陳憲，尹柏楊

地方政府債券對上市地方商業(yè)銀行流動性風(fēng)險的影響

陳憲，尹柏楊

（中南大學(xué) 商學(xué)院，湖南 長沙 410083）

基于2009—2018年地方政府債券規(guī)模及上市地方商業(yè)銀行的數(shù)據(jù)，通過主成分分析法構(gòu)建商業(yè)銀行流動性衡量指標(biāo)，分析地方政府債券發(fā)行對商業(yè)銀行流動性風(fēng)險的影響。結(jié)果表明：商業(yè)銀行流動性指標(biāo)的滯后項與商業(yè)銀行流動性指標(biāo)在1%顯著性水平下存在明顯的正相關(guān)關(guān)系，證明商業(yè)銀行流動性存在明顯的時間慣性；商業(yè)銀行流動性與地方政府債券規(guī)模之間在5%顯著性水平下存在負(fù)相關(guān)關(guān)系，地方政府債券規(guī)模每增加1個單位，商業(yè)銀行流動性指標(biāo)下降0.075個單位，證明地方政府債券發(fā)行會明顯增加商業(yè)銀行流動性風(fēng)險。此外，商業(yè)銀行流動性指標(biāo)與GDP、貨幣存量M2也存在正相關(guān)關(guān)系。

地方政府債券；商業(yè)銀行；流動性風(fēng)險

一、問題的提出

截至2019年，我國地方政府債務(wù)余額共計18.39萬億元，政府債務(wù)率約為77%，國際通用的政府債務(wù)率警戒線是100%～120%。盡管地方政府債務(wù)率數(shù)據(jù)離警戒線還有一段距離，但由于違規(guī)舉債而導(dǎo)致風(fēng)險不可控的事件頻頻發(fā)生，所以僅僅以債務(wù)率為參考，沒有很大的實際意義。商業(yè)銀行是當(dāng)前我國地方政府債券的主要債權(quán)人，隨著債券份額的不斷增加，商業(yè)銀行的經(jīng)營模式以及風(fēng)險管理都將面臨巨大挑戰(zhàn)。尤其是在當(dāng)前經(jīng)濟新常態(tài)下，我國實施了放緩經(jīng)濟增速的政策，商業(yè)銀行不良貸款率不斷飆升，加大了商業(yè)銀行的流動性風(fēng)險?？疾斓胤秸畟瘜ι虡I(yè)銀行流動性的影響，對于提高我國商業(yè)銀行流動性管理水平有著重要的現(xiàn)實意義。

學(xué)界對地方政府與商業(yè)銀行之間的關(guān)系進行了廣泛研究。熊琛和金昊通過建立地方政府債務(wù)及銀行的非線性 DSGE 模型研究認(rèn)為，兩者之間存在的風(fēng)險呈“正向”互相影響，地方債務(wù)違約率的增加，也會增加銀行體系的風(fēng)險，進而影響我國實體經(jīng)濟；而銀行體系的風(fēng)險相應(yīng)地也會影響地方債務(wù)風(fēng)險[1]。謝思全和白艷娟研究認(rèn)為，地方政府要為轄區(qū)內(nèi)的民眾提供公共品，在資金不足的情況下就會利用政府融資平臺，將土地作為抵押物，而商業(yè)銀行又在一定程度上受政府限制，從而向其提供貸款[2]。易浩研究認(rèn)為，隨著土地價格不斷升高，地方政府需要獲得更多的銀行貸款，會形成不斷擴張的“信貸 - 債務(wù)”泡沫，并且政府投資項目周期和貸款期限較長，商業(yè)銀行流動性難免受到影響[3]。高躍光研究表明，一旦地方政府未能按時償還信貸資金，就會對商業(yè)銀行的流動性造成影響[4]。賈康等研究認(rèn)為，隨著地方政府債務(wù)規(guī)模的不斷擴大，商業(yè)銀行的流動性管理壓力也會變大，并且這一影響還會擴散到周邊城市[5]。Arora和Kohli使用流動性比例及存貸比指標(biāo)來考察商業(yè)銀行的流動性，認(rèn)為這兩個指標(biāo)與商業(yè)銀行流動性風(fēng)險呈“負(fù)相關(guān)”關(guān)系[6]。Jennie Bai 等則利用商業(yè)銀行公布的資產(chǎn)負(fù)債表中的資金流動、流動性缺口等等考察了商業(yè)銀行的流動性[7]。

