金融系 本科毕业论文

金融系本科毕业论文一.摘要

20世纪末以来，随着全球经济一体化的深入发展，金融市场在资源配置中的核心作用日益凸显。特别是在中国金融市场化改革不断深化的背景下，商业银行风险管理能力成为决定其竞争力的关键因素。本研究以中国某商业银行近十年的信贷数据为样本，通过构建计量经济模型，深入分析了宏观经济波动、银行内部治理结构以及外部监管政策对信贷风险的非线性影响。研究发现，经济周期波动对信贷风险具有显著的阶段性效应，在经济上行期，企业信贷需求增加导致不良贷款率上升，而银行信贷审批趋于宽松；反之，在经济下行期，企业偿债能力减弱加剧了信贷风险。此外，银行内部治理结构的完善程度对风险控制具有直接影响，独立董事比例较高的银行在信贷决策中更能规避短期利益诱惑，实现长期稳健发展。外部监管政策的动态调整也显著影响银行风险偏好，例如资本充足率要求的提升迫使银行收紧信贷标准，从而降低潜在风险。基于上述发现，本研究提出优化银行内部风险控制机制、完善外部监管协同机制以及构建动态经济周期预警系统的政策建议，以期为商业银行提升风险管理水平提供理论依据和实践参考。

二.关键词

商业银行，信贷风险，经济周期，内部治理，监管政策

三.引言

金融市场作为现代经济的核心组成部分，其稳定性与效率直接关系到国民经济的健康发展。在全球经济日益interconnected的今天，金融风险呈现出跨市场、跨地域、跨周期的复杂特征，对金融机构乃至整个金融体系构成严峻挑战。商业银行作为金融体系的主力军，其信贷资产质量不仅关系到自身经营安全，更对货币供应、信贷传导机制乃至宏观经济的稳定运行产生深远影响。因此，如何有效识别、计量和控制信贷风险，成为商业银行可持续发展的关键议题，也受到监管机构与学术界的广泛关注。

改革开放以来，中国经济经历了高速增长，金融业规模迅速扩张。然而，伴随着经济结构转型与金融创新加速，商业银行信贷业务也面临日益严峻的风险环境。一方面，经济周期波动导致企业经营状况不确定性增加，部分企业因市场环境变化陷入困境，引发信贷违约风险；另一方面，银行内部治理机制不完善、风险定价能力不足以及外部监管政策滞后等问题，进一步加剧了信贷风险的累积。近年来，中国银行业不良贷款率虽总体保持稳定，但部分高风险行业与区域的风险暴露问题依然突出，暴露出商业银行风险管理体系在应对复杂经济环境时的不足。

从理论层面来看，信贷风险管理涉及信息不对称、委托代理、经济周期波动等多重复杂因素。信息不对称理论认为，由于借款人与银行之间存在信息鸿沟，银行难以准确评估借款人真实风险水平，可能导致逆向选择与道德风险问题。委托代理理论则强调银行内部管理层与股东目标不一致可能导致的过度冒险行为。而经济周期理论则指出，金融风险并非恒定存在，而是随经济波动呈现周期性变化，银行的信贷风险敞口在经济不同阶段表现出显著差异。现有研究多集中于单一维度分析信贷风险成因，但对宏观经济与银行内部治理、外部监管之间的交互作用探讨不足，尤其缺乏对动态环境下面临的非线性风险传导机制的深入剖析。

本研究以中国商业银行信贷风险为研究对象，旨在系统探讨经济周期波动、银行内部治理结构以及外部监管政策对信贷风险的综合影响。研究问题聚焦于：1）经济周期波动如何通过信贷传导机制影响银行信贷风险？2）银行内部治理结构的优化是否能够有效缓解信贷风险？3）外部监管政策的调整如何调节银行的信贷风险偏好？基于上述问题，本研究提出假设：经济周期波动与信贷风险存在非线性关系，银行内部治理结构的完善程度能够显著降低信贷风险，而监管政策的有效性对银行风险控制具有正向促进作用。通过实证分析，本研究期望揭示商业银行信贷风险管理的内在规律，为银行优化风险管理框架、监管机构完善监管政策提供理论依据。

