大宗商品价格波动对商业银行风险承担的影响研究.pdf

Theoretical Research理论研究吉林金融研究2023 年 第 6 期13作者简介：王立荣，女，博士，东北师范大学，副教授，博士生导师。王远，女，硕士，东北师范大学。数据来源：前瞻数据库大宗商品价格波动对商业银行风险承担的影响研究王立荣王远（东北师范大学，吉林长春1 3 0 0 0 0）摘要：随着我国经济迅速发展，国内能源和初级产品的供应已无法满足日益上涨的需求，因此，我国对大宗商品进口的依赖程度也逐渐加深。然而，近年来各类“黑天鹅”事件引发的大宗商品价格异常波动，加重了大宗商品进口贸易的风险，也给商业银行带来新的挑战。本文对我国2 0 家商业银行2 0 1 0 年2 0 2 2 年的季度数据进行实证分析，建立面板向量自回归模型检验了不同类别大宗商品价格波动对银行风险承担的影响。结果表明：矿业类和能源类大宗商品价格波动对商业银行风险承担的影响大于农产品类对商业银行风险承担的影响；矿业类大宗商品价格波动对商业银行风险承担的长期贡献度更高，能源类大宗商品价格波动对商业银行风险承担的影响比较滞后；此外，国有银行不良贷款率对能源类和农产品类大宗商品价格波动的响应程度都小于非国有银行，而对矿业类大宗商品价格波动的响应程度较大，远大于非国有银行。本文基于研究结论，从银行资产配置、信息流通、货币政策等层面提出了相关对策建议。关键词：大宗商品价格波动；商业银行风险承担；异质性分析中图分类号：F 8 3 0 文献标识码：A 文章编号：10093109（2023）06001308一、引言大宗商品同时具备商品属性和投资属性。其商品属性体现在：大宗商品是各制造业在对消费产品进行生产加工时必不可少的基础投入，是国民经济中十分关键的一部分；其投资属性体现在：随着商业银行业务的拓展，投资工具的复杂化、多元化和创新化等特点日益凸显，其对大宗商品以及相关行业的关注度和投资力度也逐渐加强。然而近年来大宗商品的价格存在异常震荡，这会给商业银行和企业带来难以预估的风险。大宗商品价格本身存在周期性的震荡，除此之外，外界因素诸如地缘风险、季节和气候以及宏观经济形势等对大宗商品价格的影响更加明显。在2 0 0 8 年金融危机爆发后，多国宽松货币政策的实施和大宗商品需求的骤降使得大宗商品价格发生了大幅度的异常波动，C R B 指数在不足一年内从4 8 5.7 3 降至2 9 8.5 7，又于2 0 1 1 年上升至5 8 0.3 2，经历了长达三年多的异常波动。这样的大幅度价格波动在全球疫情暴发后再次出现，疫情对经济活动的严重影响、流动性枯竭，以及受阻的大宗商品供应链等因素使得C R B 指数在2 0 2 0 年年初再次下跌，之后的两年里，伴随着各国加速推进复工复产的脚步，大宗商品的需求重振，但由于疫情时期的产量低下，以及俄乌冲突的推动，造成大宗商品库存严重不足，短期内供不应求，导致大宗商品价格达到新高点，C R B 指数于2 0 2 2 年5 月上涨至6 4 4.0 7，达到近十几年最高价格上涨幅度。由于我国不具备大宗商品的定价权，因而在面临大宗商品价格波动异常时往往十分被动，这种价格的剧烈波动会给我国商业银行，金融系统甚至是宏观经济都带来较大的影响。在此背景下，探究商业银行风险承担如何受大宗商品价格波动的影响具有重要的意义。本文通过实证分析，从大宗商品价格波动和商业银行风险承担两方面出发，探究大宗商品价格波动对商业银行风险承担影响的渠道和机理，以及不同类型的大宗商品价格波动对不同规模商业银行风险承担的异质性影响，同时，也对当今复杂的经济态势下商业银行如何提高风险承担能力进行分析，对未来研究方向进行展望。二、文献综述在我国金融体系中，商业银行占据主导地Theoretical Research理论研究吉林金融研究2023 年 第 6 期14位，将风险承担行为控制在合理范围时，不仅有利于商业银行的经营，也有利于整个金融系统的发展。大宗商品价格的负面冲击会通过金融渠道影响银行的资产负债表和金融稳定，商业银行会出现盈利能力的下降和不良贷款额增加等后果，然而在宏观经济和银行特征变量的共同作用下，大宗商品价格波动对银行风险承担的正向冲击会减弱；大宗商品价格异常波动还会导致企业的利润和净现金流下降，企业偿债的能力和意愿也随之降低，从而导致银行信用风险的加剧。即大宗商品价格波动对商业银行风险承担的影响表现为盈利能力、资产质量的下降以及不良贷款额的增加。