貸款利率市場化會增加商業(yè)銀行風(fēng)險嗎？——基于非利息收入業(yè)務(wù)擴張與信貸過度增長的視角

■ 張 歡

一、引言

2013年 7月 20日，隨著央行取消貸款利率下限30%的限制，中國銀行業(yè)迎來利率市場化的新階段，即貸款利率自由化。“存貸款的利率差是一般商業(yè)銀行的主營業(yè)務(wù)收入。而這次取消貸款利率銀行規(guī)定的下限后，對銀行的直接影響就是其固有的利潤空間將逐步變小，主營業(yè)務(wù)收入將呈現(xiàn)下滑的趨勢”（陳國棟，2013）。由此，商業(yè)銀行的盈利能力將面臨下滑壓力，經(jīng)營風(fēng)險管理難度加大。

為了應(yīng)對利率市場化對商業(yè)銀行傳統(tǒng)盈利模式和盈利水平的沖擊，商業(yè)銀行擴張傳統(tǒng)信貸業(yè)務(wù)的同時，積極尋求業(yè)務(wù)創(chuàng)新，大力發(fā)展非利息收入業(yè)務(wù)等非傳統(tǒng)業(yè)務(wù)，提高非利息收入占比。其中，擴大貸款規(guī)模能夠維持凈利息收入的持續(xù)性增長，這使得商業(yè)銀行有不斷加大信貸投入量的傾向，甚至出現(xiàn)信貸過度擴張的現(xiàn)象。事實上，若將某銀行的貸款增長率與當(dāng)年所有樣本銀行貸款增長率中位數(shù)的差作為該銀行過度信貸增長率 （Foos et al，2010）的指標(biāo)，2013年，我國大部分上市銀行都存在過度信貸擴張現(xiàn)象，比如，寧波銀行、北京銀行、華夏銀行過度貸款增長率就超過了3%。而同時非利息收入業(yè)務(wù)發(fā)展十分迅速，2013年中國銀行業(yè)非利息收入同比增長20.7%，而凈利息收入同比增長11.3%，顯然非利息收入業(yè)務(wù)逐漸成為各商業(yè)銀行一個新的利潤增長點。然而，當(dāng)銀行采取這兩種措施——大力發(fā)展非利息收入業(yè)務(wù)和信貸擴張——提升銀行盈利水平時，二者對銀行的經(jīng)營風(fēng)險有怎樣的影響呢？對上述問題進行研究，不僅有助于各銀行審視并評估其伴隨的風(fēng)險并采取措施化解風(fēng)險，從而保持和提高銀行的競爭能力和發(fā)展能力；而且有助于為中國銀行業(yè)監(jiān)管當(dāng)局進一步改革監(jiān)管政策提供依據(jù)。

本文利用國內(nèi)14家上市銀行2004～2013年的數(shù)據(jù)（3家大國有控股商業(yè)銀行、11家非國有控股股份制商業(yè)銀行）對非利息收入業(yè)務(wù)和信貸過度擴張與銀行風(fēng)險的關(guān)系進行實證檢驗，以明確二者對銀行風(fēng)險的影響效應(yīng)。本文使用動態(tài)面板數(shù)據(jù)的分析方法。在研究對象、研究方法以及研究結(jié)論上均不同于以往的研究。

二、文獻綜述

（一）非利息收入業(yè)務(wù)與銀行風(fēng)險

國內(nèi)外研究商業(yè)銀行非利息收入業(yè)務(wù)與銀行風(fēng)險的關(guān)系的文獻頗多，總體上學(xué)者們對此存在兩種截然相反的觀點：第一類觀點認(rèn)為非利息收入業(yè)務(wù)可以改變其單一的收入結(jié)構(gòu)，增加銀行收益，從而銀行可以通過多元化經(jīng)營分散風(fēng)險。Eisemann(1976)認(rèn)為，與利息收入相比，非利息收入更加穩(wěn)定。因為前者與利率和宏觀環(huán)境高度相關(guān)。因此，非利息收入能顯著平滑銀行收益、降低風(fēng)險。這一觀點得到后來眾多學(xué)者的支持。其中，Templeton和Severiens(1992）選取美國54家銀行控股公司，采用1979～1986年度數(shù)據(jù)進行實證檢驗。結(jié)果表明非利息收入業(yè)務(wù)的開展有利于減少收入的波動性，同時又增加收益。我國學(xué)者張羽和李黎（2010）實證檢驗了中國銀行業(yè)非利息收入業(yè)務(wù)對銀行風(fēng)險的影響效應(yīng)，結(jié)果發(fā)現(xiàn)非利息收入業(yè)務(wù)能有效分散銀行風(fēng)險。