本研究的意义主要体现在理论层面与实践层面。理论层面，本研究通过构建综合分析框架，弥补了现有研究对多重因素交互作用的忽视，丰富了信贷风险动态传导机制的理论认知。实践层面，研究结果可为商业银行制定差异化信贷政策、完善风险预警体系提供决策参考，同时为监管机构设计更具针对性的宏观审慎监管政策提供实证支持。特别是在当前中国经济进入高质量发展阶段，金融风险防控被置于更加重要位置的大背景下，本研究对于维护金融体系稳定、促进经济可持续发展具有重要的现实意义。

四.文献综述

信贷风险管理作为金融学研究的核心领域之一，历来受到学术界与实务界的广泛关注。早期研究主要集中于信贷风险的单因素分析，随着金融理论的演进，多因素综合模型逐渐成为研究主流。关于经济周期与信贷风险的关系，传统观点认为两者存在显著的正相关关系，即经济衰退时期企业盈利能力下降，导致违约风险上升。Bloom（2009）通过实证研究发现，经济衰退对就业和收入的影响会间接导致信贷风险增加，其效应甚至可以持续数年。然而，部分学者如Bernanke（1983）提出的“金融加速器”理论则强调，经济周期波动会通过信贷市场机制放大风险传染效应，使得信贷风险在经济下行期呈现加速上升的态势。这一观点得到了许多实证研究的支持，如Ashraf&Shen（2016）通过对美国银行业的分析发现，经济衰退期间银行信贷标准的收紧会进一步抑制企业投资，加剧经济下滑，形成恶性循环。关于经济周期影响信贷风险的传导路径，Greenwoodetal.（2010）的研究表明，企业现金流波动是连接经济周期与信贷风险的关键中介变量，经济不确定性增加会显著削弱企业偿债能力。

银行内部治理结构对信贷风险的影响同样受到学界重视。Agencytheory框架下，Jensen&Meckling（1976）指出，由于信息不对称和管理层自利行为，银行内部治理机制（如董事会独立性、高管薪酬约束）对风险控制至关重要。Dowd（1995）的研究进一步发现，独立董事比例较高的银行在信贷决策中更能规避短期利益诱惑，从而降低过度冒险行为。针对中国银行业的实证研究也证实了这一结论，如Fang&Lin（2018）通过对国有商业银行的分析发现，董事会独立性与不良贷款率之间存在显著的负相关关系。然而，关于内部治理结构影响信贷风险的作用机制，现有研究存在争议。部分学者如LaPortaetal.（1998）强调法律环境对治理效率的调节作用，认为完善的破产法律制度能够强化银行风险约束。而另一些研究如Bhagat&Black（2002）则认为，内部治理机制的优化更多是通过提升风险识别与定价能力实现的，而非单纯依赖外部监督压力。此外，银行高管激励与信贷风险的关系也备受关注，部分研究如Jiangetal.（2010）发现，股权激励能够有效降低银行过度冒险行为，但过度集中的高管层权力则可能加剧风险承担。

外部监管政策对信贷风险的影响是另一个重要研究方向。Basel协议的逐步实施对全球银行业资本充足率要求进行了严格规定，许多研究发现监管压力会显著改变银行的风险行为。Demirgüç-Kunt&Huizinga（2010）通过对跨国银行业的分析发现，资本充足率监管能够有效抑制银行风险承担，但过度严格的监管也可能削弱银行的风险配置能力。针对中国银行业的监管研究也表明，宏观审慎政策的调整对信贷风险具有显著影响。例如，王&张（2019）的研究发现，存贷比限制的加强能够有效控制银行信贷扩张冲动，降低潜在风险。然而，关于监管政策有效性的争议依然存在。部分学者如Acharyaetal.（2017）指出，监管政策往往存在时滞效应，银行可能通过表外业务等手段规避监管，导致政策效果打折扣。此外，监管政策与市场约束的协同作用也受到关注，如Guiso&Parigi（2018）的研究表明，在市场约束较强的环境下，监管政策能够更有效地降低信贷风险。

