风险约束下的中国上市银行效率问题研究，本文主要内容关键词为：中国论文,效率论文,风险论文,银行论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
近年来，中国银行业在国家政策的大力推动下，通过引进战略投资者、市场开放、改善治理机制等一系列改革措施，其财务绩效和效率水平得到很大程度的提升。据统计，截至2010年底，我国银行业金融机构共有法人机构3769家，营业网点19.6万个，从业人员299.1万人，金融机构资产总额95.3万亿元、各项存款余额73.3万亿元，较2005年分别增长154%和144%①。2010年英国《银行家》杂志对全球前1000家银行的排名情况显示，总资本排名第7位的中国工商银行成为世界上赢利最高的银行，中国共有84家银行跻身全球前1000家银行之列，它们的总资本占比为9%，而税前利润占比则高达25%。然而，与此相反，根据美国《全球金融》刊登的《2012年半年度最安全银行》评选结果，全球50家最安全银行的排名中，除了国家开发银行和中国农业发展银行两家政策性银行以外，商业银行无一入选。东南亚金融危机、美国次贷危机、欧债危机的爆发，其波及面之广、破坏力之大，无不提醒我们，以商业银行业为主体的中国金融体系，在规模不断膨胀、利润不断攀升的同时，尤其要注重防范金融风险。
国内外有关银行效率问题的研究已有多年历史，取得了十分丰富的研究成果，然而，在现有商业银行效率研究中，大多隐含了每家银行均面临相同程度风险的假设，或假定商业银行风险中性，作为风险中介的商业银行其在经营运作所显现的高风险性未能引起研究者的足够重视，无论是在商业银行规模经济和范围经济，还是在技术效率和配置效率的研究中，效率与风险的关系研究并未得到充分发展。事实上，随着各银行组织形态、主要业务功能、管理策略及经营风格的不同，同一时期每个银行在其日常业务开展中所面临和承担的金融风险存在很大差异。非风险中性的管理者往往用减少收益的方式降低银行的风险，或用承受更高风险的方式追求更大的收益，因此，研究银行效率的过程中没有考虑风险将对研究结果造成较大的偏误，从而降低研究的价值。本文即以此为研究重点，通过借鉴套利定价理论，构建系统性风险衡量的三因素模型，对我国上市银行的系统性风险与非系统性风险进行估计；运用随机边界分析方法，对风险与效率的关系进行系统研究，以期为我国银行业的进一步改革发展和相关机构的风险管控措施提供现实依据。
一、文献综述
在银行绩效问题的经验研究中，较早考虑风险因素的是美国学者Mester(1996)，Mester是以美国的214家商业银行为研究样本，运用随机边界方法和Logistic模型分析不良贷款率和股东权益等风险因素对银行效率的影响。Altunbas等(2000)也采用随机边界模型，以日本银行资料为样本，检验了风险对效率的影响，其实证分析过程中以股东权益和流动比率为代表风险的环境变量，与Mester的看法一致，Altunbas认为，如果忽视风险和资产质量的话，银行的最优规模会被相当大程度的高估。Chang和Chiu(2006)则采用DEA-Tobit两阶段分析方法，对银行效率和信贷风险、市场风险以及其他影响因素之间的关系进行回归分析，结果证实：是否考虑风险因素下的效率评估结果存在明显差异。Altunbas等(2007)通过联立方程模型和似不相关回归方法，对1992-2000年15个欧洲国家的大样本数据检验结果表明，无效率与银行风险承担之间的关系依照银行性质的不同而有所区别。
Pastor(2002)指出，在Mester(1996)等的研究中，以不良贷款作为银行风险的替代变量，并将其视为额外投入，其隐含假设是银行的所有不良贷款全部由银行的不良经营管理所导致，而没有考虑到银行内部因素以外的负面经济环境因素的影响，如果这些外在的且不可控的因素没有被排除，那些受经济环境因素影响的银行效率值有可能会被低估。Ozyildirim和Ozdincer(2008)也认为，在以往研究建立的模型中对风险的解释通常只是基于单一参数，比如市场风险或者是预期利润波动率，但是，实际上不同的风险形态对获利能力有不同的影响，单一参数不足以具体说明不同形态的风险架构，在其建立的多参数风险效率边界(Multiparameter Risk Efficiency Frontier)模型中，考虑到了破产风险、信用风险、流动性风险三类风险指标，研究结果发现，流动性风险对银行利润有负面的影响；而信用风险与利润负相关；同时，不同风险因素其影响程度也存在较大差异。
