影子银行业务如何影响表内存贷款业务——基于商业银行表外理财业务的

J

金融与经济

2021.04

ournalofFinanceandEconomics

影子银行业务如何影响表内存贷款业务

——基于商业银行表外理财业务的实证研究

■

范松杰，张冰涛

[摘要]基于2012—2017年中国35家商业银行的表外理财业务研究了影子银行业务

对银行表内存贷款业务的影响及其作用机制。研究发现：在负债端，理财市场可自主定价

的利率迫使存款利率上浮，但是商业银行个体的表外理财业务规模显著减缓了上述不利影

响。在资产端，表外理财业务通过干扰表内信贷风险结构的优化调整，进而增加了表内信

贷业务的潜在风险。

[关键词]影子银行业务；存贷款业务；交叉销售

[中图分类号]F832.1[文献标识码]A[文章编号]1006-169X（2021）04-0031-07

DOI：10.19622/36-1005/f.2021.04.004

[作者简介]范松杰（1989—），河南郑州人，河南开放大学财会金融学院，博士研究生，研

究方向为数理金融；张冰涛（1989—），河南郑州人，西南财经大学中国金融研究中心，博士

研究生，研究方向为商业银行管理。

一、引言

国内外主流学者认为，影子银行业务是紧

缩货币政策和强监管政策背景下金融机构的

“监管套利”活动，这种活动不但降低了央行货

币政策的调控效力（高然等，2018；纪敏和李宏

瑾，2018），而且增加了金融市场的流动性风险

和系统性风险（胡利琴等，2016；郭晔和赵静，

2017；中国人民银行萍乡市中心支行课题组，

2019）。影子银行业务的主要形式——理财业

务，是一种重要的非利息业务，国内外主流研究

发现非利息业务对商业银行净息差有显著负向

影响（刘莉亚等，2014；周鸿卫和胥荷香，2015），

并且主要用“交叉销售”、信息不对称等机制来

解释这一现象。但这类研究存在一定缺陷：首

先，他们没有把非利息业务收入细分为具体的

业务类型，仅仅把非利息业务作为一个整体来

研究

①

。然而，不同类型的非利息业务与表内利

息业务的联系紧密程度是不同的，其影响也可

能是不同的（刘莉亚等，2014）。其次，限于数据

或其他原因，他们仅仅研究非利息业务对商业

银行净息差的影响，没有单独研究非利息业务

对贷款收益率或存款利率的影响。然而，中国

银行业存款利率与贷款利率市场化进程并不一

致，因此使用存贷利差来研究存贷利率定价并

不合适。

不同于已有研究成果：首先，本文是从商业

银行自身经营角度研究了银行发展影子银行业

务的原因及其对商业银行传统存贷款业务的影

响。其次，本文的研究是基于一种具体而且重

要的非利息业务——理财业务，并且净息差进

一步分解为存款利率和贷款利率，这更加符合

中国当前银行业的实际，比较清晰地阐明了非

利息业务影响存贷款业务的作用机制。最后，

在中国特殊背景下，本文发现了信贷资源配置

①周鸿卫和胥荷香（2015）把非利息业务收入区分为手续费业务收入和其他非利息业务收入。

JRYJJ

31

金融与经济2021.04

中的反馈机制，并从理论和实证上进行论证。

二、理论分析与研究假设

本文从商业银行的负债端和资产端来分析，

使用商业银行的表外理财业务来代表影子银行

业务，并通过分析商业银行表外理财业务与表

内存贷款业务之间的关系来揭示影子银行业务

对表内存贷款业务产生的影响及作用机制。

在商业银行负债端，理财业务与表内存款

业务之间的关系似乎是一种既相互竞争又相互

合作的关系。事实表明理财产品的收益率要高

于存款利率，市场利差（银行业理财平均收益率

与基准存款利率之差，下同）的扩大可能会导致

表内存款流失、存款利率上浮。吴盼文等

（2013）通过实地调研发现理财产品对存款具有

显著的替代作用，理财业务在加速存款利率市

场化方面发挥着重要作用。纪崴（2011）通过访

谈银行高管也发现理财业务会分流存款，理财

市场利率的上升会增加存款利率上浮的压力。

与此同时，理财业务可能是商业银行竞争客户，

扩大存款来源的重要手段。中国银行业发行理