此外，当国际大宗商品价格不稳定时，会由于价格传导和贸易因素影响到我国宏观经济市场的稳定，此时商业银行会采取更为保守的经营策略，短期内提升自身对风险的规避，通过减少贷款的发放降低信贷规模，以此来平衡主动与被动的风险承担行为。基于此，提出研究假设1：我国存在商业银行风险承担受大宗商品价格波动影响的传导渠道，大宗商品价格波动会使商业银行风险加剧。不同类别大宗商品之间的价格波动具有差异性。大宗商品的价格会受到各种因素的影响，包括自身的供求关系、金融市场因素、美元汇率、政治与地缘风险、季节与气候等，而各类不同大宗商品受某种因素影响的程度往往也是不同的。对于金属类大宗商品，在短期内，其价格波动受到需求的影响，与工业生产周期有很大的关联性，银行风险承担水平会随着金属类大宗商品的价格波动幅度增加而升高；对于农产品类大宗商品，其价格波动主要受到供给的影响，且供给情况受到季节等因素的调整较大，还会受到不同属性信息的显著影响，且存在非对称性，其中正向信息对农产品价格波动的影响程度弱于负向信息；对于原油等大宗商品，其价格不仅受到气候因素和地缘局势的影响，还因其稀缺性而受到供求关系的较大影响。可以看出，大宗商品的价格波动原因并不相同，因而在价格调整周期上也相应地存在差异。由此可知，因为不同类别大宗商品价格波动的周期不同，对商业银行风险承担的影响水平也不同，所以商业银行必须综合考虑如何平衡各类大宗商品价格波动带来的风险与收益。基于此，提出研究假设2：不同类别大宗商品的价格波动会对商业银行风险承担产生异质性影响。根据前文的分析，不同规模的商业银行不良贷款率的水平不同，风险承担能力也不同。首先，国有银行的规模优势决定了其具有相对更高的风险容忍程度，因此国有银行常常会采取相对较高的杠杆率；其次，由于我国金融体系的特殊性，政府对国有银行的管理权更强，在这种严格管控下，国有银行反而会对风险防范更加重视，因此采取的政策也更加保守，稳定性更强；银行风险承担会受到宽松货币政策的影响而降低，同时又会受到低利率的货币政策影响而上升。其中非上市银行和股份制银行的风险承担水平受货币政策的影响相比于国有银行和城农商行更为显著；此外，不同的货币政策与宏观审慎政策的配合效果存在异质性，作用于不同性质的银行产生的效果也存在异质性；最后，大宗商品价格的波动会缩减发展中国家银行的信贷规模，中小型商业银行更容易受到这种波动带来的负面影响。基于此，提出研究假设3：不同规模商业银行的风险承担水平对大宗商品价格的波动表现出异质性响应。三、研究设计（一）变量选取对于大宗商品价格波动的代理变量，本文通过公式：（3-1）求得大宗商品季度价格波动率，公式中，表示大宗商品价格指数C C P I 的月度数据，n 表示每季度包含的月份数即3。并以能源类、矿业类和农产品类大宗商品价格波动率（E P V、M P V、A P V）作为核心解释变量。对于商业银行风险承担的度量，本文使用分析财务数据的度量方法。S a l a s e t a l.（2 0 0 2）通过求出银行的不良贷款余额与总贷款余额的比值，反映出长期经营过程中银行违约情况的发生，即使用了不良贷款率的度量方法。本文根据S a l a s 的研究，选取商业银行不良贷款率Theoretical Research理论研究吉林金融研究2023 年 第 6 期15（N P L）为被解释变量，建立面板向量自回归模型，以考察商业银行风险承担对于大宗商品价格波动的响应程度；此外，为有效识别大宗商品价格波动的影响，添加控制其他影响银行风险承担的重要变量。本文采取的控制变量分为宏观层面变量和微观层面变量。宏观层面变量包括C P I 同比增长率（C P I）和一年期贷款基准利率（I R），微观层面变量包括资本充足率（C A R）和流动性比例（L R）。（二）数据来源本文选取中、农、工、建、交5 家国有银行，以及民生、平安、招商、中信、浦发、兴业、光大、渤海、宁波、华夏、南京、上海、北京、天津农商、重庆农村商业银行1 5 家非国有商业银行，共计2 0 家银行为样本，选取2 0 1 0 年至2 0 2 2 年第二季度的季度面板数据，构建面板自回归模型进行实证分析。对于缺失数据，本文以均值插补法进行处理。数据的描述性统计如下表，可以看出，矿业类大宗商品价格的波动程度是最为剧烈的，农产品类价格波动程度整体而言较轻，能源类处于居中位置；从价格波动率的最值来看，矿业类大宗商品价格的波动率依然是最高的，农产品类虽然价格波动幅度更平缓，但最值却高于能源类的价格波动率，仅次于矿业类。