【《结售汇影响银行风险承担水平的机制实证分析报告》12000字】

结售汇影响银行风险承担水平的机制实证分析报告目录TOC\o"1-3"\h\u5281结售汇影响银行风险承担水平的机制实证分析报告 120941.1理论模型分析 1209891.1.1模型的理论直觉 1150061.1.2基于银行资产负债表的模型设定 2215701.1.3两家银行时理论模型作用机制 4234721.2实证分析部分 870451.2.1实证假设 882171.2.2数据来源与说明 9130111.2.3实证模型及结果 1049151.2.4对更长期限及更多中小银行的分析结果 18313841.3数值模拟分析 20297751.3.1参数校准 20233371.3.2结果分析 211.1理论模型分析1.1.1模型的理论直觉在中国，外汇流入后的结售汇交易是货币创造的主要渠道之一。从结售汇业务链条来看，居民（企业）将外汇售出给银行（从银行买入）会创造（消灭）货币，商业银行再将外汇出售给央行（从央行买入）则会创造（消灭）基础货币读者可能会担心，银行与客户的外汇交易是否会转化为央行与银行的外汇交易。从数据来看，自2010年有结售汇统计数据以来，商业银行净结汇规模与央行外汇占款的变动保持一致，二者的相关系数达到0.89，商业银行结售汇与外汇占款存在高度相关关系，反映了银行与央行的外汇交易确实与结售汇密切相关读者可能会担心，银行与客户的外汇交易是否会转化为央行与银行的外汇交易。从数据来看，自2010年有结售汇统计数据以来，商业银行净结汇规模与央行外汇占款的变动保持一致，二者的相关系数达到0.89，商业银行结售汇与外汇占款存在高度相关关系，反映了银行与央行的外汇交易确实与结售汇密切相关。在此过程中，相关各方会计T型账户见附录A。图1.SEQ图4.\*ARABIC1结汇过程对央行、商业银行、企业（居民）资产负债表影响示意图银行资产负债表在结汇过程中会发生膨胀，资产端的基础货币和负债端的存款（即货币）同步增长，为银行发放贷款提供了流动性支持。而在售汇时，银行的资产负债表则发生完全相反的变化。此外，由于银行之间存在异质性，结售汇行为对不同规模银行的风险承担能力有不同的影响。大型银行争夺存款的能力远强于中小银行，造成流动性资源分配的不均衡。这种结构会迫使中小银行从大银行拆借基础货币以满足流动性需要，同时也会通过提高自身的风险承担水平追求更高收益；大型银行会趋于保守，将多余的基础货币投放给中小银行获取稳定的拆借利息收益，而不必追求过高的风险收益。最终的结果是，中小银行追求高收益而选择高风险资产，但其本身资本承受能力和风险管理能力不足，对实体经济的支撑作用有限，还可能衍生出一系列风险；大型银行谨慎保守，但其流动性和资本没有得到充分利用，对中小企业下沉服务不足。1.1.2基于银行资产负债表的模型设定基于理论直觉分析推演，本文分析商业银行在结售汇及后续贷款发放过程中的资产负债表变化，并参考HachemandSong（2018）的理论模型，构建了一个三期局部均衡模型。在模型中：T0时，商业银行通过结售汇创造（消灭）货币；央行向商业银行购买（卖出）外汇，创造（消灭）基础货币，同时银行发放贷款；T1时，央行考核商业银行的流动性水平，银行通过互相拆借或与央行拆借满足流动性考核要求；T2时，银行获得贷款、法定存款准备金和超额准备金本息，并支付拆借和存款本息。本文主要研究的商业银行的行为，故假设其他市场不变，依据商业银行的主要资产负债表项目，从商业银行自身盈利最大化目标出发构建局部均衡模型（模型参数的详细定义见表3.1）：max(（4-1）约束条件为：FXi（4-2）LBi（4-3）FXi（4-4）βL（4-5）Rs（4-6）目标函数（4-1）式中第一项、第二项和第三项分别表示法定存款准备金、超额准备金本息和贷款本息收入，第四项、第五项分别表示存款本息支出和同业拆借本息支出（收入），第六项表示流动性管理成本；约束条件（4-2）为存款市场出清条件，即所有的存款转移合计为0；（4-3）为银行间市场出清条件；（4-4）为流动性约束条件；（4-5）为资本约束条件；（4-6）为无套利约束条件，否则银行可通过拆入资金或吸收存款存入超额储备金账户套利。参考HachemandSong（2018）的做法，考虑到银行在信贷上的冒险行为会引起监管的关注和约束，比如，若其大量发放贷款造成流动性紧张，会造成监管处罚，故银行面临着较大的流动性管理成本，本文在银行目标函数中引入流动性管理成本因素。流动性管理成本与流动性水平有关。净结汇会增加基础货币，降低整体的流动性压力；发放贷款则会增加存款，导致银行需要缴纳更多法定准备金，基础货币的需求会增加，流动性减少。综上，结售汇越多、发放贷款越少，银行面临的流动性压力越小，流动性管理成本越低，反之亦然。