宏觀經(jīng)濟(jì)不確定性對銀行利差的影響

辛兵海，陶 江，張曉云

(1.南開大學(xué)經(jīng)濟(jì)學(xué)院，天津300071;2.北京大學(xué)經(jīng)濟(jì)學(xué)院，北京100871)

一、引言

在金融市場上，凈利差是衡量商業(yè)銀行經(jīng)營效率的關(guān)鍵指標(biāo)，受到國內(nèi)外學(xué)者的普遍關(guān)注。利率的資源配置功能，隨著我國利率市場化改革的不斷推進(jìn)而日益凸顯。因此，對不確定性市場環(huán)境下利差的影響因素進(jìn)行研究，一方面有利于我國銀行業(yè)改善管理水平并提高資產(chǎn)定價(jià)能力，另一方面也有助于推動(dòng)金融監(jiān)管部門利率管理效率的提高，進(jìn)而提高監(jiān)管水平。

對利差影響因素的理論研究，主要包括Ho and Saunders(1981)［1］提出的交易者模型和Zarruck(1989)［2］提出的銀行公司微觀模型。理論研究發(fā)現(xiàn)市場壟斷勢力、運(yùn)營成本、銀行風(fēng)險(xiǎn)偏好、信用風(fēng)險(xiǎn)和中間業(yè)務(wù)發(fā)展等因素會對銀行利差產(chǎn)生影響。在上述微觀影響因素研究的基礎(chǔ)上，一些學(xué)者對宏觀經(jīng)濟(jì)不確定性與融資成本(利率)的關(guān)系進(jìn)行了研究，并發(fā)現(xiàn)宏觀經(jīng)濟(jì)不確定性 提高了融資成本(Gilchrist，et.al.，2014)［3］。國內(nèi)對利差影響因素的研究，多是在交易者模型和銀行公司微觀模型的基礎(chǔ)上，基于我國市場背景，實(shí)證檢驗(yàn)各微觀因素對銀行利差的影響(周開國等，2008［4］;張兵等，2014［5］)，鮮有文獻(xiàn)研究宏觀經(jīng)濟(jì)不確定性對銀行利差的影響，這造成我們對該問題的認(rèn)識存在不足。

本文基于既有文獻(xiàn)研究成果和我國市場環(huán)境，提出如下問題:宏觀經(jīng)濟(jì)不確定性是否構(gòu)成商業(yè)銀行利差的直接影響因素，進(jìn)而對銀行利差會造成何種影響?我們在充分考慮多維度宏觀經(jīng)濟(jì)不確定性指標(biāo)的基礎(chǔ)上，探討我國宏觀經(jīng)濟(jì)不確定性對商業(yè)銀行利差的影響。我們期望這些實(shí)證研究能夠?yàn)樯钊肜斫庠搯栴}，提供來自于微觀層面的經(jīng)驗(yàn)事實(shí)，并據(jù)此提供針對性地政策建議。深入認(rèn)識宏觀經(jīng)濟(jì)不確定性對銀行利差的影響，對于我國金融市場穩(wěn)定發(fā)展、利率市場化改革和監(jiān)管政策的制定均具有重要的現(xiàn)實(shí)意義。

與國內(nèi)既有文獻(xiàn)相比，本文具有如下特征:首先，從研究視角來看，基于我國金融機(jī)構(gòu)的微觀樣本，實(shí)證分析了經(jīng)濟(jì)不確定性對商業(yè)銀行利差的影響。其次，從研究方法來看，本文運(yùn)用面板固定效應(yīng)、系統(tǒng)GMM和面板VAR等恰當(dāng)計(jì)量方法，對樣本數(shù)據(jù)進(jìn)行了分析。具體而言，從工業(yè)企業(yè)產(chǎn)值、進(jìn)出口、投資和貨幣供應(yīng)量等多維度構(gòu)建宏觀經(jīng)濟(jì)不確定性指標(biāo)。研究樣本涵蓋了2001～2013年，包括國有大型商業(yè)銀行、股份制銀行、城市商業(yè)銀行和農(nóng)村金融機(jī)構(gòu)等在內(nèi)的我國151家金融機(jī)構(gòu)數(shù)據(jù)，具有較強(qiáng)的普遍性和代表性。最后，從研究結(jié)論來看，在控制其他影響變量的條件下，宏觀經(jīng)濟(jì)不確定性對商業(yè)銀行利差具有顯著正向影響，且在不同計(jì)量方法、不同樣本、不同替代變量條件下，核心結(jié)論保持穩(wěn)健。本文的研究，豐富了不確定性條件下的商業(yè)銀行經(jīng)營行為的研究文獻(xiàn);本文發(fā)現(xiàn)宏觀不確定性是銀行利差的重要影響因素，對于信貸定價(jià)理論的相關(guān)文獻(xiàn)也是一個(gè)有益補(bǔ)充;此外，本文還從實(shí)證角度發(fā)現(xiàn)，互聯(lián)網(wǎng)金融的發(fā)展導(dǎo)致銀行利差收窄。

后文結(jié)構(gòu)安排如下:第二部分進(jìn)行文獻(xiàn)評述;第三部分提出研究假設(shè)、構(gòu)建計(jì)量模型，并對所選擇的樣本和變量進(jìn)行描述;第四部分是實(shí)證性檢驗(yàn)及穩(wěn)健性分析;最后是結(jié)論性評價(jià)與政策建議。