文獻梳理表明，以往研究考察地方政府債券對商業(yè)銀行流動性風(fēng)險的影響，多是通過地方政府融資平臺與商業(yè)銀行的貸款之間的關(guān)系得出結(jié)論[8]；衡量商業(yè)銀行流動性大多采用存貸比等單一指標(biāo)[9]。鑒于商業(yè)銀行流動性的影響因素多樣化，往往不僅僅是單一的或者幾個相關(guān)度不高的指標(biāo)能夠準(zhǔn)確衡量的，為此，筆者擬采用因子分析法，構(gòu)建流動性綜合衡量指標(biāo)來分析地方政府債券對商業(yè)銀行流動性風(fēng)險的影響。

二、理論基礎(chǔ)與研究假設(shè)

分稅制改革后，地方政府財政收入大幅縮水，而地方財政支出卻隨著城市化進程逐年增長。為滿足財政支出不斷增長的需求，地方政府必須找到更多的融資方法，債券融資便應(yīng)運而生[10]。對商業(yè)銀行而言，地方政府信用等級較其他客戶更高，并且商業(yè)銀行在一定程度上受地方政府的控制，同時，政府的財政資金對銀行來說也是一筆規(guī)模巨大的可以獲得穩(wěn)定收益的資金，并且地方政府債券與企業(yè)債券或者是其他債券相比，風(fēng)險小了許多，所以商業(yè)銀行也更愿意將存款提供給地方政府。雖然我國中央政府對地方政府的監(jiān)管十分有效，但由于民眾對政府的約束力較小，且他們往往因公共品帶來的效益而對政府所采取的不合理行為有所忽視，因此某些地方官員為謀求自身政績，通常就會進行不計后果的大規(guī)模舉債行為。而這些債務(wù)很可能又會留給下一任官員，隨著債務(wù)不斷積累，還款能力也會下降，難免會對商業(yè)銀行的流動性造成影響[11]。

結(jié)合我國地方政府的借款原因以及特點，可知地方政府發(fā)行債券是在其進行各項基礎(chǔ)建設(shè)且資金不足的條件下發(fā)生的，它主要是依靠土地和政府的信用作為還款能力的保證[12]。地方政府的還款能力與房地產(chǎn)行業(yè)密切相關(guān)。如果房地產(chǎn)價格下滑較大，地方政府正常償還原有信貸資金的壓力增大，因此也無法繼續(xù)征收土地。如果在這種情形下地方政府還繼續(xù)擴大債務(wù)規(guī)模，勢必會形成惡性循環(huán)。房地產(chǎn)行業(yè)的經(jīng)營能力也會受到影響，還款能力將會變?nèi)?。商業(yè)銀行的流動性變化會從地方政府和房地產(chǎn)兩個方面體現(xiàn)出來。如果房地產(chǎn)價格上漲，地方政府基于獲取穩(wěn)定收益的預(yù)期，將會積極地在借款、投資、盈利、還款及再借款這五個步驟之間不斷循環(huán)，相應(yīng)的融資規(guī)模也擴大了很多，并且商業(yè)銀行也能從這個過程中獲取一定收益，因此采取對地方政府的借款行為更為配合的策略。但與此同時，土地價格居高不下，借貸規(guī)模不斷飆升，最終形成資產(chǎn)泡沫。一旦資金鏈出現(xiàn)斷裂，商業(yè)銀行的經(jīng)營狀況和流動性都將受到巨大沖擊。

