专业委员会
杨磊
一、引言
在利率市场化背景下,稳定程度较高、成本相对较低的客户存款是各家商业银行的必争之地。在某种意义上,"存款立行"、"得存款者得天下"已成为银行业普遍认同的一种文化。商业银行作为经营货币资金的特殊机构,其对于存款的定价必然受到多方面的影响。
总体上看,这种影响主要来自于两个方面:一是宏观因素。作为典型的顺周期行业,银行的存贷款增长、利率汇率制定、经营业绩目标实现等方面均受到宏观经济形势的制约。实际上,银行也总是会根据宏观形势的变动来灵活调整自身的发展战略和经营目标,一国的GDP、M2增速、物价水平等指标的波动往往都会直接或间接对银行的经营行为产生影响,这其中也包括存款的定价策略和定价行为;二是微观方面,一方面银行作为公司主体,首先会按照利润最大化或股东价值最大化原则制定经营计划,其中最为重要的就是存贷款计划目标以及与之配套的定价策略,对于传统银行来说,这两方面几乎直接决定了银行当年的经营业绩;另一方面银行作为经营货币资金的特殊公司,会比普通公司受到更多来自政府的监管,以确保实现国家金融安全和稳定的目标。从世界范围看,商业银行需要满足的监管指标和监管要求几乎是金融机构中最多的。
事实上,无论是宏观因素还是微观因素,定期存款定价受到的影响要远远高于活期存款,这主要是因为活期存款主要以满足客户的交易性和便利性需求,且由于无明确固定到期日其主动权往往掌握在客户手上,而定期存款则不同,对于推出哪些期限的定存产物、目标客户是哪些、金额如何分层设置、利率优惠幅度如何把握等往往由银行掌握着主导权,因此定期存款的定价更多地取决于银行的经营战略和主观意愿。
二、利率市场化下商业银行存款利率定价实证分析
除上述理论推导得到的影响因素外,参考相关文献和银行实务,在定期存款利率影响因素方面,我们提出以下研究假设:
假设一:银行的资本充足率水平与定期存款利率成反比,即:资本充足率较高的银行从监管合规和审慎经营的角度出发在存款定价上也往往较低。
假设二:银行的资产规模与定期存款利率成反比。即:规模越大的银行,其存款定价水平越低。
假设三:中间业务收入占比与定期存款利率成反比。即:中间业务收入占比越高的银行,对存款依赖度越低,其存款定价水平也越低。
假设四:不良贷款率对存款定价的影响存在不确定性,既可能表现出正相关也可能表现出负相关。
此外,还包括一些其他因素,如银行的盈利能力、市场占有率等。盈利能力是银行生存发展的基石,特别是对于上市银行来说,为股东创造价值的能力往往是投资者关注的焦点。衡量盈利能力的指标较多,主要包括净息差、ROA、ROE等。在后面的实证分析时,本文将采用平均净资产收益率(ROE)和净息差(NIM)两个代表性指标来衡量银行盈利能力
综上所述,我们已经按照银行制定存款经营计划的流程从理论上梳理了可能会影响定期存款定价的各种因素,其中较为重要的因素包括资本充足率、银行资产规模、中间业务收入、不良贷款率、盈利能力等,但以上分析仅仅是基于理论维度分析,考虑到我国利率市场化完成的时间并不长,且大部分银行特别是中小银行仍正处于适应和调整期,因此上述筛选出的影响因素是否有足够的解释效力仍需要通过实证研究进行检验。
(一)研究设计与数据来源
1、数据来源
虽然我国的利率市场化最早可追溯至1996年,但人民币存款利率上限却是从2012年6月才开始逐渐放开,从那时起商业银行才真正有权对存款利率进行调整。考虑到这一因素,同时为兼顾数据的可得性及完整性,我们选取了截止2018年12月31日在境内上市的30家商业银行作为研究对象。
