盈利能力、總資產收益率與商業銀行的戰略性發展

梁曉鳴　廖洋霆

關鍵詞：盈利能力 互聯網金融 總資產收益率

互聯網金融模式的發展改變了人們的消費習慣與理財觀念，促進我國互聯網金融開啟了新篇章。互聯網金融模式主要包括云計算、第三方支付和大數據，有著高效率、高收益以及交易成本較低等優勢。導致商業銀行的客戶資源流失，商業銀行的中間業務受到影響，資金成本上升，息差收入在受壓下開始減縮。商業銀行要提升盈利能力水平，僅憑單一的利差模式很難有所突破。隨著互聯網金融監管政策的不斷完善和力度擴大，我國對銀行的側重點和扶持力度上有了明確的方向。2013年6月，為了確保我國商業銀行的存款業務，我國頒布了《支付機構客戶備付金存管辦法》，目的就是為了使第三方支付平臺從客戶中獲取的備付金能夠轉化為銀行的定期存款，這樣鞏固了商業銀行的存款業務，但在一定程度上又遏制了互聯網金融平臺的發展，并且備付金轉化為定期存款存在利率較高的特點，也會使得商業銀行的資金成本上升，從而獲取的利益就減少。隨著P2P網貸的發展，貸款業務開始變得多元化，客戶所選擇的空間也大大提升，并吸引了眾多的中小微型客戶，隨著時間的積累，商業銀行的貸款業務就會受到影響。但是在互聯網金融監管政策下，這些平臺達不到政策的標準，從而逐漸地退出金融市場，這些投資人又把資金轉入商業銀行，商業銀行的存貸業務又開始逐步回升。所以加大對互聯網金融的監管力度對商業銀行的盈利能力有著推動作用，并且減少了商業銀行的不良貸款，進一步保障了商業銀行業務風險有效地降低。

一、研究假設

在因素分析中，第三方支付和P2P網貸作為對商業銀行盈利能力最直接的影響因素，所以本文提出的兩個假設將與這兩大互聯網金融業務相關。以下是本文在實證分析前提出的假設：

（一）假設一：第三方支付對商業銀行盈利能力呈顯著的負相關

互聯網金融業務中的互聯網貨幣基金是主要的業務之一，并且它需要依托于第三方支付平臺進行業務的執行和交易，最典型的業務就是余額寶理財依托于支付寶這個第三方支付平臺，兩者的業務交易范圍類似，所以在數據上會存在一定的重合性，因此本文選取第三方支付的交易規模作為研究對象。

（二）假設二：P2P網貸對商業銀行盈利能力呈顯著的負相關

互聯網金融業務中的P2P網絡貸款作為龐大的貸款業務，在發展過程中對商業銀行的貸款業務造成了一定的影響，所以考慮到數據獲取的難易程度，并且也作為最直接的影響因素之一，因此本文選取P2P網絡貸款的交易規模作為研究對象。

二、研究設計

（一）樣本選擇與數據來源

考慮到互聯網金融和銀行數據的獲取來源，本文選取2012—2018年共7年的面板數據進行實證檢驗。研究對象主要選取中國工商銀行、中國銀行、中國農業銀行、中國建設銀行、交通銀行5家國有銀行，平安銀行、光大銀行、上海浦東發展銀行、中國民生銀行、興業銀行、中信銀行、招商銀行、華夏銀行8家股份制銀行，北京銀行、上海銀行、南京銀行3家城市商業銀行，共16家上市銀行進行研究，相關數據均來源于這16家商業銀行2012—2018年年報、Wind數據、艾瑞咨詢。

（二）變量的選取和指標說明

下面是本次研究所需引用的變量，現對變量進行簡要概述。

1.被解釋變量。被解釋變量選擇的是資產收益率，資產收益率也叫資產回報率，是對單位資產創造的單位凈利潤進行衡量的指標，該指標包括資產回報率（ROA）及凈資產收益率（ROE）。總資產收益率（ROA）即股東權益收益率，每單位所使用的自由資本可以帶給銀行盈利的比率，比率越高，商業銀行則有更好的資本運用效率，其獲利能力越高;凈資產收益率（ROE）則指的是每單位創造的資產利潤的比率，同理總資產收益率比率越大，利潤越高。

