商业银行的货币资产盈利能力较小，而贷款业务流动性较差，但金融投资可以将流动性和盈利能力同时考虑进来，同时在进行投资的时候所带来的信用风险是金融经济发展稳定的关键。因此，本文采用国内上市16家银行2002—2019年的样本数据，用HP滤波法计算过度的金融投资，同时使用KMV模型测算其违约概率，实证分析过度金融投资增长和银行信用风险的关系。研究发现：商业银行金融投资的确存在着过度化现象，同时商业银行违约概率会受到过度金融投资增长的正向影响，基于此本文提出相应建议来规避金融投资中的信用风险。商业银行金融投资的主要目的是获取收益，但收益与风险并存。商业银行不仅要考虑资产的盈利能力，还要注意规避风险，以避免重大损失，商业银行作为从事货币信用业务的企业，既有一般企业的特点，又有其特殊性。同时，商业银行的发展与信用风险的管控密不可分，其业务发展多样化，信用风险对商业银行的生存和发展有着重大的负面影响，对商业银行经营活动的影响也越来越大。由于信用风险的许多不确定性特征，研究和分析信用风险对商业银行的影响已成为许多学者和金融领域的重要课题。[1]因此，本文主要研究商业银行金融投资的信用风险。

1实证设计

1.1过度金融投资指标的测度

传统方法基于金融投资数据的对数差分来计算投资增速，Drehmann等人（2010）指出，使用HP滤波法计算宏观经济的过度金融投资指数是合理的。[2]所以本文也采用HP滤波来度量过度的金融投资。事实上，银行过度增长的金融投资是对长期趋势增长的一个正偏离。在此我们进行以下处理：取各家商业银行的金融投资时序数据FIi,t，应用HP滤波方法提取趋势性成分trendi,t，并计算实际值FIi,t与趋势值trendi,t两者的差额，最后算出这个差额占趋势值的百分比，计算如下：当FIi,t>trendi,t，gapi,t>0时，则存在过度金融投资增长；当FIi,t<trendi,t，gapi,t<0时则不存在过度金融投资增长，对于gapi,t<0的数值，我们统一将gapi,t定为0。然后我们计算了各银行各年的过度金融投资，结果显示在横截面（不同银行）和时间序列（同一银行的不同年份）中gap变量均存在差异性。

1.2模型设定

为了分析金融投资的过度增长对个体银行信用风险的影响，并参考已有文献，建立了以下计量模型[3]：其中，i=1,2,3,...,N表示银行个体，t=1,2,3,...,N表示时间。ai、year和εi,t分别表示个体效应、时间效应和随机误差项。因变量edfi,t为违约概率，用于反映商业银行的信用风险。本文重点关注系数β1的符号和显著性，并预期这个系数符号为正，其结果显著，也就是说，银行过于乐观导致的金融投资过快增长，事后会引起信用风险的增加[4]，这体现在违约概率的提高上。本文在加入金融投资过度化变量gap的基础上，进一步对影响违约概率的相关变量进行了控制，其中Control表示控制变量的向量集。包含微观银行控制变量商业银行的总资产规模（ln_ta）、贷款占比（ln_load）、不良贷款率（npl），宏观控制变量GDP增长率（gdp）、货币政策环境（m2）和金融市场化水平（finmarket）。

2计量结果

2.1基准回归

在表1的第（1）—（6）列中，为固定效应计量模型的回归结果。为了避免潜在相关性和异方差，每一次回归都使用了个体聚类稳健标准差，并通过不同的方式调整自变量，来验证测量结果的稳定性，同时在处理核心解释变量时，也取到了滞后一期，结果显示在第（4）—（6）列；在选择控制变量时，第（2）列和第（5）列为没有控制微观银行因素，第（3）列和第（6）是没有取银行总资产规模自变量，结果核心自变量gapi,t均在1%的统计水平，对违约概率edfi,t产生显著的正向影响，[5]并且当过度金融投资取滞后一期时，结果仍显著。计量结果说明：一方面，商业银行违约概率会受到过度金融投资增长的影响，另一方面，过度金融投资对违约概率的影响，随着时间的推移逐渐减弱，具体体现在gapi,t和gapi,t-1之间的系数值差异。控制变量层面，由于银行总资产规模对于其它变量的影响较大，所以第（3）列和第（6）列未控制总资产规模，结果会更显著。不良贷款率npl的系数符号显著为正，表面不良贷款率的提高会更加使得银行的违约概率上升，进而信用风险加大。贷款占比ln_loda系数符号显著为负，表明银行如果贷出更多的钱，就会使得金融投资减少，违约风险就会下降。[6]宏观经济环境gdp和金融市场化水平finmaket的系数符号显著为负，表明在整体银行业市场环境向好的背景下，各银行违约概率趋于下降。系数的估计结果分别在10%、5%和1%的水平显著。3.模型中对于个体固定效应和时间效应都进行了控制。4.表2与此注一样

2.2稳定性检验

为确保结论的可靠性，进行如下稳定性检验试验：考虑到组间的差异性、相关性和序列相关性，同时参考Driscoll和Krai（1998）提出的标准误差结论[7]，我们对标准误差项进行了修正，表2第（1）—（2）列展示了回归结果，如表所示，强显著性，而且结果为正。其次，采用动态面板模型来评估和控制内生性问题。GMM方法不适用于小N（个体）和大T（时间）数据。Bruno（2005）的一项研究表明，在此基础上利用LSDAV纠偏估计方法来评估动态面板会更合适，考虑到信用风险的跨期平滑性，将滞后一期因变量纳入动态模型，可以在一定程度上消除偏差。结果在表2列（3）—（4）的系数符号显著为正，核心结论保持稳健。

3结论

金融投资的过度增长通常发生在银行危机之前，这会威胁到整个金融体系。从微观审慎的角度看，即使国内金融投资增速总体相对平缓，但少数银行可能存在过度金融投资的问题。进行过度金融投资投放的银行，可能过于乐观或低估了市场的风险，从而使得银行信用风险增加。[8]本文利用我国上市银行半年度数据对理论假设进行了检验,实证结果表明，过度金融投资的增长对商业银行违约概率有正向影响，本文的核心结论对个体银行规避金融投资信用风险有一定的启示作用。首先银行应优化金融资产结构，合理使用不同期限的金融资产，实行长期贷款转为流动资产，积极增加流动准备金，防范突发性信用风险的发生，其次，商业银行必须完善自身的风险管理策略，这就要求银行应建立风险管理体系，为商业银行进行金融投资时，可以采用数学模型进行定量分析，适时降低资产风险。同时还要注意对事前、事中、事后的各个环节进行监控，及时调整投资策略，控制潜在风险，将金融投资相关风险降至最低。

作者:王艳雪 单位:河北经贸大学金融学院