论文部分内容阅读
摘 要：本文以中国商业银行的年度观察数据为样本，考察了银行资本和流动性对贷款的影响，以及这种影响是否因商业银行流动性监管的实施而变化。我们发现资本比率对贷款有正向影响，流动性比率对贷款有负向影响。在实施流动性监管后，银行流动性对银行放贷的负面影响有所收紧，这一结果表明流动性监管对银行放贷产生了负面影响。
关键词：资本充足率;流动性监管;银行放贷
1.引言与文献综述
有一些关于银行贷款决定因素的文献分别关注于资本和流动性的影响。Bernanke和Lown（1991）建立了一个将银行贷款增长与银行资本比率和就业联系起来的模型。他们发现各银行的贷款增长与初始资本比率呈正相关。Kishan和Opiela（2000）分析了不同类型资本比率的相对影响，实证调查的结果显示资本充足率在决定银行贷款方面不显著。不同论文结果的差异可能是由于考虑了样本的异质性以及估计方法的差异。
在研究银行贷款的决定因素时，流动性是文献中使用最广泛的变量之一（Alper et al.， 2012）。然而，正如Deyoung和Jang（2016）所指出的，关于最低流动性标准对银行流动性风险或其他银行风险行为影响的理论或实证研究非常少，这可能是因为根据巴塞尔协议I和II，银行监管的重点是银行资本，主要实证结果表明，流动性变量对银行贷款具有正向的显著影响。
与本文的研究目的相一致，在现有文献的基础上，我们利用Bankscope数据库中的常用指标，对《商业银行流动性管理条例》（2014）实施后，资本和流动性对银行贷款的影响进行了研究。具体而言，我们的论文通过流动性指标和资本指标，研究更强有力的流动性监管对银行信贷行为的作用。
2. 假设
我们的研究重点是银行资本比率、银行流动性比率和贷款之间的线性关系，并考察监管冲击之后是否会发生变化。除此之外，我们假设不同的银行类型可能会产生不同的影响。
假设1。银行贷款水平与银行资本水平呈正相关。
假设2。银行贷款水平与银行流动性水平呈正相关。
假设3。实施商业银行流动性监管后，银行资本水平对贷款的影响与银行流动性水平对贷款的影响之间的正相关关系减弱。
假设1表明我们预计资本水平更高的银行将提供更多贷款。这一预测与之前的研究一致，因为资本充足的银行能够更有效地吸收银行贷款的负面冲击。
假设2表明，我们预计流动性水平更高的银行将提供更多贷款。这一预测与其他研究一致，即流动性较差的銀行可能会减少贷款，以将其流动性资产持有量维持在危险的低水平之上。
假设3表明，实施商业银行流动性监管后，银行资本对放贷的影响与银行流动性对放贷的影响之间的正相关关系减弱。
3.数据与实证方法
3.1数据
我们的研究使用了2011年至2017年期间对299家中国银行的年度观察，数据来自Bankscope数据库。样本包括8家国有商业银行、12家股份制商业银行、226家城市银行和53家农村商业银行。
3.2计量经济模型
为了验证银行资本、流动性和借贷之间的关系是否取决于监管的实施，设计了监管虚拟变量，并与银行流动性比率变量和资本比率变量进行交互。因此，本文采用的实证模型为：
基本回归模型：
nlai，t=αi+β0nlai，t+β1lcari，t+β2llatai，t+β3lsizei，t+β4lmfundi，t+β5lroai，t
+β6lnpli，t+β7lallowi，t+β8llgdpi，t+β9lshibori，t+εi，t
加入虚拟变量的回归模型：
nlai，t=αi+β0nlai，t+β1lcari，t+β2llatai，t+β3lcari，t*C+β4llatai，t*C+β5lsizei，t
+β6lmfundi，t+β7lroai，t+β8lnpli，t+β9lallowi，t+β10llgdpi，t+β11lshibori，t+εi，t
i 代表银行数量， t 代表时间。
因变量nla为t期i银行的年度贷款资产比率，我们的主要兴趣是交互项系数β3和β4，预期的符号都是负的。
GDP的年增长率（lggdp）和三个月银行间拆借比率的变化（lshibor）反映宏观经济条件和贷款需求的影响。
资本（lcar）：本研究主要考虑基于总风险的资本比率。资本比率的系数预计为正，因为资本充足的银行能够更有效地吸收冲击对银行放贷的负面影响。