财产品的初衷是为了与其他商业银行竞争优质

客户

①

。在存款利率处于管制的情况下，某些商

业银行为了与其他银行竞争，只能借助利率能

够自主定价的理财产品。此后，为了应对存贷

比监管指标和季末考核，大多数商业银行将理

财产品到期时点设置在季末，理财产品到期后

可转化为存款，这为商业银行扩大资产负债表

提供了基础。可见，在存款利率不能自主定价

的背景下，理财业务可能是银行之间竞争客户

的有力手段。据此，提出研究假设1。

假设1：理财市场与存款市场之间的利差扩

大会导致存款利率上浮，但对银行个体来说，理

财业务可以减缓存款流失，进而减轻了存款利

率上浮的压力。

在商业银行资产端，中国银行业的理财业

务可能增加而不是减少商业银行的风险承担。

公开数据显示，2012年以来中国经济增速持续

下行，银行业信贷资产的整体质量持续恶化，贷

款信用风险按行业分化。其中，制造业等行业

的信用风险较高，且呈现加速恶化态势；而租赁

与商务服务、水利环境与公共基础设施等政府

平台行业的信用风险水平较低，且没有明显变

化（见图1）。因此，商业银行会通过优化贷款结

构来管理信用风险，即削减信用风险相对较高

的行业贷款配置，将更多信贷资源配置到信用

风险较低的行业。然而，这种机制可能会受到

理财业务的干扰。因为中国商业银行的理财业

务与表内贷款业务间可能存在“交叉销售”，即

商业银行同时通过表内信贷和理财业务对同一

客户提供融资。这种“交叉销售”的存在把商业

银行表内贷款业务与理财业务捆绑在一起，即

对某一客户是否发放表内贷款不但要考虑表内

贷款的收益和风险，还要考虑其对理财业务的

影响。单纯按照表内贷款业务风险水平削减客

户的表内贷款可能会造成客户财务困境，导致

商业银行理财业务的资产端可能面临违约问

题。因此，理财业务的存在可能使得上述机制

难以有效发挥。另外，通过理财业务获得融资

的客户多分布在房地产业、地方融资平台、“两

高一剩”行业。其中，“两高一剩”行业因信用风

险上升面临商业银行表内信贷压缩，而地方融

资平台主要涉及公用事业、租赁与商务服务行

业、水利环境与公共基础设施行业（天风证券研

究所，2019）。其中，租赁与商务服务、水利环境

与公共基础设施行业的信用风险水平较低，是

商业银行扩张表内信贷的行业。因此，理财业

务与表内贷款业务的“交叉销售”可能会干扰商

业银行的信贷结构优化行为。据此，提出研究

假设2。

假设2：高风险行业信用风险的相对上升会

使得商业银行降低高风险行业的信贷配置，但

由于理财业务与表内信贷业务存在“交叉销

售”，理财业务的存在会干扰上述表内信贷结构

的调整。

①2004年光大银行发售的“阳光理财B计划”被认为是国内第一款人民币理财产品，其目的是为

了与国有银行争夺存款。

32

JRYJJ

影子银行业务如何影响表内存贷款业务——基于商业银行表外理财业务的实证研究

当然，高风险贷款不完全分布于制造业，低

风险贷款也不完全属于政府平台相关行业，行

业属性只是商业银行辨别潜在信用风险的一种

信号，商业银行还可以通过其他信号如资产规

模、流动性比率等财务信息来辨识信用风险。

因此，上述使用表内贷款的行业结构不足以完

全反映表内信贷配置调整。根据资产定价理

论，高风险资产的价格大于低风险资产的价格，

高风险贷款的利率高于低风险贷款的利率，因

此商业银行的表内信贷风险结构调整会反映在

贷款利率上，高风险贷款占比降低会导致贷款

平均利率水平降低。据此，提出研究假设3。

假设3：高风险类贷款信用风险的相对上升

会使得商业银行降低该类贷款的配置，进而导

致贷款平均利率水平下降；但理财业务的存在

会干扰商业银行表内信贷结构调整，进而减缓

了贷款平均利率下降。

式（1）、（2）、（3）分别为存款利率方程，贷款

风险结构方程，贷款利率方程。其中，i=1，2…N

表示商业银行个体，t=2012…2017表示年份，被

解释变量dr

it

表示存款利率，lrs

it

表示贷款风险结

构，lr

it

表示贷款利率。核心解释变量wms

it

表示

理财业务规模，wds

t

