李夢(mèng)花

摘要：本文采用我國(guó)105家商業(yè)銀行的微觀數(shù)據(jù)實(shí)證分析了信貸熱潮對(duì)我國(guó)銀行脆弱性的影響，分析結(jié)果表明信貸熱潮及股票、基金、債券等市場(chǎng)的發(fā)展會(huì)顯著影響我國(guó)銀行脆弱性；信貸熱潮還通過銀行市場(chǎng)結(jié)構(gòu)、銀行部門提供的信貸占比加劇其對(duì)銀行脆弱性的負(fù)面影響，相反虛擬經(jīng)濟(jì)的適度發(fā)展弱化了這一負(fù)面影響。這啟示我們制定政策時(shí)應(yīng)盡量避免信貸熱潮的發(fā)生，并密切關(guān)注其持續(xù)性；改變目前過高的銀行集中度及過度依賴商業(yè)銀行配置資源的局面，降低銀行準(zhǔn)入限制，發(fā)展直接融資市場(chǎng)，例如適度發(fā)展股票、基金、債券等市場(chǎng)，同時(shí)加大監(jiān)督管理，使這些市場(chǎng)的發(fā)展能有效分擔(dān)銀行承擔(dān)的風(fēng)險(xiǎn)，降低銀行脆弱性。

關(guān)鍵詞：金融體系；銀行脆弱性；信貸熱潮；虛擬經(jīng)濟(jì)

中圖分類號(hào)：F830 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-854X（2016）10-0022-07

一、引言

2008年，美國(guó)爆發(fā)的次貸危機(jī)最終演變?yōu)橐粓?chǎng)席卷世界的國(guó)際金融危機(jī)。危機(jī)期間，大量金融機(jī)構(gòu)陷入流動(dòng)性短缺、資不抵債等漩渦，甚至一些行業(yè)翹楚，如雷曼兄弟宣告破產(chǎn)。此后危機(jī)的影響擴(kuò)展到世界經(jīng)濟(jì)的各個(gè)方面，實(shí)體經(jīng)濟(jì)受到嚴(yán)重拖累。各國(guó)GDP增速放緩，甚至負(fù)增長(zhǎng)，貿(mào)易額大幅下滑，致使各國(guó)不得不無休止地采取各種寬松的刺激政策，而這又帶來一系列新的問題，比如通脹，甚或滯脹。時(shí)至今日世界經(jīng)濟(jì)仍然不可以說已經(jīng)走出這場(chǎng)源于金融體系的災(zāi)難。這使得金融脆弱尤其是銀行體系的脆弱性成為各國(guó)學(xué)界、政界關(guān)注的焦點(diǎn)。

在過去的數(shù)十年間，世界各國(guó)經(jīng)歷了不同程度的金融深化。一方面金融中介機(jī)構(gòu)數(shù)量和規(guī)模持續(xù)擴(kuò)大，資本市場(chǎng)上衍生產(chǎn)品相繼涌現(xiàn)，衍生鏈條不斷延伸，資產(chǎn)交易額和市值迅速攀升，使得經(jīng)濟(jì)虛擬化程度加深；另一方面各國(guó)信貸出現(xiàn)持續(xù)的快速擴(kuò)張過程。Tomell&Westermann指出信貸繁榮多數(shù)會(huì)逐漸減速，但有時(shí)會(huì)強(qiáng)化金融系統(tǒng)脆弱性，引發(fā)貨幣和金融雙危機(jī)。成思危通過理論分析認(rèn)為虛擬經(jīng)濟(jì)是一把雙刃劍，對(duì)實(shí)體經(jīng)濟(jì)的發(fā)展，一方面可能是加速器，另一方面也可能是破壞者，而隨著經(jīng)濟(jì)虛擬化的不斷加深，它最大的危害是造成金融危機(jī)。劉駿民和張國(guó)慶通過對(duì)美國(guó)數(shù)據(jù)的實(shí)證分析指出虛擬經(jīng)濟(jì)的不穩(wěn)定性與敏感性成為誘發(fā)金融危機(jī)的因素。以上分析表明隨著經(jīng)濟(jì)虛擬化程度的提升，以及信貸膨脹的涌現(xiàn)，新興經(jīng)濟(jì)體金融體系的不穩(wěn)定性逐漸凸顯。我國(guó)作為世界第二大經(jīng)濟(jì)體，經(jīng)濟(jì)發(fā)展取得持續(xù)的高速增長(zhǎng)，而金融體系仍然是以金融中介機(jī)構(gòu)為主導(dǎo)，這使得銀行脆弱性成為各界關(guān)注的焦點(diǎn)。伴隨中國(guó)經(jīng)濟(jì)的高速發(fā)展，一方面經(jīng)濟(jì)虛擬化程度不斷攀升，由1999年的0.92到2013年18.80；另一方面信貸持續(xù)增長(zhǎng)，金融機(jī)構(gòu)各項(xiàng)貸款由1999年9.37萬億元增長(zhǎng)到2013年的71.9萬億元。但目前已有的銀行體系脆弱性問題研究從信貸繁榮視角考察的還很不充分，而將銀行脆弱性與信貸繁榮及經(jīng)濟(jì)虛擬化結(jié)合起來的就更少。

