我国商业银行净利差影响因素分析
——基于巴塞尔协议Ⅲ背景

□李兴凤

（对外经济贸易大学 金融学院，北京 10029）

2008年全球性金融危机的爆发令全球经济再次陷入严重衰退，10年后的今天银行系统作为此次金融危机的中心所受到的强烈冲击痕迹仍在。一方面，银行吸收存款以提供信用的优势被削弱，银行必须提高存款利率以保证资金来源减小贷存比（Acharya and Mora，2015）[1](p1-43)。经济危机发生时，投资者不再投资于风险相对较高的商业票据、公司债券和股票等金融工具，而是更倾向于投资风险相对较低的银行存款等以规避风险（Gatev and Strahan，2006）[2](p867-892)。但如果爆发以银行为中心的金融危机，资金没有政府担保银行存款便失去吸引力，致使银行失去部分流动性。

另一方面，危机暴露出当时银行监管的缺陷。危机后2010年出台的《巴塞尔协议Ⅲ》加强了银行信用风险监管，并新增两项流动性风险监管指标（即流动性覆盖率（LCR）和净稳定性融资率（NS⁃FR））。同时，一级资本比率由4%上升至6%，一级核心资本由2%提高至4.5%。2012年6月7日，我国银监会发布了《商业银行资本管理办法（试行）》，规定核心一级资本充足率不得低于5%，一级资本充足率不得低于6%，资本充足率不得低于8%。正常条件下系统重要性银行和非系统重要性银行的资本充足率分别不低于11.5%和10.5%。巴塞尔协议的补充和完善加强了对银行所面临风险的监管并提高了对银行资本的要求，银行将面临增加资本或者缩小放贷风险范围的两难困境。银行融资成本的提高和贷款风险的有意规避都会使银行净利差缩减。

综合以上两方面来看，银行存款利率的调整以及《巴塞尔协议Ⅲ》对风险和资本的要求提高，使我国商业银行主要收入来自净利差的盈利模式受到影响。在2008年金融危机期间约一半的商业银行违约是由信用风险和流动性风险共同造成的（Imb⁃ierowicz and Rauch，2014）[3](p242-256)。风险的累积最终使金融危机发生，那么信用风险和流动性风险对于银行净利差的影响如何呢？银行是否会承担更大的风险来博取更大的收益呢？本文在此背景下探究中国商业银行净利差与信用风险和流动性风险之间的关系，并针对我国商业银行简要探讨了几点建议。

一、相关文献回顾

张金清（2011）将信用风险定义为两个层次，一是指由于借款人或交易对手不能或不愿履行合约而给另一方带来损失的可能性，二是由于借款人的信用评级变动或履约能力变化导致其债务市场价值的变动而引发损失的可能性[4](p13)。与之类似，美国银行把信用风险分为违约风险和迁移风险两种。其中违约风险是由于贷款人或者交易对手违约造成的损失；迁移风险是由于贷款人信用质量恶化造成的损失。本文中信用风险的代理变量是按照五级分类法计算的不良贷款率（五级分别为正常、关注、次级、可疑、损失，其中不良贷款包括次级、可疑、损失），用到了其在时间序列上的数据，因此包含了定义上两个方面的信用风险。流动性风险是指由于流动性不足而导致资产价值在未来产生损失的可能性（张金清，2011）[4](p23)。本文中流动性风险的代理变量是BB测量值除以总资产，其中BB测量值为半数非流动资产、负的半数流动性资产、半数流动性负债和负的半数非流动性负债，主要衡量的是由于期限错配引起的流动性不足。按照商业银行经营三原则——营利性、流动性和安全性，商业银行必须在获得高利润的同时能够满足客户提取存款的需求，防止出现挤兑和恐慌。

