基于财富效用理论的商业银行贷款定价研究

基于财富效用理论的商业银行贷款定价研究

非完全利率市场化环境下商业银行贷款定价行为信贷定价是控制风险和追求利益的重要手段。在利率市场化下,商业银行通过制定贷款、存款的利率来调节贷款的需求量、存款的供给量,进而控制商业银行面临的违约风险、利率风险,并提高收益。当利率市场化程度不同时,商业银行的这种定价行为就会出现明显差别。一般而言,净利差就是对商业银行定价行为的反应。所以可以利用净利差来研究商业银行的定价行为。2012年6月8日,中国人民银行规定金融机构的存款利率上浮区间为存款基准利率的1.1倍。2012年7月6日,中国人民银行将金融机构贷款利率浮动区间的下限调整为基准利率的0.7倍。而在此前,中国的商业银行没有存款利率上浮的权力。一直以来,中国银行业都在严格的存款利率管制下经营。此外,银行间市场是市场化的。我们将这种金融环境称为非完全利率市场化。在这种非完全利率市场化下,商业银行的贷款定价行为肯定与利率市场化不同。首先,银行没有自主的存款定价权。其次,银行受到更多的管制。然而,利率市场化是中国金融业的发展趋势。在这种趋势下,银行业提高自身的贷款定价能力,也就是提高控制风险、增加收益的能力。本文从理论研究和实证研究两方面入手,研究中国银行业的贷款定价行为。在理论研究方面,我们针对当前中国的非完全利率市场化的特点,建立商业银行单周期的财富期望效用函数。利用期望效用理论,推导出商业银行的最优贷款定价结果以及最优的纯利差。通过与传统的代理商模型对比,研究非完全利率市场化与利率市场化下商业银行定价决策的差别。在实证研究方面,我们收集了中国33家商业银行和美国52家商业银行的财务数据,分别作为非完全利率市场化和利率市场化下的样本。数据采用2003-2010年的平衡面板数据。实证研究一方面证明了理论研究结果,另一方面也发现了中国和美国在不同的利率市场化下商业银行贷款定价的差别。一、利率风险方面对商业银行贷款定价行为以及净利差的研究主要包括,对最优定价的理论研究和对净利差的实证研究两个方面。对商业银行最优定价行为的理论研究,通常会忽略商业银行自主定价的外生因素影响,所以理论研究的最优利差被称为纯利差。在实际中,商业银行的净利差除了受纯利差因素影响外,还会受到其他因素的影响。因此,在实证研究中还会引入一些其他因素。Ho&Saunders(1981)最早提出了研究商业银行定价行为的代理商模型。该模型假设商业银行是风险厌恶者。通常贷款需求和存款供给都是随机产生的,所以很难匹配。银行通过存贷款定价控制存款供给与贷款需求不匹配造成的风险。纯利差就是银行提供存贷款服务所收取的风险补偿。在这种假设下商业银行的财富期望效用函数被建立,并通过极值理论得到了最优的存贷款定价和最优的纯利差。随后,学者们不断放开假设,对代理商模型进行完善和补充。商业银行除了积极从事存贷款业务,还会参与证券投资等其他业务。多元化的业务也会影响到商业银行的定价行为。因此,Allen(1988)将银行的资产业务分为贷款业务和非贷款业务。Valverde&Fernández(2007)认为,纯利差包括商业银行贷款与存款利差和非传统资产与存款利差两部分,并提出了一个多产出模型。McShane&Sharpe(1985)研究认为,利率风险主要来自货币市场,因此以货币市场利率的不确定性代替利率风险。Angbazo(1997)认为,纯利差不但受违约风险和利率风险的影响,还会受到两者协方差的影响。Stanhouse&Stock(2004)发现,市场利率变化会引起存款人和贷款人行为的改变。利率下降时,贷款人可能会提前还贷;利率上升时,存款人可能会提取存款。