基于以上分析，提出以下假設(shè)：

H1：地方政府債券發(fā)行加大了商業(yè)銀行流動性風(fēng)險

王欣研究認(rèn)為，商業(yè)銀行流動性存在明顯的時間慣性[13]。劉精山等構(gòu)建商業(yè)銀行流動性錯配指數(shù)，通過壓力測試發(fā)現(xiàn)我國商業(yè)銀行流動性風(fēng)險存在時變性[14]。在世界經(jīng)濟環(huán)境存在諸多不確定因素的背景下，我國也逐步進入風(fēng)險釋放期，地方政府債務(wù)、房地產(chǎn)泡沫等業(yè)務(wù)均與商業(yè)銀行存在著密切關(guān)系[15]，一旦某一環(huán)節(jié)出現(xiàn)問題，將引發(fā)連鎖反應(yīng)，在接下來的很長一段時間內(nèi)都會影響商業(yè)銀行的流動性。

基于以上分析，提出以下假設(shè)：

H2：商業(yè)銀行流動性指標(biāo)的滯后項與商業(yè)銀行流動性指標(biāo)存在著正相關(guān)關(guān)系

三、研究設(shè)計

1．流動性綜合評價指標(biāo)的構(gòu)建

我國商業(yè)銀行流動性風(fēng)險的成因眾多，無法使用某一個單獨的指標(biāo)去衡量。因此，本研究基于我國商業(yè)銀行實際經(jīng)營情況，分析影響它們流動性的各個相關(guān)指標(biāo)，并運用因子分析法對商業(yè)銀行的流動性狀況進行綜合衡量，得出相關(guān)指標(biāo)對商業(yè)銀行流動性影響的權(quán)重，構(gòu)建出合理有效的流動性綜合評價指標(biāo)。

根據(jù)眾多學(xué)者的觀點，從商業(yè)銀行的風(fēng)險承擔(dān)能力、商業(yè)銀行的資產(chǎn)質(zhì)量、商業(yè)銀行負(fù)債來源的穩(wěn)定程度和商業(yè)銀行資產(chǎn)期限配置四方面，挑選出6個綜合性評價指標(biāo)來衡量我國上市地方商業(yè)銀行的流動性，具體指標(biāo)、計算公式和作用方向詳見表1。若指標(biāo)是“正向”作用，意味著它的數(shù)值越大，商業(yè)銀行流動性狀況越好。

表1　流動性綜合評價指標(biāo)

2．?dāng)?shù)據(jù)處理與可行性分析

本研究選取我國9家上市商業(yè)銀行2009—2018年的數(shù)據(jù)作為研究對象。所有數(shù)據(jù)都取自wind數(shù)據(jù)庫。將研究對象中各負(fù)向數(shù)據(jù)取倒數(shù)，使它們統(tǒng)一為正向指標(biāo)。也就是說各因子與商業(yè)銀行的流動性狀況“正相關(guān)”，流動性綜合衡量因子分?jǐn)?shù)越高，商業(yè)銀行的流動性風(fēng)險越小。流動性指標(biāo)正向化后的描述性統(tǒng)計特征如表2所示。

表2　流動性指標(biāo)正向化描述性統(tǒng)計結(jié)果

可以看出，6個流動性指標(biāo)的標(biāo)準(zhǔn)差差異十分顯著，因此有必要對這些指標(biāo)采取標(biāo)準(zhǔn)化處理以剔除較大方差對因子載荷有效性的影響。對相應(yīng)數(shù)據(jù)進行Kaiser-Meyer-Olkin相關(guān)性檢驗顯示，檢驗結(jié)果為0.7326，可以進行因子分析。

3．因子的提取

本研究運用SPSS進行因子分析，結(jié)果如表3所示，其中，因子1、因子2、因子3的特征值都大于1，并且這3個主因子的特征值方差貢獻率為74.02%，能夠充分反映商業(yè)銀行的流動性狀況。隨后將這幾個因子再旋轉(zhuǎn)求平方和，它們各自的方差貢獻率雖有些許變動，但總的累計方差貢獻率依舊是74.02%，因此選取這三個因子作為衡量商業(yè)銀行流動性綜合評價指標(biāo)的主要成分。

表3　正向變化指標(biāo)描述性統(tǒng)計

指標(biāo)與因子之間的關(guān)聯(lián)程度通過因子載荷的數(shù)值體現(xiàn)出來，該數(shù)值越小，說明指標(biāo)對因子的代表性越弱。使用最大方差法對因子載荷矩陣進行旋轉(zhuǎn)，結(jié)果如表4所示。

