路 妍,李 剛

(東北財經(jīng)大學 金融學院,遼寧 大連 116025)

一 引言

2008年美國金融危機以來,歷經(jīng)歐債危機、全球量化寬松貨幣政策、原油價格暴跌、英國脫歐,全球經(jīng)濟發(fā)展陷入了低增長、低利率、低通脹的新常態(tài)。與此同時,中國GDP增長率也降到2016年的6.7%,為近30年來最低,2017年上半年增長率為6.9%,中國經(jīng)濟的低速增長已經(jīng)成為中國經(jīng)濟發(fā)展的新常態(tài)。一方面是全球經(jīng)濟和金融市場的異常波動,另一方面是中國經(jīng)濟的增速放緩,因此中國金融業(yè)的內(nèi)外環(huán)境正經(jīng)受著嚴峻考驗。

在此宏觀背景下,中國提出了供給側結構改革的應對措施,去產(chǎn)能、去庫存、去杠桿、降成本、補短板,希望從生產(chǎn)領域加強優(yōu)質(zhì)供給,擴大有效供給,提高供給結構的適應性和靈活性,提高全要素生產(chǎn)率,使供給體系更好地適應需求結構的變化。在供給側結構改革的背景下,既要提高各行業(yè)全要素生產(chǎn)率,又要保障供給秩序,這對中國各個行業(yè)都提出了更高的要求,而金融業(yè)又是保障供給側改革的關鍵行業(yè)。

銀行業(yè)是中國金融業(yè)的支柱,也是整個經(jīng)濟的支柱。供給側改革首先強調(diào)去庫存、去產(chǎn)能,這就會影響基礎設施建設相關領域的短期發(fā)展,甚至可能帶來個別行業(yè)的陣痛,比如鋼鐵、房地產(chǎn)等行業(yè)。由于這些傳統(tǒng)的粗放式經(jīng)營行業(yè)通常有比較充分的抵押資產(chǎn),并且往往能夠得到地方政府的扶持,所以它們占據(jù)了較大比例的銀行業(yè)務,得到了大量的銀行貸款。在經(jīng)濟增速放緩的背景下,銀行業(yè)也必將受到更大的沖擊。中國商業(yè)銀行不良貸款率從2014年第3季度開始逐漸上升,到2016年末達到了1.81%。

中國商業(yè)銀行如何應對經(jīng)濟的低速增長新常態(tài)?如何應對居高不下的不良貸款?如何不斷創(chuàng)新以提高全要素生產(chǎn)率?這是今后一段時期中國商業(yè)銀行面臨的主要問題。因此,研究后危機時代中國商業(yè)銀行全要素生產(chǎn)率并分析其影響因素具有十分重要的理論意義和現(xiàn)實意義。

二 國內(nèi)外文獻綜述

針對銀行全要素生產(chǎn)率的研究,它與銀行效率研究、銀行競爭力研究是一體的。銀行全要素生產(chǎn)率的研究源于對銀行效率的評價,早期有很多學者對銀行效率進行了各方面的研究,Berger等[1,2]對前期大約130多篇關于銀行效率的研究進行了綜述,并對效率計算方法進行了總結,分為非前沿分析法和前沿分析法,并重點概括了應用最多的前沿分析法,把前沿分析法又分為參數(shù)和非參數(shù)兩種測度方法。其中,參數(shù)法包括隨機前沿法(stochastic frontier approach,SFA)、自由分布法(distribution free approach,DFA)和厚前沿法(thick frontier approach,TFA);非參數(shù)法包括數(shù)據(jù)包絡分析法(data envelopment analysis,DEA)和無界分析法(free disposal hull,FDH),統(tǒng)計近些年商業(yè)銀行效率的文獻,使用較多的是參數(shù)法中的SFA模型和非參數(shù)法中的DEA模型。

針對中國商業(yè)銀行效率或全要素生產(chǎn)率,Chen等[3]、Kumbhakar和Wang[4]、Yao等[5]、Matthew和Zhang[6]、Barros等[7]從不同角度進行了分析。

袁曉玲、張寶山[8]、蔡躍洲和郭梅軍[9]分別研究了不同年份的中國商業(yè)銀行全要素生產(chǎn)率,并且也都是用Malmquist指數(shù)進行分析,他們研究的區(qū)別在于樣本和研究時間跨度略有差異,袁曉玲和張寶山研究了15家商業(yè)銀行,時間跨度是1999-2006年;蔡躍洲和郭梅軍研究了11家商業(yè)銀行,時間跨度是2004-2008年,他們都得出了相似的結論,認為在這一時期中國上市商業(yè)銀行全要素生產(chǎn)率總體略有下降。

針對中國商業(yè)銀行全要素生產(chǎn)率,張健華和王鵬[10,11]進行了跟蹤,主要利用產(chǎn)出定位距離函數(shù)來進行分析,重點研究了金融體制變革對中國銀行業(yè)全要素生產(chǎn)率的影響,并對全要素生產(chǎn)率進行了拆分研究,和大多數(shù)學者的研究一致,他們認為在中國商業(yè)銀行效率中,規(guī)模效率變化不大,技術進步變化最大。

侯曉輝等[12]則用SFA面板數(shù)據(jù)模型分析中國商業(yè)銀行效率值,選取2001-2008年的相關數(shù)據(jù),研究個體效應與非效率項分離模式,計算廣義Malmquist值,并用得出的全要素生產(chǎn)率值研究體制機制以及市場力量對中國商業(yè)銀行效率的影響。

