非利息收入對商業(yè)銀行系統(tǒng)性風(fēng)險的影響研究——基于風(fēng)險分解視角

陳　瀟　宋加山

非利息收入對商業(yè)銀行系統(tǒng)性風(fēng)險的影響研究——基于風(fēng)險分解視角

陳瀟宋加山

（西南科技大學(xué)經(jīng)濟(jì)管理學(xué)院四川綿陽621010）

本文使用ΔCoVaR度量商業(yè)銀行系統(tǒng)性風(fēng)險，將其分解為尾部風(fēng)險（alpha）、基本宏觀經(jīng)濟(jì)和金融因素（beta）和銀行間關(guān)聯(lián)性（gamma），進(jìn)一步研究非利息收入對beta的影響。結(jié)果顯示：目前非利息收入業(yè)務(wù)規(guī)模較小，適當(dāng)擴(kuò)展其規(guī)模有利于降低商業(yè)銀行系統(tǒng)性風(fēng)險，但會增加基本宏觀經(jīng)濟(jì)和金融因素風(fēng)險敞口；此外，手續(xù)費(fèi)及傭金對商業(yè)銀行ΔCoVaR影響顯著?；诖耍疚膹你y行非利息收入規(guī)模、業(yè)務(wù)結(jié)構(gòu)平衡、行業(yè)個體差異等方面提出對策建議。

非利息收入；系統(tǒng)性風(fēng)險；ΔCoVaR

2008年，全球金融危機(jī)讓世界經(jīng)濟(jì)遭受沉重打擊，也給我國金融體系建設(shè)及風(fēng)險防范工作敲響了一記警鐘。十八大以來，防范化解重大金融風(fēng)險得到政府、企業(yè)、金融機(jī)構(gòu)等社會主體的更多關(guān)注，被放到了越來越重要的地位。“十四五”規(guī)劃指出，要妥善處理好金融發(fā)展、金融穩(wěn)定和金融安全的關(guān)系，防范化解系統(tǒng)性風(fēng)險。

在金融危機(jī)爆發(fā)之前，銀行就已經(jīng)開始從中間代理業(yè)務(wù)中盈利，收入類型包括匯兌收益、資產(chǎn)證券化、咨詢費(fèi)、傭金服務(wù)費(fèi)等。隨著金融改革深化和現(xiàn)代信息技術(shù)發(fā)展，銀行傳統(tǒng)業(yè)務(wù)盈利能力遭到巨大沖擊，商業(yè)銀行開始大力發(fā)展咨詢、代理產(chǎn)品、匯兌業(yè)務(wù)等非利息收入業(yè)務(wù)，綜合化經(jīng)營程度愈來愈高。緊扣“十四五”規(guī)劃精神，實(shí)現(xiàn)商業(yè)銀行高質(zhì)量發(fā)展，《2021年度經(jīng)濟(jì)金融展望報告》指出銀行業(yè)將持續(xù)加大綜合化經(jīng)營力度?？梢钥闯觯抢I(yè)務(wù)也是未來銀行重點(diǎn)發(fā)展的方向之一。

目前，已有學(xué)者對銀行系統(tǒng)性風(fēng)險進(jìn)行整體測度，分析其與非息收入之間的關(guān)系，但尚未形成統(tǒng)一研究結(jié)論。在我國銀行業(yè)轉(zhuǎn)型發(fā)展背景下，多元化經(jīng)營模式會對系統(tǒng)性風(fēng)險產(chǎn)生怎樣的影響？非息收入是否會加劇基本宏觀經(jīng)濟(jì)和金融因素波動？這些問題仍然值得研究。

