信用风险对中国商业银行成本效率的影响

白雪梅，臧 微

(东北财经大学统计学院，辽宁 大连 116025)

一、引 言

在银行效率的研究中，国外学者大多以贷款质量、风险性资产作为银行的风险变量，考察风险因素下银行效率表现，而多数研究结果显示，效率水平与风险指标有显著的相关性。Berger和Humphrey[1]基于不良管理假设、不幸假设和节约假设三种假设得出结论:银行风险与银行成本效率之间呈负相关关系。Simon等[2]研究了1986—1991年美国254家金融控股公司风险、资本和无效率三者间的关系，结果表明变量之间相互影响，其中风险和无效率的关系不对称，而银行为了抵消低效率常常会选择更大的风险，并将风险转嫁给存款保险机构。Fan和Shaffer运用随机边界法估算了1998年美国银行的利润效率，结果表明利润效率与信用风险及破产风险呈正相关关系，而与流动风险的关系不显著。Pasiouras[3]运用数据包络法(Data Envelopment Approach，DEA)研究了贷款损失准备金作为额外的投入要素对商业银行效率的影响，结果表明贷款损失准备金作为额外投入要素的加入提高了商业银行效率。Berger和 DeYoung、Rossi、Schwaiger和Winkler以及 Ansari和 Muhammad[4]发现不良贷款率越高，银行的成本非效率越明显。

国内关于商业银行效率研究的文献中，效率与风险的关系研究未能得到充分发展。已有的研究认为贷款质量、资产规模、贷存比和资本充足率等指标是影响银行效率的关键因素。不良贷款对于银行成本效率有明显的负面影响[5－6];资产规模、贷存比、资本充足率、股东权益比率和股权回报率有助于银行效率的提升[7]－[10]。

综上所述，尽管已有许多文献聚焦于商业银行成本效率的研究，但从商业银行成本效率的角度研究信用风险影响作用的文献尚不多见。鉴于此，本文拟重点分析两个问题:一是中国商业银行的成本效率状况;二是信用风险对中国商业银行的成本效率产生的影响。

二、随机边界方法

经济学对理论成本函数的定义为:在技术水平和投入品价格不变的条件下，既定产出量与所需的最小成本之间的函数关系。然而，在实际生产过程中，实际成本几乎不可能在最小成本水平上运行，实际成本往往高于理论上的最低投入，于是存在实际成本高于理论成本的非效率现象。

为了研究中国各商业银行真实的经营情况和成本效率水平，本文选择随机边界方法(Stochastic Frontier Approach，SFA)计算每年的理论最小成本与实际成本的比值。SFA是参数方法的一种，它可以考察某一时间截面的平均效率情况[1]。

随机边界函数的对数形式包含了一个组合误差项:

lnRC=lnC(Y，P)+v+u，

由表3可知，支架工作阻力为p时，支架超限比例较支架工作阻力为p2时大很多，且支架工作阻力为p2时，A1、A2类均小于15%，确定p2=20 673.5 kN为支架合理工作阻力，取整后为21 000 kN。

其中，RC是实际成本;C(Y，P)为理论最小成本，Y为产出向量，P为投入价格向量;v是随机误差项，代表影响总成本的非可控因素，如天气、市场机会等，它既可能提高成本也可能降低成本，可正可负，因而服从标准正态分布N(0，σ2v)。u是成本非效率项，只会提高成本，因而服从单边分布|N(0，σ2u)|。

在选定的成本函数形式下，依据成本非效率项u的分布形式，运用极大似然估计(Maximum Likelihood Estimation)测算出成本函数的参数值和u值。之后，根据样本数据计算出理论最小成本。以该理论成本与实际成本的比值确定成本效率 CE(Cost Efficiency，CE)[1]。CE=C(Y，P)/RC，其中，CE的取值范围为 [0，1]，当CE=1时，表示银行实际成本等于理论最小成本，银行成本完全有效;而当CE＜1时，表示银行成本处于非效率状态，越接近于0，效率越差。

随机边界成本函数的检验源于极大似然检验，主要是计算变差率γ，即γ=σ2u/(σ2v+σ2u)，其中，σ2u表示非效率项u的方差，σ2v表示随机误差项v的方差。变差率γ取值为(0，1)。当变差率γ≈1时，即σ2v≈0，成本偏差主要由非效率项 u决定。当变差率γ≈0时，即σ2u≈0，则成本偏差由随机误差项v决定，当变差率γ介于0和1之间时，成本偏差则由两者共同决定。

