蒋 海等： 货币政策、流动性与银行风险承担

*
货币政策 、流动性与银行风险承担
蒋 海 张小林 唐绅峰 陈创练
内容提要： 货币政策通过流动性机制 ，对银行风险承担产生重要影响 ，显著增加了
宏观审慎监管过程复杂性 ，但鲜有学者对该问题进行过深入研究 。 为此 ，本文在 DLM
模型中引入流动性变量 ，刻画了货币政策影响银行风险承担的流动性机制 ，并基于中
国 133 家商业银行微观数据 ，运用系统性 GMM 估计和面板平滑转换回归模型 ，进行了
实证检验 。 结果发现 ： 货币政策虽然不存在显著的风险转嫁效应 ，但存在显著的流动
性传导效应 ，宽松型货币政策明显加剧了银行风险承担 ，并且这一影响会随着流动性
水平的提高而得到加强 ； 当银行流动性水平达到 43% 左右时 ，货币政策对银行风险承
担的负向影响最为显著 ； 当银行流动性处于较高水平时 ，法定存款准备金率调控效果
优于其他货币政策工具 ； 紧缩型货币政策对银行风险承担的约束明显弱于扩张型货币
政策的激励 ，这一现象在流动性水平较高的银行中表现更加明显 。 另外 ，货币政策与
银行风险承担之间的关系不仅依赖于银行流动性水平 ，还依赖于银行资产规模和资本
充足状况 。
关键词： 货币政策 流动性机制 银行风险承担

一、引 言

大量研究表明 ，长期的低利率及宽松的流动性政策 ，是导致 2008 年全球金融危机的重要

原因 （ Borio ＆ Zhu，2012 ； Berger ＆ Bouwman，2017 ） 。 然 而 这 些 研 究 主 要 集 中 于 货 币 政 策 银 行
风险承担渠道及其对宏观流动性水平的 影 响 上 （ Borio ＆ Zhu，2012 ； 张 强 等 ，2013 ） ，较 少 关 注
该过程的微观流动性机制 。 目前关 于 货 币 政 策 对 银 行 风 险 的 影 响 ，无 论 是 传 统 渠 道 主 张 者 ，
还是银行风险承担渠道坚持者 ，都 认 同 货 币 政 策 通 过 信 贷 渠 道 影 响 金 融 稳 定 的 结 论 （ Taylor，
1995 ； Borio ＆ Zhu，2012 ； 张 雪 兰 和 何 德 旭 ，2012 ； Angeloni et al．，
2015） 。 由 此 引 申 出 一 个 重 要
现实问题 ： 因银行 的 流 动 性 与 信 贷 密 切 相 关 ，货 币 政 策 会 通 过 流 动 性 机 制 影 响 银 行 风 险 承
担吗 ？
研究表明，宽松型货币政策会通过信贷机制 ，降低银行因流动性短缺而遭受监管惩罚的概率，
进而激励银行的流动性创造和冒险行为 ，为金融危机埋下隐患。当货币政策趋紧时，流动性水平会
迅速回落，使银行流动性从过剩转向短缺，从而增加银行流动性风险及其破产概率。 因此，从学理
上看，货币政策通过信贷渠道影响银行风险时 ，流动性机制应该发挥着重要作用。 再从实践看，亚
洲金融危机后，中国银行业流动性水平随货币政策的调整而发生显著变化 ，呈现“先上升、后下降、

* 蒋海、唐绅 峰、陈创练，暨南大学经济学院，邮政 编码： 510632，电 子信箱： tjiangh @ jnu． edu． cn，1249879120 @ qq． com，
chenchuanglian@ jnu． edu． cn； 张小林（ 通讯作者） ，华南理工大学经济与金融学院、东莞银行股份有限公司，邮政编码： 523000，电子
信箱： zhangxl_1991@ sina． com。本研究得到国家自然科学基金项目（ 项目号： 71973053、
71771093） 资助。作者感谢匿名审稿人提
出的宝贵意见和修改建议，文责自负。

56
 2021 年第 8 期

最后趋于平稳”的特征。① 同时，银行业风险水平也呈现明显的周期性变化 ，不良贷款率由 2004 年

13. 2% 下降至 2008 年 2. 4% ，自 2009 年起一直控制在 2% 以下。 可见，中国货币政策调整与银行
流动性及银行风险之间一直保持着密切的联动关系 。
长期以来，
中国银行流动性水平远远高于 25% 的监管要求，
流动性风险并不大。但是，自 2014 年
以来，
中国经济下行压力不断增加，同时利率市场化改革初步完成，影子银行和金融创新快速发展，金
融市场竞争性和不确定性明显增强。特别是在中美贸易战及新冠疫情影响下，中国系统性金融风险
显著上升，
面临的流动性风险日益凸显。因而决策当局将系统性风险防范和国家金融安全问题提高
到了前所未有的高度，在中央经济工作会议和全国金融工作会议中多次强调，构建“货币政策 + 宏观
审慎”的双支柱监管框架，加强银行流动性监管，
守住不发生系统性金融风险底线，维护国家金融安全
和稳定。② 因此，深入研究系统性风险的防范和流动性风险监管问题，尤为必要。 然而，鲜有学者
对货币政策银行风险承担渠道中的微观流动性因素及其影响机制进行过深入研究 。而这一问题的
解决，对厘清货币政策与银行风险承担之间复杂的动态机制及流动性在其中扮演的角色 ，从而为构
筑科学合理的“货币政策 + 宏观审慎”双支柱监管体系，提供更加坚实的微观基础和理论依据 。
基于上述认识，本文从银行微观流动性视角，研究了货币政策银行风险承担中的流动性机理。
主要贡献体现在三个方面： 第一，将流动性变量纳入 DLM 模型，论证了微观流动性在货币政策银行
风险承担渠道中发挥的重要影响及其作用机制 ，弥补了该领域研究的不足； 第二，实证检验了银行
风险承担与货币政策间随流动性变化而呈现非线性转换的特征 ，并运用关系参数图，识别出每家银
行风险承担与货币政策之间的关系参数 ； 第三，考察了高流动性和低流动性银行的货币政策调控效
果，为金融当局制定差异化货币政策和流动性监管政策 ，提供了理论依据。

二、文献回顾
宽松型货币政策会通过收入估值机制 、逐利收益机制、央行沟通机制和杠杆机制，加剧银行风
险承担。Dell'Ariccia ＆ Marquez（ 2006） 、Matsuyama（ 2007） 、Borio ＆ Zhu（ 2012） 、Matthias ＆ Matthias
（ 2018） 等研究发现，宽松型货币政策在提高银行资产价值的同时 ，会降低银行融资成本，导致银行
风险识别能力下降和贷款违约概率上升 ； Ｒajan（ 2006） 、Delis et al． （ 2017） 等研究表明，宽松型货币
政策会通过逐利竞争机制，推高银行风险承担水平； Dell' Ariccia et al． （ 2017） 实证发现，较低的短
期利率，会显著增加银行风险承担。另外，货币政策对风险承担的影响，因银行规模、资本充足率等
微观特征而呈现明显的差异。López et al． （ 2011） 研究表明，银行风险承担呈现“大而不倒 ”的特
征； Delis ＆ Kouretas（ 2011） 研究发现，资本充足率越高的银行，抵消货币政策负面冲击的能力就越
强； Dell'Ariccia et al． （ 2017） 分析表明，货币政策对银行风险的影响，存在资本水平门限效应。
美国次贷危机后，许多金融机构在宽松的货币政策下，依然出现了严重流动性问题甚至危机，
2017） 研究发现，流动
该现象引起了学界对货币政策流动性创造的关注 。Berger ＆ Bouwman（ 2009，
性创造主要来自大银行，小银行对流动性创造的贡献有限 。正常时期，货币政策主要对表内流动性
创造产生影响，且仅对小银行有效，但在金融危机期间，这一影响明显减弱； Chatterjee（ 2015） 研究

① 1997—2004 年期间，央行为了刺激经济复苏，多次下调存贷款基准利率，一年期存款基准利率从 5. 67% 下调至 1. 98% ，

三年期贷款基准利率从 9. 36% 下调至 5. 49% ，而同期银行业流动性水平从 45. 12% 增加到 57. 47% 。在 2004—2008 年间，为了抑
制经济过度扩张，央行又多次上调存款和贷款基准利率，银行流动性水平也随之下降至 46. 2% 。从 2008 年至今，央行采取了稳健
而适度宽松的货币政策，银行流动性水平则一直保持在 46% 左右。数据来源于中国人民银行（ http： / / www. pbc. gov. cn） 和中国银
行保险监督管理委员会（ http： / / www. cbirc. gov. cn） 官网。
② 监管部门自 2018 年起，推出了《关于规范金融机构资产管理业务指导意见》及《商业银行流动性风险管理办法》等一系列
监管措施，实施了近年来最严格的强监管政策，旨在加强银行的流动性监管。

