互聯網金融產品對我國銀行業在資本市場穩定性影響研究

袁晨新

內容摘要：本文以余額寶為例，基于其對我國銀行業沖擊的視角，分析了近三年我國銀行業資本市場β系數的穩定性。首先，本文理論分析認為余額寶將會改變銀行傳統的風險定價模式，銀行的系統風險將會提高。其次，本文運用Chow檢驗法，以余額寶的上線時間為突變時間點，檢驗了我國銀行業在資本市場β系數的穩定性。最后得出結論：在短期內余額寶等互聯網金融產品并沒有改變我國銀行業β系數在資本市場的穩定性，并為銀行應對互聯網金融時代的到來提出相應的建議。

關鍵詞：互聯網金融產品 銀行業 β系數 Chow檢驗 余額寶

研究背景

資產定價模型自誕生以來，β系數就廣泛應用于資本市場系統性風險的衡量，是資產定價模型中最重要的參數。β系數反映某項資產相對于市場的系統風險，是檢驗證券風險的一種科學方法。某項證券資產β系數值的大小反映了這只股票收益變動與整個證券市場收益之間的相關性及其程度，在投資活動中得到了廣泛的應用。就對其的研究方法而言，測算β系數需要通過證券市場過去的收益率來進行測算，然而過去的數據不可避免地存在時滯性，為了使β系數能夠準確反映證券未來的風險，必須保證β系數一定的穩定性。

截至目前為止，在我國滬深兩地上市的商業銀行達到16家，銀行類股票市值占滬深兩市總市值的比重最高已經超過了30%，銀行業資本在我國資本市場扮演著越來越重要的角色。與此同時，隨著2013年余額寶、易付寶、百付寶等互聯網金融產品的涌現，互聯網金融對我國金融行業現有格局產生了不可小視的影響。截止到2014年3月，在余額寶面世不到一年的時間里，其規模已翻了50倍，已經突破5000億元。由于較高的年化收益率，以余額寶為代表的互聯網金融產品吸收了我國巨量的民間資本，分流了我國銀行的部分存款金額。檢驗類余額寶產品的出現是否會在資本市場對我國銀行業產生沖擊，對銀行業在資本市場β系數穩定性檢驗就顯得尤為重要。

文獻回顧

β系數的研究始于1964年由Sharpe和Lintner提出的資產定價模型（CAMP）。其中單一指數資產定價模型的公式方程可以定義為

Ri=Rf+βi（Rm-Rf） （1）

方程（1）中，Ri代表第i種證券資產的收益率，Rf代表無風險利率，在國外研究中通常以短期國債利率來代替無風險利率，Rm 則為市場收益率。β系數則代表了個體資產收益率相對于市場收益率的敏感度。通常，在其他條件不變的情況下，β系數越大，其代表資產的風險越大，相對應其收益率也越高。

對β系數的穩定性檢驗是分析β系數與時間的動態關系，對同一證券資產在不同時期的估計值及特征進行縱向分析，判斷β系數估計值是否隨著時間變動而變動。隨著計量經濟學的發展，學者們開始嘗試采用動態分析的方法來估計β系數，分析β系數隨時間變化而呈現的不同特征，并試圖從中找出β系數的變化規律。沈藝峰（1999）以深交所127股票為樣本，利用Chow檢驗方法研究了股票樣本的β穩定性。結論為：單個股票及其股票組合的β系數穩定性都是不穩定的。蘇衛東、張世英（2002）運用單位根檢驗對上交所的股票及其組合檢驗其β系數穩定性。結果表明大多數股票的β系數不穩定。高鴻禎、郭濟敏（1999）利用Chow檢驗法對上交所202個周樣本數據進行穩定性檢驗表明：在5%置信水平下，大多數股票短期內具有較高的穩定性。過去的β系數包含著對未來β系數估計的有用信息。關于銀行業β系數穩定性檢驗方面，孫薇（2009）運用ADF檢驗法對我國4家股份制上市銀行的季度β系數值進行穩定性分析，其結論為：四只股票的β系數并不穩定，但是由四只股票組成的組合卻具有相對的穩定性；樣本銀行的季度β系數都大于1，說明股份銀行的風險大于資本市場的總體風險。股份制銀行的收益率也高于資本市場的平均風險。周婷（2010）通過對我國14家上市銀行與財務指標的相關性分析，認為商業銀行β系數與凈資產增長率、不良貸款率、每股收益三個指標都顯著相關。

