上市商业银行；非利息业务；经营绩效

.引言从上世纪70年代开始，美国逐渐取消了大额存单、定期存款利率的上限管制。也正是从这时开始，世界利率市场化的序幕被拉开了。我国以上世纪90年代放开银行间同业拆借利率为起点，也开始了利率市场化进程。在当今的金融市场中，存款利率与贷款利率逐渐收敛，这成为了商业银行信贷业务发展的掣肘，在一定程度上降低了信贷业务的利润率，于是各大银行开始积极发展非利息业务。从财务报表来看，非利息收入在商业银行总收入的占比在20%-30%之间，个别银行可能会达到40%以上，可以说非利息收入在银行总收入中占据举足轻重的地位。因此，探讨非利息业务到底能为商业银行的经营绩效带来什么样的影响，具有重要的理论意义与现实意义。本文余下内容的安排为：第二部分梳理研究非利息业务对商业银行绩效影响的相关文献；第三部分是对本文变量的说明以及数据的基本检验和描述统计；第四部分是本文实证分析的结果及相应解释；第五部分对全文进行梳理总结并给出相应政策建议；最后是本文的参考文献及致谢。2.文献综述各界学者对非利息业务已经进行过了非常全面的研究，但对于其到底会对银行的经营绩效产生什么影响这一问题，各界学者始终未能达成一致结论。下面将简述国内外学者对这一问题的主要观点。一些学者认为非利息收入会对银行绩效产生积极影响。王曼怡和甄晗蕾（2016）研究了我国30多家城商行历时7年的数据，发现虽然非利息收入可以提高城商行的经营绩效，但这一结论是建立在市场行情不发生较大波动的前提下的。李琼和单承芸（2019）利用2011-2016年的面板数据进行多元回归分析，认为非利息收入中的手续费及佣金收入会大大提升经营绩效。Sanya和Wolfe（2011）对新兴经济体中的上市商业银行，用广义矩估计法进行研究，得到的结论为：虽然非利息收入可以提高银行的经营绩效，但也增加了其破产风险。另一些学者认为非利息收入会对银行绩效产生消极影响。胡东婉和朱安琪（2018）研究了我国35家商业银行近4年的经营数据。结论表明：整体上看，非利息收入的增加会拉低银行的利润率，但对国有大型银行来说这一结论可能会不成立。李明辉和刘莉亚等（2014）对我国114家商业银行在1998-2012年期间的数据进行研究后发现，由于非利息业务的发展会在一定程度上抑制信贷业务，使得银行的不良贷款减少，这在一定程度上可以减少银行的风险，但其并不会对银行绩效有积极贡献。还有一些学者认为银行的类型不同，非利息收入对其影响效果也不同。冯波和王笳旭等（2016）利用跨度7年的我国16家上市银行的面板数据进行研究，他们认为：大型商业银行有优质的客户群体参与到非利息业务中，因此该业务往往会会为银行带来收益；而城商行由于规模小、成本高、客户转化率低等原因，非利息业务并不能形成规模效益，所以往往会使银行亏损。Gamra和Plihon（2011）选取了一些欠发达国家或地区的700多家银行作为样本进行研究，他们发现在这些不成熟的市场中，非利息收入对各家银行的影响不尽相同。综上所述，非利息收入是否能提高银行经营绩效存在争议，每个观点都有其各自的角度、方法，也都有不同的结论。因此，本文将结合我国实际情况，利用尽量全面的面板数据对我国上市商业银行非利息收入与银行绩效之间的关系做出实证分析，并给出相关建议。3.数据及变量说明3.1样本的选择及依据本文使用的数据来源于我国16家上市商业银行2011年至2018年的年报。本文选择2011年作为数据起点，主要原因是：2010年以后，我国利率市场化进程加快，各项政策相继出台，这可能会对我国商业银行的存贷款业务造成一定冲击。与此同时，国内商业银行的非利息业务仍有很大发展空间，因此各银行可能希望通过发展非利息业务来提高效益。本文将16家商业银行分为两部分。第一部分是我国四家大型银行，第二部分是规模稍小的其他12家银行。该面板数据在横截面上有16个个体，时间序列的长度为8年，一共有128个观测值。3.2变量选取3.2.1解释变量为了研究非利息收入对银行绩效的影响，本文用非利息收入占总收入的比例（NI）作为解释变量。3.2.2控制变量本文共选取4个控制变量。（1）、总资产的对数（LNASSET）：不同规模的银行往往会有不同的发展侧重点，因此本文认为银行规模的大小可能会对银行的收益产生影响。（2）、平均融资成本（AFC）：银行平均融资成本是利息支出与银行融资总额的比值，其中银行融资总额包括：客户存款、同业及其他金融机构存放款项和已发行债务证券等。