期限错配如何影响商业银行的稳健性

张博 匡浩宇 来晓东 尹相荣

摘   要：本文从理论层面梳理了我国商业银行期限错配与经营稳健性之间的内在传导机制。在此基础上，以2011—2018年间我国202家商业银行的非平衡面板数据为样本，实证分析了期限错配对银行稳健性的影响，并按照银行性质不同进行了异质性研究。研究发现：（1）期限错配显著弱化了银行经营的稳健性;（2）将影响程度进行分样本比较，全国性股份制银行高于城市商业银行，大型国有商业银行和农村商业银行结果不显著;（3）进一步分析期限错配影响银行稳健性的传导渠道，发现流动性风险在两者之间具有显著的中介效应，在样本分类比较中，全国性股份制银行流动性风险的相对贡献为10.3%，低于城市商业银行的22.6%，说明相较于城市商业银行，全国性股份制银行的融资渠道多、融资能力强，因而流动性风险对其稳健性的影响有限。

关键词：期限错配;流动性风险;中介效应;稳健性指数

一、引言

党的十九大报告提出，要“健全金融监管体系，守住不发生系统性金融风险的底线”。2018年5月，银保监会下发《商业银行流动性风险管理办法》，旨在管理商业银行的流动性风险，提升银行体系运行的稳健性，其中重点关注银行的期限错配问题。银行本就是依靠存贷款错配开展经营的主体，但在过去20多年间，全球金融危机的爆发、互联网金融的大繁荣以及银行同业业务的兴起深刻改变了商业银行的运营模式，也改变了人们对相关问题的看法。

首先，全球金融危机改变了人们对期限错配的认识。早期关于银行资产负债结构的文献指出，适度的期限错配对于商业银行的经营是有益的，其在满足投资者流动性需求的同时，也促进了长期投资的发展（Diamond和Dybvig，1983）[1]。但2008年全球金融危机的惨痛教训让人们意识到，过度的期限错配会导致流动性危机，这引发了学术界的反思。Crotty和Epstein（2008）[2]的研究发现，银行表外业务短期债务和长期债权的特殊属性，改变了银行的信用期限结构，进一步加深了银行的期限错配程度。Brunnermeier和Oehmke（2013）[3]指出，为了创造更多的利润，金融机构不断缩短债务期限，从而加剧了期限错配的程度，在没有外部干预的情况下，市场是缺乏效率的。为应对2008年全球金融危机的影响，我国政府制定了一揽子经济刺激计划;同时，为防止银行贷款超额投放，防控银行信贷风险的发生，我国监管机构还出台了存贷比、资本充足率等一系列监管政策。为规避监管，银行在业务操作过程中进行了大量的金融创新，其中同业业务成为规避政策监管的主要工具。高蓓等（2019）[4]的研究发现，同业业务的创新发展使银行经营稳健性由正转负：传统的同业业务，是商业银行之间平衡头寸而进行的短期资金拆借和划拨，使商业银行满足监管要求，促进了商业银行经营的稳健性;而创新后的同业业务，通过多层嵌套进行放贷以规避监管，在抬高资金成本的同时，降低了商业银行经营的稳健性。

其次，互联网金融加剧了期限错配。2013年后，我国互联网金融进入实质性发展阶段（郑联盛和张明，2014）[5]，以余额宝为代表的互联网货币基金兴起，其以高额的回报率将储户存款从银行账户吸引至互联网货币基金账户，再以大额存单的形式重新进入银行系统，抬升了银行的资金成本，挤压了银行的利润空间，间接推动了存贷款利率的市场化进程。竞争脆弱性理论指出，竞争的加剧会使银行特许权价值下降，银行被迫承担更多的风险。为了弥补利差的损失，银行有动力开展长周期、高风险的业务，特别是大量创新的同业业务（张博，2020）[6]。互联网金融的繁荣，对商业银行扩张同业业务起到了推波助澜的作用，使我国银行资产负债结构发生了显著变化，伴随而来的是银行期限错配风险上升。

最后，我国传统存贷款业务变化加剧期限错配。吸收存款、发放贷款是商业银行的传统业务，通过吸收短期限、低成本的存款，发放长期限、高价格的贷款，以赚取利差。但我国商业银行存在过度依赖短期融资并配置长周期资产的现象，资产负债结构的期限错配导致了银行的不稳健性（许友传，2018）[7]。2018年末，我国住户存款中活期存款占比较2014年末提高了0.2个百分点，而中长期贷款占比则较2014年末提高了将近7个百分点。商业银行的存贷款期限错配具有显著的顺周期特征，当宏观经济环境恶化时，“短存长贷”的期限错配特征会导致流动性风险（彭建刚等，2014）[8]。