表示市场利差，rcr

t

表示相对

信用风险，x

it

分别表示方程中的控制变量向量，

d

ε

it

主要包括宏观控制变量以及微观控制变量，、

lslr

ε

it

ε

it

、分别表示三个方程的残差。最后，为了检

验理财业务的作用渠道，分别在存款利率方程

中引入理财业务规模与市场利差的交叉项wm⁃

s

it

×wds

t

，在贷款风险结构方程和贷款利率方程中

引入理财业务规模与相对信用风险的交叉项

dlslr

wms

it

×rcr

t

，

μ

i

、

μ

i

、

μ

i

表示商业银行不随时间

变化而变化的个体固定效应。

（二）变量选取与定义

1.被解释变量

存款利率dr、贷款利率lr直接来自银行年

报，对没有披露存贷款利率的银行，按照存款利

率=存款业务利息支出/月度平均存款余额，贷款

利率=贷款业务利息收入/月度贷款平均余额进

行测算。贷款风险结构lrs，用制造业贷款占比

与地方融资平台行业贷款占比之差来表示，即

高风险行业贷款占比与低风险行业贷款占比之

差。另外，制造业与地方融资平台行业是理财

渠道融资集中分布的行业，因此这两个行业的

表内信贷容易与理财渠道融资“交叉销售”。

2.核心解释变量

理财业务规模wms：本文使用理财业务手续

费收入作为理财业务规模的代理变量，实际使

用时取其对数以消除量纲。同时，为了控制银

行规模对理财产业务规模的影响，在控制变量

中加入存款规模、贷款规模等变量。在稳健性

检验时把理财业务规模的代理变量替换为银行

理财资金的期末余额。

市场利差wds：具体指标为银行业理财产品

加权平均收益率与存款基准利率之差，数据来

自中国理财网和中国人民银行网站

①

。

图1行业不良贷款率变化

注：政府平台行业指租赁和商务服务业、水

利环境和公共基础设施行业；两行业之差指制

造业与政府平台行业之差。

三、实证研究设计

（一）模型设定

基于上述假设，本文设定如下模型：

d

dd

dr

it

=

α

1

wms

it

+

α

2

wds

t

+

α

3

wms

it

×wds

t

d

d

+β

d

x

it

+

μ

i

+

ε

it

（1）

ls

lsls

lsls

lrs

it

=

α

1

wms

it

+

α

2

rcr

t

+

α

3

wms

it

×

rcr

t

ls

ls

+β

ls

x

it

+

μ

i

+

ε

it

lr

lrlr

lrlr

lr

it

=

α

1

wms

it

+

α

2

rcr

t

+

α

3

wms

it

×

rcr

t

lr

lr

+β

lr

x

it

+

μ

i

+

ε

it

（2）

（3）

①银行业理财产品平均收益率从2013年开始发布，2012年理财平均收益率根据shibor估算。

JRYJJ

33

金融与经济2021.04

相对信用风险rcr：这是一个表示贷款资产

质量分化的宏观变量。在式（2）中，rcr=制造业

不良贷款率-地方融资平台行业不良贷款率，其

中，地方融资平台行业不良贷款率为租赁与商

务服务行业、水利环境及公共基础设施行业不

良贷款率的平均值。在式（3）中，rcr=高风险行

业不良贷款率平均值-低风险行业不良贷款平

均值，其中，行业风险高低的判定标准为：如果

一个行业的不良贷款率在样本期间内持续、显

著高于平均不良贷款率，则定义为高风险行业；

反之则定义为低风险行业。

3.控制变量

宏观控制变量：主要有存款基准利率bdr、贷

款基准利率blr、存款利率上浮上限policy。存款

基准利率和贷款基准利率的具体指标为每年各

期限基准利率的算术平均数，如年中调整则按

照执行时间加权计算

①

。存款利率上浮上限按

照执行时间加权计算，存款利率不能上浮时存

款利率上浮上限为1，上浮10%时表示为1.1，取

消上限后表示为1.5，其他情况以此类推

②