57
蒋 海等： 货币政策、流动性与银行风险承担

表明，宽松型货币政策可能通过提高资产价格和流动性 ，来增加银行的流动性创造； Kashyap ＆

Stein（ 2000） 、Acharya ＆ Naqvi（ 2012） 、Berger ＆ Bouwman（ 2017） 等分析表明，长期宽松的货币政策
会降低银行因流动性短缺而遭受惩罚的概率 ，从而激励银行的信用创造。 然而，过度的流动性创
造，会引发资产泡沫，为金融危机埋下隐患。当货币政策趋紧时，流动性水平会迅速回落，使银行流
动性由过剩转向短缺，从而显著增加银行流动性风险和破产概率 ； Freixas et al． （ 2011） 研究指出，金
融危机期间央行应降低银行同业拆借利率 ，以缓解流动性短缺问题； Pierre ＆ Aynaoui（ 2010） 研究
发现，降低信贷标准而造成的流动性过剩 ，会显著提高银行违约概率，增加银行脆弱性； 存款准备金
率是抑制流动性过剩、防止银行危机最有效的货币政策工具 。然而，多次的全球及区域性金融危机
期间，一些不存在流动性过剩和短缺的银行 ，却受到危机严重冲击。 其重要原因是，银行流动性存
在明显的顺周期性，危机期间快速加剧了银行微观流动性的波动率 。
针对商业银行流动性风险问题日益凸显，《巴塞尔协议Ⅲ 》将流动性纳入了银行监管主要监控
指标。同时，一些学者也开始对该问题进行研究。 在流动性风险传导机制方面，Antoniades（ 2016）
分析了 2007—2009 年金融危机期间，流动性风险通过资产负债表收缩影响信贷的机制。 结果发
现，流动性风险是危机期间银行信贷收缩的重要驱动因素 ； 曾智和姚舜达 （ 2017） 从流动性监管视
角，检验了中国货币政策风险承担的传导效率 。结果表明，为达到流动性监管要求，银行会减少风
险贷款发放规模，从而导致风险承担降低。 在流动性 约 束 与 银 行 风 险 承 担 关 系 方 面，Kapan ＆
Minoiu（ 2018） 检验了 2006—2010 年美国金融危机发生前后，净稳定资金比率与银行信贷之间的相
关性。结果发现，净稳定资金比率高的银行受金融危机的冲击较小； 李明辉等 （ 2016） 研究表明，提
高净稳定资金比率，会显著降低银行的融资成本，从而降低信用风险； Chatterjee ＆ Eyigungor（ 2009）
分析表明，流动性监管可有效遏制银行高杠杆率及其资本的顺周期性 ，起到维护金融稳定的作用；
Gambacorta ＆ Marquesibanez（ 2011） 分析表明，流动性约束短期内会对信贷供给和经济增长产生负
面影响，但长期内可有效降低银行的流动性风险 ，减少金融危机发生的可能性。
中国银行业近年来也频繁爆发“钱荒”等流动性风险事件，因程度轻、影响面小，没有引起学界
广泛关注，只有少数学者对该问题进行过分析 。邓向荣和张嘉明 （ 2018） 对中国货币政策的流动性
创造进行了实证研究。结果发现，货币政策会通过银行风险承担影响流动性创造 ，宽松型货币政策
在增加银行表内流动性创造的同时 ，会降低表外流动性创造； 庞晓波和钱锟 （ 2018） 研究表明，降低
利率会增加银行风险承担，提高净稳定资金比率会弱化该效果 ； 曾智和姚舜达 （ 2017） 实证表明，银
行风险承担与货币政策间存在显著负相关性 ，提高流动性会弱化该效应。
综上所述，目前关于流动性与银行风险承担关系的研究才刚刚兴起 ，且主要集中于货币政策流
动性创造与金融危机关系上，较少从银行微观流动性视角对该问题展开研究，而将货币政策、流动
性及银行风险承担纳入一个理论框架并进行实证的研究就更少了 。 只有邓向荣和张嘉明 （ 2018）
做过三者关系的研究，但主要集中在货币政策通过银行风险承担渠道影响流动性创造过程上 ，更多
体现宏观流动性传导机制及其状态 。然而每家银行流动性水平存在着明显差异 ，宏观流动性并不
能完全反映微观流动性的个体差异及其满足到期债务清偿义务的需求状况 。 历史上曾多次出
现 ，金融危机期间宏观流动性过剩与微观流动性短缺并存 ，引发银行挤兑甚至系统性金融风险现
象 。 宏微观流动性之间不一致性的问题 ，在中小商业银行中尤为明显 （ 王永钦等 ，
2018） 。 国际经
验表明 ，经济突然由繁荣转向萧条或央行实施紧缩型货币政策时 ，由银行流动性不足演变成流动
性危机的可能性明显上升 。 此外 ，银行的风险承担可能因流动性水平高低差异而呈现非线性特
征 ，同时银行间流动性差异明显 ，因而风险承担与货币政策间的关系参数存在一定差异 。 而现有
研究基本上假设每家银行的风险承担对货币政策变动的反应程度是一致的 ，并采用线性面板回
归模型进行实证检验 ，这一简化处理难以准确地刻画三者之间的关系 。 因此 ，本文将针对银行间
58
 2021 年第 8 期

流动性水平差异及货币政策与流动性之间的非线性关系展开研究 ，在一定程度上弥补了该领域
研究的不足 。

三、理论分析
本文在 DLM 模型（ Dell'Ariccia et al．，
2010） 基础上，将银行微观流动性变量引入原模型 ，①更加
合理地刻画了货币政策、流动性与银行风险承担之间的复杂关系及其影响机制 ，这一拓展在一定程
度上弥补了原模型的局限。
（ 一） 模型假设
模型基于三个基本假设： （ 1） 银行受有限责任保护，对贷款监督的努力程度代表其风险承担水
平，贷款监督努力程度越大，银行风险承担水平越低； 反之，则相反。（ 2） 银行单位负债成本由存款
利率构成，存款利率受政策利率影响。（ 3） 货币政策对银行风险承担的影响，取决于风险转嫁效应
和流动性传导效应的共同作用。风险转嫁效应下，降低政策利率会降低银行负债成本 ，从而提高银
行的贷款监督努力，降低银行风险承担； 流动性传导效应下，宽松型货币政策将提高银行流动性水
平，进而加剧银行的风险承担。
（ 二） 模型设置
2
设银行单位贷款监督努力程度为 q，单位贷款监督成本 C 采用二次函数形式，即 C = cq /2，c 为
成本系数。由成本函数可知，q 越大，单位贷款监督成本就越大，且边际监督成本递增。 同时，q 越
大，银行发生违约的概率越小，风险承担就越低； 银行贷款需求曲线 L（ r L ） 是关于贷款利率 r L 的减
函数，即 L（ r L ） = B － ar L ，B 为常数，a 为贷款利率影响贷款需求的边际系数； 银行贷款资金来源于
自有资本和存款，单位贷款中资本占比为 k，存款占比为 1 － k。存款准备金制度下 （ 存款准备金率
为 e） ，单 位 资 本 带 动 的 贷 款 为 1 / k，相 应 的 存 款 为 （ 1 － k ） / （ k （ 1 － e ） ） 。 引 入 存 贷 比 倒 数
m（ m = （ 1 － k） / （ 1 － e） ） 表示流动性水平，m 越大，说明银行到期支付债务压力就越小 ，流动性风险
就越小； 银行单位贷款的收益为 r L ，存款保险制度下存款人不要求银行补偿其承担的风险，即存款
*
利率等于政策利率（ r D = r ） 。同时，由于股东要求银行缴纳存款准备金而导致成本上升的额外补
偿很低（ 可忽略不计） ，因此，单位资本的收益要求为： r E = r D / （ 1 － e） 。
（ 三） 模型求解 ②
*
模型求解分两步完成： 第一步，在给定政策利率 （ r ） 和法定存款准备金率 （ e） 下，求解银行最
优贷款监督努力程度 q； 第二步，在最优的 q 下，求解银行最优流动性水平 m。 根据模型假设和设
置，银行的期望利润函数如下：

∏ = [ q（ r L － mr D ） — ( （ 1 r－ e）
D
) 1 2
]
－ mr D － 2 cq L（ r L ） （ 1）
*
首先，给定其他条件不变，通过（ 1） 式对 q 求导，可得最优贷款监督努力程度 q ：
r L － mr *
q* = （ 2）
c
由（ 2） 式可以看出，银行最优贷款监督努力程度与银行贷款利率 （ r L ） 正相关，与流动性水平
（ m） 和政策利率（ r * ） 负相关。该结论与原 DLM 模型一致。

① 引入存贷比倒数来衡量银行流动性水平高低，一方面为了保证实证分析指标与理论模型一致； 另一方面也是为了更好地
将流动性引入原模型。需要指出的是，中国于 1995 年开始实施存贷比上限不超过 75% 的监管标准，但由于存贷比监管引发了监
管套利，削弱了银行宏观流动性创造等问题（ 高然等， 2018） ，因而 2015 年取消了存贷比限制，但仍将存贷比作为检测指标，对流动
性风险进行辅助监管。因此，本文利用存贷比倒数衡量银行流动性水平仍具有合理性。
② 限于篇幅，同时为了更清晰地呈现论文主要逻辑，这里只列出模型推导的主要步骤，如需详细推导过程请与作者联系。

59
蒋 海等： 货币政策、流动性与银行风险承担

接下来考虑银行贷款利率（ r L ） 的最优决策。将（ 2） 式代入（ 1） 式中，可得：

[（ r － mr * ）
]
2
r*
∏ － mr * ） L（ r L ） （ 3）
L
= －（
2c （ 1 － e）
∏
通过（ 3） 式对贷款利率（ r L ） 求导，并令 A≡ ，可得：
r L
A
r
* =－
r L [
L（ r L ） m（ r L － mr * ）
2c
+
（ 1 － m（ 1 － e） ） r L
（ 1 － e） （ r L － mr * ）
]＞0
[
L（ r L ） 3r * （ r L － mr * ） r * （ 1 － r L ） + emr *
]＞0
2
A
=－ + （ 4）
m r L 2c （ r L － mr * ）
*
dm A / r dq * q * q * dm
由（ 4） 式可得： * = － ＜ 0。同时，由 * = * + 可得：
dr A / m dr r m dr *
dq *
dr *
= －
1
c [
m +
（ 1 － e） m（ r L － mr * ） 2 + 2c（ 1 － m（ 1 － e） ） r L
（ 1 － e） （ 3（ r L － mr * ） 2 + 2c（ 1 － r L + emr * ） ）
] （ 5）

*
q m
其中， * = － ＜ 0 代表货币政策的风险转嫁效应，即给定贷款利率，降低政策利率会增加银行的
r c
*
q dm
期望收益，从而激发银行提高对贷款监督的努力程度 ，进而降低银行风险承担水平。 ＞0
m dr *