表3.1 描述性统计代理变量符号观测值平均值标准差最小值最大值不良贷款率N P L1 0 0 01.2 7 7 50.5 1 8 40.1 0 2 54.0 5 0 0大宗商品价格波动率（能源）E P V1 0 0 05.8 9 8 74.5 8 1 10.5 7 7 42 0.1 3 2 8 9大宗商品价格指数（矿业）M P V1 0 0 08.7 8 5 39.8 8 8 51.0 0 0 05 5.5 3 6 8大宗商品价格指数（农产品）A P V1 0 0 02.7 4 2 26.8 6 9 80.0 0 0 03 6.0 1 8 5C P I 同比增长率C P I1 0 0 02.4 2 4 01.3 0 0 90.2 0 0 06.4 0 0 0一年期贷款基准利率I R1 0 0 02.4 2 4 01.3 0 0 90.2 0 0 06.4 0 0 0流动性比例L R1 0 0 04 7.9 5 7 71 0.3 5 9 92 4.0 0 0 09 2.6 4 0 0资本充足率C A R1 0 0 01 2.8 6 7 31.7 0 5 95.5 1 0 01 8.3 1 0 0（三）模型构建H o l t z（1 9 8 8）最早提出了P V A R 模型。P V A R模型沿袭了S i m s（1 9 8 0）提出的V A R 模型的优点，采用面板数据，集时间序列与截面分析为一体，其结果更具稳健性。基于本文的研究主题，选取P V A R 模型的优势在于：第一，P V A R 模型将所有变量视为内生变量，能够比较好地解决内生性问题；第二，相比于V A R 模型，P V A R 模型兼具面板数据与动态滞后模型的特质，使用面板数据，通过既定时间区间的横截面数量，提升了样本数量，使得分析结果稳定性的问题得到了解决估计误差降低；第三，本文构建P V A R 模型进行实证分析，通过脉冲响应分析，解释大宗商品价格波动冲击对商业银行不良贷款率的动态效应，并通过方差分解法，分析不同变量对商业银行不良贷款率的贡献度与滞后期。本文选取商业银行不良贷款率（N P L）、能源类大宗商品价格波动率（E P V）、矿业类大宗商品价格波动率（MP V）、农产品类大宗商品价格波动率（A P V）、消费者物价指数同比增长率（C P I）、一年期贷款基准利率（I R）、银行流动性比例（L R）以及银行资本充足率（C A R）八个变量构建P V A R 模型。模型构建如下：（3-2）上式中，为八元变量，即N P L,E P V,M P V,A P V,C P I,I R,L R,C A R ，是的p 阶滞后项，其中i 代表本文样本商业银行个体，t 为年度，为相应系数矩阵，表示个体固定效应，表示时间效应，为随机扰动项。四、实证结果分析（一）单位根检验通过L L C 检验和I P S 检验来对各项变量的水平值或差值进行单位根检验。从表4.1 可以看出，只有C P I、L R 和C A R 能够完全拒绝存在单位根的原假设，但C P I、L R 和C A R 以外所有变量的一阶差分值可以显著拒绝原假设。因此，基于单位根检验结果，使用所有变量的一阶差分值进行实证分析。Theoretical Research理论研究吉林金融研究2023 年 第 6 期16表4.1 单位根检验（二）最优滞后阶数选择本文依据A I C、B I C 和H Q I C 信息准则判定面板最优滞后阶数。根据表4.2，该模型的最优滞后阶数为3 阶。基于此，选取最优滞后阶数3 阶进行实证分析。表4.2 最优滞后阶数选择注：*表示最优滞后阶数（三）P V A R估计从表4.3 中可以看出，能源类大宗商品价格波动率对不良贷款率的影响系数是-0.0 1 7 4，通过了1%的显著性检验，说明能源类大宗商品价格波动率对不良贷款率有负向影响；矿业类大宗商品价格波动率对不良贷款率的影响系数是-0.0 2 1 4，通过了5%的显著性检验，说明矿业类大宗商品价格波动率对不良贷款率有负向影响，且影响系数大于其他两类大宗商品；农产品类大宗商品价格波动率对不良贷款率的影响系数是0.0 1 1 1，通过了1%的显著性检验，说明农产品类大宗商品价格波动率对不良贷款率有正向影响。表4.3 P V A R 模型的G MM估计结果（四）脉冲响应分析给定能源类大宗商品价格波动率（E P V）一个标准差的正向冲击，不良贷款率先产生负向响应，在第3 期达到最大冲击-0.0 0 4，在第4 期直线上升，达到正向冲击0.0 0 1，第6 期起又变回负向冲击，最终在第1 0 期趋近于0；从整体上而言，不良贷款率对能源类大宗商品价格指数冲击的响应是负向的。