在Peria&Mody(2004)、Maudos&FernándedeGuevara(2004)的研究中,将市场集中度和营业成本也纳入了理论模型,从而进一步完善了代理商模型。而且他们采用Lerner指数度量市场的竞争程度。Maudos&Solís(2009)综合了Maudos&FernándezdeGuevara(2004)和Valverde&Fernández(2007)的研究。他们的模型包括了非传统业务和营业成本。针对商业银行净利差问题,学者们对不同国家和地区做了大量的实证研究。DemirgucKunt&Huizunga(1999)收集了80多个国家1988-1995年的数据,研究不同因素对净利差的影响差异。Saunders&Schumacher(2000)研究了1988-1995年欧洲的6个国家和美国的商业银行,对比了不同国家商业银行净利差影响因素的区别。Valverde&Fernández(2007)将所有影响净利差的因素分为四大类,对欧洲7个国家1994-2001年的数据进行实证研究。Lepetit,Nys,Rous&Tarazi(2008)利用欧洲602家银行1996-2002年的数据,研究表外业务对银行净利差的影响。研究发现,商业银行的佣金和手续费收入越高,净利差越低,同时贷款定价和贷款风险的关系也变得越弱。Barajas,Steiner&Salazar(2000)研究了1990年哥伦比亚的金融开放政策对净利差的影响。研究发现,金融开发后,市场竞争程度、银行部门效率都有所提高,并导致了商业银行净利差降低。Drakos(2003)对中东欧11个处于经济转轨中的国家进行了研究。研究发现,这些国家的商业银行净利差的下降速度明显高于前苏联国家。Peria&Mody(2004)在对1995-2000年5个拉美国家的研究中发现,外资商业银行的净利差比国内商业银行低,且银行系统的集中度对净利差有显著影响。Doliente(2005)采用马来西亚、印度尼西亚、泰国和菲律宾4个东南亚国家1994-2001年商业银行的数据,运用两步检验法进行实证研究。Claeys&Vennet(2008)在对1994-2001年东欧和西欧31个国家1130个商业银行的研究中发现,在净利差和银行集中度等方面西欧国家要低于中东欧国家。Poghosyan(2010)研究了外资银行进入对11个中东欧国家商业银行净利差的影响。Fungacova&Poghosyan(2011)利用1999-2007年间俄罗斯银行业数据,分析了净利差的影响因素,发现市场结构、信用风险、流动性风险和经营规模等因素,对国有银行、本土银行和外国独资银行三类银行净利差的影响存在明显差异。周开国、李涛和何兴强(2008)研究了1996-2003年中国商业银行的净利差。周鸿卫、韩忠伟和张蓉(2008)在对中国商业银行1996-2006年净利差的实证研究中发现,隐含利息支付、市场结构、运营成本等因素对净利差有明显影响。赵旭(2009)采用中国1998-2006年商业银行的数据,研究净利差的影响因素,发现机会成本对净利差有明显影响,风险因素的影响不显著,中间业务和银行利差之间不具有因果关系。黄宪、熊福平(2006)研究了1996-2003年外资进入对中国14家商业银行的影响,认为中国金融体制自身的特点导致了国内银行在面临外资竞争时表现出了较大的不同。谭鹏万(2007)利用中东欧10国105家内资银行1997-2004年数据,研究了外资银行进入对中东欧国家内资银行绩效以及贷款定价差异的短期影响,发现外资银行进入对内资银行绩效的影响依赖于中东欧国家的经济发展水平和银行业发展程度。综上,现有理论研究提出的前提假设都是满足利率市场化的,并通过建模得到贷款定价以及纯利差的影响因素。