中国银行业存贷款市场竞争与稳定性关系研究解读.docx
- 文档编号:6014633
- 上传时间:2023-01-03
- 格式:DOCX
- 页数:24
- 大小:138.40KB
中国银行业存贷款市场竞争与稳定性关系研究解读.docx
《中国银行业存贷款市场竞争与稳定性关系研究解读.docx》由会员分享,可在线阅读,更多相关《中国银行业存贷款市场竞争与稳定性关系研究解读.docx(24页珍藏版)》请在冰豆网上搜索。
中国银行业存贷款市场竞争与稳定性关系研究解读
中国银行业存贷款市场市场力与稳定性研究
摘要:
对银行业市场力与稳定性的关系研究是学术界悬而未决的难题。
本文基于“市场力状态依存”论的观点,尝试分存贷款市场分别考察中国银行业市场力与稳定性的关系。
以1995-2012年在中国大陆境内运营的141家银行的非平衡面板数据为样本,使用超越对数成本函数计算样本期间中国银行业存贷款市场的Boone指数,将其作为市场力指标;采用随机前沿方法计算了中国银行业的“稳定非效率”,将其作为银行业稳定性的逆向指标;最后以差分广义矩方法(GMM)估计了中国银行业存贷款市场上的市场力与“稳定非效率”间的关系,研究表明:
(1)中国银行业存贷款市场有着不同的市场力,其中贷款市场上的市场力高于存款市场上的市场力。
(2)样本期间中国银行业的市场力呈现不断上升态势。
(3)研究支持“市场力状态依存”假说,存款市场市场力与稳定性负相关,而贷款市场市场力与稳定性正相关。
(4)现阶段资本市场的发展与银行稳定负相关。
关键词:
存贷款市场;银行市场力;银行稳定
中图分类号:
F831.4
ResearchontheNexusbetweenBankingMarketPowerandBankingStabilityinChina’sDepositandLoanMarket
Abstract:
Thenexusbetweenthemarketpowerandthestabilityofthebankingmarketisapendingacademiaproblem.Basedonthe“marketpowerstatedependency”hypothesis,thispaperattemptstoinvestigatethenexusbetweenthemarketpowerandthestabilityoftheChinesedepositandloanmarkets.Usingtheunbalancedpaneldataof141banksoperatinginChinesemainlandfrom1995to2012,thispapercalculatestheBooneindicatoroftheChinesedepositandloanmarketwhichisusedasindicatorsofmarketpowerduringthesampleperiodusingtranslogcostfunction;thenusingthestochasticfrontierapproachtocalculatetheChineseBanking“stabilityinefficiency”whichisusedasthereverseindicatorofbankingstability;finallyusingdifferenceGMMmethodtoestimatethenexusbetweenmarketpowerandstabilityinChinesedepositandloanmarkets.Thispapershowsthat:
(1)Chinesedepositandloanmarketshavedifferentmarketpower,andloanmarketpowerishigherthanthedepositmarketpower.
(2)Chinesebankingmarketshowsarisingtrendduringthesampleperiod.(3)ThisResearchSupportsthe“marketpowerstatedependency”hypothesis,thenexusisnegativeinthedepositmarket,otherwiseintheloanmarket.(4)Nowadaystherelationshipbetweenthedevelopmentofthecapitalmarketandbankingstabilityisnegative.
KeyWords:
depositandloanmarkets;bankingmarketpower;bankingstability
一、引言
市场力与稳定性的关系是银行产业组织理论研究的经典问题,但一直未得到明确一致的答案。
对其关系,有三种假说,一是“市场力稳定论”(Keeley,1990;HauswaldandMarquez,2006),二是“市场力脆弱论”(Beck,Demirgüç-KuntandLevine,2006;BoydandDeNicoló,2005),三是“市场力状态依存论”(AllenandGale,2004)。
三种解释均得到了相应的实证支持。
中国银行业市场力与稳定性的关系如何?
