非利息收入對我國上市商業銀行效率的影響研究

王正耀 楊景陸

摘 要：本文基于2009—2016年中國16家上市商業銀行的面板數據，運用超效率SBM-DEA模型對商業銀行的經營效率進行測度，并構建單一門檻的面板門檻模型分析了非利息收入對商業銀行經營效率的非線性影響。結果表明：受純技術效率較低的影響，我國商業銀行總體經營效率不高；城市商業銀行的經營效率好于國有銀行和股份制銀行；在不同資產規模下非利息收入占比對商業銀行經營效率的影響存在顯著的非線性關系。當資產規模超過21000億元時，非利息收入占比對商業銀行的經營效率存在顯著的正向影響。因此建議小型商業銀行應該繼續以傳統信貸業務為主，不斷夯實自身經營實力；大型商業銀行應該堅持拓展非利息業務，逐步提高經營效率，實現轉型發展。

關鍵詞：上市商業銀行；經營效率；非利息收入；面板門檻模型

中圖分類號：F830.33 文獻標識碼：A 文章編號：1674-2265（2018）02-0061-07

DOI：10.19647/j.cnki.37-1462/f.2018.02.010

一、引言

從2012年6月7日中國人民銀行決定調整金融機構存款利率的浮動上限和貸款利率的浮動下限，至2013年7月19日宣布放開金融機構貸款利率管制，再到2015年10月24日起不再設置金融機構存款利率浮動上限，中國的利率市場化改革得到實質性發展。隨著利率市場化進程的不斷推進，面對著息差不斷收窄的環境，商業銀行之間的競爭逐步加劇，傳統的信貸業務越來越無法支撐商業銀行做優做強的戰略目標。因此拓展非利息業務就成了商業銀行提高經營效率、實現做優做強和持續發展的重中之重。截至2016年底，我國16家上市商業銀行創造的非利息收入已達11120.97億元，占整個商業銀行營業收入的30.36%。由表1可以看出，2009—2016年我國所有上市商業銀行的非利息收入占比均獲得了較大的提高，非利息業務獲得了突飛猛進的增長。由圖1可以看出，我國上市商業銀行的非利息收入占比整體上實現了逐年增長，股份制銀行增長勢頭尤為強勁。非利息收入已經成為支撐商業銀行收入增長的一項關鍵業務。可見，研究非利息收入占比和商業銀行經營效率之間的關系對于商業銀行優化資源配置、提高經營效率、實現高效發展具有重要的指導意義。

二、文獻綜述

（一）國外文獻綜述

在國外文獻研究中， 學者持有三類不同的觀點。一部分學者認為非利息收入并不能夠明顯改善商業銀行的經營績效，而且會增加銀行經營風險。Lepetit 等（2008）對1996—2002 年歐洲銀行業的多元化經營進行分析，得出非利息業務加大銀行的經營風險，其對于經營績效的改善并不明顯。Calmes（2009）以加拿大銀行樣本數據進行實證研究也得到了相似的結論，他發現非利息收入的增加會使銀行績效降低、收入波動加大。也有部分學者認為非利息收入能夠提高商業銀行的經營績效。Sanya 和Wolfe（2011）使用廣義矩估計的方法對新興經濟體的上市銀行展開研究，認為非利息收入可以改善商業銀行盈利能力，但也伴隨著銀行破產風險的加大。Meslier 等（2013）研究新興經濟體銀行得出的結論是，非利息收入對銀行業的利潤和風險調整報酬具有正向影響。還有部分國外研究顯示非息收入對銀行績效的影響不是絕對正相關或負相關，這取決于銀行自身因素。Gamra與Plihon（2011）對14 個東亞和拉丁美洲國家的714 家銀行展開研究認為，在新興經濟體市場中，非利息收入對銀行的影響與銀行規模、經營方式相關，因此銀行在開展非利息業務時應當結合自身情況。

