贷款利率市场化对商业银行风险的影_省略_模式与信贷过度增长视角的实证分析_陆静

引言

自2013年7月20日开始，中国央行全面放开了对金融机构贷款利率的管制，取消了贷款利率下浮30%的限制，而由金融机构根据借贷双方的协商来确定贷款利率，由此彻底实现了贷款利率的市场化定价。2013年10月25日，根据《市场利率定价自律机制工作指引》和《贷款基础利率集中报价和发布规则》，全国银行间同业拆借中心开始发布一年期贷款基础利率。尽管早在2004年10月，中国央行就解除了商业银行贷款利率的上限，但此次放开下限，仍被业界和学术界认为是我国利率市场化的重要举措之一，无疑将加速我国商业银行经营的转型。正如有媒体报道的：“利率市场化将对我国银行业的经营和盈利模式带来翻天覆地的变化。传统上，我国银行业的发展依靠存贷息差模式实现盈利。而贷款利率放开，将大大提高企业对银行贷款的议价能力……银行利差面临着下行的压力”（刘万里，2013）。为此，商业银行要维持或进一步提升盈利能力，可以着眼于两个方面的转型：发展中间业务，提高非利息收入占比（周鹏峰，2013）；在利差缩小的情况下，增加信贷投入，以便使利息收入总额不至于明显下降，即薄利多销（孙立坚，2013）。然而，当商业银行采用这两条途径应对利率市场化时会给其承担的风险带来怎样的影响呢？本文采用大样本，在考虑风险持续性和银行特征变量内生性的前提下，从银行业可能采取的应对措施———提高非利息收入占比和加大信贷投入的角度，用系统广义矩估计方法（System GMM ）研究了银行风险的变化情况，

贷款利率市场化对商业银行风险的影响

———基于盈利模式与信贷过度增长视角的实证分析

陆静王漪碧王捷内容摘要：本文根据贷款利率市场化后商业银行为保持盈利持续增长而采取的两种措

施，采用系统广义矩估计方法和1997-2012年119家中国商业银行的数据，从盈利模式和信贷过度增长的角度分析了银行面临的风险状况。研究表明，当非利息收入占比较低时，银行收入的多样化难以发挥分散风险的作用，贷款过度增长将给商业银行带来较高风险。因此，商业银行在应对利率市场化改革的过程中，应谨慎行事，在规范经营和控制风险的前提下开展中间业务。

关键词：商业银行

盈利模式贷款增长系统广义矩估计中图分类号：F831文献标识码：A

作者简介：陆静，管理学博士，重庆大学经济与工商管理学院金融系副主任，教授、博士生导师；王漪碧，重庆大学经济与工商管理学院学生；王捷，经济学硕士，供职于中国工商银行重庆市分行。

*基金项目：本文受到国家自然科学基金（71373296，71232004，71272085）和教育部人文社会科学基金（12YJA630135）资助。

*

以便监管部门和银行自身提前采取措施化解风险，为防范银行业的系统性风险提供决策参考。

一、文献回顾

（一）国外相关研究

1.盈利模式对商业银行风险分担的影响

一般的，商业银行的经营收入来自两个方面：基于存贷款利差的利息收入和基于中间业务的非利息收入。所谓盈利模式是指非利息收入在总收入中的占比。早期的研究发现，非利息收入的增加能够有效降低银行风险。例如，Eisemann（1976）认为，当银行的非利息收入增加时，银行也获得了丰厚的利润，而充裕的利润来源促使银行更加稳定，也就是说当非利息收入占比提高时，不仅可以产生较高的回报，而且有助于降低盈余波动性和银行风险。Templeton&Severiens（1992）以非银行资产占比作为非利息收入的代理变量，采用1979-1986年美国的数据，实证表明非银行资产占比的增加降低了银行的经营风险。Hassan（1993）则采用Ronn-Verma期权定价方法，研究了美国银行业的总风险和表外业务的风险，无论是截面混合回归还是时间序列回归都表明表外业务可以减少总体风险。Smith et al.（2003）对欧洲银行业的研究发现，非利息收入对盈利可以起到一定的稳定作用，所以收入的多元化将会减少利润的波动率。

