一、引 言
2008年国际金融危机的爆发显示了对金融机构加强监管的重要性。此后,针对危机中暴露的金融风险特点,巴塞尔委员会制定了《巴塞尔协议III》。与此同时,我国也加强了对银行的监管,2013年推行更严厉的“中国版巴塞尔协议III”。然而,银行会通过影子银行业务等途径规避监管,这会导致银行监管效果下降和金融风险的积累。为了应对银行的监管套利,防范金融风险,促进银行业的高质量发展,我国近年来加强了现场检查和违规业务的金融行政处罚(以下简称“行政处罚”)。2015年9月,原银监会修订通过了《中国银监会行政处罚办法》,该办法明确规定了行政处罚的内容,提出检查、审议、处决处罚相分离的思路,强调“双罚制”(即除了对机构进行处罚外,也要加强对责任人的行政处罚),强化了行政处罚的合法性和专业性。此后,我国监管当局更加重视运用现场检查和行政处罚方式约束银行高风险行为,尤其是2017年以来,对银行机构和责任人的行政处罚次数大幅上升。《中国银行业监督管理委员会2017年报》指出:“依法处罚问责成为常态,各级监管机构依法惩处不规范的经营和套利行为,严肃整治非法业务和高风险业务。”银保监会主席郭树清也指出:“为了化解各类金融风险,要做大量艰苦细致的幕后工作,同时也要注重公开透明,及时提醒警示,发挥好监管处罚的威慑作用。”① 同时,为进一步规范行政处罚程序,银保监会于2019年12月公布《中国银保监会现场检查办法(试行)》,2020年6月发布《中国银保监会行处罚办法》。由此可见,现场检查和行政处罚将趋于常态化。
然而行政处罚能否发挥降低银行风险的作用争议颇大。一些学者认为行政处罚可以发挥声誉效应和威慑效用,降低违规主体、同业机构及个人的违法违规行为,从而有助于降低银行风险。早期学者们对证监会的行政处罚效果展开了充分研究。Yiu等(2014)发现行政处罚具有警示作用,当同行受到处罚,未被处罚的公司会通过学习避免出现违法违规行为。近年来,随着金融行政处罚的加强,相关研究也逐渐兴起。潘敏和魏海瑞(2015)发现行政处罚强度的提高有助于抑制银行个体风险。Delis等(2016)采用美国银行业数据,发现监管处罚可以促进银行降低高风险贷款且提升贷款标准,进而降低银行风险。Delis等(2018)发现监管干预可以显著增加高风险银行的会计透明度,而透明、及时和可靠的银行信息可以提高市场纪律,约束银行的过度冒险行为(Cohen等,2014)。袁奥博(2018)使用2005—2017年的省份行政处罚数据,发现行政处罚可以降低银行不良贷款率。也有些学者认为金融行政处罚不能有效降低银行风险,而会对银行声誉带来负面影响,加速银行风险暴露;而且处罚的负面信息具有溢出效应,行政处罚强度提高会导致利益相关者对银行及同业机构的判断持续走低,进而导致银行系统性风险增加。一些关于证监会行政处罚的研究也发现行政处罚并不能有效发挥纠错功能。王瑞和方先明(2019)发现行政处罚及监管措施会带来部分上市公司的股价下跌,但是其整体影响不显著。邓祎璐等(2021)发现收到问询函会显著提高企业的风险。朱沛华(2020)发现行政处罚会导致被罚公司声誉受损,进而降低其融资规模和当期业绩,增加运营压力。银行行政处罚效果方面,Köster和Pelster(2018)基于68家国际上市银行数据,发现行政处罚会提高银行运营成本,进而增加银行风险敞口,且银行间的联系会放大损失,导致系统性风险增加。
已有文献对证监会行政处罚的效果展开了充分的研究,但是对于银行监管部门出具的行政处罚效果的研究刚起步,而且主要分析处罚总量对银行个体风险的影响,并未考虑到不同类型和不同受罚对象的处罚对银行风险影响的异质性。实际上,我国监管部门从2017年起加强了对银行违法违规行为的处罚。一方面,监管部门不仅对银行机构进行处罚,而且增加了对相关人员的行政处罚力度,同时采用警告、罚款、禁止从业、取消任职等多种处罚手段;另一方面,监管部门加大了对“乱搞同业、乱加杠杆、乱作表外业务”等银行的影子银行行为的行政处罚力度。由现实数据可知,2017年以来,影子银行增速与行政处罚次数呈反向变动趋势。而影子银行业务主要作用于银行系统性风险(方意,2016)。基于此,本文分析了行政处罚对银行个体风险和系统性风险的影响,进一步深入探究不同类型和针对不同对象的行政处罚对银行风险的差异化影响,并探讨了其作用机制。基于2008—2020年监管部门披露的行政处罚公告和银行微观数据,本文发现:第一,行政处罚总次数、对银行机构和责任人的行政处罚次数均有助于降低银行个体风险和系统性风险;对责任人的行政处罚对银行个体风险和系统性风险的降低作用大于对银行机构的处罚。第二,警告和罚没次数均可以降低银行个体风险和系统性风险;禁止从业和取消任职次数有利于降低银行个体风险,但对银行系统性风险的影响不显著;罚没规模有助于降低系统性风险,但对银行个体风险的影响不显著。第三,行政处罚总次数对资本水平低的银行的风险降低作用更大。第四,理财产品在行政处罚与银行风险关系中发挥部分中介效应。
与已有研究相比,本文的主要拓展在于:第一,从银行微观角度探讨了行政处罚的作用。现有研究大多从宏观角度分析行政处罚对银行风险的影响,但是不同银行受到的行政处罚差异很大,从银行微观角度进行研究有助于更清晰地认识行政处罚的作用。第二,对比了行政处罚对银行个体风险与系统性风险的影响。2017年以来,我国加强了对银行不正当的表外业务、同业业务等乱象行为的行政处罚力度,而这些业务会对银行系统性风险产生重要影响。因此,不仅要关注行政处罚对银行个体风险的作用,而且要分析其对银行系统性风险的影响。第三,考虑到我国自2015年实行“双罚制”后,加强了对相关负责人的处罚力度,我们深入探究了不同受罚对象的行政处罚对银行个体风险与系统性风险的差异化影响。第四,关注到监管部门运用了多种处罚措施,我们详细分析了不同类型行政处罚对银行个体风险和系统性风险的差异化影响。第五,考虑到资本监管压力不同的银行进行监管套利的动机差异较大,我们进一步分析了行政处罚对于资本水平不同的银行的异质性影响。第六,结合中国银行业的现实情况,从银行理财产品角度,对行政处罚与银行风险的关系进行机制分析。
二、制度背景与理论分析
(一)制度背景
我国针对银行的行政处罚较早便有法律支撑,但近几年才逐渐规范化(如表1所示)。为了解决行政处罚中存在的标准不统一、处罚力度不够、只罚机构而不罚个人、处罚不够规范、现场检查与行政处罚衔接不够等现实问题,2015年原银监会对旧办法进行了全文修正,并出台了《中国银监会行政处罚办法(2015)》。新办法修改的主要内容包括:第一,设立行政处罚委员会。处罚机制由查、处分离转为查、审、决相分离。第二,实行“双罚制”,对责任人的处罚由“给予纪律处分”修订为“依据不同情形给予行政处罚”,在查处银行机构时,同时依法调查和追究相关责任人的责任。第三,调整重大行政处罚的标准,将“没收较大数额的违法所得”“禁止从业”增列为重大处罚;提高“罚款类”重大处罚的金额标准。第四,提升行政处罚影响力,建立行政处罚信息管理系统,并规定银监会及其派出机构应当在其官方网站上公开行政处罚信息。为了实现监管的融合统一,银保监会于2020年对银行业、保险业行政处罚程序进行了统一规范,并加大对违法违规行为的处罚力度,强化行政处罚与党纪问责的衔接。由此可见,金融行政处罚趋于常态化,且强度提高。
