銀行利差對非利息業務發展的影響研究
——來自中國銀行業的經驗證據

■蘇 芳，蔡 莎，王 煊

本文運用我國92家商業銀行2000～2015年的數據，通過多元回歸模型研究商業銀行實際利差對非利息業務發展的影響。研究發現：實際利差與非利息收入存在顯著的負相關關系，而且這種關系具有同期性；實際利差越高，傭金手續費收入和投資收益越低；商業銀行的規模越大，實際利差對非利息收入的影響越大，且對投資收益的影響尤為明顯。研究結論具有穩健性。本文研究不僅有助于商業銀行正確審視實際利差和非利息業務的關系，而且為商業銀行業務轉型及交叉補貼策略提供了參考。

一、問題的提出

2012年，銀監會前主席尚福林在陸家嘴論壇上指出，銀行“要加快商業模式轉型，提升金融服務的多樣性”，“積極發展中間業務，拓展非利息收入渠道，逐步改變過于依賴利差的盈利模式”。然而，我國商業銀行業務模式創新并不樂觀。2000～2015年數據顯示，我國多家商業銀行的非利息業務收入占總營業收入的比重不足15%，行業平均占比也僅為12.6%。那么，是什么因素阻礙我國商業銀行非利息業務發展？已有研究多從定性角度研究阻礙我國商業銀行非利息業務發展的因素。首先，從宏觀環境看，我國分業經營、分業監管的金融機構管理體制極大限制了商業銀行非利息業務的拓展范圍。其次，從市場結構看，我國商業銀行的集中度高，競爭壓力小，缺乏開發中間業務的動力。最后，從商業銀行本身看，商業銀行經營水平落后、管理模式不成熟、市場營銷觀念落后、業務創新能力低下等也制約了我國商業銀行非利息業務的發展。本文認為，高利差是導致我國商業銀行非利息收入低下的重要原因，其中本文所指利差為商業銀行實際利差。根據本文計算，2000～2015年中國銀行業的平均實際利差為3.2%，相對發達國家，實際利差水平較高。實際利差收入占銀行總收入比例均在87%左右，四家國有商業銀行的實際利差收入占銀行總收入的比例接近90%。無疑，實際利差收入是我國商業銀行收入的主要來源。可見，實際利差與非利息業務的關系以及如何利用這種關系改變商業銀行業務結構是金融界必須面對的現實問題。

隨著金融全球化的加劇，非利息業務越來越成為國內外學者關注的焦點。大量學者研究非利息業務對商業銀行收益和風險的影響，但是研究結論并不一致。有研究發現，非利息業務不僅具有潛在的提升銀行收益的能力，而且還可以降低銀行風險（張羽和李黎，2010；Kohler et al.，2015）。也有研究認為，非利息業務具有雙重作用，它在提升銀行的收益的同時也會增加銀行的風險（Hidayat et al，2012）。甚至還有研究表明非利息業務對銀行盈利水平的作用并不顯著（李明輝等，2014），對銀行風險的作用是非線性的（黃哲和邵華明，2018）。后來，國外學者開始關注非利息業務的影響因素，其研究文獻與本文更為相關。根據研究結果，銀行非利息業務影響因素主要有兩大類：一類是銀行自身特征的微觀因素，如銀行資產規模、自身風險、傳統業務的盈利能力、負債結構、所有者權益、資產增長速度、營業費用、凈資產收益率、信貸規模以及經營網點數量等（Lepetit et al.，2018；Demirguc-kunt&Huizinga，2010）；另一類是銀行外部條件的宏觀因素，包括技術進步、通貨膨脹率、GDP增長率以及企業所得稅稅率等。比較而言，我國學者對銀行非利息業務或收入的相關研究起步較晚。關于其影響因素的研究主要借鑒國外學者的思路，并針對我國商業銀行的具體情況展開。首先，在銀行自身特征的微觀層面，鄭榮年和牛慕鴻（2007）研究表明，銀行規模、凈利差收入、資本比率和員工規模與非利息收入均為顯著負相關，信用風險與其正相關，而流動性指標與其關系并不顯著。在銀行外部環境的宏觀層面，張羽和李黎（2010）利用我國15家商業銀行數據研究發現，由于受到更多市場因素的影響，非利息收入具有一定的周期效應。近年來，部分學者還挖掘了互聯網金融對商業銀行非利息收入業務的影響。研究表明，互聯網金融的發展導致商業銀行的總體非利息收入水平顯著降低（趙勝民和劉笑天，2018）。

