宋靜波

(黑龍江省社會科學院 應用經(jīng)濟研究所，哈爾濱 150010)

一、引言

美國次貸危機之后，中國政府為應對危機的不利影響，啟動“四萬億”投資計劃，隨著項目上馬、貸款增加、信用擴張的提速，經(jīng)濟運行態(tài)勢很快企穩(wěn)，“四萬億”達到預期效果。在隨后的十年，中國商業(yè)銀行完成了跨越式發(fā)展，從數(shù)據(jù)上可以了解中國銀行業(yè)發(fā)展的情況。截至2017年末，中國銀行業(yè)總資產(chǎn)規(guī)模252萬億，是GDP的3.04倍，2017年美國銀行業(yè)總資產(chǎn)規(guī)模16.83萬億美元，是GDP的0.86倍；而就在10年前，2007年中國銀行業(yè)規(guī)模是GDP的1.92倍，同期美國是0.75倍，僅僅10年，中國銀行業(yè)總資產(chǎn)規(guī)模與GDP的比重上升幅度遠高于同期美國。經(jīng)濟在不斷下行的同時，銀行資產(chǎn)卻在不斷膨脹，誰在支撐銀行體量的“變胖”？不僅如此，商業(yè)銀行體系內部體量變化也很不平衡，全部商業(yè)銀行體系總規(guī)模在10年間增長了4.8倍，內部結構上，大型銀行增長了3.1倍，中型銀行增長6.1倍，小型銀行增長9.6倍。中小銀行資產(chǎn)規(guī)模擴張如此快速，難道是中小銀行攬儲能力遠高于大型銀行？這似乎與直觀感覺相差較大，至少多數(shù)小銀行仍然禁止跨區(qū)經(jīng)營，其存款增長更依賴本地經(jīng)濟發(fā)展水平。另外一組數(shù)據(jù)也值得思考：從銀行間債券回購成交額也能看到市場的變化，2002年債券回購成交額10.1萬億，2007年44.8萬億，2017年616萬億，債券回購是商業(yè)銀行同業(yè)拆借資金變化的主要指標，可以確定的是，同業(yè)業(yè)務已經(jīng)成為商業(yè)銀行重要業(yè)務內容。鑒于同業(yè)業(yè)務在近年商業(yè)銀行業(yè)務中的角色轉變，以及商業(yè)銀行近年來的超常規(guī)快速發(fā)展和對銀行效率的關注，提出如下問題：第一，同業(yè)業(yè)務發(fā)展是如何影響銀行效率的？第二，同業(yè)業(yè)務在不同歷史階段對不同類型商業(yè)銀行效率影響的差異；第三，在評價銀行效率時，是否只考慮規(guī)模、利潤等因素，信用風險和流動性風險是否應當作為效率的影響因素？

二、文獻綜述

(一)同業(yè)業(yè)務范疇研究

在現(xiàn)有的銀行資產(chǎn)結構中不存在同業(yè)業(yè)務科目。一般銀行資產(chǎn)包括現(xiàn)金、貸款、固定資產(chǎn)、證券資產(chǎn)、存放同業(yè)等，其中貸款是商業(yè)銀行資產(chǎn)板塊中的主要資產(chǎn)。以工商銀行為例，2018年3季度，貸款總規(guī)模15.2萬億，占總資產(chǎn)的比重為53.91%。除貸款以外，現(xiàn)金及存放中央銀行款項占總資產(chǎn)比重為13.19%，金融資產(chǎn)占比為23.59%，存放同業(yè)資產(chǎn)2.5%，買入返售占比3%。事實上，同業(yè)業(yè)務從未像貸款業(yè)務那樣清晰過，它沒有專門的核算科目，也沒有專門的定義指導，其業(yè)務內容也因銀行實際業(yè)務的變化而變化。2007—2008年以前，同業(yè)業(yè)務主要指銀行之間短期頭寸往來，它作為商業(yè)銀行短期流動性的補充手段而存在；2008年以后，在銀行信用擴張的背景下，由于監(jiān)管對部分行業(yè)的信貸管制，一些銀行開始借道同業(yè)業(yè)務進行信用擴張，表現(xiàn)在銀信合作、銀銀合作以及通道和委外業(yè)務等的快速發(fā)展。有的同業(yè)業(yè)務在買入返售科目核算，有的在應收款項類投資核算，不僅不同的銀行核算科目不同，即便同一家銀行(興業(yè)銀行)，在不同的時期，同業(yè)業(yè)務體現(xiàn)的科目也不盡相同(見表1)。研究同業(yè)業(yè)務，如果對其概念屬性不做區(qū)分和明確，其結論難以信服。

