《Risks》：How Non-Performing Loans Reshape Bank Liquidity Determinants: Evidence from the European Union
编辑推荐：
（1）背景：本研究旨在识别关键的不良贷款（NPL）阈值，并检验宏观经济与银行特定决定因素对银行流动性的影响是否在不同信用风险机制下存在差异。（2）方法：基于2007–2022年欧盟国家年度面板数据，研究人员采用阈值面板自回归分布滞后（ARDL）方法，识别不同信
（1）背景：本研究旨在识别关键的不良贷款（NPL）阈值，并检验宏观经济与银行特定决定因素对银行流动性的影响是否在不同信用风险机制下存在差异。（2）方法：基于2007–2022年欧盟国家年度面板数据，研究人员采用阈值面板自回归分布滞后（ARDL）方法，识别不同信用风险水平下的机制依赖型流动性动态。（3）结果：实证结果识别出6%的关键NPL阈值，超过该值后信用风险对银行流动性的影响在统计上变得显著。在低NPL机制下，流动性受盈利能力、资本充足率、银行规模、GDP增长与失业率正向影响；而在高NPL机制下，信用风险对流动性产生显著负向影响，同时盈利能力、资本充足率、银行规模、GDP增长与失业率的正向作用增强。通胀率在两种机制下均不显著。（4）结论：本研究的主要贡献在于为欧盟银行体系内流动性与信用风险之间的非线性关系提供了稳健实证证据，并量化了当不良贷款超过关键阈值后流动性决定因素作用强度的变化。
研究背景方面，全球金融危机后Basel III框架将流动性监管与资本监管并列，但既有文献多基于线性设定，隐含假定流动性决定因素在各信用风险水平下稳定，这一假定在欧盟后危机时期长期高NPL环境中显得受限。信用风险的上升通过减少贷款回款现金流与增加拨备占用，可能非线性地侵蚀银行流动性，而现有研究对NPL是否及何时成为流动性关键决定因素缺乏共识。为此，研究人员以27个欧盟成员国2007–2022年银行部门国别年度聚合数据（共432个国家-年观测）为样本，采用阈值面板ARDL（自回归分布滞后）框架，识别NPL对流动性的机制切换点，并比较低NPL与高NPL两机制下微观与宏观决定因素的系数变化，以期弥补线性文献对风险状态依赖性的忽略，为监管与银行内部管理提供机制依赖型证据。论文发表于《Risks》。
关键技术方法上，研究人员构建以流动性比率（LIQ）为因变量、以盈利能力（ROA）、资本充足率（CAR）、银行规模（TA）、NPL、GDP增长、通胀（CPI）与失业率（UNM）为自变量的面板ARDL(p,q)模型，并引入以NPL为门槛变量（threshold variable）的两机制误差修正设定，门槛值由残差平方和（RSS）与AIC/BIC最小化确定（最终为6%，Bootstrap F=24.67，95%置信区间5.12–7.04%）。估计采用Pooled Mean Group（PMG）为主、Mean Group（MG）/Dynamic Fixed Effects（DFE）/Panel-Corrected Standard Errors（PCSE）-AR(1)为稳健性检验；数据前处理经Levin–Lin–Chu、Im–Pesaran–Shin、CIPS/CADF单位根检验、Westerlund协整检验、Dumitrescu–Hurlin因果检验、VIF多重共线性诊断与Breusch–Pagan/Pesaran截面依赖检验。样本为欧盟27国银行业部门级聚合面板，非单体银行数据。
研究结果部分，按原文小节叙述如下。
描述性统计与诊断检验：研究人员发现NPL极值差异大（瑞典0.1至塞浦路斯47.75），CAR与UNM标准差最高；一、二代面板单位根检验显示部分变量水平平稳、部分一阶差分后平稳；Westerlund检验拒绝无协整原假设（Pt=?8.45，Pa=?12.34），支持误差修正建模；Dumitrescu–Hurlin检验表明ROA、CAR、TA、NPL、GDP、INF、UNM对LIQ多呈单向因果，NPL→LIQ在1%水平显著；VIF均值1.363排除多重共线性；Jarque–Bera与Wooldridge检验提示残差非正态与一阶自相关，故补充PCSE-AR(1)估计（Wald χ2(7)=16.06，p=0.0245）。
门槛值识别：以RSS/AIC/BIC最小化为准则，NPL门槛最优值为6%；Bootstrap门槛效应检验拒绝无门槛原假设（F=24.67），74.31%观测落于低NPL机制（321个），25.69%落于高NPL机制（111个）。
基线阈值面板ARDL（PMG）：两机制误差修正项均为负且显著（低NPL：?0.412；高NPL：?0.468），高NPL机制调整更快。低NPL机制下ROA短期0.142/长期0.312，CAR长期0.267，TA短期0.045/长期0.089，NPL系数不显著；高NPL机制下ROA升至短期0.189/长期0.412，CAR长期0.478，TA短期0.067/长期0.112，NPL短期?0.155/长期?0.289。宏观项中GDP增长与UNM两机制皆正，且高NPL机制更强（GDP长期0.391，UNM长期0.312）；通胀不显著。
低NPL机制详解：流动性主要由盈利性、资本充足率、规模与GDP增长支撑，NPL波动无统计显著冲击，说明中等资产质量恶化可被缓冲吸收。
高NPL机制详解：NPL负向冲击显著，盈利性、资本充足率、规模的正向系数放大，宏观GDP与失业率正向作用增强，反映承压环境下优质银行基本面与宏观景气对流动性的边际保护提升，但信用风险本身转为流动性拖累。
讨论部分总结：研究人员将结论与Singh and Sharma (2016)、Vodová (2013)、Cucinelli (2013)、Radovanov et al. (2023)等对照，确认盈利性、资本充足率、规模对流动性正向作用的方向与多数欧洲及西巴尔干研究一致；NPL在低风险区不显著、高风险区显著为负，解释了线性文献中NPL系数符号不一的原因——线性设定混合两机制导致抵消。GDP增长正向、失业率正向（预防性流动性持有）亦与Qehaja et al. (2022)等欧盟样本吻合；通胀不显著被归因于ECB货币政策传导的间接性与模型已控制利率与信贷渠道。
结论部分翻译：阈值ARDL结果显示，银行流动性决定因素在信用风险机制间存在差异，估计NPL阈值为6%，标志流动性动态转变。低信用风险机制（NPL<6%）下，流动性受盈利性、资本充足率、银行规模、GDP增长与失业率正向驱动，NPL无显著影响，表明资产质量压力受控时盈利与资本支撑流动性。一旦NPL比超过6%，信用风险成为流动性关键决定因素，NPL上升显著削减流动性（长期系数?0.201），盈利性、资本充足率与规模的正向效应增强，说明资本充裕、盈利强、规模大的银行在高信用风险下更能维持流动性。宏观因素中GDP增长与失业率在高NPL机制正向作用更强，失业率正向可能反映经济恶化期的预防性流动性头寸；通胀两机制均不显著，或源于ECB稳定货币环境及价格变动对短期流动性直接冲击有限。研究确认欧盟银行业存在非线性、机制依赖的流动性–信用风险关系，6% NPL阈值为流动性动态切换与决定因素放大提供具体参照，资产质量指标可作为早期预警信号，监管应在接近阈值时强化流动性缓冲、拨备与资本评估的前瞻整合，银行管理层应将NPL监控与流动性规划、拨备及资本管理联动。
