■ 張 歡
2013年 7月 20日,隨著央行取消貸款利率下限30%的限制,中國(guó)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(guó)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(guó)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(guó)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(guó)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(guó)內(nèi)14家上市銀行2004~2013年的數(shù)據(jù)(3家大國(guó)有控股商業(yè)銀行、11家非國(guó)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。
國(guó)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(guó)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(guó)學(xué)者張羽和李黎(2010)實(shí)證檢驗(yàn)了中國(guó)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(guó)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(guó)內(nèi)研究文獻(xiàn)也有類似結(jié)論。周開國(guó)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?,具有較強(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。
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(guó)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(guó)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(guó)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(guó)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。
綜上所述,國(guó)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(guó)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。
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。
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?guó)農(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(guó)統(tǒng)計(jì)年鑒》、各銀行歷年年報(bào)以及wind數(shù)據(jù)庫(kù)。變量的定義與描述統(tǒng)計(jì)如表1所示。
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(guó)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)
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。
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(guó)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(guó)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(guó)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(guó)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
本文選取我國(guó)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(guó)商業(yè)銀行和中國(guó)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(guó)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(guó)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(guó)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(guó)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(guó)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(guó)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(guó),李琳.中國(guó)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(guó)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(guó)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(guó)際金融研究,2014,(6):50~59.
[6]劉孟飛,張曉嵐,張超.我國(guó)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(guó)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(guó)際金融研究,2004,(7):47~52.
[10]肖興志,姜曉婧.中國(guó)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.