表1興業(yè)銀行各年度同業(yè)資產(chǎn)占比(%)

興業(yè)銀行素有“同業(yè)之王”之稱，各類同業(yè)創(chuàng)新領跑金融機構。2010—2012年，銀行與信托合作，各類非標借同業(yè)通道出表，既減少資本損耗，又繞道監(jiān)管，主要體現(xiàn)在買入返售占比提高。興業(yè)銀行2010、2012年買入返售占比由2008年11.49%提高到20%以上。2013年國家五部委的127號文之后，買入返售被限制，其占比也驟降，2017年已降到1.45%。大量同業(yè)資產(chǎn)以委外、資管計劃的形式進入應收款項類投資中，2012年該科目占比3.43%，2017年提高到29.82%。從興業(yè)銀行的科目占比情況看，同業(yè)業(yè)務處于流動的狀態(tài)，在不同的監(jiān)管環(huán)境下，其表現(xiàn)形式不同，對其統(tǒng)計如果過于局限，極容易流失關鍵指標。

從以往研究看，極少有學者專門對同業(yè)業(yè)務的范疇專門論述，對同業(yè)業(yè)務科目予以明確，很多研究含糊其辭，使得研究結論似是而非。即便是個別學者指出同業(yè)業(yè)務范疇，但范疇僅包括一兩個科目，無法反映真實的同業(yè)業(yè)務變化，如果是截面數(shù)據(jù)尚可，但對于面板數(shù)據(jù)研究，容易導致數(shù)據(jù)與結論失真。例如，郭曄等(2018)將買入返售與存放同業(yè)合計數(shù)定義為同業(yè)業(yè)務，并以此作為同業(yè)資產(chǎn)占比指標，考察同業(yè)業(yè)務發(fā)展對貨幣政策的影響[1]。黃勃等(2018)指出同業(yè)業(yè)務是銀行間以及其他金融機構之間的資金融通業(yè)務，但沒有進一步深入展開。在指標設定中，將買入返售、存放同業(yè)、拆出資金定義為同業(yè)業(yè)務，并認為2013年以后同業(yè)業(yè)務占比在不斷下降[2]64-67。如前所述，如果僅從買入返售科目看，2013年以后其占比確實在下降，但同業(yè)業(yè)務并沒有消失，而是逐漸轉移到“應收款項類投資”中，因此黃勃等的同業(yè)業(yè)務范疇值得商榷。同樣問題也出現(xiàn)在黃小英等(2016)、邵漢華等(2015)的研究中[3～4]。

2014年非標監(jiān)管趨嚴后，商業(yè)銀行同業(yè)業(yè)務逐漸由買入返售向應收款項類投資轉移，2014年以前的研究幾乎看不到應收款項類投資的身影，遺憾的是，最近的研究仍然沿用以往同業(yè)業(yè)務的科目定義，即將存放同業(yè)+買入返售作為同業(yè)業(yè)務研究對象，而沒有及時將應收款項類投資并入同業(yè)業(yè)務科目。自2008年以后，商業(yè)銀行同業(yè)業(yè)務經(jīng)歷了一個完整的起步、發(fā)展、高潮、下降的周期，盡管未來同業(yè)業(yè)務發(fā)展趨勢尚不可期，但剛剛過去的十年作為一個完整周期，應當作為研究同業(yè)業(yè)務對商業(yè)銀行影響的完整樣本期。有必要在重新規(guī)范同業(yè)業(yè)務范疇的基礎上，考察同業(yè)業(yè)務的具體變化及其影響。