一般认为AFC越高，银行的收益越低。（3）、杠杆率（LR）：杠杆率是一级资本净额与调整后的表内外资产余额的比值。一般认为LR越高，银行的收益越低。（4）、不良贷款率（NPL）：不良贷款包括了次级贷款、可疑贷款、损失贷款三类。一般认为NPL越高，银行的收益越低。3.2.3被解释变量胡东婉、朱安琪（2018）以及王曼怡、甄晗蕾（2016）等人在研究非利息收入对银行收益的影响时，均采用ROA作为衡量银行绩效的指标。本文参照他们的做法，也采用ROA作为被解释变量。表3-1变量名称、符号、计算方法变量类型变量名称符号计算方法被解释变量总资产收益率ROA税后利润/总资产解释变量非利息收入比例NI非利息收入/总收入控制变量总资产对数LNASSET银行总资产的对数值平均融资成本AFC利息支出/融资总额杠杆率LR一级资本净额/调整后的表内外资产余额不良贷款率NPL不良贷款/总贷款3.3变量的描述性统计本文将样本银行分为两部分：四大银行和其他12家银行，并对这两部分分别进行描述性统计。表3-2四大银行、其他银行的描述性统计四大银行其他银行ROA均值1.20%1.04%最大值1.47%1.46%最小值0.93%0.71%标准差0.00170.0018NI均值25.23%24.23%最大值36.72%51.09%最小值17.46%9.44%标准差0.04740.0915LNASSET均值16.6914.77最大值17.1416.07最小值16.2712.47标准差0.23170.8283AFC均值1.79%2.62%最大值2.21%3.64%最小值1.48%0.47%标准差0.00210.0046LR均值6.30%5.47%最大值8.05%7.06%最小值4.60%4.05%标准差0.00980.0067NPL均值1.38%1.16%最大值2.39%2.14%最小值0.85%0.38%标准差0.00360.0043从上述的描述性统计中可以看出两组银行ROA、NI、LR和NPL的均值差异不大，而LNASSET和AFC的均值有较大的差异。LNASSET的均值差异很好理解，四大银行的资产规模一定是大于其他银行的。AFC的均值差异说明了四大银行的融资成本比其他银行更低。由于NI是本文的控制变量，因此有必要研究其历史变化趋势，如下图所示。其中加粗的折线为四大银行的非利息收入占比（NI）的变化情况，较细的折线为其他银行的非利息收入占比（NI）的变化情况。图3-1样本银行非利息收入占比（NI）的变化情况从图中可以看出，从2011年到2018年，四大银行的NI虽然略有起伏，但几乎维持不变；而其他银行的NI整体上在持续上升。同时还可以发现，在2014年之前，其他银行的NI整体上低于四大银行的NI；而在2014年之后，其他银行的NI持续上升，整体上已经超过了四大银行的NI。这说明，从2011年以来，四大银行的发展重点并不在非利息业务上，而其他银行对非利息业务的发展极为迅猛。4.实证分析4.1数据的检验4.1.1单位根检验为了避免伪回归，这里使用LLC检验、ADF-Fisher检验和PP-Fisher检验进行单位根检验。检验结果表明ROA、NI、LNASSET、AFC为平稳序列，LR、NPL为一阶单整I（1）序列。表4-1单位根检验结果LLCADF-FisherPP-FisherROA-6.70***77.22***92.43***NI-5.07***27.7250.70**LNASSET-10.51***64.44***140.64***AFC-6.89***48.08**56.31***LR-4.76***24.4841.86NPL-7.05***37.9728.64ΔLR-12.77***54.86***101.45***ΔNPL-5.80***67.86***60.14***注：***、**、*分别代表在1%、5%、10%的水平上显著。4.1.2协整检验由于变量LR、NPL不平稳，这里进行KAO协整检验。结果显示这些变量之间存在协整关系。表4-2协整检验结果ADFt统计值P值-2.46***0.0070剩余方差0.000000359HAC方差0.000000434注：***、**、*分别代表在1%、5%、10%的水平上显著。