本文選取了總資產收益率（ROA）作為被解釋變量，用來衡量商業銀行的盈利能力。以下是總資產收益率（ROA）和凈資產收益率（ROE）的主要計算公式：

總資產收益率=凈利潤/平均資產總額×100%

凈資產收益率=凈利潤/平均股東權益×100%

2.核心解釋變量。核心解釋變量選擇的是互聯網金融的發展程度。據目前互聯網金融模式數據統計可知，第三方支付的交易規模最大，其次是互聯網貨幣基金，然后是P2P網貸和眾籌融資。因為互聯網金融在目前的發展程度不是很完善，所以其對應的指標“互聯網金融指數”數據的獲取性較差，在實證研究上不是很充分。所以考慮到市場規模占比的問題以及數據來源的可靠性，分別選取第三方支付（TPP）規模以及P2P網貸（P2P）規模對互聯網金融的發展程度進行綜合性分析，需要考慮到支付結算及網絡融資維度方面的影響。

3.控制變量。控制變量選擇以下五個指標：

（1）成本收入比。成本收入比是指銀行在營業活動中所產生費用與所獲取收入的比值，該比值越小，說明銀行在成本運作上的效率越高，利潤率也越高。以下是成本收入比的計算公式：

成本收入比=營業費用/營業收入×100%

（2）貸存比。貸存比是指銀行在發放貸款過程中所發放的資產與收取的存款負債的比值，該數值越大，貸款的比重也越大，在一定程度上銀行收取的利息也就越多，但是這也意味著承擔的風險也越大。以下是貸存比的計算公式：

貸存比=貸款總額/存款總額×100%

（3）不良貸款率。不良貸款率（NPL）是指商業銀行存在的不良貸款所占全部貸款中的比率。按照風險程度來劃分，包括正常貸款、關注貸款、次級貸款、可疑貸款和損失貸款五種類型的貸款，次級貸款、可疑貸款和損失貸款統稱為不良貸款。該比率越大，說明商業銀行的貸款業務越差，經營的風險程度越高，其商業銀行的盈利能力所受的影響越大。因此選取不良貸款率作為對商業銀行的風險水平來進行研究比較符合。以下是不良貸款率的計算公式：

不良貸款率=不良貸款/總貸款×100%

（4）商業銀行規模。選取銀行的規模來作為資產總額代表。微觀經濟學中表示，一個企業規模越大，就會很快地達到一定的規模經濟狀態，銀行的經營規模越大，它的成本就會減少。商業銀行的規模越大，它的營業網點的分布范圍也會越大，吸收的客戶量也會越多。所以商業銀行的規模會在一定程度上影響收益。

（5）宏觀經濟環境。當宏觀經濟進行下調時，會增加銀行的貸款風險，減少存款額度。所以選取宏觀經濟水平作為衡量GDP和國家經濟水平的一個指標。

4.虛擬變量。虛擬變量受我國的政策因素影響，本文在進行實證分析的過程中，在引入面板數據的基礎上加入政策的虛擬變量，以2016年為分界點，選取2012—2015年在互聯網金融全面監管之前作為參照，將其虛擬變量的值取為0;2016—2018年則取值為1。這樣可以在現有研究的基礎上進一步分析我國在加大監管力度后互聯網金融對商業銀行盈利能力的影響。加大監管力度會影響到核心解釋變量和被解釋變量，因此還選取了核心解釋變量與政策虛擬變量的乘積作為交易項。為了減小檢驗結果的誤差，除虛擬變量外把所有的變量變成對數，具體的數據如下表1所示：

