价格型货币政策工具对商业银行盈利的影响——基于中国32家商业银行的实证检验

王连军

（1.湖南大学 应用经济学博士后科研流动站，湖南 长沙 410079；2.湖南商学院 财政金融学院，湖南 长沙 410205）*

·金融与保险·

价格型货币政策工具对商业银行盈利的影响
——基于中国32家商业银行的实证检验

王连军1,2

（1.湖南大学 应用经济学博士后科研流动站，湖南 长沙 410079；2.湖南商学院 财政金融学院，湖南 长沙 410205）*

利用中国32家商业银行2004—2014年财务数据，检验价格型货币政策工具对商业银行盈利的影响，结果显示：货币政策短期基准利率工具、收益率曲线斜率与银行的盈利——资产收益率之间存在明显的正向关系。此外，从盈利结构来看，无论是国债收益率曲线还是银行间回购利率对净利息收入的正向影响均大于对损失准备金和非利息收入的影响。门限面板模型估计显示：我国价格型货币政策工具对银行盈利存在显著的非对称特征，特别是处于较低利率水平且收益率曲线斜率平缓情况下，这种效果更加明显。

货币政策；银行盈利；利率工具；利率市场化

一、引 言

我国2015年3月推出存款保险制度，同年10月放开金融机构存款利率上限管制，这标志着我国利率市场化改革取得实质性进展，货币政策调控模式由数量型向价格型转变的制度条件已经形成。从国际经验来看，利率市场化将导致银行业竞争加剧，银行风险上升，发生银行系统性危机的概率大大增加。在这一过程中，若政策制定者不协调商业银行自身利益而一味提高监管标准，则很可能造成银行丧失其开拓新市场的盈利机会，甚至产生严重的道德风险[1]。从货币政策执行角度来看，价格型政策工具的最大优势是透明性，有利于将宏观调控的负面影响降到最低，但理论界普遍认为，2008年之后美国等国家实施的定量宽松货币政策也带来了一定的负面效应，即持续宽松的低利率导致银行盈利的下降[2]。

国外学者Demirgüc-Kunt和Huizinga（1999）较早探讨了宏观经济指标（实际利率）与银行利润之间的联系，他们发现高利率导致商业银行较高的息差与盈利能力，这一规律在金融深化程度较低的发展中国家尤为显著[3]。Albertazzi和Gambacorta （2009）使用10个经合组织国家银行数据实证研究认为，银行损失准备与短期利率之间存在正向关系[4]。国内学者主要以GDP 和通货膨胀率等宏观经济指标研究对银行盈利的影响，如黄隽和张春林（2012）认为，中国银行的超额利润主要来自快速发展的宏观经济环境和较高的市场结构[5]。陆静等（2013）采用GMM方法考察了非利息收入对商业银行盈利的影响，认为非利息收入与我国银行盈利显著正相关，而GDP增长率、通货膨胀率和存贷款息差等也是银行盈利的重要因素[6]。总结已有研究，发现尚有一些问题需要改进：（1）研究方法上面板固定效应等模型估计系数通常都为常数，这意味着假设我国货币政策对银行盈利的影响效果是一成不变的，因此，未能有效捕捉利率市场化对商业银行盈利变化的结构突变与非对称特征。（2）研究尚缺少从价格型货币政策工具角度来深入考察其对银行盈利及其结构的影响。传统上我国货币政策调控更多的是以数量型为主，政策变量通常选择货币供应量M2或贷款增长率等数量型指标，此外，对银行盈利也更多关注与利息收入、非利息业务相关指标，较少有研究将重点放在价格型工具对银行盈利结构上，特别是考虑到贷款损失准备等因素。

在我国利率市场化改革与宏观审慎监管的背景下，有必要加强对货币政策与商业银行盈利二者关系的研究，这对于评价央行货币政策执行效力具有重要作用。为此，本文首先基于我国32家商业银行平衡面板数据，分析央行利率工具对银行资产收益率的影响程度，并研究利率工具对盈利结构——银行净利息收入、非利息收入、贷款损失准备三者的影响；其次，利用门限面板回归模型实证研究利率与银行盈利之间的非线性、非对称特征。以从理论上丰富与完善货币政策利率工具对商业银行盈利的影响机制。随着未来市场化调控的加强，货币政策由数量型向价格型调控模式转变已成趋势，也希望本研究能为我国货币政策当局及监管部门制定政策提供依据。