给定矿业类大宗商品价格指数（MP V）个标准差的正向冲击，不良贷款率先产生负向响应，在滞后1 期时响应值达到峰值-0.0 0 4，响应程度逐渐减弱，在滞后4 期短暂变为正向响应，之后下降，最终在滞后第1 0 期开始衰减至零。不良贷款率对矿业类大宗商品价格指数冲击的响应是负向的。给定农产品类大宗商品价格指数（A P V）个标准差的正向冲击，不良贷款率相应方向最初为正，在滞后第2 期时响应值达到最大值0.0 0 2，滞后第3 期开始短暂表现为负向响应，随后上升，最终在滞后第6 期开始衰减至零。不良贷款率对农产品类大宗商品价格指数冲击的响应总体而言是正向的。图4.1 不良贷款率对各变量冲击的脉冲响应图L L C 检验I P S 检验统计值P 值统计值P 值N P L-1.5 3 2 50.0 6 2 72.0 4 7 90.9 7 9 7E P V2.3 6 5 40.5 3 6 86.3 5 8 40.3 2 6 8M P V4.8 6 5 20.1 2 5 42.6 5 8 40.6 5 8 2A P V5.2 3 6 40.6 8 1 27.2 3 5 40.4 5 8 2C P I-5.2 2 6 80.0 0 0 0-6.3 5 9 80.0 0 0 0I R4.2 5 6 30.6 5 4 83.2 4 6 50.3 3 6 8L R-6.0 7 1 80.0 0 0 0-5.4 8 8 40.0 0 0 0C A R-6.1 7 5 00.0 0 0 0-7.1 8 8 10.0 0 0 0L a gA I CB I CH Q I C14.1 4 0 05.7 0 1 54.7 4 6 121.8 4 2 84.1 9 8 82.7 6 5 73-3.9 8 2 1*-0.5 9 6 0*-2.6 4 3 7*被解释变量响应变量C o e f.ZPN P LE P V-0.0 1 7 4-2.5 60.0 1 0M P V-0.0 2 1 4-2.5 30.0 1 1A P V0.0 1 1 1-3.1 20.0 0 2C P I-0.0 2 3 2-2.4 50.0 1 4I R-0.0 0 0 8-0.1 20.9 0 3L R0.0 0 5 40.2 20.8 2 6C A R0.0 6 2 81.5 00.1 3 4N P L0.1 2 3 22.3 70.0 1 8可以看出，对于三类不同的大宗商品价格指数，不良贷款率的响应程度是不同的：首先，不良贷款率对于能源类和矿业类大宗商品价格指数冲击的响应均为负向响应，对于农产品类大宗商Theoretical Research理论研究吉林金融研究2023 年 第 6 期17品价格指数冲击的响应是正向响应。这主要是源于我国是人口大国，对农产品的需求十分高涨，并且对农产品的需求是具有一定需求刚性的，且需求变化比较滞后。因此，银行对农产品类大宗商品的响应在第3 期才表现出较轻的负向响应，随后又迅速回归正向响应；其次，不良贷款率对于能源类和矿业类大宗商品价格波动响应程度更大，响应时间更持久，对于农产品类则响应程度偏小，响应时间较短，因此能源类和矿业类大宗商品价格的波动对于银行风险承担的影响程度更大。这主要是由于能源类和矿业类大宗商品价格的变动幅度非常大，尤其是矿业类大宗商品，且相比于农产品类，能源类和矿业类更具有需求弹性，供需关系作为影响大宗商品价格最重要的因素，由于其难以预测性，给商业银行的风险预估也带来了较大难度，进而加重商业银行的风险承担；最后，不良贷款率对矿业类大宗商品价格波动的响应更加敏感，在滞后1 期就达到峰值，这主要是由于矿业类大宗商品的需求变化更迅速，因此响应速度更快，较早达到峰值，其价格波动带来的影响会迅速在商业银行的风险承担水平上得到体现。