参考张健华中外银行业效率及其影响因素研究.docx
《参考张健华中外银行业效率及其影响因素研究.docx》由会员分享,可在线阅读,更多相关《参考张健华中外银行业效率及其影响因素研究.docx(62页珍藏版)》请在冰豆网上搜索。
参考张健华中外银行业效率及其影响因素研究
中、外银行业效率及其影响因素研究
-----基于产出定位的距离函数模型
中国金融40人论坛成员张健华[2010-08-23]
摘要:
本文根据2004-2008年中国银行业和国外主要银行数据,采用随机前沿方法和产出定位的距离函数,从银行盈利角度,对中、外银行业运行效率及其影响因素进行了系统比较。
研究发现:
(1)2006年以来,绝大多数样本国家主要银行的技术效率呈下降趋势,其中2007-2008年下降更为明显。
与此相反,2006年及以前,中国银行业盈利效率并不高,但2007年以来,中国银行业盈利效率逐年上升。
(2)从不同法系银行效率平均值来看,北欧法系的银行平均盈利效率最高,德国法系最低,英美法系和法国法系相差不大。
中国银行业平均盈利效率较高,尤其是在全部银行比较中仅次于北欧法系;在前几大银行比较中,仅次于北欧法系和俄罗斯法系。
(3)从法律体系的影响来看,给定其它影响因素,与其它法系相比,中国和俄罗斯法律体系带来的银行无效率较高。
(4)从国家层面影响因素来看,银行在本国的重要程度、对银行业务活动的监管程度、本国经济规模和经济发展速度与银行效率正相关;国有银行控股比重、金融发展深度与银行效率负相关。
(5)从银行特征影响因素来看,银行规模、公开上市、权益资本占比、贷存比与银行效率正相关,其中银行规模、公开上市对银行效率的促进作用对中国银行业更加明显,权益资本占比对银行效率的促进作用在中国银行业中受到弱化;银行的投资比例、银行间资金比例导致银行效率降低,其中投资比例与银行效率的负向关系在中国银行业中受到弱化。
对国外银行来讲,不良贷款率和拨备率与银行效率的关系并不显著,但对中国银行业来讲,不良贷款率与银行效率负相关,拨备率与银行效率正相关。
(6)从银行类型来看,给定其它因素,与银行控股公司相比,一般商业银行和投资银行的无效率偏高,政府信贷组织和其它类型银行无效率偏低,这一结论在国外银行样本中表现尤为明显。
一、前言
2007年以来由次货危机引发的全球性金融危机,给众多国家的金融体系带来重大影响,导致一大批银行经营困难甚至倒闭。
与此相比,中国银行业却表现出明显的发展优势,根据《TheBanker》全球银行盈利排名,2008年,中国工行、建行和中行分别位列第一、二和四位。
与此同时,国、内外对中国银行业的态度也发生了重大变化,从对中国银行业的怀疑(尤其是1997年亚洲金融危机爆发后,国际上很多观点认为中国银行体系也将难免爆发危机)转变为对中国银行业改革的认可和赞同。
中国银行业的不断进步源自于中国金融体系的持续改革,尤其是2003年以来对国有大银行的改革,力度非常之大。
2002年,中国召开第二次全国金融会议,决定启动国有商业银行改革,并于2003年9月选择选择中国银行、中国建设银行进行试点。
随后的4年中,我国四大国有银行中的三家—中国银行、中国建设银行、中国工商银行相继完成股份制改造和上市工作。
2007年1月,中国召开第三次全国金融工作会议,决定稳步有序地推进中国农业银行的改革,2009年1月,中国农业银行股份有限公司挂牌成立,并于2010年7月完成上市工作。
在监管方面,2003年4月,中国银监会成立,中国金融业监管的“一行三会”格局正式形成。
经过多年的改革,我们自然会提出如下问题:
中国银行业的运行效率是否真正得到提高?
与国外银行相比,中国银行业运行效率如何?
中、外银行业的运行效率差异有多大?