。

微观控制变量：资产平均收益率ear，用生息

资产收益率，即生息资产利息收入与生息资产

平均余额之比来表示，这个变量主要用于式

（1）。根据内部资金转移定价机制FTP（刘明康

等，2018，郭豫媚等，2018），贷款利率定价时的

资金成本主要由存款成本决定，因此存款利率dr

也是式（3）的控制变量。另外，根据其相关文献

（刘明康等，2018；周开国等，2008；苏芳等，

2019），选取市场势力mk、交易规模size、中间业

务收入nii、资本充足率car、运营成本oc、储备机

会成本roc作为控制变量。其中，式（1）中交易规

模等于存款余额对数，式（2）和式（3）中交易规

模等于贷款余额对数，中间业务收入等于手续

费及佣金净收入/生息资产平均余额，运营成本

等于业务及管理费用/生息资产平均余额。储备

机会成本、市场势力这两个变量只用于式（1），

储备机会成本等于央行准备金及现金/总资产，

市场势力等于存款规模/银行业总存款；资本充

足率只用于式（2）式（3），数据直接来自于年报。

（三）样本选取与数据来源

根据数据的可得性，选取2012—2017年35

家中国商业银行年度数据作为研究样本。其中

包括5家国有银行、14家股份制银行、10家城市

商业银行和6家农商行。样本银行总资产和总

贷款分别占中国商业银行总资产的71.78%和总

贷款70.22%，而且包括了各种类型的银行机构，

因此样本银行具有很好的代表性。银行个体层

面数据来源于各商业银行年报，存款基准利率、

贷款基准利率等宏观层面数据来自于CEIC数据

库，年度理财平均收益率来自中国理财网，行业

不良贷款率来自银保监会年报。本文没有选取

2012年以前的数据，是因为一方面2012年以前

银行很少披露理财业务数据，另一方面2012年

以前存款利率不能上浮，存款定价不受理财业

务影响。本文也没有选取2017年后的数据，因

为2017年后“资管新规”开始实施，表外理财业

务的政策环境发生了较大变化。

四、实证结果及分析

（一）基准模型检验

本部分分别使用存款利率方程式（1）、贷款

风险结构方程式（2）、贷款利率方程式（3）检验

理财业务对存款业务、贷款业务的影响及作用

机制。

表1检验了理财业务对存款利率的影响及

作用机制。列（1）结果显示存款基准利率、存款

利率上浮上限对存款利率显著正影响，而且存

款基准利率的影响较大，这说明基准利率在商

业银行存款利率定价中仍然发挥着重要作用。

列（2）为在列（1）基础上加入市场利差wds和理

财业务规模wms后的估计结果。结果显示市场

①如2014年11月调整基准利率，调整前的利率权重为11个月，调整后的利率权重为1个月。

②2012年6月上浮上限调整为1.1倍，2014年11月调整为1.2倍，2015年3月调整为1.3倍，2015

年5月调整为1.5倍，2015年10月取消上浮上限。虽然2015年10月取消了上浮上限，但由于存在市

场利率自律定价机制，商业银行很少将存款利率上浮1.5倍以上。

34

JRYJJ

影子银行业务如何影响表内存贷款业务——基于商业银行表外理财业务的实证研究

表1存款利率方程估计结果

（1）（2）（3）（4）

变量

1.5690

dr

***

1.1568

dr

bdr

***

0.7527

dr

***

0.7884

dr

***

（

policy

0.0445

0.0870）（0.0982）（0.1865）（0.1948）

***

0.0228

***

0.0159

***

（0.0025）（0.0030）（0.0052）（

0.0174

***

0.0054）

wds

（

0.3442

***

0.0372

0.2442

***

0.5238

***

wms

（

0.0003

）（0.0658）（0.1080）

0.0003）（

0.0001

0.0003）（

0.0006

wds×wms

-0.0439

0.0004）

***

（0.0148）

ear

（

0.2547

