31]的中介效應(yīng)檢驗方法，構(gòu)建如下固定效應(yīng)模型，從而檢驗資產(chǎn)收益率（roa）的中介效應(yīng)：

[roait=β0+β1smlf1t+β2Xit+β3Mt+ui+θit]? （2）

[nplit=γ0+γ1smlf1t+γ2roait+γ3Xit+γ4Mt+ui+θit] （3）

其中，[roait]表示商業(yè)銀行[i]在第[t]年的資產(chǎn)收益率，若[β1]與[γ2]均顯著不為0，說明“借貸便利創(chuàng)新工具—資產(chǎn)收益率—商業(yè)銀行信用風(fēng)險”的作用渠道有效。

為研究資本監(jiān)管和銀行家樂觀度對借貸便利創(chuàng)新工具與商業(yè)銀行信用風(fēng)險關(guān)系的影響，本文設(shè)定如下模型：

[nplit=β0+β1smlf1t+α1carit+α2smlf1t×carit+β2Xit+β3Mt+ui+θit]? （4）

[nplit=β0+β1smlf1t+λ1bopt+λ2smlf1t×bopt+β2Xit+β3Mt+ui+θit]? （5）

其中，[carit]表示銀行[i]在第[t]年的資本充足率，[bopt]表示銀行家第[t]年貨幣政策感受指數(shù)。若交互項[smlf1t×carit]和交互項[smlf1t×bopt]的回歸系數(shù)[α2]、[λ2]均顯著不為0，說明資本監(jiān)管和銀行家樂觀度對借貸便利創(chuàng)新工具與商業(yè)銀行信用風(fēng)險的關(guān)系具有調(diào)節(jié)作用。

四、實證分析

（一）描述性統(tǒng)計

表2報告了主要變量的均值、最值和標(biāo)準(zhǔn)差。商業(yè)銀行信用風(fēng)險（npl）均值為1.725，中位數(shù)為1.580，均值與中位數(shù)較為接近，說明分布均勻；借貸便利創(chuàng)新工具（smlf1）的標(biāo)準(zhǔn)差為0.830，說明我國不同年份借貸便利創(chuàng)新工具交易額存在差異；銀行規(guī)模（size）均值為25.689，標(biāo)準(zhǔn)差為1.636，表明資產(chǎn)規(guī)模整體較大，且不同商業(yè)銀行之間存在很大差異。

（二）基準(zhǔn)回歸

表3報告了借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險影響的基準(zhǔn)回歸結(jié)果。結(jié)果顯示，Hausman檢驗在1%水平上拒絕原假設(shè)，說明固定效應(yīng)估計方法優(yōu)于隨機效應(yīng)估計方法。第（1）列將借貸便利創(chuàng)新工具與商業(yè)銀行信用風(fēng)險直接回歸，可以發(fā)現(xiàn)借貸便利創(chuàng)新工具的回歸系數(shù)在1%水平上顯著為正，表明借貸便利創(chuàng)新工具操作增加會提高商業(yè)銀行信用風(fēng)險，初步支持理論假設(shè)H1。第（2）—（3）列為逐步加入銀行層面控制變量和宏觀層面控制變量的回歸結(jié)果，結(jié)果顯示，借貸便利創(chuàng)新工具的回歸系數(shù)均在1%水平上顯著為正，意味著借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險具有顯著的加劇效應(yīng)，這主要是因為中央銀行的借貸便利操作可以靈活地為商業(yè)銀行補充流動性，促進商業(yè)銀行信貸投放（鄧偉等，2022）[18]，緩解企業(yè)融資約束，進而其提高對商業(yè)銀行的討價還價能力，同時在利益的引誘下企業(yè)也可能會增加套利行為，導(dǎo)致商業(yè)銀行信用風(fēng)險上升。以上結(jié)果驗證了理論假設(shè)H1。