对这一问题的回答,关系到经济新常态下中国银行业竞争政策的制订。
一方面,中国银行业不合理收费和“暴利”现象引发人们对银行业市场力的广泛关注和争论(刘先云,2012;周小川,2012)。
银行业过高的市场力带来银行借贷腐败,带来中小企业融资难、融资贵问题,危害银行业稳定;另一方面,经济新常态背景下,受经济增速放缓、去杠杆化和去泡沫化进程加快,部分行业产能过剩等因素的影响,中国银行业不良贷款率呈回升态势。
2013年底中国银行业不良贷款余额5921亿元,2014年底则上升至8426亿元,上升42.31%;2013年不良贷款率1%,2014年不良贷款率1.25%,上升0.25%。
可以预计,随着经济结构调整步伐的加快,中国银行业资产质量将面临较大的风险压力,如何防范由此产生的金融风险,促进银行业稳定成为摆在中国银行业面前的一个现实挑战。
世界银行专家曾在《China’sRoadtoGreaterFinancialStability:
SomePolicyPerspectives》一书中断言:
银行稳定是中国经济成功转型的关键(Das,etal.,2013)。
因此,研究中国银行业市场力,研究市场力对稳定性的影响,关系到中国银行业服务实体经济的能力,关系到中国银行业的调整升级和结构转型,意义重大。
二、文献综述
综观国内外学者的研究,相关研究主要集中在两方面,一是对银行市场力的测度工具的研究,另一是关于市场力与稳定关系的研究。
银行市场力是促进稳定,还是损害稳定,回答这一问题的关键是要能找到有效的测量市场力的指标(Bushmanetal.,2013;Beck,2008)。
这些指标通常可分为两类,一是结构性的指标,包括行业集中率指数(CRn)、赫芬达尔指数(HHI)、海纳一凯指数(HKI)、嫡指数(EI)、基尼系数、支配力指数等;另一是基于模型的代理指标,这些模型包括Iwata(1974)模型、Lau(1982)和Bresnahan(1982,1989)模型、Panzar和Rosse(1987)模型,以及Boone(2005,2008)模型。
结构性指标通常存在以下缺陷:
第一,市场结构并不是外生的,市场结构与银行绩效存在相互影响的关系;第二,需要对什么是银行最优市场结构做出判断。
因此,目前对市场力的测量主要使用非结构化指标。
虽然非结构化指数成为测量银行业市场力的主要工具,但孰优孰劣并无定论,特别是用不同的指数对某一特定国家银行业市场力进行研究时,有时会得到相异的结论,因此需要找到适合某一特定国家实际情况的非结构化指数。
国内对银行业市场力(或竞争)的研究,早期研究大多运用市场结构指标来研究中国银行业,即将哈佛学派的SCP范式(Structure-Conduct-Performance)运用于中国,检验中国银行业的绩效(如,李华民,2005;秦宛顺和欧阳俊,2001);此后非结构性指标逐渐占据主流,成为中国银行业市场力测度的主要工具,特别是勒纳指数(如,赵旭,2011;王相宁、张志洋,2010;李国栋等,2009)和H统计值(如,陈晓卫,2012;余东华和马路萌,2012;黄隽和汤珂,2008)的运用。
相对而言,Bresnahan模型在中国的运用很少,仅有柯孔林(2010)的研究;对Boone指数,国内还没有相关研究。
国内学者的研究丰富了中国银行业市场力的研究成果,但存在样本量较小,时间跨度短的不足。
样本通常仅有在A股上市的16家银行,时间往往在10年左右。
并且,不考虑中国银行业利率管制的现状,简单套用H统计值和勒纳指数。
Xuetal.(2013)证明,在存在利率管制情况下,H统计值和勒纳指数都不适合作为银行业市场力的代理指标,只有Boone指数能不受利率管制情形的影响,它能正确评估存在利率管制情形下的银行业市场力。
针对上述问题,本文拟采取如下措施:
第一,扩大样本容量和时间跨度,选择中国大陆境内运营的141家银行,时间跨度为1995-2012年;第二,采用Boone指数计算市场力。
银行业市场力与稳定性关系的文献始于Marcus(1984)和Keeley(1990),此后,涌现了大量相关文献,但至今仍没得到清晰一致的认识,归纳起来,有三种假说:
市场力稳定论、市场力脆弱论、状态依存论。
支持“市场力稳定论”假说的学者从“特许权价值”(AllenandGale,2004;Keeley,1990)、信息租金(AllenandGale,2000)、央行监管(Repullo,2004)、资产分散化(AllenandGale,2004)的视角论证了市场力与稳定性间的正相关关系。