然而,中国尚处于利率市场化发展进程中,现有的理论模型不适用于中国的实际情况。此外,对中国的实证研究也都是在利率市场化背景下的理论模型的基础上的拓展研究。因此,本文针对当前中国非完全利率市场化的特点,建立银行财富期望效用函数,推导出非完全利率市场化下的贷款定价以及纯利差,并在理论研究的基础上,对中国和美国2003-2010年间的数据进行了对比实证研究。二、非完全利率市场化背景下的银行财富期望效用模型在利率市场化背景下,银行在面对存款和贷款时,处于被动接受的角色。银行可以通过制定贷款利率和存款利率对贷款需求量和存款供给量进行调节,从而实现控制风险和提高收益的目的。然而,在非完全利率市场化背景下,银行的定价决策是不一样的。令rD表示存款利率,rL表示贷款利率,r表示市场基准利率。按照传统,定义纯利差为:假设银行财富由两部分组成:第一部分是贷款L与存款D的市场价值之差I=L-D,I为净库存信用(NetCredit)。第二部分是银行的短期现金流或货币市场头寸(CashAssets)M。当M为正时,表示银行拥有正的净现金流,银行将它投向货币市场获得r的收益;当M为负时,表示银行拥有负的净现金流,银行从货币市场以成本r借入资金。考虑一个单周期的决策模型。银行在期初时确定存贷款利率,并在期末之前保持不变。银行在期初时的财富W0表示为:其中,期初净库存信用I0=L0-D0。在非完全利率市场化的背景下,存款的供给量和贷款的需求量仍然分别受存贷款利率的影响。然而,当银行没有存款自主定价权时,银行无法控制存款的供给量。此时,单独讨论存款发生的概率没有意义。所以,我们需要考虑两种情况:一是存款的供给量大于贷款的需求量;二是贷款的需求量大于存款的供给量。假设这两种情况出现的概率服从泊松过程。其中,λD>L表示存款的供给量大于贷款的需求量发生的概率,λL>D表示存款的供给量小于贷款的需求量发生的概率。这两个概率依赖于存款和贷款的利率,当贷款利率提高、存款利率也提高时,第一种情况出现的概率提高,第二种情况出现的概率降低,反之亦然。在非完全利率市场化背景下,银行只能通过贷款定价解决贷款需求和存款供给数量不对称问题。也就是说,银行控制贷款需求过度和存款供给不足,只能采取贷款定价的手段。下面我们来建立银行单周期的决策模型。首先,分别考察在这个周期中存款的供给量大于贷款的需求量、贷款的需求量大于存款的供给量时,银行财富的期望效用增量,这需要分别测算三种情况下银行期末的财富期望效用。这三种情况分别是:存款的供给量大于贷款的需求量、存款的供给量小于贷款的需求量以及既没有存款发生也没有贷款发生。其次,根据期望效用理论,建立银行财富的期望效用函数。最后,根据极值理论,推导银行最优的贷款定价以及纯利差。1.净库存信用的营业成本ci0假设整个考察期没有新存款和新贷款发生,此时,银行期末净库存信用和期末净现金流量分别为:如果考虑净库存信用的营业成本C(I0),则银行的期末财富为:其中,o(·)表示高阶无穷小,可以忽略不计。应当指出,这里我们忽略了违约风险和利率风险的交叉影响。因为在实证研究中这一因素通常不显著,而且将其忽略也不会影响最后的理论分析。2.利率市场化下的最优期望效用函数银行以利率rD获得一笔存款D,同时有一笔贷款L需求。如果存款供给D大于贷款需求L,那么银行会将剩余资金(D-L)投资在货币市场以获得收益。此时,银行支付存款利息rDD和营业成本C(L)+C(D),并且能够获得贷款收益和在货币市场获得收益。银行的最终财富可以表示为:因为,W=W0(1+rW)-C(I0),所以有:令EU(WT|D>L)表示当存款供给量大于贷款需求量时,银行期末的财富期望效用函数。将此函数在上利用泰勒级数展开,则有:其中,rL、rD、r分别表示贷款利率、存款利率、基准利率。