三、模型和数据

本文选取中国13家商业银行，包括中国工商银行、中国农业银行、中国银行、中国建设银行四大国有商业银行和中国交通银行、中国民生银行、上海浦东发展银行、招商银行、华夏银行、兴业银行、中信实业银行、中国光大银行、广东发展银行九家股份制商业银行，估算它们在2005—2011年的成本效率值，按照2005年不变价格测算。

1.模型Ⅰ:银行成本效率的计算

借鉴已有研究，在投入产出指标的选择上，基于资产法选取有关银行成本效率的变量，共包括两项产出指标和三类投入指标。产出指标有投资成本和可贷资金;投入指标分为三类，包括资金投入及资金价格、劳动投入及劳动价格、资本投入及资本价格。

由于所选取的投入产出指标属于多投入、多产出的形式，彼此之间存在相互关联的可能，因此，在模型设定上采用超越对数成本函数(translog)。该模型包含投入产出指标的交互影响项，符合商业银行规模收益可变的实际情况，并且保证成本函数具备足够的弹性，有利于成本效率计算。按照Allen和 Rai[11]的方法，将投入要素价格除以劳动投入价格进行标准化处理，得:

其中，i代表第 i家银行，i=1，2，…，13;t表示时期，t=1，2，…，7，代表2005—2011这7个年份;RC为实际成本，包括各项利息支出、手续费支出、金融企业往来支出以及营业费用;Y1为投资总额，包括短期投资、中长期投资;Y2为贷款总额，包括短期贷款、进出口押汇、贴现、中长期贷款和逾期贷款;X1为可贷资金，是总存款与借入款之和;X2为劳动力，即银行员工人数;X3为实物资本，用固定资本净值表示;P1代表资金投入价格，P1=(利息支出+手续费支出+金融企业往来支出+营业外支出+其他营业支出)/可贷资金;P2代表劳动投入价格，P2=营业费用/员工人数;P3代表实物资本价格;P3=折旧/固定资产净值。

2.模型Ⅱ:信用风险对商业银行效率的影响分析

为了深入研究信用风险对银行成本效率的影响，引入信用风险特征参数对预测效率做回归分析。新巴塞尔协议中主要以规范银行资本充足率来达到控制信用风险的目的。然而，银行的交易行为本身也可能是信用风险的来源，如银行本身对贷款额与存款额的掌控，或银行本身由于没能慎选贷款对象，以致形成不良贷款，都是信用风险的主要来源。根据新巴塞尔协议中针对信用风险的规范，以及银行本身的贷款行为对信用风险的显著影响，故选取不良贷款率、贷存比和资本充足率这3个变量对测算出的成本效率值进行回归分析。CEit=φ0+φ1θit+φ2ωit+φ3Γit+εit，其中，i=1，2，…，13，表示第i个截面观察单位;t=1，2，…，7，表示第t个时点观察单位;θ为各银行的不良贷款率，即贷款拨备率与拨备覆盖率的比值;ω为银行的贷存比，即银行贷款总额与存款总额的比值;Γ为银行的资本充足率，是银行自身资本与加权风险资产的比率;ε为随机扰动项。

四、计量分析结果

1.模型Ⅰ:效率测算结果

采用Frontier 4.1(Coelli，1996)程序对模型Ⅰ进行估计，结果如表1所示。

表1 随机成本边界模型估计结果(最大似然估计)

方差参数γ的估计值为0.895，大于0，表明成本非效率项u对成本效率的影响显著。利用模型Ⅰ的系数估计结果，可以计算出各银行在不同时期的成本效率水平指标与效率排名(如表2和图1所示)。

表2 2005—2011年13家商业银行的成本效率均值及排名

图1 2005—2011年商业银行成本效率均值比较

代表产出变量的投资系数α1和贷款系数α2的估计结果分别为0.612和0.462，即投资和贷款额与成本效率之间均呈正相关关系，但都不显著，说明扩大投资和贷款未必能够达到提高银行成本效率的目标。

从各家商业银行效率均值的各年变化以及效率值排名可以看出，除广东发展银行外，股份制银行的排名基本位于四大国有商业银行前，意味着国有商业银行的成本效率普遍低于股份制银行(如表2所示)，这与钱蓁[7]、迟国泰等[5]和付雯雯[10]的研究结果相同。成本效率的分布区间为 [0.811，1)。成本效率均值越大，银行的经营成本效率越高。效率最低的是中国农业银行(CE=0.811)，最高的是上海浦东发展银行(CE=0.989)。