目前我國(guó)正處在經(jīng)濟(jì)虛擬化初期，自20世紀(jì)90年代分別在上海和深圳設(shè)立兩大證券交易所（下文簡(jiǎn)稱滬深兩市）以來，截止2015年10月，深市上市公司由最初的5家增長(zhǎng)到1729家，滬市上市公司總數(shù)由最初的8家增加到1071家，滬深兩市總市值達(dá)到47.67萬億，A股累計(jì)成交額為214.19萬億，債券累積成交額100.60萬億，基金累計(jì)成交金額為12.74萬億，分別為2014年國(guó)內(nèi)生產(chǎn)總值的74%、337%、158%、20%，由此我國(guó)的虛擬經(jīng)濟(jì)在國(guó)民經(jīng)濟(jì)發(fā)展中已經(jīng)具有重要地位。盡管2008年美國(guó)金融危機(jī)源于虛擬經(jīng)濟(jì)，卻并不代表虛擬經(jīng)濟(jì)面臨終結(jié)，相反未來虛擬經(jīng)濟(jì)的發(fā)展仍是經(jīng)濟(jì)發(fā)展的主題，只不過將以更規(guī)范的方式增長(zhǎng)。因此從經(jīng)濟(jì)虛擬化視角研究信貸熱潮對(duì)銀行脆弱性的影響具有很強(qiáng)的現(xiàn)實(shí)意義。

二、研究設(shè)計(jì)與樣本選擇

1.樣本選擇及數(shù)據(jù)來源

我國(guó)自1998年開始取消信貸規(guī)模的計(jì)劃管理模式，因此本文研究樣本的年度區(qū)間為1999—2013年。由于各銀行在樣本期間均有不同程度的數(shù)據(jù)缺失，故本文使用數(shù)據(jù)為非平衡的面板數(shù)據(jù)。結(jié)合本文研究，我們借鑒劉曉欣和王飛的研究剔除了以下幾類個(gè)體：證券公司、政策性銀行、信托公司和國(guó)際銀行，同時(shí)對(duì)樣本期內(nèi)發(fā)生重組或合并的銀行采用合并銀行數(shù)據(jù)。最終的樣本包括中國(guó)銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)工商銀行、中國(guó)建設(shè)銀行、交通銀行5家大型商業(yè)銀行：浦發(fā)銀行、中信銀行、興業(yè)銀行、華夏銀行、北京銀行、渤海銀行等100家中小型商業(yè)銀行。因此本文最終的研究樣本確定為1999—2013年的我國(guó)105家商業(yè)銀行。本文使用的各項(xiàng)銀行數(shù)據(jù)來源于bankscope數(shù)據(jù)庫及各銀行年報(bào)，而宏觀指標(biāo)等均來源于國(guó)家統(tǒng)計(jì)局各年統(tǒng)計(jì)年鑒及ccer數(shù)據(jù)庫。

2.主要變量選取及度量指標(biāo)的選擇

（1）銀行脆弱性。關(guān)于銀行脆弱性的測(cè)度指標(biāo)主要有資本充足率、不良貸款率、加權(quán)的銀行脆弱性指數(shù)以及銀行穩(wěn)定性指標(biāo)z_score。本文借鑒Bertay等研究成果引入z_score來測(cè)度銀行脆弱性。計(jì)算公式如下：