(二)銀行效率研究綜述

總體看，銀行效率的研究是相對豐富的。從研究方法上看，參數(shù)研究和非參數(shù)研究是主要方法。采用參數(shù)法評價銀行效率的部分學者有毛洪濤等(2013)、陳其安等(2015)、譚政勛等(2016)、顧曉安等(2017)[5～8]，采用非參數(shù)法的部分學者有孫勇(2014)、陳建勛等(2017)、劉笑彤等(2017)[9～11]。非參數(shù)法下，最近研究開始對DEA方法進行改進，SBM超效率法好處是考慮了更多的非期望產(chǎn)出，使效率值更加準確，例如，陳詩一等(2018)及部分學者[12～15]的研究。從效率的影響因素上看，有的學者從所有制結構改善角度研究其對銀行效率的影響[16]；有的學者從貨幣政策變化及工具調整角度研究其對銀行效率的影響[17]。國內少有學者研究同業(yè)業(yè)務對銀行效率的影響，這一點，國外研究先行一步。結論上，多數(shù)學者認為同業(yè)業(yè)務有助于提高銀行的整體效率[18～19]。不過Fechi(2010)等認為過度的同業(yè)業(yè)務有可能會降低銀行效率[20]。黃勃等(2018)首次全面地利用SFA方法分析同業(yè)業(yè)務對銀行效率的影響，結論認為同業(yè)業(yè)務對銀行的成本效率和盈利效率均有作用[2]70-77。遺憾的是，該研究樣本容量較小，只選取了16家上市銀行；時間跨度上選取的是2005—2013年，沒有將2014—2017年數(shù)據(jù)納入，缺乏對同業(yè)業(yè)務新發(fā)展形式的完整數(shù)據(jù)考量；最后，如前所述，該研究對同業(yè)業(yè)務的范疇定義為存放同業(yè)、拆出資金和買入返售，未考慮應收款項類投資作為同業(yè)科目對銀行效率的影響?；诖耍F(xiàn)擬采用非參數(shù)法分析同業(yè)業(yè)務對銀行效率的影響，樣本選擇涵蓋2005—2017年最新數(shù)據(jù)，并將應收款項類投資納入同業(yè)業(yè)務范疇。除以上補充外，還將在銀行效率的評價指標上進行改進，并借鑒陳詩一等(2018)的非徑向、非角度全局的基于松弛的網(wǎng)絡SBM方法，進一步補充非期望產(chǎn)出的衡量標準[12]105-106。目前看，有限的研究中，非期望產(chǎn)出幾乎選擇的都是不良貸款，以此來評價商業(yè)銀行的信用風險，其本質是在不同的信用風險程度內，重新度量銀行效率。盡管信用風險是銀行面臨的主要風險，但鑒于同業(yè)業(yè)務的快速發(fā)展，支持銀行同業(yè)業(yè)務快速發(fā)展的同業(yè)負債比例在不斷提高，而基于同業(yè)負債眾所周知的流動性風險，應該將流動性風險納入非期望產(chǎn)出選擇范圍，以探討在流動性變化的情況下，同業(yè)業(yè)務對銀行效率的真實影響。

三、效率估算與分析

(一)估算模型

與傳統(tǒng)的非參數(shù)法相比，早期的Shepherd距離函數(shù)不能處理減少非期望產(chǎn)出的同時增加期望產(chǎn)出的技術變化，這就意味著銀行的信用風險和流動性風險不能作為產(chǎn)出要素納入距離函數(shù)。SBM作為一種非徑向的測量方法，放寬了方向距離函數(shù)的假設，同時考慮投入和產(chǎn)出變量的松弛情況，適合投入和產(chǎn)出非比例變化情況下的效率測評。具體模型表述如下：