流动性（llata&lldst）：本文采用Bankscope数据库定义，流动性比率的系数预计为正。
银行规模（lsize）：银行规模以总资产的自然对数来计算。这个变量的期望符号是不明确的。根据“大到不能倒”的理论，大型银行有承担更多风险的动机，从而能够提供更多信贷。然而，大银行可以使其投资组合多样化，而小银行则倾向于从事传统的贷款活动。从这个角度来看，规模效应可能是负面的。
融资结构（lmfund）：这个变量的计算方法是总负债减去总存款与总资产的比率。
盈利能力（lroa）：盈利能力是指税后净收入与总资产的比率。
贷款质量（lnpl和lallow）：非流动贷款占总贷款的比例反映了银行贷款组合的质量。
Bill dummy （C）：为了确定是否由于外部监管冲击而发生结构性变化，Bill dummy与银行特有的特征变量相互作用。bill dummy是一个指标变量，在2014 - 2017年期间为1，在法规的监管下为1，在其他情况下为0。
利用相关矩阵进行共线性诊断。结果表明，解释变量之间的相关系数较低，说明在我们的分析中不存在多重共线性问题。 4. 实证结果
4.1线性回归结果
我们首先做了基础回归，在不考虑资本比率和流动性比率交互项的情况下，考察了银行贷款与银行特定特征变量之间的线性关系。结果显示高资本充足率的银行面临较低的资本监管壓力，所以他们会用更多的资产放贷，贷款资产比例将会增加。城市银行和农村银行流动性的系数为负，这些银行持有更多高流动性资产保持高流动性， 贷款比例将减少。
银行总体、国有银行与股份制银行、城乡银行的规模效应均为负且显著，银行越大，贷款率越低。这一结果与中国大型银行近年来的业务转型有关。
贷款损失准备金对贷款的系数为负且显著。贷款损失准备金越高，银行的预期贷款损失越大，银行会减少贷款，贷款与资产的比率会降低。
银行总体、国有银行和股份制银行的GDP增长率系数均为负且显著。GDP增长率越高，经济环境越好，投资和赚钱的机会就越大，这些银行将更多的资产投资于非信贷业务，如证券和衍生品，因此贷款会减少。
4.2交互效应：
这一部分检验了虚拟变量与流动性水平、资本充足率交互项的影响。首先，在加入交互项后，大部分银行的资本充足率估计值仍然显著为正，说明这种关系是非常强和可靠的。流动性水平系数与交互项仍显著负相关。但是，从表中可以看出，只有国有银行和股份制银行的流动性水平交互项显著为负，这类银行在一定程度上可以代表大银行。这一结果可能反映了这样一个事实：由于政府的政治支持，因为政府不希望大银行破产，想要稳定社会，国有银行可以保持较低的流动性水平，而不用担心破产的风险。另一方面，人们知道政府总能把大银行从危险中拯救出来，因此他们倾向于从银行提取更少的钱，即使社会上有金融恐慌。也就是说，大银行可以利用保持较低的流动性水平，借出更多的钱，赚取更多的利润。流动性水平监管实施后，大型银行特别是大型国有银行不得不牺牲部分贷款来遵守基本流动性水平的法律。换句话说，在流动性水平与实施之前相同的情况下，银行将不愿意发放相同数量的贷款，因为他们想持有一些流动资产，以防流动性水平低于标准水平。
遗憾的是，资本充足率与虚拟变量交互项的估计系数对各银行均不显著。这一结果可能意味着流动性监管与资本充足率无关，并没有直接对资本充足率进行要求。
5. 结论
本研究结果表明，对于所有的银行，银行信贷增长随着银行资本的增加而增加。在流动性水平方面，结果表明，对于小银行而言，系数显著为负，这是由于小银行比大银行更害怕流动性问题而倾向于保持较高的流动性水平。其次，在模型中加入一个虚拟变量。只有大银行和国有银行的虚拟变量显著为负。如前所述，这种现象可能源于政府无形支持的减少和流动性水平的要求标准。最后，我们将交互项加入回归模型。不过，这一结果只适用于理由相同的大型银行。
参考文献：
[1] Roulet C. Basel III： Effects of capital and liquidity regulations on European
bank lending [J]. Journal of Economics and Business， 2017.