其中，roa為銀行資產(chǎn)收益率，car為銀行資本充足率，sd（roa）為資產(chǎn)收益率的標(biāo)準(zhǔn)差，本文由3年移動(dòng)平均來計(jì)算，同時(shí)為了盡可能全面真實(shí)地反映樣本信息，減少數(shù)據(jù)的損失，文中對(duì)樣本期內(nèi)第1年及最后1年的sd（roa）均采用兩年移動(dòng)平均。具體來說，1999年的標(biāo)準(zhǔn)差采用1999年和2000年兩年的移動(dòng)平均；2013年的標(biāo)準(zhǔn)差采用2012年和2013年兩年的移動(dòng)平均。

（2）信貸熱潮。信貸的快速增長(zhǎng)通常有三個(gè)原因：金融深化、正常的周期性上升和異常的周期性上升，只有異常的周期上升可以構(gòu)成信貸熱潮。實(shí)證研究中.有關(guān)信貸熱潮的識(shí)別，Gourinchas，Landerretche&Valdes認(rèn)為信貸熱潮是名義信貸占比（信貸額/GDP）對(duì)其趨勢(shì)一定程度的偏離⑥。他們提出這一偏離應(yīng)該達(dá)到某一門限閾值，并定義了相對(duì)和絕對(duì)兩種偏離，相對(duì)偏離將信貸增加的規(guī)模與銀行體系規(guī)模聯(lián)系起來，用銀行信貸額占比是否超過10%來識(shí)別：而絕對(duì)偏離將其與經(jīng)濟(jì)體大小聯(lián)系。用真實(shí)的信貸增長(zhǎng)率對(duì)其趨勢(shì)的絕對(duì)偏離來識(shí)別。Te～ones&Mendoza認(rèn)為，在一個(gè)給定國(guó)家，若信貸膨脹超過給定的門限閾值（相當(dāng)于信貸對(duì)其長(zhǎng)期趨勢(shì)偏離值標(biāo)準(zhǔn)差的1.75倍），則認(rèn)為發(fā)生熱潮。本文借鑒Gourinchas，Landerretche&Valdes（2001）的分析，分別通過絕對(duì)和相對(duì)兩種門限閾值識(shí)別我國(guó)的信貸熱潮。絕對(duì)門限閾值借鑒Barajas，Dell Ariccia&Levchenko（2007）的研究方法，首先引入Bcp（credit/adp）指標(biāo)來度量信貸增長(zhǎng)。由于信貸是一個(gè)存量指標(biāo)，而gdp是流量指標(biāo)，同上參考Baraias，Dell Ariccia&Levchenko（2007），文中采用gdp，和gdp_t+1的幾何平均作為GDP的代理變量。借鑒Mendoza，Terrones&Mendoza（2008）運(yùn)用標(biāo)準(zhǔn)型HP過濾器（由于采用年度數(shù)據(jù)，平滑指數(shù)設(shè)為100）估計(jì)Bcp的長(zhǎng)期趨勢(shì)，如下圖1所示。然后，對(duì)數(shù)化Bcp（1nbcp）及其長(zhǎng)期趨勢(shì)，計(jì)算二者的偏離值，定義為d。，繼而我們求取該序列的標(biāo)準(zhǔn)差，記為σ（d_t），當(dāng)一期或連續(xù)多期滿足條件：

（df）≥λσ（d_t），說明年正在經(jīng)歷信貸熱潮（λ為信貸熱潮閾值）。文中λ設(shè)定為1.25。為檢驗(yàn)λ的穩(wěn)健型，本文也驗(yàn)證了λ=1.5、2時(shí)的結(jié)論，發(fā)現(xiàn)不改變本文的實(shí)證結(jié)果。

文中依據(jù)中國(guó)人民銀行的劃分標(biāo)準(zhǔn)，將樣本按照銀行規(guī)模變量分為三組，第一組為所有銀行，第二組為大型銀行，第三組為中、小型銀行，這是由于規(guī)模特征是決定銀行行為的基礎(chǔ)因素。

