券商竞争与风险承担

廉永辉 袁梦怡

一、引言

中国经济转型需要强大的资本市场提供支撑，十九大报告明确提出“提高直接融资比重，促进多层次资本市场健康发展”，而健康强大的资本市场离不开高质量的证券公司(以下简称券商)。为促进证券行业高质量发展，我国持续推动证券机构监管改革和业务创新，券商数量由107家(2008年年末)增加至131家(2018年年末)，总资产由1.2万亿(2008年末)上升至6.3万亿(2018年末)。在机构数量上升、资产规模扩张的同时，券商面临的竞争日趋激烈：一方面，我国券商业务差异不明显，主要通过打价格战来抢占市场份额，行业内部同质化竞争比较严重；另一方面，随着混业经营的日益临近、互联网金融的快速发展，我国券商还要面对银行、保险、互联网金融公司的竞争。2020年证监会宣布，4月1日起取消证券公司外资股比限制，标志证券业对外开放步伐加快，券商竞争度将进一步上升。在我国券商业务结构较为单一和风险管理水平有待提高的现实约束下，券商竞争加剧虽然有利于通过“优胜劣汰”倒逼券商提高经营效率而降低风险，但也可能会导致券商“铤而走险”而增加风险。那么，综合而言，券商竞争会对券商风险产生何种影响呢？

既有文献中，对于金融机构竞争如何影响风险的研究大多集中在商业银行领域，主要存在“竞争-脆弱”和“竞争-稳定”两类对立观点：前者强调存款竞争会降低银行特许权价值，促使银行从事高风险活动(Keeley，1990[1])；后者强调贷款竞争会降低贷款利率，从而减轻借款人道德风险和银行面临的信用风险(Boyd和DeNicolò，2005[2])。对于券商的研究侧重考察券商效率的测度及其影响因素(王聪和宋慧英，2012[3]；翟永会，2014[4])，也有少数文献考察了公司治理、收入结构等因素对券商风险的影响(左和平和朱怀镇，2010[5]；赵伟，2013[6])，但缺乏对于券商竞争与风险承担关系的研究。目前掌握的文献中，仅发现Degl’ Innocenti等(2019)[7]考察了美国等7大发达经济体的投资银行竞争与风险承担之间的关系，结果发现面临更大压力的投资银行收益波动越大。

总体而言，既有文献为理解券商竞争与风险的关系提供了有益借鉴，但是明确地考察券商竞争是否以及如何影响券商风险承担的研究较少，尤其是缺乏基于中国数据的实证研究。有鉴于此，本文基于2007—2018年我国77家券商的非平衡面板数据，实证检验了券商竞争对券商风险承担的影响。具体而言，本文以银行研究领域常用的破产风险指标Zscore度量券商风险承担，并通过估计超越对数成本(利润)函数构造了反映券商市场势力效率调整后的Lerner指数(EALER)，在此基础上基于双向固定效应模型的回归分析发现：EALER对Zscore具有显著的正向影响，即竞争压力会提高券商的风险承担水平。进一步地，通过分解Zscore的构成项目发现，竞争加剧会提高券商杠杆水平、降低券商盈利能力、加大券商盈利波动；通过分别将样本按券商规模和业务多元化程度分组，发现在规模较小、业务多元化程度较低的券商组中，券商竞争对风险承担的加剧作用更为显著。

与既有文献相比，本文具有如下特色：第一，首次测度了我国券商的市场势力。既有文献都是利用市场结构指标(如CRN指数、Herfindah指数)反映证券行业的集中度，相比之下，本文测算的经效率调整后的Lerner指数可以从侧面反映出个体券商承受的竞争压力。第二，金融机构竞争与风险的关系是学术界关注的重要话题，金融机构风险承担问题也是监管部门关注的热点话题，既有研究主要以商业银行为样本，本文以券商为研究对象，拓展了非银行金融机构竞争与风险关系的研究，有助于更全面认识金融体系竞争与稳定的关系。第三，本文在实证分析中不仅考察了竞争对风险承担的总体效应，还注意分别考察竞争的盈利效应、杠杆效应和盈利波动效应，从而厘清了竞争对风险承担的具体影响机制。第四，本文深入分析了不同规模和多元化程度的券商面临竞争压力加大时的风险变化，明确了市场竞争对券商风险承担的异质性影响，为监管机构针对不同类型券商进行差异化监管提供了依据。

