金融結構變化對銀行風險承擔的影響分析

蔡穎耀

（中共梅州市委黨校 市情研究中心，廣東 梅州514022）

一、引言

隨著我國進入改革開放的關鍵期，社會經濟發展也步入新時代新階段。面對復雜嚴峻的國內外經濟形勢，我國的金融行業在快速發展的同時也在全面深化的改革背景下趨于合理。最為明顯的特征是我國的金融體系結構發生了質的變化。

互聯網金融的異軍突起無疑是金融業諸多發展中的亮點。近年來，各地掀起了一波互聯網金融浪潮，眾多理財產品紛紛與互聯網公司、電商平臺開展合作，形成網上金融新模式。隨著多層次資本市場建設的逐步推進，我國資本市場不斷發展壯大，在國民經濟中的地位越來越重要。我國上市交易的股票數量在穩步的增長，增長了兩倍有余，以股票市場為代表的資本市場已經成為我國金融體系的重要組成部分。對于銀行業，我國基本形成了一個多種所有制、不同規模層次和差異化服務的多元化銀行業構成。從近十五年的銀行業集中度來看，無論是資產規模還是存貸款，銀行業的集中度都出現明顯的下降，下降幅度均超過10%。

以上述三方面為代表的金融構成的變化，不可避免地會對我國原有的以銀行為絕對主導的金融體系造成沖擊，而這種沖擊，最應該引起學界和實務界關注的必然是對商業銀行風險承擔的影響。基于此，研究這些結構因素的變化對商業銀行風險承擔的影響是重要的、必要的和有價值的。

根據以往研究，經濟體系的結構性特征一直是經濟學研究關注的重要方面，由此衍生出諸多的研究范式，例如，SCP（Structure—Conduct——Performance）范式。金融體系的結構特征也早已為學者所關注，Goldsmith R W.[1]1969 年在他的《金融結構與金融發展》一書中，將金融結構定義為“金融工具和金融機構的相對規模”，商業銀行體系、資本市場還有新興發展起來的互聯網金融都是金融體系的重要構成部分。對于互聯網金融與銀行風險承擔，Lapavitsas等[2]（2008）的研究一致認為互聯網金融將會使商業銀行得到業務經營和風險管理上的技術革新，商業銀行在進行信貸業務中最大的障礙——信息不對稱問題將會得到很好的緩解，由此導致的違約風險將得到很好地控制。對于金融市場發展與銀行風險承擔，Deniz 等[3]（2014）通過分析銀行業面臨的競爭是否影響到銀行業的系統風險，其中也探討了金融市場發展帶來的競爭，結果表明競爭將有助于降低商業銀行的系統性風險。楊明輝[4]（2004）針對中國的情況提出要發展金融市場，提高直接融資比例來降低商業銀行風險。對于銀行業結構與風險承擔，Marcus[5]（1984）為代表的學者提出特許經營權價值學說，這個學說認為銀行業結構越集中，提高了銀行的特許經營權價值，提高了銀行的破產成本，從而減少銀行從事風險活動，降低風險承擔。Xiaoqing等[6]（2014）利用14 個亞洲國家2003-2010 年的銀行樣本數據研究發現，銀行業擁有更高的集中度，提高了銀行業的脆弱性，擁有更低的集中度，使銀行失去了定價優勢，從而增加了風險承擔。

已有的這些研究結論存在一些明顯的分歧，在討論銀行風險的影響因素時缺乏時代特征，沒有綜合考慮諸多變化的重要因素，也沒有較明確的對比各因素之間的相對重要性，無法把握重點。因此，進一步全面且有比較地研究還是有必要的。

二、研究設計

（一）研究樣本

依據數據的可靠性、可得性和有效性，現以中國56 家商業銀行（5 家國有銀行）2002-2018 年的年度非平衡面板數據作為研究樣本，它們的資產總規模占銀行業的九成左右，覆蓋了全部上市銀行，公司治理相對完善，財務數據比較真實可靠。數據來源為中國金融年鑒、各銀行披露的年報等數據庫，宏觀層面的數據來源于國家統計局，金融市場發展等相關數據來源于中國人民銀行，互聯網金融發展指數參考劉忠璐[7]（2016）相關方法得到。具體變量選取及其描述性統計如表1、表2 所示。

表2 描述性統計

（二）模型估計

參考黃憲和熊啟躍[8]（2013）的做法，構建如下基準模型，模型（1）-（3）是為了分別檢驗三種不同金融結構變化以及宏觀經濟周期對商業銀行風險承擔存在的影響，同時加入了貨幣供應量增長率、銀行的規模狀況、經營狀況與外部監管狀況的控制變量，模型（4）中同時引入了三個金融結構變量，綜合考察對商業銀行風險承擔的影響，并比較其影響的差異。模型中被解釋變量是商業銀行的風險承擔，分別用代表銀行整體的經營風險的Z 值和不良貸款率來衡量，解釋變量分別是互聯網金融發展指數（intf）、金融市場融資占比（market）、銀行業集中度（HHI）。Fit為一組控制變量（Fit=（gcyclet，M2t，bufit，ROAit，lnsizeit）’），其中，宏觀經濟周期變量（gcycle）、貨幣政策代理變量（M2）、銀行資產規模（lnsize）、資本緩沖（buf）及盈利能力（ROA），i 為銀行的標識，t為年份的標識。μi和εit表示模型中的個體效應和隨機干擾項。