（五）方差分解本文通过方差分解分析，得到了不良贷款率（N P L）、能源类、矿业类、农产品类大宗商品价格波动率（E P V、MP V、A P V）、消费者物价指数同比增长率（C P I）、一年期贷款基准利率（I R）、流动性比例（L R）以及资本充足率（C A R）对不良贷款率（N P L）的方差贡献率，对商业银行风险承担受上述因素影响程度的大小进行更精确地考察，结果如下：从表4.4 可以看出，在第2 期，不良贷款率本身对其自身变化的贡献度开始体现，为9 9.1%，并于第1 1 期下降到9 7.6%，此后趋稳；在第4 期，能源类大宗商品价格指数对不良贷款率变化的贡献度开始体现，为0.3%，并于第1 1 期上升到0.5%，此后趋稳；在第2 期，矿业类大宗商品价格指数对不良贷款率变化的贡献度开始体现，为0.5%，并于第1 0 期上升到0.9%，此后趋稳；在第3 期，农产品类大宗商品价格指数对不良贷款率变化的贡献度开始体现，为0.1%，并于第1 1 期上升到0.2%，此后趋稳；在第3 期，C P I 同比增长率对不良贷款率变化的贡献度开始体现，为0.1%，此后趋稳；在第2 期，一年期贷款基准利率对不良贷款率变化的贡献度开始体现，为0.1%，并于第4 期上升到0.2%，此后趋稳；在第2 期，流动性比例对不良贷款率变化的贡献度开始体现，为0.1%，并于第3 期上升到0.2%，此后趋稳；在第2 期，资本充足率对不良贷款率变化的贡献度开始体现，为0.2%，并于第4 期上升到0.3%，此后趋稳。可以看出，三类大宗商品的价格波动率的长期贡献度更高，且矿业类大宗商品价格波动率的长期贡献度高于另外两类大宗商品的价格指数波动率；此外，从贡献度体现的时间来看，矿业类大宗商品价格波动率对商业银行不良贷款率的贡献度从第2 期开始体现，农产品类大宗商品价格波动率对商业银行不良贷款率的贡献度从第3 期开始体现，能源类大宗商品价格波动率对商业银行不良贷款率的贡献度从第4 期开始体现，由此可知，能源类大宗商品价格波动率对商业银行不良贷款率的贡献度是相对滞后的，这就要求商业银行充分了解大宗商品业务的相关信息，保持一定的风险预判能力，将自身风险承担降到最低。表4.4 不良贷款率的方差分解（六）异质性分析在以上的实证研究部分，本文基于以往学者研究的基础，对大宗商品的类别进行了划分，并对不同类别的大宗商品影响商业银行风险承担的水平进行了异质性分析。而在这一部分，本文将2 0 家样本银行分为国有银行与非国有银行，探究不同类型的银行对不同类别大宗商品价格波动冲击的响应，进行异质性分析。国有银行和非国有银行在经营规模、风控能力和管理制度方面存在较大差异：第一，国有P e r i o dNE P V M P V A P V C P II RL RC A R11.0 0 00.0 0 00.0 0 00.0 0 00.0 0 00.0 0 00.0 0 00.0 0 020.9 9 10.0 0 00.0 0 50.0 0 00.0 0 00.0 0 10.0 0 10.0 0 230.9 8 60.0 0 00.0 0 70.0 0 10.0 0 10.0 0 10.0 0 20.0 0 240.9 8 10.0 0 30.0 0 70.0 0 10.0 0 10.0 0 20.0 0 20.0 0 350.9 8 00.0 0 30.0 0 70.0 0 10.0 0 10.0 0 20.0 0 20.0 0 360.9 7 90.0 0 40.0 0 80.0 0 10.0 0 10.0 0 20.0 0 20.0 0 370.9 7 80.0 0 40.0 0 80.0 0 10.0 0 10.0 0 20.0 0 20.0 0 380.9 7 80.0 0 40.0 0 80.0 0 10.0 0 10.0 0 20.0 0 20.0 0 390.9 7 80.0 0 40.0 0 80.0 0 10.0 0 10.0 0 20.0 0 20.0 0 31 00.9 7 70.0 0 40.0 0 90.0 0 10.0 0 10.0 0 20.0 0 20.0 0 31 10.9 7 60.0 0 50.0 0 90.0 0 20.0 0 10.0 0 20.0 0 20.0 0 31 20.9 7 60.0 0 50.0 0 90.0 0 20.0 0 10.0 0 20.0 0 20.0 0 3Theoretical Research理论研究吉林金融研究2023 年 第 6 期18银行相比非国有银行具有较大的规模优势，体系更完善，风控能力更强；第二，国有银行作为我国金融系统的基石，受政府监管更加严格，对风险防范更加重视，因此采取的政策也更加保守；最后，作为金融系统的组成部分，我国各商业银行之间具有密切相关性，规模较小的非国有银行为了业务拓展，往往面临较大风险，容易受到冲击而陷入困境，进而对系统内的其他机构产生影响。