主体 | 时间 | 文件及主要规定 |
全国人民代表大会常务委员会 | 1996年3月17日 | 《中华人民共和国行政处罚法》,行政机关可依本法规定对公民、法人或者其他组织违反行政管理秩序的行为给予行政处罚 |
全国人民代表大会常务委员会 | 2003年12月27日 | 《中华人民共和国银行业监督管理法》规定了各类银行违法违规行为的法律责任 |
全国人民代表大会常务委员会 | 2003年12月27日 | 《中华人民共和国商业银行法》说明了商业银行发生违法行为所需承担的处罚结果 |
中国银行业监督管理委员会 | 2004年12月28日 | 《中国银行业监督管理委员会行政处罚办法(2004)》规范行政处罚具体流程及行政处罚惩处结果 |
中国银行业监督管理委员会 | 2007年7月3日 | 《中国银行业监督管理委员会行政处罚办法(2007)》对实施过程中存在争议处进行修正 |
中国银行业监督管理委员会 | 2013年11月18日 | 《银行业金融机构董事(理事)和高级管理人员任职资格管理办法》规定应在任职资格监管信息系统如实记录受到行政处罚的银行董事(理事)和高级管理人员信息 |
中国银行业监督管理委员会 | 2015年7月9日 | 《中国银监会行政处罚办法(2015)》,实行“双罚制”、加大惩戒力度、提高处罚透明度 |
中国银行保险监督管理委员会 | 2020年6月15日 | 《中国银保监会行政处罚办法》提升重大处罚标准,强调纪法衔接 |
根据《中国银保监会行政处罚办法》,银行行政处罚种类包括警告,罚款,没收违法所得,责令停业整顿,吊销金融许可证,取消董(理)事、高级管理人员一定期限直至终身的任职资格,禁止一定期限直至终身从事银行业工作和其他行政处罚。2017年4月,原银监会发布了《关于切实弥补监管短板提升监管效能的通知》,要求强化监管处罚,规范监管处罚工作机制,加大处罚力度,提升处罚透明度,并加强监管行为再监督。由此可见,2017年以后金融行政处罚强度发生了较大变化,因此以2017年为时期分界线,阐述不同类型行政处罚的分布情况。由表2可知,2017年以前,一方面,行政处罚着重对违法违规银行机构进行惩罚,惩处个人的比例较低;另一方面,对责任人的处罚力度较轻,对个人的处罚以警告、罚没及取消任职资格为主。2017年以后,行政处罚力度加大:第一,2017—2020年上市银行及城商行被惩处次数远超2008—2016年。第二,加强了对责任人的处罚。就处罚形式而言,银行机构受处罚的主要形式为“罚款及没收违法所得”,个人受罚形式前期以“警告”“罚款及没收违法所得”“取消任职资格”为主,后期以“警告”“罚款及没收违法所得”为主。
处罚主体 | 处罚结果 | 样本期间 | |
2008—2016年 | 2017—2020年 | ||
银行机构 | 警告 | 415 | 186 |
罚款及没收违法所得 | 2 214 | 3 744 | |
责令停业整顿 | 0 | 0 | |
吊销金融许可证 | 0 | 0 | |
总计 | 2 229 | 3 746 | |
个人 | 警告 | 174 | 2 088 |
罚款及没收违法所得 | 139 | 987 | |
取消一定期限直至终身的任职资格 | 129 | 141 | |
禁止一定期限直至终身从事银行业工作 | 29 | 266 | |
总计 | 426 | 2 864 | |
注:由于部分金融行政处罚包括多项处罚措施,例如存在“警告”“罚款”“没收违法所得”处罚并存的情形,因此各项加总之和大于总计数目。 |
(二)理论分析与研究假设
1. 行政处罚与银行风险。第一,声誉机制。金融行政处罚导致的声誉减损及其经济后果会对银行风险产生负面影响。银行或其员工的违法违规行为被监管当局查处后,不仅会给银行带来直接的声誉损失(Karpoff等,2008),也会影响利益相关者与银行的业务往来。依据银保监会2021年颁布的《银行保险机构声誉风险管理办法(试行)》,行政处罚所产生的负面信息与银行声誉风险直接相关,银行及其员工的不当行为会增加该银行的声誉风险(冯乾和高洋,2017)。在风险溢出效应以及信息不对称的影响下,若银行个体的声誉风险事件未得到有效处理,可能会引发声誉危机,甚至给银行个体乃至银行系统的稳定性带来重大影响。当主体与利益相关者处于重复博弈且未来利益可预期、消息传递顺畅时,好声誉能加大社会对机构的信任,换取未来更大的收益(Mailath和Samuelson,2006)。而声誉遭到破坏时,社会对其信任降低,且声誉难以在短期内重建,银行的运营业绩、市场价值及最终盈利能力都会受到影响(袁奥博,2018)。由信息传递效应可知,行政处罚公告具有信号作用且透明度高,负面消息容易被利益相关者获得,利益相关者会对银行风险、发展前景、价值等进行再判断(陈工孟和高宁,2005),从而减少与银行的业务往来,进而会对银行的投融资和业绩产生负面影响(史小坤等,2020)。而且银保监会“获取银行违规信息—现场检查—做出处罚决定”这一过程存在时滞,当行政处罚给违规银行带来超预期运营压力时,其可能诱发银行投资高收益项目以求减少当期运营压力,从而加速风险暴露。
第二,威慑效应。金融行政处罚会直接威慑违法者及潜在违法者。Becker(1968)在犯罪领域提出了威慑效应,后被广泛运用于经济领域。具体而言,威慑效应包含对违规银行的特殊威慑和对潜在违规银行的一般威慑(林润辉等,2015)。良好的行政处罚机制不仅有助于阻止和纠正银行的违规行为,而且可以促使潜在违规银行放弃违法违规行为。银保监会对违法违规银行进行现场检查并实施惩戒、公开行政处罚信息,表明了其对违法违规行为的低容忍度,这会对银行施加直接的训诫压力(潘敏和魏海瑞,2015)。一方面,行政处罚有助于督促违规银行合规经营。行政处罚始于现场检查局的立案调查,随后由行政处罚委员进行审理与决策。其中,立案线索包括非现场预警、年度检查规划、现场分析系统(EAST)提示、内部举报、媒体报道、审计报告、重大声誉事件等,较多的立案线索来源渠道有助于督促银行做好日常管理。同时立案调查深入银行现场,会对银行和员工形成一定的心理压力,促使其自觉对负责业务进行整改,减少激进的业务操作。而且事后银保监会通过约谈、后续检查和稽核调查等方式对被查机构整改情况进行评价,持续督促银行合规经营。另一方面,公开的行政处罚信息本身具有警示指导作用,促使潜在违规者规范行为。潜在的违规银行及人员可通过处罚公告了解监管重点。与学习监管法律法规相比,公开的行政处罚信息更加直观且与现实结合更紧密,有助于促进同业银行及员工了解违法违规情形及其后果,从而进行自我警示。