“市场力脆弱论”认为市场力有损稳定:
有更多市场力的银行有能力索取高利率,迫使企业投资于高风险项目,增加了银行业的脆弱性(BoydandDeNicolò,2005)。
近些年的一些研究拓展了Boyd和DeNicolò(2005)模型,认为市场力与稳定的关系是一个非线性的U型关系。
他们将市场力对银行稳定性的影响分为两种效应,一是风险转换效应(risk-shiftingeffect),即市场力增加了银行贷款利率,增强了借款人的道德风险,削弱了银行的稳定性;另一是盈余效应(margineffect),指市场力增加了贷款利率,提高了可偿贷款的利息,提升了贷款利息收入对贷款损失的缓冲作用,因此市场力有助于稳定。
他们发现市场力与银行稳定的U型关系:
在高集中度的银行市场上,风险转换效应占主导,市场力增加了银行风险;而在低集中度的银行市场上,盈余效应占主导,市场力的弱化损害了银行的特许权价值,因此,增加了风险。
目前研究的趋势是,对市场力与稳定关系的研究不像以前研究的二分法,而是转向连续的集合,认为二者的关系是状态依存的。
如,Becketal.(2013)认为竞争对稳定的影响是状态依存的,依赖于一国特有的性质,如银行业务限制、存款保险制度、信用信息分享机制、股票市场的发达程度等。
国内学者对银行竞争与稳定的研究以综述类的文章居多(如,陈雄兵,2011;吴秋实、江春,2006),仅有少数文献用Z值和勒纳指数对竞争与稳定的关系进行了实证研究(如,高玮,2012)。
本文拟从以下几方面拓展上述研究:
第一,拓展稳定性的测量,借鉴Fangetal.(2011)的方法,用“稳定非效率”指标替代Z值;第二,考虑到市场力可能的内生性,使用差分GMM法测量市场力与稳定性之间的关系,并用多种稳健性检验测试市场力与稳定性间关系的可靠性;第三,BoydandDeNicolò(2005)认为,对银行市场力的研究应区分存款市场和贷款市场①,因此,本文拟分存款与贷款市场分别研究其市场力与稳定性的关系。
三、数据描述
数据来源于BankScope数据库、国泰安金融财经数据库、各银行网上公布的定期报告、和讯网、上海银行间同业拆借利率网、美国传统基金会(HeritageFoundation)、中国经济金融数据库以及中国国家统计局网站。
BankScope数据库中共有218家在中国大陆境内运营的中外资金融机构(包括证券公司、信托投资公司等非银行金融机构),剔除中国人民银行、三家政策性银行、证券公司、财务集团公司、信托投资公司等机构以保证分析样本的同质性。
时间跨度为1995至2012年,以1995年为样本的起点,因为1994年中国成立了三家政策性银行,可将此后的中国银行企业大致认为是追求利润最大化的实体,满足模型对利润最大化实体的需要。
为了增加样本容量,增强分析的准确性,对数据作如下处理:
(1)使用历年下载的BankScope数据库克服某一年度下载的BankScope数据库涵盖年度过少的不足;
(2)对BankScope数据库缺失的数据,逐一从各银行网上公布的定期报告和国泰安金融财经数据库中查找;(3)剔除时间跨度不足5年的银行;(4)对外资银行的数据(一般以美元或港元计价),按当年年底的外汇牌价予以调整。
所有的绝对值数据均以1995年为基期,使用GDP平减指数进行调整,剔除物价的影响;(5)使用Bankscope数据库,不包括银行持股公司,否则会出现母公司和子公司同时进入样本导致重复计算的情况;同时,考虑银行间的并购,如果多个银行合并,合并前单独进入样本,合并后只有一家并购实体进入样本;(6)所有的数据(除虚拟变量)均使用winsorized技术进行截尾处理。
最后剩下141家银行,包括5家大型股份制银行、11家全国性商业银行、一家邮政储蓄银行、14家农村商业银行(或农村合作银行)、23家外资银行和87家区域性商业银行。
最终的样本为在中国大陆境内运营的141家中外资银行1995-2012年的非平衡面板数据,共1316组数据。
主要变量的描述性统计见表1:
表1主要变量的描述性统计摘要
变量
观察值
均值
标准差
最小值
最大值
变量描述
数据主要来源
gdppc
1316
14308
4644
5046
20608
人均GDP,反映宏观经济特性
