陳詩(shī)一 汪 莉 楊 立

一、 引 言

我國(guó)影子銀行業(yè)務(wù)的快速增長(zhǎng)，一方面幫助小型和私營(yíng)企業(yè)獲得了所需的貸款并且為投資者提供了比銀行存款回報(bào)率更高的產(chǎn)品；另一方面，他們也可能投向非常有風(fēng)險(xiǎn)或非生產(chǎn)性的投資，如房地產(chǎn)和基礎(chǔ)設(shè)施，導(dǎo)致銀行體系整體風(fēng)險(xiǎn)的增加。據(jù)《經(jīng)濟(jì)學(xué)人》2014年5月10日?qǐng)?bào)道，“在距上海幾小時(shí)車程的靖江市，揚(yáng)子江造船公司是盈利最高的公司之一，去年的收入為人民幣30億元(合4.81億美元)。但其中只有三分之二來(lái)自造船。其余的來(lái)自于通過(guò)一種叫做委托貸款的當(dāng)?shù)亟鹑诠ぞ呦蚱渌咎峁┵J款?！边@使揚(yáng)子江處于另一個(gè)行業(yè)的前沿：影子銀行。

不同于西方國(guó)家，我國(guó)影子銀行業(yè)務(wù)嚴(yán)重依賴于傳統(tǒng)商業(yè)銀行來(lái)提供資金和流動(dòng)性，以及幫助銷售投資產(chǎn)品。同時(shí)，銀行可以將其資產(chǎn)負(fù)債表中的信貸轉(zhuǎn)移到表外，以逃避監(jiān)管并獲得中介收入。委托貸款和理財(cái)產(chǎn)品(WMPs)是其中的兩種較為重要的影子銀行業(yè)務(wù)形式。委托貸款本質(zhì)上是企業(yè)間的貸款，在這種貸款中，貸款機(jī)構(gòu)與目標(biāo)借款人建立了所有的條款(包括規(guī)模、期限、收益和抵押品)。因此，銀行作為中介和受托人將這一過(guò)程合法化，并收取20-30bp的費(fèi)用。盡管委托貸款幫助貸款人/借款人在有效管理流動(dòng)性剩余或需求方面發(fā)揮著重要作用，但它們也可能顯著增加銀行的總體風(fēng)險(xiǎn)。這是因?yàn)椋?1)大部分委托貸款是流向房地產(chǎn)開(kāi)發(fā)等高風(fēng)險(xiǎn)項(xiàng)目；(2)委托貸款的利率可以達(dá)到20%甚至高于貸款基準(zhǔn)利率的3倍,這可能影響借款人的信用檔案(在違約的情況下甚至?xí)绊戀J款人的信用檔案),導(dǎo)致銀行總體資產(chǎn)質(zhì)量的惡化[1]。與委托貸款不同，理財(cái)產(chǎn)品是銀行出售的投資管理計(jì)劃。通常銀行通過(guò)發(fā)行理財(cái)產(chǎn)品來(lái)募集短期資金，并投資于長(zhǎng)期資產(chǎn)，包括債券、股票、銀行貸款和投資組合。盡管WMPs的條款表明，當(dāng)投資失敗時(shí)投資者需要承擔(dān)損失，但人們普遍認(rèn)為，銀行至少會(huì)兌付本金以維護(hù)其聲譽(yù)[2]。理財(cái)產(chǎn)品也可能增加銀行的整體風(fēng)險(xiǎn)，有以下兩個(gè)原因:(1)理財(cái)產(chǎn)品的平均期限越來(lái)越短，而大多數(shù)資產(chǎn)池的投資越來(lái)越多地投資于期限較長(zhǎng)、流動(dòng)性較差的產(chǎn)品。一旦現(xiàn)金流停止流入WMPs，這種期限錯(cuò)配可能會(huì)使中國(guó)的銀行所面臨的緊張的流動(dòng)性狀況變得更加困難[1]。(2)許多理財(cái)產(chǎn)品的標(biāo)的資產(chǎn)依賴于高風(fēng)險(xiǎn)項(xiàng)目，如房地產(chǎn)或長(zhǎng)期的基礎(chǔ)設(shè)施項(xiàng)目，這些項(xiàng)目可能沒(méi)有足夠的現(xiàn)金流進(jìn)行付還*本文對(duì)影子銀行的界定主要參考東方證券宏觀經(jīng)濟(jì)報(bào)告《影子銀行：國(guó)際圖景及中國(guó)形態(tài)》，且主要關(guān)心的是商業(yè)銀行所參與的影子銀行活動(dòng)，而這部分活動(dòng)主要體現(xiàn)為商業(yè)銀行的資產(chǎn)表外化特征。[2]。

我國(guó)商業(yè)銀行資產(chǎn)負(fù)債表風(fēng)險(xiǎn)主要體現(xiàn)為與不良貸款相關(guān)的信貸風(fēng)險(xiǎn)，并長(zhǎng)期以來(lái)被視為銀行整體風(fēng)險(xiǎn)中最重要的一部分。然而，隨著資產(chǎn)負(fù)債表項(xiàng)目的改善和影子銀行在我國(guó)的興起，這一問(wèn)題受到了挑戰(zhàn)。與影子銀行業(yè)務(wù)的參與密切相關(guān)的表外風(fēng)險(xiǎn)也具有重要意義，忽視表外風(fēng)險(xiǎn)可能導(dǎo)致銀行杠桿的低估和流動(dòng)性狀況的高估，此外，銀行表內(nèi)項(xiàng)目也可能受到表外風(fēng)險(xiǎn)的影響，并進(jìn)一步增加銀行的整體風(fēng)險(xiǎn)。例如，一旦現(xiàn)金流停止進(jìn)入WMPs，銀行將不得不利用表內(nèi)資源為表外業(yè)務(wù)提供資金支持。因此，在銀行的效率分析中，同時(shí)考慮表內(nèi)的信貸風(fēng)險(xiǎn)和表外風(fēng)險(xiǎn)是很重要的。

因此，在商業(yè)銀行對(duì)影子銀行業(yè)務(wù)參與日益頻繁的背景下，本文試圖回答以下幾個(gè)重要問(wèn)題：(1)參與影子銀行活動(dòng)后，我國(guó)商業(yè)銀行的總體風(fēng)險(xiǎn)如何變化？這種風(fēng)險(xiǎn)變化如何影響銀行的效率？(2)效率變化在不同類型所有權(quán)和區(qū)域的銀行之間是否有所不同？雖然越來(lái)越多的研究在關(guān)注風(fēng)險(xiǎn)對(duì)銀行效率的影響，例如Chen[3]以及Saeed & Izzeldin[4]，但據(jù)筆者所知，這些研究中沒(méi)有一個(gè)完全將表外風(fēng)險(xiǎn)納入銀行效率的衡量[5][6][7][8][9]，因此，總體風(fēng)險(xiǎn)在這些研究中被低估了。此外，有關(guān)中國(guó)銀行問(wèn)題的現(xiàn)有研究是基于較小的樣本數(shù)據(jù)，這可能會(huì)導(dǎo)致有偏差的風(fēng)險(xiǎn)和效率估計(jì)。本文將基于更加全面的銀行樣本對(duì)表外風(fēng)險(xiǎn)約束下銀行的效率進(jìn)行重新估算并基于估算后的銀行效率，分析商業(yè)銀行影子業(yè)務(wù)參與對(duì)銀行效率的影響。

二、 文獻(xiàn)綜述

(一) 銀行效率的決定因素

長(zhǎng)期以來(lái)，銀行業(yè)特征、市場(chǎng)競(jìng)爭(zhēng)、宏觀經(jīng)濟(jì)政策環(huán)境都是決定銀行效率的重要因素。關(guān)于銀行特征對(duì)效率的影響，Hsiao[10]表明，不良貸款較低和資本充足率較高的銀行經(jīng)營(yíng)效率較高。Cyree & Spurlin[11]的研究表明銀行規(guī)模在決定銀行效率方面的重要性，并認(rèn)為當(dāng)農(nóng)村市場(chǎng)出現(xiàn)大銀行時(shí)，該市場(chǎng)的小銀行利潤(rùn)率會(huì)比較低。Yang & Liu[12]指出，混合所有制銀行分支機(jī)構(gòu)的整體績(jī)效優(yōu)于臺(tái)灣“國(guó)有銀行”分支機(jī)構(gòu)。與此相反，Goddard[13]在分析了拉丁美洲的成本效率后發(fā)現(xiàn)，墨西哥私有銀行成本效率下降的速度快于國(guó)有銀行。Maudos & Guevara[14]支持市場(chǎng)競(jìng)爭(zhēng)與銀行效率之間的負(fù)相關(guān)關(guān)系，而Duygun[15]發(fā)現(xiàn)，商業(yè)銀行通過(guò)提高其成本和利潤(rùn)效率來(lái)應(yīng)對(duì)競(jìng)爭(zhēng)強(qiáng)度的增加。

