中国银行业市场结构、效率与绩效关系研究——以20家商业银行为例

高建刚，杨娜 （聊城大学，山东聊城252059）

于良春和鞠源（1999）①最先运用产业组织的相关理论对银行业的市场结构、行为和绩效进行实证分析，并提出了关于银行业组织体系与管制制度的改进措施。本文选取2008-2017年20家商业银行的最新数据，运用产业组织的相关理论，对银行业的市场结构、效率与绩效之间的关系进行实证分析，并验证市场力假说与效率结构假说是否成立。

一、市场结构

市场结构能够很好地反映银行业市场的垄断与竞争程度。本文借鉴赵金洁（2016）②，张芳（2012）③，黄隽、李慧和徐俊杰（2010）④等人的研究，选取市场份额，市场集中度和赫芬达尔-赫希曼指数对银行业的市场结构进行分析。

（一）市场份额

市场份额是指某个银行的存款、资产、利润等占相应的银行业市场总额的比重。本文通过存款比率、贷款比率和总资产比率来分析银行业金融机构的市场份额。

表1 主要类型银行的市场份额占比

从表1中可以看出，20家商业银行在资产、存款和贷款方面所占的比重是逐渐下降的，资产从2008年的70.47%下降到2017年的59.41%，存款从2008年的73.45%下降到2017年的59.27%，贷款的变动幅度较小，从2008年的66.42%下降到2017年62.62%，说明银行业的竞争程度不断提高，垄断程度不断下降。2008-2017年各类银行在资产、存款和贷款方面的变化趋势基本是一致的：总体上国有大型商业银行所占的市场份额呈现逐年递减的趋势，而股份制商业银行和城市商业银行的市场份额呈现逐年递增的趋势，说明国有大型商业银行的市场竞争力下降，寡头垄断程度遭到破坏，股份制商业银行和城市商业银行的竞争力提高。但从各种类型的商业银行所占的市场份额来看，现阶段国有大型商业银行在整个银行业中仍处于重要的地位。

（二）市场集中度

市场集中度是最常用的衡量市场竞争性和垄断性的指标。银行业的市场集中度是指规模最大的前几家银行的有关数值（资产、负债、存款、贷款、营业收入、净利润、职工人数等）占整个银行业的比重，计算公式为其中N为银行业金融机构数，n则视情况而定。⑤本文将选取资产、存款和贷款三个指标，同时按照国际通用标准，选取n=4和n=8来测算银行业的CR4和CR8。

相关测算结果如图1和图2所示。从图中可以看出，CR4和CR8所呈现的变化趋势相同，向右下方倾斜，CR4和CR8的值不断降低，说明银行业的垄断程度不断降低，竞争程度不断提高，同时在本文的研究时间段内，中国前四大银行在资产、存款和贷款方面的市场集中度平均值达到42%以上，前八大银行的市场集中度平均值达到53%以上，这说明虽然银行业的垄断程度不断下降，但仍处于较高的水平。根据贝恩对产业垄断和竞争的分类，可以得出当前中国银行业的市场结构类型属于中下集中寡占型。

图1 中国银行业的市场集中度CR4

图2 中国银行业的市场集中度CR8

（三）赫芬达尔—赫希曼指数

市场集中度存在一定的缺陷，不能反映中小银行的分布情况和最大前几家银行的相对规模和比例。赫芬达尔—赫希曼指数克服了市场集中度的不足，能够较好地反映其他银行的分布情况和银行市场份额的变化。

赫芬达尔—赫希曼指数是指银行业内所有银行市场份额的平方和，计算公式为其中X为银行业市场总规模，Xi为各个银行的相关数值为某个银行的市场份额，n为银行业的银行总数。当市场上有规模相同的企业，市场处于完全竞争状态时，HHI趋向于0，当市场处于完全垄断状态时，HHI趋向于1。从表2中可以看出资产、存款和贷款的HHI指数总体上呈现不断降低的趋势。从2008年到2017年，资产的HHI指数下降了46.87%，存款的HHI指数下降了47.54%，贷款的HHI指数降低了24.21%。这与通过市场集中度计算的CR4和CR8的结论一致，中国银行业的垄断程度不断降低，竞争程度不断提高。