柯孔林和馮宗憲[13]，姜永宏和蔣偉杰[14]各自使用了一種特殊的指標計算研究中國商業(yè)銀行全要素生產(chǎn)率,其中柯孔林和馮宗憲的方法稱為全域Malmquist全要素生產(chǎn)率指數(shù),姜永宏和蔣偉杰的方法為Hicks-Moorsteen全要素生產(chǎn)率指數(shù),全域Malmquist全要素生產(chǎn)率指數(shù)能夠分析不良貸款對銀行效率的影響,Hicks-Moorsteen全要素生產(chǎn)率指數(shù)側重研究體制機制對銀行全要素生產(chǎn)率指數(shù)的影響。

李小勝和張煥明[15]用了一個較新的方法研究不良貸款對銀行效率的影響,他們的研究方法核心在于兩階段網(wǎng)絡分析,他們利用2004-2012年的中國商業(yè)銀行數(shù)據(jù),分析中國商業(yè)銀行不良貸款約束下的全要素生產(chǎn)率問題,認為主要是技術進步帶來了全要素生產(chǎn)率的提升。

與上述學者們的研究不同,胡海峰和武鵬[16]將研究視角擴大到全球,他們分析了多達45個國家的相關數(shù)據(jù),主要研究宏觀背景對銀行全要素效率的影響,認為每個國家的宏觀經(jīng)濟背景不同,導致該國的銀行效率不同。

本文在以往研究分析的基礎上,針對2008年以來金融危機對中國商業(yè)銀行的深遠影響,側重研究后危機時代中國商業(yè)銀行的全要素生產(chǎn)率,尤其重點分析2015年以來中國宏觀背景變化對中國商業(yè)銀行效率的影響,并對影響中國商業(yè)銀行全要素生產(chǎn)率的宏觀微觀因素進行分析,以補充完善以往研究的不足。

三 中國商業(yè)銀行全要素生產(chǎn)率模型

(一)銀行技術衡量

一般地,單一投入和單一產(chǎn)出的廠商,其技術水平可以定義為產(chǎn)出與投入的比值。如果能夠找到恰當?shù)闹笜藖肀硎径喾N投入和多種產(chǎn)出,則多投入多產(chǎn)出廠商的技術水平就可以定義為產(chǎn)出指數(shù)與投入指數(shù)的比值,而投入總量函數(shù)和產(chǎn)出總量函數(shù)可作為衡量多種投入和多種產(chǎn)出的指數(shù)。

假定第i家銀行在時期t的投入和產(chǎn)出向量分別為xit=(x1it,…,xKit)′和yit=(y1it,…,yKit)′,令Xit≡X(xit)及Yit≡Y(yit)分別表示投入總量函數(shù)和產(chǎn)出總量函數(shù),則銀行的技術水平就可以被定義為公式(1):

(1)

(二)銀行效率衡量及分解

按照上述技術水平的定義,效率可被定義為不同條件下測量的技術水平比值,令Techt*為在t期技術水平約束下可達到的最大技術水平,則某一銀行效率可以表示為該銀行的實際技術水平與這一時期最大化的技術水平之比,見公式(2):

(2)

公式(2)中,Xt*和Yt*分別表示最佳技術水平條件下的投入總量和產(chǎn)出總量。在投入導向條件下,Eit可進一步分解為技術效率(ITE)、規(guī)模效率(ISE),見公式(3):

(3)

(三)銀行全要素生產(chǎn)率(TFP)及其分解

全要素生產(chǎn)率(TotalFactorProductivity,TFP)是指產(chǎn)量與全部要素投入量之比,全要素生產(chǎn)率的來源包括技術進步、組織創(chuàng)新、專業(yè)化和生產(chǎn)創(chuàng)新等。產(chǎn)出增長率超出要素投入增長率的部分為全要素生產(chǎn)率(也稱總和要素生產(chǎn)率)。全要素生產(chǎn)率反映了投入要素以外的其他因素(如技術進步、技術效率的提高等)對銀行增長的貢獻,是衡量銀行持續(xù)發(fā)展的重要指標。

按照前文設定,x為投入,y為產(chǎn)出,T為生產(chǎn)可能集,則定向技術距離函數(shù)定義為公式(4):

D(x,y,gx,gy)=max{β:(x-βgx,y+gy)∈T}

(4)

其中,(gx,gy)≥0為給定的方向向量,β是常數(shù)。t期,投入產(chǎn)出導向型的Malmquist指數(shù)定義為公式(5):

(5)

公式(5)中,Malmquist指數(shù)又可以進一步分解為技術進步指數(shù)(Techch)、純技術效率指數(shù)(Pech)和規(guī)模效率指數(shù)(Sech),見公式(6):

TFP=Techch×Pech×Sech

(6)

若定向技術距離函數(shù)的上標為t,在計算時采用t的生產(chǎn)可能集;若為t+1,用t+1期的生產(chǎn)可能集。下標V表示生產(chǎn)可能集是規(guī)模收益可變,下標C表示生產(chǎn)可能集是規(guī)模收益不變。

四 中國商業(yè)銀行全要素生產(chǎn)率實證分析

(一)變量選擇

根據(jù)中國銀行業(yè)的具體情況和研究內(nèi)容的不同,學者們采取了不同的指標描述投入和產(chǎn)出。本文借鑒姜永宏和蔣偉杰[14]，李小勝和張煥明[15]的研究方法,選取的變量如下:

1.投入指標

投入指標包括:利息支出、營業(yè)支出、存款總額、員工人數(shù)。

2.產(chǎn)出指標

產(chǎn)出指標為利息凈收入、非利息收入、貸款總額。

(二)數(shù)據(jù)樣本

1.樣本

本文研究后危機時代中國商業(yè)銀行全要素生產(chǎn)率,重點分析2008年之后的銀行效率變化情況,所以以2008年為基礎,再向前取兩年的數(shù)據(jù),確定為2006-2016年。

