基于14家上市银行的商业银行流动性风险度量与溢出效应研究

基于14家上市银行的商业银行流动性风险度量与溢出效应研究一、引言1.1研究背景与意义1.1.1研究背景商业银行在一国金融体系中占据着主导地位，是金融体系的核心组成部分，其业务范围广泛，涵盖了吸收公众、企业及机构的存款、发放贷款、票据贴现及中间业务等，在市场经济中发挥着重要的杠杆作用，是直接参与市场经济活动的主体，也是货币流通的重要媒介。在我国的经济模式下，商业银行对控制市场经济发展、汇率、资金流通、货币政策等方面至关重要。流动性风险是商业银行经营过程中最主要的风险之一，在商业银行经营过程中，流动性风险始终存在。流动性风险是指银行无力为负债的减少或资产的增加提供融资，即当银行流动性不足时，它无法以合理的成本迅速增加负债或变现资产获得足够的资金，从而影响其盈利水平。一旦出现流动性风险，银行可能无法按时满足客户的提款需求，严重损害银行的信誉，导致客户流失；也可能需要以较高的成本获取资金，增加运营成本，压缩利润空间；在极端情况下，甚至可能引发银行的挤兑现象，导致银行倒闭。而且流动性风险具有联动效应，一家银行的流动性问题可能会波及整个金融体系，引发系统性风险，导致金融市场的不稳定，严重时可能导致金融危机以及整个经济环境的恶化。例如，2008年全球金融危机爆发前，部分商业银行过度依赖短期融资来支持长期资产投资，资产负债期限结构严重错配，当市场流动性突然收紧时，这些银行无法及时筹集到足够资金，流动性风险迅速暴露，最终引发了全球性的金融动荡。近年来，随着我国经济的快速发展和金融市场的不断创新，商业银行的业务规模和复杂程度不断增加，面临的流动性风险也日益复杂和多样化。金融市场的波动、宏观经济环境的变化、监管政策的调整以及金融创新的推进等因素，都对商业银行的流动性风险管理提出了更高的要求。因此，深入研究商业银行流动性风险度量和溢出效应具有重要的现实意义。1.1.2研究意义从理论意义来看，目前关于商业银行流动性风险度量和溢出效应的研究虽然取得了一定成果，但仍存在一些不足之处，如度量方法的准确性和适用性有待提高，对溢出效应的传导机制和影响因素研究不够深入等。本研究通过对商业银行流动性风险度量方法的比较和改进，以及对溢出效应的深入分析，有助于丰富和完善商业银行流动性风险管理的理论体系，为后续研究提供新的思路和方法。从实践意义来讲，对于商业银行自身，准确度量流动性风险并了解其溢出效应，有助于银行管理层更好地识别、评估和管理流动性风险，制定更加科学合理的风险管理策略，优化资产负债结构，提高资金使用效率，增强银行的抗风险能力和稳健性，保障银行的可持续发展。以招商银行为例，通过加强流动性风险管理，优化资产负债配置，其流动性指标表现良好，在市场波动中保持了较强的稳定性。对于金融监管部门而言，研究商业银行流动性风险溢出效应，能够帮助监管部门及时准确地掌握金融体系的风险状况，识别系统性风险的来源和传播途径，制定更加有效的监管政策和措施，加强对商业银行的监管力度，防范系统性金融风险的发生，维护金融市场的稳定。1.2研究目的与创新点1.2.1研究目的本研究旨在以14家上市银行为例，深入探讨商业银行流动性风险度量方法与溢出效应。具体而言，一是通过对多种流动性风险度量方法的比较分析，选择最适合我国上市商业银行的度量方法，准确评估其流动性风险水平；二是运用科学的方法研究这14家上市银行流动性风险的溢出效应，分析溢出效应的存在性、程度以及影响因素，揭示流动性风险在银行间的传导机制；三是根据研究结果，为商业银行和金融监管部门提供有针对性的风险管理建议和政策建议，以降低商业银行流动性风险，维护金融市场的稳定。1.2.2创新点在样本选取方面，选择14家具有代表性的上市银行作为研究对象，这些银行涵盖了国有大型商业银行、股份制商业银行和城市商业银行等不同类型，能够更全面地反映我国商业银行的整体情况，使研究结果更具普遍性和代表性。在方法运用上，尝试将多种先进的计量经济学方法相结合，如在度量流动性风险时，综合运用流动性覆盖率（LCR）、净稳定资金比例（NSFR）等传统指标与基于分位数回归的CoVaR模型等现代方法，克服单一方法的局限性，提高度量的准确性；在研究溢出效应时，采用动态条件相关系数模型（DCC-GARCH）等方法，更准确地刻画银行间流动性风险的动态关联关系和溢出效应。从研究视角来看，不仅关注商业银行流动性风险的度量和溢出效应本身，还将宏观经济因素、金融市场环境以及银行自身特征等多方面因素纳入研究框架，全面分析这些因素对商业银行流动性风险及其溢出效应的影响，为商业银行流动性风险管理提供更全面、更深入的理论支持和实践指导。1.3研究方法与技术路线1.3.1研究方法文献研究法：广泛查阅国内外关于商业银行流动性风险度量和溢出效应的相关文献，包括学术期刊论文、学位论文、研究报告等，梳理和总结已有研究成果，了解该领域的研究现状和发展趋势，为本文的研究提供理论基础和研究思路。案例分析法：以14家上市银行为具体案例，深入分析其财务报表数据、流动性风险管理措施等，通过对具体银行的实际情况进行研究，更直观地了解商业银行流动性风险的表现形式、度量方法以及溢出效应的实际影响，为研究提供现实依据。实证研究法：运用计量经济学方法，对收集到的14家上市银行的相关数据进行实证分析。通过构建合适的计量模型，如流动性风险度量模型和溢出效应模型，对商业银行流动性风险水平进行量化评估，检验流动性风险溢出效应的存在性和程度，并分析其影响因素，使研究结果更具科学性和说服力。1.3.2技术路线首先，通过文献研究，明确研究的背景、目的和意义，梳理相关理论和研究现状，确定研究的主要内容和方法。其次，收集14家上市银行的财务数据、市场数据以及宏观经济数据等，并对数据进行整理和预处理，确保数据的准确性和可靠性。然后，运用流动性覆盖率（LCR）、净稳定资金比例（NSFR）等指标以及基于分位数回归的CoVaR模型等方法对商业银行流动性风险进行度量，分析不同银行的流动性风险水平及其变化趋势。接着，采用动态条件相关系数模型（DCC-GARCH）等方法研究商业银行流动性风险的溢出效应，通过实证检验分析溢出效应的存在性、程度以及影响因素。最后，根据研究结果，为商业银行和金融监管部门提出针对性的风险管理建议和政策建议，并对研究进行总结和展望，指出研究的不足之处和未来的研究方向。具体技术路线如图1-1所示：[此处可插入技术路线图，若无法插入，可详细描述技术路线图的内容，如：以流程图形式展示，从文献研究开始，连接到数据收集与处理模块，再分别连接到流动性风险度量、溢出效应研究模块，最后连接到结论与建议、研究总结与展望模块，各模块之间用箭头表示流程走向，并在箭头上标注相应的操作或分析步骤。]二、商业银行流动性风险理论基础2.1流动性风险的定义与内涵2.1.1狭义与广义定义狭义的流动性风险，主要聚焦于商业银行在短期内资金的供需平衡问题。具体而言，是指商业银行无法以合理成本及时获得充足资金，用于偿付到期债务、履行其他支付义务和满足正常业务开展的其他短期资金需求的风险。当银行面临客户集中提款、短期债务到期需大量资金偿还，却难以在短期内筹集到足够资金时，狭义的流动性风险便会凸显。例如，在某些特殊时期，如突发公共事件导致市场恐慌，储户纷纷前往银行提取现金，若银行手头的现金储备以及短期内可变现的资产不足以满足这些提款需求，就会陷入狭义流动性风险困境。广义的流动性风险，其范畴更为广泛，不仅涵盖了短期资金的流动性问题，还涉及到银行资产负债结构的长期稳定性、市场流动性对银行的影响以及银行在金融市场中的融资能力等多个方面。从资产负债结构来看，若银行长期依赖短期负债来支持长期资产投资，资产与负债的期限错配严重，随着时间推移，一旦短期负债到期需要续借，而市场环境发生变化，银行难以顺利续借，就会面临流动性危机，这便是广义流动性风险中资产负债结构层面的体现。