表4　旋轉(zhuǎn)后因子載荷矩陣的結(jié)果表

根據(jù)表4可知，旋轉(zhuǎn)后的因子載荷呈局部集中狀態(tài)，可根據(jù)各因子相關(guān)的高載荷指標(biāo)推斷其經(jīng)濟含義，并以此為因子命名。第一主因子（F1）的相關(guān)高載荷指標(biāo)主要有同業(yè)錯配指數(shù)、資本充足率、存貸比，主要反映商業(yè)銀行的期限結(jié)構(gòu)，可命名為期限結(jié)構(gòu)因子；第二主因子（F2）的相關(guān)高載荷指標(biāo)為存款結(jié)構(gòu)比率和同業(yè)負(fù)債比，反映商業(yè)銀行的資金來源穩(wěn)定性狀況，可命名為資金來源穩(wěn)定性因子；第三主因子（F3）的相關(guān)高載荷指標(biāo)為不良貸款率，反映商業(yè)銀行資產(chǎn)端的流動性狀況，可命名為資產(chǎn)流動性因子。

通過上面的分析，依據(jù)這三個因子的差異權(quán)重（表5），本研究將其作為衡量地方商業(yè)銀行流動性的綜合評價指標(biāo)。

表5　三個因子的旋轉(zhuǎn)結(jié)果表

4．模型和變量選擇

本研究利用面板數(shù)據(jù)來分析我國商業(yè)銀行流動性風(fēng)險的影響因素，選擇如下模型：

，==+βX，t+βX，+……βXi+ε，t

其中，=1，2…代表同一時間截面上的個個體成員，=1，2…，代表個時間截面。

為研究地方政府債券對商業(yè)銀行流動性的影響，選擇如下模型：

，=+1，+2，+3，+4，+5，+6，+ε，

根據(jù)對商業(yè)銀行流動性影響因素的綜合分析，同時考慮我國整體經(jīng)濟政策以及各銀行自身經(jīng)營狀況等情況，選取的變量如表6所示。其中包括以下控制變量：地方政府債券利率用衡量，宏觀經(jīng)濟狀況用來衡量，宏觀貨幣政策用來衡量，銀行的資產(chǎn)規(guī)模用來衡量，銀行的信貸規(guī)模用來衡量。為上文所計算出來的商業(yè)銀行流動性綜合評價指標(biāo)。

表6　變量及其定義

5．平穩(wěn)性檢驗

面板數(shù)據(jù)雖然減輕了數(shù)據(jù)的非平穩(wěn)性，使得變量的相關(guān)性降低，但依然可能還是非平穩(wěn)數(shù)據(jù)，存在單位根，這樣會造成偽回歸。一般經(jīng)濟變量如、等，都是存在時間趨勢，或是有截距項的。一個時間序列剔除了不變的均值（可視為截距）和時間趨勢以后，剩余的序列為零均值，同方差，即白噪聲。因此單位根檢驗時有三種檢驗?zāi)Ｊ剑杭扔汹厔萦钟薪鼐?、只有截距、以上都無。因此為了避免偽回歸，確保估計結(jié)果的有效性，必須對各面板序列的平穩(wěn)性進行檢驗。而檢驗數(shù)據(jù)平穩(wěn)性最常用的辦法就是單位根檢驗。本研究分別采用LLC、HT、IPS準(zhǔn)則對面板數(shù)據(jù)的平穩(wěn)性進行單位根檢驗，結(jié)果見表7。

表7　平穩(wěn)性檢驗結(jié)果

***<0.01, **<0.05, *<0.1

通過單位根檢驗結(jié)果，可以發(fā)現(xiàn)，依據(jù)大多數(shù)準(zhǔn)則，本研究所選取的核心變量之間都是符合同階單整條件的，可以進一步通過協(xié)整檢驗等方法檢驗變量間的長期均衡關(guān)系。

