同业业务对中国上市银行效率影响研究

宋静波

(黑龙江省社会科学院 应用经济研究所，哈尔滨 150010)

一、引言

美国次贷危机之后，中国政府为应对危机的不利影响，启动“四万亿”投资计划，随着项目上马、贷款增加、信用扩张的提速，经济运行态势很快企稳，“四万亿”达到预期效果。在随后的十年，中国商业银行完成了跨越式发展，从数据上可以了解中国银行业发展的情况。截至2017年末，中国银行业总资产规模252万亿，是GDP的3.04倍，2017年美国银行业总资产规模16.83万亿美元，是GDP的0.86倍；而就在10年前，2007年中国银行业规模是GDP的1.92倍，同期美国是0.75倍，仅仅10年，中国银行业总资产规模与GDP的比重上升幅度远高于同期美国。经济在不断下行的同时，银行资产却在不断膨胀，谁在支撑银行体量的“变胖”？不仅如此，商业银行体系内部体量变化也很不平衡，全部商业银行体系总规模在10年间增长了4.8倍，内部结构上，大型银行增长了3.1倍，中型银行增长6.1倍，小型银行增长9.6倍。中小银行资产规模扩张如此快速，难道是中小银行揽储能力远高于大型银行？这似乎与直观感觉相差较大，至少多数小银行仍然禁止跨区经营，其存款增长更依赖本地经济发展水平。另外一组数据也值得思考：从银行间债券回购成交额也能看到市场的变化，2002年债券回购成交额10.1万亿，2007年44.8万亿，2017年616万亿，债券回购是商业银行同业拆借资金变化的主要指标，可以确定的是，同业业务已经成为商业银行重要业务内容。鉴于同业业务在近年商业银行业务中的角色转变，以及商业银行近年来的超常规快速发展和对银行效率的关注，提出如下问题：第一，同业业务发展是如何影响银行效率的？第二，同业业务在不同历史阶段对不同类型商业银行效率影响的差异；第三，在评价银行效率时，是否只考虑规模、利润等因素，信用风险和流动性风险是否应当作为效率的影响因素？

二、文献综述

(一)同业业务范畴研究

在现有的银行资产结构中不存在同业业务科目。一般银行资产包括现金、贷款、固定资产、证券资产、存放同业等，其中贷款是商业银行资产板块中的主要资产。以工商银行为例，2018年3季度，贷款总规模15.2万亿，占总资产的比重为53.91%。除贷款以外，现金及存放中央银行款项占总资产比重为13.19%，金融资产占比为23.59%，存放同业资产2.5%，买入返售占比3%。事实上，同业业务从未像贷款业务那样清晰过，它没有专门的核算科目，也没有专门的定义指导，其业务内容也因银行实际业务的变化而变化。2007—2008年以前，同业业务主要指银行之间短期头寸往来，它作为商业银行短期流动性的补充手段而存在；2008年以后，在银行信用扩张的背景下，由于监管对部分行业的信贷管制，一些银行开始借道同业业务进行信用扩张，表现在银信合作、银银合作以及通道和委外业务等的快速发展。有的同业业务在买入返售科目核算，有的在应收款项类投资核算，不仅不同的银行核算科目不同，即便同一家银行(兴业银行)，在不同的时期，同业业务体现的科目也不尽相同(见表1)。研究同业业务，如果对其概念属性不做区分和明确，其结论难以信服。

表1兴业银行各年度同业资产占比(%)

兴业银行素有“同业之王”之称，各类同业创新领跑金融机构。2010—2012年，银行与信托合作，各类非标借同业通道出表，既减少资本损耗，又绕道监管，主要体现在买入返售占比提高。兴业银行2010、2012年买入返售占比由2008年11.49%提高到20%以上。2013年国家五部委的127号文之后，买入返售被限制，其占比也骤降，2017年已降到1.45%。大量同业资产以委外、资管计划的形式进入应收款项类投资中，2012年该科目占比3.43%，2017年提高到29.82%。从兴业银行的科目占比情况看，同业业务处于流动的状态，在不同的监管环境下，其表现形式不同，对其统计如果过于局限，极容易流失关键指标。