然而，隨著非利息收入占比的增加，另一些學(xué)者對第一類觀點提出質(zhì)疑，認(rèn)為非利息收入業(yè)務(wù)的擴張?zhí)岣吡算y行風(fēng)險系數(shù)。DeYoung and Roland(2001)通過實證研究472家大型商業(yè)銀行業(yè)務(wù)結(jié)構(gòu)與銀行盈利波動性之間的關(guān)系，發(fā)現(xiàn)隨著非利息收入占比提高，銀行收益波動性和總財務(wù)杠桿都會增加，從而提高了銀行盈利波動性，增加了銀行風(fēng)險。Stiroh(2006)利用美國銀行業(yè)數(shù)據(jù)、Mercieca和Baele等人(2007)利用歐洲銀行業(yè)數(shù)據(jù)研究均發(fā)現(xiàn)非利息收入占比提高不僅沒有增加銀行收益，過度依賴非利息收入將給銀行帶來更高風(fēng)險。國內(nèi)研究文獻也有類似結(jié)論。周開國和李琳（2011）通過對14家上市銀行面板數(shù)據(jù)實證研究，發(fā)現(xiàn)多元化的收入結(jié)構(gòu)并沒有有效發(fā)揮資產(chǎn)組合理論分散風(fēng)險的理論假設(shè)，因此也沒有降低銀行風(fēng)險，原因是非利息收入業(yè)務(wù)收入占比越高，其波動性就會越強且對銀行總的風(fēng)險的總貢獻度越大，從而提高銀行整體風(fēng)險系數(shù)。

以往文獻也闡述了非利息收入業(yè)務(wù)增加銀行風(fēng)險的原因。其中，最有代表性的當(dāng)屬De Young(2001)。作者通過選取經(jīng)營杠桿和財務(wù)杠桿相結(jié)合的全杠桿模型，對非利息收入業(yè)務(wù)增加銀行風(fēng)險的原因給出了三種解釋：（1）從與客戶的關(guān)系來看，相比較非利息收入業(yè)務(wù)，傳統(tǒng)存貸業(yè)務(wù)中銀行與客戶建立的關(guān)系更穩(wěn)定。這主要是由于信息成本和轉(zhuǎn)換成本的存在，使得現(xiàn)有的存貸關(guān)系會在相當(dāng)長的時間內(nèi)保持穩(wěn)定。對于非利息收入業(yè)務(wù)，幾乎不存在信息傳遞的約束，因此，其不穩(wěn)定性更大；（2）從成本角度看，對于傳統(tǒng)的存貸業(yè)務(wù)，一旦與客戶關(guān)系建立后，銀行后續(xù)所需付出的成本只是利息收入，并且隨著貸款量的不斷增加，提供貸款的邊際成本減小。相反，非利息收入業(yè)務(wù)通?！耙钥蛻魹橹行摹?，具有較強的單個客戶特點。開展非利息收入業(yè)務(wù)則需要大量的人力資本，這會增加銀行費用，增大經(jīng)營杠桿；（3）銀行的非利息收入業(yè)務(wù)往往沒有資本監(jiān)管的要求，因此可能會增加整體的財務(wù)杠桿，經(jīng)營風(fēng)險隨之增加。

（二）信貸過度擴張與銀行風(fēng)險

關(guān)于信貸過度增長對銀行風(fēng)險的影響效應(yīng)，國內(nèi)外研究具有一定的一致性，即過度信貸擴張將導(dǎo)致銀行風(fēng)險提高。Sinkey和Greenawalt(1991)分析了美國大型銀行1984～1987數(shù)據(jù)，結(jié)果顯示過去的平均貸款增長與同期貸款損失率正相關(guān)。Demirguc－Kunt和Huizinga(2010)發(fā)現(xiàn)，對大額資金依賴性越高，銀行面臨的風(fēng)險也越高。Schularick，Taylor(2012)以及Jorda et al(2011)都把信貸過度擴張作為金融危機爆發(fā)的重要誘因之一。國內(nèi)學(xué)者陸靜等人（2014）運用系統(tǒng)GMM估計方法對119家中國商業(yè)銀行實證研究發(fā)現(xiàn)，過度貸款增長率同樣顯著地增加了商業(yè)銀行風(fēng)險。