当流动性无限充足时，管理成本趋近于0；当流动性余额为0时，管理成本达到最大。基于上述分析，不妨假设流动性管理成本为：LMiLQ为银行间市场的整体流动性水平，引入LQ的目的在于使后续的推导更为简洁。（4-7）贷款利率定价与风险系数正相关，且风险系数为0时，贷款利率为无风险利率，不妨假设贷款利率风险定价公式为：R（4-8）随着现金的使用频率降低，流动性冲击的设定不再主要关注储户取现的冲击，而主要关注准备金供给和需求冲击。银行资产业务消耗流动性都是内生的，主要的外部流动性冲击还是来源于结售汇的影响，故流动性冲击可以表示为随机因子θθ是随机变量，期望θ是随机变量，期望Eθ=ξ（4-9）1.1.3两家银行时理论模型作用机制在实务中，市场上存在多家银行，每家银行的资产负债表结构和业务模式特点各不相同。为简化模型，假设市场上仅存在两家银行，一家为大型银行，另一家为中小银行，更加复杂的模型可以在这一模型基础上展开。对于两家银行模型，其模型参数存在如下关系：表1.SEQ表4.\*ARABIC1模型符号含义及相互关系变量符号变量定义变量相互关系大型银行（标记为1）中小银行（标记为2）FX净结汇FX1>FX2α存款流动比率可以是正数或负数，为正数时代表净流入，为负数时为净流出，最小值为-1（即全部流失）。α1=-(FX2+L2)α2/(FX1+L1)r法定存款准备金率在实际中，大型银行和中小银行的法定存款准备金率略有不同，但二者差异不大。为简化模型推导，本文假设二者相等。从实际效果来看，对结果的影响不大。r1=r2=rRr法定存款准备金利率Rr=RsRs超额存款准备金利率法定存款准备金缴纳对银行决策行为影响较小，为简化模型，此处假设其与超额准备金利率相同。RL贷款利率RL1RL2RD存款利率大型银行和中小银行存款利率存在差异，但二者差异较小，不影响推导结论，因此假设二者相等。RD1=RD2=RDLB银行间净拆借LB1+CB=LB2CB中央银行净拆借假设仅有大型银行可以和央行进行拆借交易且和央行的交易可以是拆出或拆入，CB>0或CB<0均可。RLB银行间拆借利率RLB1=RLB2=RLBξ流动性冲击ξξβL贷款风险系数β1β2ϕ流动性管理成本系数ϕ1ϕ2βLB同业拆借资产风险系数βLB1=βLB2=βLBC资本承受能力C1>C2η贷款利率风险敏感系数η1=η2=ηRf无风险利率Rf1=Rf2=Rf在上参数假设基础上，根据理论模型可以得出如下推论：推论1：随着外汇流入的增加，银行的风险偏好上升，且大银行的风险偏好上升速度快于小银行。证明：从附录B中可以得到关于RL1和RL2的非线性二元方程组：RL1（4-10）RL2（4-11）由附录B的推导可知：∂R（4-12）∂R（4-13）在非极端情况下流动性冲击因子期望值θ小于1，故（4-12）和（4-13）的分子均为正；分母第二项相对于第一项较小，若忽略第二项，（4-12）和（4-13）均为正数，即两类银行净结汇的增加均增加各自的风险偏好。为比较大型银行和中小银行对结售汇的敏感程度，用（4-12）除以（4-13）得到，∂R（4-14）大型银行和小型银行受到的流动性惩罚系数ϕ1和ϕ2之间的差异远远小于β1和β2之间的差异，故∂R这意味着相对中小银行，大型银行对于结售汇的增加更为敏感。在净结汇增加时，中小银行的流动性紧张得到缓解，大型银行投放贷款的收益会高于对中小银行进行拆借，其风险承担水平会相应提升。而在净结汇收窄后，中小银行面临更严重的流动性压力，大型银行会更偏好银行间拆借，其信用收缩也较中小银行更为严重。推论2：流动性冲击的不确定性越大，即银行需要准备的用于预防流动性冲击的基础货币越多，银行的风险偏好越低，且结售汇对风险偏好的作用越不显著。证明：在前文的模型设定中，使用流动性冲击系数θ的期望θ作为银行所面临的流动性冲击。而在实践中，无论是监管机构还是银行管理层往往会要求银行的流动性水平能够经受极端流动性冲击。流动性要求的规定比较复杂，为了便于在模型中分析，在模型中设定θ会变大《商业银行流动性风险管理办法》中有诸如做好融资安排、资产处置等等要求。为了在模型中体现，这些要求都可以转换为银行面临更大的《商业银行流动性风险管理办法》中有诸如做好融资安排、资产处置等等要求。为了在模型中体现，这些要求都可以转换为银行面临更大的θ冲击。当然，也可以通过随机模拟的方法来模拟冲击的情况。此时，就不能再计算θ的期望值，而是应该通过数值模拟的方式计算出模拟出θ值，例如通过生成随机数的方式模拟流动性需要经受住95%冲击的情况。本文在第五部分也做了相应的程序模拟分析，感兴趣的读者可以向作者索取程序代码。附录B中已经得到了∂RL1∂在证明H1的过程中已经得到了∂RL1∂FX1和∂RL2∂FX2的表达式，在正常参数范围内二者均为正。