關(guān)于宏觀經(jīng)濟(jì)環(huán)境，GDP、通貨膨脹和政府支出被視為銀行效率的重要決定因素。Chen[3]指出，總收入增長(zhǎng)等經(jīng)濟(jì)狀況指標(biāo)可以反映銀行業(yè)的總體風(fēng)險(xiǎn)和業(yè)務(wù)量，從而對(duì)銀行效率產(chǎn)生正向影響。Lensink[16]也支持正向關(guān)系，并認(rèn)為位于更繁榮地區(qū)的銀行往往更容易獲得新技術(shù)。然而，Chortareas[17]表明，由于成本控制效率更低，GDP對(duì)銀行效率有負(fù)面影響。對(duì)于通貨膨脹，Saeed & Izzeldin[4]認(rèn)為，通貨膨脹的增加可能會(huì)提高銀行的利息成本，從而降低活動(dòng)的效率。在Barth[18]的研究中，通貨膨脹與銀行效率之間的負(fù)相關(guān)關(guān)系也很明顯，而Johnes[19]認(rèn)為，通貨膨脹對(duì)銀行效率沒(méi)有顯著影響。Chortareas[20]認(rèn)為，通過(guò)官僚主義、浪費(fèi)和更低的生產(chǎn)率這些渠道，過(guò)度的政府支出通常會(huì)導(dǎo)致銀行效率低下，至于政策環(huán)境，Chortareas[17]和Barth[18]認(rèn)為，監(jiān)管政策對(duì)商業(yè)銀行效率的影響取決于政策形式。Barth[18]表明，對(duì)銀行業(yè)務(wù)更嚴(yán)格的限制與銀行效率負(fù)相關(guān)，而資本監(jiān)管的嚴(yán)格程度與銀行效率有較小的正相關(guān)關(guān)系。除了監(jiān)管和監(jiān)管政策，Harris[21]發(fā)現(xiàn)TARP注資的銀行往往具有較低的經(jīng)營(yíng)效率。Chortareas[20]通過(guò)調(diào)查在歐盟27個(gè)成員國(guó)中經(jīng)營(yíng)的大量商業(yè)銀行樣本表明，一個(gè)經(jīng)濟(jì)體的金融自由程度越高，銀行在成本方面的優(yōu)勢(shì)越大。

(二) 銀行效率的估算

測(cè)量相對(duì)效率的方法可以分為兩大類：參數(shù)法和非參數(shù)法[4][13][15][22]。隨機(jī)邊界法(SFA)等參數(shù)化方法的結(jié)果很大程度上取決于所選擇的函數(shù)形式如何準(zhǔn)確地捕捉生產(chǎn)關(guān)系[8]。數(shù)據(jù)包絡(luò)分析(DEA)等非參數(shù)方法對(duì)函數(shù)形式?jīng)]有任何限制，對(duì)于評(píng)估通常不具有明確生產(chǎn)函數(shù)的銀行等金融機(jī)構(gòu)的效率非常有吸引力。此外，DEA非參數(shù)法可以處理在參數(shù)法中無(wú)法處理的多個(gè)產(chǎn)出問(wèn)題。因此，DEA在評(píng)估提供服務(wù)的金融機(jī)構(gòu)等單位的相對(duì)效率時(shí)被廣泛應(yīng)用[17][18][20][21]。

最近，一些改進(jìn)的DEA技術(shù)得到了應(yīng)用，例如網(wǎng)絡(luò)DEA，它不僅對(duì)組織整體進(jìn)行建模，而且還測(cè)量了組織內(nèi)每個(gè)成分的績(jī)效。Yang & Liu[12]在進(jìn)行銀行分行評(píng)估時(shí)將網(wǎng)絡(luò)DEA與多目標(biāo)規(guī)劃方法相結(jié)合。

但是，在估計(jì)銀行效率時(shí)，上述研究都沒(méi)有考慮到不良貸款(不良貸款)等不良產(chǎn)出。正如Assaf等[23]指出，如果不良產(chǎn)出在績(jī)效評(píng)估中被忽視，那么高績(jī)效銀行不一定比其他銀行更好，因?yàn)樗赡芤愿弑壤姆瞧谕a(chǎn)出為代價(jià)。在估計(jì)有效前沿時(shí)不考慮NPLs可能會(huì)導(dǎo)致對(duì)努力減少不良產(chǎn)出的銀行的信用評(píng)級(jí)失效[24]以及有偏的估計(jì)結(jié)果[23][25]。

到目前為止，只有較少的研究將非期望產(chǎn)出直接納入銀行生產(chǎn)過(guò)程的一部分[26][27]。雖然在這幾項(xiàng)研究中強(qiáng)調(diào)了納入非期望產(chǎn)出對(duì)于評(píng)估銀行效率的意義，但在評(píng)估銀行效率方面仍有幾個(gè)重要的問(wèn)題需要解決。首先，在銀行部門(mén)生產(chǎn)過(guò)程中納入了非期望產(chǎn)出的研究依賴于定向距離函數(shù)來(lái)衡量銀行效率，假設(shè)期望產(chǎn)出的增加和不良產(chǎn)出的下降遵循相似的比例，這對(duì)于現(xiàn)實(shí)情況來(lái)說(shuō)太嚴(yán)格[28]。此外，這些研究中大部分效率的衡量是徑向的和角度的，在非零松弛變量的約束條件下這很大程度上高估了效率[29]。因此，本文通過(guò)應(yīng)用非徑向、非角度全局的基于松弛的測(cè)度方法(SBM)來(lái)克服網(wǎng)絡(luò)DEA框架下銀行效率估計(jì)的缺點(diǎn)。筆者將此方法命名為網(wǎng)絡(luò)SBM法。下一節(jié)將進(jìn)一步討論這種方法的細(xì)節(jié)。

此外，直到現(xiàn)在，只有銀行的貸款損失[30]和不良貸款[27]是被納入銀行生產(chǎn)過(guò)程中的非期望產(chǎn)出。隨著風(fēng)險(xiǎn)對(duì)銀行效率的影響越來(lái)越受到重視[3][4]，將整體風(fēng)險(xiǎn)納入銀行效率測(cè)算中十分重要。然而，無(wú)論是貸款損失還是不良貸款都主要是銀行資產(chǎn)負(fù)債表內(nèi)貸款活動(dòng)產(chǎn)生的信用風(fēng)險(xiǎn)，不能很好地捕捉到銀行的整體風(fēng)險(xiǎn)，特別是表外風(fēng)險(xiǎn)敞口。在中國(guó)，由于強(qiáng)勁的信貸需求和政策部門(mén)施加的融資約束，近年來(lái)銀行業(yè)表外活動(dòng)大幅增長(zhǎng)[1]。因此，為了更好地捕捉這種表外風(fēng)險(xiǎn)對(duì)銀行效率的影響，本論文采用更廣泛的風(fēng)險(xiǎn)度量方法，即風(fēng)險(xiǎn)加權(quán)資產(chǎn)(用相應(yīng)的風(fēng)險(xiǎn)進(jìn)行加權(quán)的表內(nèi)和表外資產(chǎn)的總和)，作為估計(jì)銀行效率的不良產(chǎn)出。