[2] Kim D， Sohn W. The effect of bank capital on lending： Does liquidity matter？[J].Journal of Banking & Finance， 2017， 77： 95-107.
[3] Goodhart C. The conduct of monetary policy[J]. The Economic Journal， 1989，99（396）： 293-346.
关键词：资本充足率;流动性监管;银行放贷
1.引言与文献综述
有一些关于银行贷款决定因素的文献分别关注于资本和流动性的影响。Bernanke和Lown（1991）建立了一个将银行贷款增长与银行资本比率和就业联系起来的模型。他们发现各银行的贷款增长与初始资本比率呈正相关。Kishan和Opiela（2000）分析了不同类型资本比率的相对影响，实证调查的结果显示资本充足率在决定银行贷款方面不显著。不同论文结果的差异可能是由于考虑了样本的异质性以及估计方法的差异。
在研究银行贷款的决定因素时，流动性是文献中使用最广泛的变量之一（Alper et al.， 2012）。然而，正如Deyoung和Jang（2016）所指出的，关于最低流动性标准对银行流动性风险或其他银行风险行为影响的理论或实证研究非常少，这可能是因为根据巴塞尔协议I和II，银行监管的重点是银行资本，主要实证结果表明，流动性变量对银行贷款具有正向的显著影响。
与本文的研究目的相一致，在现有文献的基础上，我们利用Bankscope数据库中的常用指标，对《商业银行流动性管理条例》（2014）实施后，资本和流动性对银行贷款的影响进行了研究。具体而言，我们的论文通过流动性指标和资本指标，研究更强有力的流动性监管对银行信贷行为的作用。
2. 假设
我们的研究重点是银行资本比率、银行流动性比率和贷款之间的线性关系，并考察监管冲击之后是否会发生变化。除此之外，我们假设不同的银行类型可能会产生不同的影响。
假设1。银行贷款水平与银行资本水平呈正相关。
假设2。银行贷款水平与银行流动性水平呈正相关。
假设3。实施商业银行流动性监管后，银行资本水平对贷款的影响与银行流动性水平对贷款的影响之间的正相关关系减弱。
假设1表明我们预计资本水平更高的银行将提供更多贷款。这一预测与之前的研究一致，因为资本充足的银行能够更有效地吸收银行贷款的负面冲击。
假设2表明，我们预计流动性水平更高的银行将提供更多贷款。这一预测与其他研究一致，即流动性较差的銀行可能会减少贷款，以将其流动性资产持有量维持在危险的低水平之上。
假设3表明，实施商业银行流动性监管后，银行资本对放贷的影响与银行流动性对放贷的影响之间的正相关关系减弱。
3.数据与实证方法
3.1数据
我们的研究使用了2011年至2017年期间对299家中国银行的年度观察，数据来自Bankscope数据库。样本包括8家国有商业银行、12家股份制商业银行、226家城市银行和53家农村商业银行。
3.2计量经济模型
为了验证银行资本、流动性和借贷之间的关系是否取决于监管的实施，设计了监管虚拟变量，并与银行流动性比率变量和资本比率变量进行交互。因此，本文采用的实证模型为：
基本回归模型：
nlai，t=αi+β0nlai，t+β1lcari，t+β2llatai，t+β3lsizei，t+β4lmfundi，t+β5lroai，t
+β6lnpli，t+β7lallowi，t+β8llgdpi，t+β9lshibori，t+εi，t
加入虚拟变量的回归模型：
nlai，t=αi+β0nlai，t+β1lcari，t+β2llatai，t+β3lcari，t*C+β4llatai，t*C+β5lsizei，t
+β6lmfundi，t+β7lroai，t+β8lnpli，t+β9lallowi，t+β10llgdpi，t+β11lshibori，t+εi，t
i 代表银行数量， t 代表时间。
因变量nla为t期i银行的年度贷款资产比率，我们的主要兴趣是交互项系数β3和β4，预期的符号都是负的。
GDP的年增长率（lggdp）和三个月银行间拆借比率的变化（lshibor）反映宏观经济条件和贷款需求的影响。
资本（lcar）：本研究主要考虑基于总风险的资本比率。资本比率的系数预计为正，因为资本充足的银行能够更有效地吸收冲击对银行放贷的负面影响。
流动性（llata&lldst）：本文采用Bankscope数据库定义，流动性比率的系数预计为正。