一、文獻(xiàn)綜述與理論分析

隨著現(xiàn)代科技進(jìn)步，銀行各類創(chuàng)新業(yè)務(wù)層出不窮。中間代理業(yè)務(wù)能提高銀行服務(wù)能力，有助于提高盈利水平，擴(kuò)大經(jīng)營規(guī)模。隨著中間業(yè)務(wù)范圍的擴(kuò)展，業(yè)務(wù)類型變得更加多元化，非利息收入對商業(yè)銀行的影響也與日俱增。因此，非利息收入也逐漸成為國內(nèi)外學(xué)者的研究熱點(diǎn)。

然而，關(guān)于非利息收入與系統(tǒng)性風(fēng)險的關(guān)系至今尚未形成統(tǒng)一定論。一方面，根據(jù)馬科維茨資產(chǎn)組合理論，非利息業(yè)務(wù)不依賴?yán)什▌樱虡I(yè)銀行可以通過發(fā)展非利息業(yè)務(wù)，建立利率與非利率資產(chǎn)組合，降低風(fēng)險；根據(jù)范圍經(jīng)濟(jì)理論，非利息業(yè)務(wù)覆蓋范圍廣，商業(yè)銀行可以在擴(kuò)展非利息業(yè)務(wù)提供多元化的金融產(chǎn)品和服務(wù)的同時降低業(yè)務(wù)平均成本，因此部分學(xué)者認(rèn)為非利息收入可以提升經(jīng)營效益，增強(qiáng)商業(yè)銀行經(jīng)營能力從而提高風(fēng)險應(yīng)對能力[1]。另一方面，也有學(xué)者認(rèn)為非利息收入來源于政治、經(jīng)濟(jì)、社會環(huán)境等宏觀因素，其波及范圍廣，傳播速度快，且銀行間非利息業(yè)務(wù)也有一定同質(zhì)性，會增加銀行共同風(fēng)險敞口，從而加劇銀行系統(tǒng)性風(fēng)險[2]。還有學(xué)者認(rèn)為非利息收入對銀行的影響與收入結(jié)構(gòu)、銀行類型有關(guān)，且這種影響是非線性的[3]。

在系統(tǒng)性風(fēng)險衡量方面，學(xué)者們主要使用的方法有CoVaR模型、MES模型等。其中，CoVaR模型的估計方法主要包括分位數(shù)回歸[4]、DCC- GARCH[5]、Copula[6]等；MES模型主要使用邊際期望損失和杠桿率進(jìn)行計量[7]，后衍生出DMES、LRMES等模型。此外，學(xué)者們通過構(gòu)建指標(biāo)，對系統(tǒng)性風(fēng)險進(jìn)行進(jìn)一步刻畫[8]，但這些方法都僅將系統(tǒng)性風(fēng)險看作一個整體指標(biāo)，并未對其進(jìn)行深入挖掘。因此，本文將立足風(fēng)險分解視角進(jìn)行研究。

盡管關(guān)于非利息收入和系統(tǒng)性風(fēng)險研究已取得許多成果，但仍然存在不足：第一，由于銀行樣本數(shù)據(jù)限制，無法更深入分析非利息業(yè)務(wù)具體構(gòu)成對系統(tǒng)性風(fēng)險的影響；第二，分析不夠深入。大部分研究僅對整體風(fēng)險進(jìn)行分析，沒有對系統(tǒng)性風(fēng)險進(jìn)行更深入挖掘。因此，本文將銀行系統(tǒng)性風(fēng)險大致劃分為尾部風(fēng)險（alpha）、對宏觀經(jīng)濟(jì)金融因素敏感度（beta）和銀行間相互關(guān)聯(lián)程度（gamma），探究非利息收入是否會對系統(tǒng)性風(fēng)險及基本宏觀經(jīng)濟(jì)和金融因素敞口產(chǎn)生影響。

二、研究設(shè)計

（一）系統(tǒng)性風(fēng)險的測度

1.ΔCoVaR計算模型

并將alpha、beta和gamma解釋如下：alpha表示銀行i的尾部風(fēng)險，與市場宏觀狀態(tài)變量Z獨(dú)立；beta表示由宏觀經(jīng)濟(jì)和金融風(fēng)險因素驅(qū)動的風(fēng)險，可以衡量商業(yè)銀行對宏觀經(jīng)濟(jì)因素的敏感程度；gamma衡量銀行間相互聯(lián)系程度。