然而，近年来，另一些学者则认为银行可能会因涉足不稳定的中间业务（如投行业务）而面临更大的风险。De Young&Roland（2001）的研究发现，非利息收入业务作为银行传统借贷业务的替代活动将导致较高的收入波动和较高的杠杆率；Stiroh&Rumble（2006）认为，虽然金融控股公司可以从业务分散化中获得一定的好处，但这些好处被非利息收入活动所增加的风险抵消掉了，因为与利息收入相比，非利息收入的波动性更大且利润更低；Baele et al.（2007）对欧洲银行业的研究发现，银行业务的分散化与其特质风险的关系是非线性的，多数银行可以通过分散化业务降低收入波动的风险，但规模更大且收入更加分散的银行面临着更高的系统风险；Lepetit et al.（2008）则认为，较高的手续费收入占比意味着较低的利润和较低的贷款息差；Calmes&Liu（2009）对加拿大银行业的研究也发现非利息收入加大了经营收入的波动；Busch&Kick（2009）发现，德国全能银行的风险调整后净资产收益率和总资产收益率与非利息收入业务呈正相关，而具有较高非利息收入占比的商业银行则面临着较高的风险。Altunbas et al.（2011）的研究显示，非利息收入高的银行风险更大。Demirguc-Kunt&Huizinga（2010）的研究表明，高手续费和交易性收入的银行风险更大。Stiroh（2004）的研究发现，大银行在风险性交易上更活跃，而小银行通常更多地受益于更稳定的防御型资产，且通过交叉销售业务与利息收入挂钩。这说明银行规模不同，具体的中间业务组合也不同。Stiroh（2004）还指出，非利息收入比传统的利息收入更具波动性，尽管20世纪90年代随着非利息收入的迅猛增长，银行业的净运营收入波动性降低了，但这实际上是由于不断降低的净利息收入波动率冲抵了较高的非利息收入波动率的结果。

2.信贷过度增长对商业银行风险的影响

关于信贷增长对商业银行风险的影响，多数学者都认同的是，过度的贷款增长将导致高风险（如Foos et al.，2010；Jimenez&Saurina，2007）。Altunbas et al.（2011）的研究显示，大银行和那些贷款增长率激进的银行风险较大。Demirguc-Kunt&Huizinga（2010）发现，对大额资金依赖性高的银行也有更高的风险。另外，Foos et al.（2010）发现，那些比其竞争对手具有更高贷款增长率的银行可能会更吸引那些由于要求极低的贷款利率或不能提供充分的担保而没能获得其他银行贷款的客户。简言之，信贷过度增长的后果是新增加的很可能是劣质客户。

（二）国内相关研究

近年来，国内也有部分文献研究了这些问题。王省欣（2010）采用1996-2008年美国、英国、

德国、日本等11个发达国家的银行为样本，发现非利息收入与利润呈正相关关系，而非利息收入与风险也呈正相关，但收入多元化对风险和利润的影响是不同的。而黄隽和章艳红（2010）采用2000-2008年间美国商业银行的样本数据，得出了略微不同的结论，她们认为，由于受到政府隐性担保的作用，银行可能从事高风险的业务，甚至追求“大而不倒”，所以，银行规模与其风险是正向关系，非利息收入在给银行带来利润的同时也增加了风险。张羽和李黎（2010）的研究发现，中国商业银行非利息收入波动性与净利息收入波动性之间并非随时间而单调变化，在1987-1999年，非利息收入波动性较小，而2000-2008年间非利息收入波动性较大，此外，非利息收入可以起到一定的风险分散作用。张雪兰（2011）以中国14家商业银行2001至2010年的面板数据为研究对象，研究结果表明，我国银行非利息收入占比与风险之间并不存在明显关联，其可能原因在于我国商业银行的利息收入与非利息收入之间存在高度的相关性、考核机制以及会计计量口径的偏差。周开国和李琳（2011）采用中国14家商业银行1997年至2008年的数据，研究表明，中国商业银行的非利息收入并没有降低银行的风险，因为银行在实施多元化的过程中产生了一些新的风险。

（三）评述

综上所述，尽管国内外对盈利模式以及信贷过度增长对商业银行的风险进行了大量研究，但研究的结论并不一致，这一方面可能源于样本所处年代的不同，如国外早期的研究主要基于21世纪之前的样本，在那个时代商业银行的经营和风险防范主要基于传统存贷款和传统结算业务。随着信息技术的普及和金融自由化的发展，商业银行的经营模式已经有了很大变化，如网上银行和手机银行的推出使得商业银行之间的竞争从实体网点扩大到了虚拟渠道和网络资源，导致银行的风险分担模式也发生了转移。