从银行运行效率度量指标来看,多数研究采用(前沿)技术效率度量银行的运行效率[1]。
从相应的研究方法看,可以分为参数方法和非参数方法,常用的参数方法是随机前沿分析,非参数方法是DEA[2]。
从已有关于中国银行业效率的研究来看(如:
张健华(2003)、Chen等(2005)、姚树洁等(2005)、王聪和谭政勋(2007)、Fu和Heffernan(2007)、Berger等(2009)、Hasan等(2009)、蔡跃洲和郭梅军(2009)、Jiang等(2009)、张健华和王鹏(2009,2010)),涉及中外银行业效率比较的研究还较少。
从国外的研究来看,银行效率的跨国比较也较少,而且主要集中在对发达国家(特别是欧盟国家)之间银行效率的比较研究上,在Berger和Humphrey(1997)对130项效率研究的综述中,只有5项涉及跨国比较。
此外,一些文献还对转型国家的银行效率进行了跨国比较,如Grigorian和Manole(2002)、Fries和Taci(2005)、Bonin等(2005)以及Yildirim和Philippatos(2007)等,但是,这些研究并未涉及中国银行业。
总体来看,次贷危机带来的影响还远未退去,危机暴露出各国银行业的问题值得反思,在此情况下,对中、外银行业运行效率进行跨国比较,分析影响银行业运行效率的各种因素,具有十分重要的意义。
因此,本文采用随机前沿方法对中、外银行业运行效率进行比较研究。
如上所述,我们在研究中不再涉及投入要素价格,同时考虑到银行有多种投入和多种产出,我们采用产出定位的距离函数进行分析。
与以往的研究相比,我们除了对中、外银行业运行效率及其影响因素进行系统比较以外,还在以下几个方面存在不同:
(1)从研究期限看,我们取为2004-2008年,此期限基本覆盖了中国银行业近几年的重大变革(尤其是大银行)以及次贷危机带来的影响。
(2)从样本数据来看,本文中国银行业数据涵盖四大国有商业银行、13家股份制银行以及136家城市商业银行,共计5年676个样本,基本涵盖了中国绝大多数商业银行资产,数据来源为中国人民银行,更加全面的数据为中、外银行业比较研究奠定了基础。
从国外银行来看,涉及中国大陆以外27个国家和地区的主要银行,共计5年926个样本数据,基本涵盖了世界上的主要银行。
此外,我们遵循Sturm和Williams(2004),从银行盈利的角度衡量其运行效率,注重强调银行的盈利能力[3]。
本文结构如下:
第二部分是模型和数据介绍,第三部分是回归结果和分析,第四部分是结论。
二、模型和数据介绍
(一)距离函数
在多投入、多产出或价格信息不可得的情况下,采用距离函数方法进行前沿分析比较有效。
距离函数经过变换,可用标准的随机前沿方法分析,具体可分为投入定位(Saal、Parker和Weyman-Jones,2007)和产出定位(Coelli和Perelman,1996,1999,2000;Orea,2002)。
产出定位的距离函数(给定投入要素,产出最大化)定义如下:
,根据Lovell等(1994)定义,对
来讲,
满足非减的、正齐次性以及凸性。
对
来讲,是非增的。
如果产出
落在生产可能性集合
内,
的取值小于或等于1。
如果
落在生产可能性集合的边界上,
的取值等于1。
具体来看,
其中,
是投入,
是产出(多投入、多产出),t代表时间,根据
关于
的一次齐次性,可以得到以下约束条件:
在上述约束条件下,对个体
来讲,可得到以下等价方程
(2)
其中,
;根据定义,
。
进一步定义,
,服从非负截断正态分布。
,服从标准正态分布,
和
相互独立,以上模型是标准的随机前沿模型[4]。
根据Battese和Coelli(1995)模型,我们可以进一步分析
的影响因素,在此情况下,
,
表示影响技术无效率项的外部因素,
表示这些影响因素的系数。
是随机变量,假设服从截断正态分布
(截断点为
,即:
)。
这意味着
服从非负断尾正态分布
,其中
,表示
的期望值
受到不同因素的影响,但方差不变。
(二)模型
在银行效率研究中,如何定义和度量银行的投入和产出也是一个重要问题,主要度量方法有生产法和中介法。
以往的研究也采用了不同的投入和产出指标,在此基础上,我们根据中介法和Sturm和Williams(2004)的研究,从银行盈利的角度对中、外银行业运行效率进行研究(见表1)。
表1 本文的投入、产出要素说明
要素
说明
投入要素
利息支出、非利息支出(营业费用)
产出要素
净利息收入、非利息收入
说明
利息支出:
表示存款等付息资产的投入。
非利息支出(营业费用):
包括员工费用、业务费用、折旧和摊销、营业税和其他费用、保险索偿支出等。
