中國式影子貸款與監管套利

自2008-2009年全球金融危機爆發以來，中國的影子銀行發展十分迅猛，中國金融監管機構對快速增長的影子銀行規模也表示出極大擔憂。影子銀行不僅被用於監管套利，且提高了金融體系的整體槓桿率。然而與西方不同的是，中國的影子銀行以銀行體系為中心，商業銀行主導着影子銀行活動。因此，Ehlers等人（2018）與Sun（2019）創造了「銀行中的影子」（「shadows in the bank」）這一術語。本文主要研究中國銀行資產負債表上的影子貸款。

儘管中國金融監管當局曾多次試圖遏制影子銀行的增長，但中資銀行的影子銀行活動在2018年前並無放緩跡象。坊間證據表明，銀行使用回購和投資應收款等替代類別，以規避貸款風險和風險集中的監管限制。最終在2018年4月，《關於規範金融機構資產管理業務的指導意見》正式出台，此舉對減緩風險積累起到了關鍵作用。尤其是，從2018年起，影子銀行活動（即信託貸款、委託貸款和未貼現銀行承兑匯票的未償金額之和）在社會融資總額(TSF)中呈負增長。

本文探究了中國的影子銀行是如何隨着監管的收緊而演變的。我們通過直接使用銀行資產負債表上的影子貸款來予以詮釋。首先，我們聚焦於表內影子貸款是否被用於監管套利這一問題；換言之，銀行在多大程度上隱藏了與影子貸款相關的風險。其次，我們關心的是中國的金融市場是否對與影子貸款相關的風險進行了定價（銀行股價是否反映了影子銀行的潛在風險?）。我們尤其關注的是，嚴重依賴影子貸款的銀行是否設法阻止融資成本上升，以及股票和債券市場的投資者是否要求從這些本就「脆弱」的銀行中獲得更高的回報。

（本文原名「Shadow loans and regulatory arbitrage:evidence from China」）

1、核心研究成果

第一、銀行影子貸款與其資產淨值（即權益）的比率與其槓桿率呈負相關（注：通過銀行監管資本除以其總資產計算得出），並且該相關性在統計上是顯著的。反之，銀行影子貸款比率與其（監管）資本充足率（定義為銀行資本與其風險加權資產的比率）之間的關係在統計上並不顯著。研究結果還表明，銀行選擇通過使用影子貸款來粉飾其監管資本比率。

第二、影子貸款比率較高的銀行在批發市場面臨更高的融資成本。原因很簡單：中資銀行與其他金融機構合作，構建影子貸款。這些「合作伙伴」是銀行間市場的活躍投資者。銀行或許可以暫時向監管機構隱瞞自己的脆弱性，但仍然留下確鑿的證據，因此必須在市場上支付風險溢價（見「RNPL」指標）。然而，監管不良貸款率較高的銀行不一定在批發市場上支付更高的融資成本。結果上的這種差異是由銀行的監管套利驅動的，即不良貸款率的可變性被抑制，從而抑制了實際信貸風險。（「RNPL」說明：我們使用反向壓力測試來量化影子貸款對銀行抵禦不利衝擊的影響。我們的團隊通過開發一個包含影子貸款的反向壓力測試，以期獲得一個更加全面的彈性度量指標（即「RNPL比率 」）；根據我們的研究結果，RNPL比率與影子貸款比率呈較強的負相關。這也證實了RNPL比率較低的銀行（即更脆弱的銀行）更傾向於嚴重地依賴影子貸款。）

第三、我們檢驗了包商銀行被監管層接管後的市場反應。這些脆弱的銀行（指擁有較高的影子貸款比率或者RNPL比率較低的銀行）在股市和債市的累積收益率都很低。然而，當我們使用（對應監管層）不良率（NPL）作為衡量標準時，二者之間的關係並不顯著。

此外，本文還針對中國銀行表內影子貸款產生的動因和後果進行了分析。儘管所謂的銀行影子看起來很獨特，但從本質上來說，中資銀行是受監管套利的驅使，就好比西方銀行在全球金融危機（GFC）之前支持ABCP管道一樣。正因如此，那些相對更加脆弱、或面臨更為嚴格資本限制的銀行，更有可能從事此類套利活動。研究顯示，在中國經歷了一次罕見的銀行重組事件後（包商銀行），實力較弱的銀行經歷了較大幅度的股票和債券價格下跌。一言以蔽之，儘管影子銀行可謂形式多樣，但監管套利的本質仍是一樣的。