这里[rLL-rDD+r(D-L)-(C(L)+C(D))]2相对很小且与风险无关,因此将其忽略。将式(9)化简得到:用式(10)减去式(7),得到存款供给量大于贷款需求量时,银行期末财富期望效用的增加量:(3)贷款需求量大于存款供给量银行以利率rD获得一笔存款D,同时有一笔贷款L需求。如果贷款需求L大于存款供给D,那么银行需要在货币市场借入不足的资金(L-D)。此时,银行支付存款利息rDD营业成本C(L)+C(D)和货币市场借款成本,同时能够获得贷款收益。银行的最终财富可以表示为:令EU(WT|L>D)表示当贷款需求量大于存款供给量时,银行期末的财富期望效用函数。同理,可以将此函数在上利用泰勒级数展开,然后再与式(7)相减,得到贷款需求量大于存款供给量时,银行期末财富期望效用的增加量为:(4)银行财富的期望效用函数根据式(3a)和式(3b)银行存款供给量大于贷款需求量和贷款需求量大于存款供给量两种情况下出现的概率,以及式(11)和式(13)两种情况下银行期末的期望效用增加量,可以建立银行期末财富的期望效用函数,其表达式为:在非完全利率市场化下,银行只能通过确定最优的贷款利率rL,使银行期末财富的期望效用式(14)达到最大,从而达到收益最大、风险最小的经营目标。用数学语言表达为:maxa,bEU(ΔWT)。根据极值的条件,利用式(14)对贷款利率rL求偏导,可以得到最优的贷款利率rL:从式(15)可以看出,在非完全利率市场化下,银行在制定贷款利率时,不仅要考虑贷款的营业成本C(L),还要考虑存款的营业成本C(D)。将式(15)减去存款利率rD,得到纯利差s:式(16)就是非完全利率市场化下的银行确定的最优纯利差。它表示,银行的违约风险和利率风险越高,其最优决策的存贷款利差越大,而且在违约风险和利率风险相同的情况下,风险厌恶程度越高的银行所制定的最优存贷款利差越大。除此之外,影响银行存贷款定价的因素还包括市场结构、营业成本、风险厌恶程度、存款利率与基准利率的差额等因素。根据文献,我们知道利率市场化下的纯利差表达式为:其中,α表示存贷款发生概率的截距项;β表示存款供给和贷款需求弹性;其他符号含义与式(16)相同。与利率市场化相比,最明显的差别是非完全利率市场化下银行纯利差多了最后一项。式(16)最后一项代表了基准利率与存款利率之差对纯利差的影响。在利率市场化下,银行同时制定存款利率和贷款利率从而可以控制由于存贷款数量不匹配导致银行利用货币市场再融资和再投资的风险。换句话说,银行在制定存贷款利率时只需关注货币市场基准利率。而在非完全利率市场化下,存款利率是由中央银行制定的官方利率,银行间拆借利率是由市场形成的,这两个利率都不受商业银行控制。一方面,银行只有一种定价手段,即贷款定价;另一方面,银行需要关注两个利率,即官方存款利率和市场基准利率。因此,导致了在非完全利率市场化下,官方存款利率与市场基准利率之差对纯利差也有影响。而这两个利率实际上是商业银行的利息成本,而本模型是针对纯利差的(即模型已经将存款的利息支出剔除了),所以这个成本体现在隐含利息支出中。这可能会导致在非完全利率市场化下隐含利息支出对纯利差的影响高于利率市场化下。式(16)和式(17)的第一项都表示了市场结构对纯利差的影响。但是,其中截距项和弹性表示的含义不同,因此我们无法直接对比。式(16)和式(17)的第二项表示了营业成本对纯利差的影响。在利率市场化下营业成本C(D)的分母是存款额D,而在非完全利率市场化下营业成本C(D)的分母是贷款额L。通常情况下,银行的存款额会比贷款额多,这不仅是监管的要求也是银行经营管理的需要。因此,推断在非完全利率市场化下营业成本的影响要高于利率市场化下。