三、實證研究

（一）模型的建立與選擇

為了能夠準確分析，借鑒了吳劉星（2019）在互聯網金融對商業銀行盈利能力實證分析過程中的方程，在本文的實證分析研究中假設有三種情況：（1）作為參照對比;（2）加入虛擬變量dum和交互項lntpdum，分析在政策條件下，第三方支付對商業銀行盈利能力的影響;（3）加入虛擬變量dum和交互項lnp2pdum，檢驗在政策條件下，P2P網貸對商業銀行盈利能力的影響。以下是三個方程模型：

lnroait=M0+M1lntpt+M2lnp2pt+M3lncirit+M4lnroltdit+M5lnnplit+M6lnassetit+M7lngdpt+εit方程（1）

lnroait=M0+M1lntpt+M2lnp2pt+M3lncirit+M4lnroltdit+M5lnnplit+M6lnassetit+M7lngdpt+M8dumit+M9lntpdumit+εit方程（2）

lnroait=M0+M1lntpt+M2lnp2pt+M3lncirit+M4lnroltdit+M5lnnplit+M6lnassetit+M7lngdpt+M8dumit+M9inp2pdumit+εit方程（3）

上述模型中的M0為截距項，其他的M項代表核心解釋變量和控制變量的回歸系數，對應的右下角的角標i代表第i個銀行，t代表第t年，εit代表隨機誤差項。

（二）描述性統計

由于國有銀行和股份制銀行在業務規模和股權分配比例上有所差異，所以將五大行和11家股份制銀行分開進行檢驗，檢驗互聯網金融對不同類型的商業銀行的影響結果是否存在差異。由于在檢驗過程中存在不可控因素，所以為了減小誤差，提高結果的準確性，本次檢驗采用固定效應的模型進行相關分析。以下分別是五大行和11家股份制銀行的描述性統計結果，見表2：

由表2可得出，變量lnroa表示的五大行的總資產收益率的兩極分化比較明顯，最小值為-0.2000，最大值為0.3967，說明在互聯網金融的影響下，凈利潤受到了影響，其次變量lnroltd表示的存貸比也有明顯的差距，最小值為-0.1339，最大值為0.8631，這表示貸款總額在互聯網金融的影響下有利有弊。一方面在政策的影響下，P2P網絡貸款受到了限制，加上作為國有銀行會受到國家的調控，從而會使得商業銀行的貸款業務有一定的上升，但是也與一些信譽較好的高品質互聯網金融貸款平臺形成了競爭。

由表3可得出，變量lnroa表示的11家股份制銀行的總資產收益率和五大行相比雖然有明顯的差距，最小值為-0.4612，最大值為0.4362，但股份制銀行受到互聯網金融的影響較小，其次變量lnroltd表示的存貸比均值為-0.0981，最小值為-1.0764，最大值為0.8632，這表示11家股份制銀行在自身的運轉模式上受到互聯網金融貸款業務的影響比較靈活，因為股份制銀行和國有銀行有所不同，其可根據市場定位的需要進行自身資產負債的比例調節，所以股份制銀行的存貸比可以進行存款和貸款之間合理有效的分配，所以受到互聯網金融貸款業務的影響不大。

（三）商業銀行盈利能力回歸分析

由表4回歸分析結果可知，從表內系數lntpdum和lnp2pdum可分析得出，第三方支付業務影響五大行的總資產收益率下降了0.297，P2P網貸下降了0.243，所以從以上數據可得出，互聯網金融業務對商業銀行的總資產收益率呈負相關。在沒有政策虛擬變量的影響下，五大行均呈現負向水平，說明隨著第三方支付和P2P網貸業務量增加的同時，五大行在總收益上ROA受到一定的影響。在互聯網金融監管政策的影響下，選取的政策虛擬變量為正，這就說明五大行的盈利能力在政策的影響下呈顯著正相關，五大行需要政策的正確導向，并作為推動器促進商業銀行的發展。

在11家股份制銀行是否有互聯網金融監管政策的影響下，第三方支付對11家股份制銀行的總資產收益率ROA呈負相關。和五大行相比存在差異，五大行在總收益上受到的影響程度更大，這可能是因為五大行作為國有銀行，除了日常經營盈利以外，還需要與政府的業務進行接軌，并且得到了政策扶持，在業務設計上需要更加嚴格謹慎。股份制銀行就相對寬松一些，業務結構上就更加靈活，倘若受到互聯網金融業務的沖擊，股份制銀行可以調整存貸業務的比例來減少損失。在互聯網金融監管政策的影響下，P2P網貸對11家股份制銀行的影響呈正相關，互聯網金融貸款平臺門檻較低，但是作為國有銀行，國家對其監管的力度較大，所以這就會使得P2P網貸的一部分業務流向商業銀行的信貸業務，從而獲取更多利益。通過五大行和11家股份制銀行的系數lnp2pdum對比可以發現，11家股份制銀行的系數為0.0863，五大行的系數為0.0573，所以股份制銀行的收益要比五大行多，并且在互聯網金融監管政策的影響下，11家股份制銀行和五大行在盈利能力上有積極的推進作用。而系數lntpdum反映了第三方支付使得11家股份制銀行的總資產收益率下降了0.218，P2P網貸則下降了0.176，因此互聯網金融對股份制銀行的總收益產生彈性，政策對股份制銀行的總收益呈負相關。綜上所述，從商業銀行的性質可以看出，在國有銀行與股份制銀行管理體系不同的情況下，所承受的互聯網金融業務的沖擊與應對有著不同的方法。

