作者：周顺兴，管理学博士，清华大学经济管理学院应用经济学博士后科研流动站、包商银行博士后科研工作站联合培养博士后

 

摘要：近年来，我国银行业的影子银行业务规模持续膨胀，在商业银行业务结构中的比 例持续上升，但从微观视角对影子银行风险效应及其作用机理的研究尚有空白。本文采用全国 125家中小商业银行2011年至2016年经营情况的面板数据，将同业投资纳入影子银行测算范围， 在理论分析的基础上实证检验了影子银行业务对商业银行风险承担的影响。研究结果表明，影 子银行业务发展显著提高了商业银行风险承担水平。进一步分析发现，影子银行业务的发展使 得商业银行资产配置更多投向高风险资产，最终使得资产质量下滑、不良贷款增加，即影子银行主要通过信用风险传导机制影响商业银行经营风险。因此，应加强对影子银行业务和商业银 行的监管，扎实整治金融乱象，约束商业银行的过度风险承担行为。

关键词：影子银行；风险承担；信用风险；非标资产；同业投资

 

三、影子银行业务与商业银行风险承担模型构建

（一）模型设定与变量选择

为了验证影子银行业务是否影响了商业银行的整体风险承担水平，本文构建模型进行实证 分析。首先，设定基本模型，研究影子银行业务对其整体风险的影响；其次，研究影子银行风险的信用风险传导渠道。根据研究假说，本文首先采用非观测效应面板数据模型对影子银行业 务与商业银行风险水平之间的关系进行实证分析。模型表达式如下：

其中，i=1,2,…,N表示商业银行个体；t表示时间，c为常数项；μi表示随个体变化但不随时 间变化的非观测效应；εit为随机误差项。模型中各变量名称及定义见表1。

Risk是被解释变量，描述商业银行的风险水平，使用Z指数表示。国内外现有文献中衡 量银行风险的指标主要有股票收益波动率、条件在险价值（CoVaR）、Z指数。张岩和罗莉 （2013）综述了国内外文献对商业银行的风险评价指标，认为Z指数数据可获得性强、易操作， 可以近似地评价商业银行的风险。由于本文的研究样本绝大多数为非上市银行，没有公开发行 股票，因而无法计算股票收益波动率和条件在险价值，故使用Z指数来测度商业银行的总体风 险状况，Houston等（2010）、张健华和王鹏（2012）都曾使用Z值测度了商业银行风险。根据 Roy（1952）的定义，Z指数的计算方法为Z=(平均资产回报率+平均资本比率)/平均资产回报率 的变动率，其中平均资产回报率的变动率即为平均资产回报率的标准差。Z指数越大，商业银 行的经营稳定性越高、风险越小。

 

Shadow是本文的关键解释变量，描述样本银行的影子银行业务规模，使用商业银行同业 投资、买入返售资产、非保本理财三项表内外影子银行业务规模的余额合计数来测度，并以上 述影子银行规模占总资产的比例表示。上述指标越高，影子银行规模越大、商业银行参与影子 银行业务的程度越高。本文的影子银行指标较以往文献具有更强的代表性：以作者实地调研过 的某银行为例，2016年末该行表内同业投资3000亿元中不含债券投资，具有较强的影子银行属 性。表外的非保本理财产品2700亿元，其中非标资产1约700亿元，还有处于灰色地带的“非非 标”2资产约1100亿元，主要包括理财直接融资工具、股票质押式回购、部分流动性不佳的企业 债务融资工具等；将这些“非非标”业务“穿透还原”后，非保本理财业务的影子银行属性更 加显著。2014年人民银行等五部委发布的《关于规范金融机构同业业务的通知》（银发〔2014〕 127号），明确买入返售业务项下的金融资产应当为银行承兑汇票，债券、央票等在银行间市 场、证券交易所市场交易的具有合理公允价值和较高流动性的金融资产，买入返售资产的影 子银行属性有所减弱。但考虑到本文的研究期间是2011年至2016年，为保持数据的前后一致可 比，对2014年至2016年的买入返售业务也一并纳入影子银行测算，本文将在稳健性检验中考虑 这一情况。

 

控制变量是描述样本商业银行基本特征和经营情况的变量，包括资本情况、负债结构、存 贷比、收入结构、经营效率、资产规模等要素。

 

