金融结构变化对银行风险承担的影响分析

蔡颖耀

（中共梅州市委党校 市情研究中心，广东 梅州514022）

一、引言

随着我国进入改革开放的关键期，社会经济发展也步入新时代新阶段。面对复杂严峻的国内外经济形势，我国的金融行业在快速发展的同时也在全面深化的改革背景下趋于合理。最为明显的特征是我国的金融体系结构发生了质的变化。

互联网金融的异军突起无疑是金融业诸多发展中的亮点。近年来，各地掀起了一波互联网金融浪潮，众多理财产品纷纷与互联网公司、电商平台开展合作，形成网上金融新模式。随着多层次资本市场建设的逐步推进，我国资本市场不断发展壮大，在国民经济中的地位越来越重要。我国上市交易的股票数量在稳步的增长，增长了两倍有余，以股票市场为代表的资本市场已经成为我国金融体系的重要组成部分。对于银行业，我国基本形成了一个多种所有制、不同规模层次和差异化服务的多元化银行业构成。从近十五年的银行业集中度来看，无论是资产规模还是存贷款，银行业的集中度都出现明显的下降，下降幅度均超过10%。

以上述三方面为代表的金融构成的变化，不可避免地会对我国原有的以银行为绝对主导的金融体系造成冲击，而这种冲击，最应该引起学界和实务界关注的必然是对商业银行风险承担的影响。基于此，研究这些结构因素的变化对商业银行风险承担的影响是重要的、必要的和有价值的。

根据以往研究，经济体系的结构性特征一直是经济学研究关注的重要方面，由此衍生出诸多的研究范式，例如，SCP（Structure—Conduct——Performance）范式。金融体系的结构特征也早已为学者所关注，Goldsmith R W.[1]1969 年在他的《金融结构与金融发展》一书中，将金融结构定义为“金融工具和金融机构的相对规模”，商业银行体系、资本市场还有新兴发展起来的互联网金融都是金融体系的重要构成部分。对于互联网金融与银行风险承担，Lapavitsas等[2]（2008）的研究一致认为互联网金融将会使商业银行得到业务经营和风险管理上的技术革新，商业银行在进行信贷业务中最大的障碍——信息不对称问题将会得到很好的缓解，由此导致的违约风险将得到很好地控制。对于金融市场发展与银行风险承担，Deniz 等[3]（2014）通过分析银行业面临的竞争是否影响到银行业的系统风险，其中也探讨了金融市场发展带来的竞争，结果表明竞争将有助于降低商业银行的系统性风险。杨明辉[4]（2004）针对中国的情况提出要发展金融市场，提高直接融资比例来降低商业银行风险。对于银行业结构与风险承担，Marcus[5]（1984）为代表的学者提出特许经营权价值学说，这个学说认为银行业结构越集中，提高了银行的特许经营权价值，提高了银行的破产成本，从而减少银行从事风险活动，降低风险承担。Xiaoqing等[6]（2014）利用14 个亚洲国家2003-2010 年的银行样本数据研究发现，银行业拥有更高的集中度，提高了银行业的脆弱性，拥有更低的集中度，使银行失去了定价优势，从而增加了风险承担。

已有的这些研究结论存在一些明显的分歧，在讨论银行风险的影响因素时缺乏时代特征，没有综合考虑诸多变化的重要因素，也没有较明确的对比各因素之间的相对重要性，无法把握重点。因此，进一步全面且有比较地研究还是有必要的。

二、研究设计

（一）研究样本

依据数据的可靠性、可得性和有效性，现以中国56 家商业银行（5 家国有银行）2002-2018 年的年度非平衡面板数据作为研究样本，它们的资产总规模占银行业的九成左右，覆盖了全部上市银行，公司治理相对完善，财务数据比较真实可靠。数据来源为中国金融年鉴、各银行披露的年报等数据库，宏观层面的数据来源于国家统计局，金融市场发展等相关数据来源于中国人民银行，互联网金融发展指数参考刘忠璐[7]（2016）相关方法得到。具体变量选取及其描述性统计如表1、表2 所示。

表2 描述性统计

（二）模型估计

参考黄宪和熊启跃[8]（2013）的做法，构建如下基准模型，模型（1）-（3）是为了分别检验三种不同金融结构变化以及宏观经济周期对商业银行风险承担存在的影响，同时加入了货币供应量增长率、银行的规模状况、经营状况与外部监管状况的控制变量，模型（4）中同时引入了三个金融结构变量，综合考察对商业银行风险承担的影响，并比较其影响的差异。模型中被解释变量是商业银行的风险承担，分别用代表银行整体的经营风险的Z 值和不良贷款率来衡量，解释变量分别是互联网金融发展指数（intf）、金融市场融资占比（market）、银行业集中度（HHI）。Fit为一组控制变量（Fit=（gcyclet，M2t，bufit，ROAit，lnsizeit）’），其中，宏观经济周期变量（gcycle）、货币政策代理变量（M2）、银行资产规模（lnsize）、资本缓冲（buf）及盈利能力（ROA），i 为银行的标识，t为年份的标识。μi和εit表示模型中的个体效应和随机干扰项。