综上所述，随着我国银行业对外开放步伐的加快，商业银行经营的外部环境日益复杂，商业银行的融资基本上源于短期存款和同业拆借，一旦宏观经济环境发生剧变，风险很容易从单家银行传导至其他金融主体，从而引发系统性金融风险，因此，防控期限错配风险是金融宏观审慎监管的重要一环。

国内外已有不少关于银行期限错配与稳健性关系的研究，但在样本数量和时间跨度选择、样本分类研究以及期限错配对银行稳健性的影响渠道等方面仍存在改进空间。基于此，本文對银行期限错配影响经营稳健性的内在传导机制进行了梳理，并进行实证分析。本文的主要贡献在于：（1）在Brunnermeier等（2011）[9]及Bai等（2015）[10]研究的基础上，基于我国银行业特征以及数据可得性，编制了我国202家商业银行2011—2018年间期限错配指数，作为衡量我国银行业整体期限错配程度的代理变量;（2）采用主成分因子法编制了我国202家商业银行2011—2018年间经营稳健性指数，作为衡量我国银行业整体稳健性程度的代理变量;（3）选取了2011—2018年间我国202家商业银行的非平衡面板数据，实证检验了银行期限错配对银行运营稳健性的影响;（4）按照性质分类，进一步研究了期限错配对国有大型商业银行（以下简称国有银行）、全国性股份制银行（以下简称股份制银行）、城市商业银行（以下简称城商行）和农村商业银行（以下简称农商行）稳健性影响的异质性;（5）通过建立中介效应模型，验证了流动性风险是期限错配影响银行经营稳健性的传导渠道，并按照银行性质分类，讨论了不同类型银行中介效应的相对贡献，为制定相关政策提供依据。

二、影响机制

（一）期限错配影响商业银行稳健性的理论基础

Fisher（1933）[11]提出“债务-通货紧缩”理论，指出银行的经营情况与宏观经济周期密切相关。在经济下行周期，企业过度负债影响及时清偿，进而会导致银行经营的脆弱性。Minsky（1982）[12]提出了“金融不稳定假说”，他深入研究商业银行不稳健性的原因，认为银行系统内在不稳健性是由其高负债经营的行业特点决定的。当经济繁荣时，企业和个人提高投机性和高风险性负债;当经济下行时，借款人无力偿还贷款，加剧银行经营风险。Diamond和Dybvig（1983）[1]提出了DD模型（银行挤兑模型），认为银行可能会遇到存款挤兑和流动性不足的问题，提出流动性风险是导致银行不稳健性的主要原因。裘翔（2015）[13]研究发现银行流动性风险源自资产和负债的期限错配，资产到期形成流动性供给，负债到期形成流动性需求，如果银行资产的平均期限大于负债，形成期限错配，那么银行就需要通過不断展期负债来满足流动性的缺口;如果不能顺利展期，就会产生流动性风险，导致银行的不稳健性。

（二）传统存贷业务期限错配影响银行稳健性的传导机制

间接融资是我国企业和个人的主要融资渠道。从银行传统的存贷业务看，我国商业银行吸收存款、发放贷款，为资金的供需双方搭建了桥梁，在流动性创造中的角色十分重要。巴曙松等（2016）[14]认为，流动性创造是商业银行吸收流动性相对较好的短期存款，放出长期非流动贷款，形成流动性较差的资产。这一过程创造了流动性，同时也使商业银行产生了期限错配，给自身带来了流动性风险（孙莎等，2014）[15]。彭建刚等（2014）[8]认为，商业银行存贷款期限错配具有明显的周期性特点，一旦外部环境恶化，期限错配容易引发流动性风险;同时，这种流动性风险通过银行间市场的传染，可能会导致系统性金融风险。徐璐和钱雪松（2013）[16]研究发现，过度放贷会降低银行体系的稳健性，因为负债端具有刚性，如果银行资产的平均期限大于负债，商业银行可能会因为负债不能顺利展期出现偿付能力问题。

（三）同业业务期限错配影响银行稳健性的传导机制

我国同业业务最早始于1984年的信贷资金管理体制改革。改革将高度集中的信贷资金管理体制发展为银行间可以相互融通的新型管理体制，即允许商业银行之间互相拆借资金。同业业务初期的功能只是解决银行间短期流动性问题，通过拆借来补足商业银行间的头寸，对闲置资金进行有效配置，增强银行经营的稳健性。2008年，为应对金融危机的冲击，我国实行了较为宽松的货币政策，但政策的不连续性也给我国商业银行为规避监管而进行业务“创新”提供了机会。其中，同业业务“创新”的典型代表是通道类业务，其核心是利用自有资金或理财资金发放贷款。2013年，原银监会下发《中国银监会关于规范商业银行理财业务投资运作有关问题的通知》，对银行理财资金的投向、风险拨备等提出了明确要求。伴随着商业银行通道业务的降温，信托受益权买入返售业务开始兴起。