綜上，不論是非利息業務對銀行收益和風險的影響研究，還是非利息業務自身的影響因素研究，目前國內外已有大量文獻，但仍存在一定的局限性。首先，由于研究樣本、研究視角、研究方法以及變量選擇等方面的差異，導致研究結論大相徑庭。其次，現有研究忽略了銀行實際利差對銀行非利息業務的影響問題。雖然有學者從實際利差的視角驗證了銀行非利息業務對其影響（Maudos&Solís，2009；程茂勇和趙紅，2010），但實際利差對銀行非利息業務的影響尚未被廣泛挖掘。此外，深究相關文獻還發現，多數研究基于靜態視角考察相關因素對非利息業務的影響，鮮有同時從靜態和動態視角分析其相關關系。基于此，本文利用2000～2015年我國92家商業銀行的相關數據，探討我國商業銀行實際利差對非利息業務發展的影響。本文的主要貢獻在于：基于實際利差視角研究我國商業銀行非利息收入低下的原因；同時采用靜態模型和動態模型研究了實際利差與非利息收入的關系；研究不同規模的商業銀行中，實際利差對非利息收入的影響。

二、理論分析與研究假設

隨著商業銀行的業務創新，非利息業務與傳統業務的交叉銷售和交叉補貼定價正在成為商業銀行關注的焦點。其中：交叉銷售是營銷主體通過顧客關系管理發現并滿足顧客的多種需求以銷售更多相關服務和產品的一種新興營銷方式；交叉補貼是廠商利用其市場主導地位進行的一種妨礙競爭的定價行為，是通過有意識地以優惠甚至虧本的價格出售“優惠產品”，從而達到銷售更多“盈利產品”目的的營銷策略。無疑，交叉補貼是交叉銷售中的一種定價策略。一般情況下，商業銀行在經營過程中，會將傳統業務產品（尤其是存貸款）作為虧本銷售產品來吸引更多新客戶或與已有客戶建立長期的存貸關系，從而銷售更多的非利息業務產品，獲得更多的盈利。商業銀行的虧本銷售假說認為，由于商業銀行交叉銷售以及交叉補貼策略的存在，如果商業銀行以存貸款吸引新的顧客并與其建立長期的關系，銀行將會設定較小的實際利差與客戶建立長期的關系，出售傳統業務產品，從而銷售更多的非利息業務產品，獲得更多的非利息收入。由此可以看出，為商業銀行的交叉補貼可能會使實際利差和非利息收入之間呈現負相關的關系。同時，當商業銀行具有較高的實際利差時，從商業銀行傳統存貸款業務獲利比拓展非利息業務更容易。此時，作為“理性經濟人”的商業銀行，其管理層會配置更多資源到傳統存貸業務，進而通過存貸業務實現其利潤最大化的經營目標，而降低非利息業務投入，勢必阻礙商業銀行非利息業務的發展。為此，本文提出假設1：

H1：商業銀行的實際利差與非利息收入負相關。

已有研究表明，非利息收入與利息收入之間具有替代性，利息收入占比高的銀行更專注于傳統存貸款業務的發展，而不會轉向非利息業務（鄭榮年和牛慕鴻，2007）。當前，我國商業銀行實行分業經營，非利息收入來源主要包括傭金手續費收入和投資收益。從非利息業務與傳統業務的交叉銷售和交叉補貼角度看，由于傭金手續費收入是非利息收入中最重要成分，其凈收入總和占非利息收入比重達到80%以上（王歡和郭建強，2014）。因此，傭金手續費收入與實際利差之間存在更大的交叉補貼效應。也就是說，銀行更傾向于將傳統業務與傭金手續費業務進行交叉銷售，故而設定較低的實際利差，出售傳統業務產品，從而銷售更多的支付清算、理財、銀行卡等業務產品，以獲得更多的傭金手續費收入。而相比較傭金手續費收入，投資收益屬于風險性業務收入，具有較高的波動性，容易受到諸多不確定性因素的影響。當實際利差較高時，商業銀行對該業務的開發比較謹慎，進而導致投資收益類業務的開發動力不足。此外，非利息業務需要投入一定的人力、物力和財力，尤其是開發投資收益需要更多財力。而當商業銀行存在資源約束時，大力發展非利息業務則會制約傳統業務的增長。因此，實際利差較高的銀行會更注重利息業務發展，而利差較低的銀行則會向非利息業務轉型。基于以上分析，本文提出假設1a和假設1b：

