李波1王广宇2
(1.苏州羞艮行博士后科研工作站上海财经大学江苏苏州215000;
2.兴业银行博士后科研工作站中国社科院金融研究所上海200120)
摘要:“十四五”时期国内金融生态环境将加快变化。互联网金融加速发展,LRP利率机制改革不断完善，金融脱媒现象更加凸显、金融科技将对商业银行经营管理全面赋能，城市商业银行传统的存贷利差的盈利模式已不可持续。提高非利息收入占比、拓展多元化收入已成为其“十四五”时期重要战略之一。实证考察长江三角洲地区的18家城市商业银行非利息收入与经营绩效二者关系，结果发现，非利息收入占比与经营绩效呈现显著负相关，在控制变量中，成本收入比、不良贷款率与经营绩效呈现负相关，资产规模与城商行经营绩效呈非线性关系，即倒U型，经营绩效随着其资产规模先上升，后下降。对此应采取诸如发展多元化新型中间业务，提升金融服务的智能化、高效化、多样化，让金融科技为城商行高质量发展真正赋能等措施，以促进我国经济向高质量发展阶段快速迈进。 关键词：长江三角洲；城商行；非利息收入；经营绩效
中图分类号：F061.5;F832.33文献标识码：A文章编号：1006-6373(2021)01-0013-06
一、问题的提出
自从1995年在我国深圳诞生第一家城市商业银行(以下简称“城商行”)以来，城商行历经25年的改革创新与转型发展,2014-2019年，我国城商行资产总额已从18.08亿元增长到37.28亿元，净利润已从2010年的769.80亿元增长到2017年的2473.50亿元，年复合增长率高达18.15%①，现已成为我国银行体系中的重要组成部分。城商行在服务地方经济发展、促进金融供给侧改革中的作用日益凸显。我国经济发展已步入新常态，互联网金融、现代金融科技不断快速发展，打破了时间与地域的局限，信息沟通更加高效与透明，金融脱媒现象不断加速，同时伴随着LRP形成机制的不断改革与完善，继续以存贷款利差为主要盈利模式的城商行传统生存模式已不可持续，2014-2019年，南京银行的净息差已从2.71%下降到1.85%，宁波银行则由2.66%降至1.84%②。探寻多元化的盈利模式迫切成为我国城商行“十四五”时期重要的战略方向之一。非利息收入主要是指城商行利润表中营业收入科目下除净利息收入以外的收入，主要包括手续费及佣金净收入、公允价值变动损益、投资收益、汇兑损益、资产处置损失等。如徽商银行在2017-2019年，非利息净收入已
作者简介：李波(1990-)，男，安徽蚌埠人，政治经济学博士，苏州银行与上海财经大学联合培养博士后，研究方向：商业银行转型与发展。
王广宇(1987-)，男，安徽蚌埠人，产业经济学博士，兴业银行与中国社科院金融研究所联合培养博士后，研究方向：资产管理。
从2386.79万元增长到6501.52万元，其中手续费及佣金净收入占比较大，2019年在非利息净收入中的占比高达64%③。非利息收入、多元化收入结构与商业银行的绩效与风险之间的关系一直是焦点问题。面对未来几年国内外复杂多变的金融生态环境，多元化发展战略已成为重要议题之一，在此大背景下深入探讨非息业务收入与经营业绩二者的关系，具有鲜明的理论意义及时代价值。
二、文献简述
通过文献检索发现，近年来学术界关于非利息收入与经营绩效关系的观点主要集中在以下三个方面：一种观点认为，商业银行的非利息收入的规模与占比与经营绩效呈现显著的正相关。国外学者Diamond（1984）认为，非利息收入增长能提高商业银行的客户多样性，丰富银行客户体，进而利于提高总体业务收入。Chiorazzo（2008）通过考察意大利银行业经营数据，得出非利息收入利于提高商业银行经营绩效的结论。国内学者陈一洪（2015）采用23家大型城商行2008-2013年面板数据分析大型城商行非利息收入对其经营绩效的影响，结果发现非利息收入占比与大型城商行经营绩效（ROA和ROE）之间存在显著的线性正相关关系o王曼怡等（2016）采用我国城市商业银行2008-2015年的数据，建立面板模型发现非利息收入占比与城商行经营绩效具有显著的正向关系。