（三）異質(zhì)性檢驗

1. 業(yè)務(wù)經(jīng)營范圍異質(zhì)性分析。本文將商業(yè)銀行按業(yè)務(wù)經(jīng)營范圍分為兩類進行研究，一類是由大型國有商業(yè)銀行和股份制商業(yè)銀行構(gòu)成的全國性商業(yè)銀行；另一類是由城市商業(yè)銀行和農(nóng)村商業(yè)銀行構(gòu)成的區(qū)域性商業(yè)銀行。兩類銀行分別對計量模型（1）進行回歸，表4第（1）列和第（2）列報告了相應(yīng)的回歸結(jié)果。結(jié)果顯示，借貸便利創(chuàng)新工具的回歸系數(shù)均在1%水平上顯著為正，但在區(qū)域性商業(yè)銀行子樣本中，借貸便利創(chuàng)新工具的回歸系數(shù)大于全國性商業(yè)銀行子樣本中的回歸系數(shù)，這表明借貸便利創(chuàng)新工具對區(qū)域性商業(yè)銀行信用風(fēng)險的影響更大。進一步地，借貸便利創(chuàng)新工具組間系數(shù)差異性檢驗的P值在10%的顯著性水平上拒絕了兩組系數(shù)不存在差異的原假設(shè)，說明借貸便利創(chuàng)新工具對不同業(yè)務(wù)經(jīng)營范圍的商業(yè)銀行信用風(fēng)險的確產(chǎn)生差異性影響。上述結(jié)果支持理論假設(shè)H2。

2. 銀行規(guī)模異質(zhì)性分析。本文以商業(yè)銀行資產(chǎn)規(guī)模的均值為臨界值將樣本劃分為規(guī)模較大與規(guī)模較小兩組，分別對計量模型（1）進行回歸，表4中第（3）列和第（4）列報告了相應(yīng)的回歸結(jié)果。結(jié)果顯示，在資產(chǎn)規(guī)模較小的子樣本中借貸便利創(chuàng)新工具的回歸系數(shù)在1%水平上顯著為正，系數(shù)為0.424；在資產(chǎn)規(guī)模較大的子樣本中借貸便利創(chuàng)新工具的回歸系數(shù)依然顯著，但系數(shù)值出現(xiàn)明顯下降，變?yōu)?.241，表明借貸便利創(chuàng)新工具對規(guī)模較小的商業(yè)銀行信用風(fēng)險影響更大。進一步地，借貸便利創(chuàng)新工具組間系數(shù)差異性檢驗的P值在1%的顯著性水平上拒絕了兩組系數(shù)不存在差異的原假設(shè)，意味著借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的影響在不同規(guī)模商業(yè)銀行之間存在異質(zhì)性。以上結(jié)果驗證了理論假設(shè)H3。

（四）穩(wěn)健性檢驗

1. 內(nèi)生性問題。為避免多重共線性影響，前文研究并未控制時間效應(yīng)。參照申宇等（2020）[32]的做法，在回歸模型中盡可能增加時間截面上的變量，控制可能產(chǎn)生的內(nèi)生性問題，由此，將銀行業(yè)景氣程度指數(shù)（baz）及企業(yè)景氣程度指數(shù)（caz）加入回歸模型，以盡量避免遺漏變量對回歸結(jié)果的影響。表5第（1）列為加入遺漏變量后的實證結(jié)果。結(jié)果顯示，增加控制變量后，借貸便利創(chuàng)新工具的系數(shù)依然在1%水平下顯著為正，與前文研究結(jié)論一致。

為進一步處理可能存在的內(nèi)生性問題，本文選擇下一期借貸便利創(chuàng)新工具指標(biāo)作為當(dāng)期借貸便利創(chuàng)新工具指標(biāo)的工具變量，對基準(zhǔn)模型（1）進行重新估計。表5第（2）列為相應(yīng)的實證結(jié)果。結(jié)果顯示，借貸便利創(chuàng)新工具系數(shù)依然顯著為正。本文結(jié)論仍保持穩(wěn)健。

