非利息收入對(duì)異質(zhì)性銀行金融風(fēng)險(xiǎn)的影響分析

劉雨晴　陳傲星

摘要：21世紀(jì)以來，我國GDP持續(xù)高速增長，銀行業(yè)進(jìn)入了飛速擴(kuò)張的模式，我國利率市場化改革也在不斷深化，商業(yè)銀行非利息收入業(yè)務(wù)的迅速發(fā)展拓寬了銀行的盈利渠道：但是與此同時(shí)，它對(duì)銀行金融帶來的風(fēng)險(xiǎn)也不可忽視。為此，本文基于我國20家異質(zhì)性銀行2011- 2017年的140組相關(guān)數(shù)據(jù)，探討了非利息收入對(duì)銀行金融風(fēng)險(xiǎn)的影響，并得到相關(guān)的結(jié)論和啟示，以加強(qiáng)商業(yè)銀行非利息收入業(yè)務(wù)的監(jiān)管和流動(dòng)性風(fēng)險(xiǎn)的防范。

關(guān)鍵詞：非利息收入：多元線性回歸模型：銀行金融風(fēng)險(xiǎn);相關(guān)性分析：層次分析法

一、引言

非利息收入主要是指中間業(yè)務(wù)收入和咨詢、投資等活動(dòng)產(chǎn)生的收入，就中國的商業(yè)銀行目前收入結(jié)構(gòu)來看，利息收入仍占據(jù)主體，一般都占主營收入的80%左右，然而，近年來人民幣貸款利率不斷下降，且“金融脫媒”的情況使得供需雙方不再通過商業(yè)銀行進(jìn)行交易，這樣不可避免地會(huì)降低商業(yè)銀行的利潤。因此，在此在利率市場化大趨勢之下，國內(nèi)商業(yè)銀行之間競爭的激烈程度是逐漸加深的，各家銀行以挖掘并發(fā)展新的效益為目的，開始加大非利息收入業(yè)務(wù)的投入，期待通過獲得非利息收入來提高利潤，成為我國商業(yè)銀行的一個(gè)新的重要發(fā)展方向，但是，提高非利息收入業(yè)務(wù)占比是否可以改善降低銀行的金融風(fēng)險(xiǎn)始終目前還相當(dāng)富有爭議。

因此，在上述宏觀經(jīng)濟(jì)背景下，分析非利息收入業(yè)務(wù)對(duì)我國異質(zhì)性銀行金融風(fēng)險(xiǎn)的影響，是符合“加強(qiáng)宏觀審慎監(jiān)管、維護(hù)金融體系穩(wěn)定和防范系統(tǒng)性風(fēng)險(xiǎn)”這一全球共識(shí)的，對(duì)我國商業(yè)銀行今后的發(fā)展道路具有深刻的現(xiàn)實(shí)價(jià)值。

本文將選取20家異質(zhì)性銀行2011 - 2017年的相關(guān)數(shù)據(jù)，其中包括5家商業(yè)銀行，7家股份制銀行以及8家城市商業(yè)銀行，用破產(chǎn)風(fēng)險(xiǎn)度量商業(yè)銀行的金融風(fēng)險(xiǎn)，以此探究非利息收入業(yè)務(wù)對(duì)我國異質(zhì)性銀行金融風(fēng)險(xiǎn)的影響。

二、非利息收入在我國商業(yè)銀行的現(xiàn)狀

我國商業(yè)銀行在2011 - 2017年內(nèi)的非利息收入占比在20% - 25%以內(nèi)，利息收入仍舊在我國商業(yè)銀行的收入來源中占有主導(dǎo)地位，但非利息收入占比在整體上呈現(xiàn)緩慢增長的趨勢，如圖l所示。