二、文獻(xiàn)綜述

對利差影響因素的研究，始于Ho and Saunders(1981)［1］提出的交易者模型。該模型指出，利差的大小取決于市場結(jié)構(gòu)、管理者風(fēng)險(xiǎn)偏好、交易規(guī)模和利率波動(dòng)。在此基礎(chǔ)上，Allen(1988)［6］放松了同質(zhì)性貸款假設(shè)，指出多元化貸款產(chǎn)品之間的需求交叉彈性會降低銀行利差水平?；诔杀镜囊暯?，Maudos and Guevara(2004)［7］發(fā)現(xiàn)商業(yè)銀行運(yùn)營成本是凈利差的另一影響因素。Valverde and Fernández(2007)［8］在Allen(1988)［6］研究的基礎(chǔ)上，指出商業(yè)銀行的中間業(yè)務(wù)會影響其收入結(jié)構(gòu)，進(jìn)而降低了銀行凈利差?；谀鞲玢y行數(shù)據(jù)，Maudos and Solís(2009)［9］在實(shí)證分析中融合了上述影響因素，并強(qiáng)調(diào)了市場壟斷勢力、銀行運(yùn)營成本和中間業(yè)務(wù)的重要性。

另一類模型是Zarruck(1989)［2］提出的銀行公司微觀模型。該模型研究發(fā)現(xiàn)銀行資本充足情況與銀行利差正相關(guān)，而運(yùn)營成本對銀行利差的影響無法確定。Zarruk and Madura(1992)［10］指出存款準(zhǔn)備金和存款保險(xiǎn)的要求會降低銀行凈利差水平?；诙嘀夭淮_定性與風(fēng)險(xiǎn)偏好視角，Wong(1997)［11］建立銀行最優(yōu)利差決定模型，作為交易者模型和銀行公司微觀模型的融合。模型發(fā)現(xiàn)市場壟斷勢力、運(yùn)營成本、銀行風(fēng)險(xiǎn)偏好和信用風(fēng)險(xiǎn)等因素均對銀行利差產(chǎn)生正向影響。

值得注意的是，上述研究多是基于微觀視角，對利差決定因素進(jìn)行研究。與之不同的是，一些學(xué)者對宏觀經(jīng)濟(jì)不確定性與企業(yè)融資成本(利率)的相互關(guān)系進(jìn)行研究。Pastor and Veronesi(2012)［12］研究發(fā)現(xiàn)，宏觀經(jīng)濟(jì)不確定性會提高融資利率，降低投資并加劇經(jīng)濟(jì)衰退。Gilchrist，et.al.(2014)［3］研究發(fā)現(xiàn)，宏觀經(jīng)濟(jì)不確定性會加劇金融摩擦程度，具體表現(xiàn)為風(fēng)險(xiǎn)債券和無風(fēng)險(xiǎn)債券之間利差的提高。基于此，我們推斷宏觀經(jīng)濟(jì)不確定性會影響債權(quán)方(銀行)的信貸定價(jià)，進(jìn)而對銀行利差產(chǎn)生影響。

國內(nèi)對利差影響因素的研究，多是在交易者模型和銀行公司微觀模型的基礎(chǔ)上，基于我國市場背景，實(shí)證檢驗(yàn)各微觀因素對銀行利差的影響。基于交易者模型，周開國等(2008)［4］實(shí)證發(fā)現(xiàn)市場競爭結(jié)構(gòu)是銀行凈利差的重要決定因素，信貸規(guī)模、運(yùn)營成本、隱含利息支付對凈利差產(chǎn)生正向影響，而風(fēng)險(xiǎn)偏好、違約風(fēng)險(xiǎn)對銀行利差產(chǎn)生負(fù)向影響?；诓煌臉颖酒陂g，周鴻衛(wèi)等(2008)［13］分析了各微觀影響因素在不同時(shí)期的重要性，并指出我國銀行業(yè)信貸自主定價(jià)能力逐步提高?？紤]到中間業(yè)務(wù)收入占比及市場勢力等因素的影響，趙旭(2009)［14］基于我國15家主要銀行數(shù)據(jù)實(shí)證研究發(fā)現(xiàn)，市場壟斷勢力對利差影響顯著，而中間業(yè)務(wù)發(fā)展對利差影響不顯著?；谧鍪猩棠Ｐ停堂潞挖w紅(2010)［15］運(yùn)用我國上市銀行數(shù)據(jù)研究發(fā)現(xiàn)，市場壟斷程度、成本因素、風(fēng)險(xiǎn)偏好因素、信用風(fēng)險(xiǎn)、中間業(yè)務(wù)發(fā)展等因素均對利差產(chǎn)生顯著影響。通過比較中美銀行利差影響因素的差異，隋聰和邢天才(2013)［16］發(fā)現(xiàn)，相對于美國而言，由于我國利率市場化程度較低，隱含利息支付對利差的影響程度在我國市場表現(xiàn)得更加顯著。從短期角度出發(fā)，張兵等(2014)［5］研究發(fā)現(xiàn)風(fēng)險(xiǎn)溢價(jià)對利差影響顯著，且大型銀行和中小型銀行存在差異性?；诶适袌龌⒎抢⑹杖牒豌y行利差的視角，王歡和郭建強(qiáng)(2014)［17］研究發(fā)現(xiàn)，中間業(yè)務(wù)收入占比與凈利差在總體上存在U型關(guān)系。

國內(nèi)既有文獻(xiàn)大多基于少數(shù)上市銀行作為研究樣本，樣本代表性相對較差。對于宏觀經(jīng)濟(jì)變量與銀行利差的相互關(guān)系，國內(nèi)實(shí)證研究文獻(xiàn)中多是將宏觀變量的水平值(生產(chǎn)總值、物價(jià)指數(shù))放入計(jì)量模型加以控制(如周開國等，2008［4］;趙旭，2009［14］;，程茂勇和趙紅，2010［15］;王歡和郭建強(qiáng)，2014［17］);一些實(shí)證文獻(xiàn)未考慮宏觀因素對利差的影響(隋聰和邢天才，2013［16］;張兵等，2014［5］)，因此可能存在遺漏變量偏誤。對于宏觀經(jīng)濟(jì)不確定性與銀行經(jīng)營行為的關(guān)系，國內(nèi)文獻(xiàn)更多關(guān)注經(jīng)濟(jì)不確定性對資產(chǎn)配置(邱兆祥和劉遠(yuǎn)亮，2010)［18］和信貸風(fēng)險(xiǎn)(梁洪波和劉遠(yuǎn)亮，2012)［19］的影響，鮮有文獻(xiàn)研究宏觀經(jīng)濟(jì)不確定性與銀行利差的相互關(guān)系，這造成我們對該問題的認(rèn)識存在不足。