三、 商業(yè)銀行效率估算

(一) 銀行效率估算：網(wǎng)絡(luò)SBM方法

由于銀行效率不能直接觀察到，因此在進(jìn)行實(shí)證分析之前必須進(jìn)行估算。筆者沿著Fukuyama & Weber[29]以及Sueyoshi & Goto[31]的思路提出了一種網(wǎng)絡(luò)SBM方法，它是網(wǎng)絡(luò)DEA和SBM方法的結(jié)合。與傳統(tǒng)DEA相比，網(wǎng)絡(luò)SBM具有以下優(yōu)勢(shì)。首先，傳統(tǒng)的DEA最初是為了測(cè)量被視為一個(gè)黑匣子的生產(chǎn)單元整體的效率，沒(méi)有考慮其內(nèi)部結(jié)構(gòu)。然而，正如F?re & Grosskopf[32]所說(shuō)，考慮到其內(nèi)部結(jié)構(gòu)的網(wǎng)絡(luò)DEA提供了比傳統(tǒng)DEA更有效的效率測(cè)量。其次，傳統(tǒng)的DEA只能將存款視為銀行的投入或產(chǎn)出，因?yàn)樗雎粤算y行的內(nèi)部結(jié)構(gòu)。事實(shí)上，不管用什么方法來(lái)估算效率，確定銀行的投入和產(chǎn)出是至關(guān)重要的。雖然大多數(shù)研究者認(rèn)同員工和固定資產(chǎn)代表銀行投入，貸款和其他收益資產(chǎn)大多被視為銀行產(chǎn)出，但存款和其他類型負(fù)債的角色是有爭(zhēng)議的。一些研究人員認(rèn)為，存款應(yīng)被視為銀行產(chǎn)出，因?yàn)樗鼈兇硐蚩蛻籼峁┑姆?wù)(生產(chǎn)法)。另一些則強(qiáng)調(diào)銀行作為將存款和其他負(fù)債用于貸款和投資于其他收益資產(chǎn)的金融中介機(jī)構(gòu)的作用，所以存款應(yīng)被視為銀行的投入(中介法)。因此，研究中存在效率估算的非一致性：在中介法下，擁有更多存款和更少貸款的銀行將被視為是無(wú)效率的，但在生產(chǎn)法下可能被認(rèn)為是有效率的。因此，將存款作為投入或產(chǎn)出可能對(duì)效率估算產(chǎn)生重大影響[22]。正如Holod & Lewis所指出的，網(wǎng)絡(luò)DEA模型認(rèn)為存款是作為銀行生產(chǎn)過(guò)程第一階段的產(chǎn)出并投入到第二階段的中間產(chǎn)品，對(duì)于更多或是更少的存款哪一種更有利不作判斷。在網(wǎng)絡(luò)DEA方法下，存款對(duì)銀行效率的影響由生產(chǎn)過(guò)程兩個(gè)階段的綜合效率分?jǐn)?shù)決定。

此外，傳統(tǒng)的DEA主要與距離函數(shù)有關(guān)。如Kumar所指出，早期的Shepherd距離函數(shù)不允許減少非期望產(chǎn)出并同時(shí)增加期望產(chǎn)出的技術(shù)變化。也就是說(shuō)，銀行不良貸款等非期望產(chǎn)出不能被Shephard的投入或產(chǎn)出距離函數(shù)正確地處理。為了克服這個(gè)問(wèn)題，Chung等首先提出了一種方向性距離函數(shù)，可以通過(guò)假設(shè)它的弱可處置性來(lái)捕捉非期望產(chǎn)出的負(fù)外部性。它讓生產(chǎn)者能同時(shí)增加期望產(chǎn)出并減少非期望產(chǎn)出。然而，對(duì)于給定的投入水平，方向距離函數(shù)假設(shè)期望產(chǎn)出的增加和非期望產(chǎn)出的減少遵循相同的比例。就像Shephard距離函數(shù)一樣，這個(gè)函數(shù)采用了效率的徑向測(cè)量。而SBM的提出放寬了方向距離函數(shù)的假設(shè)，以考慮投入和產(chǎn)出變量的松弛情況。因此，SBM是一種非徑向方法，適用于當(dāng)投入和產(chǎn)出可能非按比例變化時(shí)的效率測(cè)量。

雖然網(wǎng)絡(luò)SBM法已經(jīng)被應(yīng)用于銀行效率的估算，但本文在很多方面與此前文獻(xiàn)有所不同。首先，大部分這類研究[33][34][35][36][37]都沒(méi)有考慮在效率評(píng)估中十分重要的非期望產(chǎn)出。如Assaf等所指出的，銀行可能會(huì)以產(chǎn)生大量非期望產(chǎn)出為代價(jià)來(lái)實(shí)現(xiàn)高效率。其次，與最近將不良貸款作為非期望產(chǎn)出納入效率估算的研究不同，本文首先將銀行整體風(fēng)險(xiǎn)，特別是表外風(fēng)險(xiǎn)納入效率估算。

(二) 估算模型

P={(x,y,b,z)|x(s)≥X(s)λ(s),y(s)≤Y(s)λ(s),b(s)≥B(s)λ(s),Z(p)λ(p)≥Z(p,s)λ(s)}

(1)

(2)

(3)

(4)

在本研究中，如圖1所示，DMU是我國(guó)的商業(yè)銀行。每個(gè)銀行的經(jīng)營(yíng)結(jié)構(gòu)分為兩個(gè)階段(s=2)，分別對(duì)應(yīng)于第一階段的存款功能和第二階段的服務(wù)和銷售功能。在第一階段，k(t)=4，包括所有者權(quán)益、固定資產(chǎn)凈值、雇員數(shù)量和利息費(fèi)用這四種基本投入。H(1,2)=1指總存款。在第二階段，K(2)=2，包含管理費(fèi)用和運(yùn)營(yíng)費(fèi)用兩種基本投入。L(2)=2，指代正常貸款和營(yíng)業(yè)收入兩種最終期望產(chǎn)出。M(2)=2,指代風(fēng)險(xiǎn)加權(quán)資產(chǎn)和不良貸款兩種最終非期望產(chǎn)出。為了通過(guò)計(jì)算兩個(gè)過(guò)程的平均效率來(lái)獲得系統(tǒng)效率，將權(quán)重w(1)和w(2)設(shè)置為0.4和0.6，以反映第2階段比第1階段更重要。

圖1 網(wǎng)絡(luò)DEA框架

(三) 估算結(jié)果與分析

1.不同類型銀行間的效率比較

基于上述網(wǎng)絡(luò)SBM方法，筆者估計(jì)了2004年至2012年間我國(guó)171家商業(yè)銀行的效率。為了進(jìn)行不同類型銀行和不同區(qū)域銀行間的對(duì)比，筆者將樣本中的銀行進(jìn)行了劃分*其中，在銀行類型上，按照銀監(jiān)會(huì)年報(bào)中的劃分標(biāo)準(zhǔn)，將銀行劃分為大型商業(yè)銀行、股份制商業(yè)銀行、城市商業(yè)銀行和農(nóng)村商業(yè)銀行。東中西部地區(qū)的劃分則參考現(xiàn)有文獻(xiàn)和中國(guó)衛(wèi)生統(tǒng)計(jì)年鑒等官方年鑒中對(duì)我國(guó)區(qū)域的劃分辦法，依據(jù)銀行總部所在地進(jìn)行劃分，其中東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區(qū)包括黑龍江、吉林、山西、河南、湖北、湖南、江西、安徽；西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆。。

本文所涉及的銀行特征數(shù)據(jù)主要來(lái)自各銀行年度報(bào)告，部分銀行數(shù)據(jù)根據(jù)Wind數(shù)據(jù)庫(kù)、Bankscope數(shù)據(jù)庫(kù)、《中國(guó)金融年鑒》等整理得到?？紤]到部分城市商業(yè)銀行和農(nóng)村商業(yè)銀行由原來(lái)的城市信用社和農(nóng)村信用社改制而來(lái)，為了避免統(tǒng)計(jì)口徑不一致性帶來(lái)的問(wèn)題，筆者將改制前后的銀行作為不同銀行納入樣本。對(duì)于銀行在觀測(cè)年度內(nèi)可能存在的重組問(wèn)題，筆者還進(jìn)行了如下的穩(wěn)健性分析：剔除了包括江蘇銀行、徽商銀行和吉林銀行在內(nèi)的通過(guò)重組成為省內(nèi)統(tǒng)一銀行的銀行，筆者發(fā)現(xiàn)結(jié)論依然成立。此外，對(duì)于缺失的風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)，筆者依據(jù)江曙霞和陳玉嬋[38]的方法進(jìn)行估算，極少部分無(wú)法估算的數(shù)據(jù)，筆者采用了線性插值法補(bǔ)齊。為了強(qiáng)調(diào)將表外貸款的風(fēng)險(xiǎn)納入效率估算的重要性，筆者采用兩個(gè)模型來(lái)估算效率：模型1將風(fēng)險(xiǎn)加權(quán)資產(chǎn)作為非期望產(chǎn)出納入每個(gè)銀行的第二個(gè)生產(chǎn)階段，而模型2僅將NPLs作為非期望產(chǎn)出。因此，與只衡量了表內(nèi)信貸風(fēng)險(xiǎn)對(duì)銀行效率影響的模型2相比，模型1可以很好地捕捉銀行整體風(fēng)險(xiǎn)特別是表外風(fēng)險(xiǎn)敞口對(duì)銀行效率的不利影響*用于效率估計(jì)的所有變量的統(tǒng)計(jì)性描述考慮篇幅原因不再給出。如有需要可向作者索要。。