式(16)和式(17)的第三项表示了风险厌恶程度、违约风险、利率风险对纯利差的影响。从这个理论模型的结果来看,违约风险的系数在两种金融环境(利率市场化和非完全利率市场化)下是相同的。这说明,无论在哪种金融环境下,银行的定价必须要覆盖违约风险。这一点毋庸置疑,是所有商业银行必须要面对的问题。应当注意,在非完全利率市场化下,利率风险的系数多了一项期初的货币市场头寸M0,所以不容易判断两种金融环境下利率风险对纯利差的作用。但是,从银行实务角度出发,我们知道货币市场头寸M0不会很大,可以近似看作存贷款额度的差额部分。我们发现,在利率市场化下利率风险的影响系数为存贷款额度之和,而在非完全利率市场化下利率风险的影响系数与存贷款额度之差有关。在利率市场化下存款和贷款定价都是自主的,都需要考虑市场利率的变化,只要贷款或存款增加就会增加利率风险。相反,在非完全利率市场化下存款利率由央行确定,不存在不确定性,因此单纯的增加或减少存款都不会改变银行面临的利率风险。只有存款和贷款的差额部分需要在货币市场进行再投资和再融资,才会面临利率风险。综上,我们推断在非完全利率市场化下利率风险的作用小于利率市场化下。三、确认测试(一)息支付影响商业银行营利差的因素除了上面理论研究得到的市场结构、营业成本、风险厌恶程度、违约风险、利率风险、隐含利息支付6个因素以外,还有一些重要的变量影响商业银行净利差。根据对现有文献的分析,我们还增加考虑了准备金机会成本和流动性风险两个因素。在实证模型中,被解释变量净利差(NIM)用净利息收入比总资产来度量,8个被解释变量的度量指标设定如下。1.lerr指数的估计市场结构反映的是市场集中程度和垄断程度,一般采用Lerner指数来度量。Lerner指数越高反映市场垄断力越高,反之,Lerner指数越低则市场垄断力越低。银行的市场垄断力越高,其垄断收益就会越大,所以净利差也就越大。因此,Lerner指数与银行净利差具有正向关系。Lerner指数等于价格和边际成本之差比上价格。在实证中,价格用总收入比总资产度量,边际成本用一个超越对数成本函数来估计(Maudos&FernándezdeGuevara,2004)。然而,估计这个成本函数会产出误差,利用估计出来的边际成本计算Lerner指数,再进行实证研究,可能导致误差放大。为了避免估计成本函数带来的误差放大,Hawtrey&Liang(2008)采用了一种简化的处理方法。利用平均成本代替边际成本。又因为价格等于总收入比总资产,因此,Lerner指数表示为(总收入-总支出)/总收入。本文采用了后一种方法度量Lerner指数,用来反映市场结构。2.按营业成本进行分级营业成本是指商业银行在经营中产生的人工费、固定资产折旧、设备费等非利息费用。如果营业成本越高,银行就会收取更高的净利差来覆盖成本。因此,银行的营业成本越高,相应的净利差也会越大。该指标用营业支出与总资产的比率衡量。3.风险嘴唇程度风险厌恶程度代表了商业银行对待风险的态度。商业银行越是厌恶风险,贷款定价就会越高,净利差也会越高。所以,风险厌恶程度和净利差正相关。在银行的经营中,股东权益的比例越高,表明银行越是厌恶风险。所以风险厌恶程度一般用股东权益与总资产的比来度量。这种度量方法最早由McShane&Sharpe(1985)引入到代理商模型的实证研究中。随后的研究大多采用这种方法度量风险厌恶程度。4.商业银行面临的违约风险违约风险是指贷款人到期无法偿还本金或利息导致商业银行遭受损失的风险。商业银行面临的违约风险越大,制定的贷款利率就会越高,净利差就会越大。关于选择什么指标来度量违约风险,各种文献的态度不一。采用最多的是净核销额比总贷款,本文也采用该指标来度量违约风险。5.标准差regulation利率风险是指市场利率变动导致商业银行遭受损失的风险。