P={(x,y,b,z)|x(s)≥X(s)λ(s),y(s)≤Y(s)λ(s),b(s)≥B(s)λ(s),Z(p)λ(p)≥Z(p,s)λ(s)}

(1)

(2)

(3)

第i個決策單元(DMU)網(wǎng)絡SBM效率可以表示為

(4)

現(xiàn)將樣本銀行的生產(chǎn)過程定義為兩個階段，第一階段是存款吸收階段，第二階段是利潤產(chǎn)生階段。第一階段的投入要素分別是所有者權益、固定資產(chǎn)凈值、員工人數(shù)和分支機構數(shù)，中間產(chǎn)品變量是存款總額；第二階段投入變量是利息費用和營業(yè)費用，產(chǎn)出要素是凈利潤和貸款總額，非期望產(chǎn)出包括不良貸款率和流動性匹配率，其中流動性匹配率的設計參考了銀監(jiān)會2017年12月6日發(fā)布的《商業(yè)銀行流動性風險管理辦法(修訂征求意見稿)》，根據(jù)流動性匹配率的定義，該指標衡量商業(yè)銀行主要資產(chǎn)與負債期限匹配情況，銀監(jiān)會規(guī)定流動性匹配率應當大于100%，指標值越大說明流動性越好，其計算公式等于加權資金來源除以加權資金運用。由于加權來源資金與運用的計算涉及期限的折算率，根據(jù)數(shù)據(jù)可獲得性，將各科目折算率調整如表2。

表2調整后的流動性匹配率折算率

注：折算率設定參照銀監(jiān)會標準，并根據(jù)同業(yè)業(yè)務與傳統(tǒng)存貸業(yè)務進行調整

(二)數(shù)據(jù)說明

基于數(shù)據(jù)的連續(xù)性、全面性和可獲得性，選樣包括工商銀行等在內的41家上市銀行[注]國有大行：工商銀行、建設銀行、中國銀行、農(nóng)業(yè)銀行、交通銀行；股份制銀行：郵儲銀行、浙商銀行、寧波銀行、興業(yè)銀行、平安銀行、招商銀行、浦發(fā)銀行、民生銀行、中信銀行、光大銀行、華夏銀行、廣發(fā)銀行；城商行：重慶銀行、徽商銀行、盛京銀行、北京銀行、九江銀行、南京銀行、鄭州銀行、杭州銀行、上海銀行、錦州銀行、青島銀行、天津銀行、哈爾濱銀行、江蘇銀行、長沙銀行、成都銀行、江西銀行、貴陽銀行；農(nóng)商行：無錫銀行、張家港銀行、吳江銀行、江陰銀行、重慶農(nóng)商行、廣州農(nóng)商行。，包括5家國有大行、12家股份制銀行、18家城商行和6家農(nóng)商行，占當前A+H股上市銀行總家數(shù)的88%。41家上市銀行資產(chǎn)總額占中國銀行業(yè)資產(chǎn)總額的65%，未被列入樣本銀行的其他銀行多數(shù)為中小銀行，特征單一，且樣本銀行中包括24家城商行和農(nóng)商行，能夠代表其他未進入研究的中小銀行。數(shù)據(jù)來自2005—2017年各銀行年報、Wind數(shù)據(jù)庫、Bankscope數(shù)據(jù)庫，極少數(shù)缺少的數(shù)據(jù)采用了線性插值法補齊。

(三)模型估算結果與分析

1.不同類別銀行效率比較

為了更準確分析非期望產(chǎn)出對銀行效率的影響，建立三個模型，模型1忽略非期望產(chǎn)出，即傳統(tǒng)投入產(chǎn)出效率估算角度；模型2只引入不良貸款率作為非期望產(chǎn)出，考察信用風險對銀行效率的影響；模型3繼續(xù)增加流動性匹配率作為非期望產(chǎn)出，考察同時存在信用風險和流動性風險情況下，銀行效率值的變化。具體以時間跨度為依據(jù)的估算結果見表3。

