我国商业银行系统性风险的影响因素分析——基于新金融环境视角

李淑锦，毛小婷

(杭州电子科技大学 经济学院，浙江 杭州310018)

在金融改革的浪潮中，互联网金融异军突起，迅速发展，对传统金融业造成了极大的经营压力与恐慌。其中，电子货币以参与度更高、协作性更好、中间成本更低、操作上更便捷等特点，逐步影响着传统银行。互联网金融模式的出现，给商业银行业带来了巨大的挑战和风险。商业银行要想在这场变革中屹立不倒的关键是正确把握风险和规避风险，因此有必要对商业银行系统风险影响因素进行新的研究。

β 系数作为度量系统风险的重要指标，一直是学术界和实务界关注的焦点。国内外学者对影响系统风险的因素研究中，较为系统的是Rosenberg 和Mckibben(1973)［1］，文中检验发现32 个会计变量与β 系数存在强相关关系，并构造了著名的“罗森伯格系统”，包括市场变动性、盈利变动性、公司经营成功性、成熟性、成长性、财务风险、公司特征和行业特征的指标。该系统将个股的市场特征、公司基本因素和行业性质综合于一个模型中，较好地显示了β 系数的各种影响因素。Chiou 和Robert(2007)［2］研究结果表明，系统风险的决定因素包括收益、销售增长、账面价值、股利、经营杠杆系数、财务杠杆系数、市场回报率和无风险回报率。张强和冯超(2010)［3］采用市场模型测算我国上市银行的系统性风险，结果表明我国银行业系统性风险主要来自行业内部。于蓓(2013)［4］基于时间序列分析表明，我国上市银行系统性风险具有共振性，并深化了系统性风险深度研究的微观基础，但未对上市银行系统性风险与实体经济间的作用机制进行深入探讨。孙嘉琦和吕善利(2011)［5］检验了14 家上市银行2008年的截面数据，研究结果表明:β 系数与核心资本充足率、流通规模呈显著负相关，与不良贷款率、每股经营活动现金流量、每股净资产呈显著正相关，但并未进一步研究宏观因素对银行股β 值的影响，且研究样本数据较少。高国华和潘英丽(2010)［6］采用我国110 家商业银行2000年至2008年的面板数据，实证研究了我国商业银行资本充足率与宏观经济周期的动态关系，结果表明，我国商业银行资本充足率的变动具有顺周期效应。国内外关于电子货币对商业银行的影响主要集中在对货币政策有效性的研究。周光友(2007)［7］、王亮和张磊(2013)［8］通过实证检验认为电子货币的广泛使用大大弱化了货币供给量的可测性、可控性和相关性，降低了我国货币政策中介目标的有效性。

综上所述，商业银行系统性风险的影响因素主要有宏观经济因素(如经济周期、汇率、通货膨胀等)和银行的基本特征(如银行的经营规模、财务结构等)。大部分国内外的学者们只针对单方面因素进行研究，也没有学者在目前互联网金融迅速发展的新金融环境下研究商业银行系统性风险的影响因素。因此，本文以我国上市商业银行为研究对象，实证检验了电子货币使用率对商业银行风险的影响，并提出商业银行规避系统性风险的新举措。

一、商业银行系统性风险的影响因素

系统性风险是指在一系列相关的机构和市场构成的系统中因某个事件的发生而引起的一系列连环损失的可能性。银行系统性风险是银行系统性危机发生的可能性，而银行系统性危机是对金融市场的严重破坏，损坏了市场的基本功能，进而使经济遭受破坏。系统性风险无法通过投资组合进行分散，风险的溢出和传染是系统性风险发生时最为典型的特征。影响商业银行系统性风险的因素主要有宏观因素和微观因素两大类;在互联网金融迅速发展的今天，还应该考虑电子货币的使用产生的影响。

(一)宏观因素

1．经济环境因素。经济环境因素是影响商业银行系统性风险的重要指标。在经济复苏和繁荣时期，社会对资金的需求量加剧，投资需求旺盛，企业的盈利能力增强，银行的系统性风险减小;反过来，在经济萧条、特别是经济危机时，社会对资金的需求严重不足，整个社会活动处于停滞不前甚至于萎缩和倒退状态，企业的盈利能力下降，商业银行的坏账率增加，银行的系统性风险在加剧。本文以GDP 的增长率作为经济环境因素。

2．汇率因素。非本币投资业务是商业银行的重要的资产业务之一。汇率风险是非本币投资业务在兑换成本币时所面临的风险。2005年以来我国实施浮动汇率制度，汇率的波动直接影响商业银行的盈利能力，外币的币值波动很容易给上市银行带来系统性风险。本文选择直接标价法下的人民币实际有效汇率指数作为汇率因素。

