非銀行金融部門崛起對商業(yè)銀行盈利水平?jīng)_擊的測度
——基于聚類穩(wěn)健標(biāo)準(zhǔn)誤的面板數(shù)據(jù)的實證

沈子杰，余 珂

(澳門城市大學(xué) 金融學(xué)院，澳門 999078)

引言

伴隨著經(jīng)濟(jì)持續(xù)增長，我國家庭財富總額自本世紀(jì)初的30.63萬億元增長至2018年末的422.14萬億元，居民收入水平的顯著提高加之居民對投資品類需求的日益高漲，使得家庭金融需求隨之發(fā)生改變，居民金融資產(chǎn)投資日趨多樣化(1)數(shù)據(jù)來源：瑞士信貸研究所發(fā)布2019年《全球財富報告》。。其中銀行存款占家庭總資產(chǎn)比重已由2000年的87.5%銳減至2018年的42.9%。在家庭金融資產(chǎn)配置當(dāng)中，除去占比最高的銀行存款和現(xiàn)金之外，大量的資金流向了保險(17%)、理財(13.4%)、股票(8.1%)等領(lǐng)域。在家庭投資資產(chǎn)大類下，股票類、債券類資產(chǎn)配置與居民收入水平顯著地正相關(guān)，而貨幣類則與之相反。同時，我國銀行理財發(fā)展仍然較不充分，資管收入占銀行總收入的比重過低(工行7.13%，富國銀行14.83%)，處于美國上世紀(jì)八九十年代的發(fā)展水平。在財富管理投資產(chǎn)品當(dāng)中，隨著信托產(chǎn)品(22%)、公募基金(13%)、私募基金(12%)、券商資管計劃(11%)等產(chǎn)品加速培育,銀行理財產(chǎn)品的市場規(guī)模(31%)被不斷壓縮，銀行業(yè)所面臨的競爭壓力與日劇增，給經(jīng)營業(yè)績帶來了負(fù)面影響(2)數(shù)據(jù)來源：中國家庭金融調(diào)查與研究中心與西南財經(jīng)大學(xué)聯(lián)合發(fā)布《中國家庭金融調(diào)查報告》。。

居民金融需求的迅速變化意味著銀行和非銀行金融部門必須適應(yīng)這種變化，努力提高自身的金融服務(wù)能力。很顯然，非銀行金融部門在這點上做得更好，隨著近年來的迅速崛起，一方面，既推動了多層次資本市場建設(shè)，提高了市場交易的活躍性；另一方面，多部門憑借先進(jìn)的金融科技優(yōu)勢，逐步侵入銀行的核心業(yè)務(wù)，在金融體系當(dāng)中的資產(chǎn)份額持續(xù)提升，傳統(tǒng)商業(yè)銀行存款份額被不斷蠶食，加劇了銀行業(yè)盈利能力波動，弱化了商業(yè)銀行的流動性創(chuàng)造能力，使得內(nèi)生脆弱性逐步凸顯。當(dāng)下銀行如果不做出改變，就可能面臨被淘汰的危機(jī)。鑒于此，本文通過量化非銀行金融部門對上市商業(yè)銀行盈利水平?jīng)_擊的力度，探討在金融科技大潮下，商業(yè)銀行應(yīng)該如何變革來應(yīng)對非銀行金融部門的挑戰(zhàn)。

一、文獻(xiàn)綜述

針對商業(yè)銀行盈利水平的外部影響因素研究，多數(shù)學(xué)者著眼點不盡相同。當(dāng)下的研究熱點多集中在互聯(lián)網(wǎng)金融發(fā)展(3)吳劉星:《互聯(lián)網(wǎng)金融對我國商業(yè)銀行盈利影響的研究》，山東大學(xué)碩士論文，2019年。、第三方支付(4)謝太峰等：《第三方支付對我國商業(yè)銀行盈利水平影響的實證研究》，《金融理論與實踐》,2019年第10期。、信貸證券化(5)郭江山等：《信貸資產(chǎn)證券化對銀行盈利能力的影響——基于雙重差分法的分析》，《武漢金融》，2019年第9期。、非利息收入(6)李瓊等：《非利息收入對我國上市銀行經(jīng)營績效的影響研究》，《武漢金融》,2019年第9期。，及中間業(yè)務(wù)收入(7)何偉等：《中間業(yè)務(wù)收入與城市商業(yè)銀行經(jīng)營績效——對10家城市商業(yè)銀行面板數(shù)據(jù)的分析》，《財會月刊》，2019年第16期。變化等領(lǐng)域。而基于非銀行金融部門視閾，研究非銀行金融機(jī)構(gòu)及資產(chǎn)管理業(yè)對商業(yè)銀行盈利能力影響程度的相關(guān)文獻(xiàn)卻較為匱乏。非銀行金融部門的發(fā)展是替代了銀行業(yè)金融機(jī)構(gòu)的功能還是對其進(jìn)行了功能上的補(bǔ)充完善？在既有的研究文獻(xiàn)當(dāng)中，學(xué)者們展開了細(xì)致的討論。