（二）國內文獻綜述

在國內學者的研究中，由于數據選取、指標選擇和模型設定等方面的差異，研究結論也很難一致。袁曉玲和張寶山（2008）基于1999—2006 年中國15 家商業銀行的面板數據，運用非參數DEA 模型的Malmquist 生產率指數，測算了商業銀行的全要素生產率，結果顯示中國商業銀行全要素生產率整體呈現下降趨勢，且非利息收入占比對商業銀行資源利用影響作用甚微。孫秀峰和遲國泰（2010）利用我國商業銀行的數據展開研究，結果表明擴大非信貸業務比重有利于提高效率。馬雯璐和馬占新（2012）基于2001—2009年中國15家商業銀行的面板數據，提出了銀行效率評價的非參數DEA模型，并采用隨機效應Tobit模型對影響中國商業銀行綜合效率、純技術效率和規模效率的微觀因素進行定量分析，得出中間業務占比對商業銀行的綜合效率和純技術效率具有顯著的正向影響。蔣莉（2012）發現在非利息收入不會引起經營成本大幅上升的情況下，增加非利息收入有助于銀行收益率水平的提高。姚文韻（2012）選用2000—2010 年14 家上市商業銀行數據作為研究樣本，結果顯示非利息收入份額與資產收益率（ROA） 存在不顯著的負向關系，手續費和傭金收入份額與資產收益率（ ROA） 為顯著的正相關關系，而其他業務收入份額卻與資產收益率（ ROA） 有顯著的負相關關系。邰越越和楊虎峰（2014）通過建立變截距固定效應模型，實證分析了非利息收入對中小型商業銀行績效的影響，研究結果表明非利息收入占比與非利息收入種類數對銀行績效的影響并不顯著，甚至會降低銀行的績效。竇俊賢（2015）通過構建動態面板數據模型和應用系統GMM 估計方法，對2008—2013 年我國16 家上市商業銀行的數據進行回歸，發現非利息收入與商業銀行績效呈現倒U 形關系。袁慶祿和龔廷秀（2017）基于2004—2014年我國16家上市商業銀行的面板數據研究發現，國內商業銀行整體效率不容樂觀。在低稅負水平環境下，提高中間業務收入占比對改善銀行效率更為有效，銀行應從優化業務結構、控制營業支出和適度擴大規模著手，有效提升銀行效率。

可見，關于非利息收入與商業銀行經營效率的關系，既有影響甚微的研究結論，也有學者認為存在顯著的線性關系，也有認為這種影響關系在不同的稅收水平下是非線性的。目前，針對在不同的資產規模下非利息收入對商業銀行效率影響關系的研究甚少，因此本文以2009—2016年我國16家上市銀行為研究對象，通過構建影響商業銀行經營效率的面板門檻模型來分析非利息收入是否會對商業銀行經營效率產生顯著影響以及這種影響在不同的資產規模下是否是非線性的。

三、不同資產規模下非利息收入對商業銀行經營效率影響的分析和模型假設

在銀行資產規模較大的條件下，首先，銀行的非利息業務經營范圍較廣，在商業銀行進行跨區域競爭時優勢明顯；其次，由于具有品牌效應，即使大型銀行在開展非利息業務過程中開發的產品和服務具有較強的同質性，客戶在購買同種類產品時仍然會傾向于購買大型銀行提供的產品，進而提高了大型銀行在非利息業務運行方面的收入；在經營非利息業務時大型銀行具備較強的成本控制能力和規模效應，在非利息業務開展過程中的“節流”方面做得更為出色；擁有大量的分支機構和營業網點使得大型商業銀行在推廣非利息業務的創新應用方面更為高效，針對客戶的特定非利息業務反饋機制也更加完善；除了以上因素之外，大型商業銀行在金融科技研發和大數據應用方面的實力較為強勁，能夠為客戶量身定制更具個性化的產品和服務，進一步開拓市場、實現非利息業務收入的大幅增長。

因此，本文提出假設1：大型商業銀行的非利息收入對其經營效率具有正向影響。

在銀行資產規模較小的條件下，小型商業銀行由于自身經營實力較弱和所占的市場份額有限，在經營非利息業務時會受到種種限制，例如經營地域限制、資源投入限制和管理運營能力限制等，并且難以利用大數據時代發展帶來的紅利，很難進行非利息業務方面的“開源”和“節流”，因此就無法通過開展非利息業務來提高經營效率。

