International Journal of

Studi keuangan

Artikel

Dampak Pasar Keuangan Syok tentang Alokasi Bank Aset dari

Perspektif Karakteristik Keuangan Bank

kun Huang 1, *, Qiuge Yao 2 dan Chong Li 1

1 PBC School of Finance, Tsinghua University, Beijing 100083, Cina; lich.16@pbcsf.tsinghua.edu.cn

2
Institut Ekonomi, Universitas Chinese Academy of Social Sciences, Beijing 102.488, Cina; yaoqiuge@163.com

* Korespondensi: huangk.15@pbcsf.tsinghua.edu.cn

Diterima: 26 September 2018; Diterima: 11 Desember 2018; Diterbitkan: 12 Juni 2019

Abstrak: Mengingat berlangsung disintermediasi keuangan dan kebutuhan bagi bank sentral untuk membangun tingkat bunga koridor,
bank komersial telah semakin diperkaya pilihan alokasi aset mereka, membentuk pola alokasi yang (investasi antar bank dan sekuritas)
menggabungkan aset tradisional kredit (pinjaman) dan aset keuangan. Karena sistem bunga ganda lama di Cina, imbal hasil aset kredit
dan aset keuangan memiliki di ff ered, yang berarti yang terakhir memiliki volatilitas yang lebih besar. Menggunakan data panel kuartalan
dari 23 bank komersial terdaftar di Cina 2002-2017, hasil empiris menunjukkan tulisan ini bahwa risiko fluktuasi fl dari tingkat
pengembalian dari dua jenis aset akan sebuah ff dll alokasi aset bank. Secara khusus, di satu sisi, ketika harga aset keuangan jatuh, yang
mengarah ke penyempitan spread kredit antara dua jenis aset, bank mengurangi permintaan transaksi untuk mencegah kerugian dan
mengurangi kepemilikan mereka atas aset keuangan, sehingga meningkatkan rasio aset kredit mereka ke aset keuangan. Di sisi lain,
meningkatnya patokan suku bunga kredit mengarah ke peningkatan kredit pembiayaan biaya demanders, mengurangi kesediaan
permintan untuk meminjamkan, memaksa demander untuk mendapatkan dana melalui saluran lain. Ini hasil dalam penurunan rasio aset
kredit terhadap aset keuangan. Selain itu, karakteristik keuangan dari bank juga memengaruhi berbagai penyesuaian dinamis dari alokasi
aset. Artinya, menurunkan rasio cadangan dan rasio kecukupan modal,

Kata kunci: fi kejutan pasar keuangan; aset kredit; aset keuangan; karakteristik keuangan dari bank

JEL Klasifikasi: G20; G21

1. Perkenalan

1.1. Latar Belakang

Dengan pengembangan berbagai produk keuangan dan perluasan pelaku pasar keuangan, kedalaman dan luasnya pasar yang
terus meningkat. pasar keuangan China menjalankan sistem pembiayaan tidak langsung didominasi oleh bank-bank komersial. Oleh
karena itu, perbaikan terus-menerus pasar keuangan mendalam dampak alokasi aset bank komersial. Angka 1 menunjukkan tren proporsi
berbagai aset di bank komersial.

Pada tahun 2007, pinjaman bank menyumbang 52,4 persen dari total aset bank. Proporsi ini menolak untuk
49,4 persen pada 2017. Proporsi aset surat berharga dan aset antar bank telah stabil di sekitar 25% dan 10% masing-masing. Efek dan
aset keuangan lainnya telah menjadi alokasi aset yang paling penting bagi bank komersial kecuali pinjaman.

Int. J. Stud Keuangan. 2019, 7, 29; doi: 10,3390 / ijfs7020029 www.mdpi.com/journal/ijfs

 40% 54%

30% 52%

20% 50%

10%
Int. J. Stud Keuangan. 2019, 7, 29 48%2 dari 15

Int. J. Stud Keuangan. 2018, 6, x UNTUK PEER REVIEW 2 dari 16

0% 46%

Jan-08 jan-9 Januari - 10 Januari-11 Januari - 12 Januari-13 Januari - 14 Januari-15 Januari - 16 Januari-17
40% 54%

30% kas dan deposito di bank sentral aset antar bank 52%

20% investasi sekuritas Pinjaman (sumbu kanan) 50%

10% 48%
Gambar 1. Kecenderungan aset bank komersial. (Sumber data: Angin).
0% 46%

Jan-08 jan-9 Januari - 10 Januari-11 Januari - 12 Januari-13 Januari - 14 Januari-15 Januari - 16 Januari-17
Pada tahun 2007, pinjaman bank menyumbang 52,4 persen dari total aset bank. Proporsi ini menolak untuk
49,4 persen pada 2017. Proporsi aset surat
kas dan deposito di bankberharga
sentral dan aset antaraset
bank telah
antar bankstabil di sekitar 25% dan 10% masing-masing.

Sekuritas dan aset keuangan lainnya

investasi telah menjadi alokasi aset yangPinjaman
sekuritas paling penting
(sumbu kanan) bagi bank komersial kecuali pinjaman.

Gambar 1. Kecenderungan aset bank komersial. (Sumber data: Angin).

Menurut analisis di atas,
Gambarmakalah ini mengklasifikasikan
1. Kecenderungan transaksi
aset bank komersial. perbankan
(Sumber aset menjadi dua kategori: aset tradisional
data: Angin).

kredit,Menurut
yang dikenal
analisissebagai pinjaman,
di atas, makalah inidan aset keuangan,
dikelompokkan yang
es aset bankmencakup aset
menjadi dua investasi
kategori: asetsurat berharga
tradisional dan
kredit, antar-bank.
yang dikenal sebagai
Pada tahun 2007, pinjaman bank menyumbang 52,4 persen dari total aset bank. Proporsi ini menolak untuk
klasifikasidan
pinjaman, didasarkan
aset pada pada volatilitas
keuangan, pengembalian aset. dan
Sebelum 2013,aset.
suku bunga kreditdidasarkan
secara langsung dikendalikan oleh
49,4 persen 2017.yang investasi
Proporsi efek Encompass
aset surat berharga dan antar-bank
aset antar bank The
telah klasifikasi
stabil di sekitar 25% danpada
10% volatilitas
masing-masing.
otoritas pengawas.
pengembalian aset. Setelah 2013, meskipun regulasi suku bunga secara bertahap santai, keberadaan mekanisme bimbingan
Sekuritas danSebelum 2013, suku
aset keuangan bunga
lainnya kredit
telah secara
menjadi langsung
alokasi dikendalikan
aset yang oleh otoritas
paling penting pengawas.
bagi bank Setelah
komersial 2013,
kecuali meskipun
pinjaman.
jendelasuku
regulasi dan bunga
harga secara
suku bunga pasar
bertahap self-regulation
santai, keberadaan dicegah suku
mekanisme bunga acuan
bimbingan jendelapinjaman dari
dan harga berbagai
suku fleksibel
bunga pasar dengan
self-regulation
lingkungan
dicegah pasar,
bunga berbeda
sukuMenurut analisis
acuan didengan
pinjaman suku
atas, dari
makalah bunga fl aset
exiblykeuangan.
ini mengklasifikasikan
berbagai Namun,perbankan
transaksi
dengan lingkungan aset keuangan
pasar, yang dua
aset menjadi
berbeda dengan dimiliki oleh aset
kategori:
suku bunga bank-bank dapat
aset tradisional
keuangan. Namun,
diperdagangkan
aset kredit, yang
keuangan yangsecara
dikenal terbuka
dimilikisebagai di pasar
pinjaman,
oleh bank sekunder.
dan Kedua
aset keuangan,
dapat diperdagangkan pasar obligasi
yangterbuka
secara mencakup antar bank dan
aset investasi
di pasar sekunder. pasar
surat
Kedua kredit obligasi
berharga
pasar telah
dan mengembangkan
antar-bank.
antar bank dan pasar
relatif baik. Sebagai
klasifikasi instrumen
didasarkan mekanisme
pada volatilitas transmisi
pengembalian suku bunga
aset. Sebelum kebijakan moneter,
2013, suku baik
bunga kredit Shibor
secara dan Treasury
langsung
kredit telah mengembangkan relatif baik. Sebagai instrumen mekanisme transmisi suku bunga kebijakan moneter, baik Shibor kurvadan
dikendalikan yield dapat
oleh
otoritas driver
menanggapi pengawas. Setelah
ekonomi 2013,pada
makro meskipun regulasi suku bunga secaradibertahap santai, keberadaan mekanisme bimbingan
Treasury kurva yield dapat menanggapi driverwaktu
ekonomiyang tepat.
makro Gambar
pada waktu 2yangbawah menunjukkan
tepat. Angka kurva
2 di bawah imbal hasil
ini menunjukkan kuartalan
hasil kurvakredit
dan jendela
aset dan harga
keuangan. suku bunga
Secara pasar
khusus, kitaself-regulation
menggunakan dicegah suku
tingkat bunga
satu tahunacuan pinjaman
patokan dari berbagai
pinjaman dari fleksibel
bank dengan
sentral untuk mewakili
kuartalan aset kredit dan keuangan. Secara khusus, kami menggunakan patokan suku bunga pinjaman satu tahun dari bank sentral untuk
lingkungan pasar, berbeda dengan suku bunga aset keuangan. Namun, aset keuangan yang dimiliki oleh bank-bank dapat
tingkat pengembalian
mewakili aset kredit,
tingkat pengembalian dan tujuh
aset kredit, hari Shibor
dan tujuh untuk
hari Shibor mewakili
untuk tingkat
mewakili pengembalian
tingkat pengembalianasetaset keuangan.
keuangan.
diperdagangkan secara terbuka di pasar sekunder. Kedua pasar obligasi antar bank dan pasar kredit telah mengembangkan
relatif baik. Sebagai instrumen mekanisme transmisi suku bunga kebijakan moneter, baik Shibor dan Treasury kurva yield dapat
menanggapi driver ekonomi makro pada waktu yang tepat. Gambar 2 di bawah menunjukkan kurva imbal hasil kuartalan kredit
dan aset keuangan. Secara khusus, kita menggunakan tingkat satu tahun patokan pinjaman dari bank sentral untuk mewakili
tingkat pengembalian aset kredit, dan tujuh hari Shibor untuk mewakili tingkat pengembalian aset keuangan.
8%