历年中国统计年鉴
pf
1316
0.0246
0.129
0.000574
3.496
利息支出/(存款+短期负债),表示资金成本
根据历年Bankscope数据库计算
pl
1316
0.0214
0.0133
0.000986
0.372
(利息支出+非利息支出)/(存款+贷款),表示人工成本
根据历年Bankscope数据库计算
pk
1316
2.008
3.145
0.00947
37.28
非利息支出/固定资产,表示物质资本成本
根据历年Bankscope数据库计算
lns_ta
1316
0.650
3.305
0.0732
103.4
顾客贷款/总资产,代表信用风险
根据历年Bankscope数据库计算
onea_ta
1316
0.0720
0.0792
0.00199
0.634
非盈利资产/总资产,反映资产组合特征
根据历年Bankscope数据库计算
dps_f
1316
0.843
0.370
0.0187
9.350
顾客存款/(顾客存款+短期资金),捕捉资金组合特征
根据历年Bankscope数据库计算
eq_ta
1316
0.259
4.429
8.00e-05
132.8
股东权益/总资产,衡量银行的风险偏好
根据历年Bankscope数据库计算
rnlp
1316
0.0224
0.0160
9.00e-05
0.161
不良贷款拨备覆盖率
Bankscope数据库
trend
1316
11.62
4.149
0
17
每年与1995年的差额
自己计算
roa
1316
0.00936
0.0145
-0.0653
0.466
资产收益率
Bankscope数据库
deposit
1316
376843
1.318e+06
25.80
1.360e+07
存款量
Bankscope数据库
loan
1316
233590
728392
367.5
4910358
贷款量
Bankscope数据库
oea
1316
213580
761326
46.81
8.327e+06
除贷款外的其他盈利资产
根据历年Bankscope数据库计算
ta
1316
480850
1.633e+06
357.6
1.750e+07
银行业总资产
历年中国金融年鉴
eq
1316
25914
97013
-5490
1.128e+06
股东权益
Bankscope数据库
rnpl_loan
1316
0.0425
0.0691
0.000100
0.799
不良贷款比率
Bankscope数据库
obs
1316
81568
259687
4.600
2.318e+06
表外项目
Bankscope数据库和各家银行年报
di
1316
0.292
0.240
0.000140
0.998
分散化指数(
)
根据历年Bankscope数据库计算
ffi
1316
32.06
6.092
29.90
50
金融自由化指数
美国传统基金会网站
ta_bank
1316
6.360e+07
3.690e+07
5.970e+06
1.310e+08
每家银行的资产
Bankscope数据库
tc
1316
11947
40957
6.201
458485
总成本,包括管理费用、利息费用与非利息费用
根据历年Bankscope数据库计算
ms_ta
1316
0.0119
0.0417
1.21e-05
0.521
资产市场份额
根据历年Bankscope数据库计算
cmv_gdp
1316
0.574
0.311
0.0869
1.337
资本市场发展指数(每年的股票市场市值加上国库券与债券的发行量除以GDP)
中国经济金融数据库(CCER)
四、中国银行业市场力测度:
Boone指数
Booneetal.(2005)提出了Boone指数,它根植于效率结构假设(ESH,EfficiencyStructureHypothesis)(GoldbergandRai,1996),隐含的思想是竞争提升了有效率公司的绩效,损害了低效率公司的绩效,绩效的差异导致它们的利润或市场份额的不同。
它有以下两个基本思想:
一是更有效率的公司得到更大的市场份额或利润;二是竞争越强,这一效应越大。
Boone指数可用以下模型求得①:
(1)
其中,
表示第
家银行的市场份额,
表示第
家银行的边际成本,