从以往研究看，极少有学者专门对同业业务的范畴专门论述，对同业业务科目予以明确，很多研究含糊其辞，使得研究结论似是而非。即便是个别学者指出同业业务范畴，但范畴仅包括一两个科目，无法反映真实的同业业务变化，如果是截面数据尚可，但对于面板数据研究，容易导致数据与结论失真。例如，郭晔等(2018)将买入返售与存放同业合计数定义为同业业务，并以此作为同业资产占比指标，考察同业业务发展对货币政策的影响[1]。黄勃等(2018)指出同业业务是银行间以及其他金融机构之间的资金融通业务，但没有进一步深入展开。在指标设定中，将买入返售、存放同业、拆出资金定义为同业业务，并认为2013年以后同业业务占比在不断下降[2]64-67。如前所述，如果仅从买入返售科目看，2013年以后其占比确实在下降，但同业业务并没有消失，而是逐渐转移到“应收款项类投资”中，因此黄勃等的同业业务范畴值得商榷。同样问题也出现在黄小英等(2016)、邵汉华等(2015)的研究中[3～4]。

2014年非标监管趋严后，商业银行同业业务逐渐由买入返售向应收款项类投资转移，2014年以前的研究几乎看不到应收款项类投资的身影，遗憾的是，最近的研究仍然沿用以往同业业务的科目定义，即将存放同业+买入返售作为同业业务研究对象，而没有及时将应收款项类投资并入同业业务科目。自2008年以后，商业银行同业业务经历了一个完整的起步、发展、高潮、下降的周期，尽管未来同业业务发展趋势尚不可期，但刚刚过去的十年作为一个完整周期，应当作为研究同业业务对商业银行影响的完整样本期。有必要在重新规范同业业务范畴的基础上，考察同业业务的具体变化及其影响。

(二)银行效率研究综述

总体看，银行效率的研究是相对丰富的。从研究方法上看，参数研究和非参数研究是主要方法。采用参数法评价银行效率的部分学者有毛洪涛等(2013)、陈其安等(2015)、谭政勋等(2016)、顾晓安等(2017)[5～8]，采用非参数法的部分学者有孙勇(2014)、陈建勋等(2017)、刘笑彤等(2017)[9～11]。非参数法下，最近研究开始对DEA方法进行改进，SBM超效率法好处是考虑了更多的非期望产出，使效率值更加准确，例如，陈诗一等(2018)及部分学者[12～15]的研究。从效率的影响因素上看，有的学者从所有制结构改善角度研究其对银行效率的影响[16]；有的学者从货币政策变化及工具调整角度研究其对银行效率的影响[17]。国内少有学者研究同业业务对银行效率的影响，这一点，国外研究先行一步。结论上，多数学者认为同业业务有助于提高银行的整体效率[18～19]。不过Fechi(2010)等认为过度的同业业务有可能会降低银行效率[20]。黄勃等(2018)首次全面地利用SFA方法分析同业业务对银行效率的影响，结论认为同业业务对银行的成本效率和盈利效率均有作用[2]70-77。遗憾的是，该研究样本容量较小，只选取了16家上市银行；时间跨度上选取的是2005—2013年，没有将2014—2017年数据纳入，缺乏对同业业务新发展形式的完整数据考量；最后，如前所述，该研究对同业业务的范畴定义为存放同业、拆出资金和买入返售，未考虑应收款项类投资作为同业科目对银行效率的影响。基于此，现拟采用非参数法分析同业业务对银行效率的影响，样本选择涵盖2005—2017年最新数据，并将应收款项类投资纳入同业业务范畴。除以上补充外，还将在银行效率的评价指标上进行改进，并借鉴陈诗一等(2018)的非径向、非角度全局的基于松弛的网络SBM方法，进一步补充非期望产出的衡量标准[12]105-106。目前看，有限的研究中，非期望产出几乎选择的都是不良贷款，以此来评价商业银行的信用风险，其本质是在不同的信用风险程度内，重新度量银行效率。尽管信用风险是银行面临的主要风险，但鉴于同业业务的快速发展，支持银行同业业务快速发展的同业负债比例在不断提高，而基于同业负债众所周知的流动性风险，应该将流动性风险纳入非期望产出选择范围，以探讨在流动性变化的情况下，同业业务对银行效率的真实影响。

