业务重资产化与券商风险承担——来自中国证券行业的经验证据

廉永辉 高杰英

(首都经济贸易大学金融学院，北京 100070)

一、引言

中国经济转型需要强大的资本市场提供支撑，而强大的资本市场离不开高质量的证券公司。为推动券商高质量发展、增强券商服务实体经济能力，近年来我国不断深化证券行业供给侧改革。在监管部门放松管制和鼓励创新等一系列政策的推动下，证券行业业务创新层出不穷，业务范围不断拓宽，产品类型日益丰富。在此过程中，券商业务结构呈现出明显的重资产化趋势：经纪、投行和资产管理等依靠券商牌照来获取手续费和佣金的轻资产业务占比下降，而自营、直投、融资融券、股权质押等依靠资产负债表扩张来获取利息或本金增值的重资产业务占比不断上升。重资产业务与轻资产业务相互关联、交叉，在发挥风险分散效应的同时也带来了新增风险，如自营投资业务相关的市场风险、股权质押业务相关的信用风险等。在防范化解重大金融风险步入纵深推进关键期的背景下，本文试图回答业务重资产化如何影响券商风险承担这个问题。需要说明的是，金融机构风险承担包括了风险承担动机、风险承担行为、能力和后果多个维度，本文所讲的券商风险承担是指券商风险承担带来的后果。明确上述问题，有助于券商更好地协调业务转型和风险管理之间的关系，同时也有助于监管部门更具针对性地改善和加强对券商的风险监管，对于证券行业持续健康发展具有重要意义。

为回答上述问题，本文基于2007―2018年76家券商数据，以Zscore度量券商风险承担，实证检验了我国券商业务重资产化的风险承担效应。结果显示：综合而言，重资产化显著降低了证券公司风险承担水平；细分Zscore构成因素发现，重资产业务占比上升会提升券商的杠杆水平、降低券商的盈利能力，但同时能够更大程度上降低券商盈利的波动性。这一结论在替换关键变量、增加控制变量、变更估计方法等稳健性检验下均保持成立。进一步地，考虑重资产业务对风险承担的非线性影响，发现重资产业务在达到最优阈值之前会降低券商风险，而一旦超过相应阈值就会提高券商风险；将样本按规模分组，发现在规模较大的券商组中，重资产业务更能够降低盈利波动性，从而降低风险承担。

本文的研究特色体现在如下三方面：第一，在学术研究方面，研究业务重资产化对券商风险承担的影响。重资产化是券商业务转型的趋势，而金融机构风险承担问题是学术界和监管部门关注的热点话题，本文定位于二者的交叉领域，有助于弥补现有文献对于券商业务结构与风险关系研究的不足。第二，在风险构成方面，不仅考察重资产业务对风险承担的总体效应，还分别考察重资产业务的杠杆效应、盈利效应和盈利波动效应，从而厘清重资产化对券商风险承担的具体影响机制。第三，在实际应用方面，研究重资产业务对风险承担影响的非线性效应，以及重资产业务对风险承担影响的规模异质性，从而为券商根据自身情况适度开展重资产业务提供更具针对性的建议。

二、文献综述

(一)券商业务转型的经济后果

现有文献主要从券商业务多元化角度研究券商业务转型的经济后果。业务多元化对券商绩效的影响方面，黄泽勇(2012)[14]基于2006―2011年82家券商样本、利用广义超越对数函数发现，中国券商多元化普遍存在范围经济效应1，且大型券商、国有券商的范围经济效应更高。业务多元化对券商风险的影响方面，赵伟(2013)[26]基于2007―2011年100家券商样本发现，业务多元化的风险效应依赖于业务本身的风险收益特征和券商的规模特征；武剑和谢伟(2018)[21]则基于2007―2016年59家券商样本考察了券商多元化战略的综合影响，发现券商多元化水平与其盈利能力和抗风险能力之间不存在单纯的线性关系，而是具有显著的“异质性阈值效应”关系。

部分文献探讨了券商开展某类具体业务带来的经济后果。重资产业务方面，高伟生和许培源(2014)[12]探讨了券商股票质押式回购业务的现状及存在的问题，温思雅和余建军(2015)[19]则进一步探讨了券商类贷款业务(包括融资融券、约定购回、股票质押融资)发展的现状和前景。轻资产业务方面，邸俊鹏和郑忠华(2017)[11]分析了券商资产管理业务中存在的风险及相应的风险预警机制，华泰证券课题组(2020)[13]系统研究了券商数字化财富管理业务的发展定位、发展模式以及相关政策建议。

(二)券商风险的测度及其影响因素

既有文献对券商风险的研究侧重于券商风险的测度和预警。市场风险方面，姚德权和鲁志军(2013)[24]利用主成分分析法从证券公司十四项财务指标中提取出六个主成分，运用改进后的Logistic模型建立市场风险预警模型。信用风险方面，程天笑和闻岳春(2016)[10]比较了Probit、Logistic和Extreme Value三种模型在测度券商融资融券业务个人客户违约概率的表现，发现Extreme Value模型准确性和拟合度最高。流动性风险方面，吴万华(2009)[20]分析了券商发行的集合资产管理计划的流动性风险，对集合资产的变现过程进行了模型化。操作风险方面，姚德权和鲁志军(2011)[23]运用“自上而下”的度量方法构建了我国券商操作风险的度量模型，并基于2005―2009年中国4家上市券商对模型进行了检验。系统性风险方面，周琼等(2013)[28]发现上市券商股票收益率存在明显的上尾相依性与下尾相依性，表明我国券商风险存在较强的关联性；刘超等(2019)[17]则采用SCCA技术，通过构造Copula模型测度了我国上市券商的系统性风险并分析了其演化特征。