7%

6%

5%
8%

4% 7%

3% 6%

2% 5%

4%
1%
3%
0%
2%
2000.1

2003.1

2006.1

2009.1

2012.1

2015.1
2000.01

2001.07

2002.04

2003.01

2004.07

2005.04

2006.01

2007.07

2008.04

2009.01

2010.07

2011.04

2012.01

2013.07

2014.04

2015.01

2016.07

2017.04

2018.01

1%

0%

pengembalian aset kredit

2000.1

2003.1

2006.1

2009.1

2012.1

2015.1

pengembalian aset keuangan

2000.01

2001.07

2002.04

2003.01

2004.07

2005.04

2006.01

2007.07

2008.04

2009.01

2010.07

2011.04

2012.01

2013.07

2014.04

2015.01

2016.07

2017.04

2018.01

Gambar 2. Yield curve aset kredit dan keuangan.

Gambar 2. Yield curve kredit dan aset keuangan.
pengembalian aset keuangan pengembalian aset kredit

Mengingat konteks ini, kami memiliki beberapa pertanyaan kami ingin ke alamat: (1) Bagaimana seharusnya bank menentukan
Mengingat
kepemilikan konteks
kedua jenis asetini, kamidimemiliki
dengan ffGambar beberapa pertanyaan
erent karakteristik hasil saat kami ingin ke alamat: (1)Apa
Bagaimana bank harus menentukan
2. Yield curve kredit danmelakukan alokasi
aset keuangan. aset? (2) jenis penyesuaian dinamis yang
kepemilikan
bank-bank kedua membuat
komersial jenis asetketika
dengan karakteristik
harga hasil
aset di fi pasar yang berbeda
keuangan saat melakukan
fl berfluktuasi? alokasi
(3) Bagaimana aset? (2) Apa
heterogenitas bankjenis penyesuaian
komersial ff dll
dinamis
proses yang
gurasi bank-bank
Mengingat
con fi? Kami komersial
konteks ini, kamimembuat
menyediakan memiliki ketika
jawaban beberapa
atas pertanyaan kami ingin
pertanyaan-pertanyaan ke alamat:
ini dalam (1)ini.
artikel Bagaimana bank harus menentukan
kepemilikan kedua jenis aset dengan karakteristik hasil yang berbeda saat melakukan alokasi aset? (2) Apa jenis penyesuaian
dinamis yang bank-bank komersial membuat ketika

1.2. Kontribusi

Berbeda dari literatur yang ada, inovasi makalah ini terletak pada poin berikut: Pertama, sesuai dengan karakteristik dari tingkat aset
kembali, aset bank dibagi menjadi aset kredit dan
Int. J. Stud Keuangan. 2019, 7, 29 3 dari 15

aset keuangan, dan kemudian dampak dari fluktuasi pasar keuangan pada alokasi aset bank yang dianalisis. Kedua, makalah ini
menyelidiki lebih lanjut dampak dari karakteristik keuangan dari bank komersial pada penyesuaian dinamis aset bank. Ketiga, mengingat
kemungkinan hubungan co-integrasi antara variabel dalam makalah ini, regresi panel sederhana mungkin gagal untuk secara jelas
mengidentifikasi hubungan antara ekuilibrium jangka panjang dan fluktuasi jangka pendek. Oleh karena itu, makalah ini menggunakan
panel error correction model untuk membuat analisis empiris dari alokasi aset dari bank-bank komersial Cina.

Menggunakan data quarterlypanel dari 23 bank komersial terdaftar inChina from2002 ke 2017, hasil empiris menunjukkan tulisan ini
bahwa fluktuasi tingkat pengembalian dari dua jenis aset akan mempengaruhi alokasi aset bank. Secara khusus, di satu sisi, ketika harga
aset keuangan jatuh, yang mengarah ke penyempitan spread kredit antara dua jenis aset, bank mengurangi permintaan transaksi untuk
mencegah kerugian dan mengurangi kepemilikan mereka atas aset keuangan, sehingga meningkatkan rasio aset kredit mereka untuk aset
keuangan. Di sisi lain, meningkatnya patokan suku bunga kredit mengarah ke peningkatan biaya kredit pembiayaan dari permintan,
mengurangi kesediaan permintan untuk meminjamkan, dan memaksa demander untuk mendapatkan dana melalui saluran lain. Hal ini
menyebabkan penurunan rasio aset kredit untuk aset keuangan. Selain itu, karakteristik keuangan dari bank juga mempengaruhi berbagai
penyesuaian dinamis dari alokasi aset. Artinya, menurunkan rasio cadangan dan rasio kecukupan modal, semakin kecil dampak volatilitas
yield aset keuangan pada alokasi aset perbankan.

2. Tinjauan Literatur dan Hipotesis Penelitian

Kami meninjau literatur terkait dari dua aspek: faktor struktur aktiva uencing Bank fl, dan dampak dari faktor keuangan makro pada
variabel tingkat perusahaan seperti struktur modal perusahaan. Kemudian, hipotesis penelitian makalah ini secara resmi diusulkan atas
dasar ini.

2.1. Dampak Faktor ekonomi makro pada Variabel Perusahaan-Tingkat

KorajczykandLevy ( 2003 ) Adalah yang pertama toexplore dampak ofmacroeconomic factorsona ini perusahaan
struktur modal. Mereka diklasifikasikan perusahaan ke dalam dua kategori: mereka yang tunduk pada batasan pembiayaan dan mereka yang
tidak. Untuk perusahaan yang tidak tunduk pada batasan pembiayaan, rasio leverage target dari perusahaan ini ditandai dengan siklus ekonomi
terbalik; jika tidak, rasio leverage target mengalami siklus ekonomi yang sepadan. Perusahaan-perusahaan yang tidak tunduk pada keterbatasan
modal menunjukkan preferensi pembiayaan ekuitas selama periode kenaikan ekonomi makro, sedangkan yang tunduk pada keterbatasan modal
menunjukkan preferensi pembiayaan utang dan karena itu memiliki rasio utang yang lebih tinggi. Berdasarkan asumsi bahwa teori trade-off telah
didirikan, Hackbarth et al. ( 2005 ) Membuktikan bahwa penyesuaian struktur modal perusahaan lebih cepat ketika situasi ekonomi makro yang
lebih baik ( Masak dan Tang 2009 ). Masak dan Tang ( 2009 ) Menggunakan serangkaian indikator ekonomi makro seperti produk domestik bruto
(PDB), spread kredit, spread andmaturity untuk mengukur keadaan ekonomi, dan secara empiris ditemukan, terlepas dari apakah sebuah
perusahaan adalah tunduk pada pembiayaan kendala, perusahaan akan berkembang dengan baik jika ekonomi makro kondisi yang
menguntungkan, dan menyesuaikan rasio leverage yang lebih sering untuk tingkat target pendekatan, sehingga memverifikasi model teoritis
yang diusulkan oleh Hackbarth et al. ( Su dan Zeng 2009 ).

