■葉仕良

一、引言

控制風(fēng)險與提高效率不僅是商業(yè)銀行必須權(quán)衡的兩難抉擇，也是各國央行維護金融穩(wěn)定和促進經(jīng)濟發(fā)展的兩大主題。特別是2008年美國次貸危機以來，各國央行都提高了對風(fēng)險控制的要求，巴塞爾協(xié)議Ⅲ的頒布，更顯示出銀行風(fēng)險控制的重要性。然而，在現(xiàn)有的銀行效率研究中，大多假設(shè)每家銀行都面臨相同程度風(fēng)險，經(jīng)營風(fēng)險不同的商業(yè)銀行其在經(jīng)營運作所顯現(xiàn)的風(fēng)險特性未能引起研究者的足夠重視。無論是在商業(yè)銀行成本效率還是利潤效率的研究中，效率與風(fēng)險的關(guān)系研究并未得到充分發(fā)展，這將對研究結(jié)果造成較大的偏誤。本文將通過SFA方法研究銀行效率與風(fēng)險承擔(dān)的關(guān)系，為我國商業(yè)銀行如何適度承擔(dān)風(fēng)險，在穩(wěn)健經(jīng)營的前提下，進一步改革發(fā)展、提高效率與市場競爭力與控制風(fēng)險提供實證依據(jù)。

二、研究方法

前沿分析方法是近年來越來越廣泛的商業(yè)銀行效率測度方法，根據(jù)是否需要估計前沿生產(chǎn)函數(shù)中的參數(shù)，前沿效率分析可以分為參數(shù)估計和非參數(shù)估計兩種方法。參數(shù)方法和非參數(shù)方法有以下幾點不同：對于前沿生產(chǎn)函數(shù)形式，參數(shù)方法有更嚴(yán)格的函數(shù)形式，而非參數(shù)方法則沒有這一要求；對于前沿生產(chǎn)函數(shù)的估計，參數(shù)方法可以直接進行參數(shù)估計，而非參數(shù)方法不能進行參數(shù)估計，而是得到相對的比值；參數(shù)方法考慮可能會導(dǎo)致生產(chǎn)單位的產(chǎn)出、投入、成本或利潤等過高或過低的隨機誤差，如果存在隨機誤差項，對其概率分布作出假定，以便從隨機誤差中分離出無效率因素，而非參數(shù)方法并沒有考慮這些隨機誤差。非參數(shù)方法包括數(shù)據(jù)包絡(luò)分析（DEA）和無界分析（free disposal hull—FDH），而參數(shù)方法包括隨機前沿方法 (stochastic frontier approach—SFA)、 自由分布方法 (distribution free approach—DFA)和 厚 前 沿 方 法 （thick frontier approach—TFA）。張健華(2003)運用DEA測量方法，選取股本、固定資產(chǎn)和各項支出為投入變量，以存款、貸款和稅前利潤總額為產(chǎn)出變量，計算中國商業(yè)銀行的技術(shù)效率、規(guī)模效率及曼奎斯特指數(shù)，并進行綜合分析。王聰、譚政勛（2007）運用SFA測量方法，選取資金價格、固定資產(chǎn)價格和勞動力價格為投入變量，以營業(yè)收入、貸款和投資為產(chǎn)出變量，計算中國商業(yè)銀行的利潤效率、規(guī)模效應(yīng)及綜合分析。

能否利用隨機前沿方法及其估計結(jié)果的優(yōu)劣取決于兩個關(guān)鍵因素：一是變差率γ的零假設(shè)檢驗結(jié)果是判斷前沿利潤函數(shù)是否有效的根本依據(jù)，從而構(gòu)成了能否利用隨機前沿方法的根本依據(jù)；二是無效率項u分布的選擇（王聰、譚政勛，2007）。隨機前沿函數(shù)的參數(shù)估計一般采用最大似然函數(shù)估計法 （ML），ML與OLS的區(qū)別在于，OLS只能根據(jù)給定的自變量進行估計，不能綜合考慮測量誤差及其他不可控因素的影響；ML通過兩步格點法搜索，以便計算γ的取值，并利用單邊似然比(LR)檢驗判斷拒絕還是不拒絕γ=0的原假設(shè)，從而判斷誤差主要受到隨機誤差的影響，還是受到除給定自變量以外的其他變量的系統(tǒng)性影響。 定義 σ2=σ2v＋σ2u，γ=σ2u/σ2，則γ表示無效率項誤差占總誤差的比率，介于0到1之間，用于判斷OLS和ML的優(yōu)劣，并進一步判斷是否選擇前沿函數(shù)。如果γ趨近于0，說明總誤差主要由隨機誤差引起，則采用OLS；如果γ趨近于1，說明總誤差主要由無效率項引起，則采用隨機前沿函數(shù)進行估計。