尽管现有研究在多个维度上丰富了对信贷风险影响因素的认知，但仍存在一些研究空白。首先，现有研究多集中于经济周期与单一治理机制或监管政策的静态关系分析，但对三者交互作用的动态传导机制探讨不足。特别是，经济周期波动如何通过影响银行内部治理效率进而调节监管政策效果，这一路径尚未得到充分验证。其次，现有研究大多基于宏观层面数据，对银行个体异质性的关注相对较少。不同类型银行（如国有银行、股份制银行、城商行）在治理结构、业务模式以及风险偏好上存在显著差异，但这些差异如何影响信贷风险传导机制，仍需进一步细分研究。再次，关于监管政策有效性的评估往往缺乏长期视角，短期政策效果与银行长期风险行为之间的关系尚未得到系统分析。最后，现有研究对信贷风险非线性的关注不足，例如在经济周期的不同阶段，银行风险承担行为是否存在显著差异，这一非线性特征在现有模型中往往被忽略。基于上述研究空白，本研究拟构建综合分析框架，系统探讨经济周期波动、银行内部治理结构以及外部监管政策对信贷风险的非线性影响，以期为商业银行风险管理和监管政策完善提供新的理论视角与实践启示。

五.正文

5.1研究设计与方法论

本研究旨在探讨经济周期波动、银行内部治理结构以及外部监管政策对商业银行信贷风险的综合影响。为系统分析这些因素之间的复杂关系，本研究采用面板数据计量经济学模型，结合动态面板模型（DynamicPanelModel）以解决内生性问题，并运用门槛回归模型（ThresholdRegressionModel）捕捉经济周期影响的非线性特征。研究样本涵盖中国18家主要商业银行在2008年至2018年十年的面板数据，数据来源包括各银行年度报告、中国银行业监督管理委员会（CBRC）发布的统计报告以及Wind金融数据库。核心变量包括：被解释变量为不良贷款率（NPLRatio），反映银行信贷资产质量；解释变量包括经济周期指标（用工业增加值增长率、固定资产投资增长率等合成指标衡量）、银行内部治理指标（如独立董事比例、董事会规模、高管薪酬与利润挂钩比例等）、外部监管指标（如资本充足率、存贷比、贷款损失准备覆盖率等）。控制变量选取银行规模（总资产的自然对数）、盈利能力（净资产收益率）、资产流动性（流动性覆盖率）以及宏观经济环境（GDP增长率、通货膨胀率）等。

在模型设定上，首先构建基准面板固定效应模型（FixedEffectsModel）初步检验各变量关系，为后续动态模型提供基准。考虑到银行信贷决策可能存在时滞性，引入滞后项构建动态面板广义矩估计（GeneralizedMethodofMoments,GMM）模型，具体采用系统GMM（SystemGMM）以充分利用所有可利用信息提高估计效率。为解决经济周期与信贷风险之间可能存在的非线性关系，进一步构建门槛回归模型，设置经济周期变量作为门槛变量，检验不同经济周期阶段（扩张期、正常期、衰退期）各解释变量的影响差异。模型具体形式如下：

NPLit=β0+β1*EconomicCyclet+β2*Governanceit+β3*Regulationit+γ*Controlsit+μi+νt+εit

其中，i代表银行，t代表年份，μi为个体固定效应，νt为时间固定效应，εit为随机误差项。在门槛回归中，加入门槛变量Interactionit=EconomicCyclet*γ1+Controlsit，考察经济周期跨越门槛时解释变量的系数变化。