现关于信用风险的研究维度较广，而关于银行流动性的多为理论性研究（如Bryant，1980；Dia⁃mond and Dybvig，1983）[5](p335-344)[6](p401-419)，实证性的文献则相对较少。贾广军、胡振兵（2004）以鲁中市辖各银行为样本研究集团客户和信贷风险之间的关系，得到的结论为信息不对称使银行更青睐规模较大的集团客户，但集团客户的复杂性并未使银行的信贷风险降低[7](p136-142)。孔丹凤等（2015）利用美国35家上市银行的季度面板数据检验信用风险转移工具（CRT）能否有效转移银行个体风险，发现CRT保护头寸在正常时期能够降低银行个体风险，在危机时期持有更多CRT保护头寸的银行反而经历了更高程度的个体风险上升，得到的结论是CRT能否有效降低银行信用风险依赖于宏观金融市场的稳定性[8](p160-174)。Loutskina（2011）认为金融创新提供了新的获得流动性的方式，但这种新的获取方式并不稳定。资产证券化通过将非流动性贷款转化成现金作为商业银行获得资金的来源，但当资产证券化市场关闭时银行也会更易于受到流动性变动的影响[9](p663-684)。Cornett et al.（2011）研究了银行流动性与其经营之间的关系，认为流动性风险较大的银行会增加持有流动性资产，但这降低了发行新贷款的能力[10](p297-312)。Beltratti and Stulz（2012）通过研究2008年危机期间商业银行的表现和监管，发现表现较好的银行在危机前夕杠杆较低、回报也较低。除监管较严的国家的大银行贷款损失降低外，不同国家间的监管差别与银行在危机期间的表现无关[11](p1-17)。另外，还有相关文献研究了二者的交叉关系。微观银行学的两大理论支柱——金融中介的信息不对称性和产业组织方法模型，都认为二者紧密相关。其中Diamond and Dybvig（1983）认为不对称信息使银行通过资产转换功能创造流动性。在银行产业组织理论的研究中，非流动资产是银行存在的基础，银行利润为存、贷款利率的函数，贷款人违约和突发的资金赎回都会降低银行利润[6](p401-419)。Cai and Thakor（2008）研究了同业竞争对于流动性风险和信用风险相互作用的影响。银行通过存款获得融资，受到存款保险的约束，银行会向借款人收取比直接融资更高的流动性溢价；如果没有同业竞争，较高的信用风险会提高贷款流动性，所以一家银行对于流动性的需求使他承担额外的信用风险[12](p1-49)。孙安琴（2011）运用理论模型研究未受监管的银行，得出持有更多风险资产降低了商业银行的稳定性的结论[13](p102-111)。

黄张凯（2006）认为在世界上任何一个国家，包括美国等资本市场发达的国家在内，银行贷款都是企业进行外部融资的主要手段[14](p163-169)。Berger（1995）认为商业银行收益与银行资本规模正相关，通过实证研究得出：在其他条件保持不变的情况下，每个银行都存在一个最优资本资产比率，当银行资本资产比率小于这个最优值时，增加银行的资本有利于银行的营利性；当银行的资本资产比率高于这个最优值时，增加银行的资本反而不利于银行的营利性[15](p404-431)。Angbazo（1997）对净利息收益率的影响因素进行分析，得到流动性资产比率与净利息收益率负相关。运用美国1989—1993年银行年度数据分析，结果表明净坏账额（信用风险或违约风险）与净利息收益率有显著的正相关性，流动资产/总负债（流动性风险）与银行净利息收益率负相关。其中信用风险指违约风险，流动性风险指没有足够的现金或者借款能力来满足提取存款或者发放新贷款的需要的风险[16](p55-87)。刘莉亚等（2015）通过构建最优净息差和非利息收入的理论模型并且进行实证检验，得到净息差和非利息收入之间共同决定且相互影响的结论，影响关系因银行的性质不同而不同。虽然银行非利息收入近几年得以迅速发展，但净利差仍是商业银行主要收入来源[17](p110-124)。关于净利差的影响因素的研究多基于资本角度，并将净利差和非净利差收入进行比较。本文以2008年金融危机和危机后监管的调整为背景，研究信用风险和流动性风险的增加是否导致了银行净利差的减少。同时，考虑净利差的减少使银行可利用资金减少，会增加流动性风险和信用风险，因此选用联立方程模型进行估计，并运用面板VAR（PVAR）模型进行稳健性检验，这是本文的创新之处。

二、数据和实证分析

（一）样本数据和研究指标

选取我国16家上市商业银行2007—2016年季度数据，数据来源为商业银行季度报告、半年度报告、年度报告和wind数据库。隔夜拆借利率来源于上海银行间拆放利率官方网站。为了减少数据偏差对结果的干扰，对总资产做出自然对数处理。样本剔除没有公开的季度数据，采用截尾方法对极端值进行处理，删除5%分位数到95%分位数之外的异常值（Love and Zicchino，2006）[18](p190-210)。表1为样本主要变量的描述性统计。

表1：主要变量描述性统计

主要有三个变量，信用风险、流动性风险和商业银行收益。信用风险的代理变量是不良贷款率（cr），按照贷款五级分类制度，依风险程度将贷款依次划分为五类：正常、关注、次级、可疑和损失，其中次级、可疑和损失为不良贷款。银行不良贷款率越高，银行的借款人或交易对手不能按事先达成的协议履行义务的潜在可能性越高，信用风险越大。流动性风险代理变量（lr）是Berger-Bouwman(BB)测量值（Berger and Bouwman，2009）除以总资产得到[19](p3779-3837)。商业银行的净收益变量（net）是净利息收入比总资产（周开国，2008）[20](p65-76)，变量的稳健性检验是使用代理变量净资产收益率（roe），该指标体现了商业银行自有资本获得净收益的能力。

