■ 張 歡

一、引言

2013年 7月 20日，隨著央行取消貸款利率下限30%的限制，中國銀行業(yè)迎來利率市場(chǎng)化的新階段，即貸款利率自由化?！按尜J款的利率差是一般商業(yè)銀行的主營(yíng)業(yè)務(wù)收入。而這次取消貸款利率銀行規(guī)定的下限后，對(duì)銀行的直接影響就是其固有的利潤(rùn)空間將逐步變小，主營(yíng)業(yè)務(wù)收入將呈現(xiàn)下滑的趨勢(shì)”（陳國棟，2013）。由此，商業(yè)銀行的盈利能力將面臨下滑壓力，經(jīng)營(yíng)風(fēng)險(xiǎn)管理難度加大。

為了應(yīng)對(duì)利率市場(chǎng)化對(duì)商業(yè)銀行傳統(tǒng)盈利模式和盈利水平的沖擊，商業(yè)銀行擴(kuò)張傳統(tǒng)信貸業(yè)務(wù)的同時(shí)，積極尋求業(yè)務(wù)創(chuàng)新，大力發(fā)展非利息收入業(yè)務(wù)等非傳統(tǒng)業(yè)務(wù)，提高非利息收入占比。其中，擴(kuò)大貸款規(guī)模能夠維持凈利息收入的持續(xù)性增長(zhǎng)，這使得商業(yè)銀行有不斷加大信貸投入量的傾向，甚至出現(xiàn)信貸過度擴(kuò)張的現(xiàn)象。事實(shí)上，若將某銀行的貸款增長(zhǎng)率與當(dāng)年所有樣本銀行貸款增長(zhǎng)率中位數(shù)的差作為該銀行過度信貸增長(zhǎng)率 （Foos et al，2010）的指標(biāo)，2013年，我國大部分上市銀行都存在過度信貸擴(kuò)張現(xiàn)象，比如，寧波銀行、北京銀行、華夏銀行過度貸款增長(zhǎng)率就超過了3%。而同時(shí)非利息收入業(yè)務(wù)發(fā)展十分迅速，2013年中國銀行業(yè)非利息收入同比增長(zhǎng)20.7%，而凈利息收入同比增長(zhǎng)11.3%，顯然非利息收入業(yè)務(wù)逐漸成為各商業(yè)銀行一個(gè)新的利潤(rùn)增長(zhǎng)點(diǎn)。然而，當(dāng)銀行采取這兩種措施——大力發(fā)展非利息收入業(yè)務(wù)和信貸擴(kuò)張——提升銀行盈利水平時(shí)，二者對(duì)銀行的經(jīng)營(yíng)風(fēng)險(xiǎn)有怎樣的影響呢？對(duì)上述問題進(jìn)行研究，不僅有助于各銀行審視并評(píng)估其伴隨的風(fēng)險(xiǎn)并采取措施化解風(fēng)險(xiǎn)，從而保持和提高銀行的競(jìng)爭(zhēng)能力和發(fā)展能力；而且有助于為中國銀行業(yè)監(jiān)管當(dāng)局進(jìn)一步改革監(jiān)管政策提供依據(jù)。

本文利用國內(nèi)14家上市銀行2004～2013年的數(shù)據(jù)（3家大國有控股商業(yè)銀行、11家非國有控股股份制商業(yè)銀行）對(duì)非利息收入業(yè)務(wù)和信貸過度擴(kuò)張與銀行風(fēng)險(xiǎn)的關(guān)系進(jìn)行實(shí)證檢驗(yàn)，以明確二者對(duì)銀行風(fēng)險(xiǎn)的影響效應(yīng)。本文使用動(dòng)態(tài)面板數(shù)據(jù)的分析方法。在研究對(duì)象、研究方法以及研究結(jié)論上均不同于以往的研究。

二、文獻(xiàn)綜述

（一）非利息收入業(yè)務(wù)與銀行風(fēng)險(xiǎn)