另一种观点认为，商业银行的非利息收入的规模与占比与经营绩效呈现显著的负相关。Acharya （2002）认为，银行如果放弃主业经营，仅提高非利息收入并不能提高经营绩效。Berger等（2010）采用中国银行业数据，实证结果发现：贷款、存款、资产等的非利息收入会降低银行收益、提高经营成本。王菁等（2008）基于我国12家商业银行7年数据分析得出，银行的非息收入占比与股权收益率之间存在显著的负相关关系，并从波动性、成本、内部结构三方面进行原因阐释。姚文韵（2012）通过把非利息收入细分为手续费及佣金收入与其他业务收入，基于2000-2010年14家上市商业银行数据，实证结果发现：非利息收入占比与资产收益率存在负向关系，但不显著，手续费和佣金收入份额与资产收益率为正显著关系，而其他业务收入份额却与资产收益率负显著关系。李明辉等（2014）基于1998-2012年中国114家商业银行的微观数据，采用动态面板模型实证检验非利息业务对银行盈利的影响，发现非利息业务水平的提高导致了传统存贷业务收益率的降低，并不能明显提高银行盈利水平。胡东婉（2018）等基于35家上市银行2012-2016年非平衡面板数据，采用广义矩估计方法（GMM）实证分析非息收入占比对商业银行经营绩效的影响，结论表明非利息收入占比的提高降低了商业银行经营绩效，并指出其原因并非是中间业务收入对商业银行绩效负面作用，而是近年来商业银行同业业务快速发展降低了商业银行绩效水平，进而掩盖了非利息收入对经营绩效的贡献。持类似观点的还有黄永兴等（2016）、肖文东（2017）、黄国妍（2018）o
还有一种观点认为，不同性质的商业银行的非息收入的规模与占比与其经营绩效关系不同。赵胜民（
2016）基于我国2005-2014年49家商业银行的面板数据，实证结果发现，对于全部银行样本，非息业务对于收益及风险调整后的收益有显著正向影响，对于国有银行，非息业务发展增加了收益，对于全国性股份制商业银行和城商行，非息业务发展对于收益及风险调整后的收益没有明显的影响，对于农商行，非息业务发展对两种收益的影响不显著。持相似观点的还有冯波（2016）、岳意定（2016）o 但从现有文献来看，国内学者在研究商业银行非息收入与经营绩效关系时，样本选择多集中在全国层面上，并包含大型国有银行、股份制商业银行、城商行、农商行等多种性质商业银行，集中探讨城商行中非利息业务收入与经营绩效二者关系的不多，城商行扎根本土、服务地方，地缘优势明显，因此不同区域内的城商行的内外部发展环境、发展定位、发展战略也就不同。本文集中选择位于我国长江三角洲18家城商行为研究样本，采用随机效应面板数据模型，实证检验长三角城商行非息业务收入与经营绩效二者的关系，以期为城商行未来转型发展提供一些政策参考，进而更好地推动长三角金融一体化发展，促进我国经济向高质量发展阶段迈进。
三、变量选取和模型设定
（一）样本确定与数据来源
截止到2019年底，位于我国长江三角洲地区的城商行共有19家，从地域分布来看，位于安徽省境内1家、江苏省境内4家、浙江省境内13家，上海1家。由于宁波东海银行资产规模较小、且财务信息未对外发布，故在本文选择银行样本时将其排
除，只限于其余18家。其中包括：7家已上市城商行（江苏银行、南京银行、宁波银行、杭州银行、上海银行、徽商银行、苏州银行），及台州银行、浙江泰隆商业银行、浙江民泰商业银行、温州银行、绍兴银行、江苏长江商业银行、嘉兴银行、湖州银行、浙江稠州商业银行、金华银行、宁波通商银行。本文研究数据时间跨度为2016-2019年，来源于各个城商行对外发布的年报、wirnl资讯、经审计的各个城商行财务报告。
（二）变量选择与定义
1经营绩效指标。本文选取总资产收益率（ROA）、净资产收益率（ROE）两个指标来衡量城商行经营绩效。其中总资产收益率反映了城商行整体盈利水平；净资产收益率则体现城商行给予投资者的回报。
2.非利息收入指标。本文用非利息收入与营业收入比重来衡量城商行2016-2019年非息收入的发展规模。
3.控制变量。从资产流动性角度，本文选择流动性比例来分析资产流动性对城商行经营绩效的影响程度及方向。从经营效率角度，选择成本收入比来探讨未来城商行成本控制对经营绩效的影响。从安全性角度，选择不良贷款率、资本充足率、拨备覆盖率三个指标来考察城商行的内部风险及抵御风险能力大小与经营绩效相关关系。其中不良贷款率反映城商行资产质量，不良贷款率越低表明当前城商行
资产质量越高；拨备覆盖率是衡量商业银行贷款损失准备金计提是否充分，拨备覆盖率越高说明银行抵御风险的能力越强；资本充足率反映城商行以自有资本来抵御不可预见损失的能力，资本充足率越高说明银行风险抵补能力越强。商业银行的规模效应广泛存在，是其核心竞争力的代表。与现有研究设计不同，本文选择资产规模取对数及其平方作为控制变量，来考察城商行经营绩效与资产规模是否存在非线性关系。具体变量及定义如表1所示。
（三）模型设定
面板数据具有解决遗漏变量问题、捕捉更多个体动态信息、提高估计精度等优势，并且可通过各种估计方法克服异方差及自相关等问题。本文研究主要采纳面板数据模型，并采用相应检验方法从混合OLS、随机效应面板模型、固定效应面板模型中进行选择，计量模型设定如下：
表1变量选择及定义
变量类别变量符号变量定义