实证分析中涉及的商业银行相关财务指标例如资本充足率、银行资产规模、中间业务收入、不良贷款率、盈利能力等全部来自于上市商业银行公布的2011-2017年年报数据,存款利率变动幅度是根据各商业银行官网公布的挂牌执行利率整理计算得出,宏观经济变量GDP、CPI等来自于国家统计局。
2、研究设计与模型设定
重点研究30家上市商业银行的特征变量、宏观经济变量与存款定价(以存款利率浮动幅度衡量)之间的关系。
(1)被解释变量
借鉴王宁(2014)、陈彬(2016)等人的研究,存款利率浮动幅度更能说明剔除降息因素后,存款利率市场化以来利率定价的实际变化情况,因而选择银行存款利率浮动作为被解释变量,计算方法如下:
存款利率浮动幅度=商业银行存款挂牌利率÷央行公布基准利率-1
(2)解释变量
根据前面理论分析,我们选取的解释变量共有7个。其中,利率市场化指数继续沿用上节中的数据;参考Acharya(2013)的研究,我们选择了资本充足率(CAP)作为解释变量;参考王宁(2014)、Hannan(2006)等人的研究选取银行资产规模(CPS)指标,其他解释变量还包括中间业务收入占比(ibi)、净息差(nim)、净资产收益率(ROE)、不良贷款率(NPL)。
(3)控制变量
理论分析部分也提到,除银行自身因素外,定期存款的定价不可避免地还会受到来自宏观经济指标的影响。考虑到宏观变量较多,借鉴国内外现有研究,选取了最具代表性的经济发展水平(GDP)、通货膨胀率(CPI)作为控制变量。
表1变量定义与计算方法
(二)回归结果分析
1、数据说明和描述性统计
按照模型的设定,我们共获取了30家境内上市银行共10个变量的相关数据,样本数据的时间跨度为2011年-2017年,由于在样本期间内并不是所有银行都进行了存款利率的上调,在剔除异常数值后,共计得到96个观测值。
2、回归结果分析
首先,我们对基准模型进行实证检验,为更加清晰地看出各个变量对被解释变量的解释能力,在控制个体效应和时间效应的前提下,我们在基准模型中逐步增加解释变量和控制变量的数量,具体回归结果如表4所示:
表4:基准模型中定期存款定价的影响因素分析
注:上表中括号中的为对应回归系数的t值,*代表回归结果在10%的水平上显着,**代表回归结果在5%的水平上显着,***代表回归结果在1%的水平上显着。
从上述回归结果看,在模型(1)-模型(8)中利率市场化对存款上浮幅度均具有正向影响,即利率市场化程度越高,存款上浮也越高。这与理论模型中的预期相一致。在其他解释变量中,只有资本充足率和资产规模两个解释变量始终保持在1%的水平上显着,且回归系数的符号始终为负,这与我们之前的理论分析完全一致。此外,GDP和CPI两个控制变量在加入模型后也都显着为负,且在1%的水平上显着。这说明GDP和CPI与定期存款利率呈反比。一般来说,GDP和CPI较高的时期也是经济较为繁荣的时期,这说明在经济发展较好的时期,银行对存款的定价也会更加理性,利率报价控制在较低的水平,不会用价格作为同业竞争手段。
为验证上述模型结论的有效性,我们进一步引入动态模型与不同方法的基准模型进行对比,结果详见表5:
表5:不同基准模型和动态模型的回归结果对比
注:上表中括号中的为对应回归系数的t值,*代表回归结果在10%的水平上显着,**代表回归结果在5%的水平上显着,***代表回归结果在1%的水平上显着。
由于采用的是非平衡面板数据,在回归时主要是用到了固定效应模型和随机效应模型,两个模型可以在控制个体效应和时间效应的基础上进行建模,面板数据有横截面与时间两个维度,容量较大,精准度较高,有助于解决遗漏变量问题。