但也要看到，∂RL1∂FX1和∂RL2∂FX2的正负与∂2（4-15）∂2（4-16）∂2RL1∂FX1∂θ和∂2通过上述分析可以看到，当银行面临较大的流动性冲击时，其风险偏好可能不会随外汇流入的增加而增加，且增加的速度也会随着冲击的变大而变小，最终的影响存在较大的不确定性。因此，当整个金融系统处在危机时期，银行面临较大不确定性而囤积流动性时，其风险偏好会趋于保守，这也会导致社会信用的快速收缩，企业面临较大的融资压力。推论3：当外汇流入FX1和FX2较大时若α2为正数如前文定义，α2为正数代表中小银行的存款向大型银行转移，α2为0代表无相互之间无存款转移，α如前文定义，α2为正数代表中小银行的存款向大型银行转移，α2为0代表无相互之间无存款转移，α2为负数代表大型银行存款向中小银行转移。证明：将（4-10）和（4-11）两个式子相减，整理后得到，RL1（4-17）对分母，由于风险系数β大于0，故RL1和RL2均大于Rf，因此分母大于0。对分子第二项，当流动性较高时基本趋近于0。当α2为正数时，对分子的第一项，RLB和Rs点差一般很小银行间拆借利率是中央银行的重要目标利率，各国央行一般会采用利率走廊等方式，保证政策利率和银行间市场利率差距不会过大。，简化后为α2(RLB−RD2)。RLB和RD差距也不大，因此一般情况下RLB<RD2，故第一项为负；当流动性较高时，分子的第二项趋近于0，故RL1<R银行间拆借利率是中央银行的重要目标利率，各国央行一般会采用利率走廊等方式，保证政策利率和银行间市场利率差距不会过大。这意味着，中小银行通过结售汇和贷款创造的存款会流向大型银行，导致中小银行本就紧张的流动性更加稀缺，而大型银行则有较大的流动性盈余，但大型银行多余的流动性并不能有效转换为更高的风险偏好，而是拆借给中小银行或者央行，中小银行则不得不通过提高风险偏好获得更高的利润。1.2实证分析部分1.2.1实证假设为验证理论模型的准确性，根据理论模型推导得到的三个结论，结合现实中数据来源的可得性和研究方法的可行性，提出了以下几个假设：H1：银行风险承担水平与净结汇规模正相关，且总净结汇水平和经常项目净结汇水平与风险承担的关系显著，而资本项目净结汇水平与风险承担的关系不显著。H1结合了推论1和推论2的部分内容。对于资本项目，随着沪港通、沪伦通、债券通等政策的落地推出，境内外资本市场的联通越来越紧密，包括证券投资在内的资本项目的结售汇波动也越来越剧烈，导致资本项目带来的流动性冲击越来越大本文本文样本中资本项目和经常项目结售汇占生息资产比重的变异系数分别为16.46和5.23，可见资本项目波动确实远高于经常项目。H2：银行风险承担水平与净拆出资金负相关。H2主要反映了推论3的内容。由于存款流动在实践中很难直接被直接观察到，因此在实证中采用净拆出资金作为存款流动的代理变量更为精确的代理变量应为银行的平均超额准备金水平，但各银行均不披露该指标。更为精确的代理变量应为银行的平均超额准备金水平，但各银行均不披露该指标。H3：净结汇对大型银行风险承担水平的影响大于中小银行，而净拆出资金对大型银行的影响则小于中小银行。H3主要反映了推论1和推论3的部分内容。在实证中，采用断点检验的方式对大型银行和中小银行进行比较，可以得出大型银行和中小银行是否存在理论模型中所预测的差异。1.2.2数据来源与说明各家银行2011-2018年的季度财务数据来自WIND数据库；结售汇数据来自2011-2018年的国家外汇管理局结售汇统计月报。样本包含了结售汇规模较大且数据比较完整的10家银行这10家银行为：中国银行、工商银行、农业银行、建设银行、交通银行、中信银行、招商银行、华夏银行、浦发银行、民生银行。，这10家银行的结售汇总量占到2011年末所有金融机构结售汇总量的76.17%，占到2018年末的68.34%，且10家银行涵盖了国有大型银行和主要中小股份制银行，两类银行的结售汇交易也具有鲜明特点这10家银行为：中国银行、工商银行、农业银行、建设银行、交通银行、中信银行、招商银行、华夏银行、浦发银行、民生银行。样本中大型银行净结汇占生息资产比均值为0.0033，而中小银行为-0.0010，二者在结售汇交易方向、大小上有明显区别。表1.SEQ表4.