國內(nèi)外研究商業(yè)銀行非利息收入業(yè)務(wù)與銀行風(fēng)險(xiǎn)的關(guān)系的文獻(xiàn)頗多，總體上學(xué)者們對(duì)此存在兩種截然相反的觀點(diǎn)：第一類觀點(diǎn)認(rèn)為非利息收入業(yè)務(wù)可以改變其單一的收入結(jié)構(gòu)，增加銀行收益，從而銀行可以通過多元化經(jīng)營(yíng)分散風(fēng)險(xiǎn)。Eisemann(1976)認(rèn)為，與利息收入相比，非利息收入更加穩(wěn)定。因?yàn)榍罢吲c利率和宏觀環(huán)境高度相關(guān)。因此，非利息收入能顯著平滑銀行收益、降低風(fēng)險(xiǎn)。這一觀點(diǎn)得到后來眾多學(xué)者的支持。其中，Templeton和Severiens(1992）選取美國54家銀行控股公司，采用1979～1986年度數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)。結(jié)果表明非利息收入業(yè)務(wù)的開展有利于減少收入的波動(dòng)性，同時(shí)又增加收益。我國學(xué)者張羽和李黎（2010）實(shí)證檢驗(yàn)了中國銀行業(yè)非利息收入業(yè)務(wù)對(duì)銀行風(fēng)險(xiǎn)的影響效應(yīng)，結(jié)果發(fā)現(xiàn)非利息收入業(yè)務(wù)能有效分散銀行風(fēng)險(xiǎn)。

然而，隨著非利息收入占比的增加，另一些學(xué)者對(duì)第一類觀點(diǎn)提出質(zhì)疑，認(rèn)為非利息收入業(yè)務(wù)的擴(kuò)張?zhí)岣吡算y行風(fēng)險(xiǎn)系數(shù)。DeYoung and Roland(2001)通過實(shí)證研究472家大型商業(yè)銀行業(yè)務(wù)結(jié)構(gòu)與銀行盈利波動(dòng)性之間的關(guān)系，發(fā)現(xiàn)隨著非利息收入占比提高，銀行收益波動(dòng)性和總財(cái)務(wù)杠桿都會(huì)增加，從而提高了銀行盈利波動(dòng)性，增加了銀行風(fēng)險(xiǎn)。Stiroh(2006)利用美國銀行業(yè)數(shù)據(jù)、Mercieca和Baele等人(2007)利用歐洲銀行業(yè)數(shù)據(jù)研究均發(fā)現(xiàn)非利息收入占比提高不僅沒有增加銀行收益，過度依賴非利息收入將給銀行帶來更高風(fēng)險(xiǎn)。國內(nèi)研究文獻(xiàn)也有類似結(jié)論。周開國和李琳（2011）通過對(duì)14家上市銀行面板數(shù)據(jù)實(shí)證研究，發(fā)現(xiàn)多元化的收入結(jié)構(gòu)并沒有有效發(fā)揮資產(chǎn)組合理論分散風(fēng)險(xiǎn)的理論假設(shè)，因此也沒有降低銀行風(fēng)險(xiǎn)，原因是非利息收入業(yè)務(wù)收入占比越高，其波動(dòng)性就會(huì)越強(qiáng)且對(duì)銀行總的風(fēng)險(xiǎn)的總貢獻(xiàn)度越大，從而提高銀行整體風(fēng)險(xiǎn)系數(shù)。

以往文獻(xiàn)也闡述了非利息收入業(yè)務(wù)增加銀行風(fēng)險(xiǎn)的原因。其中，最有代表性的當(dāng)屬De Young(2001)。作者通過選取經(jīng)營(yíng)杠桿和財(cái)務(wù)杠桿相結(jié)合的全杠桿模型，對(duì)非利息收入業(yè)務(wù)增加銀行風(fēng)險(xiǎn)的原因給出了三種解釋：（1）從與客戶的關(guān)系來看，相比較非利息收入業(yè)務(wù)，傳統(tǒng)存貸業(yè)務(wù)中銀行與客戶建立的關(guān)系更穩(wěn)定。這主要是由于信息成本和轉(zhuǎn)換成本的存在，使得現(xiàn)有的存貸關(guān)系會(huì)在相當(dāng)長(zhǎng)的時(shí)間內(nèi)保持穩(wěn)定。對(duì)于非利息收入業(yè)務(wù)，幾乎不存在信息傳遞的約束，因此，其不穩(wěn)定性更大；（2）從成本角度看，對(duì)于傳統(tǒng)的存貸業(yè)務(wù)，一旦與客戶關(guān)系建立后，銀行后續(xù)所需付出的成本只是利息收入，并且隨著貸款量的不斷增加，提供貸款的邊際成本減小。相反，非利息收入業(yè)務(wù)通?！耙钥蛻魹橹行摹保哂休^強(qiáng)的單個(gè)客戶特點(diǎn)。開展非利息收入業(yè)務(wù)則需要大量的人力資本，這會(huì)增加銀行費(fèi)用，增大經(jīng)營(yíng)杠桿；（3）銀行的非利息收入業(yè)務(wù)往往沒有資本監(jiān)管的要求，因此可能會(huì)增加整體的財(cái)務(wù)杠桿，經(jīng)營(yíng)風(fēng)險(xiǎn)隨之增加。