表2 中国银行业的赫芬达尔-赫希曼指数

二、含不良贷款的银行效率

自20世纪90年代以来，国内外学者开始对银行效率进行研究，国外的学者，如Park and Weber（2006）⑥，Shu and Strassmann（2005）⑦，Pasiouras（2008）⑧等人主要对全要素生产率及影响生产率的因素进行研究；国内的学者，如吕品和文英（2010）⑨，蔡跃洲和郭梅军（2009）⑩，袁晓玲和张宝山（2009）⑪等人运用 DEA测算 Malmquist生产率指数时发现，中国银行业的全要素生产率总体上呈现下降的趋势。近年来，不良贷款的多少影响着银行的效率。在上述文献中，没有考虑不良贷款对银行效率的影响，忽视了贷款的质量。本文将借鉴王兵和朱宁（2011）⑫，Banker等人（2010）⑬和甘小丰（2007）⑭等人的研究，将不良贷款这一“坏”的指标考虑在内，运用带有非期望产出的SBM方向距离生产函数测算银行业的效率。

（一）数据来源

本文选取了20家商业银行作为研究样本（包括工商、建设、农业、中行、交通5家大型商业银行，除恒丰银行外的11家股份制商业银行，以及北京银行、江苏银行、南京银行、上海银行4家城市商业银行），2017年，选取的20家商业银行的资产、存款、贷款额占整个银行业的50%以上，具有较好的代表性。本文的研究时段为2008-2017年，数据来源于各银行的统计年报、中国金融稳定报告、中国金融年鉴和中华人民共和国国民经济和社会发展统计公报。

（二）指标选取

当前，关于银行效率的投入产出指标选取仍没有一个统一的标准，常用的指标选取方法有生产法、中介法、资产法和增加值法，生产法和中介法是最常用的，生产法是把银行看作存款和贷款的生产者，利用劳动力、资本、设备等生产存款和贷款。而中介法是把银行看作存款业务和贷款业务的桥梁，银行作为一个中介者而存在。本文将参考生产法和中介法，基于数据的可得性和本文的需要进行指标选取。本文选取的投入指标包括应付职工薪酬、固定资产净值和存款余额，应付职工薪酬和固定资产净值分别作为银行的人力资源投入和固定资产投入，存款余额作为投入指标是基于银行作为存款业务和贷款业务的桥梁，“好”的产出指标为净利润，净利润是银行的利润总额减去所得税费用，“坏”的产出为不良贷款额，当银行的不良贷款率较高时，银行就需要用更多的利润冲销，同时提取较多的坏账准备金来防范将来可能发生的风险，如果银行的盈利能力不强的话，不仅会影响不良贷款的处置，也会影响银行将来的盈利能力。本文中的不良贷款额=不良贷款率*贷款总额。

（三）实证分析

运用带有非期望产出的SBM-Undesirable模型，将不良贷款这一“坏”的产出考虑在内，对中国银行业20家银行的效率值进行测算。本文分别测算了在CRS假设和在VRS假设的效率值，限于文章篇幅，本文不再一一列出20家银行的效率值。表3为在CRS假设和VRS假设下，大型商业银行、股份制商业银行和城市商业银行的效率值，从表中可以看出在VRS假设条件下的效率值要高于在CRS假设条件下的效率值。由于在CRS假设条件下假设所有银行都在最优的条件下运营，不考虑银行的规模收益情况，而VRS假设则不考虑这一假设条件，所以VRS假设条件下的效率值与CRS假设条件下的效率值的差额可以看作是银行的规模效率。单看某一假设条件下的效率值，不论是CRS假设还是VRS假设，大体上其效率值从大到小依次为：城市商业银行，股份制商业银行，大型商业银行。城市商业银行的效率较高而大型商业银行的效率比较低，出现这种现象可能是由于：①大型商业银行机构冗杂，人才资源得不到合理的配置，资源浪费严重；②城市商业银行体制灵活，决策效率较高，对市场的变化能够快速的做出反应，能够及时把握商机；③城市商业银行具有地缘性优势，对本地企业的经营能力，资信情况比较了解，能够及时发现商机，为客户提供个性化服务，同时也能够有效的规避风险。

表3 2008-2017年20家银行效率值

三、市场绩效

市场绩效是指在一定的市场结构下，某个产业在价格、产量、利润、技术进步等方面所达到的状态，常用的衡量指标有利润率、勒纳指数和托宾的Q值等。由于数据的可得性，本文将借鉴宋玮、李植、王冬丽（2009）⑯和李百吉（2008）⑰等人的研究，采用净资产收益率（ROE）和资产收益率（ROA）来衡量银行业的市场绩效。

ROA衡量的是每单位的资产可以创造多少净利润，指标越高，说明每单位资产创造的净利润越多，ROE衡量的是股东权益的收益水平，ROE越高，说明投资带来的收益越高，从表4和表5可以看出，ROE和ROA的变化趋势是相同的，2008-2013年，ROA和ROE大体上呈现递增的趋势，从2014年开始，ROA和ROE开始下降，其下降的原因可能是由于：①民营银行获批筹建，蓬勃兴起，加剧了银行业的竞争；②以百度、阿里巴巴、腾讯、京东为代表的跨界巨头加速金融布局，支付宝、百度钱包、京东白条等APP横空出世，改变着人们的支付方式；③以P2P平台为代表的互联网金融企业（人人贷、陆金所、宜人贷等）不断冲击着商业银行原有的商业模式。

