非利息收入對我國商業銀行經營績效與風險影響研究

王 瑩

一、引言

縱觀全球銀行業，經濟增速放緩使信貸規模放緩，低利率時代的到來給銀行業的凈利差收入業務帶來挑戰。伴隨著利率市場化改革、金融脫媒和日益趨嚴的審慎監管，我國銀行業的存貸款利差已降至2%的水平。商業銀行的營業收入分為凈利息收入以及非利息收入，其中非利息收入指除存貸差收入之外的營業收入，包括手續費及傭金凈收入、公允價值變動收益、匯兌收益、投資收益和其他業務收入。利息收入業務由于受利率變動和經濟周期的影響很大，具有不穩定的周期性，而非利息收入受經濟周期的擾動較小，又因其不占用銀行的表內資產，商業銀行逐步將發展重心轉向非利息收入業務。

規模上，相較于其他類型的商業銀行，國有銀行的非利息收入總量較大，這得益于規模效應。但由于其非利息收入增長速度比較緩慢，也限制了國有銀行非利息收入業務總量的進一步擴大。中小型商業銀行得益于規模較小，近幾年，不論是從非利息收入的絕對量上，還是從非利息收入的相對量上，均呈現較快增長。雖然近幾年我國商業銀行的非利息收入占比在不斷攀升，但我國商業銀行非利息收入占營業收入的比重仍和歐美商業銀行有著不小的差距。

結構上，雖然國有銀行的非利息收入結構比股份制銀行更加完善，但仍處于不均衡的狀態，會增加經營風險。國有大銀行和股份制銀行的手續費及傭金凈收入在營業收入中的占比仍處于相當高的位置，投資收益、其他業務收入項目發展緩慢，存在極大上升空間。城商行和農商行的總資產規模較小，容易調整收入結構，其手續費及傭金凈收入的占比已降至50%以下，投資收益占比在近些年呈顯著上升態勢，同時其公允價值變動收益和匯兌收益也處于不斷變化中。

非利息收入占營業收入比重的提高能否改善商業銀行的績效或降低銀行的經營風險是研究熱點，同時頗具爭議性。因此，研究非利息收入對我國商業銀行績效和風險影響的重要性漸漸被凸顯出來。本文通過選取25商業銀行2012至2019年的面板數據，用凈資產收益率（ROE）和破產風險系數（Z值）來衡量銀行的績效和風險，分別研究非利息收入對我國商業銀行績效和風險的作用機理和影響效應，為我國商業銀行提供相關指導意見，為銀行在今后激烈的競爭環境中尋求更好的創新點與發展點。

二、文獻回顧

通過梳理國內外相關文獻，由于商業銀行的經營環境、所處位置、制度背景和市場化程度以及其自身規模差異和風險管理能力的不同，造成到目前為止，針對這一領域，國內外還沒有形成統一的觀點，有時甚至截然相反；同時研究的角度、方法和手段、樣本的選取和模型的構建等都可能導致研究結論的不一致性。

（一）非利息收入對商業銀行收益的影響

國外學者對非利息收入與銀行績效的關系研究可追溯至二十世紀八十年代的金融自由化浪潮時期，早期的研究傾向于非利息收入占比的提高對銀行績效有積極作用。Diamond（1984）研究結論表明非利息收入增長使商業銀行客戶呈現多樣化，有利于提高收入。Rose， peter S.（1989）發現商業銀行的非利息收入業務與傳統存貸業務的現金流之間存在微弱的正相關關系，表明商業銀行拓展金融服務類等非利息收入業務，可以提高銀行的經營收益，并且還會帶來一定的分散化效應。Rogers（1999）使用轉換對數函數的方法，研究了美國銀行業的利潤效率、收入效率與成本效率之間的關系，發現非利息收入能夠提高收入結構多元化，同時開展多項業務能夠降低商業銀行的經營風險，穩定銀行的績效。

