李金培 呂德宏 黃亦炫

摘 要：基于2002—2012年中國(guó)11家主要上市商業(yè)銀行的面板數(shù)據(jù)，利用SBM超效率模型和動(dòng)態(tài)面板數(shù)據(jù)GMM模型，研究了貨幣政策對(duì)風(fēng)險(xiǎn)承擔(dān)下中國(guó)商業(yè)銀行超效率的影響問題。結(jié)果表明：樣本銀行的超效率水平逐年提高且差異不大，超效率水平呈現(xiàn)倒“U”型變化趨勢(shì)；貨幣政策對(duì)風(fēng)險(xiǎn)承擔(dān)下商業(yè)銀行的超效率均呈現(xiàn)負(fù)向關(guān)系且影響顯著；風(fēng)險(xiǎn)承擔(dān)因素對(duì)銀行超效率的測(cè)量十分重要，并且貨幣政策對(duì)風(fēng)險(xiǎn)承擔(dān)下的銀行超效率具有重要影響。因此，從促進(jìn)經(jīng)濟(jì)增長(zhǎng)和金融發(fā)展的角度而言，中央銀行進(jìn)行貨幣政策調(diào)整時(shí)，應(yīng)在宏觀層面審慎監(jiān)管風(fēng)險(xiǎn)承擔(dān)下中國(guó)商業(yè)銀行的效率。

關(guān)鍵詞：貨幣政策；風(fēng)險(xiǎn)承擔(dān)；商業(yè)銀行；超效率

文章編號(hào)：2095-5960（2014）06-0048-09；中圖分類號(hào)：F830；文獻(xiàn)標(biāo)識(shí)碼：A

一、引言與文獻(xiàn)述評(píng)

美國(guó)金融危機(jī)導(dǎo)致諸多銀行破產(chǎn)，并引發(fā)了嚴(yán)重的經(jīng)濟(jì)低迷，讓各國(guó)監(jiān)管機(jī)構(gòu)對(duì)金融體系漏洞有了更深入的思考，也致使學(xué)界和政界對(duì)量化寬松等非常規(guī)貨幣政策的使用一直爭(zhēng)議不斷。如今，伴隨著全球經(jīng)濟(jì)復(fù)蘇和美國(guó)QE（量化寬松政策）退出帷幕的拉開，非常規(guī)貨幣政策再度引起關(guān)注。周小川（2014）提出中國(guó)銀行業(yè)的改革需要非常規(guī)貨幣政策，低利率的環(huán)境不僅可以保證經(jīng)濟(jì)增長(zhǎng)，還可以推動(dòng)金融穩(wěn)定的實(shí)現(xiàn)。但是各國(guó)推行寬松貨幣政策易引發(fā)低利率環(huán)境下的泡沫風(fēng)險(xiǎn)，導(dǎo)致經(jīng)濟(jì)危機(jī)復(fù)發(fā)。張強(qiáng)等（2013）研究表明，中國(guó)貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)渠道是存在的[1]。那么貨幣政策的調(diào)整是否會(huì)影響風(fēng)險(xiǎn)承擔(dān)下的商業(yè)銀行超效率？由于金融危機(jī)影響深遠(yuǎn)，研究貨幣政策對(duì)風(fēng)險(xiǎn)承擔(dān)下商業(yè)銀行超效率的影響至關(guān)重要，不僅可以推動(dòng)銀行業(yè)控制風(fēng)險(xiǎn)、提高效率，而且還對(duì)改善貨幣政策與銀行系統(tǒng)穩(wěn)定性之間的關(guān)系有著重要意義。