近三年以来，由于“次贷危机”的爆发，银行体系风险管理问题得到了前所未有的重视，有关学者也对风险与效率的关系进行了重新审视，代表性的文献有Sufian(2010)、Chortareas等(2011)、Fiordelisi等(2011)。Sufian(2010)将风险因素作为不可支配投入变量，采用DEA方法，研究了风险对银行技术效率和规模效率的影响，结果显示，不考虑风险因素的影响，银行规模效率将被高估22%～30%。Chortareas等(2011)在金融市场不完全的假设下检验了欧元区商业银行效率与风险的关系，结果证实，低效率意味着低质量的资产和信贷；旨在限制银行开放程度的政策措施，最终可能直接导致转向高风险的投资选择。Fiordelisi等(2011)以不良贷款(Non-Performing Loans)、预期违约概率(Expected Default Frequency)等作为风险指标，采用面板格兰杰因果检验方法对银行效率、风险和资本之间的关系进行了分析，结果表明，高风险是低效率的单向格兰杰结果，资本(总资本或权益资本)和不良贷款之间存在双向格兰杰因果关系。
国内方面，尽管到目前为止尚未爆发大规模的金融危机，但是随着我国金融体系的逐渐开放，在国际金融危机频发的情况下，风险管理已经引起有关部门的重视，也有部分学者在银行效率问题的研究中开始综合考虑风险因素，出现了一些有价值的成果。例如：张磊(2007)提出，无论从哪一角度评价商业银行绩效，风险因素在商业银行经营运作过程中，都以多种形式作用于商业银行的资本或资产；王昌和何东霞(2009)运用方向性距离函数方法测度中国银行业2000-2006年包含不良贷款的技术效率及规模效率得出，在平均意义上，考虑不良贷款后，国有和股份制银行在生产前沿上的数目增多；王兵和朱宁(2011a，2011b)②运用SBM方向性距离函数和Malmquist-Luenberger等方法的研究结果均证实，不考虑不良贷款会高估银行业的全要素生产率。
从已有文献来看，自Mester(1996)以来，商业银行的风险效率问题逐渐成为研究的热点，风险因素对效率的影响也达成了基本共识，各国学者试图利用不同方法、不同的模型从不同角度对此进行解释，得出很多有益的结论，但也存在一定的不足，主要表现在以下几个方面：第一，银行效率的测算方法比较单一，主要借助DEA方法来估计风险约束下的商业银行效率值；第二，在银行风险衡量和风险因素的引入方式上，大多使用不良贷款率或资本充足率作为风险的替代指标，没有考虑到银行风险的多重性，从而影响研究的全面性。本文试图从以下两个方面对现有研究进行弥补：一是提出上市银行系统性风险估计的多因子模型，综合考虑了股价、汇率、利率等多个风险因子，克服以往银行风险测算的片面性，并通过银行总风险的分解模型，对系统性风险和非系统性风险进行分解，以加强研究的针对性和现实意义；二是将风险因素纳入银行效率的分析框架，利用随机边界单阶段估计技术对银行效率及其影响因素进行分析，提出了一种新的银行效率研究思路。
二、研究方法
1.套利定价理论(APT)与单因子模型