此外，有关中国银行业的同类研究中，尚有一些问题需要改进：（1）样本量普遍较少，如张羽和李黎（2010）的样本为15家、张雪兰（2011）为14家、周开国和李琳（2011）为14家。（2）已有的研究以最小二乘或静态面板回归为主，如张羽和李黎（2010）采用混合最小二乘法，张雪兰（2011）采用固定效应静态面板数据模型，周开国和李琳（2011）采用随机效应静态面板数据模型，但Demirguc-Kunt&Huizinga（2010）的研究表明，银行的风险具有持续性，即上一期的风险将对下一期的风险具有显著影响，较合理的方法是采用动态估计模型。（3）由于非利息收入占比、规模等银行特征变量与银行风险之间存在内生性，必须加以控制。如前所述，非利息收入占比高的银行因其收入来源的多元化可能降低了收益波动的风险，但在向相同客户交叉销售多种产品和服务后，使得这些产品和服务的关联性增强，此时如果遇到某种外部冲击，将导致传统存贷业务和手续费收入同时受损，这就增加了收益波动的风险。（4）由于规模和经营范围的巨大差异，样本银行间存在较大的、不可观察的异质性，很难用最小二乘或静态面板模型来获得有效估计。针对问题（1），本文将样本数量扩大到119家；针对问题（2）-（4），我们采用Arellano&Bover(1995)提出的动态面板数据系统广义矩估计方法（System-GMM），该方法在水平方程和差分方程中同时用被解释变量和其他内生性变量的滞后项作为工具变量，既可以较好地处理回归中的内生性问题，又可以控制样本银行不可观察的异质性和被解释变量的持续性，能够较准确地分析商业银行的盈利模式和信贷过度增长对风险的影响。

二、研究设计

（一）模型设定

根据已有研究，除盈利模式和信贷增长外，银行的其他内外部环境因素也可能影响其风险水平，所以需要将这些因素加以控制。参考Koler（2012）的研究，我们采用以下模型来分析商业银行盈利模式和贷款增长对银行风险的影响：

①LIST=1且CHN=0表示上市银行，LIST=0且CHN=1表示中资非上市银行，LIST=0且CHN=0表示外资银行（FORE ）。

RISK it =β0+β1RISK it-1+β2NIIRATIO it +β3LOANGR it +β4B it +β5C t +β6BANKTYPE i +εit

（1）其中，RISK it 表示银行i 在t 年的风险；NIIRATIO it 是银行i 在t 年的盈利模式；LOANGR it 是银行i 在t 年的信贷（过度）增长指标；B it 是银行i 在t 年的特征变量（包括银行规模、流动性和银行盈利能力等）；C t 是第t 年的宏观经济变量（包括宏观经济状况、总信贷规模、货币政策、银行业市场集中度、利率等指标）；BANKTYPE i 是虚拟变量，表示银行i 的类型（包括LIST 和CHN 两个指标①）；εit 为误差项。通过在（1）式右边加入RISK it 的一阶滞后项来控制银行风险持续的影响。

（二）银行风险的度量

本文参考了国内外学者的方法（Demiguc-kunt &Huizinga ，2010；Foos et al.，2010；Stiroh ，

2004；张羽和李黎，2010），采用衡量银行破产概率的指标值———

ZSCORE 来衡量银行风险。具体地，银行i 在t 年的ZSCORE 为

ZSCORE it =CAR it +ROA it SDROA i

（2）其中，CAR it 是银行i 在t 年的资本资产率（即净资产/总资产），ROA it 是银行i 在t 年的资产收益率，SDROA i 是银行i 在样本期内资产收益率的标准差。ZSCORE 越大，表明银行破产的概率就越小。

（三）盈利模式的度量

银行的盈利模式取决于其业务与产品组合。本文用NNINC 表示非利息收入占比作为盈利模式的主要指标，计算式为

NNINC it =NII it TI it （3）

其中，NII it 是银行i 在t 年的非利息收入，TI it 是银行i 在t 年的总收入。由于银行可以通过权衡风险和收入自主调整其盈利模式，所以非利息收入占比是内生变量。

此外，除了从收入角度，还可以从资产角度考察银行的盈利模式，如某银行贷款占总资产的比率越高，则在传统借贷业务上越活跃，而较少持有证券类资产。然而，这类银行也可能因为较高的贷款比率，承受了更高的客户信贷风险而增大总体风险（Maudos &de Guevara ，2004）。因此，贷款比率对银行风险的影响可能是双刃剑。本文用LOANRATIO 表示贷款比率，作为盈利模式的次选指标，计算式为

