E坚 r "I} . J l. lJ(Jllkin r 跚跚跚跚
流动性冲击、银行结构流动性和
信贷供给
廉永辉张琳
内容摘要:商业银行的结构流动性综合了银行融资稳定性和资产流动性两方面信息，
从而可以更全面地反映银行的流动性风险状况。应用我国 85 家商业银行 2006-2012 年面
板数据，本文首先测算了净稳定资金比率、核心融资比率和存贷比三个结构流动性指标，
在此基础上的实证检验发现，结构流动性具有减弱流动性冲击对银行信贷供给负向影响的
调节效应。进一步分析发现(1)结构流动性的调节效应显著存在于城市及农村商业银行
组，但在国有及股份制银行组中不显著 (2) 资本充足率较高的银行组中，结构流动性的
调节效应更明显 (3) 存贷比指标的调节效应不够稳健。本文研究对完善我国商业银行流
动性风险监管指标体系具有重要的政策启示意义。
关键词:净稳定资金比率核心融资比率 存贷比
中固分类号 F831 文献标识码 :A
51 言
2θ08 年金融危机暴露了商业银行流动性风险管理的缺陷 促使银行业监管部门把流动性风险监
管置于和资本监管同等重要的位置。为提高银行在长期内抵御流动性风险的能力，巴塞尔委员会于
2010 年在《巴塞尔协议m: 流动性风险计量、标准和检测的国际框架》中提出了净稳定资金比率
(Net Stable Funding Ratio , NSFR) 这一新型流动性风险监管指标。①NSFR 是银行可用稳定资金
(Available Stable Funding , ASF) 与业务所需稳定资金 (Requir叫 Stable Funding , RSF) 的比率。与
仅根据银行资产方或负债方信息得到的流动性指标(如现金资产占比、核心存款占比等)不同，它
综合考虑了银行的资产流动性和融资稳定性，并强调融资来源与资金运用相匹配，是一个典型的结
构流动性 (Structural Liquidity) 指标 (Severo ， 2012; Bane~ee ， 2012)。除 NSFR 外，较为常见的结
构流动性指标还包括新西兰央行于 2009 年正式采用的核心融资比率指标 CFR (即商业银行核心融
资与贷款的比率)和我国自 1995 年就开始采用的存贷比指标 LD (即贷款余额与存款余额的比率)。
这些结构流动性监管指标可以更为全面地反映银行的流动性风险 并鼓励银行从更稳定的来源获取
融资、持有更具流动性的资产，从而提高对流动性冲击的抵抗能力 (King ， 2013; BC邸， 2014) 。
在市场流动性紧缺时，银行必须承担较高的融资成本以支持信贷，表现为以高利率在同业市场
作者简介:廉永辉，南开大学经济学院金融系博士研究生·张琳，南开大学经济学院经济研究所博士研究生。
①另一指标是流动性覆盖率 LCR，即优质流动性资产储备与未来 30 天的资金净流出量之比，其目标是提高银行
抵御短期流动性风险的能力。
11 64 国际金融研究 2015"4
精跚跚向画噩噩圃
上拆入资金、发行高利率理财产品或用其他手段竞相揽储;或者被迫降低信贷供给，包括调降对企
业和个人信贷额度、加强对申请贷款的审核、减少对企业债券和票据的购买等。①已有研究表明，
银行资产流动性越高或负债越稳定，流动性冲击对银行信贷供给的影响越小 (Comett et 址， 2011;
Jung & Kim , 2013) ，但鲜有文献探讨银行信贷对流动性冲击的反应如何受结构流动性的影响。目
前掌握的文献中，仅发现 Kapan & Minoiu (2013) 利用美国 2∞ι2010 年 39∞0 笔辛迪加贷款数
据，通过事件分析法研究了金融危机前后不同 NSFR 水平银行的信贷变动差异。结果发现，危机爆
发后， NSFR 较高的银行信贷紧缩程度较小，并且这一结果更为显著地存在于资本充足率较高的银
行组中。但他们没有考察其他的结构流动性指标是否也具有相似效果。那么，就我国商业银行而
言，提高结构流动性是否有助于减小流动性冲击对信贷供给的影响?采用不同结构流动性指标或针
对不同类型的银行所得结论是否有所不同?
