中國商業銀行最優資本水平及其調整研究

沈沛龍+王曉婷

摘 要：采用部分調整模型和傅里葉單位根檢驗對中國14家上市商業銀行的最優資本水平進行研究，并估計出存在最優資本水平銀行的最優資本比率值和資本調整速度。研究發現，大部分上市銀行均存在最優資本水平，但不同類型和資產規模的銀行在最優資本比率的目標變量選擇方面有所差異。平均而言，大型商業銀行最優資本水平較高，股份制銀行最優資本水平較低。資本調整速度在銀行間差異很大，自有資金比率調整速度最快，核心資本充足率和資本充足率調整速度較慢。

關鍵詞： 最優資本；資本調整速度；傅里葉單位根檢驗； 部分調整模型

中圖分類號：F831 文獻標識碼： A 文章編號：1003-7217（2016）04-0011-07

一、引言

公司資本結構關系到公司價值、經營行為、獲取利潤能力等，是公司金融領域中較為成熟和熱門的研究內容。半個多世紀以來，理論界對公司的資本結構調整速度和最優資本結構的存在性進行了大量研究。

商業銀行資本結構理論是公司資本結構理論在銀行業領域的延伸和應用。商業銀行作為一種特殊的企業類型，其資本管理理論和方法與一般公司存在許多不同之處。對于銀行而言，存在賬面資本、監管資本和經濟資本等不同的資本類型，企業的最優資本結構理論也擴展成為最優資本水平理論。然而，監管資本要求并不意味著銀行的最優資本結構，也不是銀行管理者在決策時最終確定的資本比例。最優資本結構應當在銀行資本的流動性創造、經營失敗的預期成本和降低迫使借款人還款影響方面進行權衡[ 1 ]，且銀行資本比率存在理論上的均衡水平[2， ]。實踐中，商業銀行資本由于需適應監管政策和宏觀經濟周期的變化和公司及個人的貸款需求的變化，要對資本結構進行主動調整，其資本結構調整動態特征更為明顯。

目前，國內有關動態資本結構的研究多采用面板數據，運用面板模型估計得到平均最優資本和平均調整速度，鮮有從具體公司角度進行分析，研究重點大多偏向于資本結構調整速度，而非最優資本水平。此外，一般的標準部分調整模型均假設負債為外生的，但外生負債假設并不十分適用于銀行業，銀行可根據其經營策略和監管環境對負債水平進行調整，且在標準部分調整模型中，沒有考慮到資產價值和負債價值存在的相關關系。在估計最優資本結構時采用影響資本結構的宏微觀因素等控制變量進行估計，不是從資本結構數據本身發掘最優資本結構，產生的內生性和多重共線性問題會影響到結果的準確性。當數據中存在結構性突變時，采用虛擬變量作為結構突變的處理方式存在一定缺陷，且關于資本充足率的影響因素及資本監管和風險間關系研究較多，關于商業銀行最優資本比率研究較少。由于中國商業銀行的資本比率披露年份較短，且不同銀行披露的數據長度和頻率有所不同，所以，面板模型不適用于對銀行資本結構的分析。國內尚沒有學者從資本結構的數據特征方面對銀行的最優資本比率進行研究。更為重要的是，由于銀行資本層次的多樣性，銀行的最優資本水平所包含的內容更為豐富，在不同的資本層面，銀行的經營策略可能是不同的，所以，銀行最優資本水平應包含多項資本內容，才能更加全面地反映出不同銀行的經營策略。

為此，本文使用包含傅里葉級數的單位根檢驗方法，對中國14家上市銀行的監管資本和非監管資本的動態特征和最優資本結構進行研究。注重資本比率的數據特征，考慮資本結構平滑突變的特性，不考慮資本結構與其他因素的內生性，假設負債非外生；考慮資產和負債二者之間的相關性，并將一般企業的資本結構擴展至銀行資本充足率。同時，針對存在最優資本水平的銀行和資本比率，運用最小二乘法對其水平和調整速度進行估計。

二、理論分析

本文的最優資本水平研究建立在資本結構部分調整理論和對資本水平的數據特征分析之上，經過研究獲得資產和負債價值變化存在相關性的資本比率一階自相關過程的一般表達式，并將該表達式運用至銀行特殊資本結構中。

（一）資本水平一階自相關過程

對任一公司而言，資產等于負債加權益。假設公司負債不是外生的，而是取決于公司目標負債比率和公司調整負債比率的能力。不失一般性，假設公司的資產和負債價值分別遵從如下維納過程：

顯然，Memmel & Raupach[5]在負債價值與資本價值保持同樣增長速度且二者間不存在相關性的假定下所得結論是本文的特殊情況。當κ>0時，資本比率是平穩的一階自相關過程，存在最優資本水平。當κ=0時，公司資本比率是一個單位根過程，則公司不存在最優資本水平。式（9）、（10）構成了資本比率一階自相關過程的一般性結論。

在上述分析過程中，無論是負債比率還是資本比率，都是負債價值、資本價值與資產價值的比值，為一般企業與銀行在進行資本結構管理時所關注的目標變量，而銀行作為特殊的企業類型，在關注資本比率的同時，還重點關注其特有的資本結構類型——資本充足率。資本充足率是銀行資本與風險加權資產的比值，除可作為資本結構管理的目標變量外，還可衡量銀行吸收非預期損失的能力。如果將上述分析過程中的資產價值At替換為風險加權資產價值，仍可得出與式（9）、（10）相同的表達式。銀行的資本比率或資本充足率均可作為對最優資本水平進行研究的目標變量。進而可通過單位根檢驗對銀行是否存在最優資本水平進行判別。在單位根檢驗中，原假設κ=0，如果拒絕原假設，則資本比率是平穩的，存在目標資本水平即最優資本水平。通過單位根檢驗可以選擇出存在最優資本比率的銀行，在此基礎上對存在最優資本水平的銀行進行最小二乘回歸，求出資本調整速度κ和最優資本水平。

（二）傅里葉單位根檢驗

由外部沖擊或內部調整所導致的數據生成過程發生改變，為數據的結構性突變。傳統的單位根檢驗如ADF和PP檢驗，沒有在其模型中納入結構突變，對均值回歸的解釋能力不強，導致檢驗的功效降低，將平穩的時間序列誤判為單位根過程[6]。在一般情況下，對結構突變進行考慮的方法是運用虛擬變量，但其前提條件是需知道結構突變點的個數和位置，而且目前運用虛擬變量考慮突變點的個數通常為1～2個，對于有較多突變點的序列擬合能力較差。此外，虛擬變量衡量的是趨勢和水平的突然改變，對于頻率較低的數據而言，結構改變通常以較大波動的形式出現，運用虛擬變量是無法衡量的。對于包括資本比率在內的很多數據來說，結構的改變往往是平滑和漸進的。基于此，Becker et al.[7，8]和Enders & Lee[9]通過靈活的傅里葉變換，將形式未知的結構突變以平滑過程進行檢驗。Enders & Lee[10] 又進一步運用LM（Lagrange Multiplier）準則發展了傅里葉變換來捕捉數據中存在的結構性變化，他們認為如果序列中存在平滑結構突變，可近似地使用傅里葉展開式的低頻部分表示數據，而無需精確地對結構突變的具體形式在模型中表示出來。在傅里葉單位根檢驗中，結構突變點通過內生性檢測，不需要事先確定突變的形式和個數。同時，傅里葉單位根檢驗減少了所需要估計的參數個數，提高了估計的準確性。非線性趨勢最優頻率事前不知道，通常設定為1～5個。