代表货币政策流动性传导效应，即政策利率下降时，会增加银行流动性 ( drdm ＜ 0 ) ，进而降低银行对

*

( )
*
q r*
贷款监督的努力程度 = － ＜ 0 ，银行风险承担水平上升。
m c
DLM 模型中，货币政策的银行风险承担效应，取决于风险转嫁效应和利率传导效应的净效应 。
而本文引入流动性变量后发现，货币政策对银行风险承担的影响 ，则由风险转嫁效应和流动性传导
效应的净效应决定。 据江曙霞和陈玉蝉 （ 2012） 证明，当银行资本水平 k = 0 和 k = 1 时，分别有
* * *
q q q
* ＜ 0 和 * ＞ 0，则存在一个 k，使得 * = 0。 据本文分析 ，流动性水平 m = （ 1 － k） / （ 1 － e） ，因而
r r r
*
q
银行流动性水平与资本水平之间存在一一对应关系，所以对应的流动性 m1 和 m2 ，必然使得 * ＜0
r
* *
q q
和 * ＞ 0，此时必然存在一个m，满足 * = 0。因此，货币政策对银行风险承担的影响因流动性水
r r
平高低呈现非线性转换特征： 当货币政策的流动性传导效应大于风险转嫁效应时 ，降低政策利率会
增加银行风险承担； 反之，则相反。这一拓展和发现，可以更加深刻地理解货币政策影响银行风险
承担中的流动性机制及其在利率传导效应中的重要作用 ，这也是本文在理论上的边际贡献 。
（ 四） 研究假设
上述分析表明，货币政策对银行风险承担的影响，取决于风险转嫁和流动性传导效应的净效
应，而净效应的大小很大程度上取决于流动性水平的高低 。当银行流动性水平低于某一临界值时 ，
风险转嫁效应大于流动性传导效应 ，净效应为负，即宽松型货币政策会降低银行风险承担水平； 当
银行流动性水平高于临界值时，风险转嫁效应小于流动性传导效应，净效应为正，宽松型货币政策
会提高银行风险承担水平。而紧缩型货币政策会迅速降低银行流动性水平 ，引发银行业流动性剧
烈波动，迫使央行在货币政策选择上更为谨慎 ，货币政策操作空间更为有限。这一结论与中国的现
实情况比较吻合，如亚洲金融危机后，中国采取了积极的货币政策，以扭转银行流动性短缺及经济
发展低迷局面。同时，为化解国有银行不良资产，对银行业进行了大规模注资，使银行体系流动性
60
 2021 年第 8 期

短缺迅速转化为流动性过剩。2006 年下半年开始，一直到 2008 年上半年，国家为解决流动性过剩

问题，两年内又多次上调法定存款准备金率和基准利率，使流动性水平开始下降，并一直保持在
46. 2% 左右的水平。这样的调控措施，使货币政策操作空间受到明显制约 。因此，理论和实践经验
均证明，商业银行保持合理的流动性水平 ，不仅能够确保银行体系的稳定，而且可以更好地发挥货
币政策调控的有效性。基于此，本文提出假设 1 和假设 2。
假设 1： 货币政策的风险转嫁效应会降低银行的风险承担 ，而货币政策的流动性传导效应会加
剧银行的风险承担。
假设 2： 货币政策对银行风险承担的影响，取决于风险转嫁效应和流动性传导效应的净效应，
且净效应的大小因流动性水平的高低而呈现非线性转换特征 。 当银行流动性水平过高时，紧缩性
货币政策的调控效果将会明显下降 。
研究表明，当出现流动性短缺时，大银行可凭借其规模优势，能够更好地应对流动性风险，这也
是大银行很少发生流动性挤兑的主要原因 （ 张雪兰和何德旭，2012） ； 资本充足的银行在受到外部
流动性冲击时，可及时通过自有资本进行补充，克服流动性冲击的影响 （ Delis ＆ Kouretas，2011） 。
因此，为验证中国银行业同样存在大而不倒现象及其背后的流动性机制 ，提出假设 3。
假设 3： 规模越大、资本越充足的银行，货币政策对其风险承担的影响越小 。

四、实证设计
（ 一） 实证模型
1． 货币政策风险转嫁效应和流动性传导效应的检验
为了验证假设 1，本文借鉴 Baron ＆ Kenny（ 1986） 中介效应方法，构建如下模型：
9

ＲISK it = α0 + α1 ＲISK it －1 + α2 MP t + ∑
j =3
α j Control it + μ i + ε it
9

LIQ it = ν0 + ν1 LIQ it －1 + ν2 MP t + ∑
j =3
ν j Control it + μ i + ε it
10

ＲISK it = π0 + π1 ＲISK it －1 + π2 LIQ it + π3 MP t + ∑ π j Control it + μ i + ε it （ 6）

j =4

其中，
i 和 t 分别表示第 i 家银行和年份，ＲISKit 表示银行风险承担水平，LIQit 表示银行流动性水平，
Control it 表示控制变量。若模型（ 6） 中回归系数 α2 显著为负，
说明宽松型货币政策会加剧银行风险承担；
若系数 ν2 显著为负，
而 π2 显著为正，
说明宽松型货币政策会通过流动性传导效应加剧银行风险承担。
2． 银行风险承担与流动性水平之间 U 型关系的检验
为了验证银行风险承担与流动性水平之间的 U 型关系 （ 假设 2） ，在模型 （ 6） 中引入流动性水
2
平二次项（ LIQ it ） ，构建如下模型：
10

ＲISK it = β0 + β1 ＲISK it －1 + β2 LIQ it + β3 LIQ2it + ∑ β j Control it + μ i + ε it （ 7）

j =4

据（ 7） 式可知，若 β2 系数显著为负，而 β3 系数显著为正，说明银行风险承担与流动性水平之间

存在显著的 U 型关系。当银行流动性处于 U 型拐点的左边时，提高流动性水平能够降低银行风险
承担； 当银行流动性处于 U 型拐点的右边时，提高流动性水平会加剧银行风险承担 。
3． 货币政策对银行风险承担影响的非线性转换特征检验
为了验证货币政策银行风险承担渠道因流动性水平高低而呈现非线性转换的特征 （ 假设 2） ，
本文借鉴面板平滑转换回归（ PSTＲ） 模型（ González et al．，
2005） ，考察不同流动性水平下，银行风险
承担与货币政策之间的关系，具体形式如下：
61
蒋 海等： 货币政策、流动性与银行风险承担

10

ＲISK it = θ0 + θ1 ＲISK it －1 + θ2 MP t + θ3 MP t g（ LIQ it ，γ，c） + ∑ θ j Control it + ε it （ 8）

j =4

其中，流动性水平 LIQ it 为转换变量，转换函数 g（ LIQ it ，γ，c） 遵循 logistic 函数关系：

1
g（ LIQ it ，γ，c） = m ，γ ＞ 0 （ 9）
1 + exp（ － γ∏ （ LIQ it － c） ）
c =1

其中，c 为转换函数的位置参数，m 为位置参数个数，γ 为平滑参数 （ logistic 函数变化的平滑程度 ） ，

γ 决定不同区制间的转换速度。
由于不同银行风险承担受货币政策影响程度存在差异 ，为刻画每家银行风险承担与货币政策
之间的非线性关系，需要测算各家银行风险承担与货币政策间的关系参数 r MP t 。测算公式如下：
ＲISK it
r MP t = = θ2 + θ3 g（ LIQ it ，γ，c） （ 10）
MP t
当 r MP t ＞ 0，表示货币政策对银行风险承担的影响，随流动性水平提高而呈增长态势； 当 r MP t ＜
0，表示货币政策对银行风险承担的影响 ，随流动性水平提高呈下降态势。
遵循面板平滑转换回归模型应用的一般做法 （ González et al．，
2005） ，在 γ = 0 处对转移函数 g
（ LIQ it ，γ，c） 进行一阶泰勒展开，并构造如下辅助回归方程进行“线性检验”：
8

ＲISK it = θ0 + θ1 ＲISK it －1 + ∑
j =2
θ j Control it + ω0 MP t

+ ω1 MP t LIQ 1it + ω2 MP t LIQ 2it + … + ω m MP t LIQ mit + ε *it （ 11）

*
其中，ε it = ε it + Ｒ m ω1' MP t ，Ｒ m 为泰勒展开的剩余项。同时，检验模型（ 8） 中线性假设 H0 ： γ = 0，等价
* *
于模型（ 11） 中 H0 ： ω1 = ω2 = … = ω m = 0。 为检验原假设 H0 是否成立，构造 F、LM 和 pseudo-LＲT
三个检验统计量：
TN（ SSＲ0 -SSＲ1 ）
LM = － χ2mk
SSＲ0
（ SSＲ0 -SSＲ1 ） / mk
F = － F（ mk，TN-N-mk）
SSＲ1 / （ TN-N-mk）
pseudo-LＲT = -2log（ SSＲ ur / SSＲ0 ） － χ2mk （ 12）
（ 12） 式中，SSＲ0 和 SSＲ1 分别表示原假设和备择假设成立下的面板残差平方和 ，SSＲ ur 表示线
性化无约束回归模型的残差平方和 。在“线性或非线性 （ H0 ： r = 0，H1 ： r = 1） ”检验中，若拒绝 H0 ：
r = 0，则模型存在非线性转换特征，需要对模型进行“剩余非线性检验 （ H0 ： r ≥1） ”，以考察转换函
数最优个数。考察是否存在唯一的转换函数 （ H0 ： r = 1） 或至少存在两个转换函数 （ H0 ： r = 2） 。 在
H1 ： r = 2 备择假设下，PSTＲ 模型表达式如下：
ＲISK it = θ0 + θ1 ＲISK it －1 + θ2 MP t + θ3 MP t g（ LIQ （it1） ，γ1 ，c）
11

+ θ4 MP t g（ LIQ （it2） ，γ2 ，c） + ∑ θ j Control it + ε'it （ 13）

j =5

与模型（ 11） 检验类似，为检验模型（ 13） 是否存在两个转换函数，检验原假设 H0 ： γ2 = 0 是否成

（ 2）
立即可，即在 γ2 = 0 处对 g（ LIQ ，γ2 ，c） 转换函数进行一阶泰勒展开，并构造辅助回归方程，运用
F、LM 和 pseudo-LＲT 统计量，检验机制转换效应显著性。 若不拒绝原假设 H0 ： r = 1，则模型只存在
*
唯一转换函数； 若拒绝原假设，则模型至少存在两个转换函数，需要进一步对原假设 H0 ： r = r
（ r * ≥2） 进行检验。以此类推，直到不拒绝原假设为止。
为进一步验证紧缩型货币政策对高流动性水平银行调控效果不显著的推断 ，本文将研究样本
62
 2021 年第 8 期

