最新我国上市商业银行创新能力与风险监管相关性实证研究

我国上市商业银行创新能力与风险监管相关性实证研究我国上市商业银行创新能力与风险监管相关性实证研究①、②朱明星（①山东大学管理学院，山东济南 250100；②国家开发银行山东省分行，山东济南 250002）摘要：本文选取我国沪深交易所上市商业银行2007—2011年间的数据，研究商业银行创新能力与风险监管指标之间的相关性。

实证结果表明，银行创新能力与不良贷款率之间存在负相关的关系，与资本充足率和存贷比之间存在正相关的关系，而且流动性比率对创新能力的影响不显著。

这反映出提升商业银行的创新能力、走创新驱动型的发展道路，是实现我国银行业发展模式成功转型的有效途径。

关键词：商业银行；创新能力；风险监管Abstract：This paper studies the correlation between the innovative capability and risk supervision indicators of China’s listed commercial banks by selecting the data of commercial banks listed on China’s Shanghai and Shenzhen Stock Exchange from 2007 to 2011. The empirical results show that there exists a negative relationship between the non-performing loan ratio and innovative capability of commercial banks. On the contrary，the capital adequacy ratio and loan-to-deposit ratio are positively related to banks’ innovative capability. However，the liquidity ratio has no significant influence on banks’ innovative capability. These studies show that promoting commercial banks’ innovative capability and following the path ofinnovation-driven development are effective ways to achieve the successful transformation and upgrading of the banking sector in our country.Key Words：commercial banks，innovative capability，risk supervision中图分类号：F832.33 文献标识码：A 文章编号：1674-2265（2013）04-0062-04一、引言商业银行创新能力是其创新过程中的一种系统能力，体现在多个方面，比如产品与服务创新能力、管理创新能力、技术创新能力、战略创新能力等，而且与银行的创新发展战略密切相关。

2010年通过的《巴塞尔协议Ⅲ》作为全球银行业监管的标杆，深刻影响着银行的经营模式和发展战略。

为此，银监会2011年正式发布了中国版“巴塞尔协议总体框架”，全面提高了资本充足率、杠杆率、流动性、贷款损失准备等监管标准，其逐步实施将对银行业构成严峻挑战。

与此同时，我国银行业传统的以息差收入为主要来源的增长模式将难以持续，迫使我国的商业银行必须加快转变传统的经营与盈利模式，不断提升创新能力来深化商业银行公司治理改革。

二、理论分析与研究假设长期以来，存贷利差收入是我国商业银行的主要收入来源，银行普遍创新能力不足，粗放经营特征明显。

随着金融业市场化改革的逐步深入以及对外开放程度的加深，银行业面临深刻的经营模式转型压力。

在已有的公司治理改革基础上，通过提升创新能力来深化银行公司治理改革，创造最有利于创新的外部环境和培植创新主体的内在创新动力，就成为改革成功与否的关键所在。

商业银行的创新能力一般表现为管理创新能力、制度创新能力、技术创新能力、产品与服务创新能力等。

由于银行创新能力构成要素中，许多都难以有效计量，所以目前尚无权威指标来衡量，而中间业务能够为银行带来创新业务收入，是商业银行综合运用各种创新资源的集中体现。

在我国目前情况下，中间业务也是非利息收入的主要来源，能够很好地表现出银行的创新能力，成为衡量银行创新能力强弱的重要评价指标。

由于近年兴起的各种理财、电子银行、银行卡等产品与服务领域的创新，其经营效果最终体现在中间业务收入当中，而银行创新的主要特征又表现为表外化和证券化，因此收入结构可以在一定程度上反映银行创新能力的水平。

随着技术进步、金融脱媒、管制放松和市场竞争的加剧，拓展中间业务、开发创新产品日益成为国际银行业发展的主流趋势（考夫曼和莫特，1994；艾伦和圣梅罗，2001）。

商业银行提升创新能力最终还需要调整银行的收入结构，向利息收入与中间业务收入并重的多元化收入结构转变。

（一）不良贷款率与银行创新能力商业银行创新能力反映的是银行创新系统行为的一种综合能力，是商业银行不断创造新思想、新观念，并运用这些新思想、新观念，通过技术进步、市场开拓、管理升级和文化建设等各种方法手段，应用知识和人的智力，使其满足或创造市场需求，为银行带来利润和效率、获得竞争优势，并最终实现银行发展战略目标的综合能力。

不良贷款率作为政府监管部门监管银行的主要指标，能够反映出银行创新能力水平，并提出如下假设：H1：不良贷款率与银行创新能力负相关。

（二）资本充足率与银行创新能力资本充足率作为保证银行正常运营和发展所必需的资本比率，各国金融监管当局都有严格的管制，目的是监测银行抵御风险的能力。

《巴塞尔协议Ⅲ》建立了多层次的资本充足率要求，并重新校准了各层次资本充足率监管要求，以尽可能反映银行危机的社会成本。

由于受资本监管的约束，我国商业银行总体呈现“信贷扩张与资本补充”相互推动的特征，伴随未来我国经济增速的回落和产业结构的调整，更审慎的资本监管要求将迫使商业银行放弃以“规模和速度”为主导的发展模式，打破信贷扩张与资本补充相互推动的粗放循环。