分组后的脉冲响应分析结果如图4.2、4.3 所示：第一，从图中可以看出，分组后的不良贷款率对各项冲击的响应方向和趋势与前文基本一致，且逐渐趋稳于0；第二，如图4.3 所示，非国有银行不良贷款率对各项冲击的响应程度与前文一致，且峰值出现的滞后期也与前文一致，这主要是由于样本银行中非国有银行的占比较大，会更大程度地影响样本总体的实证结果；第三，国有银行不良贷款率对能源类和农产品类大宗商品价格波动的响应程度都小于非国有银行，且能源类和矿业类大宗商品响应程度的峰值都滞后了一期，这主要是因为国有银行拥有更大的资产规模和更完善的风险预警机制，受到的监管也更严格，因此风险承担的能力更突出；第四，国有银行不良贷款率对矿业类大宗商品价格波动的响应程度很大，这可能是由于国有银行的大宗商品业务中，矿业类大宗商品占比较大，由于以金属为主要构成部分的矿业类大宗商品，其交易额较大，业务风险也更大，对非国有银行而言安全性较低，因此，矿业类大宗商品的影响会更大程度地体现在商业银行的风险承担水平上。图4.2 国有银行不良贷款率对各变量冲击的脉冲响应图图4.3 非国有银行不良贷款率对各变量冲击的脉冲响应图表4.5 与4.6 分别是国有商业银行和非国有商业银行不良贷款率的方差分解，可以看出：国有银行中，矿业类大宗商品价格波动率对不良贷款率的贡献度依然要大于另外两类大宗商品，但矿业类大宗商品价格波动率的贡献度上升至4.6%，远高于前文实证分析结果中的0.9%，由此可知，矿业类大宗商品价格波动率对商业银行不良贷款率的影响要大于另外两类大宗商品，且对国有银行不良贷款率的影响程度远大于对非国有银行的影响程度。非国有银行中，大宗商品价格波动率以及四项控制变量对不良贷款率的贡献度与前面的实证分析结果基本一致。Theoretical Research理论研究吉林金融研究2023 年 第 6 期19表4.5 国有银行不良贷款率方差分解表4.6 非国有银行不良贷款率方差分解（七）稳健性检验本文通过改变各变量的顺序，使用G MM估计方法进行稳健性检验，得到的回归结果与前文一致，限于篇幅，结果未列示。除了G M M 估计方法，P V A R 模型还可以采用其他的估计方法来求解模型参数。为保证结论的可靠性，本文使用O L S 估计法进行稳健性检验。在使用O L S 估计方法进行评估之后，不同的估计方法得到的参数估计结果较为一致。这表明该模型具有一定的估计方法稳健性。表4.7 P V A R 模型的O L S 估计结果五、结论与建议本文基于我国2 0 家商业银行2 0 1 0 年第一季度至2 0 2 2 年第二季度的数据，实证检验了在不同类别大宗商品价格波动条件下，对于我国商业银行风险承担水平的影响。主要结论如下：第一，我国商业银行风险承担会受到大宗商品价格波动的影响，具体表现为：不良贷款率对于能源类和矿业类大宗商品价格指数冲击的响应均为负向响应，对于农产品类大宗商品价格指数冲击的响应是正向响应；第二，不良贷款率对于能源类和矿业类大宗商品价格波动响应程度更大，响应时间更持久，对于农产品类则响应程度偏小，响应时间较短，因此能源类和矿业类大宗商品价格的波动对于银行风险承担的影响程度更大；第三，不良贷款率对矿业类大宗商品价格波动的响应更加敏感，在滞后1 期就达到峰值；第四，矿业类大宗商品价格波动率的长期贡献度高于另外两类大宗商品的价格波动率，影响程度更大；第五，在对商业银行进行分类之后发现：国有银行不良贷款率对能源类和农产品类大宗商品价格波动的响应程度都小于非国有银行；而对矿业类大宗商品价格波动的响应程度很大，远大于非国有银行。基于本文的研究结论，从微观和宏观层面分别提出相关建议：在微观层面，商业银行需要对自身的资产结构做出适时的调整，优化资产配置，加强信息流通，以提高商业银行的风险承担能力为核心，不断丰富交易产品，细化授信客群，从而更精准地把控风险；在宏观层面，央行调控货币政策时需要充分考虑不同类型大宗商品价格的变化趋势。当大宗商品价格变化倾向于推高银行风险承担水平时，应避免采取紧缩性政策，以保持银行业的稳健性；同时，政府应当完善我国的大宗商品市场，进一步提高大宗商品贸易融资行为的规范和监管力度，降低该业务的风险，进而降低银行的风险承担水平。参考文献：1 王擎,李俊文,盛夏.国际大宗商品价格波动对我国宏观经济影响的机制研究基于开放经济的两国D S G E 模型 J .