（二）数据来源与样本选取

 

本研究数据主要来源于BvD Bankscope金融数据库，并通过各商业银行网站和《金融时报》 披露的商业银行年报手工补充收集，最终共获取到125家中小商业银行2011年至2016年的数据 （其中有4家银行因2011年新成立未收集到数据，区间为2012年至2016年）。整理数据发现，贷 款在商业银行资产结构中的比例持续下降这一现象在中小商业银行中尤为突出，在以工商银 行、建设银行等为代表的大型商业银行中反而不显著。本文统计发现，2016年末工商银行的 贷款资产占全部资产的比例为52.82%、建设银行为54.39%、中国银行为54.31%、农业银行为 47.75%、交通银行为48.84%，均显著高于银行业37%的平均水平。基于此，同时考虑到数据可得性以及本文所聚焦的研究范围，未将上述5家大型商业银行纳入研究样本。进入本文研究样 本的125家中小商业银行分布于全国29个省，经营范围遍布全国，14家已上市、111家未上市， 均为影子银行业务相对活跃、占比较高的银行，2016年末总资产合计26.65万亿元。其中，规 模最大的样本银行资产规模2.1万亿元，规模最小的样本银行资产规模超过100亿元，平均资产 规模2132亿元，有11家样本银行资产规模超过5000亿元。通过研究这些银行的情况，对掌握我 国中小商业银行影子银行业务现状及风险管理状况有较强的代表性和说服力。

 

（三）影子银行业务与商业银行风险承担的动态变化及相互关系

 

通过对数据进行描述性分析，本文进一步分析模型关键变量的动态变化及相互之间的简单 关系。在经营风险方面，Z指数的均值为5.19，标准差1.31，由于样本银行覆盖面较广，经营 规模、资产质量、盈利情况差异性较大，最大值和最小值的差异达到了29倍；从纵向时间维度 看，2011年至2013年样本银行经营风险持续下降，2014年出现了明显的转折，Z指数掉头向下、 经营风险有所上升。在信用风险方面，样本银行平均不良贷款率为1.19%，自2011年以来呈明 显的逐年上升态势，表明样本银行的资产质量在持续下滑。影子银行业务方面，三类影子银行 业务占银行总资产的比例均值达到23.42%，且不同银行间的指标离散程度较大。所有者权益占 比均值仅为7.54%，可以看出样本银行的业务策略较为激进，资产业务主要依靠存款等负债支 撑，属于高杠杆运作；存款占总资产的比例为71.96%，表明样本银行的负债业务仍以存款为 主；营业支出占总资产的2.3%，经营效率总体不高（参见表2和表3）。

从表4可以看出影子银行及其三个组成部分的结构变化情况，最显著的特点是同业投资规 模的迅速扩张，从2011年占影子银行规模的34.33%上升至2016年的66.24%，成为影子银行业 务最重要的种类。其中，2012年以来银证合作业务蓬勃发展可能是一个推动因素。市场上旺盛 的理财需求使非保本理财业务也从占影子银行规模的5.88%上升至2016年的24.38%。买入返售 业务则从占影子银行规模的59.79%降至2016年的9.41%，这与2014年4月发布的《关于规范金 融机构同业业务的通知》（银发〔2014〕127号）要求买入返售业务项下的金融资产应当具有公 允价值和较高流动性有关。这些结构变化进一步验证了本文所构建的纳入同业投资业务的影子 银行测度指标具有合理性。

 

四、实证结果和分析

 

（一）影子银行业务对商业银行经营风险的影响

 

本研究使用Stata软件对面板数据进行检验时发现，本研究中的数据存在自相关和异方差问 题，导致最小二乘法估计(OLS)不能一致和无偏地估计参数，因此改用可行的广义最小二乘法 （FGLS）来控制自相关和异方差问题并进行统计分析。

