中国商业银行非利息收入对信息披露质量影响研究

赵红 马川 付俊文

摘要：基于绩效和风险两个视角探究商业银行非利息收入对信息披露质量的影响机理，并构建三级、四类、由16项指标构成的商业银行信息披露质量测度体系，以2009-2017年68家中国商业银行为研究样本，运用熵权评价模型计算银行信息披露质量综合评价指数，实证分析商业银行非利息收入与商业银行信息披露质量之间的关系，结果表明：商业银行在发展非利息收入的过程中信息披露质量反而下降，风险视角的解释力度大于绩效视角的解释力度。

关键词：非利息收入;信息披露质量;熵权模型;理财产品

一、引言

近年来随着我国利率市场化、金融业开放速度的加快及政府鼓励金融创新，银行非利息收入获得长足发展，非利息收入占比从2010年的17.50%上升至2018年的24.84%。但伴随非利息收入的迅猛发展，银行业乱象频生，部分银行违规开展同业、理财、表外等非利息业务，造成影子银行及交叉金融产品风险。为此，银保监会将影子银行作为2018年的整治重点，并指出“鼓励银行业发展有利的创新业务，但坚决整治和取缔部分金融机构以创新之名行套利之实”。与此同时，在梳理违规案件的过程中，银保监会指出“出资机构均存在着信息披露及投后管理缺失”等问题。由此，我们不禁思考：商业银行的信息披露政策是否受其非利息收入水平的影响？随着商业银行非利息收入的发展，管理层是会因其银行业绩提升而提高信息披露质量，还是会因其担心违规风险暴露选择降低信息披露质量？

已有相关文献中，银行非利息收入产生的后果大多集中于对银行绩效[1]、银行风险[2]及系统风险[3]的研究。而信息披露质量影响因素的文献大多集中于探究企业规模、财务杠杆、ROE、ROA、行业、公司治理结构等对非金融类一般企业信息披露质量的影响。

基于已有的理论研究，本文从绩效和风险视角对非利息收入影响信息披露质量的传导机制予以探。一方面，商业银行发展非利息收入可基于范围经济理论等有效提升银行绩效，进而基于信号传递机制提升信息披露质量;另一方面，非利息收入自身顺周期性和高杠杆性会加大银行风险，进而基于委托代理理论降低信息披露质量。不同水平的绩效和风险水平共同影响管理层信息披露政策的制定。与前人研究相比，本文的研究贡献在于：（1）本文构建的商业银行信息披露质量测度体系更具有可操作性、关注银行非利息收入披露尤其是非利息收入中理财产品信息披露;（2）丰富了有限的银行非利息收入与信息披露质量关系研究文献。

二、文献综述

（一）国外文献回顾

近年来国外关于银行非利息收入影响效应的研究主要集中于非利息收入对商业银行个体绩效、个体风险及对系统风险的影响。而关于信息披露质量影响因素的研究大多集中于非金融类一般企业。

1.非利息收入影响效应相关研究。银行非利息收入对银行绩效和个体风险的影响已有广泛的研究。传统理论认为商业银行收入多元化在提高个体绩效的同时降低个体风险。Klein（1997）指出银行进行多元化经营，由于存在范围经济和规模效应可使其收益提高[4]。Stiroh（2004）认为在资本资产定价模型下，非利息收入与利息收入不完全正相关，可以降低银行利润的周期性波动[1]。

