999精品在线视频,手机成人午夜在线视频,久久不卡国产精品无码,中日无码在线观看,成人av手机在线观看,日韩精品亚洲一区中文字幕,亚洲av无码人妻,四虎国产在线观看 ?

競爭感知對上市銀行貸款損失準備計提的影響

2018-11-09 05:36:16鄧永勤博士生導師賀淑云
財會月刊 2018年22期
關鍵詞:銀行模型

鄧永勤(博士生導師),賀淑云

一、引言

近年來,隨著銀行準入條件逐步放寬,我國商業銀行的數量和規模迅速增長。2015年10月,我國政府正式宣布取消金融機構的存款利率上限,標志著我國利率市場化改革基本完成。互聯網金融不斷推陳出新,憑借其門檻低、流動性好、收益高等優點,深受大眾喜愛,在短時期內就吸收了大量資金。更多的資金進入微信、支付寶,對我國銀行業造成強大的沖擊。央行也明確指出,金融與互聯網的大融合是必然趨勢,有力地促進了金融自由化的發展。由此,單個商業銀行面臨的來自同業、潛在進入者以及非銀行機構的競爭壓力與日俱增。

銀行面臨的競爭是促進還是削弱銀行的穩定?存在著“競爭—脆弱”和“競爭—穩定”兩種不同的觀點。“競爭—脆弱”觀認為,較高的競爭度會給銀行帶來極大的風險;而“競爭—穩定”觀則認為,競爭度的提高有利于降低銀行風險。銀行管理層主觀感知到其所面臨的種種競爭時,會做出怎樣的會計選擇?尤其是對于銀行最大的應計項目——貸款損失準備計提,競爭感知又會有怎樣的影響?

本文假定所有的銀行管理層都是理性的經濟人,都能夠正確、充分感知外界環境的變化。運用文本分析法度量競爭感知,就2007~2016年我國上市銀行的數據,分析銀行管理層感知到的競爭程度對于貸款損失準備計提的影響,并把貸款損失準備分為自由裁量和非自由裁量的貸款損失準備,分析競爭感知與自由裁量的貸款損失準備之間的關系;進一步分析在不同的資本充足率和存貸比下,競爭感知與銀行貸款損失準備計提及時性的關系。本文的主要貢獻在于從競爭感知這一客觀見之于主觀的角度展開,豐富了客觀因素對機會主義會計選擇的影響的相關研究;將貸款損失準備分為自由裁量和非自由裁量兩個部分,分析了競爭感知對于管理層有自由裁量權的會計選擇行為的影響;采用文本分析法衡量競爭感知,豐富了客觀存在的競爭程度的計量方法。本文的研究結論為正確認識銀行準入條件放寬、利率市場化改革和互聯網金融帶來的經濟影響,為合理而準確地預測預期損失模型替代已發生損失模型的實施效果提供了經驗證據。

二、文獻回顧

(一)銀行業競爭的度量

在傳統的行為—績效—結構(Structue-Conduct-Perfomance,簡稱SCP)研究范式中,市場結構決定競爭程度。但隨著研究的進一步深入,“新產業組織理論”出現,認為商家之間的競爭性行為才是市場競爭程度的決定因素,并非市場結構,其理論觀點與SCP范式可以說是背道而馳。更多的實證研究也支持新產業組織理論,外資銀行的參與程度、市場準入松緊以及銀行的業務范圍限制等都會對銀行間的競爭程度產生影響,并不僅僅只有市場結構[1][2]。代表性的銀行業競爭度衡量指標包括Lerner指數和Boone指數。Jiménez等[3]通過研究銀行業競爭度對銀行穩定性的影響發現,如果同時把CR5、HHI指數和Lerner指數作為銀行競爭度的衡量指標,CR5和HHI指數對銀行風險狀況沒有顯著影響,而Lerner指數則有顯著的負向影響。李國棟[4]運用Boone指數揭示中國銀行業貸款市場的競爭度及其變化軌跡,發現“四萬億”投資計劃導致銀行間競爭度下降。王國紅、王擎[5]分析計算了我國銀行業存貸款市場的Boone指數,發現貸款市場的市場力高于存款市場的市場力。