LOANRATIO it =LOAN it it

（4）其中，LOAN it 是银行i 在t 年的贷款金额，TA it 是银行i 在t 年的总资产。银行可以通过权衡风险和收入自主调整其盈利模式，因此贷款比率也是内生变量。

（四）贷款过度增长的度量

就现阶段来看，贷款是我国银行业收入的主要来源。在一般情况下，银行贷款越多，利息收入越多，利润总额也越高。因此，银行普遍都有发放贷款，追求较高贷款增长率的动力。通常认为，贷款越多，银行风险也越大。然而，根据Foos et al.（2010）的研究，当所有银行的贷款增长率都处于高水平时，某银行的高贷款增长率并不一定意味着过度的风险承担。只有当某银行是通过降低其贷款标准，放宽担保要求来增加其贷款，从而降低了贷款质量，此时的高贷款增长率才意味着高风险。因此，本文参考Foos et al.（2010）的做法，用贷款过度增长率来衡量贷款行为，即某银行的贷款增长率与当年所有样本银行贷款增长率中位数的差，用以反映该银行在当年与同业相比的贷款水平。这里用LOANGR 表示贷款过度增长率，作为其追求信贷过度扩张的指标，计算式为

LOANGR it =

LOAN it -LOAN it-1LOAN it-1-MLOANG t （5）

①

从1997年到2012年，我国资产规模最大的前五家银行一直都是中国工商银行、中国农业银行、中国银行、中国建设银行和交通银行。LOAN it 是银行i 在t 年的贷款余额，LOAN it-1是银行i 在t-1年的贷款余额，MLOANG t 表示t 年样本中所有银行贷款增长率的中位数。银行可以通过权衡风险和收入自主调整其贷款行为，因此贷款过度增长率也是内生变量。

（五）银行特征变量

现有研究表明，其他银行特征变量，如流动性、规模等对风险有显著影响（Demirgue-Kunt &Huizinga ，2001；吴栋和周建平，2006），所以，本文还加入了其他控制变量，如流动比率（LIQUID ）来衡量银行的流动性，银行总资产的对数值（SIZE ）来衡量银行规模，以及净利息边际（NIM ）来衡量银行的存贷利差盈利能力。

（六）外部环境变量

作为社会经济发展中的主要金融中介，商业银行面临着较多的外部风险，如市场结构的变化和宏观经济周期等的影响，这些因素也需要加以控制。

1.市场结构

对于市场结构与银行风险的关系，本文参考黄隽和章艳红（2010）的做法，采用市场集中度（CR5）来度量银行业的市场结构，用样本中最大的五家银行①的资产占所有银行资产的比例来衡量银行业的集中程度。黄隽和章艳红（2010）认为，银行业集中程度越高，大银行的经营模式得到政府隐形保护程度更高，这种保护刺激了大银行冒险的动机。大银行也可能用自己的影响力来左右政策制定者和监管当局。