三、模型、變量和數(shù)據(jù)選擇

(一)研究假設(shè)和計(jì)量模型

宏觀經(jīng)濟(jì)不確定性會通過信貸渠道影響銀行利差。在企業(yè)負(fù)債定價(jià)的標(biāo)準(zhǔn)框架下，基于有限責(zé)任條件，杠桿化股權(quán)的收益結(jié)構(gòu)類似于買入期權(quán)的收益，而債權(quán)方(銀行)面臨的收益結(jié)構(gòu)類似于投資者的賣出期權(quán)(Merton，1974)［20］。當(dāng)不確定性使得企業(yè)資產(chǎn)的波動(dòng)增加時(shí)，將導(dǎo)致債權(quán)方受損。因此，在宏觀不確定性程度較高的市場環(huán)境下，商業(yè)銀行在利率定價(jià)過程中，會綜合考慮市場整體不確定性，增加不確定性溢價(jià)在利率價(jià)格構(gòu)成中的權(quán)重。當(dāng)然，為規(guī)避支付較高的債權(quán)融資成本，企業(yè)也可以放棄債權(quán)融資而轉(zhuǎn)向股權(quán)融資，而這要以無摩擦資本市場為前提條件，顯然這在我國當(dāng)前資本市場并不成立。基于此，我們推斷當(dāng)宏觀經(jīng)濟(jì)不確定性程度越高，則銀行利差越高。

本文建立如下計(jì)量模型，以分析宏觀經(jīng)濟(jì)不確定變量對銀行利差的影響:

在計(jì)量模型中，i和t分別表示商業(yè)銀行個(gè)體和時(shí)間;因變量Spread_growthit表示銀行利差增長率;uncertaintyt－1表示宏觀經(jīng)濟(jì)不確定性變量，由于本期決策一般需要借助于上一期的信息，因此不確定性變量選擇滯后一期值，同時(shí)弱化潛在的內(nèi)生性問題。根據(jù)本文假設(shè)，可知模型(1)中β1為主要檢驗(yàn)系數(shù)。Xit為控制變量向量集，本文從宏觀經(jīng)濟(jì)狀況和銀行微觀財(cái)務(wù)狀況兩個(gè)層面，對影響商業(yè)銀行信貸利差的因素進(jìn)行控制。β0為常數(shù)項(xiàng)，β1表示系數(shù)，而β表示系數(shù)向量。μit為隨機(jī)誤差項(xiàng)。

(二)對經(jīng)濟(jì)不確定的測度

我們采用時(shí)間序列條件波動(dòng)法來測度宏觀經(jīng)濟(jì)的不確定性。時(shí)間序列條件波動(dòng)法，主要是基于經(jīng)濟(jì)變量的時(shí)間序列構(gòu)建GARCH模型，然后利用GARCH模型估計(jì)條件異方差，并將條件異方差作為對經(jīng)濟(jì)不確定性的測度。條件異方差中包含有歷史信息集，因此相對于無條件方差而言，條件方差能夠更好的衡量經(jīng)濟(jì)不確定性(Talavera，et.al.，2012)。［21］

表 1 GARCH(1，1)結(jié)果

我們選用1999年1月至2013年12月期間工業(yè)企業(yè)增加值增長率(Indus)、進(jìn)出口總額增長率(Trade)、投資增長率(Invest)、貨幣供應(yīng)量(M0，M1，M2)增長率進(jìn)行不確定性指標(biāo)的測算。宏觀變量選擇綜合考慮了工業(yè)企業(yè)產(chǎn)值、進(jìn)出口和貨幣供應(yīng)量等方面，分別基于月度時(shí)間序列構(gòu)建GARCH(1，1)模型，并提取條件異方差①一般而言，GARCH(1，1)模型可以解釋多數(shù)的宏觀時(shí)間序列數(shù)據(jù)。對于各時(shí)間序列數(shù)據(jù)，我們首先進(jìn)行單位根檢驗(yàn)，其中工業(yè)企業(yè)增加值的增值率、進(jìn)出口總值增長率、貨幣供應(yīng)量增長率均屬于平穩(wěn)時(shí)間序列。投資增長率存在單位根，故我們對投資增長率進(jìn)行了對數(shù)差分處理。。表1給出了各宏觀變量GARCH(1，1)模型的回歸結(jié)果，其中ARCH項(xiàng)和GARCH項(xiàng)的系數(shù)均比較顯著。我們利用均值計(jì)算方法，將條件異方差月度數(shù)據(jù)轉(zhuǎn)化為年度數(shù)據(jù)。

圖1～圖6描述了各變量在不同時(shí)間的條件異方差走勢。除投資項(xiàng)外，各項(xiàng)宏觀變量的條件異方差在2008～2009年金融危機(jī)期間均出現(xiàn)較大波動(dòng)。并且，圖形顯示各變量的條件異方差變動(dòng)趨勢并不完全一致，因此綜合考慮各變量的條件異方差，可以從多個(gè)維度全面把握經(jīng)濟(jì)不確定。

(三)變量選擇

1.銀行利差

參考周開國等(2008)［4］、程茂勇和趙紅(2010)［15］等文獻(xiàn)，本文按照如下公式(2)定義商業(yè)銀行利差:

其中Investment_Returns是指銀行投資(包括貸款)的收益，Interest_Expense是銀行融資的利息支出，Earning_Asset是銀行生息資產(chǎn)總額。考慮到公式(2)是用流量指標(biāo)(收入和支出)除以存量指標(biāo)(生息資產(chǎn)余額)，故本文將個(gè)體銀行i生息資產(chǎn)余額的年初值和年末值進(jìn)行算術(shù)平均計(jì)算，得到平均生息資產(chǎn)余額。該公式計(jì)算結(jié)果Spread可以作為商業(yè)銀行利差的近似替代。在此基礎(chǔ)上，本文對Spreadit進(jìn)行對數(shù)差分處理，計(jì)算得到銀行利差的增長率Spread_growthit，計(jì)算公式為:

2.控制變量的選取

(1)宏觀經(jīng)濟(jì)變量。在計(jì)量模型中，本文加入了實(shí)際生產(chǎn)總值(GDP)指數(shù)、消費(fèi)者物價(jià)指數(shù)(CPI)和一年期貸款利率的當(dāng)期值，對宏觀經(jīng)濟(jì)因素進(jìn)行了控制①宏觀經(jīng)濟(jì)總量指標(biāo)對單個(gè)銀行財(cái)務(wù)因素的敏感性較低，即個(gè)體銀行的利差與宏觀經(jīng)濟(jì)總量之間不存在互為因果問題。因此，在計(jì)量模型中我們選擇了GDP、CPI和國債利率三個(gè)宏觀類控制變量的當(dāng)期值。實(shí)際GDP指數(shù)、CPI、信貸利率數(shù)據(jù)均來源于wind數(shù)據(jù)庫。。GDP反映了客戶的需求因素，較高的實(shí)際GDP，對借款人的收入和利潤具有顯著正向影響。從而較高實(shí)際GDP有助于借款人信用程度的提高，進(jìn)而有助于信貸客戶在議價(jià)過程中降低融資成本，因此本文預(yù)期GDP對信貸利差具有負(fù)向影響。Boyd，et.al.(2001)［22］基于金融市場摩擦的視角，研究發(fā)現(xiàn)較高的通貨膨脹導(dǎo)致更多的信貸配額，進(jìn)而導(dǎo)致銀行貸款利率上升，故本文預(yù)期CPI對銀行利差具有正向影響。央行基準(zhǔn)利率，是各家商業(yè)銀行信貸定價(jià)的標(biāo)桿，本文預(yù)期央行基準(zhǔn)利率對商業(yè)銀行利差具有正向影響。

(2)市場結(jié)構(gòu)因素。一般用Lerner指數(shù)來度量市場集中度和壟斷程度。一家銀行的Lerner指數(shù)越高，則其市場壟斷力越強(qiáng)，進(jìn)而可以獲取更大的壟斷利潤，故銀行利差一般較高。因此本文預(yù)期Lerner指數(shù)對銀行利差具有正向影響。本文采用 Hawtrey and Liang(2008)［23］的研究方法計(jì)算Lerner指數(shù)，計(jì)算公式為(總收入－總支出)/總收入。

(3)風(fēng)險(xiǎn)因素。本文綜合考慮銀行所面臨的信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)，并對銀行自身的風(fēng)險(xiǎn)偏好程度進(jìn)行控制。信用風(fēng)險(xiǎn)即信貸客戶的違約風(fēng)險(xiǎn)，本文選取滯后一期的不良貸款率來表示，利差反映了信用風(fēng)險(xiǎn)溢價(jià)，本文預(yù)期不良貸款率會對銀行利差產(chǎn)生正向影響;選取流動(dòng)比率(流動(dòng)資產(chǎn)/全部資產(chǎn))來反向表示銀行面臨的流動(dòng)性風(fēng)險(xiǎn)，該比率越低，則流動(dòng)性風(fēng)險(xiǎn)越高。一般而言，流動(dòng)性風(fēng)險(xiǎn)越高，則利率定價(jià)的風(fēng)險(xiǎn)溢價(jià)越高，故本文預(yù)期流動(dòng)比率會對銀行利差產(chǎn)生負(fù)向影響。風(fēng)險(xiǎn)厭惡程度反映銀行對風(fēng)險(xiǎn)的態(tài)度，商業(yè)銀行如偏好風(fēng)險(xiǎn)，則貸款定價(jià)會降低;而如果商業(yè)銀行厭惡風(fēng)險(xiǎn)，則會相應(yīng)提高貸款定價(jià)，進(jìn)而銀行利差也會越高。因此，銀行的風(fēng)險(xiǎn)厭惡程度會對銀行利差產(chǎn)生正向影響。參考McShane and Sharpe(1985)［24］的研究方法，本文用股東權(quán)益與平均資產(chǎn)的比率來表示銀行風(fēng)險(xiǎn)厭惡程度，并預(yù)期該比率與銀行利差正相關(guān)。

(4)成本因素。本文利用營業(yè)成本和隱含利息支出兩個(gè)變量，來綜合反映成本因素對銀行利差的影響。營業(yè)成本指標(biāo)用銀行非利息支出與平均資產(chǎn)的比值來表示。對于商業(yè)銀行而言，凈利差需要覆蓋營業(yè)成本，因此本文預(yù)期銀行營業(yè)成本會對銀行利差產(chǎn)生正向影響。隱含利息支出是指銀行提供一些免費(fèi)服務(wù)和給與存款人的利率優(yōu)惠。我國長期處于利率管制條件下，商業(yè)銀行為了開展競爭，往往變相向客戶提供利率優(yōu)惠，于是產(chǎn)生了隱含利息支出。該利息支付屬于額外的成本項(xiàng)，因此銀行會提高利差來覆蓋這一成本。參考 Saunder and Schumacher(2000)［25］的計(jì)算方法，本文用非利息收入與非利息費(fèi)用之差占平均資產(chǎn)的比率來反映隱含利息支出，并預(yù)期其會對銀行利差產(chǎn)生正向影響。