H1a：商業銀行的實際利差與傭金手續費收入負相關。

H1b：商業銀行的實際利差與投資收益負相關。

銀行規模能夠對實際利差產生積極影響。從規模經濟角度看，規模較大的商業銀行具有一定的規模經濟效應，能分攤產品研發、風險管理等固定費用，降低銀行的經營成本，增強銀行獲得實際利差的能力。從市場競爭力角度看，大型銀行往往具有較高的聲譽和影響力，在同行業競爭中處于優勢地位，有利于銀行實施更激進的策略爭取更多的客戶辦理貸款業務，從而獲得更高的實際利差。我國商業銀行的業務模式以傳統的資產負債業務為主，各商業銀行之間的業務同構性較強。而由于我國商業銀行的規模差異較大，有大型的國有銀行、中型的股份制銀行以及小型的城市商業銀行，它們之間具有較大的差別，主要體現在資產業務規模和收入結構上。一般來說，大型商業銀行的資產負債業務規模較大，其帶來的收益更大，從而導致銀行本身的客戶關系和業務方式創新的動力不足。所以，當銀行實際利差越大時，大型銀行會更注重傳統資產負債業務的發展，以便獲得更多收益，而不會轉向非利息業務，進而減少了非利息業務收入。相反，小型銀行的傳統資產負債業務規模較小，其帶來的收益也較少，故而更加注重非利息業務的發展。綜上，本文認為在規模越大的銀行中，實際利差對非利息收入的影響越大。為此，本文提出假設2。由于商業銀行的非利息業務又可以分為傭金手續費收入和投資收益兩部分，同樣本文又針對這兩部分提出兩個子假設，如假設2a和假設2b：

H2：銀行規模越大，實際利差對非利息收入的影響越大。

H2a：銀行規模越大，實際利差對傭金手續費收入的影響越大。

H2b：銀行規模越大，實際利差對投資收益的影響越大。

三、研究設計

（一）樣本選取

本文選取2000～2015年我國131家商業銀行的數據為初始樣本。為避免研究樣本帶來的誤差，本文進行以下篩選和處理：（1）剔除財務數據不滿三年或連續兩年的樣本；（2）剔除某個或某些變量觀察值缺失的樣本；（3）為了消除異常值的影響，對所有變量進行上下1%到99%的截尾處理（Winsorization）。最終，本研究得到92家商業銀行680個有效觀測值。其中，商業銀行數據來自Bankscope數據庫、中國金融年鑒以及各銀行網站，宏觀環境變量數據來自《中國統計年鑒》。

（二）變量定義

1.被解釋變量。本文的被解釋變量（Y）為商業銀行的非利息業務，并采用非利息收入作為度量指標。非利息收入是指除商業銀行傳統存貸款業務收入以外的所有收入，是國外商業銀行用來與傳統利息收入做區分所總結出來的概念，與我國商業銀行的中間業務收入相似。本文用非利息凈收入在總營業收入中的占比衡量非利息收入（NNII）。其中，總營業收入為利息凈收入與非利息凈收入之和。進一步分析中，將非利息收入分為傭金手續費收入（COM）和投資收益（TRAD）兩部分進行研究，分別采用傭金手續費凈收入和投資凈收益占總營業收入的比值加以衡量。其中：傭金手續費凈收入為傭金手續費收入與傭金手續費支出之差；投資凈收益為投資收益、匯兌收益、公允價值變動收益以及其他營業收入之和。