探讨上述问题具有重要的现实意义。近年来，随着我国银行业经营环境和业务模式的变化，银行
流动性风险增加，加强流动性风险监管已成为银行业监管的工作重点。在此背景下，考察结构流动性
对银行贷款稳定性的影响，可以为完善流动性风险监管指标体系提供经验。本文基于我国 85 家商业银
行 2006-2012 年的非平衡面板数据，实证检验了结构流动性具有减弱流动性冲击对银行信贷供给影响
程度的效果。首先，本文构造了净稳定资金比率、核心融资比率和存贷比三个结构流动性指标;在此
基础上，以上海银行间市场同业拆借利率反映流动性冲击，估计了含有银行结构流动性与流动性冲击
交互项的计量模型。结果表明，结构流动性越高的银行贷款增速受流动性冲击影响越小，即结构流动
性具有减弱流动性冲击对银行信贷供给负向影响的调节效应.②而且 当结构流动性超过一定阔值后
(不同流动性指标的阔值不同)，流动性冲击对银行信贷供给的负向影响消失。进一步分组研究发现，
一方面结构流动性的调节作用只对城市和农村商业银行显著，对国有及股份制银行并不显著;另一方
面，结构流动性的调节作用对资本充足率较高的银行更具显著性。此外，本文还分析了结构流动性的
分子部分(即融资稳定性)和分母部分(即资产流动性)各自的调节效应，发现与存贷比对应的融资
稳定性指标(即存款与总负债的比率)调节作用不明显，而且存贷比指标本身的调节效应也不够稳健。
本文研究的特色体现在如下几个方面:第一，首次从结构流动性的视角研究了我国商业银行信
贷供给的稳定性;第二，充分利用可得的银行资产负债信息，借助净稳定资金比率、核心融资比
率、存贷比三个指标尽可能全面度量了银行的结构流动性 并首次测度了我国商业银行的净稳定资
金比率;第三，深入分析了结构流动性的调节效应在不同类型、不同资本充足水平银行间的差异，
表明结构流动性的调节效应具有明显的异质性。
文章结构安排如下:第一部分构建和分析结构流动性指标;第二部分建立计量模型;第三和第
四部分是计量结果和分析;最后是结论。
一、指标构建
本文中涉及的结构流动性指标包括净稳定资金比率、核心融资比率和存贷比。我国银行年报中直
接披露存贷比指标，但另外两个指标需借助资产负债表信息自行计算。③借鉴 Federico &Vazquez
(2012) 、 Kapan & Camelia (2013) ，我们首先根据 Bankscope 数据库的全球通用格式 (Universal Model)
构建了一个简化的典型商业银行资产负债表模板(见表1)，其涵盖了计算 NSFR 和 CFR所需的各个项
目。在表 1 的基础上，分别计算了每家银行的各类结构流动性指标，并对其变化趋势进行了简要描述。
①我国 2013 年 6 月发生的银行间流动性紧缺(即所谓的"钱荒")就是一个典型的例子。
②调节效应是指银行流动性(包括结构流动性、资产流动性和融资稳定性)在调节流动性冲击对银行信贷供给的
影响方面的作用，在计量模型中反映为银行流动性与流动性冲击交互项的系数。
③由于我们没有获得商业银行表外业务数据，因此不考虑表外项目。
国际金融研究 65 自
回 i 11v. fiJf '1~跚跚跚-憾
亵 1 典型商业银行资产负债褒
资产方 一级项目 一级项目 二级项目 NSFR 权重 CFR 权重 DLR 权重
1 盈利资产
贷款和垫款 1∞% 1∞% 1∞%
其他盈利资产 351l串 0% 0%
2 固定资产 1∞% 0% 0%
3 非盈利资产
现金及存放央行款项 0% 0% 0%
商誉 1∞% 0% 0%
其他无形资产 1∞% 0% 0%
其他资产 1∞% 0% 0%
负债方 一级项目 一级项目 二级项目 NSFR 权重 CFR 权重 DLR 权重
1 存款和短期融资
客户存款
活期存款 809岛 1∞% 1∞%
定期存款 80% 1∞% 1∞%
同业负债 0% 0% 0%
其他存款和短期借款 0% 0% 0%
2 其他有息债务 0% 0%
衍生产品 0% 0% 0%
交易性负债 0% 0% 0%
长期融资 l∞% l∞% 0%
3 其他非利息负债 1∞% 0% 0%
4 贷款损失准备金 1∞% 0% 0%
5 其他准备金 1∞% 0% 0%
6 股东权益 l∞% 1∞% 0%
一是净稳定资金比率。根据巴塞尔委员会最新发布的《巴塞尔协议m: 净稳定资金比例(征求
意见稿)}， NSFR 为可用稳定资金与业务所需稳定资金的比率，其最低标准为 1∞%:
AEPElyL
NSFR=二旦--一一-一一
-RSF - _
> jWjAj
、
-F
'E
且
，，.、
其中，~和 Aj 分别代表负债和资产方项目 ， Wi 和 Wj 分别为负债方项目和资产方项目的权重。负债
的稳定性越高则 Wi 越大，资产的流动性越高则 Wj 越小。我们进一步测算了与 NSFR 相对应的商业
银行的融资稳定性 FS1 和资产流动性 AL10 FS1 越大，银行的融资稳定性越高 AL1 越大，银行的资
产流动性越高，数学表达式为:
Z iWi~
FS,=
1- Total liabilities
T'otal AL1=
三川J
精准测算 NSFR 需要详细的资产负债表信息，如银行负债的期限、类别、性质等，但目前
Bankscope 数据库和银行年报等资料来源对这些信息的披露并不完整，因此我们只能根据可得项目分
类自行赋予相应权重，然后近似测算 NSFR。鉴于 Federico&Vazquez (2012) 等对权重的选取与巴塞
尔委员会的建议较为一致，本文也参考其对各项目的赋权方法。其中，在银行资产方面:固定资产和
非盈利资产中的商誉、其他无形资产、其他资产等流动性较差 权重为 1 :非盈利资产中的现金及存
放央行款项流动性较高，权重为 0; 盈利资产中，因无法对信贷进行细分，保守起见我们假设所有信
贷资产流动性均较差，并赋予其权重为 1 ;对于流动性相对较强的其他盈利资产，则赋予一个折中的
权重 。在负债方面:长期融资、损失准备金和股东权益等稳定资金来源，权重为 1 ;同业负债