**

0.0938）（

0.2463

***

nii

（

-0.1014

-0.2541

0.1588）（

-0.0162

0.0895）

0.1345）

oc

*

0.1371）（

-0.2739

*

（0.1582

roc

（

-0.0028

0.0118）（

-0.0037

）

0.0108

mk

（

0.0774

0.0494）（

-0.0106

）

0.0538

lndeposit

（

0.0007

0.0012）（

0.0007

）

0.0011）

银行个体效应是是是是

时间固定效应否否否否

观测值

R

2

值

0.5992

204

0.7449

204

0.7762

204

0.7922

204

注：***、**和*分别代表在1%、5%和10%水

平上显著。（下同）

利差wds系数显著为正；理财业务规模系数也为

正，但不显著。在列（2）基础上加入其他控制变

量得到列（3），结果显示市场利差系数依然显著

为正，理财业务规模系数值依然很小且不显

著。从列（2）、列（3）结果可知商业银行理财市

场与存款市场之间的利差扩大会显著提高存款

利率，理财市场的存在造成了商业银行表内负

债成本增加。但理财业务规模并不直接对存款

利率产生显著影响，这表明理财业务对存款业

务的影响可能通过间接渠道实现。为检验理财

业务的作用渠道，在列（3）基础上加入市场利差

与理财业务规模的交叉项，得到列（4）。结果显

示，市场利差对存款利率的直接影响显著为正，

市场利差每提高

52个基点，但是市场利差对存款利率的影响被

100个基点，存款利率就会提高

理财业务削弱：理财业务规模每增加1倍，其影响

就会降低4.4个基点，也就是说市场利差对存款

利率的影响被削弱8.5%。这验证了研究假设1。

列（4）结果还表明：一是存款基准利率在存

款定价中起决定性作用。二是生息资产平均收

益率和运营成本对存款利率也是有重要影响，

生息资产收益水平越高，其负债成本上浮空间

越高。运营成本需要利息收入来补偿，越高的

运营成本就需要越高的利差，因此存款利率水

平就越低。三是尽管存款利率上浮上限从统计

意义上对存款利率产生显著影响，但从经济意

义上讲其影响有限。

表2贷款风险结构方程估计结果

（1）（2）（3）（4）

变量

lrslrslrs

rcr2

（

-7.5122

***

0.6859）（

-7.0164

***

1.0428）（

-5.0237

*

2.7247）

-11.4256

lrs

**

（4.3661）

wms

（

-0.0072

0.0095）（

-0.0035

0.0151）（

-0.0173

0.0156）

wms×rcr2

0.7685

**

（0.3296）

dr

7.1627

**

3.1562）（

9.5599

***

（3.4708）

oc

（

1.2607

2.8731）（

1.1450

2.9998）

nii

（

-0.4061

4.5779）（

-0.6721

4.5072）

car

（

-0.4962

0.6823）（

-0.8276

0.6252）

lnloan

-0.1225

*

0.0682）（

-0.0940

*

（0.0565）

blr

（

-3.2582

2.3153）（

-3.8793

2.4100）

银行个体

固定效应

是是是是

时间固定效应否否否否

观测值

R

2

值

0.7011

192

0.7028

192

0.7426

192

0.7587

192

注：由于样本中有两家银行没有披露租赁

与商务服务业贷款余额，这造成被解释变量只

涵盖33家银行，192个观测值。

表2检验了理财业务对贷款风险结构的影

响及作用机制。列（1）结果显示相对信用风险

系数显著为负，这说明当高风险行业贷款的资

JRYJJ

35

金融与经济2021.04