在其中，選取2017年5家商業(yè)銀行.7家股份制銀行以及8家城市商業(yè)銀行這20家異質(zhì)性銀行的非利息收入占比為例。如圖2所示，中國銀行的非利息收入占比最高，達(dá)到47.73%.吳江銀行占比最低僅有5.92%，從整體上看，商業(yè)銀行的規(guī)模對(duì)銀行的非利息收入業(yè)務(wù)也有一定的影響，規(guī)模較大的五大行和股份制銀行的非利息收入占比相對(duì)高于規(guī)模較小的城市商業(yè)銀行。

三、非利息收入業(yè)務(wù)對(duì)異質(zhì)性銀行金融風(fēng)險(xiǎn)的影響

（一）變量選取

1.解釋變量

首先，選取本文的主要研究對(duì)象非利息收入占比作為解釋變量，用公式表示為：

非利息收入占比（NII）=非利息收入/營業(yè)收入×100%

除去非利息收入占比這一因素外，對(duì)于銀行金融風(fēng)險(xiǎn)的影響因素還有很多，本文考慮到異質(zhì)性銀行間的規(guī)模以及經(jīng)營狀況存在較大差異，因此再選取資產(chǎn)規(guī)模、資產(chǎn)增長率、資本結(jié)構(gòu)以及貸款規(guī)模四個(gè)變量同時(shí)作為解釋變量。

（1）資產(chǎn)規(guī)模

選取資產(chǎn)規(guī)模（AS）作為控制變量，但是不同商業(yè)銀行間的總資產(chǎn)水平差異很大，為了便于比較不能直接采用總資產(chǎn)作為衡量，所以采用總資產(chǎn)的自然對(duì)數(shù)的數(shù)值表示商業(yè)銀行的資產(chǎn)規(guī)模，用公式表示為：

AS=ln（ TA1）

其中，TA1為銀行總資產(chǎn)。

（2）資產(chǎn)增長率

資產(chǎn)增長率（SG）表示資產(chǎn)規(guī)模的增長速度，不同規(guī)模下資產(chǎn)的增長速度存在差異，則這一指標(biāo)衡量了銀行的擴(kuò)張速度對(duì)于風(fēng)險(xiǎn)的影響，用公式表示為：

其中，SG1為當(dāng)期資產(chǎn)增長率，ROA為資產(chǎn)收益率，DR為以百分比表示對(duì)銀行稅后收益中的紅利部分，EC1為期末銀行的總股本，TA1為期末銀行總資產(chǎn)。

（3）資本結(jié)構(gòu)

資本結(jié)構(gòu)（ETA）即股東權(quán)益占總資產(chǎn)的比率，按照財(cái)務(wù)杠桿理論，該指標(biāo)不僅可以衡量銀行資本充足的狀況，還可以說明銀行的資本風(fēng)險(xiǎn)水平，用公式表示為：

ETA=E/ TA1

其中，E為所有者權(quán)益TA1為銀行總資產(chǎn)。

（4）貸款規(guī)模

同理于資產(chǎn)規(guī)模，貸款規(guī)模（LS）也采用貸款總額的自然對(duì)數(shù)表示：

LS=ln（L）

其中，L為貸款總額。

綜上，解釋變量的變量說明如表1所示。

2.被解釋變量

根據(jù)商業(yè)銀行在經(jīng)營過程中面臨的風(fēng)險(xiǎn)分類，本文選取信用風(fēng)險(xiǎn)、資本充足風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和經(jīng)營風(fēng)險(xiǎn)四方面當(dāng)作對(duì)商業(yè)銀行金融風(fēng)險(xiǎn)的衡量指標(biāo)。

（1）信用風(fēng)險(xiǎn)

通過商業(yè)銀行貸款的貸款質(zhì)量來衡量信用風(fēng)險(xiǎn)，用不良貸款率（ NPL）來表示，即不良貸款占總貸款額的比重。貸款可以分為正常貸款、關(guān)注貸款、次級(jí)貸款、可疑貸款和損失貸款五類，其中后三類合稱為不良貸款，則信用風(fēng)險(xiǎn)用公式表示為：