三、效率估算与分析

(一)估算模型

与传统的非参数法相比，早期的Shepherd距离函数不能处理减少非期望产出的同时增加期望产出的技术变化，这就意味着银行的信用风险和流动性风险不能作为产出要素纳入距离函数。SBM作为一种非径向的测量方法，放宽了方向距离函数的假设，同时考虑投入和产出变量的松弛情况，适合投入和产出非比例变化情况下的效率测评。具体模型表述如下：

P={(x,y,b,z)|x(s)≥X(s)λ(s),y(s)≤Y(s)λ(s),b(s)≥B(s)λ(s),Z(p)λ(p)≥Z(p,s)λ(s)}

(1)

(2)

(3)

第i个决策单元(DMU)网络SBM效率可以表示为

(4)

现将样本银行的生产过程定义为两个阶段，第一阶段是存款吸收阶段，第二阶段是利润产生阶段。第一阶段的投入要素分别是所有者权益、固定资产净值、员工人数和分支机构数，中间产品变量是存款总额；第二阶段投入变量是利息费用和营业费用，产出要素是净利润和贷款总额，非期望产出包括不良贷款率和流动性匹配率，其中流动性匹配率的设计参考了银监会2017年12月6日发布的《商业银行流动性风险管理办法(修订征求意见稿)》，根据流动性匹配率的定义，该指标衡量商业银行主要资产与负债期限匹配情况，银监会规定流动性匹配率应当大于100%，指标值越大说明流动性越好，其计算公式等于加权资金来源除以加权资金运用。由于加权来源资金与运用的计算涉及期限的折算率，根据数据可获得性，将各科目折算率调整如表2。

表2调整后的流动性匹配率折算率

注：折算率设定参照银监会标准，并根据同业业务与传统存贷业务进行调整

(二)数据说明

基于数据的连续性、全面性和可获得性，选样包括工商银行等在内的41家上市银行[注]国有大行：工商银行、建设银行、中国银行、农业银行、交通银行；股份制银行：邮储银行、浙商银行、宁波银行、兴业银行、平安银行、招商银行、浦发银行、民生银行、中信银行、光大银行、华夏银行、广发银行；城商行：重庆银行、徽商银行、盛京银行、北京银行、九江银行、南京银行、郑州银行、杭州银行、上海银行、锦州银行、青岛银行、天津银行、哈尔滨银行、江苏银行、长沙银行、成都银行、江西银行、贵阳银行；农商行：无锡银行、张家港银行、吴江银行、江阴银行、重庆农商行、广州农商行。，包括5家国有大行、12家股份制银行、18家城商行和6家农商行，占当前A+H股上市银行总家数的88%。41家上市银行资产总额占中国银行业资产总额的65%，未被列入样本银行的其他银行多数为中小银行，特征单一，且样本银行中包括24家城商行和农商行，能够代表其他未进入研究的中小银行。数据来自2005—2017年各银行年报、Wind数据库、Bankscope数据库，极少数缺少的数据采用了线性插值法补齐。

(三)模型估算结果与分析

1.不同类别银行效率比较

为了更准确分析非期望产出对银行效率的影响，建立三个模型，模型1忽略非期望产出，即传统投入产出效率估算角度；模型2只引入不良贷款率作为非期望产出，考察信用风险对银行效率的影响；模型3继续增加流动性匹配率作为非期望产出，考察同时存在信用风险和流动性风险情况下，银行效率值的变化。具体以时间跨度为依据的估算结果见表3。