2. 變量選取

（1）商業(yè)銀行日度收益率及系統(tǒng)收益率

本文以上市商業(yè)銀行在A股市場上每日收盤價為原始數(shù)據(jù)，計算出日度收益率，以單個銀行市場價值為權(quán)重，運(yùn)用加權(quán)法，計算得到銀行業(yè)的系統(tǒng)收益率。

以個體商業(yè)銀行市場價值為權(quán)重，進(jìn)行加權(quán)計算得到銀行系統(tǒng)收益率：

（2）狀態(tài)變量

本文選取市場收益率、市場波動率、流動性、利率風(fēng)險和期限結(jié)構(gòu)作為狀態(tài)變量。其中，市場收益率采用上證指數(shù)收盤價的對數(shù)收益率進(jìn)行計算；市場波動率采用上證指數(shù)收盤價滾動標(biāo)準(zhǔn)差計算；流動性選擇6月期SHIBOR與國債即期利率之差進(jìn)行衡量；利率風(fēng)險為1年期SHIBOR與國債即期利率之差；期限結(jié)構(gòu)選用10年期國債與1年期國債即期利率之差。

3. 模型設(shè)定

為了檢驗(yàn)非利息收入與系統(tǒng)性風(fēng)險的關(guān)系，本文設(shè)定面板數(shù)據(jù)進(jìn)行分析，具體模型如下：

其中，ΔCoVaR為核心被解釋變量，非利息收入為核心解釋變量，利息收入占比、總資產(chǎn)、杠桿率、市值賬面比與流動性為控制變量。

（二）樣本和數(shù)據(jù)

本文選取2010-2020年37家上市商業(yè)銀行的股票價格、資產(chǎn)規(guī)模、收入結(jié)構(gòu)、不良貸款率等數(shù)據(jù)進(jìn)行分析，由于數(shù)據(jù)缺陷，剔除21家2011年之后上市的商業(yè)銀行，最終選取16家上市商業(yè)銀行作為樣本進(jìn)行分析。商業(yè)銀行股票市場收盤價來自wind數(shù)據(jù)庫，銀行資產(chǎn)規(guī)模、收入結(jié)構(gòu)、杠桿率等數(shù)據(jù)來源于各商業(yè)銀行財務(wù)報告。

（三）樣本的選取與定義

（1）非利息收入占比（NIR）。NIR可以反映銀行業(yè)務(wù)結(jié)構(gòu)。本文用非利息業(yè)務(wù)產(chǎn)生的利潤與總資產(chǎn)之比計算NIR。根據(jù)商業(yè)銀行利潤表可以看出，手續(xù)費(fèi)及傭金費(fèi)是規(guī)模最大的非利息收入來源。因此，在實(shí)證分析中，本文進(jìn)一步把NIR分為手續(xù)費(fèi)及傭金收入（FNIR）、除該部分以外的其他非利息收入（ONIR）兩部分。

（2）利息收入占比（IIR）。本文用利息收入與總資產(chǎn)之比計算IIR。該指標(biāo)以利息收入規(guī)模大小來度量商業(yè)銀行的多元化收入結(jié)構(gòu)。

（3）總資產(chǎn)（TA）?？傎Y產(chǎn)在一定程度上可以表示商業(yè)銀行的規(guī)模大小。為保持?jǐn)?shù)據(jù)平穩(wěn)性，本文對商業(yè)銀行資產(chǎn)總額進(jìn)行取對數(shù)處理。

（4）杠桿率（Leverage）。杠桿率可以反映出商業(yè)銀行的資產(chǎn)結(jié)構(gòu)和經(jīng)營風(fēng)險。杠桿率越高說明銀行負(fù)債率越高，可能面臨更高的非流動風(fēng)險，但也說明該銀行有較強(qiáng)的償債能力。