Su dan Zeng ( 2009 ) Menggunakan metode nonlinear, seperti respon skor panel, untuk menyelidiki
dampak dari faktor ekonomi makro pada perubahan struktur modal perusahaan yang terdaftar. Hasil penelitian menunjukkan bahwa
struktur modal perusahaan yang terdaftar berubah menyusul signifikan countercyclical episode ( Liu dan Zeng 2014 ). Ketika makroekonomi
menunjukkan kemakmuran atau credit default risk meningkat, rasio aset-to-kewajiban perusahaan menurun. Namun, penjatahan kredit dan
kinerja pasar saham sedikit berdampak pada struktur modal. Liu dan Zeng ( 2014 ) Secara empiris menganalisis dampak dari faktor ekonomi
makro, seperti kebijakan moneter, pada kemampuan toleransi risiko bank menggunakan model panel dinamis. Mereka menggunakan rasio
kredit non-performing dan modal untuk risiko (tertimbang) rasio aset (CRAR) sebagai variabel proksi dari kemampuan risiko toleransi, dan
diuji korelasi antara dua dengan menggunakan suku bunga pasar dan pasokan uang yang luas (M2) sebagai harga dan kuantitas indikator
kebijakan moneter, masing-masing. Hasil penelitian menunjukkan bahwa indikator kebijakan moneter kuantitatif memiliki dampak yang
lebih besar pada kemampuan toleransi risiko bank ( Jin dan Jia 2016 ).
Int. J. Stud Keuangan. 2019, 7, 29 4 dari 15

Bank memiliki aset keuangan untuk dua jenis kebutuhan: kebutuhan perdagangan dan kontra kebutuhan fi gurasi. Ketika harga aset
keuangan naik, bank ini permintaan transaksional untuk aset meningkat akibat fi profitabilitas transaksi jangka pendek. Ketika harga jatuh,
dari perspektif jangka panjang, harga aset akan kembali ke tingkat normal di masa depan. Oleh karena itu, saat ini, permintaan bank untuk
aset meningkatkan dimaksudkan untuk kepemilikan jangka panjang aset. Dalam kondisi pasar yang sama, dua jenis permintaan memiliki di ff
erent pengaruh-pengaruh. Singkatnya, kami mengusulkan hipotesis penelitian sebagai berikut:

Hipotesis 1a (H1a). Ketika harga aset keuangan menurun (yaitu tingkat pengembalian meningkat), bank cenderung mengurangi permintaan

perdagangan untuk tujuan kerugian mitigasi, yang menyebabkan bank untuk mengurangi diadakannya aset keuangan, sehingga membuat rasio aset
kredit untuk keuangan aset meningkat.

Hipotesis 1b (H1b). Ketika harga aset keuangan menurun, bank meningkatkan permintaan alokasi untuk aset tersebut dalam pertimbangan
kepemilikan aset jangka panjang, yang mengarah ke peningkatan proporsi aset tersebut. Akibatnya, rasio aset kredit perbankan untuk aset
keuangan mengurangi.

Ketika hasil dari aset kredit naik, pasokan dan sisi permintaan pinjaman bereaksi di ff erently. Dalam menghadapi peningkatan hasil,
bank bersedia untuk meningkatkan kredit sebagai penyedia kredit. Namun, permintan kredit, seperti perusahaan, akan menyelesaikan
biaya-manfaat analisis fi t. Kenaikan biaya pendanaan pinjaman fi mengurangi kesediaan perusahaan untuk berinvestasi, atau perusahaan
malah akan mencoba untuk mendapatkan dana melalui saluran pendanaan lainnya. Oleh karena itu, perubahan rasio aset kredit terhadap
aset finansial tergantung pada kekuatan dari kedua penawaran dan permintaan sisi pasar. Berdasarkan hal ini, kami mengusulkan hipotesis
penelitian sebagai berikut:

Hipotesis 2a (H2a). Peningkatan suku bunga acuan pinjaman akan meminta bank-bank komersial untuk meningkatkan pasokan kredit mereka,

sehingga rasio aset kredit terhadap aset keuangan akan meningkat.

Hipotesis 2b (H2b). Kenaikan suku bunga acuan pinjaman akan meningkatkan biaya pendanaan dari nanciers fi, mengurangi kesediaan
permintan untuk meminjam, yang kemudian memperoleh dana melalui pasar keuangan lainnya, yang mengakibatkan penurunan rasio aset
kredit terhadap aset keuangan.

2.2. faktor A ff ecting Struktur Bank Aset

Dampak pada struktur aktiva bank telah terutama telah dipelajari dari perspektif regulasi modal, pembagian risiko, dan keuangan
disintermediasi. Sebagai contoh, Jin dan Jia ( 2016 ) Mempelajari dampak peraturan leverage terhadap alokasi aset perbankan. Penelitian
sebelumnya menyarankan bahwa penyebab regulasi memanfaatkan bank untuk meningkatkan proporsi aset risiko bank, yang mengarah
ke peningkatan risiko struktural aset ( Zhang et al. 2013 ). Namun, mereka menemukan bahwa dengan Basel III menetapkan leverage yang
sebagai indikator peraturan, dampak leverage pada struktur aktiva tunduk pada penyebaran Highand aset bank berisiko rendah. Zhang et
al. ( 2013 ) Meneliti dampak toleransi risiko bank pada volume kredit ketika mempelajari saluran berbagi risiko bank kebijakan moneter.
Hasil penelitian menunjukkan bahwa peningkatan eksposur toleransi risiko bank menghasilkan fi peningkatan signifikan dalam jumlah
pinjaman ( Zhou et al. 2017 ). Zhou et al. ( 2017 ) Mempelajari dampak dari skala rekan aset pada perilaku pengambilan risiko bank, di mana
hasil penelitian menunjukkan bahwa peningkatan rekan aset skala secara signifikan meningkatkan kemampuan mengambil risiko bank ( Van
den Heuvel 2007 ). Menurut Van den Heuvel ( 2007 ) Studi, bank cenderung mengurangi kepemilikan mereka atas aset berisiko di

Untuk persyaratan peraturan bertemu modal, sehingga pinjaman berisiko tinggi relatif menjadi target utama pengurangan ( Wu 2011 ). Wu ( 2011
) Juga mendukung sudut pandang di atas pada analisis empiris dari bank komersial di Cina ( Liu et al. 2016 ). Liu et al. ( 2016 ) Mempelajari
dampak dari keterbatasan modal pada neraca bank. Tidak seperti penelitian sebelumnya, mereka menggunakan kesenjangan antara target
dan rasio kecukupan modal yang sebenarnya dari masing-masing bank untuk mendefinisikan tingkat kendala modal bukan berfokus pada
spesifik alasan untuk kekuatan keterbatasan modal ( Feng dan Dia 2011 ). Feng dan Dia ( 2011 )
Int. J. Stud Keuangan. 2019, 7, 29 5 dari 15

memperpanjang model Gunjia dan Yuan ( 2010 ) Dan menganalisa dampak dari daftar pembiayaan dan ekspansi kredit pada kebijakan
moneter saluran transmisi kredit China. Hasil penelitian mereka menunjukkan bahwa rasio kecukupan modal dan skala kredit yang fi signi
cantly dan berkorelasi positif. Terdaftar pendanaan memiliki signifikan positif e ff dll pada penerbitan kredit, tetapi bank kebijakan moneter
saluran transmisi kredit tradisional tidak jelas di Cina ( liu 2005 ). liu ( 2005 ) Meneliti dampak dari rasio kecukupan modal pada elastisitas suku
bunga kredit. Hasil penelitian menunjukkan bahwa bank-bank dengan rasio kecukupan modal yang tinggi memiliki tingkat suku bunga
pinjaman yang lebih rendah. menunjukkan bahwa bank-bank dengan insu FFI Modal sien memiliki dampak yang lebih besar pada pinjaman
menurun ketika mereka diatur oleh kebijakan moneter ketat ( Qian et al. 2014 ).

Qian et al. ( 2014 ) Membahas dampak keuangan disintermediasi pada struktur aset bank
di tingkat mikro. Menurut data panel tahunan empiris dari bank-bank China yang terdaftar, disintermediasi keuangan dari sisi aset diminta
bank untuk meningkatkan rasio aktiva kas dan mengurangi proporsi alokasi pinjaman dari bank komersial ( Ren dan Cheng 2015 ). Pada
tingkat makro, Ren dan Cheng ( 2015 ) Menggunakan model VAR untuk menganalisis dampak berbagai faktor keuangan disintermediasi
pada bisnis aset-kewajiban bank umum. Hasil penelitian menunjukkan bahwa skala penerbitan obligasi memiliki dampak yang signifikan
pada penerbitan pinjaman, sedangkan skala pasar saham pembiayaan dan aset kepercayaan kurang ff ected bisnis aset bank ( Zuo dan Li
2016 ). Ketika mempelajari stabilitas bank,

Zuo dan Li ( 2016 ) Menggunakan data mikro bank untuk mempelajari dampak dari liberalisasi suku bunga, diversi fi kasi pendapatan, dan
tradisional deposito dan kredit usaha ( Xu dan Chen 2011 ). Hasil empiris menunjukkan bahwa pendalaman marketisasi dan diversifikasi
deposito dan kredit usaha mengurangi stabilitas operasional bank komersial.

Xu dan Chen ( 2011 ) Secara empiris menguji bagaimana tiga instrumen utama China moneter
kebijakan ff perilaku penawaran kredit tercermin melalui karakteristik bank ( Suo dan Chen 2008 ). Hasil penelitian menunjukkan bahwa kedua
rasio likuiditas kecukupan modal dan ukuran aset bank yang bisa a ff dll kebijakan moneter e ff efektivitas saluran kredit perbankan. Suo dan
Chen ( 2008 ) Membangun model teoritis perilaku portofolio bank, maka digunakan data ke empiris menguji cross-sectional e ff dll dari
kebijakan moneter ketat proposisional pada perilaku pinjaman bank diperkenalkan oleh model; bagi bank dengan di ff erent aset ukuran,
dampak guncangan kebijakan moneter pada ukuran pinjaman asimetris ( Tao 2016 ).