在银行系统性风险衡量上，从采用方法的角度考虑，可分为经验分析法(Goldstein等，1996; Furman等，1998)、指标法(Kaminsky等，1998; Inoue和Rossi，2008)和模型法(Elsinger等，2003; Lehar，2005; Roengpitya和Rungcharoenkitkul，2011)三类。虽然银行系统性风险的衡量方法众多，然而各方法均存在理论假设或实际应用上的不足，例如经验分析法对健全可比的长期历史数据具有较强的依赖性；指标法在因子选择上存在一定的主观性和片面性；模型法却在实际应用过程中对风险因子的定量描述不足；同时，上述方法还存在一个共同的缺陷，即无法区分系统性风险与非系统性风险，尤其缺失对系统性风险具体影响因子的量化分析。对此，Barnes和Lopez(2006)、King(2009)等文献提出，资本资产定价模型(CAPM)既能避免风险因子选取上的主观性，又具有模型法的严谨性，只要拥有充足的经验数据，不失为测算银行系统性风险的有效方法。然而CAPM继承了Markowitz资产组合理论的严格假设，以及模型中关键量市场组合无法观察的特性，使其在实证方面存在很大的局限。而套利定价理论(Arbitrage Pricing Theory，APT)是基于渐进无套利思想，能够避免CAPM中市场模型均值—方差有效性检验的要求，使得其相比于CAPM更有实证基础。正是基于以上考虑，本文从套利定价理论出发，通过建立银行系统性风险评估的多因子模型，对中国上市银行的系统性风险与非系统性风险进行测算与分解。
单因子模型将市场中所有可行资产组合与因子之间建立了一种线性关系，本质上体现一种线性定价法则，当存在资产组合收益率变化的多个影响因子时，则可将单因子模型中的因子f数量增加，从而形成多因子模型如式(3):
2.风险因子选取与多因子模型
对于我国商业银行系统性风险(市场风险)的现状，雷英和吴建友(2009)、杨元元(2012)等均认为，主要包括股票价格波动风险、汇率风险和利率风险三部分，本文遵循这一思路，并借鉴King(2009)的做法进行分析。
选取样本银行的月资产回报率作为因变量，市场回报率、短期汇率、短期利率三个风险因子作为自变量③，建立一个资产回报率三因子模型(Three-factor Model)④如式(4)：
3.随机边界分析技术与成本效率
在银行效率研究中，最常用的估计技术是Aigner等(1977)、Meeusen和Broeck(1977)提出的随机边界分析技术(SFA)。其优点在于能测量每个样本在样本期内各时点上的效率，并通过对误差项的分解滤掉随机因素对效率值的影响，得到的结果具有稳健性。Fries和Taci(2005)进一步指出，测量误差和不确定性经济环境的问题更可能发生在转型经济国家和发展中国家，所以SFA比其他方法更适于研究此类国家的效率问题。
Battese和Coelli(1995)模型设定的生产函数形式如式(7)：
三、模型设定、指标选取与数据
1.随机边界成本效率实证模型设定
本文采用Battese和Coelli(1995)提出的单阶段随机边界分析技术，参考Mester(1996)、Altunbas等(2001)的做法，设定随机边界成本函数进行效率估计。在投入产出指标选取上大多采用中介法，把银行视为金融中介服务机构，将资本、劳动、资金定义为投入变量，将投资、贷款等定义为产出变量。在函数具体形态方面，由于超对数函数(Translog Function)是C-D、齐次、位似等函数形态的一般式，具有容许交互影响项存在、可处理多投入多产出问题等一系列优点，以往学者在进行金融体系效率相关研究时，大多将金融机构的生产函数设定为该形式，因此本文建立一个Translog随机成本边界模型。
模型共考虑到2个产出变量、3个投入价格变量；另外，由于本文样本时间长达5年，样本期间内可能产生技术变动，因此引入时间趋势变量；假设银行所承担风险会对其成本、技术层面造成影响，则实证形式设定如式(8)⑤：
2.指标选取和数据来源
对于投入要素价格的定义，本文主要参考Altunbas和Chakravarty(2001)、侯晓辉和张国平(2008)等的做法，将银行借贷资金、劳动和资本等投入价格变量分别定义为利息支出与各项存款即借入款总额的比值、劳动力成本与员工人数的比值、业务及管理费扣除劳动力成本后的余额与固定资产净值的比值。本文的研究样本共包括中、工、建、交、农等5家大型商业银行，深发展、浦发、华夏等8家股份制商业银行，以及宁波银行、南京银行、北京银行等3家城市商业银行，共16家上市银行。样本期间为2007-2011年⑥。数据来源于国泰安数据库、历年《中国金融统计年鉴》以及各银行年报，对于个别缺失数据，采用线性插值法补齐。模型具体指标的选取和定义如表1所示，变量的描述性统计见表2。