關(guān)于信貸過度擴張對銀行風(fēng)險的影響途徑，F(xiàn)oos et al（2010）詳細(xì)地作出闡述。通過使用超過16000家銀行的大數(shù)據(jù)樣本，作者實證檢驗了三個假設(shè)。結(jié)論如下：（1）當(dāng)銀行降低貸款標(biāo)準(zhǔn)、抵押要求等擴大貸款規(guī)模，導(dǎo)致未來貸款違約風(fēng)險增加，貸款損失嚴(yán)重，銀行資產(chǎn)將遭受損失，資產(chǎn)質(zhì)量下降，銀行風(fēng)險增加；（2）銀行以較低利率擴大貸款規(guī)模時，若銀行凈利息收入主要來自貸款利息收入，將引起銀行利息收入明顯下降，從而影響銀行盈利水平；（3）如果銀行貸款資產(chǎn)來源于新增債務(wù)，同時，銀行很少通過發(fā)行股票籌集資本，貸款增長主要依靠留存收益，因此權(quán)益資產(chǎn)比率將下降，銀行償債能力減弱，銀行風(fēng)險增加。

（三）文獻述評

綜上所述，國內(nèi)外關(guān)于非利息收入業(yè)務(wù)與信貸過度擴張對銀行風(fēng)險的影響研究甚多，這對本文的研究提供直接的借鑒和啟示。但這些研究亦存在著一些不足：第一，已有的文獻較少將非利息收入業(yè)務(wù)和信貸過度擴張放入統(tǒng)一研究框架內(nèi)進行比較分析，通過以往文獻可知，新型的非利息收入業(yè)務(wù)和傳統(tǒng)的信貸擴張業(yè)務(wù)對銀行風(fēng)險的影響機制和影響效應(yīng)都是不同的，比較分析這些不同對我國商業(yè)銀行經(jīng)營路徑的選擇，以及關(guān)于銀行業(yè)務(wù)理論的完善都具有重要的意義；第二，Demirguc－Kunt和Huizinga（2010)的研究表明，銀行的風(fēng)險具有持續(xù)性，即上一期的風(fēng)險將對下一期的風(fēng)險有顯著影響，因此也必須將其考慮到模型中，合理的解決方法就是使用動態(tài)面板模型，而已有研究主要以最小二乘或者靜態(tài)面板數(shù)據(jù)回歸為主，忽視銀行風(fēng)險的持續(xù)性影響，有可能導(dǎo)致實證結(jié)果的不準(zhǔn)確。

針對上述問題，本文的創(chuàng)新點在于：第一，將非利息收入業(yè)務(wù)與信貸過度擴張放入同一個模型，既明確了非利息收入業(yè)務(wù)與銀行風(fēng)險的關(guān)系，又實證檢驗了信貸過度增長對銀行風(fēng)險的影響效應(yīng)；第二，本文采用動態(tài)面板數(shù)據(jù)模型，運用一步廣義矩估計方法進行實證檢驗，克服了以往研究忽視風(fēng)險持續(xù)性影響問題，在研究方法上也有所創(chuàng)新。

三、計量模型與數(shù)據(jù)說明

（一）變量的選取

1.被解釋變量的選取

為了全面地反映銀行的風(fēng)險，本文參考De Nicolo（2001）和 Stiroh（2006），選取資產(chǎn)收益率 （Return On ROA)的夏普指數(shù) (R_ROA)以及Z值 （以ROA計算）作為度量銀行風(fēng)險的指標(biāo)，前者是衡量銀行風(fēng)險調(diào)整的盈利性指標(biāo)，后者是衡量銀行破產(chǎn)風(fēng)險的指標(biāo)。其中，R_ROA的計算如（1）所示：

式（1）中，ROAit為第 i家銀行 t年的平均資產(chǎn)收益率；SDROAit為第i家銀行t年的平均資產(chǎn)收益率的年度標(biāo)準(zhǔn)差；該指標(biāo)值越大，說明單位風(fēng)險調(diào)整后的銀行收益水平越高，風(fēng)險越小。