國(guó)內(nèi)外對(duì)風(fēng)險(xiǎn)承擔(dān)與銀行效率之間關(guān)系的研究方法可分為兩大類。第一類是采用兩階段方法，即在第一階段運(yùn)用非參數(shù)方法（如DEA）或者參數(shù)方法（如SFA）測(cè)出各銀行的效率值。該方法在早期的國(guó)外文獻(xiàn)中運(yùn)用較多，如Berger et al（1993）運(yùn)用數(shù)據(jù)包絡(luò)分析法（DEA）測(cè)度各商業(yè)銀行的效率，結(jié)果表明銀行效率低下的原因在于產(chǎn)出不足而非過度的投入成本[2]。Mester（1996）采用隨機(jī)前沿模型（SFA）對(duì)第三聯(lián)邦儲(chǔ)備銀行進(jìn)行了效率評(píng)價(jià)，認(rèn)為銀行在產(chǎn)出水平和產(chǎn)品組合方面表現(xiàn)有效，而在投入方面的有效性不足[3]。第二階段將風(fēng)險(xiǎn)承擔(dān)代理變量作為主要解釋變量，通過回歸模型檢驗(yàn)風(fēng)險(xiǎn)因素對(duì)銀行效率的影響。國(guó)內(nèi)外常用的風(fēng)險(xiǎn)指標(biāo)有不良貸款率、Z值和資本充足率等，該類方法的研究結(jié)論基本一致，表明風(fēng)險(xiǎn)承擔(dān)與銀行效率之間具有顯著的相關(guān)關(guān)系。如Banker et al（2010）運(yùn)用DEA測(cè)算韓國(guó)商業(yè)銀行在1995—2005年期間的效率后，將不良貸款率作為影響效率的主要金融解釋變量對(duì)其進(jìn)行回歸分析，結(jié)果顯示不良貸款比率與銀行技術(shù)效率呈負(fù)相關(guān)關(guān)系[4]。第二類是單階段分析方法，直接將風(fēng)險(xiǎn)承擔(dān)代理指標(biāo)作為非期望產(chǎn)出引入銀行效率的測(cè)度中，該類方法的研究結(jié)果表明，不考慮風(fēng)險(xiǎn)承擔(dān)的銀行效率值低于考慮風(fēng)險(xiǎn)承擔(dān)情況下的效率值。如Drake & Hall（2003）將貸款損失準(zhǔn)備作為銀行問題貸款程度的衡量指標(biāo)引入DEA銀行效率測(cè)算模型中，研究發(fā)現(xiàn)控制不良貸款將導(dǎo)致銀行效率的平均水平上升[5]。劉孟飛和張曉嵐（2013）將風(fēng)險(xiǎn)因素納入前沿生產(chǎn)函數(shù)中，測(cè)定了風(fēng)險(xiǎn)承擔(dān)下的商業(yè)銀行效率值，結(jié)果顯示信用風(fēng)險(xiǎn)、資本風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)約束下的效率測(cè)算結(jié)果均比不考慮風(fēng)險(xiǎn)因素所得效率值高[6]。

在國(guó)內(nèi)外對(duì)銀行效率影響因素的研究中，一般將貨幣政策作為控制變量考慮，而主要解釋變量多聚焦在產(chǎn)權(quán)結(jié)構(gòu)、外資銀行進(jìn)入以及銀行微觀特征等方面。甘小豐（2007）研究發(fā)現(xiàn)，經(jīng)濟(jì)周期對(duì)銀行效率值有顯著影響，而周期中的貨幣增長(zhǎng)率、通貨膨脹率和再貸款利率對(duì)銀行效率的影響均不顯著[7]。王聰和譚政勛（2007）研究發(fā)現(xiàn)，貨幣供應(yīng)量增長(zhǎng)率對(duì)商業(yè)銀行X-利潤(rùn)效率水平有顯著正面影響[8]。Li & Wang（2012）[9]、李勇和王滿倉(cāng)（2012）[10]分別利用改進(jìn)的 Kopecky & Vanhoose（2004）[11]模型和面板回歸模型分析得出貨幣政策的代理變量——法定存款準(zhǔn)備金率與商業(yè)銀行效率存在非線性關(guān)系并對(duì)其利潤(rùn)效率和成本效率的影響呈非對(duì)稱效應(yīng)。章晟和杜靈青（2013）研究發(fā)現(xiàn)中國(guó)法定存款準(zhǔn)備金率調(diào)整頻率高于利率調(diào)整頻率，但貸款利率比法定存款準(zhǔn)備金率對(duì)商業(yè)銀行效率的影響更大[12]。

從上述相關(guān)研究可以看出，學(xué)術(shù)界運(yùn)用不同方法就風(fēng)險(xiǎn)承擔(dān)與銀行效率之間的關(guān)系進(jìn)行了大量探討，但上述文獻(xiàn)所測(cè)定的效率結(jié)果中普遍存在一個(gè)以上的有效決策單元（效率值等于1），且對(duì)這些有效的決策單元無法進(jìn)行進(jìn)一步的區(qū)分和比較。Tone（2002）在傳統(tǒng)DEA和SBM模型的基礎(chǔ)上提出了“SBM超效率”模型[13]。該方法不僅解決了投入產(chǎn)出冗余問題，還可以對(duì)有效的決策單元進(jìn)行排序以比較效率高低，從而進(jìn)一步對(duì)評(píng)價(jià)為DEA有效和弱有效的決策單元進(jìn)行再次評(píng)價(jià)，但是目前該類方法多用于環(huán)境效率評(píng)價(jià)當(dāng)中，用于研究銀行效率值的文獻(xiàn)較少。另外，在對(duì)銀行效率影響因素研究中，大多研究將貨幣政策作為控制變量，而鮮有文獻(xiàn)采用動(dòng)態(tài)面板數(shù)據(jù)模型將貨幣政策作為主要解釋變量研究其與銀行效率之間的關(guān)系。

基于此，本文試圖在現(xiàn)有文獻(xiàn)的基礎(chǔ)上從兩方面進(jìn)行拓展：（1）利用SBM超效率模型對(duì)2002—2012年風(fēng)險(xiǎn)承擔(dān)下的中國(guó)11家上市商業(yè)銀行的超效率值進(jìn)行測(cè)定；（2）運(yùn)用動(dòng)態(tài)面板數(shù)據(jù)模型對(duì)影響商業(yè)銀行超效率的貨幣政策因素進(jìn)行實(shí)證分析。