在无效率影响因素变量的选择上并没有固定的模式，依据研究目的、样本选择、所掌握数据质量以及所处具体环境的不同，针对所采用模型选取不同的指标。近年来，中国商业银行业最大的变化是通过引进外资、产权改革、市场开放等措施，使得其内部治理机构和外部市场环境发生根本性的改变，以往研究也证实：市场份额正向显著影响银行效率(Altunbas和Chakravarty，2001)；国家所有制对银行效率存在负面影响(Yao等，2007)；战略引资能够显著改善银行配置效率水平(侯晓辉和张国平，2008)。另外，Altunbas和Chakravarty(2001)、程茂勇和赵红(2011)等文献均表明，银行资产规模与效率显著正相关，同时考虑到宏观环境变化带来的影响，在模型中引入总资产、人均GDP等变量。综合以上考虑，在无效率影响因素上，共包括风险、产权性质、外资参股比例、市场结构、总资产以及GDP 6个变量，变量的具体指标选取和定义如表3所示，其描述性统计见表4。
四、实证结果与分析
1.风险模型估计结果
在式(5)风险因子估计系数及样本银行资产回报率、沪深股票市场回报率、短期利率、短期汇率等原始数据的基础上，按照银行总风险的分解方程，见式(7)，利用Stata12.0等软件即可计算出研究期间各银行历年的总风险、系统性风险和非系统性风险值，限于文章篇幅，具体的估计过程和计算结果本文不再说明。风险因子以及样本银行总风险、系统性风险和非系统性风险估计值的描述性统计分析如表5所示。
2.成本效率模型估计结果
在样本期间内，利用Frontier 4.1进行迭代运算，获得本文实证模型设定下的随机边界成本函数及其影响因素相关系数ML估计结果⑦(见表6)。
在本文具体的研究过程中，对随机成本边界函数分别引入系统性风险(模型1)、非系统性风险(模型2)以及总风险与无风险模型(模型3)的估计结果进行比较。由于总风险模型估计结果并不显著，且限于文章篇幅的关系，这里并未给出其具体结果。表6显示，大部分参数估计值均在1%、5%或10%的水平上显著，LR检验结果也证实了复合误差中存在单侧误差，意味着模型设定合理。模型1、模型2的估计结果显示，不论是系统性风险还是非系统性风险均对上市银行的总成本或成本无效率造成了显著影响，模型1、模型2的平均成本无效率值为1.16674和1.11350，相比无风险模型的1.37687，要低18.01%和23.65%。
从估计结果的统计学意义来看，在三个风险模型中，以系统性风险模型(即模型1)最为理想，因此下文仅对该模型的估计结果进行具体分析。在无效率效应方面，风险系数
估计结果为正且显著，说明银行成本无效率随着其所面临系统性风险的增加而上升；此外，银行所有权性质、市场结构、人均GDP系数估计结果也均显著，其中
为负，说明国有银行(国家或国有法人直接控股)的成本无效率明显低于非国有银行，即国有银行在成本控制效果方面明显优于非国有银行，主要的原因在于国有银行长期垄断国内信贷市场，其信贷规模占全行业市场份额的一半以上，从规模经济的角度来看给银行带来平均成本优势，市场结构变量
估计结果为负且显著也印证了这一结果，另外，国有银行由于政府的绝对控股地位，往往享受到特殊的政府资源和各种优惠政策支持，在一定程度上也为其节约了成本；人均GPD系数
为正，意味着快速增长的宏观经济总产出反而不利于银行成本效率的改善，其中可能的原因在于，在经济过热的宏观经济环境下，银行机构信贷投放以及其他各种业务容易得到快速膨胀，从而忽略了应有的成本控制和风险防范。
3.系统性风险约束下的不同类型银行成本效率比较
模型1下的样本银行成本效率测算结果如表7所示。
表7显示，不同银行的成本效率差异较大，平均无效率值最高的是招商银行，为1.31268，最低的是光大银行，为1.05921，两者相差达23.93%。从变化过程来看，研究末期和研究初期相比，中国上市银行的成本无效率整体上有了一定程度的下降，从2007年的1.1926下降到了2011年的1.05672，下降幅度为12.86%，意味着我国银行业近年来的改革在成本效率提升方面取得了一定的成效。