(二)銀行業貸款損失準備計提

盡管各國銀行監管部門對于資本監管已建立起統一規則,然而對于具有天然主觀性的貸款損失準備計提,在很大程度上卻留給銀行自主決定,使之成為銀行操縱利潤、管理資本和傳遞信號的有利途徑。Hasan、Wall[6]發現,貸款損失準備與商業銀行計提準備前的利潤顯著相關;艾林等[7]的研究結果表明,各年度商業銀行均存在顯著的避免盈余損失的盈余管理行為;陳雯靚、吳溪[8]也獲得了我國商業銀行利用貸款損失準備進行盈余平滑的證據。

貸款損失準備計提不充分使貸款損失準備金難以準確反映銀行資產質量,降低財務報表的質量,難以發揮應有的風險識別和控制能力,進而影響銀行的穩健運行,也會使投資者以及監管機構對銀行的信貸管理評價不準確。如延遲貸款損失確認可能增加銀行風險,導致銀行資本不充足[9]、增加銀行從事高風險活動的動機[10]、減少銀行貸款[11]、促使銀行低價出售資產[12]、降低銀行市場份額和存活概率[13]等。

很少有文獻探討銀行延遲貸款損失確認的原因,幾乎沒有研究把市場競爭與貸款損失準備聯系起來。僅謝露等[14]發現,商業銀行的區域競爭程度越高,銀行的盈余質量越低。因此,本文試圖從外部環境的角度,研究競爭感知對貸款損失準備計提的影響,以豐富現有的文獻。

三、研究假設

延遲貸款損失確認是商業銀行盈余管理的常用手段,實際是以未來的低利潤為代價來換取當前的高利潤。隨著銀行之間的競爭方式更加靈活多樣,競爭態勢日新月異,銀行管理者出于分紅壓力、業績要求和保留職位等考慮,難免產生強烈的盈余管理的動機,也即主觀上存在減少計提貸款準備金的激勵,以便釋放經營利好的信號,達到資本監管的要求,提高競爭力[15]。因而,對競爭壓力的感知可能促使商業銀行管理層延遲貸款損失確認。由此提出如下假設:

H1:商業銀行管理層感知的競爭壓力越大,越可能延遲確認貸款損失準備。

貸款損失準備按計提時是否依賴管理層的主觀判斷可分為自由裁量和非自由裁量的貸款損失準備。非自由裁量的貸款損失準備是銀行根據未來信貸情況客觀估計計提的資本緩沖部分;自由裁量的貸款損失準備是銀行管理層由于主觀原因運用自由裁量權計提的準備部分。前瞻性的非自由裁量的貸款損失準備會約束銀行參與高風險投資,而自由裁量的貸款損失準備反而會減弱這種約束作用[10]。當銀行管理層感知到競爭加劇時,就會減少計提自由裁量的貸款損失準備,期望借此提高賬面利潤。由此提出如下假設:

H2:商業銀行管理層感知到的競爭壓力越大,越可能少計提自由裁量的貸款損失準備。

資本充足率與貸款損失準備密切相關,但二者之間并沒有絕對的正負向關系,它們之間的關系主要取決于損失準備計提的充足程度。未達到資本監管要求的銀行需要補充資本以提高資本充足率,根據融資的優序理論將優先考慮內部融資。但在我國,利潤增長基本上不能滿足資本監管要求,尋求外部融資是唯一的選擇。而發行股票與債券等外部融資的效果很大程度上取決于銀行的經營狀況與業績。因此,銀行的資本充足率較低時,就有很大的動機減少貸款損失準備的計提,粉飾自身的財務報表,以獲得更多的投資。隨著競爭加劇,銀行管理層會感受到監管和競爭的雙重壓力,因而更有可能減少計提貸款損失準備,以獲取雙重收益。而在資本充足率較高時,這種動機就會弱得多。由此提出如下假設:

H3:相對于資本充足率較高的銀行,競爭感知壓力對于貸款損失準備計提的負向影響在資本充足率較低的銀行中更顯著。

存貸比也是我國監管當局對銀行業實施監管的一項重要指標。存貸比過高表明銀行存在高風險貸款的可能,容易引起監管部門的關注,嚴重的還會受到處罰。銀行所面臨的監管壓力越大,資本增長就越迅速。當監管壓力過大時,銀行較少計提貸款損失準備可以提高業績,增加利潤和留存收益。從外部融資的角度考慮,業績提高也必然有好處。如果銀行處于高存貸比、高競爭的雙重困境時,減少貸款損失準備的計提可以說是一種“良策”。由此提出如下假設:

H4:相對于存貸比較低的銀行,競爭感知壓力對于貸款損失準備計提的負向影響在存貸比較高的銀行中更顯著。

四、研究設計

(一)變量定義

1.被解釋變量。本文設置貸款損失準備和自由裁量的貸款損失準備兩個被解釋變量。由于自由裁量不能直接觀察,因而自由裁量的貸款損失準備需通過建立非自由裁量貸款損失準備模型間接求得。模型的擬合值與貸款損失準備的實際值之差,即該模型的殘差,就是自由裁量的貸款損失準備。貸款損失準備的計提直接受貸款增長率、不良貸款變動率、期初貸款損失準備余額的影響,也間接地受宏觀經濟形勢的影響。借鑒Shawtari等[16]的研究,本文構建如下貸款損失準備計量模型:

其中:LLPi,t表示i銀行第t年計提的貸款損失準備與總資產之比;LOANGROWTHi,t表示 i銀行第t年的貸款增長率,即(期末貸款總額-期初貸款總額)/期初貸款總額;CNPLi,t表示i銀行第 t年的不良貸款變動率,即(期末不良貸款-期初不良貸款)/期初不良貸款;LLAi,t-1表示i銀行第t年期初貸款損失準備余額與總資產的比值;CPIi,t表示i銀行在第t年面臨的居民消費價格指數;△GDPi,t表示i銀行在第t年面臨的GDP變化率;YEAR為控制年度變量;ε表示殘差,即i銀行第t年計提的自由裁量貸款損失準備,記為DLLPi,t。

2.解釋變量。解釋變量是競爭感知,記為COMPETITIONt。

Li等[17]利用文本分析法衡量競爭感知,并在非金融企業中對這種衡量方法的有效性進行了論證。研究發現,當控制行業水平的競爭時,競爭感知值越大的公司,其盈利能力恢復得越快。Bushman等[18]也用了與Li等[17]相同的方法,在金融行業中,利用美國商業銀行數據,從銀行個體層面以及地區層面實證檢驗了文本分析法的有效性。

本文參照上述研究,利用文本分析法來衡量銀行管理層對競爭的感知。這是一種客觀見之于主觀的方法,優點是能捕獲管理層所感知到的外在環境中的一切競爭者,包括各大銀行、潛在進入者以及非銀行機構,且沒有任何假設前提。變量的構建方法是查找并統計銀行年報中“競爭”二字出現的次數,計算其與年報總字數之比。在查找的過程中,需人工分析、去除帶有否定前綴的“競爭”次數,例如“非競爭”等。不難理解,“競爭”比值越大,管理層所感知到的競爭壓力也越大。

3.分類變量。本文引入分類變量對樣本進行分組,探討在高低不同的資本充足率以及存貸比下,競爭感知對于貸款損失準備計提的影響。

以此將總樣本劃分為高資本充足率組和低資本充足率組以及高存貸比組和低存貸比組。虛擬變量僅用于分組。

(二)模型建立

1.競爭感知是否導致延遲確認貸款損失準備。建立模型(2)分析銀行管理層的競爭感知是否導致延遲確認貸款損失準備:

其中:下標i,t代表銀行i在t期的變量值;LLP、COMPETITION、YEAR的定義和計量如前所述;△NPL為不良貸款變化/總資產;LNSIZE為總資產的自然對數;EBTP為稅前凈利潤與當期計提貸款損失準備之和/總資產;CAR為資本充足率;NPL為不良貸款率;△LOAN為當期不良貸款變化/總資產;LA為總貸款/總資產;CDB為總貸款/總存款;△GDP為GDP的增長率。

交乘項COMPETITION×△NPL的系數β1代表銀行管理層競爭感知是否促使其延遲貸款損失確認。隨著感知到的競爭壓力增加,管理層會延遲貸款損失的確認,預測β1的符號為負。當競爭增加時,壓力增加,管理層為了粉飾財務報表,會盡可能地減少當期貸款損失準備的計提,預測β2的符號為負。當期不良貸款的變動量增加時,當期計提的貸款損失準備會相應地增加。而這兩者變動的緊密性也體現了計提貸款損失準備的及時性,故預測β3的符號為正。