二、文献综述

金融机构竞争对风险的影响是学界关注的重点问题，既有文献对于金融机构竞争和风险承担的关系进行了广泛研究，并形成了两种主要学术观点：

第一种观点是“竞争-脆弱”假说，即竞争会增加金融机构风险、加大金融体系脆弱性。Keeley(1990)[1]从“特许权价值”角度进行分析，认为金融机构的市场势力越强，能获得的利润越多、特许权价值也越高，这一方面有助于金融机构积累较高的资本缓冲，提升风险抵御能力；另一方面也激励金融机构采取更加稳健谨慎的经营策略，避免破产带来的巨大成本。Petersen和Rajan(1995)[8]从“信息不对称”角度指出，市场势力强的商业银行能和客户保持长期合作关系，从而掌握较多客户信息，并降低贷款风险。Alhassan和Biekpe(2018)[9]也认为激烈的竞争减弱了客户对保险公司的粘性，增加了保险公司获取信息和监督客户的成本，提升了投保人索赔的概率。总之，竞争会加剧信息不对称，导致金融机构面临更大的逆向选择和道德风险问题，同时金融机构定价能力减弱，增加了金融机构的破产风险。实证研究方面，Craig和Dinger(2013)[10]基于589家美国商业银行数据、Leroy和Lucotte(2017)[11]基于97家欧洲上市银行数据的研究均支持“竞争-脆弱”假说。Shiu(2005)[12]基于311家英国寿险公司样本，也发现了竞争会降低保险公司偿付能力、增加保险公司风险的证据。

第二种观点是“竞争-稳定”假说，即竞争会减弱金融机构风险、提升金融体系稳定性。原因在于，金融机构凭借市场势力的寻租行为会提高金融中介活动的成本，由此增加了信息不对称导致的逆向选择和道德风险问题。Boyd和De Nicolò(2005)[2]指出市场势力较强的商业银行会提升企业的贷款利率，导致企业从事风险更大的投资活动，增加了银行面临的信用风险。Alhassan和Biekpe(2018)[9]认为当保险市场竞争减弱时，保险公司会利用市场势力提高保单价格，从而产生更多高风险投保人，增加了保险公司损失的可能。现有文献还提到了其他可能的原因：一是竞争促使金融机构提升成本效率，效率更高的金融机构资产质量更好、破产风险更小，并且竞争的优胜劣汰机制导致低效率金融机构退出市场，增强了金融体系的稳定性(Schaeck和Cihák，2014[13])；二是随着竞争加剧和利润下降，金融机构将面临更具约束力的破产威胁，为此它们将更为审慎地经营从而降低风险承担(Arping，2019[14])；三是市场势力强的金融机构更易通过监管俘获逃避对其风险行为的核查(Leroy和Lucotte，2017[11])。实证研究方面，Liu等(2012)[15]基于4个东南亚国家银行业数据、Soedarmono和Tarazi(2016)[16]基于12个亚太国家银行业的研究均支持“竞争-稳定”假说。Cummins等(2017)[17]基于10个欧盟国家寿险业样本发现，竞争通过提升保险公司效率增强了其偿付能力和稳定性。

综合而言，既有文献对于金融机构竞争和风险的关系进行了大量研究，但主要集中于银行和保险领域，缺乏针对券商的研究。目前主要发现Degl’ Innocenti等(2019)[7]利用1997—2014年7个发达国家投资银行样本，以效率调整后的Lerner指数测度投资银行竞争，借助面板向量自回归模型研究了投资银行竞争与风险承担之间的关系，其结果显示面临更大压力的投资银行收益波动越大。但他们没有分析竞争对投资银行风险的影响渠道以及对不同特征投资银行的差异性影响。国内学者对于券商的研究集中于券商的绩效和效率领域，其中一些文献考察了证券业市场结构对券商绩效或效率的影响。例如，王聪和宋慧英(2012)[3]以H统计量衡量市场竞争度，基于2006—2010年中国上市券商样本发现，市场竞争度与券商效率之间呈倒U型关系。翟永会(2014)[4]基于2004—2010年中国证券业数据发现，市场集中度对券商绩效没有影响，而市场份额提升有助于券商改善绩效。但是尚未有文献涉及券商竞争与风险的关系。本文通过考察券商竞争对其风险承担的影响，将有助于明确“竞争-脆弱”假说和“竞争-稳定”假说在证券行业的适用性。