(2)
(3)
11 66 国际金融研究 2015'4
酬皿HlW;'i画面111m固
(包括同业存放、同业拆人和卖出回购)、其他存款和短期借款、衍生金融负债、交易性金融负债等短
期融资来源权重为 0; 值得注意的是，国外银行的客户存款可划分为来往账户存款、储蓄账户存款和
定期存款三类， Federico & Vazquez (2012) 对三者赋予的权重分别为 85%、 70%、 70%。而国内客户
存款只包括活期存款和定期存款两大类，为简单起见我们对二者均赋予 80%的权重。
二是核心融资比率。与净稳定资金比率不同，核心融资比率 (Core Funding Ratio , CFR) 已被
应用在实践上，①其计算公式为年核心融资率=年核心融资量/全部贷款和垫款。 Jung & Kim (2013)
在研究融资结构对韩国商业银行贷款的影响时，用核心存款、核心资本和超过 1 年期的债务之和作
为银行核心融资的替代，其中核心存款为客户存款中存款保险公司提供保险的部分，核心资本即一
级资本，包括权益资本和公开储备。我国尚未建立明确的存款保险制度，但客户存款都有政府的隐
性担保，故以客户存款 Deposit 代替核心存款 Bankscope 中银行一级资本数据缺失较多，为确保样
本的完整性，以股东权益 Equity 代替一级资本;超过 1 年期的债务以长期融资(Long Term Funding)
代替，因此本文核心融资比率的测算公式为:
Deposit+Equitv+Lon区 term fundinJ!; CFR L'~pVD~LTLlY~~:~l~&~~_:'-'~ua .L LUU.&JLU15 (4)
Totalloans
核心融资和贷款均会造成 CFR 变化 因此本文还分别计算了与 CFR 相对应的融资稳定性FS2 和
资产流动性 A~ 指标:
Customer Deposits+Equitv+1ρn区 term fundine: FS~ '-..I UOLV ' LJ'V t"..J:~~--:-~i!~:_L~;~~u6 n...a .l.... .I. Luu .. uU6 (5)
~ Total liabilities
T'otal assets Lz ~~:~ ~~~~L~ (6)
- Total loans
三是存贷比。存贷比(LoanωDeposit ， LD) 是长期以来用于监测我国商业银行流动性风险的
主要指标。虽然近年对存贷比是否有效反映了银行流动性风险一直存在争议，甚至出现废止存贷比
的呼声，但我国银监会颁布的《商业银行流动性风险管理办法(试行n 仍将存贷比作为监管指标
之一。银监会将存贷比定义为商业银行各项贷款余额与各项存款余额的比率，规定存贷比不得高于
75%。由于 NSFR 和 CFR 均是数值越大意味着结构流动性越高，为一致起见，本文所用的存贷比
DLR (Deposit ω Loan Ratio) 是银行报表中存贷比的倒数:
Customer DeDosits DLR ~~~'~"W' --..
Totalloans
与 DLR 相对应的融资稳定性和资产流动性指标为:
(7)
Customer DeDosits FS3 '-A ;;'DL~.;.l~~ ;-'.~!;:' LD (8) 3- Total liabilities
T'otal ass 怡A~ ;.，~~~ ~::~ .. ~ A~ (9) Totalloans
利用样本银行 (2∞←2012 年 85 家银行)的资产负债表，我们计算了上述结构流动性指标。通过
对比发现:首先，三类结构流动性指标均表现出先升后降的变化趋势，并在 2010 年附近达到峰值，说
明近两年我国银行流动性错配加大 流动性风险上升。其次，资产流动性指标 ALl、 A~ (A~) 呈上升
趋势。 2∞也2∞8 年间 银行业资产流动性上升较快，主要原因在于外汇占款迅速增加迫使央行回收流
动性，导致商业银行对央行债权比重增加，从而提升了资产流动性 2∞e 年金融危机爆发，为配合政府
应对危机的经济剌激计划，各银行加大信贷投放力度，资产流动性上升速度明显减缓，但总体而言贷款
占资产的比重呈下降趋势，说明我国银行业资产配置向多元化发展; 2010 年以来，虽然外汇占款增长速
度已经放缓，但银行同业资产扩张迅速，信贷资产占比再次呈下降趋势，银行资产流动性进一步提高。
最后，样本期内融资稳定性 FSh FS2、 FS3 不断下降，这与银行收益率低、居民理财意识觉醒导致的
"存款搬家"有关。 2010 年后 理财产品和同业业务的快速发展使融资稳定性呈加速降低趋势。
①新西兰央行于 2010 年 4 月 1 日起开始实施新的流动性管理政策 要求商业银行的核心融资比率达到 659岛。
国际金融研究 6711
.收研究 "耀献精隅附的专制翻翻黝驯的-紫阳注明
唰-、 研究设计
本文基准模型为:
lendingi,t=ai+ßtLiquidity Shockt+ß2Structural LiquiditYi,t_t+ßJ,iquidity ShocktxStructural Li明iditYi，t-t+
γ1X阶1+γ2cr4t+γ~dpt+yeardummy+ ( 10)
其中， i=I ， 2 ，…， N 表示银行个体， t=I ， 2 ，…，T 表示年份。不可观测的随机变量问代表个体异质性，
为随个体和时间而改变的扰动项。各变量解释如下:
被解释变量为银行信贷供给 lending; .t，以银行贷款增速表示，为商业银行第 t 年贷款增量与第
t-l 年贷款余额的比值。核心解释变量为流动性冲击 Liquidity Shockt、结构流动性 Structural
以及二者的交互项Liquidity ShocktxStructural 。结构流动性包括 NSFR 、 CFR 和DLR 三类，
具体已在指标构建部分有所描述。交互项是为了考察结构流动性的调节效应 或者说银行信贷投放