四、實證研究及其結(jié)果分析

1．模型回歸結(jié)果及解釋

在通過平穩(wěn)性檢驗的基礎(chǔ)上，本研究根據(jù)模型設(shè)定及相關(guān)數(shù)據(jù)的獲得情況，分別采用固定效應(yīng)、隨機效應(yīng)、混合OLS模型三種方法實證分析地方政府債券對商業(yè)銀行流動性的影響，并運用豪斯曼檢驗分析模型是否實用，回歸結(jié)果如表8所示：

表8　模型回歸結(jié)果

***<0.01, **<0.05, *<0.1

進一步進行豪斯曼檢驗顯示，可以在5%顯著性水平下拒絕原假設(shè)，證明應(yīng)該采用固定效應(yīng)模型?；貧w結(jié)果表明：

我國商業(yè)銀行的流動性風(fēng)險明顯受地方政府債券規(guī)模影響并呈負(fù)相關(guān)關(guān)系，地方政府債券發(fā)行規(guī)模每增加1個單位，商業(yè)銀行流動性水平值減少0.167個單位。這說明商業(yè)銀行作為地方政府債券最大的投資者，隨著地方政府舉債量的增加，銀行向其投資的金額也越大，而地方政府債券期限多為中長期，較銀行其他類投資而言時間更長，這就使商業(yè)銀行流動性水平下降，流動性風(fēng)險上升；地方政府債券發(fā)行利率對我國上市地方商業(yè)銀行流動性水平的影響不大，其中的原因可能是利率風(fēng)險不會影響商業(yè)銀行的資產(chǎn)配置，或是商業(yè)銀行流動性對于利率變化的反饋不及時不敏感；與商業(yè)銀行的流動性狀況顯著正相關(guān)，即地區(qū)經(jīng)濟越發(fā)達，商業(yè)銀行的流動性狀況越好；貨幣供應(yīng)量與商業(yè)銀行流動性狀況之間存在正相關(guān)關(guān)系，貨幣供應(yīng)量越充足，商業(yè)銀行流動性水平越好；商業(yè)銀行資產(chǎn)規(guī)模和流動性水平之間的關(guān)系不顯著。研究結(jié)果驗證了H1。

2．內(nèi)生性問題處理

分別采用OLS模型、固定效應(yīng)模型和隨機效應(yīng)模型進行了分析，并且通過豪斯曼檢驗，確定采用固定效應(yīng)模型估計效果最優(yōu)。但是，即使通過減去均值的估計方法，依然發(fā)現(xiàn)其可能存在內(nèi)生性。要解決此問題，常用方法為動態(tài)面板數(shù)據(jù)估計。動態(tài)面板數(shù)據(jù)估計方法包括差分GMM（difference gmm）估計和系統(tǒng)GMM（system gmm）估計，其中差分GMM采用的方法是首先將固定效應(yīng)去掉，因為固定效應(yīng)和的滯后項相關(guān)。相比靜態(tài)面板模型，動態(tài)面板模型最主要的特征是在控制變量中加入的滯后項，其模型如下所示：

Yi,t=αYi,t-1+βXi,t+α1+εi，t

根據(jù)本研究所選用的變量，可以將差分GMM模型設(shè)置為：

Fi，t= α+α1Fi，t -1+β1LDi，t+β2RATEi，t+β3GDPi，t+β4M2Ri，t+β5SIZEi，t+β6LAi，t+εi，t

首先采用差分GMM模型對地方政府債券和商業(yè)銀行流動性之間的關(guān)系進行分析，結(jié)果如表9所示：

表9　差分GMM模型回歸結(jié)果

***<0.01, **<0.05, *<0.1

回歸結(jié)果表明：商業(yè)銀行流動性指標(biāo)的滯后項與商業(yè)銀行流動指標(biāo)在1%顯著性水平下存在明顯的正相關(guān)關(guān)系，證明商業(yè)銀行流動性存在明顯的時間慣性；商業(yè)銀行流動性與地方政府債券規(guī)模之間在5%顯著性水平下存在負(fù)相關(guān)關(guān)系，證明地方政府債券發(fā)行會明顯增加商業(yè)銀行流動性風(fēng)險；商業(yè)銀行流動性風(fēng)險與GDP之間存在顯著的正相關(guān)關(guān)系；貨幣存量越大、商業(yè)銀行資產(chǎn)規(guī)模越大，商業(yè)銀行的流動性越強。