（5）市值賬面比（Book-Market Ratio）。市值賬面比可以反映出商業(yè)銀行經(jīng)營質(zhì)量。如果一家銀行的市值賬面比越高，則說明其股票價值越高，經(jīng)營質(zhì)量越好。但是市值賬面比越高，其股價被高估的可能性更大，會增加商業(yè)銀行系統(tǒng)性風(fēng)險[1]。

（6）流動性比率（Liquidity）。流動性可以反映商業(yè)銀行在短期內(nèi)應(yīng)對債務(wù)等流動風(fēng)險的能力。本文選擇根據(jù)商業(yè)銀行流動性較強(qiáng)的資產(chǎn)總和與總資產(chǎn)之比計算流動性比率。

（7）不良貸款率（BLR）。不良貸款率是銀行重點(diǎn)管控的指標(biāo)。不良貸款率越高，說明銀行可能無法收回的貸款越多，將面臨更高的違約風(fēng)險[10]。

三、實(shí)證分析

（一）描述性統(tǒng)計分析

由表1可以看出，整個樣本期間，ΔCoVaR均值為0.002，低于Brunnermeier[9]2020年研究得出的美國ΔCoVaR均值（0.008）。此外，ΔCoVaR在0.005之間波動，標(biāo)準(zhǔn)差為0.001，可以看出樣本銀行間系統(tǒng)性風(fēng)險波動較大。就規(guī)模而言，我國銀行業(yè)非利息業(yè)務(wù)規(guī)模較小，均值僅有0.006，但不同銀行間非利息收入占比差距較大，NIR最小值僅0.003，最大值高達(dá)0.018；TA最小值為26.946，最大值為31.141，說明本文選取的樣本銀行規(guī)模存在一定差異，但整體相對穩(wěn)定；從銀行杠桿率來看，我國銀行杠桿率整體處于較高水平，高杠桿率可能導(dǎo)致銀行資不抵債，表明我國銀行業(yè)日常經(jīng)營都存在一定風(fēng)險；BLR最大值為2.4，最小值為0.65，差異較大，表明各個銀行經(jīng)營模式存在不同。

表1 描述性統(tǒng)計分析

均值方差最小值最大值 ΔCoVaR0.0020.0010.0000.005 NIR0.0060.0030.0000.018 FNIR0.0040.0020.0000.012 ONIR0.0010.001-0.0020.011 IIR0.0240.0110.0080.055 TA29.3191.01926.94631.142 Leverage14.3911.80711.18519.437 Book-Market Ratio0.8760.2690.3431.804 Liquidity0.2380.1200.0520.512 BLR1.4140.3440.6502.4

（二）數(shù)據(jù)檢驗(yàn)及模型確定

在使用面板模型進(jìn)行回歸分析之前，本文對所有變量進(jìn)行平穩(wěn)性檢驗(yàn)，并選擇回歸模型。

1. 數(shù)據(jù)平穩(wěn)性檢驗(yàn)及協(xié)整檢驗(yàn)

本文同時采用LLC檢驗(yàn)、IPS檢驗(yàn)、ADF檢驗(yàn)和PP檢驗(yàn)四種常用方式對相關(guān)變量進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果顯示相關(guān)變量均不存在單位根，具有良好的平穩(wěn)性，故可以使用面板模型進(jìn)行分析。

2. 模型形式確定

常用面板模型主要分為固定效應(yīng)模型和隨機(jī)效應(yīng)模型，為了確定采用哪種模型，本文通過Hausman檢驗(yàn)對式（5）所列示模型進(jìn)行判別，根據(jù)檢驗(yàn)結(jié)果本文選擇使用固定效應(yīng)模型進(jìn)行實(shí)證分析。