在理論研究層面，王應(yīng)貴等認(rèn)為非銀行金融部門的持續(xù)擴(kuò)張必然會對商業(yè)銀行經(jīng)營業(yè)績帶來負(fù)面影響，所帶來的虹吸效應(yīng)正在對商業(yè)銀行價值鏈發(fā)起沖擊(8)王應(yīng)貴等：《我國商業(yè)銀行盈利模式、脆弱性及創(chuàng)新模式探討》，《新金融》,2019年第1期。。殷劍峰認(rèn)為非銀行金融部門的加速培育替代了銀行的功能，不僅對貨幣政策、分業(yè)監(jiān)管發(fā)起挑戰(zhàn)，更使得銀行自身資產(chǎn)負(fù)債表在結(jié)構(gòu)上發(fā)生重大變化(9)殷劍峰：《 非銀行金融部門的崛起》，《中國金融》,2017年第7期。。郭祎認(rèn)為雖然非銀行金融部門在資金投向和規(guī)模上更為靈活，但是卻帶來了更高的市場風(fēng)險，加劇了銀行業(yè)經(jīng)營管理的內(nèi)生脆弱性(10)郭祎等：《中國非金融企業(yè)金融化的異質(zhì)性研究——兼議金融發(fā)展與美英日等國的“逆向而行”》，《產(chǎn)經(jīng)評論》，2018年第4期。。而路易吉·費代里科·西尼奧里尼等卻認(rèn)為，雖然非銀行金融部門使得銀行業(yè)遭遇“脫媒”危機(jī)，但提高了銀行業(yè)金融服務(wù)效率，互補(bǔ)性表現(xiàn)得更為顯著(11)路易吉·費代里科·西尼奧里尼等：《非銀行金融的機(jī)遇與風(fēng)險》，《中國金融》，2019年第18期。。在實證類分析層面，針對非銀行金融部門的相關(guān)文獻(xiàn)卻較為稀少，這主要是由于非銀行金融部門覆蓋范圍廣、業(yè)務(wù)模式復(fù)雜、類別難以劃分、數(shù)據(jù)獲取難度較大等多因素共同導(dǎo)致的。針對在此研究領(lǐng)域的空白，本文針對非銀行金融部門的發(fā)展過程、行業(yè)特點進(jìn)行了詳細(xì)的梳理，通過實證分析的方法量化其對我國商業(yè)銀行經(jīng)營業(yè)績的沖擊力度，力求全面。在金融供給側(cè)結(jié)構(gòu)性改革和金融科技蓬勃發(fā)展的背景下，針對商業(yè)銀行在激烈的市場競爭當(dāng)中如何發(fā)力的方法論層面，進(jìn)行了詳盡梳理。

二、非銀行金融部門的崛起與競爭力分析

本文在參考了FSAP評估團(tuán)分類方法的基礎(chǔ)之上，進(jìn)行了一定的調(diào)整，將非銀行金融部門劃分為非銀行金融機(jī)構(gòu)和資產(chǎn)管理業(yè)兩個部分，前者包括保險公司、證券公司、養(yǎng)老金、公募基金和消費金融公司；后者包括特定客戶資管計劃、銀行表外理財產(chǎn)品在管資產(chǎn)、信托公司、證券公司、期貨公司、私募基金。近年來，非銀行金融部門的發(fā)展使得商業(yè)銀行經(jīng)營業(yè)績承壓，以發(fā)展速度最快的資產(chǎn)管理業(yè)為例，大量業(yè)務(wù)資金近年來通過各種渠道流向了中小型企業(yè)部門、基建長期項目和房地產(chǎn)開發(fā)企業(yè)，少量資金通過債券融資方式流向了政府部門、包括城建投資、開發(fā)和資產(chǎn)經(jīng)營公司在內(nèi)的地方政府融資平臺、基建項目、地方國企和私企，抬高了資金期限錯配風(fēng)險，成為銀行體系之外的重要資金來源，加劇了銀行業(yè)內(nèi)生脆弱性。

(一)商業(yè)銀行金融體系占比趨勢下滑明顯

相關(guān)數(shù)據(jù)顯示，銀行業(yè)金融機(jī)構(gòu)占金融體系總資產(chǎn)份額自2013年來持續(xù)下滑，市場份額從2013年的72%下滑至2018年的68%，其中大型商業(yè)銀行下滑最為明顯，五年間下降6%，股份制商業(yè)銀行較為平穩(wěn)，僅城市商業(yè)銀行份額略有提升。反觀非銀行金融部門，其市場份額增長不可忽視，由2013年的28%躍升至2018年的32%，其中非銀行金融機(jī)構(gòu)市場份額由2013年的10%提升至2018年的12%，資產(chǎn)管理業(yè)市場份額由2013年的18%提升至2018年的20%。

表1 金融機(jī)構(gòu)資產(chǎn)規(guī)模及金融體系占比(單位：萬億；%)

(二)商業(yè)銀行經(jīng)營業(yè)績面臨重壓

衡量商業(yè)銀行的經(jīng)營業(yè)績離不開總資產(chǎn)收益率(ROA)這一重要指標(biāo)。在過去9年里，我國商業(yè)銀行資產(chǎn)收益率大體呈現(xiàn)下降趨勢。五大國有銀行當(dāng)中，交通銀行下滑最為明顯，中國銀行次之，在2018年的總資產(chǎn)收益率(ROA)分別為0.8%和0.94%，較2010年下降了0.28和0.4個百分點。城市商業(yè)銀行的下滑趨勢大于國有銀行和股份制商業(yè)銀行，資產(chǎn)收益率波動最大。造成我國商業(yè)銀行總資產(chǎn)收益率(ROA)下滑的原因主要集中在兩方面：其一，非銀行金融部門的崛起抬高了商業(yè)銀行的存款利息費用，銀行業(yè)在資金爭奪當(dāng)中失去了一些競爭優(yōu)勢，使得經(jīng)營成本上揚；其二，銀行業(yè)自身的盈利模式難以應(yīng)對利息收入的下滑所帶來的壓力。兩因素共同導(dǎo)致了銀行業(yè)金融機(jī)構(gòu)總體成本上浮，使得總資產(chǎn)收益率(ROA)在近年來持續(xù)下滑。