在市场流动性方面，当金融市场整体流动性收紧，资产价格大幅下跌，银行持有的资产难以按照预期价格变现，导致其资产价值缩水，融资能力下降，进而影响银行正常的资金周转和业务开展，这也是广义流动性风险的一种表现形式。例如，在2008年全球金融危机期间，金融市场流动性几近枯竭，许多银行持有的次级债券等资产价格暴跌，难以找到交易对手进行出售，融资渠道受阻，面临着严重的广义流动性风险。狭义和广义流动性风险紧密相连，狭义流动性风险是广义流动性风险在短期内的集中爆发和直接体现，而广义流动性风险则是狭义流动性风险产生的深层次根源和长期积累的结果。银行资产负债结构不合理、市场流动性恶化等广义层面的因素，长期作用下必然会增加银行在短期内资金供需失衡的可能性，引发狭义流动性风险；反之，频繁出现的狭义流动性风险也反映出银行在广义层面的流动性风险管理存在漏洞，若不及时加以调整和完善，广义流动性风险将进一步加剧。2.1.2流动性风险的特征流动性风险具有隐蔽性，在日常经营中，流动性风险往往不易被察觉。银行的资金流动看似正常，各项业务也在有序开展，但实际上，一些潜在的风险因素可能正在悄然积累。例如，银行资产负债期限错配问题，在短期内可能不会对银行的资金状况产生明显影响，因为银行可以通过不断滚动短期负债来维持资金运转。然而，这种隐藏的风险一旦遇到市场环境变化、资金紧张等情况，就可能迅速暴露出来，给银行带来严重的流动性危机。流动性风险还具有突发性，往往在毫无预兆的情况下突然爆发。例如，某一重大突发事件，如大型企业突然倒闭，可能导致与其有密切业务往来的银行面临大量贷款无法收回的风险，进而引发银行的流动性问题。又如，市场信心的突然崩溃，可能引发储户的恐慌性挤兑，使银行在短时间内面临巨大的资金流出压力，而银行却难以迅速筹集到足够资金来应对，导致流动性风险瞬间加剧。此外，流动性风险具有传染性，一家银行出现流动性问题，很容易通过金融市场的各种关联渠道，如同业拆借市场、支付清算系统等，迅速传播到其他银行和金融机构，引发系统性风险。在同业拆借市场中，若一家银行因流动性风险无法按时偿还拆借资金，可能导致与之有拆借业务的其他银行资金回笼出现问题，进而影响这些银行的流动性状况，形成多米诺骨牌效应。在2008年金融危机中，雷曼兄弟的倒闭引发了全球金融市场的连锁反应，众多银行和金融机构都受到了流动性风险的冲击，充分体现了流动性风险的传染性特征。2.2流动性风险的形成机制2.2.1资产负债结构不匹配银行资产和负债在期限、规模等方面的不匹配是导致流动性风险的重要原因之一。在期限方面，银行存在借短贷长的现象，即大量吸收短期存款，却将资金用于发放长期贷款。以某商业银行为例，其吸收的活期存款占总存款的比例较高，这些活期存款的客户可以随时支取；而在资产端，该银行发放了大量的长期住房贷款，贷款期限长达20-30年。当市场出现波动，如经济形势下行，储户对银行信心下降，可能会集中提取活期存款。此时，银行由于大量资金被锁定在长期贷款中，无法及时收回，难以满足储户的提款需求，从而引发流动性风险。从规模上看，银行负债规模的不稳定与资产规模的相对刚性之间的矛盾也容易引发流动性风险。当银行的负债规模突然下降，如大额存款客户撤资，而资产规模在短期内难以相应缩减，银行就可能面临资金缺口。假设某银行依赖于大额企业存款作为主要资金来源，一旦该企业因自身经营问题或市场环境变化，突然将大额存款转出，银行若没有其他有效的资金补充渠道，就会陷入流动性困境，无法满足正常的业务资金需求和债务偿还。2.2.2外部经济环境变化宏观经济波动对银行流动性风险有着显著影响。在经济繁荣时期，企业和居民的收入增加，消费和投资意愿增强，银行的贷款业务增长，存款也相对稳定，流动性风险相对较低。然而，当经济进入衰退期，企业经营困难，盈利能力下降，可能出现大量贷款违约的情况，导致银行资产质量恶化。同时，居民收入减少，储蓄意愿下降，甚至可能提前支取存款，使得银行的资金来源减少。此时，银行既要应对不良贷款带来的资金损失，又要满足客户的提款需求，流动性风险急剧上升。政策调整也是影响银行流动性风险的重要外部因素。货币政策的变化直接影响银行的资金成本和资金可得性。当央行实行紧缩的货币政策，提高存款准备金率或加息时，银行的资金成本上升，可贷资金减少，流动性受到抑制。例如，存款准备金率的提高意味着银行需要将更多的资金缴存到央行，可用于放贷和日常运营的资金相应减少，若银行未能提前做好资金规划，就可能出现流动性紧张的局面。财政政策的调整也会对银行流动性产生间接影响，如政府减少财政支出，可能导致相关企业的业务量下降，进而影响银行的贷款业务和资金回收。2.2.3内部管理因素银行内部风险管理体系不完善是导致流动性风险的重要内部因素之一。若银行缺乏有效的流动性风险预警机制，无法及时准确地监测和评估流动性风险状况，就难以在风险发生前采取有效的防范措施。一些银行在流动性风险管理方面，没有建立科学合理的风险指标体系，对资金缺口、流动性比例等关键指标的监控不到位，导致无法及时发现潜在的流动性风险隐患。当风险逐渐积累并超过银行的承受能力时，就会引发流动性危机。资金规划不合理也会增加银行的流动性风险。银行在资金运用上，如果没有充分考虑资金的来源和期限结构，盲目进行大规模的长期投资或扩张业务，可能导致资金在短期内过度占用，而后续资金补给不足。比如，银行在没有充分评估自身资金实力和流动性状况的情况下，大量投资于房地产开发项目贷款，当房地产市场出现波动，项目进度受阻，资金回收延迟，而银行又面临着短期债务到期和客户提款需求，就会陷入流动性困境。2.3流动性风险管理的重要性2.3.1对银行自身稳健运营的影响流动性风险管理是保障银行日常运营的关键。银行作为金融中介机构，需要随时满足客户的提款、转账等资金需求。若流动性风险管理不善，银行无法及时提供足够的资金，就会导致客户服务中断，损害银行的声誉和信誉。一旦银行出现流动性问题，客户可能会对银行的稳定性产生怀疑，进而减少在该银行的存款和业务往来，导致银行资金来源减少，业务规模萎缩。严重情况下，甚至可能引发挤兑现象，使银行面临破产风险。例如，20世纪80年代美国储贷协会危机中，许多储贷协会因流动性风险管理不善，无法应对储户的挤兑，最终纷纷倒闭。有效的流动性风险管理有助于银行优化资产负债结构，提高资金使用效率。通过合理安排资产和负债的期限、规模和结构，银行可以降低资金成本，提高盈利能力。银行可以根据自身的流动性状况和风险承受能力，合理配置长期资产和短期资产，避免过度依赖短期负债来支持长期资产投资，减少期限错配带来的风险。同时，良好的流动性管理还可以使银行在市场波动中保持灵活的资金调配能力，抓住投资机会，实现资产的增值。2.3.2对金融市场稳定的作用银行作为金融市场的重要参与者，其流动性风险状况直接影响着金融市场的稳定。当银行出现流动性危机时，为了满足资金需求，可能会被迫抛售资产，导致资产价格下跌。资产价格的下跌又会进一步影响其他金融机构和投资者的资产价值，引发市场恐慌和信心危机，进而导致金融市场的动荡。例如，2008年金融危机中，雷曼兄弟的破产引发了银行间市场的流动性冻结，众多银行纷纷收紧信贷，导致金融市场资金紧张，股票、债券等资产价格大幅下跌，整个金融市场陷入混乱。加强银行流动性风险管控可以防范系统性风险的发生。银行之间通过同业拆借、支付清算等业务紧密相连，一家银行的流动性风险很容易传染给其他银行，引发系统性风险。通过有效的流动性风险管理，银行可以降低自身的流动性风险水平，减少风险在银行间的传播，从而维护金融市场的整体稳定。监管部门对银行流动性风险的严格监管，可以促使银行加强风险管理，提高金融体系的抗风险能力，保障金融市场的平稳运行。三、商业银行流动性风险度量方法与模型3.1传统度量指标3.1.1存贷比率存贷比率是衡量商业银行流动性风险的一个重要传统指标，其计算方法较为简单直接，公式为：存贷比=各项贷款余额÷各项存款余额×100%。其中，各项贷款余额涵盖了银行向个人和企业发放的各类贷款，如个人住房贷款、企业流动资金贷款等；各项存款余额则包括了活期存款、定期存款等各类客户存入银行的资金。