表3不同类别银行效率估算结果

注：数据为2005—2017年各类别银行平均效率值

表3是三种模型环境下不同类别银行效率平均值。不同模型中，各类别银行效率表现有所区别。在模型1中，股份制银行效率最高，其次是国有大行，再次是城商行，效率最低的是农商行，且农商行与其他类别银行效率差距较大。这说明，在不考虑信用风险与流动性风险的情况下，股份制银行总体效率最高。在模型2中，各类别银行效率排名与模型1相同，只是具体效率值有所变化。总体上，各类别银行效率值均有所下降，说明信用风险作为非期望产出整体调低了中国银行业效率水平，也可以认为未考虑信用风险的效率值有所高估。从下降幅度上看，国有大行与股份制银行下降幅度不大，城商行尚可，农商行下降幅度最大，这说明上市农商行的不良贷款问题相对突出，其风险控制能力较其他类别银行较弱，农商行如果能在不良贷款防控上加大投入，其效率将得到较大幅度提升。在模型3中，各类别银行排名顺序有所变化，其中国有大行的效率最高，其后依次是股份制银行、城商行和农商行。与模型1和2相比，模型3中的国有大行的效率超过股份制银行。这是在进一步考虑银行流动性稳定性的情况下，对各类别银行效率的修正。模型3的结果说明，效率估算是否考虑非期望产出对模型结果影响较大，而实际上，商业银行作为经营货币的单位，信用风险和流动性风险是无法回避的问题，估算其实际效率应当将非期望产出引入模型。模型3中国有大行效率超过股份制银行，可能的原因是国有大行的负债稳定性更好，同时其业务相对稳健，尤其是近几年同业业务发展速度远远慢于其他类别银行，这导致其同业杠杆对规模和利润的贡献较低，依赖较小。为了更准确了解不同类别银行2005年以后的效率变化，通过图1描述时间维度下的效率演变。

时间维度下，不论在何种模型下，全部样本银行效率基本呈上升趋势，这说明中国商业银行总体效率在不断提高，这得益于中国银行业股权改革的顺利、现代银行制度的建立以及风险意识的不断提高。分银行类别看，国有大行在2005—2012年期间效率处于上升状态。但是模型1中，国有大行的波动幅度要大于模型2和模型3。加入风险因素后的国有大行效率更加稳定，这说明尽管大行体量大，利润增速小，但基于其高质量的资产结构和风控技术，大行的效率得以提升。2013—2016年，国有大行效率逐步下降，这与此阶段中国经济增速连续下行有关，后面还将看到，股份制银行也同样表现出类似特征。2017年，国有大行效率重新提高，尤其是在模型1中提高幅度更大，这与2017年的金融去杠杆不无关系。2017年，中央为化解金融风险，特别是同业风险，出台若干强监管、去杠杆政策，此类政策对国有大行影响较小，对股份制和城商行等同业业务相对活跃的银行影响较大。与国有大行相比，2012年以后的股份制银行在三种模型状态中效率出现分化。模型1的股份制银行效率高于模型2和模型3，尤其是模型3的效率出现较大幅度下降，原因可能是股份制银行在2013年以后更加倾向于以加杠杆的方式获取利润，尽管这种模式获取利润速度较快，但其对负债需求更大，在存款增速稳定的前提下，依靠同业负债加杠杆成为众多股份制银行的选择。以此模式获取利润的不仅仅是股份制银行，还包括城商行体系。在城商行的效率变化趋势中，模型3中的城商行在2013年以后同样表现出这种特质。对于农商行，其整体效率低于其他三类银行，且在整个13年的观察期内，其整体效率提升幅度并不大，不仅如此，在引入风险因素后的模型2和模型3中，农商行的效率出现大幅度下修，这说明农商行整体信用风险和流动性风险管理能力亟待提高。