部分文献探讨了券商风险的影响因素。陈曼娜和林伟涛(2013)[9]基于2007―2012年17家上市券商样本考察了股权结构对券商风险承担的影响，发现实际控制人的控制权比例越高，券商风险承担越低，但实际控制人的性质对风险承担并无显著影响。左和平和朱怀镇(2010)[29]基于2002―2006年29家券商样本，考察了资本监管对券商自营业务相关风险的影响，发现低缓冲资本的证券公司会通过降低自营风险以应对资本监管压力。王玉峰和陈鹏(2013)[18]基于2008―2011年8家券商样本，考察了资本监管对券商风险的影响，发现总量性净资本监管指标对券商风险管理起到正面的引导作用，但结构性指标却与政策预期相反。

总体而言，尽管现有文献分别探讨了券商业务转型的经济后果和券商风险的影响因素，并且已有文献注意到券商业务多元化对券商风险的影响，但明确考察券商重资产业务是否以及多大程度上影响券商风险承担的研究较少，尤其是缺乏有数据支持的定量研究，这与我国券商经营实践中重资产业务越来越重要的地位不符，也滞后于我国券商微观审慎监管实践的需要。本文通过研究重资产业务对券商风险承担的影响，有助于丰富和拓展非银行金融机构业务结构的风险承担效应方面的研究。

三、理论分析和研究假设

券商重资产业务是指主要依靠资产负债表扩张来获取利息或本金增值的业务，包括券商自营、直投、两融、股权质押等业务类型，这些业务均会占用券商的资本金，因此也被称为“资本占用型业务”。相反，轻资产业务是指主要依靠券商牌照来获取手续费和佣金的业务，包括经纪业务、投行业务和资产管理业务，又被称为“非资本占用型业务”“佣金型业务”或“通道业务”。本文意在考察重资产业务对券商风险承担的影响。由于券商风险承担综合反映了券商的杠杆水平、盈利能力和盈利波动性，因此本文将在分析重资产化对三者影响的基础上提出核心研究假设。

(一)业务重资产化对券商杠杆水平的影响

券商杠杆水平是外部监管约束和自身加杠杆意愿共同作用的结果，因此分析重资产业务对券商杠杆水平的影响需要综合分析券商加杠杆的空间和券商加杠杆的意愿。

一方面，我国券商存在较大的加杠杆空间，通过加杠杆开展重资产业务不存在实质约束。2008年3月证监会出台的《券商风险控制指标管理办法》规定券商“净资产/负债总额≥20%、净资本/净资产≥40%”，按此规定，券商的杠杆(总资产/净资产)上限为6倍。2016年6月证监会出台修改后的《券商风险控制指标管理办法》取消了上述规定，开始统一执行“核心净资本/表内外资产总额≥8%”的规定，主要通过资本杠杆率而非净资产的杠杆率来对券商进行监管约束，具体杠杆上限被一定程度上模糊化。结合监管部门在文件发布时的表述“综合考虑流动性风险监管指标要求，财务杠杆率大体为6倍左右，与修订前办法的要求基本相当”，目前券商杠杆上限约为6倍。现实中，我国上市券商的杠杆为3倍左右(剔除代理买卖证券款的杠杆为2倍左右)，远低于监管上限，这为券商开展具有加杠杆效应的重资产业务提供了充足空间。

另一方面，重资产业务提升了券商加杠杆的意愿。重资产业务的利润依赖于资产负债表的扩张，对加杠杆提出了新需求。轻资产业务主要在券商表外进行，以收取手续费和佣金为主，并无加杠杆需求。相比之下，券商在开展重资产业务尤其是资本中介业务的过程中，通过一边借钱一边“放贷”来赚取利差收入，这一过程表现在资产负债表上即负债和资产同时上升，由此导致券商杠杆上升。此外，如果重资产业务降低了券商的ROA，券商也将有动力通过提高杠杆来维持较高的ROE水平。

由此，本文提出如下假设：

H1：业务重资产化会提高券商杠杆水平。

(二)业务重资产化对券商盈利能力的影响

记重(轻)资产业务的收益和成本分别为RH(RL)和CH(CL)，重(轻)资产业务占全部业务的比重为α(1-α)。那么，券商的综合盈利能力π满足：

由式(1)可知，重资产化(α上升)对券商盈利能力的影响关键取决于重资产业务和轻资产业务的成本和收益特征：

一方面，重资产业务可能降低券商的盈利能力。第一，重资产业务边际成本高于轻资产业务(CH＞CL)。轻资产业务依托的是牌照，在行情较好时，以几乎不变的成本获取较高的收入，因此盈利水平较高。相比之下，重资产业务依托的是资产负债表的扩张，业务边际成本较高，导致其ROA水平往往较低。第二，开展新业务要付出相应的固定成本。经纪业务、投行业务、资管业务等轻资产业务属于传统业务，而重资产业务尤其是资本中介类业务属于创新业务，出现亏损的可能性较高，需要券商在风控、合规等方面付出更多精力。第三，开展重资产业务可能对轻资产业务盈利能力产生不利影响(导致RL降低)。在明确发展重资产业务后，券商内部的人力、财力会相应向重资产业务倾斜，可能会对轻资产业务产生资源挤占效应，从而降低公司轻资产业务的竞争优势和盈利能力。