4.2模型的设定及回归4.2.1模型的设定首先给出本文模型的基本设定：ROAit=αi+β1NIit+β2NIit*D+β3LNASSETit+β4AFCit+β5LRit+β6NPLit+εit从截面个体来看，每家银行都有不同的影响ROA的固定效应，即存在截面固定效应。从时间序列的角度来看，四大银行的NI趋势不同于其他银行的NI趋势，所以可能会存在时间固定效应。因此本文使用双固定效应变截距模型。同时，为了避免极端数据对回归显著性的影响，本文使用Stata15.1的winsor2功能，将分位数1%-99%以外的数据剔除，并使用稳健标准误（robust-standarderror）方法对数据进行回归。模型中的αi包含了每个回归方程的截面固定效应和时间固定效应。为了分别研究四大银行和其他银行的NI对ROA的影响，模型中加入了虚拟变量D。四大银行的D=1，其他银行的D=0。4.2.2模型回归结果本文使用Stata15对上述模型进行OLS回归，结果如下。表4-3回归结果变量系数t统计值C0.0466***8.67NI-0.0017-0.66NI*D-0.0136**-2.77LNASSET-0.0022***-6.00AFC0.04341.48LR-0.0136-0.88NPL-0.0750-1.51截面固定效应与时间固定效应已添加观测值128R20.7291F统计值33.42Wald检验变量系数p值NI*(1+D)-0.0152***0.0069注：***、**、*分别代表在1%、5%、10%的水平上显著。由此得到对各个银行的回归方程估计式如下。ROAit=αi-0.0017NIit-0.0136NIit*D-0.0022LNASSETit+0.0434AFCit-0.0136LRit-0.0750NPLit由于截面固定效应与时间固定效应不是本文研究的重点，因此在式中均用αi代替，避免文章的冗余。在上述回归方程估计式中，对四大银行的NI系数估计包含了β1NIit与β2NIit*D两项，因此进行了Wald检验来验证四大银行NI的整体系数是否显著。检验结果表明，四大银行NI的整体系数为负，并且在1%的水平上显著，说明这个系数具有解释力度。4.2.3对回归结果的解释从上述的回归结果来看，R2较大，说明回归效果较好。且方程总体通过了F检验，得到的模型能较好地反应各变量之间的实际关系。通过对比四大银行与其他银行NI项的系数可以发现：其他银行的NI系数为负并且不显著，说明非利息收入的增加可能会对其他银行的绩效产生不明显的负面影响。四大银行的NI系数为负并且十分显著，这说明如果四大银行增加非利息收入，他们的绩效会有明显下降。因此，从整体上看，非利息收入的增加会降低我国商业银行的绩效，并且非利息收入对我国四大银行绩效的负面影响远大于其他银行。这与当前主流的观点是截然不同的，但也符合我国商业银行经营的实际特点。首先，商业银行同质化竞争严重。通过财务报表可以发现，各银行的非利息收入中占比最大的都是手续费及佣金收入，平均会占到80%以上，而这一收入基本是由一些中间业务的手续费及银行卡业务构成的。对于客户来说，在不同的银行办理这些业务并不会有太大差异，但银行为了抢占和扩大市场份额，吸引更多客户来自己银行办理业务，会加大对宣传成本的投入。比如：对中间业务降低收费标准，不收费甚至倒贴，对银行卡业务免年费等。在一定时期内，客户可能会享受到某种优惠，但当优惠消失时，或者当其他银行的优惠力度更大时，消费者便会转向其他银行，这种现象在信用卡业务中极为常见。这种同质化的宣传和竞争不仅会给银行带来更高的营业成本，还会加剧银行间竞争的恶性循环，导致银行业的低效率。所以说，从整体上看，非利息收入的增加反而会降低我国银行绩效。其次，商业银行对非利息收入欠缺高效率的管理。我国商业银行的非利息业务在近年来才慢慢发展起来，总体来说刚有雏形，而互联网金融机构等对非利息业务的管理经验更丰富。比如，阿里巴巴、腾讯等我国大型互联网企业利用自身的平台优势和技术优势为客户提供的中间业务服务会对传统商业银行的中间业务有挤出效应。因此在与互联网金融企业和其他金融机构竞争中，商业银行处于不利地位，其非利息业务投入的成本可能大于获得的收益，导致非利息收入与银行绩效的反向关系。最后，林毅夫和李永军（2001）认为我国的商业银行贷款市场上存在规模化分工问题，即大银行偏向于给大企业贷款，小银行偏向给小企业贷款，而且这种现象在今天依然存在，这很好地说明了为什么非利息收入对四大银行和其他银行的绩效会产生不同程度的影响。