2.模型Ⅱ:风险因素影响分析

为了避免伪回归，对数据的平稳性进行LLC单位根检验，检验结果(如表3所示)表明各变量序列为平稳序列。采用Eviews6.0对模型Ⅱ进行固定效应①经Hausman检验，13家商业银行样本对应的P值为0.020，故选择使用固定效应面板模型。的面板估计。从回归结果的拟合情况来看，调整后R2为0.942，拟合度很好。通过F统计量可以看出模型中解释变量与被解释变量的线性关系显著，F统计量的概率值为0，说明模型整体效果较好(如表4所示)。

表3 面板数据的单位根检验

表4 模型Ⅱ的回归估计结果

结果表明银行的成本效率与不良贷款率为负相关关系，而与贷存比、资本充足率为正相关关系，并且3个变量的t值均在1%的水平上统计显著。比较3个变量的作用大小，不良贷款率的系数为－1.101，贷存比的系数高达1.171，资本充足率的系数为0.698，显然，贷存比的作用高于不良贷款率和资本充足率，说明贷存比的增加对于改善银行成本效率最为显著，而资本充足率是3个指标中作用相对最小的。

五、结论与建议

由随机边界成本模型测得的各家银行的成本效率值可以看出，四大国有商业银行的成本效率值普遍低于股份制商业银行。而从模型Ⅱ测算出的结果来看，信用风险的有效控制对银行成本效率的改善作用极为显著。因此，实施信用管理和控制风险就显得尤为重要。在后金融危机时代的今天，中国商业银行必须注重以下三方面的改进，才能有效地提高成本效率，增强银行的竞争力。

第一，降低不良贷款率，改善资产质量。计量结果显示，在其他条件不变的前提下，不良贷款率每降低1个百分点，成本效率值就可以提高1.101个百分点，说明银行不良贷款占比越高，资产质量就越差，成本效率也就越低。不良贷款率是评价银行经营安全性和竞争力，衡量商业银行成本效率水平高低的重要指标。

不良贷款率是不良贷款占总贷款余额的比重，降低银行的不良贷款率，一是减小分子，降低不良贷款额;二是增大分母，增加总贷款余额。但是单凭贷款规模的扩大对于降低不良贷款率治标不治本。要从根源上治理不良贷款额，必须从减小分子上下功夫。而不良贷款的形成主要受贷前调查、贷后管理及借款企业违约等因素影响。因此，要降低不良贷款额，可以从防范新增不良贷款及处置已有不良贷款两方面实施。中国商业银行，特别是四大国有商业银行在股份制改革以前积累的巨额不良贷款和较高的不良贷款率②据《中国金融年鉴》公布，1995年中国的国有商业银行和股份制商业银行的不良贷款率分别高达22.0%和3.7%，而到了1999年又继续冲高到35.0%和12.5%。一度成为拉低成本效率、诱发国内金融危机的最大风险。防范新增不良贷款的主要途径有:加快信用评级技术和资产组合技术的研发及相关人员的培训;从组织结构和管理流程上建立起一套科学完善的内部风险评估体系和风险防范体系，加强银行内部风险管理和控制，优化资本结构，改善资产质量。对于已有不良贷款，应当继续加快商业银行向资产管理公司剥离以及出售不良资产的步伐。值得一提的是，进入21世纪以来，经过持续深入的改革，中国银行业的风险抵御能力和经营效率不断提升，不良贷款率由2003年的17.9%稳步下降到2009年的1.6%，2011年中国商业银行五级分类不良贷款余额为4 279亿元，不良贷款率降至1.0%。