但随着银行非利息业务的不断发展，相关的研究不断深入，越来越多的学者认为商业银行发展非利息收入会增加个体风险。DeYoung（2001）通过研究美国银行的数据指出非利息收入的增长会增加银行收入的波动性[5]。Stiroh（2006）通过研究1997-2002年的美国银行数据也指出银行非利息收入比例越高，尤其是交易收入比例越高，风险越高[6]。Lepetit（2008）通过研究欧洲银行数据得出拥有较高非利息收入占比的银行有较高的波动性和破产风险[7]。DeYoung（2013）通过研究2008-2010银行数据指出金融危机期间非利息收入中交易收入可以降低银行破产风险，但投资收入会加大银行破产风险[8]。Doan（2018）采用随机前沿方法测度银行效率通过对2003-2012年83个国家数据实证得出收入多样化会提升银行效率，但非利息收入自身波动性会抵消多样化带来的好处[2]。Nguyen（2018）采用随机前沿方法测度利用2007-2014年6个东南亚国家数据，指出收入多样化会降低当地商业银行成本效率[9]。

银行非利息收入对金融系统风险的影响是近年来的研究热点。学者开始关注到非利息业务不仅影响单个银行的风险，还会通过银行之间的风险传染，影响系统性风险。目前学者主要基于市场收益率数据测度单个银行对整个银行系统的风险影响度用以衡量系统性风险。DeJonghe（2010）利用β值测度系统性风险，研究发现随着非利息收入的增加，银行的β值也在增加，收入多样化没有提升银行的系统稳定性[10]。Brunnermeier（2012）基于ΔCoVaR测度方式指出银行非利息收入相对于利息收入会贡献更多系统性风险，且交易收入和投资收入都与系统性风险强相关[11]。Gregor（2014）基于MES测度方式，通过研究全球银行的数据指出非利息收入的比例对系统性风险没有显著影响[12]。DeJonghe（2015）基于MES测度方式进一步研究指出，非利息收入对系统性风险的影响受到银行规模和制度环境等因素的影响，一般情况下非利息收入可以降低大規模银行的系统性风险，增加小银行的系统性风险。但在信息披露质量较差的国家，非利息收入不能降低大银行的系统性风险[3]。

2.信息披露质量影响因素相关研究。已有的文献研究指出企业规模、财务杠杆、ROE、ROA、行业、公司治理结构等会影响非金融类一般公司信息披露质量。

一般公司规模越大，信息披露质量越高。Eng（2003）[13]通过新加坡的公司数据予以实证支持。Wang（2008）[14]和Yang（2013）[15]则通过中国上市公司数据得出相同的结论。

针对财务杠杆与信息披露质量的研究结果存在分歧。Francis（2005）利用跨国数据库实证得出杠杆水平和自愿披露水平呈正相关关系[16]。但Eng（2003）使用新加坡数据得出杠杆水平与自愿披露质量呈负相关[13]。Yang（2013）在对中国数据实证时得出杠杆水平与自愿披露水平正相关[17]。

基于信号传递理论，Wang（2008）[14]、Yang（2013）[15]和Rose（2016）[17]指出，具有较好表现和较高盈利质量的企业有更多动机来自愿披露信息以区别表现不佳的企业[18]。

公司治理结构对信息披露质量的影响研究较为多样。Wang（2008）[14]和Nagata（2017）[18]通过研究中国和日本数据指出，国有控股和外资参股的公司信息披露质量更高。Yang（2013）则指出披露质量最初随着国家所有权而下降，但随着所有权超过某一临界点后又同向增加[15]。Samaha（2015）指出董事会结构越完整，信息披露质量越高，但CEO兼任独立董事会降低信息披露质量[19]。Ahmed（2017）指出董事会中女性董事会提高信息披露的及时性[20]。Jankensgard（2018）指出信息披露质量起初随着大股东股份占比提升而上升，当大股东占比达到50%之后，信息披露质量开始下降[21]。

（二）国内文献回顾

1.非利息收入影响效应相关研究。关于银行非利息收入对银行个体绩效的影响，国内学者的研究结果存在分歧。大多数学者指出非利息收入占比不能显著提升银行业绩[22-26]。但也有部分学者指出非利息收入水平的提高會显著提升银行业绩，其中赵胜民（2016）通过研究2005-2014年银行业数据得出，非利息业务的发展对银行收益和风险调整后收益存在10%水平下显著的正向影响[27]。满媛媛（2016）认为多元化能够提升大型银行的绩效[28]。将非利息收入进一步拆分，有学者[23，27]指出佣金收入与绩效显著正相关。