表1按類型報(bào)告了兩種模型所估計(jì)出的效率的描述性統(tǒng)計(jì)特征。首先，從效率的整體表現(xiàn)上看，兩種模型都表明，大型商業(yè)銀行和股份制商業(yè)銀行是中國(guó)效率最高的銀行。近年來(lái)，SOCBs的所有制改革和外資吸引戰(zhàn)略等諸多改革已成為提高效率的重要推動(dòng)力。比較模型1和模型2之間的效率，如下表所示，對(duì)股份制商業(yè)銀行和城市商業(yè)銀行而言，模型1估算效率的平均值低于模型2；而對(duì)于大型商業(yè)銀行和農(nóng)村商業(yè)銀行，模型1估計(jì)效率的平均值較高。從估計(jì)效率的標(biāo)準(zhǔn)差上看，在模型1下，大型商業(yè)銀行和股份制商業(yè)銀行有較大的標(biāo)準(zhǔn)差，而城市和農(nóng)村商業(yè)銀行有較小的標(biāo)準(zhǔn)差。雖然不同類型的商業(yè)銀行效率的平均值和標(biāo)準(zhǔn)偏差不同，但是可以發(fā)現(xiàn)一致的規(guī)律：作為中國(guó)金融創(chuàng)新和影子銀行活動(dòng)參與度最高的股份制商業(yè)銀行，當(dāng)在估算效率中考慮其表外風(fēng)險(xiǎn)敞口時(shí)，其效率具有更低的平均值和更高的波動(dòng)水平。相比之下，農(nóng)村商業(yè)銀行由于是以表內(nèi)貸款為主并且影子銀行活動(dòng)的參與率最低，當(dāng)非期望產(chǎn)出只包含不良貸款時(shí)，其效率才有較低的平均值和較高的波動(dòng)水平。這說(shuō)明，忽略銀行表外風(fēng)險(xiǎn)敞口，可能會(huì)導(dǎo)致經(jīng)常參與影子銀行活動(dòng)的銀行的效率估算有偏。

表1 按類型分銀行效率的統(tǒng)計(jì)性描述

圖2 2004-2012年按類型分銀行效率變化趨勢(shì)

圖2(a)～(d)描述了模型1和模型2中2004-2012年間每類商業(yè)銀行效率的演變。如圖2所示，對(duì)于股份制商業(yè)銀行和城市商業(yè)銀行而言，幾乎每一年，模型1估計(jì)的平均效率都低于模型2。而對(duì)于農(nóng)村商業(yè)銀行，在每一年，模型1的效率估計(jì)平均值基本上都高于模型2。這種差異可能是因?yàn)槲覈?guó)農(nóng)村商業(yè)銀行分行有限，人力資本和創(chuàng)新能力差，其不良貸款率最高，而對(duì)表外活動(dòng)的參與度較低，仍然依賴傳統(tǒng)借貸活動(dòng)。以WMP為例，截至2012年底，其他三類銀行發(fā)放的WMPs(從2004年開(kāi)始)累計(jì)數(shù)量占比分別為36.16%、37.73%和23.05%，農(nóng)村商業(yè)銀行發(fā)行的WMPs累計(jì)數(shù)量只占3.06%。此外，模型1和模型2中的大型商業(yè)銀行的平均效率在不同時(shí)期有不同特征。2008年金融危機(jī)前模型1估計(jì)的效率低于模型2，而金融危機(jī)之后則高于模型2。這種變化可能與2008年后實(shí)施的一系列監(jiān)管和禁止銀行業(yè)表外業(yè)務(wù)活動(dòng)的規(guī)定密切相關(guān)，這在一定程度上緩解了整體風(fēng)險(xiǎn)對(duì)銀行效率的影響。例如，銀行不得使用WMPs的收益來(lái)購(gòu)買(mǎi)自己的信貸資產(chǎn)，同時(shí)被要求將通過(guò)單一投資者信托產(chǎn)品出售給信托公司的信貸資產(chǎn)重新放回表內(nèi)[1]。

根據(jù)表1和圖2(a)～(d)，筆者可以得出結(jié)論，雖然上述兩個(gè)模型在估計(jì)銀行效率時(shí)各有其特征，但總體而言，大型商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行由于越來(lái)越多的參與影子銀行活動(dòng)，表外風(fēng)險(xiǎn)敞口越來(lái)越突出，只考慮表內(nèi)信貸風(fēng)險(xiǎn)的模型可能會(huì)高估它們的平均效率水平。而將表外風(fēng)險(xiǎn)納入其中的模型可以更好地捕捉這些銀行由于承擔(dān)的風(fēng)險(xiǎn)較高而導(dǎo)致低效率。這表明，影子銀行業(yè)務(wù)和隨之而來(lái)的風(fēng)險(xiǎn)監(jiān)控成本，可能會(huì)導(dǎo)致銀行管理者的注意力從經(jīng)營(yíng)效率中分散開(kāi)來(lái)，而這種影響在非農(nóng)商業(yè)銀行尤為突出。

2.不同地區(qū)銀行間的效率比較

表2展示了由模型1和模式2估算的位于我國(guó)不同地區(qū)銀行效率的描述性統(tǒng)計(jì)特征。從整體表現(xiàn)看，兩種模型都表明，東部銀行的平均效率比中西部銀行高。這主要是由于我國(guó)銀行業(yè)長(zhǎng)期存在的區(qū)域發(fā)展不平衡。東部地區(qū)有上海、北京、廣州這些快速發(fā)展的城市，為商業(yè)銀行提供了豐富的金融資源(如存貸款，金融網(wǎng)絡(luò))、良好的經(jīng)濟(jì)環(huán)境和優(yōu)秀的員工隊(duì)伍，使得這些地區(qū)的銀行業(yè)擁有了更好的管理水平和更高的效率。目前所有大型商業(yè)銀行和股份制商業(yè)銀行的總部都在東部地區(qū)。此外，不論在何地區(qū)，模型1估計(jì)的平均效率都低于模型2，這表明忽視表外風(fēng)險(xiǎn)敞口可能會(huì)高估各地區(qū)銀行的平均效率。

表2 按區(qū)域分銀行效率的統(tǒng)計(jì)性描述

圖3 2004-2012年按地區(qū)分銀行效率變化趨勢(shì)

圖3(a)～(c)描述了2004-2012年間兩種模型估計(jì)的不同地區(qū)銀行效率的演變。如圖3所示，在幾乎每一年，模型1估計(jì)的平均效率都低于模型2。研究結(jié)果進(jìn)一步表明，只考慮表內(nèi)風(fēng)險(xiǎn)不僅可能導(dǎo)致對(duì)各地區(qū)銀行整體平均效率的過(guò)高估計(jì)，而且會(huì)導(dǎo)致樣本期間大部分年份的效率的過(guò)高估計(jì)。除了更低的平均值外，對(duì)中西部地區(qū)的銀行，模型1估計(jì)的效率在2008年金融危機(jī)之后經(jīng)歷了更為顯著的下降趨勢(shì)，這表明對(duì)這些銀行而言，如果將表外風(fēng)險(xiǎn)敞口納入效率估算模型中，2008年金融危機(jī)對(duì)銀行效率的不利影響要大得多。要注意的是，對(duì)東部的銀行來(lái)說(shuō)，模型1中這一趨勢(shì)不如模型2明顯[如圖2(a)所示]。雖然效率的演變依賴于非期望產(chǎn)出的選擇，但總體上各地區(qū)銀行整體效率表現(xiàn)出不斷提高的趨勢(shì)。另外，還要密切關(guān)注我國(guó)東部和非東部地區(qū)銀行間的區(qū)域不平衡發(fā)展，特別是高度參與影子銀行業(yè)務(wù)的東部地區(qū)銀行效率的高波動(dòng)性。