注：数据频率为年度；IFB 数据库是指中国社会科学院金融统计数据库。

表1

主要变量及其含义类别

变量定义数据来源被解释变量ZSCORE （ROA CAR ）/SDROA

Bankscope 待考察变量NNINC 非利息收入占比：非利息收入/经营性收入

Bankscope LOANRATIO 贷款比率：贷款/总资产

Bankscope LOANGR 过度贷款增长率：贷款年增长率-当年样本中所有银行

贷款年增长率的中位数

Bankscope 控制变量：银行特征变量LIQUID 流动比率：流动性资产/总资产

Bankscope SIZE 银行规模：总资产的自然对数

Bankscope NIM 净利息边际：净利息收入/生息资产

Bankscope CR5市场集中度：总资产最大的前五家银行的资产总额/所

有样本银行的资产总额Bankscope

控制变量：外部环境变量GDPG GDP 增长率IFB 数据库

GDPPC 人均GDP IFB 数据库

CPI 通货膨胀率：CPI 指数IFB 数据库

RI 实际利率：按GDP 平减指数衡量的银行贷款利率World Bank

TOTALC 总信贷规模：银行部门提供的国内信贷与GDP 比值的自然对数World Bank

TOTALCG 总信贷规模增长率World Bank

MLIQUDITY 货币流动性：M 2/GDP 的自然对数World Bank

银行类别LIST 虚拟变量，1表示上市银行，0表示其他Bankscope

CHN 虚拟变量，1表示中资非上市银行，0表示其他Bankscope

FORE

虚拟变量，LIST=0且CHN=0Bankscope

2.宏观经济变量

宏观经济环境通过不同的渠道影响银行的风险。例如，经济增长速度、经济发展水平、经济周期和利率水平将对银行的信贷风险产生影响，它们会影响借贷者的偿还能力和抵押品的价值。主要指标有GDP增长率、人均GDP、通货膨胀率和实际利率。同时，货币政策也深刻地影响着银行经营情况，主要指标为M2/GDP（货币流动性）。一般认为，在适当范围内，货币政策宽松，货币流动性强，市场活跃，则银行业的稳定性更强，风险更低。另外，已有研究普遍认为，过度的信贷增长通常预示着金融危机（如Borio&Lowe，2002；Drehmann et al.，2010）。在总信贷规模水平较高，发展速度较快的时期，银行普遍地降低其贷款标准和抵押要求，从而使风险增大。同个别银行因降低贷款标准和抵押要求增大非系统性风险相比，全行业普遍性地降低标准将导致整个银行部门系统风险的增大。主要指标为总信贷规模和总信贷规模增长率。

对于GDP增长率、人均GDP、通货膨胀率等指标，考虑到现阶段我国多数地方商业银行经营范围的局限性，全国性商业银行和大部分外资银行采用全国数据，而其他地区性银行由于其经营业务范围不大（主要集中在其所在省或市范围内），采用所在省的数据。

此外，考虑到不同类型的银行，其经营方式、经营理念和风险管理水平等的差异，我们还将银行分为上市银行、中资非上市银行和外资银行（在华代表处）三类，分别用LIST、CHN、FORE表示。所有变量及其含义如表1所示。

三、实证分析

（一）样本来源

本文采用Bankscope数据库1997-2012年末中国商业银行的财务报表数据（包括上市银行和非上市银行）来计算银行风险、银行特征变量和银行业市场集中度CR5。尽管初始样本包含151家银行（即中国大陆全部商业银行），由于部分银行数据缺失严重，为了能较好地反映一家银行在2007-2008年金融危机前后的变化，我们剔除了1997-2007年或2008-2012年均没有数据的32家银行，最终得到数据较完整的119家样本银行，其中上市银行16家，中资非上市银行83家，外资银行20家。

（二）盈利模式和贷款增长对风险的影响

表2归纳了主要的回归结果。除外部环境变量这类明显的外生变量外，我们对其余变量都使用了工具变量，并采用Sargan值进行了过度识别约束检验，三个方程中的Sargan检验值分别为0.9898、0.9908、0.9953，在5%的显著性水平上，没有拒绝工具变量约束有效的原假设，也就是说我们采用的工具变量是合理的。此外，回归系数的Wald联合检验表明，整体结果显著。

本文用ZSCORE来衡量银行风险大小，ZSCORE越小，银行风险越大。由表2可以看出，ZS-CORE的一阶滞后项对ZSCORE有显著的正效应，说明银行风险具有显著的延续性；贷款过度增长率对银行风险有负效应，即贷款行为越激进，银行风险越大。这一结果与Koler（2012）、Altunbas et al.（2011）和Foos et al.（2010）的估计结果一致。由此认为，部分商业银行也通过降低贷款标准、抵押要求等可能导致贷款质量下降的方式来吸引借款人，这类借款人往往由于不符合要求而被其他贷款增长率低的银行拒之门外。

与Koler（2012）估计结果不一致的是，中国商业银行非利息收入占比对银行风险有正效应，即非利息收入占比越大，银行风险越大，其原因可能在于两个方面：一是非利息收入占比尚处于较低水平，没有发挥分散风险的作用。样本银行的平均非利息收入占比为16.4%，还不到Demirguc-Kunt&Huizinga（2010）研究的101个国家1334家银行平均非利息收入占比35.3%的一半。二是我国商业银行中间业务的监管尚不够完善，一些银行由于从事较高风险的业务而增加了风险。以中国

建设银行为例，该行2011年度非利息收入中占比最大的是担保承诺，获得收入175亿元，占非利息收入总额的18.9%，实际上，这类业务属于表外的或有负债，具有较高风险。这个结果与周开国和李琳（2011）以我国14家商业银行1997-2008年的面板数据为样本的研究基本一致，随着非利息收入占比的提高，非利息收入波动风险增加，对总风险的贡献值增加。