信用風(fēng)險(xiǎn)=NPL=次級(jí)貸款+可疑貸款+損失貸款/各項(xiàng)貸款×100%

（2）資本充足風(fēng)險(xiǎn)

資本充足率（CAR）是保證銀行等金融機(jī)構(gòu)正常經(jīng)營和發(fā)展所必需的資本比率，各國金融管理當(dāng)局一般都有對(duì)商業(yè)銀行資本充足率的監(jiān)管，目的是監(jiān)測銀行抵御風(fēng)險(xiǎn)的能力，《巴塞爾協(xié)議Ⅲ》中還把商業(yè)銀行的一級(jí)資本充足率下限從4%上調(diào)至了6%，可以采用資本充足率來衡量資本充足風(fēng)險(xiǎn)，用公式表示為：

資本充足風(fēng)險(xiǎn)= CAR=資本總額/風(fēng)險(xiǎn)加權(quán)資產(chǎn)總額×100%

（3）流動(dòng)性風(fēng)險(xiǎn)

存貸比（/R）是商業(yè)銀行流動(dòng)性監(jiān)管的重要指標(biāo)，目前我國商業(yè)銀行的資金主要來源于存款，但是存貸比并不是越高越好，存貸比太高比也會(huì)產(chǎn)生流動(dòng)性不足的問題而給商業(yè)銀行帶來金融風(fēng)險(xiǎn)，它需要對(duì)銀行支付所需的資金是否充足進(jìn)行充分考慮。流動(dòng)性風(fēng)險(xiǎn)可用公式表示為：

流動(dòng)性風(fēng)險(xiǎn)=LR=貸款總額/存款總額×100%

（4）經(jīng)營風(fēng)險(xiǎn)

資本成本率（I）是指公司用資費(fèi)用與有效籌資額之間的比率，是度量商業(yè)銀行經(jīng)營成果的重要指標(biāo)，用公式表示為：

經(jīng)營風(fēng)險(xiǎn)=I=利息成本+營業(yè)成本/吸收的全部存款金額 x100%

綜上，商業(yè)銀行的金融風(fēng)險(xiǎn)（Z）可用公式表示為：

采用層次分析法（AHP）確定α1、α2、α3和α4的值，根據(jù)我國各個(gè)商業(yè)銀行金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系以及統(tǒng)計(jì)局的相關(guān)數(shù)據(jù)及專家打分，對(duì)各個(gè)指標(biāo)主觀賦權(quán)得到矩陣，用Management Scientist軟件得到α1=0.0834，α2=0.4089，α3=0. 2496，α4=0.2581，則銀行金融風(fēng)險(xiǎn)Z最終可表示為：

Z=0.0834 xNPL+0. 4089×CAR+O.2496 xLR+O.2581 xI

綜上，被解釋變量的變量說明如表2所示。

（二）構(gòu)建

本文選擇構(gòu)建多元線性回歸模型來分析非利息收入對(duì)異質(zhì)性銀行金融風(fēng)險(xiǎn)的影響。

（三）模型實(shí)證檢驗(yàn)

1.本數(shù)據(jù)的選取

選取5家國有商業(yè)銀行（工商、農(nóng)業(yè)、中國、建設(shè)和交通），7家股份制銀行（中信、平安、興業(yè)、招商、民生、浦發(fā)和光大）以及8家城市商業(yè)銀行（成都、寧波、吳江、杭州、南京、貴陽、北京和江陰），即總共選取20家規(guī)模不同的商業(yè)銀行作為異質(zhì)性銀行的代表，收集了它們2011- 2017年的相關(guān)數(shù)據(jù)，數(shù)據(jù)來源于國泰安數(shù)據(jù)庫以及各大上市銀行年報(bào)，經(jīng)過整理和計(jì)算得到140組數(shù)據(jù)。

2.回歸檢驗(yàn)

采用SPSS軟件的多元回歸分析模塊進(jìn)行回歸檢驗(yàn)，選定全部6個(gè)變量Z，NII，AS，SG，ETA，LS進(jìn)入模型來擬合多元線性回歸方程，得到如表3所示的模型綜述表。

