在过去的几十年里,全球金融市场经历了深刻变革,银行业也随之发生了显著的变化。传统的存贷款业务面临诸多挑战,银行业务的多样化和复杂化趋势日益明显。特别是非利息收入的增长,为商业银行带来了新的盈利模式和业务发展方向。非利息收入,包括手续费收入、投资银行业务收入、资产管理费用等,已成为衡量商业银行业绩和竞争力的重要指标之一。在此背景下,深入研究非利息收入对商业银行绩效的影响,不仅具有重要的理论价值,也有着显著的实践意义。目前,有关非利息收入对商业银行绩效影响的研究尚未形成一致的结论。一些研究认为,增加非利息收入可以提高商业银行的盈利能力和市场地位,但也有研究指出,过度依赖非利息收入可能增加商业银行的风险,影响其长期稳定发展。本研究的目的在于深入探讨非利息收入对商业银行绩效的影响,通过对研究构建银行绩效评估体系,全面评估非利息收入在商业银行运营中的重要性和影响程度,为银行业提供更有效的经营策略和管理建议。研究旨在深入探究非利息收入对商业银行绩效的影响,而且在实践层面,研究结果能帮助银行管理层评估非利息业务的重要性和风险,为制定有效的业务发展战略和风险管理策略提供依据。
非利息收入对商业银行绩效的风险性影响,肖文东(2017)运用资产收益率和破产风险率用来度量商业银行的收益和风险水平,选取了17家上市银行在2011年至2016年的数据,指出了银行非利息收入的增加带来更大的经营风险
关于非利息收入对商业银行的积极影响,刘翔宇,娜比拉·海萨尔(2023)运用了面板数据分析,分析不同时间上农村商业银行的盈利水平变化,研究得出非利息收入对农村商业银行绩效有着积极的影响,但不能盲目扩张业务
关于非利息收入对商业银行的消极影响,李波,王广宇(2002)研究了长江三角洲地区的商业银行,发现非利息收入占比、手续费及佣金收入占比与经营绩效负相关,表明非利息收入的增长不能直接带来经营绩效的提升,可能是非利息业务内部结构不合理导致
关于非利息收入对商业银行绩效的不确定性。尹灿(2023)在评估非利息收入对商业银行经营绩效的影响程度,发现国有商业银行的非利息收入对于经营绩效有显著的正向影响,同时非国有商业银行非利息收入对于经营绩效有显著的负向影响
货币政策对银行非利息收入的周期性影响,金健(2021)的研究以2004至2019年中研究发现了商业银行通过非利息收入的多元化,降低对传统利息的依赖,在经济下行期可以增强盈利能力和抵御风险能力,提高银行整体绩效
收入多元化理论在金融学领域中扮演着至关重要的角色,特别是对于理解和评估商业银行策略及其绩效影响具有深远意义。理论的核心观点是,为了有效分散特定市场或单一业务所带来的风险,通过拓展企业的业务范围和收入来源,能够有效地降低总体经营风险,提高盈利的稳定性和企业的抗风险能力,因此对于商业银行而言,除了传统的利息收入之外,为了构建更为均衡和多样化的收入结构,还应积极发展非利息收入,如手续费收入,投资银行业务收入以及资产管理费用等方面的收入。随着金融市场的发展和客户需求的多样化,银行业务的复杂度日益增加。它鼓励银行不仅仅依赖传统的利息收入,而是通过扩展服务和产品范围来实现收入来源的多样化。在这种背景下,多元化的收入能一定程度上保证银行的稳定收入,同时增强了银行对市场变化的适应能力,使其能够通过提供多样化的金融产品和服务来更好地满足客户的需求。实施这种策略,银行能够更好地抓住更多机会,稳定和扩大银行的市场份额。然而收入多元化也存在一定的挑战。银行的管理者们需要注意过度多元化可能带来的潜在风险,预防在发展多元化的道路上,因决策失误而影响银行的稳定性。
该理论的基础在于认识到在银行的各项业务活动中,无论是传统的存贷款业务还是非利息收入业务,都伴随着各种风险,包括但不限于信用风险、市场风险、操作风险和流动性风险等。风险管理理论指出,有效的风险管理不仅需要银行建立健全的内部控制体系,还要求银行能够准确预测和响应外部环境的变化,及时调整风险管理策略。随着金融市场的不断发展和金融产品的日益创新,银行面临的风险类型和风险水平也在不断变化,这就要求银行必须采用更为灵活和前瞻性的风险管理方法,以应对复杂多变的市场环境。风险管理理论还强调了风险管理与银行业绩之间的密切关系。良好的风险管理能够帮助银行避免巨大的经济损失和声誉损害,维护客户和投资者的信心,从而提升银行的市场竞争力和盈利能力。在非利息收入业务方面,由于这些业务往往涉及更加复杂的金融工具和市场操作,因此对银行的风险管理能力提出了更高的要求。银行需要不断创新风险管理工具和技术,提高对非利息业务风险的识别和评估能力,确保非利息收入的增长不会以牺牲银行整体稳定性和安全性为代价。