产质量加速恶化时，商业银行会减少对高风险

行业信贷配置，把更多的信贷资源配置于低风

险行业。这是商业银行信贷配置过程中一种优

化信贷资产结构的反馈机制。另外，该模型的

拟合优度达到0.7011，这说明相对信用风险解释

了贷款风险结构70%的变化。列（2）、列（3）分别

为加入理财业务规模、其他控制变量后的估计

结果。结果显示，对于相对信用风险而言，其估

计系数相对稳健，上述结论依然成立；对于理财

业务规模而言，其系数为负，但在统计意义上不

显著，这表明理财业务本身不会直接显著影响

表内贷款风险结构。列（4）为加入理财业务规模

与相对信用风险的交叉项后的估计结果，其系数

显著为正，这说明理财业务规模增加会显著降低

相对信用风险对贷款风险结构的影响，因此理财

业务的存在及发展干扰了上述反馈机制的运

行。交叉项的系数为0.77，wms的均值为6.83，

相对信用风险本身的系数为-11.43，这意味着理

财业务的存在使得上述反馈效应下降了46%。

其他控制变量中影响显著的因素有存款利率和

贷款规模，存款利率越低，贷款规模越高，贷款

组合中高风险贷款占比增加。

表3贷款利率方程估计结果

（1）（2）（3）（4）

变量

-0.7133

lr

***

lrlr

rcr3

0.0319）（

-0.7140

***

0.0582）（

-0.1374

*

0.0794）（

-0.3956

lr

***

（0.1235）

wms

（

0.0001

0.0007）（

-0.0002

0.0007）（

-0.0007

0.0008）

rcr3×wms

（

0.0338

**

0.0125）

dr

0.6921

***

0.8164

***

（0.1497）（0.1381）

oc

0.5459

*

）（

0.5123

*

（0.28910.2826）

nii

（

0.2504

0.4018）（

0.2574

0.3621）

car

（

-0.0125

0.0178）（

-0.0277

0.0199）

lnloan

-0.0066

**

0.0030）（

-0.0062

**

（0.0028）

blr

0.5293

***

（0.1114）（

0.5066

***

0.1042）

银行个体

固定效应

是是是是

36

JRYJJ

续表3

（1）（2）（3）（4）

变量

时间固定效应否

lr

否

lr

否

lr

否

lr

观测值

否

表3的结构与表

0.7758

204

2相似，

0.7758

204

不同的是被解释变

0.9171

204

0.9209

204

量为商业银行贷款平均利率，相对信用风险用

高风险行业不良贷款率平均值与低风险行业不

良贷款率平均值之差来表示。列（1）结果显示：

随着高风险行业的相对信用风险增加，贷款平

均利率下降，这是因为高风险行业的相对信用

风险增加时，商业银行会削减高风险贷款，增加

低风险贷款，进而导致贷款组合平均潜在信用

风险下降，贷款平均利率由此下降。列（2）、列

3）分别为加入理财业务规模和其他控制变量

后的结果，与表2结果类似，即高风险行业的相

对信用风险依然对贷款平均利率有显著负影

响，而理财业务规模本身对贷款利率没有显著

影响。加入相对信用风险与理财业务交叉项的

结果如列（4）所示：交叉项系数显著为正，这意

味着商业银行理财业务规模越大，高风险行业

的相对信用风险对贷款利率影响越小，理财业

务的存在会干扰商业银行表内信贷结构调整，

进而减缓了贷款平均利率下降。考虑到wms的

均值为

-0.3956

6.83，交叉项系数为0.0338，rcr3系数为

对信用风险对贷款利率的影响下降了

，理财业务的存在使得高风险行业的相

58%，这比

表3中理财业务的影响大12个百分点。

（二）稳健性检验

固定效应模型可能遗漏随时间变化而变化

的宏观变量及由此产生的内生性问题，为此引

入时间虚拟变量以控制所有可能同时影响解释

