我国商业银行贷款定价影响因素的实证检验

宋 磊

0 引言

随着我国利率市场化改革的推进，尤其是2004年10月底完全放开人民币贷款利率的上限，银行拥有越来越多的贷款利率经营自主权，而与此同时，随着外资全面进入我国银行业，银行之间的竞争逐渐加剧，对于普遍以传统存贷款业务作为主要业务的我国银行来说，合理贷款定价就显得尤为重要。由于我国商业银行信息披露内容少而质量差，受制于数据的不可获取性，对我国商业银行贷款定价的理论研究相对较多，而实证研究非常少。近年来在巴塞尔新资本协议关于市场约束和商业银行公开信息披露的倡导下，我国银监会也对商业银行公开信息披露内容与质量提高了要求，为商业银行贷款定价的实证研究提供了有利条件。

国外关于贷款定价影响因素的实证研究集中在三个方面，一是研究银行业市场结构（也就是市场集中度）对贷款定价的影响；二是研究银企信息不对称关系对贷款定价的影响；三是研究借款企业规模对贷款定价的影响。本文借鉴国外文献的研究思路和研究方法，研究资金成本、违约风险水平、银行相对规模、资本充足率、贷款集中度、银企信息不对称程度对贷款定价的影响，为商业银行贷款定价实务以及政府政策制定提供参考。

1 理论假设与模型选择

1.1 变量选取与数据来源

我们选取我国四家国有商业银行和十家全国性股份制商业银行作为研究对象，限于数据的可得性，剔除了广东发展银行，共选取其余13家商业银行作为研究样本。此外，我们选取2002年到2010年为研究时间段，把2002～2010年共9年的时间序列数据。

本文中，样本银行的相关数据来自各样本银行网站公开披露的年报，以及2002～2010年中国金融年鉴，基准存贷款利率数据、金融机构存、贷款总额以及资产总额数据来自于2002～2010年的中国金融年鉴。

此外，我们还引入了基准存贷款利差作为控制变量，由于基准存贷款利率是我国商业银行贷款定价的参照利率，因此基准存贷款利差越高，则银行贷款定价越高。具体各变量含义、预期符号等见表1。

表1 模型中相关变量解释

1.2 研究模型选择

本文参照面板数据模型分析的一般思路，我们分别建立了个体随机效应模型、个体固定效应模型和混合数据普通最小二乘法估计模型，各模型计算公式如下：

1.2.1 个体随机效应模型

1.2.2 个体固定效应模型

1.2.3 混合数据普通最小二乘模型

其中变量下标i代表不同银行，下标j代表不同的年度。在模型5-1和5-2中，μi和ci分别表示其他没有观测到的样本银行因素的影响，其中μi服从随机分布，ci是只与样本银行i相关的一个常数,b为常数。ζij表示残差项。

2 实证研究结果

表2给出了分别运用个体随机效应模型、个体固定效应模型和混合数据OLS模型对总样本进行估计的结果，以及对不同模型选择的各种检验结果。估计结果显示，方程在固定效应模型、随机效应模型下拟和程度良好，方程整体回归也较为显著，在混合数据OLS模型下拟合程度稍差，方程整体回归显著性要逊色于另两种情况。从固定效应模型的Wald F检验和随机效应模型的LM检验结果来看，它们均拒绝采用混合数据OLS模型的原假设，接受固定效应模型和随机效应模型的备择假设；随后进行的Hausman检验结果表明拒绝固定效应模型，支持随机效应模型和固定效应模型的系数不存在系统性差别的原假设，因此应优先选择随机效应模型。