Sebagai lembaga intermediasi yang fi utama keuangan di Cina, bank tunduk pada berbagai kendala peraturan, seperti rasio
kecukupan modal, rasio cadangan deposit, dan rasio pinjaman terhadap deposito. Ketika rasio cadangan deposit bank mendekati alarm
merah regulasi, fl eksibilitas untuk memutuskan mana dana fl ow terbatas. The fl risiko fluktuasi dari hasil berbagai aset tidak mungkin
untuk ff dll perilaku alokasi aset bank. Pada saat ini, keputusan alokasi aset bank sering dibuat untuk memenuhi persyaratan peraturan.
Ketika harga aset keuangan jatuh, bank harus menurunkan bagian mereka dari aset keuangan. Namun, bobot risiko aset keuangan, seperti
sekuritas, lebih rendah dibandingkan aset kredit. Jika proporsi aset kredit meningkat dan pangsa aset keuangan menurun, rasio kecukupan
modal harus menurun. Ketika rasio modal aktual bank mendekati persyaratan kecukupan modal 10%, maka semakin di FFI kultus bagi bank
untuk secara proaktif mengelola aset kredit dan aset keuangan. Berdasarkan ini, kami mengusulkan berikut ini:

Hipotesis 3 (H3). Dengan deposit ratio cadangan bank lebih rendah (indeks likuiditas), dampak dari harga aset keuangan pada rasio kredit perbankan

terhadap aset keuangan lebih kecil.

Hipotesis 4 (H4). Dengan bank rasio kecukupan modal yang lebih rendah, penurunan harga aset keuangan kurang ff ECTS rasio kredit perbankan

terhadap aset keuangan.

Int. J. Stud Keuangan. 2019, 7, 29 6 dari 15

3. Pengolahan Data dan Analisis Empiris

3.1. Seleksi variabel

Menurut hipotesis penelitian yang diusulkan di atas, variabel dependen, variabel independen dan variabel kontrol yang dipilih dalam
makalah ini ditunjukkan pada tabel di bawah. Meja 1 mengandung tanda dan definisi dari masing-masing variabel. Meja 2 di bawah ini
menunjukkan statistik deskriptif variabel.

Tabel 1. Definisi dari berbagai variabel.

Jenis Variabel Nama variabel Berarti

Variabel tak bebas b_qs Total aset kredit / total aset keuangan

R7dRepo Interbank 7 hari o antar bank ff tingkat ered

LendingRatePBC1year suku bunga acuan untuk pinjaman
Variabel independen
Cross2b rasio cadangan deposito × kembali pada fi aset keuangan
Cross3b Rasio aset modal × kembali pada fi aset keuangan

lnasset Ukuran aset Bank (logaritma)

reserve_ratio rasio cadangan deposit Bank
variabel mikro-kontrol
zibenbilv Modal / total aktiva (modal-to-asset ratio)
ROA Return on asset

LogM2 Luas total uang yang M2 (logaritma)

variabel makro-kontrol
Logrealgdp Log (PDB nominal) -log (PDB de fl ator)

Meja 2. Statistik deskriptif dari variabel.

Variabel obs Berarti Std. Dev. Min Max

b_qs 518 1.981869 0.9591657 0.5234423 4.809055

R7dRepo 518 0.0246983 0.0072105 0,0083 0.039856
LendingRate 518 0.0555301 0.0088298 0,0435 0,0747
Lnasset 518 19,68766 1,25635 15,8445 21,68212
reserve_ratio 518 0.1272791 0.0292104 0.0697685 0.214722
zibenbilv 518 0.0637611 0.0108519 0.0353893 0.130712
ROA 518 0.2810811 0.068122 0,05 0,5

3.2. Sumber Data dan Pengolahan Data

Data yang dibutuhkan untuk uji empiris dalam makalah ini termasuk Bank mikro-komersial data keuangan dan data ekonomi makro.
Untuk bank data keuangan, kami menggunakan data kuartalan keuangan dari 23 bank yang terdaftar. Dibatasi oleh ketersediaan, kami
memilih data antara kuartal pertama 2002 dan kuartal keempat 2017 dari database theWind. Seperti waktu daftar masing-masing bank
berbeda, kami menggunakan panel data yang tidak seimbang. Untuk data ekonomi makro, pra-pengolahan, termasuk logaritma dan
penyesuaian musiman, diperlukan sebelum analisis empiris. Waktu dimensi data ekonomi makro konsisten dengan data keuangan bank:
dari kuartal pertama tahun 2002 ke kuartal keempat 2017. Data diperoleh dari China Makroekonomi Database, seperti Chang et al. ( 2016 ),
Dan disesuaikan dengan Cina Statistical Yearbook dan beberapa informasi lainnya. Akhirnya, model time series digunakan untuk
memperoleh data untuk frekuensi yang berbeda dari masing-masing indikator ekonomi makro. Chang et al. ( 2016 ) Digunakan database ini
untuk menganalisis topik penelitian yang berkaitan dengan ekonomi Cina. Meja 3 menunjukkan koefisien korelasi matriks untuk variabel
utama.

Kami menggunakan panel panjang (kecil N, besar T) untuk data panel, untuk menguji hubungan keseimbangan jangka panjang
antara variabel, yang juga menunjukkan hubungan penyesuaian dinamis dalam jangka pendek. Oleh karena itu, pengujian model dinamis
sebelum pemodelan sangat penting. Langkah-langkah umum pemodelan melibatkan tes unit panel root, analisis panel co-integrasi, dan
pemodelan panel dinamis.
Int. J. Stud Keuangan. 2019, 7, 29 7 dari 15

Tabel 3. The koefisien korelasi FFI matriks efisien untuk variabel utama.

b_qs R7dRepo LendingRate lnasset reserve_ratio Zibenbilv ROA

b_qs 1 0,0586 * 0,0466 0,6531 * 0,6342 * 0,1930 * 0,1678 *

R7dRepo 0,0586 * 1 0,4175 * 0,0603 0,2518 * - 0,0231 0,1248
LendingRate 0,0466 0,4175 * 1 - 0,2302 * 0,4675 * - 0,1477 * 0,4875 *
lnasset 0,6531 * 0,0603 - 0,2302 * 1 0,5012 * - 0,0026 - 0,0384
reserve_ratio 0,6342 * 0,2518 * 0,4675 * 0,5012 * 1 - 0,0450 0,3147 *
zibenbilv 0,1930 * - 0,0231 - 0,1477 * - 0,0026 - 0,0450 1 0,0927
ROA 0,1678 * 0,1248 0,4875 * - 0,0384 0,3147 * 0,0927 1

* p < 0,1.

3.3. Panel Satuan Akar Uji

Mirip dengan unit metode uji akar untuk seri waktu univariat, ada banyak jenis metode uji unit root untuk data panel. Berdasarkan
apakah diasumsikan bahwa setiap bagian dalam data panel memiliki proses akar unit yang sama, metode pengujian dapat diklasifikasikan
ke dalam dua kategori. Yang pertama mengasumsikan bagian koefisien yang sama FFI koefisien, seperti tes LLC, tes Breitung, dan uji
Hadri. Yang kedua tidak memerlukan asumsi tersebut, seperti tes IPS dan uji Fisher. Sebagai data panel kami adalah tidak seimbang, tes
Fisher dan uji IPS adalah opsional. Seperti yang ditunjukkan pada Tabel 4 , Hasil tes Fisher digunakan sebagai acuan untuk tes
kestasioneran. Tes Fisher memberikan hasil uji stasioneritas untuk setiap bagian secara detail.

Tabel 4. Hasil uji akar unit panel.

Data mentah Fisher Uji Pertama Orde Di ff data yang erential Fisher Uji

b_qs 47,9320 b_qs 187.8589 **

lnasset 31,2131 lnasset 240.0918 ***
reserve_ratio 63,9013 *** reserve_ratio
zibenbilv 21,4892 zibenbilv 227.6362 ***
ROA 92,1190 *** ROA
R7dRepo 34,1820 R7dRepo 108.0844 ***
LendingRatePBC1year 21,9573 LendingRatePBC1year 91,8261 **
LogM2 27,8857 LogM2 135.1815 **
Logrealgdp 158.6797 *** Logrealgdp

* * * p < 0,01, ** p < 0.05.

Menurut hasil tes, kecuali untuk ROA, GDP riil logaritma, dan reserve_ratio, hasil tes menunjukkan satu unit root ada data baku
untuk indikator lain, dan urutan setelah pertama agar di ff selisih stabil, yang merupakan I (1) proses. Sebagai regresi dari goyah urutan
kekuatan penyebab masalah pseudo-regresi yang sama-order, tes co-integrasi yang dibutuhkan.

3.4. Panel Co-Integrasi Uji

Metode uji co-integrasi yang diterapkan dalam makalah ini didasarkan pada model koreksi kesalahan yang diusulkan oleh
Westerlund pada tahun 2007. Dalam metode ini, jika ada hubungan co-integrasi antara variabel, maka dalam model koreksi kesalahan
berdasarkan variabel tersebut, coe FFI koefisien di depan koreksi harus secara signifikan di ff erent dari nol. Metode ini menganggap kedua
korelasi urutan bagian dan hubungan antara bagian.