银行规模（lsize）：银行规模以总资产的自然对数来计算。这个变量的期望符号是不明确的。根据“大到不能倒”的理论，大型银行有承担更多风险的动机，从而能够提供更多信贷。然而，大银行可以使其投资组合多样化，而小银行则倾向于从事传统的贷款活动。从这个角度来看，规模效应可能是负面的。
融资结构（lmfund）：这个变量的计算方法是总负债减去总存款与总资产的比率。
盈利能力（lroa）：盈利能力是指税后净收入与总资产的比率。
贷款质量（lnpl和lallow）：非流动贷款占总贷款的比例反映了银行贷款组合的质量。
Bill dummy （C）：为了确定是否由于外部监管冲击而发生结构性变化，Bill dummy与银行特有的特征变量相互作用。bill dummy是一个指标变量，在2014 - 2017年期间为1，在法规的监管下为1，在其他情况下为0。
利用相关矩阵进行共线性诊断。结果表明，解释变量之间的相关系数较低，说明在我们的分析中不存在多重共线性问题。 4. 实证结果
4.1线性回归结果
我们首先做了基础回归，在不考虑资本比率和流动性比率交互项的情况下，考察了银行贷款与银行特定特征变量之间的线性关系。结果显示高资本充足率的银行面临较低的资本监管壓力，所以他们会用更多的资产放贷，贷款资产比例将会增加。城市银行和农村银行流动性的系数为负，这些银行持有更多高流动性资产保持高流动性， 贷款比例将减少。
银行总体、国有银行与股份制银行、城乡银行的规模效应均为负且显著，银行越大，贷款率越低。这一结果与中国大型银行近年来的业务转型有关。
贷款损失准备金对贷款的系数为负且显著。贷款损失准备金越高，银行的预期贷款损失越大，银行会减少贷款，贷款与资产的比率会降低。
银行总体、国有银行和股份制银行的GDP增长率系数均为负且显著。GDP增长率越高，经济环境越好，投资和赚钱的机会就越大，这些银行将更多的资产投资于非信贷业务，如证券和衍生品，因此贷款会减少。
4.2交互效应：
这一部分检验了虚拟变量与流动性水平、资本充足率交互项的影响。首先，在加入交互项后，大部分银行的资本充足率估计值仍然显著为正，说明这种关系是非常强和可靠的。流动性水平系数与交互项仍显著负相关。但是，从表中可以看出，只有国有银行和股份制银行的流动性水平交互项显著为负，这类银行在一定程度上可以代表大银行。这一结果可能反映了这样一个事实：由于政府的政治支持，因为政府不希望大银行破产，想要稳定社会，国有银行可以保持较低的流动性水平，而不用担心破产的风险。另一方面，人们知道政府总能把大银行从危险中拯救出来，因此他们倾向于从银行提取更少的钱，即使社会上有金融恐慌。也就是说，大银行可以利用保持较低的流动性水平，借出更多的钱，赚取更多的利润。流动性水平监管实施后，大型银行特别是大型国有银行不得不牺牲部分贷款来遵守基本流动性水平的法律。换句话说，在流动性水平与实施之前相同的情况下，银行将不愿意发放相同数量的贷款，因为他们想持有一些流动资产，以防流动性水平低于标准水平。
遗憾的是，资本充足率与虚拟变量交互项的估计系数对各银行均不显著。这一结果可能意味着流动性监管与资本充足率无关，并没有直接对资本充足率进行要求。
5. 结论
本研究结果表明，对于所有的银行，银行信贷增长随着银行资本的增加而增加。在流动性水平方面，结果表明，对于小银行而言，系数显著为负，这是由于小银行比大银行更害怕流动性问题而倾向于保持较高的流动性水平。其次，在模型中加入一个虚拟变量。只有大银行和国有银行的虚拟变量显著为负。如前所述，这种现象可能源于政府无形支持的减少和流动性水平的要求标准。最后，我们将交互项加入回归模型。不过，这一结果只适用于理由相同的大型银行。
参考文献：
[1] Roulet C. Basel III： Effects of capital and liquidity regulations on European
bank lending [J]. Journal of Economics and Business， 2017.
[2] Kim D， Sohn W. The effect of bank capital on lending： Does liquidity matter？[J].Journal of Banking & Finance， 2017， 77： 95-107.
[3] Goodhart C. The conduct of monetary policy[J]. The Economic Journal， 1989，99（396）： 293-346.