（二）信貸過度擴(kuò)張與銀行風(fēng)險(xiǎn)

關(guān)于信貸過度增長(zhǎng)對(duì)銀行風(fēng)險(xiǎn)的影響效應(yīng)，國內(nèi)外研究具有一定的一致性，即過度信貸擴(kuò)張將導(dǎo)致銀行風(fēng)險(xiǎn)提高。Sinkey和Greenawalt(1991)分析了美國大型銀行1984～1987數(shù)據(jù)，結(jié)果顯示過去的平均貸款增長(zhǎng)與同期貸款損失率正相關(guān)。Demirguc－Kunt和Huizinga(2010)發(fā)現(xiàn)，對(duì)大額資金依賴性越高，銀行面臨的風(fēng)險(xiǎn)也越高。Schularick，Taylor(2012)以及Jorda et al(2011)都把信貸過度擴(kuò)張作為金融危機(jī)爆發(fā)的重要誘因之一。國內(nèi)學(xué)者陸靜等人（2014）運(yùn)用系統(tǒng)GMM估計(jì)方法對(duì)119家中國商業(yè)銀行實(shí)證研究發(fā)現(xiàn)，過度貸款增長(zhǎng)率同樣顯著地增加了商業(yè)銀行風(fēng)險(xiǎn)。

關(guān)于信貸過度擴(kuò)張對(duì)銀行風(fēng)險(xiǎn)的影響途徑，F(xiàn)oos et al（2010）詳細(xì)地作出闡述。通過使用超過16000家銀行的大數(shù)據(jù)樣本，作者實(shí)證檢驗(yàn)了三個(gè)假設(shè)。結(jié)論如下：（1）當(dāng)銀行降低貸款標(biāo)準(zhǔn)、抵押要求等擴(kuò)大貸款規(guī)模，導(dǎo)致未來貸款違約風(fēng)險(xiǎn)增加，貸款損失嚴(yán)重，銀行資產(chǎn)將遭受損失，資產(chǎn)質(zhì)量下降，銀行風(fēng)險(xiǎn)增加；（2）銀行以較低利率擴(kuò)大貸款規(guī)模時(shí)，若銀行凈利息收入主要來自貸款利息收入，將引起銀行利息收入明顯下降，從而影響銀行盈利水平；（3）如果銀行貸款資產(chǎn)來源于新增債務(wù)，同時(shí)，銀行很少通過發(fā)行股票籌集資本，貸款增長(zhǎng)主要依靠留存收益，因此權(quán)益資產(chǎn)比率將下降，銀行償債能力減弱，銀行風(fēng)險(xiǎn)增加。

（三）文獻(xiàn)述評(píng)

綜上所述，國內(nèi)外關(guān)于非利息收入業(yè)務(wù)與信貸過度擴(kuò)張對(duì)銀行風(fēng)險(xiǎn)的影響研究甚多，這對(duì)本文的研究提供直接的借鑒和啟示。但這些研究亦存在著一些不足：第一，已有的文獻(xiàn)較少將非利息收入業(yè)務(wù)和信貸過度擴(kuò)張放入統(tǒng)一研究框架內(nèi)進(jìn)行比較分析，通過以往文獻(xiàn)可知，新型的非利息收入業(yè)務(wù)和傳統(tǒng)的信貸擴(kuò)張業(yè)務(wù)對(duì)銀行風(fēng)險(xiǎn)的影響機(jī)制和影響效應(yīng)都是不同的，比較分析這些不同對(duì)我國商業(yè)銀行經(jīng)營(yíng)路徑的選擇，以及關(guān)于銀行業(yè)務(wù)理論的完善都具有重要的意義；第二，Demirguc－Kunt和Huizinga（2010)的研究表明，銀行的風(fēng)險(xiǎn)具有持續(xù)性，即上一期的風(fēng)險(xiǎn)將對(duì)下一期的風(fēng)險(xiǎn)有顯著影響，因此也必須將其考慮到模型中，合理的解決方法就是使用動(dòng)態(tài)面板模型，而已有研究主要以最小二乘或者靜態(tài)面板數(shù)據(jù)回歸為主，忽視銀行風(fēng)險(xiǎn)的持續(xù)性影響，有可能導(dǎo)致實(shí)證結(jié)果的不準(zhǔn)確。