（三）银行特征变量对风险的影响

银行风险还与其他内部的特征变量有关。由表2可知，流动比率越高的银行风险越小，这与其他相关研究一致，因为流动性资产可以作为银行面临流动性风险时的缓冲，可以使银行更加稳定。同时，银行规模越大，风险也越大，与黄隽和章艳红（2010）、Altunbas et al.（2011）的估计结果一致。大银行常常被“大而不倒”政策所保护，这种保护加强了大银行冒险的动机。不同的是，国注：括号内数值为P 值；***、**、*分别表示回归系数的显著性水平为1%、5%、10%。

表2系统GMM 估计结果

被解释变量：ZSCORE

L.ZSCORE

风险变量的滞后项0.640***（0.000）0.633***（0.000）0.633***（0.000）NNINC

非利息收入占比-4.456***（0.000）-5.112***（0.000）-3.486***（0.000）LOANRATIO

贷款比率 3.369***（0.001） 4.110***（0.000） 4.660***（0.000）LOANGR

贷款过度增长率-4.120***（0.000）-4.010***（0.000）-5.257***（0.000）LIQUID

流动比率 2.319***（0.009） 2.575***（0.004） 2.165***（0.005）SIZE

银行规模-1.213***（0.000）-1.484***（0.000）-1.761***（0.000）NIM

净利息边际15.187（0.372）CR5

市场集中度12.732***（0.000）12.087***（0.000）13.624***（0.000）GDPG

GDP 增长率-1.916（0.519）GDPPC

人均GDP 0.000033*（0.086）0.000043***（0.001）0.000034*（0.083）

CPI

通货膨胀率-7.073**（0.017）-7.593***（0.000）RI

实际利率-0.418***（0.000）-0.378***（0.000）-0.458***（0.000）TOTALC

总信贷规模-23.692***（0.000）-24.002***（0.000）-26.060***（0.000）TOTALCG

总信贷规模增长率28.345***（0.000）26.932***（0.000）30.885***（0.000）L.TOTALCG

总信贷规模增长率的滞后项-2.174***（0.001）MLIQUDITY

货币流动性 4.118**（0.040） 5.208***（0.001）7.683**（0.018）LIST

上市银行 1.666（0.217） 3.479***（0.000） 4.682***（0.000）CHN

中资非上市银行-4.160***（0.000）-4.732***（0.000）-5.530***（0.000）C 常数项116.274***（0.000）116.952***（0.000）118.961***（0.000）Sargan 检验值

0.98980.99080.9953Wald 统计量P-value 0.00000.00000.0000

外研究得到的类似结论，通常是因为大银行往往从事高杠杆的中间业务，并且依赖于非利息收入而导致的高风险，结合我国商业银行中大银行非利息收入占比更低的情况，本文认为，我国商业银行中大银行风险更高的主要原因是非利息收入占比过低，贷款比率过大，利息收入随经济周期波动的风险对总风险的贡献更多。

（四）外部环境变量对风险的影响

与银行特征变量不同，外部环境变量都是外生性变量。由表2可知，人均GDP越高，银行风险越小，这是因为在宏观经济景气时期，失业率和企业破产率较低，银行面临的信贷风险较小，贷款资产较稳定，这在以传统存贷业务为主的我国商业银行中影响较为显著。此外，通货膨胀率越高，实际利率越高，银行风险越大。这是因为在通货膨胀时期，存款利率通常会相应提高，从而直接加大银行的筹资成本；同时，物价普遍上涨，企业生产经营条件恶化，借贷者偿还能力降低，抵押品实际价值下降，银行面临的信贷风险增加。

与Koler（2012）的估计结果不同的是，总信贷规模越大，增长率越小，银行风险越大。根据Borio&Lowe（2002）的分析，在经济景气时期，贷款需求上升，总信贷规模增大，银行更容易在权衡风险和收益中忽视风险，降低贷款标准和抵押要求，来满足不断上升的贷款需求并获得收益，而这也埋下了风险隐患。考虑到总信贷规模对于风险的反映有预示作用，我们还加入总信贷规模增长率的一阶滞后项进行回归估计，发现前一期总信贷规模增长率越大，银行风险越大。由表2还发现，银行业市场集中度越高，银行风险越小。根据黄隽和章艳红（2010）的分析，银行业的集中化可以提高其稳定性和特许权价值。