2.各类别银行投入产出要素的效率差异

在对各类别银行的不同年份效率比较分析的基础上，进一步对各投入产出要素的效率进行比较(见表4)。总体看，各投入产出要素在模型1下的效率值多数情况高于模型3，这与前文分析结论一致，即未考虑非期望产出的效率会高估实际效率。具体从各要素看，员工要素效率明显低于其他要素效率，这反映了中国银行业人力资源产出效率仍然较低。对于国有大行来说，尽管其营业网点众多，吸收存款能力高于其他银行，但其人员包袱也相对较重，随着智能化银行的推广和网络银行的竞争，网点的创利能力逐渐下降。2017年，工商银行人均净利润63.45万元，浦发银行102万元，上海银行更是达到148万元。

分支机构上，国有大行则表现出较高的效率特征，其分支机构在不考虑人力成本的前提下，表现出了较高的效率支撑。仅次于国有大行的是股份制银行，再次是城商行和农商行。异地分支机构是否准予设立对中小银行业务发展方向及模式产生深远影响。2009年4月，银监会发布《关于中小商业银行分支机构市场准入政策的调整意见(试行)》，放宽了中小银行异地分支机构设立的有关限制，仅2010年就有65家城商行设立103家异地分支机构，同质化的快速扩张引起监管的规制。2011年，银监会叫停了城商行、农商行异地分支机构设立的申请，中小银行短暂快速扩张的势头得到控制。尽管异地分支机构的行政限制仍然存在，但是中小银行对规模和利润的追逐从未停止。随着各类通道、资管业务的兴起，银行与信托、证券的合作进一步加深，各中小银行采取异地设立非持牌机构的方法绕过监管，北京、上海等一线城市的中小银行金融市场中心纷纷设立，同业业务进入繁荣期。进入2017年，“三三四十”等监管政策的出台开始整顿规范中小银行的异地持牌问题，一些银行开始撤并异地持牌机构，中小银行的异地设立分支机构问题再次暂时搁置，未来分支机构问题仍然对中小银行效率产生重要影响。

表4分银行类别投入产出效率

注：数据为样本年度平均值

四、同业业务对银行效率的影响

(一)回归模型

为观察同业业务对银行效率的影响，采用Tobit模型进行回归分析，并将银行效率作为被解释变量，银行微观指标、宏观因素和同业业务作为解释变量。具体模型如下

(5)

EFFi,t=β0+β1IB_Bt+β2IB_Bt·GYDH_Bi，t+β3IB_Bt·GFZH_Bi，t+β4IB_Bt·ZXYH_Bi，t+β5BK_Ci,t+β6MAC_Ct+εi,t

(6)

具体的银行类别以0或者1赋值进行区分，如果是某类银行则赋值1，如果不是，则赋值0，以此进行分类别回归分析。

(二)回归结果分析

1.总体回归结果

表5是根据模型1、模型2和模型3估算的效率进行的Tobit回归结果，从同业业务对银行效率的影响结果看，模型1和模型2中，同业业务对银行效率均有正向影响，可以认为同业业务发展有利于提高银行效率，但模型3回归结果不显著，即加入风险因素后，同业业务是否改善银行效率不显著。银行规模(SIZE)、ROA、净息差(NIRD)对银行效率均有正向影响，且回归结果显著。目前看，银行规模效应仍然存在，从利率市场化尚未完成的利率管制背景下，银行持有金融牌照就意味着天然利差的存在，因此多一份规模便多一层收益。所有权结构方面(DOS)，三种模型回归结果均不显著，这可能与直观感觉不一致，理论上来说，混改或者所有权结构优化有利于提高银行效率，可能的原因是，模型采用(0，1)设置过于简单，即国有和非国有，而实际上所有权结构的优化要更加复杂。

表5同业业务对银行效率的影响：总体结果

注：()内为标准误差；***表示1%显著，**表示5%显著，*表示10%显著

宏观指标上，模型1的回归结果显示经济增长对银行效率是负向影响，不过结果并不显著 ，模型2和模型3显示经济增长对银行效率的影响是正向影响，即经济增速对银行效率具有正向影响。模型1回归不显著的可能原因是，同业业务的快速发展缓解了经济下行对银行效率的冲击，但不可否认同业业务过快发展容易导致金融虚假繁荣，也就是此轮金融强监管重点打击的金融空转和金融套利，当通过模型2和模型3对银行效率进行修正后，经济增长与银行效率的关系才得到反映。通货膨胀(PPI)指标与经济增长指标回归结果接近。货币政策指标上(LMP)，三种模型均显示货币政策与银行效率负相关，即当利率较高时，代表当前资金面偏紧，这对银行净息差、负债成本均有重大影响。