由于部分银行的数据缺失严重,笔者从数据的完整性以及可得性,选取了38家上市银行2011~2022年的财务数据构建成面板数据,进行实证研究。数据均来源于万德与各上市银行年报。
参考何文英(2023)
变量名称 |
变量描述 |
存贷比 |
贷款余额/存款余额 |
现金资产率 |
现金资产/流动性资产 |
不良贷款拨备覆盖率 |
(一般准备 + 转专项准备 + 特种准备)/(次级类贷款 + 可疑类贷款+ 损失类贷款) |
不良贷款率 |
(次级类贷款 + 可疑类贷款 + 损失类贷款)/各项贷款 |
净资产收益率 |
净利润/平均净资产 |
总资产收益率 |
净利润/平均总资产 |
笔者通过阅读大量文献,选择非利息占比(Niir)作为解释变量代表商业银行非利息收入的情况。非利息收入占比是非利息收入与营业收入的比值。
除了非利息收入,还有很多其他因素会影响到银行的绩效,本文选择不良贷款率和银行总资产作为控制变量。不良贷款率(Npl)代表了银行的风险。银行的总资产代表了银行规模大小,但由于其数值过大,所以选择使用该数值的对数形式,即为Lnasset。
非利息占比(Niir):作为解释变量代表商业银行的非利息收入情况。根据何文英(2023)
不良贷款率(Npl):银行信贷风险的重要衡量指标是不良贷款率。对于贷款不良率高的企业,意味着银行在放贷过程中会面临银行资产质量下降,从而影响盈利水平,会有较高信用风险。银行贷款不良率的高低,与银行的经营业绩有着密不可分的关系。贷款不良率过高可能使银行坏帐损失加大,进而使净利润下降,业绩出现全面下滑。控制贷款不良率有助于排除信贷风险对结果的干扰,确保能够对银行非利息收入的业绩影响进行准确评估。此前有研究表示,贷款不良率对银行业绩影响显著,因此将贷款不良率作为控制变量添加到模型中,研究的科学性和结果的可靠性都可以得到增强。例如,高彦冰(2022)
银行总资产的对数形式(Lnasset):银行总资产体现的是其规模的大小。大型银行的资源通常更多,市场份额更强,经营网络更广,对经营业绩可能产生影响。通过对银行总资产进行对数的形式,使规模效应得到控制,结果受到的影响也会因规模差异而降低。直接采用可能导致数据分布不均,影响模型稳定性的银行总资产数据数值较大。通过取对数,数据分布平衡,模型的稳健性增强。银行总资产作为分析银行业绩的控制变量被很多研究所采用。如高彦冰(2022)
借鉴高彦兵(2022)
其中i代表不同银行;t代表年份; 为常数项; 为随机干扰项。
根据描述性统计结果,被解释变量银行绩效综合得分(Score)最大值为3.855,最小值为−5.374。非利息收入占比(Niir)的最大值为−14.6%,最大值为51.1%,这意味着不同银行间的非利息收入情况差距还是比较大的。不良贷款率相较于其他几个变量来说,最大值与最小值的差距较小。而总资产在取了对数的情况下仍有如此大的标准差,这证明了原数据的差距只会更大,意为不同银行在规模上有很大的区别。具体情况见
Variable |
Obs |
Mean |
Sd |
Min |
Max |
Score |
456 |
7.45~08 |
0.722 |
−5.374 |
3.855 |
Niir |
456 |
0.198 |
0.103 |
−0.146 |
0.511 |
Npl |
456 |
0.0128 |
0.0058 |
0.0022 |
0.0956 |
Lnasset |
456 |
9.332 |
1.730 |
6.236 |
12.89 |
Variable |
VIF |
1/VIF |
Niir |
1.57 |
0.636658 |
Lnasset |
1.55 |
0.644201 |
Npl |
1.02 |
0.979665 |
Mean VIF |
1.38 |
为检验非利息收入占比(Niir)、总资产(Lnasset)和不良贷款率(Npl)之间是否存在共线性问题,笔者对面板数据进行了方差膨胀因子(VIF)检验,从结果上看,三个变量的VIF值都小于5,即不存在共线性问题。详细情况见
根据Stata得出的Hausman检验p值为0,拒绝选用随机效应模型的原假设,所以选择固定效应模型对模型进行回归估计。固定效应下,逐步回归的结果见
Valuable |
(1) |
(2) |
(3) |
Score |
Score |
Score |
|
Niir |
0.420*** |
0.973*** |