鑒于一階差分GMM估計方法容易受到弱工具變量的影響而得到有偏的估計結(jié)果，Blundell和Bond等提出了另外一種更加有效的方法，即系統(tǒng)GMM估計方法[16]。系統(tǒng)GMM模型的具體做法是將水平回歸方程和差分回歸方程結(jié)合起來進行估計，在這種估計方法中，滯后水平作為一階差分的工具變量，而一階差分又作為水平變量的工具變量。采用系統(tǒng)GMM模型估計的商業(yè)銀行流動性風(fēng)險和地方政府債券發(fā)行規(guī)模之間關(guān)系的結(jié)果如表10所示：

表10　系統(tǒng)GMM 模型回歸結(jié)果

***<0.01, **<0.05, *<0.1

系統(tǒng)GMM模型結(jié)果顯示：商業(yè)銀行流動性指標(biāo)的滯后項與商業(yè)銀行流動指標(biāo)在1%顯著性水平下存在明顯的正相關(guān)關(guān)系，證明商業(yè)銀行流動性存在明顯的時間慣性；商業(yè)銀行流動性與地方債務(wù)規(guī)模之間在5%顯著性水平下存在負(fù)相關(guān)關(guān)系，地方政府債券規(guī)模每增加1個單位，商業(yè)銀行流動性指標(biāo)下降0.075個單位，證明地方政府債券發(fā)行會明顯增加商業(yè)銀行流動性風(fēng)險；商業(yè)銀行流動性風(fēng)險與GDP規(guī)模之間存在顯著的正相關(guān)關(guān)系；貨幣存量越大、商業(yè)銀行信貸規(guī)模越大，商業(yè)銀行的流動性越強。研究結(jié)果驗證了H2。系統(tǒng)GMM和差分GMM結(jié)果基本保持一致，證明了研究結(jié)果的穩(wěn)健性。

五、結(jié)論及建議

本研究利用因子分析法構(gòu)建了綜合指標(biāo)用以衡量商業(yè)銀行流動性。在此基礎(chǔ)上，利用面板數(shù)據(jù)回歸模型分析可以得出以下結(jié)論：現(xiàn)階段我國商業(yè)銀行流動性主要受地方政府債券規(guī)模、GDP、經(jīng)濟增速的影響。商業(yè)銀行流動性存在著時間慣性，地方政府債券發(fā)行規(guī)模與商業(yè)銀行流動性呈負(fù)相關(guān)關(guān)系，隨著地方政府債券規(guī)模的擴大，商業(yè)銀行流動性管理壓力也會增加；GDP和經(jīng)濟增速與商業(yè)銀行流動性呈正相關(guān)關(guān)系，隨著我國經(jīng)濟的增長，商業(yè)銀行的流動性狀況也會得以改善。

結(jié)合上述研究結(jié)論，提出如下建議：

（1）實現(xiàn)商業(yè)銀行多元化經(jīng)營。在商業(yè)銀行配置規(guī)模巨大的地方政府債券的現(xiàn)狀下，實現(xiàn)多方面經(jīng)營不僅僅能夠分散投資過程中的各項風(fēng)險，還能夠改善資產(chǎn)負(fù)債錯配的情況，能有效降低流動性風(fēng)險。

（2）加大地方政府債券流動性。增加地方政府債券發(fā)行頻率及期限種類以滿足不同投資者的偏好。改善地方二級債券市場的流動性，可以刺激更多投資者進入二級市場，進而改善商業(yè)銀行流動性狀況。

（3）規(guī)范地方政府債券管理，對數(shù)額巨大的地方政府債券摸底，貫徹問責(zé)機制。加大對地方政府融資平臺的監(jiān)督力度，將地方政府的融資規(guī)模限制在一定范圍之內(nèi)，以使其不至于失控。

[1] 熊琛，金昊．地方政府債務(wù)風(fēng)險與金融部門風(fēng)險的“雙螺旋”結(jié)構(gòu)——基于非線性 DSGE 模型的分析[J]．中國工業(yè)經(jīng)濟，2018(12)：23-41．