另一方面，重资产业务也可能提高券商的盈利能力。第一，激烈的竞争导致轻资产业务边际收益迅速降低(RL下降)。轻资产业务大多属于高度同质化的通道业务，低价永远是抢夺市场份额的利器，因此券商经纪业务面临佣金战、投行业务面临承销价格战。在激烈的竞争过程中，轻资产业务的牌照价值和创收能力迅速降低。相比之下，重资产业务竞争较为缓和，在拓宽券商收入渠道的同时贡献较为稳定的收益，因此通过开展重资产业务占领业务蓝海成为大量券商的选择。第二，重资产业务可能与传统轻资产业务产生协同效应。前期各类券商均着力于经纪业务的扩张，通过广泛设立营业网点进行业务布局，积累了大量资源。开展重资产业务在带来新利润增长点的同时，也能一定程度上与轻资产业务在营业网点、营销渠道、人员配置、客户基础等方面产生协同效应，促使轻重两类业务相辅相成，带动整体业绩提升。

由此，本文提出如下竞争性假设：

H2a：业务重资产化会提高券商盈利能力。

H2b：业务重资产化会降低券商盈利能力。

(三)业务重资产化对券商盈利波动的影响

重资产业务净收益(RH-CH)的标准差为σH，轻资产业务净收益(RL-CL)的标准差为σL，二者净收益的相关系数为ρ，则券商收益的方差σ2满足：

由式(2)可知，重资产化(α上升)对券商盈利波动的影响关键取决于重资产业务和轻资产业务及其二者之间的风险特征：

一方面，重资产业务可能降低券商盈利的波动性。第一，重资产业务的波动性小于轻资产业务(σ2H＜σ2L)。轻资产业务具有“靠天吃饭”的特点，其中经纪业务高度依赖市场行情，投行业务对上市、再融资监管政策极为敏感，资管业务对相关金融监管政策也较为敏感，导致轻资产业务收益波动性较高。相比之下，重资产业务波动性较低。其中，信用中介业务属于券商的“类信贷”业务，在风控有效的前提下能够赚取稳定的利差。同时，券商自营投资风格较为稳健，投资组合中固定收益类投资占主导地位，风险较高的权益类投资占比较低，并且能够通过多样化投资分散投资风险。第二，重资产业务与轻资产业务产生风险分散效应(ρ＜1)。重资产业务和轻资产业务收益和成本的差异性特征为二者之间产生风险分散效应提供了前提。参考资产组合理论，只要两种业务的收益率不完全相关，那么分散从事两种业务就能起到降低总体风险的作用。通过开展重资产业务、拓展业务范围，券商各业务“东方不亮西方亮”，抵御市场波动的能力得以提升。

另一方面，重资产业务也可能提高券商盈利的波动性。主要原因在于，重资产业务形成了新的风险源，对于风控薄弱的券商，重资产业务出现亏损的可能性较大。其中，资本中介业务主要带来信用风险。信用风险是指由于交易对手、客户、中介机构、债券发行人及其他与券商有业务往来的机构违约而造成券商损失的风险。一个典型的例子是券商股权质押业务“踩雷”，2018年多家券商因股票质押式回购业务爆发合同违约风险而大幅计提资产减值，致使净利润大幅下降。资本投资业务则同时面临信用风险和市场风险。尽管券商自营投资组合大部分为债券，但近年来债券市场违约频发，信用分层较为严重，增加了投资组合的信用风险。此外，自营业务普遍需要加杠杆以提升收益，客观上会放大券商面临的市场风险。总之，重资产业务的发展增加了券商的市场风险和信用风险敞口，可能导致盈利更大程度的波动。

由此，本文提出如下竞争性假设：

H3a：业务重资产化会减弱券商盈利波动。

H3b：业务重资产化会加剧券商盈利波动。

综上所述，尽管可以明确业务重资产化会提高券商杠杆水平，但由于无法事先明确业务重资产化对券商盈利能力和盈利波动的影响，故本文提出如下核心假设：

HC1：业务重资产化能够降低券商风险承担。

HC2：业务重资产化能够提高券商风险承担。

四、研究设计

(一)模型设定和变量选择

本文借鉴研究银行风险承担的实证文献(Laeven and Levine，2009；徐明东，2012)[6][22]，采用Zscore这一反映机构破产风险的指标来度量券商的风险承担2：

其中，Eta为券商净资产与调整后总资产之比，调整后总资产为扣减客户存款和客户结算备付金之后的总资产3；ROA为券商的总资产收益率，为净利润与调整后总资产之比；ROA_sd为ROA的标准差，反映了券商盈利的波动性。借鉴Beck et al.(2013)[2]，本文采用3年滚动窗口计算ROA_sd，以增加Zscore分母的变动幅度。需要说明的是，由于Zscore的高度有偏性，本文遵循Laeven and Levine(2009)[6]的建议，对其进行取自然对数处理。由式(4)可知，Zscore反映券商整体风险承担状况，综合了盈利水平、盈利波动和杠杆水平三方面信息。在回归分析中，本文将分别考察重资产业务对Zscore三大构成部分的影响，从而进一步明确重资产业务对券商综合风险的具体影响渠道。

