资本充足率与中国商业银行风险的实证分析

桂叶

摘要：本文使用中国银行业33家商业银行2004年-2011年的数据对资本充足率和银行风险的关系进行实证检验，实证结果表明资本充足率要求能够有效控制银行风险。此外，本文也证实了银行规模和市场竞争与银行风险存在反向关系，但是非利息收入的增加会增加银行风险。

关键词：资本充足率；核心资本充足率；银行风险

一、引言

资本充足率管制在上世纪70年代银行业放松规制背景下，成为世界各国主要的银行监管形式，并在1988年《巴塞尔协议》中确立了其在风险管理中的核心地位。中国银监会颁布的《商业银行资本充足率管理办法》（以下简称《办法》）规定商业银行资本充足率不得低于8%，核心资本充足率不得低于4%，这确立了资本充足率在银行风险管理的核心地位。

但是对于资本充足率监管能否降低银行风险，学者们存在较大的分歧。有些学者认为资本充足率监管不仅不能够有效降低银行风险，反而可能会提高银行风险。Koehn & Santomero（1980）通过均值方差模型进行研究，表明对资本要求的增加会导致更高的投资组合风险以及更高的失败概率。Shrieves & Dahl（1992）应用联立方程模型和局部调整模型，发现资本比率的增加会提高资产的风险水平。Jacques & Nigro（1997）应用Shrieves & Dahl（1992）的联立方程模型和局部调整模型，结果表明资本要求可以有效增加银行资本比率以及降低投资组合风险。Milne & Whalley（2011）的研究也表明资本充足率监管能够有效降低银行风险水平。

国内的研究主要有：黄宪等（2005）建立单期模型进行了分析，结果发现资本充足率监管与银行的信贷风险偏好及选择之间存在密切的关系。张宗益等（2008）发现银行资本变动与风险变动之间存在显著的负相关关系。曹素娟（2012）发现资本变得和风险变动仅存在弱负相关关系；此外，杨光美和贺光宇（2012）的研究表明资本充足率管制能够降低银行外部风险，增强银行内部稳定性。

本文基于前人的研究，使用中国银行业33家商业银行 2004年-2011年的数据，实证检验资本充足率监管对银行风险的影响，分析《办法》颁布后，中国资本充足率管制的实际效果。本文研究分为四部分：第一部分介绍研究背景和现有文献；第二部分介绍本文研究的模型、变量和数据来源；第三部分对回归结果进行分析；第四部分对全文进行总结。

二、研究模型与数据来源

（一）研究模型

本文拟构建以下模型以检验中国银行业资本充足率管制对商业银行风险的影响，在模型中即考虑了资本约束的影响，也考虑了银行的自身因素，还考虑了市场竞争和经济发展状况等市场环境的影响。

（二）变量设计

（1）被解释变量

对于银行风险变量，学者们存在多种指标来度量，总结起来主要有以下几种：不良贷款率、Z值、风险加权资产比例、收益波动率和杠杆率。本文根据数据的可得性，选择了不良贷款率、Z值和杠杆率来衡量银行风险。其中不良贷款率一般用来衡量信用风险，因为对于商业银行而言，信用风险是主要风险，这是大多数学者的选择。Z值通常用来衡量银行的稳定性，其计算公式为资产收益率与权益比率之和除以资产收益率的方差。Z值越大，银行越稳定，持续运作能力越强，破产清算风险越小。杠杆率为银行自有资本与总资本之比，该值越大，表明银行对借入资本的保障越强，风险越小。

（2）解释变量

本文使用资本充足率CAR和核心资本充足率，即一级资本充足率CCAR作为解释变量。从理论上看，资本充足率可以对商业银行的风险承担具有一定约束，它可以增加商业银行的稳定性，所以通常认为资本充足率和商业银行风险存在负相关关系。

（3）控制变量

银行的规模是影响其风险的重要因素之一，由于存在网络外部性的效应，存款人往往比较信任大银行，本文以各银行总资产的自然对数LNASS表示银行规模。银行的盈利能力也是影响其风险的重要因素之一。本文用ROA来衡量银行的盈利能力，该指标越大，表明资产的利用效率越高。此外，该指标越大，表明银行拥有更多的未分配利润补充核心资本，提高银行的资本充足率。当前许多银行增加非利息收入以图在资本约束下获取更高的收益，但是有研究表明，非利息收入的提升会提高银行的风险程度水平。贷款损失准备可以降低风险资产的名义额，因此贷款损失准备对银行的风险存在一定影响，本文使用贷款损失准备率来衡量这方面的影响。

市场竞争状况也会对商业银行风险产生重要影响，对于这方面的影响，存在两个相对立的假说，分别为“竞争稳定假说”和“竞争脆弱假说”，本文以CR4①和HHI指数表示中国银行业的竞争状况。宏观经济环境对银行风险存在重要影响，经济发展状况越好，整个经济环境的风险越小，那么银行业的风险也就越低。本文使用以1990年为基期计算的不变价格GDP反映经济发展水平，在回归中将其取自然对数。

