非利息收入对中国农村商业银行绩效的影响

　　【中图分类号】 F830 【文献标识码】 A 【文章编号】 1004-5937（2017）14-0088-05

　　一、引言

　　非利息收入是商业银行营业收入的一部分，与存贷业务不同，它不以利差作为盈利来源。在商业银行的业务层面，非利息收入主要涉及存贷款账户的人工服务费用以及代客理财、债券承销等获得的佣金收入。根据普华永道发布的银行业快讯，中国商业银行依然面临四大压力：不良贷款加速暴露、存贷利差持续缩小、资本充足率下调、盈利增速下滑，在传统利差收入增长有限的情况下，商业银行整体利润仍能保持稳定，主要是来自于非利息收入快速增长的贡献。

　　受存贷利差持续收窄的影响，提高非利息收入比重已基本成为银行业界的某种共识。但是，从文献研究的视角看，关于非利息收入与银行绩效间的关系，国内学者并没有形成一致认识，大致可以划分为两种观点。第一种观点认为，非利息收入的来源以较为稳定的佣金收入为主，不像传统的存贷业务会跟随利率或经济周期波动而波动，因此，不但可以扩展银行的营收渠道，还可以为银行输入抗周期的稳定利润。越来越多的实证研究也证实了这种观点，如刘孟飞等[ 1 ]以中国19家主要商业银行的面板数据为研究样本，并以赫芬达尔指数作为银行多元化程度的代理变量，实证检验证实了银行多元化可以显著降低银行风险；同样的，陈一洪[ 2 ]也在后来的实证研究中，证实了城市商业银行非利息收入比重、银行绩效间存在着正向的线性关系。第二种观点认为，与存贷款业务相比，非利息收入作为一种费用型收入，其转换成本和信息成本低，因此过度收取费用容易引致客户流失。另外，虽然非利息业务一般不涉及银行的自有资金，但是业务开展必然会增加银行的固定支出，比如在人力和设备上的投入，因此会增加银行杠杆，从而加剧银行绩效的波动[ 3 ]。近年来，有部分实证研究也支持了这种观点，如周晔和郑军丽[ 4 ]以中国53家商业银行的面板数据进行检验，结果表明，银行资产规模和银行非利息业务带来的风险息息相关，即小规模的商业银行在开展非利息业务时，往往会带来更高的风险，损害银行绩效。另外，国内也有一些学者在实证研究的基础上，提出了另一种观点，即非利息收入与银行绩效之间并不存在显著的关系，如陈文哲[ 5 ]以中国97家商业银行为研究对象，实证研究了银行经营活动对银行绩效、风险的影响，研究发现非利息业务的开展并未起到提升利润、分散风险的效果，并进一步将原因归结为我国商业银行高度依赖息差收入、开展非利息业务收入的动机较弱。

　　通过梳理国外文献，在非利息收入、银行绩效间关系这一课题上，国外学者的研究开展较早，但同样也大致分为两种观点。一种观点认为，非利息收入可以显著提高银行经营绩效，例如DeYoung和Torna[ 6 ]以美国银行业为研究对象，通过建立多期Logit模型，实证检验了银行非利息收入与银行系统性风险之间的关系，研究表明，在剔除金融危机期间的样本后，与资本市场有关的服务佣金收入可以显著降低银行风险，改善银行经营绩效。另一种观点认为，非利息收入不能有效提高银行经营绩效，比如Lepetit等[ 7 ]以欧洲地区的商业银行为研究对象，通过构建面板数据模型，计量结果表明，银行的非利息业务比利息业务存在更高的风险，并不能起到有效改善银行绩效的作用。目前，国外学者针对消极的实证结果，主要提出了两种假说：一是监督技术假说，即认为银行业务的多元化会削弱监管当局的监管力度，增加银行风险；二是道德风险假说，即认为在存款保险的保障下，银行会倾向于利用存款资金开展高风险的非利息业务，放大银行风险。

　　本文以35家中国农村商业银行2010―2015年的非平衡面板数据为研究样本，通过建立动态面板数据模型，实证研究了非利息收入与农村商业银行绩效间的关系。比较国内外现有文献，本文可能的贡献有：第一，与多数文献?x择上市银行或城市商业银行为研究对象不同，本文以农村商业银行为研究对象，进一步丰富了该领域的研究范畴；第二，本文在分析非利息收入整体对银行绩效影响的基础上，按照银行年报披露的口径，将非利息收入进行拆分，并检验了各细分项对银行绩效的影响；第三，在非平衡面板数据模型的参数估计上，本文不仅运用了广义矩估计方法，同时为保证结果稳健，还采用了广义最小二乘方法（GLS）进行估计。

　　二、样本选择与数据来源

　　本文选择了共计35家中国农村商业银行为研究样本，涵盖北京、天津、辽宁、浙江、江苏、广东、山东等东部区域的农村商业银行19家，江西、安徽、湖北等中部区域的农村商业银行8家，四川、重庆、宁夏、贵州等西部区域的农村商业银行8家。样本的选择也基本符合中国农村商业银行的省域分布特点。

