主办: 上海立信会计金融学院

  • ISSN 2096-9554
  • CN 31-2074/F

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

金融衍生品持有与银行风险承担:“风险管理”抑或“利益驱动”?

张肖飞 赵康乐 贺宏

张肖飞, 赵康乐, 贺宏. 2022. 金融衍生品持有与银行风险承担:“风险管理”抑或“利益驱动”?. 会计与经济研究, 36(5): 105-126.
引用本文: 张肖飞, 赵康乐, 贺宏. 2022. 金融衍生品持有与银行风险承担:“风险管理”抑或“利益驱动”?. 会计与经济研究, 36(5): 105-126.
Zhang Xiaofei, Zhao Kangle, He Hong. 2022. Financial Derivatives Holdings and Bank Risk-taking: Risk Management or Profit-driven?. Accounting and Economic Research, 36(5): 105-126.
Citation: Zhang Xiaofei, Zhao Kangle, He Hong. 2022. Financial Derivatives Holdings and Bank Risk-taking: Risk Management or Profit-driven?. Accounting and Economic Research, 36(5): 105-126.

金融衍生品持有与银行风险承担:“风险管理”抑或“利益驱动”?

基金项目: 国家社会科学基金项目(16BGL050);河南省哲学社会科学规划项目(2020BJJ007);河南省高等学校哲学社会科学创新团队支持计划(2023-CXTD-07);河南省科技厅软科学研究项目(222400410615)
详细信息
    作者简介:

    张肖飞,博士,河南财经政法大学会计学院教授,shawfee@163.com

    赵康乐,首都经济贸易大学会计学院博士研究生,1195968084@qq.com

    贺宏(通讯作者),博士,首都经济贸易大学会计学院教授,heh@cueb.edu.cn

  • 中图分类号: F830.33

  • 摘要: 商业银行持有金融衍生品的规模和比例与日俱增,与之伴随的风险成为关注的焦点。基于2007−2019年沪深A股上市银行样本,文章研究了金融衍生品持有对商业银行风险承担的影响。研究发现:商业银行持有金融衍生品会提高其风险承担水平。进一步将衍生品细分为货币类和利率类进行检验,结果依然稳健。异质性分析表明,政策不确定性高、国有银行属性均会弱化“金融衍生品−银行风险承担”的正相关性,而经济下行时则有所强化。影响机制分析显示,持有金融衍生品会通过放宽信贷标准、降低流动性创造水平增加银行风险承担。这表明我国商业银行持有金融衍生品更多出于利益驱动考虑,而不是风险管理。研究不仅丰富了银行风险承担的理论文献,而且对金融衍生品的使用和监管具有借鉴意义。

    Financial Derivatives Holdings and Bank Risk-taking: Risk Management or Profit-driven?

  • 图  1  2007−2019年不同类型上市银行金融衍生品(Der)持有情况

    表  1  变量定义

    变量 符号 定义
    收益波动性 SdROA 上市银行总资产净利率的三年移动标准差
    Z值 Z-score ln((ROA+ETA)/SdROA)
    货币类衍生品 MonDer 货币类衍生品金额/贷款总额
    利率类衍生品 IRDer 利率类衍生品金额/贷款总额
    衍生品总计 Der 货币类和利率类衍生品金额合计/贷款总额
    银行资产规模 Size 总资产的自然对数
    净利息收益率 Nim 净利息收入/总资产
    息税前利润占比 ETA 息税前利润/总资产
    机构持股 Inst 机构持股比例合计
    股权制衡 ZH 公司第一大股东持股比例/第二大股东持股比例
    独立董事比例 Indep 独立董事人数/董事会人数
    存贷比 DL 年末存款余额/年末贷款余额
    贷款损失准备 LoanLoss 期末银行贷款损失准备总额取对数
    拆出资金比例 LF 拆出资金期末余额/各项存款期末余额
    存放同业款项 CFTY 期末银行存放同业款项总额取对数
    货币供给增长率 MG (本期货币供给量−上期货币供给量)/上期货币供给量
    银行业净资本流入 Vol 境外债务增加量−境外债权增加量
    年度变量 Year 年度虚拟变量
    下载: 导出CSV

    表  2  变量描述性统计

    变量 均值 标准差 最小值 25分位数 中位数 75分位数 最大值
    SdROA 0.510 1.897 0.005 0.041 0.080 0.137 11.120
    Z-score 4.586 1.010 2.308 3.945 4.595 5.229 7.475
    MonDer 0.304 0.435 0.000 0.020 0.166 0.415 2.691
    IRDer 0.302 0.594 0.000 0.010 0.052 0.260 3.171
    Der 0.614 1.036 0.000 0.040 0.241 0.660 6.559
    Size 28.470 1.476 25.120 27.590 28.550 29.520 30.890
    Nim 0.214 0.039 0.128 0.192 0.215 0.238 0.306
    ETA 3.191 0.484 2.230 2.790 3.160 3.520 4.300
    DL 1.388 0.219 0.913 1.268 1.369 1.496 2.108
    LoanLoss 21.490 1.863 15.980 20.700 21.550 22.990 24.610
    LF 0.345 0.281 0.009 0.131 0.275 0.474 1.434
    CFTY 24.670 1.551 20.470 23.760 24.880 25.690 27.270
    Inst 5.450 2.639 0.202 4.345 5.352 7.083 9.727
    Indep 0.359 0.045 0.200 0.333 0.357 0.385 0.467
    ZH 2.098 1.656 1.003 1.112 1.440 2.333 9.340
    MG 13.900 4.858 8.271 10.200 12.730 17.210 26.620
    Vol −0.126 1.051 −2.675 −0.488 −0.127 0.430 2.561
    下载: 导出CSV

    表  3  商业银行金融衍生品持有情况

    变量 国有银行 股份制银行 其他商业银行
    Der MonDer IRDer Der MonDer IRDer Der MonDer IRDer
    2007 0.294 0.227 0.067 0.182 0.105 0.078 0.039 0.038 0.001
    2008 0.234 0.175 0.059 0.199 0.088 0.110 0.102 0.080 0.021
    2009 0.148 0.105 0.044 0.166 0.099 0.067 0.234 0.142 0.093
    2010 0.159 0.115 0.044 0.209 0.126 0.083 0.290 0.172 0.118
    2011 0.146 0.098 0.048 0.229 0.129 0.099 0.297 0.166 0.131
    2012 0.148 0.105 0.043 0.266 0.174 0.092 0.485 0.295 0.191
    2013 0.146 0.114 0.032 0.348 0.265 0.083 0.635 0.333 0.302
    2014 0.158 0.127 0.031 0.470 0.307 0.163 1.118 0.512 0.606
    2015 0.252 0.182 0.070 0.636 0.359 0.277 2.123 0.628 1.496
    2016 0.272 0.195 0.077 0.587 0.332 0.255 0.847 0.320 0.532
    2017 0.530 0.418 0.112 1.086 0.591 0.495 1.218 0.474 0.686
    2018 0.559 0.446 0.113 1.495 0.696 0.799 1.305 0.553 0.694
    2019 0.562 0.338 0.224 1.373 0.450 0.922 1.260 0.570 0.632
    注:所有数据均为作者计算整理。
    下载: 导出CSV

    表  4  金融衍生品持有对银行业风险承担的影响

    变量 SdROA Z-score
    (1) (2) (3) (4) (5) (6)
    MonDer 1.769*** −0.584***
    (3.740) (−4.261)
    IRDer 0.991*** −0.274***
    (3.993) (−2.651)
    Der 0.658*** −0.207***
    (3.804) (−3.929)
    Size −1.071*** −0.990*** −1.033*** 0.415*** 0.382*** 0.400***
    (−3.345) (−3.115) (−3.248) (4.111) (3.612) (3.862)
    Nim 6.535* 2.274 4.356 −2.928 −1.321 −2.117
    (1.795) (0.679) (1.280) (−1.607) (−0.720) (−1.156)
    ETA −0.269 −0.307 −0.303 0.074 0.065 0.079
    (−0.627) (−0.672) (−0.678) (0.471) (0.401) (0.496)
    DL −1.103** −1.210** −1.213** −0.002 0.003 0.025
    (−2.255) (−2.410) (−2.430) (−0.008) (0.014) (0.110)
    LoanLoss 0.321** 0.275** 0.303** −0.190*** −0.167** −0.181***
    (2.399) (2.146) (2.337) (−2.998) (−2.560) (−2.821)
    LF −0.784** −1.159*** −0.989*** 0.309** 0.434*** 0.380**
    (−2.447) (−3.296) (−3.024) (1.984) (2.655) (2.418)
    CFTY 0.241 0.219 0.235 −0.031 −0.023 −0.028
    (1.462) (1.295) (1.409) (−0.483) (−0.349) (−0.440)
    Inst 0.059 0.102** 0.080* −0.019 −0.037 −0.027
    (1.315) (2.136) (1.727) (−0.876) (−1.647) (−1.246)
    Indep −2.071 −3.112* −2.629 1.751 2.137** 1.956*
    (−1.231) (−1.770) (−1.533) (1.641) (2.004) (1.827)
    ZH −0.185*** −0.166*** −0.176*** 0.007 −0.003 0.003
    (−3.173) (−2.953) (−3.117) (0.231) (−0.091) (0.096)
    MG 0.000 −0.035 −0.020 −0.035 −0.023 −0.028
    (0.006) (−0.431) (−0.251) (−1.290) (−0.838) (−1.016)
    Vol −0.099 −0.083 −0.094 −0.318*** −0.330*** −0.322***
    (−0.343) (−0.269) (−0.314) (−3.222) (−3.225) (−3.195)
    _cons 19.907*** 21.505*** 20.786*** −2.350 −2.801 −2.629
    (3.359) (3.402) (3.373) (−1.278) (−1.470) (−1.409)
    Year 控制 控制 控制 控制 控制 控制
    N 237 237 237 237 237 237
    R2 0.313 0.275 0.294 0.598 0.576 0.588
    注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。
    下载: 导出CSV