三、实证分析

（一）金融结构对银行风险承担的基本影响实证分析

在对模型估计前，先对估计模型进行Hausman检验，根据结果选取采用固定或随机效应模型。检验的结果表明：对模型（2）采用固定效应模型，对其他模型采用随机效应模型。对金融结构与银行风险承担的关系进行实证分析，分别对模型（1）、（2）、（3）和（4）进行估计，结果如下表3 所示。

表3 金融结构与银行风险承担

结果显示，互联网金融发展指数对银行Z 值的回归系数为0.7979，且在1%水平上显著，这说明互联网金融发展与银行风险呈现显著的负向关系，互联网金融发展有助于降低商业银行的风险承担。金融市场融资比重对银行Z 值的回归系数为-0.0437，且在5%水平上显著，这说明金融市场融资比重与银行风险呈现显著的正向关系，随着金融市场为实体经济提供的融资比重越来越大，商业银行的风险承担也越来越大，总的看来金融市场的融资比重的增长，加重了商业银行的风险承担。代表银行业结构的赫芬达尔指数（HHI）对银行Z 值的回归系数为-0.1386，且在1%水平上显著，这说明银行业的集中度越高，商业银行的风险承担越大，银行业内部竞争的加强有助于降低商业银行的风险承担。同时考虑三种金融结构变化，可以看到金融市场和银行业结构的回归系数符号和显著性均没有多大的变化，而互联网金融的回归系数显著性降低了，但在10%水平上显著。综合来看，三个结构因子变化对银行风险承担都有影响，但影响大小存在一定差异。

（二）模型内生性处理

对模型（1）-（4）变换为动态面板，并采用系统GMM估计。互联网金融发展指数对银行Z 值的回归系数依然为正，且在10%水平上显著；金融市场融资比重对银行Z 值的回归系数依然为负，且在5%水平上显著；代表银行业集中度的赫芬达尔指数的回归系数依旧为负，且在1%水平上显著。

对模型是否存在的二阶自相关检验的AR（2）检验的P 值都大于0.1，说明滞后项与扰动项不存在二阶相关性，基本满足系统GMM 的估计条件。Sargen 检验的P 值也远远超过0.1，即可以说明不能拒绝工具变量有效的零假设，工具变量的采用是有效的，估计结果具有一致性。综合考虑各种结构因素时，银行业结构依旧是影响商业银行风险承担的主要结构因素，金融市场和互联网金融的发展则次之，这与前文的研究结论保持一致。

（三）金融结构对银行风险承担影响的相对重要性分析

本研究运用stata14 采用优势分析方法对互联网金融发展、金融市场融资比重和银行业结构的相对重要性进行分析，结果如表4 所示。观察结果可以发现，单独回归中，互联网金融发展、金融市场融资比重和银行业结构的相对重要性排名分别为第二、第二和第一，综合考虑时，排名分别为第三、第四、第二。综合表3 和表4 来看，银行业结构的变化对商业银行风险承担的影响在三个结构因素中最大，互联网金融发展和金融市场融资比重的影响次之。优势分析的结果为我们抓住主要矛盾的主要方面，有针对性地、更高效地实现银行风险管理提供了有力支持。

（四）稳健性检验

通过选取商业银行的不良贷款率作为商业银行风险承担的替代衡量指标（周安[9]，2017），对上述实证研究展开稳健性检验。对模型（1）—（4）的稳健性检验结果与前文的相关结论也基本保持一致，在此不再详细分析。总体而言，本文的实证结果具有较好的稳健性，结论具有可靠性。

四、结论与建议

基于构建的静态面板模型与中国56 家银行2002-2018 年的非平衡面板数据，对金融结构与银行风险承担之间的关系进行了实证分析，得出长期来看互联网金融发展使得商业银行能够积极变革，不断发展和改善自身的经营管理，形成较好的良性循环，一方面能够对冲不利影响，另一方面商业银行的破产风险得到有效降低；金融市场的发展冲击了银行主导的间接融资市场，同时也提供了新的市场风险传导机制来影响银行的经营管理，从而增加了风险承担；银行业集中度的降低，有助于促进银行内部之间的竞争，推动银行不断改进自身的经营管理模式，提高服务效率，优化风险管理，达到良性互动的过程。所以，银行业的集中度的降低推动了商业银行破产风险的降低；综合比较影响商业银行风险承担的三个金融结构因素，银行业结构的变化对商业银行风险承担的影响是三个结构因素中影响最大的，互联网金融发展和金融市场融资比重的影响次之的结论。

表4 各个解释变量优势分析