四、结论

本文采用系统广义矩估计方法分析了贷款增长与盈利模式对我国商业银行风险的影响，选取ZS-CORE作为银行风险指标，并将可能影响商业银行风险的因素，包括内外两方面的因素作为控制变量。从对1997-2012年中国119家商业银行的实证研究来看，我们发现：（1）银行风险与规模、非利息收入占比正相关，说明我国商业银行的中间业务监管不够完善，一些银行由于从事高风险的业务而带来了高风险。但对于我国大型银行，银行规模越大，非利息收入占比越少，风险越大，说明大银行风险高的主要原因是非利息收入占比过低，收入来源单一，利息收入随经济周期波动的风险对总风险的贡献更多。（2）银行风险与人均GDP负相关，与通货膨胀率、实际利息水平正相关，说明宏观经济不景气时期，失业率和企业破产率高，若到通货膨胀时期，企业生产经营条件恶化，这些都会使借贷者偿还能力降低，抵押品价值下降，银行面临的信贷风险增加。（3）银行风险与总信贷规模、总信贷规模增长率一阶滞后项正相关，说明在经济景气时期，社会整体资金需求上升，总信贷规模增大，银行更容易在权衡风险和收益中忽视风险，降低贷款标准和抵押要求，来满足不断上升的资金需求并获得收益，从而导致之后的高风险。总信贷规模对银行风险有预警作用。

为此，我们提出以下建议：第一，商业银行在应对贷款利率市场化的过程中采取发展中间业务、提高非利息收入占比的措施无可厚非，但要特别注意中间业务收入来源的多样化，否则会增加银行风险；第二，在贷款利率由于市场竞争可能下降、存贷利差缩小的情况下，在加大信贷投放量的同时，不应忽略贷款质量，更不能因为追求信贷过度增长而降低贷款标准和抵押要求；第三，不断完善风险预警机制，例如，监管部门或商业银行可以通过全国总信贷规模增长率的发展，判断银行业的潜在风险。由于商业银行在国民经济结构中的重要地位，商业银行风险监控和预警意义重大。不断完善商业银行风险预警机制，使商业银行更好地为国民经济发展做出贡献。

（责任编辑武岩）

参考文献：

[1]黄隽,章艳红.商业银行的风险:规模和非利息收入——

—以美国为例[J].金融研究,2010（6）:75-90

[2]刘万里.央行全面放开贷款利率管制[EB/OL].新浪财经：https://www.wendangku.net/doc/8718215794.html,/focus/yhqxdkqzll/，2013

[3]孙立坚.银行可薄利多销了[EB/OL].新浪财经，https://www.wendangku.net/doc/8718215794.html,/review/hgds/20130719/201016185394. shtml,2013

[4]王省欣.非利息收入在银行收入扮演的角色[D].中国台湾高雄大学硕士论文，2010

[5]吴栋，周建平.资本要求和商业银行行为:中国大中型商业银行的实证分析[J].金融研究,2006（8）:144-153

[6]张羽，李黎.非利息收入有利于降低银行风险吗?——

—基于中国银行业的数据[J].南开经济研究,2010（4）: 69-91

[7]张银仓.全球金融危机背景下我国商业银行盈利模式转型问题研究[J].金融理论与实践,2009（6）：56-60

[8]张雪兰.收入多元化能降低银行风险吗?——

—基于中国银行业（2001-2010）的实证研究[J].投资研究,2011（12）:48-60

[9]周开国,李琳.中国商业银行收入结构多元化对银行风险的影响[J].国际金融研究,2011（5）：57-66

[10]周鹏峰.利率市场化一只靴子落地，银行业大变局呼之欲出[N].上海证券报，2013-7-22

[11]Altunbas,Y.,Manganelli,S.and Marques-Ibanez,D.Bank Risk during the Financial Crisis:Do Business Models Matter?[R].ECB Working Paper Series,No.1394,European Central Bank,Frankfurt,2011

[12]Arellano,M.,Bover,O.Another Look at the Instrumental-variable Estimation of Error-components Models[J]. Journal of Econometrics,1995,68：29-52

[13]Baele,L.,Olivier De Jonghe,Rudi Vander Vennet.Does the Stock Market Value Bank Diversification？[J].Journal of Banking and Finance,2007,31:1999-2023

[14]Barry,T.A.,Lepetit,L.and Tarazi,A.Ownership Structure and Risk in Publicly Held and Privately Owned Banks [J].Journal of Banking and Finance,2011,35:1327-1340

[15]Borio,C and P Lowe.Asset Prices,Financial and Monetary Stability:Exploring the Nexus[R].BIS Working Papers, No.114,July2002

[16]Busch,R.and Kick.,T.Income Diversification in the German Banking Industry[Z].Bundes Bank Discussion Paper,No.09/2009