（三）非利息收入與系統(tǒng)性風(fēng)險歸回結(jié)果

本文首先使用面板固定效應(yīng)模型進(jìn)行面板回歸分析，其中，ΔCoVaR為被解釋變量，NIR為核心解釋變量。根據(jù)表2所示結(jié)果可以看出，我國的商業(yè)銀行NIR與ΔCoVaR顯著負(fù)相關(guān)，即隨著NIR增加，ΔCoVaR會減少。雖然非利息業(yè)務(wù)收入來源不穩(wěn)定，容易受到市場眾多因素影響產(chǎn)生劇烈波動，但是其盈利水平高，可以提高商業(yè)銀行經(jīng)營能力，有助于擴(kuò)大商業(yè)銀行規(guī)模。目前我國銀行NIR水平較低，其規(guī)模擴(kuò)張帶來的收益大于風(fēng)險。因此，NIR的增加有利于提高商業(yè)銀行盈利水平，增強(qiáng)其風(fēng)險抵御能力，從而起到分散系統(tǒng)性風(fēng)險的作用。此外，TA、Liquidity與ΔCoVaR相關(guān)系數(shù)為負(fù)，說明目前商業(yè)銀行可以通過擴(kuò)大資產(chǎn)規(guī)模、增持流動性資產(chǎn)的方式抵御風(fēng)險。市值賬面比與ΔCoVaR相關(guān)系數(shù)為正值，查閱文獻(xiàn)發(fā)現(xiàn)，高市值賬面比意味著股價被高估的可能性也較高，商業(yè)銀行市值受到許多因素影響，時刻處于變動之中，存在較大不確定性，致使系統(tǒng)性風(fēng)險增加。

（四）非利息收入與beta回歸結(jié)果

本文將系統(tǒng)性風(fēng)險分解為尾部風(fēng)險（alpha）、基本宏觀經(jīng)濟(jì)和金融因素敞口（beta）和銀行間關(guān)聯(lián)度（gamma）三個部分。繼續(xù)檢驗(yàn)NIR與beta之間的關(guān)系，結(jié)果如表2所示（由于篇幅限制，文中僅列示核心解釋變量結(jié)果）。研究發(fā)現(xiàn)，NIR與beta正相關(guān)，說明非利息收入增加會導(dǎo)致基本宏觀經(jīng)濟(jì)和金融因素敞口。雖然非利息收入總體上與系統(tǒng)性風(fēng)險負(fù)相關(guān)，但是由于非利息收入中包含的資產(chǎn)證券化、服務(wù)費(fèi)及傭金等收入與宏觀經(jīng)濟(jì)中眾多因素聯(lián)系緊密，因此會增加基本宏觀經(jīng)濟(jì)和金融因素風(fēng)險敞口。結(jié)合前文分析，NIR增加會減少商業(yè)銀行ΔCoVaR，而ΔCoVaR由alpha、beta和gamma三部分構(gòu)成，因此可以推斷，商業(yè)銀行NIR對alpha和gamma均有影響。

表2　非利息收入與銀行系統(tǒng)性風(fēng)險回歸結(jié)果

ΔCoVaRbeta NIR-0.020**（-2.42）0.102**（2.55） IIR0.007***（3.39）0.001（0.11） TA-0.001*（-1.82）0.003**（2.03） Leverage-0.001**（-2.62）0.001**（2.45） Book-Market Ratio0.001***（4.49）-0.005***（-7.50） BLR0.000（0.57）0.000（1.85） Liquidity-0.001（-1.39）0.004**（1.85） 時間效應(yīng)控制控制 個體效應(yīng)控制控制 樣本總量432432 0.2720.223

注：***、**、*分別表示在1%、5%、10%水平上顯著

（五）穩(wěn)健性檢驗(yàn)