(5)互聯(lián)網(wǎng)金融的影響。iResearch(艾瑞咨詢)指出2012年是互聯(lián)網(wǎng)企業(yè)向金融領(lǐng)域拓展的一年。傳統(tǒng)電商競相開展供應(yīng)鏈融資業(yè)務(wù)，以求為客戶提供更全面的資金流轉(zhuǎn)服務(wù)①2012年12月6日，蘇寧電器發(fā)布公告，發(fā)起設(shè)立“重慶蘇寧小額貸款有限公司”;2012年11月27日，京東對外正式發(fā)布其首個(gè)金融服務(wù)類產(chǎn)品——供應(yīng)鏈金融服務(wù)系統(tǒng);2012年8月29日，阿里信貸宣布向江浙地區(qū)普通會員提供貸款，不用任何擔(dān)保抵押。;同期互聯(lián)網(wǎng)上出現(xiàn)了眾籌平臺、人人貸多種投融資產(chǎn)品，增加了企業(yè)和個(gè)人的融資渠道。我們設(shè)置2012年和2013年兩個(gè)虛擬變量(Year2012_dummy和Year2013_dummy)，以檢驗(yàn)互聯(lián)網(wǎng)金融對銀行利差的影響。我們預(yù)期互聯(lián)網(wǎng)金融的發(fā)展將對銀行利差產(chǎn)生負(fù)向影響。

(四)樣本選擇及主要變量的統(tǒng)計(jì)特征描述

本文研究樣本來源于BankScope銀行數(shù)據(jù)庫。我們對該樣本進(jìn)行篩選:首先，刪除了中央銀行、三家政策性銀行和非銀行金融機(jī)構(gòu);然后，刪除了主要變量為缺漏值的樣本。最終保留了2001～2013年之間的151家金融機(jī)構(gòu)樣本，其中包括128家中資銀行和23家外資銀行。我們首先對樣本內(nèi)金融機(jī)構(gòu)的規(guī)模分布情況(見圖7)進(jìn)行了統(tǒng)計(jì)分析。圖7顯示，80%以上的金融機(jī)構(gòu)資產(chǎn)規(guī)模相對較低，因此研究樣本以中小金融機(jī)構(gòu)為主。多數(shù)金融機(jī)構(gòu)規(guī)模較小，其主要以國內(nèi)業(yè)務(wù)為主。因此分析金融機(jī)構(gòu)在國內(nèi)市場的利差定價(jià)問題時(shí)，該樣本具有代表性和普遍性。

表2 變量的統(tǒng)計(jì)性描述

注:預(yù)期影響符號中“+”、“－”、“?”分別表示預(yù)期正向、負(fù)向和不確定的影響。

表2給出了基本模型中主要變量的統(tǒng)計(jì)性描述和預(yù)期影響符號。我們對物價(jià)指數(shù)和GDP指數(shù)均進(jìn)行了對數(shù)化處理，以克服異方差影響。為防止異常值的影響，表中變量均在1%水平上進(jìn)行了Winsorize處理。各變量的取值都在合理區(qū)間范圍內(nèi)，不存在嚴(yán)重的異常值。此外，為了考察銀行利差對各不確定性指標(biāo)的敏感性差異，我們對各不確定性指標(biāo)進(jìn)行了Z－score標(biāo)準(zhǔn)化處理，計(jì)算方法為標(biāo)準(zhǔn)化數(shù)據(jù)=(原數(shù)據(jù)－均值)/標(biāo)準(zhǔn)差，標(biāo)準(zhǔn)化后的變量值圍繞0值上下波動(dòng)。

四、實(shí)證結(jié)果分析

我們首先基于計(jì)量模型(1)，運(yùn)用面板固定效應(yīng)回歸方法，分析宏觀經(jīng)濟(jì)不確定性對銀行利差的影響。然后，利用系統(tǒng)GMM、穩(wěn)健標(biāo)準(zhǔn)誤、替代變量回歸和分組后回歸等方式對核心結(jié)論進(jìn)行穩(wěn)健性檢驗(yàn)。最后，本文運(yùn)用面板VAR模型，分析銀行利差對宏觀經(jīng)濟(jì)不確定性的脈沖響應(yīng)結(jié)果，進(jìn)一步對文章核心結(jié)論進(jìn)行交叉檢驗(yàn)。

(一)基本模型分析

以銀行利差增速為因變量，以宏觀經(jīng)濟(jì)不確定性指標(biāo)為核心解釋變量，同時(shí)納入本文所列的各控制變量，對計(jì)量模型(1)進(jìn)行回歸分析。Breusch－Pagan LM檢驗(yàn)說明隨機(jī)效應(yīng)模型比混合最小二乘更加有效;Hausman檢驗(yàn)結(jié)果表明，固定效應(yīng)回歸優(yōu)于隨機(jī)效應(yīng)回歸，因此我們采用固定效應(yīng)以控制那些不隨時(shí)間變化的因素。同時(shí)，經(jīng)過檢驗(yàn)發(fā)現(xiàn)模型設(shè)定中存在異方差問題，故我們進(jìn)行穩(wěn)健標(biāo)準(zhǔn)誤修正，以控制異方差對統(tǒng)計(jì)顯著性的影響①因篇幅受限，未報(bào)出Breusch－Pagan LM、Hausman和異方差的檢驗(yàn)結(jié)果。。如表3第(1)列示，我們首先僅對各控制變量進(jìn)行回歸，以驗(yàn)證控制變量選擇的合理性。結(jié)果顯示各控制變量系數(shù)符號均符合預(yù)期，部分控制變量的顯著性相對較低。然后，我們在第(1)列的基礎(chǔ)上依次加入各宏觀不確定性變量，計(jì)量結(jié)果如第(2)～(7)列所示:在控制相關(guān)變量的前提下，各宏觀經(jīng)濟(jì)不確定性變量均對銀行信貸利率產(chǎn)生顯著的正向影響，且至少通過5%的顯著性檢驗(yàn)。分析其原因在于，我國貸款市場的競爭程度處于較低水平，相對于普通信貸客戶(特別是中小企業(yè))而言，我國貸款市場上銀行的議價(jià)能力較高。因此在經(jīng)濟(jì)不確定性程度增加時(shí)，其信貸定價(jià)會覆蓋不確定性溢價(jià)。

