中国式影子贷款与监管套利

作者：Amanda Liu, Jing Liu，Ilhyock Shim
来源：BIS，Working Papers，2022-2（内容有删改）

编译：王嫄，西泽研究院研究员

（4500字，7-9分钟）

自2008-2009年全球金融危机爆发以来，中国的影子银行发展十分迅猛，中国金融监管机构对快速增长的影子银行规模也表示出极大担忧。影子银行不仅被用于监管套利，且提高了金融体系的整体杠杆率。然而与西方不同的是，中国的影子银行以银行体系为中心，商业银行主导着影子银行活动。因此，Ehlers等人（2018）与Sun（2019）创造了“银行中的影子”（“shadows in the bank”）这一术语。本文主要研究中国银行资产负债表上的影子贷款。

尽管中国金融监管当局曾多次试图遏制影子银行的增长，但中资银行的影子银行活动在2018年前并无放缓迹象。坊间证据表明，银行使用回购和投资应收款等替代类别，以规避贷款风险和风险集中的监管限制。最终在2018年4月，《关于规范金融机构资产管理业务的指导意见》正式出台，此举对减缓风险积累起到了关键作用。尤其是，从2018年起，影子银行活动（即信托贷款、委托贷款和未贴现银行承兑汇票的未偿金额之和）在社会融资总额(TSF)中呈负增长。

本文探究了中国的影子银行是如何随着监管的收紧而演变的。我们通过直接使用银行资产负债表上的影子贷款来予以诠释。首先，我们聚焦于表内影子贷款是否被用于监管套利这一问题；换言之，银行在多大程度上隐藏了与影子贷款相关的风险。其次，我们关心的是中国的金融市场是否对与影子贷款相关的风险进行了定价（银行股价是否反映了影子银行的潜在风险?）。我们尤其关注的是，严重依赖影子贷款的银行是否设法阻止融资成本上升，以及股票和债券市场的投资者是否要求从这些本就“脆弱”的银行中获得更高的回报。

（本文原名“Shadow loans and regulatory arbitrage:evidence from China”）

1、核心研究成果

第一、银行影子贷款与其资产净值（即权益）的比率与其杠杆率呈负相关（注：通过银行监管资本除以其总资产计算得出），并且该相关性在统计上是显著的。反之，银行影子贷款比率与其（监管）资本充足率（定义为银行资本与其风险加权资产的比率）之间的关系在统计上并不显著。研究结果还表明，银行选择通过使用影子贷款来粉饰其监管资本比率。

第二、影子贷款比率较高的银行在批发市场面临更高的融资成本。原因很简单：中资银行与其他金融机构合作，构建影子贷款。这些“合作伙伴”是银行间市场的活跃投资者。银行或许可以暂时向监管机构隐瞒自己的脆弱性，但仍然留下确凿的证据，因此必须在市场上支付风险溢价（见“RNPL”指标）。然而，监管不良贷款率较高的银行不一定在批发市场上支付更高的融资成本。结果上的这种差异是由银行的监管套利驱动的，即不良贷款率的可变性被抑制，从而抑制了实际信贷风险。（“RNPL”说明：我们使用反向压力测试来量化影子贷款对银行抵御不利冲击的影响。我们的团队通过开发一个包含影子贷款的反向压力测试，以期获得一个更加全面的弹性度量指标（即“RNPL比率 ”）；根据我们的研究结果，RNPL比率与影子贷款比率呈较强的负相关。这也证实了RNPL比率较低的银行（即更脆弱的银行）更倾向于严重地依赖影子贷款。）

第三、我们检验了包商银行被监管层接管后的市场反应。这些脆弱的银行（指拥有较高的影子贷款比率或者RNPL比率较低的银行）在股市和债市的累积收益率都很低。然而，当我们使用（对应监管层）不良率（NPL）作为衡量标准时，二者之间的关系并不显著。

此外，本文还针对中国银行表内影子贷款产生的动因和后果进行了分析。尽管所谓的银行影子看起来很独特，但从本质上来说，中资银行是受监管套利的驱使，就好比西方银行在全球金融危机（GFC）之前支持ABCP管道一样。正因如此，那些相对更加脆弱、或面临更为严格资本限制的银行，更有可能从事此类套利活动。研究显示，在中国经历了一次罕见的银行重组事件后（包商银行），实力较弱的银行经历了较大幅度的股票和债券价格下跌。一言以蔽之，尽管影子银行可谓形式多样，但监管套利的本质仍是一样的。