分为高流动性银行和低流动性银行 ，引入货币政策周期的虚拟变量 DMP，构建如下模型：

11

ＲISK it = ρ0 + ρ1 ＲISK it －1 + ρ2 MP t + ρ3 MP t × DMP + ρ4 DMP + ∑

j =5
ρ j Control it + μ i + ε it

（ 14）
DMP 的处理参考索彦峰和陈继明（ 2008） 识别货币政策周期的 HP 滤波方法，即若 M2 增速的
周期波动值大于 0，则定义为扩张期（ DMP = 0） ； 否则，定义为紧缩期（ DMP = 1） 。若系数 ρ3 显著为
正，说明紧缩型货币政策对银行风险承担约束作用弱于扩张型货币政策激励作用 ； 若该表现在高流
动性银行中影响越明显，说明紧缩型货币政策对高流动性银行的约束作用越低 。
（ 二） 指标说明
1． 银行风险承担（ ＲISK it ）
银行风险承担主要有 Z 值、 风险加权资产占比和违约概率等衡量指标。其中，
不良贷款率、 Z 值主要
衡量银行破产风险，
能够较为全面地反映银行经营状况， 同时与不良贷款率一样，
均可体现银行被动承担
风险的水平，
是风险承担的事后度量指标； 而风险加权资产占比主要反映银行主动承担风险的指标， 难以
准确反映银行经营状况； 违约概率数据又存在准确性低且可获得性差等问题。因此，
本文选择 Z 值来衡
量银行风险承担，
即 Zscoreit = σi （ ＲOAit ） / （ ＲOAit + SHEit ） ，
其中 ＲOAit 为资产收益率，
σi （ ＲOAit ） 为资产收
益率每三年的滚动标准差， SHE it 为权益资产占比。Zscore it 值越大，表示银行风险承担水平越高。
①

2． 货币政策（ MP t ）
考虑到中国货币政策调控工具逐渐由数量型为主转向价格型为主 ，本文同时选择一年期存款
基准利率（ ＲD t ） 、一年期贷款基准利率（ ＲL t ） 、法定存款准备金率 （ ＲE t ） 和广义货币增长率 （ M2 ） 作
为货币政策的代理变量，以保证估计结果的稳健性。②
3． 流动性水平（ LIQ it ）
银行流动性变量的衡量指标主要有流动性比率 、贷存比、流动性覆盖率、流动性匹配率、优质流
动性资产充足率和净稳定资金比率等 。据中国银保监会要求，流动性覆盖率和优质流动性资产充
足率于 2018 年年底前达标，流动性匹配率于 2019 年年底前达标，因而目前只有少数银行公布了这
三项指标近两年的数据。净稳定资金比率仅适用于资产规模大于 2000 亿元的商业银行； 贷存比已
于 2015 年被取消，之后仅作为流动性监管的辅助性监测指标 。因此，本文选择流动性比率，即流动
资产与流动负债比值，作为流动性水平代理变量。同时还选择存贷比的倒数进行了稳健性检验 。
4． 控制变量（ Control it ）
本文选取的控制变量包括： 资本充足率 （ CAＲ it ） 、资产规模 （ LNTA it ） 、成本收入比 （ CP it ） 、不良
贷款率（ NPL it ） 、净息差（ NEG it ） 、非利息收入占比（ NIE it ） 和经济增长率（ GDP t ） 。
（ 三） 样本选择和数据说明
本文选取 2002—2017 年中国 133 家商业银行的非平衡面板数据为研究对象 ，其中，包括 5 家
国有控股银行、 8 家股份制商业银行、 120 家城市商业银行和农村商业银行 。数据来源于 Bankscope
数据库、Wind 数据库和各家商业银行年报。
研究样本数据分析表明，核心解释变量流动性比率的均值为 52. 19% ，远高于监管当局 25% 的
最低要求，说明中国商业银行流动性持有水平较高 ； 同时流动性比率和存贷比倒数的最小值与最大
值的差值及标准差均较大，说明各银行间流动性水平的差异较大 ； 从银行间流动性比率的差异看 ，

① 前两年总资产收益率 （ ＲOA it ） 的 滚 动 标 准 差 为 当 年 和 第 二 年 的 标 准 差，其 余 年 份 均 为 当 年 和 前 两 年 总 资 产 收 益 率

（ ＲOA it ） 的标准差。
② M2 越大，表示货币政策越宽松； ＲD t 、ＲL t 和 ＲE t 越小，表示货币政策越宽松。为保持符号的一致性，对 M2 乘以 － 1。

63
 蒋
!! "#$%&’()*+,-./012

64
34567 " !"#$%& ’(
) !"#$%&

4567 %* %’ %& +# %* %’ %& +# %* %’ %& +#

!!! !!! !!! !!! !!! !!! !!! !!! !!! !!! !!!
%$&’& %$&’# %$&’) %$&’’ %$#** %$(%% %$#)* %$(+! %$&’* %$&’* %$&)! %$&)( !!!
’$,
!%$%%&%%" !%$%%(%#" !%$%%()!" !%$%%#%!" !%$%!+)" !%$%!*#" !%$%!+’" !%$%!*#" !%$%%(’’" !%$%%(+&" !%$%%(*!" !%$%%(’("
!!! !!! !!! !!! !!! !!!
,%$!!& ,%$%)*& ,%$%!&% %$%%%-’% ,($()# ,#$’%( ,%$+() %$%#!) ,%$%)%* !!! ,%$%**% !!! ,%$%#%) !!! %$%%%&&#
+-
!%$%%-)(" !%$%%-)’" !%$%%!-*" !%$%%!%-" !%$!’-" !%$!)+" !%$%-#%" !%$%!&&" !%$%%)&#" !%$%%)!’" !%$%%##(" !%$%%!%+"

%$%%+)* !!! %$%%*%* !!! %$%%)!* !!! %$%%’&- !!!

’(
)
!%$%%%+-*" !%$%%%+(!" !%$%%%*(&" !%$%%%&+&"
!! !!! !!! !!! !!! !!!
,%$%%**% ,%$%%+!& ,%$%!() ,%$%#!& ,%$-’* ,%$--! ,!$#)’ ,%$))% ,%$%%#’! ,%$%%%**- %$%%#!- ,%$%%)(+
.*-
海等： 货币政策、流动性与银行风险承担

!%$%%--*" !%$%%-+’" !%$%%+%+" !%$%%-+’" !%$!%(" !%$!%+" !%$%’)#" !%$%’&&" !%$%%+!!" !%$%%+#’" !%$%%+(&" !%$%%+!)"
!!! !!! !!! !!! !!! !!!
%$%!*% %$%!+- %$%!)% %$%!*+ ,%$!)! ,%$!’& ,%$!)& !!! ,%$!#- !!! %$%!’) !!! %$%!’& !!! %$%#(& !!! %$%!)( !!!
#-
!%$%%#!’" !%$%%##!" !%$%%#%*" !%$%%#!+" !%$%(!’" !%$%(!*" !%$%#*)" !%$%(!!" !%$%%#!’" !%$%%#!’" !%$%%#!#" !%$%%#!-"

,%$!%! !!! ,%$!%! !!! ,%$!%# !!! ,%$!%% !!! %$%)*! %$%’’- %$!’’ !! %$!#’ ! ,%$!%& !!! ,%$!%( !!! ,%$!%& !!! ,%$!%( !!!
#/%
!%$%%!!*" !%$%%!#(" !%$%%!**" !%$%%!+’" !%$%+&’" !%$%+*%" !%$%*-*" !%$%*!)" !%$%%!!(" !%$%%!!+" !%$%%#!)" !%$%%!+("

,%$#+& !!! ,%$#*! !!! ,%$##! !!! ,%$#(+ !!! ,($+’- !!! ,($&+’ !!! ,#$’(% !!! ,#$%#! !!! ,%$#&& !!! ,%$#&! !!! ,%$!’! !!! ,%$#%& !!!
’01/
!%$%!+(" !%$%!-!" !%$%!(&" !%$%!(%" !%$&*%" !%$&*%" !%$-%+" !%$&+%" !%$%!)-" !%$%!)-" !%$%!’’" !%$%!)’"

%$%!)! !!! %$%!’) !!! %$%#%) !!! %$%#%’ !!! %$!&) !!! %$!#! !! %$!)# !!! %$!#& !! %$%!)% !!! %$%!’( !!! %$%!)) !!! %$%!)* !!!
0(
&
!%$%%!&)" !%$%%!+&" !%$%%!&&" !%$%%!-%" !%$%-()" !%$%-(*" !%$%-!&" !%$%-!#" !%$%%!*+" !%$%%!)!" !%$%%!*-" !%$%%!**"

%$(!- !!! %$(!# !!! %$#&- !!! %$#+% !!! #$&*’ !!! #$(** !!! !$’++ !!! !$%** !!! %$(!! !!! %$(!( !!! %$#(! !!! %$#+’ !!!
0&.
!%$%!%#" !%$%%)*)" !%$%%)!%" !%$%!%+" !%$#’&" !%$#)!" !%$#’(" !%$#*!" !%$%!#-" !%$%!((" !%$%!(&" !%$%!!’"
!!! !!! !!! !!! !! !! !!! !!! !!! !!!
%$!(* %$!&& %$!*( %$!+& %$&’- %$*%& %$+%% !$!#( %$!(( %$!(’ %$!*# %$!-# !!!
0-’
!%$%%-+!" !%$%%-*’" !%$%%-*#" !%$%%+#*" !%$#)+" !%$#*’" !%$#+*" !%$!)&" !%$%%-’%" !%$%%-’%" !%$%%-*%" !%$%%-)+"
./!!" 0
1 %$%%% %$%%% %$%%% %$%%% %$%%% %$%%% %$%%% %$%%% %$%%% %$%%% %$%%% %$%%%
./!#" 0
1 %$’#* %$’!& %$’%( %$’!! %$*)) %$+!+ %$*!* %$-#) %$’%- %$*)) %$*’! %$*)+
23
453
601 %$*’* %$*’( %$*!’ %$*&! %$)%) %$’)# %$’+- %$’(- %$*%+ %$*## %$+*# %$+-*
! !! !!!
7 7!! " " 1’ ./%#& 0
"#$%& !%8#-8’ !8()*+,-.)*$ .$/$ ./%!& 0 4
1"#01234’52346789( 1:"2353
6010;<=# 23
453
6 67( 1:"
$ # /$
 2021 年第 8 期

