淺談非利息收入對我國農(nóng)商銀行破產(chǎn)風險的影響

馬菁菁

[摘 要]本文選取我國42家農(nóng)商行2006-2016年相關數(shù)據(jù)，實證檢驗了非利息收入對我國農(nóng)商銀行風險的影響，并進一步考查非利息業(yè)務中細分業(yè)務對農(nóng)商行風險的影響。研究表明：從整體上看，農(nóng)商行非利息收入占比提高，有利于降低農(nóng)商銀行的破產(chǎn)風險;從業(yè)務細分上看，投資收益與銀行風險呈負相關關系，但影響效果并不顯著;手續(xù)費及傭金與銀行風險呈正相關關系，效果顯著。

[關鍵詞]農(nóng)商行;非利息業(yè)務;破產(chǎn)風險

doi：10.3969/j.issn.1673 - 0194.2019.18.062

[中圖分類號]F832.2;F224[文獻標識碼]A[文章編號]1673-0194（2019）18-0-03

0? ? ?引 言

我國從2003年開始對農(nóng)信社進行改革，許多家農(nóng)信社改組為農(nóng)村商業(yè)銀行。隨著經(jīng)營模式發(fā)生重大改變，盈利能力明顯增強，促使農(nóng)商行發(fā)展迅速。根據(jù)銀監(jiān)會年報，截至2017年初，我國共組建了1 222家農(nóng)村商業(yè)銀行，總資產(chǎn)達到298 971億元，占銀行業(yè)金融機構比例的12.87%。但近年來，隨著我國利率市場化改革基本完成，銀行存貸利差逐步收窄，銀行凈利潤急劇下降，非利息收入成為我國商業(yè)銀行利潤增長的新驅動力，也成為各家農(nóng)商行發(fā)展的戰(zhàn)略方向。本文在相關研究成果的基礎上，對非利息收入與農(nóng)商行破產(chǎn)風險之間的關系進行理論和實證分析，以探尋兩者之間的內在聯(lián)系或相關變動規(guī)律。

1? ? ?文獻綜述

國外學者們對于非利息收入增加對商業(yè)銀行風險的影響爭議較大，由于研究樣本所屬國家不同、分析方法差異及實證模型不同，出現(xiàn)了截然不同的觀點和結論。早期的學者們認為由于規(guī)模效應及分散資產(chǎn)組合風險效應，非利息業(yè)務可以降低銀行風險水平。但是隨著研究面的不斷拓展、檢驗數(shù)據(jù)豐富，許多學者得出完全相反的結論。L Laeven通過對德國銀行業(yè)研究，認為非利息收入對銀行風險的影響取決于銀行業(yè)務模式，若銀行是以投資為主導業(yè)務的模式，增加非利息收入會使銀行風險顯著增加，以零售業(yè)務為主導的銀行則相反。

國內學者在研究非利息收入時，由于銀行數(shù)據(jù)統(tǒng)計口徑不一致、數(shù)據(jù)缺失較多，且實證分析起步較晚，對于非利息收入與銀行風險關系的議題沒有得出較為一致的看法。李明輝利用我國114家商業(yè)銀行數(shù)據(jù)實證分析得出非利息收入的提高能夠降低銀行的信用風險和破產(chǎn)風險。肖文東選取了2011-2016年17家上市商業(yè)銀行的相關數(shù)據(jù)，并進行面板回歸得出以下結論，提高非利息收入可以降低商業(yè)銀行的風險。但是孔丹鳳選取中美兩國排名前50的銀行為樣本進行分析，得出發(fā)展非利息業(yè)務能夠降低美國商業(yè)銀行的風險，增加了中國商業(yè)銀行的風險。顧曉安用美國5 697家銀行2006-2013年的數(shù)據(jù)做面板分析，得出非利息收入占比與銀行風險分散的關系是先降后升再降的關系，并精確地計算出非利息收入占比在39.9%時，風險分散的效果最好。但通過國內銀行做出的實證分析回歸結果不顯著。筆者認為效果不理想的原因是國內銀行樣本數(shù)據(jù)太少，且國內銀行非利息收入占比普遍偏低。

雖然國內學者關于提高銀行非利息收入對商業(yè)銀行破產(chǎn)風險的影響已經(jīng)做了較為深入研究，但實證研究尚未得到一致結論。學者們在研究銀行非利息收入對商業(yè)銀行風險的影響時，選取的研究樣本均為上市銀行，關于農(nóng)村商業(yè)銀行較少涉獵，但上市銀行或者大型股份制商業(yè)銀行并不能反映商業(yè)銀行的全部面貌。因此，本文選取中國42家農(nóng)村商業(yè)銀行為代表樣本，研究農(nóng)村商業(yè)銀行的非利息收入與破產(chǎn)風險的關系，并進一步細化手續(xù)費及傭金、投資收益分別與破產(chǎn)風險的關系，以期為相關研究提供參考。