2.解釋變量。本文的解釋變量（X）為商業銀行的實際利差，基于不同的測量口徑，其又有廣義和狹義之分。其中：廣義的實際利差是指生息資產的平均收益率與計息負債的平均成本率之間的差額；狹義的實際利差為貸款利率與存款利率的差額。由于廣義的實際利差更能反映商業銀行的整體經營情況，故本文選擇廣義的實際利差為解釋變量。但考慮到計息負債數據獲取困難，本文直接采用Bankscope數據庫中的NIM（凈利息收入/總生息資產）衡量實際利差，該測量方式同樣被國外相關文獻頻繁使用（Valverde&Fernandez，2007）。

3.控制變量。本文控制變量包括：銀行特征變量（BV）、市場結構變量（SV）以及宏觀環境變量（EV）。其中：銀行特征變量包括銀行規模、資本充足率、不良貸款率、資產流動性、管理效率以及股權結構；市場結構變量用市場集中度表示；宏觀環境變量包括GDP增長率、通貨膨脹率和企業所得稅稅率。表1列示了變量的計算方式。

表1 變量匯總表

（三）模型構建

為了研究實際利差對非利息收入的影響，本文采用了基本的回歸模型，如（1）和（2）所示。

其中：Y為商業銀行的非利息收入；X為商業銀行的實際利差；i為第i家銀行；t為第t期，J為滯后期數；CV為模型的控制變量；α、β、ω、γ均為待測系數，ε為誤差項。

模型（1）是靜態回歸模型，并沒有考慮時間因素。但在現實中，這些變量之間通常存在“時間滯后”。為檢驗這種“時間滯后”效應，本文在模型（1）加入J期滯后變量，建立動態的分布滯后模型（2），研究前J期實際利差對當期非利息收入的影響。

為檢驗假設H2、H2a和H2b，本文在模型（1）的基礎上，將實際利差與銀行規模的交互項加入模型中，形成新的模型（3）。在該模型中，實際利差對非利息收入、傭金手續費收入以及投資收益的影響由β和δ共同決定。

其中：Y為商業銀行的非利息收入、傭金手續費收入以及投資收益；X為商業銀行的實際利差；it為第i家銀行第t期；CV為模型的控制變量；α、β、δ、γ均為待測系數；ε為誤差項。

表2為變量的描述性統計結果。

表2 研究變量描述性統計

四、實證分析

考慮到研究變量間可能存在多重共線性以及參數估計的有效性問題，本文在回歸前進行以下兩方面檢測：（1）對模型中自變量進行方差膨脹因子（the Variance Inflation Factor，VIF）診斷法檢驗，發現其vif值均小于4，說明變量間并不存在嚴重的多重共線性；（2）通過Wooldridge程序檢驗發現，模型中存在顯著的異方差和自相關。為此，本文采用帶有Driscoll-Kraay標準誤的固定效應估計方法進行處理，以避免由于異方差和自相關所產生的誤差。此外，本文在所有模型中均對年份變量進行了控制。

（一）假設H1的實證檢驗

在基本模型（1）和（2）的基礎上，本文建立六個模型（模型A1、A2和A3為靜態模型，模型A4、A5和A6為分布滯后模型），采用分步回歸法并結合樣本數量選擇滯后一期。結果如表3所示。其中，模型調整后的R2均在27%左右，P值為0.0000，說明這六個模型的擬合度較好且具有顯著的線性關系。

在各模型中，不論如何改變模型的控制變量，本期實際利差與非利息收入均在1%的置信水平下顯著負相關，表明我國商業銀行的實際利差阻礙了非利息業務的發展，實際利差越高，非利息收入越低，與本文的假設H1相符。在三個分布滯后模型中，滯后一期的實際利差僅在模型A6中與非利息收入在10%的水平下顯著正相關，且滯后一期的實際利差對非利息收入的影響效應遠小于本期的影響效應。據此，本文認為，實際利差與非利息收入的負相關關系具有同期性①同期性指在時間上的同期，也就是說它們之間的這種顯著負相關關系主要體現在同一時期。，滯后一期的實際利差對非利息收入的影響較小。