其中，Berger and Bouwman（2009）根据是否包含表外业务和贷款的不同划分方式提出了四种测量流动性的方法，具体步骤可概括为：第一步将银行的各种业务划分为流动（liquid）、准流动（semi⁃liquid）和非流动（illiquid）三类；第二步赋予三类业务各自权重；第三步是根据前两步结果计算出测量流动性的数值。根据获得的样本数据本文按照到期日的划分方法（cat nonfat），具体分类参考Berger et al（2016）[21](p115-141)、Chen（2015）[22](p54-68)。计算公式如等式（1）所示，其中cat nonfat是BB值，illiquid as⁃sets是非流动资产，semiliquid assets是准流动资产，liquid assets是流动资产，liabilities表示负债，其划分亦是如此。

cat nonfat=0.5*illiquid assets+0*semiliquid as⁃sets-0.5*liquid assets+0.5*liquid liabilities+0*semi⁃liquid liabilities-0.5*illiquid liabilities （1）

（二）信用风险和流动性风险及稳健性检验

本文采取逐步渐进的研究方法，首先研究信用风险和流动性风险之间的关系，然后加入净利差变量研究三者之间的关系。考虑到两个风险相互之间的影响方向不确定，因此使用联立方程模型，如式（2）所示，其中m（max）表示j可取最大值。

其中下标i和t分别代表各商业银行和时间。鉴于各方程之间可能存在的关联性，同时考虑每个内生变量间存在的动态相关性，因此采用三阶段最小二乘法（3sls）将方程组作为一个系统进行联合估计。与对每个方程分别进行两阶段最小二乘估计相比，对整个联立方程系统同时进行估计是有效率的，这是因为两阶段最小二乘法忽略了不同方程的扰动项之间可能存在的相关性。由AIC、BIC准则确定信用风险和流动性风险联立方程的滞后阶数为2。控制变量是总资产的对数、Z值、资本充足率和隔夜拆借利率，其中Z值的计算公式如等式（3）所示。

此外，运用面板VAR（PVAR）模型进行滞后期的稳健性检验（Love and Zicchino，2006）[18](p190-210)，估计 方 法 是 GMM 法（Wintok，Linck and Netter，2012）[23](p581-606)。面板VAR模型的优势在于将系统内所有变量视为内生，不提前假定谁是因变量谁是自变量，同时还考虑不可观测的异质性。模型如等式（4）所示。其中，yi，t表示向量{cr，lr}，fi表示商业银行个体固定效应，dt表示时间固定效应，q等于2。采用前向差分法去除个体固定效应，采用均值差分法去除时间固定效应。

估计结果如表2、表3所示。表2联立方程模型估计结果中信用风险和流动性风险同期相关系数统计上显著，但流动性风险变量作为被解释变量时在5%水平上并不显著，因此联立方程模型估计结果没有得出信用风险和流动性风险之间明确的关系。PVAR模型的GMM稳健性估计结果如表3所示，流动性风险和信用风险只表现出了时间序列上的相关关系，得出的结论与上述相同。因此不能确定信用风险和流动性风险之间具有明确的经济意义上的关系，与Imbierowicz and Rauch（2014）[3](p242-256)的研究结果相同。这也为下一步研究银行净利差与二者的关系排除了干扰，若某个自变量对因变量有影响则为直接影响，并非其他变量导致。

表2：信用风险和流动性风险联立方程模型3sls估计结果

表3：信用风险和流动性风险PVAR模型GMM估计结果

表4：银行净利差和信用风险、流动性风险联立方程模型3sls估计结果

（三）银行净利差与信用风险、流动性风险及稳健性检验银行净利差和信用风险、流动性风险的联立方程模型是：

如前面所述，为考虑各变量之间的相互影响，依然采用三阶段最小二乘法估计联立方程模型。由AIC、BIC准则确定联立方程（5）的滞后阶数为1。控制变量与模型（2）保持一致。估计结果如表4所示。本文关心的结果是信用风险和流动性风险对银行净收益的影响。从估计结果看出，流动性风险的系数显著为正，信用风险的符号显著为负。说明银行流动性风险越大越有利于银行净利差增加，不良贷款率越高越不利于银行净利差增加。这是因为利率作为贷款价格反映了贷款资产所包含风险溢价，期限越长风险越大，因此长期贷款利息高于短期贷款，同时短期储蓄以及拆借比定期存款成本要低，银行持有流动性会减少银行获得贷款利息；而不良贷款率的提高并不能收到预期现金流，但银行仍要支付融资成本即本息，因此不良贷款率与净利差是负向关系。这与我们的经济直觉相符合。PVAR模型的GMM稳健性估计结果如表5左栏（1）所示，此时 表示向量{cr，lr，net}，q等于1。另外，用净资产收益率（roe）作为银行净利差的代理变量进行稳健性检验。结果如表5右栏（2）所示，与上述结论相同。