針對(duì)上述問題，本文的創(chuàng)新點(diǎn)在于：第一，將非利息收入業(yè)務(wù)與信貸過度擴(kuò)張放入同一個(gè)模型，既明確了非利息收入業(yè)務(wù)與銀行風(fēng)險(xiǎn)的關(guān)系，又實(shí)證檢驗(yàn)了信貸過度增長(zhǎng)對(duì)銀行風(fēng)險(xiǎn)的影響效應(yīng)；第二，本文采用動(dòng)態(tài)面板數(shù)據(jù)模型，運(yùn)用一步廣義矩估計(jì)方法進(jìn)行實(shí)證檢驗(yàn)，克服了以往研究忽視風(fēng)險(xiǎn)持續(xù)性影響問題，在研究方法上也有所創(chuàng)新。

三、計(jì)量模型與數(shù)據(jù)說明

（一）變量的選取

1.被解釋變量的選取

為了全面地反映銀行的風(fēng)險(xiǎn)，本文參考De Nicolo（2001）和 Stiroh（2006），選取資產(chǎn)收益率 （Return On ROA)的夏普指數(shù) (R_ROA)以及Z值 （以ROA計(jì)算）作為度量銀行風(fēng)險(xiǎn)的指標(biāo)，前者是衡量銀行風(fēng)險(xiǎn)調(diào)整的盈利性指標(biāo)，后者是衡量銀行破產(chǎn)風(fēng)險(xiǎn)的指標(biāo)。其中，R_ROA的計(jì)算如（1）所示：

式（1）中，ROAit為第 i家銀行 t年的平均資產(chǎn)收益率；SDROAit為第i家銀行t年的平均資產(chǎn)收益率的年度標(biāo)準(zhǔn)差；該指標(biāo)值越大，說明單位風(fēng)險(xiǎn)調(diào)整后的銀行收益水平越高，風(fēng)險(xiǎn)越小。

而ZSCORE的計(jì)算公式如下：

式 （2）中，CARit是銀行i在t年的資本資產(chǎn)率（即凈資產(chǎn)/總資產(chǎn)），ROAit是銀行i在t年的資產(chǎn)收益率，SDROAit是銀行i在樣本期內(nèi)資產(chǎn)收益率的標(biāo)準(zhǔn)差。ZSCORE越大，表明銀行破產(chǎn)的概率就越小。

2.解釋變量的選取

為了考察非利息收入業(yè)務(wù)擴(kuò)張與信貸過度增長(zhǎng)對(duì)銀行風(fēng)險(xiǎn)的影響，本文選取非利息收入占比、貸款增長(zhǎng)率以及貸款過度增長(zhǎng)率作為解釋變量。其中，本文所研究的非利息收入包括手續(xù)費(fèi)及傭金收入、投資收益、匯兌損益、公允價(jià)值變動(dòng)以及其他業(yè)務(wù)收入；非利息收入占比主要是指非利息收入占營(yíng)業(yè)收入的比重（NNINC），非利息收入占比越高，說明銀行非利息收入業(yè)務(wù)發(fā)展規(guī)模越大。

根據(jù)Foos et al（2010)，本文選取貸款過度增長(zhǎng)率作為信貸過度擴(kuò)張的指標(biāo)，并將其定義為某銀行的貸款增長(zhǎng)率與當(dāng)年所有樣本銀行貸款增長(zhǎng)率中位數(shù)的差。具體公式如下：

式（3）中，LOANit是銀行 i在 t年的貸款余額，LOANit－1是銀行 i在 t－1 年的貸款余額,MLOANGt表示t年樣本中所有銀行貸款增長(zhǎng)率的中位數(shù)。

3.控制變量的選取

為了防止其他變量對(duì)實(shí)證結(jié)果的干擾，本文選取了一系列控制變量。這些影響銀行風(fēng)險(xiǎn)的控制變量主要分為兩類，一類是銀行特征變量，另一類是外部環(huán)境變量。

參考以往文獻(xiàn) （Demirguc－Kunt和 Huizinga,2001），選取資產(chǎn)規(guī)模、凈利息邊際比以及流動(dòng)比率衡量銀行特征對(duì)風(fēng)險(xiǎn)的影響；資產(chǎn)規(guī)模對(duì)數(shù)（SIZE）衡量銀行規(guī)模，一般認(rèn)為，銀行風(fēng)險(xiǎn)與銀行資產(chǎn)規(guī)模正相關(guān)；凈利息邊際比對(duì)數(shù)（NIM）衡量銀行的存貸利差盈利能力，取對(duì)數(shù)能對(duì)時(shí)間序列起到平滑作用；成本收入比（CIR）衡量銀行財(cái)務(wù)穩(wěn)定性。