为分析业务重资产化对券商风险承担的影响，本文设定如下计量模型：

其中i=1,2,…,N表示券商个体，t=2008,…,2018表示年度，不可观测的随机变量αi代表个体异质性，εi,t为随个体和时间而改变的扰动项。

核心解释变量Ha度量了券商业务重资产化的程度。我国券商资产主要包括货币资金、结算备付金、融出资金、买入返售金融资产、交易类金融资产、可供出售金融资产、长期股权投资、衍生金融资产等科目。其中，货币资金和结算备付金主要与券商经纪业务有关；融出资金和买入返售金融资产主要与券商的资本中介业务有关，前者对应两融业务，后者对应股权质押式回购业务；交易类金融资产、可供出售金融资产、长期股权投资、衍生金融资产主要与券商资本投资类业务有关，分别对应自营、直投、做市、衍生品等业务。因此，本文定义Ha=(融出资金+买入返售金融资产+交易类金融资产+可供出售金融资产+长期股权投资+衍生金融资产)/资产总计×100%4。考虑到重资产化在券商的资产负债表和利润表上均有所体现，在稳健性检验中本文还将基于利润表度量重资产业务发展程度。

模型还控制了影响券商风险承担的其他变量，包括：(1)券商规模Size，以券商调整后总资产的自然对数衡量。券商规模不同，其风险管理水平、外部监管强度、客户构成、融资成本等存在差异，从而影响其风险承担。(2)大股东持股比例Shr。大股东持股比例度量了券商的股权集中度，股权集中有助于通过加强对管理层的监督降低第一类代理问题，但也有可能加剧第二类代理问题，对于券商业绩和风险的影响是不确定的。(3)国有券商虚拟变量Soe，如果实际控制人为国有性质则取1，否则取0。不同所有制的券商在经营牌照、资本实力、政策待遇上均存在较大差异，由此导致了经营业绩和风险的差别。(4)券商上市虚拟变量List，在A股或者H股上市为1，否则为05。与非上市券商相比，上市券商在资本补充渠道、监管强度、业绩压力方面存在差异，因此需要控制券商上市状态。(5)反映证券行业市场结构的前10大券商总资产占比Cr10。根据结构-行为-绩效(SCP)分析框架，市场结构能够影响券商行为和风险承担状况。(6)沪深300指数年涨跌幅Mkr。股票市场行情对于券商的经纪业务、自营投资业务、融资融券和股权质押业务均会产生重要影响。此外，由于Cr10和Mkr为仅随时间变化的时序变量，如果加入时间虚拟变量以控制时间效应，将存在完全共线性问题(刘博研和韩立岩，2010)[16]，为此本文在计量模型中加入了时间趋势项T以捕捉模型中变量可能发生的趋势性变化。

(二)样本选择和描述性统计

2006年起，中国证监会要求所有券商定期披露财务报告；2007年我国开始实行新的会计准则。为保持口径一致，本文以2007年为起始年份6，通过对行业内所有正常营业券商的数据进行整理，剔除缺乏连续4年总资产数据的券商，最终得到2007―2018年76家券商的年度非平衡面板数据，共832个有效样本。数据来源方面，券商财务数据和股市行情数据均来源于Wind数据库。

为防止异常值对估计结果的干扰，对连续型券商微观特征变量在其分布的1%和99%的位置上分别进行缩尾处理。表1为主要变量的描述性统计结果。被解释变量Zscore(取自然对数后)的最大值为6.805，最小值为0.138，反映出不同券商风险承担存在较大差异。Zscore的三大构成部分中，Eta的均值超过50%，意味着我国券商的杠杆较低；ROA和ROA_sd均呈现标准差超过均值的特点，说明不同券商的盈利能力和盈利稳定性存在较大差异。此外，ROA_sd的均值超过中位数，意味着部分券商盈利波动性较高。核心解释变量重资产业务占比Ha均值为40.838%，说明平均而言样本内券商的重资产业务占比仍然略低于轻资产业务占比，不过也有一些券商的重资产化程度较高，重资产业务占比最高达到87.051%。

图1进一步描述了样本券商的资产构成情况，不难发现一方面我国券商经历了明显的重资产化过程：与轻资产业务密切相关的货币资金和结算备付金占总资产比重逐渐降低，而与自营投资业务和资本中介业务等重资产业务相关的资产(包括融出资金、买入返售金融资产、交易性金融资产、可供出售金融资产、长期股权投资)占总资产比重逐渐上升。另一方面，2012年后券商重资产化进程提速。为激发券商创新活力，中国证监会各部门负责人和各券商主要负责人于2012年5月在京召开了券商创新发展研讨会，此后一些长期制约券商业务创新的制度得到修改，证券行业创新环境明显优化、重资产业务快速发展，尤其是资本中介业务(主要体现为融出资金和买入返售金融资产)在2012年后占比提升明显。此外，2013年后随着互联网金融的冲击，经纪业务等轻资产业务竞争日趋激烈也促使券商积极寻求向重资产业务转型。

表1 主要变量的描述性统计结果

图1 券商资产结构的变化趋势

图2进一步描述了样本券商的Ha、Eta、ROA和ROA_sd历年的均值走势。其中，重资产业务占比呈现明显的上升趋势(2018年略有下降)，从2008年的11.99%上升至2018年的65.81%，这与图1显示我国券商业务呈现重资产化特征是一致的。构成风险承担指标的三大要素中，Eta整体呈下降趋势，2012年券商创新大会以后加速下降，2015年金融监管趋严后则基本保持平稳；ROA则从2008―2009年10%以上的高位水平波动下降，其中2015年出现了一次小的高峰，可能与当年上半年的牛市有关；与ROA走势基本一致，ROA_sd也呈现波动下降的趋势。

