付為祥，譚澤敏

（1.沈陽大學，沈陽 110044；2.華東政法大學，上海 201620）

理論上來說，金融業(yè)應該服務于實體經(jīng)濟，然而金融行業(yè)常常有不尋常的收益率。例如，2007—2014年，除了4萬億元刺激計劃之后的2009年和2010年金融業(yè)利潤增長率均高于工業(yè)利潤增長率（見圖1）。不過，隨著時間的推移，市場環(huán)境及銀行自身的變化也可能促進銀行業(yè)的技術進步。

本文提出的問題是：總的來說，銀行業(yè)的超額利潤來源是由于市場勢力還是技術進步，還是二者兼而有之？本文的研究分為兩個部分：第一部分測度銀行業(yè)市場勢力溢價，第二部分考察銀行業(yè)的技術進步。

圖1 銀行業(yè)與工業(yè)利潤增長率對比

一、文獻綜述

一般認為，行政壟斷導致了銀行業(yè)產(chǎn)業(yè)結構過度集中（邱兆祥等，2015），同時，銀行業(yè)擁有不尋常的收益率。然而，其測度問題直到新實證產(chǎn)業(yè)組織理論（NEIO）的出現(xiàn)才有所進展。

產(chǎn)業(yè)經(jīng)濟學的發(fā)展經(jīng)歷了三個階段。20世紀60年代提出的SCP范式至少缺乏理論基礎（Michael et al，2010），使用的會計數(shù)據(jù)可能缺乏準確性（Amess and Roberts，2005），估計結果不具有穩(wěn)健性（Carlton and Perloff，2000），市場結構與績效在統(tǒng)計上呈現(xiàn)的關系很弱的缺陷，以博弈論為基礎的新產(chǎn)業(yè)組織理論也有其局限（劉俊杰，2006）。一是有限理性的個體不可能從事如此復雜和邏輯如此嚴謹?shù)膭討B(tài)決策；二是博弈均衡對基本假設不具有穩(wěn)健性。因此，20世紀90年代開始，產(chǎn)業(yè)經(jīng)濟學家開始轉向實證研究，這些成果被稱為新實證主義產(chǎn)業(yè)組織學（NEIO）。

NEIO對于市場勢力有三種測度方法：隨機前沿法（Berg er et al，2009）、需求彈性法（Lau，1982；Berry，Levisohn and Pakes，1995）和索洛余值法（Hall，1988；Klette，1999；Dobbelaere and Mairesse，2013）。

由于廠商可能面臨隨機因素的沖擊，所以要使用隨機前沿模型（Stochastic frontier model）對技術變遷進行探討。值得注意的是，僅使用截面數(shù)據(jù)可能導致需要估計的無效率項隨廠商增加而增加；且廠商可能知道自己的無效率項，從而調(diào)整最優(yōu)要素投入，使用面板數(shù)據(jù)才能獲得一致估計量（Kumbhakar and Lovell，2000）。

二、銀行業(yè)超額利潤及效率估計

（一）數(shù)據(jù)說明

本文使用使用Stata 15對2017年核心資本充足率排前十的商業(yè)銀行及其2000—2017年的面板數(shù)據(jù)進行計量，具體的說明（如表1所示）。

表1 數(shù)據(jù)說明

（二）銀行業(yè)超額利潤估計

Hall（1988）建立了一個分析此類問題的框架，假設規(guī)模報酬不變，Klette（1999）放寬了這個假設。原始表達式為：

其中，Xit表示要素投入。設定一個參照廠商，其產(chǎn)量為：

使用陳甬軍、周末（2009）的方法進行簡化，引入市場勢力溢價μ和規(guī)模彈性η，最終可以得到：

其中，a是截距項，代表各廠商差異；μ代表市場勢力溢價，η代表規(guī)模效應系數(shù)，估計結果（如表2所示）。

表2 Klette模型估計結果

可以發(fā)現(xiàn)，模型的擬合效果較好；且各銀行的經(jīng)營狀況沒有太大的區(qū)別。且所選的銀行顯現(xiàn)出了規(guī)模不經(jīng)濟，這與翟麗麗（2017）的研究相符合。

估計結果表明，銀行業(yè)獲得了9.84%的超額利潤。這說明，市場勢力導致行業(yè)的利潤率過高。

（三）銀行業(yè)技術進步測算

本部分選擇隨機前沿模型這種參數(shù)方法進行估計，其原始表達式為：

其中，ξit表示效率水平，取值在0—1之間。由于廠商面臨著隨機沖擊，因此有：

由于數(shù)據(jù)的缺失，我們僅能估計2004—2017年的技術變化，所以不再選擇超越對數(shù)形式。上式變形可得：

其中，μit=-log（ξit）代表無效率項，vit代表隨機沖擊，遵循Battese and Coelli（1992）的做法，假設：

由于我們的樣本時間維度是15年，生產(chǎn)前沿也可能會發(fā)生變化，應該加入時間虛擬變量，估計結果（如表3所示）。

表3 面板隨機模型估計結果

可以發(fā)現(xiàn)，使用隨機前沿模型是合適的，銀行業(yè)的生產(chǎn)前沿的變化在2004—2009年不顯著，但是在2009年之后開始在10%可以接受，而2014年之后，系數(shù)突然增大，且十分顯著。這說明，銀行業(yè)的生產(chǎn)前沿確實在增加。

（續(xù)表）

同時，估計結果表明，η＞0，說明離生產(chǎn)前沿的距離隨時間變化逐漸增加。uit隨著時間增加，漸進趨近于ui。結果表明，其他的變量也非常顯著。

圖2 無效率項時間趨勢圖

圖2 中，u1表示 uit通過圖形0還可以發(fā)現(xiàn)，核心資本充足率越高，經(jīng)營效率往往越低，這與陳一洪（2014）的研究相符。

三、結論及建議

本文通過使用新實證產(chǎn)業(yè)組織理論的研究成果及面板隨機前沿模型，發(fā)現(xiàn)銀行業(yè)存在著壟斷勢力所造成的不尋常的利潤，且存在著顯著的技術進步，因此提出以下建議。

第一，加快建設利率市場化決定機制。從前央行制定了存貸款利差和基準利率，使得銀行能夠借此獲得豐厚的利潤。雖然利率市場化會令銀行面臨一定的不確定性，但同時也會給銀行帶來便利，并促使銀行業(yè)技術進步。羅蓉、袁碧蓉（2017）發(fā)現(xiàn)，利率市場化能夠降低銀行的集中度，在這個渠道上能夠促進商業(yè)銀行效率，且能明顯改善銀行籌資階段的效率。因此，應該繼續(xù)穩(wěn)步推行利率市場化，加快利率的市場化決定機制。

第二，改善貨幣供給量調(diào)控機制。央行利用存貸比限制，控制了銀行的貸款量。這一方面導致了銀行議價能力的上升，另一方面使得影子銀行興起。對影子銀行的調(diào)控會導致社會福利損失，并且會導致通貨膨脹和GDP等變量的波動加大（馬亞明、王虹珊，2018）。因此，應改善貨幣供給量調(diào)控機制，需要根據(jù)經(jīng)濟運行狀況制定合適的調(diào)控機制。