二、理论分析与研究假设

（一）价格型政策工具对银行盈利的影响机制

央行通过价格型工具直接影响短期利率，而对收益率曲线的作用则较为间接，它可通过影响利率期限结构以及市场参与者对未来政策利率的预期来作用于经济系统。根据Borio 等（2015）的研究，市场利率和收益率曲线斜率对银行利润表中收入各组成部分——净利息收入、非利息收入和贷款损失准备作用机制存在差异[7]。这些作用机制可以归纳如下：

1.对净利息收入的影响。理论上基准利率和收益率曲线与商业银行净利息收入高度相关。基准利率至少有如下机制影响净利息收入：（1）银行存款定价机制。利率市场化条件下，央行将利率定价决策权交给商业银行，商业银行借助完善的基准市场收益率曲线实现不同利率价格的有效联动。银监会利率市场化改革研究工作小组（2012）认为，我国银行利率体系中市场化程度较高的存款品种均参考了Shibor利率，并根据客户综合情况和市场竞争适当“加成”，市场基准利率越低，银行存款定价可加成的空间也越小，而中央银行提高基准利率则会增加银行净利息收入[8]。当经济处于高通胀及银行业存在垄断经营的情况下，“银行存款定价机制”是影响我国银行净利息收入的主要因素。（2）货币政策利率工具影响商业银行信贷规模变化，进而对实体经济流动性产生影响，这一机制被称为“数量效应”。 此外，利率调控还可通过费雪效应影响物价水平，即“价格效应”。两种影响机制存在相互抵消的作用关系，通常贷款利率需求弹性要大于存款利率需求弹性，当利率超过某一阈值，较高利率将会削弱银行的盈利能力。（3）利率对净利息收入动态传导机制主要采取两种形式：一是利率调整的滞后效应，特别在银行业市场结构存在垄断条件下，存款利率调整要比贷款利率更为缓慢。如Freixas和Rochet （1997）、Gambacorta和Iannotti（2007） 发现，宏观经济冲击下央行利率调整速度是不对称的，紧缩货币政策造成银行贷款调整速度更快[9,10]。彭建刚等（2016）利用我国45家商业银行数据分析利率变动对商业银行息差的影响，认为利率对商业银行利差的影响表现出先扩大后缩小的趋势[11]。二是动态调整机制与会计顺周期特征有关。银行新增贷款定价中息差覆盖了预期损失，但贷款损失准备则是基于“已发生损失模型”，不具有前瞻性信息，因此，利率调整短期内可暂时提高净息差而增加银行盈利能力，一旦银行未来发生损失，以后年度将侵蚀银行的息差收入。

2.对非利息收入的影响。现阶段，我国银行非利息收入构成中手续费及佣金仍占较大比重，而金融衍生产品交易收入比例相对较小。利率对非利息收入的影响可以归纳为三种影响机制:（1）证券估值效应影响。金融交易的资产价格是利率水平的反函数，在收益率约束下，市场利率越低，则银行对收益率的追逐动机更强烈[12]。（2）衍生品套期保值影响。商业银行资产负债期限结构通常为“借短贷长”结构，为规避利率风险，银行通过利率互换等金融创新工具实现利率风险管理，交易策略倾向于购进浮动利率工具和支付固定利率。因此，非预期政策利率上升将导致收益率曲线变陡，增加商业银行非利息收入。（3）费用和佣金的影响。理论上，在宏观环境不变条件下，市场利率越低，投资者或银行储户为保证一定的收益率可能需要更多专业服务（如银行理财产品等）来管理他们的投资组合。

综上所述，市场利率与银行非利息收入存在负向关系，且影响是非线性的。利率越低，银行在盈利约束下追逐利润的动机也越强烈，当利率下降超过某一阈值后，证券估值效应将变得更加明显。

3.贷款损失准备的影响。商业银行损益表中的贷款损失准备（Loan Loss Provisions）是商业银行用以抵御贷款风险的准备金。高利率对银行贷款至少有两种影响：其一，利率提高将增加资本市场波动性，增加商业银行浮动利率贷款的违约概率，进而导致商业银行提高自身资本金。其二，利率提高将导致商业银行通过“风险承担渠道”增加风险贷款数量[13，14]。较低利率会鼓励银行扩张新增贷款并相应降低贷款损失准备与贷款之间的占比，因此，利率与贷款损失准备二者关系是非对称性的。此外，银行“借短贷长”的资产负债结构，意味着收益率曲线变化对固定利率等长期贷款需求会比短期存款需求更加有弹性。