資產規模越大,計提的貸款損失準備自然也就越多,預測β4的符號為正。銀行利用貸款損失準備操縱盈余,利潤多時可以計提較多的貸款損失準備,利潤少時只能計提較少的貸款損失準備,故預測β5的符號為正。期初的資本比較充足,本期就可以少計提貸款損失準備,因此預測β6的符號為負。期初的不良貸款較多,本期可能會多計提貸款損失準備,因此預測β7的符號為正。

當期貸款的變化體現了銀行的成長性。銀行的成長速度越快,所需計提的貸款損失準備也會相應增加,因此預測β8的符號為正。LA表示銀行的貸款規模,預測β9的符號為正。CDB為貸款總額與存款總額之比,CDB越大,表示銀行當期的貸款越多,發生壞賬準備的可能性也越大,計提的貸款損失準備越多,預測β10的符號為正。一個國家的經濟發展處于上行時期,GDP的增長率提高,發生壞賬的幾率也會小很多,預測β11的符號為負。

2.競爭感知導致減少自由裁量的貸款損失準備的計提。為檢驗銀行管理層的競爭感知是否導致自由裁量的貸款損失準備的計提減少,建立模型(3):

其中:DLLP為自由裁量的貸款損失準備,其定義和計量如前所述。

β1代表銀行管理層的競爭感知與自由裁量的貸款損失準備之間的關系,如果β1顯著為負,說明隨著銀行管理層感受到的競爭增加,為了提高當期業績,會盡可能地減少自由裁量的貸款損失準備的計提。其他變量的影響與模型(2)的影響效果相同。

3.在不同的資本充足率及存貸比下,競爭感知對貸款損失準備計提的影響。構造模型(4)和模型(5),以樣本的資本充足率中值為標準分類,檢驗在不同的資本充足率下,競爭感知對于貸款損失準備計提的影響效果。構造模型(6)和模型(7),以樣本的存貸比中值為標準分類,檢驗在不同的存貸比下,競爭感知對于貸款損失準備計提的影響效果。

(三)樣本選取及數據來源

本文選取我國2007~2016年上市商業銀行數據為樣本。由于我國上市商業銀行自2007年才開始按照企業會計準則(2006)計提貸款減值準備,正式披露相關信息,所以以2007年為抽樣開始時間。本文競爭感知數據以及當年計提的貸款損失準備從年報中通過手工搜集得到,其他數據均來自Wind數據庫。所有變量都在1%和99%的水平上進行了縮尾處理。樣本包括我國16家上市銀行數據,樣本容量為113。本文的樣本數據為非平衡面板數據,利用STATA對樣本數據進行Hausman檢驗,p值均小于0.1。所以,模型均采用固定效應進行回歸。由于不同變量之間數據相差懸殊,故所有模型采用標準化回歸。

五、實證分析

(一)描述性統計

表1列示了各變量的描述性統計結果。銀行計提的貸款損失準備(LLP)最小值為0.001,最大值為0.015,說明貸款損失準備計提在各銀行之間有相當大的差距。自由裁量貸款損失準備(DLLP)的最小值為-0.003,最大值為0.005,中位數為0.000,說明銀行既存在正向盈余管理,也存在負向盈余管理,數據多集聚在中位數的左邊說明銀行傾向于計提較少的貸款損失準備。各銀行管理層的競爭感知(COMPETITION)有很大差異,最小值為0.015,最大值為0.28。各商業銀行的不良貸款變化率(△NPL)、期初資本充足率(CARt-1)、期初不良貸款率(NPLt-1)、不良貸款變化(△LOAN)等也都存在較大差異。

表1 各變量描述性統計

(二)回歸分析

表2的第二列顯示模型(2)的回歸結果。交乘項COMPETITION×△NPL系數顯著為負,H1得到驗證,表明競爭感知干擾了當期貸款損失準備的計提,競爭感知增強,使管理層機會主義地做出了延遲貸款損失確認的會計選擇。