对流动性冲击的反应如何受结构流动性影响。本文关注的核心参数是交互项系数阮。如果不加入交
互项时自1 显著小于 0，且加入交互项后阮显著大于 0，则表明结构流动性越高，流动性冲击对银行
信贷的影响越小。
流动性冲击以上海银行间市场拆借利率 SHIBOR 度量。国外文献常用于反映流动性冲击的指标
为 UBOR-OIS 息差(白lOmton ， 2∞9; Comett et al. , 2011) ，即伦敦同业拆放利率 UBOR 与隔夜指
数掉期利率 OIS 的差值。 UBOR 包含了对政策利率的预期、信用风险溢价和流动性风险溢价，而
OIS 反映了市场对无担保隔夜拆借利率(即政策利率)的预期，因此二者之差同时包含了信用风险
和流动性风险的信息。但是，在具体操作中难以区分金融机构的流动性风险和信用风险，而且信用
风险加大可加剧市场流动性紧缩 因此使用 UBOR-OIS 作为流动性冲击指标仍是较好的选择。自
2006 年起，我国已经具有了与 UBOR 功能相似的 SHIBOR，但遗憾的是目前人民币利率衍生产品
市场并未推出 OIS，因此无法获得 SHIBOR-OIS 指标。本文退而求其次，仅以 SHIBOR 反映银行间
流动性状况。在稳健性检验部分，我们以 1 年期定存利率 RATE 作为政策利率的代理变量，使用
SHIBOR-RATE 反映银行间流动性冲击的强弱。此外，目前向社会公布的 SHIBOR 包括隔夜、 1 周、
2 周、 1 个月、 3 个月、 6 个月、 9 个月及 1 年等品种，我们在计量分析中主要使用其中交易较为活
跃的 1 周 SHIBOR 利率。
X 为银行微观层面的控制变量集合，主要包括资产规模 size (以总资产的自然对数衡量)、资本
充足率 car、资产流动性 lr (以流动性资产占总资产的比重衡量)、盈利能力 roa (即资产收益率)
和不良贷款率 npl。此外，本文还使用了控制变量银行业市场集中度 cr4，以工行、农行、中行、建
行四大国有商业银行总资产占银行业总资产的比重衡量;实际 GDP 增长率 gdp 则用于控制需求因
素对银行信贷供给的影响。考虑到模型可能存在其他未考虑到的、随时间的推移而变化的因素，因
此本文还加入了年度虚拟变量来估计双向固定模型。为减少模型可能存在的内生性问题，所有银行
微观特征变量均取 1 期滞后。银行间拆借利率反映了银行业的整体资金紧张程度，受单家银行信贷
供给的影响较小，旦时间虚拟变量控制了可能与其相关的遗漏变量，因此流动性冲击变量不存在明
显的内生性问题，模型中仍使用其当期变量。
本文银行数据主要来自 Bankscope 数据库，在剔除缺乏连续四年结构流动性指标的银行后，最
终选取 2006-2012 年间 85 家商业银行的年度非平衡面板数据作为研究样本。选择 2∞6 年作为起始
时间，是因为上海银行间同业拆放利率从 2006 年 10 月 9 日开始运行(正式运行则从 2007 年 1 月 4
日起 )0 SHIBOR 指标取自上海银行间同业拆放利率网站， 1 年期定存利率和 GDP 增长率来自中经
网。我们采用 对日度 SHIBOR 利率进行频率转换 得到年度流动性冲击指标。为排除异
常值对估计结果的干扰，对所有连续型变量在其分布的 1%和 999毛的位置上进行缩尾处理，表 2 为
1168 国际金融研究
翻翻翻翻I踏踏础嘟榴攒 Banki昭阳- 假tJlllruþ
主要变量的描述性统计。银行平均贷款增速为 岛，最小值为负，表明一些银行出现过信贷紧
缩情况;不良贷款率最大值高出平均值近 20 倍，表明一些银行资产质量差、信用风险高 NSFR 平
均值大于 1 ，但最小值较小，说明一些银行流动性错配问题严重。 CFR 平均值为 ，远超过新西
兰所要求的 65%的标准，可能由本文 CFR 的测算方法扩大了核心融资的范围所致。 DLR 均值为
，其倒数为 ，意味着平均而言我国商业银行未触及 75%的存贷比监管红线。
表 2 全样本变量统计性描述
变量 变量定义 观测值 均值 标准差 最小值 最大值
lending (%) 贷款增速 404
NSFR 净稳定资金比率 4ω
CFR 核心融资比率 404
DLR 存贷比 404
oneweek (%) 1 周 SHIBOR 利率 404
Slze 银行规模 404
C缸(%) 资本充足率 404
lr (%) 资产流动性 4ω
npl (%) 不良贷款率 404
roa (%) 资产收益率 404
gdp (%) 实际 GDP增长率 404
cr4 (%) 银行业集中度 404 3.∞5
注: NSFR、 CFR、 DLR、 size 、 C缸、 lr、 roa 等银行微观特征变量均为滞后 1 期变量。
三、回归分析
(一)基准模型估计结果
本文使用固定效应 (FE) 估计模型(1)，为减少扰动项不规则带来的问题，所有回归均采用了
聚类稳健的标准差。表 3 列示了在不同结构流动性指标情况下，流动性冲击对贷款增速的影响。其
中， 1 、 3" 5 列未加入交互项，以确定流动性冲击对贷款增速的平均影响。结果显示流动性冲击系
数。1 显著为负，表明商业银行在流动性紧缩时会减少贷款投放。结构流动性系数为正，但显著性
较差，表明结构流动性本身对银行信贷的直接影响有限。但是，第 2、第 4、第 6 列交互项模型估
计结果显示结构流动性可通过调节流动性冲击对信贷的影响而间接发挥作用:一方面，比较未加入
交互项和加入交互项的两列回归的组间配，可发现加入交互项明显提高了模型的解释能力;另一方
面，流动性冲击与结构流动性的交互项系数目3 显著为正，说明面对大小相同的流动性冲击时，结
构流动性水平越高的银行贷款收缩程度越小。
在控制变量方面 Slze 的系数显著为负，表明大银行由于资产基数大信贷增速低于小银行，从
而表现出"大银行资产多、小银行发展快"的特点。 C缸和 lr 对银行信贷增速的影响显著为正，与
预期相符。 roa" npl 、 cr4 的系数均不显著，其中 roa 符号与预期一致， npl 和 cr4 符号在加入交互项