中国软科学,2 0 1 9,(6):3 5-4 9.2 E b e r h a r d t M,P r e s b i t e r o A.C o m m o d i t y p r i c e s a n d b a n k i n g c r i s e s J .J o u r n a l o f I n t e r n a t i o n a l E c o n o m i c s,2 0 2 1.3 K i n d a,T.,Ml a c h i l a,M.,O u e d r a o g o,R.,2 0 1 8.D o c o m m o d i t y p r i c e s h o c k s w e a k e n t h e f i n a n c i a l s e c t o r?Wo r l d E c o n.4 1 (1 1),3 0 0 1 3 0 4 4.4 严春晓,刘江丽.大宗商品价格波动与银行风险承担研究基于结构冲击的视角 J .金融监管研究,2 0 1 9(7):5 3-6 7.P e r i o d NE P V M P V A P VC P II RL RC A R11.0 0 00.0 0 00.0 0 00.0 0 00.0 0 00.0 0 00.0 0 00.0 0 020.9 5 90.0 0 30.0 2 00.0 0 30.0 1 50.0 0 00.0 0 00.0 0 030.9 2 60.0 0 40.0 4 10.0 0 20.0 1 30.0 0 20.0 1 20.0 0 040.9 1 60.0 0 40.0 3 90.0 0 30.0 1 20.0 0 20.0 2 30.0 0 150.9 1 70.0 0 40.0 3 70.0 0 30.0 1 10.0 0 20.0 2 30.0 0 260.9 1 30.0 0 50.0 4 00.0 0 30.0 1 10.0 0 30.0 2 30.0 0 270.9 0 60.0 0 60.0 4 40.0 0 30.0 1 10.0 0 30.0 2 50.0 0 280.9 0 50.0 0 60.0 4 30.0 0 30.0 1 10.0 0 40.0 2 60.0 0 290.9 0 50.0 0 60.0 4 30.0 0 30.0 1 10.0 0 40.0 2 60.0 0 21 0 0.9 0 30.0 0 60.0 4 50.0 0 30.0 1 10.0 0 40.0 2 60.0 0 21 1 0.9 0 20.0 0 60.0 4 60.0 0 30.0 1 10.0 0 40.0 2 60.0 0 2P e r i o d NE P V M P V A P VC P II RL RC A R11.0 0 00.0 0 00.0 0 00.0 0 00.0 0 00.0 0 00.0 0 00.0 0 020.9 9 10.0 0 10.0 0 50.0 0 00.0 0 00.0 0 10.0 0 10.0 0 130.9 8 70.0 0 10.0 0 50.0 0 20.0 0 00.0 0 10.0 0 20.0 0 240.9 7 90.0 0 50.0 0 60.0 0 20.0 0 10.0 0 30.0 0 20.0 0 350.9 7 80.0 0 50.0 0 60.0 0 20.0 0 10.0 0 30.0 0 20.0 0 360.9 7 80.0 0 50.0 0 60.0 0 20.0 0 10.0 0 30.0 0 20.0 0 370.9 7 70.0 0 60.0 0 60.0 0 20.0 0 10.0 0 30.0 0 20.0 0 380.9 7 60.0 0 60.0 0 70.0 0 20.0 0 10.0 0 30.0 0 20.0 0 390.9 7 60.0 0 60.0 0 70.0 0 20.0 0 10.0 0 30.0 0 20.0 0 31 0 0.9 7 50.0 0 60.0 0 70.0 0 20.0 0 10.0 0 30.0 0 20.0 0 3被解释变量响应变量C o e f.TPN P LE P V-0.0 3 6 2-1.5 60.0 1 9M P V-0.0 2 6 0-0.1 70.0 6 7A P V0.0 0 6 9-0.9 60.0 4 0Theoretical Research理论研究吉林金融研究2023 年 第 6 期20 5 A g a r w a l I,D u