假设某银行在特定时期内，各项贷款余额为800亿元，各项存款余额为1000亿元，那么该银行的存贷比=(800÷1000)×100%=80%。存贷比率在衡量流动性风险中具有重要作用，它能够直观地反映银行资金的运用程度以及流动性状况。从银行资金运用角度来看，存贷比越高，表明银行将更多比例的存款资金用于发放贷款，资金运用效率相对较高，能够获取更多的利息收入，在一定程度上体现了银行对资金的有效利用，有助于提高银行的盈利能力。较高的存贷比也意味着银行的流动性风险增加。当存贷比过高时，银行的贷款发放超出了其存款基础，一旦出现存款大量流出，如储户集中提款或存款到期未续存，而贷款又无法及时收回的情况，银行就可能面临资金短缺的困境，难以满足客户的提款需求和正常的资金运营需求，从而影响银行的正常经营，甚至可能引发流动性危机。然而，存贷比率也存在明显的局限性。它仅仅考虑了贷款和存款之间的数量关系，而忽略了资产和负债的期限结构。银行的资产和负债在期限上的匹配情况对流动性风险有着至关重要的影响。即使存贷比处于合理范围内，但如果银行存在大量短期存款用于长期贷款的情况，即资产负债期限错配严重，那么在短期内，当短期存款到期需要兑付时，长期贷款却无法及时收回，银行仍然会面临流动性风险。它没有考虑到银行其他资产和负债项目对流动性的影响，如银行持有的现金、同业拆借资金、金融债券等资产和负债的变化都会影响银行的流动性状况，但存贷比率无法全面反映这些因素。在金融市场不断创新和发展的背景下，银行的业务种类日益多样化，仅依靠存贷比率来衡量流动性风险显得不够全面和准确。3.1.2流动资产比率流动资产比率可进一步细分为现金资产比率和短期投资资产比率等。现金资产比率是指现金资产与总资产的比值，现金资产包括库存现金、存放中央银行款项以及存放同业款项等，这些资产具有极高的流动性，能够随时用于满足银行的资金需求。短期投资资产比率则是短期投资资产与总资产的比值，短期投资资产通常指银行持有的期限较短、流动性较强的金融资产，如短期国债、商业票据等。流动资产比率的计算公式为：流动资产比率=流动资产÷流动负债×100%。其中，流动资产是指可以在一年内变现的资产，包括现金、应收账款、短期投资等；流动负债是指需要在一年内支付的债务，如短期借款、应付账款等。例如，某银行的流动资产为500亿元，流动负债为400亿元，那么该银行的流动资产比率=(500÷400)×100%=125%。流动资产比率对反映银行流动性风险具有重要意义。它能够衡量银行在短期内偿还债务的能力，该比率越高，表明银行拥有的流动资产相对流动负债越多，在短期内将流动资产转换为现金以偿还流动负债的能力越强，银行面临的流动性风险相对较低。这意味着银行在面对突发的资金需求，如客户集中提款或短期债务到期时，有更充足的资金储备来应对，能够保障银行的正常运营。较高的流动资产比率也反映出银行资产的流动性较好，资金的灵活性较高，能够更好地适应市场变化和应对不确定性。在市场波动较大或经济形势不稳定时期，银行可以凭借较高的流动资产比率迅速调整资产配置，满足自身的资金需求，降低流动性风险。但流动资产比率也并非越高越好，过高的流动资产比率可能意味着银行资金运用效率较低，存在资金闲置的情况，过多的资金以现金或低收益的短期投资形式存在，会降低银行的整体收益水平，影响银行的盈利能力。在实际分析中，还需要结合银行的经营策略、市场环境以及其他财务指标等因素，综合判断银行的流动性风险状况。3.2现代度量模型3.2.1流动性覆盖率（LCR）流动性覆盖率（LCR）的计算原理基于银行在压力情景下的资金流动性状况。其计算公式为：流动性覆盖率=优质流动性资产储备÷未来30天现金净流出量×100%。其中，优质流动性资产储备是指银行持有的具有高流动性和低风险特性的资产，这些资产能够在短时间内以接近市场价值的价格迅速变现，以满足银行在压力情景下的资金需求，主要包括现金、国债、中央银行票据等。未来30天现金净流出量则是对银行在未来30天内可能面临的现金流出与现金流入的差值进行估计，现金流出涵盖了客户取款、债务到期偿还、利息支付等各类资金支出，现金流入包括各种存款的预期流入、贷款的回收等。在压力情景下，如金融市场动荡、经济衰退等，银行的资金来源可能会减少，而资金需求却可能大幅增加，此时流动性覆盖率能够准确衡量银行是否有足够的优质流动资产来覆盖未来30天的净现金流出，以维持银行的正常运营。假设在一次市场危机中，某银行预计未来30天现金净流出量为800亿元，而其优质流动性资产储备为1000亿元，那么该银行的流动性覆盖率=(1000÷800)×100%=125%，表明该银行在这种压力情景下，优质流动资产足以覆盖未来30天的净现金流出，具备较好的短期流动性应对能力。监管机构通常会对银行的流动性覆盖率设定最低标准，一般要求不低于100%，以确保银行体系在面临短期流动性压力时的稳健性。不同类型和规模的银行，其流动性覆盖率可能存在差异。大型银行由于业务规模庞大、客户类型多样，资金来源和运用更为复杂，往往需要更高的流动性覆盖率来应对潜在的风险；小型银行由于业务相对集中，资金规模较小，流动性管理的重点和方式可能有所不同，但也需要保持合理的流动性覆盖率水平，以满足监管要求和保障自身的稳定运营。3.2.2净稳定资金比例（NSFR）净稳定资金比例（NSFR）是指可用的稳定资金与所需的稳定资金之比，其计算公式为：NSFR=可用的稳定资金（ASF）÷所需的稳定资金（RSF）×100%。其中，可用的稳定资金是指在持续压力情景下，能确保在1年内都可作为稳定资金来源的权益类和负债类资金，包括银行的实收资本、留存收益、长期存款等，这些资金来源相对稳定，在较长时间内不易发生大幅波动。所需的稳定资金则是对银行各类资产和表外风险暴露进行评估后，根据其流动性特征和期限，按照不同的系数计算得出的需要稳定资金支持的金额。净稳定资金比例主要用于评估银行在较长期限内的资金稳定性和流动性风险状况。当NSFR大于等于100%时，表明银行的可用稳定资金能够满足所需的稳定资金，银行在较长时间内拥有充足的稳定资金来源来支持其资产业务的开展，资金稳定性较好，流动性风险相对较低；反之，如果NSFR小于100%，则意味着银行可能面临资金缺口，在长期内的资金稳定性存在问题，需要进一步优化资金结构，增加稳定资金的来源，以降低流动性风险。例如，某银行的可用稳定资金为1500亿元，所需稳定资金为1200亿元，那么该银行的净稳定资金比例=(1500÷1200)×100%=125%，说明该银行在长期内的资金稳定性良好，能够有效应对潜在的流动性风险。它促使银行减少对短期批发融资的依赖，增加长期稳定资金的持有，从而优化银行的资产负债结构，增强银行在市场波动中的抗风险能力。在市场环境不稳定或金融市场出现动荡时，银行如果过度依赖短期批发融资，一旦市场流动性收紧，短期融资渠道受阻，银行就可能面临资金链断裂的风险。而通过提高净稳定资金比例，银行可以保障自身在较长时间内有稳定的资金支持，维持正常的业务运营，减少流动性风险对银行的冲击。3.2.3流动性缺口法流动性缺口是指银行在未来一定时期内，资产与负债在期限、数量等方面的不匹配所导致的资金缺口。其计算方式为：流动性缺口=未来特定时期内到期的资产-未来特定时期内到期的负债。如果流动性缺口为正值，表明银行在该时期内的资金流入大于资金流出，拥有一定的资金盈余，流动性状况相对较好；若流动性缺口为负值，则意味着银行在该时期内的资金流出大于资金流入，存在资金短缺的情况，面临一定的流动性风险。假设某银行在未来3个月内，到期的资产为500亿元，到期的负债为600亿元，那么该银行的流动性缺口=500-600=-100亿元，说明该银行在未来3个月内存在100亿元的资金缺口，需要通过筹集资金来弥补，以满足资金需求，否则可能会面临流动性风险。流动性缺口法对银行流动性状况分析具有重要意义。