同时，《巴塞尔协议Ⅲ》更加强调对核心资本的计量，为此商业银行必须增加资本以提高资本充足率，这会减少可供调配的信贷资金规模，迫使我国银行业由过渡依赖利差收益转向多元化经营，不断增强创新能力。

因此，有如下假设：H2：资本充足率与银行创新能力正相关。

（三）资产流动性比例与银行创新能力流动性比率作为银行短期偿债能力的财务指标，反映着银行经营的流动性目标。

该比率越高，银行的短期偿债能力越强。

在以存贷利差为主的粗放型盈利模式下，我国银行业必然会更热衷于追求存贷款规模的增长，而不愿意将更多的资金投资于创新业务当中。

因此，有下面的假设：H3：流动性比率与银行创新能力负相关。

（四）存贷比与银行创新能力存贷款比率是银行各项贷款余额与各项存款余额的比例，是用来衡量商业银行流动性风险的指标之一。

从银行盈利的角度讲，存贷比越高越好。

因为存款是要付息的，即所谓的资金成本；贷款是可以收息的，即资金收入。

如果一家银行的存款很多、贷款很少，就意味着它成本高、收入少，银行的盈利能力就较差。

然而，由于存贷款业务获得的利润属于银行的基础利润来源，存贷比越高，商业银行利息收入相对越高，对银行创新的刺激就越小，通过这种间接的作用，可以提出如下假设：H4：存贷比与银行创新能力负相关。

三、研究设计（一）研究样本本文数据主要来源于上交所和深交所公开披露的16家上市银行2007—2011年间的年报。

通过对数据进行分析，农业银行2007年的部分数据不能够使用，这主要源于农业银行2009年的商业化背景。

鉴于此，本文首先将农业银行部分空缺数据进行空缺化检验，但实证检验结果并不十分理想。

因此，本文在实证部分均剔除了农业银行的数据，运用15家上市银行的年报数据进行实证分析。

（二）变量选择与定义本文选择银行中间业务收入作为衡量创新能力的变量，具体数据使用中间业务收入占营业收入的比重，该比重可以体现银行创新能力的水平。

银行在业务开展和创新过程中会遇到各种各样的风险因素。

结合银监会统计口径及风险监管指标中与银行创新能力相关性强的主要指标，本文选择不良贷款率、资本充足率、流动性比例和存贷比指标来代表商业银行的风险监管因素，银行规模作为控制变量。

具体变量名称及定义见表1。

表1：变量名称及定义四、统计过程及实证分析（一）模型架构根据理论分析及研究假设提出以下模型：012345ij ij ij ij ij ij i ij ZSR NPL CAR CR LDR SC ββββββμε=+++++++（1）其中，ij ZSR 、ij NPL 、ij CAR 、ij CR 、ij LDR 、ij SC 分别代表表1中的各个变量第i 年第j 个银行相应的变量；1β—5β分别代表各个变量的系数，它们的大小能够分别表明对应的解释变量与被解释变量之间关系的强弱程度，它们的正负性也将表明对应的解释变量与被解释变量之间关系的正负相关性，从而来确定各变量与银行的创新能力之间的关系；0β为截距量；i μ为不随时间变化的随机误差项，代表个体固定效应；ij ε为随机误差项。

（二）描述性统计利用stata 软件对除农业银行外的15家上市银行的数据进行处理。

根据样本数据，中间业务收入占营业收入的比例与银行风险监管相关变量的描述性统计结果见表2。

表2：变量的描述性统计（三）模型估计分析对模型（1）使用面板数据模型分别进行混合效应回归、固定效应回归和随机效应回归的结果如表3所示。

为进行模型筛选，本文对结果进行一系列检验。

首先，对混合效应模型和固定效应模型进行筛选。

通过构造F统计量，计算出F统计量的值为11.81，相应的P值为0.00，因此在1%的显著性水平下拒绝不存在个体固定效应的原假设，即认为模型存在面板个体固定效应，固定效应模型优于混合效应模型。

其次，对面板固定效应模型和面板随机效应模型进行筛选。

筛选时使用Hausman检验， Hausman检验构造卡方检验统计量的值为18.54，相应的P值为0.0098。

因此，在1%的显著性水平下拒绝随机效应模型有效的原假设，最终选择固定效应模型。

综合以上分析，本文最终选择固定效应模型对结果进行分析。

表3：模型回归结果从表3中可以看出，调整后的R2为0.467，所有系数除了流动性比率不显著之外，其他系数都显著，结果较好。