\*ARABIC2各变量计算取值方式及描述性统计变量名称变量定义变量计算及取值方式观察值平均值标准差最小值最大值risk风险加权资产占比风险加权资产/生息资产3200.630.060.520.78logat总资产总资产的对数32029.600.8327.7130.97capr资本水平资本充足率3200.1270.0140.0950.172ndlob净拆出资金（拆出资金+买入返售资产-拆入资金-卖出回购负债）/生息资产3200.040.05-0.040.25big大型银行虚拟变量若为工、农、中、建、交五行则取值1，其他银行取值03200.500.500.001.00c2013时间虚拟变量2013年（含）以后为1，之前为03200.750.4301netfxr结售汇规模结售汇净额/总资产，计算净额时结汇为正数，售汇为负数3200.00120.0073-0.02420.0339netcapfxr资本项目结售汇规模资本项目结售汇净额/生息资产3200.00010.0025-0.01670.0135netcurfxr经常项目结售汇规模经常项目结售汇净额/生息资产3200.00130.0065-0.02460.0325CoVaR系统性风险水平采用刘孟儒和沈若萌（2019）的方法进行计算3200.630.060.520.781.2.3实证模型及结果1.2.3.1不同类型结售汇业务对银行风险承担的影响及稳健性检验衡量银行风险承担的主要指标种类较多，包括风险加权资产占比、Z值、不良贷款率、贷款损失准备占贷款总额比例等，也包括CoVaR（AdrianandBrunnermeire，2016）和SES（Acharya等，2017）等指标在内的系统性风险水平指标。上述指标中，风险加权资产占比能够比较全面地反映银行各类资产的风险情况，且监管对风险加权资产的计算有比较严格的约束，主观调整的空间较小，其问题在于各家银行的模型可能会略有不同；Z值常用来衡量破产风险，需要用到利润相关数据（如ROA）和资产负债表相关数据（如杠杆率），其优势在于数据易于获取，但由于监管机构对银行风险抵补水平有逆周期调节的要求例如，《商业银行资本管理办法（试行）》规定“商业银行应当在最低资本要求和储备资本要求之上计提逆周期资本”。例如，《商业银行资本管理办法（试行）》规定“商业银行应当在最低资本要求和储备资本要求之上计提逆周期资本”。综合上述分析，本文选取风险加权资产占比作为测度风险承担水平的指标，并用系统性风险指标CoVaR作为稳健性检验时的因变量。结售汇数据（FX）分别使用：（1）总结售汇规模（netfxr）；（2）资本项目结售汇规模（netcapfxr）和（3）经常项目结售汇规模（netcurfxr）。控制变量的选择参考了徐明东和陈学彬（2012）的模型，采用如下回归模型：riskit（4-18）模型中使用了被解释变量的滞后项会带来内生性问题，因此本文使用了系统广义矩估计（systemgeneralizedmethodofmoments，systemGMM）方法予以克服。系统广义矩估计方法是由ArellanoandBond（1991）提出的估计方法，该方法广泛应用于各种动态面板的回归中，已经被证明能够比较好地克服内生性问题。按照此方法回归得到的结果如下所示：表1.SEQ表4.\*ARABIC3风险加权资产占比影响因素回归结果(1)总结售汇(2)资本项目结售汇(3)经常项目结售汇(4)总结售汇(5)资本项目结售汇(6)经常项目结售汇L.risk0.469**0.547**0.452**0.3830.6160.43(2.34)(1.97)(2.08)(1.24)(0.58)(1.28)logat-0.00962-0.127-0.02340.1030.540.0117(-0.08)(-1.28)(-0.18)(0.60)(0.44)(0.06)roa30.61*-3.87132.76*43.03-17.5837.44(1.70)(-0.30)(1.79)(1.28)(-0.18)(0.91)capr1.6051.9431.6241.1013.661.436(0.43)(0.72)(0.43)(0.27)(0.26)(0.39)ndlob-0.5670.0839-0.700-0.7072.805-0.765(-0.83)(0.16)(-1.03)(-1.19)(0.54)(-1.30)big-0.1950.219-0.219-0.4880.122-0.322(-0.64)(0.84)(-0.69)(-1.01)(0.07)(-0.54)c20130.09820.07590.114*0.0942-0.3570.114(1.53)(0.90)(1.71)(1.20)(-0.44)(1.29)FX2.653**-3.4263.066**2.570**35.313.019**(2.15)(-0.43)(2.33)(2.08)(0.52)(2.15)常数项0.1693.7140.568-3.034-15.87-0.433(0.05)(1.31)(0.16)(-0.61)(-0.46)(-0.08)控制季度变量是是是是是是控制结售汇滞后项否否否是是是AR(1)0.0560.1410.0520.1160.9930.111AR(2)0.3360.4890.2500.4470.5140.221Sargan检验0.4790.1170.5780.3890.9830.389N320320320310310310注：1.