    表  5  互为因果内生性检验

    变量 SdROA Z-score
    (1) (2) (3) (4) (5) (6)
    L.MonDer 1.506*** −0.508***
    (3.065) (−3.548)
    L.IRDer 0.883*** −0.316***
    (3.312) (−2.932)
    L.Der 0.563*** −0.205***
    (3.052) (−3.663)
    _cons 22.744*** 25.093*** 24.110*** −2.341 −3.171 −2.825
    (3.205) (3.315) (3.259) (−1.028) (−1.361) (−1.227)
    Controls 控制 控制 控制 控制 控制 控制
    Year 控制 控制 控制 控制 控制 控制
    N 212 212 212 212 212 212
    R2 0.306 0.287 0.296 0.558 0.553 0.557
    注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
    下载: 导出CSV

    表  6  面板固定效应回归结果

    变量 SdROA Z-score
    (1) (2) (3) (4) (5) (6)
    MonDer 1.636*** −0.666***
    (2.842) (−3.775)
    IRDer 0.676* −0.273*
    (1.924) (−1.920)
    Der 0.514** −0.226***
    (2.409) (−3.311)
    _cons 29.830*** 33.277*** 31.717*** −4.491** −5.901** −5.160**
    (3.364) (3.469) (3.373) (−1.975) (−2.520) (−2.232)
    Controls 控制 控制 控制 控制 控制 控制
    Year 控制 控制 控制 控制 控制 控制
    N 182 182 182 182 182 182
    R2 0.368 0.333 0.345 0.637 0.612 0.624
    注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
    下载: 导出CSV

    表  7  工具变量回归结果

    变量 SdROA LNZscore
    (1) (2) (3) (4) (5) (6)
    MonDer 2.232*** −0.673***
    (4.128) (−4.706)
    IRDer 1.175*** −0.315***
    (4.388) (−3.094)
    Der 0.812*** −0.239***
    (4.184) (−4.396)
    _cons 18.035*** 18.020*** 17.886*** 1.167 1.189 1.215
    (3.483) (3.378) (3.401) (0.736) (0.737) (0.760)
    Controls 控制 控制 控制 控制 控制 控制
    Year 控制 控制 控制 控制 控制 控制
    N 237 237 237 237 237 237
    R2 0.306 0.273 0.289 0.597 0.576 0.587
    注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
    下载: 导出CSV

    表  8  替换被解释变量的回归结果

    变量 (1) (2) (3)
    MonDer 2.714***
    (3.697)
    IRDer 1.562***
    (3.834)
    Der 1.031***
    (3.762)
    _cons 25.855*** 28.369*** 27.227***
    (3.261) (3.347) (3.301)
    Controls 控制 控制 控制
    Year 控制 控制 控制
    N 237 237 237
    R2 0.335 0.293 0.316
    注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
    下载: 导出CSV

    表  9  次贷危机后的回归结果

    变量 SdROA Z-score
    (1) (2) (3) (4) (5) (6)
    MonDer 1.356*** −0.579***
    (3.271) (−4.073)
    IRDer 0.852*** −0.261**
    (3.652) (−2.522)
    Der 0.534*** −0.199***
    (3.420) (−3.698)
    _cons 17.368*** 18.959*** 18.164*** −0.839 −1.437 −1.186
    (2.872) (3.001) (2.932) (−0.396) (−0.662) (−0.555)
    Controls 控制 控制 控制 控制 控制 控制
    Year 控制 控制 控制 控制 控制 控制
    N 195 195 195 195 195 195
    R2 0.345 0.330 0.340 0.532 0.504 0.518
    注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
    下载: 导出CSV

    表  10  经济政策不确定性对金融衍生品与银行风险承担的调节效应

    变量 SdROA Z-score
    (1) (2) (3) (4) (5) (6)
    MonDer 5.767*** −1.560***
    (4.781) (−4.27)
    MonDer× EUM −4.495*** 1.098***
    (−3.562) (2.910)
    IRDer 2.477*** −0.647**
    (2.922) (−2.482)
    IRDer× EUM −1.721* 0.432
    (−1.944) (1.571)
    Der 2.103*** −0.562***
    (3.701) (−3.301)
    Der× EUM −1.607*** 0.395**
    (−2.722) (2.271)
    EUM 1.065 −1.341 −0.837 0.178 1.423*** 1.305***
    (1.056) (−1.119) (−0.722) (0.612) (3.402) (3.165)
    _cons 14.782*** 20.429*** 18.773*** −0.874 −2.531 −2.134
    (3.620) (3.356) (3.314) (−0.618) (−1.353) (−1.190)
    Controls 控制 控制 控制 控制 控制 控制
    Year 控制 控制 控制 控制 控制 控制
    N 237 237 237 237 237 237
    R2 0.400 0.304 0.357 0.616 0.582 0.601
    注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
    下载: 导出CSV

    表  11  经济周期对金融衍生品与银行风险承担的调节效应

    变量 SdROA Z-score
    (1) (2) (3) (4) (5) (6)
    MonDer 1.110*** −0.470***
    (3.285) (−3.359)
    MonDer× GDPdown 3.251*** −0.561**
    (3.900) (−2.054)
    IRDer 0.580*** −0.190
    (2.994) (−1.562)
    IRDer× GDPdown 1.543*** −0.316*
    (2.952) (−1.761)
    Der 0.407*** −0.160***
    (3.277) (−2.804)
    Der× GDPdown 1.201*** −0.225**
    (3.672) (−2.142)
    GDPdown −0.771 −0.455 −0.622 0.635*** 0.622*** 0.635***
    (−1.022) (−0.572) (−0.802) (2.804) (2.770) (2.835)
    _cons 18.142*** 21.153*** 20.048*** −1.552 −2.209 −1.980
    (3.335) (3.481) (3.452) (−0.872) (−1.181) (−1.089)
    Controls 控制 控制 控制 控制 控制 控制
    Year 控制 控制 控制 控制 控制 控制
    N 237 237 237 237 237 237
    R2 0.388 0.313 0.354 0.606 0.582 0.595
    注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
    下载: 导出CSV

    表  12  产权性质对金融衍生品与银行风险承担的调节效应

    变量 SdROA Z-score
    (1) (2) (3) (4) (5) (6)
    MonDer 2.146*** −0.713***
    (3.437) (−5.293)
    MonDer×State −1.250* 0.440**
    (−1.951) (1.979)
    IRDer 1.218*** −0.349***
    (4.031) (−3.126)
    IRDer×State −0.977*** 0.322**
    (−2.629) (2.020)
    Der 0.763*** −0.243***
    (3.485) (−4.634)
    Der×State −0.481* 0.172*
    (−1.959) (1.892)
    State −0.107 −0.096 −0.131 0.021 0.023 0.027
    (−0.457) (−0.498) (−0.608) (0.157) (0.195) (0.219)
    _cons 17.291*** 18.091*** 17.894*** −1.499 −1.710 −1.674
    (3.243) (3.055) (3.129) (−0.839) (−0.912) (−0.911)
    Controls 控制 控制 控制 控制 控制 控制
    Year 控制 控制 控制 控制 控制 控制
    N 237 237 237 237 237 237
    R2 0.345 0.302 0.317 0.611 0.586 0.597
    注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
    下载: 导出CSV

