劉志洋

(東北師范大學 經濟學院，吉林 長春 130024)

?

商業(yè)銀行流動性風險、信用風險與償付能力風險

劉志洋

(東北師范大學 經濟學院，吉林 長春 130024)

摘要：流動性風險與信用風險是商業(yè)銀行面對的主要風險類型，研究二者的相互關系及對商業(yè)銀行經營的影響具有重要實踐意義。實證分析表明，反映中國商業(yè)銀行整體流動性風險的流動性創(chuàng)造指標會顯著影響銀行信用風險，但表示銀行融資流動性風險的NSFR比率不會影響商業(yè)銀行信用風險；信用風險對銀行流動性風險的影響不顯著。本文實證分析也從側面證明銀行資產流動性風險對銀行信用風險影響較高，因為二者都與銀行賬面資產有關。實證分析還表明中國銀行業(yè)存在“大而不倒”的現象，但本文認為這種“大而不倒”的現象本質來源是政府承擔了商業(yè)銀行流動性風險和信用風險的管理任務，因此商業(yè)銀行自身應該從流動性風險和信用風險交互作用角度做好風險管理，降低銀行風險。

關鍵詞：流動性風險；信用風險；NSFR；銀行違約概率；金融風險

資本監(jiān)管與流動性監(jiān)管在2008年金融危機后成為關注的焦點。一種觀點認為高資本充足率能夠通過降低銀行流動性創(chuàng)造功能來緩釋金融體系脆弱性①。然而Allen和Gale指出高資本充足率使銀行風險承擔能力增強，因而會增加銀行流動性創(chuàng)造功能，進而增加銀行流動性風險[1]。Berger和Bouwman使用美國1993～2003年商業(yè)銀行數據實證分析表明，對于大型銀行來說，銀行資本充足率與流動性創(chuàng)造(考慮表外業(yè)務)正相關，即商業(yè)銀行償付能力風險與流動性風險呈現正相關，而對小型銀行來說，此相關性為負值[2]。經典行業(yè)組織理論和金融中介理論指出，商業(yè)銀行資產與負債緊密相關，尤其是考慮到借款人違約和債務可獲得性兩個問題的時候，二者相關性更強。2008年金融危機進一步支持了商業(yè)銀行流動性風險和信用風險相互影響的結論。美國FDIC和OCC發(fā)布的金融危機報告稱，危機期間主要倒閉的銀行都同時受到了流動性風險和信用風險的沖擊。UBS在危機期間給股東的報告稱：其忽略了區(qū)分流動性資產與非流動性資產各自不同的風險特征，進而忽略了流動性風險與信用風險的相互作用。2008年經驗數據也表明，從2007年8月至2010年9月，美國倒閉的254家銀行中，倒閉的原因都是流動性原因，也包括償付能力不足的原因。其中，根據美國FDIC和OCC統計，由于貸款損失導致償付能力不足的倒閉銀行個數為106，流動性原因為117家。目前，針對商業(yè)銀行信用風險主要通過計提風險資本來覆蓋，而流動性風險主要在Basel III框架下來監(jiān)管。作為巴塞爾委員會成員國，中國銀監(jiān)會積極推進Basel III框架下的資本監(jiān)管與流動性監(jiān)管。對于商業(yè)銀行來講，信用風險和流動性風險是最重要的兩類風險，二者會相互作用，會最終影響商業(yè)銀行償付能力風險。因此在中國積極推進Basel III實施背景下，研究商業(yè)銀行信用風險和流動性風險如何相互影響及如何影響的商業(yè)銀行償付能力，對我國推進Basel III的實施，保證銀行體系穩(wěn)定都具有重要的政策參考價值。

一、文獻綜述

(一)商業(yè)銀行流動性風險與信用風險的交互關系

半個多世紀以來，學術界關注商業(yè)銀行流動性風險和信用風險的文獻很多。無論是Bryant[3]、Diamond和Dybvig[4]開創(chuàng)的經典金融中介理論，還是以Monti-Klein分析框架為代表性的產業(yè)組織理論，都認為商業(yè)銀行流動性風險和信用風險緊密相關。Prisman等在Monti-Klein分析框架下同時考慮了借款人違約率和突然沒有融資來源兩種情況[5]。Prisman等假設商業(yè)銀行在給定的資本和負債結構下最大化存貸差，以最大化盈利，且他們將流動性風險看成是導致盈利降低的原因，因此貸款違約會增加流動性風險，因為其降低了現金流入，繼而造成資產貶值[5]。Prisman等研究后得出結論，商業(yè)銀行流動性風險與信用風險是正相關的[5]。金融中介理論也支持此結論。Iyer和Puri認為由于銀行風險資產未來存在不確定性，因此恐慌會造成銀行的擠兌危機[6]。總之，這兩種理論均認為流動性風險和信用風險會共同影響銀行體系的穩(wěn)定。