*p<0.10,**p<0.05,***p<0.01，下同2.Arellano-Bond、Hansen检验均给出P值3.表中所有回归均采用稳健标准误，下同。上述回归结果中，银行规模与风险承担水平的关系不显著且方向不定，而大型银行虚拟变量回归系数则比较稳定为负FX为资本项目净结汇时规模虚拟变量不为负，这可能与其较强的内生性有关，后文会通过引入工具变量进行克服。，这表明大型银行和中小银行风险承担水平的差异更多是源于二者在经营模式、管理模式和监管模式的差异，而非单纯是由规模造成的。资本充足率的回归系数也不显著但基本稳定为正，这与徐明东和陈学彬（2012）得出的结论有一定差异，可能的原因在于其使用的样本时间范围在2010年以前，彼时资本充足率高的银行信贷行为更为审慎。而随着近几年来银行竞争越来越激烈，资本充足率较高的银行为增加利润会倾向于提高风险承担水平，导致资本充足率和风险承担行为之间的关系不再如之前显著。时间虚拟变量系数为正，这是由于新资本管理办法对商业银行风险加权资产计算进行了规范，实质上提高了风险加权资产计算结果比较各家银行2013年的年报中披露的用两种方法计算的资本充足率，按照《商业银行资本管理办法》计算的结果明显更低。。FX为资本项目净结汇时规模虚拟变量不为负，这可能与其较强的内生性有关，后文会通过引入工具变量进行克服。比较各家银行2013年的年报中披露的用两种方法计算的资本充足率，按照《商业银行资本管理办法》计算的结果明显更低。代表结售汇规模的FX对风险加权资产占比的系数均为正，且总净结汇和经常项目净结汇的回归系数显著为正，资本项目净结汇则为负且不显著。对统计结果显著的总净结汇和经常项目净结汇，一个标准差的变动，会使得风险加权资产占比分别变化2.1、2.2个百分点，相当于样本中风险加权资产平均年度变动的30%左右。进一步比较二者，可以发现经常项目净结汇的统计和经济显著度均高于总净结汇，这也证明售汇对银行信贷为的影响主要体现在经常项目上。净拆出资金的回归系数稳定为负净拆出资金回归系数显著度偏低，其可能与样本数量偏低，特别是中小银行的比例偏低有关。在现实中，中小银行的数量大大多于大型银行，且这些银行基本为净拆入资金。，一个标准差的变动导致加权风险资产化约-3.4个百分点，即风险加权资产年度变动的-50%左右。控制结售汇滞后项后，上述结果依然稳健。这一回归结果验证了H1和H2成立：总净结汇和经常项目净结汇对风险偏好为正向影响，而净拆出资金则为负向影响；资本项目净结汇对风险承担水平的影响因其波动更大资本项目结售汇变异系数（标准差/均值）为56.26，远高于总体结售汇3.90和经常项目结售汇3.56。而不显著。净拆出资金回归系数显著度偏低，其可能与样本数量偏低，特别是中小银行的比例偏低有关。在现实中，中小银行的数量大大多于大型银行，且这些银行基本为净拆入资金。资本项目结售汇变异系数（标准差/均值）为56.26，远高于总体结售汇3.90和经常项目结售汇3.56。1.2.3.2采用不同方式对内生性进行克服为了提高结果的说服力，需要对回归的内生性问题进行进一步分析。在前文回归中，笔者已经使用了系统广义矩估计来克服被解释变量一阶滞后项带来的内生性问题，但结售汇变量同样存在内生性：结售汇交易代表了企业的经营状况，企业自身的变化也可能导致银行对企业前景判断更为乐观而更勇于承担风险。针对这一问题，本文主要采用两种方式进行进一步验证。一是分析外汇贷款与结售汇的关系。由于结售汇行为本身就代表了企业（主要是外贸企业）的现金流状况，如果风险承担水平确实是企业自身主导的，应该能观察到外汇贷款包括贸易融资产品，如信用证、保函、福费廷、保理、押汇等。趋势的相应变化最为直接的观测指标是外币贷款风险加权系数的变化。但由于这些信息各家银行一般不公开披露，只能退而求其次，观察外汇贷款与银行净结汇的关系。。采用金融机构总外汇贷款和总净结汇进行观察（如图1.2所示），发现这两个指标的相关系数为-0.002，二者从统计上几乎没有相关关系。此外，外汇贷款在总贷款中的比例占比很低包括贸易融资产品，如信用证、保函、福费廷、保理、押汇等。最为直接的观测指标是外币贷款风险加权系数的变化。但由于这些信息各家银行一般不公开披露，只能退而求其次，观察外汇贷款与银行净结汇的关系。2019年末，外汇贷款总额（按平均汇率折人民币后）为人民币贷款总额的3.6%。图1.SEQ图4.\*ARABIC2外汇贷款与银行净结汇关系图二是引入工具变量。本文采用各家银行“向中央银行负债”科目作为工具变量，其依据在于，一方面向央行借款是银行获取基础货币的一种补充，其与净结汇高度负相关经计算，2011-2018年，央行对存款性金融机构的借款（银行向央行借款的镜像）与累计净结汇的相关系数为-0.84，二者高度负相关。