本文從兩方面進(jìn)行穩(wěn)健性檢驗(yàn)：一是改變NIR定義，檢驗(yàn)重新定義下的NIR與ΔCoVaR的關(guān)系；二是通過加入NIR平方項(xiàng)，檢驗(yàn)其與ΔCoVaR之間是否存在非線性關(guān)系。

1. 改變非利息收入占比定義

本文通過計算非利息收入與營業(yè)收入的比率，重新定義NIR。實(shí)證結(jié)果如表3所示（僅列示部分結(jié)果）。可以看出，NIR與ΔCoVaR依然顯著負(fù)相關(guān)，與beta顯著正相關(guān)，這與表2中得出的回歸結(jié)果基本一致。

表3 改變非利息收入占比定義的穩(wěn)健性檢驗(yàn)

ΔCoVaRbeta NIR-0.001**（-2.16）0.004*（1.98） IIR0.001（1.62）0.028***（3.47） 0.2710.228

注：***、**、*分別表示在1%、5%、10%水平上顯著

2. 非線性檢驗(yàn)

如表4所示，本文通過加入NIR平方項(xiàng)來檢驗(yàn)非利息收入與系統(tǒng)性風(fēng)險間是否存在非線性關(guān)系。結(jié)果顯示，NIR與ΔCoVaR顯著負(fù)相關(guān)，而NIR平方項(xiàng)與ΔCoVaR顯著正相關(guān)。隨著中間業(yè)務(wù)規(guī)?？焖贁U(kuò)大，商業(yè)銀行從中獲得的邊際效益逐漸減少，風(fēng)險卻逐漸增大，當(dāng)超過一定臨界值時，其規(guī)模擴(kuò)張帶來的風(fēng)險將超過收益。因此，非利息收入與系統(tǒng)性風(fēng)險之間是一種非線性關(guān)系（僅列示部分結(jié)果）。

表4 非線性檢驗(yàn)結(jié)果

ΔCoVaRbeta NIR-0.022**（-2.59）0.113**（2.57） NIR^20.830***（3.31）-4.452***（-4.60） IIR0.008***（3.96）-0.006（-0.54） R20.2790.238

注：***、**、*分別表示在1%、5%、10%水平上顯著

（六）不同非利息收入對系統(tǒng)性風(fēng)險的影響

1. 不同類型非利息收入與ΔCoVaR

如表5所示，F(xiàn)NIR與ΔCoVaR顯著負(fù)相關(guān)，而ONIR與系統(tǒng)性風(fēng)險沒有明顯相關(guān)性。具體進(jìn)行分析可以發(fā)現(xiàn)，商業(yè)銀行服務(wù)類業(yè)務(wù)與傳統(tǒng)存貸業(yè)務(wù)具有較高關(guān)聯(lián)性，較強(qiáng)的替代效應(yīng)可能增加系統(tǒng)性風(fēng)險[11]。此外，匯兌損益、公允價值變動損益等非利息收入具有來源不穩(wěn)定、易波動的特點(diǎn)，加劇了系統(tǒng)性風(fēng)險。在本文實(shí)證結(jié)果中，ONIR與ΔCoVaR之間并無明顯關(guān)系，結(jié)合我國銀行的實(shí)際情況分析，可能是由于其他非利息收入占比太小，業(yè)務(wù)種類較少，尚且無法對系統(tǒng)性風(fēng)險產(chǎn)生顯著影響。

表5 不同非利息收入類型與系統(tǒng)性風(fēng)險的回歸結(jié)果

ΔCoVaRbeta FNIR-0.043**（-2.56）0.164*（1.72） ONIR-0.007（-0.49）0.068（1.17） IIR0.009***（3.69）-0.006（-0.49） R20.2740.229

2. 不同類型非利息收入與beta的回歸結(jié)果

同理，如表 5所示，F(xiàn)NIR與beta顯著正相關(guān)；ONIR與beta不存在顯著相關(guān)關(guān)系。說明手續(xù)費(fèi)和傭金收入對商業(yè)銀行系統(tǒng)性風(fēng)險影響更顯著；其他非利息收入對基本宏觀經(jīng)濟(jì)和金融因素敞口沒有顯著影響。