圖1 36家上市商業(yè)銀行總資產(chǎn)收益率2010—2018年變化趨勢

非銀行金融機(jī)構(gòu)近年來通過差異化戰(zhàn)略得到快速發(fā)育，與銀行業(yè)金融機(jī)構(gòu)形成了直接競爭，市場規(guī)模由2013年的21.04萬億元增長至2018年的45.28萬億元，實現(xiàn)翻番。其中保險、公募基金及證券公司市場規(guī)模擴(kuò)張迅速，分別從2013年的10.16萬億元、4.54萬億元、4.03萬億元增長至2018年的19.96萬億元、13.84萬億元和7.10萬億元，消費金融公司更是迅速崛起，消費金融貸款規(guī)模已由2010年的0.38萬億元增長至2019年的17.28萬億元，增長四十五倍之多，市場滲透率已由2010年的9.27%攀升至2018年的34.65%，為更多細(xì)分市場客戶提供優(yōu)質(zhì)的投資和融資服務(wù)(13)數(shù)據(jù)來源：https://www.useit.com.cn/thread-25938-1-1.html。。鑒于非銀行金融機(jī)構(gòu)與傳統(tǒng)商業(yè)銀行的差異在于信用業(yè)務(wù)形式的不同，其出現(xiàn)更好地降低了投資成本，通過對期限結(jié)構(gòu)的靈活調(diào)整最大限度地縮小了市場流動性危機(jī)產(chǎn)生的可能性。同時，滿足了中小企業(yè)資金快速融通的需求，業(yè)務(wù)服務(wù)范圍不斷擴(kuò)大，使得資金供需雙方市場融資借貸活動關(guān)系更為密切。便捷的手續(xù)辦理模式、多樣化的紅利分配形式以及高回報的資產(chǎn)回報率等相關(guān)策略吸引了大量資本涌入，小微企業(yè)客戶群體加速集聚，在金融體系中的資產(chǎn)規(guī)模迅速膨脹，使得“金融脫媒”現(xiàn)象愈發(fā)突出。新平臺、新業(yè)務(wù)模式的推陳出新抑制了商業(yè)銀行支付結(jié)算和零售信貸業(yè)務(wù)的發(fā)展，分流了商業(yè)銀行中間業(yè)務(wù)市場，削弱了行業(yè)凈息差收入，使得銀行業(yè)存款結(jié)構(gòu)承壓，推高了商業(yè)銀行的負(fù)債成本。

資產(chǎn)管理機(jī)構(gòu)作為資本市場當(dāng)中最為專業(yè)的金融機(jī)構(gòu)投資者，目前已形成模式極為成熟的行業(yè)市場體系，投資品種目前已幾乎涵蓋全部可估值標(biāo)的，提高了資本市場活躍度，是提高資金匹配效率、優(yōu)化金融市場體系、調(diào)整社會資源錯配的利器。據(jù)統(tǒng)計，資產(chǎn)管理業(yè)總規(guī)模已由2013年的38.7萬億元躍升至2018的79.36萬億元，其中私募基金的表現(xiàn)最為亮眼，由2013年的2.13萬億元躍升至2018年的13.33萬億元。雖然受強(qiáng)監(jiān)管的影響，基金、期貨、證券行業(yè)的資產(chǎn)管理業(yè)務(wù)規(guī)模增速放緩，但資產(chǎn)管理業(yè)在金融體系當(dāng)中的占比5年間仍提高了2個百分點。2019年，在基金及證券資產(chǎn)管理業(yè)務(wù)機(jī)構(gòu)當(dāng)中，中信證券(11580.8億元)、中銀國際(5614.3億元)、建信基金(4861.3億元)表現(xiàn)亮眼，其發(fā)展前景不可估量(14)數(shù)據(jù)來源：https://xueqiu.com/7872144979/133194065。。

此外，伴隨著非銀行金融部門在金融體系當(dāng)中的資產(chǎn)占比持續(xù)增加、針對外資銀行準(zhǔn)入限制的不斷放寬，蠶食了銀行金融機(jī)構(gòu)的市場份額。2019年銀監(jiān)會相繼發(fā)布了銀行保險業(yè)12條對外開放新舉措，給予外資銀行國民待遇，重點提出取消外國來華設(shè)立外資法人銀行及分行的資金要求和資產(chǎn)規(guī)模限制，未來銀行業(yè)的競爭將會更加激烈，對我國商業(yè)銀行經(jīng)營業(yè)績產(chǎn)生深遠(yuǎn)影響。與此同時，嚴(yán)監(jiān)管形勢下先后出臺并落實的《關(guān)于進(jìn)一步規(guī)范商業(yè)銀行結(jié)構(gòu)性存款業(yè)務(wù)的通知》《關(guān)于規(guī)范金融機(jī)構(gòu)資產(chǎn)管理業(yè)務(wù)的指導(dǎo)意見》《中國銀監(jiān)會關(guān)于進(jìn)一步深化整治銀行業(yè)市場亂象的通知》《商業(yè)銀行理財業(yè)務(wù)監(jiān)督管理辦法》《商業(yè)銀行服務(wù)價格管理辦法》等監(jiān)管文件，標(biāo)志著銀行通過結(jié)構(gòu)性存款、同業(yè)、理財?shù)葮I(yè)務(wù)快速擴(kuò)張的時代終結(jié)，在一定程度上加速了我國商業(yè)銀行的資本消耗。

三、數(shù)據(jù)來源、變量選擇與模型構(gòu)建

(一)數(shù)據(jù)來源及預(yù)處理

截止2019年底，我國A股上市商業(yè)銀行共計36家，信息披露規(guī)范符合實證數(shù)據(jù)要求，具有行業(yè)代表性，因此選取這36家上市商業(yè)銀行為樣本；時間維度上選取2010年度至2018年度共計9年數(shù)據(jù)，通過定量分析的方式開展本研究。