二、模型選擇與建立

（一）SBM超效率函數(shù)模型選擇與建立

本文借鑒Roberta et al（2010）測(cè)度銀行效率的DEA方法[14]，遵循王兵和朱寧（2011）研究的基本思路[15]，將非期望產(chǎn)出納入銀行效率的測(cè)算中，運(yùn)用基于松弛變量的SBM超效率模型，解決決策單元的投入和產(chǎn)出的冗余短缺問題。

其中，δ為SBM模型的效率評(píng)價(jià)標(biāo)準(zhǔn)；s-i、sgr和sbr分別為投入、期望產(chǎn)出和非期望產(chǎn)出松弛向量的元素。在函數(shù)具體形態(tài)方面，由于上式是分式規(guī)劃問題，需將其轉(zhuǎn)換為可解的線性規(guī)劃問題，因此，本文建立的目標(biāo)函數(shù)為：

minτ=t-1m∑mi=1t，s-ixi0，t=1-1s1+s2∑s1r=1t，sgrygr0+∑s2r=1t，sbrybr0 （3）

此時(shí)，τ為SBM模型的超效率評(píng)價(jià)標(biāo)準(zhǔn)，在模型（2）約束條件不變的情況下，通過線性規(guī)劃技術(shù)求解式（3）的目標(biāo)值，即可得到各個(gè)決策單元的效率估計(jì)值。SBM超效率模型同時(shí)考慮了投入和產(chǎn)出松弛變量，并解決了非期望產(chǎn)出下的效率測(cè)度問題。此外，SBM超效率模型允許其效率值可以大于1，鑒別了具有充分效率的SBM模型的排序及差別程度。

（二）動(dòng)態(tài)面板數(shù)據(jù)GMM模型

本文引入貨幣政策的3個(gè)衡量指標(biāo)：法定存款準(zhǔn)備金率（DRR）、存款基準(zhǔn)利率（SDR）及貸款基準(zhǔn)利率（SLR），將風(fēng)險(xiǎn)承擔(dān)下的銀行超效率作為被解釋變量，貨幣政策指標(biāo)及其他控制指標(biāo)作為解釋變量，運(yùn)用 2002—2012年中國(guó)11家主要上市商業(yè)銀行的面板數(shù)據(jù)，考慮解釋變量與被解釋變量之間的動(dòng)態(tài)效應(yīng)，建立動(dòng)態(tài)面板數(shù)據(jù)模型如下：

其中i代表銀行，t表示時(shí)間（2002—2012年）；EFFi，t表示第i家商業(yè)銀行在第t年的超效率測(cè)算值；解釋變量MP表示貨幣政策指標(biāo)，具體細(xì)分為3個(gè)不同的子指標(biāo)，當(dāng)衡量貨幣政策對(duì)銀行超效率的影響程度時(shí)，將法定存款準(zhǔn)備金率（DRR）、存款基準(zhǔn)利率（SDR）及貸款基準(zhǔn)利率（SLR）分別代入MP的位置。控制變量包括：銀行風(fēng)險(xiǎn)（Z-score），銀行規(guī)模（SIZE），存貸比（LTD），資產(chǎn)收益率（ROA），市場(chǎng)集中度（CR5），市場(chǎng)份額（MS），經(jīng)濟(jì)發(fā)展水平（GDPG），儲(chǔ)蓄率（SAVE）以及通貨膨脹率（INF）；ui，t為模型中隨機(jī)擾動(dòng)項(xiàng)，包含銀行個(gè)體效應(yīng)和時(shí)間效應(yīng)。

由于銀行存在個(gè)體效應(yīng)和時(shí)間效應(yīng)，動(dòng)態(tài)面板數(shù)據(jù)模型出現(xiàn)內(nèi)生性問題，采用固定效應(yīng)或隨機(jī)效應(yīng)估計(jì)方法將導(dǎo)致參數(shù)估計(jì)的非一致性。本文采用差分GMM估計(jì)方法，通過使用滯后的解釋變量和被解釋變量作為工具變量克服內(nèi)生性問題，同時(shí)通過差分和工具變量控制未觀察到的效應(yīng)。在進(jìn)行差分GMM估計(jì)時(shí)，參考Delis & Kouretas（2011）的做法[16]，將銀行規(guī)模代理變量SIZE及其一期滯后設(shè)置為前定變量，并將銀行盈利性代理變量ROA設(shè)置為內(nèi)生性變量以消除內(nèi)生性問題。為確保估計(jì)模型參數(shù)的有效性和穩(wěn)健性，本文進(jìn)行了隨機(jī)誤差項(xiàng)序列相關(guān)檢驗(yàn)（Bond檢驗(yàn)）和過度識(shí)別條件檢驗(yàn)（sargan檢驗(yàn)）。