后部分发生了改变。 gdp 系数显著为负，即银行信贷表现为逆周期特征。潘敏和张一茹 (2013) 、黄
宪和熊启跃 (2013) 也得出这一与直觉不符的结论，原因可能在于我国银行业的信贷投放一定的程
度上受中央及各地方政府的干预，承担着部分逆周期调控责任。此外，对时间虚拟变量联合显著性
的 F 检验均在 1%的水平上拒绝了不存在时间固定效应的原假设，印证了本文采取双向固定模型的
合理性。
尽管表 3 估计结果表明较高的结构流动性有助于银行抵御流动性冲击的影响，但交互项系数的
估计值仅仅反映了平均意义上调节效应的大小，无法直观地反映流动性冲击对银行贷款的边际影响
如何随结构流动性的变化而变化。为此我们对基准模型两边对Liquidity Shockt 求偏导，从而得到流
国际金融研究 6911
褒 3 基准模型估计结果
(1) (2) (3) (4) (5) (6)
NSFR NSFR CFR CFR DLR DLR
oneweek ' - ' - " " () () () ( ) () ()
oneweekxNSFR " ()
oneweekxCFR '" ( )
oneweekxDLR ' ( )
NSFR " ( ) ()
CFR '" () ()
DLR
叫
(3 .38 ) ()
- - 时 白 田 呻Slze () () ( ) ( ) ( ) ()
阳 - ω... 呻 '" "
car () () () () ( ) ( )
k '" -
由 " ' '
() () () () ( ) ()
roa ( ) () ( ) () () ()
npl () () () () ( ) ( )
gdp " " " " ' " ( ) () () ( ) ( ) ()
cr4 -0.创>636 ( ) () ( ) () () ( )
常数项 '" - - 23 时 21 阳 28 阳() () () () () ()
时间固定效应 (呻 (- (阳 (广 (7. 1OJ阳 (叫
观测值 4ω 404 404 4ω 404 404
银行数量 85 85 85 85 85 85
调整后 R2
注()内数值为估计系数的 t值.[1内数值为时间虚拟变量联合显著性的 F 统计量值。***、牌和*分别表示
1% 、 5%和 10%显著性水平上显著。下同。
动性冲击对银行信贷的边际影响为自1+ß3XStructural LiquiditYi .1-1 ，然后根据表 3 第 2、第 4、第 6 列
估计结果绘制了图 1 ，从而直观地呈现了在结构流动性指标的不同分位数上，流动性冲击对贷款影
响的大小和置信区间。以图 1 左边第一幅小因为例，横轴数字分别为全样本 NSFRi •I_1 的 1% 、 10% 、
25% 、 50% 、 75% 、 90t?毛和 99%分位数 直线上下方的柱形确定了边际影响的 95%的置信区间。直
线斜率为正，表示随着 NSFR 上升，流动性冲击对银行信贷增速的负向影响逐渐减弱。当 NSFRi •，_1
和CFR;，'_1 取值大于全样本 90%分位数和 DLRi叫大于全样本 75t?毛分位数后， 0 值出现在边际影响的
置信区间内，表明银行结构流动性高出一定的阔值后，流动性冲击对银行信贷供给的负面影响不再
显著。值得注意的是，当 CFR; .1-1 超过全样本 99%分位数后，流动性冲击对银行贷款的边际影响显
著为正，这与 Jung & Kim (2013) 的研究发现类似。 Jung & Kim (2013) 研究融资结构对韩国银行
信贷的影响时，发现核心融资占总负债的比重超过 %的银行在流动性冲击下反而会增加信贷投
放。其原因在于，储户认为核心融资较高的银行是资金的安全"避风港导致这些银行在市场流
动性紧缩时拥有的存款数量不减反增 从而获得克足的资金用于发放贷款。
1170 国际金融研究 2015'4
耀黯跚跚跚跚-圆圆圈
事司
o
F
OF·
.8 NSFR 1 2 3 4 C呻=R 5 1 2 3 DιR
回 1 不罔结构流动性下流动性冲击对贷敏的边际影响
(二)稳健性检验①
一是替换流动性冲击指标。为剔除 SHIBOR 中包含的预期政策利率成份，我们以 1 年期定存利率
RATE 反映政策利率，仿照 UBOR-OIS 指标的构造思路，得到 SHIBOR-RATE 作为新的流动性冲击
指标;另一方面，我们构造了反映流动性冲击程度的虚拟变量 shockdummy，当 1 周 SHIBOR 利率
超过其全样本中位数 %时 shockdummy 取 1 ，否则为 0。估计结果再次表明，结构流动性越高
的银行，其信贷供给受流动性冲击影响越小，流动性冲击指标的替换不改变本文基本结论。不过我
们也发现， DLR 作为结构流动性指标回归结果不够稳健，其原因可能在于存贷比指标过于简单，尤
其是在融资来源中存款占比逐年降低的背景下，这一指标无法全面地反映银行结构流动性水平。
二是采用动态面板估计方法。银行贷款供给可能受前期贷款供给的影响，刻画这种情况需在基
准模型中加入被解释变量的滞后项。此时再使用固定效应模型进行估计，得到的估计量不具一致
性。为稳健起见，我们同时采用 Arellano & Bond (1991) 提出的差分 GMM 和Blundell & Bond
(1 998) 提出的系统 GMM 方法进行估计。对比交叉项系数发现，当结构流动性指标为 NSFR 和 CFR
时，两种估计方法的交互项系数均显著为正，表明本文结论具有稳健性;但当结构流动性指标为
DLR 且估计方法为系统 GMM 时，交互项系数并不显著 (p 值为 19%) ，再次表明存贷比指标未能很
好地衡量银行的结构流动性状况。
四、进一步分析②
(一)按银行类型分组回归
本文样本包括国有商业银行、股份制商业银行、城市商业银行和农村商业银行四个梯队，我们参考
吴琦 (2011)、刘晓欣和王飞 (2013) 将样本分为国有及股份制银行 (A 组银行)和城商行及农商行 (B