由上述分析可知,一方面,行政处罚会导致银行声誉风险增加,从而对银行个体甚至系统性风险产生负面影响;另一方面,行政处罚可以通过威慑效应,督促违规银行的合规经营,促进其提高风险意识,降低过度风险承担的倾向。基于此,本文提出备择假设1a和1b:
假设1a:较高的行政处罚次数会提高银行风险。
假设1b:较高的行政处罚次数有助于降低银行风险。
2. 不同受罚对象的行政处罚影响的异质性。由于银行风险受管理层观念、风险偏好及道德自律的影响较大,而且银行从业人员为了提高薪酬和增加晋升概率,可能会开展高风险业务,以提高银行业绩。2014年,银监会发布了《关于印发银行业金融机构从业人员处罚信息管理办法的通知》,建立银行从业人员处罚信息系统,把严重违规违纪的责任人员列入“黑名单”并通报同业和实施行业禁入;将有违规记录的人员纳入“灰名单”管理并限制其不得任职于银行重点部门或关键岗位。此后,监管部门的行政处罚将原有的“只罚机构、不罚个人”的制度调整为追究机构与人员责任的“双罚制”。我国部分银行从业人员拥有政治与经济双重身份,“准官员”这一晋升激励对于银行从业人员而言是决定性的激励因素(杨瑞龙等,2013),而是否受到行政处罚对银行员工的职业发展有重要的影响。若对人员的行政处罚较少,银行员工可能会利用监管漏洞谋利,为谋求晋升而投资高风险高收益的项目。而采用“双罚制”后,对违规业务责任人进行处罚会对银行员工产生警示作用,使其为避免高违规成本而规范自身行为。对于责任人而言,一旦被处以行政处罚,晋升概率大为降低,被纳入“黑名单”则会导致其银行职业生涯的结束,高额违规成本减少了责任人开展违规违法业务的可能性。因此,追究银行违规业务责任人的责任,可以强化压力传导,倒逼银行加强风险管理,从而降低银行风险。据此,本文提出假设2:
假设2:加强对责任人的行政处罚有助于降低银行风险。
3. 机制分析。由前文分析可知,行政处罚会降低银行声誉,进而影响储户和投资者对银行的评价。具体而言,若某家银行受到的行政处罚较多,其风险和经营管理水平将会受到公众的质疑,甚至可能诱发负面舆情。这会影响储户和投资者对该银行的评价,担心该银行无法偿还存款的本息和兑付理财产品的投资收益,因此投资者和储户不愿意把资金存入该银行或购买该银行的理财产品,甚至可能提前提取存款或赎回投资,进而会影响银行的吸储能力和理财业务规模(袁奥博,2018)。同时,我国于2015年5月1日起实施了显性存款保险制度,存款保险制度基本覆盖了全部个人存款,不覆盖银行理财产品。这会导致个人存款对银行风险不敏感,从而银行声誉受损后对个人存款者的行为影响较小;而对银行理财产品而言,其不受存款保险保护,若银行破产了,可能导致投资者面临较大的损失,理财产品投资者会关注银行风险。当银行受到的行政处罚较多时,理财产品投资者可能不愿意购买这家银行的理财产品或提前赎回投资。从理财产品的供给来看,受罚频率高、力度大的银行面临更高的市场及监管层的监管压力,其可能会改变高风险偏好,减少发行理财产品。因此,供需两端的共同作用会降低违规银行理财产品发行规模。而较大规模的银行理财产品会降低资本比率和资产收益率,进而会提高银行个体风险(高蓓等,2016);同时,理财产品运作主要通过与其他金融机构合作进行,会增强金融机构间的联系(李建军和薛莹,2014)。期限错配严重,会提高对银行间市场的依赖;资金主要流向房地产、地方政府融资平台等风险较高的领域,会增加共同风险暴露(方意,2016);占比较高的非保本理财产品属于表外资产,会提高银行杠杆(李鹏,2019)。这些都会导致银行系统性风险增加。由此可见,受到行政处罚较多的银行会声誉受损,其理财业务规模会下降,进而有助于降低银行风险。基于此,本文提出假设3:
假设3:行政处罚会通过理财产品渠道作用于银行风险。
三、研究设计
(一)样本选取
为了分析行政处罚的作用,我们从银保监会官方网站手工整理了2008—2020年行政处罚的详细信息。综合考虑行政处罚信息和财务信息的完整性,我们最终选取的样本包括160家商业银行。其中,行政处罚信息数据基于银保监会官方网站披露的行政处罚公告手工整理而得,银行财务数据来源于Wind数据库和银行年报,宏观数据来源于国家统计局。
(二)模型设定
为了分析行政处罚对银行风险的影响,参考王云等(2020)的研究,模型设定如下:
$ Ris{k_{i, t}} = {\beta _{\text{0}}} + {\beta _{\text{1}}}Pu{n_{i, t - 1}} + \sum\limits_{n = 1}^{\text{5}} {{\beta _{1 + n}}} Micr{o_{n, i, t}} + \sum\limits_{m = 1}^2 {{\beta _{{\text{6}} + m}}} Macr{o_{m, i, t}} + {\mu _i} + {\varepsilon _{i, t}} $ | (1) |
其中,i代表银行个体,t代表观测年份;Riski,t为被解释变量银行风险,包括银行系统性风险ΔCoVaR和个体风险RA;核心解释变量Pun代表金融行政处罚变量,包括处罚总数、不同受罚对象的处罚和不同类型处罚。考虑到受到行政处罚后银行进行整改需要时间,其对银行风险的影响存在时滞,因此行政处罚代理变量选用了一期滞后值。
(三)变量选择
1. 银行系统性风险的测度。本文采用Adrian和Brunnermeier(2016)提出的条件在险价值的差值(co-value-at-risk,ΔCoVaR)衡量银行系统性风险,该指标反映了某家银行在某一状态下整个银行系统的风险价值,则单家银行对银行系统的风险贡献为其处于危机中与处于正常状态下银行系统CoVaR的差值
首先,设立分位数回归方程。具体方程如下:
$ \begin{aligned} R_t^i = & {\alpha ^i} + {\beta ^i}{M_{t - 1}} + \varepsilon _t^i \\ R_t^{system} =& {\alpha ^{system|i}} + {\gamma ^{system|i}}R_t^i + {\beta ^{system|i}}{M_{t - 1}} + \varepsilon _t^{^{system|i}} \\ \end{aligned} $ | (2) |
其中,
其次,对方程(2)进行分位数回归,可得银行的VaR和CoVaR分别如下:
$ \begin{gathered} VaR_t^i(q)= \overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{\alpha } {}^i _q + \overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{\beta }{} _q^i{M_{t - 1}} \\ CoVaR_t^i(q)= \overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{\alpha } {} _q^{system|i} + \overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{\gamma }{} _q^{system|i}VaR_t^i (q)+ \overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{\beta }{} _q^{system|i}{M_{t - 1}} \\ \end{gathered} $ | (3) |
最后,根据银行i处于危机状态下(q=0.05)与正常状态下(q=0.5)银行系统的CoVaR之差,可以获得银行i对银行系统风险的边际贡献
$ \Delta CoVaR_t^i(q)= CoVaR_t^i(q)- CoVaR_t^i(50\text{%} )$ | (4) |
采用上述步骤计算的
2. 银行个体风险的测度。由于风险加权资产包括信用风险加权资产、市场风险加权资产和操作风险加权资产,能够较全面地反映银行个体风险水平,且可以反映银行主动的风险承担意愿,因此本文选用银行风险加权资产与总资产之比(RA)作为银行个体风险的代理变量。
3. 行政处罚的衡量。参考潘敏和魏海瑞(2015)、朱沛华(2020)的研究,本文从处罚次数与实际罚款额两个角度衡量行政处罚。第一,处罚次数即为处罚总数(Punish),使用对应时期内银行及其从业人员受到的处罚次数总和来测度;根据处罚对象,将其分为银行机构受处罚总数(Punishbank)和银行从业人员受处罚总数(Punishpeo),分别使用对应时期内银行机构、从业人员受到的处罚次数总和来测度;根据处罚类型,将其分为警告次数(Warn)、罚没次数(Fine)、禁止从业(Occupation)和取消任职(Competence),分别使用对应时期内银行及其从业人员受到的警告次数总和、罚没次数总和、禁止从业次数总和与取消任职次数总和来测度。第二,实际罚款额包括罚没规模(Impose)和罚没资产比(IA)。其中,Impose和IA分别使用对应时期内银行被罚没总额的对数值和银行被罚没总额与资产的比值来测度。
4. 控制变量。为了控制银行特征和宏观经济变量的影响,结合已有文献,本文选取了7个控制变量。各变量的名称、定义和文献出处如表3所示。
变量名 | 定义 | 出处 |
不良贷款率(NPL) | 不良贷款余额/贷款余额×100% | 刘冲等(2019) |
成本收入比(CIR) | 营业费用/营业收入×100% | 刘冲等(2019) |
资本资产比率(EA) | 所有者权益/总资产×100% | 潘敏和魏海瑞(2015) |
银行规模(Size) | 银行总资产的自然对数 | 潘敏和魏海瑞(2015) |
拨备覆盖率(LLR) | [(一般准备+专项准备+特种准备)/不良贷款]×100% | 潘敏和魏海瑞(2015) |
广义货币供应量增速(M2) | 广义货币供应量增速 | 刘冲等(2019) |
经济发展水平(PCGDP) | 人均GDP的对数 | 袁奥博(2018) |
(四)主要变量的描述性统计②
主要变量的描述性统计显示:就风险加权资产占比(RA)而言,其均值为63.7%,最小值为5.18%,最大值为99.18%,表明不同银行的个体风险差异较大;就条件在险价值的差值(ΔCoVaR1)而言,其均值为1.835,最小值为0.396,最大值为5.768,说明不同银行的系统性风险也存在较大差异;就银行受处罚总数(Punish)而言,其标准差较大(值为21.986),Punishbank、Punishpeo、Impose、IA、Occupation和Competence也呈现出类似的特点,可见不同银行受到的行政处罚情况分化较大。
四、金融行政处罚对银行风险的影响
(一)行政处罚与银行个体风险
1. 行政处罚与银行个体风险:总效应以及不同受罚对象的异质性影响。由表4列(1)的回归结果可知,处罚总数(Punish)的回归系数显著为负,说明行政处罚次数显著降低了银行个体风险。究其原因:第一,较高的行政处罚次数可发挥威慑作用。第二,为规避行政处罚带来的声誉风险,银行有动机减少冒险行为。第三,银保监会与地方信用体系部门建立了合作机制,设立了未执行清单,保证了行政处罚的高执行效率。为提高监管效果,2017年以来银保监会处罚执行率高达99.78%,这强化了行政处罚的威慑作用,促进行政处罚更好地发挥降低银行风险的作用。
(1)RA | (2)RA | (3)RA | |
L.Punish | −0.079***(−4.987) | ||
L.Punishbank | −0.117***(−5.113) | ||
L.Punishpeo | −0.169***(−4.422) | ||
控制变量 | 控制 | 控制 | 控制 |
常数项 | 22.562(0.978) | 24.157(1.050) | 19.866(0.857) |
观测值数 | 1 358 | 1 358 | 1 358 |
adj. R2 | 0.461 | 0.461 | 0.459 |
注:(1)为了防止实证结果受极端值的影响,本文对1%的异常值进行了缩尾处理;(2)为了解决可能存在的异方差问题,本文参数估计标准误采用的是聚类调整的稳健标准差;(3)L.代表1阶滞后项;(4)估计系数右方括号内的数字为系数估计值的t值;(5)*、**和***分别表示10%、5%和1%的显著性水平。下同。 |
就不同受罚对象的处罚效果而言,Punishbank和Punishpeo的回归系数均显著为负,即对银行机构和相关责任人的处罚均有助于降低个体风险。进一步从影响程度看,Punishpeo的回归系数的绝对值远大于Punishbank的回归系数的绝对值,说明针对责任人的行政处罚对个体风险的降低作用更大。究其原因:就对银行机构的处罚而言,2021年9月银保监会出台了《商业银行监管评级办法》,要求监管层根据银行评级高低实施不同的监管措施,针对性地开展更高频的现场检查等管控活动。风险越高的银行面临的监管越严厉,这迫使银行机构为避免受到更为严厉的监管而降低风险偏好。就对责任人的处罚而言,银行从业人员的职业生涯存在着一定的“磁吸效应”,其会努力保住职位并不断追求晋升(王曾等,2014)。银行从业人员违规成本较大,为避免职业生涯受损,其会倾向于采取稳健的经营决策,从而降低银行风险。因此,在监管部门采用“双罚制”后,银行员工的行为更加谨慎,这会使得针对责任人的行政处罚具有更强的降低风险的作用。