綜上所述，對β系數穩定性檢驗的方法主要包括ADF檢驗法和Chow檢驗法。對股市β系數的穩定性檢驗結論都認為β系數呈現不穩定特征。這主要是因為研究主要集中在早期，距離我國證券交易所的成立時間較短，資本市場運行機制還不夠成熟，市場風險難以預測。目前，證券交易所已發展運行二十多年，其運行機制已較為完善，證券市場識別風險的能力已大幅提高，能夠有效避免股市價格的巨幅波動。本文借鑒已有的研究，縮短β系數穩定性的檢驗區間，運用相關計量經濟學方法，分析余額寶對我國銀行業在資本市場的影響，為銀行業積極應對互聯網金融的到來，提高經營管理水平提供參考。

類余額寶產品對我國銀行業影響的理論分析

互聯網的廣泛使用成為第三次技術革命興起的主要標志，以互聯網為代表的現代技術信息技術顛覆了很多傳統行業的運行模式。近年來，我國國內的互聯網發展迅速，京東、阿里巴巴、易迅網等電商企業隨著互聯網浪潮的到來而興起，2013年阿里巴巴旗下的余額寶互聯網金融產品面世更預示著金融業新競爭主體的到來。余額寶等金融產品將對我國銀行業產生以下影響：

（一）余額寶等金融產品的出現加劇了銀行對活期存款的競爭

互聯網的興起為我國銀行業引入了新的競爭主體，尤其在2013年以余額寶為代表的互聯網金融產品面世，讓我國銀行業感受到了競爭壓力。以余額寶為代表的金融產品的出現使得大眾投資者參與進來。從表1各大銀行理財產品對比中可以看出，余額寶無論在收益率還是投資門檻上都占據著較大的優勢，獲得了大多支付寶客戶的青睞。在原來的金融體系中，銀行著力追求規模效應，將金融資源集中到對其利潤貢獻最大的“頭部”領域，金額較小額或收益風險不匹配的“尾部”領域則被銀行忽略。余額寶等金融產品的出現分流了很大一部分銀行的活期存款金額，一定程度上激發了金融行業的“長尾效應”。這將會加劇我國銀行業對活期存款的競爭。

（二）余額寶等金融產品的興起將迫使銀行改變傳統的風險定價模式endprint

余額寶等產品吸收了大量民間資本，通過協議存款、同業存款等形式回到銀行，這迫使銀行提高活期存款利率以及承擔更多的風險以獲得更多的回報。從而需要銀行加強自身信貸風險管理。然而我國銀行業傳統的風險定價模式存在嚴重的信息不對稱，詐騙、非法集資、違約等發生率也相對較高。與此相反，我國幾大電商基于大數據的風險定價模型可以很好地解決信息不對稱問題。在大數據的前提下，可以對任何資金需求進行風險定價，參與各方為信用違約支付的額外成本較低。在這種情況下，我國銀行不得不改變傳統的風險定價模式，加強信貸風險的管理能力。

（三）余額寶等金融產品將影響我國銀行業在資本市場中抵抗風險的能力

余額寶等金融產品的出現一方面會加劇銀行對活期存款的競爭，另一方面會對我國銀行業傳統的盈利模式帶來極大考驗。這兩方面的影響因素都將對我國商業銀行的資本充足率產生不利影響，這會導致銀行在資本市場對各類經濟變量的敏感程度提高，抵抗風險的能力進一步減弱，相應地我國銀行業在資本市場的β系數會受到影響。

實證分析

根據對資本市場β系數穩定性檢驗相關理論文獻的總結以及本文所要研究的內容，本文最終選擇通過對上市銀行股票收益率序列與證券市場市場收益率序列建立一元回歸模型來獲得每只銀行股票的β系數，然后利用Chow檢驗方法對我國銀行業資本市場β系數的穩定性進行實證檢驗。