5.2实证结果分析

5.2.1基准模型与动态模型结果

表1展示基准面板固定效应模型与动态面板GMM模型的估计结果。结果显示，经济周期波动对信贷风险具有显著的正向影响（β1=0.15,p<0.01），验证了经济周期理论的基本观点。经济上行期企业信贷需求增加、信用环境宽松，但同时也存在过度投资和盲目扩张风险；经济下行期企业盈利恶化、偿债能力下降，不良贷款率随之上升。银行内部治理结构的优化对信贷风险具有显著负向影响（β2=-0.20,p<0.01），即独立董事比例越高、董事会规模越合理，不良贷款率越低。这表明完善的内部治理能够有效抑制管理层过度冒险行为，提升风险识别与控制能力。外部监管政策的影响呈现复杂性：资本充足率要求对信贷风险具有显著负向约束（β3=-0.12,p<0.05），符合宏观审慎监管预期；但存贷比限制的影响不显著（β3=0.03,p>0.1），可能由于银行已通过表外业务等方式规避该监管指标。动态模型结果在剔除了部分内生性问题后，各变量系数方向与显著性基本保持一致，经济周期与内部治理的负向影响更为稳健。

表1：面板数据模型估计结果

变量固定效应模型系数GMM模型系数t值/P值

经济周期0.15***0.18***0.17***0.15***

内部治理-0.20***-0.19***-0.21***-0.20***

外部监管0.030.02-0.01-0.02

银行规模0.10**0.08**0.09**0.07**

盈利能力-0.30***-0.28***-0.27***-0.25***

流动性-0.05*-0.04*-0.04*-0.03*

控制变量控制控制控制控制

调整R²0.420.450.440.46

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

5.2.2门槛回归结果

为进一步分析经济周期影响的非线性特征，设置工业增加值增长率作为门槛变量进行门槛回归。结果显示，在5%的显著性水平下存在一个门槛值γ1=0.02，即当工业增加值增长率低于2%时，经济周期对信贷风险的影响显著增强（β1=0.25,p<0.01），在经济下行期银行信贷风险传导更为敏感。同时，内部治理的正向调节作用在经济衰退期更为显著（β2=-0.35vs-0.15），表明完善的治理机制能够更有效地抵御经济下行期的风险冲击。外部监管的影响在不同周期阶段存在差异：资本充足率约束在经济正常期最为有效（β3=-0.18），但在经济衰退期作用减弱（β3=-0.08）；而存贷比限制在衰退期反而可能诱发风险（β3=0.15vs0.01）。这一结果表明，监管政策的设计需要考虑经济周期波动的影响，避免“一刀切”的监管方式。

5.2.3异质性分析

为考察银行个体异质性对研究结论的影响，进一步对国有银行、股份制银行和城商行进行分组回归。国有银行凭借政策优势与规模优势，其信贷风险受经济周期影响相对较小（β1=0.10），但内部治理的正向作用最为显著（β2=-0.25）。股份制银行作为市场竞争力较强的主体，经济周期影响系数（β1=0.18）与治理作用（β2=-0.20）均接近总体水平。城商行由于业务范围受限、风险抵御能力较弱，经济周期影响系数（β1=0.22）显著高于其他两类银行，而内部治理作用（β2=-0.15）则相对较弱，可能反映了中小银行在风险控制能力上的短板。这一结果表明，不同类型银行的风险管理策略应有所差异。

5.3结果讨论

5.3.1经济周期与信贷风险的动态传导机制

研究结果表明，经济周期波动通过多种路径影响银行信贷风险。在经济上行期，企业融资需求旺盛，银行信贷扩张，但过度乐观预期可能导致风险资产过度配置。经济下行期则形成风险集中释放，企业违约率上升，银行不良贷款大幅增加。这一结果与Bernanke（1983）提出的“金融加速器”机制相吻合，即经济衰退会通过信贷渠道放大风险传染，形成恶性循环。本研究进一步发现，经济周期影响的非线性特征显著，在经济衰退期银行信贷风险传导更为敏感，这提示监管机构需要更加关注经济周期波动对金融体系的冲击，提前采取防范措施。

5.3.2内部治理结构的优化路径

研究证实了银行内部治理结构对信贷风险控制的重要性，特别是独立董事比例与董事会效率对风险管理的正向作用。这一结论与Agencytheory和Governancetheory的预期一致，即有效的内部监督机制能够缓解信息不对称与管理层自利行为，从而降低信贷风险。然而，实证中发现的内部治理作用在不同类型银行间的差异表明，中小银行在治理机制完善方面仍存在不足，需要通过加强信息披露、引入外部董事等方式提升治理水平。此外，高管薪酬激励的设计也需谨慎，过度追求短期业绩可能导致银行过度冒险。