由于大型银行偏向于给大型企业贷款，而大型企业的贷款数量大，偿还能力强，这会给大型商业银行带来较为稳定持续的利息收入，因此其营业重心也在利息业务上。相反，小型商业银行的客户多为小型企业，其贷款数量小，偿还能力差，银行面临较大的违约风险，并不能通过利息业务获得足够多的盈利。因此，小银行必须要尽力开展非利息业务来弥补其利息业务收入的不足。实际上，本文在进行描述性统计时就说明过：四大银行的平均融资成本明显低于其他型银行，因此四大银行更希望通过利息业务获得收益。长此以往，小银行专注于对非利息业务的研究，有着更丰富的非利息业务种类，也有了较稳定的非利息业务客户群体，这就是小银行在非利息业务上对大银行的优势。也就是说，银行规模越小，发展非利息业务可能会对银行绩效更有利。这一点从回归结果也可以看出：非利息收入对四大银行绩效有明显的负面影响，而对其他银行绩效只有不明显的负面影响。接下来对其他变量的参数进行简单分析。LNASSET的负系数说明银行规模的增大不一定能带来绩效的增加，过大的规模可能会带来效率的下降，可能会存在最佳银行规模。AFC的系数为正可能是样本容量太小导致的。LR、NPL的负系数很好理解，银行的杠杆率越高，绩效越低；银行的不良贷款率越高，绩效越差。4.3稳健性检验为了保证模型的稳健性，下面进行稳健性检验。李明辉、刘莉亚、孙莎（2014）等人在研究该问题时，用ROE衡量银行绩效，因此本文选择ROE作为稳健性检验的被解释变量，并保持解释变量、控制变量不变。回归的结果和Wald检验如下表所示。由于各银行的固定效应不是研究重点，故这里省略。表4-4稳健性检验回归结果变量系数t统计值C0.5216***3.99NI-0.0567-1.35NI*D-0.1385-1.50LNASSET-0.0128-1.44AFC0.29290.55LR-1.6778***-5.86NPL-3.4017***-3.18截面固定效应与时间固定效应已添加观测值128R20.8641F统计值146.28Wald检验变量系数p值NI*(1+D)-0.1952**0.0403注：***、**、*分别代表在1%、5%、10%的水平上显著。根据稳健性检验的回归结果，其他银行的NI系数为负并且不显著。同时，Wald检验的结果表明四大银行NI的整体系数仍为负，并且在5%的水平上显著。因此在稳健性检验中得到的结论与原模型的结论一致。综上所述，模型在整体上可以通过稳健性检验，模型的设定合理，之前的结论依旧成立。5.总结及政策建议总的来说，中国目前的非利息业务发展较为落后。从总量上看，美国商业银行的非利息收入占比达到了总收入的半数，而我国不到三成。而且手续费和佣金收入占据非息收入的八成左右，但近年来这一比例呈逐步下降趋势，相对应的投资收益、公允价值变动损益和汇兑损益在不断上升。相比而言，美国商业银行的非利息业务种类十分丰富，分布相对均匀，不存在某种业务占据非利息收入半壁江山的现象。针对我国商业银行非利息业务存在的问题，本文提出以下建议。首先，中小型商业银行应该根据自身特点定制差异化的发展战略。由于我国的四大行已经占据了市场的半壁江山，拥有较稳定的客户群体，其他银行要想在竞争中获得优势，就要先明确自身的发展定位。比如平安银行的定位：全力发展“基础零售、私行财富、消费金融”三大业务板块。再比如兴业银行提出了加快结算型、投资型、交易型的“三型银行”建设。我国商业银行非利息业务仍处在普遍不发达的大环境中，中小型银行应该利用自身的优势科目，有重点地发展非利息业务，提升综合竞争的软实力。其次，要坚定不移地在坚持发展传统信贷业务的基础上发展非利息业务，不能照搬照抄西方商业银行的做法。我国是一个信贷大国，这个基本国情在近期内不可能发生改变，传统的信贷业务仍然是各个商业银行的收入之基、绩效之源，不拓展信贷业务，而片面强调商业银行并不擅长的非利息业务可以说是“舍本逐末”。各银行在发展信贷业务的同时，也维系了一定的客户群体，这些客户在日后就很有可能成为各银行的非利息业务客户。因此，无论是我国的四大行还是其他银行，都应在坚持发展传统信贷业务的基础上发展非利息业务。最后，要加强非利息业务人才的培养。非利息业务种类多、涉及领域广、操作难度大，这使得银行在开展该项业务时需要大量专业型人才。同时，现在大热的“互联网+”也为商业银行的非利息收入业务开辟了一条新的道路。