；另一方面，央行对银行的借款作为一种流动性支持的货币政策工具，更多与央行的货币政策操作目标有关，其与商业银行日常的经营，特别是风险承担水平的关系相对不大，具有良好的外生性特点。引入“向中央银行借款”需要注意的是，工商银行实质上向中央银行的借款并非主要簿记在“向中央银行借款”这一科目中，其绝大部分簿记在“卖出回购金融资产款”科目中，故工商银行的这一数据不能直接使用报表科目。笔者主要采用了《中国金融统计年鉴》中的“大型银行向中央银行借款”这一统计数据（此项目中工行的数据为其实际数据），扣除掉农、中、建、交、邮储、国开等其他6家的数据后间接得到。其中，国开行的数据又是通过人民银行定期披露的“大型银行向中央银行人民币借款”（此统计项目中工行的数据仍使用的是其账面数据）倒算出来的。这里本文做了一个假设，央行对国开行的外币借款数量不大。从国开行目前为止仅披露的2018经计算，2011-2018年，央行对存款性金融机构的借款（银行向央行借款的镜像）与累计净结汇的相关系数为-0.84，二者高度负相关。需要注意的是，工商银行实质上向中央银行的借款并非主要簿记在“向中央银行借款”这一科目中，其绝大部分簿记在“卖出回购金融资产款”科目中，故工商银行的这一数据不能直接使用报表科目。笔者主要采用了《中国金融统计年鉴》中的“大型银行向中央银行借款”这一统计数据（此项目中工行的数据为其实际数据），扣除掉农、中、建、交、邮储、国开等其他6家的数据后间接得到。其中，国开行的数据又是通过人民银行定期披露的“大型银行向中央银行人民币借款”（此统计项目中工行的数据仍使用的是其账面数据）倒算出来的。这里本文做了一个假设，央行对国开行的外币借款数量不大。从国开行目前为止仅披露的2018年、2019年年报数据来看，这一假设也基本和事实相符。结售汇变量的回归系数显著度略有降低，这可能是由于工具变量的引入减少了净结汇变量的部分内生性。表1.SEQ表4.\*ARABIC4使用工具变量后风险加权资产占比影响因素回归结果(1)总结售汇(2)资本项目结售汇(3)经常项目结售汇(4)总结售汇(5)资本项目结售汇(6)经常项目结售汇L.risk0.2560.1520.2730.283*0.160.295(1.28)(0.49)(1.13)(1.67)(0.51)(1.36)logat0.007820.06650.0153-0.01930.0681-0.00536(0.08)(0.54)(0.13)(-0.25)(0.58)(-0.05)roa-12.49-5.905-10.35-11.77-7.919-11.56(-0.91)(-0.35)(-0.62)(-1.30)(-0.54)(-0.81)capr-1.898-1.855-2.174-1.63-1.983-1.947(-0.45)(-0.46)(-0.48)(-0.46)(-0.53)(-0.47)ndlob-0.757*-0.695-0.925**-0.574*-0.614-0.816**(-1.91)(-0.70)(-2.34)(-1.85)(-0.60)(-2.34)big-0.182-0.369-0.212-0.0993-0.348-0.154(-1.10)(-1.03)(-1.09)(-0.71)(-0.97)(-0.81)c20130.0686**0.0679***0.0634*0.0733***0.0643***0.0676**(2.25)(3.23)(1.77)(3.52)(3.92)(2.33)FX1.746*1.5732.385*1.656*1.2942.338*(1.75)(1.00)(1.71)(1.86)(0.74)(1.92)常数项0.756-0.890.5571.482-0.9151.102(0.35)(-0.32)(0.22)(0.86)(-0.35)(0.49)控制季度变量是是是是是是控制结售汇滞后项否否否是是是AR(1)0.0560.1410.0520.1160.9930.111AR(2)0.3360.4890.2500.4470.5140.221Sargan检验0.4790.1170.5780.3890.9830.389N3203203203103103101.2.3.3稳健性检验为验证结果的稳健性，将因变量更换为CoVaR及其差分△CoVaR。对于CoVaR仍然采用类似的估计模型，而对于△CoVaR由于不存在滞后项，则采用固定效应模型，两个模型分别如下所示：CoVaRit（4-19）ΔCoVaR（4-20）得到的结果如表1.5所示：表1.SEQ表4.