三、实证研究设计

(一)模型设定和变量选择

为检验券商竞争对其风险承担的影响，本文设定如下计量模型：

Riski,t=αi+β1LERi,t-1+β2SIZEi,t-1+β3DIVi,t-1

+β4SHRi,t-1+β5LISTi,t+β6SOEi,t+λt+εi,t

(1)

其中i=1,2,…，N表示券商个体，t=2008,…，2018表示年度。被解释变量Risk度量了券商的风险承担水平。此处我们借鉴研究银行风险承担的实证文献(Laeven和Levine，2009[18])，采用Zscore度量券商的风险承担(1)度量商业银行风险的常见指标包括Zscore、风险资产占比、不良贷款率、预期违约频率等。这些指标中，证券公司缺乏与风险资产占比、不良贷款率相对应的指标，而预期违约频率只能用于测度上市机构的风险承担，本文样本则包含大量非上市证券公司。因此，我们最终选择Zscore测度证券公司风险承担。：

(2)

其中：股东权益比ETA为券商净资产与总资产之比；总资产收益率ROA为证券公司税前利润与总资产之比；ROA_SD为ROA的标准差，反映了券商盈利的稳定性。借鉴Beck等(2013)[19]的研究，我们采用3年滚动窗口计算ROA_SD，以增加Zscore分母的变动幅度。需要说明的是，由于Zscore的高度有偏性，我们对其取自然对数进行处理。

核心解释变量LER度量了券商的市场势力。我们通过估计超越对数成本函数构造反映券商市场势力的Lerner指数(具体构造方式见后)，Lerner指数越高意味着券商面临的竞争压力越低。

(二)券商竞争的测度

借鉴Degl’ Innocenti等(2019)[7]的研究，本文采用经效率调整后的Lerner指数(Efficiency Adjusted Lerner Index，EALER)度量券商的市场势力：

(3)

+μt+εit

(4)

式(4)构成了标准的面板随机前沿模型。分别估计成本函数和利润函数，可以得到β、α、φ、ζ、λ和δ等参数的估计值，进而得到成本预测值PTC和利润预测值PTP，并通过式(5)获得边际成本MC：

(5)

将PTC、PTP、MC代入式(3)，即可得到经效率调整后的Lerner指数EALER。EALER越高，意味着券商的市场势力越大、面临的竞争压力越小。

(三)样本选择和描述性统计

从2006年开始，中国证监会要求所有券商对财务报告进行定期披露，2007年我国开始实行新的会计准则，为保持口径一致，以2007年为起始年份(3)由于缺乏起始年份(2007年)的ROA_SD数据，故被解释变量Zscore实际上从2008年开始。。通过对行业内所有正常营业券商的数据进行整理，剔除股东权益比ETA和资产收益率ROA数据连续期少于3年的券商，最终得到2007—2018年77家券商的年度非平衡面板数据，共计693个有效观察值。截至2018年年底，选取样本的券商总资产占证券业协会公布的券商总资产的比例为98.67%。因此，本文使用的研究样本覆盖中国主要券商，具有较强的代表性。计算风险承担、Lerner指数和其他微观控制变量需要券商资产负债表和利润表信息，相关数据主要来自Wind数据库，并以各家券商年报为补充。

为防止异常值对估计结果的干扰，对券商连续型微观特征变量在其分布的1%和99%的位置上进行缩尾处理，表1为主要变量的描述性统计结果。被解释变量Zscore(取自然对数后)的最大值为8.85，最小值为3.89，反映出不同券商风险承担水平存在较大差异。核心解释变量EALER同样表现出较大的极差和标准差，说明不同券商的市场势力存在较大差异；EALER均值和中位数均超过0.5，说明我国券商平均而言具有较强的市场势力。

表1 描述性统计

进一步地，图1绘制了2008—2018年内样本券商EALER历年中位数的走势：2008—2011年券商市场势力有所下滑，一方面侧面反映了金融危机冲击对我国实体经济和资本市场带来的负面影响，另一方面也与券商创新不足、在轻资产业务尤其是经纪业务上通过打价格战占领市场有关。为了激发券商创新活力，中国证监会各部门负责人和各券商主要负责人于2012年5月7日、8日在京召开了券商创新发展研讨会，此后一些长期制约券商业务创新的制度得到修改，证券行业创新环境明显优化、重资产业务快速发展，带动了券商市场势力的回升。2015年以后，政策导向侧重金融“严监管”，在“依法、全面、从严”的监管政策环境之下，数量众多的中小券商甚至不乏一些大型券商受到证监会处罚，券商分类评级结果有所降低，在此过程中证券行业的竞争也愈发激烈。