因此，本文提出假設2：小型商業銀行的非利息收入對其經營效率的提升沒有影響。

四、商業銀行經營效率測度

（一）銀行經營效率測度模型設計和選擇

由于傳統的DEA模型容易出現多個效率為1的情況，以致無法針對有效率的測度單位進行深入測度比較，Andersen 和Petersen（1993）對該模型加以改進，提出超效率DEA 模型，實現了對多個有效率單元效率值的測度和排序。超效率DEA 模型在可變規模報酬的情形下，容易出現無法測度的問題。為了克服上述問題，Tone（2001）構建了一個以松弛測度為基礎、以非徑向方式來估計效率的DEA 模型（即SBM 模型），并隨后將SBM 模型和超效率DEA 模型結合起來，提出了超效率SBM-DEA 模型（Tone，2002）。該模型不但較好地解決了針對有效DMU的排序問題，并且通過非徑向方式來估計效率，避免了傳統以徑向方式估計進而導致溢出現象的問題，因此該模型可以實現對DMU的更加有效和準確的測度。本文選用超效率SBM-DEA模型來對我國16家上市銀行經營效率值進行測度和分析。

（二）投入和產出指標選擇

在銀行效率的研究中，對于投入和產出指標的定義和選擇目前并沒有形成廣泛一致的意見，對投入和產出指標的定義和選擇方法主要有三種：第一種是生產法，該方法將商業銀行看成金融產品的提供者，將一般的資本和勞動力看成投入，將存款賬戶的數目和貸款筆數作為產出；第二種是中介法，該方法將銀行視為把存款轉化為貸款的轉化機構，一般將存款、勞動力和資本作為投入項，產出為貸款項和其他利潤項（主要指證券投資）；第三種是對偶法，該方法介于兩種方法之間，將存款同時作為投入項和產出項是該方法的突出特點。本文根據多數學者的處理方法以及數據的可得性，采用生產法和中介法相結合的方式，將存款、固定資產和職工薪酬作為銀行經營的投入項，將營業收入和稅前利潤作為產出項進行商業銀行經營效率的測度。本文選取了國內16家上市商業銀行2009—2016年的相關數據，使用MaxDEA軟件進行分析，包括5家國有銀行、8家股份制銀行和3家城市商業銀行。數據主要來源于BankScope數據庫，少部分數據從各家銀行年報中摘取。

（三）銀行效率測度結果和效率分析

建立產出導向型的超效率SBM-DEA模型，估計后得到各家上市銀行的技術效率、純技術效率和規模效率，結果如表2所示。

三類上市銀行整體的平均技術效率較低，僅為0.793。整體的技術效率呈現先增后降的趨勢，這主要是受到整體純技術效率先波動性上升后下降的影響。整體的規模效率變動較平穩，但仍有先增后降的特征。三類銀行的技術效率都經歷不同程度的波動：國有銀行在2009—2014年期間技術效率穩步提高，2015—2016年開始出現連續下降，這主要是受到了純技術效率先增后降的波動影響；股份制銀行技術效率在經歷了連續7年的增長之后在2016年也出現下降，同樣是由于純技術效率在2016年出現下降；城市商業銀行的技術效率則經歷較大起伏，但總體來看仍然呈現先增后降的變化趨勢。國有銀行的規模效率波動較小，但仍有下降趨勢，股份制商業銀行的規模效率呈現平穩性波動，而城市商業銀行的規模效率在樣本期內增長明顯，中間略有下降，但總體上升勢頭明顯，漲幅較大。

五、非利息收入對商業銀行經營效率影響的實證分析

為了揭示在不同的資產規模下非利息收入與商業銀行經營效率的非線性關系，本文建立面板門檻模型，將上市銀行的資產規模作為門檻變量，將非利息收入占比作為影響銀行經營效率的核心解釋變量，并選取控制變量，來分析非利息收入對商業銀行經營效率的影響。

（一）變量選取與數據說明

中國上市商業銀行的經營效率存在多方面的影響因素，主要體現在銀行內部特征和外部經營環境中，結合以往研究中的變量選取，本文選取以下幾個變量對商業銀行效率的影響因素進行分析。

1. 非利息收入占比（NII）。該變量的計算公式為：非利息收入/營業收入。商業銀行的非利息收入主要包括兩個方面——手續費及傭金收入和投資收益。該變量既能反映商業銀行多元化經營的水平，又能在一定程度上反映商業銀行拓展非利息業務的創新能力，是模型中的核心解釋變量。