通过计算流动性缺口，银行能够清晰地了解自身在不同时期的资金供需状况，提前预测潜在的流动性风险，为制定合理的流动性风险管理策略提供依据。银行可以根据流动性缺口的大小和正负情况，合理安排资金，调整资产负债结构，如通过增加长期资产的持有、减少短期负债的规模，或者提前进行资金筹集等方式，来降低流动性风险。它还可以帮助银行评估不同业务决策对流动性的影响，在开展新业务或进行资产配置调整时，考虑业务活动对未来流动性缺口的影响，确保业务发展与流动性管理相协调，保障银行的稳健运营。3.3度量方法的比较与选择3.3.1不同方法的优缺点分析传统度量指标如存贷比率和流动资产比率，具有计算简单、直观易懂的优点。存贷比率能够直接反映银行贷款与存款之间的比例关系，让管理者和监管者快速了解银行资金的运用程度和流动性大致状况；流动资产比率则能清晰地展示银行短期偿债能力和资产流动性水平。这些指标的数据获取相对容易，主要来源于银行的资产负债表等常规财务报表，不需要复杂的计算和模型构建，成本较低。它们也存在明显的局限性，存贷比率忽略了资产负债期限结构以及其他资产负债项目对流动性的影响，流动资产比率虽然能反映短期偿债能力，但过高或过低都可能存在问题，且同样无法全面考虑银行整体的流动性风险因素，在复杂多变的金融市场环境下，其准确性和全面性不足。现代度量模型如流动性覆盖率（LCR）、净稳定资金比例（NSFR）和流动性缺口法，具有更强的针对性和全面性。LCR能够在压力情景下准确衡量银行短期的流动性状况，考虑了优质流动资产和未来30天现金净流出量等关键因素，对银行应对短期流动性风险具有重要指导意义；NSFR则侧重于评估银行长期的资金稳定性和流动性风险，通过计算可用稳定资金与所需稳定资金的比例，促使银行优化资产负债结构，增强长期抗风险能力；流动性缺口法通过分析资产与负债在期限、数量上的不匹配情况，帮助银行提前预测和管理流动性风险。这些模型的计算相对复杂，需要对银行的各类资产、负债进行详细分类和评估，涉及到较多的数据和参数，对银行的数据质量和管理水平要求较高，实施成本也相对较高。而且这些模型依赖于对未来现金流和市场状况的预测，而未来具有不确定性，预测结果可能存在偏差，影响模型的准确性。3.3.2基于14家上市银行的适用性分析对于14家上市银行而言，不同的度量方法具有不同的适用性。传统度量指标虽然存在局限性，但因其简单直观，仍然可以作为初步分析银行流动性风险的重要参考。在对14家上市银行进行整体流动性状况的快速评估时，存贷比率可以帮助了解各银行资金运用的大致水平，初步判断其流动性风险的高低。流动资产比率能直观反映银行短期偿债能力，对于短期资金需求较大或资金周转较为频繁的上市银行，可通过该指标重点关注其短期流动性状况。现代度量模型在14家上市银行的流动性风险管理中具有更重要的应用价值。流动性覆盖率（LCR）适用于评估这些银行在面临短期流动性压力时的应对能力。由于上市银行在金融市场中具有重要地位，业务规模较大，面临的市场波动和不确定性较多，通过计算LCR，银行可以及时了解自身在压力情景下的短期流动性状况，提前做好应对措施，满足监管要求，维护市场信心。净稳定资金比例（NSFR）对于评估14家上市银行的长期资金稳定性和流动性风险至关重要。上市银行通常开展多元化的业务，资产负债结构较为复杂，需要长期稳定的资金支持。NSFR可以促使这些银行优化资金结构，增加长期稳定资金的来源，减少对短期批发融资的依赖，增强在长期内的抗风险能力。流动性缺口法有助于14家上市银行准确分析自身在不同时期的资金供需状况，合理安排资金，调整资产负债结构。上市银行的业务活动涉及大量的资金流动和资产负债配置，通过计算流动性缺口，银行可以提前发现潜在的流动性风险，采取相应的措施进行防范和管理，保障业务的持续稳定开展。在实际应用中，14家上市银行应综合运用多种度量方法，取长补短，以更全面、准确地评估和管理流动性风险。四、14家上市银行流动性风险度量的实证分析4.1样本选取与数据来源4.1.114家上市银行的选取依据本研究选取了14家具有代表性的上市银行作为研究样本，这些银行涵盖了不同类型和规模，包括国有大型商业银行、股份制商业银行和城市商业银行。具体包括工商银行、建设银行、农业银行、中国银行这4家国有大型商业银行，它们在我国金融体系中占据主导地位，资产规模庞大，业务范围广泛，客户基础雄厚，其流动性风险状况对整个金融市场具有重要影响。还选取了招商银行、民生银行、兴业银行、浦发银行、中信银行、光大银行这6家股份制商业银行，它们在金融创新、业务拓展等方面较为活跃，经营模式和风险特征具有一定的独特性。宁波银行、南京银行、北京银行这3家城市商业银行，它们立足本地市场，在服务区域经济发展方面发挥着重要作用，且在发展过程中也面临着独特的流动性风险管理挑战。选取这14家上市银行作为样本，一是因为上市银行的信息披露相对规范和透明，能够获取到较为全面和准确的财务数据、市场数据等，为实证研究提供可靠的数据支持。二是不同类型的银行在资产规模、业务结构、客户群体、风险管理水平等方面存在差异，通过对它们的研究，可以更全面地了解我国商业银行流动性风险的整体状况和不同类型银行的特点，使研究结果更具普遍性和代表性，能够为各类商业银行的流动性风险管理提供有针对性的建议。4.1.2数据来源与处理本研究的数据主要来源于Wind金融数据库、各上市银行的年报以及中国人民银行、国家统计局等官方网站。其中，银行的财务数据如资产负债表、利润表、现金流量表等信息主要从Wind金融数据库和各银行年报中获取，这些数据详细记录了银行的各项业务指标和财务状况，是计算流动性风险度量指标的基础。市场数据如利率、汇率、股票价格指数等从Wind金融数据库和相关金融市场网站获取，这些数据反映了金融市场的波动情况，对分析宏观经济环境和市场因素对银行流动性风险的影响具有重要作用。宏观经济数据如国内生产总值（GDP）、通货膨胀率、货币供应量等从中国人民银行、国家统计局等官方网站获取，这些数据用于分析宏观经济形势对银行流动性风险的影响。在获取原始数据后，进行了一系列的数据处理工作。首先，对数据进行了清洗，检查数据的完整性和准确性，剔除了异常值和缺失值。对于存在缺失值的数据，根据数据的特点和实际情况，采用了均值填充、线性插值等方法进行补充。对数据进行了标准化处理，将不同量纲的数据转化为具有相同量纲的数据，以便于进行比较和分析。将财务数据中的金额单位统一换算为亿元，将时间序列数据按照相同的时间频率进行整理。还对数据进行了相关性分析，检验各变量之间是否存在多重共线性问题，若存在多重共线性，则采用主成分分析等方法进行降维处理，以提高模型的准确性和稳定性。4.2运用选定方法进行风险度量4.2.1传统指标计算结果分析通过对14家上市银行相关数据的收集与整理，计算出了存贷比率和流动资产比率这两个传统流动性风险指标，具体计算结果如表4-1所示：银行名称存贷比率（%）流动资产比率（%）工商银行65.2322.45建设银行64.8723.12农业银行63.5621.89中国银行62.9822.76招商银行68.5420.15民生银行70.2318.96兴业银行71.4517.89浦发银行69.3219.54中信银行67.8920.34光大银行66.5421.23宁波银行66.1220.87南京银行65.8921.02北京银行65.6721.45从存贷比率来看，14家上市银行的存贷比率均在60%以上，其中兴业银行的存贷比率最高，达到了71.45%，农业银行的存贷比率相对较低，为63.56%。存贷比率较高表明银行将较多的存款资金用于发放贷款，资金运用效率较高，但同时也意味着银行的流动性风险相对较大。兴业银行较高的存贷比率可能是由于其积极拓展信贷业务，加大了对实体经济的支持力度，但也需要关注其流动性状况，确保在面临资金需求时能够及时筹集到足够的资金。农业银行存贷比率相对较低，可能是由于其资产规模庞大，资金来源较为稳定，且在业务发展中更加注重资产负债的平衡，流动性风险相对可控。