3.各投入產(chǎn)出變量的效率比較

表3按類型給出了基于模型1和模型2所估計(jì)的每個(gè)投入和產(chǎn)出變量的加權(quán)平均效率。如表3所示，無(wú)論選擇哪種非期望產(chǎn)出和銀行類型，員工作為投入變量之一在所有投入中效率最低，這表明我國(guó)銀行業(yè)員工的低效率已成為提高銀行效率的主要障礙之一。然而，不同類型銀行的員工效率低下的原因可能會(huì)有所不同：大型商業(yè)銀行和股份制商業(yè)銀行等大型銀行面臨著勞動(dòng)力的過(guò)度擴(kuò)張問(wèn)題。而對(duì)小型銀行如城市商業(yè)銀行和農(nóng)村商業(yè)銀行來(lái)說(shuō)，人才短缺是一個(gè)更嚴(yán)峻的問(wèn)題。

表3 按類型分各投入/產(chǎn)出加權(quán)平均效率

接下來(lái)，筆者進(jìn)一步比較模型1和模型2的效率分解結(jié)果。總體而言，模型1估計(jì)的大部分投入/產(chǎn)出變量的效率都低于模型2，如權(quán)益，利息支出，大型商業(yè)銀行的營(yíng)業(yè)收入，股份制商業(yè)銀行的固定資產(chǎn)、員工和營(yíng)業(yè)費(fèi)用效率，城市和農(nóng)村商業(yè)銀行的行政費(fèi)用、正常貸款和營(yíng)業(yè)收入效率。這表明，忽視資產(chǎn)負(fù)債表外風(fēng)險(xiǎn)敞口也可能會(huì)導(dǎo)致大多數(shù)投入和產(chǎn)出變量的效率的過(guò)高估計(jì)。另外，如果筆者關(guān)注影子銀行主要參與者(即大型商業(yè)銀行，股份制商業(yè)銀行和城市商業(yè)銀行)和影子銀行活動(dòng)相對(duì)較少的銀行(即農(nóng)村商業(yè)銀行)之間的區(qū)別，可以發(fā)現(xiàn)，對(duì)于非農(nóng)村商業(yè)銀行來(lái)說(shuō)，模型1估計(jì)的營(yíng)業(yè)費(fèi)用效率低于模型2，這一差距在大型商業(yè)銀行和股份制商業(yè)銀行中更為顯著。而對(duì)農(nóng)村商業(yè)銀行而言，模型1估計(jì)的營(yíng)業(yè)費(fèi)用效率高于模型2。這些差異表明，影子銀行活動(dòng)的較高參與和較高的表外風(fēng)險(xiǎn)敞口可能會(huì)分散銀行管理者對(duì)日常經(jīng)營(yíng)問(wèn)題的關(guān)注，從而導(dǎo)致?tīng)I(yíng)業(yè)費(fèi)用效率降低。

為進(jìn)一步比較模型1和模型2中每種類型銀行的營(yíng)業(yè)費(fèi)用效率(OEE)的變化，筆者還考察了不同類型銀行在2004-2012年間OEE的變化趨勢(shì)(如圖4)。結(jié)果顯示，幾乎對(duì)于每一組銀行，2008年后模型1估算的營(yíng)業(yè)費(fèi)用效率都低于模型2，表明金融危機(jī)之后表外風(fēng)險(xiǎn)敞口可能是阻礙營(yíng)業(yè)費(fèi)用效率改善的重要因素。在考慮到非期望產(chǎn)出對(duì)銀行整體效率的不良影響后，即使是影子銀行業(yè)務(wù)參與度較低的農(nóng)村商業(yè)銀行也在2008年之后經(jīng)歷了營(yíng)業(yè)費(fèi)用效率的下降。此外，筆者還可以從數(shù)據(jù)中發(fā)現(xiàn)對(duì)大型商業(yè)銀行和股份制商業(yè)銀行來(lái)說(shuō)，模型1估算的營(yíng)業(yè)費(fèi)用效率在2008年危機(jī)前后出現(xiàn)更大幅度的下降和波動(dòng)，表明對(duì)經(jīng)常參與影子銀行活動(dòng)的銀行來(lái)說(shuō)，2008年金融危機(jī)對(duì)銀行營(yíng)業(yè)費(fèi)用效率的不利影響更為嚴(yán)重。

圖4 2004-2012年按類型分營(yíng)業(yè)支出效率變化趨勢(shì)

表4按地區(qū)給出了模型1和模型2中各投入和產(chǎn)出變量的加權(quán)平均效率。如表4中所示，在所有投入產(chǎn)出變量中效率最低的員工已經(jīng)成為銀行效率的主要障礙之一，這一結(jié)果對(duì)非期望產(chǎn)出和地區(qū)的選擇都是穩(wěn)健的。此外，擁有很多目前面臨著勞動(dòng)力過(guò)度擴(kuò)張等嚴(yán)重問(wèn)題的大型銀行(如大型商業(yè)銀行和股份制商業(yè)銀行)的東部地區(qū)，員工效率相對(duì)非東部地區(qū)更高。相比之下，我國(guó)中西部地區(qū)的銀行通常是較小的本地銀行，主要面臨人才短缺(而不是勞動(dòng)力過(guò)度擴(kuò)張的問(wèn)題)等問(wèn)題，這使得對(duì)它們而言，員工效率低下問(wèn)題更為嚴(yán)峻。

表4 按區(qū)域分各投入/產(chǎn)出加權(quán)平均效率

四、 影子銀行對(duì)商業(yè)銀行效率的影響

(一) 實(shí)證模型

筆者假設(shè)影子銀行活動(dòng)的擴(kuò)張將通過(guò)“轉(zhuǎn)移效應(yīng)”降低銀行的效率。這個(gè)假設(shè)與Berger & De Young[39]提出的“壞運(yùn)氣”假說(shuō)密切相關(guān)。在“壞運(yùn)氣”假說(shuō)下，表現(xiàn)為違約概率增加的銀行風(fēng)險(xiǎn)的增加被認(rèn)為是銀行的壞運(yùn)氣。為了應(yīng)對(duì)壞運(yùn)氣，銀行必須增加監(jiān)測(cè)高風(fēng)險(xiǎn)活動(dòng)的費(fèi)用、保持投資組合的質(zhì)量、商討可能的方案安排等，這將把管理層的注意力從解決其他經(jīng)營(yíng)問(wèn)題上轉(zhuǎn)移開(kāi)來(lái)。換句話說(shuō)，壞運(yùn)氣轉(zhuǎn)移了銀行經(jīng)理對(duì)日常經(jīng)營(yíng)問(wèn)題的關(guān)注[4]。在中國(guó)，影子銀行的快速發(fā)展促使傳統(tǒng)銀行的表外活動(dòng)擴(kuò)大，并加大了銀行體系的整體風(fēng)險(xiǎn)。為了應(yīng)對(duì)風(fēng)險(xiǎn)，銀行可能需要進(jìn)行額外的管理工作和并付出費(fèi)用，這將使得管理層的注意力從日常經(jīng)營(yíng)問(wèn)題上轉(zhuǎn)移。因此，隨著我國(guó)影子銀行業(yè)務(wù)的擴(kuò)張，筆者預(yù)計(jì)銀行效率會(huì)降低。

由于銀行效率估計(jì)在0和1之間，筆者將使用Tobit回歸來(lái)檢驗(yàn)筆者的假設(shè)。如上一節(jié)所述，銀行業(yè)特征、市場(chǎng)競(jìng)爭(zhēng)和宏觀經(jīng)濟(jì)狀況也影響銀行效率。筆者將它們納入回歸模型，具體模型如下：

(5)

(2)BAN_Ci,t是一組描述銀行特征的變量。包括銀行規(guī)模SIZEi,t，所有權(quán)結(jié)構(gòu)OWNi,t，資產(chǎn)回報(bào)率ROAi,t和資本充足率CARi,t。在筆者的回歸中，如果政府是銀行的最大股東，那么OWNi,t-1=1，否則賦值為零。資產(chǎn)回報(bào)率ROAi,t用以衡量盈利能力對(duì)銀行效率的影響。

(3)IND_Ct是用Herfindahl-Hirschman指數(shù)代表的銀行業(yè)競(jìng)爭(zhēng)水平。這一代理變量的選取主要基于已有研究，如楊天宇和鐘宇平[40]、汪莉和王先爽[41]等。具體公式如下：

