邊雅倩

【摘 要】 理論和實踐都證明，商業(yè)銀行開展非利息收入業(yè)務(wù)能夠增加銀行的收益，使銀行的經(jīng)營績效得到提升。但是非利息收入業(yè)務(wù)的開展是否會影響商業(yè)銀行的總風(fēng)險水平則是被許多學(xué)者所忽略的問題。本文利用Stata軟件，通過對上市商業(yè)銀行數(shù)據(jù)進(jìn)行實證分析，進(jìn)而研究非利息收入業(yè)務(wù)對銀行整體風(fēng)險的影響。

【關(guān)鍵詞】 非利息收入 銀行風(fēng)險 個體固定效應(yīng)模型

一.引言

20世紀(jì)80—90 年代，西方國家商業(yè)銀行在實踐中率先提出非利息收入業(yè)務(wù)。隨著我國在近十幾年來市場利率化的逐步有序推進(jìn)，科學(xué)技術(shù)的不斷發(fā)展進(jìn)步以及金融脫媒帶來的壓力，商業(yè)銀行已經(jīng)開始走上收入多元化、服務(wù)多元化的新發(fā)展路徑。但是在銀行不斷發(fā)展非利息收入業(yè)務(wù)的過程中，需要投入各種成本，面臨各種不確定性，因此本文將從銀行收入多元化視角入手探究非利息收入業(yè)務(wù)對銀行整體風(fēng)險的影響。

二.研究設(shè)計

（一）數(shù)據(jù)選擇及變量確定

本文選取16家上市商業(yè)銀行2013年—2018年的半年報相關(guān)數(shù)據(jù)作為樣本，全部數(shù)據(jù)來源于WIND金融客戶端。樣本對象包括五家國有銀行：中國工商銀行、中國農(nóng)業(yè)銀行、中國銀行、中國建設(shè)銀行、交通銀行，八家股份制商業(yè)銀行：光大銀行、平安銀行、華夏銀行、民生銀行、浦發(fā)銀行、興業(yè)銀行、招商銀行、中信銀行，以及三家城市商業(yè)銀行：北京銀行、南京銀行、寧波銀行。

被解釋變量為能夠代表商業(yè)銀行整體風(fēng)險水平的Z值，計算公式為商業(yè)銀行總資產(chǎn)收益率ROA加上股東權(quán)益比率ER再除以樣本期間的資產(chǎn)收益率標(biāo)準(zhǔn)差σ ROA。解釋變量為商業(yè)銀行的非利息收入NI?？刂谱兞堪ㄣy行非利息收入占比NIR，銀行總資產(chǎn)TA，銀行股東權(quán)益比率EAR，銀行貸款資產(chǎn)比率LAR，銀行生息資產(chǎn)比率IBAY，廣義貨幣供給M2，消費者物價指數(shù)CPI，國內(nèi)生產(chǎn)總值GDP。

（二）模型建立與統(tǒng)計分析

首先根據(jù)數(shù)據(jù)類型及實證要求建立計量模型：

Zit=αi+λt+β1NIit+β2NIRit+β3LnTAit+β4EARit+β5LARit+β6IBAYit+β7LnM2t+

β8CPIt+β9 LnGDPt+μit （i=1，2……16? t=2013H1—2018H1）

其中Zit代表t時期i銀行的總風(fēng)險水平，αi、λt分別代表個體效應(yīng)和時間效應(yīng)，μit代表隨機誤差項，β1、β2……β8為各變量的待估參數(shù)?？紤]到數(shù)據(jù)在模型中的可比性，對銀行非利息收入、銀行總資產(chǎn)、貨幣供應(yīng)量和國內(nèi)生產(chǎn)總值進(jìn)行了對數(shù)處理。

接下來利用Stata對全部樣本數(shù)據(jù)進(jìn)行描述性分析，便于對模型數(shù)據(jù)進(jìn)行整體把握，了解各變量的統(tǒng)計特性。描述性統(tǒng)計結(jié)果如表1。

從結(jié)果中可以看到，16家上市商業(yè)銀行整體風(fēng)險水平Z值差異較大，波動略高，整體風(fēng)險水平最高的是2013年12月份的北京銀行（5.089688），整體風(fēng)險水平最低的是2018年6月的浦發(fā)銀行（1.816595）。非利息收入業(yè)務(wù)NI的差距最大，波動幅度最大，這是因為不同商業(yè)銀行的規(guī)模實力存在巨大差異（由LnTA的標(biāo)準(zhǔn)差為1.05521可以得出），并且同一商業(yè)銀行在不同時期的非利息收入業(yè)務(wù)開展情況也會隨著銀行的不斷發(fā)展而產(chǎn)生較大變化（由LnNI的標(biāo)準(zhǔn)差為0.0772495可以得出）。