大部分银行的流动性水平处于标准差以下 ； 从银行异质性看，国有商业银行流动性比率的均值和标
准差最小，其次为股份制商业银行和上市城市商业银行 ，未上市的城市商业银行和农村商业银行最
大； 从银行间流动性比率的变化差异来看，莱商银行流动性比率的变化率最大 （ 76. 29% ） ，其次是
厦门国际投资银行（ 75. 72% ） ，第三是成都农村商业银行（ 65. 73% ） 。

五、实证结果分析
（ 一） 货币政策的银行风险承担渠道检验
模型（ 6） 和模型（ 7） 中包含了被解释变量的滞后一期 ，运用 OLS 与面板固定效应模型容易造成
有偏估计，而系统性 GMM 估计（ Arellano ＆ Bond，
1991） 能较好克服内生性和异方差问题 ，因而本文
选择系统性 GMM 估计进行实证检验。 同时为了保证模型估计的有效性和稳健性，本文还进行了
过度识别与序列相关检验： （ 1） 基于 Sargan 检验的过度识别检验。 结果发现，各模型均接受原假
设，说明工具变量的选择合理。（ 2） 基于 AＲ 检验的序列相关检验。结果表明，AＲ（ 2） 的 P 值均大
于 0. 1，接受原假设，说明不存在显著序列相关，利用动态面板模型估计是合理的 。
由表 1 可知，除了 M2 增长率回归系数未通过显著性检验外，存款基准利率、贷款基准利率和
法定存款准备金率回归系数均显著为负 ，说明宽松型货币政策将加剧银行风险承担 ，该结论不支持
假设 1。可能的原因有两个： 一是宽松型货币政策虽然会降低银行负债 （ 存款） 成本，但同时也会使
贷款利率下降，导致风险承担水平上升 （ 江曙霞和陈玉婵，2012） 。 目前中国货币政策调整主要体
现在资产端，而对负债端（ 存款利率 ） 调整较少，因而上述结论符合中国当前实际。 二是宽松型货
币政策下，风险转嫁效应会降低银行风险承担 ，而流动性风险传导效应会加剧银行风险承担，两者
作用效果相反，因而导致宽松型货币政策会加剧银行风险承担 。同时，表 1 还表明，存款基准利率、
贷款基准利率和法定存款准备金率均对银行流动性产生显著负向影响 ，说明宽松型货币政策通过
流动性机制加剧了银行风险承担 ，存在明显的流动性传导效应，支持了假设 1。
表 1 进一步表明，资本充足率及资产规模与银行风险承担之间均呈显著负相关性 ，说明资本充
足且规模大的银行，可显著降低流动性风险的冲击，由此支持假设 3。 另外，成本收入比、非利息收
入占比、不良贷款率等控制变量，均与银行风险承担之间显著负相关； 银行风险承担与货币政策之
间呈显著的负相关性，说明银行风险承担具有顺周期性 。
（ 二） 银行风险承担与流动性水平之间的 U 型关系检验
表 2 显 示，在 1% 显 著 性 水 平 下，流 动 性 水 平 及 其 二 次 项 的 回 归 系 数 分 别 为 － 0. 0128 和
0. 000184，说明流动性水平与银行风险承担之间存在显著的“U 型 ”关系。 当流动性低于 34. 85%
时，提高流动性会降低银行风险承担 ； 当流动性高于 34. 85% 时，银行会弱化贷款监督努力，增加高
风险投资占比，进而强化流动性影响银行风险承担的正向作用。 目 前 中 国 银 行 流 动 性 均 值 为
52. 19% ，处于 U 型拐点的右边，因而银行风险承担与流动性水平呈显著正相关 。
表2 银行风险承担与流动性水平之间的 U 型关系检验
解释变量 回归系数 标准差 解释变量 回归系数 标准差 解释变量 回归系数 标准差

L. ZSCOＲE 0. 486 ＊＊＊ （ 0. 00403） CP 0. 0205 ＊＊＊ （ 0. 00184） NEG 0. 267 ＊＊＊ （ 0. 0119）

LIQ － 0. 0128 ＊＊＊ （ 0. 00378） CAＲ － 0. 102 ＊＊＊ （ 0. 00140） NPL 0. 146 ＊＊＊ （ 0. 00624）

LIQ^2 0. 000184 ＊＊＊ （ 0. 0000312） LNTA － 0. 234 ＊＊＊ （ 0. 0188） _cons － 3. 204 ＊＊＊ （ 0. 264）

GDP － 0. 0160 ＊＊＊ （ 0. 00597） NIE 0. 0226 ＊＊＊ （ 0. 00208）

AＲ（ 1） -P 0. 000 AＲ（ 2） -P 0. 802 Sargan-P 0. 631

65
蒋 海等： 货币政策、流动性与银行风险承担

（ 三） 货币政策银行风险承担渠道中的流动性机制及其非线性转换特征检验
1． 流动性机制与货币政策银行风险承担的非线性关系检验
模型（ 6） 实证结果表明，提高流动性水平，会强化银行风险承担与货币政策之间的负相关性。
理论分析也表明，货币政策对银行风险承担的影响，会因流动性差异呈现非线性转换特征。 因此，
运用模型（ 8） 做进一步检验。① 首先，借鉴 Granger ＆ Terasvirta（ 1993） 方法，根据 AIC 和 BIC 最小
准则，对模型（ 9） 进行估计。结果表明（ 见表 3） ，模型最优位置参数均为 1。
其次，采用 F 统计量、LM 统计量和 Pseudo-LＲT 统计量，对银行风险承担与货币政策的非线性
关系进行检验。结果发现（ 见表 4） ，除了货币增长率 M2 统计量接受 r = 0 的原假设外，其他货币政
策代理变量的三个统计量均拒绝 r = 0 的原假设，说明随着流动性水平变动，货币政策与银行风险
承担之间存在显著的非线性效应 。
表3 面板平滑转换回归模型的位置参数个数确定
货币政策 ＲD ＲL ＲE M2

转换函数个数 m =1 m =2 m =1 m =2 m =1 m =2 m =1 m =2

AIC 0. 160 0. 165 0. 170 0. 177 0. 182 0. 186 0. 178 0. 179

BIC 0. 238 0. 240 0. 243 0. 283 0. 256 0. 263 0. 252 0. 285

表4 面板平滑转换回归模型的“线性检验”和“剩余非线性检验”
货币政策 模型形式 F LM Pseudo － LＲT
H0 ： r = 0VS H1 ： r = 1 5. 547 （ 0. 0190） 6. 061 （ 0. 0140） 5. 288 （ 0. 0210）
ＲD
H0 ： r = 1VS H1 ： r = 2 0. 554 （ 0. 575） 1. 213 （ 0. 545） 1. 054 （ 0. 590）
H0 ： r = 0VS H1 ： r = 1 3. 636 （ 0. 0570） 3. 973 （ 0. 0460） 3. 461 （ 0. 0630）
ＲL
H0 ： r = 1VS H1 ： r = 2 0. 930 （ 0. 395） 2. 036 （ 0. 361） 1. 771 （ 0. 413）
H0 ： r = 0VS H1 ： r = 1 3. 772 （ 0. 0530） 3. 039 （ 0. 0810） 3. 645 （ 0. 0560）
ＲE
H0 ： r = 1VS H1 ： r = 2 0. 660 （ 0. 517） 1. 444 （ 0. 486） 1. 255 （ 0. 534）
H0 ： r = 0VS H1 ： r = 1 1. 491 （ 0. 223） 1. 629 （ 0. 202） 1. 417 （ 0. 234）
M2
H0 ： r = 1VS H1 ： r = 2 — — — — — —

注： 括号内的值为统计量的 P 值。
为了进一步考察非线性转换特征 ，对各模型进行“剩余非线性 ”检验，确定最优转换机制个数。
结果表明（ 见表 4） ，各模型均接受 r = 1 的原假设，拒绝 r = 2 的备择假设，表明银行风险承担分别与
ＲD、ＲL、ＲE 三个变量之间的非线性机制的最优个数均为 1。 在线性检验和非线性检验的基础上，
运用非线性最小二乘法，对模型（ 8） 进行回归估计，结果见表 5。
表5 面板平滑转换回归模型参数估计结果
货币政策 ＲD ＲL ＲE M2
平滑参数 γ 0. 849＊＊＊
（ 0. 0857） ＊＊＊
0. 903 （ 0. 0872） 1. 058 ＊＊＊
（ 0. 0220） — —
位置参数 c 42. 672 ＊＊＊ （ 0. 0441） 42. 987 ＊＊＊ （ 0. 0201） 43. 505 ＊＊＊ （ 0. 00796） — —

① 在面板平滑转换回归估计时，剔除不符合条件的样本，选取 2006—2017 年 57 家商业银行的平衡面板数据进行回归估计，

根据得到的平衡面板数据，运用系统性 GMM 估计对模型（ 6） 和模型（ 7） 进行估计发现，模型回归结果与非平衡面板数据的回归结
果基本保持一致，说明运用该平衡面板数据进行面板平滑转换回归估计具有合理性。