作为对照模型,首先进行混合回归,即不区分年份和银行个体把所有数据放在一起,进行PooledOLS混合回归。从表5第一列可看出,资产规模、资本充足率、GDP和CPI变量基本均在1%水平显着,且符号均为负。这与前述基准模型的结论一致。
但由于每个银行的情况不同,可能存在不随时间而变的遗漏变量,故考虑在不控制时间效应的前提下使用纯固定效应模型进行回归。表5第2列列出了具体结果,可以看出,资产规模、资本充足率、GDP和CPI变量基本均在1%水平显着,且符号均为负。与(1)列显着性及方向一致。然后我们再建立随机效应模型,从(3)列看出,资产规模、资本充足率、GDP和CPI变量基本均在1%水平显着,且符号均为负,这也与第1列的显着性及方向一致。
个体固定效应模型解决了不随时间而变但随个体而异的遗漏变量问题,但还可能存在不随个体而变,但随时间而变的遗漏变量问题,在固定效应中考虑时间效应,即双向固定效应,因而引入双向固定效应模型。从表(4)列看出,资本充足率变量由之前模型的在1%水平显着变为在5%水平显着,回归系数显着性有所下降,但方向仍与纯固定效应和随机效应模型的结果相一致,而资产规模、GDP和CPI变量仍在1%水平显着,且符号均为负。为确定固定效应和随机效应哪个更加合理,我们采用Huasman方法进行了检验,检验结果显示Huasman统计量的数值为20.81,并且在1%的水平上显着,这说明固定效应模型比随机效应模型更加有效。
为克服序列自相关、截面相关及避免出现异方差等情况,继续使用FGLS估计方法。从第5列看出,资产规模、资本充足率、CPI变量基本均在1%水平显着,且符号均为负,与前述模型一致;但GDP变量虽然也在1%水平显着,但符号为正,与之前模型结果相反;与此同时,在该模型下,净资产收益率ROE变量在5%水平上变得显着,且符号为正,这提示我们在FGLS模型下,ROE也对存款利率定价有一定解释力,且符号与我们理论分析的预期一致。即:盈利能力越强的银行,其定期存款利率定价也会越高。
最后,为克服内生性问题,我们在表5的第6和7列中采用GMM估计方法建立动态调整模型,按照通常的设定,将被解释变量的滞后一期项作为解释变量纳入模型。为确保动态模型使用的可靠性,在表5的第6列,我们参考ArellanoandBond(1991)模型建立了差分GMM模型,在第7列中,我们参考BlundellandBond(1998)模型建立系统GMM模型。从回归结果看,在(6)列差分GMM模型中资产规模和资本充足率变量在1%水平显着,符号为负,与之前模型结论基本一致;在(7)列系统GMM估计中,资产规模变量在1%水平显着,符号为负,而资本充足率变量显着性下降至在5%水平显着,但符号为负,仍与之前结论一致。需要注意的是,在(6)、(7)列的GMM估计中,净资产收益率和不良贷款率变量在1%水平显着,且符号为正。这说明,在克服内生性问题后,整个模型的解释力得到进一步增强。
通过横向比对以上模型中解释变量回归系数的大小、符号,我们可以总结出以下结论:
(1)利率市场化程度对存款定价具有重要影响。利率市场化程度越高,存款利率越高
在各个模型中,利率市场化程度均在1%的水平上显着,对被解释变量具有很强的解释效力。这说明利率市场化改革对银行存款的定价具有显着的提升作用,与前面理论推导得到的结论也完全一致。
(2)银行资本充足率是存款利率定价的重要影响因素,且解释效力最高。资本充足率越高,存款定价也越低。
在我们建立的各种模型中,资本充足率指标均在1%水平显着,并且仅在系统GMM估计中在5%水平显着,但符号均为负,这说明银行资本充足率与存款定价存款显着的负相关关系,资本充足率越高,存款定价也就越低。同时,纵向对比各个解释变量的回归系数也可以看出,资本充足率的回归系数的绝对值最大,这也说明相对于其他解释变量,资本充足率对存款定价的解释效力最高。