在被解釋變量的選取上，考慮到行業(yè)的特殊性，總資產(chǎn)收益率ROA作為反映商業(yè)銀行總體盈利水平指標(biāo)當(dāng)中較好的一個，能夠反應(yīng)商業(yè)銀行資產(chǎn)總額的獲利能力及行業(yè)發(fā)展的變動趨勢，所以本處選取該指標(biāo)。

在核心解釋變量的選取上，鑒于非銀行金融部門與銀行金融機(jī)構(gòu)在金融體系當(dāng)中的市場份額存在著此消彼長的博弈關(guān)系，在金融體系當(dāng)中該比重的增減直接反映了各部門近年來的行業(yè)體量和發(fā)展趨勢，因此選取非銀行金融機(jī)構(gòu)總資產(chǎn)占金融體系總資產(chǎn)的比例NBFS來測度非銀行金融機(jī)構(gòu)的發(fā)展對商業(yè)銀行經(jīng)營業(yè)績的沖擊；選取資產(chǎn)管理業(yè)總資產(chǎn)占金融體系總資產(chǎn)的比例AMFS來測度資產(chǎn)管理業(yè)對商業(yè)銀行經(jīng)營業(yè)績的沖擊。

在控制變量的選取上，除了非銀行金融機(jī)構(gòu)和資產(chǎn)管理業(yè)的發(fā)展會影響到商業(yè)銀行的盈利水平，其他因素也會對被解釋變量造成影響，因此本文引入以下控制變量來提高研究結(jié)果的準(zhǔn)確性，并將控制變量分為內(nèi)部微觀控制變量和外部宏觀控制變量兩部分?？紤]到目前宏觀經(jīng)濟(jì)形勢，將外部宏觀控制變量設(shè)定為GDP增長率、廣義貨幣供應(yīng)量增速M2，從經(jīng)營效率、資產(chǎn)質(zhì)量、風(fēng)險管理、發(fā)展能力四個維度著手，選取成本收益率 CBR、不良貸款率 NPLR、凈利差NIM、銀行資產(chǎn)規(guī)模BSIZE作為控制變量，為了消除量綱對數(shù)據(jù)回歸造成的影響，此處對銀行資產(chǎn)規(guī)模進(jìn)行對數(shù)化處理。

(二)描述性統(tǒng)計

樣本商業(yè)銀行總資產(chǎn)收益率近年來呈現(xiàn)下滑態(tài)勢，行業(yè)資產(chǎn)規(guī)模持續(xù)增長，各商業(yè)銀行之間成本收益率，不良貸款率和凈利差極差較大，側(cè)面反映出了不同商業(yè)銀行在經(jīng)營效率、資產(chǎn)質(zhì)量、風(fēng)險管理層面差異化程度較為明顯。非銀行金融機(jī)構(gòu)及資產(chǎn)管理業(yè)發(fā)展迅速，在金融體系當(dāng)中的市場份額呈現(xiàn)波動增長趨勢。

表2 變量簡述

表3 樣本變量描述性統(tǒng)計表

(三)模型的構(gòu)建

本數(shù)據(jù)涵蓋了36家上市商業(yè)銀行9個年度的數(shù)據(jù)，共計9個變量。鑒于既包括時間序列數(shù)據(jù)又包括橫截面數(shù)據(jù)，因此本文選取面板數(shù)據(jù)建模，為了更精準(zhǔn)地描述非銀行金融部門對上市商業(yè)銀行的沖擊程度，設(shè)定如下模型：

模型1：

模型2：

各符號的意義為：α0、β0為截距項，α1、α2、α3、α4、α5、α6、α7代表模型(1)各變量待估計參數(shù)，β1、β2、β3、β4、β5、β6、β7分別為模型(2)各變量待估計參數(shù)，字母i(i=1,2,...,36)為選取出的三十六家上市商業(yè)銀行，t(t=2010,2011,...,2018)為年度，此處時間維度為9年，εit為兩模型各自的隨機(jī)誤差項，服從白噪聲過程。

四、實證分析

(一)面板數(shù)據(jù)相關(guān)性與平穩(wěn)性檢驗

首先，對兩模型進(jìn)行VIF檢驗,經(jīng)計算各變量VIF值均小于5，因此不存在復(fù)共線性問題。其次，通過Pearson相關(guān)系數(shù)檢驗對變量間相關(guān)性進(jìn)行分析。經(jīng)計算發(fā)現(xiàn)自變量與因變量之間的相關(guān)系數(shù)較低，雖然NBFS與AMFS兩者之間的Pearson相關(guān)系數(shù)檢驗值為0.697，在1%的顯著性水平下顯著，屬于強(qiáng)相關(guān)，但本文在研究分析非銀行金融機(jī)構(gòu)與資產(chǎn)管理業(yè)對商業(yè)銀行經(jīng)營業(yè)績的影響研究是通過分別建立模型來開展，因此并不影響模型估計結(jié)果。

數(shù)據(jù)的平穩(wěn)性檢驗是面板數(shù)據(jù)分析的基石，為了避免偽回歸及虛假回歸的出現(xiàn)，保證數(shù)據(jù)分析具有實際的經(jīng)濟(jì)意義，對面板數(shù)據(jù)各序列進(jìn)行單位根檢驗。經(jīng)檢驗，原序列通過了LLC檢驗，在10%的顯著性水平下，商業(yè)銀行整體、國有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行均不存在單位根過程，原序列均為零階單整序列，不再進(jìn)行協(xié)整檢驗。