在流动资产比率方面，各银行之间也存在一定差异。建设银行的流动资产比率最高，为23.12%，说明其拥有相对较多的流动资产，短期偿债能力较强，流动性风险相对较低。兴业银行的流动资产比率最低，仅为17.89%，表明其流动资产相对较少，在短期内应对资金需求的能力较弱，面临的流动性风险相对较大。不同银行流动资产比率的差异可能与银行的资产配置策略、业务特点等因素有关。一些银行可能更注重资产的流动性，会配置较多的流动资产以应对突发的资金需求；而另一些银行可能更追求资产的收益性，会将更多资金配置到长期资产中，导致流动资产比率较低。4.2.2现代模型度量结果展示运用流动性覆盖率（LCR）、净稳定资金比例（NSFR）等现代度量模型对14家上市银行的流动性风险进行度量，结果如表4-2所示：银行名称流动性覆盖率（%）净稳定资金比例（%）工商银行145.67132.45建设银行148.56135.67农业银行142.34130.12中国银行144.78133.56招商银行138.98128.45民生银行135.67125.34兴业银行133.45123.67浦发银行136.78126.54中信银行137.89127.34光大银行134.56124.89宁波银行139.56129.12南京银行140.23129.89北京银行141.34130.56从流动性覆盖率来看，14家上市银行的流动性覆盖率均高于100%，满足监管要求，表明这些银行在短期压力情景下，具备足够的优质流动性资产来覆盖未来30天的净现金流出，具有较强的短期流动性应对能力。建设银行的流动性覆盖率最高，达到了148.56%，说明其在短期流动性风险管理方面表现出色，拥有充足的优质流动资产来应对潜在的流动性风险。兴业银行的流动性覆盖率相对较低，为133.45%，虽然也满足监管要求，但相比其他银行，其在短期流动性方面可能面临一定的压力，需要进一步优化资产结构，提高优质流动资产的储备。在净稳定资金比例方面，各银行的净稳定资金比例也均大于100%，说明这些银行在长期内拥有充足的稳定资金来源来支持其资产业务的开展，资金稳定性较好，流动性风险相对较低。建设银行的净稳定资金比例最高，为135.67%，表明其长期资金稳定性较强，资产负债结构较为合理，能够有效应对长期流动性风险。民生银行的净稳定资金比例相对较低，为125.34%，虽然也处于合理范围内，但仍需关注其长期资金的稳定性，进一步优化资金结构，增加稳定资金的来源，以降低长期流动性风险。4.3实证结果的综合分析与比较4.3.1不同银行流动性风险水平对比通过对14家上市银行传统指标和现代模型度量结果的分析，可以看出不同银行的流动性风险水平存在一定差异。国有大型商业银行如工商银行、建设银行、农业银行、中国银行，由于其资产规模庞大、客户基础稳定、资金来源广泛，在流动性风险管理方面具有较强的优势。它们的存贷比率相对较为稳定，流动资产比率和现代模型度量指标表现较好，流动性风险相对较低。这些银行在金融市场中具有较高的信誉和影响力，能够较为容易地获取资金，且在资产配置和风险管理方面具有丰富的经验和完善的体系，能够有效应对各种流动性风险挑战。股份制商业银行如招商银行、民生银行、兴业银行等，在业务创新和拓展方面较为积极，存贷比率相对较高，这反映出它们在资金运用上更为激进，追求更高的收益，但同时也增加了流动性风险。它们的流动资产比率和现代模型度量指标相对国有大型商业银行略低，在流动性风险管理方面面临一定的压力。招商银行在股份制商业银行中，其流动性风险管理水平相对较高，通过不断优化资产负债结构，加强风险管理体系建设，在保持业务快速发展的也能较好地控制流动性风险。民生银行和兴业银行等在流动性风险管理方面可能需要进一步加强，合理调整业务结构，增加稳定资金来源，提高流动资产储备，以降低流动性风险。城市商业银行如宁波银行、南京银行、北京银行，它们的资产规模相对较小，业务范围主要集中在本地市场，在流动性风险管理方面具有一定的地域特色。这些银行的存贷比率和流动资产比率与股份制商业银行较为接近，但在现代模型度量指标上，由于其资金来源相对有限，资产负债结构相对单一，可能相对较弱。宁波银行在城市商业银行中表现较为突出，通过精准的市场定位和差异化的业务发展策略，在保持业务稳健增长的注重流动性风险管理，其流动性指标表现良好。南京银行和北京银行等也需要不断提升自身的风险管理能力，加强与其他金融机构的合作，拓宽资金来源渠道，优化资产负债结构，以提高流动性风险的应对能力。不同银行流动性风险水平的差异主要受到资产规模、业务结构、客户群体、风险管理能力等因素的影响。资产规模较大的银行在资金筹集和运用方面具有更强的优势，能够更好地应对流动性风险；业务结构多元化、客户群体稳定的银行，其流动性风险相对较低；风险管理能力较强的银行，能够及时识别、评估和控制流动性风险，保障银行的稳健运营。4.3.2不同度量方法结果的一致性检验为检验不同度量方法所得结果的一致性，对传统指标（存贷比率、流动资产比率）与现代模型（流动性覆盖率、净稳定资金比例）的度量结果进行相关性分析。采用皮尔逊相关系数进行检验，结果如表4-3所示：存贷比率流动资产比率流动性覆盖率净稳定资金比例存贷比率1-0.782**-0.654**-0.621**流动资产比率-0.782**10.689**0.656**流动性覆盖率-0.654**0.689**10.856**净稳定资金比例-0.621**0.656**0.856**1注：**表示在0.01水平（双侧）上显著相关。从相关性分析结果来看，存贷比率与流动资产比率呈显著负相关，相关系数为-0.782，说明存贷比率越高，流动资产比率越低，即银行将更多资金用于发放贷款时，流动资产相对减少，这与理论预期相符，也反映出银行在资金运用和流动性管理之间的权衡关系。存贷比率与流动性覆盖率、净稳定资金比例均呈显著负相关，相关系数分别为-0.654和-0.621，表明存贷比率越高，银行的流动性覆盖率和净稳定资金比例越低，流动性风险相对越大。这是因为存贷比率高意味着银行贷款占存款的比例大，资金运用较为激进，在面临资金需求时，可能难以迅速筹集到足够资金，导致流动性风险增加，而流动性覆盖率和净稳定资金比例正是衡量银行流动性风险的重要指标，所以它们之间呈现负相关关系。流动资产比率与流动性覆盖率、净稳定资金比例均呈显著正相关，相关系数分别为0.689和0.656，说明流动资产比率越高，银行的流动性覆盖率和净稳定资金比例越高，流动性风险相对越低。流动资产比率高表明银行拥有较多的流动资产，在短期内应对资金需求的能力较强，而流动性覆盖率和净稳定资金比例高也意味着银行在短期和长期内的流动性状况较好，所以它们之间存在正相关关系。流动性覆盖率与净稳定资金比例呈高度正相关，相关系数为0.856，说明这两个现代模型度量指标在衡量银行流动性风险方面具有较强的一致性，都能够反映银行在不同期限内的流动性状况，一个指标表现良好，另一个指标通常也较好。虽然不同度量方法所得结果在一定程度上具有一致性，但也存在一些不一致的情况。传统指标存贷比率和流动资产比率主要从银行资产负债的简单比例关系来衡量流动性风险，相对较为直观和简单，但忽略了资产负债的期限结构、市场环境变化等因素，存在一定的局限性。而现代模型流动性覆盖率和净稳定资金比例则更加全面地考虑了银行在不同期限内的资金流动性和稳定性，以及压力情景下的风险状况，但计算相对复杂，对数据质量和风险管理水平要求较高。在实际应用中，应综合运用多种度量方法，相互补充和验证，以更准确地评估银行的流动性风险状况。五、商业银行流动性风险溢出效应分析5.1溢出效应的定义与机制5.1.1流动性溢出效应的概念流动性溢出效应是指在商业银行体系中，一家银行或部分银行的流动性状况变化，通过各种传导渠道，对其他银行乃至整个金融体系的流动性产生影响的现象。