（二）研究假设

基于上述分析，在控制宏观经济环境及银行自身异质性条件下，提出如下假设:

假设1.基准利率、收益率曲线斜率对银行净利息收入存在正向影响，利率通过银行存款定价机制、数量与价格机制、利率调整滞后机制等作用于银行净利息收入，且双方存在非线性关系。

假设2.基准利率、收益率曲线斜率对银行非利息收入存在负向影响，利率水平通过估值效应、费用和佣金作用机制等影响银行非利息收入，二者之间存在非线性关系。

假设3.基准利率、收益率曲线斜率对银行贷款损失准备存在正向的影响，高利率影响违约率从而影响贷款损失准备，且二者之间存在非线性关系。

假设4.基准利率、收益率曲线斜率与银行盈利的关系是正向的，利率提高则银行资产收益率将增加，且二者之间存在非线性关系 。

三、研究设计

（一）计量模型设定

为考察货币政策价格型工具对商业银行盈利影响及非线性特征，利用Hansen（1999）提出的门限面板回归模型进行检验[15]①。具体而言，如果存在一个利率水平r，使得对于qit>r与qit≤r时，市场化利率与商业银行盈利水平有显著区别，设虚拟变量Iit使其满足：

（1）

（二）变量选取与数据来源

1.被解释变量Yi,t。选择商业银行平均资产收益率ROAA作为衡量商业银行盈利的指标变量。为进一步考察利率对银行盈利结构的影响，将商业银行利润表中收入组成部分——净利息收入、非利息收入以及贷款损失准备也作为被解释变量。为保证度量指标具有可比性，将它们都除以银行平均总资产。

2.面板门限变量qit。邓向荣等（2010）、彭红枫等（2010）研究认为，我国当前银行间债券回购利率能够有效地反映金融市场供求关系，具备基准利率的性质[16,17]。且从我国货币市场交易习惯和市场交易规模的角度来看，质押式回购利率明显优于同业拆借利率。同时，考虑到中国人民银行2007年正式推出了Shibor数据，为充分发挥数据的有效性，选择银行间7天质押式回购利率作为货币政策价格型工具变量。

在国际研究中，国债利率收益率曲线斜率通常选取长期（10年期）与短期（3个月）收益率之差。中国人民银行调查统计司课题组（2013）认为，我国银行间市场10年期与2年期国债收益率的利差对宏观经济指标具有先行引导作用，先行期达12个月[18]。考虑到我国国债市场数据的可得性，选择10年期国债与6个月国债利差作为收益率曲线斜率的代理变量。基于货币政策的滞后效果，计量模型中选择的国债收益率均为年度期初数据。

3.控制变量。控制变量的微观部分分别选取反映银行资产特征、收益来源及银行风险缓冲能力等异质性特征变量，具体包括：银行规模、权益比率和流动性比率②。宏观经济环境变量选择GDP增长率③、房地产销售价格增长率以及沪指股票增长率等作为控制变量。

4.数据来源。商业银行数据源自Bankscope数据库2004—2014年的银行财务披露数据，按照我国2014年商业银行资产总额排序，同时剔除政策性银行、非银行金融机构以及外资银行，并删掉年度数据不足10年的商业银行数据，总体上样本数据以平衡面板形式呈现。所选银行样本可划分为国有银行（5家）、全国性股份制银行（12家）以及地方性商业银行（15家）三类，共计32家银行年度数据。由于2009 年平安银行收购深发展银行，之前的财务数据采用深圳发展银行数据替代，Bankscope数据库中部分银行缺失数据则通过查阅各家银行官网上公布的年报进行补充。解释变量中银行间回购利率数据来自中国人民银行官网，由于央行对银行间债券回购利率只提供月度数据，因此，模型估计中所有银行间回购利率取为年度平均值。国债收益率数据来源于Wind数据库。控制变量中GDP、全国商品房销售价格、股票价格等宏观经济数据来自国家统计局网站。

（三）描述性统计

为了消除数据极端值的影响，所有商业银行财务数据均进行上下1%缩尾（winsorize）处理。表1列出了我国32家商业银行相应指标变量的统计性描述，其中银行平均资产收益率ROAA的均值为0.993，最大值接近2.32，最小值仅为-0.15，而净利息收入/平均总资产的均值为2.46，表明我国银行盈利结构中净利息收入仍然是主要来源。主要的解释变量银行间回购利率的均值为3.018，国债收益率斜率均值为1.052。

