外資綠地投資對我國銀行體系穩(wěn)定性的影響
——基于主成分分析和VEC 模型的實證測度

王 蕙 張武強 汪 雷

（1.安徽農(nóng)業(yè)大學，安徽 合肥 230036；2.中國人民銀行合肥中心支行，安徽 合肥 230091；3.安徽財經(jīng)大學，安徽 蚌埠 233041）

一、引言

外資進入我國程度不斷深化， 且在與國內(nèi)商業(yè)銀行的合作與競爭中逐步發(fā)展壯大， 呈數(shù)量增多、業(yè)務拓寬、區(qū)域變廣等發(fā)展態(tài)勢，已成為我國銀行體系中的重要力量[1]，特別是在人民幣國際化程度加深，資本項目開放度擴大的形勢下，外資流動自由度更高，加之中國經(jīng)濟持續(xù)保持中高速增長，越來越多的外資參與到中國經(jīng)濟發(fā)展中來，分享發(fā)展紅利，我國銀行體系的外資規(guī)模已累積較大， 對銀行體系的穩(wěn)定性影響也需引起足夠重視。

國內(nèi)外理論及實證研究均認為外資進入對東道國銀行體系穩(wěn)定性存在影響，而綠地投資作為外資進入我國金融體系的主要方式之一，其進入如何影響我國銀行體系穩(wěn)定性是文章重點關注的問題。本文將運用主成分分析法、協(xié)整和向量誤差修正模型， 測度外資綠地投資對我國銀行體系穩(wěn)定性的長、短期影響，并分析長期效應對短期波動的調(diào)整作用。

二、模型和變量選取

（一）選取模型

為更科學精準地衡量變量間長短期的交互關系，文章擬選取向量誤差修正模型（VEC），分析闡釋外資銀行綠地投資與我國銀行體系穩(wěn)定性間的動態(tài)變化關系。 影響一國銀行體系穩(wěn)定性的因素較多， 除本文擬重點研究的外資銀行綠地投資外，還包括一國的經(jīng)濟增長水平、銀行業(yè)市場結構等多個方面。

經(jīng)濟興則金融興，一國的經(jīng)濟發(fā)展水平越高，實體經(jīng)濟的活力越強，金融資產(chǎn)質(zhì)量越高，銀行體系就越穩(wěn)定，因此在研究銀行體系穩(wěn)定性的模型中，一般都要引入經(jīng)濟增長的相關變量。 銀行業(yè)市場結構因素在相關研究中也多有涉及， 表明學術界關于市場集中度影響銀行體系穩(wěn)定性已有基本共識， 但影響是正向或負向尚未定論。 本文運用主成分分析法測度銀行體系穩(wěn)定性，并將銀行業(yè)集中度、經(jīng)濟增長率引入VEC 模型進行實證度量。

（二）變量選擇

在目前已有研究的基礎上， 本文選取銀行體系穩(wěn)定性（bs）為因變量，外資銀行綠地進入度（fb），同時選取了代表經(jīng)濟增長的變量： 實際國內(nèi)生產(chǎn)總值增長率（sg）、代表銀行業(yè)市場結構的變量：銀行業(yè)集中度（bc）作為控制變量。

1.外資綠地進入程度（fb）。 外資進入東道國可采用多種方式，如設立代表處或分行，也可直接設立獨資銀行，或與東道國合資成立銀行。 外資綠地進入東道國的程度一般用份額衡量， 已有研究對份額的計算口徑與方法可概括為兩類： 一類以外資綠地投資額占東道國銀行業(yè)資產(chǎn)總額比重來衡量， 一類以外資綠地投資機構數(shù)量占東道國銀行業(yè)金融機構數(shù)量比重來衡量[2]。 因我國銀行業(yè)各機構間資產(chǎn)總額差別較大，只從數(shù)量占比來衡量外資進入程度有所偏頗，故本文選擇第一類衡量口徑， 以外資銀行資產(chǎn)總額與我國銀行業(yè)資產(chǎn)總額的比重作為外資銀行綠地進入度。

2.實際GDP 增長率（sg）。 為了準確比較經(jīng)濟增長情況，本文剔除了價格因素，將樣本期內(nèi)國內(nèi)生產(chǎn)總值以2000 年為基期，換算為實際值，并使用連續(xù)兩個年度的國內(nèi)生產(chǎn)總值之差除以其中第一年度值，測算出實際國內(nèi)生產(chǎn)總值增長率，該變量反映了樣本期我國宏觀經(jīng)濟的發(fā)展水平。