2. 行政处罚与银行个体风险:不同类型处罚的差异化影响。考虑到不同类型处罚的严厉程度不一,其对银行风险的影响会有所不同,因此本文进一步分析各类处罚措施对银行风险的差异化作用。由表5可知,Warn、Fine、Occupation和Competence的系数均显著为负,说明这四种类型的处罚均有助于降低银行个体风险。这可能是因为较高次数的行政处罚具有警示指导作用,而且银行受到处罚会导致其声誉减损,不利于其长期发展,这些对银行及其从业人员会形成一定的压力,进而促使其行为更加谨慎,减少高风险业务,从而可以降低银行个体风险。进一步从影响程度看,Occupation和Competence回归系数的绝对值远大于Warn和Fine回归系数的绝对值,说明禁止从业和取消任职这两类处罚对银行个体风险的降低作用更大。究其原因,禁止从业和取消任职处罚更严厉,剥夺了个人从银行业就职中获得工资收入和实现自我满足的可能,会对个人造成更加直接和严重的冲击。此外,这两类行政处罚会导致银行人力资本的损失,而相应岗位的人员临时空缺,会对银行运营效率带来不利影响,进而作用于银行风险。同时,从现实情况来看,这两类处罚除使用频率大幅提升外,追查级数及人员范围也更广。因此,这两类处罚对银行个体风险的降低作用更大。由列(3)和列(4)可知,Impose和IA的回归系数均不显著,说明罚没规模并不能降低银行个体风险。这可能是因为对影响银行个体风险的相关违规业务的惩罚金额较小,对银行现金流的影响也较小,银行倾向于将罚款视为普通的业务开支(朱沛华,2020);而且与违法违规带来的收益相比,罚款的金额较小,无法有效发挥应有的警示效果。
(1)RA | (2)RA | (3)RA | (4)RA | (5)RA | (6)RA | |
L.Warm | −0.138***(−4.285) | |||||
L.Fine | −0.097***(−5.019) | |||||
L.Impose | 0.028(0.847) | |||||
L.IA | −323.285(−1.073) | |||||
L. Occupation | −0.968***(−3.701) | |||||
L.Competence | −0.861***(−2.835) | |||||
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
常数项 | 20.610(0.887) | 23.014(0.999) | 24.365(1.035) | 17.884(0.764) | 22.646(0.986) | 20.885(0.895) |
观测值数 | 1 358 | 1 358 | 1 358 | 1 342 | 1 358 | 1 358 |
adj. R2 | 0.456 | 0.461 | 0.453 | 0.457 | 0.456 | 0.454 |
(二)行政处罚与银行系统性风险
1. 行政处罚与银行系统性风险:总效应以及不同受罚对象的异质性影响。接下来,我们分析行政处罚对银行系统性风险的作用。由表6列(1)的结果可知,处罚总数(Punish)的回归系数显著为负,说明银行被处罚的总次数增加有助于降低其系统性风险。这可能是因为行政处罚涉及业务主要集中在信贷、票据、内部控制、违规向房地产企业和地方政府融资、同业及理财业务等领域,同时强调了对高风险业务、套利行为、交叉金融产品和影子银行的规范问题,而这些业务主要作用于银行系统性风险,所以行政处罚通过威慑效应、声誉机制等发挥作用,促进银行的稳健经营,有助于压缩影子银行等业务规模,从而降低银行系统性风险。
(1)ΔCoVaR1 | (2)ΔCoVaR1 | (3)ΔCoVaR1 | |
L.Punish | −0.008**(−2.784) | ||
L.Punishbank | −0.009**(−2.545) | ||
L.Punishpeo | −0.018*(−1.983) | ||
控制变量 | 控制 | 控制 | 控制 |
常数项 | −28.309***(−2.983) | −28.908***(−3.096) | −27.786**(−2.878) |
观测值数 | 160 | 160 | 160 |
adj. R2 | 0.308 | 0.297 | 0.300 |
就不同受罚对象的处罚效果而言,Punishbank和Punishpeo的回归系数均显著为负,即对银行和责任人进行处罚均有助于降低银行系统性风险。从影响程度看,Punishpeo回归系数的绝对值远大于Punishbank回归系数的绝对值,说明针对责任人的行政处罚对银行系统性风险的降低作用更大。究其原因:就对银行机构的处罚而言,监管当局加强对银行开展高风险业务的处罚力度,这会形成警示指导作用,从而减少这些违法违规行为,进而降低银行系统性风险。就对责任人的处罚而言,有违规记录的人员会被纳入“灰名单”或“黑名单”,这将严重损害其职业发展,违规成本较高,加之行政处罚的加强会使得责任人的行为更加审慎,从而有助于降低银行系统性风险。而且,银行将拟录用任职人员的处罚问责记录作为选人用人的重要调查事项,这降低了银行间开展类似违法违规业务的可能性,从而有利于降低银行系统性风险。因此,在监管部门采用“双罚制”后,银行员工会减少开展系统性风险高的业务,使得对责任人的行政处罚具有更强的降低系统性风险的作用。
2. 行政处罚与银行系统性风险:不同类型处罚的差异化影响。由表7列(1)和列(2)的结果可知,Warn和Fine的系数均显著为负,说明罚没与警告次数越多,银行系统性风险越低。这可能是因为较多的罚没和警告次数会导致银行利益相关者对其产生负面评价,使得银行声誉减损,不利于银行的长远发展,而银行意识到高额的违规成本后,会减少系统性风险较高的业务,从而促进银行体系的稳健经营。由列(5)和列(6)的结果可知,Occupation和Competence 的系数为负但不显著,说明这两类行政处罚并不能有效降低银行系统性风险。究其原因,禁止从业与取消任职处罚对个人职业生涯造成的影响太大,银保监会对其使用更为审慎,主要用于贷款等传统领域的违规行为,而银行贷款主要影响银行个体风险,对系统性风险的影响较小。