表2的估计结果还表明：

（1）在三种模型估计中，衡量银行资金成本水平的存款利息支出DR均对银行平均贷款定价产生显著影响，且影响方向与预期假设一致，均通过了1%水平上的显著性检验；营业费用率符号在三种模型估计中均与预期假设相符，只是统计结果不显著。说明我国商业银行贷款定价实务中对存款利息支出较为关注，但在贷款定价中对营业费用分摊部分未充分体现出来，主要原因可能是我国商业银行的信息系统建设落后，尚不能完全实现将成本费用按成本动因、分客户进行归集和分配，因此贷款定价只能粗略地根据国家同期贷款基准利率大致确定一个上下浮动比例确定。

（2）衡量银行贷款集中度的最大10家借款企业贷款占比T10P指标在三种模型估计中系数的符号均与预期假设相符，并且在固定效应模型估计中通过了5%水平上的显著性检验，但在混合数据OLS估计和随机效应模型估计中不显著。说明我国商业银行向大企业发放贷款比例的确在一定程度上反映了银企平均信息不对称程度，而且对大企业发放贷款的利率确实低于对中小企业的贷款利率，但统计结果并不显著。

表2 混合数据OLS模型、固定效应模型和随机效应模型估计结果

（3）衡量商业银行违约风险水平的不良贷款增长率BLR指标在三种模型估计中都通过了5%的显著性检验，与预期假设完全相符，说明商业银行会对高风险借款企业征收更高的贷款利率，以弥补由于贷款违约风险增加而增加的预期损失，这一结论与与Blackwell和Winters（1997）、Angbazo（1997）的实证结果也保持一致。

（4）衡量银行规模的贷款总额占比LNL指标在三种模型估计中都不显著，而且系数符号也均与预期假设相反，与Edwards(2002)的实证结果一致，说明银行规模对贷款定价的影响是复杂的，一方面Berger和Hannan（1989）、Koskela和Stenbacka（2000）等人认为大规模银行之间的竞争程度更加激烈，因而会导致大银行的贷款定价反而更低；另一方面，Monti-Klein（1971）、Freixas和Rochet(1997)以及Corvoisier and Gropp(2002)等人认为银行规模越大，市场垄断力越强，则贷款定价越高，因此对于银行规模对贷款定价的影响应当放松假设，进一步加强深入理论和实证研究。

（5）在三种模型估计中，衡量资本充足率的资产权益率增长率指标ETA符号均与预期假设相反，并且统计结果都不显著。反映出在我国银行业资本充足率指标尚不具备风险信息甄别作用，无论是外部投资者、债权人还是银行经营管理者、股东这些利益相关者对于资本充足率指标重视程度不够，未将资本充足率水平与资金运用的风险水平、盈利能力综合在一起考虑，这与国内许多学者实证研究结果相一致，如张正平、何广文（2004）和何问陶和邓可斌（2004）发现资本充足率指标对我国商业银行的存款人几乎没有任何市场约束力，李红琨（2007）发现我国商业银行盈利能力并没有随着资本充足率提高而加强，两者之间的激励相容弹性系数几乎接近于0。因此资本充足率实证结果符号相反且不显著说明我国商业银行的利益相关者对于资本充足率指标重视程度不够，没有把资本充足率与贷款的风险水平和盈利能力联系起来综合考虑，多数管理者还缺乏通过资产配置和资产的风险水平调整等内源方式来主动提高资本充足率的意识。

（6）衡量银行信息不对称程度的抵质押贷款占比MR指标在三种模型估计中均不显著，在固定效应模型估计中系数符号为负，与预期假设相同，但在混合数据OLS估计和随机效应模型估计中系数符号为正，与预期假设相反。说明只选用这一个指标用来衡量银行信息不对称程度，是不完全的，因为除抵质押贷款占比指标外，信用贷款占比也可以用来衡量银企信息不对称程度，因为商业银行一般会对特大型企业、有长期借贷关系的优质借款企业发放信用贷款，因此信用贷款占比高，则有可能也代表银企信息对称程度高，单纯用抵质押贷款占比指标来衡量银企信息不对称程度就有偏颇，导致该指标在不同银行间失去可比性。