第二，进一步拓宽贷款融资渠道，积极开发中小企业，特别是小微企业贷款的有效需求，优化信贷结构。从计量结果来看，银行的贷存比增长1%，成本效率值提高1.171，说明资金使用率的提升可以减少闲置存款的机会成本，增大银行的盈利机会，有助于降低银行的经营成本，改善银行的成本效率。必须指出的是，虽然贷存比对银行成本效率的影响大于不良贷款率和资本充足率，但国有银行承担的政策性贷款业务较多，其贷款不是按照市场原则进行配置，因而在一定程度上会影响资产配置质量，对成本效率的提升并不一定显著。与国有商业银行相比，股份制商业银行没有政策包袱，按市场机制发放贷款，因而资产配置质量相对较高，成本效率的提高较为明显。实际上，贷存比是一个具有杠杆性质的指标，贷存比过高会增加银行的流动性风险、降低清偿能力，因而它存在一个拐点。2011年中国银监会将商业银行月度日均贷存比控制在75%以内，说明通过增加贷存比来降低银行成本、提高效率是行不通的，而是要调整信贷结构，将信贷业务的重点目标转向贷款需求较高的中小企业，尤其是小微企业。针对中小企业和小微企业，商业银行应成立金融服务专门机构，确保贷款队伍的专业化管理，并推进贷款产品要素差异化、体系丰富化。从2008年起，邮政储蓄银行从小微企业客户特点出发，陆续开办了林权抵押贷款、渔船抵押贷款、“粮农宝”小额贷款等，有效地完善了小微企业贷款产品体系。实行中小企业黄金客户差别化利率，对一些信誉好、效益好的中小企业给予利率优惠，减少其融资成本。

第三，加强对资本充足率的监管，提高自有资本。从模型的估计结果来看，在其他条件不变的前提下，资本充足率增长1个百分点，成本效率值可以提高0.698个百分点，说明银行资本充足率的提高有助于成本效率的改善。资本充足率体现的是商业银行抵御风险提高效率的能力，它的提高会带给银行较大的资本压力，促使商业银行降低权益杠杆，并通过提高资产利用率和成本控制来满足资本充足要求。

加大资本充足率的具体方式可以是股权融资，发行次级债，改善治理结构。2011年中国国有商业银行的资本充足率为12.5%，股份制商业银行为11.0%，都已超过了银监会规定的8.0%的下限。各家商业银行主要通过股权融资的方式补充核心资本金，进而提高资本充足率，2009年，深圳发展银行、上海浦东发展银行主动开辟了定向增发;中国民生银行公开上市;中国光大银行引进战略投资者，招商银行则选择配售多样化的股权融资渠道来融资，这些都是银行主动补充资本充足率、改善成本效率的必要措施。另外，可以通过发行次级债等方式来补充商业银行的附属资本。此外，通过改善商业银行的治理结构，可以增加自有资本，从根本上改善资产质量，促使银行内部增强对信用风险抵御能力的管理和控制，提高成本效率，持续增强银行的盈利能力。

[1]Berger， N.， Humphrey， B. Measurement and Efficiency Issues in Commercial Banking[J].European Journal of Operational Research，1993，98(2):175－212.

[2]Simon，H.，Robert，K.，Eisenbeis，A.An Analysis of Inefficiencies in Banking[J].Journal of Banking and Finance，1995，19(3－4):733－734.

[3]Pasiouras，F.Estimation the Technical and Scale Efficiency of Greek Commercial Bank:The Impact of Credit Risk，Off－Balance Sheet Activities ，and International Operations[J].Journal of Banking and Finance，2007，16，(8－9):245－273.

[4]Ansari，G.，Muhammad，S.An Empirical Investigation ofCost Efficiency in the Banking Sector of Pakistan[J].State Bank of Pakistan Research Bulletin，2007，3(2):209－231.

[5]迟国泰，孙秀峰，芦丹.中国商业银行成本效率实证分析[J]. 经济研究，2005，(6).

[6]张建华.中国商业银行的X效率分析[J].金融研究，2003，(6).

[7]钱蓁.中国商业银行的效率研究——SFA方法分析[J]. 南京社会科学，2003，(1).

[8]梁艳，亢唅.基于风险调整的中国商业银行成本效率研究[J]. 统计与决策，2009，(15).

[9]林丰德.资本充足要求下中国上市银行的效率问题研究[D].天津:南开大学博士学位论文，2009.

[10]付雯雯.中国商业银行的效率与风险研究[D].武汉:华中科技大学博士学位论文，2011.

[11]Allen，L.，Rai，A.Operational Efficiency in Banking:An lntemational Comparison[J].Journal of Banking and Finance，1996，20(6):655－672.

[12]Battese，G.E.，Coelli，T.J.Frontier Production Functions，Technical Efficiency and Panel Data:With Application to Paddy Farmera in India[J].Journal of Productivity Analysis，1992，(3):153－169.

[13]何蛟.中国商业银行效率及其影响因素研究[D].重庆:重庆大学博士学位论文，2010.