\*ARABIC5CoVaR和△CoVaR影响因素回归结果CoVaR△CoVaR(1)总结售汇(2)资本项目结售汇(3)经常项目结售汇(4)总结售汇(5)资本项目结售汇(6)经常项目结售汇L.CoVaR0.3880.2850.34(0.93)(0.35)(0.70)logat0.2160.1380.247-0.00522**-0.00654***-0.00559**(1.40)(0.91)(1.08)(-2.74)(-1.43)(-2.63)roa70.84*73.3667.97-1.261**-1.360**-1.220**(1.72)(1.29)(1.48)(-2.31)(-2.66)(-2.30)capr2.9291.9143.439*0.00511-0.02780.00777(1.51)(0.82)(1.69)(0.08)(-0.40)(0.12)ndlob-0.821-1.707-0.378-0.0427**-0.0448**-0.0436***(-1.24)(-1.45)(-0.53)(-3.17)(-3.09)(-3.26)big-0.855*-1.758-0.931(-1.74)(-1.04)(-1.43)FX1.590***9.6956.198*0.432***0.2400.577***(2.80)(0.98)(1.92)(5.23)(0.66)(5.43)常数项-7.139-1.248-8.0780.153**0.198***0.163**(-1.47)(-0.92)(-1.14)(2.37)(3.61)(2.36)控制季度变量是是是是是是控制结售汇滞后项是是是是是是AR(1)0.1900.2660.176AR(2)0.7640.8710.773Sargan检验0.6340.7210.592N310310310310310310回归结果表明，无论是采用CoVaR还是△CoVaR，无论是采用系统广义矩估计还是固定效应模型，结果均与使用风险加权资产为因变量时一致，即总结售汇规模和经常项目的结售汇规模对银行提高风险偏好有显著正面影响，资本项目结售汇规模回归系数为正但不显著；此外，银行净拆借资金也同CoVaR和△CoVaR保持稳定的负相关关系。为更进一步比较大型银行和中小银行之间的差异，在模型中加入大型银行虚拟变量和净拆借资金和结售汇规模的交叉乘积项进行回归。同样，为了加强结果的稳健性，因变量分别为风险加权资产占比、CoVaR和△CoVaR，回归模型仍采用上文分析所用的模型，得到的回归结果如表1.6所示为为节省篇幅，仅给出主要变量的结果，相关检验基本都能通过，也不再重复给出。从交叉项回归的结果来看，总体净结汇和经常项目净结汇与大型银行虚拟变量的交乘项稳定为正，证明大型银行风险偏好随净结汇增加而提升的幅度要高于中小银行。净拆借资金与大型银行虚拟变量交乘项结果也比较稳定为负，即净拆出资金越多，大型银行的风险承担水平较中小银行越低。上述结果验证了H3成立。表1.SEQ表4.\*ARABIC6加入交叉乘积项后加权风险资产占比和CoVaR影响因素回归结果riskCoVaR△CoVaR(1)总结售汇(2)资本项目结售汇(3)经常项目结售汇(4)总结售汇(5)资本项目结售汇(6)经常项目结售汇(7)总结售汇(8)资本项目结售汇(9)经常项目结售汇big-0.162-0.559-0.3460.0521-0.05170.0727(-0.53)(-0.54)(-0.76)(0.23)(-0.14)(0.38)ndlob-0.521-0.885-1.086-0.619**-0.679**-0.589**-0.0407**-0.0453***-0.0396**(-0.48)(-0.35)(-0.81)(-2.45)(-2.29)(-2.52)(-2.98)(-3.30)(-2.63)FX0.9091.6131.5420.2950.07230.5440.425***0.707***0.461***(0.47)(0.47)(0.48)(0.30)(0.03)(0.47)(5.31)(5.83)(5.18)big×FX2.526-2.6421.6930.92-0.5220.6320.0381-1.064*0.221(0.94)(-0.22)(0.46)(0.67)(-0.14)(0.46)(0.30)(-1.84)(0.93)big×ndlob-0.600-0.4881.294-0.989-2.957-0.648-0.0585-0.0212-0.0684(-0.15)(-0.11)(0.24)(-0.94)(-1.58)(-0.86)(-0.97)(-0.32)(-1.28)控制结售汇滞后项是是是是是是是是是控制季度变量是是是是是是是是是N310310310310310310310310310在回归结果中，资本项目净结汇与大型银行虚拟变量交乘项系数不稳定，并出现了显著为负的情况。这一实证结果与理论预测存在差异，其原因在于简化的理论模型推导假设了大型银行和中小银行面临的流动性冲击是相同的，而这与实际情况并不相符。