2. 資產規模（AS）。該變量為商業銀行的年末總資產額，是模型中的門檻變量。

3. 不良貸款率（RISK）。不良貸款率反映了商業銀行的貸款質量，是銀行在業務經營過程中要考慮的一個十分重要的信用風險因素，風險變動會顯著地影響商業銀行的經營效率（劉孟飛和張曉嵐，2013）。

4. 成本收入比（COST）。該變量為營業支出/營業收入。成本收入比反映了銀行經營成本相對于營業收入的耗費情況，體現了商業銀行成本管理能力的高低。

5. 存貸利差（CS）。該變量即為中國人民銀行宣布的一年期存貸款基準利率之差，反映了商業銀行利息業務的盈利空間。

6. 全社會固定資產投資增長率（FA）。由于我國多年來的投資結構都是以政府投資為主導，企業的融資渠道也是以銀行融資為主，全社會固定資產投資資金主要來自商業銀行的貸款，因此全社會固定資產投資增長率對商業銀行經營效率也存在重要影響。

具體變量的定義及描述性統計結果見表3。

（二）面板門檻模型

本文主要研究在不同的資產規模下非利息收入占比對商業銀行經營效率的影響。由于普通的線性模型并未考慮到門檻效應，所以本文借鑒漢森（Hansen，1999）所提出的模型進行分析。門檻模型設定如下：

其中被解釋變量為商業銀行經營效率（TE），由超效率SBM-DEA模型測度得到。TE越大，表明商業銀行經營效率越高。核心解釋變量為非利息收入占比（NII）；[γi]表示第i個門檻值（i = 1，2，…，n）；其余變量為控制變量，其基本含義如表3所示。

（三）實證分析

1. 門檻效應檢驗。本文使用stata14軟件首先對非利息收入占比對銀行經營效率的影響是否存在非線性的門檻效應進行檢驗，依次進行單一門檻和雙重門檻的檢驗，門檻效應檢驗結果如表4所示。

由表4可知，單一門檻模型通過了顯著性檢驗，并且由圖2所示的單一門檻值的似然比檢驗結果也說明非利息收入占比對銀行經營效率的影響存在顯著的非線性特征，應建立單一門檻的面板模型進行分析。本文根據單一門檻的門檻值將16個上市銀行劃分為兩個類型，將其中資產規模滿足AS[≤]21163.390 億元的銀行定義為小型銀行，將資產規模滿足AS>21163.390億元 的銀行定義為大型銀行。

2. 單一門檻模型的估計。本文對非利息收入占比對銀行經營效率非線性影響的單一門檻面板模型進行估計，估計結果如表5所示。

由表5可知，在不同的銀行資產規模下，非利息收入占比對銀行經營效率的影響呈現出顯著的差異。當資產規模AS[≤]21163.39億元時，非利息收入占比的回歸系數僅為0.00514，而且沒有通過顯著性檢驗；當資產規模AS>21163.39億元時，非利息收入占比的回歸系數增大為1.054，并且非常顯著。從回歸結果可以看出，當銀行資產規模處于較小的資產規模區間時，非利息收入對銀行經營效率影響為正但是影響很小，并且十分不顯著；當銀行資產規模處于較大資產規模區間時，非利息收入對銀行經營效率的影響迅速增大，并且顯著為正。

綜合這兩個階段來看，在 2009—2016年期間，非利息收入提高了大型商業銀行的經營效率，但對小型銀行來說影響不明顯，從整體來看存在一個單門檻效應的非線性特征。這是因為當銀行的資產規模較小時，首先這些小型商業銀行由于經營范圍有限，在面對大型銀行跨區域經營的競爭時實力較弱，小型銀行在拓展非利息業務時并不能提高自己的經營績效（黃澤勇，2013）；其次小型銀行并不具備有助于商業銀行降低產品研發和銷售推廣成本的規模效應（邰越越和楊虎鋒，2014）；第三，隨著金融科技的快速發展和互聯網金融的興起，小型銀行在研發金融科技及其成果轉化和布局互聯網方面存在著明顯的資金和技術劣勢，導致小型銀行無法通過降低非利息業務成本和增加非利息業務帶來的利潤來提高經營效率。因此接受假設2，即認為非利息收入對小型銀行經營效率的提高沒有影響。