五、实证结果与分析

(一)基准回归结果

表2中(1)～(2)列汇报了模型(4)的基准回归结果。其中，Ha系数符号为正且均在1%水平下显著，说明重资产业务占比越高，券商风险承担越低。经济显著性方面，根据表2后三行的计算可知，如果以第(2)列的估计结果为准，重资产业务上升1个标准差，将带来Zscore上升0.46个标准差，相当于其均值上升了20.95%。可见，无论以被解释变量的均值还是标准差进行衡量，一个单位重资产业务占比标准差的变化均会对券商风险承担产生显著的影响。总之，业务重资产化能够降低券商风险承担，假设HC1得到证实。不过，要明确业务重资产化究竟通过何种渠道影响券商风险承担，还需要细分Zscore的构成因素。

图2 券商风险承担构成要素的走势

在以Eta为被解释变量的(3)～(4)列回归结果中，重资产业务显著地降低了券商的股东权益比，反映出重资产业务的加杠杆效应，从而支持了研究假设H1。原因在于：一方面，我国券商杠杆普遍偏低，与监管部门所规定的杠杆上限相比，尚存在较大的加杠杆空间；另一方面，融资融券、股权质押等资本中介业务天然具有加杠杆效应，在对券商提出加杠杆需求的同时，也为券商提供了加杠杆工具。

在以ROA为被解释变量的(5)～(6)列回归结果中，重资产业务显著地降低了券商的总资产收益率，支持了研究假设H2a。尽管近年来券商经纪业务、投行业务竞争激烈，导致轻资产业务的边际收益降低，但由于轻资产业务的边际成本较低，轻资产业务仍能保持相对较高的ROA。此外，近年来证监会下发多份文件，也在一定程度上抑制了券商行业的低收费价格战，阻止了轻资产业务边际收益的快速下滑7。相比之下，开展重资产业务的成本较高：除了开展重资产业务带来的固定成本外，我国券商的融资成本较商业银行、保险公司更高，这意味着开展重资产业务的可变成本(资金成本)较高。总之，重资产业务较高的边际成本决定了开展重资产业务会降低券商的ROA，这也在一定程度上解释了重资产业务的加杠杆效应：由于重资产业务降低了ROA，券商只有通过加杠杆才能防止ROE快速下滑8。

表2 基准模型估计结果

在以ROA_sd为被解释变量的(7)～(8)列回归结果中，重资产业务显著降低了券商盈利的波动性，支持了研究假设H3a。可能的原因在于：一方面，与轻资产业务相比，重资产业务本身风险较低。其中，资本中介业务作为类信贷资产，能够较为稳定地赚取“利差”；自营投资业务主要投资债券类资产，通过分散投资和采用一定的对冲策略，其收益的稳定性高于高度依赖股市行情的经纪业务。另一方面，重资产业务与轻资产业务能够产生风险分散效应，轻重两类业务的风险收益特征存在较大差异，为重资产业务与轻资产业务产生风险分散效应提供了条件。

控制变量方面，规模Size较大的券商资产收益率较低，但同时盈利波动性也较小；上市虚拟变量List有助于提高股东权益比，主要是因为上市券商的股权融资渠道更广、资本补充能力更强；在证券业市场集中度Cr10上升的同时，多数券商的市场份额受到挤压，感受到更大的竞争压力，从而提高了风险承担；Mkr越高意味着股市行情越好，券商盈利越高、盈利波动性越低。

综上所述，券商业务重资产化尽管会降低盈利能力、提高杠杆水平，但由于其能够更大程度地降低盈利波动性，因而综合效果是降低了券商的风险承担。这一发现不仅理清了重资产业务对券商综合风险的作用机制，还有助于回答“金融机构业务多元化如何影响其风险”这一重要问题。我国券商初始的业务主要为经纪业务、投行业务等轻资产业务，重资产业务占比上升实际上意味着券商业务多元化程度上升。因此，本文发现重资产业务会降低券商风险，也就意味着券商业务多元化会降低其风险。这与国内商业银行多元化风险效应方面的实证研究结果有所不同：基于国内银行样本的研究大多发现，银行业务多元化未能降低银行风险，甚至增加了银行风险(张雪兰，2011；周开国和李琳，2011)[25][27]。券商的多元化是由轻资产业务占主导到重资产业务逐渐崛起的多元化，而银行的多元化是由重资产业务向轻资产业务的多元化，二者的多元化方向恰好相反。可见，在分析业务多元化对金融机构风险的影响时，有必要区分重资产化引致的多元化和轻资产化引致的多元化。

(二)稳健性检验

1.替换关键变量

被解释变量券商风险承担方面，一是借鉴Lepetit et al.(2008)[7]、李明辉等(2014)[15]，将Zscore拆分为Ersd=Eta/ROA_sd和Rrsd=ROA/ROA_sd两部分，前者反映了券商利用存量资本覆盖经营风险的能力，后者反映了券商利用增量的盈利覆盖经营风险的能力；二是调整了Zscore的计算方法，包括采用3年平均的资产收益率和股东权益比重新计算Zscore和基于ROA连续5年滚动标准差重新计算Zscore：