(4)MAC_Ct是一組宏觀經(jīng)濟(jì)變量。包括實(shí)際GDP增長(zhǎng)率GDPt，年通貨膨脹率INF和財(cái)政盈余與GDP的比值FISt。

(5)εi,t是誤差項(xiàng)，假設(shè)遵循標(biāo)準(zhǔn)正態(tài)分布。

影子銀行對(duì)銀行效率的影響也可能因銀行類型的不同而呈現(xiàn)差異。因此，筆者進(jìn)一步加入如下銀行類型和影子銀行變量之間的交互項(xiàng)：

(6)

其中如果銀行i是國(guó)有銀行，即大型商業(yè)銀行或股份制商業(yè)銀行，則NAT_Bi,t=1，否則為零。如果銀行i是城市商業(yè)銀行，則CIT_Bi,t=1，否則為零。當(dāng)NAT_Bi,t=0并且CIT_Bi,t=0，意味著銀行i屬于農(nóng)村商業(yè)銀行。請(qǐng)注意，筆者沒(méi)有區(qū)分大型商業(yè)銀行和股份制商業(yè)銀行，因?yàn)檫@兩種銀行都是目前參與影子銀行業(yè)務(wù)程度最高的銀行。

(二) 影子銀行對(duì)我國(guó)銀行效率的影響

1.總體回歸結(jié)果分析

表5和表6報(bào)告了使用模型1和模型2估算的效率進(jìn)行Tobit回歸的結(jié)果?；貧w(5)報(bào)告了基本回歸模型[即方程(5)]的估計(jì)結(jié)果?；貧w(1)～(4)主要用于通過(guò)控制不同變量進(jìn)行附加的穩(wěn)健性檢驗(yàn)。如表5、6所示，當(dāng)筆者將不同的非期望產(chǎn)出納入估計(jì)過(guò)程時(shí)，影子銀行對(duì)銀行效率的影響是不同的。具體而言，當(dāng)風(fēng)險(xiǎn)加權(quán)資產(chǎn)被納入非期望產(chǎn)出時(shí)，影子銀行業(yè)務(wù)的擴(kuò)張對(duì)銀行效率存在負(fù)面影響，且這一結(jié)果對(duì)控制變量的選取是穩(wěn)健的。更高的銀行整體風(fēng)險(xiǎn)可能會(huì)導(dǎo)致銀行管理者的注意力從日常經(jīng)營(yíng)問(wèn)題上轉(zhuǎn)移，因?yàn)樗麄兛赡軙?huì)花費(fèi)更多的監(jiān)控成本來(lái)維護(hù)其資產(chǎn)質(zhì)量或采取預(yù)防措施[1]。

對(duì)控制變量，發(fā)現(xiàn)資產(chǎn)回報(bào)率的提高有助于提高銀行效率，這與Chortareas的研究結(jié)果一致。銀行規(guī)模與效率正相關(guān)。在我國(guó)，由于規(guī)模經(jīng)濟(jì)效應(yīng)，較大的銀行更有利于銀行的有效運(yùn)作[18]。國(guó)有銀行有更高的效率，這可能歸功于為這些銀行所享有的有利政策。通貨膨脹與銀行效率負(fù)相關(guān)。原因可能是通貨膨脹率上升導(dǎo)致的利率上升可能會(huì)增加銀行的利率成本，并且更大的不確定性和風(fēng)險(xiǎn)會(huì)降低風(fēng)險(xiǎn)管理水平和信貸信息評(píng)估等活動(dòng)的效率[1]。

除上述變量之外，筆者還發(fā)現(xiàn)資本比率更高的銀行有更高的效率，因?yàn)樗赡苡兄跍p輕管理者與股東之間的代理問(wèn)題，從而給予后者更大的動(dòng)力來(lái)監(jiān)督經(jīng)理的業(yè)績(jī)，并確保銀行的有效運(yùn)行[17]。市場(chǎng)集中度較高的銀行有較低的效率，這與Barth關(guān)于低競(jìng)爭(zhēng)會(huì)導(dǎo)致權(quán)力集中，從而降低了銀行管理者追求更好業(yè)績(jī)動(dòng)機(jī)的觀點(diǎn)一致。GDP增長(zhǎng)率與銀行效率正相關(guān)。位于更繁榮地區(qū)的銀行往往更容易獲得新技術(shù)[16][42]。

表5 影子銀行對(duì)銀行效率的影響：風(fēng)險(xiǎn)加權(quán)資產(chǎn)

注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤。*表示在0.01的水平上顯著，**表示在0.05的水平上顯著，***表示在0.1的水平上顯著。

表6 影子銀行對(duì)銀行效率的影響：不良貸款

注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤。*表示在0.01的水平上顯著，**表示在0.05的水平上顯著，***表示在0.1的水平上顯著。

基于研究結(jié)果，筆者得出結(jié)論，盡管不良貸款率有下降趨勢(shì)并且市場(chǎng)競(jìng)爭(zhēng)日益加劇使得近年來(lái)銀行業(yè)效率提高，但是影子銀行活動(dòng)的參與度越來(lái)越高，對(duì)我國(guó)商業(yè)銀行業(yè)績(jī)的提高構(gòu)成了新的威脅。對(duì)銀行表外風(fēng)險(xiǎn)敞口給予更多的關(guān)注并將其納入銀行效率評(píng)估是很重要的。實(shí)證結(jié)果表明，將風(fēng)險(xiǎn)加權(quán)資產(chǎn)作為非期望產(chǎn)出的模型可以更好地反映影子銀行活動(dòng)以及其他宏觀層面和行業(yè)層面的變量的影響。

2.不同類型銀行間的比較

由于影子銀行對(duì)銀行效率的影響可能因銀行的類型不同而存在差異，筆者進(jìn)一步報(bào)告了方程(6)的回歸結(jié)果(見(jiàn)表7)。由于控制變量顯著性和系數(shù)同前一致，這里僅報(bào)告關(guān)鍵變量回歸結(jié)果*控制變量的回歸結(jié)果已在表中省略，需者可向作者索要。。如表7所示，兩個(gè)交互項(xiàng)的系數(shù)是十分穩(wěn)健且顯著的，表明影子銀行對(duì)大型商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行的效率的影響與對(duì)農(nóng)村商業(yè)銀行的影響顯著不同。更具體地說(shuō)，對(duì)于農(nóng)村商業(yè)銀行，影子銀行的發(fā)展幾乎對(duì)銀行效率沒(méi)有顯著影響。而對(duì)其他類型的銀行來(lái)說(shuō)，影子銀行業(yè)務(wù)參與度越高，銀行效率

表7 影子銀行對(duì)銀行效率的影響：組間差異

注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤。*表示在0.01的水平上顯著，**表示在0.05的水平上顯著，***表示在0.1的水平上顯著。農(nóng)村商業(yè)銀行是基本銀行組。

較低。這種差異可能是由于我國(guó)農(nóng)村商業(yè)銀行仍然以傳統(tǒng)借貸活動(dòng)為主，而大型商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行則越來(lái)越多地參與到表外活動(dòng)中，成為影子銀行業(yè)務(wù)活動(dòng)的主要參與者。此外，當(dāng)筆者比較影子銀行對(duì)國(guó)有商業(yè)銀行(即大型商業(yè)銀行和股份制商業(yè)銀行)與城市商業(yè)銀行的效率影響時(shí)，筆者發(fā)現(xiàn)對(duì)影子銀行業(yè)務(wù)參與度最高的國(guó)有商業(yè)銀行，影子銀行業(yè)務(wù)對(duì)其效率的負(fù)面影響更大。因此，筆者再次得出結(jié)論：影子銀行業(yè)務(wù)可能會(huì)將銀行管理者的注意力從有效運(yùn)營(yíng)中轉(zhuǎn)移，這在非農(nóng)商業(yè)銀行尤其是大型商業(yè)銀行和股份制商業(yè)銀行中尤為突出。

3.不同影子銀行業(yè)務(wù)間的比較

(1)委托貸款對(duì)銀行效率的影響。上述回歸結(jié)果主要集中在影子銀行總量(相對(duì)于銀行貸款總額)對(duì)銀行效率的影響。然而，人們可能會(huì)認(rèn)為不同的影子銀行工具可能會(huì)對(duì)銀行效率產(chǎn)生不同的影響。因此，在剩下的部分，筆者研究了兩種重要的影子銀行形式，即委托貸款和WMPs的不同影響。