组银行)。我们感兴趣的是，结构流动性减弱流动性冲击对银行信贷供给的影响这一结论是否在不同类
型的银行间存在差异。表 4列示了两组银行下的估计结果。国有银行及股份制银行和城商行及农商行交
互项系数的显著性和大小存在明显差异:国有银行及股份制银行组内，交互项系数不显著且数值较小，
而城商行及农商行组内，交互项系数显著为正。总之，较高的结构流动性能减弱流动性冲击对城商行及
①篇幅所限，未予列示。
③篇幅所限，我们在回归表格中不再汇报控制变量和常数项的估计系数。
国际金融研究 7111
缸捆l皿噩噩四"晒腰酬跚翻
农商行信贷投放的负向影响，但对于国有银行及股份制银行，结构流动性的调节效应并不明显。
表 4 基于银行类型分组的进一步分析
(1) (2) (3) (4) (5) (6)
A 组 B 组 A 组 B 组 A 组 B 组
NSFR NSFR CFR CFR DLR DLR
ω
oneweek
' " ' '
( ) () () ( ) ( ) ()
oneweekxNSFR
"
() ( )
oneweekxCFR
俑阳
() ()
oneweekxDLR
'
() ( )
'
NSFR () ( )
CFR
'"
( ) ()
DLR
( ) ( )
观测值 83 321 83 321 83 321
银行数量 16 69 16 69 16 69
调整后 R2
我们认为，两组银行融资能力不同是导致上述差异的主要原因。众所周知 国有银行及股份制
银行经营范围覆盖全国，规模大、网点多、吸储能力强。此外，它们作为上市公司还可通过股票市
场再融资，或者通过发行次级债融资。不仅如此，由于国有银行及股份制银行规模较大，外部冲击
来临时，为维护金融体系稳定，央行会优先向这些具有较高系统重要性的银行注入流动性。此外，
对商业银行的"规模偏好"心理(马草原和王岳龙， 2010) 会促使储户将规模较大的国有银行及股
份制银行当作资金的安全"避风港进一步加强了国有银行及股份制银行的融资能力。如果市场
流动性紧缩时，国有银行及股份制银行可以较为容易地从上述渠道获得资金，免于陷入流动性紧
缺，那么结构流动性的高低也就不再那么重要了。反映在估计结果中 一是流动性冲击对国有和股
份制银行的负向影响不明显(表现为 oneweek 系数不显著或显著性较低) ，二是结构流动性对流动
性冲击的调节作用也不明显(表现为交互项系数不显著)。
相比之下，城商行及农商行跨区域经营受限，多在本市或本省发展，规模小、网点少，吸储能
力有限，而且大多数城商行及农商行还未上市，无法从股市获得资金，也较少通过发行次级债融
资。因此流动性冲击来临时，城商行及农商行更有可能被迫紧缩信贷以渡过难关。保持较高的结构
流动性有助于银行渡过较长时期的市场紧缩，因而对于融资能力较弱的城市商业银行，通过保持较
高的结构流动性来抵御流动性紧缩的负面影响就显得尤为必要。
(二)按资本充足率高低分组回归
在巴塞尔委员会原有的监管框架下 资本监管长期扮演重要角色 而流动性监管却没有受到足
够的重视，危机之后流动性监管才被提到了与资本监管同等重要的位置。那么，不同资本充足水平
下，银行结构流动性的调节效应是否有所不同?为此我们首先计算出每家银行样本期内的资本充足
率均值，然后将所有均值排序并均分为两组(高 car 组和低 car 组)。分组回归结果见表 5。对比两
组交互项系数，我们发现当结构流动性指标为 NSFR 时，两组银行的交互项均显著为正，但高car
组的系数明显更大;当结构流动性指标为 CFR 或 DLR 时，高 c缸组的交互项系数显著为正，但低
1172 国际金融研究
撒辙罐罐罐辙罐蟠罐罐罐罐罐罐罐罐罐擅跚跚阳酬圆圆皿困
car 组的交互项系数不显著。由此可见，就资本充足率较高的银行而言，结构流动性更能有效地减
小流动性冲击对信贷供给的负面影响。
表 5 基于资本充足.分组的进一步分析
(1) (2) (3) (4) (5) (6)
低 c町组 高 car 组 低 c缸组 高 c缸组 低 car 组 高 c町组
NSFR NSFR CFR CFR DLR DLR
-1 " 阳 阳 -
oneweek () () ( ) () () ( )
- "
oneweekxNSFR ( ) ()
时
oneweekxCFR () ( )
-
oneweekxDLR () ()
"
NSFR ( ) ( )
-
CFR () ()
" -
DLR ( ) ()
观测值 198 206 198 206 198 206
银行数量 42 43 42 43 42 43
调整后 R2
上述结果与 Kapan & Minoiu (2013) 、 Federico & Vazquez (2013) 的结论类似。 Kapan &
Minoiu (2013) 将银行按不同资本指标分为两组，发现对于普通股占比或核心资本充足率较高的银
行，金融危机前的 NSFR 越大，危机后信贷缩减越小;而对于缺少资本的银行，较大的 NSFR 并没
有起到明显的支持信贷的作用。 Federico & Vazquez (2013) 将 NSFR 小于 1 的银行以资本充足率
7%为界分为两组，发现对于资本充足率大于 7%的银行， NSFR 增加显著降低了银行破产概率，但
对于资本充足率小于 7%的银行， NSFR 并无此效果。结合上述文献和本文的研究，我们认为较高的
资本充足率有助于结构流动性发挥作用，降低流动性冲击对信贷的影响程度。一个可能的解释是:
由于风险共担效应 (Skin-in-the-game Effect) ，商业银行资本充足率越低，其风险偏好越高。资本
充足率较低的银行在项目投资时较为激进，当不利的外部冲击来临时，其信贷投放受影响较小，表
现为表 5 中低 c缸组银行中 oneweek 系数大多不显著。在这种情况下，结构流动性对信贷投放的调
节效应自然也就不显著或程度较小。反之 资本充足率高的银行面临不利外部冲击整体上显著地降