（一）β系數模型構建

本文利用回歸法來估計我國銀行資本市場的β系數。在國外相關問題的研究中，式（1）中的無風險利率Rf通常以長期國債利率進行代替，但是我國資本市場尚不成熟，無法找到準確的利率對無風險利率進行替代。故本文對式（1）進行變換，可以得到式（2）：

Ri=Rf（1-βi）+βiRm （2）

由于Rf 和βi都被視為常數，故可以建立以下一元線性回歸模型：

Ri=C+βiRm+εi （3）

本文采用證券交易所的收盤價格指數來計算相應的股票市場的收益率。由于余額寶等互聯網金融產品的出現時間較短，所以選擇日收益率來進行回歸測算。其中，證券市場收益率的計算公式及我國上市銀行的股票收益率分別可以定義為式（4）和式（5）：

（4）

（5）

式中Pmt 為第t日證券交易所的收盤價格指數，Pit 為第t日第i只股票的收盤價格。

（二）β系數穩定性的Chow檢驗法

總結已有的理論文獻，Chow檢驗法能夠有效地檢驗β系數的穩定性。Chow檢驗法可以檢測不同時段β系數穩定是否發生變化，能夠達到良好的預期效果。Chow檢驗方法的思路是把時間序列分成兩個集合，通過檢驗分組估計與整體估計的差異，從而判斷模型的穩定性。如果兩個集合的差異較大，則說明模型不具備穩定性。Chow檢驗首先構建F統計量：

其中，N，n1，n2分別是大樣本和兩個子樣本各自的觀測值個數，k為解釋變量個數。Chow檢驗的原假設H0為兩個子樣本回歸系數無顯著變化。以α為顯著性水平，如果計算出F≤Fα（n，N-k-1） ，則接受原假設，認為不存在顯著變化；反之則認為發生了顯著性變化。

（三）數據來源

我國的證券市場包括上海和深圳證券交易所，由于兩個交易所的股票種類、交易規則不同，證券市場的各種價格指數計算也存在著諸多差異，所以在選擇樣本數據時，本文只選擇在上交所上市的我國商業銀行股票數據來進行分析。本文選取2012年1月4日至2014年3月31日的交易數據，數據來源于Wind資訊。股票基本信息如表2所示。

（四）回歸模型建立以及β系數估計

根據資本定價理論中的單一指數方程式（3），需要建立市場日收益率和上市銀行股票日收益率的一元線性回歸模型來對β系數進行估計，運用Eviews6.0，依次對12只上市銀行股票建立單一指數模型并可得12只銀行股票的β系數及伴隨概率，結果如表3所示。

從表3中可以看出，12只上市銀行股票的β系數伴隨概率都為0，說明每只上市銀行股票β系數估計值顯著。其中，除了光大銀行β系數接近于1以外，其余股份制銀行的β系數都大于1，興業銀行的資本市場β系數達到最大值為1.3465。與此相對應的是，中國工商銀行、中國建設銀行、中國農業銀行、中國銀行和交通銀行五大國有商業銀行的β系數都小于1，工商銀行的資本市場β系數達到最小值為0.4947。

（五）銀行業β系數穩定性的Chow檢驗

β系數穩定性的Chow檢驗法需要將時間序列分成兩個集合，來觀測整體估計與分組估計的差異。因此需要選擇Chow檢驗的突變時點，用來檢驗突變時點前后的模型β系數是否發生了顯著變化。如圖1所示，將12家上市商業銀行的股價進行求和得出上證銀行指數，通過上證銀行指數的曲線圖可以看到，我國銀行業的股票價格在2013年7月有較大的跌幅，這與余額寶產品的面世時點相吻合。