Ada empat uji statistik. fi rst dua (Gt dan Ga) menganggap bahwa kecepatan koreksi kesalahan dari berbagai bagian yang di ff erent,
dan coe koreksi FFI sien dari setiap bagian diperkirakan oleh OLS; dalam dua terakhir (Pt dan Pa), statistik yang dibangun didasarkan pada
asumsi bahwa kecepatan koreksi kesalahan antara bagian adalah sama. The definisi fi de dari empat uji statistik adalah sebagai berikut:

ΣN ΣN
b̂ 0 saya
b T bb̂ˆ 0 saya
Gt=1
N SE ( ˆb 0 saya) G a = 1 N b̂ 0 saya( 1)
b
i=1 i=1
Int. J. Stud Keuangan. 2019, 7, 29 8 dari 15

b0
Pt=ˆ b0
SE ( ˆb 0) P a = T ˆ

dimana SE ( ˆ b 0 saya) adalah standard error yang diperoleh estimasi OLS. b 0 saya( 1) adalah kesalahan standar yang digunakan oleh

Newey dan Barat, yang menganggap urutan korelasi, dan b 0 adalah nilai estimasi b 0 yang dapat
dihitung dengan OLS residual.
Gt dan Pt diperkirakan tanpa mempertimbangkan asumsi urutan korelasi, sedangkan Ga dan Pa mempertimbangkan asumsi ini.
Hasil pengujian ditampilkan dalam tabel berikut. Hanya statistik Ga mendukung hipotesis asli pada tingkat 10%. Tiga statistik lain
menentang hipotesis dan menyarankan hubungan co-integrasi dalam data panel. Oleh karena itu, model koreksi kesalahan panel
diadaptasi untuk potensi co-integrasi. Mengingat ketahanan dari hasil empiris dalam tes ketahanan, kami menggunakan koreksi
penyimpangan variabel dummy metode kuadrat terkecil (LSDVC) untuk menguji model panel dinamis. Hasil pengujian ditunjukkan pada
Tabel 5 .

Tabel 5. Hasil uji kointegrasi panel.

Statistik Nilai Z Nilai p- Nilai Asli Hipotesis dan Hipotesis Alternatif

Gt - 1,948 - 0,903 0,083 H0: Tidak ada hubungan co-integrasi ditemukan. H1: Ada
Ga - 2,177 0,081 0,532 setidaknya satu set hubungan co-integrasi.

pt - 9,922 - 2,890 0.004 H0: Tidak ada hubungan co-integrasi.

Pa - 2,525 - 2,058 0,023 H1: Ada hubungan co-integrasi pada panel secara keseluruhan.

3.5. Model Speci fi kasi

Menurut hasil tes unit root, rasio aset kredit terhadap aset keuangan (b_qs), ukuran aset logaritma (lnasset), rasio modal (zibenbilv),
antar bank tujuh hari antar bank o ff ered tingkat (R7dRepo), pinjaman suku bunga acuan (LendingRatePBC1year), dan luas pasokan uang
logaritma (logM2) mengikuti I (1) proses. Akibatnya, dalam model panel VEC, fi ve variabel di atas semua termasuk dalam hubungan
keseimbangan jangka panjang. Variabel yang kita tertarik ditambahkan ke penyesuaian dinamis jangka pendek.

Singkatnya, untuk memvalidasi hipotesis penelitian yang diajukan kami, dua model dibangun. Model 1 digunakan untuk uji Hipotesis 1
dan 2, dan Model 2 digunakan untuk menguji Hipotesis 3 dan 4, sebagai berikut:

Model 1

Δ b_qs itu = b 0 × ( b_qs saya t - 1 - Sebuah 1 lnasset saya t - 1 - Sebuah 2 zibenbilv saya t - 1 - Sebuah 3 r7drepo t - 1

- Sebuah 4 lendingratepbc1year t - 1 - Sebuah 5 logm2 t - 1) + c 1 Δ b_qs saya t - 1 + b 1 Δ lnasset saya t

+ b 2 Δ roa itu + b 3 Δ reserve_ratio itu + b 4 Δ zibenbilv itu + b 5 Δ r7drepo t

+ b 6 Δ lendingratepbc1year t + b 7 Δ logm2 t + b 8 Δ logrealgdp t
+ konstan + e saya t

Model 2

Δ b_qs itu = b 0 × ( b_qs saya t - 1 - Sebuah 1 lnasset saya t - 1 - Sebuah 2 zibenbilv saya t - 1 - Sebuah 3 r7drepo saya t - 1

- Sebuah 4 lendingratepbc1year saya t - 1 - Sebuah 5 logm2 saya t - 1) + c 1 Δ b_qs saya t - 1

+ b 1 Δ lnasset itu + b 2 Δ roa itu + b 3 Δ reserve_ratio itu + b 4 Δ zibenbilv saya t

+ b 5 Δ r7drepo t + b 6 Δ lendingratepbc1year t + b 7 Δ reserve_ratio t × r7drepo t
+ b 8 Δ zibenbilv saya t × r7drepo t + b 9 Δ logm2 t + b 10 Δ logrealgdp t + konstan + e saya t

3.6. Empiris Test: Model 1

Tiga metode estimasi utama yang tersedia untuk memperkirakan kesalahan panel correction model: kelompok mean (MG) estimator,
fi xed e ff Ects (FE) estimator, dan menggenang kelompok mean (PMG) estimator. The fi xed-e ff dll estimator mengasumsikan bahwa jangka
panjang dan jangka pendek lereng coe FFI koefisien dari
Int. J. Stud Keuangan. 2019, 7, 29 9 dari 15

bagian masing-masing adalah sama, sehingga dengan estimator digunakan, waktu urutan data bagian masing-masing dapat dicampur dan
digunakan. The antar kelompok estimator mengasumsikan bahwa jangka panjang dan jangka pendek lereng coe FFI koefisien dari setiap bagian
yang di ff erent, sehingga urutan waktu data setiap bagian yang digunakan sendiri, dan coe yang FFI koefisien dari setiap bagian diperkirakan secara
terpisah. Akhirnya, nilai rata-rata antara kelompok diambil untuk mendapatkan estimasi koefisien FFI efisien dari seluruh sampel. Asumsi untuk
penduga antara kelompok campuran adalah suatu tempat di antara. Ini mengasumsikan bahwa koefisien kemiringan jangka panjang FFI koefisien
dari berbagai bagian yang sama, tetapi kemiringan koefisien jangka pendek FFI koefisien yang di ff erent. Selanjutnya, metode estimasi
kemungkinan maksimum dapat digunakan untuk mendapatkan estimator antara kelompok campuran.

Meja 6 menunjukkan hasil estimasi diperoleh dengan menggunakan tiga di ff metode erent dijelaskan di atas. Kolom (1) - (3) adalah
estimator FE, penaksir MG, dan estimator PMG, masing-masing. Dalam tiga kolom hasil, nilai-nilai ec, mewakili kesalahan fi kecepatan
xing, keduanya negatif dan secara signifikan non-nol, menunjukkan bahwa hubungan co-integrasi tidak ada pada model.

Tabel 6. Hasil analisis regresi dari Model 1.

(1) (2) (3)

DFE Pengukur PMG Pengukur MG Pengukur

ec - 0,244 *** - 0,329 *** - 0,611 ***

( - 8.96) ( - 7.09) ( - 13,39)
D.ROA - 0,0815 - 0,00570 0,0850
( - 0,66) ( - 0,03) (0.64)
D.lnasset - 2,358 *** - 4,835 *** - 3,022 ***
( - 8.56) ( - 4,69) ( - 3,57)
D.reserve_ratio 5,318 *** 7,425 *** 5,101 ***
(5.31) (5.66) (4.87)
D.zibenbilv 21,48 *** 25,47 *** 14,59 ***
(7.83) (5.46) (4.39)
D.R7dRepo 3,349 ** 5,333 *** 5,189 **
(2,55) (3,95) (1,92)
D.LendingRatePBC1year - 4,174 4,045 - 1,119
( - 0,95) (1.08) ( - 0,54)
D.logM2 1,245 1,178 1,297
(0.88) (0.94) (1.02)
D.logrealgdp 6,568 *** 6,603 ** 4,882
(2.81) (2.11) (1,25)
lnasset - 2,320 *** - 1,467 *** - 6,406 ***
( - 6.68) ( - 15,64) ( - 3,77)
zibenbilv - 20.11 *** 1,222 - 19,28
( - 3.26) (0.84) ( - 1,26)
R7dRepo 16,35 1,523 * 12,89 **
(1.45) (1,67) (2,46)
LendingRatePBC1year - 25,44 ** - 2,905 ** - 5,815
( - 2.11) ( - 2,27) ( - 1,29)
logM2 2,356 *** 2,278 *** 7,226 ***
(4.58) (15,56) (4.14)
Konstan 5,653 *** 1,218 *** 30,74 **
(5.17) (5.18) (2,47)