表3 基本模型分析

注:模型的被解釋變量為Spread_growthit，括號內(nèi)為t值，*、＊＊、＊＊＊分別表示系數(shù)估計(jì)值在10%、5%和1%水平下顯著。

在表3第(2)～(7)中，我們分別對影響銀行利差水平的宏觀和微觀變量進(jìn)行了相應(yīng)的控制。計(jì)量結(jié)果顯示:加入宏觀經(jīng)濟(jì)不確定變量后，Base_rate、CPI和實(shí)際GDP三項(xiàng)宏觀經(jīng)濟(jì)變量的估計(jì)系數(shù)的符號與預(yù)期保持一致，并且具有統(tǒng)計(jì)顯著性。各微觀控制變量中，部分變量的顯著性相對較低，但系數(shù)符號與預(yù)期相符。這支持了控制變量選取的合理性。其中值得注意的是，隨著2012～2013年互聯(lián)網(wǎng)金融的快速發(fā)展，給傳統(tǒng)銀行領(lǐng)域帶來了更強(qiáng)的競爭激勵(lì)，導(dǎo)致銀行利差下降明顯。

(二)穩(wěn)健性檢驗(yàn)

本文將從以下幾個(gè)方面，對模型估計(jì)結(jié)果的穩(wěn)健性做進(jìn)一步的分析。

1.對內(nèi)生性問題的檢驗(yàn)

系統(tǒng)GMM估計(jì)方法可以有效控制模型中潛在的內(nèi)生性問題。我們使用兩步系統(tǒng)GMM方法對模型進(jìn)行估計(jì)①由于差分GMM估計(jì)易受到弱工具變量和小樣本偏誤的影響，故我們選用兩步系統(tǒng)GMM估計(jì)方法對模型進(jìn)行估計(jì)。兩步系統(tǒng)GMM估計(jì)方法可以有效利用水平方程和差分方程的信息，可以在一定程度上克服弱工具變量問題。，將其與靜態(tài)面板的估計(jì)結(jié)果進(jìn)行比較，從而對內(nèi)生性問題的影響程度和估計(jì)結(jié)果的穩(wěn)健性進(jìn)行檢驗(yàn)。工具變量設(shè)定的檢驗(yàn)結(jié)果表明:Hansen檢驗(yàn)統(tǒng)計(jì)量不能拒絕“工具變量不存在過度識別”的零假設(shè)，同時(shí)AR(2)檢驗(yàn)不能拒絕“殘差項(xiàng)不存在2階序列相關(guān)”的零假設(shè)，這些均表明工具變量設(shè)定有效。同時(shí)，我們對標(biāo)準(zhǔn)誤的偏差進(jìn)行了穩(wěn)健修正。估計(jì)結(jié)果如表4第(1)～(6)列所示，從整體上看，各宏觀經(jīng)濟(jì)不確定性變量的系數(shù)符號為正，且至少通過5%的顯著性檢驗(yàn)，計(jì)量結(jié)果支持表3的核心結(jié)論，即經(jīng)濟(jì)不確定性導(dǎo)致了銀行利差水平的提高。這也表明，核心解釋變量內(nèi)生性問題對估計(jì)結(jié)果的影響程度較低。

表4 系統(tǒng)GMM估計(jì)

2.考慮序列相關(guān)的穩(wěn)健標(biāo)準(zhǔn)誤修正

我們綜合考慮異方差和隨機(jī)誤差項(xiàng)的序列相關(guān)AR(1)問題，對標(biāo)準(zhǔn)誤進(jìn)行修正，以檢驗(yàn)計(jì)量結(jié)果的穩(wěn)健性。估計(jì)結(jié)果如表5第(1)列所示，核心解釋變量的t值略有調(diào)整，但估計(jì)系數(shù)符號和顯著性水平均未發(fā)生本質(zhì)變化。

3.替代變量回歸

我們按照方程(4)重新計(jì)算銀行利差，其中Interest_income代表銀行貸款利息收入，Loan代表年末貸款余額(扣除損失貸款)，Deposit代表銀行年末存款余額，Interest_expense代表存款利息支出。公式的含義為平均貸款利率減去平均存款利率，計(jì)算得到名義利差Spread1。然后，再進(jìn)行對數(shù)差分處理，計(jì)算銀行利差增長率。

將替代變量放入計(jì)量模型(1)中進(jìn)行重新回歸。回歸結(jié)果如表5第(2)列所示，在不同替代變量的條件下，各不確定性變量系數(shù)符號和顯著性水平基本一致，回歸結(jié)果顯示出較好的穩(wěn)定性。

4.增加控制變量

在計(jì)量模型(1)中，我們又加入了三個(gè)控制變量，以檢驗(yàn)核心解釋變量估計(jì)結(jié)果的穩(wěn)健性。分別加入中間業(yè)務(wù)收入占比(非利息收入/營業(yè)收入)、全部貸款余額、成本收入比(營業(yè)成本/銀行收入)三個(gè)變量，分別反映銀行的中間業(yè)務(wù)發(fā)展、貸款規(guī)模和管理水平。回歸結(jié)果如表5第(3)列所示，各不確定性變量均對銀行利差產(chǎn)生較顯著正向影響。