相較來看，當銀行的資產規模較大時，這些大型銀行便可以通過跨區域經營和自身的規模效應來降低開發和推廣非利息業務的成本，并且在金融科技研發和互聯網金融應用上擁有得天獨厚的資源優勢，再加上在非利息業務的市場拓展方面已經經營多年，所積攢的市場資源和管理經驗都是小型銀行所不具備的。另外非利息收入對大型銀行應對利率市場化帶來的沖擊效果更好（王歡和郭建強，2014）。這些因素都使非利息收入提高了大型商業銀行的經營效率。因此接受假設1，即認為非利息收入對大型商業銀行經營效率存在著顯著的正向影響。

從控制變量來看，不良貸款率RISK的回歸系數為負值，并且通過了顯著性檢驗。這是由于不良貸款率的增大意味著銀行信用風險上升，抑制了銀行拓展業務和擴大規模，阻礙銀行的持續健康發展，不利于商業銀行經營效率的提高（劉孟飛和張曉嵐，2013）。成本收入比COST的回歸系數為負值，并且通過了顯著性檢驗。存貸利差CS的回歸系數為負值，但是沒有通過顯著性檢驗。全社會固定資產投資增長率FA的回歸系數為正值但不顯著，說明全社會固定資產投資增長率對銀行經營效率存在不顯著的正向影響。

3. 穩健性檢驗。上述分析表明了非利息收入對商業銀行經營效率存在著顯著的單一門檻效應。由于控制變量的增加或減少都可能影響模型的估計結果，因此本文在上述單一門檻模型的基礎上依次剔除其中一個控制變量進行估計，用來檢驗模型的結果是否存在穩健性。在門檻效應的檢驗結果中，依次剔除一個控制變量后全部都接受了單一門檻效應，并且門檻值仍然為21163.390億元，穩健性估計的結果如表6所示。

由表6可知，在原門檻模型中，剔除了控制變量RISK之后，在小型銀行中非利息收入占比的估計系數變為負值，但依然很小而且不顯著。除此之外，依次剔除控制變量COST、CS和FA之后，非利息收入占比NII的系數估計結果保持了符號的一致性，只是在數值上存在少許差別，說明隨著銀行資產規模增大，非利息收入對銀行經營效率的影響具有顯著增大的特征。上述穩健性檢驗表明本文的估計結果存在穩健性。

4. 門檻區間的構成和變化。2009—2016年位于兩個資產規模區間的銀行家數如表7所示。5家國有銀行在樣本期間內始終為大型銀行；8家股份制銀行在樣本期間內資產規模發生了較大變化：2009年8家股份制銀行全部為小型銀行，2016年這8家銀行全部跨入大型銀行行列，資產規模始終在持續穩定地擴大；3家城市商業銀行在樣本期間內的資產規模也實現了不同程度的增長，其中北京銀行在2016年跨入大型銀行行列。圖3表明了2009—2016年間，以21163.39為分界點的不同資產規模區間的銀行家數變化趨勢。可以看出，整體上大型銀行的家數在樣本期間逐年增長并且在2011年超過了小型銀行的總家數，這主要是因為在樣本期間股份制商業銀行的資產規模增長較快、增長勢頭強勁，相比之下，城市商業銀行的資產規模較小、增長較為緩慢。

六、結論和建議

（一）結論

本文利用2009—2016年中國16家上市商業銀行的面板數據，構建了超效率SBM-DEA模型，對這16家上市銀行在樣本期間的技術效率、純技術效率和規模效率進行了測度和分析。結果表明：我國商業銀行整體經營效率不高，主要是受到了純技術效率較低的影響，城市商業銀行的經營效率要好于國有銀行和股份制銀行。同時構建了非利息收入占比和商業銀行經營效率的單一門檻面板模型并進行了模型估計和分析，結果表明：對于資產規模小于21163.39億元的小型銀行來說，非利息收入占比對改善銀行經營效率沒有影響；對于資產規模超過21163.39億元的大型銀行來說，非利息收入占比對銀行提高經營效率則更為有效。