变量和被解释变量的宏观因素。但这样的做法

也有一定缺陷：原模型存款基准利率、贷款基准

利率、市场利差、存款利率上浮上限、相对信用

风险这五个变量是宏观变量，时间虚拟变量的

引入导致这五个变量与时间虚拟变量多重共线

性，变量系数估计出现较大偏误。为此在模型

中加入时间虚拟变量的同时把这四个具体的宏

（

影子银行业务如何影响表内存贷款业务——基于商业银行表外理财业务的实证研究

观变量省去。另外，上述研究中使用理财业务

收入作为理财业务规模的代理变量，这里存在

一个假设：商业银行对理财业务的定价在样本

期间内是稳定的，不同商业银行之间的理财业

务手续费率相近。显然这个假设不一定成立。

因此，使用另一个指标——期末理财资金余额

——来衡量理财业务规模，这个指标表示商业

银行发行的非保本理财在期末时还未到期的规

模。据此进行稳健性检验，检验结果

①

与基准模

型基本一致，因此基准模型检验得到的结论是

稳健的。

五、结论与启示

基于2012—2017年中国35商业银行的表

外理财业务研究了影子银行业务对银行表内存

贷款业务的影响及其作用机制，结果发现：从负

债端看，一方面，理财市场的存在及市场利差的

扩大会显著提高商业银行的存款成本。另一方

面，理财业务能够减缓存款外部流失，进而减轻

市场利差对存款利率的负面冲击。理财规模每

增加

8.4%

1倍，市场利差对存款利率的负面冲击下降

资产结构会随着信贷资产质量分化而调整：

。从资产端看，中国商业银行的表内信贷

在

高风险贷款的信用风险相对增加时，商业银行

会削减高风险贷款投放，把更多信贷资源配置

于低风险资产。这是一种良性反馈机制，有利

于贷款资产结构优化。然而商业银行理财业务

的资产端与表内信贷业务存在着“交叉销售”，

理财业务的存在会干扰表内信贷资产结构调

整，干扰上述反馈机制的运行。具体来看，在贷

款风险结构方程中，理财业务的存在使得反馈

机制效果下降了46%；在贷款利率方程中，理财

业务的存在使得反馈机制效果下降了58%。

基于上述结论，可以得到如下启示：在负债

端，发展影子银行业务对于商业银行业来说是

一个囚徒困境：从每个商业银行的自身利益出

发，商业银行应该大力发展影子银行业务以获

取客户；然而从整个银行业的利益出发，影子银

行业务的出现及其产品平均收益率的提高会导

①限于篇幅，结果留存备索。

致商业银行存款成本上浮，表内负债成本提

高。在资产端，影子银行业务不可避免地与商

业银行表内信贷业务“交叉销售”，这会影响到

表内信贷风险结构的调整。尤其是在整体信贷

资产质量恶化，商业银行不断优化信贷风险结

构的过程中，影子银行业务的存在和发展会增

加信贷资产的潜在风险。

行与货币政策传导

[1]高然，陈忱，

[参考文献

曾辉，等

]

.信贷约束、影子银

84．

[J].经济研究，2018，（12）：70~

率

2018

传

[2]

，（

导

郭豫媚，

12

效

）：

率

41~58

研

戴赜，

究

．

：2008—2017[J].

彭俞超.中国货币政策利

金融研究，

系统风险

[3]郭晔，

——基于中国上市银行微观数据的实

赵静.存款竞争、影子银行与银行

证研究[J].金融研究，2017

行发展与风险承担渠道的非对称效应分析

[4]胡利琴，陈锐，班若愚

，（6）

.

：

货币政策、

85~98．

影子银

[J]．

金融研究，

2011

[5]

2016，（2）：158~166．

，（

纪崴

22）：90~93

.关注存款理财化趋势

．

[J].中国金融，

币调控方式转型

[6]纪敏，李宏瑾

——基于银行表外理财数据的

.影子银行、资管业务与货

实证分析[J].金融研究，2018

部资金转移定价

[7]刘明康，黄嘉，

——来自中国利率市场化改革

陆军.

，（

银行利率决定与内

12）：5~22．

的经验[J].经济研究，2018，（6）：6~22．

息差与非利息收入的关系研究

[8]刘莉亚，李明辉，孙莎，等.

2014，（

[J].