三、指標(biāo)選取與數(shù)據(jù)來源

（一）指標(biāo)選取

1.超效率測(cè)算指標(biāo)選取

商業(yè)銀行效率測(cè)度中最主要的問題是對(duì)其投入和產(chǎn)出的界定，依據(jù)國(guó)外對(duì)投入產(chǎn)出指標(biāo)選取的中介法，結(jié)合中國(guó)商業(yè)銀行的實(shí)際情況，SBM超效率模型投入產(chǎn)出指標(biāo)的選取主要考慮三種產(chǎn)出指標(biāo)、三種投入指標(biāo)。

（1）期望產(chǎn)出：稅前利潤(rùn)和貸款總額。王兵和朱寧（2011）認(rèn)為非利息收入是評(píng)價(jià)金融機(jī)構(gòu)競(jìng)爭(zhēng)力優(yōu)劣的指標(biāo)之一，可以反映銀行業(yè)今后競(jìng)爭(zhēng)與發(fā)展的趨勢(shì)，而稅前利潤(rùn)可以避免實(shí)際利潤(rùn)被高估的現(xiàn)象。考慮到數(shù)據(jù)的可得性和完整性，本文在期望產(chǎn)出指標(biāo)上采用中介法計(jì)量產(chǎn)出，選用稅前利潤(rùn)和貸款總額。

（2）非期望產(chǎn)出：不良貸款額。不良貸款是商業(yè)銀行測(cè)算銀行效率的重要指標(biāo)之一。徐輝等（2012）認(rèn)為不良貸款曾對(duì)中國(guó)銀行業(yè)穩(wěn)定造成巨大威脅，是重大風(fēng)險(xiǎn)性因素，對(duì)銀行效率具有重要影響[17]。而在傳統(tǒng)的商業(yè)銀行效率測(cè)度中，如張健華和王鵬（2011）選擇產(chǎn)出指標(biāo)時(shí)僅考慮了貸款數(shù)量而忽視了貸款質(zhì)量[18]。本文在測(cè)度銀行效率時(shí)采用不良貸款額作為衡量貸款質(zhì)量的指標(biāo)：不良貸款額=不良貸款率×貸款量，其中貸款量為客戶貸款和墊款的總和。

（3）投入：固定資產(chǎn)凈值、員工人數(shù)和存款總額。中介法測(cè)度銀行效率是將銀行視為儲(chǔ)蓄—投資的服務(wù)中介機(jī)構(gòu)，投入一般采用存款、勞動(dòng)力和資本。本文選用銀行員工人數(shù)、固定資產(chǎn)凈值和存款總額作為投入指標(biāo)。

2.影響因素變量選取

（1）主要解釋變量：國(guó)外學(xué)者Altunbas et al（2010）認(rèn)為短期利率的變化可以較好地反映一國(guó)央行的貨幣政策的變化，一般選用市場(chǎng)化的短期利率作為貨幣政策的代理變量[19]。楊小軍（2008）認(rèn)為中國(guó)利率還未完全市場(chǎng)化，市場(chǎng)化利率還未成為中國(guó)的基準(zhǔn)利率[20]；張強(qiáng)等（2013）認(rèn)為中國(guó)央行在貨幣政策調(diào)控時(shí)更多依賴于數(shù)量型工具和非市場(chǎng)化手段?？紤]到存貸款利率是中央銀行調(diào)控經(jīng)濟(jì)的重要手段，同時(shí)為確保結(jié)果的穩(wěn)健性，本文在貨幣政策代理變量的選取上借鑒劉曉欣和王飛（2013）的研究成果[21]，采用法定存款準(zhǔn)備金率（DRR）、短期存款利率（SDR）和短期貸款利率（SLR）作為主要解釋變量。

（2）控制變量：從銀行微觀特征變量、市場(chǎng)環(huán)境和宏觀經(jīng)濟(jì)狀況三個(gè)方面選取控制變量。銀行特征變量包括銀行規(guī)模、盈利能力、資產(chǎn)配置和銀行風(fēng)險(xiǎn)，銀行規(guī)模選取商業(yè)銀行總資產(chǎn)的對(duì)數(shù)來衡量，盈利能力選用資產(chǎn)收益率作為代理變量，資產(chǎn)配置衡量指標(biāo)采用存貸比，銀行風(fēng)險(xiǎn)選用Z指數(shù)衡量的銀行破產(chǎn)風(fēng)險(xiǎn)作為代理變量，其計(jì)算公式為：Z=（ROA+CAR）/σ（ROA），其中，ROA為銀行資產(chǎn)收益率；CAR為銀行資本充足率；σ（ROA）為ROA的標(biāo)準(zhǔn)差，為減少數(shù)據(jù)樣本量的損失，采用3年移動(dòng)平均計(jì)算。市場(chǎng)環(huán)境變量包括市場(chǎng)集中度和市場(chǎng)份額，市場(chǎng)集中度采用行業(yè)集中率CR5作為代理變量，市場(chǎng)份額選取存款市場(chǎng)份額來衡量，反映銀行在市場(chǎng)上所處的地位。為控制宏觀環(huán)境可能對(duì)銀行超效率造成的影響，本文選取了GDP增長(zhǎng)率（GDPG）、儲(chǔ)蓄率（SAVE）和通貨膨脹率（INF）三個(gè)變量作為宏觀經(jīng)濟(jì)狀況的代理變量。