表4 面板數(shù)據(jù)單位根檢驗

(二)非銀行金融部門崛起對商業(yè)銀行整體盈利水平的影響

本文使用以商業(yè)銀行個體為聚類變量的聚類穩(wěn)健標(biāo)準(zhǔn)誤，一方面是由于該方法對模型中可能存在的異方差和自相關(guān)問題不敏感，提高估計準(zhǔn)確性；另一方面由于同一個體在不同年份的隨機(jī)擾動項存在相關(guān)性，使用聚類穩(wěn)健的標(biāo)準(zhǔn)誤可以更好地捕捉組內(nèi)相關(guān)性的特征，從而獲得真實標(biāo)準(zhǔn)誤的一致估計。在Hausman檢驗過程中協(xié)方差矩陣的差異性是甄別固定效應(yīng)模型和隨機(jī)效應(yīng)模型的判定要點，此處設(shè)定Ffixed為固定效應(yīng)模型估計斜率，Rrandom為隨機(jī)效應(yīng)模型估計斜率，Var(Ffixed) 和Var(Rrandom)分別作為固定效應(yīng)模型和隨機(jī)效應(yīng)模型的協(xié)方差矩陣估計，并且本統(tǒng)計量服從自由度為斜率參數(shù)個數(shù)的卡方分布。經(jīng)計算兩模型傳統(tǒng)的Hausman檢驗結(jié)果均拒絕原假設(shè)，證實采用固定效應(yīng)最有效率。但為避免異方差情況下檢驗失效，此處使用穩(wěn)健的Hausman檢驗進(jìn)行過度識別檢驗，具體模型選擇過程見下表5所示。

表5 模型選擇

鑒于上市商業(yè)銀行整體回歸模型已經(jīng)證明，采用聚類穩(wěn)健標(biāo)準(zhǔn)誤的固定效應(yīng)模型是最為有效的，因此以FE-R模型分析結(jié)果為準(zhǔn)，并以采用聚類穩(wěn)健標(biāo)準(zhǔn)誤的隨機(jī)效應(yīng)模型和混合效應(yīng)模型作為對照組。模型回歸結(jié)果見下表6，將數(shù)據(jù)代入模型公式(1)(2)可以得到兩個使用聚類穩(wěn)健標(biāo)準(zhǔn)誤的固定效應(yīng)模型的回歸表達(dá)式：

表6 聚類穩(wěn)健標(biāo)準(zhǔn)誤下模型回歸結(jié)果

模型回歸表達(dá)式1：

模型回歸表達(dá)式2：

首先，對核心解釋變量的回歸結(jié)果進(jìn)行分析。非銀行金融機(jī)構(gòu)和資產(chǎn)管理業(yè)對36家上市商業(yè)銀行經(jīng)營業(yè)績的沖擊均在1%的水平上顯著為負(fù)，回歸結(jié)果與現(xiàn)實預(yù)期結(jié)果基本吻合。綜合對比，資產(chǎn)管理業(yè)的沖擊力度弱于非銀行金融機(jī)構(gòu)，這是由于資產(chǎn)管理業(yè)務(wù)的開展有銀行業(yè)金融機(jī)構(gòu)的參與，存在業(yè)務(wù)重疊，構(gòu)成了商業(yè)銀行經(jīng)營業(yè)績。隨著國內(nèi)商業(yè)銀行擁抱綜合經(jīng)營，開始貫徹大資產(chǎn)管理策略(15)黃陳等：《資產(chǎn)管理與銀行綜合化經(jīng)營研究——貝萊德經(jīng)驗對我國銀行綜合化經(jīng)營的啟示》， 《金融論壇》,2009年第11期。，致力于打造全方位價值鏈資管體系，當(dāng)下已初步建立起了資產(chǎn)管理業(yè)務(wù)全牌照布局。各銀行通過申設(shè)、并購的方式持續(xù)優(yōu)化資產(chǎn)管理業(yè)務(wù)運作，目前已基本覆蓋證券、基金、保險、信托、私募等能夠從事資產(chǎn)管理全線業(yè)務(wù)的金融牌照。與此同時，銀行理財子公司的快速成長和牌照獲批數(shù)量增加，使得銀行自身在資產(chǎn)管理業(yè)務(wù)中的占比不斷推高，多因素導(dǎo)致資產(chǎn)管理業(yè)對銀行經(jīng)營業(yè)績的沖擊力度弱于非銀行金融機(jī)構(gòu)。

其次，在宏觀控制變量上，GDP增速與被解釋變量ROA在兩個模型當(dāng)中均在1%的顯著性水平上顯著正相關(guān)，GDP增速的提高意味著資源配置效率的優(yōu)化、經(jīng)濟(jì)狀況的改善。居民可支配收入的增加可以間接推動企業(yè)資金周轉(zhuǎn)率提速，降低債務(wù)違約和信貸風(fēng)險，激發(fā)商業(yè)銀行的創(chuàng)新動能與經(jīng)營活力，推動了銀行業(yè)收入結(jié)構(gòu)的多元化，對經(jīng)營業(yè)績帶來正面影響；M2增速能夠體現(xiàn)投資與中間市場的發(fā)展現(xiàn)狀和信貸控制程度的松緊，實證結(jié)果顯示不論是對非銀行金融機(jī)構(gòu)還是資產(chǎn)管理業(yè)，投資、信貸和中間市場的擴(kuò)張程度與商業(yè)銀行盈利能力呈現(xiàn)出正向相關(guān)性。