（二）假設H1a和假設H1b的實證檢驗

隨后，本文將非利息收入分為傭金手續費收入和投資收益兩部分進行實證分析，研究實際利差對它們各自的影響。研究中用傭金手續費收入和投資收益替代基本模型（1）中的非利息收入，結果如表4所示。其中，六個模型調整后的R2均在30%左右，P值均為0.0000，說明各模型擬合度較好且具有顯著的線性關系。

表4 假設H1a和假設H1b實證檢驗結果

模型B1、B2和B3解釋變量為傭金手續費收入，是假設H1a的檢驗模型。在三個模型中，不論如何改變模型的控制變量，實際利差對傭金手續費收入的影響均在1%的置信水平下顯著負相關，商業銀行的實際利差越高，傭金手續費收入越低，與本文的假設H1a相符。這說明較高的實際利差使商業銀行降低對傭金手續費收入產品的開發以及銷售，降低傭金手續費收入。

模型B4、B5和B6解釋變量為投資收益，是假設H1b的檢驗模型。在三個模型中，不論如何改變模型的控制變量，實際利差對投資收益的影響均在1%的置信水平下顯著負相關，商業銀行的實際利差越高，投資收益越低，與本文的假設1b相符。具體來說，較高的實際利差會降低管理者的努力程度，削弱開發投資收益產品的積極性，降低投資收益。此外，當商業銀行實際利差較高時，銀行對投資收益這類風險性業務的開發比較謹慎。同時，在存在資源約束的情況下，商業銀行會更加注重傳統利息業務的發展，尤其是投資收益。

由上述分析可以看出，在假設H1a和假設H1b的檢驗中，控制變量對傭金手續費收入和投資收益的影響并不相同，且多為相反的關系，這主要是由于傭金手續費收入產品和投資收益產品在銷售模式的差異造成的，傭金手續費收入產品一般是與傳統業務捆綁進行交叉銷售，而投資收益產品（如匯兌收益、公允價值變動收益等）較少與傳統業務產品交叉銷售。本文以銀行規模為例分析由于銷售模式的差異造成控制變量對它們影響的差異。在我國不完全競爭的銀行業中，規模越大的商業銀行，傳統業務所占的市場份額越大，由于商業銀行的交叉銷售，其傭金手續費產品的銷售量也越大，商業銀行的傭金手續費收入隨之增加；而由于投資收益產品一般較少與傳統業務交叉銷售，所以商業銀行的投資收益不高，且規模較大的商業銀行具有一定的壟斷勢力，會降低商業銀行開發新產品的動力，而減少投資收益。因此，銀行規模越大，傭金手續費收入越高，投資收益越低。在假設H1的檢驗中，本文發現銀行規模與非利息收入顯著負相關，這與銀行規模和投資收益的關系相同，說明銀行規模對非利息收入的影響，主要是由銀行規模對投資收益的影響造成，這是因為我國特殊的非利息收入結構（投資收益占非利息收入的主要部分）造成的，在本文的樣本期間，我國商業銀行的非利息收入中，投資收益所占的比例竟然高達70%以上。

表5 假設2、假設2a以及假設2b實證檢驗結果

（三）進一步分析

表5列示了假設H2、H2a和H2b的實證檢驗結果。針對每個假設，本文均以三個模型進行檢驗，模型C1、C2和C3為H2的檢驗模型，模型C4、C5和C6為H2a的檢驗模型，模型C7、C8和C9為H2b的檢驗模型。在假設H2的三個檢驗模型中，實際利差和銀行規模的交互項與非利息收入顯著負相關，與本文的H2相符，說明銀行規模越大，實際利差對非利息收入的影響越大。在假設H2a的三個檢驗模型中，實際利差和銀行規模的交互項與傭金手續費收入的關系并不顯著，與本文的H2a不符，說明銀行規模對實際利差和傭金手續費的調節作用并不顯著。在假設H2b的三個檢驗模型中，實際利差和銀行規模的交互項與投資收益顯著負相關，與本文的H2b相符，說明銀行規模越大，實際利差對投資收益的影響越大。從中可以看出，銀行規模越大，實際利差對非利息收入的影響越大，尤其是對投資收益的影響更大。主要原因在于，大型商業銀行的資產負債業務規模較小型商業銀行大，其帶來的收益也更大，從而導致其銀行本身的客戶關系和業務方式創新的動力不足。因此，當存在較大的實際利差時，銀行更注重傳統業務發展，從而減少非利息業務收入。