影響銀行風(fēng)險(xiǎn)的外部環(huán)境變量主要包括銀行業(yè)市場(chǎng)結(jié)構(gòu)環(huán)境變量與宏觀經(jīng)濟(jì)環(huán)境變量。本文參考陸靜、王漪碧和王捷（2014）的做法，但與其有所區(qū)別，采用市場(chǎng)集中度（CR4）來度量銀行業(yè)的市場(chǎng)結(jié)構(gòu)，用樣本中最大四家銀行的資產(chǎn)占所有樣本銀行資產(chǎn)的比例來衡量銀行業(yè)的集中程度。同時(shí)，參考張宗益和汪宇（2014）以及周曄和鄭軍麗（2014），選取GDP增長(zhǎng)率以及貨幣流動(dòng)性（M2/GDP）來度量宏觀環(huán)境對(duì)銀行風(fēng)險(xiǎn)的影響。

（二）解釋變量描述性統(tǒng)計(jì)與假設(shè)提出

本文搜集到的最新數(shù)據(jù)包括2004～2013年14家上市銀行的相關(guān)數(shù)據(jù)，其中因?yàn)橹袊r(nóng)業(yè)銀行和光大銀行的數(shù)據(jù)披露不夠全面因此沒有納入研究樣本。本文數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》、各銀行歷年年報(bào)以及wind數(shù)據(jù)庫。變量的定義與描述統(tǒng)計(jì)如表1所示。

（三）計(jì)量模型設(shè)定

為了確定計(jì)量模型的具體形式，本文首先通過豪斯曼檢驗(yàn)確定選取固定效應(yīng)模型，認(rèn)為每個(gè)銀行存在不隨時(shí)間變化的個(gè)體效應(yīng)。通過進(jìn)一步檢驗(yàn)，判斷模型也存在時(shí)間效應(yīng)，從而可以確定計(jì)量模型的誤差項(xiàng)包含了個(gè)體效應(yīng)和時(shí)間效應(yīng)。另外，考慮到銀行的風(fēng)險(xiǎn)存在持續(xù)性影響，因而本文在解釋變量中引入銀行風(fēng)險(xiǎn)的滯后項(xiàng)，得到動(dòng)態(tài)面板數(shù)據(jù)。

綜上所述，本文在借鑒Koler（2012）的計(jì)量模型基礎(chǔ)上，充分考慮中國銀行業(yè)的實(shí)際情況，選取了較為合理的控制變量，設(shè)定了模型（4）和（5）：

表1 主要變量及描述性統(tǒng)計(jì)

四、動(dòng)態(tài)面板GMM估計(jì)與結(jié)果分析

（一）內(nèi)生性檢驗(yàn)與動(dòng)態(tài)GMM估計(jì)

為進(jìn)一步從計(jì)量上確定內(nèi)生性，本文運(yùn)用豪斯曼檢驗(yàn)進(jìn)行經(jīng)驗(yàn)驗(yàn)證。進(jìn)行豪斯曼檢驗(yàn)時(shí)，每次選取一個(gè)解釋變量判斷其是否為內(nèi)生變量，并運(yùn)用該解釋變量的滯后期作為其工具變量。檢驗(yàn)結(jié)果表明，非利息收入業(yè)務(wù)和貸款增長(zhǎng)率在1%的顯著性水平上拒絕“所有變量均為外生變量”的原假設(shè)，而過度貸款增長(zhǎng)率是外生變量。

動(dòng)態(tài)面板模型的解釋變量中包含了被解釋變量的滯后項(xiàng)，使得組內(nèi)估計(jì)量是不一致的，而動(dòng)態(tài)面板的GMM估計(jì) (廣義矩估計(jì))可以很好的解決這個(gè)問題（肖興志，姜曉婧，2013）。動(dòng)態(tài)面板 GMM估計(jì)分為一步和兩步GMM估計(jì)。由于在小樣本中兩步估計(jì)的標(biāo)準(zhǔn)差存在向下偏倚，雖然這種偏倚在經(jīng)過Windmeijer的修正后會(huì)有所減小，但卻會(huì)導(dǎo)致兩步GMM估計(jì)量的近似漸進(jìn)分布不可靠（王志剛，2008）。因此，本文采用一步 GMM(one-step GMM)估計(jì)量。在估計(jì)的過程中，對(duì)模型施加了small選項(xiàng)，從而得到了t和F檢驗(yàn)統(tǒng)計(jì)量，而不是大樣本中的z和沃爾德檢驗(yàn)統(tǒng)計(jì)量。同時(shí)，通過異方差檢驗(yàn)發(fā)現(xiàn)模型存在組間異方差，在估計(jì)時(shí)用 robust選項(xiàng)進(jìn)行修正，因此在矩條件的過度識(shí)別檢驗(yàn)中Hansen檢驗(yàn)代替了Sargan檢驗(yàn)，并以此檢驗(yàn)工具變量的有效性。