（二）建議

一方面，隨著利率市場化的迅速推進，商業銀行傳統的生存空間受到進一步擠壓，轉變經營模式已成為商業銀行的必然選擇，國內商業銀行在進行非利息業務的拓展時，一定要根據自身的實際情況來發展，切勿盲目跟風。另一方面，我國經濟正處在創新驅動戰略和供給側結構性改革浪潮之中，提效提質正是供給側改革的核心目標，也是衡量商業銀行健康可持續發展的優先指標。商業銀行應主動調整來適應經濟動能轉型，在保持和擴大資產規模的同時，還需盡快實施業務轉型、增強創新能力、提升經營效率、增強自身的核心競爭力。

大型銀行一方面應該充分利用自身的體量優勢和規模效應，積極拓展非利息業務，實現非利息業務的成本最小化、提升經營效率、增強自身的競爭力；另一方面應該抓住金融科技興起和互聯網金融發展帶來的機遇，不斷提高自身的管理效率和科技實力，充分利用大數據技術，緊跟客戶的實際需求及時創新，積極提升產品設計和營銷效率。例如為客戶量身定制更多個性化的產品和服務，避免產品的同質化競爭，爭取向高效率發展的優質銀行轉型。

小型銀行目前應繼續做好傳統的存貸業務，在信貸業務方面尋找突破口，拓展目標客戶群，積極主動地為中小微企業提供信貸資金支持，積極開發針對解決企業融資難的新型信貸產品。在推動信貸產品創新的同時要吸引更多的目標客戶，積極開拓市場。小型銀行通過自身的做大做強，不斷夯實自身實力，為規模升級后拓展非利息業務打下基礎和儲備資源。

參考文獻：

[1]Lepetit，L.，Nys，E，C.， Rous，P.， and Tarazi，A. 2008. The Expansion of Services in European Banking：Implications for Loan Pricing and Interest Margins[J].Journal of Banking and Finance，32（11）.

[2]Calmes， C.， Liu， Y. 2009. Financial structure change and banking income： A Canada-U.S. comparison [J].Ssrn Electronic Journal， 19（1）.

[3]Sanya， S.， Wolfe， S. 2011. Can Banks in Emerging Economies Benefit from Revenue Diversification？[J]. Journal of Financial Services Research， 40（1）.

[4]Meslier，C.，Tacneng，R.，Tarazi，A. 2013. Is bank income diversification beneficial？ Evidence from an emerging economy[J].Journal of International Financial Markets Institutions & Money， 31（1）.

[5]Gamra，SB.，Plihon，D. 2011. Revenue diversification in emerging market banks： implications for financial performance[J].Cepn Working Papers hal-00598136， HAL.

[6]Andersen P.，and Petersen.N.C.，1993. A Procedure for Ranking Units in Date Envelopment Analysis[J].Management Science，（39）.

[7]Tone， K. 2001. A Slacks-Based Measure of Efficiency in Data Envelopment Analysis[J].European Journal of Operational Research，130（3）.

[8]孫秀峰，遲國泰.中國商業銀行效率的內生影響因素研究與實證[J].預測，2010，29（2）.

[9]馬雯璐，馬占新.基于DEA模型的中國商業銀行效率及影響因素分析[D].內蒙古大學碩士研究生論文，2012.

[10]蔣莉.非利息收入對商業銀行績效影響的實證研究——基于我國16家上市銀行的面板數據[J].科學技術與工程，2012，12（10）.

[11]邰越越，楊虎鋒. 非利息收入對我國中小銀行績效的影響—基于44家銀行面板數據的實證分析[J].浙江金融，2014，（8）.

[12]竇俊賢.經濟新常態下的非利息收入與商業銀行績效研究[J].金融與經濟， 2015，（9）.

[13]袁慶祿，龔廷秀.供給側改革下的稅負水平、業務結構與銀行效率[J].金融發展研究， 2017，（3）.

[14]劉孟飛，張曉嵐.風險約束下的商業銀行效率及其影響因素研究[J].金融研究， 2013，（7）.

[15]王歡，郭建強.利率市場化、非利息收入與銀行凈利差[J].金融論壇， 2014，19（8）.

[16]呂喜明.互聯網金融沖擊下的A股上市銀行創新能力評價研究—基于面板數據廣義DEA模型[J].會計與經濟研究，2016，（5）.