本文研究的樣本為16家上市的中國商業(yè)銀行,包括:中國銀行、中國工商銀行、中國建設銀行、中國農(nóng)業(yè)銀行、交通銀行、招商銀行、中信銀行、興業(yè)銀行、浦發(fā)銀行、民生銀行、光大銀行、平安銀行、華夏銀行、北京銀行、南京銀行、寧波銀行。本文選取這16家商業(yè)銀行2006-2016年的投入產(chǎn)出年度數(shù)據(jù)。

2.數(shù)據(jù)

本文的數(shù)據(jù)為16家樣本銀行的利息支出、營業(yè)支出、存款總額、員工人數(shù)、利息凈收入、非利息收入、貸款總額,這些數(shù)據(jù)都來源于樣本上市銀行的2006-2016年公司年報,由于大多數(shù)銀行上市公司年報都是合并報表,所以相關數(shù)據(jù)是選取的銀行集團數(shù)據(jù)。數(shù)據(jù)來源于wind數(shù)據(jù)庫。

3.投入產(chǎn)出指標數(shù)據(jù)統(tǒng)計描述

本文研究各種宏微觀因素對商業(yè)銀行全要素生產(chǎn)率的影響,還試圖分析所有權結構、產(chǎn)權結構、體制機制對銀行業(yè)效率的影響,因此本文也按照一般的分類方法對銀行業(yè)劃分,分為國有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行。表1是2006-2016年中國商業(yè)銀行投入產(chǎn)出指標的統(tǒng)計情況。

表1 2006-2016年16家上市銀行投入產(chǎn)出指標數(shù)據(jù)統(tǒng)計描述 單位:億元

備注:5家國有商業(yè)銀行是指中國銀行、中國工商銀行、中國建設銀行、中國農(nóng)業(yè)銀行、交通銀行;8家股份制商業(yè)銀行是指招商銀行、中信銀行、興業(yè)銀行、浦發(fā)銀行、民生銀行、光大銀行、平安銀行、華夏銀行;3家城市商業(yè)銀行是指北京銀行、南京銀行、寧波銀行。

(三)實證分析

本文利用DEAP2.1軟件處理相關數(shù)據(jù),計算中國商業(yè)銀行Malmquist全要素生產(chǎn)率,表2是中國16家上市商業(yè)銀行后危機時代的Malmquist值計算結果。本文統(tǒng)計的原始數(shù)據(jù)時間段為2006-2016年,DEAP2.1軟件處理時消掉了第一個時間,即2006年的值,因為每一個Malmquist生產(chǎn)率值都是表示其相對于上一年度的增長或下降,如果數(shù)值大于1,表示全要素生產(chǎn)率比上一年度增加,如果數(shù)值小于1,表示全要素生產(chǎn)率比上一年度減少,數(shù)值相對1的大小描述增長或下降的幅度。2006年的Malmquist值默認為1,所以省略不寫。最后一列的平均值是每個銀行按年度進行幾何平均計算得到的結果。

表2 2007-2016年16家上市銀行各年度Malmquist指數(shù)值

續(xù)表2 2007-2016年16家上市銀行各年度Malmquist指數(shù)值

1.中國商業(yè)銀行全要素生產(chǎn)率Malmquist值總體情況分析

從表2可以看出,總體來說,所有銀行10年平均全要素生產(chǎn)率Malmquist值為0.996 0,相當于全要素生產(chǎn)率平均每年下降0.4%。后危機時代中國商業(yè)銀行的平均全要素生產(chǎn)率是下降的,這和大多數(shù)相關研究的結論是一致的。2008年發(fā)生的美國金融危機確實對中國銀行業(yè)的生產(chǎn)率和效率有著深遠的影響,尤其是2015年開始的經(jīng)濟相對低速增長對中國銀行業(yè)的影響也是非常明顯的。

按產(chǎn)權屬性進行比較分析,表2顯示,5大國有商業(yè)銀行的10年平均全要素生產(chǎn)率Malmquist值為0.966;8家股份制商業(yè)銀行平均值為1.001;而3家城市商業(yè)銀行平均值達到1.036,說明后危機時代,國有商業(yè)銀行平均全要素生產(chǎn)率是下降的,5大國有銀行年均下降比率達到3.4%;3家樣本城市商業(yè)銀行的平均全要素生產(chǎn)率是上升的,年均上升比率為3.6%。

可以看出,從體制機制角度分析中國商業(yè)銀行全要素生產(chǎn)率的話,體制機制更靈活的股份制商業(yè)銀行和3家城市商業(yè)銀行全要素生產(chǎn)率更高,尤其是城商行效率值最高。五大國有商業(yè)銀行資產(chǎn)規(guī)模大,海外業(yè)務也相當較多,金融危機造成的沖擊也相對中小銀行更大。而中小規(guī)模的商業(yè)銀行,尤其是城市商業(yè)銀行,“船小好掉頭”,經(jīng)營機制靈活,業(yè)務轉(zhuǎn)型快,所以應對宏觀背景變化的能力相對更強。

需要解釋的是,從樣本的角度來看,中國有5大國有商業(yè)銀行,有傳統(tǒng)意義上的成立之初就按照股份制經(jīng)營的9家全國性股份制商業(yè)銀行,還有幾乎每個城市都有的城市商業(yè)銀行。5大國有商業(yè)銀行早就進行了股份制改革并已全部上市交易;9家全國性股份制商業(yè)銀行只有廣發(fā)銀行還沒有上市;而眾多的城市商業(yè)銀行本文只選取了2016年之前上市的3家銀行。三個樣本很難準確描述中國城市商業(yè)銀行的全部情況,更為重要的是,從上市的角度看,一定是最優(yōu)秀的城商行才能通過“層層選拔”,完成上市。因此,本文對商業(yè)銀行全要素生產(chǎn)率的研究,就城市商業(yè)銀行而言,僅針對3家樣本銀行,不能說中國的城市商業(yè)銀行比國有商業(yè)銀行和股份制商業(yè)銀行效率高,只是這3個樣本銀行全要素產(chǎn)生率較高。