买入返售业务是指商业银行（资金融出方）按照与金融机构（资金融入方）所签协议约定先买入票据、证券、贷款等金融资产，再按约定价格在约定的期限售回给该金融机构的资金融通行为，对金融机构而言，该笔交易就是卖出回购业务。传统的买入返售业务本质上与债券回购业务十分类似，是一种以票据、信托受益权等资产为抵/质押品的资金融通业务。近年来，作为非标准化的资产投资工具，通过信托受益权的买入返售来规避监管的问题日趋严重，买入返售和卖出回购经常被银行用于变相融资来规避监管。

买入返售和卖出回购两种方式对银行风险的作用如图1所示。如果一家无法通过股票、债券等正常渠道融资的企业向乙银行借款，乙银行在受到信贷规模限制的情况下，可能会联合甲银行、丙银行以及信托公司变相为该企业发放“贷款”，具体流程是：第一步，甲银行为规避监管，将传统贷款业务包装为同业业务，并以同业资金发起信托计划取得信托受益权;第二步，丙银行是买入返售业务资金的实际提供方，乙银行为该笔融资提供担保并与丙银行签订远期协议，承诺借款企业发生违约时出资受让信托受益权，因此也是最终的风险承担方（刘轶等，2016）[17]。该模式传导链条较长，银行大多是用短期资金购买长期高风险资产。随着交易网越来越复杂，商业银行彼此之间拥有数量巨大且资金流向不清晰的资产，在产生期限错配的同时增加了流动性风险。资产经过不断的返售和回购，每家金融主体都被牢牢绑定在一起。当经济下行时，一旦非标资产违约率上升，为弥补同业业务流动性不足可能带来的损失，银行只能借新还旧，继续加大期限错配，不断积累内在的不稳定性，随时可能引发流动性风险（项后军和曾琪，2019）[18]。

（四）期限错配对不同类型银行稳健性影响的分析比较

国有银行作为同业资金主要的融出方和同业资产的持有方，对于市场的重要性不言而喻。国有银行先从中央银行获取流动性，再通过购买中小型商业银行同业存单的方式获利。而股份制银行和城商行等中小银行，则只能通过发行短期、低利率同业存单获取资金，然后再购买高风险长周期、利率更高的同业存单和同业理财进行套利。在金融市场改革和监管政策的影响下，中小银行为了获取更高的利润，有动力积极参与同业业务，加大了同业业务流动性风险，进一步强化了同业业务期限错配对银行稳健性的影响。此外，中小银行的情况也并不完全相同。通过对平安银行广州分行、民生银行广州分行和湖南南县农商行等银行的实地调研发现，相比股份制银行和城商行主动开展同业套利，农商行开展同业业务的动机并不强。这是因为：一方面，农商行享受国家扶持“三农”发展的激励政策，涉农贷款总额的85%享受免税优惠;另一方面，农商行普遍存在不良率较高的历史包袱，受到银行监管部门的严格监管。

基于上述分析，本文将流动性风险作为期限错配影响银行稳健性的中介效应变量，并采用银行存款余额作为衡量银行流动性的代理变量，提出以下假设：

H1：期限错配显著弱化了商业银行经营的稳健性;

H2：在期限错配影响下，国有银行和农商行的稳健性程度高于股份制银行和城商行;

H3：流动性风险是期限错配影响银行经营稳健性的重要传导渠道。

三、研究设计

（一）变量选取

1. 核心解释变量：银行期限错配程度。对于商业银行期限错配指标的测算，国内外学者均开展了很有价值的探索。Brunnermeier等（2011）[9]提出了流动性错配指数（[LMI]）的概念，通过衡量银行资产端市场流动性以及负债端融资流动性来测度银行流动性水平。Bai等（2015）[10]在Brunnermeier等（2011）[9]的基础上进一步明确了流动性错配指数的计算过程，他们将资产和负债均看作是完全流动资产的衍生产品，其中负债期限越短或资产期限越长，对流动性的消耗越大，因此流动性错配指数非常适合衡量商业银行期限错配的程度（裘翔，2015）[13]。本文采用Brunnermeier等（2011）[9]以及Bai等（2015）[10]提出的流動性错配指数（[LMI]）作为衡量银行期限错配的代理变量，并结合我国商业银行的实际情况，构建核心解释变量（[CBLMI]）。具体而言，Bai等（2015）[10]对商业银行报表中每个会计科目均赋予一个流动性敏感系数，而不同资产或负债的流动性敏感系数与其自身的期限密切相关。本文以此为基础，并参考Berger和Bouwman（2009）[19]的做法，将银行资产负债表中的科目按流动性程度分为不流动、半流动性和高流动性三类，分别赋予相对应的权重（见表1），加总计算后得出流动性错配指数（[LMI]）。假设商业银行资产科目的权重为[ρt，ak]，其中[t]表示年份，[ak]表示商业银行资产科目，用[ait，k]表示[t]年份第[i]家银行资产科目[k]对应的数值;同样，假设商业银行负债科目的权重为[ρt，lk]，其中[t]表示年份，[lk′]表示商业银行负债科目，用[lit，k]表示[t]年份第[i]家银行负债科目[k]对应的数值。王然（2017）[20]认为，银行的流动性错配指数（[LMI]）受到银行规模的影响，所以要对流动性错配指数（[LMI]）进行标准化处理，剔除总资产的影响，即[LMI']=[LMI]/总资产。