净利息收入:
利息收入-利息支出。
非利息收入:
交易和衍生品净收入、手续费及佣金净收入、汇兑净收入、其他营业收入等。
(三)数据
1、数据选取
国外银行数据选取有以下标准:
(1)根据Bankscope数据库,数据年度选取为2004-2008年;
(2)样本期间进入全球《财富》500强;(3)英国《TheBanker》历年统计的全球银行1000强中的前200强;(4)美国、德国、日本等经济发达国家,增加样本个数(每年20个左右);(5)巴西、印度、俄罗斯等发展中国家增加样本个数,为《TheBanker》历年统计的全球银行1000强中的前500强(见表2)。
一些国家不同年份之间样本数存在差异,主要是由于Bankscope数据库缺失数据所致(比如银行数据严重缺失、银行遭遇破产倒闭或与其它银行合并等)。
表2 中、外银行样本(个)
国家
2004
2005
2006
2007
2008
合计
Australia
0
1
6
6
6
19
Austria
3
3
3
3
3
15
Belgium
0
3
3
3
2
11
Brazil
7
7
8
8
7
37
Canada
7
7
7
7
7
35
China
合计
124
128
137
137
150
676
四大
4
4
4
4
4
20
股份制
12
12
13
13
13
63
城商行
108
112
120
120
133
593
Denmark
2
2
2
2
2
10
Finland
0
1
1
1
1
4
France
2
7
7
7
6
29
Germany
6
7
18
16
18
65
Greece
2
2
2
2
2
10
HongKongSAR
5
5
5
5
5
25
India
12
13
13
13
11
62
Ireland
3
5
5
5
5
23
Italy
0
4
5
5
5
19
Japan
19
19
19
20
17
94
Korea
6
7
7
7
7
34
Netherlands
3
4
4
4
4
19
Norway
0
1
1
1
1
4
Russia
16
16
16
16
15
79
Singapore
3
3
3
3
3
15
SouthAfrica
1
1
1
1
1
5
Spain
14
14
14
14
14
70
Sweden
0
4
4
4
4
16
Switzerland
5
5
5
5
5
25
Turkey
1
1
4
5
5
16
UnitedKingdom
4
9
9
9
8
39
UnitedStates
29
31
31
31
24
146
合计
150
182
203
203
188
926
2.数据处理
所有数据按照各国GDPdeflator折算到2000年价格水平,单位为百万元美元,GDPdeflator来自世界银行(WorldBank)的统计数据。
为了避免各国货币每年与美元之间的汇率波动造成的影响,我们在将各国数据(本国货币表示)折算为美元时使用的汇率是样本期间的平均汇率,如此处理,将不会改变用本国货币所表示的各类数据之间的关系[5]。
(四)技术无效率的影响因素
在跨国研究中,国家层面的因素差异将产生很大的影响,因此,我们除了考虑银行内部各项度量指标的影响外,还考虑了国家层面的影响因素(Grigorian和Manole,2002;Fries和Taci,2005;Lensink、Meesters和Naaborg,2008)。
表3 无效率影响因素变量定义
变量名称
变量定义
1.国家层面影响因素
(1)法律根源
根据LaPorta等(1997、1998、2002),将以上国家分为普通法系和大陆法系,其中大陆法系又分为法国法系、德国法系和北欧法系(斯堪的纳维亚法系)。
由于中国和俄罗斯的特殊性,我们将其单独列出,具体如下:
英美法系:
英国、美国、加拿大、澳大利亚、爱尔兰、南非、印度、新加坡、香港;
法国法系:
法国、比利时、巴西、希腊、意大利、荷兰、西班牙、土耳其;
德国法系:
德国、奥地利、日本、韩国、瑞士;
北欧法系:
瑞典、丹麦、挪威、芬兰;
中国、俄罗斯。
(2)银行业市场结构
各国前5大银行的资产(存款)占本国银行业资产(存款)的比例,该数值越大,银行业越集中。
数据来源:
Barth等(2008):
BankRegulationandSupervisiondatabase(WorldBank)。
(3)银行相对于资本市场的重要程度
根据Beck和Levine(2002)、Levine(2002)、Beck和Demirgüç-Kunt(2009),我们采用两个指标衡量银行业和资本市场的相对重要程度。