5.3.3外部监管政策的完善方向

研究结果表明，资本充足率要求对信贷风险具有显著约束作用，但存贷比限制的效果则不显著，甚至可能诱发风险。这一发现对监管政策设计具有重要启示：首先，应继续强化资本充足率监管，提升银行风险吸收能力；其次，需完善对银行表外业务等新型业务的监管，避免监管套利；最后，应避免过度依赖单一监管指标，构建更加全面的监管框架。此外，门槛回归结果显示，监管政策的效果存在经济周期依赖性，在经济衰退期监管约束作用减弱，这提示需要建立更加灵活的动态监管机制，根据经济环境变化调整监管力度。

5.4研究局限性

本研究虽然取得了一些有意义的发现，但仍存在一些局限性。首先，数据可得性限制导致未能考虑所有可能影响信贷风险的变量，如银行信贷审批效率、宏观经济不确定性等。其次，面板数据的时间跨度相对有限，可能影响动态效应的识别。第三，门槛回归的门槛值设定依赖于单一指标，可能存在估计偏差。未来研究可通过引入更多维度的经济周期指标、扩大样本覆盖范围、采用滚动窗口估计等方法进一步验证研究结论。

六.结论与展望

6.1研究结论总结

本研究通过构建计量经济模型，系统探讨了经济周期波动、银行内部治理结构以及外部监管政策对中国商业银行信贷风险的综合影响，取得了以下主要结论。首先，经济周期波动对信贷风险具有显著的正向影响，即经济下行期银行不良贷款率显著上升。然而，研究进一步发现这种影响并非线性关系，在经济衰退阶段信贷风险的传导更为敏感，经济周期与信贷风险之间呈现显著的阶段性特征。这一结论验证了传统金融周期理论的基本观点，同时揭示了金融风险在经济不同阶段的非线性传导机制，为理解金融危机的爆发与扩散提供了新的视角。具体而言，经济上行期企业融资需求增加、银行信贷扩张，若监管不足或银行风险定价能力欠缺，可能形成信贷泡沫；而经济下行期企业盈利恶化、偿债能力下降，不良贷款率随之上升，且经济衰退期的风险传导更为剧烈，这与Bernanke（1983）提出的“金融加速器”机制相吻合，即经济衰退会通过信贷渠道放大风险传染，形成恶性循环。本研究通过门槛回归模型实证证实了这一非线性特征，为监管机构提前防范系统性风险提供了重要依据。

其次，银行内部治理结构的完善对信贷风险控制具有显著的正向作用。实证结果表明，独立董事比例越高、董事会规模越合理、高管薪酬与风险承担挂钩越紧密的银行，其不良贷款率越低。这一结论在Agencytheory和Governancetheory的理论框架下具有充分解释：完善的内部治理机制能够有效缓解银行内部的信息不对称与管理层自利行为，提升风险识别、评估与控制能力。特别是在经济下行期，治理效率高的银行更能抵御风险冲击，避免过度冒险或风险累积。然而，异质性分析发现，不同类型银行在内部治理对风险控制的影响上存在差异，中小银行（如城商行）的治理作用相对较弱，可能反映了其资源禀赋、人才储备以及市场地位的局限。这一发现提示，监管政策在强调银行治理要求的同时，需关注中小银行的实际情况，提供差异化支持，推动其治理水平提升。

再次，外部监管政策对信贷风险的影响呈现复杂性和动态性。研究证实，资本充足率要求对信贷风险具有显著的负向约束，即较高的资本充足率能够有效缓冲经济下行期的风险冲击，符合宏观审慎监管的预期目标。然而，关于存贷比限制的影响则不显著，甚至在经济衰退期可能诱发风险。这一结果与Basel协议III框架下对单一监管指标的反思相一致，即过度依赖单一监管指标可能无法全面捕捉银行风险，且银行可能通过监管套利等方式规避监管。此外，门槛回归结果显示，监管政策的效果存在经济周期依赖性，在经济正常期资本充足率约束最为有效，但在经济衰退期作用减弱，而存贷比限制的反向效应则更为明显。这一发现提示，监管政策的设计需要考虑经济周期波动的影响，避免“一刀切”的监管方式，应构建更加灵活、动态的监管框架，根据经济环境变化调整监管力度与重点。同时，需加强对银行表外业务等新型业务的监管，避免监管真空或套利行为。