（三）数据来源

本文选取2004年-2011年中国33家银行进行研究。这33家银行可分为四种类型，第一类为大型商业银行，包括中国工商银行、中国建设银行、中国农业银行、中国银行、交通银行等，共5家；第二类为股份制商业银行，包括招商银行、上海浦东发展银行、深圳发展银行、兴业银行、中国民生银行、中信银行、中国光大银行、华夏银行、恒丰银行、浙商银行和渤海银行等共11家；第三类为城市商业银行，包括北京银行、大连银行、重庆银行、宁波银行、上海银行、杭州银行、徽商银行、成都银行、汉口银行、东莞银行、南昌银行、青岛银行、齐鲁银行、福建海峡银行和南京银行共15家；第四类为合资银行，包括平安银行和厦门国际银行2家银行。所选样本银行种类，基本涵盖了中国商业银行各种类型，且在市场份额上达到八成以上，从而本文的样本基本上能够反映中国商业银行的整体状况。

本文所使用的数据可分为银行特征数据和宏观环境数据，其中银行特征数据主要来源于Bankscope数据库、《中国金融统计年鉴》以及上市银行历年年报、银行网站，宏观经济数据主要来源于《中国统计年鉴》和中国银监会网站。

从主要变量的描述性统计分析可以看出，在研究期间内，样本银行的不良贷款率NPL维持在较低的水平，但是存在较大的差异，最大值高达30.22%，而最小值仅为汉口银行在2011年的0.01%。杠杆率和Z值同样表现出较大的差异，且最小值为负值，出现负值的原因是2004年工商银行的净资产为负值，本文在回归中将该值剔除。资本充足率和核心资本充足率都保持比较高的水平，但也表出现比较大的差异，最大值来自于渤海银行，该行于2006年正式对外营业，因此其在这两项指标中表现出异常值。最小值均出现于2004年，但同年中国银监会发布《办法》之后，各行的资本充足率和核心资本充足率均得到较大的提高。本文对与市场集中度采用了CR4和HHI两种指标，且两种指标都从总资产、总贷款和总存款三个角度进行衡量。

三、实证结果分析

根据上文对研究模型和变量设计的描述，本文构建以下实证模型：

其中风险变量risk分别由NPL、EA和ZSCORE表示，comp由HHI和CR4表示。本文使用固定效应面板数据模型进行回归，由于本文的截面个数大于时间序列个数，因此本文采用截面加权估计法（Cross-SectionWeights，CSW）。在估计的过程，具体可以分为6个模型，分别是从资本充足率CAR角度和核心资本充足率CCAR角度对NPL、EA和Z值的影响。在回归的过程中发现，基于不同角度的CR4和HHI对CAR和CCAR的影响相当，因此为简化描述，本文仅使用基于资产角度的HHI表示市场竞争。

从模型回归结果看，6个模型的整体回归结果较好。调整后的R2均在0.6以上，表明模型的拟合优度较高，所选择的因素对被解释变量的解释能力较强。从整体建模的角度而言，F统计量较高，说明回归方程高度显著，模型拟合的整体效果较好。就解释变量和控制变量的显著性而言，除了资本报酬率ROA在模型1、模型2、模型5和模型6，以及市场集中度HHI在模型1和模型2不显著之外，其余变量在各模型均显著，且大都在1%的显著水平下显著。

回归结果显示，资本充足率和核心资本充足率与不良贷款率NPL呈负相关关系，与杠杆率EA和Z值呈正相关关系，且除了在模型2在5%显著水平下显著之外，其余都在1%的显著水平下统计显著。需要指出的是，不良贷款率是不良贷款与银行净贷款之间的比率，该值越高表明不良贷款所占的比重越大，银行面临的信用风险越大。而杠杆率EA和Z值则相反，EA越大说明银行自有资本所占的比重越高，借入资本越有保障，银行所面临的风险越低，Z值越大说明银行越稳定，持续运作能力越强，所面临的风险越小。资本充足率和核心资本充足率与不良贷款负相关，说明银行的资本充足率和核心资本充足率越高，银行的不良贷款率越低，那么银行所面临的信用风险越低，从而说明资本充足率约束可以有效降低银行所面临的风险。从杠杆率EA和Z值也可以得出这一结论，资本充足率和核心资本充足率均与杠杆率EA和Z值呈正相关关系，说明银行资本充足率越高，银行越稳定，其所面临的风险越低。这点与杨光美和贺光宇（2012）的研究发现相一致。

银行规模的代理变量资产的自然对数LNASS与不良贷款率NPL负相关，与杠杆率EA和Z值正相关，且在统计上显著。这说明商业银行规模与银行的风险存在显著的关系，银行规模越大，银行在经营中越谨慎稳重，也更加有能力控制风险，从而其所面临的风险也就越小。

