商業銀行信貸風險與技術進步

蔡章荔

（重慶大學經濟與工商管理學院，重慶 400030）

引言

近年來，國民經濟取得了蓬勃的發展。銀行業作為我國經濟體系的重要組成部分，與國家經濟發展水平息息相關。如今銀行業不良貸款率再逼警戒線，銀行風險管理能否跟得上其規模和盈利的迅猛增長？銀行風險管理效率究竟是由技術驅動還是要素投入決定？不同銀行的風控效率是否存在明顯差異？這些都是目前業界和學界探討的焦點。Malmquist－Luenberger生產率指數測度了2004—2009年中國商業銀行在不良貸款約束下的全要素生產率，也得到了類似的結論。

一、文獻綜述

銀行績效的評估方法有很多，Sherman and Gold（1985）最早將DEA方法運用到銀行效率測度方面。國內學者楊大強、張愛武（2007）、王健（2011）等都運用DEA方法對中國主要商業銀行效率和生產率進行評價。近年來，越來越多的學者將研究重心放在不良貸款對銀行效率和生產率的影響。Chambers，Chung和Fare（1997）最先提出了可以同時考慮好產出和“壞”產出的Malmquist－Luenberger生產率指數。國內學者柯孔林和馮宗憲（2008）引入不良貸款作為“壞”的產出，利用Malmquist－Luenberger指數分析了中國銀行業全要素生產率跨期動態變化，證明商業銀行全要素增長率的增長主要來自于技術進步。王兵和朱寧（2011）利用共同邊界

二、實證研究

1.樣本的確定。本文選取2005—2016年中國16家上市商業銀行作為研究對象。樣本囊括了國內大多數有影響力的商業銀行，基本能代表中國銀行業的整體情況。本文所有數據來自于各銀行年報和Wind數據庫。

2.變量選擇與說明。在投入和產出指標的選擇上，考慮到商業銀行以營利為經營目的的同時充當著資源配置過程中的中介地位，故本文將“生產法”與“中介法”相結合，選擇加權風險資產凈額、存款、管理費用作為投入指標。期望產出指標選擇利息收入，體現了商業銀行借貸業務利潤增長的主要來源。非期望產出指標選擇不良貸款余額，代表了銀行業信貸風險的大小。

3.實證結果。本文用Maxdea軟件，以商業銀行投入產出數據為基礎，對2005—2016年我國16家上市商業銀行的效率進行研究，測算全域Malmquist-Luenberger指數并將其分解，得到商業銀行GML全要素生產率及其純技術效率、規模效率、技術的變動情況，結果（如下表所示）。

2015—2016我國商業銀行全要素生產率變化趨勢

續表

從整體上來看，不良貸款約束下，我國商業銀行全要素生產率年均增長1.8%，長期呈改進趨勢。進一步將全要素增長率分解為純技術效率指數、規模效率指數和技術變化指數，發現商業銀行純技術效率和規模效率一直在1周圍變動，即長期以來，我國商業銀行技術效率并沒有很明顯的變化，而技術進步與全要素生產率的變動趨勢具有很強的一致性，由此可以推斷我國商業銀行全要素生產率的增長主要來源于技術進步。

在這里我們進一步分析技術變動的內在原因。2008年之前以計算機為代表的信息技術革命推動了銀行業務多元化和以信用衍生品為代表的金融創新工具的發展，推動了技術進步，也拉動了銀行全要素生產率的增長。但與此同時，風險也在不斷增加。2008年次貸危機爆發，全球金融危機逐步蔓延至實體經濟，銀行沒有多余資金作為技術投入，不少研發部門的技術人員面臨失業，使生產前沿面內陷，全要素生產率大幅下降。2009年之后，隨著全球經濟的日益復蘇和對技術的不斷投入，銀行全要素生產率的增長也開始出現回升的跡象。而從2014年起，數據顯示整體技術水平出現了退步，原因可能來自宏觀經濟形勢、政府部門出臺的各種調控政策和監管措施，即為了防止快速發展的互聯網金融成為二次次貸危機的導火索，銀監會對商業銀行的信貸業務進行總量控制，導致投入的增長速度超過“好”產出的增長速度，造成生產前沿面整體內移。

三、結論及政策啟示

本文分析發現，在投入產出雙導向下，在不良貸款約束下，我國上市商業銀行2005—2016年全要素生產率總體呈上升趨勢。商業銀行全要素生產率的增長主要是源于技術進步，而技術進步又受風險變化和政策監管影響，其影響機制為：政策監管和風險變化共同作用于生產前沿面的移動→技術進步→全要素生產率。因此，要提高商業銀行的全要素生產率，首先要促進技術進步。雖然現有技術的使用效率和規模效率的大小在全要素生產率的構成中占有一定比重，但技術進步才是全要素生產率變動的最主要驅動因素。因此，只有促動技術進步，才能更有效地提高中國銀行業的效率，增強其國際競爭力。