為進(jìn)一步分析信貸熱潮期間，各因素是如何影響銀行脆弱性的，本文借鑒Delis（2011）的方法，建構(gòu)含交叉項(xiàng)的估計(jì)模型：

（1）銀行規(guī)模。本文采用銀行資產(chǎn)對(duì)數(shù)值Inas-set代理銀行規(guī)模，學(xué)界對(duì)銀行規(guī)模與其脆弱性之間的關(guān)系并無共識(shí)。學(xué)者Delis（2011）采用18000家銀行2003—2008年的數(shù)據(jù)進(jìn)行實(shí)證分析，認(rèn)為銀行規(guī)模與脆弱性呈負(fù)向相關(guān)關(guān)系，這主要是由于規(guī)模增大，可使投資越發(fā)分散，從而降低銀行風(fēng)險(xiǎn)。而Aikman，Haldane&Nelson提出銀行規(guī)模越大.風(fēng)險(xiǎn)管理技術(shù)越高，然而這也不過只會(huì)使風(fēng)險(xiǎn)轉(zhuǎn)移而不會(huì)消失，相反會(huì)使風(fēng)險(xiǎn)累加，且伴隨規(guī)模的擴(kuò)張，委托代理問題會(huì)出現(xiàn)，從而增加銀行風(fēng)險(xiǎn)，脆弱性提升。

（2）銀行集中度。銀行集中度cr是衡量銀行業(yè)市場(chǎng)結(jié)構(gòu)的度量指標(biāo)，通過計(jì)算銀行體系最大的前幾個(gè)銀行資產(chǎn)額占整個(gè)體系資產(chǎn)額的比例來反映銀行體系的集中度，該比例越高，表示銀行業(yè)集中度越高。最初這一指標(biāo)選用最大的前三個(gè)銀行資產(chǎn)額占比來計(jì)算，但考慮到我國(guó)長(zhǎng)期以來的四大國(guó)有商業(yè)銀行的主導(dǎo)支配地位，本文選取最大的前四個(gè)銀行資產(chǎn)額占比來反映集中度，即cr_4，t。

（3）經(jīng)濟(jì)增長(zhǎng)率gw。為了解宏觀經(jīng)濟(jì)環(huán)境對(duì)銀行脆弱性的影響，文中選取經(jīng)濟(jì)增長(zhǎng)率gw指標(biāo)作為代理變量。學(xué)者Schulafick & Taylor認(rèn)為寬松的宏觀經(jīng)濟(jì)下，伴隨經(jīng)濟(jì)景氣上升，形成樂觀預(yù)期，各銀行均有擴(kuò)張信貸的沖動(dòng)，從而提高銀行自身的脆弱性。

（4）信貸占比。McKinnon&Pill認(rèn)為存款保障制度使銀行部門形成樂觀預(yù)期，傾向放松借款條件，借款條件的放松勢(shì)必帶來過度的消費(fèi)、投資及過度的借款，而這一系列變化使貸款提供部門即銀行機(jī)構(gòu)的信貸迅速增長(zhǎng)，會(huì)導(dǎo)致銀行脆弱性惡化。文中bcp為信貸占比。

三、實(shí)證結(jié)果與分析

本文采用動(dòng)態(tài)面板的估計(jì)模型，這一模型的典型特征是解釋變量含有被解釋變量的滯后項(xiàng)。借鑒Holtz-Eakin，Newey&Rosen（1988）的研究，認(rèn)為系統(tǒng)GMM的估計(jì)算法可以提高動(dòng)態(tài)面板估計(jì)效率，但為了確認(rèn)估計(jì)的有效性，需要對(duì)擾動(dòng)項(xiàng)的差分序列進(jìn)行相關(guān)性檢驗(yàn)及對(duì)估計(jì)過程中的工具變量進(jìn)行過度識(shí)別的檢驗(yàn)。

1.模型一的估計(jì)結(jié)果與分析

表1為模型一的實(shí)證結(jié)果。表中顯示擾動(dòng)項(xiàng)差分序列二階自相關(guān)的Abond檢驗(yàn)及工具變量過度識(shí)別問題的Sargan檢驗(yàn)均滿足。表明本文采用的系統(tǒng)GMM估計(jì)算法合理可用。