表8給出了考慮委托貸款影響的回歸結(jié)果，筆者同樣在表中省略了控制變量。請(qǐng)注意這里的SHA_Bt是委托貸款額與銀行貸款總額的比例。如表8所示，兩個(gè)交互項(xiàng)的系數(shù)的顯著性意味著委托貸款對(duì)不同類型銀行效率的影響不同。具體而言，對(duì)于農(nóng)村商業(yè)銀行來(lái)說(shuō)，盡管委托貸款的系數(shù)是負(fù)數(shù)，但結(jié)果對(duì)控制變量并不穩(wěn)健。相反，對(duì)于國(guó)有銀行(即大型商業(yè)銀行和股份制商業(yè)銀行)和城市商業(yè)銀行來(lái)說(shuō)，委托貸款越多顯著導(dǎo)致銀行效率下降，并且這一負(fù)面效應(yīng)對(duì)國(guó)有銀行來(lái)說(shuō)相對(duì)更大。這種差異可能是合理的。在我國(guó)，因?yàn)閾碛腥珖?guó)范圍內(nèi)的分行和豐富的金融資源，大型商業(yè)銀行和股份制商業(yè)銀行在全國(guó)各地有提供委托貸款中介服務(wù)的優(yōu)勢(shì)，而城市商業(yè)銀行和農(nóng)村商業(yè)銀行等地方商業(yè)銀行則經(jīng)常把活動(dòng)局限他們所在的城市甚至小的農(nóng)村區(qū)域。更高的委托貸款參與度會(huì)導(dǎo)致更多的對(duì)房地產(chǎn)部門(mén)的風(fēng)險(xiǎn)敞口，并且削弱這些借款人在國(guó)有銀行的信貸狀況，因?yàn)榇蟛糠仲J款涉及高利率的房地產(chǎn)相關(guān)業(yè)務(wù)[2]。因此，為了保持資產(chǎn)組合質(zhì)量而采取的更多的監(jiān)管工作可能會(huì)阻礙國(guó)有銀行提高效率。

表8 委托貸款對(duì)銀行效率的影響

注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤。*表示在0.01的水平上顯著，**表示在0.05的水平上顯著，***表示在0.1的水平上顯著。農(nóng)村商業(yè)銀行是基本銀行組。

(2)理財(cái)產(chǎn)品對(duì)銀行效率的影響。表9給出了考慮理財(cái)產(chǎn)品的回歸結(jié)果(控制變量已省略)，其中SHA_Bt是銀行在t時(shí)期發(fā)行的WMPs份額。如表所示，WMPs對(duì)農(nóng)村商業(yè)銀行效率的影響與對(duì)國(guó)有銀行和城市商業(yè)銀行的影響完全不同。具體來(lái)說(shuō)，對(duì)于農(nóng)村商業(yè)銀行，WMPs對(duì)銀行效率的正面影響十分顯著；而對(duì)于國(guó)有銀行和城市商業(yè)銀行，WMPs對(duì)銀行效率的影響顯著為負(fù)。結(jié)果表明，對(duì)農(nóng)村商業(yè)銀行來(lái)說(shuō)，更高的WMPs發(fā)行比例可能有助于提高效率。這可以通過(guò)以下原因來(lái)解釋：首先，雖然近年來(lái)不良貸款率的下降有助于國(guó)有銀行和城市商業(yè)銀行效率的提高，但不良貸款問(wèn)題仍然是提高農(nóng)村商業(yè)銀行績(jī)效的最重要威脅。WMPs的發(fā)展可能有助于這些銀行的業(yè)務(wù)從表內(nèi)活動(dòng)中轉(zhuǎn)移，從而導(dǎo)致更少的不良貸款和更高的效率。第二，農(nóng)村商業(yè)銀行發(fā)行的WMPs比例越高，可能意味著它們的金融創(chuàng)新能力有所提高，這有利于提升業(yè)績(jī)。然而，對(duì)于國(guó)有銀行和城市商業(yè)銀行來(lái)說(shuō)，WMPs對(duì)銀行效率的影響是負(fù)面的，對(duì)于目前在WMPs業(yè)務(wù)參與度最高的國(guó)有銀行而言，這種影響甚至更大。大型商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行是我國(guó)WMPs的主要發(fā)行人。對(duì)于這些銀行，特別是國(guó)有銀行，資產(chǎn)質(zhì)量惡化和期限不匹配的風(fēng)險(xiǎn)更為突出。

表9 WMPs 對(duì)銀行效率的影響

注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤。*表示在0.01的水平上顯著，**表示在0.05的水平上顯著，***表示在0.1的水平上顯著。農(nóng)村商業(yè)銀行是基本銀行組。

五、 結(jié)論與政策建議

隨著我國(guó)影子銀行業(yè)務(wù)的快速增長(zhǎng)，一方面，這些活動(dòng)幫助小型企業(yè)和私營(yíng)企業(yè)獲得在傳統(tǒng)貸款渠道中無(wú)法獲得的信貸。另一方面，它們也可以為房地產(chǎn)和基礎(chǔ)設(shè)施等高風(fēng)險(xiǎn)的非生產(chǎn)性投資提供資金，增加了銀行體系的整體風(fēng)險(xiǎn)，影響金融穩(wěn)定。

筆者研究了影子銀行業(yè)務(wù)的擴(kuò)張對(duì)我國(guó)商業(yè)銀行效率的影響。鑒于銀行效率不能直接觀察到，筆者首次采用網(wǎng)絡(luò)SMB方法來(lái)估計(jì)。這種方法在將變量納入估計(jì)時(shí)更加靈活，從而可以全面考量表內(nèi)和表外貸款的風(fēng)險(xiǎn)。效率估算結(jié)果表明，銀行效率隨著非期望產(chǎn)出和銀行特征選擇的不同而不同。從銀行規(guī)模和所有權(quán)的角度來(lái)看，僅考慮表內(nèi)信用風(fēng)險(xiǎn)的效率估計(jì)高估了大型商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行的平均效率水平，因?yàn)檫@些銀行表外風(fēng)險(xiǎn)敞口由于越來(lái)越多的影子銀行活動(dòng)的參與變得越來(lái)越突出。從區(qū)域差異的角度來(lái)看，忽視表外風(fēng)險(xiǎn)敞口不僅導(dǎo)致了各地區(qū)銀行整體平均效率的過(guò)高估計(jì)，而且導(dǎo)致了樣本期間的大部分年份效率的過(guò)高估計(jì)。從分解的視角，筆者還分別估算了每項(xiàng)投入和產(chǎn)出的效率。估計(jì)結(jié)果表明，無(wú)論銀行類型和位置如何，表外風(fēng)險(xiǎn)敞口的存在也可能導(dǎo)致大多數(shù)投入和產(chǎn)出變量效率的過(guò)高估計(jì)。此外，大型商業(yè)銀行和股份制商業(yè)銀行的營(yíng)業(yè)費(fèi)用效率在2008年金融危機(jī)前后出現(xiàn)大幅下降和波動(dòng)，這表明2008年的危機(jī)對(duì)銀行營(yíng)業(yè)費(fèi)用效率的不利影響對(duì)于經(jīng)常參與影子銀行業(yè)務(wù)的銀行而言更為嚴(yán)重。由于這兩類銀行通常將總部設(shè)在東部地區(qū)，這一地區(qū)的營(yíng)業(yè)費(fèi)用效率的下降和波動(dòng)也更為明顯。

回歸結(jié)果表明，影子銀行對(duì)銀行效率的影響隨著被納入估算的非期望產(chǎn)出的不同而不同。更具體地說(shuō)，在將風(fēng)險(xiǎn)加權(quán)資產(chǎn)納入非期望產(chǎn)出時(shí)，影子銀行對(duì)銀行效率具有顯著的負(fù)面影響，這一結(jié)果對(duì)所選擇的控制變量具有穩(wěn)健性。相比之下，當(dāng)效率估算的非期望產(chǎn)出只有不良貸款時(shí)，影子銀行對(duì)銀行效率的影響不顯著。這種差異表明，考慮表外風(fēng)險(xiǎn)敞口的效率估計(jì)可以很好地反映影子銀行對(duì)銀行效率的影響?？傮w而言，對(duì)于在影子銀行業(yè)務(wù)參與度最高的國(guó)有商業(yè)銀行來(lái)說(shuō)，影子銀行對(duì)銀行效率的負(fù)面影響更大。