当[CBLMI]<0时，银行处于流动性缺口状态;当[CBLMI]>0时，银行处于流动性盈余状态。期限错配指数越小，意味着期限错配程度越高。

2. 被解释变量：商业银行稳健性程度。

（1）衡量指标。以国际货币基金组织（IMF）的《金融稳健性指标编制指南》为依据，参考国内外相关研究成果，并结合我国国情及数据可得性，从资产质量、资本充足性、盈利能力和流动性等四个方面选取不良贷款率、拨备覆盖率、资产收益率、GDP增长率、资本杠杆率和CPI增长率等六个指标，合成为商业银行稳健性指数（[BSI]）。为使估计的公因子有政策含义，本文参考Bagliano和Morana（2009）[21]的研究方法，在合成商业银行稳健性指数（BSI）时，运用因子法对选取的六个指标提取因子，共得到3个公因子，分别称之为：Factor1、Factor2和Factor3（见表3）。进一步，可以发现三个公因子分别刻画的是某一类别（组群）因素的特征，其中，Factor1主要刻画的是GDP增长率和CPI增长率两个指标的特征，载荷系数分别为0.97和0.9631，背后的经济含义是在经济繁荣期，商业银行更有动机增加信贷杠杆以获取超额利润，进而导致经营的不稳健，因此该因子数值越小则银行经营越稳健;Factor2主要刻画的是资本杠杆率和资产收益率两个指标的特征，载荷系数分别为0.8838和0.6456，背后的经济含义是资产收益率和银行资本杠杆率越高则银行经营越稳健;Factor3主要刻画的是不良贷款率，载荷系数为0.8769，背后的经济含义是不良贷款率越小则银行经营越稳健。综上所述，公因子Factor1和Factor3刻画的经济指标越小，则银行经营越稳健，公因子Factor2刻画的经济指标越大，则银行经营越稳健，考虑三个公因子对商业银行稳健性指数（BSI）的累计贡献率，公因子Factor1和Factor3的贡献占比为72.51%，公因子Factor2的贡献占比为27.49%，因此，合成的商业银行稳健性指数（BSI）主要刻画的是公因子Factor1和Factor3的特征，说明商业银行稳健性指数（BSI）越小，则银行经营的稳健性越高。

（2）效度检验。本文先进行KMO检验和Bartlett（巴特利）球体检验，判断所采用的样本数据是否适用于因子分析法。结果显示，KMO值为0.530，Bartlett的观测值（近似卡方）为4090.202，相应的概率p为0.0000，表明样本数据适合进行因子分析。

（3）稳健性指数的测算。采用主成分因子法进行因子分析，由结果可以看出，因子分析所提取的3个公因子累计方差贡献率达到73.34%（见表2和表3）。根据提取的3个公因子得分系数矩阵（f1、f2和f3）及相应方差贡献率，计算得出我国商业银行稳健性指数的综合得分。计算公式如下：

3. 中介效应变量。根据前文影响机制分析，选择流动性风险作为期限错配影响银行稳健性的中介效应变量，并采用银行存款余额（[DEP]）作为流动性风险的代理变量。

4. 控制变量。参考郭品和沈悦（2019）[22]、项后军和曾琪（2019）[18]、丁宁和任亦侬（2017）[23]、左月华和李小欣（2016）[24]等人的研究，本文选取银行治理水平（[MAN]）、净息差（[NIM]）、货币供应量增长率（[M2]）、股票市值占GDP比率（[STOCK]）和四大行资产占总资产比率（[CR4]）等宏微观变量作为控制变量（见表4）。

（二）模型构建

为考察商业银行期限错配对其稳健性的影响，本文综合国内外文献，建立如下计量模型：

式中，下标[i]表示单家商业银行，下标[t]表示年份;[Control]代表一系列控制变量;[νit]为无法观测到的个体效应，[μit]为随机干扰项。

为进一步验证流动性风险（DEP）是否在银行期限错配和银行稳健性之间起到显著的中介效应，本文借鉴郭品和沈悦（2019）[22]的研究方法，采用银行存款余额（DEP）作为流动性风险的代理变量。采用银行存款余额作为反映流动性风险的指标，存款余额越大表示流动性风险越小。采用温忠麟等（2004）[25]提出的中介效应检验方法进行检验，并构建如下递归模型：