(1)ΔCoVaR1 | (2)ΔCoVaR1 | (3)ΔCoVaR1 | (4)ΔCoVaR1 | (5)ΔCoVaR1 | (6)ΔCoVaR1 | |
L.Warm | −0.018*(−1.812) | |||||
L.Fine | −0.009**(−2.716) | |||||
L.Impose | −0.039*(−1.996) | |||||
L.IA | −668.006*(−1.820) | |||||
L. Occupation | 0.008(0.143) | |||||
L.Competence | −0.042(−0.873) | |||||
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
常数项 | −28.377***(−3.026) | −29.531***(−3.171) | −39.509***(−3.861) | −41.733***(−4.465) | −30.874***(−3.214) | −29.463***(−3.063) |
观测值数 | 160 | 160 | 160 | 160 | 160 | 160 |
adj. R2 | 0.300 | 0.300 | 0.303 | 0.319 | 0.276 | 0.278 |
由列(3)和列(4)的结果可知,Impose和IA的回归系数均显著为负,说明较高的罚没规模有助于降低银行系统性风险。由前文可知,其对银行个体风险的影响却不显著。究其原因:第一,罚没主要集中于理财业务、同业业务、房地产融资、地方政府融资等领域,这主要影响银行系统性风险。由2020年行政处罚数据可知,在理财业务、同业业务、房地产融资和地方政府融资四个领域的罚没规模占比为41.9%。第二,对影响银行系统性风险的相关业务罚没力度更大。由2020年行政处罚数据可知,涉及地方政府融资违规行为的罚没规模均值为1437万/次,罚没力度位居第一;同业业务及理财业务的平均处罚金额分别位居第二及第三;而对信贷相关的违规行为的平均罚没金额仅为91万/次,其他违规行为的平均罚没金额更低。由此可见,监管部门对影响银行系统性风险的业务处罚力度较大,威慑作用更大,有助于相关违规业务的整改,从而降低系统性风险。相对而言,对信贷等主要影响银行个体风险的违规业务的处罚力度较小,可能不足以发挥威慑效应,因此罚没规模对银行个体风险的影响不显著。
(三)银行异质性分析
为了降低银行风险,我国加强了银行监管,2013年实施了“中国版巴塞尔协议III”,对银行资本水平提出了更高的要求。然而,我国银行也会通过违规开展影子银行业务等提高资本充足率(郭晔和赵静,2017)。由此可见,银行面临的资本监管压力会影响其进行违法违规行为的动机,进而带来行政处罚作用的不同。因此,我们将分析行政处罚对不同资本水平的银行的异质性影响。考虑到2013年以后资本充足率的计算口径发生了变化,我们使用资本资产比率(EA),即所有者权益与总资产的比值来衡量银行资本水平。参考周晔和王亚梅(2022)的研究,我们以EA中位数为界线,将银行分为资本水平高和资本水平低两组样本进行研究。
由表8可知,就银行个体风险而言,在资本水平低的样本中,行政处罚的估计系数绝对值增加了34.18%;而在资本水平高的样本中,行政处罚的估计系数绝对值下降了36.71%。这些结果表明银行的资本水平越低,行政处罚对银行个体风险的降低作用越大。就银行系统性风险而言,在资本水平低的样本中,行政处罚的估计系数绝对值增加了150%;而在资本水平高的样本中,行政处罚的估计系数虽然为负,但是不显著。这些结果表明行政处罚显著降低了资本水平低的银行的系统性风险,但是其对资本水平高的银行的系统性风险影响不显著。究其原因,资本水平低的银行可能积极地通过开展影子银行等高风险业务进行监管套利,而行政处罚加大了对这些违法违规行为的惩罚力度,从而有助于降低个体风险和系统性风险;而资本水平高的银行进行监管套利的动机较小,而且其破产成本更高,经营行为也更加稳健,因此行政处罚对这类银行的风险降低作用较小。
低资本水平 | 高资本水平 | |||
(1)RA | (2)ΔCoVaR1 | (3)RA | (4)ΔCoVaR1 | |
L.Punish | −0.106***(−3.628) | −0.020**(−2.252) | −0.050***(−2.719) | −0.005(−1.242) |
控制变量 | 控制 | 控制 | 控制 | 控制 |
常数项 | −18.813(−0.795) | −134.517***(−5.989) | 53.707(1.537) | −4.494(−0.515) |
观测值数 | 663 | 89 | 695 | 71 |
adj. R2 | 0.550 | 0.587 | 0.314 | 0.454 |
(四)稳健性检验
我们做了如下稳健性检验:第一,工具变量法。由于银行风险水平与其受到的行政处罚可能存在一定的双向因果关系,因此我们使用工具变量法来解决该内生性问题。监管当局加强行政处罚后,整个银行体系受到的行政处罚会增多,所以银保监会出具的处罚总数的大小一定程度上反映了行政处罚的强度,且其与单家银行风险关联较小。因此,本文参考潘敏和魏海瑞(2015)的研究,采用银保监会当年出具处罚次数的对数值(lnPenalty)作为工具变量进行回归。第二,改变估计方法。参考潘敏和魏海瑞(2015)的研究,本文进一步使用系统GMM方法分析行政处罚对银行个体风险的影响。第三,控制时间固定效应。为了控制随时间变化的因素,我们进一步控制时间固定效应进行稳健性检验。第四,替换被解释变量。本文采用在1%分位数水平下估计的ΔCoVaR2作为银行系统性风险的代理变量进行稳健性检验。上述稳健性检验的结果显示,③ 核心解释变量的符号和显著性与前文一致,说明本文的结果是稳健的。
五、机制检验
基于前文分析,本文将从银行理财产品角度,分析行政处罚与银行风险关系的作用机制。参考赵静和郭晔(2021)的研究,本文使用中介效应模型检验影响机制。模型设定如下:
$ WM{P_{i, t}} = {\lambda _{\text{0}}} + {\lambda _{\text{1}}}Pu{n_{i, t - 1}} + \sum\limits_{n = 1}^6 {{\lambda _{1 + n}}} Micr{o_{n, i, t}} + \sum\limits_{m = 1}^2 {{\lambda _{7 + m}}} Macr{o_{m, i, t}} + \mu {1_i} + \varepsilon {1_{i,t}} $ | (5) |