3.銀行業(yè)集中度（bc）。銀行業(yè)集中度是銀行業(yè)市場結構的代表性指標， 反映了銀行業(yè)的市場競爭程度[3]，該變量值越高，表示銀行業(yè)壟斷程度越高，業(yè)務高度集中于少數(shù)幾家頭部機構。 本文根據(jù)傳統(tǒng)的行業(yè)集中度指數(shù)計算方法， 將具有代表意義的規(guī)?？壳暗墓ぁ⑥r(nóng)、中、建、交等五大國有商業(yè)銀行的資產(chǎn)之和作為分母 （郵政儲蓄銀行因轉(zhuǎn)為國有商業(yè)銀行時間較晚， 故本文未將其列入），以銀行業(yè)金融機構總資產(chǎn)作為分子， 兩者之比即為銀行業(yè)集中度。

4.銀行體系穩(wěn)定性（bs）。 銀行體系穩(wěn)定性是一個較為復雜的概念，需要考慮的因素較多，難以用某一項指標來具體完整衡量。 因此本文從銀行體系的盈利能力、流動情況、市場風險及貸款風險等方面，選取資本及資產(chǎn)利潤率、存貸款之比、貨幣政策工具使用量與信貸總額比、 中長期信貸資產(chǎn)占比、銀行體系國外凈資產(chǎn)增速、不良貸款率、撥備覆蓋率指標等構成測度指標體系[4]。 從央行和銀保監(jiān)會網(wǎng)站及相關統(tǒng)計年鑒獲取原始數(shù)據(jù)，對數(shù)據(jù)進行同趨勢、標準化處理，運用主成分分析法進行測度。 通過相關系數(shù)矩陣可知，上述指標適合運用主成分分析法，通過選擇保留三個累計貢獻率超過94%的主成分，可得三個主成分權重[5]，經(jīng)過計算可得2003年到2020 年我國銀行體系穩(wěn)定值如圖1。圖1 反映了中國銀行體系穩(wěn)定性自2003 年以來， 經(jīng)過監(jiān)管體制改革、金融機構改革，加之經(jīng)濟快速增長，銀行體系盈利能力提升，資產(chǎn)質(zhì)量不斷好轉(zhuǎn)，金融市場日益完善，銀行體系穩(wěn)定性持續(xù)提升，即使在2008年金融危機下， 由于政府及時采取逆周期調(diào)控措施，銀行體系穩(wěn)定性也未出現(xiàn)明顯下降。2013 年后，我國經(jīng)濟進入新常態(tài)， 經(jīng)濟增長由高速轉(zhuǎn)向中高速，前期政策也需要消化，風險逐步暴露，銀行體系穩(wěn)定性出現(xiàn)下降。 2018 年以來，隨著中央防范化解重大風險攻堅戰(zhàn)大力推進，銀行體系穩(wěn)定性逐步轉(zhuǎn)為正值， 但由于受到新冠肺炎疫情沖擊，2020 年銀行體系穩(wěn)定性有所下降。

圖1 2003 年-2020 年我國銀行體系穩(wěn)定性

（三）數(shù)據(jù)選取及變量預處理

文中數(shù)據(jù)主要從 《中國統(tǒng)計年鑒》《中國金融年鑒》的相應章節(jié)選取，部分數(shù)據(jù)根據(jù)央行及銀行監(jiān)管部門數(shù)據(jù)整理得出。

模型樣本期為2003-2020 年，主要因為中國在加入世界貿(mào)易組織之前，外資進入受限較多，總體規(guī)模非常?。?001 年底我國入世后， 外資開始逐步進入我國銀行業(yè)， 至2003 年外資銀行總資產(chǎn)累積形成一定規(guī)模，對其研究的必要性和重要性開始顯現(xiàn)。 另外，考慮到其他變量的官方發(fā)布數(shù)據(jù)時間，樣本期開始期確定為2003 年， 結束期根據(jù)官方發(fā)布最新數(shù)據(jù)而定。