(二)微观因素

微观因素是指商业银行自身的因素。依据国内外关于商业银行系统性风险影响因素分析，本文选择以下微观因素来分析我国上市商业银行的系统性风险:

1．银行经营规模。根据资本结构理论，规模较大的银行，经营也会更加多元化，其抗风险的能力也会越强;而规模小的银行，其经营的不确定性也比较大，抗风险的能力比较弱。因此，规模越大、历史越悠久的商业银行，其系统风险越小。

2．盈利性。银行的盈利能力越强，则其抗风险的能力也越高，因此商业银行面临的系统性风险将减弱。本文选取利息收入增长率和每股经营现金流量来衡量银行盈利性。

3．资产结构。商业银行的资产业务主要是贷款。不良贷款率反映贷款的质量，不良贷款率越高，银行风险越大;贷款增长率是反映贷款余额的指标，贷款增长率过高，也会加大银行的系统性风险。本文选取不良贷款率和贷款增长率两个指标来衡量银行的资产结构。

4．流动性。商业银行的流动性越强，则其系统性风险越低。存贷比是反映商业银行流动性的一个重要指标，是商业银行的贷款余额与同期存款余额的比值。存贷比越高，意味着银行运用资金水平越高，流动性风险随之加大，银行的系统性风险增高。

(三)电子货币使用率

金融行业网络发展迅速，使得投资理财等项目均可在网上实现，大大节约了交易成本。互联网金融的悄然发展，使得新的支付方式迅速兴起，异地支付、手机银行以及电子商务的迅速发展，加速了“无钱包”支付时代的到来。

电子货币有广义和狭义之分，本文所指的电子货币是狭义的电子货币。1998年8月，欧洲中央银行发布《电子货币》报告，对狭义的电子货币提出了解释:在技术设备中以电子方式存贮的货币价值，它作为储存预付值的支付工具，不必经过银行账户，被广泛用于向除电子货币发行人以外的其他人的支付。值得注意的是，概念中排除了单一用途的预付值卡，即所谓的封闭系统的储存卡，如电话卡、公交卡等。这是因为这种卡对消费者及整个金融体系来说风险很小而且影响也很小。电子货币的使用在一定程度上对现金有替代效应，进而降低了银行的现金漏损率，银行的流动性风险降低，提高了商业银行的预期盈利能力，从而降低了商业银行的系统性风险。因此，本文选择银行卡年末消费总额与社会消费品零售总额的比值作为电子货币使用率的指标。

表1 列出了本文选择的各个指标、指标的计算公式以及各个指标对商业银行系统性风险的预期影响。

表1 商业银行系统性风险的影响因素及其预期

二、模型构建与样本选取

(一)模型构建

通过以上分析，基于罗森伯格系统模型，建立如下模型用于检验商业银行系统性风险的影响因素:

其中下标i 表示样本银行，t 表示时间，β 表示银行系统性风险度量值、X1 到X9 的具体含义见表1。

(二)样本选取和数据来源

目前我国已上市的商业银行有16 家，由于农业银行与光大银行上市较晚，考虑到数据的可获得性，故选取上述14 家上市银行作为样本。

表2 样本的描述性统计值

本文所用数据包含样本银行股票和其各个指标的数据，样本股票考察时间段为2007年1月1日至2013年12月31日，所用数据均来自和讯网和中国金融统计年鉴。为了进一步分析各个变量的变化情况，对样本数据做了描述性统计分析，具体见表2。

从表2 可以看出，电子货币使用率最大值为44.4%，最小值为21.9%，均值为34.28%，说明电子货币使用率较高，平均接近35%，而且各银行间波动不是很大;而从其他变量来看，样本银行之间的差距较大，这可能由各个银行自身特征决定的。

(三)商业银行系统性风险值β 系数的计算

估算β 系数的模型主要有两种:基于资本资产定价模型(CAPM)的证券市场线和市场模型(单一指数模型)。考虑到我国金融市场的实际状况很难满足CAPM 完全市场假设条件，因此选择更符合现实情况的单一指数模型来估算商业银行的β 值。

市场模型指某一种证券的收益率和市场指数的收益率的相关关系:

其中，Ri为第i 个样本银行股票的收益率;Rm为市场指数的收益率;αi为股票收益率中独立于市场的部分;βi为样本银行i 的系统风险系数;εi为随机误差，满足条件:

E(εi)=0，COV(εi，εj)=0，i ≠j

本文所用测算商业银行系统性风险的数据包含样本银行股票和市场指数的周收益率。β 系数实证研究的时间跨度一般需5年左右，所以选取样本股票考察时间段也为2007年1月1日至2013年12月31日，共7年时间;在估计我国上市商业银行的β 值时需要使用具有代表性和稳定性的市场收益率，本文选择上证A 股指数作为计算市场收益率的指标。所用数据均来自和讯网和中国金融统计年鉴。利用公式(2)计算可知，全部样本的系统性风险的均值为0.701，低于市场风险，标准差为10.4%，说明样本银行系统性风险的差距不大。

三、实证检验

(一)平稳性与协整检验

在进行面板数据分析之前，为了避免伪回归，确保估计结果的有效性，必须对面板序列的平稳性进行检验。单位根检验的方法主要有LLC 检验、IPS 检验和ADF 检验、PP 检验，如果检验中均拒绝存在单位根的原假设，则此序列是平稳的，反之则不平稳。

表3 单位根检验结果

由表3 可知，在5%的显著性水平下，除银行经营规模X7 外，各个变量均通过了同根单位根检验和不同根单位根检验，而对X7 进行一阶差分后则通过了单位根检验。再对面板数据进行协整检验，判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。

协整检验的原假设:变量回归后的残差是非平稳序列。本文采用的是Kao 方法，检验结果见表4。

表4 KAO 协整检验结果

由表4 知，通过了协整检验，说明变量之间存在着长期稳定的均衡关系，其方程回归残差是平稳的，因此可以对原方程进行回归分析。

(二)面板模型的选择与回归

首先采用协方差检验决定是选用混合估计模型还是个体固定效应模型。经过检验，知:SSEr=0.504 7;SSEu=0.292 7。

由于F 统计量为:F=［(SSEr－SSEu)/(T+k－2)］/［SSEu/(NT－T－k)］，所以当置信水平为1%时，F=5.89＞F0.01(9，73)=2.1 拒绝原假设，即拒绝混合估计模型。

然后用Hausman 检验确定应该建立随机效应模型还是固定效应模型。运用EVIEWS 软件操作，结果如下表5。

表5 Hausman 检验

表5 显示，Hausman Test 的结论是拒绝原假设，即模型服从固定效应模型。利用固定效应模型，具体的回归结果见表6。

表6 回归结果(一)

回归分析显示，拟合程度指标R2=0.732 5，调整R2=0.607 3。从回归结果一可以看出，除GDP 增长率X2、银行经营规模X7 和不良贷款率X8 外变量都是显著的，但是从相关性分析仍具有一定的参考性:GDP 增长率X2、不良贷款率X8 与银行系统风险具有正相关关系，即不良贷款率越高，银行系统风险就越大，这与预期是一致的;GDP 增长率的增大增加了银行的系统性风险，与预期影响不一致，也许与数据选择的时间段有关;银行经营规模X7 与银行系统风险具有负相关关系，即银行经营规模越大，银行系统风险就越小，这与预期是一致的。为了更好地研究各变量对银行系统风险的影响，剔除X2、X7 和X8 后，再次回归得到结果如表7。

表7 回归结果(二)

回归分析结果显示，拟合程度指标R2=0.791 6，调整R2=0.716 8。F 值和相伴概率分别为10.592和0.000，所有变量在1%的置信水平下均通过了显著性检验，这说明模型的拟合效果比较好。DW 值为2.39，说明模型中基本不存在自相关性。

四、结论与建议

(一)实证分析结论

从实证结果来看，商业银行的系统性风险与电子货币使用率、贷款增长率和存贷比存在显著地负相关关系。银行系统风险与利息收益、每股经营现金流量和汇率存在显著地正相关关系。影响银行系统风险的因素主要有宏观因素、微观因素以及电子货币使用率这一新金融环境下衍生出来的新指标，具体分析如下:

1．宏观因素

汇率因素在1%的水平下显著，而且回归系数符号为正，与预期结果一致。外汇资本金作为我国商业银行资本金的重要组成，其来源可分为:一是通过境外股票市场，公开发行上市募集的外汇资金;二是通过境外的战略投资者认购股权形成的外汇资本金;三是通过国家外汇储备注资方式形成的外汇资本金。人民币汇率波动直接影响银行的外汇资本金折算成人民币资本数额。因此，人民币若出现较大幅度的升值，则商业银行的总资本金数额可能会发生较大缩水，这无疑会对商业银行的资本充足率水平和经营绩效的影响是十分不利的。

2．微观因素

资产结构变量在1%的水平上显著，而且回归系数符号为正，与预期结果一致，贷款增长率越高，不良贷款总额越多，银行面临的风险也就越大。

流动性变量在1%的水平上显著，而且回归系数符号为负，与预期结果不一致，主要是因为影响银行存贷比增加的原因并不一定是贷款总额的增长，而是吸收存款总额的减少。这也反映了互联网金融环境下，网络银行和第三方支付平台等机构对商业银行存款分流产生了显著的影响，进而影响银行系统风险。