核心解释变量券商业务重资产化程度方面，一是基于利润表重新计算重资产业务发展程度。轻资产业务主要带来手续费和佣金，而重资产业务主要带来利息收入、投资收益、公允价值变动损益，因此本文还基于券商利润表，从收入类型的角度，将重资产业务发展程度定义为：Hp=重资产业务带来的收入/营业收入=(利息净收入+投资收益+公允价值变动损益-联营合营企业投资收益)/营业收入。二是将重资产业务分为资本投资业务和资本中介业务两种类型。资本投资业务主要以投资为目的，包括自营、直接投资和另类投资等业务，盈利模式为资产的投资收益，在资产负债表上体现为交易类金融资产、可供出售金融资产、长期股权投资、衍生金融资产等科目，记资本投资业务占总资产比重为Hai。资本中介业务主要以服务客户为目的，包括融资融券、约定/质押式回购、参与发行资管或信托产品、证券做市等资本借贷及做市服务，盈利模式为赚取利息差或做市价差，在资产负债表上体现为融出资金和买入返售金融资产科目，记资本中介业务占总资产比重为Ham。

表3中(1)～(2)列回归结果显示，随着重资产业务占比上升，券商使用存量资本Ersd和增量盈利Rrsd覆盖盈利波动的能力均有所上升。结合表2中(3)～(8)列回归结果可知，其原因并非重资产业务提升了券商的权益资产比(Eta)或资产收益率(ROA)，而是因为重资产业务降低了券商的盈利波动性。表3中(3)～(4)列基于新的Zscore进行回归，Ha的估计系数在1%水平下保持显著为正。表3中(5)～(8)列显示，基于利润表的重资产业务占比指标Hp估计系数与表2回归结果是一致的，再次支持了重资产业务一方面提高券商杠杆(降低Eta)、降低券商盈利能力(降低ROA)，另一方面降低券商盈利波动性(降低ROA_sd)，并且其综合效果是降低券商总体风险承担。

表3 替换被解释变量和核心解释变量的回归结果

表4 细分资本投资业务和资本中介业务的回归结果

表4中(1)～(4)列和(5)-(8)列分别汇报了资本投资业务和资本中介业务对券商风险承担及其分项构成的影响，结果表明两类重资产业务均会降低券商权益比率、盈利能力和盈利波动，并且具有降低券商风险承担的综合效应。总之，更换核心解释变量和被解释变量的度量指标并不改变基本结论，显示估计结果比较稳健。

2.变更控制变量

表2回归中控制了一系列券商微观特征变量、证券行业市场结构、市场行情变量、时间趋势项和个体固定效应。一方面，考虑到模型中可能存在其他不可观测的、随时间变化的影响因素，因此以时间固定效应替换证券行业市场结构、市场行情变量和时间趋势项，相应的回归结果见表5中(1)～(4)列。另一方面，考虑到Zscore和权益资产比Eta、总资产收益率ROA存在相关性，而基准回归中并未控制Eta和ROA，为了缓解可能存在的遗漏变量问题，此处在回归中加入滞后一期的Eta和ROA：在以Zscore和ROA_sd为被解释变量时，同时加入Etai,t-1和ROAi,t-1作为控制变量；在以ROA(Eta)为被解释变量时，则仅加入Etai,t-1(ROAi,t-1)，以避免加入被解释滞后项带来的内生性问题，相应的回归结果见表5中(5)～(8)列。与表2相比，表5各列回归中Ha系数大小有所改变，但其符号和显著性与表2一致，说明新增控制变量不改变本文的基本结论。

表5 变更控制变量的回归结果

3.考虑被解释变量的滞后性

现实中券商的风险可能由于券商的风险平滑行为而具有一定的持续性，即当期风险承担受到前期风险承担的影响。同样地，其杠杆(盈利)水平均可能受前期杠杆(盈利)水平的影响。刻画这种情形需要在基准模型中加入被解释变量的滞后项Yi,t-1，从而得到动态面板模型。由于本文样本呈现“大N小T”的特征，适合采用差分GMM方法或系统GMM方法。由于差分GMM会造成一定的样本信息损失，系数估计的有效性会有所降低，而系统GMM同时估计包含变量水平值的原估计方程与进行一阶差分后的方程，较差分GMM更为有效(Blundell and Bond，1998)[3]，故本文将选择系统GMM，并遵循Windmeijer(2005)[8]的建议采用两步纠偏GMM进行估计。

在估计过程中，本文设定上市状态、产权性质、市场结构、股票市场行情和年度趋势变量为外生变量，规模和大股东持股比例为前定变量，Yi,t-1和Hai,t-1为内生变量。为避免因工具变量过多导致自由度大幅降低，本文限定最多使用变量的滞后2期作为工具变量。为确保模型估计有效性，在运用GMM方法时须进行扰动项自相关检验和过度识别检验9。表6列示了动态面板估计结果。各列回归中，Sargan检验无法拒绝所有工具变量有效的原假设。不过在第(1)列以Zscore为被解释变量的回归中，序列相关检验无法在5%水平下拒绝扰动项的差分存在二阶自相关的原假设，这显示出相应的模型可能并不适合使用系统GMM进行估计。不过作为稳健性检验的一部分，汇报其估计结果仍有必要性。本文重点关注Ha的估计系数，结果表明，Ha对Zscore具有显著的正向影响，对Eta、ROA和ROA_sd具有显著的负向影响，与基准回归结果一致。