為確保不同量綱的數(shù)據(jù)可以在同一模型中進行比較分析，首先對原始數(shù)據(jù)標準化處理。 其次，對于非負的樣本數(shù)據(jù)均予以取對數(shù)處理，一方面通過對數(shù)處理縮小變量絕對值，收窄變量間的差異，盡量降低異方差出現(xiàn)的可能性；另一方面，也為了將回歸殘差的誤差值變成相對誤差， 減弱殘差的差異度。 因銀行體系穩(wěn)定性序列含有負值，所以對該變量不進行對數(shù)化處理。 通過取對數(shù)、標準化，其他變量處理后的符號重新表示為：lnsg、lnbc、lnbs。 由于銀行體系穩(wěn)定性未進行對數(shù)處理，故本文建立的為半對數(shù)模型。

三、 外資綠地投資對我國銀行體系穩(wěn)定性的計量分析

（一）平穩(wěn)性檢驗

通過對各序列進行單位根檢驗， 發(fā)現(xiàn)以上各變量均為非平穩(wěn)。 為避免出現(xiàn)偽回歸，保證回歸方程的因變量和解釋變量間存在穩(wěn)定的均衡關系， 需要進一步檢測各變量之間是否同階單整， 作為建立協(xié)整方程的前提條件。 各變量一階差分后，進行增廣的迪基—富勒檢驗（ADF），見表1。

表1 一階差分變量平穩(wěn)性檢驗

檢驗形式中的三項依次代表常數(shù)項、 時間趨勢項和滯后的階數(shù)，采用AIC（赤池）和SC（施瓦茲）準則確定合適的滯后階數(shù)。 一階差分后的變量，其單位根檢驗值均小于相應顯著性水平下的臨界值， 且伴隨概率p 均小于0.05，拒絕原假設：至少存在一個單位根（95%的置信水平下），接受備擇假設：不存在單位根，即一階差分后的變量平穩(wěn)。 各序列滿足構建協(xié)整方程的同階單整前提條件。

（二）因果檢驗

為了更好地判定變量變化的先后時序， 預防偽回歸，區(qū)分內(nèi)、外生變量，進行格蘭杰因果關系檢驗，并依據(jù)AIC 和SC 的數(shù)值大小來確定滯后階數(shù)，選取AIC 值最小的作為最優(yōu)滯后階數(shù)，結果如表2。

表2 格蘭杰檢驗

格蘭杰檢驗的原假設是不存在因果關系， 由于（1）（2）（3）（5）伴隨概率p 均小于0.05，接受備擇假設：兩變量存在因果關系，而（4）和（6）的伴隨概率p均大于0.05，接受原假設。 表2 說明，外資銀行在華綠地投資的進入程度與中國銀行體系穩(wěn)定性是相互關聯(lián)、相互影響的雙向關系，國內(nèi)生產(chǎn)總值增長率和銀行業(yè)集中度對我國銀行體系穩(wěn)定性有單方向的影響。 故設定系統(tǒng)的內(nèi)生變量包括外資銀行綠地進入程度及銀行體系穩(wěn)定性， 外生變量包括國內(nèi)生產(chǎn)總值增長率和銀行業(yè)集中度。

（三）協(xié)整檢驗

根據(jù)上文的內(nèi)、外生變量設定，構建誤差修正模型，滯后期經(jīng)比較選為1，選擇有截距無確定性趨勢的形式，在判斷協(xié)整向量數(shù)目（協(xié)整秩）的基礎上，建立協(xié)整方程。 為確保判斷結果的穩(wěn)健性，分別采用兩種檢驗方法，如表3 和表4。

表3 特征根跡檢驗

表4 最大特征值檢驗

表3 中，由于協(xié)整秩=0 的跡統(tǒng)計量大于臨界值，概率小于0.05，原假設（1）被拒絕，接受備擇假設（1）：協(xié)整秩≥1；而協(xié)整秩≤1 的跡統(tǒng)計量小于臨界值，概率大于0.05，接受原假設（2）：協(xié)整秩≤1。 因此協(xié)整秩=1，僅存在唯一的協(xié)整關系。 同理，表4 的最大特征值檢驗結果相同。 即系統(tǒng)僅存在一個協(xié)整關系，得協(xié)整向量如表5（括號內(nèi)為t 統(tǒng)計量）。