2. 變換解釋變量。使用常備借貸便利（SLF）和中期借貸便利（MLF）二者年累計操作額之和的自然對數(shù)值（smlf2）作為借貸便利創(chuàng)新工具指標(biāo)進行回歸，表5中第（3）列為相應(yīng)的回歸結(jié)果，與文中利用借貸便利創(chuàng)新工具年末余額的實證結(jié)果一致，即借貸便利創(chuàng)新工具增加商業(yè)銀行信用風(fēng)險。

3. 變換被解釋變量。使用撥備覆蓋率（pc）替換不良貸款率（npl）衡量商業(yè)銀行信用風(fēng)險。撥備覆蓋率是一個反向指標(biāo)，衡量商業(yè)銀行對信貸風(fēng)險的預(yù)期，撥備覆蓋率越高，商業(yè)銀行對風(fēng)險預(yù)期越謹慎，承擔(dān)的信用風(fēng)險越小。表5中第（4）列為相應(yīng)的回歸結(jié)果。結(jié)果顯示，借貸便利創(chuàng)新工具會使商業(yè)銀行的撥備覆蓋率顯著降低，增加商業(yè)銀行的信用風(fēng)險，與前文研究結(jié)論一致。

4. 采用不同數(shù)據(jù)樣本。在原有數(shù)據(jù)基礎(chǔ)上對主要變量1%和99%分位做極端值處理，以減輕離群值使回歸結(jié)果產(chǎn)生的偏誤。表5列（5）為相應(yīng)的回歸結(jié)果，與原回歸的系數(shù)符號和顯著性基本相同。

5. 面板分位數(shù)回歸。本文的基準(zhǔn)回歸結(jié)果是基于全樣本得出的結(jié)論，考慮到不同業(yè)務(wù)經(jīng)營范圍、不同規(guī)模的商業(yè)銀行的信用風(fēng)險水平存在較大差異，為了驗證這種差異是否會影響研究結(jié)論，采用面板分位數(shù)回歸來探討不同商業(yè)銀行信用風(fēng)險下借貸便利創(chuàng)新工具邊際效應(yīng)的演化軌跡。

具體來說，設(shè)立以下模型：

[Qτ（nplit|smlf1t）=βτ0+βτ1smlf1t+βτ2Xit+βτ3Mt+ui+θit] （6）

其中，[Qτ（nplit|smlf1t）]為給定借貸便利創(chuàng)新工具情況下，商業(yè)銀行信用風(fēng)險在第τ分位數(shù)上的值；[βτ1]為核心解釋變量的[τ]分位數(shù)回歸系數(shù)；[βτ2]和[βτ3]為控制變量的[τ]分位數(shù)回歸系數(shù)；其余變量解釋同上。

表6報告了借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險影響的面板分位數(shù)回歸結(jié)果，第（1）—（5）列分別為0.1、0.25、0.5、0.75、0.9五個分位點的回歸結(jié)果。結(jié)果顯示，盡管借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的影響存在邊際差異，但無論是哪個分位點，借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險均具有正向的加劇效應(yīng)，進一步證實了本文基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