0.640*** |
(3.18) |
(3.46) |
(3.81) |
|
Npl |
−86.013*** |
−86.939*** |
|
(−20.80) |
(−20.84) |
||
Lnasset |
0.086*** |
||
(1.55) |
|||
Constant |
0.083*** |
0.906*** |
0.181*** |
(13.03) |
(12.92) |
(15.13) |
|
Observations |
456 |
456 |
456 |
R-squared |
0.513 |
0.511 |
0.514 |
Number of bank |
38 |
38 |
38 |
注:***代表p < 0.001。
以上回归结果说明了非利息收入对商业银行的绩效有显著的促进作用。根据
为检验基准回归的结果稳健有效,通过阅读大量文献,笔者选择采用工具变量法进行稳健性检验,将解释变量非利息收入占比(Niir)的滞后一阶项作为工具变量进行重新回归。检验结果如
Valuable |
(1) |
Score |
|
Niir |
2.394*** |
(2.94) |
|
Npl |
−121.198*** |
(−19.17) |
|
Lnasset |
0.193*** |
(2.13) |
|
Constant |
−0.769*** |
(−3.75) |
|
Observations |
418 |
Number of bank |
38 |
注:***代表p < 0.001。
从稳健性检验结果可知,Niir的系数符号与显著性并未发生改变,说明了非利息收入促进商业银行绩效这一结论稳健可靠。
笔者对非利息收入与商业银行绩效之间的关系做了实证分析:构建38家上市商业银行2011~2022年的面板数据,采用固定效应回归模型进行回归估计。最终从回归结果得出结论:非利息收入显著促进了商业银行绩效的增长。除此之外笔者还发现不良贷款率会抑制商业银行绩效的发展。
发展非利息业务:
商业银行应以多元化的非利息业务为导向进行积极开拓,开发资产管理业务、咨询服务、电子支付等多元化的非利息业务,降低对传统利息收入的依赖,增强盈利的稳定性,重视收入结构的优化,平衡利息与非利息收入之比,提高商业银行的整体收入质量,通过多元化的非利息业务的开拓,使商业银行的盈利能力得到有效的提升。同时在经营策略上予以充分考虑,使其非利息业务得到进一步的发展
提升风险管理能力:
非利息经营业务快速发展给银行业带来挑战也是机会,建立全面的风险管理体系是不可或缺的一部分。银行要加大力度识别、评估、监控和控制非利息经营业务带来的风险隐患。既要实现非利息收入的增长又要保护银行整体稳定性与安全性。要适时进行内控与审核工作,做到风险管理政策与程序有效贯彻实施及时发现风险隐患加以整改,确保银行整体运作的平稳有序进行。为促进非利息业务的健康发展提供有力支撑与保障。
内部培训与人才引进:
定期开展培训是提高员工的业务知识和技能的必要途径,从而可以高效地完成工作任务,并尽力满足顾客的各种需求,特别是面对非利息业务领域的发展需求,银行需要培养专业知识丰富并有实践经验的员工来支撑业务的创新与发展。另外,银行还应积极引进一些专业人才,主要涉及风险管理能力的提升和资产管理与金融科技领域的发展等方面。
加强客户关系管理:
将非利息的服务工作完善,能够加强银行与客户的联系与互动,提升客户满意度与忠诚度。银行可利用数据分析技术对客户进行个性化服务。建立有效的客户反馈机制及时了解客户的反馈意见并加以完善服务品质提升客户体验。
持续创新与技术应用:
商业银行应对金融科技给予更大的投入力度加以促进。要集中注意运用大数据技术提高非利息收入的业务效益与安全水平上,在发展非利息收入业务方面要不断摸索出适应市场需求的新的经营模式,在经营效率的提升上采取一系列行之有效的办法,不断完善风险管控机制。
本文对非利息收入与商业银行经营业绩之间的关系,从多个角度进行了探讨,但仍有一些局限性,如样本选取的局限性和潜在影响因素未能全部考虑在内。今后的研究可以进一步探讨非利息收入的具体种类对银行业绩产生怎样的影响,以及非利息收入的增长和银行风险之间存在怎样的联系。鉴于非利息收入对提高商业银行业绩的重要性,为促进银行业的可持续发展,在加强内部风险控制的同时,建议银行业在非利息业务方面继续探索和发展。
银行管理者在确保银行系统稳定和安全的同时,应考虑制定支持银行业务创新的相关措施。以推动银行业健康、稳定、可持续地发展。