2000年以后，理論研究領域出現了不同的觀點。Kevin， J. Stiroh （2004）對1984-2000年的美國社區銀行進行研究，得出結論：非利息收入與經風險調整后的銀行收益之間呈負相關關系。 De Young， Rice（2004）研究表明，多元化經營對銀行績效正面作用的證據不充分。Stiroh，Rumble（2006）研究認為，商業銀行進行多元化經營并不會直接帶來績效的提高，積極作用并不顯著。Aigbe Akhigbe，Bradley A. Stevenson（2010）使用隨機前沿分析以及多因素分析方法研究了2003-2006年四年間，美國銀行控股公司的相關財務數據，結果表明非利息收入占比的增加會降低銀行的經營績效。

國內學者對商業銀行非利息收入對銀行經營收益的影響同樣看法眾多，基于不同的實證模型和不同的分析方法，歸納為以下三種觀點。第一種觀點認為非利息收入業務有利于經營績效的提高，即商業銀行的非利息收入占比與銀行收益成正相關；第二種觀點認為非利息收入業務無益于經營績效的提高，即非利息收入的提高對績效的影響是消極的，二者呈反向關系；第三種觀點認為商業銀行的非利息收入業務與其經營績效的關系復雜，與銀行的規模大小，上市與否以及所處的發展階段等有關。

（二）非利息收入對商業銀行風險的影響

學術界對非利息收入業務與商業銀行經營風險之間關系的研究略晚于其對銀行經營績效影響的研究。國外學者的早期研究普遍認為非利息收入業務與商業銀行所面臨的風險相關聯，非利息收入業務的開展不僅可以擴展收入渠道，而且可以有效分散風險。Galloa（1996）從資產組合理論的角度，解釋了非利息收入可以拓寬收入渠道，實現分散化投資，降低銀行的風險。Laetitia Lepetit， Emmanuelle Nys， Philippe Rouse， Amine Tarazi（2008）選取1996-2002年歐洲14個國家602家銀行的相關數據，研究商業銀行收入多元化與經營風險的關系，發現非利息收入業務與商業銀行的風險之間呈負相關關系。

但隨著研究的深入，有學者對此前的論斷產生了質疑，發現非利息收入占比的提高不一定會降低銀行的風險。Christian Calmes， Raymond Theoret（2010）基于1988年第一季度至2004年第四季度加拿大8家商業銀行的財務數據分析得出：表外業務規模的擴大會加大商業銀行的經營風險。Wagner（2010）指出非利息收入會加重商業銀行所承擔的經營風險，隨著非利息收入投入的增加，其產生的分散風險的效果呈遞減態勢，最終累計的運營成本將抵消其所帶來的分散風險的正面效果，致使導致銀行的破產風險增加。 Batten， Xuan（2016）通過研究越南的商業銀行，進行多元回歸，發現開展非利息收入業務的商業銀行常常面臨更大的風險。

從國內來看，國內學者對于商業銀行的非利息收入與銀行風險的關系還沒有形成統一的認識，存在經驗證據方面的諸多矛盾和種種爭論。一種觀點認為商業銀行的非利息收入的增加有助于降低銀行的經營風險。宋清華等（2016）運用動態面板GMM模型，實證研究了我國商業銀行非利息收入業務的多元化與銀行的經營風險之間的關系，發現拓展非利息收入業務有助于降低商業銀行面臨的風險。另一種觀點認為二者不存在顯著關系。張宗益、汪宇（2014）對2003年至2012年我國16家上市銀行的面板數據進行實證研究，表明我國商業銀行的非利息收入與銀行風險并不顯著關聯，即銀行增加非利息收入并不能有效降低其風險，即使剔除了5家大型國有商業銀行，這一結果仍然不變。還有一些研究者認為，當考慮了資產規模、上市與否、發展階段以及非利息收入的結構，發現不同銀行的非利息收入業務與其風險之間關系復雜。