結(jié)語

本文采用分位數(shù)回歸方法分別計算了我國16家上市銀行系統(tǒng)性風(fēng)險貢獻(xiàn)度ΔCoVaR，衡量商業(yè)銀行系統(tǒng)性風(fēng)險，并繼續(xù)將系統(tǒng)性風(fēng)險分解為尾部風(fēng)險（alpha）、基本宏觀經(jīng)濟(jì)和金融因素敞口（beta）和銀行間關(guān)聯(lián)性（gamma），進(jìn)一步研究商業(yè)銀行非利息收入對ΔCoVaR及beta的影響。研究結(jié)果表明：1.總體來說，目前我國商業(yè)銀行所面臨的系統(tǒng)性風(fēng)險較低，但是國內(nèi)不同銀行在系統(tǒng)性風(fēng)險貢獻(xiàn)度、非利息收入規(guī)模、杠桿率等方面?zhèn)€體差異較大；2.目前我國商業(yè)銀行的非利息收入業(yè)務(wù)規(guī)模相對較小。商業(yè)銀行可以利用非利息業(yè)務(wù)，提高盈利能力，進(jìn)而達(dá)到分散系統(tǒng)性風(fēng)險的目的。但是隨著商業(yè)銀行中間業(yè)務(wù)規(guī)模的不斷擴(kuò)大，可能會出現(xiàn)非利息收入加劇系統(tǒng)性風(fēng)險的情況；3.由于銀行股票可能存在高估值現(xiàn)象，市值賬面比提升可能會加大商業(yè)銀行的經(jīng)營風(fēng)險和資產(chǎn)安全風(fēng)險，從而導(dǎo)致銀行系統(tǒng)性風(fēng)險增加；總資產(chǎn)規(guī)模增加和流動性提高可以減少風(fēng)險，目前商業(yè)銀行可以通過擴(kuò)大經(jīng)營規(guī)模和增加流動性資產(chǎn)占比的方式分散系統(tǒng)性風(fēng)險；4.基于分解視角進(jìn)行研究，本文認(rèn)為非利息收入與基本宏觀經(jīng)濟(jì)和金融因素聯(lián)系緊密，NIR提高會顯著提高基本宏觀經(jīng)濟(jì)和金融因素敞口。但是由于NIR增加顯著減少了ΔCoVaR，因此可以推測，非利息收入對尾部風(fēng)險、銀行間關(guān)聯(lián)度也會產(chǎn)生影響。5.通過對非利息收入進(jìn)行分類研究發(fā)現(xiàn)，只有手續(xù)費(fèi)和傭金收入會顯著增加商業(yè)銀行系統(tǒng)性風(fēng)險，而其他非利息收入對系統(tǒng)性風(fēng)險的影響較弱。

因此，本文提出以下啟示：第一，重視商業(yè)銀行業(yè)務(wù)和收入結(jié)構(gòu)，非利息收入規(guī)模增長速度快，未來可能加劇銀行系統(tǒng)性風(fēng)險。第二，鑒于非利息業(yè)務(wù)規(guī)模增加會顯著增加基本宏觀經(jīng)濟(jì)和金融因素敞口，應(yīng)該重視商業(yè)銀行業(yè)務(wù)與基本宏觀經(jīng)濟(jì)和金融因素之間的聯(lián)系。第三，注重對商業(yè)銀行中間代理業(yè)務(wù)與傳統(tǒng)業(yè)務(wù)之間的平衡關(guān)系，緩解這類業(yè)務(wù)與傳統(tǒng)業(yè)務(wù)之間的替代效應(yīng)，推動商業(yè)銀行維持好業(yè)務(wù)創(chuàng)新與風(fēng)險控制的動態(tài)平衡。第四，雖然目前商業(yè)銀行可以通過擴(kuò)大經(jīng)營規(guī)模的方式增強(qiáng)風(fēng)險抵御能力，但是也要注意防范“大而不倒”問題。

[1] 張曉玫, 毛亞琪. 我國上市商業(yè)銀行系統(tǒng)性風(fēng)險與非利息收入研究——基于LRMES方法的創(chuàng)新探討[J]. 國際金融研究, 2014(11): 23-35.