2008年金融危機爆發(fā)后，許多學者認為流動性風險與信用風險存在正相關性，比如，Acharya和Viswanathan(2010)[7]、Gorton 和Metrick(2009)[8]等，他們認為，銀行對太多的經濟效益差的項目進行融資，如果這些項目貶值，存款人就會要求取回存款，高信用風險時通過存款人的取款引發(fā)高流動性風險。Acharya和Viswanathan指出，銀行的負債需要不斷向前滾動，因此負債越多，銀行面臨流動性風險越高，當危機爆發(fā)后出現資產貶值時，銀行流動性風險會更大[7]。Gorton和Metrick實證分析表明，在資產證券化快速發(fā)展的環(huán)境下，由于投資者恐慌造成銀行擠兌可能隨時發(fā)生[8]，因此Gorton和Metrick認為金融危機期間銀行間市場的融資成本加大是造成銀行出現信用風險的主要原因[8]。

然而還有一些學者認為，流動性風險與信用風險存在負相關性，代表性研究包括：Wagner(2007)[9]、Cai和Thakor(2008)[10]、Gatev等(2009)[11]、Acharya等(2009)[12]和Acharya和Naqvi(2012)[13]。然而這些研究對于流動性風險和信用風險都專注于某一視角，比如專注于資產拋售導致的流動性風險以及銀行由于貸款承諾出現的信用風險等?？傮w來講，國際上大多數學者認為流動性風險與信用風險存在正相關性。

(二)流動性風險和信用風險對商業(yè)銀行違約概率的影響

對銀行違約概率影響研究的文獻非常多。在2008年金融危機之前，代表性文獻主要有：Meyer和Pfifer(1970)[14]、Cole和Gunther(1995)[15]和Kolari等(2002)[16]等。他們的主要觀點是銀行違約的主要原因是對某一類別的貸款出現過多的風險敞口暴露。危機之后，許多學者也對銀行違約風險進行了實證分析，代表性文獻包括：Aubuchon和Wheelock(2010)[17]、Ng 和Roychowdhury(2014)[18]和Deyoung和Torna(2012)[19]。他們認為銀行違約的主要原因是資本充足率不足以及宏觀經濟環(huán)境?？傊?，在上述學者的對銀行違約的研究中，對信用風險關注程度很高，對流動性風險則相對關注不足。

近期學者開始關注流動性風險對銀行違約概率的影響。He和Xiong從批發(fā)融資的視角，認為債務人的滾動融資是將流動性風險和信用風險連接起來，并最終導致銀行違約的主要原因[20]。He和Xiong認為投資者會要求很高的流動性溢價，如果銀行的債務融資需要向前滾動，且由于銀行的抵押資產流動性很差，股東需要支付新發(fā)行債券的流動性風險溢價。而當市場出現流動性沖擊時，股東往往寧可使銀行倒閉，也不愿承受保護債權人的成本，因此銀行會最終選擇違約[20]。Acharya和Mora從銀行流動性供給者的視角，認為金融危機期間倒閉的銀行在倒閉的時候不是真正意義上的違約，所有倒閉的銀行都由于流動性緊缺而倒閉，因為他們發(fā)現倒閉的銀行主要特征是在倒閉之前大舉通過提高存款利率來吸引存款人[21]。

二、研究方法

(一)指標選取

1.商業(yè)銀行信用風險指標。本文定義商業(yè)銀行信用風險的指標(CR)為本期不良貸款余額與上一期貸款減值準備的比值，表示銀行對下一期信用風險水平的預測，具體計算方法如下式(1)：

(1)

其中NPL表示不良貸款余額，LP表示貸款減值準備。

2.商業(yè)銀行流動性風險指標。對于流動性指標來講，許多研究都使用會計數據。然而Poorman和Blake指出使用會計數據無法真正表示銀行的流動性風險，應該使用綜合性指標(synthetic indicators)來計算銀行流動性風險[22]。當前國際主流的綜合性測度流動性風險指標有兩種：一種是Berger 和Bouwman提出的流動性創(chuàng)造指標(LC)[2]；另一種是Basel III提出的凈穩(wěn)定資金比率(NSFR)。