关于银行非利息收入对银行个体风险的影响，学者们得到的研究结果同样存在分歧。基于夏普指数及Z值的个体风险度量，文献大多指出，非利息收入水平的提高会显著加大银行风险[25，26，29-31]。部分文献则指出非利息收入增长对风险无显著影响[22，23，27，32]，但张羽（2010）[22]和周开国（2011）[32]都指出中国银行的非利息收入波动性和周期性都高于利息收入。部分学者进一步指出非利息收入和银行规模对银行风险影响存在交叉效应。黄隽（2010）以美国银行为例指出资产规模超过100亿，非利息收入对银行风险影响加大[29]。余雪飞（2013）[30]和满媛媛（2016）[28]通过研究中国银行数据都发现对于大型商业银行，非利息收入占比提升加重了银行风险。

关于银行非利息收入对系统风险的影响研究，张晓玫（2014）基于LRMES方法的系统风险度量指出非利息收入与系统风险比例之间存在U型关系，非利息业务发展初期能达到分散系统性风险的作用，但当非利息收入占比达到57%时，系统性风险反而变大[33]。朱波（2016）则基于CES方法测度指出，非利息收入对系统风险的影响受银行规模和信息披露质量的影响，信息披露质量越低，非利息收入越高越会加重系统性风险水平[34]。

2.信息披露质量影响因素相关研究。近年来，国内学者的研究重点集中在公司治理结构对公司信息披露质量的影响。周开国（2011）指出董秘持股会降低信息披露质量[35]。翟光宇（2014）则指出上市银行董秘持股会提升信息披露质量[36]。高凤莲（2015）指出董秘的社会关系资本越强，公司信息披露质量越高[37]。黄超（2017）指出国有企业的信息披露质量更高，四大审计对非国有企业信息披露质量的提升作用明显[38]。

针对非金融类一般企业信息披露质量的测度方式尚不一致。大多学者采用深交所评分对公司信息披露质量予以衡量。一些学者（杨红，2007等）则使用基于熵模型的测度体系衡量信息披露质量，其结果与深交所评分一致度较高[39]。也有学者（周开国，2011[35];翟光宇，2014[36]）使用KV法衡量上市公司的信息披露质量。

针对银行的信息披露质量测度，胡奕明（2015）基于巴塞尔协议构建了17大类104项目的测度模型[40]，朱波（2016）[41]则借鉴Bourgain（2012）[42]选取银行18个指标的披露情况来衡量银行信息披露水平，翟光宇（2014）[36]和朱波（2016）[41]采用KV法直接衡量上市银行信息披露质量。

综上，已有文献存在三个方面的局限性：（1）对非利息收入影响效应研究集中于绩效和风险，对信息披露质量的影响研究不足。（2）对信息披露质量影响因素的研究集中于非金融类一般企业，未考虑银行业自身特殊的行业属性。（3）针对国内商业银行信息披露质量测度仍不成熟。