    表  13  金融衍生品持有影响机制分析

    变量 LGrow
    (1)
    SdROA
    (2)
    Z-score
    (3)
    LC
    (4)
    SdROA
    (5)
    Z-score
    (6)
    Der 0.010** 0.611*** −0.212*** −0.049*** 0.327* −0.222***
    (2.051) (3.642) (−3.889) ( −7.485) ( 1.752) (−3.531)
    LGrow 2.455 −0.565
    (0.901) (−0.703)
    LC −6.423** −0.228
    (−2.593) (−0.252)
    _cons 0.329 19.503*** −2.853 −0.692*** 14.376*** −2.742
    (1.557) (3.280) (−1.289) (−3.149) (2.732) (−1.336)
    Controls 控制 控制 控制 控制 控制 控制
    Year 控制 控制 控制 控制 控制 控制
    N 220 220 220 232 232 232
    R2 0.597 0.318 0.582 0.717 0.351 0.578
    注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
    下载: 导出CSV
  • [1] 陈孝明, 邹文理, 袁瑜. 2021. 事前防范还是事后补救: 经济政策不确定性与银行风险承担. 上海金融 (8): 2−15.
    [2] 杜莹, 刘立国. 2002. 股权结构与公司治理效率: 中国上市公司的实证分析. 管理世界 (11): 124−133.
    [3] 段军山, 张锐豪. 2016. 金融衍生品、货币环境与商业银行风险承担. 当代财经 (2): 61−73.
    [4] 方意. 2015. 货币政策与房地产价格冲击下的银行风险承担分析. 世界经济 (7): 73−98.
    [5] 方意, 陈敏. 2019. 经济波动、银行风险承担与中国金融周期. 世界经济 (2): 3−25.
    [6] 葛新宇, 庄嘉莉, 刘岩. 2021. 贸易政策不确定性如何影响商业银行风险——对企业经营渠道的检验. 中国工业经济 (8): 133−151. doi: 10.3969/j.issn.1006-480X.2021.08.008
    [7] 顾海峰, 杨月. 2020. 货币政策、流动性创造与银行风险承担——银行业竞争度与景气度的调节作用. 上海经济研究 (11): 80−91. doi: 10.3969/j.issn.1005-1309.2020.11.008
    [8] 顾海峰, 于家珺. 2019. 中国经济政策不确定性与银行风险承担. 世界经济 (11): 148−171.
    [9] 郭辽, 张庆君. 2020. 金融衍生工具复杂性降低了商业银行风险承担吗? 武汉金融 (12): 8−19.
    [10] 郭品, 沈悦. 2015. 互联网金融对商业银行风险承担的影响:理论解读与实证检验. 财贸经济 (10): 102−116.
    [11] 韩京芳, 潘传快, 向修海. 2018. 金融衍生品的经济波动平滑机制研究. 统计与决策 (24): 160−164.
    [12] 黄秀秀, 曹前进. 2014. 贷款集中度对银行风险承担行为的影响——来自中国上市银行的经验证据. 金融论坛 (11): 9−14.
    [13] 江曙霞, 刘忠璐. 2016. 存贷款市场竞争对银行风险承担的影响有差异吗? ——基于中国利率市场化改革的讨论. 经济管理 (6): 1−15.
    [14] 蒋先玲, 徐鹤龙. 2016. 汇率、利率风险与商业银行衍生品运用研究. 山西财经大学学报 (10): 26−35.
    [15] 李黎, 张羽. 2009. 金融衍生品交易与商业银行绩效——基于美国的经验. 管理科学 (4): 74−86. doi: 10.3969/j.issn.1672-0334.2009.04.009
    [16] 刘忠璐. 2016. 互联网金融对商业银行风险承担的影响研究. 财贸经济 (4): 71−85.
    [17] 马续涛, 沈悦. 2017. 政策不确定性、货币政策与银行风险承担. 华东经济管理 (5): 100−106. doi: 10.3969/j.issn.1007-5097.2017.05.014
    [18] 马勇, 李振. 2019. 资金流动性与银行风险承担——来自中国银行业的经验证据. 财贸经济 (7): 67−81. doi: 10.3969/j.issn.1002-8102.2019.07.005
    [19] 马勇, 姚驰. 2017. 监管压力、经济周期与宏观审慎政策效果. 经济理论与经济管理 (10): 5−16. doi: 10.3969/j.issn.1000-596X.2017.10.001
    [20] 潘攀, 邓超, 邱煜. 2020. 经济政策不确定性、银行风险承担与企业投资. 财经研究 (2): 67−81.
    [21] 权飞过, 王晓芳. 2016. 金融创新对商业银行风险承担的影响——基于金融创新的分类研究. 财经论丛 (9): 35−45.
    [22] 邵秋琪. 2009. 上市商业银行金融衍生品运用价值效应研究. 财会通讯 (26): 26−28.
    [23] 斯文. 2013. 关于衍生品对银行风险承担影响的研究——基于中国上市银行的经验证据. 经济评论 (5): 131−138.
    [24] 宋科, 李振, 赵宣凯. 2019. 宏观审慎政策、经济周期与银行风险承担. 经济理论与经济管理 (1): 43−58. doi: 10.3969/j.issn.1000-596X.2019.01.003
    [25] 唐鹏. 2015. 银行市场集中度与银行风险承担. 金融论坛 (3): 15−25.
    [26] 王路加, 郭亚妮. 2017. 我国货币政策的银行风险承担渠道检验——基于中国16家上市银行数据的动态GMM实证分析. 会计与经济研究 (6): 96−113.
    [27] 温忠麟, 张雷, 侯杰泰. 2004. 中介效应检验程序及其应用. 心理学报 (5): 614−620.
    [28] 吴宗法, 张英丽. 2011. 所有权性质、融资约束与企业投资——基于投资现金流敏感性的经验证据. 经济与管理研究 (5): 72−77. doi: 10.3969/j.issn.1000-7636.2011.05.009
    [29] 熊劼. 2017. 中国货币政策风险承担渠道的实证研究. 世界经济研究 (3): 14−29.
    [30] 张肖飞, 徐龙炳. 2020. 金融衍生工具与银行系统性风险. 国际金融研究 (1): 76−85.
    [31] 赵旭, 李浩. 2013. 金融衍生品使用动机及其对银行风险、价值的影响. 金融论坛 (12): 12−23.
    [32] Allayannis, G., J. Ihrig, and J. P. Weston. 2001. Exchange-rate hedging: Financial versus operational strategies. American Economic Review 91(2): 391−395. doi: 10.1257/aer.91.2.391
    [33] Attig, N., and J. Dai. 2009. Does trading in derivatives affect bank risk? The Canadian evidence. Saint Mar’s University Working Paper.
    [34] Baker, S. R., N. Bloom, and S. J. Davisc. 2016. Measuring economic policy uncertainty. The Quarterly Journal of Economics 131(4): 1593−1636. doi: 10.1093/qje/qjw024
    [35] Bartram, S. M., G. W. Brown, and J. Conrad. 2011. The effects of derivatives on firm risk and value. Journal of Financial and Quantitative Analysis 46(4): 967−999. doi: 10.1017/S0022109011000275
    [36] Bernanke, B. S., M. Gertler, and S. Gilchrist. 1996. The financial accelerator and the flight to quality. Review of Economics and Statistics 78(1): 1−15. doi: 10.237309149
    [37] Booth, J. R., R. L. Smith, and R. W. Stulz. 1984. Use of interest rate futures by financial institutions. Journal of Bank 15(1): 15−20.
    [38] 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.
    [39] Brewer, E., W. E. Jackson, and J. T. Moser. 2001. The value of using interest rate derivatives to manage risk of U.S. banking organizations. Economic Perspectives 25(3): 49−66.
    [40] Cebenoyan, A. S., and P. E. Strahan. 2004. Risk management, capital structure and lending at banks. Journal of Banking & Finance 28(1): 19−43.
    [41] Delis, M. D., and G. P. Kouretas. 2011. Interest rates and bank risk-taking. Journal of Banking & Finance 35(4): 840−855.
    [42] Diamond, D. W. 1984. Financial intermediation and delegated monitoring. The Review of Economic Studies 51(3): 393−414. doi: 10.2307/2297430
    [43] Froot, K. A., J. C. Stein, and A. M. Santomero. 1998. Risk management, capital budgeting and capital structure policy for financial institutions: An integrated approach. Journal of Financial Economics 47(1): 55−82. doi: 10.1016/S0304-405X(97)00037-8
    [44] Hirtle, B. J. 1997. Derivatives, portfolio composition, and bank holding company interest rate risk exposure. Journal of Financial Services Research 12(2): 243−266.
    [45] Hirtle, B. 2009. Credit derivatives and bank credit supply. Journal of Financial Intermediation 18(2): 125−150. doi: 10.1016/j.jfi.2008.08.001
    [46] Instefjord, N. 2005. Risk and hedging: Do credit derivatives increase bank risk? Journal of Banking & Finance 29(2): 333-345.
    [47] Laeven, L., and R. Levine. 2009. Bank governance, regulation and risk taking. Journal of Financial Economics 93(2): 259−275. doi: 10.1016/j.jfineco.2008.09.003
    [48] Latha, S. 1996. Derivatives usage and interest rate risk of large banking firms. The Journal of Futures Markets 16(4): 459−474. doi: 10.1002/(SICI)1096-9934(199606)16:4<459::AID-FUT6>3.0.CO;2-H
    [49] Maccarthy, J. 2017. The effect of financial derivatives on the financial performance of firms in the financial sector in Ghana. European Journal of Business and Management 34(9): 90−96.
    [50] Mayordomo, S., M. R. Moreno, and J. I. Peña. 2014. Derivatives holdings and systemic risk in the U.S. banking sector. Journal of Banking & Finance 45(8): 84−104.
    [51] Minton, B. A., R. Stulz, and R. Williamson. 2009. How much do banks use credit derivatives to hedge loans? Journal of Financial Services Research 35(1): 1−31.
    [52] Morrison, A. D. 2005. Credit derivatives, disintermediation, and investment decisions. The Journal of Business 78(2): 621−648. doi: 10.1086/427641
    [53] Purnanandam, A. K. 2007. Interest rate derivatives at commercial banks: An empirical investigation. Journal of Monetary Economics (6): 1769−1808.
    [54] Reichert, A., and Y. Shyu. 2003. Derivative activities and the risk of international banks: A market index and VaR approach. International Review of Financial Analysis 12(5): 489−511. doi: 10.1016/S1057-5219(03)00061-9
    [55] Shao, Y., and T. J. Yeager. 2007. The effects of credit derivatives on US bank risk and return, capital and lending structure. Walton College of Business Working Paper.
    [56] Shleifer, A., and R. W. Vishny. 1994. Politicians and firms. The Quarterly Journal of Economics 109(4): 995−1025. doi: 10.2307/2118354
    [57] Tenev, S., C. Zhang, and L. Brefort. 2002. Corporate governance and enterprise reform in China: Building the institutions of modern markets. Washington: World Bank Publications.
    [58] Yang, D., I. Song, and J. Yi. 2006. Effects of derivatives on bank risk. Review of Pacific Basin Financial Markets and Policies 9(2): 275−295. doi: 10.1142/S0219091506000756
    [59] Zhao, F., and J. Moser. 2017. Bank lending and interest-rate derivatives. International Journal of Financial Research 18(4): 23−37.
图(1) / 表(13)
计量
  • 文章访问数:  129
  • HTML全文浏览量:  148
  • PDF下载量:  467
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-06-01
  • 网络出版日期:  2022-09-20
  • 刊出日期:  2022-09-20

目录

    金融衍生品持有与银行风险承担:“风险管理”抑或“利益驱动”?

      基金项目:  国家社会科学基金项目(16BGL050);河南省哲学社会科学规划项目(2020BJJ007);河南省高等学校哲学社会科学创新团队支持计划(2023-CXTD-07);河南省科技厅软科学研究项目(222400410615)
      作者简介:

      张肖飞,博士,河南财经政法大学会计学院教授,shawfee@163.com

      赵康乐,首都经济贸易大学会计学院博士研究生,1195968084@qq.com

      贺宏(通讯作者),博士,首都经济贸易大学会计学院教授,heh@cueb.edu.cn

    • 中图分类号: F830.33

    摘要: 商业银行持有金融衍生品的规模和比例与日俱增,与之伴随的风险成为关注的焦点。基于2007−2019年沪深A股上市银行样本,文章研究了金融衍生品持有对商业银行风险承担的影响。研究发现:商业银行持有金融衍生品会提高其风险承担水平。进一步将衍生品细分为货币类和利率类进行检验,结果依然稳健。异质性分析表明,政策不确定性高、国有银行属性均会弱化“金融衍生品−银行风险承担”的正相关性,而经济下行时则有所强化。影响机制分析显示,持有金融衍生品会通过放宽信贷标准、降低流动性创造水平增加银行风险承担。这表明我国商业银行持有金融衍生品更多出于利益驱动考虑,而不是风险管理。研究不仅丰富了银行风险承担的理论文献,而且对金融衍生品的使用和监管具有借鉴意义。