三、以非利息收入為影響因素對商業銀行績效進行實證分析

（一）樣本選擇和研究設計

1. 樣本選擇。為了對商業銀行的績效進行有效的分析，文章從非利息收入的增減角度出發，本文假定商業銀行的績效和商業銀行非利息收入正相關，也就是說較高的非利息收入導致較高的商業銀行績效。本文收集了25家商業銀行的數據包括工行、建行、農行、中行和交行5家國有銀行，光大、華夏、民生、平安、浦發、興業、招商和中信8家股份制銀行，北京銀行、杭州銀行、成都銀行、南京銀行、江蘇銀行、上海銀行、無錫銀行和寧波銀行8家城市商業銀行以及常熟銀行、江陰銀行、吳江銀行和張家巷行4家農村商業銀行。樣本數據來源于國泰安CSMAR數據庫，樣本的時間范圍是2012-2019。

2. 變量設計。通過比較，本文以最能反映商業銀行績效的財務管理指標，凈資產收益率（ROE）作為衡量工具，即作為面板回歸模型的因變量。在解釋變量方面，把決定非利息收入相對占比作為衡量非利息收入大小的變量，它是通過非利息收入占營業收入的比重計算得出。為了有效的測算銀行的盈利能力，本文選取成本收入比作為考察指標。選取成本收入比、銀行資產的對數、凈利差、國內生產總值作為控制變量，通過面板回歸模型來分別分析這些變量對商業銀行績效的影響，以及影響的顯著性和方向性。

表1 變量表

3. 模型構建。根據研究假設，變量模型可以表示

（二）實證結果與分析

表2 系數方差擴大因子表

由表2可知，所有變量的擴大因子（VIF）均小于10，接近于1。根據多重共線的決定因素，如果VIF大于10，就在理論上存在多重共線性的可能，本數據可以排除存在多重共線性的可能。

1. 描述性分析。表3顯示了被解釋變量、解釋變量和控制變量的描述性統計結果。平均值反映了某變量在樣本中的平均數，最大值和最小值反映了該變量在所有樣本中的兩個極值，標準差為該變量的樣本數據的波動性，數據的標準差相對較小說明整體上該數據相對比較均衡。被解釋變量ROE的最大值是51.24，最小值是6.17，平均值是17.24，說明樣本銀行的凈資產收益率存在較大差異。解釋變量NIShare的最大值是36.78，，最小值是0.09，平均值是21.56。

表3 全樣本描述性統計

2. 回歸方程檢驗與結果分析。固定效應模型和隨機效應模型的的判別是通過豪斯曼檢驗來達到的，豪斯曼檢驗結果如下：

?

P值小于0.05，拒絕原假設，原假設是使用隨機效應模型，當前拒絕了隨機效應模型，所以采用固定效應模型。由此得到如下的回歸結果：

表4 回歸結果

模型整體可決系數為0.26，因為研究的是微觀層面的銀行數據且此25家商業銀行的規模存在顯著差異，同時由于商業銀行的季節波動性比較強，所以可能導致R2數值變低。

通過固定效應面板模型，可以得出非利息收入占比與銀行的ROE之間呈正相關系，非利息收入占比每增長1%，商業銀行的ROE增加0.79%。

在控制變量方面，凈息差NIS的系數為9.37，因為p=0.000＜0.05，因此凈利差與ROE顯著正相關。商業銀行資產規模的系數為正，并且顯著，說明隨著銀行總資產的擴大，商業銀行能夠運用的社會資源變多，從而造成凈資產收益率的提高。GDP這一變量的系數為負，并且不顯著，說明該變量對于商業銀行績效沒有顯著的影響。成本收入比CIR的系數為-0.22，且在5%的情況下顯著，即營業費用占營業收入的比重越大，銀行的凈資產收益率越低，但因此系數的絕對值相對較小，所以影響效果有限。