低了信贷供给，此时结构流动性对银行抵御外部冲击的重要性得以显现。 2008 年金融危机后，银行
资本监管和流动性监管更为严格 资本充足率和结构流动性在增强银行的风险抵御能力和经营活动
的稳健性方面将呈现出更强的互补作用。
(三)资产方流动性和负债方流动性回归
结构流动性的变化受资产流动性和融资稳定性的共同影响，指标构建和描述部分的分析表明，
近年我国银行资产流动性上升而融资稳定性下降，综合效果是结构流动性先升后降。那么，本文结
构流动性所体现的调节效应是融资稳定性和资产流动性哪一方作用的体现呢?将基准模型中的
StructuralLiquidity 替换为反映融资稳定性的 FS 指标或反映资产流动性的 AL指标有助于回答这一问
题，估计结果见表 6。融资稳定性方面， FS1 (可供使用的稳定资金与总负债的比率)或 FS2 (核心
国际金融研究 7311
EfUlIIDI .. 四"跚跚跚酣醺
融资占总负债的比重)与流动性冲击交互项系数显著为正，表明银行可用稳定资金或核心融资越
多，流动性冲击对信贷的负向影响越小。但当指标为存款占总负债的比重 FS3 时，交互项系数虽为
正但显著性极差 (p 值高达 89%)。在资产流动性方面，指标 ALI (总资产与业务所需稳定资金的比
率)和 Al，z (同时也是 A~，总资产与贷款的比率)与流动性冲击的交互项均显著为正，表明银行
业务所需稳定资产或信贷资产占比越低 流动性冲击对信贷的负向影响越小。
褒 6 资产流动性和负债稳定性的单独影响
融资稳定性 资产流动性
(1) (2) (3) (4) (5)
FS. FS2 FS3 AL. A~ ()
" 阳 ''' 阳
oneweek () () () () ()
oneweekxFS.
"
()
oneweekx~
"
( )
oneweekxFS3
O.∞775
( )
阳
oneweekxAL. ()
"
oneweekxA~ ( )
FS. ()
阳
FS2 ()
FS3 ()
'"
AL. ( )
A~ ( )
观测值 404 404 404 404 404
银行数量 85 85 85 85 85
调整后 W 0. l30 0. l32
综合来看， NSFR 和 CFR 的调节效应是资产流动性和融资稳定性的综合体现，但 DLR 之所以
也能在一定的程度上表现出调节效应，主要在于其分母部分(资产流动性)发挥的作用。对比三
个融资稳定性指标， FS1 涵盖了各类负债项目 FS2 包含了银行的核心融资来源(存款+长期融资+
股东权益 ) ，而 FS3 仅包括客户存款。毫无疑问，存款是银行核心融资和全部负债的最主要项目，
本文样本内存款占核心融资的比重的均值为 % ，存款占全部负债(即 FS3 ) 的比重的均值为
%。但近年银行融资来源中存款占比有所下降 其中存款占核心融资的比重和存款占全部负债
的比重已分别从 2006 年的 %和 8 串降至 2012 年的 %和 %。因此，仅反映存款因
素的指标难以全面衡量银行的融资稳定性，这也是 FS3 与 Liquidity Shock 交互项不显著的原因。进
一步，基于 FS3 和 A~ 构造的结构流动性指标 DLR 对银行结构流动性状况反映能力有限，表现为
在前述稳健性检验中 DLR 与 oneweek 交互项系数显著性较差。从流动性监管的角度看，兰个结构
流动性指标中 NSFR 和 CFR 能有效地提高银行对流动性风险的抵御能力，但存贷比指标过于简
单，不能取得预期的效果。
1174 国际金融研究
如翩翩f kesCClrc }z í=U f i II~ {Î)回
五、结论和启示
2∞8 年全球金融危机后，巴塞尔委员会提出了"净稳定资金比率"这一结构流动性指标，
以期全面反映银行融资稳定性和资产流动性，从而更好地监测银行流动性风险 。 本文实证检验了
净稳定资金比率、核心融资比率和存贷比三类结构流动性指标对降低我国银行流动性风险的作
用 。 具体而言，我们发现结构流动性较高的银行在流动性冲击下信贷下降较少，且当结构流动性
高于某一阐值后，流动性冲击对信贷元显著影响。进一步分析表明，对融资能力较差的城市及农
村商业银行或者资本充足水平较高的银行而言 较高的结构流动性可以更为显著或更大幅度地减
小流动性冲击对贷款供给的负面影响。此外，比较三类结构流动性指标发现，仅把存款作为稳定
融资来源的存贷比指标在实证中表现不够稳健，意味着存贷比指标不能很好地衡量银行的结构流
动性水平 。
上述研究结论具有重要的政策启示意义。最主要的是 监管部门应从结构流动性角度加强我
国商业银行流动性风险监管。近年来，我国银行业经营环境、业务模式、资金来源逐渐发生变
化，商业银行资金来源稳定性下降，资产负债期限错配加大，总体而言流动性风险隐患增加 。 尤
其是城商行和农商行先天具有规模小 、 资产质量差的劣势，不仅融资能力弱，而且贷款往往困地
方政府干预而积累较多风险，从而导致其流动性错配问题更为严重。本文研究表明，结构流动性
较高的银行受流动性冲击的影响较小 因此提高商业银行结构流动性可以有效降低银行流动性风
险。
具体到监管指标，当前的存贷比监管指标简明扼要、容易计算，但其覆盖面不足 、 风险敏感
性较低，且未能考虑银行各类资金来源和运用在期限和稳定性方面的差异，因而在新形势下已难
以全面反映商业银行的流动性风险，尽管短期内通过调整存贷比指标的计算口径可以在一定的程
度上改进其实际效果，但长期来看监管部门仍需引人净稳定资金比率或者核心融资比率替代当前
的存贷比监管指标。
此外，监管部门还应注意资本充足率监管和流动性监管的配合。本文研究表明，结构流动性
在资本克足的银行可以发挥更大的作用。事实上，流动性和资本是银行应对外部冲击的两道相互
补充的防线。本次金融危机中，商业银行的流动性风险向清偿力风险转化的速度明显加快，因此
要同时强化商业银行的流动性监管与资本监管，并注意两类监管之间的协调配合，在严格实施资
本监管的基础上积极推进流动性风险监管。
(责任编辑辛本胜)
，型曹文献.