2.中國商業(yè)銀行全要素生產(chǎn)率Malmquist值按年度比較分析

為了進一步分析后危機時代中國商業(yè)銀行全要素生產(chǎn)率變化情況,對實證結果按年度進行比較分析發(fā)現(xiàn),2009年所有銀行平均全要素生產(chǎn)率Malmquist值最高,為1.222;2016年最低,只有0.882。2009年的平均全要素生產(chǎn)率達到極值,主要是中國政府為了應對2008年的全球金融危機,在2008年末和2009年初采取了一系列振興經(jīng)濟的措施,包括寬松的貨幣政策、地方政府債券的放開、巨額的財政投放,還有著名的4萬億救市,這些經(jīng)濟刺激手段直接導致2009年中國經(jīng)濟快速的恢復了高增長,也導致了中國房地產(chǎn)市場的二次繁榮,這些最終也都帶來了當年中國商業(yè)銀行生產(chǎn)率的顯著提高。事實上,2009年寬松的貨幣政策帶來的巨額資金投放,并沒有進入實體經(jīng)濟,大多數(shù)都通過金融業(yè)進入了房地產(chǎn)市場和資本市場,這帶來了銀行業(yè)短暫的產(chǎn)出增加,抬高了當年的全要素生產(chǎn)率。但這是虛假繁榮,這些措施并沒有對實體經(jīng)濟做出太大貢獻,也影響了金融業(yè)的持續(xù)發(fā)展,從表2中可以看出,2010年和2011年平均全要素生產(chǎn)率Malmquist值都是低于1的,這得到了很好的印證。

2016年Malmquist值最低,這與2014年下半年以來國際國內(nèi)經(jīng)濟的宏觀背景是一致的。2014年下半年以來,隨著美國退出量化寬松貨幣政策,美國經(jīng)濟開始復蘇,使國際資本大量外流,這使中國經(jīng)濟增速開始下降,銀行業(yè)不良貸款比率開始攀升,銀行業(yè)的經(jīng)營效率下降,相對產(chǎn)出減少,全要素生產(chǎn)率下降。

綜上所述,宏觀背景對中國商業(yè)銀行全要素生產(chǎn)率影響巨大,中國商業(yè)銀行的發(fā)展離不開中國經(jīng)濟的支持,在當前中國經(jīng)濟增速下降的新常態(tài)下,中國商業(yè)銀行必須要積極求變、加快創(chuàng)新,盡快找到提高全要素生產(chǎn)率的新的措施和辦法。

3.中國商業(yè)銀行全要素生產(chǎn)率Malmquist值按效率分解情況比較分析

表3 2007-2016年16家上市銀行平均Malmquist指數(shù)值及分解情況

表3是中國16家上市銀行各年度平均Malmquist指數(shù)值的分解情況,其中,effch表示綜合技術效率變化,techch表示技術進步變化,pech表示純技術效率變化,sech表示規(guī)模效率變化,并且有effch=pech×sech,即綜合技術效率進一步分解為純技術效率和規(guī)模效率。tfpch表示全要素生產(chǎn)率Malmquist指數(shù),有tfpch=effch×techch=pech×sech×techch。另外,表2的所有數(shù)值也是DEAP軟件的tfpch值。

2007年相比于2006年,全要素生產(chǎn)率變化不大,而2008年Malmquist指數(shù)下降到0.947,相當于全要素生產(chǎn)率下降了5.3%,從其分解情況看,純技術效率下降3%,規(guī)模效率下降了0.5%,技術進步指數(shù)下降了1.8%,這是2008年全球金融危機帶來的后果,金融危機抑制了金融創(chuàng)新,金融創(chuàng)新的倒退反應在了技術進步指數(shù)變化上。2009年Malmquist指數(shù)值為1.222,比2008年上升了22.2%,原因上文已經(jīng)作了分析。

2013的技術進步指數(shù)又顯著低于2012年,從宏觀背景來看,是歐債危機影響了銀行業(yè)的發(fā)展。2016年,相關指標又出現(xiàn)了較大變化,Malmquist指數(shù)值只有0.882,分解來看,純技術效率和規(guī)模效率分別為0.999和1.003,與其他時間差別不大,而技術進步指數(shù)下降最多,為0.881,表明其相對2015年下降了11.9%,宏觀環(huán)境的不利變化影響了中國商業(yè)銀行的持續(xù)發(fā)展。

總體來看,金融危機不只是影響了經(jīng)濟增長,更為重要的是,從某種意義上說，2008年金融危機是金融創(chuàng)新過度,相應的金融風險控制不足,金融監(jiān)管不到位的結果。所以金融危機發(fā)生之時,次貸崩盤,資產(chǎn)證券化遭到廣泛質(zhì)疑,大量的金融創(chuàng)新產(chǎn)品“下架”,這極大的抑制了銀行業(yè)技術進步和提升,拖累了商業(yè)銀行全要素生產(chǎn)率。

總體來說,對于各個商業(yè)銀行,不同時期、不同規(guī)模、不同體制、不同經(jīng)營管理制度都影響著其全要素生產(chǎn)率,實際上影響商業(yè)銀行全要素生產(chǎn)率和競爭力的因素很多,既有宏觀背景方面的,也有微觀財務方面的,本文將進一步對此進行詳細分析。