（二）樣本選擇和數(shù)據(jù)來源

依據(jù)研究目的，從銀行規(guī)模和數(shù)據(jù)可得性層面考慮，選取11家具有較高代表性的國(guó)有商業(yè)銀行和股份制商業(yè)銀行，分別是：中國(guó)銀行、中國(guó)建設(shè)銀行、中國(guó)工商銀行、交通銀行、招商銀行、中信銀行、華夏銀行、興業(yè)銀行、民生銀行、上海浦東發(fā)展銀行和平安銀行。

考慮到中國(guó)貨幣政策經(jīng)歷了一個(gè)完整的寬松和緊縮周期，本文研究期間為2002—2012年，采集的這11年數(shù)據(jù)主要來源于《中國(guó)金融年鑒》和各商業(yè)銀行年報(bào)，對(duì)于個(gè)別缺失數(shù)據(jù)，采用線性插值法補(bǔ)齊。主要變量的定義和描述性統(tǒng)計(jì)見表1、表2、表3。四、實(shí)證分析

（一）風(fēng)險(xiǎn)承擔(dān)下的商業(yè)銀行SBM超效率測(cè)度

在可變規(guī)模報(bào)酬的假設(shè)下，基于投入導(dǎo)向，利用DEA-SOLVER-5.0軟件對(duì)2002—2012年11家樣本銀行進(jìn)行SBM超效率運(yùn)算，得到本文實(shí)證模型（3）設(shè)定的風(fēng)險(xiǎn)承擔(dān)下的銀行超效率估計(jì)值及其排名，結(jié)果見表4。依據(jù)同樣的方法和思路，對(duì)無風(fēng)險(xiǎn)承擔(dān)的銀行超效率也進(jìn)行了測(cè)度，結(jié)果見5。

從表4結(jié)果來看，中國(guó)11家樣本銀行中除交通銀行外，其他商業(yè)銀行均表現(xiàn)出生產(chǎn)有效率，且各年的平均超效率差異不明顯，處在1.0551—1.1662之間，總體超效率平均值為1.1210。從銀行超效率的變動(dòng)趨勢(shì)來看，中國(guó)商業(yè)銀行超效率呈現(xiàn)先上升后下降的倒“U”型趨勢(shì)，2002年出現(xiàn)最低效率，2006—2008年銀行業(yè)出現(xiàn)繁榮時(shí)期，并于2007年達(dá)到平均超效率最高值1.1662，2009年銀行業(yè)超效率開始出現(xiàn)下降，平均超效率低于2006—2008年，這主要是受到2008年全球金融危機(jī)的影響，銀行業(yè)面臨的風(fēng)險(xiǎn)壓力較大，導(dǎo)致資產(chǎn)質(zhì)量下降。比較2002—2012年各商業(yè)銀行超效率的平均水平發(fā)現(xiàn)，平安銀行、中國(guó)工商銀行和中國(guó)銀行分別排在前三位，隨后是民生銀行、中信銀行、興業(yè)銀行、浦發(fā)銀行和招商銀行，而華夏銀行、中國(guó)建設(shè)銀行和交通銀行的超效率值相對(duì)較差，其中交通銀行的超效率值小于1。

從表5估計(jì)值來看，不考慮風(fēng)險(xiǎn)承擔(dān)情況下，上市商業(yè)銀行平均超效率值低于考慮風(fēng)險(xiǎn)承擔(dān)情況下的平均超效率值，這主要是因?yàn)榻陙碇袊?guó)商業(yè)銀行不良貸款率和不良貸款額的雙降提升了上市商業(yè)銀行的風(fēng)險(xiǎn)抵抗能力，從而推動(dòng)了銀行超效率的提升。無風(fēng)險(xiǎn)承擔(dān)的上市商業(yè)銀行超效率變動(dòng)依然呈現(xiàn)出倒“U”型趨勢(shì)，繁榮時(shí)期同樣表現(xiàn)在2006—2008年期間，并在2007年達(dá)到最高值1.1491，與風(fēng)險(xiǎn)承擔(dān)下的銀行超效率變動(dòng)狀況一致。從各銀行的平均超效率來看，不考慮風(fēng)險(xiǎn)承擔(dān)對(duì)銀行超效率的影響時(shí)，除華夏銀行外，其他銀行的超效率值和排名變動(dòng)不大。原因在于2011年華夏銀行的不良貸款率和不良貸款額出現(xiàn)大幅雙降，在不考慮風(fēng)險(xiǎn)承擔(dān)的情況下，投入量不變而產(chǎn)出減少，導(dǎo)致華夏銀行的平均超效率值從1.0355降至0.9295，這與不考慮風(fēng)險(xiǎn)承擔(dān)下的銀行業(yè)平均超效率下降原因相同。