表1 变量描述性统计

在进行系数估计之前，对控制变量两两之间的相关性进行了检验，系数矩阵显示变量之间最大的相关系数均在-0.4～0.4之间，说明不存在明显的多重共线性问题（限于篇幅，这里不作报告）。

四、实证检验

（一）实证结果分析

1.门限面板阈值存在性检验。门限面板模型估计先要进行门限个数和门限值检验，即：首先检验线性模型，其原假设为线性模型，备择假设为单门限模型，模型的残差平方和为S，模型的回归方差为Sig，检验统计量为F=（S0-S1）/Sig1，应用Hansen（1999）提出的自举法（Bootstrap）寻找使上述模型的残差平方和最小的门限值。如果拒绝原假设，则检验单门限模型，其原假设为单门限模型，备择假设为双门限模型，检验统计量为F=（S1-S2）/Sig2。检验依次递推，直到接受原假设。模型选择自抽样重复的次数是500次，检验结果如表2所示。

表2 门限面板模型检验及门限值

注：*p<0.1，**p<0.05，***p<0.01。（表3、表4同）

从表2可以看到，门限面板模型F检验表明资产收益率、净利息收入、非利息收入三者与银行间市场回购利率之间存在双重门限效应，且P值都在10%统计水平上显著。三组变量双重门限阈值分别为：资产收益率（3.445、4.267）、净利息收入（2.737、3.445）、非利息收入（1.957、3.445）。再观察收益率曲线斜率对银行盈利的影响，通过F检验可以判断净利息收入与非利息收入对国债收益率曲线斜率存在单门限效应（1.478和1.924），P值分别在10%和5%统计水平上显著，表明国债收益率斜率对净利息收入与非利息收入也存在明显的结构突变特征。最后，无论是回购利率还是收益率曲线斜率，F检验都表明二者对银行贷款损失准备的影响没有明显的非线性特征。

2.门限面板回归检验。利用表2中检验出的面板门限阈值作结构突变点进行分组回归，为尽可能地捕捉市场利率对银行盈利的结构突变特征，将F检验不显著的门限模型（如贷款损失准备）仍以单门限值作为分割点进行分组回归。表3是被解释变量对银行间7天回购利率的回归结果，表4是银行资产收益率及其收入各组成部分对收益率曲线斜率的回归结果。为比较模型设定合理性，表3、表4加入了考虑异方差效应的面板固定效应模型作为对比。

表3 银行间7天债券回购利率对银行盈利影响

表4 国债收益率曲线斜率对银行盈利影响

（1）资产收益率。表3中（1.1）与（5.1）列数据是被解释变量平均资产收益率（ROAA）与门限变量及其控制变量的回归系数。实证可以得到如下结果：首先，从资产收益率与银行间债券回购利率回归系数来看，如果剔除掉利率处于中位（3.445～4.267）区间对资产收益的影响（P值不显著），总体上银行间回购利率对资产收益率存在正向影响，利率越高则银行盈利能力越强，这一结论同样适用于国债收益率曲线斜率。其次，以面板门限阈值分组回归来看，不同利率区间对银行盈利作用效果存在明显差别，银行间回购利率处于低利率区间（0～3.445）对商业银行盈利影响效果（系数为0.047）要大于高利率区间（大于4.267）影响效果（系数为0.027）；同样，国债收益率曲线斜率对资产收益率的影响在低区间影响（系数为0.530）要大于高区间影响（系数为0.217），说明市场利率越低，银行在盈利约束下逐利动机也越强，从而印证了前面提出的研究假设。

（2）净利息收入。表3中（2.1）列和表4中（6.1）列分别是银行间回购利率与收益率曲线斜率对银行净利息收入的影响。从回归系数可以看出，总体上银行间市场利率与净利息收入存在倒“U”型数量关系，即当基准利率处于低区间内，提高利率可以显著增加银行净利息收入；而当利率超过一定阈值（3.445）后，二者这种作用关系转变为负向关系。再观察国债收益率曲线斜率对净利息收入的影响，发现收益率曲线斜率处于低区间内（小于1.126）的回归系数（0.992）要大于高区间的系数（0.295），表明货币政策价格型工具对银行净利息收入影响具有明显的非对称特征。