盈利性变量在1%的水平上显著，而且回归系数符号为正，与预期结果一致。高收益必然带来高风险，这说明风险与收益是对立统一的，银行在经营的过程中不可一味的追求高收益而忽略了风险的存在。

3．电子货币使用率

由实证结果知，电子货币使用率与银行风险的回归系数为－0.011，且在1%的水平上显著，说明电子货币使用率与β 值之间具有较高的显著性，电子货币使用率每提高1%，银行系统风险系数β 值降低1.1%，与预期结果一致。电子货币使用率越高，银行系统风险就越小。互联网金融模式下的电子货币作为一种创新工具，其出现改变了大众以往的消费习惯，随着电子货币使用率的提升，有利于降低银行系统风险。正如前面分析，电子货币的使用在一定程度上替代了现金，降低了现金漏损率，这也给商业银行如何防范系统风险提供了新思路。

(二)建议

互联网金融发展对商业银行来说是把一双刃剑，一方面为商业银行带来了服务创新，提供了更广阔的平台;另一方面，非金融机构加入互联网金融阵营的步伐，加剧了市场竞争，对商业银行的业务产生一定的冲击。为了应对互联网金融的冲击，防范银行系统风险，商业银行应积极利用互联网金融技术，创新服务模式，以提高电子货币使用率来规避银行系统风险，缓解存款分流的劣势并获得新的发展。根据以上分析，本文从以下几个方面提出防范商业银行系统性风险的建议:

第一，商业银行应充分利用抢占电子货币使用率的方式来有效防范银行系统风险。从本文的实证结果来看，在互联网新环境下的电子货币的使用对商业银行系统风险具有十分重要的影响，因此，商业银行应加大与电商平台及第三方支付企业的合作，扩大自身在支付结算上的覆盖领域，拓宽资金运用渠道，提高资金运用效率，扩大经营范围的多元化，提高抗风险能力;银行应不断加强对信息技术的投入，发展电子银行、自建电子商务平台，扩展线上服务范围等，满足客户需求，稳住现有客户，吸引流失客户。在互联网新环境下，商业银行要充分认识到电子货币的重要性，利用抢占电子货币使用率的方式来有效防范银行系统风险。

第二，商业银行应创新服务模式，加大产品创新以满足用户不同需求。由于互联网金融环境下，网络银行和第三支付平台等机构对商业银行存款的分流影响银行存贷比，进而影响到商业银行系统风险。因此，商业银行应积极应对互联网金融冲击，创新服务模式和创新金融产品，满足用户不同需求，吸引流失的存款，减少对商业银行系统风险的负面影响。

第三，优化资产结构，完善风险防范机制。降低商业银行不良贷款率、控制贷款增长率的过快增长可以有效地减少对银行经营的影响，增加商业银行的安全性，防范商业银行系统性风险。可以正确使用金融期权、金融期货和金融互换等金融衍生工具，减少银行经营和资金运用的风险，这将有利于优化商业银行的资产结构、完善其风险防范机制

最后，商业银行系统风险还与汇率波动息息相关，因此，在当前金融全球一体化的时代，商业银行时刻关注并积极应对汇率变动带来的风险，完善风险预警机制，降低汇率波动给商业银行带来的威胁。

［1］Rosenberg Bar，Mckibben Walt．The Prediction of Systematic and Specific Risk in Common Stocks［J］．Journal of Financial and Quantitative Analysis，1973，8(2):317－333．

［2］Chei Chang Chiou，Robert K Su．On the Relation of Systematic Risk and Accounting Variables［J］．Managerial Finance，2007，33(8):517－533．

［3］张强，冯超．我国上市银行系统性风险实证研究［N］．中国城乡金融报，2010－12－31(3)．

［4］于蓓．基于时间序列分析的我国上市银行系统性风险研究［D］．西安:西安财经大学，2013．

［5］孙嘉琦，吕善利．上市银行β 系数与财务变量相关性的实证研究［J］．中国农业银行武汉培训学院学报，2011(2):30－33．

［6］高国华，潘英丽．我国商业银行资本充足率顺周期效应研究［J］．经济与管理研究，2010(12):82－89．

［7］周光友．电子货币发展对货币乘数影响的实证研究［J］．数量经济技术经济研究，2007，24(5):98－107．

［8］王亮，张磊．电子货币对我国货币政策中介目标有效性的影响［J］．现代管理科学，2013(5):60－62．