本文選取余額寶的上線時間2013年6月13日來作為Chow檢驗的突變時點，以此來檢驗我國銀行資本市場β系數的穩定性。可得到如表4的檢驗結果。從表4中可以看出，只有中國銀行的β系數穩定性檢驗概率小于5%的臨界值水平，其它銀行的β系數穩定性檢驗概率都大于5%。這說明，在12只上市銀行的股票中，除了中國銀行外，其余上市銀行股票的β系數都具有穩定性。

結論與建議

（一）結論

銀行業的資本市場的β系數。β系數表明了某項資產相對于市場而言所面臨的風險大小。通過線性回歸法測算我國12只上市銀行的β系數，可以看到我國股份制銀行的β系數普遍大于1，其中興業銀行的β系數達到最大值為1.35。這表明我國股份制銀行的資本市場的系統風險普遍高于資本市場的平均風險。與高風險相伴隨的是我國股份制商業銀行收益率也高于市場總體水平。同時，還可以看出，中國工商銀行、中國農業銀行、中國建設銀行等我國五大國有商業銀行β系數都小于1，中國工商銀行的資本市場β系數達到最小值0.495。說明我國五大國有商業銀行資本市場所面臨的系統風險小于資本市場的平均水平，其收益率也低于市場平均收益率。endprint

銀行業資本市場β系數穩定性檢驗。在5%的顯著性水平下，為使β系數在兩個期間存在穩定性，Chow檢驗的伴隨概率必須大于0.05。從我國銀行業資本市場的β系數穩定性檢驗結果中可以看出，除中國銀行β系數的Chow穩定性檢驗的伴隨概率小于0.05以外，我國銀行業資本市場的β系數穩定性檢驗伴隨概率超過0.05，說明類余額寶產品的上線雖然分流了一部分民間存款，但是并沒有改變我國上市銀行β系數的穩定性，我國銀行業在資本市場中仍具有較為穩定的預期收益模型。

（二）相關建議

基于上述結論，本文提出以下建議：

加強信貸風險管理，降低資產杠桿化程度。我國股份制銀行的β系數大于1，說明其盈利隨資本市場的波動起伏較大，抵御風險的能力較弱。在資本市場利好時，可以獲得較高的收益，同時也容易產生泡沫。一旦發生經濟危機，股份制銀行容易受到較大的沖擊，將會出現巨大的虧損。值得注意的是，在2014年初，我國部分地區房地產市場出現低迷，與房地產市場緊密相連的銀行業將會面臨較大的考驗。我國股份制銀行應該提高警惕，逐步減少銀行資產的杠桿化程度，避免我國房地產出現低迷時對銀行造成的強烈沖擊。

降低銀行理財產品的門檻，提升銀行理財產品的收益率。余額寶等互聯網金融產品面世時間較短，對我國銀行業的影響在資本市場還沒得到充分的體現。但由“長尾效應”可知，所有零散小量的需求累加起來將會形成一個比流行市場還大的市場。互聯網的開放性決定了其對信息的歸集要比傳統的銀行更廣泛、更快捷，互聯網在吸收小額零散存款方面具有不可比擬的優勢。互聯網雖然可以收集并提供海量的數據，但是無法解決現實中人際之間的信任問題。我國銀行結合自身信任媒介的作用，積極制定并發展互聯網金融戰略，線上銀行與線下銀行相結合，為銀行業發展尋找新的支撐點。

加強與電商企業合作，有效利用大數據價值。金融的發展本質上就是數據的收集與利用。我國銀行業應該從余額寶等互聯網金融產品的發展模式中受到啟發，積極與電商合作，挖掘電商大數據對銀行信貸業務的價值，利用大數據準確判斷客戶的信用等級，有效解決傳統定價模式中的信息不對稱，加強控制信貸風險控制，降低參與各方為信用違約而支付的額外成本。