控制變量中,△NPL的系數顯著為正,表明當期不良貸款變化越大,所計提的貸款損失準備也越多;EBTP的系數顯著為正,也充分說明銀行利用貸款損失準備進行盈余管理,在盈余較多的時候,計提的貸款損失準備也多,在盈余較少的時候,計提的貸款損失準備也少;當期初的資本充足率足夠高時,當期計提的貸款損失準備就會減少,當期初的不良貸款較多時,也會使計提的貸款損失準備增加。其他的控制變量的回歸結果基本與預測結果一致。

表2的第三列顯示模型(3)的回歸結果,自由裁量的貸款損失準備與競爭感知顯著負相關,H2得到驗證。隨著所感受到的競爭壓力增大,管理層會減少自由裁量貸款損失準備的計提。因為自由裁量的貸款損失準備是貸款損失準備的一部分,而貸款損失準備是利潤表中的減項,減少自由裁量的貸款損失準備,利潤水平就會隨之提高。

表2 競爭感知對貸款損失準備、自由的裁量貸款損失準備的影響

表3列出了在不同的資本充足率和存貸比下,競爭感知對于計提貸款損失準備的影響。從第三列的回歸結果可見,資本充足率較低時,競爭感知對于銀行延遲貸款損失準備計提的影響顯著增大。說明在面對既要滿足外部監管要求、又要獲得更多收益的雙重壓力下,銀行管理層操縱貸款損失準備的動機更加強烈。少計提貸款損失準備,既可以免于外部監管的過多關注,又可以提升賬面利潤,獲得收益高的市場反饋。而第二列高資本充足率組的回歸結果并未證實競爭感知促使銀行管理層延遲貸款損失準備計提。這可能是因為高資本充足率的銀行并不存在過度的監管壓力,資本作為一種緩沖儲備,能夠對銀行風險形成有效約束。銀行有充足的自信應對競爭加劇,對競爭也就不太敏感。由此,H3成立。

從第四列可見,在高存貸比時,交乘項的系數在1%的水平上顯著為負,△NPL的回歸結果在1%的水平上顯著為正。相對于全樣本,競爭感知對于貸款損失準備的負向影響無疑更為顯著,支持H4。而在第五列低存貸比時,交乘項的系數為正,但并不顯著。可能是由于銀行如果處于低存貸比的狀況下,即使管理層感受到外部環境的競爭壓力,也會因為低存貸比而變得沒有那么敏感,對競爭加劇的容忍度相對較大。這也進一步說明,隨著外部監管壓力加大,外部競爭加劇,銀行管理層更可能延遲貸款損失準備的確認。

六、穩健性檢驗

為確保估計結果的有效性,本文進行了以下的穩健性檢驗:借鑒Beatty等[19]計提貸款損失準備及時性的計量方式,用貸款損失準備余額與不良貸款之比表示銀行延遲計提貸款損失準備的程度。記貸款損失準備余額與不良貸款之比為DELR,DELR越大,說明貸款損失準備覆蓋不良貸款的能力越強,貸款損失準備計提得更及時,延遲程度更低。本文構建如下普通OLS回歸模型:

其中的變量名稱和定義與前文一致。未列出的回歸結果表明,β1在10%的水平上顯著為負,說明隨著管理層所感受到的競爭壓力的增大,銀行在計提貸款損失準備時的延遲度也會相應地增加,和本文模型(2)的回歸結果一致,說明模型分析的結果是穩健的。

以上分析結果表明,競爭感知促使銀行延遲貸款損失確認;當把貸款損失準備分為自由裁量和非自由裁量的貸款損失準備時,競爭感知與自由裁量的貸款損失準備負相關;分別在不同的資本充足率以及存貸比下分析競爭感知與銀行貸款損失準備計提的關系,發現低資本充足率、高存貸比的情況下競爭感知與銀行貸款損失準備計提顯著負相關,而高資本充足率、低存貸比對競爭感知與銀行貸款損失準備計提的關系的影響并不顯著。

表3 不同資本充足率、存貸比下競爭感知對貸款損失準備計提的影響

七、研究結論

本文對2007~2016年我國上市銀行數據進行分析,檢驗銀行業的競爭水平對于銀行管理者計提貸款損失準備行為的影響。研究發現,隨著銀行管理者感受到的競爭壓力增大,為了保持較高的業績,提高自身的競爭實力,管理層會機會主義地延遲貸款損失的確認,縮小自由裁量貸款損失準備的計提,損害會計信息的客觀真實性。進一步研究發現,競爭感知對于貸款損失準備計提的這種負向影響只有在資本充足率較低或者是存貸比較高的情況下,才表現得更加明顯,而在資本充足率較高或存貸比較低的情況下,并沒有發現這種負向影響。也即當面臨較大的監管壓力時,銀行管理層更可能延遲貸款損失準備計提以應對競爭。