而ZSCORE的計算公式如下：

式 （2）中，CARit是銀行i在t年的資本資產(chǎn)率（即凈資產(chǎn)/總資產(chǎn)），ROAit是銀行i在t年的資產(chǎn)收益率，SDROAit是銀行i在樣本期內(nèi)資產(chǎn)收益率的標(biāo)準(zhǔn)差。ZSCORE越大，表明銀行破產(chǎn)的概率就越小。

2.解釋變量的選取

為了考察非利息收入業(yè)務(wù)擴張與信貸過度增長對銀行風(fēng)險的影響，本文選取非利息收入占比、貸款增長率以及貸款過度增長率作為解釋變量。其中，本文所研究的非利息收入包括手續(xù)費及傭金收入、投資收益、匯兌損益、公允價值變動以及其他業(yè)務(wù)收入；非利息收入占比主要是指非利息收入占營業(yè)收入的比重（NNINC），非利息收入占比越高，說明銀行非利息收入業(yè)務(wù)發(fā)展規(guī)模越大。

根據(jù)Foos et al（2010)，本文選取貸款過度增長率作為信貸過度擴張的指標(biāo)，并將其定義為某銀行的貸款增長率與當(dāng)年所有樣本銀行貸款增長率中位數(shù)的差。具體公式如下：

式（3）中，LOANit是銀行 i在 t年的貸款余額，LOANit－1是銀行 i在 t－1 年的貸款余額,MLOANGt表示t年樣本中所有銀行貸款增長率的中位數(shù)。

3.控制變量的選取

為了防止其他變量對實證結(jié)果的干擾，本文選取了一系列控制變量。這些影響銀行風(fēng)險的控制變量主要分為兩類，一類是銀行特征變量，另一類是外部環(huán)境變量。

參考以往文獻 （Demirguc－Kunt和 Huizinga,2001），選取資產(chǎn)規(guī)模、凈利息邊際比以及流動比率衡量銀行特征對風(fēng)險的影響；資產(chǎn)規(guī)模對數(shù)（SIZE）衡量銀行規(guī)模，一般認(rèn)為，銀行風(fēng)險與銀行資產(chǎn)規(guī)模正相關(guān)；凈利息邊際比對數(shù)（NIM）衡量銀行的存貸利差盈利能力，取對數(shù)能對時間序列起到平滑作用；成本收入比（CIR）衡量銀行財務(wù)穩(wěn)定性。

影響銀行風(fēng)險的外部環(huán)境變量主要包括銀行業(yè)市場結(jié)構(gòu)環(huán)境變量與宏觀經(jīng)濟環(huán)境變量。本文參考陸靜、王漪碧和王捷（2014）的做法，但與其有所區(qū)別，采用市場集中度（CR4）來度量銀行業(yè)的市場結(jié)構(gòu)，用樣本中最大四家銀行的資產(chǎn)占所有樣本銀行資產(chǎn)的比例來衡量銀行業(yè)的集中程度。同時，參考張宗益和汪宇（2014）以及周曄和鄭軍麗（2014），選取GDP增長率以及貨幣流動性（M2/GDP）來度量宏觀環(huán)境對銀行風(fēng)險的影響。

（二）解釋變量描述性統(tǒng)計與假設(shè)提出

本文搜集到的最新數(shù)據(jù)包括2004～2013年14家上市銀行的相關(guān)數(shù)據(jù)，其中因為中國農(nóng)業(yè)銀行和光大銀行的數(shù)據(jù)披露不夠全面因此沒有納入研究樣本。本文數(shù)據(jù)來源于《中國統(tǒng)計年鑒》、各銀行歷年年報以及wind數(shù)據(jù)庫。變量的定義與描述統(tǒng)計如表1所示。

（三）計量模型設(shè)定

為了確定計量模型的具體形式，本文首先通過豪斯曼檢驗確定選取固定效應(yīng)模型，認(rèn)為每個銀行存在不隨時間變化的個體效應(yīng)。通過進一步檢驗，判斷模型也存在時間效應(yīng)，從而可以確定計量模型的誤差項包含了個體效應(yīng)和時間效應(yīng)。另外，考慮到銀行的風(fēng)險存在持續(xù)性影響，因而本文在解釋變量中引入銀行風(fēng)險的滯后項，得到動態(tài)面板數(shù)據(jù)。

綜上所述，本文在借鑒Koler（2012）的計量模型基礎(chǔ)上，充分考慮中國銀行業(yè)的實際情況，選取了較為合理的控制變量，設(shè)定了模型（4）和（5）：