　　本文以各家农村商业银行披露的年度报告为数据原始来源，年度报告来自于各家农村商业银行的官网，研究样本选定的观测期为2010―2015年，对于部分缺失数据，本文从万德数据库以及BVD财经数据库补全，并对以上来源的数据进行了校对，以确保数据的真实完整。另外，本文使用的GDP和M2数据均来源于国家统计局。

　　三、研究设计

　　（一）变量说明

　　1.银行绩效的代理变量

　　关于银行绩效代理变量的选择，本文采用资产收益率（ROA），原因是该指标在财务上可以反映银行运用资产创造利润的能力，即该指标愈高，表明银行绩效愈好。 　　2.银行绩效稳定性的代理变量

　　Z指数是银行业研究中常用的方法之一，其数值来源于在中心极限定理下对破产概率模型的推导，可以运用该指数作为银行绩效稳定性的代理变量。Z指数的推导如下：

　　根据Z指数的定义可知，用Z指数来衡量银行绩效的稳定性水平时，Z指数越大表明银行绩效的稳定性越好，反之则越差。

　　3.非利息收入及其细分业务的代理变量

　　根据银行年报披露的口径，一般可以将非利息收入划分为手续费佣金收入、投资收益、汇兑及公允价值损益四个部分，但是，汇兑及公允价值损益一般与银行自身的经营无关，而主要受汇率等宏观因素的影响，因此，本文仅考虑手续费及佣金收入和投资收益对银行绩效的影响，采用手续费及佣金收入占营业收入的比重作为细分业务之一的代理变量，采用投资收益占营业收入的比重作为细分业务之二的代理变量。同时，采用非利息收入占营业收入的比重作为非利息收入整体的代理变量。

　　4.控制变量

　　参考Lepetit等[ 7 ]以及白云涛等[ 8 ]的研究，本文在银行层面和宏观层面分别设置了相应的控制变量。银行层面的控制变量包括：贷款总额占银行资产总额的相对比重、存款总额占银行资产总额的相对比重、银行所有者权益占银行资产总额的相对比重、银行总资产规模增速、银行不良贷款率。宏观层面的控制变量包括：当年广义货币供应量M2占GDP总量的相对比重。具体的变量设定见表1。

　　（二）模型设定

　　首先，考虑到非利息收入与其细分业务之间可能存在的多重共线性问题，本文将非利息收入占比、手续费及佣金收入占比、投资收益占比拆分为两部分进行回归。其次，考虑到模型可能存在的内生性问题，本文将被解释变量的滞后项作为工具变量，以期解决内生性问题带来的估计有偏，因此设定动态面板数据模型如下：

　　（三）估计方法

　　在估计动态面板数据模型上，目前，广义矩估计方法应用较为广泛[ 9 ]，主要得益于以下两点：第一，广义矩估计方法在存在单位根的情况下仍然有效；第二，广义矩估计方法可以将滞后项作为工具变量来克服被解释变量与控制变量间的内生性问题[ 10 ]。同时，本文采用广义最小二乘方法对模型（1）、（2）、（3）、（4）进行了稳健性检验，以确保实证结果的真实可靠。

　　四、计量结果与分析

　　（一）描述性统计分析

　　表2是相关变量的描述性统计结果。从总资产收益率（ROA）指标看，农村商业银行的均值为0.0096，标准差为0.004，最小值为0.0009，最大值为0.0288，表明不同农村商业银行之间的盈利能力差异较大。从反映银行绩效稳定性水平的Z指数（Z-score）来看，不同农村商业银行之间的差别仍然较大，绩效稳定性水平最高的可达到176.5614，最低的仅为11.0094。从收入结构指标来看，农村商业银行的非利息收入占比（NII）整体偏低，均值仅为0.1420。从非利息收入的细分业务来看，手续费及佣金收入占比（COM）和投资收益占比（TRAD）同样偏低，均值仅为0.0522和0.0719，且不同银行之间的差异较大，标准差分别达到0.0513、0.1138。从银行的结构特征指标来看，不同农村商业银行之间的差别仍然较大，其中：贷款总额占银行资产总额相对比重（LOAN）的均值为0.4524，标准差为0.0935；存款总额占银行资产总额相对比重（DEP）的均值为0.7772，标准差为0.1078；所有者权益占银行资产总额相对比重（EA）的均值为0.0649，标准差为0.0201；不良贷款率（NPL）的均值为1.2324%，标准差为1.3626。

　　（二）实证结果与分析

　　1.手续费及佣金收入、投资收益对农村商业银行绩效的影响

　　表3的模型（3）部分给出了手续费及佣金收入占比（COM）、投资收益占比（TRAD）对银行绩效（ROA）影响的实证结果。从模型（3）的实证结果可以看出，农村商业银行绩效（ROA）一阶滞后项的系数显著为负，说明当期的农村商业银行绩效（ROA）与前一期显著负相关，也证明了动态面板数据模型运用的合理性。从实证结果来看，手续费及佣金收入占比（COM）对农村商业银行绩效（ROA）的影响在5%的显著性水平下为正，表明手续费及佣金收入可以有效提高农村商业银行绩效。投资收益占比（TRAD）对农村商业银行绩效的影响并不显著。