（1）信貸熱潮對(duì)銀行脆弱性的影響分析。表1的估計(jì)結(jié)果表明：信貸熱潮與銀行脆弱性之間呈現(xiàn)正相關(guān)。在所有銀行分組的回歸結(jié)果中，信貸熱潮與z_Score的估計(jì)系數(shù)均為負(fù)值，即信貸熱潮期，z_score下降，銀行脆弱性上升。這與Dell′ Ariccia&Marquez的結(jié)論是一致的。但進(jìn)一步分析，我們發(fā)現(xiàn)大銀行樣本回歸中二者之間的影響系數(shù)并不顯著，導(dǎo)致這一結(jié)果可能有以下幾個(gè)原因：一是我國(guó)長(zhǎng)期以來形成的四大國(guó)有商業(yè)銀行的主導(dǎo)地位，這使得它們的貸款對(duì)象相對(duì)中小銀行來說更為優(yōu)質(zhì)。違約風(fēng)險(xiǎn)更小，即使在信貸熱潮期，銀行面臨的風(fēng)險(xiǎn)仍然可控。二是我國(guó)國(guó)有銀行（大銀行）不僅具有商業(yè)銀行的屬性，還承擔(dān)了一定的行政性指標(biāo)。因而在國(guó)有銀行體系中必須存在大量為支持國(guó)有經(jīng)濟(jì)發(fā)展的信貸，也正因?yàn)槿绱耍箛?guó)有大銀行部分資金無法參與到信貸熱潮中來，相應(yīng)受到的沖擊也較小，從而使大銀行的脆弱性對(duì)信貸熱潮的反應(yīng)并不那么敏感。

（2）經(jīng)濟(jì)虛擬化發(fā)展對(duì)銀行脆弱性的影響。經(jīng)濟(jì)虛擬化發(fā)展與銀行脆弱性是正相關(guān).表1顯示f_t與z_score負(fù)向相關(guān)，即經(jīng)濟(jì)越是虛擬化，銀行體系穩(wěn)健性越是下滑，脆弱性問題凸顯。經(jīng)濟(jì)虛擬化初期，股票、債券、基金等市場(chǎng)的適度發(fā)展對(duì)降低銀行脆弱性是有利的，而且推動(dòng)了經(jīng)濟(jì)發(fā)展。而我國(guó)正處在虛擬化初期卻出現(xiàn)相反情形.主要是由于近些年資本市場(chǎng)發(fā)展迅速，而相應(yīng)的法律規(guī)范及成熟監(jiān)管并不到位，致使其發(fā)展過程中存在很多問題，沒有很好地起到分擔(dān)商業(yè)銀行資本配置的壓力。虛擬化后期，f_t與z_score的負(fù)向關(guān)系顯現(xiàn)，這與劉駿民提出的“經(jīng)濟(jì)的虛擬化為當(dāng)代世界經(jīng)濟(jì)埋下了金融危機(jī)的種子”觀點(diǎn)一致。進(jìn)一步分析發(fā)現(xiàn)，大銀行子樣本回歸結(jié)果中f_t與z_score正向相關(guān)，這主要是由于大銀行擁有優(yōu)質(zhì)高效的管理監(jiān)督團(tuán)隊(duì)及有效的風(fēng)險(xiǎn)分散渠道，從而導(dǎo)致其風(fēng)險(xiǎn)偏小。

（3）銀行集中度對(duì)脆弱性的影響。由表1可知，銀行集中度與脆弱性呈正相關(guān)，本文的實(shí)證分析結(jié)果支持了“集中脆弱論”。這與Schaeck and Cikak、Soedarmono等的實(shí)證分析結(jié)論一致。這主要是因?yàn)椋阂皇倾y行集中雖然能夠帶來壟斷收益，但同時(shí)集中也提高了利率，這增加了借款人的逆向選擇概率，使銀行資產(chǎn)質(zhì)量惡化。二是大銀行雖然更容易實(shí)現(xiàn)分散化，但分散化也同時(shí)降低了銀行的管理效率，而且同時(shí)加大了監(jiān)管難度。此外L.z_score的估計(jì)系數(shù)顯示，銀行脆弱性具有明顯的持續(xù)慣性，這一點(diǎn)在每個(gè)銀行分組中都得到體現(xiàn)。

（4）信貸占比對(duì)銀行脆弱性的影響。表1的估計(jì)結(jié)果顯示：信貸占比與銀行脆弱性為正相關(guān)，即信貸增長(zhǎng)越快，銀行脆弱性越高。這與Ivashina，Cihak，Demirguc-Kunt & Feyen等的研究結(jié)論一致。這主要是由于信貸繁榮時(shí)，會(huì)形成對(duì)未來收入及資產(chǎn)價(jià)格的樂觀預(yù)期，從而加劇信貸繁榮及其持續(xù)，且繁榮期銀行在選擇策略時(shí)傾向于降低貸款標(biāo)準(zhǔn)，這一反應(yīng)策略成為信貸繁榮提升銀行脆弱性的內(nèi)在機(jī)制。