    English Abstract

    张肖飞, 赵康乐, 贺宏. 2022. 金融衍生品持有与银行风险承担:“风险管理”抑或“利益驱动”?. 会计与经济研究, 36(5): 105-126.
    引用本文: 张肖飞, 赵康乐, 贺宏. 2022. 金融衍生品持有与银行风险承担:“风险管理”抑或“利益驱动”?. 会计与经济研究, 36(5): 105-126.
    Zhang Xiaofei, Zhao Kangle, He Hong. 2022. Financial Derivatives Holdings and Bank Risk-taking: Risk Management or Profit-driven?. Accounting and Economic Research, 36(5): 105-126.
    Citation: Zhang Xiaofei, Zhao Kangle, He Hong. 2022. Financial Derivatives Holdings and Bank Risk-taking: Risk Management or Profit-driven?. Accounting and Economic Research, 36(5): 105-126.
      • 金融科技的发展以及金融创新成本的大幅降低,促进了金融衍生品市场交易规模的迅猛发展。2019年,我国利率衍生品市场成交18.6万亿元。作为金融衍生品市场的主要参与者,商业银行合理使用金融衍生品可以对冲外汇风险、利率风险等信用风险,突破资本约束,更好发挥金融媒介作用。但金融衍生品是一把双刃剑,除了能够发挥这些积极作用外,还会给银行发展带来巨大风险。市场也不乏金融衍生品间歇地引发巨大金融损失的案例,因此对其运用效果的质疑从未间断过,特别是2008年金融危机之后。有研究发现,在这场突如其来的金融危机中,金融衍生品在其中扮演了重要角色。金融衍生品的不当使用甚至滥用大大增加了银行风险,尤其是发达国家金融衍生品的广泛使用,更是这次全球金融危机的始作俑者(Minton等,2009)。2012年5月,全球知名的金融机构摩根大通银行更是因为投资衍生品不当而造成高达90亿美元的灾难性损失。此外,金融衍生品的高杠杆性和复杂性又决定了其潜在风险性。由于无法全程跟踪金融衍生品的风险转移,隐藏于高杠杆和复杂结构之中的风险变得更隐蔽,这类产品开始“毒性发作”的时间也无人知晓。如果金融衍生品使用不当,过度参与投机交易,会给商业银行带来巨大的风险。商业银行持有金融衍生品动机不同,对其风险承担水平影响也会有所差异。商业银行持有金融衍生品的意图更多是基于投机目的参与市场交易,而不是为了自身风险管理(Hirtle,2009)。典型事例如2020年4月20日曝出中国银行“原油宝”穿仓事件,“原油宝”风波折射出商业银行对金融衍生品的风险管理失当及其专业性不足。后金融危机时代,商业银行持有的金融衍生品急剧增多,但商业银行运用衍生品的效果如何,其对银行风险承担的作用机制尚待研究。为此,本文重点研究我国商业银行持有金融衍生品对银行风险承担的影响。

        现有关于银行风险承担的研究集中在其影响因素上,如宏观审慎政策及货币政策(王路加和郭亚妮,2017熊劼,2017宋科等,2019顾海峰和杨月,2020)、资金流动性(马勇和李振,2019)、政策不确定(马续涛和沈悦,2017)、互联网金融及金融创新(郭品和沈悦,2015刘忠璐,2016权飞过和王晓芳,2016)、存贷款市场竞争及银行市场集中度(黄秀秀和曹前进,2014唐鹏,2015江曙霞和刘忠璐,2016)等,不难发现,以往文献基本上围绕宏观与微观因素展开,但微观层面的研究稍显薄弱。具体到银行持有金融衍生品,段军山和张锐豪(2016)分析了货币环境对金融衍生品与商业银行风险承担的调节效应,但其采用的金融衍生品期末公允价值的分析会受到市场交易价格的影响,较难反应出银行持有衍生品的动机,不利于更加精准分析银行风险承担水平。而张肖飞和徐龙炳(2020)则侧重对银行系统性风险溢出效应的研究,本文聚焦银行风险承担的研究,不仅将金融衍生品做了进一步分析,而且从放宽信贷规模和流动性创造水平分析了其作用机理。研究有助于精准刻画金融衍生品对银行风险承担水平的影响,且有助于清晰厘清其作用机理。

        本文以沪深A股上市商业银行为样本,手动搜集各商业银行金融衍生品持有情况,并细分为货币类和利率类衍生品研究,主要探讨金融衍生品持有对银行风险承担的影响。研究发现,商业银行持有金融衍生品提高了其银行风险承担水平,进一步细分为货币类和利率类两类衍生品进行检验,结果不变。异质性分析表明,国有银行属性及高政策不确定性弱化了金融衍生品与银行风险承担的正向关系,而经济下行时则对此予以强化。影响机制显示,持有金融衍生品会通过放宽信贷标准、降低流动性创造水平增加银行风险承担。本文可能的贡献在于:

        一是手动检索各银行年报数据获取金融衍生品名义金额数据,较为精准,且名义金额更能反映银行持有金融衍生品的动机,不同于以往文献用衍生品公允价值的测度。

        二是对金融衍生品按照不同对冲目的细分为货币类和利率类衍生品进行研究,能够更加精准阐释在不同目的驱动下,银行持有衍生品对银行风险承担的影响,这在一定程度上丰富了该领域的研究。

        三是从放宽信贷规模及降低流动性创造水平两个方面拓展了金融衍生品持有对银行风险承担的作用机制。这不仅为更好监管银行信用风险提供了有针对性的借鉴,而且有助于正确认识银行业金融衍生品持有的作用,为我国商业银行在金融创新中正确定位提供有益启示。

        余文结构安排如下:第二部分为文献综述、制度背景与研究假设;第三部分为研究设计;第四部分为实证结果与分析;第五部分为影响机制分析;第六部分为结论与政策建议。

      • 对金融衍生品的研究由来已久,且主要集中在商业银行持有金融衍生品的动因及经济后果方面。从持有动因来看,银行规模、资本充足率是银行衍生品使用的主要影响因素(赵旭和李浩,2013韩京芳等,2018),从对冲成本视角来看,规模大的银行更愿意进行衍生品交易(Booth等,1984)。绝大多数研究则聚焦于持有金融衍生品的经济后果方面,如风险管理、企业价值、信贷活动等。

        就风险管理而言,商业银行通过衍生品投资和交易可以有效管理系统风险,提高金融中介效率,进而降低代理成本,淡化资本约束,提高其风险承担能力(Diamond, 1984)。实践中,商业银行能够利用衍生品规避自身的风险,并起到很好避险效果(Mayordomo等,2014)。部分研究认为,衍生品交易不会增加商业银行的系统风险,利率衍生品还会降低系统风险(Yang等,2006Mayordomo等,2014)。而大多数研究发现,无论是否以风险对冲为目的,金融衍生品均会显著增加银行风险(Attig和Dai,2009)。同时,随着信用衍生品使用程度上升,在一定程度上银行总体风险也会提高(Shao和Yeager,2007)。Reichert和Shyu (2003)也发现期权类衍生品会提高银行的利率风险水平,而利率及货币掉期合约则会降低银行风险。同时,Reichert和Shyu (2003)还发现衍生品的风险效应存在国别异质性。Froot等 (1998)发现当银行利用各种金融衍生品进行有效风险管理时,会致使商业银行持有更少的资本金,同时拥有更多风险较高的信贷资产。

        就企业价值而言,衍生品的使用对公司价值有积极影响,金融衍生品与企业绩效存在很强的正相关关系,这意味着当企业从事金融衍生品交易时,绩效会大幅提高(Bartram等,2011MacCarthy,2017)。斯文 (2013)证明了衍生品有对冲企业汇率风险、提高企业价值的功能,同时对于汇率风险暴露程度越严重的公司,这种溢价规模越大。Allayannis等 (2001)发现使用外汇衍生品对冲汇率风险的企业,其市场价值更高,同样表明了衍生品交易有优化企业资本结构和资产配置的作用,进一步提高公司价值以及减轻企业风险。而邵秋琪 (2009)认为商业银行运用金融衍生品风险管理对经营业绩产生负面效应。

        在信贷活动方面,利率衍生品可以支持商业银行发放更多(工商业)贷款(Zhao和Moser,2017)。然而,Cebenoyan和Strahan (2004)却发现虽然信用衍生品的使用能够增加银行贷款,但是利率衍生品对银行的信贷活动产生了显著的抑制作用。Hirtle (2009)则证明信用衍生品的使用仅仅增加了银行对大公司借款者的信贷规模,对中小借款者没有影响。Latha (1996)认为银行交易利率衍生品主要用于预防利率风险。金融衍生品能够给银行信贷资产在二级资本市场交易中提供流动性(Morrison,2005)。

        已有文献鲜有从持有金融衍生品视角研究其对银行风险承担的影响,段军山和张锐豪(2016)主要研究了货币环境对二者的调节效应,为后续研究奠定了基础。但在考察持有衍生品的影响细节方面稍显薄弱,一是该金融衍生品选择期末公允价值的测度会受到市场交易价格的影响,难以反应银行进行衍生品交易的本金或对冲的潜在风险,二是对衍生品的研究未能按照对冲目的做较为细致的划分,这为本文研究提供了可能。本文不仅手工收集金融衍生品名义金额数据,而且将金融衍生品细分为货币类和利率类,一方面丰富拓展了衍生品的理论研究,另一方面能够更加精准地对衍生品的监管制定相关政策。

      • 国际政治经济环境复杂多变,国内LPR形成机制的落地促使利率与市场结合得更加紧密,金融创新环境的逐渐完善使得商业银行越来越倾向于使用衍生工具规避市场风险(郭辽和张庆君,2020)。我国的企业会计准则第22号《金融工具确认和计量》要求衍生品以公允价值进行初始和后续计量,第24号《套期保值》规定了企业套期会计的使用标准与处理方法,2018年实施的新金融工具准则进一步完善了套期会计的使用要求,为金融衍生工具的运用奠定了基础。随着我国金融市场国际化水平的不断提升,我国金融衍生品市场也迎来新的发展机遇和挑战。2021年8月,中国人民银行等部门发布《关于推动公司信用类债券市场改革开放高质量发展的指导意见》,2021年11月,银保监会发布《关于衍生工具交易对手违约风险资产计量规则有关问题的通知》,为未来银行发展衍生品交易和服务进一步夯实了基础。随着我国金融市场的进一步开放,我国衍生品市场的发展也将与国际监管标准看齐。

        商业银行使用金融衍生工具的目的、数量和种类要比普通企业和投资者更加复杂。然而,金融衍生工具比基础性工具存在更多潜在风险。商业银行在保证业务多样性的前提下,有效控制衍生工具对其风险承担的影响,对维护金融体系稳定具有重要意义(段军山和张锐豪,2016郭辽和张庆君,2020)。