根据中介效应模型的检验程序，按以下步骤验证假说3：第一步，回归方程（4）。若[β1]显著为负，则进行下一步，否则停止检验。第二步，回归方程（5）。若[γ1]显著为正，则意味着银行期限错配程度与流动性风险正相关，期限错配程度越高则流动性风险越大。第三步，回归方程（6）。若系数[σ2]显著但[σ1]不显著，则说明流动性风险在银行期限错配影响其稳健性的过程中承担了完全中介的角色;若系数[σ1]和[σ2]均显著且[σ1]小于[β1]，则说明流动性风险具有部分中介效应。中介效应由[γ1×σ2]衡量，Sobel检验统计量在5%显著性水平上的临界值为0.97。

（三）数据来源和描述性统计

为研究银行期限错配程度与银行稳健性之间的关联性，在考虑相关数据可得性的基础上，本文选取了202家国内商业银行非平衡面板数据作为研究样本，其中包括6家国有银行、11家股份制银行、76家农商行和110家城商行。在剔除数据缺失较为严重以及数据波动异常的样本后，共得到1592个有效观察值（见表5）。所使用的数据来源于万得数据库、各银行公开年报、中国经济社会大数据研究平台和北京大学数字普惠金融指数。选取的样本区间为2011年12月31日至2018年12月31日，均为年度数据。

四、实证研究

（一）基准估计结果

1. 平稳性检验。为保证回归结果的有效性，先对样本数据的平稳性进行单位根检验，选用LLC和Fisher-ADF两种方法。若两种检验均拒绝存在单位根的原假设，即认为此序列是平稳的。结果显示，与银行层面相关变量的单位根检验均显著，拒绝原假设，据此可排除模型存在伪回归的可能（见表6）。

2. 实证研究。对模型进行面板效应选择检验。静态面板主要包括三种形式：固定效应模型、随机效应模型和混合回归模型。第一步，比较固定效应模型和混合回归模型。由于F检验在1%的显著性水平下拒绝混合回归模型，所以选择固定效应模型。第二步，比较固定效应模型和随机效应模型。Hausman统计量显示，拒绝随机效应模型，因此本文选择固定效应模型进行回归分析。

表7展示了银行期限错配对银行稳健性影响的基准估计结果。（1）—（4）列依次加入时间效应、年度个体效应、与银行相关的控制变量和宏观经济层面控制变量。结果表明：（1）银行期限错配指数（CBLMI）的估计系数均为负，且在1%的水平上显著。银行期限错配指数越小表示错配程度越高，稳健性指数越小表示稳健性越高，所以银行期限错配降低了银行稳健性，验证了假设1。（2）与银行相关的控制变量方面，银行治理水平（MAN）系数为负，本文选取银行支付的咨询费和中介机构费与营业收入的比率作为衡量银行治理水平的指标，银行在公司治理层面的投入越大表明治理能力越强，经营稳健性越高。四大行资产规模占总資产比率（CR4）的系数为正，可能的解释是，四大行具有市场优势，其他银行开展业务难度上升、风险承担提高，弱化了银行经营的稳健性。徐璐和钱雪松（2013）[16]研究发现，间接融资比例高、银行集中度过高等问题增加了银行体系的脆弱性。（3）宏观经济控制变量方面，货币供应量增长率M2系数为负，说明随着货币投放数量的增加，银行流动性充裕，由于期限错配而发生系统性风险的可能性降低，进而提升了银行经营稳健性。丁宁和任亦侬（2017）[23]认为，我国影子银行规模、GDP增长率和M2增长率都能引起商业银行稳健性的变化，其中M2增长率提升了银行稳健性。股票市值占GDP比重（STOCK）的系数为正。根据托宾Q理论，股票市场的繁荣使得企业可以在相对高价发行股票，购买新的资产，对银行贷款的需求增加;根据莫迪利亚尼的生命周期模型，金融财富的主要组成部分是股票，当股票价格上涨时，居民金融财富的价值上升，有增加投资的需求，进而导致对银行贷款需求的增加。由以上两个资产价格传导渠道，在股票市场繁荣期，企业和居民对银行资金的需求旺盛，银行作为供给端，有增加期限错配扩大业务规模的动机，从而降低了经营的稳健性程度。