（5）宏觀經(jīng)濟(jì)環(huán)境對(duì)銀行脆弱性的影響。實(shí)證結(jié)果顯示：不同組別的銀行，其脆弱性對(duì)宏觀經(jīng)濟(jì)環(huán)境的反應(yīng)并不一致。大型銀行中二者呈現(xiàn)顯著的正相關(guān)，即gw越高，z_score越低，脆弱性越高；而中小銀行中二者呈現(xiàn)顯著的負(fù)相關(guān)。這主要是因?yàn)椋阂皇墙?jīng)濟(jì)景氣期，大銀行形成相對(duì)更高的樂觀預(yù)期，從而面臨更大的風(fēng)險(xiǎn)；二是中小銀行在風(fēng)險(xiǎn)控制管理上更加謹(jǐn)慎，即使在經(jīng)濟(jì)景氣期，仍絲毫未放松對(duì)謹(jǐn)慎原則的貫徹。

2.模型二的估計(jì)結(jié)果與分析

模型二的估計(jì)結(jié)果如表2所示，表中顯示擾動(dòng)項(xiàng)差分序列二階自相關(guān)的Abond檢驗(yàn)及工具變量過度識(shí)別問題的Sargan檢驗(yàn)均滿足，表明本文采用的系統(tǒng)GMM估計(jì)算法合理可用。

首先，銀行集中度對(duì)脆弱性依然呈現(xiàn)正相關(guān)，其與信貸熱潮的交叉項(xiàng)對(duì)脆弱性的影響仍是正相關(guān)，這表明銀行集中度對(duì)脆弱性的影響方向固定，即使在信貸熱潮的經(jīng)濟(jì)環(huán)境下這一影響仍然穩(wěn)健。這一結(jié)論與已通過相關(guān)實(shí)證驗(yàn)證的“集中脆弱論”一致。信貸熱潮期集中度對(duì)脆弱性的影響為正，可能的原因有：熱潮期加劇了銀行業(yè)競(jìng)爭(zhēng)，在信貸市場(chǎng)普遍存在信息不對(duì)稱的情形下，銀行傾向于降低貸款發(fā)放條件，這為銀行資產(chǎn)質(zhì)量帶來隱患，增加銀行面臨的不確定性。這與Boyd&De Nicolo的實(shí)證分析結(jié)論一致。

其次，信貸占比指標(biāo)bcp對(duì)銀行脆弱性的影響呈正相關(guān)，且其與信貸熱潮的交叉項(xiàng)對(duì)脆弱性的影響依然為正相關(guān)。這表明加入其他變量并未改變信貸占比對(duì)銀行脆弱性的影響，且熱潮期更加劇了這一影響，給銀行穩(wěn)健經(jīng)營(yíng)帶來隱患，伴隨時(shí)間推移，傾向于提升銀行脆弱性。這與Dell′Ariccia & Marquez（2006）的研究結(jié)論一致。由此表明：銀行部門提供的貸款額增長(zhǎng)越快，信貸熱潮持續(xù)越長(zhǎng)，銀行脆弱性越發(fā)突出。進(jìn)一步分析，大銀行樣本中二者的正向關(guān)系并不顯著，可能由于大銀行經(jīng)營(yíng)的各種優(yōu)勢(shì)，例如優(yōu)質(zhì)資產(chǎn)、隱性擔(dān)保等使二者之間的反應(yīng)并不敏感。