* * * p < 0,01, ** p < 0,05, * p < 0,1. Dari semua faktor, kami yang paling tertarik pada koefisien yang FFI koefisien pengembalian aset keuangan dan suku bunga
acuan pinjaman. Jangka panjang coe FFI sien dari R7dRepo itu secara signifikan positif pada kelompok mean (MG) dan dikumpulkan kelompok mean (PMG)
penduga, menunjukkan bahwa hasil dari aset keuangan lebih tinggi, yang menunjukkan bahwa ketika harga turun, permintaan perdagangan bank akan
mendominasi di antara semua tuntutannya . Dalam rangka untuk mengurangi kerugian yang disebabkan oleh harga aset, bank secara aktif akan mengurangi
diadakannya aset keuangan, dengan demikian mendorong proporsi aset kredit. Jangka panjang coe FFI nilai efisien dari suku bunga acuan pinjaman secara
signifikan negatif di DFE dan PMG estimator, menunjukkan bahwa sisi permintaan adalah faktor utama penerbitan pinjaman di pasar kredit. Pemodal yang sensitif
terhadap biaya pinjaman secara substansial akan menurunkan permintaan kredit mereka ketika suku bunga naik, mengakibatkan penurunan jumlah total kredit
dan kontraksi dalam proporsi aset kredit. Jangka pendek coe FFI koefisien dari dua jenis aset kembali menunjukkan hubungan logis yang sama. Jangka pendek
coe FFI sien R7dRepo itu secara signifikan positif, dan negatif coe jangka pendek FFI efisien dari suku bunga acuan pinjaman secara statistik tidak signifikan. Hasil
yang rinci ditunjukkan pada Tabel 5 .
Int. J. Stud Keuangan. 2019, 7, 29 10 dari 15

Di antara variabel penjelas berkaitan dengan karakteristik perbankan, ukuran aset, rasio cadangan, dan rasio modal-to-aset semua
memiliki dampak yang signifikan terhadap rasio aset bank. Di antaranya, perkiraan koefisien ukuran aset negatif, yang konsisten dengan
hasil penelitian Xu dan Chen ( 2011 ), Menunjukkan bahwa semakin besar aset bank, semakin kecil proporsi kredit dan aset keuangan dan
semakin bank berinvestasi di pasar keuangan. Ini mungkin hasil dari kenyataan bahwa kita mendefinisikan dana antar bank sebagai aset
keuangan, yang dengan cepat berkembang sebelum tahun 2015, yang mengarah ke penurunan relatif dalam rasio kredit terhadap aset
keuangan. Rasio cadangan mengukur indikator likuiditas perbankan, dan rasio aset modal merupakan tingkat kecukupan modal bank.
nilai-nilai positif dari kedua koefisien mereka menunjukkan bahwa semakin baik likuiditas bank, semakin rendah kendala modal, dan lebih
aktif kredit, yang kemudian mengarah pada rasio yang lebih tinggi dari kredit kepada aset keuangan.

Di antara semua indikator ekonomi makro, dalam jangka panjang, peningkatan uang beredar luas (M2) menunjukkan kebijakan
moneter yang longgar saat ini dan ekspansi di kedua aset kredit dan aset keuangan. Namun, jika rasio antara dua meningkat, kebijakan
moneter akan berdampak asimetris pada kedua jenis aset. Dalam jangka pendek, meskipun koefisien M2 FFI sien positif, itu tidak tidak
signifikan, yang mungkin berhubungan dengan lama transmisi jeda waktu dari kebijakan moneter. Dalam studi makalah ini, dampak dari
GDP riil di sisi aset bank adalah pertanyaan yang lebih menarik. Dalam unit root dan co-integrasi tes di bagian sebelumnya, kami menolak
asumsi bahwa logaritmik nyata GDP dan aset Bank alokasi memiliki hubungan keseimbangan jangka panjang, sehingga istilah horizontal
logrealgdp tidak termasuk dalam keseimbangan jangka panjang persamaan-satunya di nya ff termwas erential digunakan dalam jangka
pendek disesuaikan secara dinamis persamaan. Selanjutnya, dalam estimator PMG, coe yang FFI sien di dalam ff logrealgdp erential itu
secara signifikan positif, yang menunjukkan bahwa ekspansi ekonomi makro yang sebenarnya merangsang penerbitan pinjaman bank.
Dibandingkan dengan aset keuangan, hasil pinjaman yang lebih tinggi dan berisiko. Ketika pergeseran ekonomi dari pemulihan untuk
kemakmuran, usaha produktif membutuhkan pembiayaan merangsang kredit bank dari sisi permintaan. Untuk bank, ekonomi makmur
berarti produksi yang lebih baik dan operasi perusahaan dan risiko yang lebih rendah dari pinjaman, sehingga pasokan kredit dari bank
dipromosikan.

3.7. Empiris Test: Model 2

Meja 7 re fl Ects ​tes empiris dilakukan pada Hipotesis 2 dan 3. Untuk penyesuaian dinamis jangka pendek, model menambahkan
istilah salib 'cross2a' dan 'cross3a', yang merupakan istilah produk rasio tingkat pengembalian dan cadangan keuangan aset, dan keuangan
tingkat aset kembali dan modal saham, masing-masing. Menurut hipotesis penelitian sebelumnya, coe yang FFI koefisien dari dua istilah
lintas harus positif. Hasil regresi pada tabel con fi rm ini; terlepas dari metode estimasi yang digunakan, perkiraan koefisien FFI koefisien dari
cross2a dan cross3a adalah bilangan positif. Diperkirakan coe yang FFI sien cross3a adalah signifikan di bawah tiga estimator, menunjukkan
bahwa semakin tinggi modal-to-asset ratio, alokasi aset lebih sensitif bank ke fluktuasi harga fl aset keuangan. Ketika harga aset pasar
keuangan menurun (tingkat pengembalian meningkat), semakin tinggi rasio modal-to-aset dan longgar yang kendala modal. Oleh karena
itu, dana yang lebih bebas dialokasikan untuk aset keuangan dapat ditransfer ke aset kredit tanpa kendala persyaratan peraturan yang
memadai. Diperkirakan coe yang FFI cross2a sien adalah signifikan di kedua FE dan MG estimasi, tapi tidak signifikan dalam estimator
PMG. Untuk batas tertentu, menunjukkan bahwa sensitivitas alokasi aset bank volatilitas fi pasar keuangan akan menjadi ff ected dengan
rasio rasio cadangan deposit. Kas dan deposito di bank sentral adalah aset yang paling likuiditas. Ketika bank mencoba untuk merespon
dengan cepat terhadap perubahan lingkungan pasar eksternal, menggunakan kelebihan cadangan dan uang tunai adalah pilihan yang
paling mahal.

Dalam hasil pengujian empiris, penambahan jangka lintas yang tidak banyak pengaruh koefisien yang FFI koefisien asli antar bank
tujuh hari o ff Tingkat ered dan suku bunga acuan pinjaman. R7dRepo dan LendingRatePBC1year masih signifikan di bawah estimator PMG
dan tanda koefisien yang FFI sien konsisten dengan pemotongan kami sebelumnya. Untuk batas tertentu, acara ini bahwa hasil empiris dari
tulisan ini adalah kuat.
Int. J. Stud Keuangan. 2019, 7, 29 11 dari 15

Tabel 7. Hasil analisis regresi Model 2.

(1) (3) (5)

DFE PMG MG

ec - 0,191 *** - 0,208 *** - 0,432 ***

( - 7.45) ( - 4.29) ( - 7.39)
D.ROA 0,0848 0,396 * 0,305
(0.75) (1,76) (1.53)
D.lnasset - 2,363 *** - 4,820 *** - 3,077 ***
( - 8,75) ( - 4.39) ( - 3.46)
D.reserve_ratio - 0.247 - 0,449 - 1,206
( - 0,16) ( - 0,08) ( - 0,21)
D.zibenbilv 2,493 - 14,57 * - 0,355
(0.55) ( - 1,88) ( - 0,04)
D.R7dRepo 2,712 9,221 ** 2,578 **
(0.68) (2.31) (2,47)
D.LendingRatePBC1year - 48,66 *** - 76,29 ** - 54,89
( - 4.18) ( - 2.10) ( - 1,44)
D.cross2a 211,4 *** 312,5 307,5 ​*
(3.84) (1,41) (2,02)
D.cross3a 343,2 ** 578,7 ** 280,3 *
(2,29) (1.99) (1.79)
D.logM2 2,255 * 3,186 ** 1,312
(1,72) (2.18) (1.01)
D.logrealgdp - 2,021 7,026 *** 5,654
( - 0,92) (2,66) (1,54)
lnasset - 2,264 *** - 1,387 *** - 3,529
( - 5.59) ( - 10,67) ( - 1,06)
zibenbilv - 22,21 *** - 0,821 - 13,66
( - 3.05) ( - 0,46) ( - 0.62)
R7dRepo 18,65 0,290 14,56
(1,41) (0.26) (1,64)
LendingRatePBC1year - 35,26 ** - 2,869 * - 5,891
( - 2,45) ( - 1,87) ( - 0.38)
logM2 2,109 *** 2,145 *** 3,798
(3.50) (10.38) (1.09)
Konstan 4,871 *** 0,760 *** 16,55 *
(4,85) (4.91) (1.88)

* * * p < 0,01, ** p < 0,05, * p < 0,1.