[2] BRUNNERMEIER M K, DONG G N, PALIA D. Banks’ Noninterest Income and Systemic Risk[J]. The Review of Corporate Finance Studies, 2020, 9(02): 229-255.

[3] 朱波, 楊文華, 鄧葉峰. 非利息收入降低了銀行的系統(tǒng)性風(fēng)險嗎?——基于規(guī)模異質(zhì)的視角[J]. 國際金融研究, 2016(04): 62-73.

[4] TOBIAS A, BRUNNERMEIER M K. CoVaR[J]. The American Economic Review, 2016, 106(07): 1705.

[5] CHRISTIAN BROWNLEES, AND ROBERT F. ENGLE. SRISK: A Conditional Capital Shortfall Measure of Systemic Risk[J]. Review of Financial Studies, 2017, 30(01): 48-79.

[6] KARIMALIS E N, NOMIKOS N K. Measuring Systemic Risk in the European Banking Sector: A Copula CoVaR approach[J]. The European Journal of Finance, 2018, 24(11): 944-975.

[7] ACHARYA V.V., PEDERSEN L.H., PHILIPPON T. ET AL. Measuring Systemic Risk[J]. The Review of Financial Studies, 2016, 30(01): 2-47.

[8] 何青, 錢宗鑫, 劉偉. 中國系統(tǒng)性金融風(fēng)險的度量——基于實(shí)體經(jīng)濟(jì)的視角[J]. 金融研究, 2018(04): 53-70.

[9] MARKUS K BRUNNERMEIER, GANG NATHAN DONG, DARIUS PALIA. The Review of Corporate Finance Studies, 2020, 9(02): 229–255.

[10] GREENWOOD R, LANDIER A, THESMAR D. VULNERABLE Banks[J]. Journal of Financial Economics, 2015(03): 471-485.

[11] YOUNG D, ROBERT, TORNA G. Non-traditional Banking Activities and Bank Failures during the Financial Crisis[J]. Journal of Financial Intermediation, 2013(03): 397-421.

A Study on the Impact of Non-interest Income on the Systemic Risk of Banks——Based on Risk Decomposition Perspective

CHEN Xiao, SONG Jiashan

（School of Economics and Management, Southwest University of Science and Technology, Mianyang 621010, Sichuan, China）

This paper uses ΔCoVaR to measure the systemic risk of commercial banks, decomposes it into tail risk (alpha), fundamental macroeconomic and financial factors (beta) and interbank correlation (gamma), and further investigates the impact of noninterest income on beta. The results show that the current scale of non-interest income business is small, and the appropriate expansion of its scale is conducive to reducing commercial banks’ systemic risk, but will increase the exposure to fundamental macroeconomic and financial factors; in addition, fees and commissions have a significant impact on commercial banks’ΔCoVaR. Based on this, this paper proposes countermeasures in terms of the scale of banks’ non-interest income, business structure balance, and individual industry differences.

non-interest income, systemic risk, ΔCoVaR

F832.33

A

1672-4860（2023）02-0034-06

2022-04-03

2022-07-06

陳瀟（1996-），女，漢族，四川涼山人，碩士在讀。研究方向：金融風(fēng)險。

宋加山（1979-），男，漢族，四川內(nèi)江人，教授，博士，碩士生導(dǎo)師。研究方向：金融科技、金融風(fēng)險管理。

·感謝匿名審稿人對本文的建議，作者文責(zé)自負(fù)。