为了进一步分析不同类型银行成本效率在样本期内的动态演变过程及其变化趋势，并对考虑风险和不考虑风险下的成本效率测算结果进行比较，图1～图3分别绘制了2007-2011年大型商业银行、股份制银行、城市商业银行以及所有样本的系统性风险模型、非系统性风险和无风险模型的成本效率变动轨迹。
图3 不同类型上市银行成本效率变化情况(模型3)
由图1～图3可知，不考虑风险因素和考虑风险因素(系统性风险或非系统性风险)，所得无效率值存在明显差异，纵向比较来看，其动态变化过程具有较明显的阶段性特征。图1显示，系统性风险约束下，除大型商业银行平均成本无效率呈“Z”字形变化以外，股份制银行和城市商业银行均呈倒“V”字形变化，且以2009年为分界点，在此之前有一定程度上升，而之后则开始大幅度下降。之所以以2009年为重要分界线，主要的原因在于，2007-2009年正是全球性金融危机蔓延的主要年份，在此期间内，中国的金融体系和商业银行业尽管没有出现系统性的严重危机，然而，受国际金融危机的影响，中国包括股票市场、信贷市场、货币政策以及实体经济在内的方方面面均出现了较大的起伏，各商业银行无可避免的也遭受到了不同程度的损失和成本压力。图2为非系统性风险约束下的成本无效率测算结果，显然，和图1不同的是，三种类型上市银行成本无效率的变化轨迹均呈明显的“N”字形变化，且有震荡上升的趋势，尤其是股份制银行和城市商业银行的上升趋势最为明显。图3为无风险约束情况下的三种类型上市银行的成本无效率变动轨迹，和图1、图2均不同，除大型商业银行保持平稳以外，股份制银行和城市商业银行的成本无效率在整个研究期间内都呈明显的上升趋势。综合考虑三个模型的测算结果，不考虑风险的影响，将导致成本无效率的严重高估。表6中，模型1、模型2、模型3的平均成本无效率值分别为1.16674、1.11350和1.37687。
横向比较来看，三个模型中，大型商业银行均显示出了较强的成本优势，尤其是不考虑风险因素的情况下，其成本优势最为明显，且有不断强化的趋势。其中可能的原因在于，具有国有产权背景的大型商业银行，利用其所具备的市场垄断优势地位、长期经营过程中所掌握的独特资源和所享受到的各种优惠财政政策，可以不断强化其成本优势，而避免市场激烈竞争所带来的负面影响。在目前中国银行业全面开放、外资银行大量涌入、中小银行纷纷成立，市场竞争趋于白热化的情况下，大型商业银行绩效水平仍然不断提高的现象也充分说明，中、农、工、建、交等大型商业银行的优势地位很难改变。股份制银行和城市商业银行的关系则较为复杂，在系统性风险和非系统性风险的约束下，城市商业银行的成本无效率均低于股份制银行，而在不考虑风险因素的情况下，其成本无效率则高于股份制银行。
五、结论
本文通过包含风险因素的超对数随机边界成本模型，利用Battese和Coelli(1995)提出的单阶段估计技术，测算了2007-2011年中国16家上市银行的成本效率，并检验了包括风险、所有制效应、治理结构效应、市场结构效应以及宏观经济环境等在内各方面因素的对成本无效率的影响。
主要的研究结果体现在以下几个方面：第一，是否考虑风险因素(系统性风险或非系统性风险)，所得无效率值及存在明显差异，三个模型下的平均成本无效率值分别为1.16674、1.11350和1.37687，忽略风险因素的影响将导致无效率值的明显，模型3所得无效率值比模型1、模型2分别高估18.01%、23.65%；第二，第三个模型中，大型商业银行均显示出了较强的成本优势，尤其是不考虑风险因素的情况下，其成本优势最为明显；第三，考虑系统性风险和非系统性风险的约束时，股份制银行、城市商业银行以及所有样本银行整体的平均成本无效率值均呈明显的倒“V”字形或“N”字形变化，而不考虑风险因素的影响，除大型商业银行保持平稳以外，其他上市银行的成本无效率值均不断提高；第四，在成本无效率效应方面，除风险因素以外，银行所有权性质、市场结构、外部宏观经济环境等因素均造成了显著的影响。