（二）非利息收入業(yè)務(wù)擴(kuò)張和信貸過度增長(zhǎng)對(duì)銀行風(fēng)險(xiǎn)的影響

一階差分GMM估計(jì)方法很容易受到弱工具變量的影響而得到有偏的估計(jì)結(jié)果，尤其是在小樣本或者短時(shí)期內(nèi)，而系統(tǒng)GMM估計(jì)通過綜合一階差分方程和水平方程的方法克服了弱工具變量的影響（肖興志，姜曉婧，2013）。布倫德爾和邦德（1998）及布倫德爾、邦德和溫德梅杰（2000）利用蒙特卡洛模擬發(fā)現(xiàn)，有限樣本下，系統(tǒng)廣義矩估計(jì)比差分廣義矩估計(jì)的偏差更小，效率也得到了改進(jìn)。從本文實(shí)證結(jié)果可以看出，與回歸（1）差分GMM估計(jì)相比，回歸（2）運(yùn)用系統(tǒng)GMM估計(jì)，Hansen檢驗(yàn)的p值比回歸（1）更大，估計(jì)效率更高，而且使得風(fēng)險(xiǎn)滯后變量、貸款過度增長(zhǎng)等變量均顯著。因此，下面針對(duì)更加有效的系統(tǒng)GMM估計(jì)的結(jié)果進(jìn)行分析。

由表2可以看出，風(fēng)險(xiǎn)滯后期的估計(jì)系數(shù)為正，說明銀行上一期的風(fēng)險(xiǎn)對(duì)本期風(fēng)險(xiǎn)有持續(xù)性的影響。另外，貸款增長(zhǎng)率能降低銀行風(fēng)險(xiǎn)，但過度信貸擴(kuò)張?jiān)黾恿算y行風(fēng)險(xiǎn)。這與假設(shè)一致。這一結(jié)果與國外研究者Foos et al(2010)、Koler(2012)的研究結(jié)果一致，即貸款行為越激進(jìn)，銀行風(fēng)險(xiǎn)越大。

1.非利息收入業(yè)務(wù)對(duì)銀行風(fēng)險(xiǎn)的影響。從表2可以看出，上市商業(yè)銀行非利息收入占比對(duì)銀行風(fēng)險(xiǎn)的影響效應(yīng)不顯著。其原因可能是：第一，我國上市商業(yè)銀行非利息收入業(yè)務(wù)雖然近年來發(fā)展迅速，但在總收入中占比依然較低，我國現(xiàn)階段非利息收入業(yè)務(wù)發(fā)展水平只相當(dāng)于美國20世紀(jì)80年代水平；第二，本文研究的非利息收入，是由銀行年報(bào)披露的手續(xù)費(fèi)及傭金收入、投資收益、公允價(jià)值變動(dòng)、匯兌損益以及其他業(yè)務(wù)收入構(gòu)成。根據(jù)14家上市商業(yè)銀行2013年非利息收入業(yè)務(wù)收入占比構(gòu)成可以看出，手續(xù)費(fèi)及傭金收入是非利息收入業(yè)務(wù)收入的主要組成部分，而銀行在辦理這部分業(yè)務(wù)時(shí)，只充當(dāng)中介人，較少或幾乎不占用銀行資金，風(fēng)險(xiǎn)較小，收入比較穩(wěn)定。同時(shí)，風(fēng)險(xiǎn)較大的金融衍生交易產(chǎn)生的投資收益與匯兌損益占非利息收入業(yè)務(wù)收入比重較小，即使收入為負(fù)，影響也較小。

2.控制變量對(duì)銀行風(fēng)險(xiǎn)的影響

其他控制變量中，銀行特征對(duì)風(fēng)險(xiǎn)有顯著的影響。由表2可知，資產(chǎn)規(guī)模對(duì)銀行風(fēng)險(xiǎn)有顯著的正影響，說明上市銀行資產(chǎn)存在規(guī)模效應(yīng)，資產(chǎn)規(guī)模越大，銀行風(fēng)險(xiǎn)越小。同時(shí)，凈利息邊際越高，銀行的風(fēng)險(xiǎn)越小。因?yàn)殂y行凈利息收入較高，收益率也相應(yīng)較高時(shí)，銀行將較少對(duì)高風(fēng)險(xiǎn)行業(yè)的信貸投入，因此面臨的風(fēng)險(xiǎn)也較小。