（二）貨幣政策對(duì)風(fēng)險(xiǎn)承擔(dān)下商業(yè)銀行超效率影響分析

運(yùn)用STATA12.0軟件對(duì)模型（4）進(jìn)行差分GMM回歸分析，表6為不同貨幣政策下的估計(jì)結(jié)果。經(jīng)三階序列相關(guān)檢驗(yàn)和過度識(shí)別Sargan檢驗(yàn)均符合GMM的條件，因此，文中運(yùn)用差分GMM估計(jì)方法是合理的。

從貨幣政策變量的回歸結(jié)果（表6）來看，貨幣政策對(duì)風(fēng)險(xiǎn)承擔(dān)下的上市商業(yè)銀行超效率有顯著的影響，說明貨幣政策的變化是中國(guó)銀行業(yè)超效率的重要影響因素。在其他影響因素不變的情況下，貨幣政策與風(fēng)險(xiǎn)承擔(dān)下的銀行超效率均有著負(fù)向關(guān)系，即貨幣政策越寬松，銀行超效率就越高；相反則越低。一般而言，較長(zhǎng)時(shí)期的擴(kuò)張性貨幣政策會(huì)促使銀行風(fēng)險(xiǎn)承擔(dān)的意愿和能力上升，最終促進(jìn)銀行超效率的提高。

從銀行微觀特征變量的回歸結(jié)果可知，存貸比（TLD）和資產(chǎn)收益率（ROA）與風(fēng)險(xiǎn)承擔(dān)下的商業(yè)銀行超效率有著顯著的正相關(guān)關(guān)系。表明存貸比（TLD）和資產(chǎn)收益率（ROA）越高的銀行，其風(fēng)險(xiǎn)承擔(dān)下的商業(yè)銀行超效率越高；相反則越低。原因一方面在于中國(guó)上市商業(yè)銀行信貸行為受到政府監(jiān)管，其風(fēng)險(xiǎn)承擔(dān)動(dòng)機(jī)相比中小銀行較小；另一方面，上市商業(yè)銀行盈利渠道較多，其經(jīng)營(yíng)策略相對(duì)保守，導(dǎo)致其通過高風(fēng)險(xiǎn)投機(jī)交易獲取利潤(rùn)的動(dòng)機(jī)較小。銀行規(guī)模（SIZE）和銀行風(fēng)險(xiǎn)（Z值）與風(fēng)險(xiǎn)承擔(dān)下的商業(yè)銀行超效率的關(guān)系不顯著，這可能與當(dāng)前中國(guó)銀行規(guī)模及風(fēng)險(xiǎn)承擔(dān)能力受到諸多的監(jiān)管和管制，其市場(chǎng)化特征不明顯有關(guān)。

從市場(chǎng)環(huán)境變量的回歸結(jié)果可以看出，市場(chǎng)份額（MS）變量系數(shù)估計(jì)結(jié)果為正且在1%水平下顯著，說明中國(guó)上市商業(yè)銀行市場(chǎng)占有率的提高有利于銀行超效率的改善，這完全符合市場(chǎng)力量假說。我們還發(fā)現(xiàn)，市場(chǎng)集中度（CR5）變量系數(shù)為負(fù)但并不顯著，說明研究期間內(nèi)中國(guó)銀行業(yè)市場(chǎng)集中度的改善并沒有帶來預(yù)期的超效率提高效果。

從宏觀經(jīng)濟(jì)變量的回歸結(jié)果來看，不同貨幣政策影響下的銀行超效率對(duì)宏觀環(huán)境的反應(yīng)不同。表6的估計(jì)結(jié)果表明，在法定存款準(zhǔn)備金率（DRR）影響下，通貨膨脹率（INF）對(duì)銀行超效率具有顯著的正面效應(yīng)；在存款基準(zhǔn)利率（SDR）和貸款基準(zhǔn)利率（SLR）影響下，通貨膨脹率（INF）對(duì)銀行超效率具有負(fù)相關(guān)關(guān)系，但不顯著；在存款基準(zhǔn)利率（SDR）和貸款基準(zhǔn)利率（SLR）的影響下，經(jīng)濟(jì)發(fā)展水平（GDPG）對(duì)銀行超效率具有顯著的正效應(yīng)，這意味著存貸款利率越低，經(jīng)濟(jì)投資環(huán)境越好，銀行超效率越高。儲(chǔ)蓄率（SAVE）在不同貨幣政策下對(duì)銀行超效率的影響均不具有統(tǒng)計(jì)上的顯著性，表明中國(guó)銀行業(yè)對(duì)儲(chǔ)蓄向投資轉(zhuǎn)化的能力較弱。