再次，信貸熱潮與銀行脆弱性呈正相關(guān)，這表明其他變量的加入并未改變信貸熱潮對(duì)銀行脆弱性的影響方向。然而表2顯示，經(jīng)濟(jì)虛擬化度與信貸熱潮的交叉項(xiàng)對(duì)銀行脆弱性呈負(fù)相關(guān)，這表明經(jīng)濟(jì)虛擬化發(fā)展弱化了熱潮期對(duì)銀行脆弱性的不利影響。伴隨信貸熱潮的推進(jìn)，房地產(chǎn)、股票、基金、債券等市場(chǎng)的發(fā)展傾向降低銀行脆弱性。這主要是因?yàn)榉康禺a(chǎn)、股票、基金、債券等虛擬資產(chǎn)的發(fā)展可以對(duì)實(shí)體經(jīng)濟(jì)的發(fā)展起到一個(gè)緩沖的保護(hù)帶作用，使銀行資產(chǎn)質(zhì)量得到隱形的保障，從而降低銀行脆弱性。這一結(jié)果與表2回歸結(jié)果的表述似乎矛盾。事實(shí)上，按照成思危的理論分析，認(rèn)為虛擬經(jīng)濟(jì)是一把雙刃劍，同時(shí)具有正向和負(fù)向功能。經(jīng)濟(jì)虛擬化初期，股票、債券、基金等市場(chǎng)的適度發(fā)展對(duì)降低銀行脆弱性是有利的，而我國(guó)正處在虛擬化初期，實(shí)證結(jié)論卻出現(xiàn)相反情形，可能的原因主要是由于近些年資本市場(chǎng)發(fā)展迅速，而相應(yīng)的法律規(guī)范及成熟監(jiān)管并不到位，致使其發(fā)展過程中存在很多問題.沒有很好地起到分擔(dān)商業(yè)銀行資本配置的壓力。而在信貸熱潮期，虛擬經(jīng)濟(jì)的存在為激增的資金提供了投資渠道，從而對(duì)實(shí)體經(jīng)濟(jì)的發(fā)展起到一個(gè)緩沖的保護(hù)帶作用，使銀行資產(chǎn)質(zhì)量得到隱形的保障，從而降低銀行脆弱性，這一理論結(jié)論在信貸熱潮期間得到體現(xiàn)。這也從側(cè)面證實(shí)了成思危先生的經(jīng)濟(jì)虛擬化初期，股票、債券、基金等市場(chǎng)的適度發(fā)展對(duì)降低銀行脆弱性是有利的結(jié)論。

最后，模型一與模型二中控制變量GDP增長(zhǎng)率gw對(duì)銀行脆弱性有顯著影響，說明銀行體系脆弱性與宏觀經(jīng)濟(jì)環(huán)境密切相關(guān)，但不同分組中該影響并非一致。這表明GDP增長(zhǎng)率gw對(duì)銀行脆弱性的影響與銀行自身微觀特征相關(guān)。所有銀行分組中GDP增長(zhǎng)率gw對(duì)銀行脆弱性呈負(fù)向影響，說明良好的經(jīng)濟(jì)運(yùn)行環(huán)境有利于銀行的穩(wěn)健經(jīng)營(yíng)行為的持續(xù)。大銀行分組中，GDP增長(zhǎng)率gw對(duì)銀行脆弱性呈正向影響，這主要由于經(jīng)濟(jì)景氣期大銀行形成相對(duì)更高的樂觀預(yù)期，從而傾向面臨更大的風(fēng)險(xiǎn)。

3.穩(wěn)健性估計(jì)

本文采用銀行穩(wěn)健性的另一計(jì)算公式對(duì)模型一和模型二估計(jì)結(jié)果進(jìn)行穩(wěn)健性分析，受篇幅所限文中僅列示模型二的穩(wěn)健性分析結(jié)果。

表3顯示，信貸熱潮與銀行集中度、信貸占比的交叉變量對(duì)銀行脆弱性的影響均呈正相關(guān)，與經(jīng)濟(jì)虛擬化度的交叉變量呈負(fù)相關(guān)。這與模型二的估計(jì)結(jié)果相同，表明模型二的估計(jì)結(jié)果是具有穩(wěn)健性的，結(jié)論可靠。進(jìn)一步分析，我們發(fā)現(xiàn)大銀行分組估計(jì)結(jié)果顯示三個(gè)交叉項(xiàng)變量對(duì)銀行脆弱性的影響均不顯著，表明我國(guó)大銀行經(jīng)營(yíng)受信貸熱潮的影響較小，且其在經(jīng)營(yíng)過程中很小概率能做到隨時(shí)調(diào)整自身經(jīng)營(yíng)策略。而中、小銀行的反應(yīng)則不同，它們?cè)诿媾R外部環(huán)境變化時(shí)，能夠及時(shí)快速調(diào)整自身的經(jīng)營(yíng)策略。