$ Ris{k_{i, t}} = {\theta _{\text{0}}} + {\theta _{\text{1}}}Pu{n_{i, t - 1}} + {\theta _2}WM{P_{i, t}} + \sum\limits_{n = 1}^6 {{\theta _{2 + n}}} Micr{o_{n, i, t}} + \sum\limits_{m = 1}^2 {{\theta _{8 + m}}} Macr{o_{m, i, t}} + \mu {2_i} + \varepsilon {2_{i, t}} $ | (6) |
其中,WMP为中介变量,即银行理财产品发行量的对数,其他变量的含义与前文一致。
由表9 列(1)的回归结果可知,行政处罚总次数(Punish)的系数显著为负,说明较高的行政处罚次数会降低银行理财产品的发行规模。这验证了假说3的观点。进一步在基准回归(1)中引入银行理财产品发行量作为中介变量。列(2)的结果显示,Punish的系数显著为负,WMP的系数显著为正,说明银行理财产品在行政处罚与银行个体风险关系中起着部分中介效应,即高频的行政处罚会通过降低理财产品发行规模进而降低银行个体风险。这可能是因为银行理财产品中占比较高的为非保本理财产品,其属于表外资产,而且银行理财产品的收益率往往高于存款利率,这会提高银行成本,所以银行理财产品规模下降有助于提高资本资产比率和资产收益率,进而降低银行个体风险(高蓓等,2016)。列(3)的结果显示,Punish的系数显著为负,WMP的系数为正但不显著。参考钱雪松等(2015)的研究,对其进行 Sobel检验,该检验Z值的绝对值为1.256(大于0.97),即中介效应显著。这说明理财产品在行政处罚次数与系统性风险间发挥了部分中介效应,即较高的行政处罚次数会通过降低理财产品发行规模而降低银行系统性风险。这可能是由于银行理财产品的规模过大会导致银行系统性风险的增加,因此行政处罚带来银行理财产品规模下降有助于降低银行系统性风险。
(1)WMP | (2)RA | (3)ΔCoVaR1 | |
L.Punish | −0.017***(−4.522) | −0.072***(−4.238) | −0.008**(−2.635) |
WMP | 0.514*(1.839) | 0.158(1.257) | |
控制变量 | 控制 | 控制 | 控制 |
常数项 | −18.575***(−4.787) | 17.764(0.692) | −31.596**(−2.827) |
银行个数 | 160 | 160 | 16 |
观测值数量 | 1 268 | 1 147 | 160 |
adj. R2 | 0.568 | 0.449 | 0.315 |
Sobel检验 | |z|=1.256>0.97,中介效应显著 | ||
注:参考钱雪松等(2015)的研究,中介效应模型中,Sobel检验的统计量不服从标准正态分布,其在5%显著性水平上对应的临界值是0.97。 |
六、结论与启示
2017年以来,我国逐渐加强了金融行政处罚力度。本文基于我国160家银行2008—2020年的数据,从微观层面研究行政处罚对银行个体风险和系统性风险的影响,并深入探讨不同类型和不同受罚对象的差异化影响,进一步分析其作用机制。研究发现:第一,行政处罚总次数、对银行机构和责任人的行政处罚均有助于降低银行个体风险和系统性风险;对责任人的行政处罚对银行个体风险和系统性风险的降低作用大于对银行机构的处罚。第二,警告和罚没均可以降低银行个体风险和系统性风险;禁止从业和取消任职有利于降低银行个体风险,但对银行系统性风险的影响不显著;罚没规模有助于降低系统性风险,但对银行个体风险的影响不显著。第三,行政处罚总次数对资本水平低的银行的风险降低作用更大;其对资本水平低的银行个体风险的降低作用大于资本水平高的银行;其可以显著降低资本水平低的银行的系统性风险,但对资本水平高的银行的系统性风险的影响不显著。第四,行政处罚会降低银行理财产品规模,进而会带来银行个体风险和系统性风险下降;理财产品在行政处罚与银行风险关系中发挥部分中介效应。
本文的研究具有重要的启示:第一,继续保持较高的金融行政处罚强度,实施“双罚制”,加强对责任人的处罚。本文研究表明,较多的行政处罚次数对银行个体风险和系统性风险均有较好的降低作用,而且对责任人的行政处罚比对银行机构的行政处罚的风险降低作用更大。因此,我国应继续保持较高的行政处罚强度,同时继续完善并落实“双罚制”,加强对违法违规业务责任人的处罚,增强行政处罚的威慑效应,进而提高银行管理层和相关责任人的风险管理和合规意识,从源头上防范银行风险。第二,提高金融行政处罚力度。本文研究发现,更严厉的禁止从业和取消任职处罚对银行个体风险的降低作用更大,而较大规模的违法违规业务罚款有助于降低系统性风险。因此,监管当局应完善行政处罚的制度设计,合理地提高处罚力度,增强行政处罚对违规者和潜在违规者的威慑效应,以促进其更好地发挥约束银行及其员工冒险行为的作用。第三,加强金融行政处罚的信息披露,促进声誉机制发挥作用。本文研究发现,行政处罚会导致银行声誉受损,降低理财产品规模,进而促进银行风险下降。较高的信息透明度是投资者监督银行冒险行为和声誉机制发挥作用的基础。因此,监管当局查处银行违法违规行为后,应及时、详细地公布其相关信息,以促进行政处罚更好地发挥声誉机制和警示作用,进而约束潜在违规者的高风险行为。第四,加强对银行的监督检查,防止银行进行监管套利,导致银行监管效果下降。本文研究发现,资本水平低的银行可能通过违法违规行为进行监管套利,这会弱化银行监管效果。因此,银行监管部门应加强监督检查和行政处罚,以防银行通过高风险业务规避监管。
① 资料来源于《中国银行业监督管理委员会2017年报》。
② 限于篇幅,文中未列示主要变量的描述性统计表(备索)。
③ 限于篇幅,文中未列示稳健性检验的结果(备索)。
[1] | 陈工孟, 高宁. 我国证券监管有效性的实证研究[J]. 管理世界, 2005(7): 40–47. |
[2] | 邓祎璐, 陆晨, 兰天琪, 等. 非处罚性监管与企业风险承担——基于财务报告问询函的证据[J]. 财经研究, 2021(8): 123–138. |
[3] | 方意. 系统性风险的传染渠道与度量研究——兼论宏观审慎政策实施[J]. 管理世界, 2016(8): 32–57. |
[4] | 冯乾, 高洋. 银行业不当行为风险、行为成本与金融稳定——全球金融行为监管和风险治理的焦点领域[J]. 上海财经大学学报, 2017(4): 52–65. DOI:10.16538/j.cnki.jsufe.2017.04.005 |
[5] | 高蓓, 张明, 邹晓梅. 影子银行对中国商业银行经营稳定性的影响——以中国14家上市商业银行理财产品为例[J]. 经济管理, 2016(6): 138–153. |