图1 券商EALER变化趋势

表2汇报了主要变量之间的相关系数矩阵，其中EALER与Zscore正相关。这意味着在不控制其他因素影响的前提下，竞争加剧会降低券商稳健性。各控制变量相关系数的绝对值多在0.4以下，并且其方差膨胀因子均小于3，可以认为模型不存在严重的多重共线性问题。

表2 变量相关系数表

四、实证结果分析

(一)基准回归结果

表3汇报了模型(1)的回归结果。列(1)仅控制了年度固定效应，列(2)、列(3)在列(1)的基础上分别控制了券商微观特征和券商个体固定效应，列(4)则在控制券商微观特征的同时加入了年度和个体固定效应。为减少扰动项不规则带来的问题，所有回归均采用券商层面聚类稳健的标准误。我们最感兴趣的是核心解释变量EALER的系数β1。一方面，各列回归中，EALER系数符号为正，且均通过了1%水平的显著性检验，说明市场势力越大的券商，其风险承担水平越低，从而支持了“竞争-脆弱”假说。另一方面，如果以列(4)双向固定效应模型的估计结果为准，EALER上升一个标准差，将带来Zscore上升0.18(=1.006×0.218/1.196)个标准差，可以认为券商市场势力对风险承担的影响具有较高的经济显著性。

我国券商业务发展现实也显示了竞争的风险增加效应：一方面，券商传统的轻资产业务(经纪业务、投行业务和资产管理业务)主要依靠券商牌照来获取手续费和佣金收入，价格战激烈，削弱了券商特许权价值，降低了其风险抵御能力。另一方面，券商创新型的重资产业务(资本中介业务和资本投资业务)也会因竞争而加剧风险：一是券商在开展资本中介业务时，为争夺客户和做大规模，存在放松资格审核和风控标准，给不符合条件的客户提供融资的情况；二是券商为应对竞争带来的盈利压力，在进行自营投资和直接投资时也可能选择风险更高的投资标的；三是重资产业务主要依靠资产负债表扩张来获取利息或本金增值，需要券商提高杠杆。

控制变量方面，规模越大的券商风险水平越低，大型券商风控技术水平更高、风险管理能力更强，并且分支机构和客户资源的地域分布广泛，受区域经济金融风险影响较小；业务多元化程度更高的券商风险水平更低，支持了多元化的风险分散效应；大股东持股比例较高的券商风险水平较低，体现了股权集中能够降低管理层自利行为带来的风险；上市券商受到更严的法律监督和更强的市场约束，因而风险承担水平更低；国有券商承担了较多的创新业务试点任务，因而风险承担水平更高。

表3 券商竞争对风险承担的影响

(二)稳健性检验

第一，替换关键变量。一方面，对于被解释变量券商风险承担，一是将ROA_SD由ROA连续3年滚动标准差替换为ROA在全时段内的标准差，从而得到变化程度更小但综合反映券商盈利波动的Zscore2。二是基于调整后总资产(等于总资产扣减客户存款和客户结算备付金)重新计算ROA、ETA和ROA_SD(4)客户存款和客户备付金来源于证券公司的经纪业务，是由于银证分账、结算准备等监管要求而产生的资产，对应的负债科目为代理买卖证券款。对于上述资产，证券公司并无实质决策权，故而在计算调整后总资产时将二者予以扣减。，从而得到新的风险承担指标Zscore3。另一方面，对于核心解释变量券商市场势力，通过估计仅考虑人事成本和固定成本的两投入两产出超越对数成本(利润)函数来得到式(3)中的MC、PTP和PTC(5)我国证券公司轻资产业务占比较高，因而缺乏负债融资需求，同时自身负债融资能力较弱。因此，与人力成本和固定成本相比，证券公司因借入负债而承担的资金成本对于其产出的重要性较低。，进而计算出新的效率调整后的Lerner指数EALER2。表4列(1)～列(3)汇报了相应的回归结果，核心解释变量系数均在5%的显著性水平上保持为正，说明更换核心解释变量和被解释变量的度量指标并不改变基本结论。