四、研究結(jié)論及政策啟示

本文采用我國(guó)1999—2013年105家商業(yè)銀行的微觀數(shù)據(jù)，運(yùn)用系統(tǒng)GMM方法對(duì)經(jīng)濟(jì)虛擬化視角下信貸熱潮對(duì)銀行脆弱性的影響及影響機(jī)理進(jìn)行了實(shí)證的研究。本文主要研究結(jié)論表明：

1.信貸熱潮及經(jīng)濟(jì)虛擬化對(duì)我國(guó)銀行業(yè)的脆弱性存在顯著影響

模型一的估計(jì)結(jié)果表明，信貸熱潮會(huì)顯著影響銀行脆弱性。模型一的分組回歸中，大型銀行與中小銀行對(duì)信貸熱潮的反應(yīng)存在不同，大型銀行脆弱性受信貸熱潮的影響系數(shù)不顯著，而中小銀行脆弱性對(duì)信貸熱潮存在較為敏感的反應(yīng)，表明中小銀行較大銀行更易受到信貸熱潮的沖擊。這警示我們制定相關(guān)政策時(shí)，要盡量避免信貸熱潮的發(fā)生，并且一旦發(fā)生，需盡量縮短其持續(xù)期。我國(guó)經(jīng)濟(jì)虛擬化初期就對(duì)銀行脆弱性產(chǎn)生負(fù)面影響，主要由于近些年資本市場(chǎng)發(fā)展迅速，而相應(yīng)的法律規(guī)范及成熟監(jiān)管并不到位，致使其發(fā)展過程中存在很多問題，沒有很好地分擔(dān)商業(yè)銀行資本配置的壓力。

2.信貸熱潮通過銀行市場(chǎng)結(jié)構(gòu)、銀行部門提供的信貸占比及經(jīng)濟(jì)虛擬化度影響銀行脆弱性

模型二通過引入交叉項(xiàng)揭示了銀行市場(chǎng)結(jié)構(gòu)、銀行部門提供的信貸占比及經(jīng)濟(jì)虛擬化度在信貸熱潮期間對(duì)銀行脆弱性的影響方向及程度大小。我國(guó)長(zhǎng)期以來形成的銀行市場(chǎng)集中度高的問題對(duì)銀行脆弱性產(chǎn)生顯著影響，回歸結(jié)果顯示信貸熱潮加劇了這一負(fù)面影響。這啟示我國(guó)進(jìn)行金融體系改革時(shí).應(yīng)著力改變目前銀行集中度過高的情形，降低銀行準(zhǔn)入限制，同時(shí)加大監(jiān)督管理力度。銀行部門提供的信貸占GDP的比重越高，說明資本配置過度依賴商業(yè)銀行，而這同時(shí)導(dǎo)致商業(yè)銀行所承擔(dān)的風(fēng)險(xiǎn)加大，經(jīng)營(yíng)的穩(wěn)健性下降，信貸熱潮放大了這一消極影響，使得熱潮期間銀行承擔(dān)的風(fēng)險(xiǎn)更大。因此，需要改變我國(guó)目前過度依賴商業(yè)銀行配置資源的局面，適度發(fā)展其他配置資源的形式，例如發(fā)展直接融資市場(chǎng)。經(jīng)濟(jì)虛擬化度是衡量我國(guó)股票、基金、債券、房地產(chǎn)市場(chǎng)的發(fā)展指標(biāo)，由于我國(guó)長(zhǎng)期以來對(duì)間接融資的依賴，資本市場(chǎng)規(guī)模較小，但近些年資本市場(chǎng)發(fā)展迅速，而相應(yīng)的法律規(guī)范及成熟監(jiān)管并不到位，致使其發(fā)展過程中存在很多問題，沒有很好地分擔(dān)商業(yè)銀行資本配置的壓力，但信貸熱潮期間，這些市場(chǎng)的發(fā)展對(duì)銀行承擔(dān)風(fēng)險(xiǎn)的分擔(dān)作用顯現(xiàn)。這提示我們?cè)诮窈蟮氖袌?chǎng)化改革中，應(yīng)注意股票、基金、債券等市場(chǎng)的適度發(fā)展，同時(shí)也應(yīng)警惕其過度發(fā)展帶來類似美國(guó)的次貸危機(jī)，這樣才能有效降低商業(yè)銀行所承擔(dān)的風(fēng)險(xiǎn)，減少銀行脆弱性，使銀行業(yè)更加穩(wěn)健發(fā)展。

（責(zé)任編輯 陳孝兵）