3.8. kekokohan Uji

Data panel dinamis disediakan dalam bentuk panel panjang dan panel singkat. Jika panel N besar dan T kecil, itu adalah panel
singkat, sebaliknya ini adalah panel lama. Ketika N besar, metode estimasi berdasarkan IV atau GMM adalah berisi. Karena data panel
dalam makalah ini adalah panel lama, penyimpangan mungkin terjadi dalam metode estimasi menggunakan IV atau GMM ( chen 2010 ). Kiviet
( 1995 ) Menggunakan metode simulasi Monte Carlo untuk mendapatkan hasil sebagai berikut. Dalam kasus N kecil, metode LSDVC
penyimpangan-dikoreksi bisa memperbaiki perkiraan penyimpangan oleh lebih dari 90%. Baik untuk koreksi penyimpangan atau mean
indeks square error, LSDVCwas lebih baik dari diferensial GMMor systemGMM. Oleh karena itu, kami menggunakan bias koreksi
LSDVmethod, juga dikenal sebagai LSDVC, untuk menguji kekokohan model.

Mengingat kami empat hipotesis penelitian di atas, berikut dua model empiris yang dibangun dalam tes ketahanan. Model 3
digunakan untuk menguji Hipotesis 1 dan 2, andModel 4 digunakan untuk menguji Hipotesis 3 dan 4. item Interaktif ditambahkan ke Model
4 berdasarkan Model 3, sebagai berikut:
Int. J. Stud Keuangan. 2019, 7, 29 12 dari 15

Model 3

b_qs itu = Sebuah 1 b_qs saya t - 1 + Sebuah 2 lnasset itu + Sebuah 3 roa itu + Sebuah 4 reserve_ratio itu + Sebuah 5 zibenbilv saya t

+ Sebuah 6 r7drepo t + Sebuah 7 lendingratepbc1year t + Sebuah 8 Δ logm2 t + Sebuah 9 Δ logrealgdp t

+ u i + e saya t

Model 4

b_qs itu = Sebuah 1 b_qs saya t - 1 + Sebuah 2 lnasset itu + Sebuah 3 roa itu + Sebuah 4 reserve_ratio itu + Sebuah 5 zibenbilv saya t

+ Sebuah 6 r7drepo t + Sebuah 7 lendingratepbc1year t + c 1 reserve_ratio t × r7drepo t

+ c 2 zibenbilv saya t × r7drepo t + Sebuah 8 Δ logm2 t + Sebuah 9 Δ logrealgdp t + u i + e saya t

Dalam rangka untuk mengurangi masalah endogeneity disebabkan oleh dua arah kausalitas, model menggunakan fase lag dari
variabel penjelas, seperti ukuran aset, rasio cadangan, dan rasio kecukupan modal, sebagai variabel berperan untuk memasuki model
empiris; L1 ditambahkan ke nama variabel, menunjukkan periode lag dari variabel. Hasil empiris dari metode LSDVC ditunjukkan pada
Tabel 8
Tiga kolom hasil disajikan. Yang pertama kolom hadiah estimasi dari fi tradisional xed-e ff ects Model, kolom hadiah kedua Arellano-Bond
(AB) di ff erential GMM estimator sebagai nilai awal untuk koreksi bias, dan kolom ketiga hadiah hasil menggunakan Blundell-Bond (BB)
systemGMMestimator sebagai nilai awal dari koreksi penyimpangan. Standar error dari koefisien perhitungan FFI sien dari bootstrap
digunakan, dan frekuensi pengambilan sampel ditetapkan untuk 50 kali.

Tabel 8. Uji ketahanan Model 3.

(1) (2) (3)

fe lsdvc_ab lsdvc_bb

VARIABEL b_qs b_qs b_qs

L.b_qs 0,748 *** 0,790 *** 0,805 ***
(24,61) (26,35) (26,77)
L1ROA 0,931 *** 0,951 *** 0,945 ***
(4,85) (6.50) (6.12)
L1lnasset - 0,255 ** - 0,195 ** - 0,175
( - 2,42) ( - 1,99) ( - 1,57)
L1ratio 2,082 *** 2,106 ** 2,178 **
(2,64) (2,54) (2,48)
L1zibenbilv 3,245 * 2,848 2,739
(1.96) (1,50) (1.30)
R7dRepo 6,621 *** 6,161 *** 5,895 ***
(2,86) (3.10) (2,78)
LendingRatePBC1year - 6,217 * - 6,557 ** - 5,628 **
( - 1,75) ( - 2,56) ( - 2,01)
logM2 1,938 *** 1,726 *** 1,865 ***
(3.24) (2,76) (2,68)
logrealgdp - 3,047 *** - 2,814 ** - 3,081 **
( - 2,98) ( - 2,43) ( - 2,37)

* * * p < 0,01, ** p < 0,05, * p < 0,1.

Dasar untuk menggunakan AB di ff selisih estimator atau sistem BB estimator adalah koefisien yang FFI Ukuran efisien dari variabel
ditafsirkan (L.b_qs). coe yang FFI sien dari b_qs besar (sekitar 0,8), yang berarti bahwa b_qs memiliki urutan korelasi yang kuat.
Penggunaan istilah lag horisontal sebagai variabel instrumental di dalam ff Istilah selisih di di dalam ff persamaan selisih menghasilkan
variabel berperan lemah. Oleh karena itu, estimator BB sistem GMM adalah pilihan yang lebih baik daripada AB di ff erential GMM estimator.

Dua tabel di atas menyajikan hasil empiris Model 1 dan Model 2, masing-masing. Fokus kami adalah signifikansi koefisien
pengembalian aset keuangan dan tingkat pengembalian pinjaman di
Int. J. Stud Keuangan. 2019, 7, 29 13 dari 15

kolom ketiga. Menurut analisis empiris dari kolom ketiga pada Tabel 7 , Koefisien R7dRepo dan LendingRatePBC1year yang signifikan,
sekali lagi menegaskan hipotesis H1a dan H2b. Menurut Tabel 9 , Estimasi koefisien dari cross2a istilah lintas dan cross3a berdua secara
signifikan positif. Nilai estimasi yang diperoleh dengan metode lSDV konsisten dengan hasil sebelumnya diperoleh dengan model koreksi
kesalahan panel, menunjukkan bahwa hasil empiris dari tulisan ini adalah kuat.

Tabel 9. Uji ketahanan Model 4.

(4) (5) (6)

fe lsdvc_ab lsdvc_bb

VARIABEL b_qs b_qs b_qs

L.b_qs 0,719 *** 0,755 *** 0,764 ***
(24,84) (26,71) (26,78)
L1ROA 0,901 *** 0,922 *** 0,919 ***
(4.96) (6.26) (5.91)
L1lnasset - 0,206 ** - 0,161 * - 0.140
( - 2,06) ( - 1,76) ( - 1.35)
L1ratio 4,381 *** 4,489 *** 4,537 ***
(4.61) (4.29) (4,09)
L1zibenbilv 12,85 *** 12,63 *** 12.54 ***
(6.01) (5.20) (4.78)
R7dRepo 55,11 *** 54,62 *** 55.08 ***
(7.07) (6.74) (6.40)
LendingRatePBC1year - 9,138 *** - 9,107 *** - 8,272 ***
( - 2,73) ( - 3.91) ( - 3,25)
cross2a 182,8 *** 180,2 *** 180,2 ***
(5.25) (4.76) (4.47)
cross3a 589,5 *** 580,6 *** 584,0 ***
(6.62) (6.02) (5.68)
logM2 1,793 *** 1,623 *** 1,786 ***
(3.17) (2,91) (2,87)
logrealgdp - 2,947 *** - 2,744 *** - 3,063 ***
( - 3,04) ( - 2,61) ( - 2,60)

* * * p < 0,01, ** p < 0,05, * p < 0,1.

4. Kesimpulan

Dengan terus mengembangkan marketisasi suku bunga, spread kredit tradisional telah menyempit. Menemukan strategi alternatif
untuk kredit usaha tradisional, untuk memperluas ruang lingkup bisnis dan sumber fi t pro, dan untuk mewujudkan pembangunan
berkelanjutan dari industri perbankan, adalah masalah umum yang dihadapi oleh berbagai bank komersial. disintermediasi keuangan
menimbulkan tantangan untuk tidak langsung fi Model pendanaan berbasis bank China. e FFI siensi produksi dan transmisi informasi di
pasar keuangan terus meningkat, dan investor dapat dengan mudah menentukan status kredit peminjam. Dibandingkan dengan mahal
tidak langsung Model pembiayaan, pasar keuangan membaik memberikan alternatif bagi peminjam yang tertarik langsung fi nance.