參考文獻：

1.董瀟.余額寶對銀行的沖擊[N].中華工商時報，2014-2-26

2.周芳，張維，周兵.基于流動性風險的資產定價模型[J].中國管理科學，2013（5）

3.沈藝峰，洪錫熙.我國股票市場貝塔系數的穩定性檢驗[D].廈門大學學報，1994（4）

4.蘇衛東，張世英.上海股市β系數穩定性檢驗[J].預測，2002（2）

5.高鴻禎，郭濟敏.上海股票市場β系數穩定性的實證研究[J].中國經濟問題，1999（2）

6.孫薇.我國上市銀行系統性風險預測研究[D].中國海洋大學，2009

7.周婷.上市商業銀行β系數的影響因素實證研究[D].北京大學，2010

8.姚文平.互聯網金融[M].中信出版社，2013

9.李嫣怡，劉榮，丁維岱. EVIEWS統計分析與應用[M].電子工業出版社，2013

10.陳浪南，屈文洲.資本定價模型的實證研究[J].經濟研究，2000（4）

11.田華茂.大數據時代中小商業銀行經營轉型探討[J].西南金融，2014（2）endprint

銀行業資本市場β系數穩定性檢驗。在5%的顯著性水平下，為使β系數在兩個期間存在穩定性，Chow檢驗的伴隨概率必須大于0.05。從我國銀行業資本市場的β系數穩定性檢驗結果中可以看出，除中國銀行β系數的Chow穩定性檢驗的伴隨概率小于0.05以外，我國銀行業資本市場的β系數穩定性檢驗伴隨概率超過0.05，說明類余額寶產品的上線雖然分流了一部分民間存款，但是并沒有改變我國上市銀行β系數的穩定性，我國銀行業在資本市場中仍具有較為穩定的預期收益模型。

（二）相關建議

基于上述結論，本文提出以下建議：

加強信貸風險管理，降低資產杠桿化程度。我國股份制銀行的β系數大于1，說明其盈利隨資本市場的波動起伏較大，抵御風險的能力較弱。在資本市場利好時，可以獲得較高的收益，同時也容易產生泡沫。一旦發生經濟危機，股份制銀行容易受到較大的沖擊，將會出現巨大的虧損。值得注意的是，在2014年初，我國部分地區房地產市場出現低迷，與房地產市場緊密相連的銀行業將會面臨較大的考驗。我國股份制銀行應該提高警惕，逐步減少銀行資產的杠桿化程度，避免我國房地產出現低迷時對銀行造成的強烈沖擊。

降低銀行理財產品的門檻，提升銀行理財產品的收益率。余額寶等互聯網金融產品面世時間較短，對我國銀行業的影響在資本市場還沒得到充分的體現。但由“長尾效應”可知，所有零散小量的需求累加起來將會形成一個比流行市場還大的市場。互聯網的開放性決定了其對信息的歸集要比傳統的銀行更廣泛、更快捷，互聯網在吸收小額零散存款方面具有不可比擬的優勢。互聯網雖然可以收集并提供海量的數據，但是無法解決現實中人際之間的信任問題。我國銀行結合自身信任媒介的作用，積極制定并發展互聯網金融戰略，線上銀行與線下銀行相結合，為銀行業發展尋找新的支撐點。

加強與電商企業合作，有效利用大數據價值。金融的發展本質上就是數據的收集與利用。我國銀行業應該從余額寶等互聯網金融產品的發展模式中受到啟發，積極與電商合作，挖掘電商大數據對銀行信貸業務的價值，利用大數據準確判斷客戶的信用等級，有效解決傳統定價模式中的信息不對稱，加強控制信貸風險控制，降低參與各方為信用違約而支付的額外成本。