被解释变量
ROA净利润/平均资产规模
ROE净利润/平均净资产规模解释变量Nil非利息收入/营业收入
控制变量
LIQ流动性资产/流动性负债
C0I业务及管理费用/营业收入
BAL不良贷款余额/贷款总余额
CAA资本净额/加权风险资产
REC贷款损失准备/不良贷款余额
ln(ASSET)资产规模对数
ln(ASSET)2资产规模对数的平方ROA it=p1NIR+P2LIQ it+p 3COI it+p4BAL it
+p5CAA it+p6REC it+p7LN(ASSET)it
+p8LN(ASSET Ait+u汁£辻(1) ROE it=p1NIR+P2LIQ it+p3COI it+p4BAL it
+p5CAA it+p6REC it+p7LN（ASSET）it
发酵饲料+p8LN（ASSET几+u汁£it（2）其中，P为待估计系数,q为个体固定效应，a it 为随机误差项。
四、实证结果与分析
（一）描述性统计
此面板数据的维度为T=6、N=18,T小于N，因此为短面板，观测值总共为108o变量的具体描述性统计结果如表2所示。从总样本来看，总资产收益率（ROA）均值为0.93%，温州银行2018年ROA等于0.23%，为最小值，台州银行2018年ROA等于2.7%，为最大值，标准差为0.44，整体波动变化幅度不大，多数大型城商行2014-2019年总资产收益率呈现小幅下降趋势，如南京银行总资产收益率从2014年1.12%下降到2019年0.97%，而有些小型城商行表现相反，如嘉兴银行总资产收益率从2014年0.32%上升到2019年0.90%o表明近年来大型城商行资产规模扩张的发展战略并没有带来净利润大幅上升，而某些小型城商行通过适度规模扩张战略带来净利润的大幅快速增长。净资产收益率（ROE）均值为13.17%，温州银行2018年ROE等于4.02%，为最小值，台州银行2018年ROE等于30.47%，为最大值，标准差为5.46，由此说明各个城商行净资产收益率差距较大，位于浙江省境内民营性质的台州银行ROA及ROE数值都位于第一，近年来盈利性较佳。非利息收入占比均值为24.37%,2018年江苏长江商业银行净营业收入合计为1104.41百万元，手续费及佣金净收入为-185.07百万元，非息收入占比
为-16.75%，在观测值中为最小，京华银行2018年营业收入12.92亿元，而投资收益高达10.94亿元，
非息收入占比等于91.25%，在观测值中为最大，标准差为24.37，说明非利息收入占比波动幅度较大。流动性比例（LIQ）均值为59.38%，接近或高于监管标准值（25%）2倍以上，表现出样本银行较强的短期偿债能力，流动性风险较低，2014年徽商银行流动性比例为33.92%，为最小值,2019年宁波通商银行流动性比例为133.36%，为最大值，标准差为16.43，说明全样本中流动性比例波动幅度较大。成本收入比（COI）均值为35.56%，已高于监管标准值（35%）以上，最小值为2019年上海银行19.98%，最大值为2017年浙江民泰商业银行59.76%，标准差为8.13%，数值波动幅度较大。不良贷款率（BAL）均值为1.25%，小于监管标准值（5%），均值为0.38%，最小值为0.39%，最大值为2.67%，标准差为0.38%。近年来我国商业银行的不良贷款率呈现走高态势，从2015年1.67%一直上升到2019年1.86%，但宁波银行近年来不良贷款率呈现平稳下降趋势，2015-2019五年均值仅为0.84%，在长江三角洲上市城商行中为最低，说明宁波银行资产质量较佳。资本充足率（CAA）均值为12.95%，高于监管标准值（8.5%），标准差为1.27%，最小值为10.58%，最大值为16.56%，样本银行中资本充足率波动变化幅度不大。拨备覆盖率（REC）均值为264.79%，远高于监管值（150%），标准差为114.23%，样本银行中拨备覆盖率波动较大，2018年浙江民泰商业银行为118.73%，为最小值,2018年湖州银行为659.42%，为最大值。从资产规模（ASSET）指标来看，均值为4620.95亿元,2014年江苏长江商业银行资产规模为133.62亿元，为最小，而上海银行以2019年资产规模22370.82亿元位居第一，样本银行中资产规模差距较大。截止2019年底，在长江三角洲地区，资产上万亿的仅有六家上市城商行，分别为上海银行、江苏银行、南京银行、宁波银行、徽商银行、杭州银行。
（二）实证结果与分析
在对短面板计量模型基本设定后，一般先采用F检验在“混合回归”和“固定效应”之间进行选择，LM检验在“混合回归”和“随机效应”之间进行选择，最后采纳豪斯曼检验在“固定效应”和“随机效应”之间进行选择。本文首先采用F检验法对以ROA、ROE为被解释变量两类方程进行假设检验,P值等