[6] | 郭晔, 赵静. 存款竞争、影子银行与银行系统风险——基于中国上市银行微观数据的实证研究[J]. 金融研究, 2017(6): 81–94. |
[7] | 李建军, 薛莹. 中国影子银行部门系统性风险的形成、影响与应对[J]. 数量经济技术经济研究, 2014(8): 117–130. DOI:10.13653/j.cnki.jqte.2014.08.008 |
[8] | 李鹏. 中国式影子银行宏观审慎监管: 现实挑战与框架改进[J]. 经济学家, 2019(11): 93–103. |
[9] | 林润辉, 谢宗晓, 吴波, 等. 处罚对信息安全策略遵守的影响研究——威慑理论与理性选择理论的整合视角[J]. 南开管理评论, 2015(4): 151–160. DOI:10.3969/j.issn.1008-3448.2015.04.015 |
[10] | 刘冲, 杜通, 刘莉亚, 等. 资本计量方法改革、商业银行风险偏好与信贷配置[J]. 金融研究, 2019(7): 38–56. |
[11] | 潘敏, 魏海瑞. 提升监管强度具有风险抑制效应吗? ——来自中国银行业的经验证据[J]. 金融研究, 2015(12): 64–80. |
[12] | 钱雪松, 杜立, 马文涛. 中国货币政策利率传导有效性研究: 中介效应和体制内外差异[J]. 管理世界, 2015(11): 11–28. |
[13] | 史小坤, 石乐陶, 王文中. 商业银行操作风险的声誉风险效应及影响因素研究[J]. 金融监管研究, 2020(1): 30–50. DOI:10.3969/j.issn.2095-3291.2020.01.003 |
[14] | 王瑞, 方先明. 证券监管执法的市场反应研究——来自中国A股的证据[J]. 证券市场导报, 2019(9): 53–60. |
[15] | 王曾, 符国群, 黄丹阳, 等. 国有企业CEO“政治晋升”与“在职消费”关系研究[J]. 管理世界, 2014(5): 157–171. DOI:10.19744/j.cnki.11-1235/f.2014.05.013 |
[16] | 杨瑞龙, 王元, 聂辉华. “准官员”的晋升机制: 来自中国央企的证据[J]. 管理世界, 2013(3): 23–33. |
[17] | 袁奥博. 行政处罚如何影响银行业风险: 理论机制与实证分析[J]. 金融监管研究, 2018(9): 50–64. DOI:10.3969/j.issn.2095-3291.2018.09.004 |
[18] | 赵静, 郭晔. 存款保险制度、影子银行与银行系统性风险[J]. 管理科学学报, 2021(6): 22–41. |
[19] | 周晔, 王亚梅. 银行竞争、资产流动性与风险承担[J]. 国际金融研究, 2022(1): 62–71. DOI:10.16475/j.cnki.1006-1029.2022.01.001 |
[20] | 朱沛华. 负面声誉与企业融资——来自上市公司违规处罚的经验证据[J]. 财贸经济, 2020(4): 50–65. DOI:10.3969/j.issn.1002-8102.2020.04.004 |
[21] | Adrian T, Brunnermeier M K. CoVaR[J]. American Economic Review, 2016, 106(7): 1705–1741. DOI:10.1257/aer.20120555 |
[22] | Becker G S. Crime and punishment: An economic approach[J]. Journal of Political Economy, 1968, 76(2): 169–217. DOI:10.1086/259394 |
[23] | Cohen L J, Cornett M M, Marcus A J, et al. Bank earnings management and tail risk during the financial crisis[J]. Journal of Money, Credit and Banking, 2014, 46(1): 171–197. DOI:10.1111/jmcb.12101 |
[24] | Delis M D, Hasan I, Iosifidi M, et al. Accounting quality in banking: The role of regulatory interventions[J]. Journal of Banking and Finance, 2018, 97: 297–317. |
[25] | Delis M D, Staikouras P K, Tsoumas C. Formal enforcement actions and bank behavior[J]. Management Science, 2016, 63(4): 959–987. |
[26] | Karpoff J M, Lee D S, Martin G S. The cost to firms of cooking the books[J]. Journal of Financial and Quantitative Analysis, 2008, 43(3): 581–611. DOI:10.1017/S0022109000004221 |
[27] | Köster H, Pelster M. Financial penalties and banks’ systemic risk[J]. Journal of Risk Finance, 2018, 19(2): 154–173. DOI:10.1108/JRF-04-2017-0069 |
[28] | Mailath G J, Samuelson L. Repeated games and reputations: Long-run relationships[M]. New York: Oxford University Press, 2006. |
[29] | Yiu D W, Xu Y H, Wan W P. The deterrence effects of vicarious punishments on corporate financial fraud[J]. Organization Science, 2014, 25(5): 1549–1571. DOI:10.1287/orsc.2014.0904 |