3. 稳健性分析。

（1）替换变量。裘翔（2015）[13]通过对我国100多家商业银行的实证分析发现，银行业整体风险承担效应的影响如果小于成本效应，即银行期限错配控制在一定范围内，则商业银行净利差变大;反之，商业银行的净利差下降，银行期限错配的风险未得到充分补偿，进而影响银行的稳健性。据此，本文选择银行净利差替换银行治理水平，对模型进行稳健性分析，结果见表8。数据显示，在依次加入时间效应、个体固定效应、银行相关控制变量和宏观层面控制变量后，核心解释变量的估计系数依然显著为负，说明期限错配显著弱化了银行的稳健性;其他控制变量系数的方向不变，且结果显著。

（2）内生性问题。研究银行期限错配对稳健性的影响，可能会受到内生性问题的影响，进而造成估计结果有偏。鉴于此，本文选择采用工具变量并运用两阶段最小二乘法（2SLS）进行稳健性分析。已有研究显示，银行期限错配与所在地区金融发展程度密切相关，金融发展程度越高的地区，数据收集和处理能力相对高，可有效降低借贷双方之间的信息不对称问题，银行有动机扩大授信规模，因此，银行期限错配效应越明显（周逢民，2004;谢军和黄志忠，2014;张骥，2020;胡育蓉和范从来，2017）[26-29]。北京大学数字普惠金融指数是一个动态的指标体系，伴随着金融创新发展，该体系在相关领域不断增设新的指标，包含银行信贷、信用、投资、保险、货币基金等业务分类指数，是可以很好评价地区金融发展程度的指标。易行健和周利（2018）[30]研究发现数字普惠金融的发展可以缓解社会流动性约束，但可能导致全社会杠杆率攀升，不断积累的债务容易诱致期限错配的产生，导致类似美国次贷危机和韩国信用卡危机等危机的发生。数字普惠金融指数作为一个严格的外生变量，与银行期限错配是相关的，会对银行期限错配产生直接影响，而数字普惠金融指数与银行的稳健经营没有直接关联。因此，本文选择北京大学数字普惠金融指数作为衡量银行期限错配的代理变量。

表9展示了工具变量的回归结果。对于工具变量固定效应模型方法，第一阶段的弱工具变量检验F 的统计量为17.73，高于临界值10的水平，因此，不存在弱工具变量问题，选取的工具变量是合理的。相应的内生性检验结果（DWH Chi2 Test =67.26）在1%的水平上显著，表明方程（2）的计量结果具有无偏性，方程（1）的估计结果存在一定的偏误。方程（2）回归结果显示，银行期限错配指数的估计系数为负，并且在1%的水平上显著。同模型（1）相比，银行期限错配指数的估计系数绝对值更大，说明内生性对估计结果造成了偏差，工具变量的使用改善了估计结果。以上结果表明，在控制内生性问题的基础上，银行期限错配降低经营稳健性的结论仍然成立，因此，本文的结论是稳健的。

（二）异质性分析

考虑到参与同业业务的意愿不同，进一步分析不同类型商业银行期限错配对银行稳健性是否存在异质性影响。本文对202家商业银行进行分组，并将中国银行、中国农业银行、中国工商银行、中国建设银行、中国交通银行和中国邮政储蓄银行定义为国有银行，将11家股份制银行（不包含恒丰银行）定义为股份制银行，其余商业银行相对国有银行和股份制银行规模较小，分别定义为城商行和农商行。以此对模型（1）进一步分组估计，结果见表10和表11。

结果显示：（1）国有银行和农商行期限错配指数的估计系数均为负，但并不显著。可能的原因是：国有银行资产规模大、经营稳健、实力雄厚，不易感染风险，但容易将风险传染给中小银行（陈颖等，2014）[31];农商行定位于服务中小微企业和“三农”，享受国家激励政策，开展同业业务的动机不强，银行期限错配程度与经营稳健性之间关系不显著。（2）股份制银行和城商行期限错配指数的估计系数均显著为负，且股份制银行期限错配对银行稳健性的影响要高于城商行，原因可能在于股份制银行规模大、实力强，获取资源的能力高于城商行，更容易做大业务规模，且结构更为复杂，期限错配对银行稳健性的影响程度也就更高。上述结果表明，对不同类型的银行而言，期限错配对其稳健性的影响程度存在异质性，从而验证了假设2。

（三）银行期限错配对银行稳健性影响的渠道分析

在影响机制分析的基础上，采用银行流动性风险作为中介变量，考察股份制银行和城商行期限错配、流动性风险与银行稳健性三者之间的关系。由表12和表13的结果可知，整体上看，2011—2018年间流动性风险指标和银行期限错配水平是同向相关的，说明银行期限错配程度越低，流动性风险越低，银行的稳健性水平越高。