Berger 和Bouwman提出的流動性創(chuàng)造指標將銀行資產、負債和所有者權益按照其流動性特點分為流動性(liquid)、準流動性(semiliquid)和非流動性(illiquid)三個類別，對于每一個類別都賦予相應的權重，將每一項加權匯總后計算銀行流動性創(chuàng)造總量[2]。商業(yè)銀行流動性創(chuàng)造越多，其流動性風險越高。具體計算方法如表1所示。

表1　　流動性創(chuàng)造包含變量及權重表

注：具體權重設定解釋可以參見劉志洋和宋玉穎(2015)[23]。

在表1基礎上，本文將計算所得的LC除以商業(yè)銀行總資產，作為表示流動性風險的指標LR，即：

(2)

Basel III針對流動性監(jiān)管提出了兩個新的指標：流動性覆蓋率(LCR)②和凈穩(wěn)定資金比率(NSFR)。LCR專注于銀行短期流動性管理，而NSFR專注于銀行長期流動性管理。NSFR是可用的穩(wěn)定資金(available amount of stable funding，ASF)與業(yè)務所需的穩(wěn)定資金(required amount of stable funding，RSF)之比，監(jiān)管標準為不低于100%，是衡量銀行長期流動性風險的指標，意在鼓勵銀行吸收長期的穩(wěn)定資金來開展業(yè)務，避免過度依賴短期批發(fā)融資。一些國外學者針對NSFR進行實證研究[24][25]，但對銀行資產和負債的分類相對簡單，這是不可避免的。國際貨幣基金組織也曾經指出，“對于NSFR的研究來說，數據是一個很大的挑戰(zhàn)”。結合Meilan Yan 等[26]以及Distinguin等[25]的研究，本文NSFR的計算公式如下：

(3)

其中Equity為所有者權益，Depo為銀行存款總量。由于NSFR專注于資金獲得的穩(wěn)定程度，因此本文根據中國銀行業(yè)當前的具體情況，認為雖然互聯網金融會使得銀行存款存在一定程度的流失，但銀行存款整體還是保持相對穩(wěn)定，且被互聯網金融分流的存款也大部分最終回流到銀行體系，因此結合國外學者的研究，本文將期限小于1年的活期存款的系數設定為0.85，對剩余期限大于1年的存款系數設定為1。Lia為其他剩余期限大于1年的負債資金來源，包括同業(yè)存、拆放款項、賣出回購金融資產款、應付債務憑證以及其他負債。LtbLoans為存放同業(yè)款項和拆出資金，根據Meilan Yan等研究，本文將其系數設定為0.05[26]；Loans為發(fā)放墊款及貸款總額；Securities包括以公允價值計量且其變動計入當期損益的金融資產、買入返售金融資產、可供出售金融資產；Otherassets包括應收款項類投資、持有至到期投資和其他金融資產。

值得一提的是，在本文選擇的兩類流動性風險測度指標中，由于流動性創(chuàng)造指標(LR)綜合考慮了將投資者流動性資產轉化為企業(yè)非流動性資產以及將投資者流動性資產轉化為銀行非流動性資產兩類情況，因此LR為表示銀行流動性風險的綜合指標，既考慮了銀行資產的流動性風險，又考慮了銀行融資來源的流動性風險。NSFR關注的主要是銀行穩(wěn)定的資金來源，因此本文認為NSFR指標更多地關注是銀行融資流動性風險。

(二)分析模型

本文考察商業(yè)銀行流動性風險與信用風險如何相互影響，因此本文使用動態(tài)面板回歸模型，研究二者之間如何相互影響，具體回歸方程式如下：

CRi,t=αi+β1CRi,t-1+β2LRi,t-1+control+ε1i,t

(4)

LRi,t=δi+θ1LRi,t-1+θ2CRi,t-1+control+ε2i,t

(5)

其中，t表示時期，i表示商業(yè)銀行，CR為信用風險變量，LR為流動性風險變量，control為相應控制變量，具體包括銀行規(guī)模(取對數，SIZE)、凈資產收益率(ROA)、利息收入占比(NI)、GDP增長率(GDP)以及滬深300指數收益率(STOCK)。式(4)為信用風險方程(CR)，式(5)為流動性風險方程(LR)。當使用NSFR作為流動性風險測度變量時，數據頻率為年度數據，使用流動性創(chuàng)造指標時為半年度的數據。αi和δi表示固定效應。