六、进一步分析

前述分析主要回答了“重资产化是否影响券商风险承担”以及“重资产化如何影响券商风险承担”，明确了重资产业务一方面降低了券商盈利能力、提高了券商杠杆，但另一方面更大程度地降低了券商盈利波动性，从而具有降低券商风险承担的综合效果。本部分进一步探讨“重资产业务对风险承担的影响是否存在非线性效应”和“重资产业务对风险承担的影响在不同规模券商中是否存在差异”两个问题。

(一)重资产业务对券商风险承担影响的非线性效应

基准回归中考察了重资产业务对券商风险承担的平均影响，发现平均而言券商开展重资产业务能够通过降低盈利波动性而降低风险承担。DeYoung and Rice(2004)[4]和Baele et al.(2007)[1]发现，商业银行非利息业务对银行风险承担存在非单调影响，在达到最优阈值之前会降低银行风险，而一旦超过就会提高银行风险。作为类比，券商开展重资产业务对其风险是否也存在非单调影响？为回答这一问题，本文在基准模型中加入核心解释变量的二次项，相应的回归结果见表7。

表6 动态面板估计结果

第(1)列回归结果中，Ha系数为正，Ha二次项系数为负，说明Ha对Zscore存在倒U型影响：在到达一定阈值之前，重资产业务有助于降低风险承担；而超过阈值后，重资产业务将反过来增加风险承担。计算表明，这一阈值对应的Ha*为65.62%，该值处于样本Ha的85%-88%分位数之间，超过4/5的样本处于倒U型曲线的上升侧，说明绝大多数券商提升重资产业务占比有助于降低风险，但也有少数券商过度开展重资产业务，反而提高了风险承担，即一味开展重资产业务而过度忽视轻资产业务有损券商的稳健性。以Eta为被解释变量的第(2)列回归结果中Ha的二次项不显著，意味着Ha对权益资产比具有单调的负向影响，即开展重资产业务一定会产生加杠杆效应。第(3)、(4)列回归结果中，Ha二次项的系数呈现出统一的U型模式，即重资产业务在一定阈值内会降低总资产收益率和收益率波动性，但超过一定阈值后则会起到提升作用。具体而言：当Ha超过56.47%后，Ha开始对ROA具有正向影响。位于U型曲线拐点右侧的Ha主要分布在2015年后，这段时间内券商的轻资产业务竞争尤为激烈，重资产业务的相对优势得以体现。当Ha超过50.39%后，Ha开始对ROA_sd具有正向影响，其原因在于，当重资产业务成为券商占绝对主导地位的业务类型后，继续提升重资产业务占比可能偏离“最小方差组合”，而不利于发挥风险分散效应。综合表7的回归结果，从最小化券商风险的角度出发，券商合理的业务结构应是：重资产业务占主导地位、重资产业务和轻资产业务均衡发展。

表7 重资产业务对券商风险承担的非线性影响

(二)重资产业务对风险承担影响的规模异质性

在研究商业银行多元化风险后果的文献中，一些学者发现银行规模是影响多元化经营的风险效应的关键因素：Hidayat et al.(2012)[5]发现大中型商业银行非利息收入占比提升加大了银行风险，而Lepetit et al.(2008)[7]却发现在规模较小的银行中，非利息收入对银行经营风险的提升效应更强。那么，券商开展重资产业务对其风险的影响是否也依赖于券商的规模呢？

现实中，我国证券行业竞争格局发生了积极变化，行业同质化竞争现象有所改善，差异化发展特征逐步显现。其中，规模较大的券商大多坚持以打造综合性券商为战略目标，而中小型券商开始根据自身情况实施差异化发展战略，加强业务聚焦，打造专业化、特色化竞争优势。考虑到大型券商和中小型券商的发展战略、风控能力、业务范围、客户构成、融资渠道、融资成本等方面的重要差异，不同规模券商在开展重资产业务时带来的风险后果可能存在差异。

本文通过分组回归对此进行检验，逐年对券商调整后总资产的自然对数Size进行排序，并分别把低于和高于Size中位数的样本作为小规模组和大规模组10。表8列示了分组回归结果，对比规模较小和规模较大两组中Ha的系数和显著性，可知无论规模大小，重资产业务均会降低盈利能力、提升券商杠杆，但重资产业务只有在规模较大的券商中才能降低盈利波动性和降低总体风险承担。其原因在于，一方面，大券商在人力、资金、品牌、风控等方面有坚实基础，在转型发展过程中抵御风险能力更强11。相比之下，小券商的资本相对匮乏、人才储备不足、经营管理规范性不够、风控能力相对薄弱，开展创新性重资产业务时容易出现风险，造成经营业绩的大幅波动。另一方面，大券商业务种类更为丰富，开展重资产业务的过程中可以更好地实现重资产业务之间、重资产和轻资产业务之间的风险分散效应；而对于小券商来说，其业务范围往往较为狭隘，只能开展某些重资产业务，不能充分发挥风险分散效应。