表2也反映了外部環(huán)境變量對(duì)銀行風(fēng)險(xiǎn)的影響。其中，GDP增長(zhǎng)率越高，銀行風(fēng)險(xiǎn)越小，這是因?yàn)楫?dāng)宏觀經(jīng)濟(jì)處于景氣時(shí)期，失業(yè)率和企業(yè)破產(chǎn)率較低，銀行面臨的信貸風(fēng)險(xiǎn)較?。↘oler，2012）。貨幣流動(dòng)性MLIQUDITY對(duì)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)R_ROA以及破產(chǎn)風(fēng)險(xiǎn)Z值有顯著的負(fù)效應(yīng)，即當(dāng)宏觀經(jīng)濟(jì)利好的時(shí)候，貨幣流動(dòng)性的過剩增加了商業(yè)銀行的經(jīng)營(yíng)風(fēng)險(xiǎn)及破產(chǎn)風(fēng)險(xiǎn)（周曄，鄭軍麗，2014）。

銀行集中度CR4系數(shù)顯著為負(fù)，意味著銀行業(yè)集中度越高，銀行風(fēng)險(xiǎn)越高。這也反映出政府逐步放松銀行業(yè)管制、鼓勵(lì)中小銀行發(fā)展、不斷推進(jìn)利率市場(chǎng)化進(jìn)程以降低銀行集中度等政策是十分正確的。

表2 主要變量的動(dòng)態(tài)面板GMM估計(jì)結(jié)果

五、結(jié)論與政策建議

本文選取我國14家上市銀行的數(shù)據(jù)，采用動(dòng)態(tài)面板數(shù)據(jù)模型，運(yùn)用一步廣義矩估計(jì)分析方法，實(shí)證考察了非利息收入業(yè)務(wù)和信貸過度擴(kuò)張對(duì)銀行風(fēng)險(xiǎn)的影響效應(yīng)，得出結(jié)論：（1）銀行風(fēng)險(xiǎn)與非利息收入業(yè)務(wù)擴(kuò)張關(guān)系不顯著；（2）銀行風(fēng)險(xiǎn)與信貸過度擴(kuò)張顯著正相關(guān)。 針對(duì)本文的研究結(jié)論，筆者對(duì)我國商業(yè)銀行和中國政府監(jiān)管提出以下建議：

第一，銀行應(yīng)大力發(fā)展非利息收入業(yè)務(wù)，提高非利息收入占比。其中，除了穩(wěn)定提高手續(xù)費(fèi)及傭金收入水平，還應(yīng)加大非利息收入業(yè)務(wù)的創(chuàng)新力度，增加金融衍生產(chǎn)品的種類，在控制風(fēng)險(xiǎn)的前提下，增加金融衍生產(chǎn)品的交易，提高收益水平。中國政府監(jiān)管部門既要加強(qiáng)對(duì)商業(yè)銀行非利息收入業(yè)務(wù)的監(jiān)管，也需適當(dāng)放寬對(duì)國內(nèi)銀行業(yè)務(wù)范圍的限制，為商業(yè)銀行的金融創(chuàng)新提供制度和環(huán)境保障；第二，商業(yè)銀行可以通過適當(dāng)擴(kuò)大貸款規(guī)模，增加貸款利息收入以穩(wěn)定和提高凈利息收入，但不應(yīng)忽略貸款質(zhì)量，更不能盲目追求信貸增長(zhǎng)而降低對(duì)借款人的貸款標(biāo)準(zhǔn)和抵押要求。中國政府監(jiān)管必須加強(qiáng)對(duì)商業(yè)銀行信貸活動(dòng)的監(jiān)管，完善風(fēng)險(xiǎn)監(jiān)管體系，使商業(yè)銀行更好地為國民經(jīng)濟(jì)發(fā)展做出貢獻(xiàn)。

[1]黃雋,章艷紅.商業(yè)銀行的風(fēng)險(xiǎn):規(guī)模和非利息收入業(yè)務(wù)收入——以美國為例[J].金融研究,2010，(6):75～89.

