韓 宇,牛莉杰,楊天慶,程澤明,潘家坪
(南京林業(yè)大學 經濟管理學院,南京 210037)
中國利率市場化進程不斷加快,2019 年推進實施LPR形成機制改革后,利率市場化全面展開,依靠傳統(tǒng)利差收入作為主要利潤來源的商業(yè)銀行經營模式面臨發(fā)展困境,業(yè)務結構轉型迫在眉睫。
農村商業(yè)銀行是我國商業(yè)銀行中非常重要的一類,相比較其他類型的商業(yè)銀行,農村商業(yè)銀行面向農村,因此在非利息收入發(fā)展上具有獨有的特色,比如相比較來講對利息收入的依賴性更大等等。本文從農村商業(yè)銀行年報數(shù)據(jù)出發(fā),建立面板數(shù)據(jù)模型,分析農村商業(yè)銀行的非利息收入占比對經營績效的影響。
國內外學者對于商業(yè)銀行非利息收入與經營績效之間的關系存在著理論爭議,大致可分為三類。第一類觀點認為二者是正相關,即經營績效會隨著非利息收入的上升而上升。房紅(2012)在分析了招商銀行2002-2006年經營數(shù)據(jù)后,發(fā)現(xiàn)商業(yè)銀行非利息收入占比對股權收益率存在明顯的正相關關系[1]。第二類觀點認為二者是負相關,即經營績效會隨著非利息收入的上升而下降。黃永興等(2016)分析了城市商業(yè)銀行的數(shù)據(jù),發(fā)現(xiàn)城市商業(yè)銀行額的經營績效會因為非利息收入占比的提升而減少[2]。第三類觀點認為二者不存在顯著關系,即經營績效不會隨著非利息收入的上升而變化。詹歡(2017)分析了35 家中國農村商業(yè)銀行的年度數(shù)據(jù),研究的結論為:農村商業(yè)銀行的經營績效并不會隨著非利息收入的變化而產生較大變化,其穩(wěn)定性也是如此[3]。Santomero 和Chung(1992)通過對銀行和非銀行金融機構的資產回報率的波動性進行分析,得到結論銀行開展非利息收入有助于降低風險[4]。
本文基于5家農村商業(yè)銀行年報數(shù)據(jù),通過構建非利息收入與經營績效的面板數(shù)據(jù)模型,去探究非利息收入是否有助于提升商業(yè)銀行經營績效,給農商行未來發(fā)展提供幫助與建議。
本文選擇了共計5家農村商業(yè)銀行作為研究樣本。分別為北京農村商業(yè)銀行、吳江農村商業(yè)銀行(2019年已更名為“吳江銀行”)、合肥科技農村商業(yè)銀行、上海農村商業(yè)銀行、江陰農村商業(yè)銀行。本文以各家農商行在A 股披露的年報以及官網年報為數(shù)據(jù)原始來源,樣本的觀測期為2008-2018年。
2.2.1 經營績效衡量指標
主要的經營績效衡量指標有:資本收益率(ROE)和資產收益率(ROA)。二者的主要區(qū)別在于是否考慮負債。因銀行的絕大部分資金來源是負債,若將負債排除在經營績效的衡量范圍之外,則會對商業(yè)銀行的績效評價產生較大偏差,因此本文選取總資產收益率(ROA)衡量農村商業(yè)銀行的經營績效。
2.2.2 非利息收入變量與控制變量選擇
由于非利息收入的定義在學術界頗有爭議。本文將商業(yè)銀行營業(yè)收入剔除掉利息收入的部分定義為非利息收入,以保證銀行非利息收入的完整性[6]。
本文在微觀和宏觀都分別設置了控制變量。微觀層面,選取銀行總資產的自然對數(shù)(Ln(ASSET))用以衡量銀行規(guī)模水平[7]。銀行貸款比重則用貸款總額/資產總額(LOAN)衡量。宏觀層面用廣義貨幣供應量M2占GDP總量的相對比重作為控制變量。具體變量及其定義見表格1。
表1 變量及其定義
農商行提升非利息收入的原因,是通過增加盈利渠道,用更加靈活多樣的盈利方式提升經營績效。對于我國目前銀行業(yè)普遍存在的對利息收入的依賴性較重,非利息收入占比較低的情況,提升非利息收入占比帶來的提升會更大。因此,本文假設為:農商行的非利息收入占比與經營績效是正相關關系。
因本文數(shù)據(jù)既包含時間數(shù)據(jù)也包含橫截面數(shù)據(jù),所以采用面板數(shù)據(jù)模型進行回歸[7],來分析非利息收入對銀行收入的影響。模型如下:
其中,ROAti為第t 年第i 家銀行的總資產收益率;NIti為第t年第i家銀行的非利息收入占比;LN(ASSET)ti為第t 年第i 家銀行的銀行規(guī)模取對數(shù);LOANti為第t 年第i 家銀行的銀行貸款總額/資產總額;MSti為第t年廣義貨幣供應量/GDP。
首先進行單位根檢驗,來檢驗樣本數(shù)據(jù)的平穩(wěn)性。利用eviews10進行檢驗,發(fā)現(xiàn)部分檢驗結果不平穩(wěn),需進行差分使其平穩(wěn)。但因本文數(shù)據(jù)時間跨度較低,差分易導致結果偏移預期值,解釋力度變弱,因此不對數(shù)據(jù)進行差分處理,使用原數(shù)據(jù)進行回歸。