表12显示的是股份制银行的数据结果。列（1）中，期限错配指数的估计系数同样显著为负，说明期限错配程度越高，银行稳健性程度越低;列（2）中，期限错配指数的估计系数为正，说明期限错配程度越低，流动性风险越低，即降低银行错配程度可有效缓解银行的流动性压力;列（3）中，期限错配指数的估计系数依然显著为负，中介变量流动性风险指标显著为负，且银行期限错配指数的估计系数绝对值由列（1）的1.0363降为0.9390，说明在期限错配影响银行稳健性的过程中，流动性风险具有部分中介效应。另外，为进一步确保中介效应结果的可靠性，本文进行了Sobel检验，结果显示：[Z=-1.4487]，[Z>0.97]，中介效应占总效应的比重为10.3%。由于股份制银行的性质不同于需要承担社会责任的国有银行和以服務“三农”为主要目标的农商行，出于盈利的目的，股份制银行有加大期限错配以获取利润的动力;同时，相比城商行，股份制银行融资能力更强，拥有更多的资源和市场空间，可以通过多种渠道补充流动性，因此由期限错配带来的流动性风险对股份制银行稳健性的影响有限。同样，表12的结果也说明，股份制银行流动性风险的中介效应显著，存在期限错配、流动性风险与银行稳健性之间的传导关系。

表13显示的是城商行的数据结果。结论与股份制银行基本一致，不同的是，Z=-2.3125，[Z]>0.97，中介效应占总效应的比重为22.6%，高于股份制银行。相较于股份制银行，城商行规模小、覆盖范围有限、融资渠道少，更多通过同业负债来解决流动性问题。黄勃等（2018）[32]认为，中小型银行实力没有国有商业银行雄厚，因而会积极利用同业负债;但同业负债的短期性和不稳定性会加剧银行的期限错配，因此，流动性风险对城商行稳健性的影响更大。

五、结论与建议

本文以商业银行期限错配的形成原因为切入点，基于我国202家商业银行在2011—2018年间的非平衡面板数据，分析了期限错配与银行稳健性之间的关联机制;在此基础上，深入研究了国有银行、股份制银行、城商行和农商行之间影响程度的异质性，并进一步探讨了期限错配影响银行稳健性的传导路径。

本文主要得出以下结论：

第一，期限错配会显著弱化银行经营的稳健性。异质性研究发现，期限错配对国有银行和农商行稳健性的影响不显著，对股份制银行稳健性的影响程度显著大于城商行。原因可能在于国有银行是我国金融业的骨干力量，需要承担更多的社会责任，且其治理体系相对完备;农商行受国家政策扶持，主要定位于服务“三农”;股份制银行覆盖范围广、规模大，获取资源的能力高于城商行，更容易做大同业业务规模，期限错配对银行稳健性的影响也更大。

第二，流动性风险构成了期限错配影响银行稳健性的传导渠道。其中，股份制银行流动性风险的相对贡献为10.3%;城商行流动性风险的相对贡献为22.6%。原因可能在于：相比较股份制银行，城商行融资渠道少，更多通过同业负债解决流动性问题。在同业市场上更多扮演着资金借入方的角色，其流动性风险因而大于大型银行;而同业负债的短期性和不稳定性则加剧了银行的期限错配。

基于以上结论，本文对我国商业银行经营管理和风险防范提出以下建议：

一是规范银行同业业务发展，降低银行期限错配程度。首先，应建立完整的同业业务管理制度，对资金在金融体系内部空转或单纯以套利为目的业务进行严格管制。其次，引导同业非标业务逐步向标准化业务转变，特别对通道业务和通过信托受益权买入返售业务，应增加标准化信贷资产的比例，提高同业资产流转的透明度，逐步降低期限错配的程度，为商业银行主动调节资产结构创造条件。最后，通过设定同业资产规模上限、规定同业资产的期限结构以及增加流动性好、期限短的标准化资产配置等措施，降低期限错配的程度。

二是制定政策降低股份制银行和城商行的经营风险。本文研究表明，控制同业业务创新的关键在于股份制银行和城商行。首先，在充分考虑国有银行、股份制银行、城商行和农商行同业业务结构差异的基础上，强化对股份制银行和城商行的结构性逆周期杠杆监管。其次，加强对股份制银行和城商行的经营收入、不良贷款和流动性管理，推动其主动“去杠杆”。最后，对股份制银行和城商行以买入返售和卖出回购为代表的新兴同业业务实施功能性监管，有针对性地约束银行和信托公司通过暗箱操作、抽屉协议等方式承诺回购，维护金融稳定。

三是把握金融创新趋势，加强银行流动性风险管理。首先，金融创新与金融风险往往相伴产生，而有效的监管措施是良性创新的制度保障。应在完善的监管体系内鼓励金融创新，做到张弛有度。其次，建议按照巴塞尔协议Ⅲ的要求，扩大流动性风险的监管范围，充分发挥流动性覆盖率和净稳定资金比率两个监管工具的政策效用。最后，将流动性风险管理纳入宏观审慎监管框架，建立流动性风险预警机制，进一步提高商业银行对流动性风险的防范意识。

注：

①商业银行流动性错配指数= -0.5[×]（流动性资产+非流动性负债）+0[×]（半流动性资产+半流动性负债）+0.5[×]（非流动性资产+流动性负债）

参考文献：

[1]Diamond D W，P H Dybvig .1983. Bank Runs，Deposit Insurance，and Liquidity [J].Journal of political economy，91（3）.