五 后危機時代中國商業(yè)銀行全要素生產(chǎn)率影響因素分析

在上述分析中已經(jīng)得到了各商業(yè)銀行各年度Malmquist指數(shù)值,初步可以得出各銀行以及各年度的商業(yè)銀行全要素生產(chǎn)率,并做出簡單的比較分析。但是,究竟是哪些因素影響了銀行效率,Malmquist值無法準確給出,因此需要進一步的分析,本文利用面板數(shù)據(jù)模型從宏觀和微觀兩個角度分析影響商業(yè)銀行全要素生產(chǎn)率的因素。

(一)宏觀影響因素選取

從宏觀角度看,影響商業(yè)銀行全要素生產(chǎn)率的因素很多,本文沿用Chen等[3]、袁曉玲和張寶山[8]的研究成果,用經(jīng)濟增長率、貨幣供應量增長率、全社會固定資產(chǎn)投資增長率、通貨膨脹率四個指標分析中國商業(yè)銀行全要素生產(chǎn)率的宏觀影響因素。

1.經(jīng)濟增長率

從根本上說,銀行業(yè)的全要素生產(chǎn)率是一個國家經(jīng)濟發(fā)展情況的反映,所以本文首先選取經(jīng)濟增長率來分析其對中國商業(yè)銀行的全要素生產(chǎn)率的影響。

2.貨幣供應量

銀行業(yè)是經(jīng)營貨幣的金融部門,貨幣供給是通過銀行系統(tǒng)實現(xiàn)的,所以貨幣供應量是直接影響銀行競爭力的因素。

3.全社會固定資產(chǎn)投資增長率

全社會固定資產(chǎn)投資增長率從宏觀上體現(xiàn)著商業(yè)銀行的經(jīng)營方向和經(jīng)營內(nèi)容,也是影響銀行全要素生產(chǎn)率的重要因素。

4.通貨膨脹率

通貨膨脹率是一個重要的經(jīng)濟指標,它既影響銀行系統(tǒng)的實際利率,也影響銀行業(yè)的經(jīng)營利潤,也是商業(yè)銀行的全要素生產(chǎn)率的影響因素之一。

(二)微觀層面影響因素選取

本文從創(chuàng)新能力、公司治理水平、資產(chǎn)配置情況、經(jīng)營穩(wěn)定能力、盈利能力等五個方面來分析影響中國商業(yè)銀行效率的微觀因素。

1.創(chuàng)新能力

前文已經(jīng)提到,銀行全要素生產(chǎn)率Malmquist值分解時,技術進步指數(shù)的變化差異最大,說明技術進步指數(shù)對銀行競爭力的影響最大,而衡量銀行技術進步指數(shù)的主要是銀行的創(chuàng)新能力,所以本文將創(chuàng)新能力作為最重要的影響指標來進行因素分析,從銀行實務來看,隨著創(chuàng)新能力的提升,最顯著的變化是銀行非利息收入將顯著增加,所以,本文用銀行非利息收入占比(NII)來具體描述創(chuàng)新能力。非利息收入占比=非利息收入/(利息凈收入+非利息收入)。

2.公司治理水平

任何一個現(xiàn)代化企業(yè),其公司治理水平都將顯著影響該企業(yè)的競爭力,銀行也不例外,商業(yè)銀行的公司治理水平影響著銀行的競爭力,影響著銀行的經(jīng)營效率,所以本文將公司治理水平作為一個指標來進行銀行要素分析。另外一方面,如何衡量公司治理水平又成為一個難點,按照現(xiàn)代公司管理理念,通常認為一個企業(yè)的代理成本與公司治理水平有直接關聯(lián)。本文采用Singh和Davidson[17]的觀點,選取銀行的營業(yè)外支出比率(NBE)來衡量公司治理水平。營業(yè)外支出比率=營業(yè)外支出/營業(yè)收入,且營業(yè)收入=利息凈收入+非利息收入。

3.資產(chǎn)配置情況

銀行是一個典型的負債依賴型企業(yè),因此銀行資產(chǎn)的配置情況也將影響銀行的競爭效率,銀行最主要的資產(chǎn)毫無疑問是貸款,那么衡量銀行資產(chǎn)配置情況的主要指標就是貸款比重,本文用存貸比(LDR)衡量銀行資產(chǎn)配置情況。存貸比=總貸款/總存款。

4.經(jīng)營穩(wěn)定能力

銀行是一個依靠存款進行資產(chǎn)管理的企業(yè),銀行的經(jīng)營穩(wěn)定性既影響銀行客戶的潛在風險,又決定了客戶的二次選擇,同時經(jīng)營的穩(wěn)定能力也影響銀行資產(chǎn)負債管理的連貫性,因此銀行的經(jīng)營穩(wěn)定性是影響銀行效率的又一個因素。本文用銀行的資本充足率(CAR)來衡量銀行的經(jīng)營穩(wěn)定能力。

5.盈利能力

任何一個企業(yè)的經(jīng)營目的都是盈利,唯有獲利才是企業(yè)生存發(fā)展的根本保障,銀行競爭力的提高離不開銀行盈利能力的提高,因此本文將盈利能力作為影響銀行效率的一個因素。具體用凈資本收益率(ROE)來衡量企業(yè)的盈利能力。

可以看出,本文所選取的所有指標都是相對指標,這能很好地消除絕對數(shù)值對研究結果的影響。

(三)中國商業(yè)銀行全要素生產(chǎn)率宏觀影響因素的面板數(shù)據(jù)模型

本文用面板數(shù)據(jù)模型估計中國商業(yè)銀行效率的宏觀影響因素。選取第四部分得到的全要素生產(chǎn)率Malmquist指數(shù)值(TFP)作為被解釋變量,解釋變量為經(jīng)濟增長率(GDP)、貨幣供應量增長率(M2)、全社會固定資產(chǎn)投資增長率(FAI)、通貨膨脹率(INF)。

建立宏觀影響因素面板數(shù)據(jù)模型:

TFPit=β0+β1GDPt+β2M2t+β3FAIt+β4INFt+εit

(7)

公式(7)中,TFPit為第i個銀行第t年的全要素生產(chǎn)率,GDPt、M2t、FAIt、INFt分別表示第t年的國內(nèi)生產(chǎn)總值增長率、M2貨幣供應量增長率和全社會固定資產(chǎn)投資增長率和通貨膨脹率。i=1,2,…,16;t=2007,2008,…,2016。

對于時間的選取,本文第四部分全要素生產(chǎn)率Malmquist值的計算,因為默認第一個年度2006年的指數(shù)值為1,所以不列入因素分析模型中。最終模型所選取面板數(shù)據(jù)為2007-2016年16家中國商業(yè)銀行的相關數(shù)據(jù)。

由于選取的指標有可能會出現(xiàn)多重共線性,所以文本采用王聰和譚政勛[18]的多變量綜合主成分旋轉(zhuǎn)法進行分析。

(四)中國商業(yè)銀行全要素生產(chǎn)率微觀影響因素的面板數(shù)據(jù)模型

本文同樣用面板數(shù)據(jù)模型估計中國商業(yè)銀行效率的微觀層面影響因素。選取TFP作為被解釋變量,解釋變量為非利息收入占比(NII)、營業(yè)外支出比率(NBE)、存貸比(LDR)、資本充足率(CAR)、凈資本收益率(ROE)。

建立面板數(shù)據(jù)模型:

TFPit=α0+α1NIIit+α2NBEit+α3LDRit+α4GRit+α5ROEit+εit

(8)

公式(8)中,TFPit為第i個銀行第t年的全要素生產(chǎn)率;NIIit、NBEit、LDRit、CARit、ROEit分別為第i個銀行第t年的非利息收入占比、營業(yè)外支出比率、存貸比、資本充足率、凈資本收益率。

(五)中國商業(yè)銀行全要素生產(chǎn)率影響因素的實證分析

1.宏觀影響因素模型估計

表4 2007-2016年中國商業(yè)銀行全要素生產(chǎn)率宏觀影響因素模型估計

注: *表示顯著性通過1%的水平檢驗

表4是中國商業(yè)銀行全要素生產(chǎn)率宏觀影響因素模型估計結果。結果顯示國內(nèi)生產(chǎn)總值增長率(GDP)和貨幣供應量增長率(M2)統(tǒng)計結果顯著,而固定資產(chǎn)投資增長率(FAI)和通貨膨脹率(INF)統(tǒng)計結果不顯著。

中國經(jīng)濟在過去30年基本以粗放式經(jīng)濟為主,中國的銀行業(yè)資產(chǎn)投放、銀行經(jīng)營效率和中國宏觀經(jīng)濟發(fā)展息息相關,表4中GDP系數(shù)為3.9813,顯著影響,這說明在經(jīng)歷了2008年金融危機之后,中國商業(yè)銀行的整體經(jīng)營情況依然過于依賴宏觀經(jīng)濟的增長。

銀行業(yè)是一個主要經(jīng)營貨幣的經(jīng)濟部門,貨幣供給是銀行部門的主要經(jīng)營內(nèi)容,表4中M2統(tǒng)計系數(shù)為4.266 3,t統(tǒng)計量為7.780 6,影響顯著,說明在后危機時代貨幣投放仍然是商業(yè)銀行主要的競爭來源。事實上本文在第四部分重點討論過2009年商業(yè)銀行全要素生產(chǎn)率情況,在經(jīng)濟沒有太大增長的情況下,2009年商業(yè)銀行平均全要素生產(chǎn)率1.222,達到了近些年最高值。而另一方面,2009年貨幣供應量M2增長率為27.58%,也是近些年的最高值,這充分說明了貨幣供應量與商業(yè)銀行全要素生產(chǎn)率的正相關關系。

固定資產(chǎn)投資增長率和通貨膨脹率的統(tǒng)計結果不顯著,這表明,中國固定資產(chǎn)投資帶來的資金投放及其效應并沒有顯著的帶來中國商業(yè)銀行全要素生產(chǎn)率的變化。同樣,通貨膨脹的變化可能帶來實際利率的改變,但是它也沒有明顯的改變商業(yè)銀行全要素生產(chǎn)率。

總之,從宏觀層面看,經(jīng)濟增長水平和貨幣供應量是影響中國商業(yè)銀行全要素生產(chǎn)率的主要因素。

2.微觀影響因素模型檢驗

表5 TFP 隨機效應模型Hausman檢驗的輸出結果

中國商業(yè)銀行全要素生產(chǎn)率微觀影響因素實證檢驗,首先通過面板數(shù)據(jù)隨機效應模型的Hausman檢驗來查看模型的適用性。

表5是以TFP為被解釋變量的面板數(shù)據(jù)隨機效應模型Hausman檢驗結果,可以看出,隨機效應的Hausman統(tǒng)計量的值為16.859 5,伴隨概率為0.004 8,拒絕固定效應模型與隨機效應模型不存在系統(tǒng)差異的原假設,建立固定效應模型。

3.微觀影響因素模型估計

表6 TFP固定效應模型估計結果

注: *、**分別表示顯著性通過1%、5%的水平檢驗

表6是TFP固定效應模型估計結果,結果顯示公司治理水平(NBE)和銀行經(jīng)營穩(wěn)定性(CAR)對中國商業(yè)銀行全要素生產(chǎn)率的影響不是很明顯。統(tǒng)計上看,銀行創(chuàng)新能力(NII)、盈利能力(ROE)和資產(chǎn)配置情況(LDR)影響顯著。