一是各国(银行对私人部门贷款额/GDP)和(资本市场交易额/GDP)之间的比值,二是各国(银行对私人部门贷款额/GDP)和(资本市场市值/GDP)之间的比值。
我们采用主成分法对两个指标加总计算,所得数值越大,表明该国越依赖银行业。
数据来源:
Beck(2010):
FinancialStructureDataset(WorldBank)。
由于中国的特殊情况,其银行信贷指标取为(银行全部贷款额/GDP)。
(4)银行业务活动的监管约束程度
对银行业务活动的监管约束主要包括四个方面:
证券投资(securities)、保险投资(insurance)、房地产投资(realestimate)和控股非金融企业。
约束程度分为四类:
无限制(unrestricted,取值0)、许可(permitted,取值1)、限制(restricted,取值2)和禁止(取值3)。
根据Levine等(2002)的研究,四项相加即为监管约束程度的度量,该值越大,表示一国对银行业务活动的监管约束程度越大。
数据来源:
Barth等(2008):
BankRegulationandSupervisiondatabase(WorldBank)。
(5)国有控股银行比重
政府控股50%以上的银行资产占一国全部银行资产的比重,该数值衡量各国银行系统中国有银行的影响。
数据来源:
同上。
(6)外资控股银行比重
外资控股50%以上的银行资产占一国全部银行资产的比重,该数值衡量各国银行系统中外资银行的影响。
数据来源:
同上。
(7)资本约束(capital)
根据Barth等(2004,2008),该指标主要包含9个方面内容,衡量了对银行资本的监管约束程度(取值范围0-9),该值越大,表示一国对银行资本的监管约束越强。
数据来源:
同上。
(8)金融发展深度
LiquidLiabilities/GDP数值衡量金融发展深度。
数据来源:
Beck(2010):
FinancialStructureDataset(WorldBank)。
(9)经济发展水平和速度
经济总量:
Ln(GDP),折算到2000年物价水平。
以往的研究表明,经济总量越大的国家,越有可能出现规模较大的银行,从而影响银行的运行效率。
经济增长率:
各国GDP增长率。
数据来源:
WorldDevelopmentIndicators(WDI)。
(10)各国利差水平
数据来源:
IMF(InternationalFinancialStatistsics,2008)
2.银行特征变量
(1)银行类型
根据Demirgüç-Kunt和Huizinga(2009),银行类型分为一般商业银行(commercialbanks)、银行控股公司(BankHolding&HoldingCompanies)、投资银行(investmentbank)、政府信贷机构以及其它类型(CooperativeBank、RealEstate/MortgageBank、SavingsBank)。
分别取虚拟变量,并以银行控股公司为参照。
数据来源:
Bankscope。
(2)银行在本国内的相对规模
银行总资产/本国资产规模最大银行的总资产,表示银行规模带来的影响。
(3)是否公开上市
上市年份及以后,取1,否则,取0。
(4)不良贷款率
不良贷款余额/总贷款,衡量银行的贷款质量。
(5)不良贷款拨备率
贷款准备金余额/不良贷款余额,衡量银行的信贷风险。
(6)所有者权益/总资产
衡量银行的资本风险。
(7)贷存比
总贷款/总存款,衡量银行的流动性风险和资金使用率。
(8)投资/收益资产
收益资产包含:
总贷款、现金及银行存款、存拆放同业、投资等。
投资包括可交易证券(tradingsecurities)、衍生品(derivatives)、持有的到期证券(heldtomaturitysecurities)、可供出售的证券(availableforsalesecurities)以及其它证券等。
(9)同业资金比例
同业资金/(同业资金+总存款),衡量银行的市场风险,同业资金包括:
同业存拆入、衍生品(derivatives)、可交易负债(tradingliabilities)等存款以外的其它付息资金。
3.年份变量
取非线性的年份变量,并以2004年为基准年。
三、结果分析
(一)技术无效率影响因素分析
表4-1对银行效率影响因素进行了总结,表4-2具体列出了银行效率影响因素的符号及其显著性,表4-3列出了无效率影响因素的具体回归结果。
从表4-2和表4-3可以看出,回归1只考虑国外银行。
回归2在回归1的基础上,进一步包含了中国银行业样本,由于样本中国外银行规模都较大,在此我们只考虑中国的四大国有商业银行和股份制银行,这些都是中国规模较大的银行。