三、研究假设

从非利息收入和信息披露的经典理论出发，从绩效和风险两个视角探究非利息收入整体以及构成对信息披露的传导机制，并基于此建立研究假设。

（一）绩效视角

基于绩效视角，已有充足的文献支持银行非利息收入与绩效的正向关系，而基于信号传递理论，面对正向的绩效信息，银行更有动力提升披露质量，以彰显自己的有利地位。

已有学者[1，27，28]指出，基于范围经济理论、交叉销售理论及资产组合多元化理论，商业银行发展非利息收入可有效提升银行绩效。Klein（1997）将范围经济理论引入金融领域，用来解释商业银行非利息收入发展带来的好处[4]。他认为相对于利息收入，非利息收入会占用更少的资源。同时，商业银行可以整合利息与非利息收入的客户资源，并实行“交叉销售”策略，从而达到协同作用。资产组合理论最早由美国学者Markowits于1952年提出，指公司可以通过投资分散化资产来降低投资风险。Kwast（1989）用其解释商业银行非利息收入带来的好处。对于商业银行而言，由于非利息收入与利息收入并不是完全正相关，两者构成的资产组合相较于单独的利息收入具有更高的夏普值[23]。但基于资产组合理论，存在利息与非利息收入的最优比例即最优投资组合，如果越过最优投资组合继续提升比例，则资产组合理论带来的好处将逐渐减弱。

而基于信号传递理论，商业银行的业绩表现越好，为了区分自身与表现较差的公司其更有动力披露信息，以避免自身价值被低估。信号传递理论最早由Akerlof（1970）提出，如果买卖市场内部存在信息不对称，交易就不能实现帕累托最优，但如果高质量的卖家主动向买方披露信息，则市场可以实现帕累托改进。商业银行自愿披露信息可以缓解信息不对称，吸引投资者和潜在投资者，并使市场给予合理价格降低商业银行融资成本，以实现帕累托改进[4]。

因此从银行绩效视角，当银行非利息收入增加时，银行的绩效随之提升，银行更有动力披露信息，其信息披露质量就会更高。基于此提出假设1：

H1：商业银行发展非利息收入对商业银行的信息披露质量有正向影响。

在研究非利息收入整体影响信息披露质量的基础上，进一步探讨非利息业务的不同结构对银行的信息披露质量，考虑到佣金以及手续费收入占比较大，其他非利息收入占比较小，所以本文重点研究佣金以及手续费收入对信息披露质量的影响。基于前文相似的研究机理，本文认为：

H1a：商业银行发展手续费收入对商业银行的信息披露质量有正向影响。

（二）风险视角

但从另一视角，也有学者[2，7，9，29，31]指出由于非利息收入自身的顺周期波动特性和隐性高杠杆特性，商业银行发展非利息收入会显著提升银行风险。非利息收入自身的顺周期波动特性及隐性高杠杆特性首次被美国学者DeYoung（2001）[5]提出。对于商业银行，贷款利息收入与非利息收入的显著区别在于贷款使用信用评分模型检查客户资信，同时需要担保或抵押作为第二道防线，因而转换成本较高。而以费用为基础的非利息收入相对于利息收入有着更低的信息成本和转换成本，因而客户更容易转换到提供相似服务的银行中，导致非利息收入具有更大的波动性。同时，监管部门对银行非利息业务没有资本金要求，这使得商业银行可以使用比贷款更高的杠杆去发展非利息业务，且监管部门在检查银行的资本充足率时，信贷资产的权重通常高于证券类资产风险权重，这使得银行更有动力发展非利息业务，从而导致表面监管指标变动不大但真实的风险已经上升。但当商业银行自身风险较高时，管理层更倾向通过掩盖银行风险的相关信息来使自身利益、地位、股权不受损，越不愿意改善披露状况，从而导致信息披露质量降低，本文称之为风险视角。

因此从风险视角，当银行非利息收入增加时，银行风险随之增加，管理层为保全自身利益掩盖风险而降低信息披露质量。基于此提出假设2：

H2：商业银行发展非利息收入对商业银行的信息披露质量有负向影响。

基于前文相似的研究机理，本文认为：

H2a：商业银行发展手续费收入对商业银行的信息披露质量有负向影响。

从绩效和风险视角，银行非利息收入发展对信息披露质量的影响结果方向相反，表明可能存在一视角的解释度强于另一视角的可能，总结两视角下的传导机制理论如图1所示：

四、商业银行信息披露质量测度

（一）已有体系评述

理论界与实务界对银行信息披露质量测度指标体系进行了有益探索，本文总结了已有的银保监会信息披露指标测度体系、国外学者[43]及国内学者[44]构建的信息披露质量测度体系，并剖析其优缺点如表1所示。