（3）非利息收入。比较表3、表4中的（3.1）和（7.1）列回归结果发现，无论是银行间回购利率，还是收益率曲线斜率都与银行非利息收入呈现“U”型数量关系，即当回购利率处于低区间（0～3.445）内，利率与非利息收入是负向关系，提高利率将降低银行非利息收入；而当利率超过一定阈值（3.445）后，这种作用关系变为正向，利率提高将增加银行非利息收入。从实证结果来看，高利率区间对银行净利息收入与非利息收入的影响均与理论假设存在差距，其中可能的原因之一是利率变动并不是银行盈利的决定性因素，宏观经济环境、银行垄断市场结构等都是影响银行盈利的重要因素。由于银行利率处于高区间（2010—2014年），也正是我国经济增速放缓、银行业竞争加剧、影子银行快速发展时期，从银行盈利结构上表现出净利息收入下降，非利息收入增加这一结构转换特征。

（4）银行贷款损失准备。尽管银行贷款损失准备与货币政策价格型工具之间的门限面板阈值检验不显著，我们仍选取第一个结构突变点作为分界线进行分组回归。从表3中（4.1）列可以看出，我国银行间回购利率与银行贷款损失准备之间存在显著正向关系，利率提高导致银行贷款违约率上升，贷款损失准备也相应增加。而表4中（8.1）列表明，银行贷款损失准备对国债收益率曲线斜率的回归系数P值未通过检验。再比较门槛变量在不同利率区间下对贷款损失准备的作用效果，说明低利率区间的回归系数（0.127）要明显大于高利率区间系数（0.063），这一结果也与前面的研究假设一致。

分别比较门限面板模型和考虑异方差效应的面板固定效应模型的F检验值和R2系数，可知门限面板模型总体上要优于面板固定效应模型，说明模型筛选是合理有效的。

（二）稳健性检验

为确保模型估计结果的有效性，进行以下稳健性检验：（1）不同的数据样本。另外选用银行间14天回购利率作为市场基准利率替代变量，国债收益率曲线斜率选择15年与1年国债收益率之差作为替代变量。同时，为保证实证结论不会受剔除规则影响，又对样本观测数据进行5%异常值缩尾处理。（2）不同的实证方法。选择利用Blundell 和Bond （1998）提出的系统广义矩估计（GMM）方法进行稳健性检验，以避免计量模型设定中的测量误差和遗漏变量等问题。为充分捕捉模型的动态非对称特征，将银行间回购利率与国债收益率曲线斜率这两个变量的平方项纳入模型。

GMM模型中银行间市场回购利率与国债收益率曲线对银行资产收益率、净利息收入的影响为正，对非利息收入影响为负。再观察解释变量的平方项估计系数，资产收益率、净利息收入对银行间市场回购利率与收益率曲线斜率的回归系数都为负，且在1%水平上显著，说明这种影响具有凹的特征。非利息收入对收益率曲线斜率回归系数为正，在10%水平上通过检验，表明这种影响具有凸的特性。此外，贷款损失准备对解释变量估计结果均不显著。综合对比GMM稳健性估计与门限面板回归结果，表明利率变动对银行盈利的影响是稳健的④。

五、结论及政策启示

以上采用我国32家商业银行2004-2014年平衡面板数据，研究了货币政策价格型工具与银行盈利之间的数量关系。研究表明：（1）从银行盈利构成来看，价格型政策工具通过影响短期市场利率与利率期限结构来影响商业银行净息差，最终会增加银行的净利息收入；在估值等效应作用下，利率提高意味着银行偿债成本和违约概率的增加，银行将提取更多的贷款损失准备。综合二者因素，当前我国价格型货币政策工具对净利息收入的影响仍然远远超过非利息收入和损失准备金。（2）利率工具与银行盈利之间存在明显的非线性关系，利率越低，银行存贷款定价的议价空间越小，对银行盈利的影响越大。而高利率环境下，银行在逐利及风险承担机制作用下将调整贷款损失准备，这一规律在我国以商业银行资金供给为主的金融体系下体现得更加明显。

本文的政策启示在于：利率市场化改革必将导致银行业竞争加剧，逐利动机加强，政策制定者在决策过程中要充分考量商业银行的盈利动机及风险承担态度，防止出现系统性风险的积聚，这也将有利于实现宏观审慎监管目标，提高央行货币政策制定的科学性、前瞻性。此外，货币政策要吸取金融危机的教训，宏观经济环境下行背景下旨在刺激经济的货币政策必然导致基准利率走低及利率期限线结构平坦，长期的低利率政策将削弱商业银行盈利水平。货币政策价格型工具调控要考虑到这种非对称特征，避免低估利率工具对货币政策传导效应的影响。

注释：

① 该模型基本原理是通过门限变量将观测值分为若干组，组内的样本值是同质的，而组间的样本值存在异质性。

② 其中银行规模为总资产的自然对数，权益比率为银行所有者权益占总资产的比重，流动性比率=流动资产/流动负债。数据均来自于银行资产负债表。

③ GDP增长率反映经济增长情况，根据商业银行经营区域不同，国有及上市银行对应全国GDP增长率，城市商业银行及农村商业银行对应所在省市GDP水平。

④ 限于篇幅，部分结果不再赘述。

[1] 巴曙松.金融监管框架的演变趋势与金融机构的发展空间[J].财经理论与实践,2004（1）:18-21．

[2] Bank for International Settlements.82nd annual report[R]，2012.