[2]Crotty J，G Epstein. 2008.  Proposals for Effectively Regulating the US Financial System to Avoid Yet Another Meltdown [D].Political Economy Research Institute Working Paper，No. 2008-15.

[3]Brunnermeier M K，M Oehmke. 2013. The Maturity Rat Race [J].The Journal of Finance，68（2）.

[4]高蓓，朱安琪，谭小芬.同业变迁对商业银行经营稳定性的影响——基于中国16家上市银行微观数据的实证分析 [J].南开经济研究，2019，（5）.

[5]郑联盛，张明.中国银行同业业务：现状、类型、风险和应对 [J].金融市场研究，2014，（6）.

[6]张博.互联网金融、利率市场化与银行期限错配 [J].金融与经济，2020，（4）.

[7]許友传.金融体系的结构脆弱性及其系统性风险 [J].复旦学报（社会科学版），2018，（4）.

[8]彭建刚，王佳，邹克.宏观审慎视角下存贷期限错配流动性风险的识别与控制 [J].财经理论与实践，2014，（4）.

[9]Brunnermeier M K，G Gorton，A Krishnamurthy. 2011. Risk Topography [J].NBER Macroeconomics Annual， 26（1）.

[10]Bai J，A  Krishnamurthy，C H Weymuller. 2015. Measuring Liquidity Mismatch in the Banking Sector [R].SSRN Working Paper，No. 2343043.

[11]Fisher I. 1933.  The Debt-Deflation Theory of Great Depression [J].Econometrica，1（4）.

[12]Minsky H. 1982. The Financial Fragility Hypothesis：Capitalist Process and Behavior of the Economy in Financial Crisis [M].Cambrige University Press.

[13]裘翔.期限错配与商业银行利差 [J].金融研究，2015，（5）.

[14]巴曙松，何雅婷，曾智.货币政策、银行竞争力与流动性创造 [J].经济与管理研究，2016，（12）.

[15]孙莎，李明辉，刘莉亚.商业银行流动性创造与资本充足率关系研究——来自中国银行业的经验证据 [J].财经研究，2014，（7）.

[16]徐璐，钱雪松.信贷热潮对银行脆弱性的影响——基于中国的理论与实证研究 [J].国际金融研究，2013，（11）.

[17]刘轶，林恋，罗春蓉.银行同业业务与“额外”货币供给创造 [J].金融理论与实践，2016，（9）.

[18]项后军，曾琪.期限错配、流动性创造与银行脆弱性 [J].财贸经济，2019，（8）.

[19]Berger A N，C H Bouwman. 2009. Bank Liquidity Creation [J].The review of financial studies，22（9）.

[20]王然.商业银行资产规模与流动性风险分析 [J].金融理论与教学，2017，（6）.

[21]Bagliano F C，Morana C. 2009. International Macroeconomic Dynamics：A Factor Vector Autoregressive Approach [J].Economic Modelling，26（2）.

[22]郭品，沈悦.互联网金融、存款竞争与银行风险承担 [J].金融研究，2019，（8）.

[23]丁宁，任亦侬.基于影子银行视角的中国商业银行稳健性研究 [J].财经问题研究，2017，（4）.

[24]左月华，李小欣.利率市场化、银行多元化与银行稳健性——基于2007—2014年中国商业银行非平衡面板数据的实证分析 [J].投资研究，2016，（2）.

[25]温忠麟，张雷，侯杰泰，刘红云.中介效应检验程序及其应用 [J].心理学报，2004，（5）.

[26]周逢民.论货币政策的结构调整职能 [J].金融研究，2004，（7）.

[27]谢军，黄志忠.区域金融发展、内部资本市场与企业融资约束 [J].会计研究，2014，（7）.

[28]张骥.货币政策传导、融资结构与企业异质性 [J].武汉金融，2020，（6）.

[29]胡育蓉，范从来.结构性货币政策的运用机理研究 [J].中国经济问题，2017，（5）.

[30]易行健，周利.数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据 [J].金融研究，2018，（11）.

[31]陈颖，段希文，孙晨正.银行新型同业业务的潜在风险传染效应研究 [J].金融监管研究，2014，（4）.

[32]黄勃，罗煜，陈礼清.同业业务发展能提升中国商业银行的效率吗？[J].经济理论与经济管理，2018，（6）.