资本充足率是衡量银行信贷风险、市场风险与操作风险的综合指标。资本充足率代表了银行对负债的最后偿债能力,银行用少量资本运营大量债权资产,以此来获得高回报率。一般认为,银行的资本充足率越高,风险越低,经营较为稳健,为降低经营成本,也会选择降低存款利率。模型回归结果也证明了我们在理论分析中假设二的观点。
(3)银行的资产规模是存款利率的影响因素,规模越大,存款定价越低。
从上述模型可以看出,资产规模指标基本均在1%水平显着,仅在双向固定效应模型中在5%水平显着,但符号方向均为负号,即银行资产规模大,存款定价越低。
这主要是因为大银行在品牌知名度、资源效应、系统技术、物理网点数量等诸多方面具有绝对优势,资金流动性状况较好,大银行存款服务附加值也较高,在市场上拥有话语权及市场地位,客户对大银行更加信赖,具有较好的议价能力,进而客户愿意接受更低的存款利率。同时,大银行由于具有融资优势和中间业务发达,对存款依赖的程度业更低,不愿支付高利率,因而规模较大的银行依然具有定价优势。模型回归结果也证明了我们在理论分析中假设三的观点。
(4)经济发展水平是存款利率定价的影响因素,经济发展水平与存款定价负相关。
从模型实证结果来看,经济发展水平即GDP变量均在1%水平显着,且符号为负,说明经济发展水平与存款定价负相关,即经济发展水平越高,存款利率定价越低。
(5)通货膨胀率也是存款定价的影响因素,通货膨胀水平与存款定价负相关。
从模型实证结果显示,CPI变量回归系数为负,并且在1%水平显着,说明通货膨胀水平与存款定价负相关,即通货膨胀率越高,存款利率定价越低。通常认为,通货膨胀是由于市场资金流动性过剩引起的,因而人民银行会通过提高银行基准利率可以回笼市场中的流动资金,从而抑制通货膨胀,通货膨胀率越高,人民银行倾向于提高银行存贷款利率,但人民银行在基准利率的制定调整中已经充分考虑了通货膨胀影响,各商业银行是在人民银行基准利率的基础上制定各行存款价格的,考虑到成本因素,银行也会倾向于在央行加息的时候适度降低存款利率的上升幅度,即通货膨胀率越高,银行存款定价越低。
(6)银行净资产收益率与存款定价有一定相关性。
净资产资产收益率(ROE)在(1)列至(4)列模型中不显着,但在FGLS估计和GMM估计中显着,且符号为正,即净资产收益率越高,存款定价越高。之前的学者认为,银行盈利水平与存款利率应该成反比,因为盈利能力指标在存款市场对存款人具有安全和稳健的显示效果,盈利能力更强的银行更具有竞争和定价优势。而在本文的研究中出现了相反的结论,造成这一结果的原因可能是现阶段我国存款利率市场化处于初级完成阶段,各家银行还未能快速适应这一市场环境,利率还处于调试阶段;其次由于商业银行管理层及股东要确立合适的净利润增速,一切风险管控措施都会在高指标的现实压力下软化。盈利性低的银行一方面由于成本控制力度加强,另一方面,由于营业收入无力支撑较高的存款成本,进而反映出盈利性越高的银行,存款利率越高的现象,而随着利率市场化的不断成熟,收益率与存款利率之间的关系会逐渐回归正常。
(7)存款定价与银行不良贷款率之间有一定相关性,但相关性较小。
模型回归结果显示不良贷款率与存款定价仅在GMM估计模型下有相关性,而在其他模型中的相关性则较小。造成这一现象的主要原因可能是由于我国大多数储户在选择银行时更多的从银行的规模网点数量、服务质量等其他因素进行考量,而银行的风险情况并不是考虑的首要因素。
(8)存款定价与银行中间业务收入占比无显着相关性。