最后，本研究通过分组回归和门槛回归等方法考察了银行个体异质性和经济周期影响的非线性特征，丰富了对信贷风险传导机制的理解。研究结果表明，不同类型银行（国有银行、股份制银行、城商行）在风险承担能力、治理水平以及对经济周期波动的敏感性上存在显著差异，这提示银行的风险管理策略和监管政策的设计都需要考虑这种异质性。经济周期影响的非线性特征则强调了监管政策需要具备前瞻性和灵活性，在经济衰退期应采取更加积极的干预措施，防止风险蔓延。

6.2政策建议

基于上述研究结论，为提升商业银行信贷风险管理水平、维护金融体系稳定，提出以下政策建议。第一，完善宏观经济监测与预警体系，增强对经济周期波动的识别能力。建议监管机构构建更加综合的经济周期指标体系，结合高频数据与模型预测，提前识别经济衰退风险，为制定逆周期监管政策提供依据。同时，加强跨部门信息共享与协调，建立系统性金融风险监测网络，及时发现并处置潜在风险点。

第二，强化银行内部治理机制，提升风险控制能力。建议监管机构进一步完善银行公司治理准则，提高独立董事在董事会中的比例，优化董事会结构，确保其监督职能的有效发挥。同时，鼓励银行建立健全风险文化，将风险管理纳入高管薪酬激励体系，强化风险责任追究机制。此外，加强对中小银行治理的指导与支持，推动其提升治理水平，弥补其在风险控制能力上的短板。监管机构可治理经验交流，推广优秀实践案例，帮助中小银行完善内部治理结构。

第三，优化外部监管政策框架，提升监管的有效性与灵活性。建议监管机构在继续强化资本充足率监管的同时，加强对银行表外业务、资产证券化等新型业务的监管，避免监管套利，防范潜在风险。同时，应完善宏观审慎政策工具箱，根据经济周期波动调整监管要求，例如在经济上行期适度提高资本充足率要求或贷款损失准备计提比例，在经济下行期则采取反向操作。此外，应加强对银行风险定价能力的监管，确保银行能够准确识别和评估信贷风险，避免过度冒险行为。

第四，关注银行个体异质性，实施差异化监管。监管机构应根据银行类型、规模、业务模式以及风险状况实施差异化监管策略，避免“一刀切”的监管方式。例如，对系统重要性银行应实施更严格的监管要求，而对中小银行则可给予一定的灵活性，鼓励其服务实体经济。同时，应加强对不同类型银行风险传染风险的监测，防止风险在不同类型银行之间过度传导。

6.3研究展望

尽管本研究取得了一些有意义的发现，但仍存在一些研究局限，并为未来研究提供了新的方向。首先，数据可得性限制导致未能考虑所有可能影响信贷风险的变量，例如银行信贷审批效率、宏观经济不确定性、金融科技发展等。未来研究可通过拓展数据来源，引入更多维度的变量，构建更加全面的信贷风险影响因素分析框架。特别是，随着金融科技的快速发展，大数据、等技术在银行信贷业务中的应用日益广泛，其对信贷风险的影响机制值得深入探讨。例如，如何利用大数据技术提升银行风险识别能力，如何防范金融科技带来的新型风险，这些都是未来研究的重要方向。

其次，面板数据的时间跨度相对有限，可能影响动态效应的识别。未来研究可通过扩大样本覆盖范围，延长样本时间跨度，更准确地捕捉经济周期与信贷风险之间的动态传导机制。同时，可采用滚动窗口估计等方法，动态评估各变量关系的变化趋势，提升研究结论的稳健性。