t t a g u p t a R,P r e s b i t e r o A.C o m m o d i t y P r i c e s a n d B a n k L e n d i n g J .E c o n o m i c I n q u i r y,2 0 1 9,5 8(0 2):9 5 3-9 7 9.6 V a l e n c i a F.A g g r e g a t e u n c e r t a i n t y a n d t h e s u p p l y o f c r e d i t J .J o u r n a l o f B a n k i n g a n d F i n a n c e,2 0 1 7,8 1:1 5 0-1 6 5.7 D w y e r A,G a r d n e r G,Wi l l i a m s T.G l o b a l C o m m o d i t y M a r k e t s-P r i c e V o l a t i l i t y a n d F i n a n c i a l i s a t i o n J .R e s e r v e B a n k o f A u s t r a l i a B u l l e t i n,2 0 1 1(6):4 9-5 8.8 孙玉奎,高苗苗.大宗商品价格影响因素及分类型比较研究 J .价格理论与实践,2 0 1 8,(9):8 6-8 9.9 彭承亮,马威,马理.国内大宗商品价格波动与风险防范基于美国利率调整、贸易摩擦与新冠肺炎疫情影响的视角 J .国际金融研究,2 0 2 2(3):5 6-6 6.1 0 方先明,高元.地缘冲突风险、大宗商品金融化与农产品期货价格波动 J .经济问题,2 0 2 3(6):5 7-6 7.1 1 云璐,崔晓敏,肖立晟,史建平.国际大宗商品供需分析框架：全球视角与中国角色 J .国际经济评论,2 0 2 2,(3):6 8-8 8.1 2 I s s l e r J V,C R o d r i g u e s,R B u r j a c k.U s i n g c o m m o n f e a t u r e s t o u n d e r s t a n d t h e b e h a v i o r o f m e t a l-c o m m o d i t y p r i c e s a n d f o r e c a s t t h e m a t d i f f e r e n t h o r i z o n s J .J o u r n a l o f I n t e r n a t i o n a l M o n e y a n d F i n a n c e,2 0 1 4,4 2:3 1 0-3 3 5.1 3 谭琪,王茜.金属类大宗商品价格波动与银行风险承担研究基于中国上市银行面板数据 J .特区经济,2 0 2 2(6):5 8-6 3.1 4 朱信凯,韩磊,曾晨晨.信息与农产品价格波动:基于E G A R C H 模型的分析 J .管理世界,2 0 1 2(1 1):5 7-6 6.1 5 D v i l a,E.,Wa l t h e r,A.,2 0 2 0.D o e s s i z e m a t t e r?B a i l o u t s w i t h l a r g e a n d s m a l l b a n k s.J o u r n a l o f F i n a n c i a l E c o n o m i c s,1 3 6(1),1-2 2.1 6 I b r a h i m,M.H.,R i z v i,S.A.R.,2 0 1 7.D o w e n e e d b i g g e r I s l a m i c b a n k s?A n a s s e s s m e n t o f b a n k s t a b i l i t y.J o u r n a l o f M u l t i n a t i o n a l F i n a n c i a l M a n a g e m e n t,4 0,7 7-9 1.1 7 顾海峰,杨月.货币政策、流动性创造与银行风险承担银行业竞争度与景气度的调节作用 J .上海经济研究,2 0 2 0(1 1):8 0-9 1.1 8