本研究的现实意义在于，就提高中国商业银行的成本效率和保持行业的健康持续稳定发展而言，主要是要从风险管理入手，适当降低风险，尤其是加强系统性风险的管理与防范，避免股票市场、汇率市场以及货币市场的大起大落，有利于上市银行成本效率水平的提高。另外，本研究对于我国中小银行的进一步改革发展也具有重要的启示意义，在目前大型商业银行市场主导地位难以改变，而中小银行之间的竞争越来越激烈的情况下，中小银行所面临的成本压力会不断加大，大型商业银行和中小银行之间的成本差距越来越明显，从长远发展的角度考虑，中小银行如何采取切实有效的措施，在追求业务规模扩张的同时，提高其成本效率，在激烈的市场竞争中逐渐突出其竞争优势，是中小银行持续健康发展的关键。
总而言之，在当前中国金融市场全面开放，商业银行竞争越来越激烈，银行系统性风险与非系统性风险隐患不断暴露，以及“国际金融危机”余波未了的背景下，本文的研究对于我国商业银行业的成本控制、绩效改善和风险防范，保持我国金融体系的健康平稳发展具有多方面的理论与现实意义。当然，限于数据获取的困难，本文研究样本并未涵盖国外上市银行，若能进一步增加欧美银行样本，对中外上市银行的风险与效率进行对比分析，将会使本文的研究结论更为丰富。在研究视角上，本文主要关注上市银行的成本效率问题，若能对商业银行利润效率、配置效率等进行进一步的分析与准确估计，则文章内容将更加全面。
注释：
①资料来源：《中国金融年鉴》2010年。
②需要特别说明的是，尽管该文献在也涉及风险因素，但是其分析框架、研究思路、研究方法和本文均存在较大差异，其对于风险因子的引入，是选取不良贷款率作为风险的替代指标，其研究的着眼点是运用方向性距离函数(SBM)和Luenberger生产率指数方法，对银行的全要素生产率进行估计。
③市场回报率指标采用考虑现金红利再投资的综合月市场回报率(流通市场加权平均法)，短期市场利率和短期市场汇率变量分别采用中国人民银行3个月以内对金融机构贷款基准利率、人民币汇率中间价。其中样本银行资产回报率、沪深股市市场回报率数据来源于国泰安数据库，短期利率、短期汇率数据来源于中宏统计数据库。
④需要特别说明的是，由于我国尚未实行利率市场化政策，市场利率变化频率较低，事实上，研究期间也存在整个年度利率均固定不变的情况，此时意味着不存在利率风险，模型中若加入利率风险因子，Eviews回归分析将会出现“近似奇异矩阵”问题(Stata回归分析不会出现该问题，而是直接将利率风险系数赋值为0)，因此，对于此种情况，我们将利率风险赋值为0，即无利率风险。相应地，式(5)成为“两因素模型”。
⑤式(8)中分母项W[，3，it]的目的在于将成本和其他要素价格标准化，从而设定投入价格的线性齐次性限制。模型隐含的假设是，风险不但从技术层面影响银行总成本式(8)，也会对银行经营管理层面的成本无效率式(9)造成影响。
⑥在2006年底以前，只有深发展、浦发、民生等6家银行上市，且全部属于中小股份制银行，为了便于不同类型商业银行间的比较，选择2007年作为研究期间的起点。
⑦对于模型的检验，一方面是看估计结果的合理性和估计参数的显著性，另一方面是看模型的稳定性。在稳定性检验方面，本研究对模型(3)通过引入不良贷款率等风险变量(模型5)，以及采用超对数形式的时间变量(模型6)和本文的估计结果进行对比，结果发现，三个模型所得估计参数大小相当，显著性一致，估计的无效率水平也非常接近，可见模型是稳定的。鉴于文章篇幅的关系，具体的估计数据文中没有列出，感兴趣的读者可以向笔者索取。需要特别指出的是，我们注意到，引入系统性风险因素后(模型1)，模型的对数似然函数值、Gamma值及其显著性(分别为94.27299、0.99858、135.95287)都高于无风险模型，即模型3(分别为88.77488、0.98728、8.30557)，说明系统性风险模型要优于无风险模型。
标签：银行论文; 风险因素论文; 商业银行论文; 非系统性风险论文; 银行风险论文; 风险模型论文; 风险成本论文; 技术风险论文; 银行上市论文; 因子分析论文; 金融论文; 城市商业银行论文; 风险管理论文; 经济论文;