回归3进一步增加了中国银行业样本,除了四大国有商业银行和股份制银行之外,还包含了所有城市商业银行样本,以比较中国银行业和国外主要银行之间的效率差异。
回归4在回归3的基础上,分析了中国银行业和国外主要银行效率影响因素方面的差异,在此我们重点分析了银行特征变量的影响差异。
从回归结果可以看出,回归1和回归2的在0.93以上,回归3和回归4的也在0.85以上,表明随机前沿模型的适用性,同时,绝大多数回归系数显著,说明模型的可信度较高。
1.国家层面影响因素
(1)法律根源
从国外银行样本回归结果来看,以英美法系为参照,北欧法系和技术无效率负相关,但差别并不显著;法国法系和德国法系与技术无效率正相关,差别也不明显。
俄罗斯法系与技术无效率显著正相关,明显劣于英美法系。
从回归2-回归4的结果来看,以中国法系为参照,北欧法系、英美法系、法国法系以及德国法系都和技术无效率显著负相关,即:
中国的法律体系带来的银行无效率较高。
与俄罗斯法系相比,中、俄两国差别并不明显。
以往关于中国的研究发现,中国的法律体系对投资者的总体保护水平偏低(Allen等,2005),从而影响整体经济的运行效率,我们的研究也发现,给定其它因素下,与世界其它大部分法律体系相比,中国的法律体系将会导致银行效率较低。
另一方面,回归2-回归4中各法系之间的相对关系和回归1的结果一致。
此外,与回归3和回归4相比,回归2只考虑了中国大银行样本,结果发现中国法律体系所体现的无效率也相对较小,尤其是与俄罗斯法律体系相比,回归3和回归4中俄罗斯法律体系与技术无效率负相关(虽然在3个回归中两者之间差别并不显著),回归2中俄罗斯法律体系与技术无效率正相关。
这从另外一个角度说明,中国大银行的效率要高于城市商业银行。
(2)银行业市场结构
在所有回归中,银行业集中度与银行效率关系不显著。
(3)银行相对于资本市场的重要程度
银行业重要程度与技术无效率负相关,并在所有回归中显著,即:
本国银行业相对资本市场越重要,银行效率越高。
(4)银行业务活动的监管约束程度
对银行业务活动监管程度越高,银行技术效率越高,并在回归1和回归2中显著。
回归3和回归4中这一关系并不显著,可能的原因是,银行监管程度对中国大银行的约束力更强,或者,相对城市商业银行来讲,中国大银行所从事的此类业务活动更多,因此受到的约束监管也更明显。
(5)国有控股银行比重
国有控股银行比重与技术无效率正相关,并在回归1和回归3中显著,这表明,国有控股银行的比重越高,银行业的整体效率越低,与以往的研究结论一致。
回归2中这一关系并不显著,可能的原因是,中国银行业国有银行控股比重较高,而同时大银行的效率也相对较高。
(6)外资控股银行比重
外资控股银行比重与技术无效率负相关,并在回归2中显著,这表明,外资控股银行的比重越高,银行业的整体效率越高,与Fries和Taci(2005)的结论一致。
此外,从结果的显著程度来看,外资银行比重的提高对中国大银行效率的促进作用更大。
(7)资本约束
资本约束与技术无效率负相关,但只在回归1中显著,即:
当考虑更多的中国银行业样本后,这一关系不再显著。
(8)金融发展深度
金融发展深度指标与银行无效率正相关,并在所有模型中显著。
可能的原因是,金融发展深度越广,银行业竞争越激烈,从而导致银行效率下降。
(9)经济发展水平和速度
经济总量和增长速度与银行无效率负相关,并在绝大多数模型中显著。
(10)各国利差水平
利差水平与银行无效率负相关,但并不显著。
2.银行特征变量
(1)银行类型
以银行控股公司为参照,回归1中,一般商业银行和投资银行的无效率显著偏高,投资银行无效率尤为明显。
政府信贷组织和其它类型银行的无效率显著偏低。
回归2-回归4中,一般商业银行的无效率不再显著,主要原因是,根据Bankscope,中国银行业类型全部取为一般商业银行,从而导致此项结论发生变化。
(2)银行相对规模
银行在本国的相对规模越大,技术无效率越低,并在所有模型中显著,体现出规模优势在提高银行盈利效率方面的作用。
模型4中,相对国外银行来讲,中国的银行相对规模与无效率的负向关系得到加强,并且显著,即:
银行相对规模对中国银行业盈利效率的促进作用更大。
(3)公开上市
在所有模型中,公开上市与技术无效率显著负相关,银行上市对银行盈利效率有明显的促进作用。
模型4中,这一关系在中国银行业样本中得到加强,并且显著,即:
公开上市对中国银行业效率的促进作用更大。
(4)不良贷款率和拨备率
模型1中,不良贷款率和拨备率与技术无效率的关系并不显著,可能的原因是,国外银行的不良贷款率普遍较低,而拨备率较高,它们与技术无效率的关系受到弱化