2? ? ?研究設計

2.1? ?樣本選擇與數(shù)據(jù)來源

根據(jù)研究需求以及數(shù)據(jù)的可獲得性，本文選取2006-2016年42家農(nóng)商行的相關數(shù)據(jù)。由于各農(nóng)商行相關信息披露尚不完善，本文在整理銀監(jiān)會的公開數(shù)據(jù)、各年金融統(tǒng)計年鑒及國泰安數(shù)據(jù)庫的相關數(shù)據(jù)后，根據(jù)地區(qū)抽樣選取了42家農(nóng)商行2006-2016年的數(shù)據(jù)為樣本，其中，華北地區(qū)和東北地區(qū)各3家，經(jīng)濟較發(fā)達的華東地區(qū)及中南區(qū)域各15家，西南地區(qū)和西北地區(qū)各2家。選取的這40家農(nóng)商行地理位置上包括了全國5個行政區(qū)域，在法人層級上覆蓋了省、市、縣級，樣本選取具有代表性。

2.2? ?變量選取和定義

2.2.1? ?選取非利息業(yè)務收入指標

對于銀行非利息收入（NI）水平評定，本文選取非利息收入占總營業(yè)收入的比例（NII）來衡量。非利息收入主要包括手續(xù)費及傭金收入、投資收益、匯兌收益、公允價值變動收益及其他業(yè)務收入。非利息收入在銀行財務報表中沒有單獨列出，為了方便計算，本文將銀行營業(yè)收入剔除凈利息收入后的數(shù)值列為非利息收入。在具體分析非利息業(yè)務收入時，由于匯兌收益與公允價值變動一般與市場密切相關，與銀行自身經(jīng)營無關，所以本文選取手續(xù)費及傭金收入（COF）和投資收益（TRA）作為細分代理變量。

2.2.2? ?度量銀行破產(chǎn)風險的指標

對于銀行破產(chǎn)風險度量，國內外學者使用較多的是Z值。Z值表示凈資產(chǎn)無法抵補虧損的概率，衡量銀行破產(chǎn)風險時更加綜合反映銀行財務杠桿狀況、盈利能力、經(jīng)營穩(wěn)定性。因此，本文選擇Z值作為對銀行總體經(jīng)營風險的度量。參照laeven&levine關于Z值的定義：，其中，ROA為銀行總資產(chǎn)收益率，E/A表示權益資產(chǎn)比，sdROA為ROA的標準差。破產(chǎn)風險Z值越大，銀行風險越小，說明銀行的穩(wěn)定性越好。

2.2.3? ?控制變量

從銀行個體層面上參考過往相關文獻可以發(fā)現(xiàn)，首先，選取資產(chǎn)總額的自然對數(shù)lnA來反映銀行的規(guī)模，一般情況下，較大資產(chǎn)規(guī)模的銀行較容易產(chǎn)生規(guī)模經(jīng)濟效益，能在一定程度上降低銀行的破產(chǎn)風險。其次，銀行資本越多、抵御風險的能力越強。選取股東權益率的E/A來反映銀行資產(chǎn)結構，銀行資本越多，抵御風險的能力越強（股東權益率=股東權益/總資產(chǎn)量）;選取存貸比（NLTD）來控制銀行資產(chǎn)結構組合的差異（存貸比規(guī)模=總貸款/總存款）;銀行的不良資產(chǎn)會影響銀行的破產(chǎn)風險，所以選取不良貸款比例（NPL）作為相應指標。最后，從宏觀層面上看，選取GDP的增長率（GDPG）來反映宏觀經(jīng)濟形勢，宏觀經(jīng)濟形勢對銀行風險具有決定性的影響。

3? ? ?模型設定和估計方法

基于上述討論，筆者構建了如下基礎模型。

Zit=α0+β1NIIit+β2lnAit+β3E/Ait+β4NLTDit+β5NPLit

+β6GDPGit+εit（1）

Zit=α0+β1COFit+β2TRAit+β3lnAit+β4E/Ait+β5NLTDit

+β6NPLit+β7GDPGit+εit（2）

式中，Z值表示銀行的破產(chǎn)風險，NII表示銀行非利息收入占比，lnA表示銀行的資產(chǎn)總額對數(shù)，E/A表示權益資產(chǎn)比，COF表示手續(xù)費及傭金收入占比，TRA表示投資收益占比，NLTD表示銀行存貸比，NPL表示不良貸款比例，GDPG表示GDP的增長率。