2、研究樣本與反向壓力測試

本文的樣本包括在上海、深圳和香港證券交易所上市的51家中資銀行，涵蓋了所有大型銀行和大部分中型銀行。截至2020年6月底，樣本銀行的資產規模佔所有商業銀行的85%（見表1）。

表1.樣本銀行的總資產佔各類銀行的百分比

我們從銀行的財務報表中下載資產負債表數據，並從財務報表及附註中手動收集影子貸款訊息。我們將「信託受益權」和「定向資管產品」形式的投資應收款項跨資產端各項目相加。這種方法（注：遵循瑞銀(UBS(2017)）與Sun(2019)提及的替代扣除法相比，提供了更為保守的估計，因為後者本質上將貸款、外匯和公司債券以外的所有資產視為影子資產。Sun(2019)估計，使用扣除法，影子信貸在2016年底達到46.75萬億元。相比之下（針對237家銀行的影子信貸），採用瑞銀的方法得到的數值要小得多，約為14.1萬億元。

樣本銀行中的影子貸款總額從2016年底的10.4萬億元下降到2020年6月底的6.8萬億元，下降了35%（圖1，左側面板）。在單個銀行層面，大多數樣本銀行的影子貸款有所下降：與2016年相比，2019年和2020年上半年影子貸款與表內貸款比率的分佈向更低值傾斜（圖1，右側面板）。同時，我們看到總貸款資產比保持相對穩定（圖1，左側面板，紅線），這也表明自2017年中國監管當局就發布《關於規範金融機構資產管理業務的指導意見(徵求意見稿)》並首次向社會公開徵求意見以來，樣本銀行已根據嚴監管要求做出調整（以表內貸款取替代影子貸款）。

除了將影子貸款替換成表內貸款之外，根據資本充足率(CAR)和不良率（NPL）等指標（見圖2），2019年樣本銀行在資本充足率和資產質量方面的表現似乎比2016年的情況更好。從銀行的資產負債表數據來看，新冠肺炎疫情所帶來的影響並不明顯——2020年上半年的資本充足率和不良率分佈與2019年相似。

然而，這些指標並不能充分反映銀行資產負債表的健康狀況，尤其是在它們沒有完全納入影子貸款的情況下。以2019年重組的錦州銀行為例，其2017年的資產負債表看起來很健康（1.0%的不良貸款率、11.7%的資本充足率），這是因為規模可觀的影子貸款（相當於161%的表內貸款）沒有反映在這些指標中。

我們通過開發了一個包含影子貸款的反向壓力測試，以期獲得一個更加全面的彈性度量指標（簡稱「RNPL比率 」）。這一比率對應於不良貸款衝擊，該衝擊將使銀行的資本耗盡到一個門檻利率（如監管最低水平），假設影子貸款最終（即在測試期結束時）被歸類為貸款，並符合所有監管資本要求。我們使用反向壓力測試來量化影子貸款對銀行抵禦不利衝擊的影響。以下是一些測試的基本假設：（1）測試期為兩年：第一年是照常營業的情況，樣本銀行的淨利潤和股息支付率與第0年相同；不良貸款衝擊在第2年出現；（2）貸款總額佔總資產的比例和風險加權資產佔總資產的比例保持不變。（3）表內貸款每年增長10%，而影子貸款在第一年保持不變；（4）影子貸款與表內貸款具有相同的信貸質量；在每個類別中，貸款遵循與第0年相同的遷移矩陣（注：跨類別的移動均反映在RNPL比率中）；（5）銀行根據監管規定維持最低貸款撥備率。

我們的反向壓力測試通過納入影子貸款的影響，對銀行的抗逆力水平提供了更加全面的評估；而影子貸款的影響是標準化的指標（諸如資本充足率(CAR)和不良貸款比率（NPL）等）所不能揭示的。