表1 主要變量及描述性統(tǒng)計

四、動態(tài)面板GMM估計與結(jié)果分析

（一）內(nèi)生性檢驗與動態(tài)GMM估計

為進一步從計量上確定內(nèi)生性，本文運用豪斯曼檢驗進行經(jīng)驗驗證。進行豪斯曼檢驗時，每次選取一個解釋變量判斷其是否為內(nèi)生變量，并運用該解釋變量的滯后期作為其工具變量。檢驗結(jié)果表明，非利息收入業(yè)務(wù)和貸款增長率在1%的顯著性水平上拒絕“所有變量均為外生變量”的原假設(shè)，而過度貸款增長率是外生變量。

動態(tài)面板模型的解釋變量中包含了被解釋變量的滯后項，使得組內(nèi)估計量是不一致的，而動態(tài)面板的GMM估計 (廣義矩估計)可以很好的解決這個問題（肖興志，姜曉婧，2013）。動態(tài)面板 GMM估計分為一步和兩步GMM估計。由于在小樣本中兩步估計的標(biāo)準(zhǔn)差存在向下偏倚，雖然這種偏倚在經(jīng)過Windmeijer的修正后會有所減小，但卻會導(dǎo)致兩步GMM估計量的近似漸進分布不可靠（王志剛，2008）。因此，本文采用一步 GMM(one-step GMM)估計量。在估計的過程中，對模型施加了small選項，從而得到了t和F檢驗統(tǒng)計量，而不是大樣本中的z和沃爾德檢驗統(tǒng)計量。同時，通過異方差檢驗發(fā)現(xiàn)模型存在組間異方差，在估計時用 robust選項進行修正，因此在矩條件的過度識別檢驗中Hansen檢驗代替了Sargan檢驗，并以此檢驗工具變量的有效性。

（二）非利息收入業(yè)務(wù)擴張和信貸過度增長對銀行風(fēng)險的影響

一階差分GMM估計方法很容易受到弱工具變量的影響而得到有偏的估計結(jié)果，尤其是在小樣本或者短時期內(nèi)，而系統(tǒng)GMM估計通過綜合一階差分方程和水平方程的方法克服了弱工具變量的影響（肖興志，姜曉婧，2013）。布倫德爾和邦德（1998）及布倫德爾、邦德和溫德梅杰（2000）利用蒙特卡洛模擬發(fā)現(xiàn)，有限樣本下，系統(tǒng)廣義矩估計比差分廣義矩估計的偏差更小，效率也得到了改進。從本文實證結(jié)果可以看出，與回歸（1）差分GMM估計相比，回歸（2）運用系統(tǒng)GMM估計，Hansen檢驗的p值比回歸（1）更大，估計效率更高，而且使得風(fēng)險滯后變量、貸款過度增長等變量均顯著。因此，下面針對更加有效的系統(tǒng)GMM估計的結(jié)果進行分析。

由表2可以看出，風(fēng)險滯后期的估計系數(shù)為正，說明銀行上一期的風(fēng)險對本期風(fēng)險有持續(xù)性的影響。另外，貸款增長率能降低銀行風(fēng)險，但過度信貸擴張增加了銀行風(fēng)險。這與假設(shè)一致。這一結(jié)果與國外研究者Foos et al(2010)、Koler(2012)的研究結(jié)果一致，即貸款行為越激進，銀行風(fēng)險越大。

1.非利息收入業(yè)務(wù)對銀行風(fēng)險的影響。從表2可以看出，上市商業(yè)銀行非利息收入占比對銀行風(fēng)險的影響效應(yīng)不顯著。其原因可能是：第一，我國上市商業(yè)銀行非利息收入業(yè)務(wù)雖然近年來發(fā)展迅速，但在總收入中占比依然較低，我國現(xiàn)階段非利息收入業(yè)務(wù)發(fā)展水平只相當(dāng)于美國20世紀(jì)80年代水平；第二，本文研究的非利息收入，是由銀行年報披露的手續(xù)費及傭金收入、投資收益、公允價值變動、匯兌損益以及其他業(yè)務(wù)收入構(gòu)成。根據(jù)14家上市商業(yè)銀行2013年非利息收入業(yè)務(wù)收入占比構(gòu)成可以看出，手續(xù)費及傭金收入是非利息收入業(yè)務(wù)收入的主要組成部分，而銀行在辦理這部分業(yè)務(wù)時，只充當(dāng)中介人，較少或幾乎不占用銀行資金，風(fēng)險較小，收入比較穩(wěn)定。同時，風(fēng)險較大的金融衍生交易產(chǎn)生的投資收益與匯兌損益占非利息收入業(yè)務(wù)收入比重較小，即使收入為負(fù)，影響也較小。