本文使用KMV模型測度的商業(yè)銀行違約概率作為商業(yè)銀行償付能力的替代變量。在使用KMV模型測算上市商業(yè)銀行違約概率過程中，根據KMV模型的常規(guī)做法，本文對違約點的設定為：短期負債+0.5*長期負債。其中短期負債包括同業(yè)及其他金融機構存放款項、向中央銀行借款、拆入資金、交易性金融負債、衍生金融負債、賣出回購資產款以及存款總量的20%；長期負債包括應交稅費、應付利息、應付債券、遞延所得稅負債、預計負債、其他負債以及存款總量的80%。在研究流動性風險和信用風險如何對商業(yè)銀行償付能力影響方面，本文使用面板數據混同回歸模型如下：

PDi,t=α+β1LRi,t(NSFRi,t)+β2CRi,t+β3CRi,t*LRi,t(NSFRi,t)+θXi,t+λCt+εi,t

(6)

式(6)中，t表示時期，i表示商業(yè)銀行，PD表示商業(yè)銀行的違約概率，X表示控制變量，包括取對數銀行資產規(guī)模(SIZE)、利息收入占比(NI)、資本充足率(CAP)以及資產收益率(ROA)，C表示宏觀經濟變量，包括滬深300指數收益率和GDP增長率，α表示模型的截距項，εi,t為隨機誤差項。同時，考慮到NSFR比率計算的數據可得性原因，當使用NSFR表示商業(yè)銀行流動性風險時，本文的時間頻率為年度；使用LR時，時間頻率為半年度。

三、樣本數據及實證結果

(一)樣本數據

本文的研究樣本為中國16家上市商業(yè)銀行，數據來源為銀行公開季報、半年報、年報以及Wind數據庫，樣本期間為2007～2014年。表2為剔除異常值后的樣本統計數據。從流動性創(chuàng)造角度看，整體上商業(yè)銀行流動性創(chuàng)造占資產比例的平均值和中位數為42%，不到50%，說明整體上，商業(yè)銀行流動性風險不會對商業(yè)銀行的償付能力產生負面影響。從NSFR比率來看，我國上市商業(yè)銀行NSFR整體均值在1.7左右，超過了100%的基本要求，中位數也在1.61，NSFR最大值出現在2008年的北京銀行，最小值也略微超過100%。從信用風險指標來看，平均值為56%，說明整體上商業(yè)銀行計提了足夠的資產損失準備來覆蓋不良貸款。但統計數據表明，信用風險指標最大值為5.9，出現在興業(yè)銀行2014年年底，同時在樣本數據中，還有大量超過1的情況，這從側面說明商業(yè)銀行信用風險也不容忽視，準備金覆蓋率也出現了不足的情況。從本文使用KMV模型測算的違約概率來看，平均違約概率為0.0147，超過10%的樣本個數為5個，最大值為交通銀行2013底的違約概率，為45%。除去超過違約率超過10%的樣本個數，中國上市商業(yè)銀行平均違約概率為0.0038。從核心資本充足率來看，中國上市商業(yè)銀行核心資本充足率平均值較高(9.80%)。剔除異常值后，中國上市商業(yè)銀行核心資本充足率最大值為14.60%，為寧波銀行的2008年數據。其實，如果將核心資本充足率異常值包括進來，則發(fā)現所有大的異常值都來源于北京銀行、南京銀行和寧波銀行三個城市商業(yè)銀行。

表2　　樣本數據統計性質

表3　　相關性檢驗

表3為流動性風險、信用風險與銀行償付能力之間的相關性檢驗。從表3可以看出，商業(yè)銀行償付能力風險(PD)與信用風險的相關性不顯著，與LR比率相關性顯著，但與NSFR比率相關性不顯著，這從側面表明商業(yè)銀行償付能力風險可能與銀行資產流動性風險有關，而與融資流動性風險(NSFR)關系不大。從表3還可以看出，信用風險與LR比率顯著相關，與NSFR比率相關性不顯著。因此整體來講，商業(yè)銀行的融資流動性風險對商業(yè)銀行信用風險和整體償付能力風險影響有限。這可能反應了當前我國商業(yè)銀行在金融體系的主導地位，商業(yè)銀行的資金來源非常穩(wěn)定，因此更多的流動性風險可能表現在資產方面。