本文研究結(jié)果有以下幾點(diǎn)政策含義：首先，影子銀行業(yè)務(wù)對(duì)我國(guó)商業(yè)銀行的業(yè)績(jī)有重大影響。政策制定者和銀行管理者需要密切關(guān)注日益增加的銀行風(fēng)險(xiǎn)，特別是表外風(fēng)險(xiǎn)敞口的影響。其次，為地方銀行和中西部銀行提供必要的政策支持可能有助于緩解我國(guó)商業(yè)銀行發(fā)展不平衡造成的效率差距，例如鼓勵(lì)管理人才在這些銀行工作一段時(shí)間，或?yàn)闃I(yè)績(jī)表現(xiàn)較差的銀行的管理者提供培訓(xùn)和適當(dāng)?shù)募?lì)機(jī)制。此外，雖然表外風(fēng)險(xiǎn)敞口對(duì)股份制商業(yè)銀行而言更為顯著，但農(nóng)村商業(yè)銀行仍然面臨傳統(tǒng)的不良貸款問(wèn)題，監(jiān)管政策應(yīng)反映出這種異質(zhì)性。最后，減少過(guò)度組織化和資源錯(cuò)配可能有助于提高銀行的勞動(dòng)力和營(yíng)業(yè)費(fèi)用等生產(chǎn)投入的效率。

[1] Y.Hu,D.Mahendran.China Banks:Shadow Banking Conundrum.HSBC Global Research Report,October，2011.

[2] Y.Hu.China’s Shadow Banking System:Watch the Yield.HSBC Global Research Report,January,2013.

[3] K.Chen.Incorporating Risk Input into the Analysis of Bank Productivity:Application to Taiwanese Banking Industry.Journal of Banking and Finance,2012,36.

[4] M.Saeed，M.Izzeldin.Examining the Relationship between Default Risk and Efficiency in Islamic and Conventional Banks.Journal of Economic Behavior and Organization,2014,(2).

[5] C.Sealey，J.Lindley.Inputs,Outputs,and A Theory of Production and Cost at Depository Financial Institutions.Journal of Finance,1977,32.

[6] H.Y.Aly.Technical,Scale,and Allocative Efficiencies in U.S.Banking:An Empirical Investigation.Review of Economics and Statistics,1990,30.

[7] G.D.Ferrier,C.A.K.Lovell .Measuring Cost Efficiency in Banking:Econometric and Linear Programming Evidence.Journal of Econometrics,1990,46.

[8] L.Sun，T.Chang.A Comprehensive Analysis of the Effects of Risk Measures on Bank Efficiency:Evidence from Emerging Asian Countries.Journal of Banking and Finance,2011,35.

[9] X.Hou.Market Structure,Risk Taking and the Efficiency of Chinese Commercial Banks. Emerging Markets Review,2014,20.

[10] H.Hsiao.First Financial Restructuring and Operating Efficiency:Evidence from Taiwanese Commercial Banks. Journal of Banking and Finance,2010,34.

[11] K.B.Cyree,W.P.Spurlin.The Effects of Big-bank Presence on the Profit Efficiency of Small Banks in Rural Markets.Journal of Banking and Finance,2012,36.

[12] C.Yang，H.Liu.Managerial Efficiency in Taiwan Bank Branches:A Network DEA.Economic Modelling,2012,29.

[13] J.Goddard.Dealing with Cross-firm Heterogeneity in Bank Efficiency Estimates:Some Evidence from Latin America. Journal of Banking and Finance,2014,40.

[14] J.Maudos，J.F.Guevara.The Cost of Market Power in Banking:Social Welfare Loss VS.Cost Inefficiency. Journal of Banking and Finance,2007,31.

[15] M.Duygun.Schumpeterian Competition and Efficiency among Commercial Banks.Journal of Banking and Finance,2013,37.

[16] R.Lensink.Bank Efficiency and Foreign Ownership:Do Good Institutions Matter? Journal of Banking and Finance,2008,32.

[17] G.Chortareas.Bank Supervision,Regulation,and Efficiency:Evidence from the European Union.Journal of Financial Stability,2012,8.

[18] J.R.Barth.Do Bank Regulation,Supervision and Monitoring Enhance or Impede Bank Efficiency.Journal of Banking and Finance,2013,37.

[19] J.Johnes.A Comparison of Performance Islamic and Conventional Banks 2004-2009.Journal of Economic Behavior and Organization,2014,103.

[20] G.Chortareas.Financial Freedom and Bank Efficiency:Evidence from the European Union.Journal of Banking and Finance,2013,37.

[21] O.Harris.The Impact of TARP on Bank Efficiency. Journal of International Financial Markets,Institutions and Money,2013,24.

[22] D.Holod,H.F.Lewis.Resolving the Deposit Dilemma:A New DEA Bank Efficiency Model. Journal of Banking and Finance,2011,35.

[23] A.G.Assaf,R.Matousek,E.G.Tsionas.Turkish Bank Efficiency:Bayesian Estimation with Undesirable Outputs.Journal of Banking and Finance,2013,37.

[24] C.Fernandez.Multiple-output Production with Undesirable Outputs:An Application to Nitrogen Surplus in Agriculture.Journal of Banking and Finance,2002,34.

[25] E.Atkinson,J.H.Dorfman.Bayesian Measurement of Productivity and Efficiency in the Presence of Undesirable Outputs:Crediting Electric Utilities for Reducing Air Pollution.Journal of Econometrics,2005,126.

[26] K.Park，W.Weber.A Note on Efficiency and Productivity Growth in the Korean Banking Industry,1992-2002.Journal of Banking and Finance,2006,30.

[27] H.Fujii.Indian Bank Efficiency and Productivity Changes with Undesirable Outputs:A Disadvantage Approach.Journal of Banking and Finance,2014,38.

[28] S.Y.Chen,S.J.Zhang.Large-scale Land Use for Construction and Energy Consumption after the New Millennium with Their Impact on Total-Factor Efficiency Change in China’s Regional Economy.Energies,2014,(7).

[29] H.Fukuyama,W.L.Weber.A Slacks-based Inefficiency Measure for A Two Stage System with Bad Outputs.Omega,2010,38.

[30] S.A.Berg.Malmquist Indices of Productivity Growth during the Deregulation of Norwegian Banking,1980-1989.Scandinavian Journal of Economics,1992,94.

[31] T.Sueyoshi，M.Goto.DEA Approach for Unified Efficiency Measurement:Assessment of Japanese Fossil Fuel Power Generation.Energy Economics,2011,33.

[32] R.F?re,S.Grosskopf.Network DEA.Socio-economic Planning Sciences,2000,34.

[33] W.W.Cooper.RAM:A Range Adjusted Measure of Inefficiency for Use with Additive Models,and Relations to Other Models and Measures in DEA.Journal of Productivity Analysis,1999,(11).

[34] K.Tone.A Slacks-based Measure of Efficiency in Data Development Analysis.European Journal of Operational Research,2001,130.

[35] H.Fukuyama,W.L.Weber.A Directional Slacks-based Measure of Technical Inefficiency.Socio-economic Planning Sciences,2009,43.

[36] R.F?re,S.Grosskopf.Directional Distance Functions and Slacked-based Measures Efficiency.European Journal of Operational Research,2010,200.

[37] K.Matthews.Risk Management and Managerial Efficiency in Chinese Banks:A Network DEA Framework.Omega,2013,41.

[38] 江曙霞，陳玉嬋.貨幣政策、銀行資本與風(fēng)險(xiǎn)承擔(dān).金融研究，2012,(4).

[39] A.N.Berger，R.De Young.Problem Loans and Cost Efficiency in Commercial Banks. Journal of Banking and Finance,1997,21(6).

[40] 楊天宇，鐘宇平.中國(guó)銀行業(yè)的集中度、競(jìng)爭(zhēng)度與銀行風(fēng)險(xiǎn).金融研究，2013,(1).

[41] 汪莉，王先爽.央行預(yù)期管理、通脹波動(dòng)與銀行風(fēng)險(xiǎn)承擔(dān).經(jīng)濟(jì)研究，2015,(10).

[42] C.Gaganis,F.Pasiouras.Financial Supervision Regimes and Bank Efficiency:International Evidence. Journal of Banking and Finance,2013,37.