内部监管科技(RegTech)与银行流动性风险:来自中国上市银行的实证研究
研究背景
银行流动性风险是指银行在负债到期时无法满足支付义务的风险。传统银行业理论指出,期限转换虽然能提升盈利能力,但也增加了流动性风险和银行挤兑的可能性。当前的研究关注流动性风险的影响因素,包括银行内部因素(如Abdul-Rahman等,2018)和货币政策(如Nguyen等,2023)。此外,金融监管是直接解决银行流动性风险的方法之一(如Raz等,2022)。然而,严格的监管标准和传统的监管模式给银行带来了巨大的合规成本,并引发了关于监管滞后性和不一致性的争论,从而催生了监管科技(RegTech)。
研究目的
本文旨在探讨内部RegTech对银行流动性风险的影响。通过分析2015年至2022年中国上市银行的数据,研究发现内部RegTech显著降低了银行的流动性风险。该研究填补了现有文献在内部RegTech对银行流动性风险影响方面的空白。
数据与变量
- 样本:选取了2015年至2022年间在中国A股市场上市的41家商业银行作为样本,这些银行占2022年中国银行业总资产的约84%。
- 因变量:采用流动性比率(Liquidity Ratio, LDR)来衡量银行的流动性风险,计算公式为:[ \text{LDR} = \frac{\text{LA}}{\text{LL}} ],其中LA表示流动资产,LL表示流动负债。取自然对数后的LDR(LnLDR)。
- 核心解释变量:内部RegTech指数,通过文本挖掘方法从银行年报中提取与RegTech相关的关键词频率,取自然对数(LnRegTech)。
- 控制变量:包括资产回报率(ROA)、银行规模(SIZE)、资本充足率(CAR)、净息差(NIM)、非利息收入比例(NIIR)、净利润率(NPGOI)、管理费用率(AEGOI)和总资产周转率(TAT)。
实证模型
采用两阶段固定效应模型来检验内部RegTech对银行流动性风险的影响:
[ \text{LnLDR}{it} = \beta_0 + \beta_1 \text{LnRegTech}{it} + \delta_i + \mu_t + \epsilon_{it} ]
结果
- 基准回归结果:所有列的LnRegTech系数均在5%显著性水平上显著为正,表明采用内部RegTech可以显著降低银行的流动性风险。若LnRegTech增加一个标准差,LnLDR将提高26.45%,约占LnLDR平均值的5.58%。
- 稳健性检验:不同聚类标准误的结果表明我们的发现具有稳健性,与Liu等(2024)的研究结果一致。
其他发现
- 尽管一些先前的研究表明金融科技(FinTech)可能减少了银行的流动性(Tang等,2024),并刺激了企业风险承担(Tang等,2024),但我们的研究支持使用RegTech来缓解金融科技对金融稳定性的潜在影响。
- 通过工具变量法(Bartik IV)进行内生性检验,结果显示我们的结论依然稳健。
结论
本文的研究表明,内部RegTech能够显著降低银行的流动性风险,为金融监管机构采用RegTech提供了重要启示。未来的研究可以进一步探讨不同类型的RegTech子指数对银行流动性风险的具体影响。