2.控制變量對銀行風(fēng)險的影響

其他控制變量中，銀行特征對風(fēng)險有顯著的影響。由表2可知，資產(chǎn)規(guī)模對銀行風(fēng)險有顯著的正影響，說明上市銀行資產(chǎn)存在規(guī)模效應(yīng)，資產(chǎn)規(guī)模越大，銀行風(fēng)險越小。同時，凈利息邊際越高，銀行的風(fēng)險越小。因為銀行凈利息收入較高，收益率也相應(yīng)較高時，銀行將較少對高風(fēng)險行業(yè)的信貸投入，因此面臨的風(fēng)險也較小。

表2也反映了外部環(huán)境變量對銀行風(fēng)險的影響。其中，GDP增長率越高，銀行風(fēng)險越小，這是因為當(dāng)宏觀經(jīng)濟處于景氣時期，失業(yè)率和企業(yè)破產(chǎn)率較低，銀行面臨的信貸風(fēng)險較?。↘oler，2012）。貨幣流動性MLIQUDITY對銀行經(jīng)營風(fēng)險R_ROA以及破產(chǎn)風(fēng)險Z值有顯著的負(fù)效應(yīng)，即當(dāng)宏觀經(jīng)濟利好的時候，貨幣流動性的過剩增加了商業(yè)銀行的經(jīng)營風(fēng)險及破產(chǎn)風(fēng)險（周曄，鄭軍麗，2014）。

銀行集中度CR4系數(shù)顯著為負(fù)，意味著銀行業(yè)集中度越高，銀行風(fēng)險越高。這也反映出政府逐步放松銀行業(yè)管制、鼓勵中小銀行發(fā)展、不斷推進利率市場化進程以降低銀行集中度等政策是十分正確的。

表2 主要變量的動態(tài)面板GMM估計結(jié)果

五、結(jié)論與政策建議

本文選取我國14家上市銀行的數(shù)據(jù)，采用動態(tài)面板數(shù)據(jù)模型，運用一步廣義矩估計分析方法，實證考察了非利息收入業(yè)務(wù)和信貸過度擴張對銀行風(fēng)險的影響效應(yīng)，得出結(jié)論：（1）銀行風(fēng)險與非利息收入業(yè)務(wù)擴張關(guān)系不顯著；（2）銀行風(fēng)險與信貸過度擴張顯著正相關(guān)。 針對本文的研究結(jié)論，筆者對我國商業(yè)銀行和中國政府監(jiān)管提出以下建議：

第一，銀行應(yīng)大力發(fā)展非利息收入業(yè)務(wù)，提高非利息收入占比。其中，除了穩(wěn)定提高手續(xù)費及傭金收入水平，還應(yīng)加大非利息收入業(yè)務(wù)的創(chuàng)新力度，增加金融衍生產(chǎn)品的種類，在控制風(fēng)險的前提下，增加金融衍生產(chǎn)品的交易，提高收益水平。中國政府監(jiān)管部門既要加強對商業(yè)銀行非利息收入業(yè)務(wù)的監(jiān)管，也需適當(dāng)放寬對國內(nèi)銀行業(yè)務(wù)范圍的限制，為商業(yè)銀行的金融創(chuàng)新提供制度和環(huán)境保障；第二，商業(yè)銀行可以通過適當(dāng)擴大貸款規(guī)模，增加貸款利息收入以穩(wěn)定和提高凈利息收入，但不應(yīng)忽略貸款質(zhì)量，更不能盲目追求信貸增長而降低對借款人的貸款標(biāo)準(zhǔn)和抵押要求。中國政府監(jiān)管必須加強對商業(yè)銀行信貸活動的監(jiān)管，完善風(fēng)險監(jiān)管體系，使商業(yè)銀行更好地為國民經(jīng)濟發(fā)展做出貢獻。

[1]黃雋,章艷紅.商業(yè)銀行的風(fēng)險:規(guī)模和非利息收入業(yè)務(wù)收入——以美國為例[J].金融研究,2010，(6):75～89.