最后，在微觀控制變量上，資產(chǎn)規(guī)模與被解釋變量ROA在模型(1)和模型(2)當(dāng)中均在1%的顯著性水平上呈現(xiàn)顯著地負(fù)相關(guān)。當(dāng)下我國銀行業(yè)已經(jīng)出現(xiàn)規(guī)模不經(jīng)濟(jì)現(xiàn)象，重資產(chǎn)對資本的占用率過高進(jìn)而影響行業(yè)轉(zhuǎn)型升級，加重了銀行的經(jīng)營負(fù)擔(dān)，間接拖累商業(yè)銀行的經(jīng)營業(yè)績。當(dāng)下我國銀行業(yè)亟待調(diào)整資產(chǎn)結(jié)構(gòu)，整合多業(yè)態(tài)物理網(wǎng)點的同時利用金融科技發(fā)力線上業(yè)務(wù)，走上內(nèi)生資本積累的創(chuàng)新發(fā)展道路；成本收益比與被解釋變量ROA在兩模型當(dāng)中均在1%的顯著水平上顯著負(fù)相關(guān)，成本收益比作為反映經(jīng)營績效的逆指標(biāo)，單位收入支出成本越高則其獲利能力越差，成本收益比的增大必然會蠶食商業(yè)銀行經(jīng)營業(yè)績，而對管理成本進(jìn)行有效地控制則對盈利能力的提升具有積極作用；不良貸款率與被解釋變量ROA在兩個模型當(dāng)中均在1%的顯著性水平上存在負(fù)相關(guān)，近年來伴隨著我國銀行業(yè)信貸資產(chǎn)不良貸款規(guī)模的擴(kuò)張、資產(chǎn)質(zhì)量的下滑以及債務(wù)違約率增加，拉低了銀行利息收益的同時推高了經(jīng)營風(fēng)險，銀行通過調(diào)整資產(chǎn)減值損失，利用利潤來彌補(bǔ)壞賬，隨之帶來的是經(jīng)營業(yè)績的降低；凈利差既能反應(yīng)銀行在資金博弈中的價格行為，更是體現(xiàn)自身經(jīng)營效率的重要指標(biāo)，凈利差與被解釋變量ROA在兩個模型當(dāng)中均在1%的顯著性水平上顯著為正，再次證實了凈利差作為我國銀行業(yè)最根本的收入來源，凈利息收入的提升必然會為經(jīng)營業(yè)績增效，保持存貸利差的持續(xù)穩(wěn)定，對于提升我國商業(yè)銀行的盈利能力、維護(hù)行業(yè)的穩(wěn)健發(fā)展意義重大。

(三)非銀行金融部門崛起對不同類型的商業(yè)銀行盈利水平的影響

回歸結(jié)果見表7，非銀行金融機(jī)構(gòu)的擴(kuò)張對國有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行的經(jīng)營業(yè)績的影響分別在10%、5%和1%的顯著性水平上顯著為負(fù)，對股份制商業(yè)銀行的沖擊最小，而對城市商業(yè)銀行的沖擊較大；資產(chǎn)管理業(yè)的擴(kuò)張對國有商業(yè)銀行和城市商業(yè)銀行造成了沖擊，而對股份制銀行而言沖擊效果不顯著。盡管國有銀行擁有更大的規(guī)模體量和客戶資源優(yōu)勢，但受制于體制內(nèi)因素使得內(nèi)部經(jīng)營效率及靈動性弱于模型內(nèi)的股份制商業(yè)銀行，改革創(chuàng)新阻力偏大，使其對非銀行金融部門的壯大較為敏感；鑒于城市商業(yè)銀行多是地方政府為扶持地方經(jīng)濟(jì)、中小企業(yè)而設(shè)立，在金融功能上相較于其他類型商業(yè)銀行而言有所欠缺，因此也受到了非銀行金融部門的沖擊。相較于國有銀行和城市商業(yè)銀行，股份制商業(yè)銀行更為重視金融科技及數(shù)字化運營方案，近年來通過財務(wù)顧問、財富管理等特色業(yè)務(wù)，依托其快速調(diào)整的創(chuàng)新發(fā)展模式，開發(fā)出具有高功效的電子銀行渠道，持續(xù)緩解客戶痛點，通過科技升級實現(xiàn)業(yè)務(wù)轉(zhuǎn)型。以招行為例，近年來通過搭建金融平臺衍生出多元化金融服務(wù)業(yè)務(wù)的同時，主動引進(jìn)先進(jìn)支付技術(shù)實現(xiàn)業(yè)務(wù)端的迭代升級；將摩羯智投(Machine Gene Investment)接入業(yè)務(wù)端口布局財富管理，成為我國首家推出智能投顧的商業(yè)銀行；辦理了我國首個區(qū)塊鏈跨境領(lǐng)域項目，與JP摩根、芝商所等組織加入Hyperledger項目推動區(qū)塊鏈數(shù)字技術(shù)的發(fā)展與合作平臺建設(shè)，搭建商業(yè)應(yīng)用場景，推動了場景端深度融合。在非銀行金融部門的沖擊下，股份制商業(yè)銀行相較于國有銀行和城市商業(yè)銀行而言，仍保有一定的優(yōu)勢。

表7 聚類穩(wěn)健標(biāo)準(zhǔn)誤下模型回歸結(jié)果

在控制變量當(dāng)中，分組模型反饋結(jié)果顯示無論是大型國有銀行、股份制商業(yè)銀行還是城市商業(yè)銀行，良好的宏觀經(jīng)濟(jì)環(huán)境、松緊適度的信貸控制程度、不斷提高的凈利差對商業(yè)銀行的經(jīng)營業(yè)績具有正向促進(jìn)作用；而銀行資產(chǎn)規(guī)模、存貸比、不良貸款率與商業(yè)銀行經(jīng)營業(yè)績均呈現(xiàn)出負(fù)相關(guān)關(guān)系，與未分組模型得出結(jié)論一致,后續(xù)不再進(jìn)行穩(wěn)健性檢驗。