66
 2021 年第 8 期

续表 5
货币政策 ＲD ＲL ＲE M2
L. ZSCOＲE 0. 284＊＊＊
（ 0. 0490） 0. 293＊＊＊
（ 0. 0489） 0. 285＊＊＊
（ 0. 0494） 0. 493＊＊＊
（ 0. 00383）
GDP － 0. 0110 （ 0. 0428） 0. 00503 （ 0. 0441） － 0. 0902 * （ 0. 0480） － 0. 00936 （ 0. 00619）
CP － 0. 0126 （ 0. 0110） － 0. 0129 （ 0. 0110） － 0. 0131 （ 0. 0122） 0. 0193 ＊＊＊ （ 0. 00215）
CAＲ － 0. 0917 ＊＊＊ （ 0. 0221） － 0. 0940 ＊＊＊ （ 0. 0219） － 0. 0857 ＊＊＊ （ 0. 0223） － 0. 103 ＊＊＊ （ 0. 00163）
LNTA － 0. 793 ＊＊＊ （ 0. 146） － 0. 813 ＊＊＊ （ 0. 149） － 0. 744 ＊＊＊ （ 0. 148） － 0. 204 ＊＊＊ （ 0. 0198）
NIE － 0. 00101 （ 0. 0110） － 0. 00198 （ 0. 0110） 0. 00203 （ 0. 0110） 0. 0197 ＊＊＊ （ 0. 00177）
NEG 0. 200 （ 0. 0965） 0. 205 （ 0. 0988） 0. 174 * （ 0. 0949） 0. 268 ＊＊＊ （ 0. 0118）
NPL 0. 190 ＊＊＊ （ 0. 0522） 0. 201 ＊＊＊ （ 0. 0509） 0. 185 ＊＊＊ （ 0. 0537） 0. 152 ＊＊＊ （ 0. 00596）
MP － 0. 193 （ 0. 0873） － 0. 262 ＊＊＊ （ 0. 0864） － 0. 0582 ＊＊ （ 0. 0252） 0. 00442 （ 0. 00106）
LIQ — — — — — — 0. 00845 （ 0. 000464）
MP t g（ ·） － 0. 195 ＊＊＊ （ 0. 0522） － 0. 0851 ＊＊＊ （ 0. 0243） － 0. 0243 ＊＊＊ （ 0. 00901） — —
转换个数 1 1 1 —
AIC 0. 160 0. 170 0. 182 —
BIC 0. 238 0. 243 0. 256 —
注： 括号内的值为对应系数的标准差。表 4 表明，M2 与银行风险承担之间不存在非线性转换机制，故这里运用线性动态面板
模型对其之间的关系进行估计，结果如表 5 第 8 列和第 9 列，估计结果表明，货币增长率对银行风险承担的影响不显著。

表 5 表明，除存款基准利率未通过显著性检验外 ，贷款基准利率和法定存款准备金率均显著为
负，说明在流动性较高的情况下，货币政策显著提高了银行风险承担水平； 同时所有货币政策代理
变量与转换函数 MP t g（ ·） 回归系数显著为负，说明提高流动性会强化宽松型货币政策加剧银行
风险承担的作用，①由此支持假设 2。表 5 还表明，平滑参数 γ 的估计值均通过显著性检验，并且数
值较小，说明随着流动性水平变化，银行风险承担与货币政策之间呈现渐进平滑的非线性关系 。
因银行间流动性水平存在明显差异 ，本文进一步通过模型 （ 10） 刻画不同银行在风险承担与货
币政策关系上的异质性。 首先，算出 2006 － 2017 年各家银行流动性平均值 LIQ it ，然后结合面板平
滑转换回归模型中 LIQ it 的参数估计值，算出对应的关系参数值。 在此基础上，绘制各家银行风险
承担与货币政策之间关系参数与转换变量的散点关系图 （ 如图 1—3） 。②

图1 银行风险承担与一年期存款基准利率的非线性转换关系 ②

① 这一发现与项后军等（ 2018） 、张雪兰和何德旭（ 2012） 的结论不一致。原因在于： 银行流动性水平较低时，提高流动性水

平，会显著降低银行风险承担水平； 当银行的流动性水平较高时，宽松型货币政策和流动性水平的提高，均会加剧银行风险承担。
② 某些流动性均值水平上包含多家银行，为了图形直观，只在图中标记一家银行。如流动性水平均值为 47. 2% 时，包含浙
商银行、桂林银行、柳州银行和青岛银行； 均值为 47. 7% 时，包含建设银行和长沙银行； 均值为 48. 3% 时，包含平安银行、南京银行
和大同银行； 均值为 49. 1% 时，包含招商银行和盛京银行； 均值为 50. 6% 时，包含广发银行和营口银行； 均值为 53. 2% 时，包含东
莞银行和大连银行； 均值为 53. 6% 时，包含锦州银行和杭州银行。图 2 和图 3 与之相同。

67
蒋 海等： 货币政策、流动性与银行风险承担

由图 1—3 可知，随着流动性水平的提高，银行风险承担与货币政策之间的负相关效应逐渐加
强。当流动性水平小于参数位置值（ 图 1 中 42. 67% 、图 2 中 42. 98% 和图 3 中 43. 51% ） 时，货币政
策工具对风险承担的负向影响逐渐增加 ； 当超过参数位置值时，货币政策对风险承担的影响趋近最
大值。该结论进一步支持了假设 2。

图2 银行风险承担与一年期贷款基准利率的非线性转换关系

图3 银行风险承担与法定存款准备金率的非线性转换关系
从图 1—3 列出的 57 家银行来看，分别有 49 家、
48 家和 46 家流动性水平超过位置参数值。五
大国有控股银行中，工商银行流动性水平处于行业最低 （ 34. 02% ） ，受到宽松型货币政策的负面冲
击最小； 交通银行、中国银行和建设银行作为全球系统重要性银行，① 流动性水平虽然低于银行业
平均值（ 52. 91% ） ，但仍高于位置参数值，因而这些银行应加强流动性管理。 就股份制商业银行、
城市商业银行和农村商业银行而言 ，几乎所有银行流动性水平均处于较高位置 。其中，特别是流动
性水平过高的 18 家银行需要重点关注，②以防发生流动性危机时可能产生的巨大冲击 。
图 1—3 还表明，存款利率关系参数均值的绝对值最大 ，其次为贷款利率，法定存款准备金率最

① 根据金融稳定委员会发布的 2018 年 G － SIBs 名单，中国银行、中国工商银行、中国农业银行和中国建设银行被确定为全

球系统重要性银行。农业银行因缺乏 2006 － 2007 年的数据，在模型中尚未对其进行分析，但 2008 － 2009 年农业银行的流动性水
平（ 均值为 43. 88% ） 仍高于位置参数值。
② 18 家高流动性水平银行包括： 东莞银行、大连银行、杭州银行、锦州银行、稠州银行、泉州银行、洛阳银行、台州银行、北京
农商行、湖州银行、泰隆银行、包商银行、攀枝花商业银行、日照银行、嘉兴银行、萧山农商行、绍兴银行、恒生和恒丰等。其中，包商
银行、锦州银行相继出现流动性问题，因而监管当局应高度关注流动性水平过高而规模较小的城市商业银行和农村商业银行。

68
 2021 年第 8 期

小，说明银行风险承担对存款利率变动最敏感 ，而对法定存款准备金敏感性最低，这也解释了为什
么中国在货币政策调整中更多选择法定存款准备金率 。①
2． 流动性与货币政策调控效果的非对称性检验
当流动性水平较高时，央行通常会谨慎地采取适度紧缩的货币政策 ，否则可能导致银行陷入流
动性危机，中国历年货币政策的调控结果也说明了这一点 。如 2006—2017 年银行流动性水平虽然
高于风险承担与流动性水平 U 型曲线的拐点 （ 34. 85% ） ，但为减轻流动性水平快速回落对银行体
系及宏观经济的冲击，央行只在 2006 年下半年到 2008 年上半年实施了适度偏紧的货币政策。 然
而，
2008 年政策调整后，银行业流动性仍处于高位 （ 均值为 55. 88% ） ，调控效果并不理想。 为验证
这一推断，用参数位置值将银行分为低流动性和高流动性两组，对模型 （ 14） 进行了检验，结果见
表 6。②
从表 6 可知 ，除全样本中 ＲE 及低流动性组中 M2 与货币政策周期交叉项系数为负外 ，其余
货币政策变量与货币政策周期交叉项的系数均显著为正 ，说明紧缩型货币政策对风险承担的约
束作用弱于扩张型货币政策的强化作用 ，同时此现象在高流动分组中更加明显 ，从而支持了假
设 2。
表6 货币政策调控效果的非对称性分析
货币政策 全样本 低流动性 高流动性

ＲD － 0. 749 ＊＊＊ （ 0. 0693） － 0. 0425 （ 0. 125） － 0. 667 ＊＊＊ （ 0. 106）

ＲD* DMP 0. 759 ＊＊＊ （ 0. 0705） 0. 204 （ 0. 129） 0. 592 ＊＊＊ （ 0. 106）

DMP － 1. 412 ＊＊＊ （ 0. 115） － 0. 932 ＊＊＊ （ 0. 226） － 1. 010 ＊＊＊ （ 0. 181）

ＲL － 0. 144 ＊＊＊ （ 0. 0218） － 0. 146 ＊＊＊ （ 0. 0400） － 0. 218 ＊＊＊ （ 0. 0423）

ＲL* DMP 0. 152 ＊＊＊ （ 0. 0220） 0. 262 ＊＊＊ （ 0. 0501） 0. 210 ＊＊＊ （ 0. 0502）

DMP － 0. 905 ＊＊＊ （ 0. 104） － 1. 796 ＊＊＊ （ 0. 252） － 1. 145 ＊＊＊ （ 0. 250）

ＲE 0. 0862 ＊＊＊ （ 0. 00735） － 0. 0439 ＊＊＊ （ 0. 0115） 0. 0515 ＊＊＊ （ 0. 0101）

ＲE* DMP － 0. 0307 ＊＊＊ （ 0. 00875） 0. 0438 ＊＊＊ （ 0. 0104） 0. 0111 （ 0. 0111）

DMP 0. 0366 （ 0. 136） － 1. 131 ＊＊＊ （ 0. 159） － 0. 477 ＊＊＊ （ 0. 169）

M2 － 0. 0330 ＊＊＊ （ 0. 00372） 0. 00419 * （ 0. 00219） － 0. 0677 ＊＊＊ （ 0. 00382）

M2* DMP 0. 0359 ＊＊＊ （ 0. 00410） － 0. 0109 ＊＊＊ （ 0. 00245） 0. 0895 ＊＊＊ （ 0. 00385）

DMP 0. 231 ＊＊＊ （ 0. 0470） － 0. 415 ＊＊＊ （ 0. 0337） 0. 819 ＊＊＊ （ 0. 0517）

3． 货币政策、流动性与银行风险承担的异质性检验
为验证研究假设 3，本文引入货币政策与资产规模及资本充足率的交叉项进行回归分析 （ 结果
见表 7） 。③ 结果发现，除 ＲE 与资本充足率的交叉项未通过显著性检验外 ，其他货币政策变量与资