表5 協(xié)整向量估計

協(xié)整向量 （1，-0.316），t 統(tǒng)計量絕對值大于2，t檢驗顯著。 寫成式（1）（et為殘差）：

為確保協(xié)整方程有效性， 對殘差進行平穩(wěn)性檢驗，得到表6。

表6 殘差平穩(wěn)性檢驗

殘差項平穩(wěn)性檢驗的ADF 值小于臨界值，概率小于0.05，原假設“存在單位根”被拒絕，殘差項平穩(wěn)， 驗證了協(xié)整方程的內(nèi)生變量長期均衡， 是穩(wěn)定的，格蘭杰檢驗有效。

（1）式移項變換后，可寫成長期協(xié)整模型如下：

協(xié)整方程的結果表明， 外資銀行在華綠地投資對中國銀行體系穩(wěn)定性的長期影響是正向的，即：外資銀行綠地投資的進入每提高1%，中國銀行體系穩(wěn)定性提升0.316 個單位。 此處的斜率系數(shù)大于零，既包含了諸如溢出效應、示范效應等積極正面的影響，也包括了諸如風險增加、 沖擊本國銀行體系等負面的消極影響，是兩方面效應綜合作用的結果。 由于積極效應大于消極效應，使得總影響為正面效應，即從長期角度， 外資銀行在華綠地投資總體上提升了中國銀行體系的穩(wěn)定性。

（四）誤差修正模型

上文中協(xié)整方程的建立， 說明變量間存在長期均衡關系。 但在短期內(nèi)，變量間的關系可以是不均衡的， 用誤差修正模型可以描述變量間短期不均衡關系的動態(tài)關系結構。 經(jīng)篩除影響不顯著的變量后，構建向量誤差修正模型如（2）、（3）式。 估計模型的擬合優(yōu)度高，系數(shù)經(jīng)t 檢驗均顯著，估計效果較好。

四、實證結果分析

通過分析上述構建的模型可知：

其一， 格蘭杰因果檢驗與向量誤差修正模型的結論相互印證， 外資銀行綠地投資與銀行體系穩(wěn)定性兩變量相互作用、相互促進，且因綠地投資建設需要耗費較長時間， 所以兩者對彼此的影響一般都滯后一期。 具體來看，（2）式結果顯示，外資銀行綠地投資短期內(nèi)正向提升了我國銀行體系穩(wěn)定性， 外資銀行綠地投資上一期每擴大1%，銀行體系穩(wěn)定性當期增強0.216 個單位（百分比）；（3）式結果顯示，銀行體系穩(wěn)定性的增強短期內(nèi)促進了外資銀行綠地投資的擴大，銀行體系穩(wěn)定性每增強1 個單位，外資銀行綠地投資擴大0.387%。

其二，當短期波動偏離長期均衡時，會以均衡調(diào)整系數(shù)的速度拉回至均衡水平。 （2）式和（3）式結果顯示， 當短期水平處于偏離狀態(tài)時， 會分別被以-0.428、-0.417 的速度修正至長期均衡狀態(tài)。兩模型的調(diào)整速度均為負數(shù)，表示均為反向修正，短期波動最終被調(diào)節(jié)至長期均衡。

其三，短期波動模型和長期協(xié)整方程結果均顯示，外資銀行綠地投資的斜率系數(shù)均為正值，說明無論短期還是長期， 外資銀行綠地投資對我國銀行體系穩(wěn)定性的影響均為正向。 短期內(nèi)，外資銀行綠地投資可能存在“擠出效應”等負面影響，但其發(fā)揮的“示范效應”“溢出效應” 及對內(nèi)資銀行形成的有益補充等正面影響力更強，明顯超出負面影響，綜合影響仍為正值。 從模型還可以看出，長期影響顯著強于短期影響，反映隨著時間累積，外資銀行綠地投資的積累效應逐步形成，即一國引入外資銀行的時間越久，其銀行體系穩(wěn)定性會提高。

其四，對控制變量逐一分析。 從（2）和（3）式可以看出， 宏觀經(jīng)濟增長對銀行體系穩(wěn)定性和外資銀行綠地投資的影響均為正向。 當經(jīng)濟穩(wěn)定增長時，銀行體系的資產(chǎn)質(zhì)量較為穩(wěn)定，銀行機構盈利能力較強，受到外界沖擊較少，銀行體系較為穩(wěn)定。 為分享我國經(jīng)濟快速增長的紅利， 外資銀行綠地投資進入國內(nèi)的動力較強，進入程度自然提升。