表3不同類別銀行效率估算結果

注：數(shù)據(jù)為2005—2017年各類別銀行平均效率值

表3是三種模型環(huán)境下不同類別銀行效率平均值。不同模型中，各類別銀行效率表現(xiàn)有所區(qū)別。在模型1中，股份制銀行效率最高，其次是國有大行，再次是城商行，效率最低的是農(nóng)商行，且農(nóng)商行與其他類別銀行效率差距較大。這說明，在不考慮信用風險與流動性風險的情況下，股份制銀行總體效率最高。在模型2中，各類別銀行效率排名與模型1相同，只是具體效率值有所變化?？傮w上，各類別銀行效率值均有所下降，說明信用風險作為非期望產(chǎn)出整體調低了中國銀行業(yè)效率水平，也可以認為未考慮信用風險的效率值有所高估。從下降幅度上看，國有大行與股份制銀行下降幅度不大，城商行尚可，農(nóng)商行下降幅度最大，這說明上市農(nóng)商行的不良貸款問題相對突出，其風險控制能力較其他類別銀行較弱，農(nóng)商行如果能在不良貸款防控上加大投入，其效率將得到較大幅度提升。在模型3中，各類別銀行排名順序有所變化，其中國有大行的效率最高，其后依次是股份制銀行、城商行和農(nóng)商行。與模型1和2相比，模型3中的國有大行的效率超過股份制銀行。這是在進一步考慮銀行流動性穩(wěn)定性的情況下，對各類別銀行效率的修正。模型3的結果說明，效率估算是否考慮非期望產(chǎn)出對模型結果影響較大，而實際上，商業(yè)銀行作為經(jīng)營貨幣的單位，信用風險和流動性風險是無法回避的問題，估算其實際效率應當將非期望產(chǎn)出引入模型。模型3中國有大行效率超過股份制銀行，可能的原因是國有大行的負債穩(wěn)定性更好，同時其業(yè)務相對穩(wěn)健，尤其是近幾年同業(yè)業(yè)務發(fā)展速度遠遠慢于其他類別銀行，這導致其同業(yè)杠桿對規(guī)模和利潤的貢獻較低，依賴較小。為了更準確了解不同類別銀行2005年以后的效率變化，通過圖1描述時間維度下的效率演變。

時間維度下，不論在何種模型下，全部樣本銀行效率基本呈上升趨勢，這說明中國商業(yè)銀行總體效率在不斷提高，這得益于中國銀行業(yè)股權改革的順利、現(xiàn)代銀行制度的建立以及風險意識的不斷提高。分銀行類別看，國有大行在2005—2012年期間效率處于上升狀態(tài)。但是模型1中，國有大行的波動幅度要大于模型2和模型3。加入風險因素后的國有大行效率更加穩(wěn)定，這說明盡管大行體量大，利潤增速小，但基于其高質量的資產(chǎn)結構和風控技術，大行的效率得以提升。2013—2016年，國有大行效率逐步下降，這與此階段中國經(jīng)濟增速連續(xù)下行有關，后面還將看到，股份制銀行也同樣表現(xiàn)出類似特征。2017年，國有大行效率重新提高，尤其是在模型1中提高幅度更大，這與2017年的金融去杠桿不無關系。2017年，中央為化解金融風險，特別是同業(yè)風險，出臺若干強監(jiān)管、去杠桿政策，此類政策對國有大行影響較小，對股份制和城商行等同業(yè)業(yè)務相對活躍的銀行影響較大。與國有大行相比，2012年以后的股份制銀行在三種模型狀態(tài)中效率出現(xiàn)分化。模型1的股份制銀行效率高于模型2和模型3，尤其是模型3的效率出現(xiàn)較大幅度下降，原因可能是股份制銀行在2013年以后更加傾向于以加杠桿的方式獲取利潤，盡管這種模式獲取利潤速度較快，但其對負債需求更大，在存款增速穩(wěn)定的前提下，依靠同業(yè)負債加杠桿成為眾多股份制銀行的選擇。以此模式獲取利潤的不僅僅是股份制銀行，還包括城商行體系。在城商行的效率變化趨勢中，模型3中的城商行在2013年以后同樣表現(xiàn)出這種特質。對于農(nóng)商行，其整體效率低于其他三類銀行，且在整個13年的觀察期內，其整體效率提升幅度并不大，不僅如此，在引入風險因素后的模型2和模型3中，農(nóng)商行的效率出現(xiàn)大幅度下修，這說明農(nóng)商行整體信用風險和流動性風險管理能力亟待提高。