5.調(diào)整研究樣本

我們將研究樣本分為外資銀行和中資銀行兩組;將中資銀行分為上市銀行和非上市銀行兩組;將中資銀行分為國有控股銀行和非國有控股銀行兩組，分別進(jìn)行分組回歸，以檢驗(yàn)本文核心結(jié)論對不同研究樣本的敏感性。表5第(4)～(9)列給出了分組后回歸的計(jì)量結(jié)果，結(jié)果與表3基本一致。各宏觀經(jīng)濟(jì)不確定性變量對銀行利差均產(chǎn)生較顯著的正向影響(個(gè)別不顯著)，本文核心結(jié)論并未受到樣本調(diào)整的影響而發(fā)生本質(zhì)變化。

此外，模型中的控制變量系數(shù)符號和顯著性水平，與表3基本一致。受限于篇幅，表5中未報(bào)出其它控制變量的回歸結(jié)果。

表5 穩(wěn)健性檢驗(yàn)

(三)面板VAR估計(jì)

在面板模型估計(jì)的基礎(chǔ)上，我們還運(yùn)用面板VAR模型來檢驗(yàn)宏觀經(jīng)濟(jì)不確定變量與信貸利率的之間的交互作用。面板VAR模型基于GMM方法，被用來估計(jì)聯(lián)合內(nèi)生變量的動(dòng)態(tài)關(guān)系，而不附加任何事前約束。我們構(gòu)建如下VAR模型:

其中下標(biāo)n代表滯后期階數(shù)，滯后期的選擇基于貝葉斯信息量準(zhǔn)則(BIC)來判定，yit=［Spread_growthit，Uncertaintyit］T，其中 Uncertainty代表各不確定性指標(biāo)。為避免虛假回歸問題，我們對各相關(guān)變量進(jìn)行了平穩(wěn)性檢驗(yàn)，結(jié)果表明不存在單位根①篇幅受限，未報(bào)出面板單位根檢驗(yàn)結(jié)果。。

商業(yè)銀行利差增速對宏觀經(jīng)濟(jì)不確定性的脈沖響應(yīng)結(jié)果，如圖8～圖13所示。從結(jié)果來看，來自宏觀經(jīng)濟(jì)不確定性一單位新息的沖擊，銀行利差在滯后一期迅速上升，然后逐漸向零線性收斂。②這支持了本文計(jì)量模型(1)中將不確定性變量滯后一期值的研究設(shè)計(jì)。而隨著時(shí)間的推移，正向影響會逐漸地消失，這支持了VAR模型的穩(wěn)定性。面板VAR模型估計(jì)結(jié)果表明，宏觀經(jīng)濟(jì)不確定性對銀行利差會產(chǎn)生正向影響，且在各宏觀經(jīng)濟(jì)不確定性代理變量條件下，脈沖響應(yīng)結(jié)果基本一致。

圖中虛線表示95%的置信區(qū)間，當(dāng)置信區(qū)間包括零線時(shí)，則說明脈沖響應(yīng)與零值無差異，即影響不再顯著?；诖?，如圖8～圖13所示，各不確定性變量對銀行利差的正向影響，均持續(xù)數(shù)期。這說明，滯后期宏觀經(jīng)濟(jì)不確定性對當(dāng)期銀行利差的影響，會持續(xù)一定的時(shí)間。所以我們認(rèn)為，適應(yīng)性預(yù)期假設(shè)更符合我國的信貸市場條件，即市場參與者并不具完全信息，特別是在宏觀經(jīng)濟(jì)面臨突然性沖擊時(shí)。與理性預(yù)期不同的是，不確定性被市場參與者消化并達(dá)到新的均衡，需要更長的時(shí)滯。

五、結(jié)論性評價(jià)與政策建議

宏觀經(jīng)濟(jì)不確定性對于銀行利差的影響，既有文獻(xiàn)缺乏相應(yīng)的實(shí)證研究。本文從工業(yè)企業(yè)產(chǎn)值、進(jìn)出口、投資、貨幣供應(yīng)量等多個(gè)維度，對宏觀經(jīng)濟(jì)不確定性指標(biāo)進(jìn)行了測算。并在此基礎(chǔ)上，利用2001年至2013年我國的151家銀行類金融機(jī)構(gòu)數(shù)據(jù)，實(shí)證分析了宏觀經(jīng)濟(jì)不確定性對銀行利差的影響。研究發(fā)現(xiàn):宏觀經(jīng)濟(jì)不確定性是銀行利差的重要決定因素，宏觀經(jīng)濟(jì)不確定性對銀行利差具有顯著的正向影響。在不同計(jì)量方法、不同樣本、不同替代變量條件下，核心結(jié)論保持穩(wěn)健。本文的研究，豐富了對不確定條件下的商業(yè)銀行經(jīng)營行為的研究文獻(xiàn);本文發(fā)現(xiàn)宏觀不確定性是銀行利差的重要影響因素，對于信貸定價(jià)理論的相關(guān)文獻(xiàn)也是一個(gè)有益補(bǔ)充;此外，本文還從實(shí)證角度發(fā)現(xiàn)，互聯(lián)網(wǎng)金融的發(fā)展導(dǎo)致銀行利差收窄。由本文結(jié)論可以得到以下啟示:

第一，我國貨幣政策的制定應(yīng)充分認(rèn)識到，經(jīng)濟(jì)不確定性會顯著影響銀行利差，進(jìn)而影響銀行信貸供給。實(shí)證過程中，我們發(fā)現(xiàn)由貨幣供給(M0、M1和M2)的不確定性對銀行利差具有顯著的正向影響，這也從新的視角對貨幣政策的傳導(dǎo)機(jī)制進(jìn)行了解讀。因此人民銀行在貨幣政策的制定過程中，應(yīng)充分考慮經(jīng)濟(jì)不確定性對銀行利差的影響，進(jìn)而完善貨幣政策對經(jīng)濟(jì)的調(diào)控作用。