（二）本文构建的商业银行信息披露质量测度体系

基于已有的信息披露指标体系，本文构建了由16个指标构成的信息披露质量测度体系。

1.对指标进行重新分类，使指标分类更具经济意义。一级指标参考已有文献中关于企业的信息披露测度体系，将指标分为强制性和自愿性披露指标。强制性披露指标方面，参考中国银保监会的指标监管体系及《巴塞尔协议Ⅲ》，选用12个指标对商业银行的信用风险、流动风险、盈利能力和资本充足披露情况予以衡量。自愿性披露指标方面，主要对非利息收入细分及理财产品的披露情况重点关注。

2.重视非利息收入细分项目的披露情况。随着利率市场化的不断发展，传统存贷款业务越来越不能满足商业银行的进一步发展，非利息收入成为商业银行盈利的新增长点。而非利息收入下细分科目的披露，更能反映商业银行的收入特质和盈利质量。

3.重视表外项目理财产品的信息披露情况。2010年以来以表外理财产品投资非标资产业务迅速发展，商业银行以此增加营收躲避监管，但这也导致我国影子银行的发展壮大，从而对整个金融系统带来风险。银行表外项目理财产品的披露，有助于投资者和监管者更好地了解银行的表外风险和非标业务规模。

（三）熵权评价模型的构建

Baumann（2004）[43]和许友传（2009）[44]在给各指标赋权重时均使用简单的0-1赋值法，即已披露的信息赋值为1，未披露的信息赋值为0，该赋值方式并不能体现各个指标对于信息披露指数整体的相对重要性。为建立客观的信息披露质量体系，参考杨红（2007）[39]的熵权评价模型对16项指标赋权。

熵在信息论中是衡量系統无序程度的重要指标。当一个系统的熵值越大，则代表系统所含的信息量越多，反之则表示系统所含的信息量越少。在多目标决策中，如果认为差异越少赋权越大，则用归一化的熵值作为权重值，反之则用归一化后熵值的互补值作为权重值。熵值大小是项目评估和多目标决策的理想方案。

（四）银行信息披露质量指数测度

1.细分指标描述及赋权

选取68家银行的2009-2017年数据建立熵权模型，数据来源于BankScope数据库、Wind数据库和各家公司的年报，16个指标的描述性统计量如表3所示。

由表3可见强制性披露指标普遍比自愿性披露指标披露状况更好。强制性披露指标方面，68家银行在流动性比率、ROAA、成本收入比三个指标每年都有披露，而拨备覆盖率、贷款损失准备、同业拆借率、资本充足率和核心资本充足率的披露完备率都在80%以上，剩余指标的披露比例则在50%左右。自愿性披露指标中，68家银行都有披露非利息收入细分下的手续费收入，且75%以上的数据至少会披露投资收益或公允价值变动的其中一项，理财产品数据的披露比例则保持在20%左右。

基于已有数据采用熵权模型赋权，16个指标的权重如表4所示。

可以看到，流动性比率、ROAA和成本收入由于在数据集中都有披露，故被赋值为0，而不良贷款率、次级贷款金额和非利息收入细分等因具有更好的区分度而被赋更高的权重，这与我们的预期相同。

2.信息披露质量结果描述

经过计算的68家银行信息披露质量数据排序如表5所示。

五、实证研究设计

（一）样本选取

选取68家银行的2009-2017年共544组数据进行分析，68家银行包括4家国有大型银行、8家股份制银行、20家外资银行、30家城商行和6家农商行。数据来自BankScope数据库、Wind数据库，部分缺失数据用对应年度年报补齐。