第二，增加控制变量。基准回归中控制了一系列券商微观特征变量、时间固定效应和个体固定效应，但考虑到Zscore和权益资产比ETA、总资产收益率ROA之间的机械相关性，基准回归中并未控制ETA和ROA。为了缓解可能存在的遗漏变量问题，此处我们在回归中加入滞后一期的ETA和ROA指标。表4列(4)的回归显示，ETA系数为正，而ROA系数为负(但不显著)，可能是因为ROA上升的同时ROA_SD也会相应上升，反而降低了Zscore。不过，核心解释变量EALER系数保持显著为正，说明新增控制变量不改变本文的基本结论。另一方面，Martínez-Miera和Repullo(2010)[21]、申创(2018)[22]发现银行竞争对银行风险的影响具有非线性特征，那么券商竞争对其风险承担是否也存在非单调影响？为此，我们在基准模型中加入核心解释变量的二次项。表4列(5)的回归显示，尽管EALER二次项系数显著为正，但其带来的共线性问题导致EALER系数本身显著性较差。由于EALER系数为负，EALER二次项系数为正，说明EALER对Zscore存在U型影响。进一步对拐点的计算表明，当EALER大于(小于)0.221时，EALER对Zscore具有正向(负向)影响。考虑到拐点处于样本EALER的7%～8%分位数之间，说明绝大多数观测值处于拐点右侧，即EALER主要表现为对Zscore的正向影响。因此，加入解释变量二次项不改变基准回归的结论。

第三，子样本回归。一方面，根据表1的描述性统计结果可知，样本券商市场势力存在较大差异。我们担心本文的估计结果可能受到异常样本点的影响。尽管在基准回归中已经对EALER进行了缩尾处理，此处我们进一步剔除了EALER指标低于10%分位数和高于90%分位数的券商样本，然后重新估计模型(1)。另一方面，金融危机对我国券商经营状况和竞争程度造成较大影响，对此我们删除2008—2009年的样本，基于剩余子样本重新回归。表4列(6)、列(7)汇报了相应的回归结果，两列回归中EALER系数均在5%的水平上显著为正，并且列(6)回归中EALER的系数大小较基准回归明显上升，从而再次支持了本文基准回归结论。

第四，动态面板模型。现实中券商的风险可能由于券商的风险平滑行为而具有一定的持续性，即当期风险承担受到前期风险承担的影响。刻画这种情形，需要在基准模型中加入被解释变量的滞后项Yi,t-1，从而得到动态面板模型。本文使用两步纠偏GMM进行估计，在估计过程中将上市状态LIST、产权性质SOE和年度虚拟变量作为外生变量，滞后一期的规模SIZE、业务多元化程度DIV、大股东持股比例SHR为前定变量，滞后一期的被解释变量Zscore和市场势力EALER为内生变量，并限定最多使用变量的滞后2期作为工具变量。为确保模型估计的有效性，在运用GMM方法时须进行扰动项自相关检验和过度识别检验(6)采用Sargan检验判断工具变量的有效性，零假设是工具变量的选取是有效的；以一阶差分转换方程残差的二阶序列相关检验AR(2)来判断原方程扰动项是否相关，零假设为不存在二阶自相关。。表4列(8)汇报了相应的检验结果，序列相关检验结果显示，扰动项的差分存在一阶自相关，但不存在二阶自相关，故认为模型扰动项无自相关，符合系统GMM的应用前提。Sargan检验无法拒绝所有工具变量有效的原假设，可以对回归结果进行分析。被解释变量一阶滞后项系数显著为正，说明券商存在风险平滑现象。我们最为关注的EALER的估计系数在1%的水平上显著为正，文章结论仍然成立。

表4 稳健性检验回归结果

五、进一步分析

本部分从两个方面对上述回归结果做进一步的扩展讨论：一是风险构成分析，考察券商竞争对风险承担构成要素的影响；二是异质性分析，基于券商规模、多元化程度等视角，考察券商竞争对风险承担的影响如何依赖于券商微观特征。