中国银行业净

经济研究，

务发展的影响研究

[9]

7

苏芳，

）：110~124.

蔡莎，

—

王煊

—来自中国银行业的经验

.银行利差对非利息业

证据[J].

变化？

[10]

金融与经济，

天风证券研究所

2019，

.

（3）：25~32.

OL].和讯网，

——基建及租赁和商务服务业篇

银行对公信贷有什么

2019-09-15.

[EB/

（下转第48页）

JRYJJ

37

金融与经济2021.04

67~78.

[5]黄寿峰.财政支农、金融支农促进了农民

增收吗?——基于空间面板分位数模型的研究

[J].财政研究，2016，（8）：78~90.

[6]贾春新.金融深化：理论与中国的经验[J].

中国社会科学，2000，（3）：50-59+204.

[7]姜松，曹峥林，王钊.中国财政金融支农

协同效率及其演化规律[J].软科学，2013，（2）：6~

11.

[8]雷泶，郭苏文.中国区域金融支农绩效水

平的实证研究——基于DEA模型的省际差异分

析[J].江西社会科学，2016，（2）：44~49.

[9]李燕凌，欧阳万福.县乡政府财政支农支

出效率的实证分析[J].经济研究，2011，（10）：

110-122+149.

[10]卢飞，张建清，刘明辉.政策性农业保险

的农民增收效应研究[J].保险研究，2017，（12）：

67~78.

[11]彭克强.财政与金融支农整合的理论架

构与方略[J].社会科学，2008，（12）：46~54.

[12]冉光和.财政金融政策与城乡协调发展

[M].北京：科学出版社，2009.

[13]阮贵林，孟卫东.农业保险、农业贷款与

农户人均纯收入——基于中国省际面板数据的

实证分析[J].当代经济科学，2016，（5）：69-76+

98+126.

[14]石文香，陈盛伟.农业保险促进了农民

（上接第37页）

[11]吴盼文，黄革，何雁明.理财产品发展加

速利率市场化进程[J].银行家，2013，（8）：104~

106．

[12]周开国，李涛，何兴强.什么决定了中国

商业银行的净利差?[J].经济研究，2008，（8）：66~

77.

[13]周鸿卫，胥荷香.表外业务是银行应对

增收吗?——基于省级面板门槛模型的实证检验

[J].经济体制改革，2019，（2）：84~91.

[15]汪海洋，孟全省，亓红帅，等.财政农业

支出与农民收入增长关系研究[J].西北农林科技

大学学报（社会科学版），2014，（1）：72~79.

[16]王朝才.推进财政支农资金整合提高

财政支农资金效率——评胡振虎著《财政支农

资金整合论》[J].财政研究，2011，（3）：79~80.

[17]王定祥，李伶俐，冉光和.金融资本形成

与经济增长[J].经济研究，2009，（9）：39-51+105.

[18]王桂堂.农村政策性金融与财政支农关

系[J].经济经纬，2005，（4）：132~134.

[19]温涛，王煜宇.政府主导的农业信贷、财

政支农模式的经济效应——基于中国1952—

2002年的经验验证[J].中国农村经济，2005，

（10）：20~29.

[20]温忠麟，叶宝娟.中介效应分析：方法和

模型发展[J].心理科学进展，2014，（5）：731~745.

[21]谢平，徐忠.公共财政、金融支农与农村

金融改革——基于贵州省及其样本县的调查分

析[J].经济研究，2006，（4）：106~114.

[22]余新平，熊皛白，熊德平.中国农村金融

发展与农民收入增长[J].中国农村经济，2010，

（6）：77-86+96.

[23]赵洪丹，朱显平.农村金融、财政支农与

农村经济发展[J].当代经济科学，2015，（5）：96-

108+127-128.

竞争的交叉销售策略吗?——基于中国51家商

业银行的实证研究[J].金融论坛，2015，（6）：37~

50.

[14]中国人民银行萍乡市中心支行课题组.

银行微观竞争与货币政策信贷渠道传导效率

——基于我国130家银行的经验证据[J].金融与

经济，2019，（11）：56~64.

48

JRYJJ