其次用eviews10進行Hausman檢驗,對公式進行檢驗,結果為W=0,相對應的P值為1,結論是接受建立個體隨機效應模型的原假設,建立個體隨機效應模型。
表格2和表格3分別為模型主要變量ROA和NI的描述性統(tǒng)計。從表格2中總體項可以看出,總資產收益率(ROA)的平均值為0.0096,標準差為0.0034,55個樣本的標準差相對于單一農商行數(shù)值有大有小,說明不同農商行的非利息收入差距較大。對于ROA 的平均值,銀行間總資產收益率差距不大基本維持在0.01左右。從表格3的總體項看出,非利息收入占比(NI) 總體的平均值為0.1677,仍然較低從NI 描述性統(tǒng)計分析結果中也能看出,北京農村商業(yè)銀行的非利息收入占比也高于其他農村商業(yè)銀行。
表2 ROA描述性統(tǒng)計分析
表3 NI描述性統(tǒng)計分析
表格4為個體隨機效應模型回歸結果,從表格6中可以看出,模型擬合的R2為0.5428,調整后的R2為0.5062,且P 值為0,模型擬合程度良好,解釋變量能夠合適地解釋被解釋變量。從數(shù)據(jù)的擬合程度來看,NI 在10%的水平下是顯著的,模型主要解釋變量通過T 檢驗。從NI 的系數(shù)來看,系數(shù)為負,說明農商行非利息收入占比的提升不僅不會提升ROA,而且會對ROA 產生負面影響。對于模型的控制變量而言,LOAN 在1%水平下是顯著的,系數(shù)為正,說明LOAN 對ROA 具有顯著的正相關關系,即貸款比重的提升會對農商行的ROA產生明顯的正向影響。LNASSET和MS均未通過T檢驗,說明其對ROA無顯著影響。
表4 個體隨機效應模型回歸結果
在回歸中,結論顯示:農村商業(yè)銀行的非利息收入的提升會顯著的降低銀行經營績效,因此拒絕原假設。本文從商業(yè)銀行非利息收入結構和成本,以及市場化因素做出解釋。
3.3.1 非利息收入結構因素
手續(xù)費與傭金收入在中國農商行非利息收入結構占比在60%左右,雖然相對于大型商業(yè)銀行的70%左右的占比較小,但仍然處于高位。非利息收入的變化并不能反映農商行總資產收益率,并且隨著市場逐漸完善,非利息收入的資產收益率有下降的趨勢。因此非利息收入占比的提升反而會降低農商行經營績效。
3.3.2 非利息收入成本因素
農商行的其他業(yè)務及管理費大約占到銀行營業(yè)支出的70%,而這一部分的成本會包括許多對于某種業(yè)務和產品的初始成本支出[8]。這也導致當銀行進行業(yè)務調整時,由于業(yè)務擴張導致的成本支出將會計入在此,這會在一定程度上對商業(yè)銀行的營業(yè)收入產生很大影響。
同時由于農商行主要面對農村市場,擴展非利息收入相對于城市商業(yè)銀行和大型商業(yè)銀行的難度較大,對于成本的需求會比正常情況更大。
3.3.3 市場化因素
本文統(tǒng)計的是2018-2018 年的中國5 家農商行數(shù)據(jù),這期間中國的利率市場化程度提高,利息收入會受此而波動,這也在影響商業(yè)銀行的經營收入,進而影響商業(yè)銀行的總資產收益率[9]。總資產收益率受到較大的外部因素的影響,使得模型的解釋能力變弱。因此會出現(xiàn)非利息收入提升的同時商業(yè)銀行總資產收益率并不會增加。
雖然根據(jù)本文模型結果,農商行經營績效雖然隨著非利息收入提升而降低,但提升非利息收入規(guī)模仍對農商行具有正面效應,如降低銀行經營風險[10]。相比較利息收入,非利息收入的特性是對農商行資本占用比例更小,對利潤的提升更為顯著。目前中國農村商業(yè)銀行的非利息收入占比仍然在16%左右,相對于國內的大型商業(yè)銀行,農商行非利息收入發(fā)展仍然處于早期發(fā)展階段,提升農商行的非利息收入已是大勢所趨。
目前中國農村商業(yè)銀行的手續(xù)費與傭金收入仍是非利息收入的大部分來源,且有著較高占比,而這一部分主要依賴于貸款業(yè)務。說明農商行不平衡的現(xiàn)象在非利息收入結構中尤其突出,其他來源的收入占比仍然較小,發(fā)展空間較大。但在改善非利息收入結構的同時,仍要注意對銀行整體經營的影響,結構調整應該有序推進。
隨著2019 年LPR 形成機制改革進一步推進了利率市場化的進程,農商行傳統(tǒng)盈利模式產生危機,農商行更應該加大力度拓展非利息收入規(guī)模,以維持商業(yè)銀行經營利潤穩(wěn)定[11]。但同時更要注意,農商行主要是面向農村,提升非利息收入的同時也要注意從自身特性出發(fā),開發(fā)適合農商行的非利息業(yè)務,增強自身特色。