商业银行信贷风险与技术进步

蔡章荔

（重庆大学经济与工商管理学院，重庆 400030）

引言

近年来，国民经济取得了蓬勃的发展。银行业作为我国经济体系的重要组成部分，与国家经济发展水平息息相关。如今银行业不良贷款率再逼警戒线，银行风险管理能否跟得上其规模和盈利的迅猛增长？银行风险管理效率究竟是由技术驱动还是要素投入决定？不同银行的风控效率是否存在明显差异？这些都是目前业界和学界探讨的焦点。Malmquist－Luenberger生产率指数测度了2004—2009年中国商业银行在不良贷款约束下的全要素生产率，也得到了类似的结论。

一、文献综述

银行绩效的评估方法有很多，Sherman and Gold（1985）最早将DEA方法运用到银行效率测度方面。国内学者杨大强、张爱武（2007）、王健（2011）等都运用DEA方法对中国主要商业银行效率和生产率进行评价。近年来，越来越多的学者将研究重心放在不良贷款对银行效率和生产率的影响。Chambers，Chung和Fare（1997）最先提出了可以同时考虑好产出和“坏”产出的Malmquist－Luenberger生产率指数。国内学者柯孔林和冯宗宪（2008）引入不良贷款作为“坏”的产出，利用Malmquist－Luenberger指数分析了中国银行业全要素生产率跨期动态变化，证明商业银行全要素增长率的增长主要来自于技术进步。王兵和朱宁（2011）利用共同边界

二、实证研究

1.样本的确定。本文选取2005—2016年中国16家上市商业银行作为研究对象。样本囊括了国内大多数有影响力的商业银行，基本能代表中国银行业的整体情况。本文所有数据来自于各银行年报和Wind数据库。

2.变量选择与说明。在投入和产出指标的选择上，考虑到商业银行以营利为经营目的的同时充当着资源配置过程中的中介地位，故本文将“生产法”与“中介法”相结合，选择加权风险资产净额、存款、管理费用作为投入指标。期望产出指标选择利息收入，体现了商业银行借贷业务利润增长的主要来源。非期望产出指标选择不良贷款余额，代表了银行业信贷风险的大小。

3.实证结果。本文用Maxdea软件，以商业银行投入产出数据为基础，对2005—2016年我国16家上市商业银行的效率进行研究，测算全域Malmquist-Luenberger指数并将其分解，得到商业银行GML全要素生产率及其纯技术效率、规模效率、技术的变动情况，结果（如下表所示）。

2015—2016我国商业银行全要素生产率变化趋势

续表

从整体上来看，不良贷款约束下，我国商业银行全要素生产率年均增长1.8%，长期呈改进趋势。进一步将全要素增长率分解为纯技术效率指数、规模效率指数和技术变化指数，发现商业银行纯技术效率和规模效率一直在1周围变动，即长期以来，我国商业银行技术效率并没有很明显的变化，而技术进步与全要素生产率的变动趋势具有很强的一致性，由此可以推断我国商业银行全要素生产率的增长主要来源于技术进步。

在这里我们进一步分析技术变动的内在原因。2008年之前以计算机为代表的信息技术革命推动了银行业务多元化和以信用衍生品为代表的金融创新工具的发展，推动了技术进步，也拉动了银行全要素生产率的增长。但与此同时，风险也在不断增加。2008年次贷危机爆发，全球金融危机逐步蔓延至实体经济，银行没有多余资金作为技术投入，不少研发部门的技术人员面临失业，使生产前沿面内陷，全要素生产率大幅下降。2009年之后，随着全球经济的日益复苏和对技术的不断投入，银行全要素生产率的增长也开始出现回升的迹象。而从2014年起，数据显示整体技术水平出现了退步，原因可能来自宏观经济形势、政府部门出台的各种调控政策和监管措施，即为了防止快速发展的互联网金融成为二次次贷危机的导火索，银监会对商业银行的信贷业务进行总量控制，导致投入的增长速度超过“好”产出的增长速度，造成生产前沿面整体内移。

三、结论及政策启示

本文分析发现，在投入产出双导向下，在不良贷款约束下，我国上市商业银行2005—2016年全要素生产率总体呈上升趋势。商业银行全要素生产率的增长主要是源于技术进步，而技术进步又受风险变化和政策监管影响，其影响机制为：政策监管和风险变化共同作用于生产前沿面的移动→技术进步→全要素生产率。因此，要提高商业银行的全要素生产率，首先要促进技术进步。虽然现有技术的使用效率和规模效率的大小在全要素生产率的构成中占有一定比重，但技术进步才是全要素生产率变动的最主要驱动因素。因此，只有促动技术进步，才能更有效地提高中国银行业的效率，增强其国际竞争力。