      • 商业银行把货币资金作为经营对象,其经营活动是金融风险的配置过程,经营模式和其他行业有较大差异,经营行为不仅关乎国家的经济安全,还与社会稳定与发展密切相关。

        从风险管理来看,商业银行以风险管理为目的持有金融衍生品可以对冲汇率、利率、信用等金融风险(Mayordomo等,2014),能更好地改善盈利结构,理顺资产定价机制,促进价格发现,提升市场效率(蒋先玲和徐鹤龙,2016)。已有研究表明,银行更多是受利益驱动影响,出于投机目的持有金融衍生品(Hirtle,1997Instefjord,2005李黎和张羽,2009)。例如,Hirtle (1997)发现衍生品被银行控股公司用来投机而不是对冲风险。Instefjord (2005)指出商业银行使用金融衍生品用于投机则可能会增加银行的风险敞口,从信用衍生品中获得风险对冲的收益会提高银行风险水平,导致银行体系的不稳定性。李黎和张羽 (2009)认为非交易衍生品面值规模越大,银行收益越高,但增加了银行整体风险;参与型银行可能持有更多衍生品投机头寸,增加了银行风险。此外,金融衍生品也有着虚拟性、跨期性和信息不对称性等特点,有放大基础风险的效果,衍生品的不当使用甚至滥用大大增加了银行风险(Minton等,2009)。

        从银行信贷来看,银行购买信用衍生品而获得违约保护,会降低对信贷资产监督的激励并且倾向于放宽信贷标准,从而致使借款人从事次优的投资活动,最终增加了银行潜在风险(Latha,1996)。金融衍生品可以提高净收益,增加信贷规模,利率衍生品可以支持商业银行发放更多(工商业)贷款(Zhao和Moser,2017)。Cebenoyan和Strahan (2004)指出金融衍生品可以提升商业银行利润率及信用风险管理能力,促使银行以更高的杠杆率运营,进而扩大信贷规模,加大信用风险。Purnanandam (2007)认为金融衍生产品交易会减少商业银行资产与负债的期限错配,提升其资本头寸和现金流,扩大商业银行贷款规模,同样会增加银行潜在的信用风险。

        基于以上分析,无论是风险管理还是银行信贷活动,作为市场参与者,商业银行都会受利益驱使,利用自身资源和人才优势从事衍生品的投机交易,根据对市场价格预期,有意保持某种衍生品交易的敞口头寸以期获得更多收益,其结果必然增加自身的风险承担。因此,本文提出假设1:

        H1:其他条件不变时,上市银行持有金融衍生品会提高银行风险承担。

        毫无疑问,外部宏观环境会影响金融衍生品交易效果。其一,政策不确定性是引起经济波动的一个重要因素。银行风险承担行为有主动和被动、事前和事后之分(方意,2015),主动风险承担表现银行信贷活动,是主观意愿的反应,被动则更多是道德风险及放宽信用标准,二者均会体现在其总体破产风险之中(顾海峰和于家珺,2019)。有研究表明,经济政策不确定性上升会削弱银行主动风险承担(顾海峰和于家珺,2019葛新宇 等,2021),当外部环境风险加大,经济政策不确定性升高时,商业银行更加倾向保守经营,主动降低风险承担和风险容忍度(陈孝明等,2021),方意和陈敏(2019)的研究也证实了这一点。因此,有理由推断:政策不确定性增加会缓释金融衍生品对银行风险承担的加剧作用。

        其二,经济发展是存在周期的,经济周期不同,衍生品交易的效果也是不一样的。当处于经济下行期时,市场平均投资收益水平较低,市场竞争更加激烈,银行为了实现其目标收益,在激烈竞争压力下可能偏向风险更大的衍生品投资,其衍生品持有具有较强的投机动机。商业银行为了提高收益而持有更多的衍生品(Borio和Zhu,2012),导致银行承担更多风险。银行在实现目标收益和竞争加剧双重压力下会放宽借贷标准,进一步加大银行风险(Delis和Kouretas,2011)。此外,处于经济下行周期时,利率会处于较低水平,银行对资产收益水平和抵押物估值水平的判断会受影响,造成银行对衍生品价值的错误估计,影响银行风险识别能力。然而,银行对风险看法的改变,导致银行本身资产负债规模和杠杆水平的改变,增加了商业银行盈利的波动性,由此放大了“金融加速器”效应(Bernanke等,1996)。因此,本文认为:相对于经济上行期,商业银行为了追求实现粘性的名义收益率,在经济下行期有着更强烈的投机动机来持有金融衍生品,提升银行风险承担水平。

        其三,相对于非国有上市银行,国有上市银行肩负一定的社会责任,其绩效存在“软约束”(潘攀等,2020),并没有强烈的动机来实现粘性的名义收益率。国有企业服务于国家政治与经济政策需要,是政府调控社会发展与资源分配的重要途径,由于其性质特殊,在日常运营管理中容易受到政策干预,其发展更易于与国家政策走向趋于一致。政府目标是社会利益最大,为了达到这一目标,政府往往会放弃利润最大化,而国有银行必然会受到政府目标的影响而负担额外政治成本(Shleifer和Vishny,1994Tenev等,2002),对绩效的诉求并不强烈(杜莹和刘立国,2002)。因此,与非国有上市银行相比,国有上市银行持有金融衍生品的投机动机较弱。此外,在我国特定制度环境下,国有银行往往比非国有银行拥有更多的政治资源、社会资源与政府隐性担保,这种政治优势会使得银行获取更多的金融资源,从而转化为更多的资本优势(吴宗法和张英丽,2011)。本文认为:相对于非国有上市银行,国有上市银行持有金融衍生品更多是为了风险管理,对冲风险,会降低银行风险承担。

        因此,本文提出假设2、假设3和假设4:

        H2:与低政策不确定性相比,高政策不确定性会缓释金融衍生品对银行风险承担的加剧作用。

        H3:与经济上行相比,经济下行会强化金融衍生品对银行风险承担的加剧作用。

        H4:与非国有上市银行相比,国有上市银行的产权属性弱化了金融衍生品对银行风险承担的加剧作用。

      • 本文选择2007−2019年沪深A股上市银行作为研究样本。金融衍生品数据来自上市银行年报,手动收集各上市银行每年金融衍生品名义金额。一般而言,金融衍生品市场按资产类别主要包括货币类、利率类、信用类及股权类衍生品。根据对各上市银行金融衍生品的统计情况来看,银行主要以货币类及利率类金融衍生品为主,该衍生品的信息披露较为规范与详实。其他两类衍生品较少的原因在于,由于我国一直在加大金融服务实体经济,使得银行利用衍生品工具受到一定约束,导致银行披露的股权类衍生品极少,而信用类衍生品主要是信用违约互换,且是信用风险管控的重点,受到严格管控,银行披露很少。截至2019年底,披露股权类和信用类衍生品的银行样本不足5%,仅有部分国有银行做了少量披露。在逐条检索年报中关于衍生金融工具信息披露过程中,绝大多数银行也仅仅采用了货币类和利率类衍生品。同时,这两类衍生工具的名义金额占比最高。因此,本文将金融衍生品细分为:货币类衍生品、利率类衍生品,未对股权类衍生品予以考虑。其他数据来源于Wind数据库以及CSMAR数据库,初始数据是2005−2019年,因为计算总资产净利率的三年移动标准差会损失两年数据,所以实际数据为2007−2019年。控制变量来源于Wind数据库、CSMAR数据库,其他宏观数据来源于国家统计局和中国人民银行网站以及国际清算银行网站等。本文剔除了变量有缺失值的银行样本,共有237个样本观测值。同时,连续变量按照1%和99%分位数做缩尾处理(Winsorize)来消除异常值的影响。

      • 基于数据可获得性,本文参考Laeven和Levine (2009)宋科等(2019)的做法,选取两个代理变量:一是选择SdROA作为银行风险承担的代理变量。其值越大,表示银行风险承担越高。二是利用Z值(Z-score)作为银行风险承担的代理变量。Z值是银行盈利性、杠杆比率和盈利波动的综合度量,计算公式如下:

        $$ Z\text{-}score=(ROA+ETA)/SdROA $$ (1)

        其中,ROA表示上市银行总资产净利率;ETA表示银行权益资产比;Z值越小,表示银行的偿付能力越弱,银行风险承担水平越高。鉴于金融数据的“尖峰厚尾”特征,我们对Z值取自然对数,以平滑该序列,即Ln(Z-score)。

      • 文献中对金融衍生品持有这一变量通常采用两种形式:一是虚拟变量,即当观测期内样本银行使用衍生品时赋值为 1,否则为 0;二是对冲比率,即衍生品合约名义本金占总资产的比例。然而,使用虚拟变量的局限性在于无法对样本的对冲程度进行衡量,对冲1%风险暴露的样本与对冲100%风险暴露的样本在实证检验中的影响完全相同,这显然不符合实际,由此得出的结论可能产生偏差甚至是错误的。据此,本文运用对冲比率代表衍生品使用的程度,因为上市银行能够按照会计准则的要求在附注中披露衍生品的种类和名义本金,这为实证研究提供了数据上的保障。本文数据通过手工搜集整理我国上市银行的年度报告计算得到,主要包括货币类衍生品(MonDer),等于货币类衍生品金额/贷款总额;利率类衍生品(IRDer),等于利率类衍生品金额/贷款总额;衍生品总计(Der),等于货币类和利率类衍生品金额合计/贷款总额。

      • 本文控制变量主要有:银行资产规模(Size),用上市银行总资产的自然对数衡量银行规模,银行规模越大,其抵抗风险能力越强,导致上市银行风险承担水平的差异。盈利能力使用净利息收益率(Nim)以及息税前利润占比(ETA)衡量,在资产一定的情况下,利润的波动必然影响企业盈利的稳定性和持久性,进而影响银行经营风险。内部治理程度使用机构持股比例合计(Inst),股权制衡(ZH)等于第一大股东与第二大股东持股比例的比值,独立董事比例(Indep)衡量银行内部治理程度,该指标能在一定程度上反映商业银行监督管控管理层合理使用金融衍生品的程度。现有研究发现,管理层管理失当导致衍生品的不当使用甚至滥用大大增加了银行风险(Minton 等,2009)。此外,控制变量还包括银行层面微观变量和宏观经济变量。微观变量包括存贷比(DL)、贷款损失准备(LoanLoss)、拆出资金比例(LF)、存放同业款项(CFTY)。宏观经济变量包括货币供给增长率(MG)、银行业净资本流入(Vol)。本文还控制了年度变量(Year)。具体变量如表1所示。