[17]Calmès,C.,Ying Liu.Financial Structure Change and Banking Income:A https://www.wendangku.net/doc/8718215794.html,parison[J].Journal of International Financial Markets,Institutions and Money.2009,9（1）：128-139

[18]Delis,M.D.and Kouretas,G.P.Interest Rates and Bank Risk-taking[J].Journal of Banking and Finance,2011 (28):840-855

[19]Demirgüc-Kunt,A.and Huizinga,H.Bank Activity and Funding Strategies:The Impact on Risk and Returns[J]. Journal of Financial Economics,2010（98）：626-650

[20]De Young,R.,Karin P.Roland.Product Mix and Earnings Volatility at Commercial Banks:Evidence from a Degree of Total Leverage Model[J].Journal of Banking and Finance,2001（1）：54-84

[21]Drehmann,M,C Borio,L Gambacorta,G Jimenez and C Trucharte.Countercyclical Capital Buffers:Exploring Options[Z].BIS Working Papers,No.317,July2010

[22]Eisemann P.C.Diversification and the Congeneric Bank Holding Company[J].Journal of Bank Research,1976，7（1）：68-77

[23]Foos,D.,Norden L.and Weber M.Loan Growth and Riskiness of Banks[J].Journal of Banking and Finance,2010, 34（12）：2929-2940

[24]Hassan,M.K.The Off-balance Sheet Banking Risk of Large https://www.wendangku.net/doc/8718215794.html,mercial Banks[J].Banks.Quarterly Journal of Business and Economics,1993,33（1）：51-69

[25]Jimenéz,G.and Saurina,J.Credit Cycles,Credit Risk,and Prudential Regulation[J].International Journal of Central Banking,2006,2（2）：65-98

[26]Koler,Matthias.Which Banks are More Risky:The Impact of Loan Growth and Business Model on Bank Risk-taking[R].Working Paper,Deutsche Bundes Bank,2012

[27]Kwast,M.L.The Impact of Underwriting and Dealing on Bank Returns and Risks[J].Journal of Banking and Finance,1989,13:101-125

[28]Lepetit,L.,Nys,E.,Rous,P.and Tarazi,A.The Expansion of Services in European Banking:Implications for Loan Pricing and Interest Margins[J].Journal of Banking and Finance,2008（32）：2325-2335

[29]Maddaloni,A.and PeydróJ.L.Bank Risk Taking,Securitization,Supervision,and Low Interest Rates:Evidence from Lending Standards[J].Review of Financial Studies,2011,24（6）：2121-2165

[30]Maudos,J.,Juan Fernández de Guevara.Factors Explaining the Interest Margin in the Banking Sectors of the European Union[J].Journal of Banking and Finance,2004,28（9）：2259-2281

[31]Ogura,Y.Learning from a Rival Bank and Lending Boom[J].Journal of Financial Intermediation,2006,15（4）：535-555

[32]Shleifer,A.and Vishny R.W.Unstable Banking[J].Journal of Financial Economics,2010,97:306-318

[33]Smith,R.,C Staikoura and G.Wood.Non-interest Income and Total Income Stability[R].Bank of England Working Paper No.198,2003

[34]Stiroh,K.J.Diversification in Banking:Is Noninterest Income the Answer[J].Journal of Money,Credit and Banking, 2004,36（5）：853-882

[35]Stiroh,K.J.New Evidence on the Determinants of Bank Risk[J].Journal of Financial Service Research,2006,30（3）：237-263

[36]Stiroh,K.J.and Rumble,A.The Dark Side of Diversification:The Case of US Financial Holding Companies[J]. Journal of Banking and Finance,2006，30：2131-2161

[37]Templeton,W.K.,J.T.Severiens.The Effect of Nonbank Diversification on Bank Holding Company Risk[J]. Quarterly Journal of Business and Economics,1992，31（4）：3-17

Abstract：According to the two ways which Chinese commercial banks take to maintain their profitability after loan interest rate reform,this paper analyzes the risk profile of banking from the views of profit strategies and excessive loan growth by using system GMM and119Chinese commercial banks from1997to2012.The study shows that diversification of bank income can not reduce its risk when its proportion of non-interest income is very low.Further,excessive loan growth could increase bank’s risk.Therefore,commercial banks should be cautious and control risk to develop intermediate business in market-oriented reforms of interest rate.

Keywords：Commercial Bank；Business Model；Loan Growth；System GMM