表2变量的描述性统计
Variable Obs Mean Std.Dev.Min Max
ROA1080.930.440.23 2.7
ROE10813.17 5.46 4.0230.47
Nil10824.3723.33-16.7591.25
LIQ10859.3816.4333.92133.36
COI10835.568.1319.9859.76
BAL108 1.250.380.39 2.67
CAA10812.95 1.2710.5816.56
REC108264.79114.23118.73659.42
AEEST1084620.955650.07133.6222370.82于0，拒绝“不存在个体固定效应”的原假设，然后进行豪斯曼检验,P值大于0.05，不能拒绝原假设“个体固定效应与解释变量不相关”，结果如表3所示。因此选用随机效应面板模型进行估计，混合OLS作为基准模型以方便对照，估计结果在表5中列出。考虑到组内自相关，本文采用聚类稳健标准误分别对两类方程的混合OLS、随机效应面板模型、固定效用面板模型重新估计，发现两种标准误差不大，限于篇幅，本文不再单独列出。由此说明，本文中采用的F 检验＞Hausman检验正确有效，估计结果可靠。
表3F检验、Hausman检验结果
F检验ROA ROE Hausman检验R0A ROE
F统计量36.3637.58卡方统计量13.9414.99
P值Prob>F
=0.0000
Prob>F
=0.0000
武汉职业技术学院图书馆P值Prob>chi2
=0.0833
Prob>chi2
=0.0594 Ho：all5=0（不存在个体固定效
诺和灵
应）
Hog与禺不相关（随机效应模型优于固
定效应模型）
从表4可看出，在控制变量中，流动性比例、资本充足率、拨备覆盖率三个解释变量在统计意义上并不显著。下文集中讨论非利息收入效应、成本收入效应、不良贷款效应、资产规模效应。
1•非利息收入效应
从随机效应面板模型估计结果来看，无论是以ROA为被解释变量，还是以ROE为被解释变量，非利息收入占比与城商行经营绩效均呈现显著的负相关，分别通过5%和1%显著性水平，即随着非息收入占比的提升，城商行的经营绩效逐渐下降。分别来看，在保持其他控制变量不变的情况下，非利息收入占比提升1%,ROA下降0.002%,ROE下降0.036%。作为对照，混合OLS估算结果也基本一致，且均在1%水平上显著。
2.成本收入比效应
从以ROA为被解释变量的模型1估计结果看，在1%显著性水平上，成本收入比与经营绩效呈现
表4混合最小二乘和随机效应估计结果（全部样本）
释变量
解释变
ROA
ROE
（1）RE
⑵POOLOLS
（3）RE
（4）POOLOLS
NII -0.002 15**-0.004 27***-0.035 9***-0.056 6***（0.000 976）（0.001 34）（0.012 8）（0.017 8）
UQ -0.001 52*-0.001 88-0.014 6-0.020 9（0.000 910）（0.002 01）（0.012 0）（0.026 7）C0I
-0.022 3***0.002 38
-0.261***0.114（0.004 13）（0.005 34）（0.054 3）
（0.070 9）BAL -0.277***
-0.617***
-4.567***
一&744***
（0.069 3）
（0.139）（0.912）（1.851）
CAA 0.016 80.063 4**-0.226-0.156（0.013 0）（0.026 4）
（0.171）
（0.351）REC
0.000 2030.000 1760.002 610.003 48（0.000 227）（0.000 399）（0.002 99）（0.005 30）
ln （ASSET ）0.899***
1.074***
21.06***
6.930*
（0.243）
（0.275）
（3.201）微笑图书室
（3.653）
ln （ASSET ）2
-0.063 8***-0.070 4***_1 393***
-0.410*
（0.016 0）（0.018 0）
（0.210）（0.239）CONS
-1.097-3.010***
-45.11***
-4.551（0.953）
（1.106）
（12.53）
（14.69）
N 108108108108R2
0.612
0.554