大型银行要为大量跨国公司提供跨境金融服务，特别是资本项目的结售汇业务，因此其更容易受到结售汇交易波动的影响。样本中大型银行和中小银行三类净结汇的变异系数单位均值标准差，即标准差与均值之比。比较如下图所示，可以看到大型银行和中小银行总净结汇和经常项目净结汇比较接近，但二者在资本项目上有很大差异。这会导致对大型银行和中小银行风险承担水平的对比关系式，单位均值标准差，即标准差与均值之比。图1.SEQ图4.\*ARABIC3两类银行总体、资本项目、经常项目净结汇变异系数比较1.2.4对更长期限及更多中小银行的分析结果除了大型银行和规模较大的中小银行之外，上述结论对更长的时间跨度范围，对更多的小型银行（包括外资银行、城商行、农商行等）是否仍然适用呢？受限于结售汇数据可得性的问题，主要通过案例分析和统计分析方法进行补充分析。1.2.1.1关于工商银行的案例分析以资产规模最大的工商银行为代表案例进行简要分析。2010年之后的情况已经通过回归分析进行了详细的研究。而在2010年之前，由于缺少银行结售汇统计数据等关键定量信息，理论研究的结论是否成立可以通过对代表银行的定性分析予以补充。工商银行是国内体量最大的银行，可以通过宏观的基础货币增速变化大致推断其自身的结售汇净额变化趋势，并用于比较分析。从下图可以看到，在2006初到2008年年中，基础货币增速大幅增加；而之后受国际金融危机影响外汇流入大幅萎缩，基础货币增速骤降。同时，工商银行的风险加权资产占比呈现出比较明显的与基础货币变化一致的趋势：在2008年前保持较快增幅，而后也相应出现大幅下降；在2010年后随着美国经济复苏和外汇流入恢复，又再次步入快速增加的区间。可以看到，工商银行风险承担水平的变化与基础货币增速保持了高度的相关性。图1.SEQ图4.\*ARABIC4基础货币增速和工商银行风险加权资产占比情况图（2004-2010）1.2.1.2对更多中小银行的统计分析在上述单家银行的案例分析之外，按照结售汇统计月报和银保监会监管的口径，将商业银行分为大型银行、全国性股份制中小银行（以下简称“股份制银行”）、外资银行和地方性中资银行（以下简称“地方银行”）进行统计分析按照外管局结售汇报表口径，地方性中资银行包括城市商业银行、农村商业银行、农村信用合作社等。由于银保监会并没有公布各类银行的风险加权资产，因此在计算时采用在银行间市场发行过债券的银行公布的风险加权资产加总后的结果。但通过上述方法找到的部分类型银行与银保监会披露的数量存在一定差距，因此笔者采用了能够找到数据的银行的风险加权资产占比来估算此类型银行的情况。最终，按照估算的结果，通过全体商业银行数据减去大型银行、股份制银行和外资银行后得到地方性中资银行的数据。，得到的结果如表7所示如果采用回归分析的方法，大型银行、股份制银行、外资银行和地方银行在截面上各只有一个点，且时序上也仅有五个年度数据（因需要滞后一期），样本量过小，结果极易受到干扰因素的影响，可能会非常不稳健。此外按照外管局结售汇报表口径，地方性中资银行包括城市商业银行、农村商业银行、农村信用合作社等。由于银保监会并没有公布各类银行的风险加权资产，因此在计算时采用在银行间市场发行过债券的银行公布的风险加权资产加总后的结果。但通过上述方法找到的部分类型银行与银保监会披露的数量存在一定差距，因此笔者采用了能够找到数据的银行的风险加权资产占比来估算此类型银行的情况。最终，按照估算的结果，通过全体商业银行数据减去大型银行、股份制银行和外资银行后得到地方性中资银行的数据。如果采用回归分析的方法，大型银行、股份制银行、外资银行和地方银行在截面上各只有一个点，且时序上也仅有五个年度数据（因需要滞后一期），样本量过小，结果极易受到干扰因素的影响，可能会非常不稳健。此外，银保监会并未披露不同类型银行的部分控制变量指标，导致采用回归分析存在一定障碍。因此，在数据可得性受限的前提下，比较结售汇与风险加权资产占比相关系数是一种相对可行的方法。表1.SEQ表4.\*ARABIC7不同类型银行结售汇净额与风险加权资产占比相关系数及其标准差（2013-2018）净结汇与风险加权资产占比相关系数年度净结汇标准差机构数量机构数量每年变化，表中呈现的机构数为2013-2018的平均值。由于商业银行中还包括民营银行、农村合作银行、村镇银行等其他银行类型，故上述四类银行数量加总后并不等于全部商业银行机构数。总结售汇资本项目经常项目总结售汇资本项目经常项目大型银行0.890.080.850.0130.0020.0145股份制银行0.540.670.440.0100.0040.00612外资银行-0.73-0.51-0.820.1310.0510.08540地方银行-0.62-0.37-0.620.0050.0020.0042380全部商业银行0.810