參考文獻：

1.董瀟.余額寶對銀行的沖擊[N].中華工商時報，2014-2-26

2.周芳，張維，周兵.基于流動性風險的資產定價模型[J].中國管理科學，2013（5）

3.沈藝峰，洪錫熙.我國股票市場貝塔系數的穩定性檢驗[D].廈門大學學報，1994（4）

4.蘇衛東，張世英.上海股市β系數穩定性檢驗[J].預測，2002（2）

5.高鴻禎，郭濟敏.上海股票市場β系數穩定性的實證研究[J].中國經濟問題，1999（2）

6.孫薇.我國上市銀行系統性風險預測研究[D].中國海洋大學，2009

7.周婷.上市商業銀行β系數的影響因素實證研究[D].北京大學，2010

8.姚文平.互聯網金融[M].中信出版社，2013

9.李嫣怡，劉榮，丁維岱. EVIEWS統計分析與應用[M].電子工業出版社，2013

10.陳浪南，屈文洲.資本定價模型的實證研究[J].經濟研究，2000（4）

11.田華茂.大數據時代中小商業銀行經營轉型探討[J].西南金融，2014（2）endprint

銀行業資本市場β系數穩定性檢驗。在5%的顯著性水平下，為使β系數在兩個期間存在穩定性，Chow檢驗的伴隨概率必須大于0.05。從我國銀行業資本市場的β系數穩定性檢驗結果中可以看出，除中國銀行β系數的Chow穩定性檢驗的伴隨概率小于0.05以外，我國銀行業資本市場的β系數穩定性檢驗伴隨概率超過0.05，說明類余額寶產品的上線雖然分流了一部分民間存款，但是并沒有改變我國上市銀行β系數的穩定性，我國銀行業在資本市場中仍具有較為穩定的預期收益模型。

（二）相關建議

基于上述結論，本文提出以下建議：

加強信貸風險管理，降低資產杠桿化程度。我國股份制銀行的β系數大于1，說明其盈利隨資本市場的波動起伏較大，抵御風險的能力較弱。在資本市場利好時，可以獲得較高的收益，同時也容易產生泡沫。一旦發生經濟危機，股份制銀行容易受到較大的沖擊，將會出現巨大的虧損。值得注意的是，在2014年初，我國部分地區房地產市場出現低迷，與房地產市場緊密相連的銀行業將會面臨較大的考驗。我國股份制銀行應該提高警惕，逐步減少銀行資產的杠桿化程度，避免我國房地產出現低迷時對銀行造成的強烈沖擊。

降低銀行理財產品的門檻，提升銀行理財產品的收益率。余額寶等互聯網金融產品面世時間較短，對我國銀行業的影響在資本市場還沒得到充分的體現。但由“長尾效應”可知，所有零散小量的需求累加起來將會形成一個比流行市場還大的市場。互聯網的開放性決定了其對信息的歸集要比傳統的銀行更廣泛、更快捷，互聯網在吸收小額零散存款方面具有不可比擬的優勢。互聯網雖然可以收集并提供海量的數據，但是無法解決現實中人際之間的信任問題。我國銀行結合自身信任媒介的作用，積極制定并發展互聯網金融戰略，線上銀行與線下銀行相結合，為銀行業發展尋找新的支撐點。

加強與電商企業合作，有效利用大數據價值。金融的發展本質上就是數據的收集與利用。我國銀行業應該從余額寶等互聯網金融產品的發展模式中受到啟發，積極與電商合作，挖掘電商大數據對銀行信貸業務的價值，利用大數據準確判斷客戶的信用等級，有效解決傳統定價模式中的信息不對稱，加強控制信貸風險控制，降低參與各方為信用違約而支付的額外成本。

參考文獻：

1.董瀟.余額寶對銀行的沖擊[N].中華工商時報，2014-2-26

2.周芳，張維，周兵.基于流動性風險的資產定價模型[J].中國管理科學，2013（5）

3.沈藝峰，洪錫熙.我國股票市場貝塔系數的穩定性檢驗[D].廈門大學學報，1994（4）

4.蘇衛東，張世英.上海股市β系數穩定性檢驗[J].預測，2002（2）

5.高鴻禎，郭濟敏.上海股票市場β系數穩定性的實證研究[J].中國經濟問題，1999（2）

6.孫薇.我國上市銀行系統性風險預測研究[D].中國海洋大學，2009

7.周婷.上市商業銀行β系數的影響因素實證研究[D].北京大學，2010

8.姚文平.互聯網金融[M].中信出版社，2013

9.李嫣怡，劉榮，丁維岱. EVIEWS統計分析與應用[M].電子工業出版社，2013

10.陳浪南，屈文洲.資本定價模型的實證研究[J].經濟研究，2000（4）

11.田華茂.大數據時代中小商業銀行經營轉型探討[J].西南金融，2014（2）endprint