张雪兰，金 婷

（中南财经政法大学 金融学院，武汉 430073）

0 引言

理解银行竞争与稳定的关联是银行竞争监管政策设计的基石。一方面，“竞争脆弱论”依据特许权价值和关系型贷款两条理论线索认为竞争妨碍稳定，Martinez-Miera和Repullo（2008）进一步认为银行竞争会带来贷款利率降低，减少覆盖贷款损失的利息收入，这种“边际利润效应”将增大银行不稳定性；另一方面，“竞争稳定论”则主张竞争有助于降低银行贷款利率、增强企业盈利能力，继而降低银行信用风险，这种“风险转移效应”有利于银行稳定。近年来，两者间的非线性关系受到关注，有理论和实证研究表明竞争与稳定的关系取决于边际利润和风险转移两种效应的合力而可能呈现出U型关系。

经济新常态下，随着中国金融市场准入的逐步放开，金融业竞争日趋激烈，如何维护银行体系稳定已成为当前亟需理论指导及经验借鉴的一项重要任务。本文拟以中国银行业为样本，辨析银行竞争与稳定的因果关联，以期为优化银行竞争政策设计，提高银行稳定性提供参考。

1 模型设定

鉴于银行竞争与稳定之间可能存在风险转移效应与边际利润效应的交互作用，本文参照Kasman等（2015）的研究，引入竞争度的平方项探究银行竞争与稳定之间可能的非线性关系，构建模型如式（1）所示：

其中，RISKit表示银行稳定的反向指标银行风险；Booneit为银行竞争度；CR5 为银行集中度；lnTAit、LQit、RGDPt、RMt为控制变量，分别表示银行资产规模、流动比率、GDP增长率和货币政策状态。式（1）中，γ1和γ2是重点关注的系数，若两者皆为正值，说明银行竞争度越低，银行风险越大；若两者皆为负值，则说明银行竞争度越低，银行风险越小，越利于银行稳定；若γ1为负值，而γ2为正值，则银行竞争度与银行风险间的关系符合U型特征。

2 变量选取、样本及数据来源

2.1 银行稳定

文献中常用银行稳定性的“反向指标”来作为其代理变量，中国没有发生过系统性银行危机，不宜采用银行危机发生与否来衡量银行体系的稳定性；预期违约概率数据无法获取；不良贷款率仅仅涵盖了信用风险，无法将其与银行失败概率直接关联，故参照尹志超等（2014）采用Z值测算银行破产风险，以此衡量银行风险。计算公式为：

其中，ROA为银行净利润与总资产之比，即银行总资产收益率，Eit/Ait为银行所有者权益与总资产比率，σ(ROAit)表示ROA的标准差。本文对Z值取自然对数处理，并采用两种计算方法：一是以3年为期，将2007—2015年划分为2007—2009年、2010—2012年和2013—2015年三个时期，在每个时期内计算每家银行的Z值；二是采用3年移动平均，根据ROA与E/A的三年期移动均值以及ROA三年的移动标准差σ(ROAit)计算Z值。lnZ1和lnZ2表示基于两种算法所得Z值取自然对数后的负值（-lnZ），lnZ1和lnZ2越大表示银行风险越大。前者用于主回归，后者用于稳健性检验。

2.2 银行竞争度

由于模型设定上的偏误导致H指数对银行竞争度的

式（3）中，Dt为加入的时间虚拟变量。由于利润可能存在负值，会导致边际成本系数即Boone指数失真，故参考Schaeck和Cihák（2010）的做法，将净利润率的自然对数ln（ROAit）作为被解释变量。βt即Boone指数，一般情况下，βt为负值，且βt越小，市场竞争度越高。MCit为i银行t时期的边际成本，通过随机前沿模型对超越对数成本函数估计所得系数加以计算得到。根据Guevara和Maudos（2007），构建超越对数成本函数为：衡量并不可靠，且基于边际成本价格的Lerner指数不能反映产品的替代程度变化引起的竞争度变化，因此参照Tabak等（2011）采用Boone指数来衡量银行竞争度。其基本思想是效率高即边际成本低的银行理应占有更大的市场份额，获取更高的利润，计算公式为：

由式（4）计算得到边际成本：

式（4）中TCit和TAit分别为为第t年第i家银行总成本和总资产，其中总成本为非利息支出与利息支出之和。此处有两种投入要素，W1表示资金价格，为利息支出与吸收存款之比，由于数据可得性问题，未能将劳动和资本价格分开表示，此处W2表示劳动和资本价格，为非利息支出与固定资产之比。

2.3 银行集中度

银行竞争度和集中度通过不同渠道共同作用于银行稳定性。研究中常用CRn指标表示该行业内前N家最大的企业所占市场份额的总和表示行业集中度。因此本文选取中国工商银行、中国农业银行、中国银行、中国建设银行以及交通银行的资产总额占全体商业银行总资产比例（CR5）代表银行集中度。