（四）脉冲响应函数

将冲击作用的期限设置为6期，通过1000次Monte-Carlo随机模拟可以得到主要内生变量相互之间的脉冲响应函数。图1是信用风险和流动性风险两个变量的脉冲响应图及其95%置信区间。图2是银行净收益和两风险之间的脉冲响应函数。图1和图2中横轴表示冲击的响应期数，纵轴代表内生变量对冲击的响应程度，中间实线代表脉冲响应，外侧虚线代表5%和95%分位点的置信区间。图1刻画了信用风险和流动性风险之间动态冲击影响。图2刻画了银行净收益和信用风险、流动性风险之间动态冲击影响。

表5：银行净利差和信用风险、流动性风险稳健性检验

图1左图图显示，来自信用风险1%的正交化冲击引起流动性风险响应的程度和方向，右图显示来自流动性风险1%的正交化冲击引起信用风险响应的程度和方向。首先，流动性风险对于信用风险的一个冲击响应随着滞后期的增加，其冲击响应的强度在逐渐增强。这说明商业银行不良贷款率的提高使银行的流动性越来越差，越来越难以满足客户的提款要求，银行的资产质量变差。其次，流动性风险的一单位冲击引起信用风险的反方向变化。即银行流动性紧张时会更加注重信用风险。但总体看来，两者之间的相互影响都比较小。

图2分析银行净收益和两风险之间的脉冲响应函数，同样，冲击作用的期限设置为6期，通过1000次Monte-Carlo随机模拟得到主要内生变量相互的脉冲响应函数。图2左图刻画了银行净收益和流动性风险之间的动态冲击影响，右图刻画了银行净收益和信用风险之间的动态冲击影响。

图1：脉冲响应函数（信用风险和流动性风险）

图2：脉冲响应函数（银行净收益和信用风险、流动性风险）

图2左图显示，来自流动性风险1%的正交化冲击引起商业银行收益响应的程度和方向，右图显示，来自信用风险1%的正交化冲击引起商业银行收益响应的程度和方向。首先，商业银行收益对于流动性风险的一个冲击响应随着滞后期的增加，其冲击响应的强度在逐渐增强。这说明银行承担流动性风险越大其净利息收入越多。但是，信用风险的单位冲击引起银行净收益的反方向变化。即虽然银行通过不良贷款获得较高利润，一期过后盈利能力就已经开始下降了。

三、结论及建议

本文基于我国16家上市商业银行财务等相关数据，运用联立方程模型分析银行净收益和信用风险、流动性风险之间的关系。同时运用面板VAR模型和商业银行收益的代理变量净资产收益率进行了稳健性检验。研究得出如下结论：（1）信用风险和流动性风险之间没有明确的经济意义上的关系。这与已有文献的结论相似（如Imbierowicz and Rauch，2014）[3](p242-256)。（2）银行净收益与信用风险是负向关系。银行的不良贷款率高，意味着银行承担较大的信用风险，银行利息收入减少，盈利能力下降。（3）银行净收益与流动性风险是正向关系。流动性风险越大说明银行的活期存款和长期贷款越多，从而银行获得较高净利息收入。

关于银行职能的一种说法是投融资中介即资金融通，还有一种说法是银行创造了流动性。银行未贷出而持有流动性可以看作是机会成本，从这个角度来说银行为获得较大净利差更倾向于持有较小流动性，这与本文研究结论相同。但是，营利性是建立在安全性基础之上的，银行只有保住特许权价值才有机会获得收益。用来支付客户随时提现的负债虽然只占银行全部负债的一部分，但当商业银行面对客户提取现金的需求而不能及时兑付时，银行以不合理的价格变现自有资产或在外界融资来满足流动性需求时反而增加了银行的成本。因此，银行应理性对待风险和收益的关系，在收益最大化的同时守住安全性底线。同时应加强流动性的监管，确保银行持有充足流动性减少发生兑付风险甚至因传染而发生恐慌挤兑。这是本文的现实意义和政策意义。

2008年金融危机的发生促使巴塞尔协议Ⅲ（2010年）在巴塞尔协议Ⅱ（2004年，巴塞尔协议于1988年）之后不久便出台，其对于商业银行流动性和信用风险的监管加强，并提高了对于银行资本的要求，银行的利润来源受到影响。与之同时，利率市场化改革以及互联网金融的发展使各银行间的竞争加大，银行面临业务转型压力并需要寻找新的利润增长点。因此本文为银行在新的监管要求下协调三原则之间的关系以及风险管理提供一定的借鉴，也为后续研究提供了方向。