(二)實證結果

表4為式(4)和式(5)的回歸結果。相關性檢驗表明，CR與NSFR相關性不顯著，因此本文主要考慮CR與LR之間的相互作用機制③。本文使用Sargan檢驗J統計量來判斷模型設定是否正確，其原假設是模型過度約束正確。從表4回歸結果可以看出，無法拒絕原假設，因此本文認為模型設定正確。從式(4)回歸結果可以看出，LR對CR具有顯著的正向影響，即商業(yè)銀行流動性創(chuàng)造水平越高，商業(yè)銀行信用風險越大。由于LR指標考慮了商業(yè)銀行的資產持有狀況，因此本文認為商業(yè)銀行在行使流動性創(chuàng)造的經濟職能過程中，由持有企業(yè)非流動性資產的所帶來的流動性風險的增加也會導致不良貸款余額的增加。由于上一期LR對CR影響不顯著，說明商業(yè)銀行在向經濟體提供流動性時已經在當期計提了相應的準備金，因此二者不存在跨期影響。式(5)回歸結果表明，商業(yè)銀行的信用風險對商業(yè)銀行流動性風險影響不顯著。這主要是因為中國商業(yè)銀行不良貸款的準備金覆蓋率較高，不會由于貸款質量下降而影響商業(yè)銀行的流動性管理：一方面，撥備覆蓋可以解決資產損失問題；另一方面，中國商業(yè)銀行資金來源也相對較為穩(wěn)定，融資流動性風險并不突出。

總之，本文認為表示商業(yè)銀行整體流動性風險的流動性創(chuàng)造指標會顯著影響銀行信用風險，但表示銀行融資流動性風險的NSFR比率不會影響商業(yè)銀行的信用風險；信用風險對銀行流動性風險的影響不顯著。

表4　　　動態(tài)面板模型回歸結果

注：(1)固定效應結果顯著，因為篇幅原因，具體結果省略；(2)“***、**和*”分別表示“1%、5%和10%”水平上顯著。

表5為式(6)回歸結果。從孤立角度來看，商業(yè)銀行流動性風險越高，信用風險越高，商業(yè)銀行倒閉的概率應該就越高；但信用風險與流動性風險交互作用對商業(yè)銀行倒閉概率的影響則無法明確[27]。從單個變量回歸來看，流動性風險對銀行倒閉的概率影響顯著，商業(yè)銀行向經濟體提供的流動性越多，即商業(yè)銀行資產流動性風險越高，商業(yè)銀行凈穩(wěn)定資金來源比率越低，商業(yè)銀行倒閉概率越大。但信用風險對商業(yè)銀行倒閉概率的影響不顯著。本文認為這與當前中國國情有關，因為此前政府曾經大舉介入中國商業(yè)銀行不良貸款處置工作，這些不良貸款有國家和政府的信用背書，且本文所計算的PD是運用股票市場數據得到，能夠體現市場的基本觀點，因此市場參與者會認為，即使商業(yè)銀行不良貸款余額增加，政府也會出手進行剝離，商業(yè)銀行不會因此而倒閉。

同時，從表5還可以看出，CR與NSFR乘積的回歸系數顯著為負值，說明當商業(yè)銀行資金來源穩(wěn)定時，即使信用風險增加，銀行違約概率也會降低。CR與LR乘積的回歸系數顯著為負值，此結果與Imbierowicz和Rauch(2014)回歸結果是一致的[27]。結合之前回歸結果，二者存在顯著正相關性，本文認為當商業(yè)銀行流動性創(chuàng)造增加導致銀行信用風險上升時，市場參與者會認為此時存在“大而不倒”的現象[27]。這與中國國情是一致的：第一，商業(yè)銀行在中國金融體系居于主體地位，信貸供給功能無可替代；第二，本文樣本中的上市商業(yè)銀行均關聯度廣，規(guī)模大，因此倒閉的社會成本極高；第三，在中國金融市場中，存款保險制度沒正式出臺之前，存在政府對金融機構的隱形擔保。因此當金融機構風險增加時，由于政府隱形擔保的存在，且本文所計算的違約概率是基于股票市場的數據，具有前瞻性，因此市場參與者就會認為商業(yè)銀行不會倒閉，即出現了“大而不倒”的現象。然而，這種“大而不倒”的現象本質來源是政府承擔了商業(yè)銀行流動性風險和信用風險的管理任務。因此，本文認為當商業(yè)銀行自身行之有效地從流動性風險和信用風險交互作用角度做好風險管理時，能夠降低銀行倒閉概率。