（四）穩健性檢驗

為保證研究結果的可靠性，本文進行以下三種穩健性測試。首先，采用狹義的實際利差分析實際利差對非利息收入的影響，狹義的實際利差（NIM2）為貸款利率與存款利率的差額。回歸結果與上述結果相似。其次，用非利息收入、傭金手續費收入以及投資收益的毛收入反映其發展狀況，分別以非利息收入與營業收入的比值、傭金手續費收入與營業收入的比值、投資收益與營業收入的比值替代上述分析中非利息業務指標進行檢驗。其中，營業收入為利息收入與非利息收入之和。結果發現，實際利差對非利息收入、傭金手續費收入和投資收益的影響與上述結論相同。最后，采用隨機效應模型對已有樣本數據進行回歸分析，以避免由于研究方法不當而造成結論不穩健的可能。所得出的結果與上述結論相同，說明本文研究結論穩健①限于篇幅，穩健性檢驗及內生性分析部分的估計結果未給出，留存備索。。

（五）內生性分析

銀行也許會根據自身非利息收入狀況，調整其利差，從而產生內生性問題使得回歸結果不一致，本文使用系統GMM方法重新探索利差對非利息業務的影響。系統GMM方法適合于T小N大的面板數據，本文選取的樣本恰好符合要求。選取系統GMM方法有三個優點：首先，系統GMM法適用于處理存在較多內生性變量的情況，本文中可能不止非利息收入占比和非存款負債占比存在內生性，其他銀行變量也可能會受到銀行盈利和風險的影響，例如盈利能力強的銀行可能會增大總資產規模；其次，系統GMM方法允許使用變量的滯后值作為其自身的工具變量，解決了其他方法中難以尋找合適的工具變量的問題；最后，系統GMM法的結果還能作為改變計量方法的穩健性檢驗。本文假設所有銀行特征變量都是內生的，以各自的滯后值作為工具變量且所有宏觀經濟變量是完全外生的。結果顯示利差對非利息收入、傭金手續費收入以及投資收益的影響與上述結果一致，證明了前面所得結論具有穩健性。

五、結論與政策建議

本文利用我國92家商業銀行2000～2015年的數據，基于實際利差的視角，同時采用靜態和動態效應的多元回歸模型，研究阻礙我國商業銀行非利息業務發展的原因。研究發現：商業銀行實際利差對銀行非利息收入具有顯著的負向影響，即商業銀行的實際利差越大，商業銀行的非利息收入越低，且這種顯著的負向關系具有同期性；隨后將非利息收入分為傭金手續費收入和投資收益兩部分進行研究，發現實際利差與它們的關系均為顯著負相關；進一步研究還發現，不同規模的商業銀行，其實際利差對非利息收入的影響不同，商業銀行的規模越大，實際利差對非利息收入的影響越大，對投資收益的影響尤為明顯。

本文對銀行實際利差與非利息業務關系的研究及其結果不僅有助于我國商業銀行進一步正確審視實際利差的作用，同時為我國商業銀行的業務轉型以及我國商業銀行的交叉補貼策略提供建議。首先，降低商業銀行的實際利差，提高非利息業務水平，為商業銀行的業務轉型鋪平道路；其次，加強傳統利息產品與非利息業務產品的交叉銷售和交叉補貼定價，為商業銀行獲取更多的利潤；最后，調整非利息收入的結構，加大傭金手續費業務的投入。

當然，本研究也存在一定局限性，文中僅分析了92家商業銀行總體情況下實際利差對非利息業務的影響，而事實上，通過對商業銀行的性質進行劃分，研究不同性質下的商業銀行，如國有商業銀行和非國有商業銀行，其實際利差對銀行非利息業務的影響是否存在差異也具有重要意義，值得后續深入研究。