Manajemen yang komprehensif dari industri perbankan menyediakan arah strategis baru untuk pengembangan bank. Strategi ini
akan memanfaatkan sumber daya yang ada pelanggan, cabang bisnis, dan teknologi keuangan khusus dari bank untuk mengembangkan
“saham, utang, pinjaman, broker, dan pelanggan” kerangka operasi yang komprehensif. Dibandingkan dengan situasi di akhir 1990-an dan
awal 2000-an, bisnis aset bank memiliki perubahan yang luar biasa menjalani, dan berbagai keputusan alokasi aset yang tersedia telah
menjadi lebih berlimpah. Misalnya, bank telah menjadi pemain yang paling penting dalam bondmarket, bank telah berpartisipasi dalam
equitymarket utama dengan mendirikan memegang anak perusahaan, dan o ff- dana neraca bank dapat fl ow ke pasar saham sekunder
atau pasar real estat melalui layanan seperti saluran kepercayaan.
Int. J. Stud Keuangan. 2019, 7, 29 14 dari 15

Singkatnya, dana bank secara luas terlibat dalam berbagai pasar keuangan melalui segala jenis saluran. Ini menyediakan saluran
bagi bank untuk risiko kredit disperse. Namun, seperti dana bank dan pasar modal menjadi semakin terintegrasi, risiko yang melekat di
pasar keuangan dilakukan sesuai dengan neraca bank. Dibandingkan dengan fluktuasi suku bunga kredit di bawah regulasi, harga-sebagai
fluctuationofmarket concentratedreactionofmarket informasi-tentu mengandung persepsi pasar risiko.

Sebagai hasil dari banyak faktor, termasuk ketidaklengkapan suku bunga sistem dual track karena immaturityofmarketization itu,
jenis twomain aset bank memiliki di ff karakteristik yield erent: aset kredit dan aset keuangan. Semakin tinggi hasil aset kredit, menurunkan
yield aset keuangan; sebagai hasil dari aset kredit fl berfluktuasi kurang, hasil dari aset keuangan fl berfluktuasi sangat dengan lingkungan
pasar. Menghadapi dampak dari pasar keuangan, bank secara dinamis akan menyesuaikan rasio dua jenis aset. Penyesuaian aset juga ff ected
oleh heterogenitas bank, dalam hal faktor-faktor seperti kecukupan modal dan likuiditas.

studi empiris menunjukkan bahwa ketika harga aset finansial menurun (yaitu, tingkat pengembalian naik), tuntutan transaksi bank
lebih besar daripada tuntutan alokasi. Dalam rangka untuk berhenti atau mengurangi kerugian, bank akan mengurangi kepemilikan aset
keuangan, sehingga meningkatkan rasio aset kredit perbankan untuk aset keuangan. Meskipun kenaikan suku bunga acuan pinjaman bisa
mendorong bank untuk memperluas pasokan kredit, juga akan meningkatkan biaya kredit pembiayaan peminjam, sehingga mengurangi
kemauan peminjam untuk meminjamkan dan memperoleh dana melalui pasar keuangan lainnya, yang mengakibatkan penurunan rasio
aktiva kredit terhadap aset keuangan. Selain itu, karakteristik Bank juga ff dll sensitivitas bank untuk perubahan dalam mengembalikan aset.
Ketika rasio cadangan deposit bank (Indeks likuiditas) lebih rendah, dampak dari harga aset keuangan pada rasio kredit perbankan
terhadap aset keuangan lebih lemah; ketika rasio kecukupan modal bank lebih rendah, penurunan harga aset keuangan memiliki dampak
yang lebih lemah pada rasio kredit perbankan terhadap aset keuangan.

Penulis Kontribusi: Makalah ini ditulis oleh KH, QY dan CLKH dan QY dikandung ide dan dirancang struktur kertas. CL mengumpulkan data dan
menyelesaikan draft.

pendanaan: Penelitian ini tidak menerima pendanaan eksternal.

Konflik Menarik: Para penulis menyatakan tidak ada ik con fl kepentingan.

Referensi

Chang, Chun, Kaiji Chen, Daniel F. Wagoner, dan Tao Zha. 2016. Tren dan Siklus di China Ekonomi Makro.

NBER Makroekonomi Tahunan 30: 1-84. [ CrossRef ] Chen, Qiang. 2010. Canggih Ekonometrika dan Stata Aplikasi. Beijing: Perguruan Tinggi Press.
Cook, Douglas O., dan Tian Tang. 2009. kondisi ekonomi makro dan kecepatan penyesuaian struktur modal.

Journal of Corporate Finance 16: 73-87. [ CrossRef ]

Feng, Ke, dan Li Dia. 2011. Dampak Pembiayaan Perbankan dan Perluasan Kredit di TransmissionMechanism yang

Kebijakan Moneter di Cina. Penelitian ekonomi 46: 51-62.

Gunjia, Hiroshi, dan Yuan Yuan. 2010. Bank Pro fi tabilitas dan Bank Lending Saluran: Bukti dari China.

Jurnal Ekonomi Asia 12: 129-41. [ CrossRef ]

Hackbarth, Dirk, Jianjun Miao, dan Erwan Morellec. 2005. Struktur modal, risiko kredit, dan ekonomi makro

kondisi. Jurnal Ekonomi Keuangan 82: 519-50. [ CrossRef ]

Jin, Yuying, dan Songbo Jia. 2016. Penelitian dari Dalam memengaruhi dari Pendahuluan Peraturan leverage pada

Struktur aset Bank Umum. Studi International Finance 350: 52-60. Kiviet, Jan F. 1995. Pada Bias, inkonsistensi dan e FFI siensi berbagai estimator

dalam model data panel dinamis.

Journal of Econometrics 68: 53-78. [ CrossRef ]

Korajczyk, Robert A., dan Amnon Levy. 2003. Modal pilihan struktur: kondisi ekonomi makro dan keuangan

kendala. Jurnal Ekonomi Keuangan 68: 75-109. [ CrossRef ]

Liu, Bin. 2005. Sebuah Studi Empiris Dampak Capital Adequacy Ratio pada Bank Kredit. Jurnal Keuangan

11: 18-30.
Int. J. Stud Keuangan. 2019, 7, 29 15 dari 15

Liu, Shengfu, dan Cheng Zeng. Mengambil Risiko Peraturan 2014. Kebijakan Moneter, Bank dan makroprudensial

Manajemen-Sebuah Analisis Empiris Berdasarkan Dinamis Panel Sistem GMM Model. Studi Ekonomi Nankai 5: 24-39.

Liu, Xiaofeng, Dapeng Zhu, dan Wenfan Huang. 2016. Sebuah Studi Empiris Dampak Kendala Modal

pada Neraca Bank Umum China. Studi International Finance 5: 61-71. Qian, Wei, Sen Cao, dan Cong Jiang. 2014. Studi Empiris dari Dalam

memengaruhi Keuangan Disintermediation pada

Struktur aset Bank Umum. Zhejiang Keuangan 7: 45-48.

Ren, Biyun, dan Yulun Cheng. 2015. Dinamis Dampak Keuangan Disintermediation tentang Dampak China

Bank Umum Aset dan Kewajiban Bisnis-Sebuah Studi Empiris Berdasarkan VAR Model. Jurnal Central University of Finance & Ekonomi 3: 26-33.

Su, Dongwei, dan Haijian Zeng. 2009. Faktor Ekonomi Makro dan Perubahan Struktur Modal Perusahaan.

Penelitian ekonomi 44: 52-65.

Suo, Yanfeng, dan Jiming Chen. 2008. Ukuran Asset, Status Modal dan Komersial Bank Portofolio Perilaku-An

Analisis Empiris Berdasarkan Panel Data Perbankan China. Jurnal Penelitian Keuangan 6: 21-36. Tao, Zha. 2016. China Ekonomi Makro: Time

Series Data. Tersedia online: http://www.tzha.net/code (diakses

pada 11 Desember 2018).

Van den Heuvel, Skander J. 2007. Biaya kesejahteraan persyaratan modal bank. Jurnal Ekonomi Moneter

55: 298-320. [ CrossRef ]

Wu, Wei. 2011. Dampak Kendala Modal pada Alokasi Aset Perilaku Commercial Bank-An

Studi Empiris Berdasarkan data dari 175 Bank Umum. Jurnal Penelitian Keuangan 4: 65-81. Xu, Mingdong, dan Xuebin Chen. 2011. Karakteristik

China Mikro Bank dan Bank Pinjaman Saluran.

Manajemen Dunia, 24-38.

Zhang, Qiang, Yifeng Qiao, dan Zhang Bao. 2013. Apakah Ada Bank Risk-Taking Channel untuk China Moneter

Kebijakan? Jurnal Penelitian Keuangan 8: 84-97.

Zhou, Zaiqing, Yi Gan, dan Yue Hu. 2017. Karakteristik dan Perilaku Berisiko-Mengambil Bank Umum

Interbank Assets—An Empirical Analysis Based on GMMof China’s Banking Dynamic Panel System. Studies of International Finance 7: 66–75.

Zuo, Yuehua, and Xiaoxin Li. 2016. Interest Rate Marketization, Bank Diversification and Bank Robustness—An

Empirical Analysis Based on Unbalanced Panel Data of China’s Commercial Banks from 2007 to 2014.

Investment Research 35: 99–107.

© 2019 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access article distributed under the terms

and conditions of the Creative Commons Attribution (CC BY) license (http://creativecommons.org/licenses/by/4.0/).