銀行業(yè)集中度對銀行體系穩(wěn)定性的影響總體為負。 銀行業(yè)集中度對銀行體系穩(wěn)定性既有正向影響，也有負向影響。 例如，當銀行業(yè)集中度較高時，頭部銀行市場占有率高、規(guī)模較大，其生產(chǎn)經(jīng)營存在明顯的規(guī)模經(jīng)濟效應，內(nèi)部治理、信息系統(tǒng)開發(fā)維護及抗風險能力均優(yōu)于小型銀行，占有較高市場份額的銀行經(jīng)營穩(wěn)定為銀行體系的穩(wěn)定奠定了基礎。 但是銀行機構相互競爭程度較弱，各機構尤其是大型機構利用市場優(yōu)勢可以較為輕松地獲取超額利潤，其改革與創(chuàng)新內(nèi)生動力不足，影響銀行業(yè)經(jīng)營管理水平和服務質(zhì)量， 部分銀行可能會產(chǎn)生“大而不能倒”的政策幻覺，產(chǎn)生道德風險，不利于銀行業(yè)發(fā)展， 從而對銀行體系穩(wěn)定性產(chǎn)生負向影響。 從實證分析結果看出，銀行業(yè)集中度的負向影響明顯強于正向影響，雙向影響相互抵消后，總體影響仍為負向。

銀行業(yè)集中度對外資銀行綠地投資的影響為負。 當銀行的集中度較高時，市場格局有所固化，外資銀行進入難以撼動已經(jīng)形成的格局，搶占市場、挖掘客戶難度較大， 可能會導致外資轉(zhuǎn)向更易于獲利的其他國家和地區(qū)。

其五，外資綠地投資與銀行體系穩(wěn)定性兩個變量的當期值均受到滯后一期值的影響。 從（2）和（3）式可以看出， 其滯后一期的斜率值分別為0.521 和0.045，說明影響均為正向。當銀行體系穩(wěn)定運行時，各項指標均處于正常范圍內(nèi)， 并形成良性循環(huán)，促進下一期銀行體系繼續(xù)良性運行；反之，當銀行體系不穩(wěn)定時，不利指標持續(xù)累積，市場對未來前景愈加缺乏信心， 銀行可能發(fā)生抽貸短貸等現(xiàn)象，會加速風險暴露，導致銀行體系穩(wěn)定性持續(xù)下降。 外資銀行綠地投資進入程度越深， 對我國的經(jīng)濟發(fā)展、政策環(huán)境和法律法規(guī)等越熟悉，進入可能性就越大，尤其在逐步認識到外資銀行綠地投資進入對我國經(jīng)濟金融發(fā)展的益處后，政府對外資進入的政策氛圍會更加友好、支持力度會更大，對外資下一期的吸引力度更加明顯。

五、結論及政策建議

（一）結論

研究表明：（1） 外資綠地投資對銀行體系穩(wěn)定性的長、短期影響均利大于弊，總影響為正面效應，即外資綠地投資總體提升了中國銀行體系穩(wěn)定性，且具有累積效應；（2） 兩者存在相互作用的長期均衡關系，短期波動偏離長期均衡時將以調(diào)整系數(shù)的速度修正；（3） 宏觀經(jīng)濟增長對銀行體系穩(wěn)定性和外資綠地投資的影響均為正向，銀行業(yè)集中度對二者的影響相反，均為負向，宏觀經(jīng)濟增長率的影響程度更強。

（二）政策建議

（1）繼續(xù)實施開放政策，在已有政策基礎上，進一步放寬外資銀行準入限制[6]；（2）適當拓寬外資銀行的經(jīng)營業(yè)務范圍， 允許外資銀行在一定領域參與與中資銀行的業(yè)務競爭， 更好發(fā)揮其示范效應和溢出效應；（3）持續(xù)深化“放管服”改革，努力營造市場化、法治化、國際化的營商環(huán)境，不斷增強對外資投資的吸引力度；（4）有序引導外資向中西部地區(qū)流動，為縮小銀行業(yè)區(qū)域差距貢獻力量；（5）持續(xù)完善銀行機構體系建設，適當控制銀行體系的集中度，提升銀行體系的競爭程度， 充分發(fā)揮不同類型銀行功能，提高銀行業(yè)服務效率；（6）動態(tài)監(jiān)測外資銀行綠地投資情況，有效識別、預警和處置相應風險，盡量降低外資綠地投資的負向效應。