（二）研究变量设置

1.因变量：信息披露质量（DI）。信息披露质量选用第四节得出的信息披露指标测度结果。

2.研究变量：非利息收入占比（NII）、手续费收入占比（NFI）、其他非利息收入（ONI）。采用非利息收入/营业总收入来衡量非利息收入占比作为自变量。在进一步分析中，将非利息收入进一步细分为手续費收入与其他非利息收入，以探究非利息收入不同成分对信息披露质量的影响。

3.控制变量。参考以往的文献，本文选用资产负债率（Debtratio）、资产规模对数（lnsize）、是否上市（Listed）和ROE作为控制变量。

分别将各变量汇总如表6所示。

（三）模型设计

首先以非利息收入占比作为自变量商业银行做面板回归，以探究商业银行非利息收入占比整体对信息披露质量的影响。之后将非利息收入分为手续费收入及其他收入，以探究非利息收入不同成分对信息披露质量的影响。

（四）实证结果

1.描述性统计

运用stata对数据进行描述性分析，得到的描述性分析如表7所示。

2.实证回归结果及分析

运用stata对原数据进行面板回归，回归过程对数据和模型做以下处理：（1）为了消除异常值的影响，对所有变量的值在1%和99%处采取截尾处理。（2）依据F检验和Hausman检验结果设定面板回归模型类型。（3）对相应模型结果进行异方差与自相关检验，并采用修正回归模型修正异方差与自相关。模型回归结果如表8所示。

模型一结果表明，非利息收入对商业银行信息披露质量在5%的显著水平下具有负向影响。这与H1b的研究假设一致，表明相对于非利息收入可能带来的绩效提升好处，管理层更担心非利息收入可能带来的风险暴露预期，因而选择披露更少的信息来掩盖自身风险，从而降低自身的信息披露质量。

模型二结果表明，手续费收入对信息披露质量存5%显著水平下的负向影响，而其他非利息收入部分对信息披露质量无显著影响，表明非利息收入对信息披露质量的负向影响主要来源于手续费收入。这与我们的H2b假设一致，表明由于手续费收入的多样性及风险隐蔽性，管理层同样基于自身利益选择降低信息披露质量。

在其他控制变量中，资产规模、是否上市和净资产回报率（ROE）对商业银行信息披露质量具有1%水平下显著的正向影响，这与我们之前的预期一致。表明商业银行与非金融一般企业一样，随着企业规模的扩大甚至进一步上市，为解决委托代理问题，商业银行选择增强自身的信息披露水平。同时当企业的净资产回报率越高，商业银行为区分自身与其他银行，吸引投资者，并期望通过投资者的合理定价来降低自身融资成本，因而更愿意披露信息。

（五）稳健性检验

为了保证本文实证结果是可靠有效的，做以下稳健性检验：（1）选取非利息收入的替代变量，以非利息收入净值/总资产作为非利息收入的替代变量。（2）通过添加GDP同比增速（GDP）和M2同比增速（M2）两个控制变量来进行回归分析，保持其他的控制变量和哑变量不变来对回归模型进行稳健性检验。结论没有发生变化，说明回归结果具有稳健性，限于篇幅，不予列示。

六、结论

基于2009-2017年68家商业银行数据，构建信息披露质量体系测度商业银行信息披露质量，并建立相应面板回归模型，得出如下结论：商业银行发展非利息收入会降低信息披露质量。原因是商业银行在发展非利息收入时，非利息收入自身顺周期波动特性和隐性高杠杆特性带来的风险大过其通过范围经济、交叉销售、资产组合多元化带来的好处，从而使管理层更多地担心非利息收入发展过程中的风险暴露预期，基于委托代理理论，从而更愿意隐瞒信息来减少投资者对银行风险的担忧，最终降低信息披露质量。进一步回归的结果表明手续费收入是非利息收入影响信息披露质量的主要因素。

基于此结论，可以为我国商业银行及监管部门得出以下启示。（1）商业银行应加强行业自律，不因非利息收入发展而降低信息披露质量。（2）监管部门应针对商业银行非利息收入业务创新及时扩充商业银行监控考核指标并督促商业银行实施更为透明的信息披露。

注释：

①按商业银行惯例，该指标会选择都披露或都不披露，故只要任意披露一项即赋值为1。

②该指标下细分指标披露一项得1分，披露两项得2分，披露三项得3分。

参考文献：

[1]StirohK.J.Docommunitybanksbenefitfromdiversification？[J].JournalofFinancialServiceResearch，2004，25（3）：461-481.