（五）進一步研究

1. 中介機制分析：資產(chǎn)收益率。本文分別利用計量模型（2）和（3）檢驗“借貸便利創(chuàng)新工具—資產(chǎn)收益率—商業(yè)銀行信用風(fēng)險”這一傳導(dǎo)渠道是否存在。表7報告了相應(yīng)的回歸結(jié)果。第（1）列為基準(zhǔn)模型的回歸結(jié)果。從列（2）可以看出，當(dāng)因變量為資產(chǎn)收益率時，借貸便利創(chuàng)新工具的系數(shù)為-0.128，且在1%的水平上顯著，說明借貸便利創(chuàng)新工具對商業(yè)銀行資產(chǎn)收益率存在顯著的抑制作用。列（3）資產(chǎn)收益率的系數(shù)顯著為-1.385，且借貸便利創(chuàng)新工具的系數(shù)明顯小于第（1）列基準(zhǔn)回歸中的系數(shù)（0.175<0.352），說明資產(chǎn)收益率在借貸便利創(chuàng)新工具與商業(yè)銀行信用風(fēng)險的關(guān)系中發(fā)揮部分中介作用。借貸便利創(chuàng)新工具類政策的實施，最終目的是疏通貨幣政策傳導(dǎo)渠道，鼓勵商業(yè)銀行加大對實體經(jīng)濟，尤其是“三農(nóng)”、小微企業(yè)等重點領(lǐng)域的支持力度，增強對該類主體的信貸供給能力。因此，在借貸便利創(chuàng)新工具類政策背景下，商業(yè)銀行需調(diào)整經(jīng)營策略，將追求營利性的目標(biāo)暫時擱置；另外，疊加流動性增加的影響，商業(yè)銀行之間競爭加大，雙重壓力下，銀行資產(chǎn)收益率將受到?jīng)_擊，信用風(fēng)險管理難度也隨之提升。假設(shè)H4得到驗證。

2. 調(diào)節(jié)作用檢驗：資本監(jiān)管與銀行家樂觀度。本文分別利用計量模型（4）和（5）對資本監(jiān)管、銀行家樂觀度的調(diào)節(jié)作用進行檢驗，表8報告了相應(yīng)的回歸結(jié)果。第（1）列回歸結(jié)果顯示，借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的影響系數(shù)為正，說明模型的主效應(yīng)不變。借貸便利創(chuàng)新工具與資本充足率的交乘項回歸系數(shù)顯著為負，意味著加大資本監(jiān)管力度有利于緩解借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的影響，與理論假設(shè)H5預(yù)期一致。資本充足率監(jiān)管可以顯著提升商業(yè)銀行市場聲譽，增強公眾信心，有利于吸引更多優(yōu)質(zhì)客戶，降低不良貸款發(fā)生的可能性。另外，銀行股東為規(guī)避損失，會加大對投資項目的監(jiān)控程度，從而有效降低信貸結(jié)構(gòu)惡化所引發(fā)的信用風(fēng)險。資本監(jiān)管有助于商業(yè)銀行實施逆周期資本緩沖機制，從而降低經(jīng)濟政策變動對流動性風(fēng)險的影響，由此減緩了借貸便利工具對信用風(fēng)險的影響。

第（2）列回歸結(jié)果顯示，借貸便利創(chuàng)新工具與銀行家樂觀度的交乘項系數(shù)為-0.018，在1%水平上顯著，意味著銀行家樂觀度對借貸便利創(chuàng)新工具與商業(yè)銀行信用風(fēng)險的正向關(guān)系存在削弱作用，當(dāng)銀行家樂觀度較高時，借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的加劇效應(yīng)會被弱化，與理論假設(shè)H6預(yù)期一致。當(dāng)銀行家認為借貸便利類創(chuàng)新工具政策的推出對商業(yè)銀行發(fā)展的效應(yīng)偏向積極時，銀行家樂觀度將會提高，有助于減少商業(yè)銀行“惜貸”行為，緩解期限錯配引發(fā)的流動性危機，進而抑制了商業(yè)銀行風(fēng)險；另外，銀行家較為樂觀時更注重長期利益，從而減少盈余管理等短視行為（顧海峰和朱慧萍，2022）[24]。由此可見，銀行家樂觀度降低了商業(yè)銀行信用風(fēng)險。