(1)非利息收入占比。通常認為銀行的非利息收入占比體現(xiàn)了銀行的創(chuàng)新能力,創(chuàng)新能力越強,銀行的效率越高,在TFP面板數(shù)據(jù)固定效應模型估計中,NII的系數(shù)為正,說明銀行創(chuàng)新能力確實提高了銀行的效率。

(2)凈資本收益率。從模型結果來看,凈資本收益率ROE的系數(shù)為正,這說明當前中國銀行業(yè)的效率主要還是依賴于盈利能力,而盈利能力主要還是來源于銀行的利息收入,來源于銀行傳統(tǒng)業(yè)務的存貸款利息差。

(3)存貸比。存貸比(LDR)衡量了銀行的資產(chǎn)配置能力,對于銀行來說,一方面存貸比越高,說明銀行的存款成本越低,盈利能力越強,效率越高;但是另一方面,在一定范圍內(nèi),存貸比稍低一些,銀行的資產(chǎn)選擇越豐富,資產(chǎn)配置越多樣,獲得更多高質(zhì)量資產(chǎn)的能力也就越強,銀行效率越高,尤其對于創(chuàng)新能力越強的銀行,資產(chǎn)選擇越應該趨向于多樣化。表6中的LDR系數(shù)為正,說明中國的商業(yè)銀行存貸比更多地體現(xiàn)在銀行的相對存款成本、存貸款利息差以及盈利能力上,這也符合當前中國商業(yè)銀行的基本情況。

總之,從微觀層面看,后危機時代中國銀行業(yè)的全要素生產(chǎn)率主要來源于銀行業(yè)的盈利能力、創(chuàng)新能力以及資產(chǎn)配置能力。

六 結論及政策建議

(一)結論

本文利用2006-2016年16家中國商業(yè)銀行數(shù)據(jù),分析中國商業(yè)銀行的全要素生產(chǎn)率以及影響生產(chǎn)率的因素,運用商業(yè)銀行全要素生產(chǎn)率Malmquist指數(shù)和面板數(shù)據(jù)模型測度商業(yè)銀行效率值和影響因素,最終通過Deap軟件和Eviews軟件處理相關數(shù)據(jù),得出并分析模型的估計結果。

1.宏觀背景是影響中國商業(yè)銀行全要素生產(chǎn)率的最主要因素

2006年之后,中國商業(yè)銀行全要素生產(chǎn)率整體呈下降趨勢,尤其2008年和2015年下降幅度比較大;2009年所有銀行平均效率最高,Malmquist指數(shù)值為1.272 0;而2015年的效率值最低,Malmquist值只有0.870 0。進一步分解看,各年度技術進步變化差異較大,2008年技術進步指數(shù)較低,而2009年的技術進步指數(shù)又顯著高于2007年和2008年,這是2008年全球金融危機及應對危機的救市政策帶來的結果,金融危機抑制了金融創(chuàng)新,金融創(chuàng)新的倒退反應在了技術進步指數(shù)變化上。2011-2013年的技術進步指數(shù)都比較低,從宏觀背景來看,歐債危機影響了銀行業(yè)的發(fā)展?？梢院苊黠@地看出,宏觀背景對商業(yè)銀行全要素生產(chǎn)率有著最直接的顯著影響。

另一方面,統(tǒng)計結果顯示,經(jīng)濟增長水平確實影響了中國商業(yè)銀行的全要素生產(chǎn)率。當前中國銀行業(yè)的整體競爭能力主要還是得益于中國經(jīng)濟的高速增長,經(jīng)濟發(fā)展保障了中國各行業(yè)的競爭實力。

銀行業(yè)是一個資金密集型行業(yè),貨幣的投放既是銀行業(yè)的主要業(yè)務內(nèi)容,也體現(xiàn)著商業(yè)銀行最核心的競爭力,從實證結果看,貨幣投放越多的年份各商業(yè)銀行整體的全要素生產(chǎn)率也越高。通常而言,貨幣投放越多,通貨膨脹壓力也越大,也更可能帶來貨幣膨脹率的提高,這可能會破壞銀行業(yè)的競爭能力,不過從本文的統(tǒng)計結果來看,通貨膨脹對中國商業(yè)銀行全要素生產(chǎn)率的影響并不明顯,因此這可能會更進一步刺激銀行系統(tǒng)的貨幣投入力度。

2.銀行自身環(huán)境是影響中國商業(yè)銀行全要素生產(chǎn)率的決定性因素

(1)經(jīng)營穩(wěn)定性對中國商業(yè)銀行全要素生產(chǎn)率的影響不顯著。資本充足率是一個較為復雜的因素,一方面,銀行資本充足率越高,銀行的經(jīng)營穩(wěn)定性就越好,銀行風險越小,銀行效率就越高;另一方面,銀行是一個依賴于負債經(jīng)營的企業(yè),資本充足率越高,財務杠桿越小,銀行盈利能力可能越小,利潤越少,影響銀行的效率。但在本文模型估計中,CAR統(tǒng)計不顯著,這也較好地反映了資本充足率對中國商業(yè)銀行效率影響的復雜性。

(2)公司治理結構對中國商業(yè)銀行全要素生產(chǎn)率的影響不顯著。通常認為銀行的營業(yè)外支出占比反映銀行的公司治理水平,營業(yè)外支出相對越少,銀行治理水平越高,銀行效率越高,也就是它們應該是負相關的,但是本文TFP固定效應模型估計中,統(tǒng)計不顯著,這可能是由于營業(yè)外支出占銀行的收入比較非常小,平均僅有0.27%。

(3)盈利能力對中國商業(yè)銀行全要素生產(chǎn)率的影響最為顯著。模型估計結果顯示,凈資本收益率(ROE)的系數(shù)為正,且統(tǒng)計顯著。說明當前中國銀行業(yè)的競爭力主要還是依賴于盈利能力,更進一步是來源于銀行的利息收入帶來的盈利,來源于銀行傳統(tǒng)業(yè)務的存貸款利息差。而盈利能力對中國商業(yè)銀行效率的影響最為顯著,說明中國商業(yè)銀行的競爭力還處于比較初級的階段。