2、研究样本与反向压力测试

本文的样本包括在上海、深圳和香港证券交易所上市的51家中资银行，涵盖了所有大型银行和大部分中型银行。截至2020年6月底，样本银行的资产规模占所有商业银行的85%（见表1）。

表1.样本银行的总资产占各类银行的百分比

我们从银行的财务报表中下载资产负债表数据，并从财务报表及附注中手动收集影子贷款信息。我们将“信托受益权”和“定向资管产品”形式的投资应收款项跨资产端各项目相加。这种方法（注：遵循瑞银(UBS(2017)）与Sun(2019)提及的替代扣除法相比，提供了更为保守的估计，因为后者本质上将贷款、外汇和公司债券以外的所有资产视为影子资产。Sun(2019)估计，使用扣除法，影子信贷在2016年底达到46.75万亿元。相比之下（针对237家银行的影子信贷），采用瑞银的方法得到的数值要小得多，约为14.1万亿元。

样本银行中的影子贷款总额从2016年底的10.4万亿元下降到2020年6月底的6.8万亿元，下降了35%（图1，左侧面板）。在单个银行层面，大多数样本银行的影子贷款有所下降：与2016年相比，2019年和2020年上半年影子贷款与表内贷款比率的分布向更低值倾斜（图1，右侧面板）。同时，我们看到总贷款资产比保持相对稳定（图1，左侧面板，红线），这也表明自2017年中国监管当局就发布《关于规范金融机构资产管理业务的指导意见(征求意见稿)》并首次向社会公开征求意见以来，样本银行已根据严监管要求做出调整（以表内贷款取替代影子贷款）。

图1. 中国51家银行的影子贷款与表内贷款概况

除了将影子贷款替换成表内贷款之外，根据资本充足率(CAR)和不良率（NPL）等指标（见图2），2019年样本银行在资本充足率和资产质量方面的表现似乎比2016年的情况更好。从银行的资产负债表数据来看，新冠肺炎疫情所带来的影响并不明显——2020年上半年的资本充足率和不良率分布与2019年相似。

然而，这些指标并不能充分反映银行资产负债表的健康状况，尤其是在它们没有完全纳入影子贷款的情况下。以2019年重组的锦州银行为例，其2017年的资产负债表看起来很健康（1.0%的不良贷款率、11.7%的资本充足率），这是因为规模可观的影子贷款（相当于161%的表内贷款）没有反映在这些指标中。

图2. 2016年、2019年和2020年上半年：资本充足率和不良贷款比率

我们通过开发了一个包含影子贷款的反向压力测试，以期获得一个更加全面的弹性度量指标（简称“RNPL比率 ”）。这一比率对应于不良贷款冲击，该冲击将使银行的资本耗尽到一个门槛利率（如监管最低水平），假设影子贷款最终（即在测试期结束时）被归类为贷款，并符合所有监管资本要求。我们使用反向压力测试来量化影子贷款对银行抵御不利冲击的影响。以下是一些测试的基本假设：（1）测试期为两年：第一年是照常营业的情况，样本银行的净利润和股息支付率与第0年相同；不良贷款冲击在第2年出现；（2）贷款总额占总资产的比例和风险加权资产占总资产的比例保持不变。（3）表内贷款每年增长10%，而影子贷款在第一年保持不变；（4）影子贷款与表内贷款具有相同的信贷质量；在每个类别中，贷款遵循与第0年相同的迁移矩阵（注：跨类别的移动均反映在RNPL比率中）；（5）银行根据监管规定维持最低贷款拨备率。

我们的反向压力测试通过纳入影子贷款的影响，对银行的抗逆力水平提供了更加全面的评估；而影子贷款的影响是标准化的指标（诸如资本充足率(CAR)和不良贷款比率（NPL）等）所不能揭示的。