① 近期国家针对服务县域经济的中小银行，实施了优惠存款准备金率政策。这项措施不仅缓解了中小银行的流动性风险，
还减轻了货币政策调整对这些银行的冲击。因此，实施差异化的存款准备金制度，作用效果快速且效果好，同时不会对银行存款
和贷款产生较大影响。但实施差别化的存款基准利率或贷款基准利率，可能会引发银行间的恶性竞争甚至银行危机。
② 受篇幅限制，表 6 只列出关键解释变量回归结果。因 M2 与银行风险承担之间不存在非线性转换的特征，所以该变量银
行分组以流动性水平均值（ 51. 19% ） 为界。该变量估计结果仍与其余代理变量一致，说明估计结果稳健。
③ 限于篇幅，只报告关键解释变量的回归结果，其他结果，如有需要请向作者索取。

69
蒋 海等： 货币政策、流动性与银行风险承担

产规模及资本充足率的交叉项均显著为正 ，表明规模越大、资本越充足的银行，抵御宽松型货币政
策负面影响的效果越强，对货币政策的敏感性就越低。该结论支持了假设 3。 同时，规模大且资本
充足的银行，能在一定程度上抵消紧缩型货币政策带来的负面影响 。①
表7 货币政策、流动性与银行风险承担的异质性检验结果
货币政策与银行规模的交叉项 货币政策与资本充足率的交叉项
货币政策变量
ＲD ＲL ＲE M2 ＲD ＲL ＲE M2

0. 00690 ＊＊＊ 0. 00704 ＊＊＊ 0. 00924 ＊＊＊ 0. 00832 ＊＊＊ 0. 00665 ＊＊＊ 0. 00682 ＊＊＊ 0. 00880 ＊＊＊ 0. 00840 ＊＊＊
LIQ
（ 0. 000648） （ 0. 000626） （ 0. 000691） （ 0. 000543） （ 0. 000668） （ 0. 000649） （ 0. 000741） （ 0. 000550）

－ 0. 370 ＊＊＊ － 0. 344 ＊＊＊ 0. 150 ＊＊＊ － 0. 0549 ＊＊＊ － 0. 0435 － 0. 150 ＊＊＊ － 0. 0228 ＊＊ － 0. 0680 ＊＊＊
MP
（ 0. 0862） （ 0. 0849） （ 0. 0207） （ 0. 0126） （ 0. 0574） （ 0. 0456） （ 0. 00999） （ 0. 00938）

0. 0227 ＊＊＊ 0. 0223 ＊＊＊ 0. 0108 ＊＊＊ 0. 00472 ＊＊＊ 0. 0104 ＊＊ 0. 0174 ＊＊＊ 0. 000243 0. 00523 ＊＊＊
交叉项
（ 0. 00657） （ 0. 00664） （ 0. 00165） （ 0. 00102） （ 0. 00449） （ 0. 00351） （ 0. 000773） （ 0. 000710）

AＲ（ 1） -P 0. 000 0. 000 0. 000 0. 000 0. 000 0. 000 0. 000 0. 000

AＲ（ 2） -P 0. 830 0. 823 0. 748 0. 827 0. 819 0. 823 0. 779 0. 863

Sargan-P 0. 741 0. 735 0. 645 0. 678 0. 708 0. 749 0. 661 0. 661

（ 四） 稳健性检验
本文主要进行了三方面的稳健性检验 ： ②
1． 替换核心解释变量。用存贷比替代流动性比率，对上述模型进行重新估计，结果与前面结论
基本一致。
2． 借鉴 Hansen（ 2000） 门限面板模型，对银行风险承担与货币政策间因流动性水平而呈现非线
性转换特征进行估计。结果表明，银行风险承担与所有货币政策代理变量之间均存在以流动性为
门限值的单门限效应，门限值分别为 41. 71% 、 44. 65% 和 45. 4% 。另外，除 M2 增长率外，
41. 71% 、
其他货币政策代理变量对银行风险承担的影响均显著为负 ，并在高流动性分组中更明显。 该结果
与面板平滑转换回归模型估计结果基本一致 。
3． 设置流动性水平虚拟变量 Dliq，并将虚拟变量 Dliq 与货币政策 MP 的交叉项 MP × Dliq 引入
模型（ 14） 重新进行估计。结果表明，价格型货币政策的回归系数均显著为负，且与流动性水平虚
拟变量的交叉项的回归系数均显著为负 ，与原模型估计结论完全一致。
综上，三方面稳健性检验结果均表明，本文的回归结果是稳健的。

六、结论与建议
本文在 DLM 模型中引入流动性变量 ，刻画了货币政策影响银行风险承担的微观流动性机
制 ，并选择中国 133 家商业银行微观数据 ，运用系统性 GMM 估计和面板平滑转换回归模型 ，进行
了实证检验 。 结果发现 ： （ 1） 货币政策的银行风险承担渠道存在显著的流动性传导效应 ，从而使

① 如对规模较大、资本比较充足的建设银行、中国银行、招商银行、中信银行、光大银行、平安银行、广发银行、浙商银行、
恒丰银行、北京银行、南京银行、宁波银行、杭州银行等，在央行实施适度偏紧的货币政策时是安全的； 而对流动性水平较高、规
模较小且资本充足率较低的东莞银行、大连银行、锦州银行、泉州银行、洛阳银行、台州银行、湖州银行、泰隆银行、包商银行、攀
枝花商业银行、日照银行、嘉兴银行、萧山农村商业银行、绍兴银行和恒生银行等，需谨慎采用紧缩型货币政策，以避免引发流
动性风险问题。
② 限于篇幅，稳健性检验回归结果均未在正文中报告，如有需要请向作者索取。

70
 2021 年第 8 期

宽松型货币政策加剧了银行风险承担 ，且这一影响机制存在非线性转换特征 ，并随着流动性水平

的提高而得到强化 ，当流动性水平接近 43% 时达到最大 。（ 2） 银行风险承担与流动性水平间存
在显著 U 型关系 ，拐点在 34. 85% ，目前中国商业银行流动性水平普遍过高 ，导致银行过度风险
承担 。（ 3） 流动性与货币政策调控效果之间存在明显的非对称性 ，紧缩型货币政策对银行风险承
担的约束作用弱于宽松型货币政策的激励作用 ，且紧缩性货币政策对高流动性水平银行的影响
有限 。（ 4） 货币政策对银行风险承担的影响 ，不仅依赖于流动性水平 ，而且还依赖于银行资产规
模和资本充足水平 。 规模越大 、资本越充足的银行 ，抵御宽松型货币政策影响的效果越强 ，对货
币政策的敏感性就越低 。
基于研究结论，结合中国银行业发展实际，本文提出以下政策建议：
第一 ，通过合理的监管安排和机制设计 ，使银行持有适宜的流动性水平 。 目前中国银行流
动性水平偏高 ，建议在保证流动性资产质量的前提下 ，将银行流动性比率控制在 25% —34. 85%
之间 。
第二，依据银行流动性水平，实施差异化货币政策。 对高流动性水平银行，适当提高存款准备
金率，避免货币政策调整带来较大冲击 ； 对流动性水平相对适宜的银行，适当降低存款准备金率，从
而提高货币政策效果。鉴于银行风险承担对基准存贷款利率政策调整的高敏感性 ，尽量不采取差
异化的基准存贷款利率政策，一方面减轻政策调整可能对银行风险产生的剧烈影响 ，另一方面避免
引发银行间的恶性竞争而产生的过度风险承担行为 。
第三，健全银行流动性监管框架，加强流动性监管。 应利用目前银行流动性充足的有利条件，
尽快健全与完善流动性监管框架及机制设计 ，综合运用缺口管理和压力测试等方法 ，提高银行流动
性风险管理水平，降低银行信用风险，守住不发生系统性金融风险的底线 。
第四，根据银行规模、资本充足率和流动性水平状况，实施差异化监管政策。规模小、资本充足
率低、流动性水平高的银行，抵御风险能力较弱，易受到宽松型货币政策的影响，在实施宽松型货币
政策时，应重点关注和加强该类银行的监管 ，可适当提高该类银行的监管标准 。同时应完善银行流
动性动态监测体系，避免因流动性水平迅速回落对金融稳定产生巨大冲击 。
第五，重视货币政策调控中的流动性机制 ，加强货币政策与宏观审慎监管政策协调合作 。监管
当局和货币当局应根据宏观经济环境及银行流动性状况 ，及时进行沟通、磋商和协调，以确保政策
方向的一致性和时间选择的准确性 。同时应建立严格的逆周期资本和流动性缓冲监管机制，发挥
宏观审慎流动性监管和资本监管的协同作用 。

参考文献
2018： 《货币政策、银行风险承担与银行流动性创造》，《世界经济》第 4 期。
邓向荣、张嘉明，
2018： 《信贷约束、影子银行与货币政策传导》，《经济研究》第 6 期。
高然、陈忱、曾辉、龚六堂，
2012： 《货币政策、银行资本与风险承担》，《金融研究》第 4 期。
江曙霞、陈玉婵，
2016： 《巴塞尔协议Ⅲ净稳定融资比率对商业银行的影响———来自中国银行业的证据》，《国际金融研
李明辉、刘莉亚、黄叶苨，
究》第 3 期。
2018： 《货币政策、流动性监管与银行风险承担》，《金融论坛》第 1 期。
庞晓波、钱锟，
2008： 《资产规模、资本状况与商业银行资产组合行为———基于中国银行业面板数据的实证分析》，《金融研
索彦峰、陈继明，
究》第 6 期。
2018： 《存款保险制度如何影响公众对不同银行的信心？ ———来自中国的证据》，《金融研究》第 6 期。
王永钦、陈映辉、熊雅文，
2018： 《基于“渠道识别”的货币政策银行风险承担渠道问题研究》，《管理世界》第 8 期。
项后军、郜栋玺、陈昕朋，
2017： 《我国货币政策风险承担渠道传导效率研究———基于流动性监管的实证分析》，《财经论丛》第 10 期。
曾智、姚舜达，
2013： 《中国货币政策的银行风险承担渠道存在吗？》，《金融研究》第 8 期。
张强、乔煜峰、张宝，
2012： 《货币政策立场与银行风险承担———基于中国银行业的实证研究（ 2000—2010） 》，《经济研究》第 5 期。
张雪兰、何德旭，