在各个模型中,两者的回归结果都不存在显着相关关系,中间业务收入变量与存款定价在各模型中均不显着。之前的多数学者认为,银行中间业务收入占比应该与存款利率成反比,因为银行中间业务收入占比越高,其贷款利息净收入占比则越小,银行基于最大化利润的考虑,会对存款利率实行较小幅度的上浮。而在本文的研究中出现了相反的结论,造成这一结果的原因可能是目前我国尚处于利率市场化改革完成初期,银行在转型过程中,加强了对中间业务收入的考核,直接与费用或者奖励挂钩,各银行也纷纷加大业务创新力度,甚至利用各种政策真空地带打起了擦边球,在传统利息收入基础上通过法律形式变通,人为增加中间业务收入,部分银行尤其是中小银行存在"息转费"等现象,即银行为了调整收入结构,提高手续费收入占比,将应收取的利息分拆为利息和费用两个部分,向公司收取财务顾问费、贷款承诺费、资金监管费等,这将导致银行中间业务收入数据存在水分。使得利息收入和非利息收入之间的收益无法清晰界定,使得中间业务收入占比与存款利率之间的相关性较差。而随着利率市场化的不断成熟,中间业务收入占比与存款利率之间的关系会逐渐回归正常。
3、对存款定价影响模型的进一步拓展-基于不同银行类型的分析
在之前的分析中,我们都是基于全部25家上市银行的样本进行的,考虑到上市银行又可以进一步细分为国有银行、股份制银行、城商行等,并且不同类型银行面临的客户群体、市场环境、监管要求等方面也都存在着较大差距,因此在具体定价影响因素上也可能会有不同的表现。因此,在本节中,我们将在前面模型的基础上做进一步拓展,尝试找出不同类型在定价影响因素上的差异。
考虑到现有样本的容量较小,如果过度细分将会造成每一组中的样本量过低,可能影响估计的准确性。因此,不失一般性,我们仅将30家银行区分为国有银行和非国有银行两大类。其中,国有银行包括工商银行、建设银行、中国银行、农业银行、交通银行5家银行,其余25家银行为非国有银行。为进行区别,我们增加了银行类型的虚拟变量soe,国有银行设定soe=1,对于非国有银行则设定soe=0,
为检验国有银行和非国有银行之间不同变量的解释效力,基于之前的模型,我们分别引入了soe与资本充足率和资产规模的两个交叉项。具体回归结果详见表7:
表7:引入银行类型交叉项后的模型回归结果对比
总体上看,在引入交叉项后,无论在哪个模型中,资本充足率和资产规模的回归系数相较基准模型都出现的明显下降,但基本保持了在基准模型中的显着性,而两个交叉项在各个模型中的回归系数均为正,且在1%或5%的水平上也都具有显着性。据此,我们可以推断,银行类型对于存款定价也具有相当的解释效力。国有银行资本充足率和资产规模对存款定价的影响与非国有银行具有明显差异。从交叉项系数看,国有银行的资本充足率和资产规模对存款定价的影响程度要低于非国有银行。也就是说,非国有银行的资本充足率和资产规模对存款定价调整的约束作用更大,相对于国有银行而言,非国有银行受制于资本充足率和资产规模等指标在调整存款利率时将面临更大压力。
三、小结
基于模型假设,我们对境内30家上市银行存款利率影响因素进行了实证分析,存款利率的决定因素表现出较大的异质性特征。回归结果显示,对存款利率具有显着性影响因素包括利率市场化程度、资本充足率、银行规模等。在对样本总体进行实证研究的基础上,我们还进一步将样本总体区分为国有银行和非国有银行,并研究了不同银行类型在存款定价方面的差异性。我们发现,虽然各类银行都在一定程度上掌握了存款定价的自主权,但相对于国有银行而言,非国有银行受制于资本充足率和资产规模等异质性因素的程度更大,在进行存款利率调整时面临着更大压力。
(作者单位:中国银行)