三、模型構(gòu)建與樣本選擇

（一）銀行效率測算模型與投入產(chǎn)出指標(biāo)

本文采用隨機前沿法 （SFA）測算商業(yè)銀行效率，借鑒王聰、譚政勛（2007）的研究方法，選取可貸資金價格、勞動力價格和固定資產(chǎn)價格為投入變量，營業(yè)收入、貸款總額和非利息收入為產(chǎn)出變量，利潤效率的測算模型設(shè)定為：

模型指標(biāo)的含義見表 1，uit服從 N（mit,σu2）分布，v 為隨機誤差項，服從 N（0，σ2ε）分布，uit與 vit相互獨立。

表1 投入產(chǎn)出指標(biāo)

本文選取25家商業(yè)銀行2003～2013年的相關(guān)數(shù)據(jù)作為研究基礎(chǔ)，包括：工商銀行、建設(shè)銀行、中國銀行、農(nóng)業(yè)銀行和交通銀行5家國有銀行，招商銀行、興業(yè)銀行、中信銀行、華夏銀行、廣發(fā)銀行、平安銀行、民生銀行、光大銀行、浦發(fā)銀行、恒豐銀行和浙商銀行11家股份制銀行，北京銀行、上海銀行、溫州銀行、錦州銀行、寧波銀行、洛陽銀行、南京銀行、杭州銀行和富滇銀行9家城市商業(yè)銀行，這25家銀行具有很好的代表性，能夠反映中國銀行業(yè)的整體狀況，銀行數(shù)據(jù)取自bankscope數(shù)據(jù)庫和年報，個別年份數(shù)據(jù)缺失，但不影響銀行效率的測算。

（二）銀行效率與風(fēng)險的關(guān)系模型

利用上述模型測算出銀行效率后，就可考察我國商業(yè)銀行效率與風(fēng)險的關(guān)系，綜合宏觀環(huán)境和風(fēng)險承擔(dān)對我國商業(yè)銀行利潤效率的影響因素，建立如下模型：

其中，EFFi：第i個商業(yè)銀行的利潤效率；DTLi：第i個商業(yè)銀行的存貸比；LLRTLi：第i個商業(yè)銀行的貸款損失準(zhǔn)備比貸款總額；OWN：產(chǎn)權(quán)制度，國有商業(yè)銀行取1，其余取0；GDP：國內(nèi)生產(chǎn)總值的增長率；M2：貨幣供應(yīng)量的增長率；IR：貸款利率；ε：隨機誤差項。

國內(nèi)生產(chǎn)總值增長率和貨幣供應(yīng)量增長率反映銀行面臨的外部宏觀環(huán)境，存貸比反映銀行的風(fēng)險承擔(dān)，存貸比越高，表明銀行所承擔(dān)的風(fēng)險越大，并選取貸款損失準(zhǔn)備比貸款總額作為銀行風(fēng)險承擔(dān)的替代變量進行穩(wěn)健性檢驗。銀行數(shù)據(jù)取自bankscope數(shù)據(jù)庫和年報，其他數(shù)據(jù)來自中國統(tǒng)計年鑒和中國金融年鑒。模型（1）、模型（2）的參數(shù)和各銀行各年的效率值是利用 Collie（1996）的專用程序Frontier Version 4.1，在一次處理數(shù)據(jù)過程中同時得到。

四、實證結(jié)果分析

（一）我國商業(yè)銀行效率分析

模型（1）中的參數(shù)估計值、利用模型（1）測算的利潤效率值分別歸納在表2和表3中。

表3顯示，2003年5家國有銀行效率值非常低，平均為0.05，原因是當(dāng)年國有銀行不良資產(chǎn)率很高，在大量剝離不良資產(chǎn)后，2004年5家國有銀行效率顯著變好，平均達到0.71。2008年大部分股份制銀行和城市商業(yè)銀行效率都變差，而國有銀行則幾乎沒變甚或變好，原因是規(guī)模較小的銀行受金融危機影響較大，風(fēng)險防范機制不夠完善。大部分銀行在2010年效率達到最高值，主要原因是金融危機后中國政府實施4萬億元的投資計劃推動中國走出金融危機的影響，從而使商業(yè)銀行在2009年和2010年發(fā)展迅速，信貸規(guī)模劇增，營業(yè)收入和利潤都大幅增長。而近年因經(jīng)濟下行壓力較大，許多產(chǎn)業(yè)面臨產(chǎn)能過剩，從而使銀行不良貸款增加，利潤效率也隨之下降。從圖1可以更直觀地觀察到商業(yè)銀行效率的變化走勢。