71
蒋 海等： 货币政策、流动性与银行风险承担

Acharya，V． ，and H． Naqvi，

2012，“The Seeds of A Crisis： A Theory of Bank Liquidity and Ｒisk Taking Over the Business Cycle”，
106（ 2） ，
Journal of Financial Economics， 349—366．
Angeloni，I． ，E． Faia，and M． L． Duca，2015，“Monetary Policy and Ｒisk Taking”，Journal of Economic Dynamics and Control，52
（ 1） ，
285—307．
Antoniades，A． ，
2016，“Liquidity Ｒisk and the Credit Crunch of 2007—2008： Evidence from Micro-Level Data on？ Mortgage Loan
Applications”，Journal of Financial and Quantitative Analysis，51（ 6） ，
1795—1822．
Arellano，M． ，and S． Bond，1991，“Some Tests of Specification for Panel Data： Monte Carlo Evidence and an Application to
Employment Equations”，Ｒeview of Economic Studies，
58（ 2） ，
277—297．
Baron，Ｒ． ，and M． D． A． Kenny，
1986，“The Moderator-Mediator Variable Distinction in Social Psychological Ｒesearch： Conceptual，
Strategic，and Statistical Considerations”，Journal of Personality and Social Psychology，
51（ 6） ，
1173—1182．
Berger，A． N． ，and C． H． S． Bouwman，
2017，“Bank Liquidity Creation，Monetary Policy，and Financial Crisis”，Journal of Financial
30（ 6） ，
Stability， 139—155．
Berger，A． N． ，and C． H． S． Bouwman，
2009，“Bank Liquidity Creation”，Ｒeview of Financial Studies，
22（ 9） ，
3779—3837．
Borio，C． ，and H． Zhu，2012，“Capital Ｒegulation，Ｒisk-taking and Monetary Policy： A Missing Link in the Transmission
Mechanism？”，Journal of Financial Stability，
8（ 4） ，
236—251．
Chatterjee，U． K． ，
2015，“Bank Liquidity Creation and Asset Market Liquidity”，Journal of Financial Stability，
18（ 4） ，
139—153．
Chatterjee，S． ，and B． Eyigungor，
2009，“Foreclosures and House Price Dynamics： A Quantitative Analysis of the Mortgage Crisis and
the Foreclosure Prevention Policy”，Working Papers，
88（ 9） ，
790—796．
Delis，M． D． ，and G． P． Kouretas，
2011，“Interest Ｒates and Bank Ｒisk-taking”，Journal of Banking ＆ Finance，
35（ 4） ，
0—855．
Delis，M． D． ，I． Hasan，and N． Mylonidis，
2017，“The Ｒisk-taking Channel of Monetary Policy in the U． S． ： Evidence from Corporate
Loan Data”，Journal of Money，Credit and Banking，
49（ 1） ，
187—213．
Dell'Ariccia，G． ，and Ｒ． Marquez，
2006，“Lending Booms and Lending Standards”，Journal of Finance，
61（ 5） ，
2511—2546．
Dell'Ariccia，G． ，L． Laeven，and Ｒ． Marquez，
2010，“Monetary Policy，Leverage，and Bank Ｒisk-taking”，IMF Working Papers，WP /
10 /276．
Dell'Ariccia，G． ，L． Laeven，and G． A． Suarez，
2017，“Bank Leverage and Monetary Policy's Ｒisk-taking Channel： Evidence from the
United States”，Journal of Finance，
72（ 2） ，
613—654．
Freixas，X． ，A． Martin，and D． Skeie，
2011，“Bank liquidity，Interbank Markets and Monetary Policy”，Ｒeview of Financial Studies，
24
（ 8） ，
2656—2692．
Gambacorta，L． ，and D． Marquesibanez，2011，“The Bank lending Channel： Lessons from the Crisis”，Economic Policy，26 （ 6 ） ，
135—182．
González，A． ，T． Tersvirta，and D． van Dijk，
2005，“Panel Smooth Transition Ｒegression Models”，Working Paper Series in Economics
and Finance．
Granger，C． W． ，and T． Terasvirta，
1993，Modelling Nonlinear Economic Ｒelationships，Oxford University Press．
Hansen，B． E． ，
2000，“Sample Splitting and Threshold Estimation”，Econometrica，
68（ 3） ，
575—603．
Kapan，T． ，and C． Minoiu，
2018，“Balance Sheet Strength and Bank Lending During the Global Financial Crisis”，Journal of Banking
92（ 7） ，
＆ Finance， 35—50．
Kashyap，A． K． ，and J． C． Stein，
2000，“What Do A Million Observations on Banks Say About the Transmission of Monetary Policy？”，
90（ 6） ，
American Economic Ｒeview， 407—428．
López，M． ，F． Tenjo，and H． Zárate，
2011，“The Ｒisk-taking Channel and Monetary Transmission Mechanism in Colombia”，Ensayos
29（ 6） ，
Sobre Politica Economica， 212—234．
Matsuyama，K． ，
2007，“Credit Traps and Credit Cycles”，American Economic Ｒeview，
97（ 1） ，
503—516．
Matthias，N． ，and N． Matthias，2018，“The Ｒisk-taking Channel of Monetary Policy Transmission in the Euro Area ”，Journal of
93（ 8） ，
Banking ＆ Finance， 71—91．
Pierre-Ｒichard，A． ，and K． E． Aynaoui，2010，“Excess Liquidity，Bank Pricing Ｒules，and Monetary Policy”，Journal of Banking ＆
34（ 5） ，
Finance， 0—933．
Ｒajan，Ｒ． G． ，
2006，“Has Financial Development Made the World Ｒiskier？”，European Financial Management，12（ 4） ，
499—533．
Taylor，J． B． ，
1995，“The Monetary Transmission Mechanism： An Empirical Framework”，Journal of Economic Perspectives，
9（ 4） ，
11—
26．

72
 2021 年第 8 期

Monetary Policy，Liquidity and Bank Ｒisk-taking

JIANG Hai a ，ZHANG Xiaolin b，c ，TANG Shenfeng a and CHEN Chuanglian a
（ a： School of Economics，Jinan University；
b： School of Economics and Finance，South China University of Technology； c： Bank of Dongguan Co．，Ltd． ）
Summary： Prolonged loose monetary policy is the main cause of the financial crisis． After the crisis，the relationship
between monetary policy and financial stability has become a hot topic in theoretical and policy authorities． Traditional
studies believe that monetary policy affects financial stability through credit，while scholars who support the risk-taking
channel of monetary policy find that monetary policy affects bank risk-taking through income valuation mechanism，profit-
seeking mechanism，central bank communication mechanism and leverage mechanism． Studies based on the traditional risk-
taking channel of monetary policy and the bank risk-taking channel both emphasize that monetary policy influences financial
stability through credit which is a key factor of bank liquidity． Meanwhile，the liquidity level will also be affected by
monetary policy． In other words，monetary policy will affect bank risk-taking through liquidity，which significantly makes
the macroprudential supervision process more complicated． However，few scholars have carried out in-depth study on this
issue from the perspective of liquidity transmission．
In this paper，we first introduce liquidity into the DLM model to depict the liquidity mechanism of monetary policy
affecting bank risk-taking． Then based on the micro data of 133 commercial banks，we use system GMM model and panel
smoothing transition regression model to test the theoretical results based on micro data of Chinese commercial banks． The
research results are as follows． （ 1 ） The risk-shifting effect does not significantly exist in the monetary policy，but
significant liquidity pass-through effect does exist． The loose monetary policy obviously exacerbates bank risk-taking，and
this effect is strengthened with the increase of liquidity level． In particular，when the liquidity level reaches 43% ，the
negative impact of monetary policy on bank risk-taking is the greatest． Meanwhile，in the range of high liquidity level，the
regulatory effect of the statutory reserve ratio is better than other monetary policies． （ 2 ） The constraint of tightened
monetary policy on bank risk-taking is weaker than the expansionary monetary policy，which is more obvious in banks with
higher liquidity level． （ 3） The relationship between monetary policy and bank risk-taking also depends not only on banks'
liquidity level，but also on asset size and capital adequacy．
We make the following contributions． First，this paper researches the liquidity mechanism of monetary policy affecting
bank risk-taking． Second，it introduces liquidity into the DLM model to demonstrates the important influence and
mechanism of micro-liquidity in the bank risk-taking channel of monetary policy，which makes up for the lack of research in
this field． Third，it empirically tests the characteristics of nonlinear transformation due to liquidity changes between bank
risk-taking and monetary policy，and identifies the relationship parameters between bank risk-taking and monetary policy by
using the relationship parameter diagram． Fourth，it examines the regulatory effect of monetary policy on banks under
different liquidity levels，and provides a theoretical basis for financial authorities to formulate differentiated monetary
policies and liquidity supervision policies．
Our findings have important policy implications． First，reasonable supervision arrangements and mechanism design can
be used to enable banks to maintain an appropriate level of liquidity． It is recommended to control banks' liquidity ratio
between 25% and 34. 85% ． Second， differentiated monetary policies based on the level of bank liquidity can be
implemented． For banks with high liquidity levels，the deposit reserve ratio should be appropriately increased to avoid a
major impact from monetary policy adjustments． For banks with relatively suitable liquidity levels，the deposit reserve ratio
can be appropriately reduced to improve the effect of monetary policy． Third，it is necessary to improve the banking
liquidity supervision framework and strengthen liquidity supervision． The current favorable conditions for bank liquidity
should be used to perfect the liquidity supervision framework and mechanism design as soon as possible，and at the same
time to improve banks' liquidity risk management level． Fourth，it is necessary to implement differentiated regulatory
policies based on bank scale，capital adequacy ratio，and liquidity level． The supervision for banks with small scale，low
capital adequacy ratios and high liquidity levels should be strengthened and the supervision standard should be stricter．
Fifth，it is necessary to improve the liquidity supervision mechanism of commercial banks and strengthen the coordination
between monetary policy and macro-prudential regulatory policy．
Keywords： Monetary Policy； Liquidity Mechanism； Bank Ｒisk-taking
JEL Classification： E44，G21，L14

（ 责任编辑： 昱 池） （ 校对： 曹 帅）
73