七、结论与启示

当前，证券业作为支撑中国资本市场发展的重要金融服务产业，正在加快业务转型、拓展业务范围，在此过程中券商重资产业务不断发展。本文实证检验我国券商业务重资产化对其风险承担的影响，基于2007―2018年76家券商样本的回归结果显示：(1)业务重资产化降低了券商的风险承担水平；细分影响渠道发现，重资产业务尽管会提升券商的杠杆水平、降低券商的盈利能力，但同时会在更大程度上降低券商的盈利波动性，其综合效应为降低了券商的风险承担水平。(2)业务重资产化对风险承担具有非单调影响，在达到最优阈值之前会降低券商风险，而一旦超过相应阈值就会提高券商风险。(3)业务重资产化对风险承担的降低作用依赖于券商规模，只有在规模较大的券商中，重资产业务才能降低盈利波动性从而降低风险承担。

基于上述研究结论，本文提出的政策建议可以概括为“鼓励证券公司根据自身情况适度开展重资产业务”：

第一，鼓励证券公司开展重资产业务。传统轻资产业务的激烈竞争为证券公司向重资产业务转型提供了内在驱动力，但如果转型重资产业务的过程中积聚大量风险，证券公司贸然开展重资产业务可能得不偿失。本文研究结论表明，重资产业务具有降低证券公司风险的综合效果，一定程度上缓解了上述担忧。开展重资产业务有助于证券公司在风险可控前提下优化业务结构、提高资本市场综合金融服务能力。因此，监管部门应进一步为证券公司业务的重资产化创造有利的外部环境：一方面通过全面深化资本市场改革，从资本市场扩容、参与主体结构优化以及交易工具种类丰富等渠道提升市场对重资产业务的需求；另一方面应调整和完善以净资本为核心的风控管理制度，逐步放开证券公司的杠杆空间，同时进一步拓宽证券公司融资渠道，提升证券公司对重资产业务的供给能力。

第二，证券公司应根据自身情况开展重资产业务。一味地开展重资产业务并不是所有证券公司都适合的发展路线。虽然重资产化是证券行业发展的必然趋势，但对于不同规模的证券公司而言，重资产业务对券商风险承担的影响不尽相同。本文研究表明，只有对规模较大的证券公司，重资产业务才能有效降低盈利波动从而降低风险承担。因此，规模较小、风险管理能力和风险承受能力较差的小型证券公司尤其应该避免盲目发展和开拓重资产业务，而是要结合自身实际情况稳扎稳打，对现有业务领域精耕细作，打造差异化的竞争优势。

第三，证券公司应适度开展重资产业务。在评价重资产业务的经济后果时，应综合考虑该业务对证券公司盈利水平、杠杆水平和盈利波动的影响。本文研究结论表明，尽管从风险控制的角度，重资产业务的综合效应利大于弊，但也不应忽视重资产业务对盈利和杠杆的不利影响。尤其是在重资产业务成为证券公司占绝对主导地位的业务类型后，继续提升重资产业务占比带来的负面效应将占据上风。因此，证券公司不应一味开展重资产业务而忽视轻资产业务，合理的业务结构应该是重资产业务占主导，轻重两类业务均衡发展。

注释

1. 范围经济效应即：随着证券公司业务经营范围的扩大，单位产品成本呈现下降趋势。

2. 度量金融机构风险的常见指标包括Zscore、风险资产占比、不良贷款率、预期违约频率等。这些指标中，证券公司缺乏与风险资产占比、不良贷款率相对应的指标，而预期违约频率只能用于测度上市机构的风险承担，而本文样本包含大量非上市证券公司。因此，本文最终选择Zscore测度证券公司风险承担。

3. 客户存款和客户备付金来源于证券公司的经纪业务，是由于银证分账、结算准备等监管要求而产生的资产，对应的负债科目为代理买卖证券款。对于上述资产，证券公司并无实质决策权，故而在计算证券公司杠杆、盈利能力时，需要使用调整后总资产。

4. 对于其中科目存在的缺失值，本文用0代替。

5. 考虑到目前新三板市场尚不成熟，在融资功能、估值水平等方面与主板存在较大差距，因此暂不将新三板上市证券公司纳入上市证券公司行列，“是否上市”的确定标准仅为A、H股上市。

6. 由于缺乏起始年份(2007年)的ROA_sd数据，故被解释变量Zscore实际上从2008年开始。

7. 中国证券会2014年4月25日下发《关于进一步规范证券经纪业务活动有关事项的通知》要求加强佣金费率管理，明确严禁低于成本佣金率；2018年3月23日下发《证券公司投资银行类业务内部控制指引》规定，证券公司在开展投资银行类业务时，应当在综合评估项目执行成本基础上合理确定报价，不得存在违反公平竞争、破坏市场秩序等行为。

8. 在未汇报的回归结果中，本文发现重资产业务对于证券公司ROE具有不显著的负向影响，说明在重资产业务降低ROA的情况下采取加杠杆策略起到了防止ROE明显下降的效果。

9. 采用Sargan检验判断工具变量的有效性，零假设是工具变量的选取是有效的；以一阶差分转换方程残差的二阶序列相关检验AR(2)来判断原方程扰动项是否相关，零假设为不存在二阶自相关。

10. 另一种分类方法是先计算各证券公司历年规模的均值，然后对证券公司历年规模均值排序，在此基础将样本分为规模较大组和规模较小组，采取这种分类方法得到的结果与正文回归结果是一致的。

11. 从2010年以来的历年证券公司分类评级结果可知，能够获得AA级的证券公司大多是头部大证券公司，这与大证券公司较强的风险管理能力、较高的合规管理水平和市场竞争力密不可分。