回归（1）考察影子银行业务对商业银行风险承担的影响，可以看出影子银行规模 （Shadow）变量的回归系数在1%的水平上显著为负，表明商业银行开展影子银行业务使得其 经营风险明显上升，这验证了本文的研究假说1。在控制变量对商业银行风险承担的影响方 面：权益比例（Rcapital）变量在1%的水平上显著为负，自有资本多、经营杠杆不高的商业银行盈利压力较大，优先关注利润而开展高风险高收益业务，从而导致风险偏好上升；存款比例 （Rdeposit）变量在1%的水平上显著为负，存款比例高的银行面临更高的付息成本，亟需将资 金运用出去，从而导致经营风险上升；资产规模（LnAsset）变量在1%的水平上显著为正，表 明银行业是规模经济行业，规模越大的银行风险越低。回归（2）、回归（3）分别使用未取对 数的原始Z指数和三年移动平均Z指数作为自变量进行稳健性检验，模型的主要结果不变（回 归结果详见表5）。

 

（二）基于信用风险传导的进一步分析

 

通过上述分析发现，随着影子银行业务的参与度越来越高，已对我国商业银行的经营风险 构成了新的威胁，但仍无从验证其背后的作用机制。因此，本文进一步分析了商业银行资产配 置行为与信用风险的变化。影子银行业务发展可能促使商业银行加快资产规模扩张、放宽授信 业务准入条件，从而进一步鼓励商业银行的信用风险承担行为，这种信用风险承担行为长期积 累会导致总体风险承担上升。本文选取信用风险（CreditRisk）指标，构建模型如下：

其中，CreditRisk表示商业银行的信用风险，以不良贷款率（RNPL）表示, 用于检验影子 银行风险的信用风险传导路径。根据《贷款风险分类指引》（银监发〔2007〕54号），该指标以 商业银行的不良贷款（即次级类、可疑类、损失类三类贷款）占全部贷款的比例表示，其他解 释变量和控制变量同模型（1）。

由表6分析可知，在回归（4）中影子银行规模Shadow变量的回归系数在1%的水平上显著 为正，表明影子银行业务的发展导致商业银行的不良贷款率上升、资产质量下滑，从而验证了 本文的研究假说2。

 

（三）稳健性检验

为解决可能存在的内生性和因果识别问题，本文使用系统广义矩（GMM）方法对模型 （1）（2）重新进行了估计，即以差分变量的滞后项作为水平方程的工具变量，以水平方程变量 的滞后项作为差分方程的工具变量，检验回归结果的稳健性，系统GMM估计结果列示在表7回 归（5）、回归（6）。回归（5）中影子银行规模Shadow变量的回归系数在10%的水平上显著为 负，回归（6）中影子银行规模Shadow变量的回归系数在5%的水平上显著为正，与先前结果基 本一致,表明本文的实证结果较为稳健。 由上文分析可知，2014年人民银行等五部委127号文下发后，买入返售资产的影子银行属 性有所减弱。但考虑到本文的研究期间是2011年至2016年，为保持数据的前后一致可比，对 2014年至2016年的买入返售业务也一并纳入影子银行测算。为提高分析结果的稳健性，本文将 买入返售业务全部剔除后重新计算出影子银行规模（NewShadow）并对模型（1）（2）重新进 行了估计，有关结果列示在表7回归（7）、回归（8），结果仍与先前基本一致。

五、结论与政策启示

本文以全国125家中小商业银行为研究样本，使用非观测效应面板数据模型，实证分析了 影子银行业务与商业银行风险承担的关系。研究发现：一方面，影子银行业务发展对商业银行 风险承担有显著不利影响，影子银行业务开展越多，商业银行风险水平越高；另一方面，影子 银行业务发展显著改变了商业银行的资产配置行为，导致商业银行的资产质量下滑、信用风险 上升，最终传导至总体风险水平上升。 由此，本文得到两点政策启示：一是加强影子银行业务监管。健全影子银行的信息统计， 明确分类标准，全面掌握影子银行风险底数。要将影子银行的所有业务清晰纳入监管体系，规 范影子银行业务的发展方向，严防影子银行带来的风险传染冲击整个金融体系安全，防范化解 系统性金融风险。二是加强金融机构监管。开展影子银行业务可能促使商业银行放松授信业务 准入，影响商业银行的贷款质量和信用风险。要进一步加强金融乱象治理，防止金融机构通过 影子银行业务进行资产负债表的过度扩张，规范其经营行为，严禁规避监管和掩盖风险，最终 有效缓释和处置单体金融风险。