五、結(jié)論及政策建議

信用風(fēng)險是我國銀行業(yè)面臨的主要風(fēng)險，商業(yè)銀行信用風(fēng)險是否可控，對于守住不發(fā)生系統(tǒng)性風(fēng)險的底線、防范化解金融風(fēng)險至關(guān)重要。本文利用中國203家商業(yè)銀行2014—2021年的數(shù)據(jù)，進行實證分析發(fā)現(xiàn)：借貸便利創(chuàng)新工具會增加商業(yè)銀行信用風(fēng)險，二者呈正相關(guān)關(guān)系；相對于全國性、大規(guī)模商業(yè)銀行，實施借貸便利創(chuàng)新操作時，區(qū)域性、小規(guī)模商業(yè)銀行的信用風(fēng)險上升更多；借貸便利創(chuàng)新工具可通過降低商業(yè)銀行資產(chǎn)收益率的渠道增加信用風(fēng)險的積累；資本監(jiān)管和銀行家樂觀度在借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險的影響中具有負向調(diào)節(jié)效應(yīng)，隨著資本監(jiān)管和銀行家樂觀度上升，借貸便利創(chuàng)新工具對商業(yè)銀行信用風(fēng)險加劇效應(yīng)會被削弱。

根據(jù)本文研究結(jié)論，提出以下政策建議：（1）由于借貸便利類工具具有加大商業(yè)銀行信用風(fēng)險的效應(yīng)，各主體應(yīng)各司其職，共同維護國家金融穩(wěn)定大局。中國人民銀行需要進一步完善借貸便利創(chuàng)新工具操作體系，把控好使用頻率及范圍，注重加強對各類商業(yè)銀行信用風(fēng)險的差異化監(jiān)督管理，建立以貨幣政策、財政政策為基礎(chǔ)的多重政策協(xié)調(diào)機制（夏仕龍和付英俊，2017）[33]，充分發(fā)揮宏觀調(diào)控功能對沖借貸便利創(chuàng)新工具類政策對商業(yè)銀行信用風(fēng)險的沖擊效應(yīng)。商業(yè)銀行要加強防范和化解信用風(fēng)險意識，按照謹慎安全的原則完善放貸流程；關(guān)注經(jīng)濟政策的影響，進行前瞻性研究和壓力測試，及時調(diào)整信貸政策，以保證新政策推出時信用風(fēng)險水平可承受。（2）中國人民銀行應(yīng)進一步提高借貸便利操作的透明度，定期公布政策具體操作對象、資金規(guī)模、信貸流向等指標(biāo)，加強與各類型商業(yè)銀行溝通，確保信息共享，規(guī)避貨幣政策意圖與商業(yè)銀行營利性目標(biāo)的沖突。（3）業(yè)務(wù)經(jīng)營范圍較窄、資產(chǎn)規(guī)模小的商業(yè)銀行應(yīng)完善自身信用風(fēng)險管理機制，積極構(gòu)建以大數(shù)據(jù)、云計算為支撐的風(fēng)險管理系統(tǒng)，探索發(fā)揮貨幣政策工具中介作用與實現(xiàn)預(yù)期資產(chǎn)收益率的平衡。同時，進一步提高資本充足率水平，增強流動性資產(chǎn)比例，為自身流動性預(yù)留足夠的風(fēng)險準(zhǔn)備金。（4）金融監(jiān)管部門應(yīng)關(guān)注資本監(jiān)管和銀行家樂觀度的調(diào)節(jié)作用。一方面，引導(dǎo)商業(yè)銀行構(gòu)建科學(xué)高效的結(jié)構(gòu)化監(jiān)管體系，對超出監(jiān)管閾值的商業(yè)銀行及時發(fā)出風(fēng)險預(yù)警指令；另一方面，要構(gòu)建逆周期的銀行流動性創(chuàng)造監(jiān)管機制，將銀行家樂觀度控制在合理范圍內(nèi)，減少其過高引發(fā)的銀行業(yè)信貸過度擴張和過低導(dǎo)致的犧牲長期利益行為，實現(xiàn)商業(yè)銀行保持盈利與降低風(fēng)險隱患的“雙贏”局面。

注：

①數(shù)據(jù)來源：中國人民銀行官網(wǎng)。

②樣本銀行資產(chǎn)數(shù)據(jù)來自國泰安數(shù)據(jù)庫。根據(jù)中國人民銀行官網(wǎng)提供的數(shù)據(jù)，截至2021年底，銀行業(yè)總資產(chǎn)為344.76萬億人民幣。

參考文獻：

[1]高鴻， 趙一鳴， 寧昊. 從資產(chǎn)負債表看創(chuàng)新性貨幣政策工具 [J]. 銀行家， 2023， （01）.