表5　　　混合回歸結果

注：***、**和*分別表示1%、5%和10%水平上顯著。

四、結論及政策建議

2008年金融危機爆發(fā)后，以巴塞爾資本協議為核心的商業(yè)銀行監(jiān)管改革成為危機后監(jiān)管改革的主旋律。一方面，巴塞爾委員會繼續(xù)推進以信用風險為主的資本監(jiān)管框架；另一方面，也推進加強商業(yè)銀行的流動性風險管理。信用風險的特征是具有長期性和累積性，而流動性風險具有突發(fā)性的特點，二者相互作用會影響商業(yè)銀行的穩(wěn)健經營。本文實證分析表明，表示商業(yè)銀行整體流動性風險的流動性創(chuàng)造指標會顯著地影響銀行信用風險，但表示銀行融資流動性風險的NSFR比率不會影響商業(yè)銀行的信用風險；信用風險對銀行流動性風險的影響不顯著。同時，本文認為流動性風險能夠影響銀行的倒閉概率，而信用風險則沒有發(fā)生顯著影響；二者的交互作用對銀行的倒閉概率的影響反映出股票市場參與者對中國商業(yè)銀行存在“大而不倒”的認識。基于上述研究結論，本文提出以下政策建議：

第一，重視商業(yè)銀行資產流動性風險管理。流動性風險一般分為資產流動性風險和融資流動性風險。資產流動性風險關注的是商業(yè)銀行將投資者的流動性資金轉化成銀行賬面的非流動性資產，融資流動性風險更加關注資金來源。本文實證分析從側面證明銀行資產流動性風險對銀行信用風險影響較大，因為二者都與銀行賬面資產有關，因此在中國基本國情下，商業(yè)銀行要關注資產的流動性風險。

第二，重視商業(yè)銀行信用風險與流動性風險的交互效應。商業(yè)銀行信用風險和流動性風險最終都會影響銀行的償付能力。一旦銀行償付能力出現問題，二者都會存在相互加強機制。雖然目前對二者交互作用的研究結論不甚明朗，但中國商業(yè)銀行應關注由于風險交互作用而給銀行穩(wěn)健經營帶來的威脅。

第三，從微觀角度加強宏觀審慎監(jiān)管建設。本文實證分析表明，將流動性風險與信用風險結合進行風險管理，可以降低銀行倒閉概率。因此為了保證銀行體系穩(wěn)定，應從宏觀視角和風險結合視角，整體推進宏觀審慎監(jiān)管體系建設，綜合考慮各類型風險的綜合作用結果來制定宏觀審慎監(jiān)管政策。

注釋：

①Berger和 Bouwman(2009)指出，商業(yè)銀行流動性創(chuàng)造越多，流動性風險越高。

②計算LCR和NSFR對數據要求很高，因此針對NSFR本文只計算年度數據。由于LCR更加關注短期，因此本文認為計算LCR需要短期月度數據，但這些數據作者無法從公開渠道獲得。因此在后面的實證分析中，本文主要使用NSFR進行實證分析。

③為節(jié)省版面，本文略去CR與NSFR的回歸分析。CR與NSFR回歸分析表明，估計系數均不顯著。

參考文獻：

[1] Allen F., Gale D.Financial Intermediaries and Markets[J].Econometrica, 2004, 72(4):1023—1061.

[2] Berger A.N., Bouwman C.H.S.Bank Liquidity Creation[J].Review of Financial Studies, 2009, 22(9):3779—3837.

[3] Bryant J.A Model of Reserves, Bank Runs, and Deposit Insurance[J].Journal of Banking & Finance, 1980, 4(4):335—344.

[4] Diamond D.W, Dybvig P.H.Bank Runs, Deposit Insurance, and Liquidity [J].Quarterly Review, 2000, 91(3):14—23.

[5] Prisman E.Z., Slovin M.B., Sushka M.E.A General Model of the Banking Firm Under Conditions of Monopoly, Uncertainty, and Recourse [J].Journal of Monetary Economics, 1986, 17(2):293—304.