　　?哪Ｐ停?3）的回归结果可以看到，手续费及佣金收入占比的提高会显著改善农村商业银行的经营绩效，其作用机制可能为：手续费及佣金收入以固定费用收入为基础，不随经济周期变动，且拓宽了银行的收入来源，可以为银行提供稳定的多元化收益，改善银行绩效。这样的实证结果也与其他文献的研究结果保持一致。而投资收益对农村商业银行经营绩效的改善作用并不明显，甚至会出现不显著的负向影响，这样的实证结果与姚文韵[ 11 ]的研究结果类似，即影响方向一致，但显著性水平略有差异。

　　2.手续费及佣金收入、投资收益对农村商业银行绩效稳定性水平的影响

　　表3的模型（4）部分给出了手续费及佣金收入占比（COM）、投资收益占比（TRAD）对银行绩效稳定性水平（Z-score）影响的实证结果。从模型（4）的实证结果可以看出，农村商业银行绩效稳定性水平（Z-score）一阶滞后项的系数显著为正，说明当期的农村商业银行绩效稳定性水平（Z-score）与前一期显著正相关，也证明了动态面板数据模型运用的合理性。从实证结果来看，手续费及佣金收入占比（COM）对农村商业银行绩效稳定性水平（Z-score）的影响在1%的显著性水平下为正，表明手续费及佣金收入占比的提高会显著提升农村商业银行的绩效稳定性水平。投资收益占比（TRAD）对农村商业银行绩效稳定性水平（Z-score）的影响在1%的显著性水平下为负，表明投资收益占比的提高会显著降低农村商业银行的绩效稳定性水平。 　　从模型（3）的回归结果可以看到，手续费及佣金收入占比的提高会显著改善农村商业银行的绩效稳定性水平，这与上一小节所述的作用机制基本一致，即手续费及佣金收入一般以固定收费为主，且不涉及银行自有资金，可以为银行贡献稳定的利润。而投资收益占比的提高会显著降低农村商业银行的绩效稳定性水平，这可能与国外学者提出的道德风险假说类似，即农村商业银行在某些约束条件下可能更愿意从事高风险的投资业务，从而加剧了银行绩效水平的波动。

　　3.非利息收入整体对农村商业银行绩效及其稳定性水平的影响

　　以上分析了非利息收入细分业务（手续费及佣金收入、投资收益）对农村商业银行绩效及其稳定性水平的影响，接下来分析非利息收入整体对银行绩效及其稳定性水平的影响。

　　表4的模型（1）给出了非利息收入整体（NII）对银行绩效（ROA）影响的实证结果。从模型（1）的实证结果可以看出，农村商业银行绩效（ROA）一阶滞后项的系数显著为正，说明当期的农村商业银行绩效（ROA）与前一期显著正相关，也证明了动态面板数据模型运用的合理性。从实证结果来看，非利息收入整体对银行绩效的影响并不显著，原因可能是来自非利息收入细分业务间正负效应的相互抵销。

　　表4的模型（2）给出了非利息收入整体（NII）对银行绩效稳定性水平（Z-score）影响的实证结果。从模型（2）的实证结果可以看出，农村商业银行绩效稳定性水平（Z-score）一阶滞后项的系数显著为正，这说明当期的农村商业银行绩效稳定性水平（Z-score）与前一期显著正相关，也证明了动态面板数据模型运用的合理性。从实证结果来看，非利息收入整体对银行绩效稳定性水平的影响并不显著，原因可能是来自非利息收入细分业务间正负效应的相互抵销，这样的推测也可以从非利息收入细分业务的实证结果中得到佐证。

　　五、稳健性检验

　　为了保证广义矩估计方法下实证结果的稳健可靠，本文参考Dong等[ 9 ]的做法，同时采用广义最小二乘方法对动态面板数据模型进行稳健性检验，检验结果表明：除在模型参数大小和显著性水平上略有差异外，其他主要结论与广义矩估计方法下的结论基本保持一致，也验证了本文实证结果的有效性和可靠性。详细的稳健性检验结果见表5。

　　六、结论

　　本文选取2010―2015年35家中??农村商业银行的年度数据，运用广义矩估计方法对面板数据模型进行了参数估计，实证检验了中国农村商业银行非利息收入对银行绩效（包括绩效稳定性水平）的影响，并进一步考察了非利息收入细分业务对银行绩效的影响，主要研究结论如下：从非利息收入的细分业务上看，手续费及佣金收入能显著提高农村商业银行绩效，且对银行绩效的稳定性水平有显著的正向影响；而投资收益对银行绩效有不显著的负向影响，且对银行绩效的稳定性水平有显著的负向影响，这可能与国外学者提出的道德风险假说类似，即农村商业银行可能会在某些约束条件下更愿意从事高风险业务，从而加剧了银行绩效水平的波动；从整体上看，农村商业银行非利息收入对银行绩效及其稳定性的影响并不显著，原因可能来自于非利息收入细分业务之间正负效应的相互抵销。

本文链接：http://www.qk112.com/lwfw/jingjilunwen/zqtzlw/132009.html