商业银行可以利用“互联网+非利息业务”的模式将非利息业务与互联网金融结合，实现降低成本、高效服务，从而提高效益。现在支付宝等第三方支付平台推出了便民利民的水电煤气费托收服务以及一些投资理财产品的推广，这些业务对商业银行的客户资源产生了“虹吸效应”，挤占了商业银行的市场份额。因此，商业银行应该进一步为个人和企业的中间业务提供更便捷的网上办理通道，只有牢牢抓住客户源，他们才会有更大的几率参与到其他业务当中。同时，商业银行也可以和基金、信托公司等合作开发针对不同风险承受能力人群的差异化金融理财产品，并借助这些公司的平台进行线上发布，让投资者享受到足不出户即可理财的便捷。值得注意的一点是，商业银行在推广非利息业务的同时，也要做好对合作公司的信用评估和对市场风险的评估，要在可防可控的范围内发展非利息业务，避免发生重大信用风险。参考文献[1]林毅夫,李永军.中小金融机构发展与中小企业融资[J].经济研究,2001,1(10):1.[2]黄隽,章艳红.商业银行的风险:规模和非利息收入——以美国为例[J].金融研究,2010,6:75-90.[3]王志军.欧盟银行业的非利息收入[J].国际金融研究,2004,7(50):72-80.[4]胡东婉,朱安琪.商业银行非利息收入结构化差异与经营绩效关系研究——基于35家上市银行实证数据[J].经济学家,2018,6(06):82-87.[5]张羽,李黎.非利息收入有利于降低银行风险吗?——基于中国银行业的数据[J].南开经济研究,2010,4:69-91.[6]黄国妍.非利息收入,收入多元化与银行绩效——基于中国银行业的动态面板GMM估计[J].财经理论与实践,2018,39(2):9-15.[7]刘莉亚,李明辉,孙莎,杨金强.中国银行业净息差与非利息收入的关系研究[J].经济研究,2014(7):110-124.[8]李明辉,刘莉亚,孙莎.发展非利息业务对银行有益吗?——基于中国银行业的实证分析[J].国际金融研究,2014,11:11-22.[9]刘明彦.银行业收入结构:美国,德国和中国的一项比较研究[J].财贸经济,2012,5.[10]王志军.20世纪90年代以来美国商业银行盈利性发展分析[J].国际金融研究,2007,4.[11]刘孟飞,张晓岚,张超.我国商业银行业务多元化,经营绩效与风险相关性研究[J].国际金融研究,2012(8):59-69.[12]薛鸿健.解析美国商业银行的非利息收入[J].国际金融研究,2006,8:20-25.[13]郑荣年,牛慕鸿.中国银行业非利息业务与银行特征关系研究[J].金融研究,2007,9:129-137.[14]周开国,李琳.中国商业银行收入结构多元化对银行风险的影响[J].国际金融研究,2011,5:57-66.[15]王菁,周好文.非利息收入负向收益贡献度的实证解析——基于我国12家商业银行的模型检验[J].当代经济研究,2008,11:49-52.[16]张国海,高怿.商业银行中间业务的国际比较与发展战略[J].金融研究,2003(8):129-134.[17]王家强.亚太地区商业银行收入结构特征、成因及其前景——基于全球视角的比较分析[J].国际金融研究,2007,7.[18]王曼怡,甄晗蕾.非利息收入对城市商业银行绩效影响的实证研究——基于2008—2015年面板数据模型分析[J].国际经济合作,2016(11):92-95.[19]冯波,王笳旭,石玉乾等.非利息收入对商业银行绩效影响的实证研究——基于我国上市商业银行的面板数据分析[J].金融理论与实践,2016(4):110-115.[20]李琼,单承芸.非利息收入对我国上市银行经营绩效的影响研究[J].武汉金融,2019(9):12.[21]盛虎,王冰.非利息收入对我国上市商业银行绩效的影响研究[J].财务与金融,2008(5):8-11.[22]StirohKJ.Diversificationinbanking:Isnoninterestincometheanswer?[J].Journalofmoney,CreditandBanking,2004:853-882.[23]StirohKJ.Newevidenceonthedeterminantsofbankrisk[J].JournalofFinancialServicesResearch,2