2.4 控制变量

对个体银行特征变量和宏观经济环境变量加以控制：①银行财务特征变量，选取银行资产规模变量（TA）和流动比率（LQ）。一般认为，资产规模越大则受到政府“太大而不能倒”的隐性政策保护越多，由此产生的道德风险会刺激银行从事高风险业务；流动比率越高，银行变现能力越强，银行风险越低；②经济发展状况，以名义GDP增长率为代理变量。银行信贷具有明显的顺周期性，当经济发展势头良好，银行对前景持乐观态度，则会降低信贷标准，增加信贷投放，由信息不对称引起的逆向选择风险增大；而当经济衰退时，银行收紧银根，借款人财务状况不佳，偿债能力降低，道德风险加剧，银行不良贷款率上升，由此增大银行体系的波动性；③货币政策状态影响银行的风险承担，本文借鉴谭政勋、王聪（2015）的货币政策指标，通过阅读中国人民银行发布的季度《货币政策大事记》，把每个紧缩性货币政策的开始和持续期设为1，并以货币政策开始转向紧缩的季度为分界点，由于M2增长率可能为负值。因此本文用当期M2增长率减去分界点前四个季度M2增长率的均值，得到当期货币政策状态的一个相对指标RM，RM越小则说明当期货币政策紧缩度越大。由此算出研究区间内的季度RM值，再统一取每年四季度的RM平均值作为年度变量值。

2.5 研究样本与数据来源

中国自2007年起实施新修订的会计准则，为保证数据口径统一，研究区间界定为2007—2015年。在剔除数据缺失3年以上的银行后，研究样本包括中国5家大型股份制商业银行、9家全国性中小型股份制商业银行和12家城市商业银行。截至2015年底，样本银行总资产之和占所有银行业金融机构总资产的61.74%，能在一定程度上代表中国银行业基本情况。各银行数据均经由Wind数据库、商业银行年报相关数据计算得出，宏观经济数据均取自国泰安CSMAR数据库。

3 实证分析

3.1 变量描述性统计

由表1可知，代表银行稳定性的lnZ1和lnZ2结果相差不大，标准差较小，可见样本考察期间个体银行间运营情况和破产风险差异较小。Boone指数均为负值，从竞争度最高时的-2.184到竞争度最低时的-0.228，表明随着金融业市场准入步伐的加大加快，竞争程度不断提高；CR5均值高达72.98%，样本银行CR5处于66.89%～78.33%之间，说明中国银行业市场结构呈现出明显的寡头垄断特征。

表1 变量的描述性统计

3.2 面板单位根检验

为避免伪回归，本文对各所估计参数的平稳性进行检验。由于对每个银行而言，银行竞争度、集中度、GDP增长率和货币政策状态取值都相同，因此只对银行稳定性变量与银行财务特征变量进行单位根检验。如下页表2所示。

表2 单位根检验结果

本文的面板数据属于非平衡面板，只适用于IPS检验和费雪式检验，检验结果如表2所示。表2中DlnTA为一阶差分后lnTA的值，括号内为p值，由此可以看出，所有变量包括一阶差分后的lnTA均平稳，因此之后的面板回归结果是可靠有效的。

3.3 参数估计与分析

模型中存在银行风险的滞后一期变量，考虑到内生性问题，本文主要运用系统广义矩进行估计，下面对系统GMM扰动项的自相关性进行检验，结果如表3所示。

表3 系统广义矩估计扰动项自相关性检验

由表3可知，扰动项的差分不存在二阶自相关。而过度识别检验结果显示chi(30)=20.87356，Prob〉chi2=0.8918，不能拒绝“所有工具变量都有效”的原假设，故可使用系统广义矩进行估计。为便于比较及确保检验的稳健性，本文同时采用差分广义矩（Diff）、一步系统广义矩（Sys_one）、两步系统广义矩（Sys_two）和纠偏后的稳健性两步系统广义矩（Sys_two_vce）进行估计。回归结果如表4所示。