五、我國商業(yè)銀行應(yīng)對競爭與沖擊的相關(guān)建議

(一)產(chǎn)品創(chuàng)新與精準(zhǔn)營銷相結(jié)合，增強(qiáng)客戶關(guān)系管理能力

金融生態(tài)環(huán)境瞬息萬變，客戶新舊消費觀念迭代，新型技術(shù)手段層出不窮，商業(yè)銀行應(yīng)加快向科技化、數(shù)字化、智慧化的方式轉(zhuǎn)變，提升銀行業(yè)金融計算能力，將大數(shù)據(jù)、云計算、人工智能、區(qū)塊鏈等互聯(lián)網(wǎng)前沿科技貫穿于創(chuàng)新產(chǎn)品研發(fā)與推廣層面，分析了解客戶意見，采用高效的數(shù)據(jù)算法對客戶情緒、認(rèn)知維度、市場細(xì)分和行為預(yù)測等相關(guān)要素進(jìn)行分析，及時將信息反饋至研發(fā)部門，實現(xiàn)對客戶消費行為的精準(zhǔn)把控，降低客戶流失率。還可以利用金融科技對客戶進(jìn)行多維度精準(zhǔn)畫像，提供具有針對性的營銷策略，實現(xiàn)精準(zhǔn)化營銷，滿足客戶多層次的，如全資產(chǎn)負(fù)債管理、投融資服務(wù)、產(chǎn)業(yè)孵化、財務(wù)顧問服務(wù)以及項目數(shù)據(jù)分析服務(wù)等金融和非金融的需求(16)CB Insights, Fintech Trends Report，http://www.cbinsghts.com.。針對于用戶畫像的結(jié)果，既可以將其作為一個基礎(chǔ)的數(shù)據(jù)資源又可以直接作為數(shù)據(jù)管理平臺的構(gòu)成要素，通過客戶情緒分析、客戶分類及行為預(yù)測，在第三方DMP(Date Management Platform)平臺抓取所需要的客戶標(biāo)簽，滿足自身獲得新客戶的需求，提前實現(xiàn)營銷觸達(dá)。最后從盈利模式角度探討，商業(yè)銀行要打造科技型、高效型服務(wù)平臺和“可托付資產(chǎn)管理”，打破銀行業(yè)傳統(tǒng)的盈利模式思維，實現(xiàn)產(chǎn)業(yè)鏈與服務(wù)鏈之間的互聯(lián)互通。

(二)發(fā)力數(shù)字化運營模式，增強(qiáng)商業(yè)銀行營運能力

傳統(tǒng)的銀行運營模式為簡單直接的線條模式，強(qiáng)調(diào)物理網(wǎng)點的作用，但在金融科技快速發(fā)展的背景下，銀行擁抱線上運營模式，形成綜合型、交叉型模式，使客戶足不出戶就能辦理業(yè)務(wù)，打破了客戶群體在業(yè)務(wù)辦理過程中空間與時間上的限制，進(jìn)一步收窄客戶獲得成本，更好地探索新環(huán)境下的金融需求，建立起信息套利優(yōu)勢。隨著金融生態(tài)化趨勢愈發(fā)明顯，各行業(yè)門類間的生態(tài)圈接入銀行生態(tài)必然會帶來更為多元化的金融產(chǎn)品。未來，商業(yè)銀行將全方位切入到客群生活場景金融服務(wù)需求鏈當(dāng)中。

當(dāng)下，開放銀行(Openbank)發(fā)展模式已成為傳統(tǒng)銀行業(yè)數(shù)字化轉(zhuǎn)型的必經(jīng)之路，以API技術(shù)作為連接觸點，通過搭建覆蓋各類交易場景的數(shù)字化生態(tài)圈的發(fā)展模式日趨明朗。首先，銀行業(yè)應(yīng)打造應(yīng)用基礎(chǔ)框架助推銀行數(shù)字化進(jìn)程，建立完善的金融服務(wù)平臺、大數(shù)據(jù)服務(wù)平臺及云平臺，強(qiáng)化數(shù)據(jù)采集、清洗及行業(yè)內(nèi)外結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的PB級處理與整合能力，加速合作方App快速接入，提升基礎(chǔ)設(shè)施資源利用效率以及管理流程的自動化，助力人工智能、區(qū)塊鏈、安全技術(shù)、生物識別等新技術(shù)手段的達(dá)成，取得數(shù)字化轉(zhuǎn)型成效。其次，金融科技重塑了IT系統(tǒng)能力，創(chuàng)新賦能銀行智慧化、數(shù)字化轉(zhuǎn)型。因此，我國銀行業(yè)應(yīng)從單一接口轉(zhuǎn)變?yōu)镮T框架，持續(xù)加大平臺標(biāo)準(zhǔn)化應(yīng)用接口API開放,加強(qiáng)金融與場景的深度融合，發(fā)展場景應(yīng)用，構(gòu)建完善的移動金融生活交互圈和線上線下一體化的支付生態(tài)圈，延伸服務(wù)觸點，持續(xù)提升金融資源配置效率。