        表 1  变量定义

        变量 符号 定义
        收益波动性 SdROA 上市银行总资产净利率的三年移动标准差
        Z值 Z-score ln((ROA+ETA)/SdROA)
        货币类衍生品 MonDer 货币类衍生品金额/贷款总额
        利率类衍生品 IRDer 利率类衍生品金额/贷款总额
        衍生品总计 Der 货币类和利率类衍生品金额合计/贷款总额
        银行资产规模 Size 总资产的自然对数
        净利息收益率 Nim 净利息收入/总资产
        息税前利润占比 ETA 息税前利润/总资产
        机构持股 Inst 机构持股比例合计
        股权制衡 ZH 公司第一大股东持股比例/第二大股东持股比例
        独立董事比例 Indep 独立董事人数/董事会人数
        存贷比 DL 年末存款余额/年末贷款余额
        贷款损失准备 LoanLoss 期末银行贷款损失准备总额取对数
        拆出资金比例 LF 拆出资金期末余额/各项存款期末余额
        存放同业款项 CFTY 期末银行存放同业款项总额取对数
        货币供给增长率 MG (本期货币供给量−上期货币供给量)/上期货币供给量
        银行业净资本流入 Vol 境外债务增加量−境外债权增加量
        年度变量 Year 年度虚拟变量
      • 本文采用如下模型考察金融衍生品持有对银行业风险承担的影响:

        $$ RIS{K_{{{i,t}}}} = {\alpha _0} + {\alpha _1}Derative{s_{i,t}} + {\alpha _2}Controls + {\alpha _3}\sum Year + {\varepsilon _{i,t}} $$ (2)

        模型(2)中被解释变量为银行风险承担指标RISK,分别采用已经定义的上市银行总资产净利率的三年移动标准差(SdROA),以及Z值的自然对数Z-score表示。Deratives是核心解释变量,表示银行金融衍生品持有情况,将银行使用金融衍生品情况划分为货币类衍生品和利率类衍生品及衍生品合计,Controls是控制变量,同时控制了年度虚拟变量。

        本文首先选择LSDV方法控制了个体效应,结果显示混合回归优于固定效应回归,因此,采用混合回归的方法分析金融衍生品持有对银行风险承担的影响。同时,采用稳健标准误来控制模型中存在的截面异方差性,回归结果中t值均为按照银行层面聚类调整的标准误计算。此外,在稳健性检验部分,通过Hausman检验选择了固定效应进行回归分析。

      • 变量描述性统计结果如表2所示。由此可知,收益波动性(SdROA)均值为0.510,中位数为0.08,最低值为0.005,最高值为11.120;(Z-score)均值为4.586,中位数为4.595,最低值为2.308,最高值为7.475,这说明银行之间风险承担水平存在较大差异。货币类衍生品(MonDer)均值为0.304,最大值为2.691;利率类衍生品(IRDer)均值为0.302,最大值为3.171;衍生品合计占比(Der)均值为0.614,最大值为6.559。进一步研究发现,货币类衍生品的平均使用程度与利率类衍生品使用基本相当,衍生品合计占比达到了61.4%,这表明随着人民币国际化进程的加快,以及人民币汇率的波动与差异,商业银行对于运用金融衍生品规避风险、谋求利益的需求更加急切。

        表 2  变量描述性统计

        变量 均值 标准差 最小值 25分位数 中位数 75分位数 最大值
        SdROA 0.510 1.897 0.005 0.041 0.080 0.137 11.120
        Z-score 4.586 1.010 2.308 3.945 4.595 5.229 7.475
        MonDer 0.304 0.435 0.000 0.020 0.166 0.415 2.691
        IRDer 0.302 0.594 0.000 0.010 0.052 0.260 3.171
        Der 0.614 1.036 0.000 0.040 0.241 0.660 6.559
        Size 28.470 1.476 25.120 27.590 28.550 29.520 30.890
        Nim 0.214 0.039 0.128 0.192 0.215 0.238 0.306
        ETA 3.191 0.484 2.230 2.790 3.160 3.520 4.300
        DL 1.388 0.219 0.913 1.268 1.369 1.496 2.108
        LoanLoss 21.490 1.863 15.980 20.700 21.550 22.990 24.610
        LF 0.345 0.281 0.009 0.131 0.275 0.474 1.434
        CFTY 24.670 1.551 20.470 23.760 24.880 25.690 27.270
        Inst 5.450 2.639 0.202 4.345 5.352 7.083 9.727
        Indep 0.359 0.045 0.200 0.333 0.357 0.385 0.467
        ZH 2.098 1.656 1.003 1.112 1.440 2.333 9.340
        MG 13.900 4.858 8.271 10.200 12.730 17.210 26.620
        Vol −0.126 1.051 −2.675 −0.488 −0.127 0.430 2.561

        考虑到不同性质及规模的银行之间可能存在的差异,本文将上市银行按照国有银行、股份制银行及其他商业银行的金融衍生品持有情况分类统计,分别如图1表3所示。由图1可知,从各银行持有金融衍生品总额与贷款总额占比(Der)来看,总体呈波动上升趋势,其他商业银行在2013−2015年有大幅上升,2016年回落到2014年水平。进一步从表3分类统计可以看出,在其他商业银行中,2007−2019年金融衍生品合计占比总体上增长幅度最大,由0.039增长到1.260,2015年最高达到2.123;股份制银行次之,占比由0.182增长到1.373;国有银行增长较缓,由0.294增长到0.562。相对于非国有银行,国有银行衍生品占比增长较缓,可能的原因是:国有银行并没有强烈的动机来实现粘性的名义收益率,持有金融衍生品的投机动机较弱。

        图  1  2007−2019年不同类型上市银行金融衍生品(Der)持有情况

        表 3  商业银行金融衍生品持有情况

        变量 国有银行 股份制银行 其他商业银行
        Der MonDer IRDer Der MonDer IRDer Der MonDer IRDer
        2007 0.294 0.227 0.067 0.182 0.105 0.078 0.039 0.038 0.001
        2008 0.234 0.175 0.059 0.199 0.088 0.110 0.102 0.080 0.021
        2009 0.148 0.105 0.044 0.166 0.099 0.067 0.234 0.142 0.093
        2010 0.159 0.115 0.044 0.209 0.126 0.083 0.290 0.172 0.118
        2011 0.146 0.098 0.048 0.229 0.129 0.099 0.297 0.166 0.131
        2012 0.148 0.105 0.043 0.266 0.174 0.092 0.485 0.295 0.191
        2013 0.146 0.114 0.032 0.348 0.265 0.083 0.635 0.333 0.302
        2014 0.158 0.127 0.031 0.470 0.307 0.163 1.118 0.512 0.606
        2015 0.252 0.182 0.070 0.636 0.359 0.277 2.123 0.628 1.496
        2016 0.272 0.195 0.077 0.587 0.332 0.255 0.847 0.320 0.532
        2017 0.530 0.418 0.112 1.086 0.591 0.495 1.218 0.474 0.686
        2018 0.559 0.446 0.113 1.495 0.696 0.799 1.305 0.553 0.694
        2019 0.562 0.338 0.224 1.373 0.450 0.922 1.260 0.570 0.632
        注:所有数据均为作者计算整理。
      • 表4是金融衍生品对银行业风险承担影响的回归结果。表4列(1)−(3)使用总资产净利率三年移动标准差(SdROA)、列(4)−(6)使用Z值(Z-score)作为被解释变量。同时使用三种金融衍生品代理变量:货币类衍生品(MonDer)、利率类衍生品(IRDer)、衍生品合计占比(Der)作为核心解释变量。列(1)−(3)中金融衍生品持有与银行风险承担均在1%的水平上显著正相关,SdROA越大,银行风险承担水平越高。列(4)−(6)中金融衍生品持有与银行风险承担均在1%的水平上显著负相关,Z值越小,表示银行偿付能力越弱,银行风险承担水平越高。因此,金融衍生品持有提高银行风险承担,验证了假设H1。总体而言,不管是货币类、利率类衍生品,还是衍生品总额均提高了银行风险承担。这与Instefjord (2005)李黎和张羽(2009)的结果类似。可能的原因是:金融衍生品有虚拟性、跨期性和信息不对称性等特点,高杠杆性和复杂性决定了其具有巨大的风险。金融衍生品可以带来更多的收益,同时也会带来更多风险,如果没有合理的监督机制,衍生品会带来巨大的风险。