2.不同类型银行的比较

表6是加入不同类型银行交互项后的回归结果，其他变量回归结果与表5基本一致，不再赘述，这里主要介绍下三种类型银行在不同模型下的回归结果及分析。

表6不同类型银行效率回归结果

注：()内为标准误差；***表示1%显著，**表示5%显著，*表示10%显著

从国有大行(GYDH)的回归看，回归结果并不显著。近年来国有大行作为中国资历最老、规模最大的老牌银行，业务发展模式总体稳健，对同业业务偏好较低，主业仍然集中在传统信贷领域，同业业务主要反映在资金拆出上，即资金市场的资金提供方，因此其同业业务对银行效率提升影响较小。股份制银行(GFZH)的回归结果显示，同业业务发展对其效率具有正向影响，这侧面说明此类银行风控技术较强，在发展同业业务的同时能较好控制好风险。中小银行(ZXYH)在模型1和模型2中显示同业业务对银行效率具有正向影响，但是在模型3中，同业业务对银行效率的影响为负向，这说明中小银行在快速发展同业业务的同时，受制于其薄弱的风控能力，导致其银行效率出现下降。

为了考察稳健性，通过同业负债替换同业资产进行稳健性检验，同业负债具体科目包括同业存放、拆入资金和发行债券(同业存单)。之所以采用同业负债进行稳健性检验，理由是同业业务发展对同业负债的天然依赖。对于商业银行来说，增加资产规模的传统方法是增加存款，而银行存款增加受制于网点数量、经济增速以及居民收入等因素，增长具有相对稳定性。基于此，快速增长规模的有效途径是依靠同业负债，包括线上拆借和发行存单等方式，同业负债的优点是流动性好、拆借便利，缺点是稳定性差，受利率波动影响明显。从总体回归结果和分银行类别回归结果看[注]限于篇幅限制，稳健性回归结果可以向笔者索要。，结论与表5和表6一致，可认为回归结果有效。

五、结论与建议

自2005年开始，随着中国银行业改革的加速进行，银行业整体发展在提速，银行业内部也出现一定的新情况、新变化。对于中国银行业来说，同业业务的快速发展有其必然性。为了更准确、更完整考察中国银行业同业业务对银行效率的影响，依据2005—2017年数据，通过超效率SBM模型和Tobit回归分析，分析了41家上市银行效率情况及同业业务对银行效率的具体影响，结论如下：

第一，加入信用风险和流动性风险的非期望产出显著降低了银行效率的估算结果，不考虑非期望产出或者仅仅考虑信用风险的非期望产出已经不能完整反映银行效率的真实情况。

第二，是否考虑非期望产出对于不同类别银行效率影响不同，不考虑非期望产出情况下，股份制银行效率最高，其次是国有大行、城商行和农商行。考虑非期望产出情况下，国有大行效率最高，其次是股份制银行，说明国有大行整体风控水平好于其他银行。

第三，如果不考虑风险因素，同业业务发展能够提高整体银行业的效率，如果考虑风险因素，同业业务是否改善了整体银行业效率不显著。

第四，分银行类别看，在考虑风险因素的情况下，同业业务对国有大行效率影响不显著，对股份制银行、城商行和农商行影响显著。同业业务能够提升股份制银行的效率，但是降低了城商行和农商行的效率。

政策建议如下：一是加快进行利率市场化改革，构建完善的金融市场利率体系，改变利率管制下的价格扭曲问题；二是客观看待同业业务发展问题，同业业务是银行体系的市场化行为产物，它在改善银行效率的同时也打通了资金融通体制，有利于发挥金融体系的服务功能；三是要高度重视中小银行的同业业务流动性风险，此类银行应当加强对其风控管理系统的监督与指导。