4? ? ?實證分析

4.1? ?描述性統(tǒng)計

表1是相關變量的描述性統(tǒng)計結果，以ROA的滾動標準差求出Z值，其余的值以滾動平均值得到。在滾動平均過程中，如以2006-2008年為第一個滾動計算區(qū)間得一組數(shù)據(jù);然后以2007-2009年為第二個滾動計算區(qū)間得第二組數(shù)據(jù)，以此類推。經(jīng)過滾動處理的非平衡面板數(shù)據(jù)共170個觀察值，自由度損失86個。從表1比較可以看出，滾動處理前后的各均值變化較小，說明原始數(shù)據(jù)較平滑。從原始數(shù)據(jù)可以看出，我國農(nóng)商行非利息業(yè)務的發(fā)展差異很大，最大值為0.849，最小值為0.006，均值為0.170。其中，手續(xù)費及傭金占營業(yè)收入的最大值為0.118，最小值為0.003，均值為0.024。投資收益占營業(yè)收入的最大值為0.412，最小值為-0.023，均值為0.081。從反映銀行風險水平的Z值來看，不同農(nóng)商行之間的差異仍然很大，最大值為16.812，最小值為1.084，均值為3.1。

4.2? ?實證檢驗與結果分析

4.2.1? ?非利息收入對農(nóng)商行破產(chǎn)風險影響的實證分析

首先通過Hausman檢驗拒絕原假設中使用隨機效應模型，選擇固定效應模型進行回歸，結果如下。

Fixed-effects （within） regression Number of obs = 170 Group variable： bank? Number of groups = 42 R-sq：? within? = 0.254 6 Obs per group： min = 1? ?between = 0.007 5 avg = 4.0 overall = 0.078 4 max = 9 F（6，122） = 6.95 corr（u_i， Xb）? = -0.736 4 Prob > F = 0.000 0

固定效應組內R2為0.254 6，因為本文研究對象為微觀層面的42家農(nóng)商行，可能導致R2不像宏觀數(shù)據(jù)回歸那么高。根據(jù)固定效應回歸模型的結果（表2）可以看出，農(nóng)商行的非利息收入占比與銀行風險Z值的相關系數(shù)為8.66，在1%的水平下顯著，說明農(nóng)商行的非利息收入占比與銀行風險Z值有明顯的正相關關系。非利息收入占比提高，有利于降低農(nóng)商銀行的破產(chǎn)風險。農(nóng)商行非利息收入水平普遍偏低，當非利息收入占比小于20%，發(fā)展非利息業(yè)務有利于降低銀行的風險水平。

4.2.2? ?手續(xù)費及傭金、投資收益對銀行風險的影響分析

使用Hausman檢驗拒絕原假設中的隨機效應模型，選擇固定效應模型進行回歸分析。

Fixed-effects （within） regression Number of obs=170 Group variable： bank Number of groups = 42R-sq： within = 0.246 8 Obs per group： min=1 between=0.015 2 avg=4.0 overall=0.078 9 max=

9 F（7，121）=5.66 corr （u_i，Xb）=-0.742 7 Prob > F = 0.000 0

根據(jù)固定效應回歸結果（表3）可以看出，投資收益的系數(shù)為-11.72，結果顯示不顯著，主要原因是農(nóng)商行投資收益在全部非利息收入中占比較少，對整個銀行的風險影響較小。手續(xù)費及傭金系數(shù)為14.34，在1%的水平下顯著，說明農(nóng)商行的投資收益占比與銀行風險Z值有明顯的正相關關系，手續(xù)費及傭金占比提高，有利于降低銀行的風險水平。

5? ? ?結 語

本文選取了2006-2016年42家農(nóng)商銀行的年度數(shù)據(jù)，運用固定效應模型分析的結論如下：從整體上說，非利息收入提高能顯著降低農(nóng)村商業(yè)銀行破產(chǎn)風險;從非利息收入細分業(yè)務上來說，投資收益與銀行風險呈負相關關系，但影響效果并不顯著;手續(xù)費及傭金與銀行風險呈正相關關系，且效果顯著，說明手續(xù)費及傭金提高可以明顯降低農(nóng)商銀行的風險水平?；诒疚牡难芯拷Y論，一方面，筆者認為農(nóng)商銀行在保持自身手續(xù)費及傭金業(yè)務的基礎上，應該進一步發(fā)展其他非利息業(yè)務，加大非利息業(yè)務的多樣化，提高業(yè)務的均衡性，有針對性地拓寬非利息業(yè)務發(fā)展。另一方面，農(nóng)商銀行應在認清自身發(fā)展特點的情況下，把握發(fā)展形勢，積極推進風險防范措施。

主要參考文獻

[1]L Laeven，R Levine.Regulation and Risk Taking[J].Journal of Financial Economics，2009（2）.

[2]黃雋，章艷紅.商業(yè)銀行的風險：規(guī)模和非利息收入——以美國為例[J].金融研究，2010（6）.

[3]李明輝，劉莉亞，孫莎.發(fā)展非利息業(yè)務對銀行有益嗎——基于中國銀行業(yè)的實證分析[J].國際金融研究，2014（11）.

[4]顧曉安，王鵬程.非利息收入占比與銀行風險分散效應的關系研究——來自美國銀行業(yè)的經(jīng)驗與啟示[J].世界經(jīng)濟研究，2015（7）.