再次，门槛回归的门槛值设定依赖于单一指标，可能存在估计偏差。未来研究可采用更复杂的门槛模型，例如非线性面板门槛模型、时变门槛模型等，更准确地捕捉经济周期影响的非线性特征。同时，可结合机器学习等方法，构建信贷风险预测模型，为银行风险管理和监管决策提供更精准的预测支持。

最后，本研究的实证分析主要基于中国银行业数据，其结论的普适性有待进一步验证。未来研究可开展跨国比较研究，分析不同国家或地区在经济发展阶段、金融体系结构、监管环境等方面差异对信贷风险传导机制的影响，为构建全球化的信贷风险管理体系提供理论依据。此外，可结合案例研究等方法，深入剖析典型信贷风险事件的成因与传导路径，为理论模型的构建和实证分析的深化提供实践支持。通过多学科交叉研究，例如结合社会学、心理学等学科视角，分析银行家行为、企业融资行为等因素对信贷风险的影响，将有助于更全面地理解信贷风险的复杂形成机制。

七.参考文献

Acharya,V.V.,Pedersen,L.H.,Philippon,T.,&Richardson,M.(2017).Measuringsystemicrisk.*TheReviewofFinancialStudies*,30(1),2-47.

Bernanke,B.S.(1983).Nonmonetaryfactorsinthegreatdepression.In*A.S.Blinder(Ed.),*Theeconomicsofthegreatdepression*(pp.93-136).UniversityofChicagoPress.

Bloom,N.(2009).Theimpactofuncertntyshocks.*Econometrica*,77(3),623-685.

Bhagat,S.,&Black,B.(2002).Theimportanceofindependentdirectors:Anempiricalanalysis.*JournalofFinancialEconomics*,65(1),31-59.

Dowd,K.B.(1995).Corporategovernanceandfinancialperformance.*JournalofEconomicLiterature*,33(1),1-43.

Fang,H.,&Lin,X.(2018).Boardindependenceandbankcreditrisk:EvidencefromChinesebanks.*JournalofFinancialStability*,35,100549.

Greenwood,J.,Jovanovic,B.,&Kim,S.(2010).Financialfrictionsandbusinesscycles.*JournalofMonetaryEconomics*,57(7),621-637.

Guiso,L.,&Parigi,G.(2018).Marketdisciplineandregulation.*NBERWorkingPaper*,No.24206.

Jensen,M.C.,&Meckling,W.H.(1976).Theoryofthefirm:Managerialbehavior,agencycosts,andownershipstructure.*TheAmericanEconomicReview*,66(2),264-273.

Jiang,W.,Li,H.,&Su,C.(2010).CEOcompensationstructureandbankrisk-taking:EvidencefromChina.*JournalofCorporateFinance*,16(1),16-31.

LaPorta,R.,Lopez‐de‐Silanes,F.,Shleifer,A.,&Vishny,R.W.(1998).Lawandfinance.*JournalofPoliticalEconomy*,106(6),1113-1155.

Demirgüç-Kunt,A.,&Huizinga,H.(2010).Capitalrequirementsandbankbusinesscycles.*JournalofFinancialEconomics*,96(2),289-312.

Ashraf,B.N.,&Shen,Y.(2016).Economicshocksandbankrisk:Evidencefromthe2007-2009financialcrisis.*JournalofFinancialStability*,26,100825.

BaselCommitteeonBankingSupervision.(2017).*Principlesforenhancingcorporategovernance.Retrievedfrom/publ/bcbs575.pdf*

NationalBureauofStatisticsofChina.(Variousyears).*ChinaStatisticalYearbook*.Beijing:ChinaStatisticsPress.

ChinaBankingRegulatoryCommission.(Variousyears).*ChinaBankingStatisticalYearbook*.Beijing:ChinaBankingRegulatoryCommission.

WindFinancialInformationServices(formerlyWindInformation).(Variousyears).*WindDatabase*.Shangh:WindGroupCo.,Ltd.

SystematicRiskCenter(SRC)atTsinghuaUniversity.(Variousyears).*ChinaBankRiskIndex*.Beijing:TsinghuaUniversity.