其中，相關(guān)系數(shù)R= 0.731、判定系數(shù)R2=0. 534、調(diào)整判定系數(shù)R2=0. 368.表明自變量可以解釋因變量53.4%的變異，回歸方程的擬合優(yōu)度不算特別高。D-W值=2.611，表明殘差具有獨(dú)立性。

因?yàn)槟Ｐ蛿M合度不算很高，即此多元線性回歸模型不能被樣本數(shù)據(jù)很好的解釋，因此考慮在此基礎(chǔ)上對(duì)各個(gè)變量進(jìn)行相關(guān)性分析與檢驗(yàn)，以此進(jìn)一步確定各自變量與因變量之間的相關(guān)程度。

3.相關(guān)性檢驗(yàn)

采用SPSS軟件的相關(guān)性分析中的二元變量分析模塊對(duì)6個(gè)變量（Z，NH，AS，SG，ETA，LS）進(jìn)行兩兩之間的相關(guān)性分析，得到如表4所示的相關(guān)性表。

其中，NII和Z的皮爾遜相關(guān)系數(shù)值為0.381，ETA和Z的皮爾遜相關(guān)系數(shù)值為0.239，SG和Z的皮爾遜相關(guān)系數(shù)值為- 0.442，即指標(biāo)非利息收入占比和資本結(jié)構(gòu)都與銀行的金融風(fēng)險(xiǎn)之間具有低度正相關(guān)關(guān)系，資產(chǎn)增長率與銀行的金融風(fēng)險(xiǎn)之間具有低度負(fù)相關(guān)關(guān)系。

而AS和LS關(guān)于Z的皮爾遜相關(guān)數(shù)值都比較大，分別為0.586和0.627，即資產(chǎn)規(guī)模和貸款規(guī)模與銀行的金融風(fēng)險(xiǎn)之間具有高度正相關(guān)關(guān)系。

四、研究結(jié)論及啟示

（一）結(jié)論

基于上述的實(shí)證研究檢驗(yàn)的結(jié)果，發(fā)現(xiàn)非利息收入占比與銀行金融風(fēng)險(xiǎn)正相關(guān)但影響不顯著，提高非利息收入占比會(huì)小幅度加大銀行的金融風(fēng)險(xiǎn)，而銀行的規(guī)模對(duì)于金融風(fēng)險(xiǎn)的影響很大。

（二）啟示

商業(yè)銀行提高非利息收入占比，雖然符合銀行多元化經(jīng)營的偏好，但實(shí)際上對(duì)于銀行的經(jīng)營會(huì)造成一些不利影響，在小程度上會(huì)加大銀行的金融風(fēng)險(xiǎn)。因此，對(duì)于各個(gè)異質(zhì)性銀行的管理者來說，應(yīng)根據(jù)自身規(guī)模特征合理地進(jìn)行發(fā)展，不能一味地追求多遠(yuǎn)化而增大經(jīng)營風(fēng)險(xiǎn)，要調(diào)整好收入結(jié)構(gòu)從而在提高銀行績效的同時(shí)有效地規(guī)避風(fēng)險(xiǎn)，保證銀行在經(jīng)營過程中的收益率與安全性。

參考文獻(xiàn)：

[1]黃哲，邵華明，商業(yè)銀行非利息收入對(duì)流動(dòng)性風(fēng)險(xiǎn)的影響[J].財(cái)經(jīng)科學(xué)，2018（ 08）：44-55.

[2]辛兵海，陶江，銀行異質(zhì)性、經(jīng)營模式和風(fēng)險(xiǎn)——基于我國銀行業(yè)微觀數(shù)據(jù)的實(shí)證[N].武漢大學(xué)學(xué)報(bào)，2018（V01.71）：175-184.

[3] Brunnermeier M K， Dong G，Palia D.Banks' Non-in-terest Income and Systemic Risk[C].American Finance Asso-ciation 2012 Chicago Meetings Paper，2012.