[2]張羽,李黎.非利息收入業(yè)務(wù)收入有利于降低銀行風(fēng)險(xiǎn)嗎?——基于中國銀行業(yè)的數(shù)據(jù)[J].南開經(jīng)濟(jì)研究,2010，(4):69～91.

[3]周開國,李琳.中國商業(yè)銀行收入結(jié)構(gòu)多元化對(duì)銀行風(fēng)險(xiǎn)的影響[J].國際金融研究,2011，(5):57～66.

[4]張雪蘭.收入多元化能降低銀行風(fēng)險(xiǎn)嗎?——基于中國銀行業(yè)（2001～2010）的實(shí)證研究[J].投資研究,2011，(12):48～60.

[5]陸靜,王漪碧,王捷.貸款利率市場(chǎng)化對(duì)商業(yè)銀行風(fēng)險(xiǎn)的影響[J].國際金融研究,2014，(6):50～59.

[6]劉孟飛,張曉嵐,張超.我國商業(yè)銀行業(yè)務(wù)多元化、經(jīng)營(yíng)績(jī)效與風(fēng)險(xiǎn)相關(guān)性研究[J].國際金融研究,2012，(8):59～69.

[7]任哲,邵榮平.收入結(jié)構(gòu)、經(jīng)營(yíng)風(fēng)險(xiǎn)及多元化選擇：解析 78家商業(yè)銀行[J].財(cái)政金融,2012，(9):64～70.

[8]周曄,鄭軍麗.非利息收入業(yè)務(wù)收入業(yè)務(wù)會(huì)降低銀行的風(fēng)險(xiǎn)嗎——基于53家商業(yè)銀行的實(shí)證研究[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2014，(4):76～87.

[9]王志軍.歐盟銀行業(yè)的非利息收入業(yè)務(wù)收入[J].國際金融研究,2004,(7):47～52.

[10]肖興志,姜曉婧.中國電信產(chǎn)業(yè)改革評(píng)價(jià)與改革次序優(yōu)化——基于產(chǎn)權(quán)、競(jìng)爭(zhēng)、規(guī)制的動(dòng)態(tài)面板模型[J].經(jīng)濟(jì)社會(huì)比較,2013，(2):193～204.

[11]王志剛.面板數(shù)據(jù)模型及其在經(jīng)濟(jì)分析中的應(yīng)用[M].北京：經(jīng)濟(jì)科學(xué)出版社，2008.

[12]Lepetit,L,Nys,E,Rous,P,and Tarazi,A.Bank Income Structure and Risk:An Empirical Analysis of European Banks [J].Journal of Banking&Finance,2008(12):1452～1467.

[13]Stiroh,K.J.and Rumble,A.The Dark Side of Diversification:The Case of US Financial Holding Companies [J].Journal of Banking and Finance,2006(10):2131～2161.

[14]Stiroh,K.J.Diversification in Banking:Is Noninterest Income the Answer[J].Journal of Money,Credit,and Banking,2004(6):853～882.

[15]Templeton,W.K.and Severiens J.T.The Effect of Nonbank Diversification on Bank Holding Companies[J].Quarterly Journal of Business and Economics,1992(11):3～16.

[16]De Young,R.and Roland,K.Product Mix and Earnings Volatility at Commercial Banks:Evidence from a Degree ofTotal Leverage Model[J].Journal of Financial Intermediation,2001(10):54～84.

[17]Rosie Smith，Christos Staikouras and Geoffrey Wood.Non－interest Income and Total Income Stability[R].Working Paper,2003,www.bankofengland.co.uk/publications/workingpapers.

[18]Mercieca,S.K.Schaeck，and S.Wolfe.Small European Banks：Benefits From Diversification?[J].Journal of Banking and Finance,2007(1):1975～1998.

[19]Eisemann,P.Diversification and the Congeneric Bank Holding Company[J].Journal of Bank Re－search,1976(1):68～77.

[20]Foos,D,Norden L.and Weber M.Loan Growth and Riskiness of Banks[J].Journal of Banking and Finance,2010(12):2929～2940.

[21]Jimenéz,G.and Saurina,J.Credit Cycles,Credit Risk,and Prudential Regulation[J].International Journal of Central Banking,2006(2):65～98.

[22]Juan Sebastián Amador.JoséE.Gómez －González.Andrés Murcia Pabón.Loan growth and bank risk:new evidence[J].Financ Mark Portf Manag,2013(2):365～379.

[23]Asli Demirguc－Kunt,Harry Huizinga.Bank activity and funding strategies:The impact on risk and returns[J]Journal of Financial Economics,2010(11):626～650.