別代表在10%、5%、1%的程度上顯著。下同。

五、穩(wěn)健性檢驗(yàn)

在基準(zhǔn)模型中，采用Z值衡量的銀行破產(chǎn)風(fēng)險(xiǎn)作為銀行風(fēng)險(xiǎn)的代理變量，鑒于國(guó)內(nèi)外不同學(xué)者在衡量銀行風(fēng)險(xiǎn)時(shí)采用的度量方式不同，本文利用資本充足率衡量的信用風(fēng)險(xiǎn)替代Z值作為銀行風(fēng)險(xiǎn)的衡量指標(biāo)，考察風(fēng)險(xiǎn)承擔(dān)下貨幣政策對(duì)中國(guó)商業(yè)銀行超效率的影響的穩(wěn)健性，結(jié)果見表7。

從表7的結(jié)果可以看出，除短期貸款利率（SLR）的顯著性提高外，貨幣政策對(duì)風(fēng)險(xiǎn)承擔(dān)下商業(yè)銀行超效率的影響并沒有隨銀行風(fēng)險(xiǎn)指標(biāo)的不同而發(fā)生明顯改變。在以銀行破產(chǎn)風(fēng)險(xiǎn)為銀行風(fēng)險(xiǎn)代理變量的模型中，風(fēng)險(xiǎn)代理變量Z值前的系數(shù)較大，而在銀行信用風(fēng)險(xiǎn)模型中，風(fēng)險(xiǎn)代理變量資本充足率（CAR）前的系數(shù)都較小，但都不具有統(tǒng)計(jì)上的顯著性?？傮w而言，表7中各項(xiàng)指標(biāo)回歸系數(shù)的符號(hào)及顯著性沒有發(fā)生明顯變化，因此銀行風(fēng)險(xiǎn)代理指標(biāo)的不同并不影響本文結(jié)論，基于動(dòng)態(tài)面板數(shù)據(jù)GMM模型的穩(wěn)定性較好，貨幣政策對(duì)風(fēng)險(xiǎn)承擔(dān)下中國(guó)商業(yè)銀行超效率的顯著負(fù)向影響更具說服力。

六、結(jié)論與啟示

在梳理國(guó)內(nèi)外文獻(xiàn)的基礎(chǔ)上，運(yùn)用2002—2012年間11家中國(guó)上市商業(yè)銀行的相關(guān)數(shù)據(jù)，通過建立SBM超效率模型和動(dòng)態(tài)面板數(shù)據(jù)GMM模型，實(shí)證分析了貨幣政策對(duì)風(fēng)險(xiǎn)承擔(dān)下中國(guó)商業(yè)銀行超效率影響。研究結(jié)論歸納如下：

第一，風(fēng)險(xiǎn)承擔(dān)下的中國(guó)商業(yè)銀行各年的平均超效率差異不明顯，除交通銀行外，其他商業(yè)銀行均表現(xiàn)出超效率有效，說明中國(guó)各銀行的總體經(jīng)營(yíng)狀況差異不大，金融市場(chǎng)較為穩(wěn)定。

第二，比較無風(fēng)險(xiǎn)與風(fēng)險(xiǎn)承擔(dān)下的情形，發(fā)現(xiàn)中國(guó)銀行業(yè)各年平均超效率及排名變動(dòng)不大，而且其變化均呈倒“U”型趨勢(shì)，表明金融危機(jī)對(duì)風(fēng)險(xiǎn)承擔(dān)的銀行超效率有影響，但長(zhǎng)期看中國(guó)銀行業(yè)的經(jīng)營(yíng)狀況平穩(wěn)。另外，不考慮風(fēng)險(xiǎn)承擔(dān)下的各銀行超效率均低于風(fēng)險(xiǎn)承擔(dān)下的超效率值，意味著風(fēng)險(xiǎn)承擔(dān)因素對(duì)銀行超效率的測(cè)度具有重要影響。

第三，實(shí)證結(jié)果顯示，中國(guó)貨幣政策對(duì)風(fēng)險(xiǎn)承擔(dān)下的商業(yè)銀行超效率具有顯著的負(fù)向影響，即貨幣政策越寬松，風(fēng)險(xiǎn)承擔(dān)下的銀行超效率越高；當(dāng)貨幣政策緊縮時(shí)，銀行超效率開始下降。

第四，在影響效率的控制變量中，存貸比、資產(chǎn)收益率和市場(chǎng)份額對(duì)上市商業(yè)銀行的超效率水平的回歸系數(shù)為正且顯著；不同貨幣政策影響下的銀行超效率對(duì)宏觀環(huán)境的反應(yīng)不同。