再次以锦州银行为例：尽管其不良率很低（1.0%），且资本充足率处在合理区间内（11.7%），但是其2017年的RNPL比率仅为1.49%。较低的RNPL比率表明，锦州银行利用影子贷款来掩盖其资产负债表的脆弱性。（注：锦州银行的影子贷款相当于表内官方贷款的161%。它们被分类为“应收款项的债务证券”，并享有较低的风险权重（低至25%，而不是企业贷款的100%权重）。它们也不受贷款拨备规则的约束。一旦我们假设影子贷款符合与表内贷款相同的监管要求，锦州银行对不利冲击的脆弱性就变得显而易见。尤其是，2018年和2019年，在该行将影子对表内贷款比率分别从161%降至85%和48%的同时，不良率分别从1.0%跃升至5.0%和6.5%。）

RNPL比率因不同类型的银行而异。截至2020年上半年，样本中的5家国有银行的结果最好，其平均RNPL比率（9.58%）是总体不良贷款比率（1.51%）的6倍以上。九家股份银行的结果最糟糕(其中有两家样本银行的RNPL比率与2020年上半年总体贷款不良率的两到三倍的水平相当，有五家银行RNPL比率处于一到两倍的总体不良率水平，其余两家银行的RNPL比率低于NPL比率)。鉴于股份制银行占商业银行总资产的20%以上，上述结果可以视作中国银行业潜在脆弱性的预警信号。

3、实证研究

我们构建了一个面板数据集来检验我们的假设（2016年上半年到2020年上半年的51家中国上市银行半年度综合面板数据）。上市银行的财务报表数据和关键监管指标数据均来自Wind数据库。影子贷款风险敞口用影子贷款与股本的比率来衡量。在计算影子贷款数额时，我们也将2016-2020年期间会计准则的变更纳入了考量。

表2显示了自2016年上半年至2020年上半年里，每半年数据的汇总统计情况。影子贷款比率（影子贷款与银行总净值的比率）的平均值为188.7%。不良率集中在1.5%左右，盈亏平衡不良率（RNPL ratio）在0～15.6%之间。资本充足率的平均值在13%左右。NCD利率为3.6%，标准偏差小于1%。

表2 统计分析汇总表

表3报告了主要变量之间的两两相关性。影子贷款比率与杠杆率和资本充足率呈负相关，而与NCD利率衡量的融资成本呈正相关。NCD利率与RNPL比率负相关，与不良率（NPL）正相关但不显著。

表3 主要变量之间的相关关系

此外，股票市场的研究结果（见图3）表明，影子贷款敞口较大或RNPL比率较低的银行，在包商银行重组公告发布后的累计股票收益率显著降低，而不良率（NPL）较低的银行在该公告发布后的累计股票收益率并没有显著降低。

图3.包商银行重组公告发布前后样本银行的累积股票收益情况

4、结语

本文研究了中国的商业银行如何利用影子贷款进行监管套利，以及金融市场是否能够识别这类利用影子贷款的操作以及由此带来的银行脆弱性。本文研究了51家上市中资银行的情况（时间跨度为2016年上半年至2020年上半年），样本涵盖了所有的大型银行和大部分中型银行。有证据表明，样本银行选择利用影子贷款来粉饰其监管资本比率。同时，影子贷款率较高或RNPL比率较低的银行在批发市场将面临更高的融资成本，即银行脆弱性的风险溢价。最后，我们发现，在包商银行重组公告发布后，较脆弱的银行在股票市场和二级资本债券市场上的累积的回报率都较低，并且能够发行的大额可转让定期存单（NCDs）很少。

图3.包商银行事件前后NCD发行量变化

对政策制定者而言，该报告的研究结果将会产生诸多层面的政策影响。第一、它指出了监管框架的重要性——应当将影子银行纳入监管考量范畴内，从而最大限度地减少银行的监管套利，并降低市场对负面冲击反应的波动性。第二、金融当局不仅要考虑风险加权资本充足率和不良率等传统监管指标，还要考虑诸如杠杆率和RNPL比率等其他监管指标。第三、本文强调了同时进行传统压力测试和反向压力测试来识别银行脆弱性的优点。对于未来相关领域的研究，本文的方法可以扩展到银行对各种表外影子银行活动的敞口（以便评估监管套利的程度）以及这些影子银行活动中金融市场价格的多少。第四、除了鉴别银行依赖影子贷款对金融稳定的影响之外，我们还可以尝试研银行是否将影子贷款引导到了更高产的生产部门（反之亦然）（注：前提是贷款借款人的详细数据可获得）。

（THE END）