2.各類別銀行投入產(chǎn)出要素的效率差異

在對各類別銀行的不同年份效率比較分析的基礎上，進一步對各投入產(chǎn)出要素的效率進行比較(見表4)?？傮w看，各投入產(chǎn)出要素在模型1下的效率值多數(shù)情況高于模型3，這與前文分析結論一致，即未考慮非期望產(chǎn)出的效率會高估實際效率。具體從各要素看，員工要素效率明顯低于其他要素效率，這反映了中國銀行業(yè)人力資源產(chǎn)出效率仍然較低。對于國有大行來說，盡管其營業(yè)網(wǎng)點眾多，吸收存款能力高于其他銀行，但其人員包袱也相對較重，隨著智能化銀行的推廣和網(wǎng)絡銀行的競爭，網(wǎng)點的創(chuàng)利能力逐漸下降。2017年，工商銀行人均凈利潤63.45萬元，浦發(fā)銀行102萬元，上海銀行更是達到148萬元。

分支機構上，國有大行則表現(xiàn)出較高的效率特征，其分支機構在不考慮人力成本的前提下，表現(xiàn)出了較高的效率支撐。僅次于國有大行的是股份制銀行，再次是城商行和農(nóng)商行。異地分支機構是否準予設立對中小銀行業(yè)務發(fā)展方向及模式產(chǎn)生深遠影響。2009年4月，銀監(jiān)會發(fā)布《關于中小商業(yè)銀行分支機構市場準入政策的調整意見(試行)》，放寬了中小銀行異地分支機構設立的有關限制，僅2010年就有65家城商行設立103家異地分支機構，同質化的快速擴張引起監(jiān)管的規(guī)制。2011年，銀監(jiān)會叫停了城商行、農(nóng)商行異地分支機構設立的申請，中小銀行短暫快速擴張的勢頭得到控制。盡管異地分支機構的行政限制仍然存在，但是中小銀行對規(guī)模和利潤的追逐從未停止。隨著各類通道、資管業(yè)務的興起，銀行與信托、證券的合作進一步加深，各中小銀行采取異地設立非持牌機構的方法繞過監(jiān)管，北京、上海等一線城市的中小銀行金融市場中心紛紛設立，同業(yè)業(yè)務進入繁榮期。進入2017年，“三三四十”等監(jiān)管政策的出臺開始整頓規(guī)范中小銀行的異地持牌問題，一些銀行開始撤并異地持牌機構，中小銀行的異地設立分支機構問題再次暫時擱置，未來分支機構問題仍然對中小銀行效率產(chǎn)生重要影響。

表4分銀行類別投入產(chǎn)出效率

注：數(shù)據(jù)為樣本年度平均值

四、同業(yè)業(yè)務對銀行效率的影響

(一)回歸模型

為觀察同業(yè)業(yè)務對銀行效率的影響，采用Tobit模型進行回歸分析，并將銀行效率作為被解釋變量，銀行微觀指標、宏觀因素和同業(yè)業(yè)務作為解釋變量。具體模型如下

(5)