(4)創(chuàng)新能力和資產(chǎn)配置能力對中國商業(yè)銀行全要素生產(chǎn)率的影響比較顯著。非利息收入占比(NII)的系數(shù)為正,且統(tǒng)計顯著,說明銀行創(chuàng)新能力確實提高了銀行的競爭效率。存貸比(LDR)系數(shù)為正,且統(tǒng)計顯著,說明存貸比也影響了中國商業(yè)銀行的效率,事實上,存貸比更多的還是影響著中國商業(yè)銀行的凈利息收入,影響著商業(yè)銀行的盈利能力,進而影響銀行的效率。

綜合來看,影響中國商業(yè)銀行生產(chǎn)率的主要微觀因素還是盈利能力和創(chuàng)新能力,而其他因素統(tǒng)計上大都沒有顯著的帶來銀行效率的提升。

(二)政策建議

1.加快中國金融改革步伐,提高金融創(chuàng)新能力

為了全面提高中國商業(yè)銀行的效率,提升中國商業(yè)銀行的競爭力,務必從宏觀金融政策上做出改變,加快金融改革步伐,提高銀行業(yè)創(chuàng)新意識,拓展商業(yè)銀行中間業(yè)務、表外業(yè)務等非利息業(yè)務,增加銀行業(yè)非利息收入。創(chuàng)新是銀行生存的靈魂,是銀行發(fā)展的根本,是提高銀行競爭力的最有效手段,只有重視創(chuàng)新對銀行的重要性,才能改變銀行的盈利模式,才能有效提高銀行的競爭力。

2.央行要繼續(xù)豐富貨幣政策工具手段,減小貨幣供給量變化對全要素生產(chǎn)率的影響程度

本文第五部分實證發(fā)現(xiàn)貨幣供給量對中國商業(yè)銀行全要素生產(chǎn)率有著非常明顯的影響,貨幣供給量增幅較大的年份,銀行全要素生產(chǎn)率也顯著的增加,而一旦貨幣供給量增幅減少,銀行全要素生產(chǎn)率便馬上下降。針對這種情況,從貨幣供應量的角度,如果要提高中國商業(yè)銀行全要素生產(chǎn)率,就需要超發(fā)貨幣,但貨幣超發(fā)勢必會帶來通貨膨脹的壓力,以及一系列其他經(jīng)濟問題。而且從央行來說,商業(yè)銀行全要素生產(chǎn)率也不會成為貨幣政策的調(diào)控目標,貨幣政策工具選擇有著自身的決策依據(jù)和實施步驟。

但是,毫無疑問,不管是怎樣的貨幣政策決策制度,簡單的采取貨幣供應量發(fā)行增減來應對經(jīng)濟運行變化都是缺乏效率的,央行應該多方位多層次豐富貨幣政策工具,提高決策效率。近些年,為了更有效地對經(jīng)濟運行變化和金融市場變化進行定向精準調(diào)控,中國央行創(chuàng)設了很多新的貨幣政策工具,諸如中期借貸便利、抵押補充貸款工具、常備借貸便利等,這些新的貨幣政策工具成了常規(guī)貨幣政策工具非常有力的補充,也在一定程度上影響著中國商業(yè)銀行全要素生產(chǎn)率。大量的使用這種更精準的貨幣政策工具能夠抑制因貨幣供應量劇烈波動而引起的商業(yè)銀行全要素生產(chǎn)率的大幅波動,保證商業(yè)銀行全要素生產(chǎn)率的平穩(wěn)增長。

3.深化商業(yè)銀行與互聯(lián)網(wǎng)金融的合作,提高銀行生產(chǎn)效率

互聯(lián)網(wǎng)金融是當今全球互聯(lián)網(wǎng)時代的金融業(yè)常態(tài),也是銀行業(yè)發(fā)展的重要途徑和有效渠道,應該深化商業(yè)銀行與互聯(lián)網(wǎng)金融的合作,將互聯(lián)網(wǎng)引入銀行業(yè)業(yè)務發(fā)展中,全面提升銀行業(yè)的競爭格局,提高銀行效率。

身處互聯(lián)網(wǎng)時代,如果能有效發(fā)揮互聯(lián)網(wǎng)對銀行傳統(tǒng)業(yè)務的深化作用,發(fā)揮互聯(lián)網(wǎng)對銀行中間業(yè)務的發(fā)展促進作用,發(fā)揮互聯(lián)網(wǎng)對銀行新型業(yè)務的拓展作用,可以有效提高銀行資源的配置效率,提高商業(yè)銀行的競爭力。

4.提高商業(yè)銀行經(jīng)營管理理念,提升商業(yè)銀行的盈利質(zhì)量

本文對影響商業(yè)銀行全要素生產(chǎn)率的因素分析中,盈利能力是最顯著、最有效的一個因素,企業(yè)經(jīng)營的根本目的是盈利,銀行發(fā)展的根本前提也是盈利,只有盈利才能解決銀行發(fā)展過程中所遇到的所有問題,因此盈利能力是銀行全要素生產(chǎn)率的核心。

但是在保持盈利能力的前提下,中國商業(yè)銀行還需要進一步提高其盈利質(zhì)量。提高盈利質(zhì)量,可以提高銀行的競爭潛力和競爭效率。要想提高盈利質(zhì)量,需要提高銀行經(jīng)營管理水平,深化銀行內(nèi)部管理制度改革,完善銀行公司治理結構,強化銀行服務意識,增強銀行創(chuàng)新能力。