[2] 謝思全，白艷娟．地方政府融資平臺的舉債行為及其影響分析——雙沖動下的信貸加速器效應(yīng)分析[J]．經(jīng)濟理論與經(jīng)濟管理，2013(1)：60-68．

[3] 易浩．從期限錯配看商業(yè)銀行流動性風(fēng)險[J]．金融經(jīng)濟，2016(6)：46-49．

[4] 高躍光．地方政府債務(wù)對銀行信貸風(fēng)險的外溢研究[D]．昆明：云南財經(jīng)大學(xué)，2017．

[5] 賈康，劉微，張立承，等．我國地方政府債務(wù)風(fēng)險和對策[J]．經(jīng)濟研究參考，2010(14)：2-28．

[6] AroraA，Kohli H K．Liquidity risk and asset-liability management：a comparative study of public a comparative study of public and private sector banks[J]. IUP Journal of Applied Finance，2018，24(4)：18-23．

[7] Jennie Bai，Arvind Krishnamurthy，Charles-Henri Weymuller．Measuring Liquidity Mismatch in the Banking Sector[J]．The Journal of Finance，2018，73(1)：61．

[8] 地方政府融資平臺貸款的風(fēng)險及其影響因素研究[D]. 北京：中國農(nóng)業(yè)大學(xué)，2014．

[9] 周林．我國商業(yè)銀行流動性風(fēng)險管理研究[J]．金融研究，1998(3)：52-55．

[10] 張文娟．我國商業(yè)銀行流動性風(fēng)險因素分析[J]．山西財經(jīng)大學(xué)學(xué)報，2013(S2)：29．

[11] 楊錦，曾鳴．我國的商業(yè)銀行流動性指標(biāo)探析[J]．浙江金融，2007(8)：33．

[12] 劉忠，汪仁潔．當(dāng)前地方政府債務(wù)所蘊藏的金融風(fēng)險及其防范[J]．云南社會科學(xué)，2014(2)：80-84．

[13] 王欣．商業(yè)銀行流動性的影響因素研究[J]．中國市場，2019(7)：40-42．

[14] 劉精山，趙沛，田靜．基于時變模型的商業(yè)銀行流動性風(fēng)險度量研究[J]．財經(jīng)理論與實踐，2019，40(6)：16-23.

[15] 郭甦，許爭．商業(yè)銀行的流動性風(fēng)險是否存在順周期特征?——一個來自中國的證據(jù)[J].金融與經(jīng)濟，2017 (5)：26-31．

[16] Richard Blundell，Stephen Bond．Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of Econometrics，1998，87(1)：115-143．

Impact of local government bonds on listed local commercial banks’ liquidity risks

CHEN Xian, YIN Baiyang

(Business School of Central South University, Changsha Hunan, 410083)

Based on the data of the scale of local government bonds and listed local commercial banks from 2009 to 2018, the article analyzes the impact of issuing local government bonds on commercial banks' liquidity risks. by constructing commercial banks’ liquidity indexes through principal component analysis. Empirical results show a significant positive correlation exists between the lagged item of the commercial bank’s’ liquidity index and the commercial bank’s liquidity index at the 1% significance level, proving the existence of a significant time inertia in the commercial bank liquidity; and a negative correlation between the commercial banks’ liquidity and the scale of local government bonds at a 5% significance level. For every 1 unit increase in the size of local government bonds, the liquidity index of commercial banks decreases by 0.075 units, demonstrating that issuing local government bonds will evidently increase the commercial banks’ liquidity risks. Additionally, a positive correlation can also be found among the commercial banks’ liquidity index the scale of GDP and the currency stock M2.

local government bonds; commercial banks; liquidity risks

F832.5

A

1009–2013(2020)03–0067–07

10.13331/j.cnki.jhau(ss).2020.03.009

2020－04－10

湖南省智庫項目（18ZWA10）

陳憲（1969—），男，湖南常寧人，研究員，管理學(xué)博士，主要研究方向為量化投資、公司金融。

責(zé)任編輯：曾凡盛