        表 4  金融衍生品持有对银行业风险承担的影响

        变量 SdROA Z-score
        (1) (2) (3) (4) (5) (6)
        MonDer 1.769*** −0.584***
        (3.740) (−4.261)
        IRDer 0.991*** −0.274***
        (3.993) (−2.651)
        Der 0.658*** −0.207***
        (3.804) (−3.929)
        Size −1.071*** −0.990*** −1.033*** 0.415*** 0.382*** 0.400***
        (−3.345) (−3.115) (−3.248) (4.111) (3.612) (3.862)
        Nim 6.535* 2.274 4.356 −2.928 −1.321 −2.117
        (1.795) (0.679) (1.280) (−1.607) (−0.720) (−1.156)
        ETA −0.269 −0.307 −0.303 0.074 0.065 0.079
        (−0.627) (−0.672) (−0.678) (0.471) (0.401) (0.496)
        DL −1.103** −1.210** −1.213** −0.002 0.003 0.025
        (−2.255) (−2.410) (−2.430) (−0.008) (0.014) (0.110)
        LoanLoss 0.321** 0.275** 0.303** −0.190*** −0.167** −0.181***
        (2.399) (2.146) (2.337) (−2.998) (−2.560) (−2.821)
        LF −0.784** −1.159*** −0.989*** 0.309** 0.434*** 0.380**
        (−2.447) (−3.296) (−3.024) (1.984) (2.655) (2.418)
        CFTY 0.241 0.219 0.235 −0.031 −0.023 −0.028
        (1.462) (1.295) (1.409) (−0.483) (−0.349) (−0.440)
        Inst 0.059 0.102** 0.080* −0.019 −0.037 −0.027
        (1.315) (2.136) (1.727) (−0.876) (−1.647) (−1.246)
        Indep −2.071 −3.112* −2.629 1.751 2.137** 1.956*
        (−1.231) (−1.770) (−1.533) (1.641) (2.004) (1.827)
        ZH −0.185*** −0.166*** −0.176*** 0.007 −0.003 0.003
        (−3.173) (−2.953) (−3.117) (0.231) (−0.091) (0.096)
        MG 0.000 −0.035 −0.020 −0.035 −0.023 −0.028
        (0.006) (−0.431) (−0.251) (−1.290) (−0.838) (−1.016)
        Vol −0.099 −0.083 −0.094 −0.318*** −0.330*** −0.322***
        (−0.343) (−0.269) (−0.314) (−3.222) (−3.225) (−3.195)
        _cons 19.907*** 21.505*** 20.786*** −2.350 −2.801 −2.629
        (3.359) (3.402) (3.373) (−1.278) (−1.470) (−1.409)
        Year 控制 控制 控制 控制 控制 控制
        N 237 237 237 237 237 237
        R2 0.313 0.275 0.294 0.598 0.576 0.588
        注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。
      • 金融衍生品持有与银行业风险承担可能存在内生性问题,因为金融衍生品持有会影响银行风险承担,银行风险承担也可能会影响金融衍生品持有程度。为了避免这种反向因果关系,一般而言,提前一期的金融衍生品不会与当期银行风险承担产生反向因果关系,参考已有文献的做法,我们将解释变量滞后一期,生成了L.MonDerL.IRDerL.Der,把滞后一期的解释变量加入模型重新进行检验。结果如表5所示。由表5可知,滞后一期的金融衍生品持有变量均与银行风险承担SdROA在1%的水平上显著正相关,与Z-score在1%的水平上显著负相关,即滞后一期的金融衍生品持有仍能提高银行风险承担。

        表 5  互为因果内生性检验

        变量 SdROA Z-score
        (1) (2) (3) (4) (5) (6)
        L.MonDer 1.506*** −0.508***
        (3.065) (−3.548)
        L.IRDer 0.883*** −0.316***
        (3.312) (−2.932)
        L.Der 0.563*** −0.205***
        (3.052) (−3.663)
        _cons 22.744*** 25.093*** 24.110*** −2.341 −3.171 −2.825
        (3.205) (3.315) (3.259) (−1.028) (−1.361) (−1.227)
        Controls 控制 控制 控制 控制 控制 控制
        Year 控制 控制 控制 控制 控制 控制
        N 212 212 212 212 212 212
        R2 0.306 0.287 0.296 0.558 0.553 0.557
        注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
      • 上述分析使用的是混合回归,进一步选择固定效应回归,结果如表6所示。金融衍生品持有变量(MonDerIRDerDer)均与银行风险承担SdROA显著正相关,与Z-score显著负相关,提高了银行风险承担,表明了结果的稳健性。

        表 6  面板固定效应回归结果

        变量 SdROA Z-score
        (1) (2) (3) (4) (5) (6)
        MonDer 1.636*** −0.666***
        (2.842) (−3.775)
        IRDer 0.676* −0.273*
        (1.924) (−1.920)
        Der 0.514** −0.226***
        (2.409) (−3.311)
        _cons 29.830*** 33.277*** 31.717*** −4.491** −5.901** −5.160**
        (3.364) (3.469) (3.373) (−1.975) (−2.520) (−2.232)
        Controls 控制 控制 控制 控制 控制 控制
        Year 控制 控制 控制 控制 控制 控制
        N 182 182 182 182 182 182
        R2 0.368 0.333 0.345 0.637 0.612 0.624
        注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
      • 尽管固定效应在一定程度上解决了可能存在遗漏变量的问题,但为保证结果稳健,本文进一步做了工具变量回归,参考已有文献做法,工具变量选择除样本自身之外的其他样本金融衍生品均值,并通过了有效性检验。结果如表7所示,金融衍生品持有变量(MonDerIRDerDer)均与银行风险承担SdROA显著正相关,与Z-score显著负相关,结果并未发生改变,进一步证实了结果的稳健性。

        表 7  工具变量回归结果

        变量 SdROA LNZscore
        (1) (2) (3) (4) (5) (6)
        MonDer 2.232*** −0.673***
        (4.128) (−4.706)
        IRDer 1.175*** −0.315***
        (4.388) (−3.094)
        Der 0.812*** −0.239***
        (4.184) (−4.396)
        _cons 18.035*** 18.020*** 17.886*** 1.167 1.189 1.215
        (3.483) (3.378) (3.401) (0.736) (0.737) (0.760)
        Controls 控制 控制 控制 控制 控制 控制
        Year 控制 控制 控制 控制 控制 控制
        N 237 237 237 237 237 237
        R2 0.306 0.273 0.289 0.597 0.576 0.587
        注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
      • 为了保证结果的稳健性,本文还使用上市银行总资产净利率5年移动标准差(SdROA5)检验金融衍生品持有对银行风险承担的影响,结果如表8所示。金融衍生品持有变量(MonDerIRDerDer)均与SdROA5在1%的水平上显著正相关,SdROA5越大,表示银行收益波动性越大,风险承担水平越高,即金融衍生品能提高银行风险承担,进一步验证了假设H1。

        表 8  替换被解释变量的回归结果

        变量 (1) (2) (3)
        MonDer 2.714***
        (3.697)
        IRDer 1.562***
        (3.834)
        Der 1.031***
        (3.762)
        _cons 25.855*** 28.369*** 27.227***
        (3.261) (3.347) (3.301)
        Controls 控制 控制 控制
        Year 控制 控制 控制
        N 237 237 237
        R2 0.335 0.293 0.316
        注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
      • 2008年金融危机的爆发使得全球经济陷入动荡。为了排除金融危机的影响,本文选取2010−2019年的样本重新进行检验。结果如表9所示,金融衍生品持有变量(MonDerIRDerDer)均与银行风险承担SdROA显著正相关,与Z-score显著负相关,结果未发生改变。

        表 9  次贷危机后的回归结果

        变量 SdROA Z-score
        (1) (2) (3) (4) (5) (6)
        MonDer 1.356*** −0.579***
        (3.271) (−4.073)
        IRDer 0.852*** −0.261**
        (3.652) (−2.522)
        Der 0.534*** −0.199***
        (3.420) (−3.698)
        _cons 17.368*** 18.959*** 18.164*** −0.839 −1.437 −1.186
        (2.872) (3.001) (2.932) (−0.396) (−0.662) (−0.555)
        Controls 控制 控制 控制 控制 控制 控制
        Year 控制 控制 控制 控制 控制 控制
        N 195 195 195 195 195 195
        R2 0.345 0.330 0.340 0.532 0.504 0.518
        注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
      • 本文参考Baker等 (2016)的做法计算经济政策不确定性,构建了年度的中国经济政策不确定性指数,生成经济政策不确定性指标(EUgeo),EUgeo的数值越大,表明当年度的中国经济政策不确定性程度越高。并按照其中位数划分为两组,当大于中位数时,划分为高政策不确定性组,EUM取值1,否则划分为低政策不确定性组,取值为0。结果如表10所示。

        表 10  经济政策不确定性对金融衍生品与银行风险承担的调节效应

        变量 SdROA Z-score
        (1) (2) (3) (4) (5) (6)
        MonDer 5.767*** −1.560***
        (4.781) (−4.27)
        MonDer× EUM −4.495*** 1.098***
        (−3.562) (2.910)
        IRDer 2.477*** −0.647**
        (2.922) (−2.482)
        IRDer× EUM −1.721* 0.432
        (−1.944) (1.571)
        Der 2.103*** −0.562***
        (3.701) (−3.301)
        Der× EUM −1.607*** 0.395**
        (−2.722) (2.271)
        EUM 1.065 −1.341 −0.837 0.178 1.423*** 1.305***
        (1.056) (−1.119) (−0.722) (0.612) (3.402) (3.165)
        _cons 14.782*** 20.429*** 18.773*** −0.874 −2.531 −2.134
        (3.620) (3.356) (3.314) (−0.618) (−1.353) (−1.190)
        Controls 控制 控制 控制 控制 控制 控制
        Year 控制 控制 控制 控制 控制 控制
        N 237 237 237 237 237 237
        R2 0.400 0.304 0.357 0.616 0.582 0.601
        注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。

        表10可知,列(1)−(3)金融衍生品指标与经济政策不确定性的交互项均与银行风险承担SdROA显著负相关,列(4)−(6)交互项均与Z-score显著正相关,即经济政策不确定性部分缓释了金融衍生品对银行风险承担的负面效果。验证了假设H2。可能的原因在于:经济政策不确定性使得商业银行在追求盈利水平的同时更加谨慎小心,谋稳定,求发展。经济政策不确定水平较高时,银行风险承担水平更加敏感(马续涛和沈悦,2017),商业银行更加倾向于保守经营,主动降低风险承担和风险容忍度(陈孝明等, 2021)。商业银行会更加谨慎地持有金融衍生品,风险管理的意愿会增强,主动降低自身风险,以应对监管政策和经济环境可能带来的负面影响。

      • 考虑到经济周期的影响,本文参考马勇和姚驰 (2017)的做法计算经济周期,即对GDP同比增速进行HP滤波处理取得周期波动项,生成经济周期指标(GDPdown),当周期波动项小于零时为经济下行期,取值为1;否则为经济上行期,取值为0。结果如表11所示。

        表 11  经济周期对金融衍生品与银行风险承担的调节效应

        变量 SdROA Z-score
        (1) (2) (3) (4) (5) (6)
        MonDer 1.110*** −0.470***
        (3.285) (−3.359)
        MonDer× GDPdown 3.251*** −0.561**
        (3.900) (−2.054)
        IRDer 0.580*** −0.190
        (2.994) (−1.562)
        IRDer× GDPdown 1.543*** −0.316*
        (2.952) (−1.761)
        Der 0.407*** −0.160***
        (3.277) (−2.804)
        Der× GDPdown 1.201*** −0.225**
        (3.672) (−2.142)
        GDPdown −0.771 −0.455 −0.622 0.635*** 0.622*** 0.635***
        (−1.022) (−0.572) (−0.802) (2.804) (2.770) (2.835)
        _cons 18.142*** 21.153*** 20.048*** −1.552 −2.209 −1.980
        (3.335) (3.481) (3.452) (−0.872) (−1.181) (−1.089)
        Controls 控制 控制 控制 控制 控制 控制
        Year 控制 控制 控制 控制 控制 控制
        N 237 237 237 237 237 237
        R2 0.388 0.313 0.354 0.606 0.582 0.595
        注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。