由上面模型可得，非利息收入的增加可以提高銀行的經濟效益，由此證明了本部分開篇的假設。

四、非以非利息收入為影響因素對商業銀行風險變化實證分析

（一）樣本選擇和研究設計

1. 樣本選擇。與前文的研究對象相同，此處不再說明。

2. 變量設計。本文采用Z值（破產風險系數）作為被解釋變量，該指標主要衡量利潤下滑多少才能導致商業銀行破產，Z值越小，表明商業銀行的績效越差，風險越大。通過分析該指標，來研究非利息收入占比的變化對商業銀行破產風險系數的影響。假定二者也是正相關，也就是說，增加商業銀行非利息收入的占比，可以顯著增加商業銀行的破產風險度Z值，從而有效降低商業銀行的違約風險，銀行越穩定。本部分以非利息收入占比作為解釋變量，其余變量含義詳見表5。

表5 變量表

3. 模型構建。根據研究設計，實證模型如下：

（二）實證結果與分析

表6 系數方差擴大因子表

根據表6顯示，所有變量的擴大因子（VIF）都是小于10，接近1。根據經驗值，如果VIF大于10 就存在顯著的多重共線，所以本文認為多重共線性不存在于該數據樣本。

1. 描述性分析。可以發現整體數據比較集中。

表7 描述性分析

2. 回歸方程檢驗與結果分析。首先運用Hausman檢驗來確定應該采用隨機效應模型還是固定效應模型，Hausman檢驗結果顯示如下：

P值小于0.05，拒絕原假設，原假設是使用隨機效應模型來進行面板回歸分析，然而當前經過豪斯曼檢驗拒絕了隨機效應模型，所以本案例采用固定效應模型，得到如下的回歸結果。

表8 回歸結果

由表8可知，非利息收入占比、資產規模、凈利差、宏觀經濟變量（GDP）以及資本充足率（CAP）均對因變量產生了顯著的影響，因為這5個變量系數的P值均小于0.05。

多元化經營指標NIShare系數為正，通過1%的顯著水平檢驗，表明多元化經營有助于降低銀行風險。

控制變量中，GDP增長率、銀行資產規模和凈利差的系數為負，而資本充足率的系數為正值，說明在樣本期內，外部宏觀經濟環境的改善會增加商業銀行的經營風險，這可能是由于我國經濟正處于三期疊加，對未來的不可預見性使得民眾增加銀行儲蓄，以備萬一。經濟狀況的惡化反而會使銀行收緊銀根，減少可貸資金的數量，使銀行面臨的破產風險減少。銀行資產規模系數是-7.27，說明我國商業銀行的資產規模越大，面臨的破產風險越大，這可能是由于我國商業銀行所擁有的政府背景以及“大而不能倒”的潛在規則使得較大規模的商業銀行有更大的沖動去開展高風險高收益的非利息收入業務。凈利差的實證分析結構為-2.46，說明銀行的凈利息收入水平越高，會損害銀行的穩定性。這是因為利息收入業務由于受利率變動和經濟周期的影響很大，具有不穩定的周期性，更容易將外部風險傳染到銀行體系內。而銀行資產負債率的提高有利于銀行風險的下降。這些指標的系數均符合經濟學的基本假設和現實情況。

通過上述數據分析，可以證實非利息收入占比的增加可以降低商業銀行的破產風險，增加銀行的穩定性。

五、結論

本文基于2012-2019年的微觀面板數據，使用固定效應模型研究了我國商業銀行的非利息收入對銀行經營績效和風險的影響，發現提高非利息收入占比，迎合商業銀行多元化經營的偏好，同時改善了銀行績效，降低了銀行風險。但現階段非利息收入占比對ROE和Z值的系數值還較小，因此，筆者認為現階段我國商業銀行應該從找準市場定位、優化非利息收入結構以及加強風險防范三個方面，進一步拓展非利息收入業務，以降低金融脫媒現象和利率市場化改革所帶來的經營風險，推動商業模式轉型，尋找新的績效增長點。