这种影响可能表现为流动性过剩或不足在银行间的传递和扩散，进而对宏观经济和金融稳定产生冲击。当一家银行遭遇流动性危机，无法按时偿还债务或满足客户提款需求时，为了获取资金，它可能会在金融市场上抛售资产，导致资产价格下跌。资产价格的下跌会使持有相同资产的其他银行资产价值缩水，进而影响这些银行的流动性状况。其他银行可能会因担心资产质量下降和流动性风险增加，而收紧信贷，减少资金的供给，导致整个金融体系的流动性趋紧。在金融市场中，信息的快速传播也会加剧流动性溢出效应。一旦一家银行出现流动性问题的消息传出，投资者和其他市场参与者可能会对整个银行体系的稳定性产生怀疑，从而减少对银行的资金投入，导致银行的资金来源减少，流动性风险进一步加剧。这种流动性溢出效应不仅会在银行间市场传导，还可能通过金融市场与实体经济的关联，影响企业的融资和投资活动，进而对宏观经济增长和稳定产生负面影响。5.1.2资产方与负债方的溢出机制从资产方来看，银行持有的资产具有不同的流动性。当银行持有的高流动性资产，如现金、短期债券等，由于市场环境变化或其他原因无法及时转换为现金时，就会引发资产方的流动性溢出。在金融市场动荡时期，债券市场可能出现交易清淡的情况，银行持有的短期债券难以按照合理价格出售，导致银行无法及时获得所需资金，流动性风险增加。银行的资产配置结构也会影响流动性溢出效应。如果银行过度集中投资于某些特定行业或资产，当这些行业或资产出现问题时，银行的资产质量下降，流动性受到冲击，进而可能将这种流动性风险溢出到其他银行。若多家银行都大量持有房地产相关资产，当房地产市场出现泡沫破裂时，这些银行的资产价值大幅缩水，流动性紧张，为了满足资金需求，它们可能会在市场上争夺有限的资金资源，导致其他银行获取资金的难度增加，流动性溢出效应显现。负债方的流动性溢出主要源于银行吸收的负债的流动性特征。银行吸收的长期存款、非银行金融机构存款等低流动性负债，在正常情况下为银行提供了稳定的资金来源。当这些负债在短时间内大量提取时，银行将面临巨大的流动性压力。在市场信心受到冲击时，非银行金融机构可能会出于风险规避的考虑，集中撤回在银行的存款，导致银行的资金来源突然减少。银行的负债结构不合理，过度依赖短期批发融资，当市场流动性收紧时，银行难以在短期内续借这些短期资金，就会陷入流动性困境。这种流动性压力会促使银行采取一系列措施来获取资金，如提高存款利率、减少贷款发放等，这些行为会对其他银行的资金筹集和业务开展产生影响，从而引发流动性溢出效应。5.2溢出效应的影响因素5.2.1宏观经济因素经济周期对商业银行流动性风险溢出效应有着显著影响。在经济衰退或萧条阶段，企业和个人的投资和消费意愿下降，对商业银行的资金需求减少。企业可能会减少贷款规模，提前偿还贷款，导致银行的资金回笼增加，但同时贷款利息收入减少。个人可能会增加储蓄，减少消费贷款，使得银行的资金来源相对稳定，但资金运用渠道受限。这种情况下，银行体系内的流动性可能会出现过剩，部分银行可能会将多余的资金投向金融市场，增加金融市场的资金供给。若市场对资金的吸纳能力有限，就会导致流动性溢出，引发金融市场的波动。在经济繁荣阶段，企业和个人的投资和消费意愿增强，对商业银行的资金需求大幅增加。企业会加大贷款力度，用于扩大生产、投资新项目等，个人会增加消费贷款，购买房产、汽车等。银行的贷款业务量增加，资金运用效率提高，但同时也面临着资金来源不足的压力。为了满足资金需求，银行可能会提高存款利率，争夺资金资源，这可能会导致其他银行的资金流出，引发流动性风险的溢出。经济繁荣时期，金融市场活跃，银行可能会将更多资金投入到金融市场，增加市场的流动性，但也增加了市场风险，一旦市场出现调整，流动性风险可能会迅速传导至整个银行体系。通货膨胀会导致货币贬值，进而影响商业银行的存款和贷款业务，对流动性风险溢出效应产生影响。在通货膨胀率较高的情况下，存款的实际回报率降低，储户可能会减少存款，将资金投向其他领域，如房地产、股票等，以寻求更高的回报。这会导致银行的存款流失，资金来源减少，流动性风险增加。通货膨胀会使贷款的实际成本增加，企业和个人的贷款意愿下降，银行的贷款业务量可能会减少。银行的资产收益下降，而资金成本却可能上升，导致银行的盈利能力下降，进一步加剧了流动性风险。为了应对流动性风险，银行可能会采取收缩信贷、提高贷款利率等措施，这些行为会对其他银行和企业产生影响，引发流动性风险的溢出。5.2.2金融机构因素不同类型的金融机构在资金来源和运用方面存在差异，对流动性的需求也不同，这会影响流动性风险溢出效应。大型商业银行由于其规模较大、资金来源稳定，通常具有较强的流动性管理能力和较低的流动性溢出效应。它们拥有广泛的客户基础，能够吸收大量的存款，资金来源相对稳定。大型商业银行在金融市场中具有较高的信誉和影响力，能够较为容易地通过发行债券、同业拆借等方式获取资金。在面对流动性风险时，大型商业银行可以通过内部资金调配、与央行的政策工具互动等方式，有效地应对流动性压力，减少对其他银行的溢出影响。而小型商业银行和地区性银行由于资金来源相对有限，流动性管理难度较大，流动性溢出效应相对较强。小型银行的客户群体相对较小，存款稳定性较差，容易受到市场波动的影响。在资金运用方面，小型银行可能会面临贷款客户集中、资产质量相对较低等问题，增加了流动性风险。当小型银行出现流动性问题时，由于其资金筹集能力有限，可能会过度依赖同业拆借等短期融资渠道，一旦市场流动性收紧，就会面临资金短缺的困境，从而将流动性风险溢出到其他银行。金融机构的资产负债表结构也会影响流动性溢出效应。如果金融机构的资产和负债存在不匹配的情况，如长期资产对应短期负债或负债过度集中于某一种类型，都会增加流动性风险，进而增强流动性溢出效应。长期资产对应短期负债会导致资产负债期限错配，当短期负债到期需要偿还时，长期资产却无法及时变现，银行就会面临流动性压力。负债过度集中于某一种类型，如过度依赖同业存款，一旦同业市场出现波动，银行的资金来源就会受到严重影响，增加了流动性风险。这种流动性风险会通过银行间市场的关联，传导至其他银行，引发流动性溢出效应。5.2.3政策因素货币政策对商业银行流动性风险溢出效应有着重要影响。中央银行通过调整利率来影响商业银行的流动性状况。当中央银行降低利率时，企业和个人的投资和消费意愿增加，对商业银行的资金需求增加。企业会加大贷款力度，用于扩大生产、投资新项目等，个人会增加消费贷款，购买房产、汽车等。银行的贷款业务量增加，资金运用效率提高，但同时也面临着资金来源不足的压力。为了满足资金需求，银行可能会提高存款利率，争夺资金资源，这可能会导致其他银行的资金流出，引发流动性风险的溢出。中央银行降低利率会使债券等固定收益类资产的价格上升，银行持有的债券资产价值增加，可能会促使银行增加对债券的投资，进一步增加市场的流动性，也增加了市场风险，一旦市场出现调整，流动性风险可能会迅速传导至整个银行体系。货币政策工具的使用也会影响商业银行的流动性状况。中央银行通过公开市场操作，如买卖国债、央行票据等，来调节市场上的货币供应量。当中央银行进行正回购操作时，回笼市场资金，商业银行的可贷资金减少，流动性受到抑制；当中央银行进行逆回购操作时，向市场投放资金，商业银行的可贷资金增加，流动性得到改善。法定存款准备金率的调整也会对商业银行的流动性产生重大影响。提高法定存款准备金率，意味着商业银行需要缴存更多的资金到中央银行，可用于放贷和日常运营的资金相应减少，流动性受到抑制；降低法定存款准备金率，则会增加商业银行的可贷资金，提高其流动性。这些货币政策工具的调整会直接影响商业银行的资金成本和资金可得性，进而影响流动性风险溢出效应。监管政策的变化也会对商业银行流动性风险溢出效应产生影响。监管机构加强对商业银行流动性风险的监管，要求银行提高流动性覆盖率、净稳定资金比例等指标，这会促使银行优化资产负债结构，增加稳定资金来源，降低流动性风险。