非利息收入對商業銀行績效的影響研究
——基于面板隨機效應模型的實證分析

王茂川

（南昌大學經濟與管理學院，江西 南昌 330031）

一、引言

非利息收入與銀行績效的關系一直是學術界熱點話題，其觀點主要分為兩派。一派觀點認為非利息收入占比的提升有利于提升銀行績效。王曼怡和甄晗蕾(2016)采用本國2008～2015年34家城商行的年度數據，研究發現提升非利息收入占比，有利于促進銀行績效增長。左曉慧和馬云（2019）基于中國28家上市商業銀行2010～2017年的數據，構建系統GMM模型，實證結果顯示：非利息收入占比與我國商業銀行盈利能力呈正相關。岳意定和李依瑤(2016)采用主成分分析法構建銀行綜合績效指數，研究發現非利息收入有利于股份制銀行績效增長。另一派觀點則相反，李翔和常燦（2014）認為非利息收入對銀行績效的影響存在非線性關系,當非利息收入占比超過一定閥值后,其占比的提升會為銀行績效帶來不利影響。肖文東（2017）指出非利息收入占比的提升，迎合了商業銀行多元化經營的偏好，但會顯著降低銀行績效。黃國妍（2018）選取中國16家上市銀行2003～2016年的財務數據，構建動態GMM模型，實證結果顯示：非利息收入與銀行績效呈現顯著負相關關系。回顧現有文獻，非利息收入與銀行績效間的關系尚無定論，而銀行業一直是本國金融業的中流砥柱，承擔著穩定經濟發展、完善投融資體系的重要職能，因此厘清非利息收入與銀行績效間的關系具有重要的理論與實際意義。據此，本文探究非利息收入與銀行績效的關系，以期為我國銀行業非利息業務的發展提供一些有益的建議。

二、研究設計

（一）數據來源

本研究數據均來源于Wind數據庫,經整理后得到我國32家上市銀行2013～2018年的年度財務數據。該樣本囊括我國四大商業銀行類型，能較為全面反映我國銀行業的特征。

（二）變量選取

1、被解釋變量。凈資產收益率（ROE）為學術界測度銀行績效的常用指標，選擇其作為被解釋變量來反映銀行的績效。2、解釋變量。選擇以非利息收入占營業收入的比重(NII)反映商業銀行非利息收入業務的拓展程度，該指標越大，說明銀行非利息收入業務的拓展程度越高。3、控制變量。從銀行微觀角度，選擇成本收入比(COST)反映銀行運營效率；資本充足率（CAR）測度銀行清償能力；不良貸款率（NPL）反映銀行資產質量；資產負債率（ZCFZ）評價銀行負債水平。從宏觀經濟角度，選擇GDP年增速(GDP)反映宏觀經濟景氣程度；CPI指數(CPI)測度通貨膨脹程度。

（三）模型構建

采用如下面板模型：

其中，ROE為被解釋變量凈資產收益率;NII為解釋變量非利息收入占比；Contral是一組控制變量；ai為個體效應；ε為隨機擾動項。

三、實證結果與分析

面板固定效應模型與面板隨機效應模型的選擇，可以通過Hausman檢驗來進行確定。經檢驗，Hausman統計值為6.47且沒有通過10%水平上的顯著性檢驗，因此，本文應建立面板隨機效應模型進行實證分析。表1報告了該模型的估計結果。

表1 面板隨機效應模型估計結果

NII系數為-0.047且通過了5%的顯著性水平檢驗，表明非利息收入占比每增加一個單位，ROE將減少0.047個單位，非利息收入與銀行績效呈顯著負相關關系，回歸結果說明我國上市銀行非利息收入占比的提升會為銀行績效帶來不利影響。按照傳統范圍經濟理論，開展非利息業務有利于拓展盈利渠道，實現收入結構多元化，從而提升績效。但我國非利息收入業務創新能力不足、深度不夠，主要以手續費及傭金收入為主如信用卡業務與結算業務，這類低附加值業務的開展需要耗費大量的人力、物力資源且收益微薄。

四、結論與政策建議

本文實證結果如下：非利息收入占比的提升會顯著降低銀行績效；成本收入比、不良貸款率與銀行績效呈顯著負相關關系；資產負債率、GDP年增速與銀行績效呈顯著正相關。因此，商業銀行應加強非利息業務創新。現階段我國非利息業務主要以信用卡業務、結算業務等低附加值業務為主。這類低附加值業務并不能為銀行績效提升帶來有利影響。應抓住金融科技創新的機遇，引進計算機、數學與金融復合型人才，利用大數據、區塊鏈、人工智能等先進數字技術開發創新型非利息業務產品，逐步實現從低附加值業務向高附加值業務轉型升級。