Standard errors in parentheses
*p<0.1, **pV0.05, ***pV0.01
负相关，控制其他解释变量不变的情况下，成本收入 比上升1个百分点，ROA 下降约0.02个百分点。从 以ROE 为被解释变量的模型3估计结果看，成本收
入比与经营绩效也呈现负相关关系，在统计意义（1%
显著性水平）上高度显著，且影响程度加大。在其他 解释变量不变情况下，成本收入比上升1个百分点 将导致ROE 下降约0.26个百分点。但作为对照组， 混合OLS 估计结果却呈现出二者正相关关系，但统 计意义上不显著，可能是由于各城商行特定的截面
效用所致。
3. 不良贷款率效应
从两类模型来看，随机效应面板模型估计结果
均表明：不良贷款率与经营绩效呈现显著（1%水平） 负相关关系，即不良贷款率越高，资产质量越低，城
商行的经营绩效越低。分别来看，不良率上升1个
百分点，ROA 下降0.28个百分点，ROE 下降4.57个 百分点。从对照组混合OLS 估计结果看，结果基本 一致并且统计意义上高度显著。
4. 资产规模效应
从估计结果看，在以ROA 和ROE 为被解释变 量的两个模型中，ln （asset ）2系数均为负值，且在1%
水平上高度显著，由此说明经营绩效与资产规模具长岛的雪
有非线性关系，呈现出倒u 型，即随着资产规模扩
大，城商行的经营绩效先上升，后逐渐下降。混合
OLS 估计结果也同样印证这一结论。
五、稳健性讨论
样本银行中7家上市城商行（上海银行、徽商银 行、宁波银行、南京银行、江苏银行、杭州银行、苏州
银行）资产规模较大，并且这7家上市城商行受地方 政府干预程度较深，为了排除极端值的影响，本部分
剔除这7家上市城商行后，分别进行F 检验和Haus-
man 检验，最终选择随机效应面板模型进行估计（限
于篇幅检验结果不再单列）。从估计结果表5可以看
出，从两类模型来看，非息收入占比与经营绩效分别 在1%、5%显著性上呈现负相关关系，在控制变量
中，成本收入比和不良贷款率与经营绩效呈现高度 显著（1%水平）负相关关系。在以ROA 为被解释变
量的随机效应逊 1中,ln （ASSET ）2前系数为-0.035 6, 但统计意义上不显著，而在以ROE 为被解释变量的
随机效应模型3中,in （A sset ）2前系数为-1.317，且
通过10%的显著性水平，基本说明资产规模与经营 绩效呈现倒U 型关系，与本文第4部分估计结果基
本一致。
表5混合最小二乘和随机效应估计结果
（剔除7家上市城商行）
严释变量
解释变
ROA ROE
（1）RE
⑵
POOLOLS
⑶RE
（4）POOLOLS
NII
-0.003 96***-0.005 04***-0.046 1**-0.054 7**（0.001 36）（0.001 84）（0.018 5）（0.025 8）
LIQ
-0.002 31**-0.002 58-0.018 7-0.016 6（0.001 11）（0.002 62）（0.015 0）
（0.036 6）C0I -0.028 2***0.003 22-0.340***
0.123（0.005 18）
（0.007 90）
（0.070 4）（0.110）BAL -0.219***-0.511***
-3.872***
公路工程索赔_7 172***
（0.084 5）（0.191）（1.140）（2.662）CAA 0.022 00.068 8*-0.065 50.002 42（0.018 3）（0.038 3）
（0.248）
（0.535）REC
0.000 1390.000 8440.002 030.012 2（0.000 315）
（0.000 614）（0.004 26）（0.008 58）
Ln （ ASSET ）
0.594-0.080 320.44**
-11.43（0.691）（1.072）（9.365）
（14.96）ln （ASSET ）2
-0.035 60.023 8-1.317*
1.032（0.051 8）
（0.081 3）（0.701）（1.135）
CONS
-0.080 60.128-43.2846.25（2.363）（3.519）
（32.05）
（49.12）
N 66
666666R2
0.677
0.567
Standard errors in parentheses *pV0.1, **pV0.05
, ***pV0.01
六、研究结论及政策建议
本文采用长江三角洲地区的18家城商行为样
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议