EFFi,t=β0+β1IB_Bt+β2IB_Bt·GYDH_Bi，t+β3IB_Bt·GFZH_Bi，t+β4IB_Bt·ZXYH_Bi，t+β5BK_Ci,t+β6MAC_Ct+εi,t

(6)

具體的銀行類別以0或者1賦值進行區(qū)分，如果是某類銀行則賦值1，如果不是，則賦值0，以此進行分類別回歸分析。

(二)回歸結果分析

1.總體回歸結果

表5是根據(jù)模型1、模型2和模型3估算的效率進行的Tobit回歸結果，從同業(yè)業(yè)務對銀行效率的影響結果看，模型1和模型2中，同業(yè)業(yè)務對銀行效率均有正向影響，可以認為同業(yè)業(yè)務發(fā)展有利于提高銀行效率，但模型3回歸結果不顯著，即加入風險因素后，同業(yè)業(yè)務是否改善銀行效率不顯著。銀行規(guī)模(SIZE)、ROA、凈息差(NIRD)對銀行效率均有正向影響，且回歸結果顯著。目前看，銀行規(guī)模效應仍然存在，從利率市場化尚未完成的利率管制背景下，銀行持有金融牌照就意味著天然利差的存在，因此多一份規(guī)模便多一層收益。所有權結構方面(DOS)，三種模型回歸結果均不顯著，這可能與直觀感覺不一致，理論上來說，混改或者所有權結構優(yōu)化有利于提高銀行效率，可能的原因是，模型采用(0，1)設置過于簡單，即國有和非國有，而實際上所有權結構的優(yōu)化要更加復雜。

表5同業(yè)業(yè)務對銀行效率的影響：總體結果

注：()內為標準誤差；***表示1%顯著，**表示5%顯著，*表示10%顯著

宏觀指標上，模型1的回歸結果顯示經(jīng)濟增長對銀行效率是負向影響，不過結果并不顯著 ，模型2和模型3顯示經(jīng)濟增長對銀行效率的影響是正向影響，即經(jīng)濟增速對銀行效率具有正向影響。模型1回歸不顯著的可能原因是，同業(yè)業(yè)務的快速發(fā)展緩解了經(jīng)濟下行對銀行效率的沖擊，但不可否認同業(yè)業(yè)務過快發(fā)展容易導致金融虛假繁榮，也就是此輪金融強監(jiān)管重點打擊的金融空轉和金融套利，當通過模型2和模型3對銀行效率進行修正后，經(jīng)濟增長與銀行效率的關系才得到反映。通貨膨脹(PPI)指標與經(jīng)濟增長指標回歸結果接近。貨幣政策指標上(LMP)，三種模型均顯示貨幣政策與銀行效率負相關，即當利率較高時，代表當前資金面偏緊，這對銀行凈息差、負債成本均有重大影響。

2.不同類型銀行的比較

表6是加入不同類型銀行交互項后的回歸結果，其他變量回歸結果與表5基本一致，不再贅述，這里主要介紹下三種類型銀行在不同模型下的回歸結果及分析。

表6不同類型銀行效率回歸結果

注：()內為標準誤差；***表示1%顯著，**表示5%顯著，*表示10%顯著

從國有大行(GYDH)的回歸看，回歸結果并不顯著。近年來國有大行作為中國資歷最老、規(guī)模最大的老牌銀行，業(yè)務發(fā)展模式總體穩(wěn)健，對同業(yè)業(yè)務偏好較低，主業(yè)仍然集中在傳統(tǒng)信貸領域，同業(yè)業(yè)務主要反映在資金拆出上，即資金市場的資金提供方，因此其同業(yè)業(yè)務對銀行效率提升影響較小。股份制銀行(GFZH)的回歸結果顯示，同業(yè)業(yè)務發(fā)展對其效率具有正向影響，這側面說明此類銀行風控技術較強，在發(fā)展同業(yè)業(yè)務的同時能較好控制好風險。中小銀行(ZXYH)在模型1和模型2中顯示同業(yè)業(yè)務對銀行效率具有正向影響，但是在模型3中，同業(yè)業(yè)務對銀行效率的影響為負向，這說明中小銀行在快速發(fā)展同業(yè)業(yè)務的同時，受制于其薄弱的風控能力，導致其銀行效率出現(xiàn)下降。