[3] Demirgüc-Kunt A,Huizinga H.Determinants of commercial bank interest margins and profitability: some international evidence[J].The World Bank Economic Review，1999，13（2）:379-408.

[4] Albertazzi U，Gambacorta L.Bank profitability and the business cycle[J].Journal of Financial Stability，2009，5（4）:393-409.

[5] 黄隽，张春林.什么决定了中国商业银行的高盈利[J].经济理论与经济管理，2012（6）:5-14.

[6] 陆静，阿拉腾苏道，尹宇明.收入结构和融资模式对商业银行盈利和风险的影响[J].中国软科学，2013（9）:23-36.

[7] Borio C，Gambacorta L，B Hofmann.The influence of monetary policy on bank profitability[R],BIS Working Papers，2015.

[8] 银监会利率市场化改革研究工作小组.利率市场化改革与商业银行定价能力研究[J].金融监管研究，2012（10）:1-13.

[9] Freixas X，Rochet J C.Microeconomics of Banking[R] .Cambridge MIT Press，1997.

[10] Gambacorta L，Iannotti S.Are there asymmetries in the response of bank interest rates to monetary shocks?[J].Applied Economics，2007，39（19）:2503-2517.

[11] 彭建刚，王舒军，关天宇.利率市场化导致商业银行利差缩窄吗?——来自中国银行业的经验证据[J].金融研究2016（7）:48-63.

[12] Rajan R.Has financial development made the world riskier?[R].NBER Working Paper,2005.

[13] Bofio C，Zhu H.Capital regulation，risk-taking and monetary policy:a missing link in the transmission mechanism?[J]．Journal of Financial Stability ，2012,8（4）:236-251．

[14] Dell Ariccia G，Laeven L，Suarez G.Bank leverage and monetary policy’s risk-taking channel: evidence from the United States[R]，IMF Working Paper，2013.

[15] Hansen B E.Threshold effects in non-dynamic panels: estimition testing and inference[J].Journal of Econometrics，1999，93（2）:345-368.

[16] 邓向荣,杨彩丽,马彦平.我国银行间同业拆借市场有效性分析[J].财经理论与实践,2010（5）:19-23.

[17] 彭红枫，鲁维洁.中国金融市场基准利率的选择研究[J].管理世界，2010（10）:166-167.

[18] 中国人民银行调查统计司课题组.我国国债收益率曲线与宏观经济的先行关系及货币政策传导[J].金融监管研究，2013（1）:27-44.

（责任编辑:宁晓青）

The Influence of Price Instrument of Monetary Policy on Bank Profitability--Based on an empirical research of 32 commercial banks in China

WANG Lianjun1，2

（1.PostdoctoralResearchStation，HunanUniversity，Changsha,Hunan410082China2.Schooloffinance，HunanUniversityofCommerce，Changsha,Hunan410205China）

This paper investigates how interest tools of monetary policy affects bank profitability.We use data of 32 Chinese commercial banks for the period 2004-2014.Overall，we find a positive relationship between the level of short-term rates and the slope of the bond yield curve and bank profitability.This suggests that the positive impact of the interest rate structure on net interest income dominates the negative one on loan loss provisions and on non-interest income.From the results of a threshold panel model,we also find that the effect is stronger when the interest rate level is lower and the slope less steep， i.e., that non-linearities are present，while the structure of bank profitability has changed when interest rate at a high level.All this suggests that，over time，unusually low interest rates and an unusually flat term structure erode bank profitability.

monetary policy；bank profitability；interest tools；interest liberation

2016-09-30；

2017-01-31

国家自然科学基金项目（71373071）、湖南省教育厅项目（15C0764）、湖南省高校科技创新团队支持计划.

王连军（1976—），男，天津人，湖南大学金融与统计学院金融学博士后，湖南商学院讲师，研究方向：金融管理。

F832.33

A

1003-7217（2017）04-0002-07