[2]田國強，李雙建. 經(jīng)濟政策不確定性與銀行流動性創(chuàng)造：來自中國的經(jīng)驗證據(jù) [J]. 經(jīng)濟研究，2020，55（11）.

[3]于博，吳菡虹. 銀行業(yè)競爭、同業(yè)杠桿率攀升與商業(yè)銀行信用風(fēng)險 [J]. 財經(jīng)研究，2020，46（02）.

[4]李懿行，梁萬泉. 同業(yè)業(yè)務(wù)發(fā)展對銀行信用風(fēng)險的影響研究——基于貨幣政策與金融監(jiān)管的視角 [J]. 南方金融，2021，（08）.

[5]郭峰， 莊旭東， 王仁曾. 銀行數(shù)字化轉(zhuǎn)型、外源性金融科技與信用風(fēng)險治理——基于文本挖掘和機器學(xué)習(xí)的實證檢驗 [J]. 證券市場導(dǎo)報， 2023， （04）.

[6]Bucur I A，Dragomirescu S E. 2014. The Influence of Macroeconomic Conditions on Credit Risk：Case of Romanian Banking System [J].Studies and Scientific Researches. Economics Edition， （19）.

[7]朱小能，李雄一. 金融科技與銀行信用風(fēng)險：加劇還是降低 [J]. 山西財經(jīng)大學(xué)學(xué)報，2022，44（11）.

[8]孟祥慧，朱沛華，李軍林. 國際資本流動對銀行信用風(fēng)險的影響研究——來自中國商業(yè)銀行的經(jīng)驗證據(jù)[J]. 亞太經(jīng)濟，2022，（05）.

[9]Borio C，Zhu H. 2012. Capital Regulation，Risk-taking and Monetary Policy：A Missing Link in the Transmission Mechanism？ [J].Journal of Financial stability，8（4）.

[10]Maddaloni A，Peydró J L. 2011. Bank Risk-taking， Securitization，Supervision， and Low Interest Rates：Evidence from the Euro-area and the US Lending Standards [J].The Review of Financial Studies， 24（6）.

[11]M Chen，J Wu，B N Jeon，R Wang. 2017. Monetary Policy and Bank Risk-taking：Evidence from Emerging Economies [J].Emerging Markets Review，2017，31（JUN）.

[12]Alvaro Aguiar，Buch. 2014. Business Cycle and Bank Capital：Monetary Policy Tansmission under the Basel Accords [W].Working Papers， CEMPRE-， Faculdade de Economia， Universidade do Porto，No.242.

[13]魏巍，蔣海，龐素琳. 貨幣政策、監(jiān)管政策與銀行信貸行為——基于中國銀行業(yè)的實證分析（2002—2012）[J]. 國際金融研究，2016，（05）.

[14]馬斌，范瑞. 杠桿率監(jiān)管對我國上市商業(yè)銀行信用風(fēng)險的影響——基于動態(tài)面板模型的系統(tǒng)GMM估計[J]. 經(jīng)濟問題，2019，（01）.

[15]王晉斌，李博. 中國貨幣政策對商業(yè)銀行風(fēng)險承擔(dān)行為的影響研究 [J]. 世界經(jīng)濟，2017，40（01）.

[16]鄧偉，宋敏，劉敏. 借貸便利創(chuàng)新工具有效影響了商業(yè)銀行貸款利率嗎？ [J]. 金融研究，2021，（11）.

[17]Duygan-Bump B，Parkinson P，Rosengren E，Suarez G A，Willen P. 2013. How Effective Were the Federal Reserve Emergency Liquidity Facilities？Evidence from the Asset -Backed Commercial Paper Money Market Mutual Fund Liquidity Facility[J].The Journal of Finance，68（2）.