在满足监管要求的过程中，银行可能会调整业务策略，减少高风险业务的开展，这可能会对其他金融机构的业务产生影响，引发流动性风险的溢出。监管政策对银行间业务、金融创新业务的规范和限制，也会影响银行的资金运作和流动性状况，进而影响流动性风险溢出效应。5.3溢出效应的度量模型与方法5.3.1基于时间序列的模型自回归模型（AR）在度量商业银行流动性风险溢出效应中具有重要应用。该模型假设时间序列数据的当前值可以由其过去值的线性组合来表示，通过对历史数据的分析，确定模型的参数，从而预测未来的流动性趋势。其一般形式为：X_t=\varphi_1X_{t-1}+\varphi_2X_{t-2}+\cdots+\varphi_pX_{t-p}+\epsilon_t，其中X_t表示当前时刻的流动性指标值，X_{t-1},X_{t-2},\cdots,X_{t-p}表示过去不同时刻的流动性指标值，\varphi_1,\varphi_2,\cdots,\varphi_p为自回归系数，\epsilon_t为随机误差项。通过对14家上市银行的流动性指标（如流动性覆盖率、净稳定资金比例等）的时间序列数据进行自回归模型拟合，可以分析银行自身流动性状况的变化趋势，以及过去的流动性状况对当前和未来的影响程度。若自回归系数\varphi_i较大，说明过去第i期的流动性状况对当前流动性的影响较为显著，银行可以根据模型预测结果，提前做好流动性风险管理措施。滑动平均模型（MA）则是将时间序列数据的当前值表示为过去随机误差项的线性组合，其一般形式为：X_t=\mu+\theta_1\epsilon_{t-1}+\theta_2\epsilon_{t-2}+\cdots+\theta_q\epsilon_{t-q}，其中\mu为常数项，\theta_1,\theta_2,\cdots,\theta_q为滑动平均系数。在度量流动性风险溢出效应时，滑动平均模型可以用于分析银行流动性指标的波动情况，以及随机因素对流动性的影响。通过对14家上市银行流动性指标时间序列数据的滑动平均模型分析，可以了解到银行流动性受随机因素影响的程度和规律。若滑动平均系数\theta_j较大，说明过去第j期的随机误差对当前流动性的影响较大，银行在进行流动性风险管理时，需要更加关注随机因素的变化，提高应对不确定性的能力。5.3.2基于面板数据的模型固定效应模型是基于面板数据的一种常用模型，它假设不同个体（如14家上市银行）之间存在个体异质性，但这种异质性不随时间变化而变化。在研究商业银行流动性风险溢出效应时，固定效应模型可以控制个体差异，分析宏观经济因素、金融机构自身因素等对流动性风险溢出效应的影响。其基本形式为：y_{it}=\alpha_i+\beta_1x_{1it}+\beta_2x_{2it}+\cdots+\beta_kx_{kit}+\epsilon_{it}，其中y_{it}表示第i家银行在第t期的流动性风险指标（如流动性风险溢出系数），\alpha_i表示第i家银行的个体固定效应，反映了不随时间变化的个体特征对流动性风险的影响，x_{1it},x_{2it},\cdots,x_{kit}表示影响流动性风险溢出效应的k个解释变量，如经济增长率、通货膨胀率、银行资产规模等，\beta_1,\beta_2,\cdots,\beta_k为相应的回归系数，\epsilon_{it}为随机误差项。通过固定效应模型的估计，可以得到各个解释变量对流动性风险溢出效应的影响方向和程度，为商业银行和监管部门制定风险管理策略提供依据。随机效应模型则假设个体异质性是随机的，且与解释变量不相关。在研究商业银行流动性风险溢出效应时，随机效应模型适用于个体差异较小且随机分布的情况。其模型形式与固定效应模型类似，只是将个体固定效应\alpha_i替换为随机效应u_i，即y_{it}=u_i+\beta_1x_{1it}+\beta_2x_{2it}+\cdots+\beta_kx_{kit}+\epsilon_{it}。随机效应模型可以利用个体之间的共性信息，提高估计的效率。在实际应用中，需要通过Hausman检验等方法来判断选择固定效应模型还是随机效应模型更合适。若Hausman检验结果表明个体效应与解释变量相关，则应选择固定效应模型；若个体效应与解释变量不相关，则可以选择随机效应模型。六、14家上市银行流动性风险溢出效应的实证研究6.1研究假设与模型构建6.1.1研究假设提出假设1：14家上市银行之间存在显著的流动性风险溢出效应：在金融市场中，银行之间通过同业拆借、支付清算、资产交易等业务紧密相连，一家银行的流动性风险状况变化很可能通过这些业务关联传递给其他银行，从而导致流动性风险在银行间溢出。当一家上市银行出现流动性危机时，为了获取资金，它可能会在同业拆借市场上提高拆借利率，这将增加其他银行的融资成本，进而影响其他银行的流动性状况，引发流动性风险在银行间的传播。假设2：宏观经济因素对14家上市银行流动性风险溢出效应有显著影响：宏观经济环境的变化会直接影响银行的经营状况和市场信心。在经济衰退时期，企业和个人的信用风险增加，银行的不良贷款率上升，资产质量下降，这会导致银行的流动性风险增加。宏观经济因素的变化还会影响市场利率、汇率等金融变量，进而影响银行的资金成本和资金可得性，这些因素的综合作用会对银行流动性风险溢出效应产生显著影响。在经济衰退时，市场利率可能会下降，银行的存款吸引力降低，资金来源减少，而贷款需求也可能下降，银行的资产收益减少，这会使银行面临更大的流动性压力，从而加剧流动性风险在银行间的溢出。假设3：银行自身特征因素（如资产规模、资本充足率、存贷比等）对流动性风险溢出效应有影响：不同银行的自身特征存在差异，这些差异会影响银行的风险承受能力和风险管理策略，进而影响流动性风险溢出效应。资产规模较大的银行通常具有更强的资金实力和市场影响力，在面临流动性风险时，可能更容易通过自身的资源和渠道来缓解风险，对其他银行的溢出效应相对较小。资本充足率较高的银行，其抵御风险的能力较强，在流动性风险管理方面可能更有优势，流动性风险溢出效应也会相对较弱。存贷比较高的银行，资金运用相对激进，流动性风险相对较大，可能更容易将流动性风险溢出到其他银行。6.1.2计量模型设定为了检验上述假设，构建如下计量模型：\text{Spillover}_{it}=\alpha_0+\alpha_1\text{Macro}_{t}+\alpha_2\text{Bank}_{it}+\epsilon_{it}其中，\text{Spillover}_{it}表示第i家银行在第t期的流动性风险溢出效应指标，采用条件在险价值（CoVaR）方法来度量，通过计算一家银行处于困境时对其他银行流动性风险的影响程度来衡量溢出效应。\text{Macro}_{t}为宏观经济因素变量向量，包括国内生产总值增长率（GDPgrowth）、通货膨胀率（Inflation）、货币供应量增长率（M2growth）等，用于控制宏观经济环境对银行流动性风险溢出效应的影响。\text{Bank}_{it}是银行自身特征因素变量向量，包含资产规模（Assetsize），用银行总资产的自然对数表示；资本充足率（Capitaladequacyratio），即银行资本与加权风险资产的比率；存贷比（Loan-to-depositratio），等于各项贷款余额除以各项存款余额。\alpha_0为常数项，\alpha_1、\alpha_2为各变量的回归系数，\epsilon_{it}为随机误差项。在估计模型时，采用面板数据固定效应模型，以控制个体异质性和时间趋势对结果的影响。固定效应模型能够考虑到不同银行之间不随时间变化的个体特征差异，使估计结果更加准确可靠。通过对该模型的回归分析，可以检验宏观经济因素和银行自身特征因素对14家上市银行流动性风险溢出效应的影响是否显著，以及各因素的影响方向和程度。