四、結論

文章選取2012—2018年共7年的面板數據進行實證檢驗，通過實證研究對商業銀行的資產、負債和中間業務進行分析，以及將商業銀行分為前身是國有的五大行和股份制銀行進行研究，并且使用政策虛擬變量來模擬互聯網金融監管政策的影響下，互聯網金融業務對商業銀行的盈利能力有一定的影響，商業銀行的資產收益率與商業銀行的盈利能力有關。

在沒有政策虛擬變量的影響下，五大行均呈現負向水平，說明隨著第三方支付和P2P網貸業務量增加的同時，五大行在總收益上ROA受到一定的影響。在互聯網金融監管政策的影響下，選取的政策虛擬變量為正，這就說明五大行的盈利能力在政策的影響下呈顯著正相關。在互聯網金融監管政策的影響下，P2P網貸對11家股份制銀行的影響呈正相關。互聯網金融基金主要以吸收存款為主，商業銀行的存款業務受到轉移，使得商業銀行的存款規模進行了縮減，并且通過互聯網金融基金的業務進行資金流動，然后其以更高的利息投資，這些資金又流回商業銀行，雖然存款的額度不變，但是其中資金交易產生的利息最終會加重商業銀行的負債成本，最終導致商業銀行的利潤減少，資本充足率也會減少，會增加資金運轉的風險。

互聯網金融業務與商業銀行三大業務存在競爭關系，這就會造成商業銀行的業務受到沖擊，商業銀行的盈利能力就會受到影響。出于戰略性調整，商業銀行在混業經營上非常有必要，通過互聯網渠道進行業務辦理，商業銀行需要在線上服務建立有效、方便的業務流程。未來的商業銀行地域位置將不是銀行業務興衰的主要條件;銀行業務與其他金融機構的業務界限將被打破，混業經營成為趨勢;隨著金融市場的發展，直接融資與間接融資的界限也將打破。線上與線下相結合，在辦理業務途徑和規模上覆蓋面積更廣，甚至未來將互聯網金融與商業銀行相結合，建立起互聯網商業銀行，從而加快拓展商業銀行戰略性發展與實施，以拓寬新的發展渠道。

參考文獻：

[1]謝平，鄒傳偉，劉海二.互聯網金融的基礎理論[J].金融研究，2015（08）：1-12.

[2]李博，董亮.互聯網金融的模式與發展[J].中國金融，2013（10）：19-21.

[3]鄭聯盛.中國互聯網金融：模式、影響、本質與風險[J].國際經濟評論，2014（05）：103-108.

[4]王曙光，張春霞.互聯網金融發展的中國模式與金融創新[J].長白學刊，2014（01）：80-87.

[5]彭鈺.我國互聯網金融對商業銀行盈利的影響研究[D].碩士學位論文，2014.

[6]王錦虹.互聯網金融對商業銀行盈利影響測度研究——基于測度指標體系的構建與分析[J].財經理論與實踐，2015（01）：10-15.

[7]吳劉星.互聯網金融對我國商業銀行盈利影響的研究[D].碩士學位論文，2019.

基金項目：廣西壯族自治區教育廳2019年度廣西高校中青年教師科研基礎能力提升項目“互聯網金融背景下我國商業盈利模式研究”（2019KY0965）。

作者單位：梁曉鳴，廣西大學行健文理學院;廖洋霆：中國農業銀行廣西柳州融安支行