(三)擁抱大數(shù)據(jù)技術(shù)，增強(qiáng)信用風(fēng)險防范能力

大數(shù)據(jù)技術(shù)持續(xù)升級，Apriori關(guān)聯(lián)規(guī)則挖掘、神經(jīng)網(wǎng)絡(luò)、集群(LINGO clustering)、合并決策樹、向量機(jī)網(wǎng)絡(luò)及隨機(jī)森林裝袋等先進(jìn)算法的出現(xiàn)，為調(diào)整產(chǎn)品結(jié)構(gòu)，減少金融資源濫用和風(fēng)險管理等問題上提供了解決思路(17)Evry, Big data in banking for marketers How to derive value from big data, http://evry.com.。第一，商業(yè)銀行應(yīng)加速企業(yè)級IT系統(tǒng)架構(gòu)的搭建，強(qiáng)化數(shù)據(jù)預(yù)處理及數(shù)據(jù)庫匹配能力。與此同時，傳統(tǒng)的數(shù)據(jù)倉庫和商業(yè)智能統(tǒng)計分析方案已難以應(yīng)對結(jié)構(gòu)化數(shù)據(jù)的整合分析，當(dāng)下業(yè)界廣泛使用的開源式海量數(shù)據(jù)處理系統(tǒng)為商業(yè)銀行快速構(gòu)建大數(shù)據(jù)系統(tǒng)提供了實驗平臺支持。第二，商業(yè)銀行具有非銀行金融機(jī)構(gòu)及資產(chǎn)管理機(jī)構(gòu)所難以獲取的海量客戶數(shù)據(jù)，應(yīng)充分利用相關(guān)金融手段及數(shù)據(jù)挖掘方法，降低行業(yè)金融成本穩(wěn)定杠桿率。第三，建立實時監(jiān)控系統(tǒng)，強(qiáng)化銀行業(yè)在風(fēng)險識別、風(fēng)險預(yù)警和風(fēng)險估計等環(huán)節(jié)的能力，強(qiáng)化授信審批以及貸款的投放管理，降低貸款損失率，開發(fā)出實用性強(qiáng)的風(fēng)險檢測計量模型。行業(yè)目前通用的反欺詐算法包括誆騙識別(FM，F(xiàn)raud Miner)，KNN鄰近算法，似然因子聚類(FC, Fuzzy clustering)等(18)McKinsey，“Digital/McKinsey:Insights winning in digital ecosystems”，http://www.mckinsey.com.。在征信技術(shù)層面，在傳統(tǒng)金融信息和征信數(shù)據(jù)的基礎(chǔ)上引入互聯(lián)網(wǎng)大數(shù)據(jù)金融信息和征信數(shù)據(jù)，對于質(zhì)量較高的金融數(shù)據(jù)直接的納入央行征信中心金融基礎(chǔ)數(shù)據(jù)庫，對于價值密度不高的龐雜數(shù)據(jù)利用大數(shù)據(jù)技術(shù)，深度分析挖掘混亂數(shù)據(jù)，分離信號與噪音，打造高效的金融信息服務(wù)和征信產(chǎn)品，提升對金融創(chuàng)業(yè)群體、微型企業(yè)、新型經(jīng)濟(jì)的金融服務(wù)能力。

(四)人才驅(qū)動行業(yè)轉(zhuǎn)型升級，增強(qiáng)自身競爭實力

由于金融體系分工門類日益復(fù)雜，金融科技的發(fā)展增加了對于“金融+技術(shù)”的復(fù)合型人才的需求，對擁有金融學(xué)知識，又精通軟件應(yīng)用與開發(fā)、數(shù)字營銷、分析技術(shù)的專業(yè)性、高素質(zhì)人才需求增加，以期為金融行業(yè)數(shù)據(jù)的分析挖掘提供技術(shù)和服務(wù)支持。當(dāng)前銀行業(yè)要加快人才驅(qū)動向“人才+科技”雙輪驅(qū)動轉(zhuǎn)型，合理配置科技人才、金融人才以及復(fù)合型人才，打破傳統(tǒng)的人才配置，重視科技人才的培養(yǎng)，將其從技術(shù)端調(diào)整至業(yè)務(wù)端，使其成為銀行金融科技發(fā)展道路上的中堅力量。根據(jù)金融科技行業(yè)的特點，銀行業(yè)應(yīng)加大業(yè)務(wù)部門與技術(shù)人員之間的交流合作，有針對性的優(yōu)化考核制度及晉升通道，調(diào)整原有的薪酬體系，提高員工的幸福感，吸引更多的金融加技術(shù)人才加入。此外也可以通過把“金融+科技”人才引進(jìn)來調(diào)整人員組織結(jié)構(gòu)，構(gòu)建人力資源支持保障體系，改革現(xiàn)行人力資源管理制度，構(gòu)建出靈活性強(qiáng)、合作能力高的管理體制，更好地對客戶的需求與市場的變化兩者間的矛盾進(jìn)行協(xié)調(diào)。銀行管理模式也應(yīng)向瑞銀集團(tuán)所采用的高效便捷化、垂直化的組織框架調(diào)整，持續(xù)優(yōu)化行業(yè)內(nèi)部營銷單元的資源要素配置，制定科學(xué)的激勵制度，以此來構(gòu)建高效的行業(yè)管理機(jī)制，打造出可靠的金融支持保障系統(tǒng)，增強(qiáng)行業(yè)競爭實力。

結(jié)語

對商業(yè)銀行來說，加強(qiáng)客戶關(guān)系管理對提高商業(yè)銀行經(jīng)營業(yè)績而言至關(guān)重要，伴隨著非銀行金融部門不斷擴(kuò)張，銀行業(yè)既要擁抱以大數(shù)據(jù)技術(shù)為代表的金融科技，加強(qiáng)對資管市場監(jiān)測和分析，全面推進(jìn)托管業(yè)務(wù)，完善和提升信用風(fēng)險評價體系和反欺詐能力提前實現(xiàn)營銷觸達(dá)；同時又要積極開辟穩(wěn)健的銀行理財市場，提升銀行業(yè)金融機(jī)構(gòu)服務(wù)實體經(jīng)濟(jì)質(zhì)效。最后，如何加大對“金融+科技”型人才的培養(yǎng)，是未來商業(yè)銀行穩(wěn)中求勝的關(guān)鍵所在。