本文的結論為銀行監管者正確認識監管效果,穩定有序地推進我國銀行業改革提供了經驗證據。目前,我國銀行業正按會計準則的要求從已發生損失模型向預期損失模型過渡,而預期損失模型涉及的主觀判斷比已發生損失模型更多,對于貸款損失準備計提的及時性、充分性帶來了嚴峻的挑戰。因而面對激烈競爭的外部環境,本文也為合理而準確地預測預期損失模型的實施效果指明了方向。按照本文的研究結論,難保預期損失模型的實施效果不會大打折扣。

猜你喜歡
銀行模型
一半模型
重要模型『一線三等角』
重尾非線性自回歸模型自加權M-估計的漸近分布
10Gb/s transmit equalizer using duobinary signaling over FR4 backplane①
中關村銀行、蘇寧銀行獲批籌建 三湘銀行將開業
銀行家(2017年1期)2017-02-15 20:27:53
保康接地氣的“土銀行”
3D打印中的模型分割與打包
“存夢銀行”破產記
銀行激進求變
上海國資(2015年8期)2015-12-23 01:47:31
FLUKA幾何模型到CAD幾何模型轉換方法初步研究
主站蜘蛛池模板: 国产美女丝袜高潮| 蜜臀av性久久久久蜜臀aⅴ麻豆| 青青久久91| 99爱在线| 亚洲日韩国产精品无码专区| 91网站国产| 久久久久免费看成人影片| 女人18毛片一级毛片在线 | 99精品免费欧美成人小视频| 国产精品精品视频| 99精品免费欧美成人小视频| 亚洲无码高清视频在线观看 | 精品自窥自偷在线看| 欧美精品色视频| 国产福利微拍精品一区二区| 亚洲精品另类| 国产极品美女在线| 五月激激激综合网色播免费| 国产午夜精品一区二区三| 青青青视频蜜桃一区二区| 国产成人精品亚洲77美色| 国产综合网站| 国产色伊人| 伊人丁香五月天久久综合| 国产办公室秘书无码精品| 国产精品3p视频| 国产白浆一区二区三区视频在线| 亚洲欧洲美色一区二区三区| 精品久久香蕉国产线看观看gif | 久久综合五月婷婷| 日本尹人综合香蕉在线观看| 精品国产自在现线看久久| 亚洲欧州色色免费AV| 国产人前露出系列视频| 日本高清免费不卡视频| a毛片在线免费观看| 91av成人日本不卡三区| 成人国产免费| 亚洲国产日韩一区| 国产成人一二三| 中文字幕永久在线观看| 国产精品尤物在线| 国产综合精品日本亚洲777| 国产在线小视频| 国产精品三级专区| 亚洲av无码成人专区| 亚洲国产AV无码综合原创| 狠狠色综合久久狠狠色综合| 亚洲国产成人超福利久久精品| 日本妇乱子伦视频| 亚洲人成色在线观看| 日韩av无码精品专区| 特级aaaaaaaaa毛片免费视频| www.亚洲天堂| 国模私拍一区二区三区| 视频国产精品丝袜第一页| 成年人国产视频| 亚洲欧洲综合| 999国内精品久久免费视频| 国产一在线观看| 精品久久香蕉国产线看观看gif| 亚洲欧美h| 成人综合网址| 国产不卡网| 一级毛片在线免费视频| 精品自窥自偷在线看| 欧美翘臀一区二区三区| 国产一级无码不卡视频| 国产成人福利在线| 亚洲最黄视频| 国产精品成人免费视频99| 国产成人综合久久精品尤物| 亚洲香蕉久久| 久久国产亚洲欧美日韩精品| 国产无码性爱一区二区三区| 日韩美毛片| 爽爽影院十八禁在线观看| 免费看a毛片| 国产成人资源| 欧美精品v欧洲精品| 国产三级精品三级在线观看| 国产精品久久久久久久伊一|