[18]鄧偉，姜娜，宋敏. 借貸便利創(chuàng)新工具改善了商業(yè)銀行流動性創(chuàng)造嗎？[J].國際金融研究，2022，（07）.

[19]陶士貴，陳建宇. 新常態(tài)下中國貨幣政策工具創(chuàng)新的有效性研究——基于FAVAR模型的比較分析 [J]. 金融經(jīng)濟學(xué)研究，2016，31（04）.

[20]張智富. 結(jié)構(gòu)性貨幣政策工具運用效果研究 [J]. 金融與經(jīng)濟，2020，（01）.

[21]王倩，路馨，曹廷求. 結(jié)構(gòu)性貨幣政策、銀行流動性與信貸行為 [J]. 東岳論叢，2016，37（08）.

[22]王妍，王繼紅. 結(jié)構(gòu)性貨幣政策、同業(yè)業(yè)務(wù)與系統(tǒng)性金融風(fēng)險 [J]. 金融經(jīng)濟學(xué)研究，2021，36（04）.

[23]李炳念， 王小雪， 樊茜. 結(jié)構(gòu)性貨幣政策與銀行系統(tǒng)性風(fēng)險承擔(dān)：基于LPR改革實驗的證據(jù) [J]. 金融評論， 2023， 15 （01）.

[24]顧海峰，朱慧萍. 經(jīng)濟政策不確定性是否會影響銀行系統(tǒng)性風(fēng)險？ [J]. 系統(tǒng)工程理論與實踐，2022，42（09）.

[25]Hogan T L，Meredith N R，Pan X. 2018. Evaluating Risk-based Capital Regulation [J].Review of Financial Economics，36（2）.

[26]Huang S，W Chen，Y Chen.2018. Bank Liquidity Creation and CEO Optimism [J].Journal of Financial Intermediation，36.

[27]馮文芳，閆磊，李艷，武金存.資本監(jiān)管、貨幣政策與銀行風(fēng)險承擔(dān) [J].華東經(jīng)濟管理，2018，32（02）.

[28]鄧偉，歐陽志剛，楊國超，肖賽. 中國借貸便利工具有效性研究——來自銀行信貸投放的證據(jù) [J]. 經(jīng)濟學(xué)（季刊），2022，22（06）.

[29]王之揚，王歡，夏凡. 經(jīng)濟政策不確定性對銀行風(fēng)險承擔(dān)的影響 [J]. 武漢金融，2022，（07）.

[30]Huang H C，Wang X，Xiong X. 2022. When Macro Time Series Meets Micro Panel Data：A Clear and Present Danger [J].Energy Economics，114.

[31]溫忠麟.張雷，侯杰泰，劉紅云.中介效應(yīng)檢驗程序及其應(yīng)用 [J].心理學(xué)報，2004，（05）.

[32]申宇，任美旭，趙靜梅. 經(jīng)濟政策不確定性與銀行貸款損失準(zhǔn)備計提 [J]. 中國工業(yè)經(jīng)濟，2020，（04）.

[33]夏仕龍， 付英俊. 數(shù)量型和價格型貨幣政策對銀行風(fēng)險承擔(dān)的影響研究——基于公司金融資本結(jié)構(gòu)理論的視角 [J]. 金融監(jiān)管研究， 2017， （08）.

收稿日期：2023-10-12? ? ? 修回日期：2023-11-30

基金項目：廣西哲學(xué)社會科學(xué)規(guī)劃研究課題“數(shù)字普惠金融與廣西經(jīng)濟協(xié)調(diào)發(fā)展：影響效應(yīng)及路徑選擇”（202302107）。

作者簡介：申韜，女，廣西大學(xué)工商管理學(xué)院教授，副院長，研究方向為信用經(jīng)濟；黃艷香，女，廣西大學(xué)經(jīng)濟學(xué)院，研究方向為金融學(xué)。