第二，銀行業(yè)監(jiān)管機(jī)構(gòu)應(yīng)充分監(jiān)管宏觀經(jīng)濟(jì)不確定性與銀行利差的交互作用，并將更多的經(jīng)濟(jì)不確定性指標(biāo)納入到監(jiān)管指標(biāo)體系之中。這樣有助于監(jiān)管機(jī)構(gòu)提前進(jìn)行風(fēng)險(xiǎn)控制，最小化外部沖擊成本。基于我國市場環(huán)境，構(gòu)建科學(xué)合理的經(jīng)濟(jì)不確定性指標(biāo)測算體系，是未來進(jìn)一步研究的方向。

第三，在我國銀行業(yè)制度轉(zhuǎn)型期，利率管制問題仍然存在，銀行利差未能全部反映市場供求狀況。在信貸議價(jià)過程中，企業(yè)(尤其是中小企業(yè))的議價(jià)能力低于銀行。因此，監(jiān)管當(dāng)局應(yīng)積極推進(jìn)利率市場化建設(shè)，加強(qiáng)我國銀行業(yè)的市場競爭程度。此外，發(fā)展多層次的資本市場，積極推進(jìn)互聯(lián)網(wǎng)金融的合規(guī)發(fā)展，拓寬居民和企業(yè)的投融資渠道，也是文中的應(yīng)有之意。

［1］Ho T，Saunders A.The Determinants of Banks Interest Margins:Theory and Empirical Evidence［J］.Journal of Financial and Quantitative Analysis，1981，16(4):581－600.

［2］Zarruk E R.Bank Spread with Uncertain Deposit Level and Risk Aversion ［J］.Journal of Banking and Finance，1989，13(6):797 －810.

［3］Gilchrist S，Zakrajsek E，Sim J.Uncertainty，F(xiàn)inancial Frictions，and Investment Dynamics［R］.NBER Working paper，2014，No.20038.

［4］周開國，李濤，何興強(qiáng).什么決定了中國商業(yè)銀行的凈利差［J］.經(jīng)濟(jì)研究，2008，(8):65 －76.

［5］張兵，桑宇，虞晨陽.商業(yè)銀行凈利差的短期影響因素分析——基于上市銀行季度面板數(shù)據(jù)［J］.山東社會科學(xué)，2014，(3):139 －143.

［6］Allen L.The Determinants of Bank Interest Margins:A Note［J］.The Journal of Financial and Quantitative A-nalysis，1988，23(2):231 －235.

［7］Maudos J，Guevara J F.Factors Explaining the InterestMargins in the Banking Sectors of the European Union［J］.Journal of Banking and Finance，2004，28(9):2259－2281.

［8］Valverde S C，F(xiàn)ernández F R.The Determinants of Bank Margins in European Banking［J］.Journal of Banking and Finance，2007，31(7):2043－2063.

［9］Maudos J，Solís L.The Determinants of Net Interest Income in the Mexican Banking System:An Integrated Model［J］.Journal of Banking and Finance，2009，33(10):1920－1931.

［10］Zarruk E R，Madura J.Optimal Bank Interest Margin under Capital Regulation and Deposit Insurance［J］.Journal of Financial and Quantitative Analysis，1992，27(1):143－149.

［11］Wong K.On the Determinants of Bank Interest Margins under Credit and Interest Rate Risks［J］.Journal of Banking and Finance，1997，21(96):251 －271.

［12］Pastor L，Veronesi P.Uncertainty about Government Policy and Stock Prices ［J］.Journal of Finance，2012，67(4):1219－1264.

［13］周鴻衛(wèi)，韓忠偉，張蓉.中國商業(yè)銀行凈利差率影響因素研究——基于1999～2006年的經(jīng)驗(yàn)證據(jù)［J］.金融研究，2008，(4):69－84.

［14］趙旭.銀行利差多維度量及影響因素:基于中國銀行業(yè)1998～2006年經(jīng)驗(yàn)證據(jù)［J］.金融研究，2009，(1):66－80.

［15］程茂勇，趙紅.我國商業(yè)銀行利差影響因素研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2010，(5):73－87.

［16］隋聰，邢天才.基于非完全利率市場化的中國銀行業(yè)貸款定價(jià)研究［J］.國際金融研究，2013，(12):82－93.

［17］王歡，郭建強(qiáng).利率市場化、非利息收入與銀行凈利差［J］.金融論壇，2014，(8):3－12.

［18］邱兆祥，劉遠(yuǎn)亮.宏觀經(jīng)濟(jì)的不確定性與銀行資產(chǎn)組合行為:1995～2009［J］.金融研究，2010，(11):34－44.

［19］梁洪波，劉遠(yuǎn)亮.我國商業(yè)銀行信貸風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)不確定性關(guān)系實(shí)證研究［J］.金融理論與實(shí)踐，2012，(3):81－84.

［20］Merton R C.On the Pricing of Corporate Debt:The Risk Structure of Interest Rates［J］.Journal of Finance，1974，29(2):449 －470.

［21］Talavera O，Tsapin A，Zholud O L.Macroeconomic Uncertainty and Bank Lending:The Case of Ukraine［J］.Economic Systems，2012，36(2):279 －293.

［22］Boyd J H，Levine R，Smith B D.The Impact of Inflation on Financial Sector Performance［J］.Journal of Monetary Economics，2001，47(2):221 －248.

［23］Hawtrey K，Liang H.Bank Interest Margins in OECD Countries［J］.The North American Journal of Economics and Finance，2008，19(3):249 －260.

［24］McShane R，Sharp I G.Time Series/Cross Section A-nalysis of The Determinants of Australian Trading Bank Loan/Deposit Interest Margins:1962－1981［J］.Journal of Banking and Finance，1985，9(1):115－136.

［25］Saunders A，Schumacher L.The Determinants of Bank Interest Rate Margins:an International Study［J］.Journal of International Money and Finance，2000，19(6):813－832.