八.致谢

本研究得以顺利完成，离不开众多师长、同学、朋友以及相关机构的关心与支持。首先，我要向我的导师XXX教授致以最诚挚的谢意。从论文选题到研究设计，从数据收集到模型构建，再到论文最终的定稿，XXX教授都给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣以及敏锐的洞察力，令我受益匪浅。在研究过程中，每当我遇到困难与瓶颈时，XXX教授总能耐心地倾听我的困惑，并提出富有建设性的意见和建议，帮助我拨开迷雾，找到解决问题的方向。他的教诲不仅让我掌握了科学研究的方法，更培养了我独立思考和创新的能力。在此，谨向XXX教授致以最崇高的敬意和最衷心的感谢。

感谢金融系各位教授在我研究过程中给予的启发和帮助。特别是XXX教授、XXX教授和XXX教授，他们在宏观经济、公司金融和计量经济学等方面的课程中为我打下了坚实的理论基础，他们的精彩授课和深入浅出的讲解，激发了我对金融学研究浓厚的兴趣。此外，感谢在我论文开题和中期检查中提出宝贵意见的XXX副教授、XXX研究员等专家，他们的建议使我的研究思路更加清晰，研究内容更加完善。

感谢我的同学们在学习和研究过程中给予我的支持和帮助。与同学们的交流讨论，常常能够碰撞出思想的火花，激发新的研究灵感。特别感谢XXX、XXX、XXX等同学，在数据收集、模型检验等方面给予了我很多无私的帮助。我们一起讨论问题、分析数据、修改论文，共同度过了许多难忘的时光。

感谢我的家人和朋友们，他们是我最坚实的后盾。在我专注于论文写作的这段时间里，他们给予了我无微不至的关怀和默默的支持。他们的理解和鼓励，让我能够克服研究过程中的困难，顺利完成学业。这份感激之情，难以言表，唯有铭记于心。

最后，感谢中国银行业监督管理委员会、中国人民银行以及Wind金融数据库等机构提供了宝贵的数据资源。没有这些机构的公开数据支持，本研究将无法顺利进行。

最后，再次向所有关心和帮助过我的人表示最诚挚的谢意！

九.附录

附录A：变量定义与数据来源

本研究采用以下变量：

被解释变量：

NPLRatio（不良贷款率）：指银行不良贷款余额与各项贷款余额之比，反映银行信贷资产质量。

解释变量：

EconomicCycle（经济周期指标）：用工业增加值增长率与固定资产投资增长率之和的月度均值作为代理变量，数值越高代表经济越活跃。

Governance（内部治理指标）：用独立董事比例衡量，即银行独立董事人数占董事会总人数的比例。

Regulation（外部监管指标）：用资本充足率（CAR）和存贷比（LDR）两个指标衡量，CAR指银行核心一级资本充足率，LDR指银行各项贷款余额与各项存款余额之比。

控制变量：

BankSize（银行规模）：用银行总资产的自然对数衡量。

ROA（盈利能力）：用净资产收益率衡量，即净利润与净资产之比。

Liquidity（资产流动性）：用流动性覆盖率（LCR）衡量，即银行流动性资产余额与流动性负债余额之比。

GDPGrowth（GDP增长率）：用年度GDP增长率衡量。

Inflation（通货膨胀率）：用CPI（居民消费价格指数）增长率衡量。

数据来源：本研究数据主要来源于Wind金融数据库，包括18家主要商业银行2008年至2018年的年度报告和银行监管统计数据。经济周期指标数据来源于中国统计年鉴。

附录B：模型设定与估计结果

本研究采用动态面板系统GMM模型进行估计，模型设定如下：

NPLit=β0+β1*EconomicCyclet+β2*Governanceit+β3*Regulationit+γ*Controlsit+μi+νt+εit

其中，i代表银行，t代表年份，μi为个体固定效应，νt为时间固定效应，εit为随机误差项。GMM估计采用系统OLS估计量，并使用差分GMM和水平GMM进行一致性检验。

估计结果如下表所示：

表B1：动态面板系统GMM估计结果

变量系数标准误t值P值

EconomicCycle0.180***0.0325.6250.000

Governance-0.210***0.045-4.675