再次以錦州銀行為例：儘管其不良率很低（1.0%），且資本充足率處在合理區間內（11.7%），但是其2017年的RNPL比率僅為1.49%。較低的RNPL比率表明，錦州銀行利用影子貸款來掩蓋其資產負債表的脆弱性。（注：錦州銀行的影子貸款相當於表內官方貸款的161%。它們被分類為「應收款項的債務證券」，並享有較低的風險權重（低至25%，而不是企業貸款的100%權重）。它們也不受貸款撥備規則的約束。一旦我們假設影子貸款符合與表內貸款相同的監管要求，錦州銀行對不利衝擊的脆弱性就變得顯而易見。尤其是，2018年和2019年，在該行將影子對錶內貸款比率分別從161%降至85%和48%的同時，不良率分別從1.0%躍升至5.0%和6.5%。）

RNPL比率因不同類型的銀行而異。截至2020年上半年，樣本中的5家國有銀行的結果最好，其平均RNPL比率（9.58%）是總體不良貸款比率（1.51%）的6倍以上。九家股份銀行的結果最糟糕(其中有兩家樣本銀行的RNPL比率與2020年上半年總體貸款不良率的兩到三倍的水平相當，有五家銀行RNPL比率處於一到兩倍的總體不良率水平，其餘兩家銀行的RNPL比率低於NPL比率)。鑑於股份制銀行佔商業銀行總資產的20%以上，上述結果可以視作中國銀行業潛在脆弱性的預警信號。

3、實證研究

我們構建了一個面板數據集來檢驗我們的假設（2016年上半年到2020年上半年的51家中國上市銀行半年度綜合面板數據）。上市銀行的財務報表數據和關鍵監管指標數據均來自Wind數據庫。影子貸款風險敞口用影子貸款與股本的比率來衡量。在計算影子貸款數額時，我們也將2016-2020年期間會計準則的變更納入了考量。

表2顯示了自2016年上半年至2020年上半年裏，每半年數據的彙總統計情況。影子貸款比率（影子貸款與銀行總淨值的比率）的平均值為188.7%。不良率集中在1.5%左右，盈虧平衡不良率（RNPL ratio）在0～15.6%之間。資本充足率的平均值在13%左右。NCD利率為3.6%，標準偏差小於1%。

表3報告了主要變量之間的兩兩相關性。影子貸款比率與槓桿率和資本充足率呈負相關，而與NCD利率衡量的融資成本呈正相關。NCD利率與RNPL比率負相關，與不良率（NPL）正相關但不顯著。

此外，股票市場的研究結果（見圖3）表明，影子貸款敞口較大或RNPL比率較低的銀行，在包商銀行重組公告發布後的累計股票收益率顯著降低，而不良率（NPL）較低的銀行在該公告發布後的累計股票收益率並沒有顯著降低。

4、結語

本文研究了中國的商業銀行如何利用影子貸款進行監管套利，以及金融市場是否能夠識別這類利用影子貸款的操作以及由此帶來的銀行脆弱性。本文研究了51家上市中資銀行的情況（時間跨度為2016年上半年至2020年上半年），樣本涵蓋了所有的大型銀行和大部分中型銀行。有證據表明，樣本銀行選擇利用影子貸款來粉飾其監管資本比率。同時，影子貸款率較高或RNPL比率較低的銀行在批發市場將面臨更高的融資成本，即銀行脆弱性的風險溢價。最後，我們發現，在包商銀行重組公告發布後，較脆弱的銀行在股票市場和二級資本債券市場上的累積的回報率都較低，並且能夠發行的大額可轉讓定期存單（NCDs）很少。

對政策制定者而言，該報告的研究結果將會產生諸多層面的政策影響。第一、它指出了監管框架的重要性——應當將影子銀行納入監管考量範疇內，從而最大限度地減少銀行的監管套利，並降低市場對負面衝擊反應的波動性。第二、金融當局不僅要考慮風險加權資本充足率和不良率等傳統監管指標，還要考慮諸如槓桿率和RNPL比率等其他監管指標。第三、本文強調了同時進行傳統壓力測試和反向壓力測試來識別銀行脆弱性的優點。對於未來相關領域的研究，本文的方法可以擴展到銀行對各種表外影子銀行活動的敞口（以便評估監管套利的程度）以及這些影子銀行活動中金融市場價格的多少。第四、除了鑑別銀行依賴影子貸款對金融穩定的影響之外，我們還可以嘗試研銀行是否將影子貸款引導到了更高產的生產部門（反之亦然）（注：前提是貸款借款人的詳細數據可獲得）。