即是Boone指数,它测量1%的边际成本增长带来多大幅度的利润下降,隐含的意思是由于进入成本的降低或者产品替代性的增强带来的竞争提升,使得有效率银行的利润增加,而使欠效率银行的利润下降更多,因此Boone指数也被称为利润弹性,它一般为负,反映低边际成本的银行有更高的市场份额②。
越大,市场力越弱。
在非结构性的市场力测量指标中,Boone指数因其相对优势而越来越受关注③,已被运用到不同产业的实证分析中(VanLeuvensteijnetal.,2013;BooneandVanLeuvensteijn,2010),特别是对银行业市场力的分析。
Leuvensteijnetal.(2007)是第一个运用Boone指数分析银行业市场力的文献,此后,掀起了一股运用Boone指数分析银行业市场力的浪潮。
鉴于此,本文也采用Boone指数对中国银行业1995年至2012年间的市场力进行分析④。
运用Boone指数分析银行业市场力,首先需要计算边际成本,由于边际成本不可观察,有些研究者用平均变动成本来替代(如Booneetal.,2005,2007),也有些研究者用超对数成本函数来估计(如Leuvensteijnetal.,2007)。
本文采用后一种做法,但采用超越对数成本函数会面临一个问题,即用什么方法来模型化银行业的投入和产出?
在银行产业组织文献中,模型化其投入产出的方法主要有产品法和中介法两种。
产品法认为银行是使用劳动和资本作为投入品,制造贷款和存款的部门。
中介法强调银行的中介功能,认为银行是利用存款、劳动力和物质资本制造贷款的部门。
二者的分歧在于对存款作为投入品还是产出品的认识差异上。
为了调和二者的纷争,Hancock(1985)使用Donovan(1978)和Barnett(1980)创造的“货币的使用者成本”概念,并不纠缠于投入或产出的定性争论上,而是用实证方法来决定存款到底是投入品还是产出品。
贷款的使用者成本界定为基准利率(银行的机会成本)与持有贷款的报酬率之差,即基准利率减去贷款利率;存款的使用者成本界定为存款利率与基准利率之差,即存款利率减去基准利率。
如果使用者成本为正,则存款(贷款)为投入品;如果为负,则为产出品。
正使用成本意味着贷款(存款)增加了银行的营运支出,负的使用者成本则意味着增加了银行的收入。
表22006-2013年中国银行业存款和贷款的使用者成本
时间
一年期存款利率
一年期贷款利率
一年期Shibor平均利率①
使用者成本
投入还是产出
存款
贷款
存款
贷款
2006
2.52
6.12
2.98②
-0.46
-3.14
产出
产出
2007
4.14
7.47
3.581
0.559
-3.889
投入
产出
2008
2.25
5.31
4.489
-2.239
--0.821
产出
产出
2009
2.25
5.31
2.048
0.202
-3.262
投入
产出
2010
2.75
5.81
2.597
0.153
-3.213
投入
产出
2011
3.5
6.56
4.908
-1.408
-1.652
产出
产出
2012
3
6
4.776
-1.776
-1.224
产出
产出
2013
3
6.15
4.4
-1.4
-1.65
产出
产出
资料来源:
一年期存贷利率来自和讯网:
。
一年期Shibor平均利率来自上海银行间同业拆借利率网站的数据服务:
http:
//www.shibor.org/shibor/web/Dataservice。
注:
①根据该年一年期Shibor取平均数;②网站上公布的2006年shibor期限是从2006年10月12日至2006年12月31日,本文取这一期间一年期Shibor均值。
表2列出了2006年-2013年中国银行业存款和贷款的使用者成本,基准利率以上海银行间同业拆借利率(Shibor)表示①。
从表2可看出,2006-2013年间,贷款的使用者成本均为负,说明贷款为产出品;八年间存款的使用者成本三年为正(即使为正,数值也很小),五年为负,可以大体认为存款为产出品,接受产品法的假设。
因此本文以产品法来构筑超越对数成本函数,以物质资本、人力资本和资金资本作为投入品,存款、贷款、表外项目、其他盈利资产作为产出品,超越对数成本函数设定为:
其中,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 中国银行业 贷款 市场竞争 稳定性 关系 研究 解读