[2]DoanA，LinK.L.Whatdrivesbankefficiency？Theinteractionofbankincomediversificationandownership[J].InternationalReviewofEconomics&Finance.2018，55（2）：203-219.

[3]DeJongheO.Bankssize，scopeandsystemicrisk：Whatroleforconflictsofinterest？[J].JournalofBanking&Finance.2015，61（4）：3-13.

[4]KleinP.G，SaidenbergM.R.Diversification，organizationandefficiency：Evidencefrombankholdingcompanies[W].SSRNWorkingPaper.1997，21.

[5]DeYongR.，RolandK.P.Productmixandearningsvolatilityatcommercialbanks：Evidencefromadegreeoftotalleveragemodel[J].JournalofFinancialIntermediation.2001，21（10）：54-84.

[6]StirohK.J，RumbleA.Thedarksideofdiversification：ThecaseofUSfinancialholdingcompany[J].JournalofBanking&Finance.2006，30（6）：2131-2161.

[7]LepetitL.，Nys，E.Bankincomestructureandrisk：AnempiricalanalysisofEuropeanbanks[J].JournalofBanking&Finance.2008，32（3）：1452-1467.

[8]DeYongR，TornaG.Nontraditionalbankingactivitiesandbankfailuresduringthefinancialcrisis[J]JournalofFinancialIntermediation.2013，22（5）：397-421.

[9]NguyenT.L.A.DiversificationandbankefficiencyinsixASEANcountries[J].GlobalFinanceJournal.2018，37（1）：57-78.

[10]DeJongheO.Backtothebiscsinbanking？Amicro-analysisofbankingsystemstability[J]JournalofFinancialIntermediation.2010，19（4）：387-417.

[11]BrunnermeierM.K.Banksnon-interestincomeandsystemicrisk[W]SSRNWorkingPaper.2012.

[12]GregorN.F.Whatfactorsdrivesystemicriskduringinternationalfinancialcrises？[J].JournalofBanking&Finance.2014，41（2）：78-96.

[13]EngL.L.Corporategovernanceandvoluntarydisclosure[J].JournalofAccountingandPolicy.2013，22（3）：325-345.

[14]WangK，SewonO.Determinantsandconsequencesofvoluntarydisclosureinanemergingmarket：EvidencefromChina[J].JournalofInternationalAccounting.2008，17（3）：14-30.

[15]YangLan.DeterminantsandfeaturesofvoluntarydisclosureintheChinesestockmarket[J].ChinaJournalofAccountingResearch.2013，72（6）：265-285.

[16]FrancisJ.R，KhuranaI.K.Disclosureincentivesandeffectsoncapitalaroundtheworld[J].AccountingReview.2005，80（4）：1125-1162.

[17]RoseC.Firmperformanceandcomplyorexplaindisclosureincorporategovernance[J].EuropeanManagementJournal.2016，34（4）：202-222.

[18]NagataK，NguyenP.Ownershipstructureanddisclosurequality：EvidencefrommanagementforecastsrevisionsinJapan[J].JournalofAccountingandPublicPolicy.2017，36（5）：451-467.

[19]SamahaK，KhlifH.Theimpactofboardandauditcommitteecharacteristicsonvoluntarydisclosure：Ameta-analysis[J].JournalofInternationalAccounting，AuditingandTaxation.2015，24（1）：13-28.

[20]AhmedA，MonemR.M.Genderdiversityincorporateboardsandcontinuousdisclosure：EvidencefromAustralia[J].JournalofContemporaryAccounting&Economics.2017，13（2）：89-107.