表4 银行集中度、银行竞争度与银行风险估计结果

从表4可知，无论基于何种估计方法，Boone指数及其平方项系数始终为负，这意味着Boone指数越大，银行竞争度越小，银行风险越小，银行竞争度与银行风险存在显著的正相关关系，支持“竞争脆弱论”。不同于Martinez-Miera和Repullo（2008）“在垄断市场，风险转移效应倾向于占主导地位，而边际利润效应在竞争市场占主导地位”的结论，中国银行业的“边际利润效应”完全覆盖并且超过了“风险转移效应”。如刘旸（2012）所述，当银行利差减小，收益受到威胁时，银行降低企业的转换成本以提高竞争力，即通过设定最优的风险行为，由高风险项目补偿低利率对利润的影响，银行这种风险激励行为将对银行稳定性造成严重损害，即过度竞争会降低银行的稳定性。而Covitz和Heitfield（1999）亦认为，竞争令银行更易受借款人道德风险的冲击，从而使银行业风险对宏观经济波动有较高的敏感度。造成这种矛盾的原因还可能在于银行竞争度与银行稳定性之间的关系受到诸如监管环境宽松程度、银行股权结构等因素影响，在银行监管不够完善的环境中，竞争会带来银行体系脆弱性。尤其在国内银行金融服务产品差异性较小的情况下，银行业之间的竞争往往表现为同质细分市场的竞争，对市场份额的激烈争夺降低了银行的预期收益，从而诱发银行过度风险承担。银行不计成本的“圈地运动”、信贷羊群行为、揽储恶性竞争即为明证。从各国银行监管实践来看，严格的竞争行为监管与较强的资本充足、银行内控、市场纪律和存款保险之间存在一种替代关系。相对而言，中国的存款保险制度在样本期间虽未付诸实施，但监管重点更多地放在资本充足、银行内控、市场纪律方面，加之综合经营与分业监管导致监管重叠与监管空白并存，国内金融创新和综合经营使得金融机构之间的相互交易日趋频繁，产品、业务彼此竞争、相互渗透，形成了休戚相关的利益共同体，同时也放大了金融风险的传递能力。

与此同时，结果还表明：（1）银行集中度与银行风险显著负相关，支持“集中稳定说”，即银行业越集中，银行风险越小；（2）银行资产规模越大，银行风险越小，而银行流动性比率与银行风险无显著线性关系；（3）GDP增长率与银行风险有显著的正相关关系，这是因为信贷的顺周期性，由信息不对称引起的逆向选择风险增大；（4）货币政策状态与银行风险存在显著的正相关关系，说明货币政策紧缩度越小，银行风险越大，即货币政策越宽松，越不利于银行稳定。

3.4 稳健性检验

为验证回归结果的稳健性，本文用基于移动平均法计算的lnZ2替代基于时期划分计算的lnZ1，并运用系统广义矩估计对模型进行参数估计。稳健性检验结果如下页表5所示。

由表5可知，在替换变量之后，Boone指数及其平方项的系数依然为显著的负值，说明银行竞争与风险间的正相关关系并非偶然结果。货币政策状态也依然显著，表明货币政策状态与银行风险的正相关关系稳健，其他控制变量显著性和符号的变化并不影响银行竞争度回归结果的稳健性，其估计结果仍然可靠。

表5 稳健性检验结果

4 结论

把握银行竞争与稳定的关联是实行银行业对内对外开放、促进银行体系高效稳健运行的关键之一。针对理论与实证研究存在的分歧，本文使用中国26家商业银行在2007—2015年间的非平衡面板数据，并将银行竞争与银行稳定之间的非线性关系纳入考量，发现银行竞争的边际利润效应覆盖并超越了风险转移效应，表现为低银行竞争度更有利于银行稳定，支持了“竞争脆弱论”。原因可能在于过度竞争在一个有待健全的制度环境中有或能增加银行的脆弱性。但这并不意味着限制进入与竞争，而是要优化制度设计，限制过度竞争、促进有效竞争，在竞争中提升银行自身抗风险能力，促进银行体系高效、平稳运行。

参考文献：

[1]Zigraiova D,Havranek T.Bank Competition and Financial Stability：Much Ado About Nothing?[J].Journal of Economic Surveys,2016,30(5).

[2]Martinez-Miera D,Repullo R.Does Competition Reduce the Risk of Bank Failure?[J].Review of Financial Studies,2008,23(10).

[3]Boyd J H,Nicoló G D.The Theory of Bank Risk Taking and Competition Revisited[J].The Journal of Finance,2005,3(3).

[4]Hakenes H,Schnabel I.Capital Regulation,Bank Competition,and Financial Stability[J].Economics Letters,2011,113(3).

[5]Fu X,Lin Y,Molyneux P.Bank Competition and Financial Stability in Asia Pacific[J].Journal of Banking&Finance,2014,38(1).

[6]尹志超,吴雨,林富美.市场化进程与商业银行风险——基于中国商业银行微观数据的实证研究[J].金融研究,2014,(1).

[7]张健华,王鹏.银行风险、贷款规模与法律保护水平[J].经济研究,2012,(5).

[8]谭政勋,王聪.房价波动、货币政策立场识别及其反应研究[J].经济研究,2015,(1).

[9]刘旸.银行业竞争与稳定[M].北京：中国金融出版社,2012.

[10]王凌云,余维彬.银行竞争：理论纷争、政策比较及对发展中国家的启示[J].金融评论,2015,(3).