利率风险与违约风险一样,风险越大,净利差越大。市场利率变动的标准差反映了市场利率的波动程度,可以用于度量利率风险。在中国,银行间业务以回购业务为主。因此,对于中国的样本采用回购利率作为市场利率。对于美国的样本则采用3个月国债利率作为市场利率(Saunders&Schumacher,2000;Maudos&FernándezdeGuevara,2004;Maudos&Solís,2009)。6.非利息支出比溶液vd隐含利息支付是指商业银行为客户提供不直接收费的服务而产生的成本。隐含利息支付一般被认为是银行额外的利息支出。商业银行会通过提高贷款定价来弥补这种隐含的成本。因此,隐含利息支付越高,净利差也就会越大。基于Angbazo(1997),Saunders&Schumache(2000),Maudos&FernándezdeGuevar(2004)等的研究,用非利息收入减非利息支出比总资产来度量隐含利息支出。基于前面的理论分析,在非完全利率市场化下,官方的存款基准利率和市场利率之间差额的不确定性带来的额外成本也体现在该指标中。所以可以预测该指标在非利率市场化下的影响力会更大。7.筹资成本过高准备金的机会成本是指商业银行为满足法定存款准备金以及流动性要求,持有非生息资产而放弃的利息收入。为了弥补这一成本,商业银行会提高贷款利率,增加利息收入。因此,准备金的机会成本越高,净息差就会越大。度量准备金的机会成本通常采用现金和在中央银行存款准备金与总资产的比值。8.贷款的流动性风险流动性风险是指商业银行的流动性资产不能满足到期债务的支付,导致无法立即偿付的风险。贷款在所有银行资产中的流动性最差,所以商业银行在贷款定价中需要考虑流动性溢价。因此,商业银行的流动性风险越大,贷款定价就会越高,净利差也会越大。通常采用流动性资产与总负债的比来衡量流动性风险。(二)商业银行的选择本文的样本包括中国的商业银行和美国的商业银行两部分,数据跨度为2003-2010年。中国的样本中包括了大型银行、全国性股份制银行、城市银行以及外资银行等类型的商业银行。美国的样本是随机选取的具有代表性的商业银行。为了满足平衡面板数据要求,保持数据的完整性,中国的样本保留了33家商业银行,美国的样本保留了52家商业银行。商业银行的数据来源于Bankscopes数据库的资产负债表和利润表。中国的银行间回购利率来自中国人民银行网站公布的数据,美国3个月国债利率来自美联储网站公布的数据。(三)建立实证模型将净利差NIM作为被解释变量,将市场结构MS、营业成本OC、风险厌恶程度RA等8个指标作为解释变量,建立实证模型,表达式如下:由于中国和美国的样本数据差异较大,如果将其放在一起实证必然导致较大误差。为此本文在实证分析中将中国样本和美国样本分开进行分析。表1给出了两个样本的Hausman检验结果。从表1可以看出,无论是中国的样本还是美国的样本卡方值都很大,而且P值很小,因此两个样本都采用固定效应模型。(四)全样本主要数据是利息的比重,符合国外数据的总体规划采用固定效应模型,对中国33家商业银行2003-2010年数据的回归结果如表2所示。从表2可以看出,违约风险DR、流动性风险LR、风险厌恶RA三个与风险相关的指标不显著;营业成本OC、隐含利息支付IIP、准备金机会成本OCBR、市场结构MS、利率风险IR都是显著的。其中,隐含利息支付的系数最大,为0.80466,其次是营业成本0.53746。应当指出,为了便于比较,我们在中国和美国的样本中尽量保持了各指标数据量纲的统一,除利率风险外其他指标都是比例数据。采用固定效应模型,对美国52家商业银行2003-2010年数据的回归结果如表3所示。