[21]JankensgardH.Betweenarockandahardplace：Newevidenceonrelationshipbetweenownershipandvoluntarydisclosure[J].InternationalReviewofFinancialAnalysis.2018，56（3）：281-291.

[22]张羽，李黎.非利息收入有利于降低银行风险吗？——基于中国银行业的数据[J].南开经济研究，2010，52（4）：69-91.

[23]赵红，程茂勇.收益和稳定性视角下我国商业银行非利息业务的经济效应[J].西安交通大学学报，2012，32（114）：34-40.

[24]李明辉，刘莉亚，孙莎.发展非利息业务对银行有益吗？——基于中国银行业的实证分析[J].国际金融研究，2014，33（11）：11-22.

[25]李广之，张翼.非信贷业务与银行绩效[J].国际金融研究，2016，45（10）：49-62.

[26]朱聪，吴杰.收入多样性对我国商业银行经营业绩的影响[J].管理现代化，2017（6）：8-12.

[27]赵胜民，申创.发展非利息业务对银行收益和风险的影响——基于我国49家商业银行的实证研究[J].经济理论与经济管理，2016，65（2）：83-97.

[28]满媛媛.收入多元化、金融自由化对商业银行绩效和风险的影响[J].宏观经济研究，2016，21（1）：130-143.

[29]黄隽，章艳红.商业银行的风险：规模和非利息收入[J].金融研究，2010，22（6）：75-81.

[30]余雪飞，宋清华.商业银行非利息收入、市场竞争与风险承担的实证检验[J].统计与决策，2013，10（4）：139-141.

[31]黄国妍.中国商业银行收入结构多元化能够分散银行风险吗？[J].金融经济学研究，2015，12（6）：16-28.

[32]周开国，李琳.中国商业银行收入结构多元化对银行风险的影响[J].国际金融研究，2011，（5）：57-66.

[33]张晓玫，毛亚琪.我国上市商业银行系统性风险与非利息收入研究——基于LRMES方法的创新探讨[J].国际金融研究，2014，（11）：23-35.

[34]朱波，杨文华，邓叶峰.非利息收入降低了银行的系统性风险吗？——基于规模异质视角[J].国际金融研究，2016，（4）：62-73.

[35]周开国，李涛，张燕.董事会秘书与信息披露质量[J].金融研究，2011，（7）：167-180.

[36]翟光宇，武力超，唐大鹏.中国上市银行董事会秘书持股降低了信息披露质量吗？——基于2007-2012年季度数据的实证分析[J].经济评论，2014，（2）：127-138.

[37]高凤莲，王志强.“董秘”社会资本对信息披露质量的影响研究[J].南开管理评论，2015（8）：60-71.

[38]黃超，王敏，常维.国际四大审计提高公司社会责任信息披露质量了吗？[J].会计与经济研究，2017，（5）：89-105.

[39]杨红，杨淑娥，张栋.基于熵理论的上市公司信息披露质量测度[J].系统工程，2007，（9）：16-21.

[40]胡奕明.银行信息披露的国际比较——对13个国家和地区银行年报的调查分析[J].金融研究，2002，（3）：87-94.

[41]朱波，杨文华，卢露.信息披露、存款保险制度与银行系统性风险[J].财经研究，2016，（12）：96-107.

[42]BourgainA，PierettiP.Financialopenness，disclosureandbankrisk-takinginMENAcountries[J].EmergingMarketsReview.2012，13（4）：283-300.

[43]BaumannU，NierE.Disclosure，volatility，andtransparency：Anempiricalinvestigationintothevalueofbankdisclosure[J].FRBNYEconomicPolicyReview.2004，32（1）：31-45.

[44]许友传.信息披露、市场约束与银行风险承担行为[J].财经研究，2009，（12）：118-128.

（责任编辑：王铁军）