表2 模型（1）的參數(shù)估計

表3 2003～2013年25家商業(yè)銀行的利潤效率

圖1 利潤效率的動態(tài)變化及比較

（二）商業(yè)銀行效率與風(fēng)險承擔(dān)關(guān)系分析

模型（2）的參數(shù)估計值歸納在表4中，如表所示存貸比的回歸系數(shù)為16.37（顯著性水平為1%），表明銀行風(fēng)險承擔(dān)水平越高，銀行效率也越高，即提高風(fēng)險承擔(dān)水平不僅沒有給銀行帶來壞的影響，反而提高了銀行的效率水平。產(chǎn)權(quán)制度的回歸系數(shù)為－5.50（顯著性水平為1%），說明股份制商業(yè)銀行相對國有商業(yè)銀行具有較高效率，這與王聰、譚政勛（2007）的研究一致，但產(chǎn)權(quán)制度對銀行效率的影響小于風(fēng)險承擔(dān)對銀行效率的影響。貨幣供應(yīng)量增長率的回歸系數(shù)為9.25（顯著性水平為5%），表明其對商業(yè)銀行效率產(chǎn)生了顯著正面影響，當(dāng)貨幣供應(yīng)量增加時，商業(yè)銀行的可貸資金增多，因而會增加商業(yè)銀行的利息收入，并對商業(yè)銀行效率產(chǎn)生積極影響。貸款利率的回歸結(jié)果為－4.91（顯著性為5%），貸款利率下降則會減少商業(yè)銀行貸款利息收入，從而對銀行效率產(chǎn)生負面影響。

表4 效率影響因素的回歸結(jié)果

（三）穩(wěn)健性檢驗

在模型（2）中，選取貸款損失準(zhǔn)備比貸款總額作為存貸比的替代變量進行穩(wěn)健性檢驗，回歸結(jié)果歸納在表5，結(jié)果顯示貸款損失準(zhǔn)備比貸款總額對銀行效率有顯著正面影響 （回歸系數(shù)為14，顯著性水平為1%），即銀行效率與風(fēng)險承擔(dān)具有顯著正相關(guān)關(guān)系。

表5 效率影響因素穩(wěn)健性檢驗的回歸結(jié)果

五、結(jié)論

本文根據(jù)2003～2013年中國25家商業(yè)銀行的數(shù)據(jù)，首先運用了隨機前沿法測算了銀行效率，并分析銀行效率的變化及其原因；其次研究了銀行效率與風(fēng)險承擔(dān)的關(guān)系。研究發(fā)現(xiàn)，銀行效率與風(fēng)險承擔(dān)具有顯著正相關(guān)關(guān)系，商業(yè)銀行適度增加風(fēng)險承擔(dān)有助于提高銀行效率。我國銀行業(yè)要在經(jīng)營轉(zhuǎn)型中不斷完善自身的風(fēng)險管理機制，進一步健全風(fēng)險識別、評估、控制和決策體系，提高銀行風(fēng)險管理效率，增強銀行的核心競爭力。另一方面，產(chǎn)權(quán)制度和宏觀環(huán)境對銀行效率也有一定影響，完善的產(chǎn)權(quán)制度和市場競爭機制對商業(yè)銀行效率具有促進作用。我國銀行業(yè)應(yīng)推進產(chǎn)權(quán)制度改革，完善商業(yè)銀行的公司治理結(jié)構(gòu)，改革商業(yè)銀行尤其是國有銀行的激勵約束機制，重新分配激勵資源，最終提高我國商業(yè)銀行效率和金融資源利用率。

本文不足之處主要在僅使用存貸比作為風(fēng)險承擔(dān)變量，而存貸比主要衡量商業(yè)銀行的流動性風(fēng)險，未能充分反映商業(yè)銀行的風(fēng)險承擔(dān)。未來將把信用風(fēng)險、市場風(fēng)險和操作風(fēng)險等納入分析框架，進一步探討銀行效率與風(fēng)險承擔(dān)的關(guān)系，以期為我國銀行業(yè)的進一步改革發(fā)展和效率提升與風(fēng)險控制提供現(xiàn)實依據(jù)。

[1]王聰，譚政勛.我國商業(yè)銀行效率結(jié)構(gòu)研究[J].經(jīng)濟研究，2007，（7）.

[2]張健華，王鵬.我國商業(yè)銀行效率研究的DEA方法及1997～2001年效率的實證分析[J].金融研究，2003，（03）.

[3]江曙霞，陳玉嬋.貨幣政策、銀行資本與風(fēng)險承擔(dān)[J].金融研究，2012，（4）.

[4]李曉慶，劉湘斌.我國商業(yè)銀行效率測度及影響因素分析[N].上海財經(jīng)大學(xué)學(xué)報，2005，（4）.

[5]付雯雯.中國商業(yè)銀行的效率與風(fēng)險研究[D].武漢：華中科技大學(xué)，2011.

[6]Collie.A Guide to Frontier Version 4.1:A Computer Programfor Stochastic Frontier Production and Cost Function Estimation.Working Paper,University of New England Armidale，NSW.