三、實證分析

（一）金融結構對銀行風險承擔的基本影響實證分析

在對模型估計前，先對估計模型進行Hausman檢驗，根據結果選取采用固定或隨機效應模型。檢驗的結果表明：對模型（2）采用固定效應模型，對其他模型采用隨機效應模型。對金融結構與銀行風險承擔的關系進行實證分析，分別對模型（1）、（2）、（3）和（4）進行估計，結果如下表3 所示。

表3 金融結構與銀行風險承擔

結果顯示，互聯網金融發展指數對銀行Z 值的回歸系數為0.7979，且在1%水平上顯著，這說明互聯網金融發展與銀行風險呈現顯著的負向關系，互聯網金融發展有助于降低商業銀行的風險承擔。金融市場融資比重對銀行Z 值的回歸系數為-0.0437，且在5%水平上顯著，這說明金融市場融資比重與銀行風險呈現顯著的正向關系，隨著金融市場為實體經濟提供的融資比重越來越大，商業銀行的風險承擔也越來越大，總的看來金融市場的融資比重的增長，加重了商業銀行的風險承擔。代表銀行業結構的赫芬達爾指數（HHI）對銀行Z 值的回歸系數為-0.1386，且在1%水平上顯著，這說明銀行業的集中度越高，商業銀行的風險承擔越大，銀行業內部競爭的加強有助于降低商業銀行的風險承擔。同時考慮三種金融結構變化，可以看到金融市場和銀行業結構的回歸系數符號和顯著性均沒有多大的變化，而互聯網金融的回歸系數顯著性降低了，但在10%水平上顯著。綜合來看，三個結構因子變化對銀行風險承擔都有影響，但影響大小存在一定差異。

（二）模型內生性處理

對模型（1）-（4）變換為動態面板，并采用系統GMM估計。互聯網金融發展指數對銀行Z 值的回歸系數依然為正，且在10%水平上顯著；金融市場融資比重對銀行Z 值的回歸系數依然為負，且在5%水平上顯著；代表銀行業集中度的赫芬達爾指數的回歸系數依舊為負，且在1%水平上顯著。

對模型是否存在的二階自相關檢驗的AR（2）檢驗的P 值都大于0.1，說明滯后項與擾動項不存在二階相關性，基本滿足系統GMM 的估計條件。Sargen 檢驗的P 值也遠遠超過0.1，即可以說明不能拒絕工具變量有效的零假設，工具變量的采用是有效的，估計結果具有一致性。綜合考慮各種結構因素時，銀行業結構依舊是影響商業銀行風險承擔的主要結構因素，金融市場和互聯網金融的發展則次之，這與前文的研究結論保持一致。

（三）金融結構對銀行風險承擔影響的相對重要性分析

本研究運用stata14 采用優勢分析方法對互聯網金融發展、金融市場融資比重和銀行業結構的相對重要性進行分析，結果如表4 所示。觀察結果可以發現，單獨回歸中，互聯網金融發展、金融市場融資比重和銀行業結構的相對重要性排名分別為第二、第二和第一，綜合考慮時，排名分別為第三、第四、第二。綜合表3 和表4 來看，銀行業結構的變化對商業銀行風險承擔的影響在三個結構因素中最大，互聯網金融發展和金融市場融資比重的影響次之。優勢分析的結果為我們抓住主要矛盾的主要方面，有針對性地、更高效地實現銀行風險管理提供了有力支持。

（四）穩健性檢驗

通過選取商業銀行的不良貸款率作為商業銀行風險承擔的替代衡量指標（周安[9]，2017），對上述實證研究展開穩健性檢驗。對模型（1）—（4）的穩健性檢驗結果與前文的相關結論也基本保持一致，在此不再詳細分析。總體而言，本文的實證結果具有較好的穩健性，結論具有可靠性。

四、結論與建議

基于構建的靜態面板模型與中國56 家銀行2002-2018 年的非平衡面板數據，對金融結構與銀行風險承擔之間的關系進行了實證分析，得出長期來看互聯網金融發展使得商業銀行能夠積極變革，不斷發展和改善自身的經營管理，形成較好的良性循環，一方面能夠對沖不利影響，另一方面商業銀行的破產風險得到有效降低；金融市場的發展沖擊了銀行主導的間接融資市場，同時也提供了新的市場風險傳導機制來影響銀行的經營管理，從而增加了風險承擔；銀行業集中度的降低，有助于促進銀行內部之間的競爭，推動銀行不斷改進自身的經營管理模式，提高服務效率，優化風險管理，達到良性互動的過程。所以，銀行業的集中度的降低推動了商業銀行破產風險的降低；綜合比較影響商業銀行風險承擔的三個金融結構因素，銀行業結構的變化對商業銀行風險承擔的影響是三個結構因素中影響最大的，互聯網金融發展和金融市場融資比重的影響次之的結論。

表4 各個解釋變量優勢分析