[2]張羽,李黎.非利息收入業(yè)務(wù)收入有利于降低銀行風(fēng)險嗎?——基于中國銀行業(yè)的數(shù)據(jù)[J].南開經(jīng)濟研究,2010，(4):69～91.

[3]周開國,李琳.中國商業(yè)銀行收入結(jié)構(gòu)多元化對銀行風(fēng)險的影響[J].國際金融研究,2011，(5):57～66.

[4]張雪蘭.收入多元化能降低銀行風(fēng)險嗎?——基于中國銀行業(yè)（2001～2010）的實證研究[J].投資研究,2011，(12):48～60.

[5]陸靜,王漪碧,王捷.貸款利率市場化對商業(yè)銀行風(fēng)險的影響[J].國際金融研究,2014，(6):50～59.

[6]劉孟飛,張曉嵐,張超.我國商業(yè)銀行業(yè)務(wù)多元化、經(jīng)營績效與風(fēng)險相關(guān)性研究[J].國際金融研究,2012，(8):59～69.

[7]任哲,邵榮平.收入結(jié)構(gòu)、經(jīng)營風(fēng)險及多元化選擇：解析 78家商業(yè)銀行[J].財政金融,2012，(9):64～70.

[8]周曄,鄭軍麗.非利息收入業(yè)務(wù)收入業(yè)務(wù)會降低銀行的風(fēng)險嗎——基于53家商業(yè)銀行的實證研究[J].經(jīng)濟理論與經(jīng)濟管理，2014，(4):76～87.

[9]王志軍.歐盟銀行業(yè)的非利息收入業(yè)務(wù)收入[J].國際金融研究,2004,(7):47～52.

[10]肖興志,姜曉婧.中國電信產(chǎn)業(yè)改革評價與改革次序優(yōu)化——基于產(chǎn)權(quán)、競爭、規(guī)制的動態(tài)面板模型[J].經(jīng)濟社會比較,2013，(2):193～204.

[11]王志剛.面板數(shù)據(jù)模型及其在經(jīng)濟分析中的應(yīng)用[M].北京：經(jīng)濟科學(xué)出版社，2008.

[12]Lepetit,L,Nys,E,Rous,P,and Tarazi,A.Bank Income Structure and Risk:An Empirical Analysis of European Banks [J].Journal of Banking&Finance,2008(12):1452～1467.

[13]Stiroh,K.J.and Rumble,A.The Dark Side of Diversification:The Case of US Financial Holding Companies [J].Journal of Banking and Finance,2006(10):2131～2161.

[14]Stiroh,K.J.Diversification in Banking:Is Noninterest Income the Answer[J].Journal of Money,Credit,and Banking,2004(6):853～882.

[15]Templeton,W.K.and Severiens J.T.The Effect of Nonbank Diversification on Bank Holding Companies[J].Quarterly Journal of Business and Economics,1992(11):3～16.

[16]De Young,R.and Roland,K.Product Mix and Earnings Volatility at Commercial Banks:Evidence from a Degree ofTotal Leverage Model[J].Journal of Financial Intermediation,2001(10):54～84.

[17]Rosie Smith，Christos Staikouras and Geoffrey Wood.Non－interest Income and Total Income Stability[R].Working Paper,2003,www.bankofengland.co.uk/publications/workingpapers.

[18]Mercieca,S.K.Schaeck，and S.Wolfe.Small European Banks：Benefits From Diversification?[J].Journal of Banking and Finance,2007(1):1975～1998.

[19]Eisemann,P.Diversification and the Congeneric Bank Holding Company[J].Journal of Bank Re－search,1976(1):68～77.

[20]Foos,D,Norden L.and Weber M.Loan Growth and Riskiness of Banks[J].Journal of Banking and Finance,2010(12):2929～2940.

[21]Jimenéz,G.and Saurina,J.Credit Cycles,Credit Risk,and Prudential Regulation[J].International Journal of Central Banking,2006(2):65～98.

[22]Juan Sebastián Amador.JoséE.Gómez －González.Andrés Murcia Pabón.Loan growth and bank risk:new evidence[J].Financ Mark Portf Manag,2013(2):365～379.

[23]Asli Demirguc－Kunt,Harry Huizinga.Bank activity and funding strategies:The impact on risk and returns[J]Journal of Financial Economics,2010(11):626～650.