从表3可以看出,流动性风险LR和风险厌恶RA两个指标不显著,营业成本OC、隐含利息支付IIP、准备金机会成本OCBR、违约风险DR、市场结构MS、利率风险IR都是显著的。其中,系数最大的也是隐含利息支付0.33608,但相对于中国样本的0.80466要小很多。同样,营业成本0.30758相对于中国样本的0.53746也要小很多。违约风险的系数0.09401排在隐含利息支付和营业成本之后,然而在美国的样本中违约风险对利差的影响是显著的。(五)在中国和美国的比较基础上,我国商业银行的净卡额的.为了方便对比中国和美国两个样本的回归结果,我们将两个样本的回归系数和P值列入表4。通过表4中国样本和美国样本的回归结果对比,可以看出无论是美国样本还是中国样本,所有因素对于净利差的影响都是正向的,这与我们的理论分析是一致的。但是,各因素的影响程度和显著性,对于中美两个样本来说还有很大区别。从对比结果来看,主要差别体现在以下几方面:第一,美国样本中市场结构的影响略大于中国样本,但两者差别不大。市场结构对中美商业银行净利差的影响都显著为正。市场结构在中国样本中的系数为0.05169,低于美国样本的0.06341。由于实行利率市场化,在美国存款和贷款都由银行自主定价,因此市场结构的影响要强一些。相比之下,在中国存款受到严格利率管制,贷款也受一定的管制,可能导致市场结构的影响相对弱一些。第二,营业成本对净利差的影响在两个样本中都显著为正,并且在中国样本中的影响明显高于美国样本。一是无论是美国样本还是中国样本,在商业银行通过净利差收入弥补营业成本、追求利润最大化这一点上是一致的。二是营业成本在中国样本中的系数为0.53746,明显高于美国样本的0.30758。这与我们的理论研究的结论相一致,说明在非完全利率市场化下营业成本的影响作用更大。第三,违约风险对净利差的影响在中国样本中不显著,在美国样本中显著,并且在中国样本中的影响低于美国样本。可见,在利率市场化下,美国的商业银行更加关注违约风险的影响。而目前中国尚未完成利率市场化,商业银行对违约风险的重视程度还不够。中国的商业银行还没有完全意识到要通过贷款定价来控制违约风险。虽然,中国的金融监管部门不断地要求各家商业银行的贷款定价要覆盖违约风险。但是,中国在长期的利率管制下,商业银行的违约风问题严重。中国政府也曾多次出面对不良贷款进行剥离。从实证结果来看,中国商业银行利用贷款定价覆盖违约风险的能力与美国仍存在很大差距。第四,中国样本中利率风险的影响低于美国样本。利率风险对中美商业银行净利差影响统计显著为正。利率风险在中国样本中的系数为0.00572,低于美国样本的0.00607。这也证实了理论分析的结论,在中国的存款利率管制下,商业银行存款和贷款的差额部分面临利率风险。而在美国,无论是存款还是贷款它们的定价都要面临市场利率的不确定性。第五,隐含利息支付对中美商业银行净利差的影响都显著为正。隐含利息支付在中国样本中的系数为0.80466,明显高于美国样本的0.33608。这充分验证了我们前面的理论分析,在非完全利率市场化下隐含利息支付的影响要明显高于利率市场化下。在利率市场化下,由于贷款定价面临的市场竞争较为激烈,所以商业银行通过定价弥补这一支出相对困难。而在非完全利率市场化下,贷款定价受到一定限制,市场竞争没有那么激烈。第六,准备金的机会成本对净利差的影响,在两个样本中都显著为正。准备金的机会成本在中国样本中的系数为0.01870,低于美国样本的0.03299。银行为了满足准备金要求以及保持一定的流动性,必须持有一定数额的准备金。为了弥补准备金的机会成本,银行会提高贷款定价,增加净利差。对于利率市场化下的美国,因为法定准备金率相对稳定,所以银行更容易采用主动的准备金管理策略。这也便于