（7）在三种模型估计中，衡量基准存贷款利率水平的基准利差率BR指标对银行贷款定价均产生显著影响，且影响方向与预期假设一致，均通过了1%水平上的显著性检验，且系数与其它变量相比非常大。说明我国商业银行贷款定价实务中普遍将同期人民银行制定的基准存贷款利率作为基本定价依据，然后再考虑其它因素进行微调。总之，上述实证结果表明我国银行业贷款定价实务中考虑因素较少，贷款定价能力和水平还很不成熟，因此迄需从理论与实践角度进行深入研究，以避免不必要的损失。

3 研究结论

本文运用,2002～2010年间我国13家全国性商业银行9年的面板数据，用平均贷款利率作为因变量，选取资金成本率、营业费用率、不良贷款增长率、贷款总额占比、资产权益增长率、最大10家借款企业贷款占比、抵质押贷款占比这7个指标作为因变量，分别运用混合数据OLS模型、固定效应模型和随机效应模型，实证检验了资金成本率、违约风险水平、银行相对规模、资本充足率、贷款集中度及银企信息不对称程度对贷款定价的影响，得出以下结论：

（1）资金成本、违约风险水平与我国商业银行的贷款定价水平具有显著正相关关系，这与国际主流银行应用的成本加成定价模式、价格领导定价模式以及客户盈利定价模式观点相一致。

（2）银行规模、资本充足率、贷款集中度和银行信息不对称程度对我国商业银行贷款定价的影响不显著，一方面说明变量选取不够全面，另一方面说明我国实务中贷款定价决策过于简单，贷款定价无论在理论还是在应用研究上都要落后于西方发达国家的竞争对手，在人民币贷款利率上限完全放开以及中国金融业对外资银行全面放开的同行业激烈竞争的大环境中，以贷款为主要业务的商业银行要想在竞争中立于不败之地，就必须要加强对贷款定价的研究，尽快提升贷款定价能力。

[1] Berger A，Hannan T.The Price Concentration Relationship in Banking[J].Review of Economic Statistics,1989,(71).

[2] Hannan,Timothy H.Bank Commercial Loan Markets and the Role of Market Structure:Evidence from Surveys of Commercial Lending[J].Journal of Banking and Finance,1991,(15).

[3] Petersen.M.,R.Rajan.The Effect of Credit Market Competition on Lending Relationships[J].Quarterly Journal of Economics,1995,1(2).

[4] Koskela.E.,Stenback,R.Is There a Tradeoff between Bank Competi⁃tion and Financial Fragility?[J].Journal of Banking&Finance,2000,(24).

[5] Edward I.Altman,Jason Pompeii.The Performance of Defaulted Bonds and Bank Loans:1987-2001[C].NYU Salomon Working Paper Series,January,2002.

[6] Berger A.N.,Udell G.F.The Economics of Small Business Finance:The Roles of Private Equity and Debt Markets in the Financial Growth Cycle[J].Journal of Banking and Finance,1998,(22).

[7] Blackwell,D.W.,D.B.Winters.Banking Relationships and the Effect of Monitoring in Loan Pricing[J].The Journal of Financial Research,1997,(20).

[8] Petersen Mitchell A,Rajan G Raghuram.The Benefits of Lending Re⁃lationships:Evidence from small Business Data[J].Journal of Finance,1994,(49).

[9] 蒋海,姜鹏,邹朋飞.寡头垄断、风险竞争与中小银行的发展困境：2001-2006[J].当代财经,2008,(12).

[10] 胡奕明，谢诗蕾.银行监督效应与贷款定价——来自上市公司的一项经验研究.管理世界，2005,(5).

[11] 戴国强，吴许均.基于上市公司财务指标的贷款定价研究[J].国际金融研究，2006，(6).

[12] 马鸿杰，杨玉兵，胡汉辉，国有银行的贷款定价研究—基于无锡市中小企业的实证[J].西安电子科技大学学报（社会科学版）,2008,(11).