為了考察穩(wěn)健性，通過同業(yè)負債替換同業(yè)資產(chǎn)進行穩(wěn)健性檢驗，同業(yè)負債具體科目包括同業(yè)存放、拆入資金和發(fā)行債券(同業(yè)存單)。之所以采用同業(yè)負債進行穩(wěn)健性檢驗，理由是同業(yè)業(yè)務發(fā)展對同業(yè)負債的天然依賴。對于商業(yè)銀行來說，增加資產(chǎn)規(guī)模的傳統(tǒng)方法是增加存款，而銀行存款增加受制于網(wǎng)點數(shù)量、經(jīng)濟增速以及居民收入等因素，增長具有相對穩(wěn)定性。基于此，快速增長規(guī)模的有效途徑是依靠同業(yè)負債，包括線上拆借和發(fā)行存單等方式，同業(yè)負債的優(yōu)點是流動性好、拆借便利，缺點是穩(wěn)定性差，受利率波動影響明顯。從總體回歸結果和分銀行類別回歸結果看[注]限于篇幅限制，穩(wěn)健性回歸結果可以向筆者索要。，結論與表5和表6一致，可認為回歸結果有效。

五、結論與建議

自2005年開始，隨著中國銀行業(yè)改革的加速進行，銀行業(yè)整體發(fā)展在提速，銀行業(yè)內部也出現(xiàn)一定的新情況、新變化。對于中國銀行業(yè)來說，同業(yè)業(yè)務的快速發(fā)展有其必然性。為了更準確、更完整考察中國銀行業(yè)同業(yè)業(yè)務對銀行效率的影響，依據(jù)2005—2017年數(shù)據(jù)，通過超效率SBM模型和Tobit回歸分析，分析了41家上市銀行效率情況及同業(yè)業(yè)務對銀行效率的具體影響，結論如下：

第一，加入信用風險和流動性風險的非期望產(chǎn)出顯著降低了銀行效率的估算結果，不考慮非期望產(chǎn)出或者僅僅考慮信用風險的非期望產(chǎn)出已經(jīng)不能完整反映銀行效率的真實情況。

第二，是否考慮非期望產(chǎn)出對于不同類別銀行效率影響不同，不考慮非期望產(chǎn)出情況下，股份制銀行效率最高，其次是國有大行、城商行和農(nóng)商行?？紤]非期望產(chǎn)出情況下，國有大行效率最高，其次是股份制銀行，說明國有大行整體風控水平好于其他銀行。

第三，如果不考慮風險因素，同業(yè)業(yè)務發(fā)展能夠提高整體銀行業(yè)的效率，如果考慮風險因素，同業(yè)業(yè)務是否改善了整體銀行業(yè)效率不顯著。

第四，分銀行類別看，在考慮風險因素的情況下，同業(yè)業(yè)務對國有大行效率影響不顯著，對股份制銀行、城商行和農(nóng)商行影響顯著。同業(yè)業(yè)務能夠提升股份制銀行的效率，但是降低了城商行和農(nóng)商行的效率。

政策建議如下：一是加快進行利率市場化改革，構建完善的金融市場利率體系，改變利率管制下的價格扭曲問題；二是客觀看待同業(yè)業(yè)務發(fā)展問題，同業(yè)業(yè)務是銀行體系的市場化行為產(chǎn)物，它在改善銀行效率的同時也打通了資金融通體制，有利于發(fā)揮金融體系的服務功能；三是要高度重視中小銀行的同業(yè)業(yè)務流動性風險，此類銀行應當加強對其風控管理系統(tǒng)的監(jiān)督與指導。