表4 ROE的描述性统计分析

表5 ROA的描述性统计分析

四、中国银行业市场结构、效率与绩效的关系

关于市场结构、效率与绩效之间的关系，目前存在两种主要的假说，一是市场力假说，二是效率结构假说。市场力假说分为传统的SCP假说和相对市场力量假说。传统的SCP假说认为市场结构决定市场行为，市场行为决定市场绩效，即衡量市场结构的市场集中度和衡量市场绩效的ROE、ROA存在正相关的关系。在集中度较高的不完全竞争市场中，少数银行（例如五家大型商业银行）可以通过合谋的手段来控制市场获取垄断利润；相对市场力量假说则认为只有市场份额较大且较好地实现了产品差异化的企业才能通过市场力量获取有利定价，从而获得超额利润。效率结构假说又分为X效率结构假说和规模效率假说。X效率结构假说认为，银行可以通过提高技术和管理水平来降低成本，提高利润水平，进而增加市场份额，提高市场集中度；规模效率假说则认为影响银行绩效和市场结构的是银行间的规模效率差异而不是技术和管理方面的差异。⑱

本文将借鉴何韧（2005）⑲和满媛媛、杨印生和孙巍（2015）⑳等人的研究，运用中国银行业最新的数据验证市场力假说和效率结构假说是否成立，借鉴由Berger（1995）提出的经典计量模型设计以下模型：

在该模型中，ROA或ROE为银行绩效的衡量指标，CR为市场集中度变量，MS为衡量市场份额的变量，OE为银行X效率变量，SE为银行的规模效率变量，RLA和RGDP为控制变量，u1、u2、u3为扰动项。若市场力假说成立，则方程（1）中系数 β11、β12显著为正，而银行的X效率和银行规模效率对银行绩效的影响较小或不显著；若效率结构假说成立，β13、β14显著为正，市场集中度和市场份额对银行效率的影响较小或不显著，且方程（2）、（3）中OE和SE的系数 β21、β22、β31、β32至少存在一个显著为正，则该假说成立。

本文将利用上述模型对市场力假说和效率结构假说进行检验。在数据处理上采用时间序列数据与横截面数据相混合的数据处理方法，我们用各种类型银行的ROA、ROE的均值来衡量银行绩效，CRn市场集中度我们选取CR4中资产、存款和贷款的均值，市场份额MS我们用资产、存款和贷款的均值来表示，银行X效率OE和规模效率SE我们用MAX-DEA测算的VRS假设下银行的综合效率和规模效率来表示，参照赵旭等（2001）㉑、秦宛顺和欧阳俊（2001）㉒选取控制变量的方法，选取贷款/资产比率RLA和国内生产总值增长率RGDP为控制变量X。

运用stata 13将2008-2017年的“混合”数据进行OLS估计，表6为当因变量分别为ROE和ROA的估计结果。因变量不论是ROE还是ROA，整个方程的F统计量值较小，R2也较小，说明整个方程的拟合程度和显著性是不高的，同时各个变量均没有通过显著性检验，从而市场力假说和效率结构假说均不成立。

表6 因变量为ROE和ROA时的OLS估计结果

五、政策建议

（1）通过对市场结构的分析，当前大型商业银行的垄断程度不断降低，竞争程度不断提高，城市商业银行、民营银行和互联网金融企业蓬勃发展，通过垄断获取高额利润的市场行为在当前的银行环境中已不适用。为了适应经济的快速发展，必须争做创新型和智慧型银行，利用互联网的思维和技术拓宽销售渠道，创新产品，不断提高运营效率，同时要加大金融科技创新力度，将人工智能、大数据、云计算和区块链等技术运用到银行的创新发展中去。

（2）银行的发展归根到底是人的发展，要通过人才梯队的引领，全体员工的共同努力来推动银行的发展。在人才的选取上既要立足于银行当前发展的需要，又要着眼于国家金融事业的发展，培养一批业务过硬，纪律过硬，责任过硬的优秀职业银行家。

（3）不良贷款作为“坏”的产出指标存在，不良贷款的多少影响着银行的效率与绩效。从2015开始，不良贷款率呈现上升的趋势，为了保证贷款的质量，要注重风险防控，把风险防控摆在突出的位置。降低风险是银行追求利润的保证，商业银行要建立涵盖信用风险、流动性风险、操作风险和信用风险的全面风险管理体制，明确各部门责任、流程、管理方式和措施。