(一)券商竞争对风险承担构成的影响

由式(2)可知，作为反映券商整体风险承担状况的Zscore综合了盈利水平、盈利波动和杠杆水平三方面信息。此处我们将分别考察券商竞争对Zscore构成部分的影响，从而进一步明确券商竞争影响券商风险承担的具体渠道。一方面，借鉴Lepetit等(2008)[23]、李明辉等(2014)[24]的做法，将Zscore拆分为ERSD=ETA/ROA_SD和RRSD=ROA/ROA_SD两部分，前者即风险调整后的股东权益比，反映了券商利用存量资本覆盖经营风险的能力；后者是风险调整后的资产收益率，反映了券商利用增量的盈利覆盖经营风险的能力。另一方面，借鉴马勇和李振(2019)[25]的做法，将Zscore进一步拆分为ETA、ROA和ROA_SD。以上述构成分项替换Zscore作为被解释变量的回归结果列示于表5。表5列(1)、列(2)的回归结果显示，随着券商竞争程度上升，券商使用存量资本和增量盈利覆盖盈利波动的能力均有所下降。列(3)～列(5)的回归结果进一步表明，券商竞争同时从以下三个方面影响券商风险承担：

表5 券商竞争和风险承担：Zscore构成因素分析

第一，当面临更大的竞争压力时，券商盈利能力(ROA)有所下降。券商在经纪、投行、资管等业务上的同质化程度较高，为了做大规模，券商往往通过降低佣金率、承销费用率、通道费用率等价格战的方式来争取更多客户。以券商佣金价格战为例，据证券业协会数据，2008年行业平均佣金率为0.126%，2013年下降到0.081%。2013年后，随着佣金宝推出、佣金战全面打响，券商佣金率进入“万3时代”。这一过程中，券商经纪业务的创收能力迅速下降。

第二，当面临更大竞争压力时，券商杠杆水平有所提高(ETA降低)。一方面，在竞争压力下，券商纷纷扩大市场份额、做大资产规模，导致资产增速高于资本补充速度，从而造成杠杆水平上升。另一方面，为了防止ROE大幅下降，券商存在较强的加杠杆动机，试图通过提升杠杆水平削弱竞争对ROA带来的不利影响。

第三，当面临更大的竞争压力时，券商盈利波动性(ROA_SD)有所上升。理论上，竞争降低了券商的特许权价值，在有限责任情形下，券商股东有更强的动机从事高风险、高波动业务。实践中，随着传统轻资产业务竞争压力上升，券商不得不开展新型业务(如股权质押业务、融资融券业务)，而新业务可能形成新的风险源。尤其是对于风险薄弱的券商，新业务带来亏损的可能性较大。一个典型的例子是券商股权质押业务“踩雷”，2018年多家券商因股票质押式回购业务爆发合同违约风险而大幅计提资产减值，致使净利润大幅下降。

综上所述，券商竞争加剧会降低盈利能力、提高杠杆水平、加大盈利波动性，因此其综合效果表现为加剧了券商的风险承担。

(二)券商竞争对风险承担影响的异质性分析

一是规模异质性。在研究商业银行竞争影响风险的文献中，银行规模是影响“竞争-风险”关系的一大关键因素(Tabak等，2012[26])。那么，券商竞争对风险承担的影响是否也依赖于券商规模呢？本文通过分组回归对此进行检验：第一种分组方法是(分组A)，逐年对券商调整后总资产的自然对数SIZE进行排序，并分别把低于和高于SIZE中位数的作为小规模组和大规模组。第二种分组方法是(分组B)，首先计算各券商历年规模的均值M_SIZE，然后对M_SIZE排序，在此基础上将样本分为规模较大组和规模较小组。

表6列(1)～列(4)汇报了两种分组方法下的回归结果，对比规模较小和规模较大两组中EALER的系数和显著性，可知在规模较小的券商中，券商竞争才会提高券商风险承担。换言之，对于规模较大的券商，竞争压力并未导致其风险上升。其原因在于，大券商在人力、资金、品牌、风控等方面有坚实基础，抵御风险能力更强(7)从2010年以来的历年证券公司分类评级结果可知，能够获得AA级的证券公司大多是头部大证券公司，这与大证券公司较强的风险管理能力、较高的合规管理水平和市场竞争力密不可分。。相比之下，小券商的资本相对匮乏、人才储备不足、经营管理规范性不够、风控能力相对薄弱。在市场竞争程度上升后，大券商由于规模庞大能更好地分摊成本，在价格战中具有优势，而小券商在较低价位下难以实现盈利，在价格竞争中损失更大，风险更高。此外，券商对客户资源的争夺更加激烈，一方面小券商因业务范围受限、品牌知名度较低等因素更难保持客户粘性，和客户的信息不对称更严重；另一方面大券商可能会瞄准小券商主要依赖的区域性企业，小券商将会面临较大的客户分流压力，客户稳定性下降、盈利波动增大。最后，券商为应对竞争会寻求开拓新业务，大型券商风险管理技术水平较高，在业务转型和创新过程中能更好地降低风险。本文结果与Tabak等(2012)[26]发现小规模银行在竞争压力下风险加剧也是一致的。综合而言，规模较小的金融机构在竞争压力下，一是特许权价值降低更多，风险抵御能力显著下降，风险承担水平明显增加；二是客户流动性更大，对客户进行审查和监督的成本更高，信息不对称导致的风险问题也更加严重。