[1] 黄宪，熊启跃.银行资本缓冲 、 信贷行为与宏观经济波动一一来自中国银行业的经验证据[刀. 国际金融研究，
2013 (1) : 52-65
[勾刘晓欣，王飞.中国微观银行特征的货币政策风险承担渠道检验--一基于我国银行业的实证研究[耳国际金融研
究. 2013 (9): 75-88
[3] 马草原，王岳龙.公众"规模偏好" 与银行市场约束异化[1].财贸经济. 2010 (2):ι11
μ] 漏敏，张依茹. 股权结构会影响商业银行信贷行为的周期性特征吗一一来自中国银行业的经验证据田.金融研
究. 2013 (4): 29-42
[5] 吴琦.资本约束对商业银行资产配置行为的影响一一基于 175 家商业银行数据的经验研究[1].金融研究. 2011
(4): 65-81
国际金融研究 7511
且丽1m元 rBmIJj暗 !kij4ii，，4樱酵加精哪!附嚼栩如I如何:呢I悔吗I啦11在的咽
[6] Arellano，悦， Bond , S. Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to
Employment Equations[J]. Review of Economic Studies , 1991 (58): 277-97
[7] Banerjee , R. N. Banking Sector Liquidity Mismatch and the Financial Crisis[R]. Bank of England , Working Paper ,
2012
[8] Basel Committee on Banking Supervision (BCBS). Basel m: The Net Stable Funding Ratio (Consultative Docu-
ment)[EB/OL]. , 2014
[9] Blundell , R. , Bond , S. Initial Conditions and Moment Restrictions in Dynamic Panel Data Models[J]. Journal of
Econometrics , 1998 (87): 115-143
[10] Cornett ，旺， McNutt J. , Strahan P. , and Tehranian H. Liquidity Risk Management and Credit Supply in the Fi-
nancial Crisis[J]. Journal of Financial Economics , 2011 (101): 297-312
口 1] F ederico ，丑， Vazqu钮， F. Bank Funding Structures and Ri8k: Evidence from the Global Financial Crisis[R]. IMF,
Working Paper , , 2012
[12] Giordana , G. , Schumacher , 1. 咀le Impact of the Basel m Liquidity Regulations on the Bank Lending Channel:
A Luxembourg Case Study[R]. BCL ,Working Paper , , 2011
[13] Jung ，且，阻m ， D. Bank Funding Structure and Lending under Liquidity Shocks in Korea[R]. Bank of Korea ,
Working Paper , 2013
[14] Kapan , T. , Minoiu , C. Balance Sheet Strength and Bank Lending during the Global Financial Crisis[R]. IMF ,
Working Papers , , 2013
[15] King , M. The Basel m Net Stable Funding Ratio and Bank Net Interest Margins[J]. Journal of Banking and Finance ,
2013 (37): 4144-4156
[16] Severo , T. Measuring Systemic Liquidity Ri8k and 也e C08t of Liquidity Insurance[R]. IMF , Working Paper, ,
2012
[17] 四ornωn ， D. What the UBOR-OIS Spread Says[R]. Fed. Bank. St. Louis , 2侃)9 (24): 1-2
Abstract: Structural Liquidity of commercial banks ref1ects bo出 funding stability and ωset liquidity, therefore it is vital
to manage bank liquidity risk. With the panel data of 85 Chinese commercial banks from 2仪)6 to 2012，由is paper firstly cal-
culated three structural liquidity variables, namely net stable funding ratio, core funding ratio and deposit to loan ratio, then
analyzed how structuralliquidity help ωmitigate the negative effect of liquidity shock on bank loan supply. Results confirmed
the negative moderating effect of structural liquidity on li甲idity shock. Future analysis showed 也at: (1) the moderating ef-
fect existed only in city banks or rural banks; (2) the moderating effect was more pronounced in banks wi由 higher capital;
(3) among the three structural liquidity variables，也e deposit to loan was not robust. This paper hωimportant policy impli-
cations for improving the supervision indicator百 of commercial banks' liquidity risk in our country.
Keywords: Net Stable Funding Ratio; Core Funding Ratio; Deposit to Loan Ratio
1176 国际金融研究