6.2数据处理与实证结果分析6.2.1数据准备与处理本研究的数据主要来源于Wind金融数据库、各上市银行的年报以及中国人民银行、国家统计局等官方网站。对于14家上市银行流动性风险溢出效应的研究，收集了这些银行2010-2024年的年度数据。在宏观经济因素方面，国内生产总值增长率（GDPgrowth）、通货膨胀率（Inflation）数据从国家统计局获取，货币供应量增长率（M2growth）数据来自中国人民银行。银行自身特征因素数据，如资产规模（Assetsize）、资本充足率（Capitaladequacyratio）、存贷比（Loan-to-depositratio）等，均从各上市银行的年报中提取。在获取原始数据后，进行了一系列的数据处理工作。对数据进行了清洗，仔细检查数据的完整性和准确性，剔除了异常值和缺失值。对于存在缺失值的数据，根据数据的特点和实际情况，采用了均值填充、线性插值等方法进行补充。为了消除量纲的影响，对数据进行了标准化处理，将不同量纲的数据转化为具有相同量纲的数据，以便于进行比较和分析。将资产规模数据统一换算为亿元，并对所有数据进行了标准化，使其均值为0，标准差为1。还对数据进行了相关性分析，检验各变量之间是否存在多重共线性问题，若存在多重共线性，则采用主成分分析等方法进行降维处理，以提高模型的准确性和稳定性。经过相关性分析发现，各变量之间不存在严重的多重共线性问题，可直接用于模型估计。6.2.2实证结果解读运用面板数据固定效应模型对构建的计量模型进行估计，得到的实证结果如表6-1所示：变量系数标准误t值P值[95%置信区间]常数项\alpha_00.0520.1230.902-0.191,0.302GDPgrowth\alpha_{11}0.2350.0564.2010.000Inflation\alpha_{12}-0.1860.045-4.1330.000M2growth\alpha_{13}0.1540.0483.2080.002Assetsize\alpha_{21}-0.1230.035-3.5140.001Capitaladequacyratio\alpha_{22}-0.1050.032-3.2810.001Loan-to-depositratio\alpha_{23}0.1560.0384.1050.000从实证结果来看，假设1得到验证，14家上市银行之间存在显著的流动性风险溢出效应。在控制了宏观经济因素和银行自身特征因素后，流动性风险溢出效应指标（Spillover）的回归结果显著，说明银行间的流动性风险确实存在相互影响和溢出的现象。假设2也得到支持，宏观经济因素对14家上市银行流动性风险溢出效应有显著影响。国内生产总值增长率（GDPgrowth）的系数为正且显著，表明经济增长越快，银行流动性风险溢出效应越强。在经济增长较快时期，银行的信贷规模通常会扩大，资产负债结构可能会变得更加复杂，这会增加银行之间的业务关联和风险传递，从而加剧流动性风险的溢出。通货膨胀率（Inflation）的系数为负且显著，说明通货膨胀率上升会降低银行流动性风险溢出效应。这可能是因为通货膨胀率上升时，央行可能会采取紧缩的货币政策，提高利率，减少货币供应量，这会使银行的资金成本上升，信贷规模收缩，从而减少银行之间的风险传递。货币供应量增长率（M2growth）的系数为正且显著，意味着货币供应量增长越快，银行流动性风险溢出效应越强。货币供应量增加会使银行的资金来源更加充裕，信贷规模扩张，银行之间的业务往来更加频繁，这会增加流动性风险在银行间的溢出。假设3同样得到证实，银行自身特征因素对流动性风险溢出效应有影响。资产规模（Assetsize）的系数为负且显著，说明资产规模越大的银行，其流动性风险溢出效应越小。这是因为大型银行通常具有更广泛的资金来源、更强的资金实力和更好的风险管理能力，在面临流动性风险时，能够更好地应对，对其他银行的溢出影响相对较小。资本充足率（Capitaladequacyratio）的系数为负且显著，表明资本充足率越高，银行的流动性风险溢出效应越小。资本充足率高的银行，其抵御风险的能力较强，在流动性风险管理方面更有优势，能够更好地吸收风险冲击，减少对其他银行的风险溢出。存贷比（Loan-to-depositratio）的系数为正且显著，意味着存贷比越高，银行的流动性风险溢出效应越强。存贷比高的银行，资金运用相对激进，流动性风险相对较大，更容易将流动性风险溢出到其他银行。6.3结果讨论与稳健性检验6.3.1结果讨论与经济意义分析从实证结果可以看出，14家上市银行之间存在显著的流动性风险溢出效应，这意味着一家银行的流动性风险状况变化会对其他银行产生影响，这种溢出效应在金融市场中具有重要的经济意义。当一家银行出现流动性问题时，为了获取资金，它可能会在同业拆借市场上提高拆借利率，这将增加其他银行的融资成本，导致其他银行的资金流动性受到影响。这种流动性风险的传播可能会引发市场恐慌，降低投资者对整个银行体系的信心，进而影响金融市场的稳定。宏观经济因素对银行流动性风险溢出效应的影响也具有重要的经济含义。经济增长与流动性风险溢出效应正相关，这表明在经济繁荣时期，虽然银行的业务规模会扩大，盈利水平可能提高，但同时也会增加银行之间的业务关联和风险传递，使得流动性风险更容易在银行间溢出。监管部门和银行在经济繁荣时期应更加关注流动性风险管理，加强对银行间业务的监管，防范流动性风险的积累和传播。通货膨胀率与流动性风险溢出效应负相关，说明通货膨胀对银行流动性风险的影响较为复杂。通货膨胀率上升时，央行采取的紧缩货币政策会对银行的资金成本和信贷规模产生影响，从而减少流动性风险的溢出。银行和监管部门需要密切关注通货膨胀率的变化，合理调整货币政策和风险管理策略，以应对通货膨胀对银行流动性风险的影响。货币供应量与流动性风险溢出效应正相关，意味着货币供应量的变化会对银行的资金状况和业务活动产生影响，进而影响流动性风险的溢出。央行在制定货币政策时，需要充分考虑货币供应量变化对银行流动性风险的影响，保持货币供应量的合理增长，避免过度宽松或紧缩的货币政策导致银行流动性风险的加剧。银行自身特征因素对流动性风险溢出效应的影响也为银行的风险管理提供了重要的参考。资产规模大的银行流动性风险溢出效应小，这表明银行在发展过程中可以通过扩大资产规模来增强自身的抗风险能力，降低对其他银行的风险溢出。银行在追求规模扩张的也需要注意保持合理的资产结构和风险管理能力，避免盲目扩张带来的风险。资本充足率高的银行流动性风险溢出效应小，说明银行应注重提高资本充足率，增强资本实力，以提高抵御流动性风险的能力。银行可以通过发行股票、增加留存收益等方式补充资本，优化资本结构，降低流动性风险。存贷比高的银行流动性风险溢出效应大，这提示银行应合理控制存贷比，优化资产负债结构，避免过度依赖贷款业务，增加资金的流动性和稳定性。6.3.2稳健性检验方法与结果为了检验实证结果的稳健性，采用了以下几种方法进行检验：替换被解释变量：将流动性风险溢出效应指标（Spillover）替换为基于格兰杰因果检验的溢出指数，重新对模型进行估计。格兰杰因果检验可以判断一个变量的变化是否是另一个变量变化的原因，通过计算银行间流动性风险指标之间的格兰杰因果关系，构建溢出指数。估计结果显示，主要变量的系数符号和显著性水平与原模型基本一致，说明实证结果在替换被解释变量后仍然稳健。改变样本区间：选取2012-2022年的数据作为样本，缩短样本区间，再次对模型进行估计。在金融市场中，不同时期的经济环境和市场条件可能会有所不同，通过改变样本区间，可以检验实证结果是否受到样本选择的影响。估计结果表明，各变量的系数和显著性水平没有发生明显变化，说明实证结果在不同样本区间下具有稳定性。加入控制变量：在原模型中加入银行的盈利能力指标（如净资产收益率ROE）和市场竞争程度指标（如赫芬达尔-赫希曼指数HHI），以控制其他因素对银行流动性风险溢出效应的影响。银行的盈利能力会影响