二是业务结构异质性。近年来在监管部门放松管制和鼓励创新等一系列政策的推动下，证券行业业务创新层出不穷、业务范围不断拓宽，行业竞争格局由同质化竞争向差异化发展转变。一些券商坚持以打造综合性券商为战略目标，轻、重资产业务均衡发展，业务多元化程度较高；另一些券商则实施差异化发展战略，试图打造专业化、特色化竞争优势，业务多元化程度相对较低。那么，多元化程度较高和较低的两类券商在竞争压力下，其风险承担的变化有何差异？为回答这一问题，我们按照券商业务多元化程度DIV高低，采用逐年分组法(分组A)或按历年均值分组法(分组B)，将样本券商分为多元化程度高和多元化程度低两组。

表6列(5)～列(8)汇报了两种分组方法下的回归结果。其中，EALER在多元化程度高的组中显著性较差，但在多元化程度较低的组中均通过了5%水平的显著性检验。这说明，业务多元化有助于提高券商对竞争压力的应对能力，降低竞争带来的风险。多元化程度高的券商涉及业务种类较多、业务发展比较均衡，部分业务竞争加大带来的影响不会对券商造成全面冲击。另外，业务多元化的券商可以根据不同业务间的竞争程度差异，通过调整资产分布和资源配置来分散风险。如传统业务竞争压力加大时，券商可以将资源腾挪至竞争压力较小的创新业务，从而减弱竞争对券商整体业务的风险增强效应。相比之下，多元化程度低的券商业务种类比较单一，业务竞争加剧对券商影响较大，同时券商进行业务调整、分散风险的空间也较小。

表6 券商竞争和风险承担：规模异质性和多元化异质性

六、结论与启示

证券业是支撑中国资本市场发展的重要金融服务产业，随着资本市场对外开放不断提速，证券行业面临的竞争也日趋激烈。在此背景下，本文实证检验了我国券商竞争度对其风险承担的影响，基于2007—2018年77家券商样本的回归结果显示：更高的竞争压力增加了券商的风险承担水平；细分影响渠道发现，竞争加剧会提高券商杠杆水平、降低券商盈利能力并加大券商盈利波动；考虑异质性影响发现，市场竞争对风险承担的提升效应依赖于券商的规模和多元化程度，规模较小、业务多元化程度较低的券商在竞争压力加大时，风险承担水平会显著上升。基于上述研究结论，可以得到如下政策启示：

一方面，监管部门要鼓励合理竞争，防范过度竞争导致的金融风险。一是要合理把握证券行业改革开放的节奏，逐步放开竞争，同时避免监管缺位，做好应对证券行业开放的制度配套工作。二是要有效约束券商之间的竞争，整顿不合理的低佣金率、低承销费率问题，引导券商摆脱同质化价格竞争行为。三是要强化对规模较小、业务结构较为单一的券商的监管，避免多家此类券商在竞争压力下同时陷入困境而引发证券行业系统性金融风险。此外，证监会2019年发文称要打造航母级证券公司，为此应鼓励券商之间的并购重组、淘汰竞争力较弱的券商，净化行业环境、优化资源配置。

另一方面，券商要提升自身应对竞争和风险的能力。一是要转变竞争方式，通过创新产品和服务类型、优化业务结构、提升服务质量、加强业务管理水平而提高竞争力，逐步适应高竞争环境。二是要积极寻求资本补充、增强自身实力，从而更有条件开展并购重组活动，通过整合外部资源快速做大做强，进一步提升自身竞争力。三是要强化风险管理意识、丰富风险管理手段、完善风险管理体系，以建立有效的风险管控机制，提升自身风险管理能力。