银行盈利能力的代理变量ROA在模型1与不良贷款率正相关，在模型2与不良贷款率负相关，在其余模型与杠杆率EA和Z值负相关，但是除了模型3和模型4之外，其余模型均在统计上不显著。从理论上讲，银行的盈利能力越高，表明其运作效率越高，资产得到充分有效地利用，且银行具有更多的留存收益补充自有资本，那么银行抵御风险的能力应该越强。模型的回归结果并不支持这一论点，这可能说明银行更高的收益来自于银行承担更高的风险所致。

非利息收入的代理变量LNNII与不良贷款率正相关，且在10%的显著水平下统计显著，与杠杆率EA和Z值负相关，且在1%的显著水平的统计显著。模型回归结果说明商业银行非利息收入的增加会提高银行的风险。由于《巴塞尔协议》对非利息收入的资本约束较低，使得银行争相开展各式金融创新，提高非利息收入在利润构成的比例，但是这部分收入的提高往往伴随着更高的风险。贷款损失准备率的代理变量REVL与不良贷款率正相关，与杠杆率和Z值负相关，且均在1%的显著水平下统计显著，说明贷款损失准备率的提升会增加银行面临的风险。

市场集中度的代理指标HHI与不良贷款率、杠杆率EA和Z值均呈负相关，但是模型1 和模型2均在统计上不显著。从杠杆率EA和Z值的回归结果来看，随着市场集中度的上升，即竞争减弱，银行的杠杆率EA和Z值将下降，银行所面临的风险将上升，银行的稳定性下降。这说明银行市场竞争与银行稳定存在正向关系，竞争越激烈，银行越稳定，这可能是由于在面临更加激烈的竞争时，银行采取更加谨慎的行为。

宏观经济发展状况的代理变量LNGDP与不良贷款率NPL呈负相关关系，与杠杆率EA和Z值呈正相关关系，且都在1%的显著水平下统计显著。这说明宏观经济状况对银行风险存在较大的影响，经济发展水平越高，银行所面临的风险越小，银行经营更加稳定。

四、结论

传统的理论认为，由于银行和银行的存款人之间存在信息不对称，存款人无法知悉银行的资金投向，从而银行可以通过降低自有资本在资产的比例不断扩大经营规模，但是这却降低了银行自有资本对借入资本的保障，增加了资产风险，并提高了银行的破产机率。因此，银行监管部门设定资本充足率要求，希望藉此来控制银行风险。但是对于资本充足是否能够有效控制银行风险，学者们存在较大的分歧。

本文使用中国银行业2004年-2011年33家商业银行的相关数据，对中国商业银行资本充足率和银行风险之间的关系进行实证检验，实证分析结果表明资本充足率对银行风险存在显著影响，资本充足率能够有效降低银行的不良贷款率，提高银行杠杆率，从而能够有效控制银行的信用风险、破产清偿风险，以及银行的整体风险。实证分析结果充分肯定了《巴塞尔协议》的资本充足管制，也支持了中国银监会《商业银行资本充足率管理办法》。此外，本文的实证分析还证实了银行规模对银行风险存在显著影响，银行规模越大，其所面临的风险越小。而非利息收入的增加却会降低银行的不稳定性，提高银行风险。至于市场竞争的影响，本文的实证分析表明市场竞争能够降低风险，提高银行稳定。

参考文献：

[1]Jacques， K.， and P. Nigro. Risk-Based Capital， Portfolio Risk， and Bank Capital： A Simultaneous Equations Approach. Journal of Economics and Business，1997（ 49）：533–547.

[2]Koehn， M. and A. M. Santomero .Regulation of Bank Capital and Portfolio Risk. Journal of Finance，1980（35）：1235–1244.

[3]Milne， A. and A.E. Whalley .Bank Capital and Risk–Taking. Mimeo， Bank of England，2011.

[4]Shrieves， R. E.， and D. Dahl. The Relationship Between Risk and Capital in Commercial Banks. Journal of Banking and Finance，1992（16） ：439–457.

[5]曹素娟. 市场竞争、资本约束与银行风险承担行为调整[J]. 投资研究，2012（6）.

[6]黄宪，马理，代军勋. 资本充足率监管下银行信贷风险偏好与选择分析[J]. 金融研究，2005，（7）.

[7]杨光美，贺光宇. 基于资本充足率要求的我国商业银行风险控制有效性研究[J]. 税务与经济，2012，（3）.

[8]张宗益，吴俊，刘琼芳. 资本充足率监管对银行风险行为的影响[J]. 系统工程理论与实践，2008（8）.

注释：

① 由于中国工商银行、中国建设银行、中国银行和中国农业银行等四家银行与其他银行的市场份额存在较大差异，因此本文选用CR4。