然后對各變量進(jìn)行Pearson相關(guān)性檢驗，觀察各變量間的相關(guān)程度，判斷是否存在多重共線性。檢驗結(jié)果如表2所示。

（三）模型檢驗與結(jié)果分析

在模型中截面維度為16，時間維度為11，屬于長面板模型，無須進(jìn)行單位根檢驗。可直接進(jìn)行平衡面板數(shù)據(jù)模型的檢驗，最終在混合效應(yīng)模型、個體固定效應(yīng)模型和個體隨機效應(yīng)模型中選擇最合適的模型進(jìn)行數(shù)據(jù)擬合。仍然利用Stata軟件進(jìn)行模型的檢驗與選擇，結(jié)果如表3。

從模型的回歸結(jié)果中可以得知：模型整體擬合非常好，R2高達(dá)0.9592，說明研究數(shù)據(jù)利用所選模型進(jìn)行回歸的結(jié)果非常顯著。LnNI的系數(shù)為0.680842，說明銀行非利息收入業(yè)務(wù)對銀行的整體風(fēng)險水平有正向作用，即非利息收入業(yè)務(wù)的開展會在一定程度上增加商業(yè)銀行的整體風(fēng)險水平。NIR的系數(shù)為﹣1.380352，說明銀行的非利息收入占比對銀行整體風(fēng)險存在負(fù)向影響。這可能是因為非利息收入來源較多，包括手續(xù)費收入、傭金收入、投資收益、公允價值變動收益等等，能夠在很大程度上分散銀行風(fēng)險。也就是說非利息收入的開展最初會給商業(yè)銀行帶來一定程度的風(fēng)險，但隨著業(yè)務(wù)的不斷發(fā)展壯大，收入多元化則會使商業(yè)銀行的整體風(fēng)險降低。

三.政策建議

從前文的實證分析中可以看出，非利息收入業(yè)務(wù)只會在短時間內(nèi)造成商業(yè)銀行整體風(fēng)險的增加，在長期內(nèi)則能夠成為商業(yè)銀行管理風(fēng)險的一種手段。因此，商業(yè)銀行應(yīng)當(dāng)認(rèn)識到開展非利息收入業(yè)務(wù)的重要性，從以下幾方面更好地發(fā)展非利息收入業(yè)務(wù)，從而實現(xiàn)銀行經(jīng)營多元化。

1. 結(jié)合銀行自身優(yōu)勢，推動非利息收入業(yè)務(wù)向多元化發(fā)展。不同的商業(yè)銀行具備不同的發(fā)展策略，主營業(yè)務(wù)也有所差別，在開展非利息收入業(yè)務(wù)時應(yīng)當(dāng)結(jié)合自身的軟、硬件條件，發(fā)揮專業(yè)優(yōu)勢、人才優(yōu)勢和技術(shù)優(yōu)勢等，開發(fā)設(shè)計多種新型金融業(yè)務(wù)，包括但不限于移動支付與實時結(jié)算、委托理財和資產(chǎn)管理、信息咨詢等等，促進(jìn)商業(yè)銀行收入多元化的實現(xiàn)。

2.加強對非利息收入業(yè)務(wù)的風(fēng)險管理，做好事前預(yù)防、事中控制和事后補償。非利息收入業(yè)務(wù)是一個寬泛的概念，沒有明確的業(yè)務(wù)規(guī)范就會造成潛在的風(fēng)險隱患。因此商業(yè)銀行在積極開展各項非利息收入業(yè)務(wù)時，應(yīng)當(dāng)對該業(yè)務(wù)的風(fēng)險和收益情況進(jìn)行預(yù)測評估，對業(yè)務(wù)具體內(nèi)容及操作流程進(jìn)行規(guī)范，設(shè)立業(yè)務(wù)風(fēng)險預(yù)警機制，當(dāng)業(yè)務(wù)出現(xiàn)意外情況時能夠在最大程度上減少損失。

【參考文獻(xiàn)】

[1] 楊宏斌.非利息收入占比對我國商業(yè)銀行資產(chǎn)收益的影響分析[J].綿陽師范學(xué)院學(xué)報，2018（07）

[2] 何新欣.我國商業(yè)銀行非利息收入業(yè)務(wù)對比分析[J].時代金融. 2016（20）