本文的研究結(jié)論對(duì)中國(guó)貨幣政策的制定和商業(yè)銀行的發(fā)展具有重要啟示。首先，在測(cè)度銀行超效率時(shí)，需要考慮銀行風(fēng)險(xiǎn)承擔(dān)因素，以降低結(jié)果偏差度，從而提升研究?jī)r(jià)值。其次，中央銀行在制定貨幣政策時(shí)不僅要考慮到貨幣政策對(duì)風(fēng)險(xiǎn)承擔(dān)的影響，還要進(jìn)一步考慮到其對(duì)風(fēng)險(xiǎn)承擔(dān)下的商業(yè)銀行超效率的影響。再次，中央銀行在進(jìn)行貨幣政策調(diào)整時(shí)，可以通過維護(hù)金融穩(wěn)定這一目標(biāo)任務(wù)重點(diǎn)關(guān)注中國(guó)銀行體系，從宏觀層面審慎監(jiān)管風(fēng)險(xiǎn)承擔(dān)下中國(guó)商業(yè)銀行的效率。

參考文獻(xiàn)：

[1]張強(qiáng)，喬煜峰，張寶.中國(guó)貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)渠道存在嗎[J]金融研究，2013（8）：84-97.

[2]Berger A N，Hancock D，Humphrey D B.，Bank efficiency derived from the profit function[J]. Journal of Bankingand Finance，1993，17： 317-347.

[3]Mester L J. A study of bank efficiency taking into account risk-preferences [J] . Journal of Banking and Finance， 1996，20： 1025-1045.

[4]Banker，Rajiv D.，Chang，Hsihui and Lee，Seok-Young. Differential Impact of Korean Banking System Reforms on Bank Productivity[J]. Journal of Banking & Finance，2010，34（7）：145-1460.

[5]Leigh Drake，Maximilian J.B.Hall. Efficiency in Japanese banking：An empirical analysis[J].Journal of Banking & Finance，2003，27（5）：891-917.

[6]劉孟飛，張曉嵐.風(fēng)險(xiǎn)約束下的商業(yè)銀行效率及其影響因素研究[J].金融研究，2013（7）：113-124.

[7]甘小豐.中國(guó)商業(yè)銀行效率的SBM分析——控制宏觀和所有權(quán)因素[J].金融研究，2007（10）：58-69.

[8]王聰，譚政勛.中國(guó)商業(yè)銀行效率結(jié)構(gòu)研究[J].經(jīng)濟(jì)研究，2007（7）：110-123.

[9]Li，Yong， Mancang Wang.. Capital Regulation，Monetary Policy and Asymmetric Effects of Commercial Banks Efficiency[J]. China Finance Review International，2012 （1）：5-26.

[10]李勇，王滿倉(cāng).資本監(jiān)管、貨幣政策與商業(yè)銀行效率非對(duì)稱效應(yīng)——基于面板門限回歸模型的再檢驗(yàn)[J].經(jīng)濟(jì)評(píng)論，2012（2）：116-126.

[11]Kopecky，K.，D.VanHoose. A Model of the Monetary Sector with and with out Binding Capital Requirements[J]. Journal of Banking and Finance，2004，28（3）：633-646.

[12]章晟，杜靈青.信貸調(diào)控對(duì)商業(yè)銀行效率影響的實(shí)證研究[J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2013（3）：100-106.

[13]Tone K. A slacks-based measure of super-efficiency in data envelopment analysis[J].Eur J Oper Res，2002，143（1）：32-41.

[14]Roberta B S，Geraldo S S， Benjamin M T.Evolution of bank ef-ficiency in Brazil： A DEA approach[J]. European Journal of Opera-tional Research，2010，202（1）：204-213.

[15]王兵，朱寧.不良貸款約束下的中國(guó)上市商業(yè)銀行效率和全要素生產(chǎn)率研究[J].金融研究，2011（1）：110-130.

[16]Delis M D ，Kouretas G P.. Interest Rates and Bank Risk-taking[J]. Journal of Banking & Finance，2011，35 （4） ：840-855.

[17]徐輝，李健，鐘惠波.銀行效率與不良貸款沖擊效應(yīng)的實(shí)證研究——基于SFA測(cè)度分析的應(yīng)用[J].金融評(píng)論，2012（3）：29-40.

[18]張健華，王鵬.銀行效率及其影響因素研究——基于中、外銀行業(yè)的跨國(guó)比較[J].金融研究，2011 （5）：13-28.

[19]Altunbas Y. L.， Gambacorta， D.Marques Ibanez. Does Monetary Policy Affect Bank-risk Taking[R].BIS Working Papers，2010：298.

[20]楊小軍. 銀行間債券市場(chǎng)與公開市場(chǎng)業(yè)務(wù)的利率關(guān)系——基于VAR模型的實(shí)證分析[J].證券市場(chǎng)導(dǎo)報(bào)，2008（2）：10-15.

[21]劉曉欣，王飛.中國(guó)微觀銀行特征的貨幣政策風(fēng)險(xiǎn)承擔(dān)渠道檢驗(yàn)——基于中國(guó)銀行業(yè)的實(shí)證研究[J].國(guó)際金融研究，2013 （9）：75-88.

責(zé)任編輯：常明明