        表11可知,列(1)−(3)中金融衍生品指标与经济周期的交互项均与银行风险承担SdROA显著正相关,列(4)−(6)交互项均与Z-score显著负相关,即相对于经济上行期,商业银行在经济下行期持有金融衍生品对银行风险承担的加剧作用更强,验证了假设H3。可能的原因在于:在经济下行期,银行在实现目标收益和竞争加剧双层压力下会放宽借贷标准,进一步增加了银行风险(Delis和Kouretas,2011)。此外,在经济下行期,较低利率水平可能会影响银行对衍生品价值的判断,影响银行风险识别能力及风险承担水平。

      • 考虑产权性质影响,模型中加上金融衍生品指标与产权性质的交互项,回归结果如表12所示:列(1)−(3)金融衍生品指标与产权性质的交互项均与银行风险承担SdROA显著负相关,列(4)−(6)交互项均与Z-score显著正相关,即相对于非国有上市银行,国有上市银行的产权属性弱化了金融衍生品对银行风险承担的加剧作用,验证了假设H4。可能的原因在于:相对于非国有上市银行,国有上市银行并没有强烈的动机来实现粘性的名义收益率,其持有金融衍生品更多是为了风险管理。国有上市银行在注重企业利润最大化的同时,还要服务于国家政治与经济政策的需要,承担更多的社会责任,关注社会利益最大化,对绩效的诉求并不强烈(杜莹和刘立国,2002)。这符合我国特定制度环境,国有银行往往比非国有银行拥有更多的政治资源、社会资源与政府隐性担保,这种政治优势会使得银行获取更多的金融资源,从而转化为更多的资本优势(吴宗法和张英丽,2011)。因此,国有上市银行的产权属性弱化了金融衍生品对银行风险承担的加剧作用。

        表 12  产权性质对金融衍生品与银行风险承担的调节效应

        变量 SdROA Z-score
        (1) (2) (3) (4) (5) (6)
        MonDer 2.146*** −0.713***
        (3.437) (−5.293)
        MonDer×State −1.250* 0.440**
        (−1.951) (1.979)
        IRDer 1.218*** −0.349***
        (4.031) (−3.126)
        IRDer×State −0.977*** 0.322**
        (−2.629) (2.020)
        Der 0.763*** −0.243***
        (3.485) (−4.634)
        Der×State −0.481* 0.172*
        (−1.959) (1.892)
        State −0.107 −0.096 −0.131 0.021 0.023 0.027
        (−0.457) (−0.498) (−0.608) (0.157) (0.195) (0.219)
        _cons 17.291*** 18.091*** 17.894*** −1.499 −1.710 −1.674
        (3.243) (3.055) (3.129) (−0.839) (−0.912) (−0.911)
        Controls 控制 控制 控制 控制 控制 控制
        Year 控制 控制 控制 控制 控制 控制
        N 237 237 237 237 237 237
        R2 0.345 0.302 0.317 0.611 0.586 0.597
        注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。
      • 本文从两个渠道进一步分析金融衍生品持有与银行风险承担之间的影响机制。其一,金融衍生产品交易会减少商业银行资产与负债的期限错配,提升其资本头寸和现金流,有助于商业银行扩大贷款规模(Purnanandam,2007)。一方面,金融衍生品有助于提高净收益,为了平滑收入、追求实现粘性的名义收益率,商业银行会持有大量的金融衍生品,但过度依赖金融衍生品会导致银行对衍生品价值的错误估计,削弱其对未来贷款违约的信息有用性,促使商业银行以更高的杠杆率运营,增加信贷规模(Zhao和Moser,2017)。另一方面,银行使用利率、汇率类金融衍生品有助于降低交易成本,提高银行的盈利能力和资金储备,其举债能力得到了提高,促使银行减少信贷的限制、扩大贷款供应量。Brewer等(2001)发现银行持有金融衍生品有助于降低代理成本,扩大了其增加借贷的欲望。因此,本文选择贷款增长率(LGrow)来衡量银行信贷活动。其二,参考顾海峰和杨月(2020)的研究,采用流动性缺口作为衡量银行流动性创造(LC)的指标,进一步考察了流动性创造的中介效应。具体结果如表13所示。

        表 13  金融衍生品持有影响机制分析

        变量 LGrow
        (1)
        SdROA
        (2)
        Z-score
        (3)
        LC
        (4)
        SdROA
        (5)
        Z-score
        (6)
        Der 0.010** 0.611*** −0.212*** −0.049*** 0.327* −0.222***
        (2.051) (3.642) (−3.889) ( −7.485) ( 1.752) (−3.531)
        LGrow 2.455 −0.565
        (0.901) (−0.703)
        LC −6.423** −0.228
        (−2.593) (−0.252)
        _cons 0.329 19.503*** −2.853 −0.692*** 14.376*** −2.742
        (1.557) (3.280) (−1.289) (−3.149) (2.732) (−1.336)
        Controls 控制 控制 控制 控制 控制 控制
        Year 控制 控制 控制 控制 控制 控制
        N 220 220 220 232 232 232
        R2 0.597 0.318 0.582 0.717 0.351 0.578
        注:括号内为t值,******分别代表在10%、5%和1%的水平上显著。限于篇幅,未报告控制变量回归结果,资料备索。

        按照温忠麟等(2004)的中介效应检验步骤,表13中列(1)−(3)展示了贷款增长率作为中介效应的检验结果。第一步已在表4检验,第二步和第三步分别如表13中列(1)−(3)所示。当采用SdROA作为因变量时,列(2)LGrow系数不显著,进行Sobel检验,Z值为2.60,证明了其中介效应的存在。类似地,当采用Z-socre作为因变量时,列(3)LGrow系数不显著,同样Sobel检验的Z值为2.58,也证明了该中介效应的存在。这说明,为了平滑收入、追求实现粘性的名义收益率,商业银行会持有大量的金融衍生品,但过度依赖金融衍生品会导致银行对衍生品价值的错误估计,促使商业银行通过增加信贷规模部分增加银行风险承担水平。

        表13中列(4)−(6)展示了流动性创造作为中介效应的检验结果。同理,列(4)−(6)是中介效应的第二步和第三步。当采用SdROA作为因变量时,列(5)LC系数显著,再进行Sobel检验,Z值为3.590,证明了中介效应的存在。类似地,当采用Z-socre作为因变量时,列(6)LC系数不显著,同样Sobel检验的Z值为−2.390,也证明了该中介效应的存在性。与顾海峰和杨月(2020)类似,宽松货币政策会加大银行流动性创造,流动性创造在宽松型货币政策与银行风险承担关系中起中介作用。本文研究则说明随着银行金融衍生品持有程度的提高,降低了流动性创造水平,由此促进了银行风险承担。

      • 金融衍生品的产生主要用于对冲合约交易的风险,减少交易过程中的不确定性。作为金融衍生品市场的主要参与者,商业银行合理使用衍生品工具,可以对冲汇率、利率信用等金融风险,更好地体现金融媒介的效用。但现有研究发现商业银行持有金融衍生品的意图更多是基于投机目的参与市场交易,而不是为了自身风险管理,而金融衍生品的高杠杆性和复杂性又决定了金融衍生品具有巨大的风险。如果金融衍生品使用不当,过度参与投机交易,会给商业银行带来巨大的风险。为此,本文研究了金融衍生品持有对银行风险承担的影响。研究发现:商业银行持有金融衍生品会提高其风险承担水平,进一步细分为货币类和利率类两类衍生品,同时在解决内生性问题与稳健性检验后,结果不变。异质性分析表明,金融衍生品与银行风险承担的正向作用会在政策不确定性高、经济上行以及国有银行属性时弱化。影响机制显示,持有金融衍生品会通过放宽信贷标准、降低流动性创造水平增加银行风险承担。这表明我国持有金融衍生品更多出于利益驱动的考虑,而不是风险管理。

        本文揭示了银行业金融衍生品持有对风险承担的重要作用。一方面,从实践角度考虑,研究有助于正确认识金融衍生品的作用,为我国商业银行在金融改革创新中准确定位提供有益的启示。另一方面,研究结果为理解金融衍生品在实务中的作用提供了更为细致的参考,并对当前银行业改革的深化与发展有重要的理论和政策涵义。

        基于上述结论,本文提出如下政策建议:

        一是站在商业银行角度,需要改进内部治理结构,加强银行内部风险管理;需要建立更合适的风险预警和防范机制,并且在应对基础性营运等常规风险的同时,也需要引入适应业务创新的风险管理技术,以应对未来利率和汇率市场化进程深化带来的负面冲击。

        二是对于监管机构而言,需要深度规划和合理监管衍生品市场的发展,应确立金融衍生品市场的合理发展路径,密切关注交易所交易和场外交易对金融结构造成的变化,慎重分析和解读市场参与者的交易动机和交易行为,防范衍生品市场对于基础资产的突发性冲击,使衍生品市场能够发挥其对冲风险的正面作用,而非在突发性风险冲击时产生连锁反应而导致金融危机。

        三是在商业银行实现由计划经济体制向市场经济体制逐步转型的同时,建立起与企业外部环境相匹配的、有竞争力的、科学合理的金融体系,降低银行风险承担,这不管是对防范和化解金融风险,还是把我国银行办成能与国际一流银行竞争的金融企业来说,都具有特别重要的意义。

    注释:
    ①  资料来源:http://finance.sina.com.cn/money/bond/market/2020-01-15/doc-iihnzahk4252258.shtml。
    ②  例如,中国建设银行、中国工商银行、中国银行等。以2018年和2019年为例,中国工商银行披露的股权类衍生工具名义金额分别为0.94亿元和1.24亿元;中国银行披露的股权类衍生工具名义金额分别为72.76亿元和92.19亿元。
    ③  该指标的具体计算方法为流动性负债与流动性资产的差额除以总资产。其中,流动性负债包括存款、同业及其他金融机构存放款项,流动性资产包括现金及存放中央银行款项、存放同业和其他金融机构款项、交易性金融资产和可供出售金融资产。
    参考文献 (59)

    目录

      /

      返回文章
      返回