[6] Iyer R., Puri M.Understanding Bank Runs: The Importance of Depositor-Bank Relationships[J].American Economic Review, 2008, 102(5):280—281.

[7] Acharya V.V., Viswanathan S.Leverage, Moral Hazard, and Liquidity[J].Journal of Finance, 2010, 66(1):99—138.

[8] Gorton G., Metrick A.Securitized Banking and the Run on Repo[J].Journal of Financial Economics, 2009, 104(3):425—451.

[9] Wagner W.The Liquidity of Bank Assets and Banking Stability[J].Journal of Banking & Finance, 2007, 31(1):121—139.

[10] Cai J., Thakor A.Liquidity Risk, Credit Risk and Interbank Competition[Z].Ssrn Electronic Journal, 2008.

[11] Gatev E., Strahan P.E.Managing Bank Liquidity Risk: How Deposit-Loan Synergies Vary with Market Conditions[J].Review of Financial Studies, 2009, 22(3):995—1020.

[12] Acharya V.V., Shin H.S., Yorulmazer T.Crisis Resolution and Bank Liquidity[Z].Nber Working Papers, 2009.

[13] Acharya V., Naqvi H.The Seeds of a Crisis: A Theory of Bank Liquidity and Risk Taking over the Business Cycle[J].Journal of Financial Economics, 2012, 106(2):349—366.

[14] Meyer P.A.Prediction of Bank Failures[J].Journal of Finance, 1970, 25(4):853—868.

[15] Cole R.A, Gunther J W.Separating the Likelihood and Timing of Bank Failure[J].Journal of Banking & Finance, 1995, 19(6):1073—1089.

[16] Kolari J., Glennon D., Shin H., et al.Predicting Large US Commercial Bank Failures[J].Journal of Economics & Business, 2002, 54(4):361—387.

[17] Aubuchon C.P, Wheelock D.C.The Geographic Distribution and Characteristics of U.S.Bank Failures, 2007—2010: Do Bank Failures Still Reflect Local Economic Conditions?[J].Review, 2010, 92(5):395—415.

[18] Ng J., Roychowdhury S.Do Loan Loss Reserves Behave like Capital? EvidenceFromRecentBank Failures[J].Review of Accounting Studies, 2014, 19(3): 1234—1279.

[19] Deyoung R., Torna G.Nontraditional Banking Activities and Bank Failures during the Financial Crisis[J].Journal of Financial Intermediation, 2012, 22(3):397—421.

[20] Zhiguo He, Xiong W.Rollover Risk and Credit Risk[J].Journal of Finance, 2010, 67(2):391—430.

[21] Acharya V.V, Mora N.A Crisis of Banks as Liquidity Providers[J].Journal of Finance, 2015, 70(1):1—43.

[22] Poorman, F., Blake, J.Measuring and Modeling Liquidity Risk: New Ideas and Metrics[Z].Financial Managers Society Inc, Working Paper,2005.

[23] 劉志洋, 宋玉穎.商業(yè)銀行流動性創(chuàng)造研究[J].湖北經濟學院學報, 2015，(6):30—37.

[24] King M.R.The Basel III Net Stable Funding Ratio and Bank Net Interest Margins[J].Journal of Banking & Finance, 2013, 37(11):4144—4156.

[25] Distinguin I., Roulet C., Tarazi A.Bank Regulatory Capital and Liquidity: Evidence from US and European Publicly Traded Banks[J].Journal of Banking & Finance, 2013, 37(9):3295—3317.

[26] Yan M., Hall M.J.B., Turner P.A Cost-benefit Analysis of Basel III: Some Evidence from the UK[J].International Review of Financial Analysis, 2011, 25(6):73—82.

[27] Imbierowicz B., Rauch C.The Relationship between Liquidity Risk and Credit Risk in Banks[J].Journal of Banking & Finance, 2014, 40(1):242—256.

(責任編輯：肖加元)

中圖分類號：F830.9

文獻標識碼：A

文章編號：1003-5230(2016)03-0052-08

作者簡介：劉志洋(1985— )，男，吉林松原人，東北師范大學經濟學院講師，博士。

基金項目：國家社會科學基金青年項目“中國銀行業(yè)宏觀審慎監(jiān)管政策工具組合及有效性研究”(15CJY083)；中國博士后科學基金第58批面上資助“中國銀行業(yè)宏觀審慎監(jiān)管政策工具組合及有效性研究”(2015M581379)

收稿日期：2016-02-13