发展非利息业务对银行有益吗？
———
基于中国银行业的实证分析李明辉
刘莉亚
孙
莎
内容摘要：本文基于1998-2012年期间中国114家商业银行的微观数据，采用动态面板模型实证检验了发展非利息业务对银行盈利、风险和传统利息收益的影响。本文的研究结论表明：（1）非利息业务水平的提高不能明显提高银行盈利水平；（2）非利息业务水平的提高减少了银行的信用风险和破产风险，并且破产风险的减小主要来源于杠杆风险的减小；（3）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。由于动态面板模型能够有效捕捉银行盈利、风险的持续性特征，解决逆向因果关系问题，并解决回归中的测量误差和遗漏变量问题，因而，与传统静态模型相比，本文的结论更为可靠。
关键词：非利息业务银行盈利
银行风险
净息差
动态面板模型
中图分类号：F831
文献标识码：A
作者简介：李明辉，上海财经大学金融学院金融学博士研究生；刘莉亚，金融学博士，上海财经大学金融学院教授；孙莎，上海财经大学金融学院金融学博士研究生。
*基金项目：本文受国家自然科学基金2012年一般项目（基金编号：71273163）、上海市哲学社会科学2012年规
划项目（基金编号：2012BJB011）、教育部2011年新世纪人才支持计划项目、上海财经大学研究生挑战杯项目资助。
图1
我国国有大型银行非利息收入占总收入的比重
*
资料来源：Bankscope
引言
长期以来，传统的利息收入一直是我国银行收入的主要来源。然而，随着利率市场化进程的不断推进，银行业竞争日益激烈，我国商业银行亟需摆脱单纯依赖存贷款利差的传统业务格局，逐渐向提高非利息收入比重的业务格局转变。近年来，大力发展非利息业务已成为我国商业银行的共识，非利息业务在银行的收入结构中扮演了越来越重要的角色。图1给出了我国五大国有大型银行近年的非利息业务收入占总收入的比重。由图1可知，非利息业务收入占比整体呈逐年提高态势。
传统观点认为，银行开展非利息业务，一方面拓宽了银行的盈利渠道，另一方面使得业务多元化程度提高，从而可以达到分散风险的效应（王志军，2004；薛鸿健，2006）。另外，以佣金费用为代表的非利息收入不依赖于外部经济状况，可以降低银行收益和风险的周期性，从而更加稳定、安全。然而，近年大量国内外实证研究（Stiroh ，
2004，2006；Lepetit et al.，2008；DeYoung&Roland，2001；周开国、李琳，2011等）结果表明，非利息业务的发展并不能带来风险分散效应，反而可能增大银行的风险。对此，一些学者（DeYoung &Roland，2001；Stiroh，2004等）给出了如下解释：首先，不同于传统利息业务，非利息业务的转换成本①较低，因此，其收入波动性较大。其次，“交叉销售（cross-selling）”②策略使得利息收入和非利息收入相关性更强，从而降低了非利息业务的风险分散效应。再次，非利息业务无需资本金的监管要求，因此银行可能会提高财务杠杆，从而增加了杠杆风险。最后，非利息业务的发展需要银行付出额外的固定成本（例如，需要培训专门的员工），因而会增加银行的运营杠杆风险。此外，部分学者（Nguyen，2012；Davis，2000；刘莉亚等，2014）认为，非利息业务的发展可能会造成对传统利息业务的冲击，产生或好或坏的影响。
无论从理论还是从实证层面来看，非利息业务的发展对银行的盈利、风险以及传统利息收益的影响结论不一。这与该业务自身发展水平、银行业所处的国家制度环境等有很大关联。那么，现阶段对于我国银行业，发展非利息业务是否能够提高银行的盈利水平并减少风险？发展非利息业务是否会对银行传统的存贷款业务产生不利的冲击？对于这些问题的研究，不仅给我国银行业自身发展非利息业务、实现业务模式转型提供有益依据，也能给我国银行业监管当局制定相关监管政策提供决策参考。
本文选取了中国银行业的微观数据，分别从银行盈利、风险和利息业务收入的角度考察非利息业务发展对银行业经营的影响。与以往文献不同，本文的贡献有如下几点：首先，本文扩展了现有文献的静态框架，利用动态面板模型来刻画银行风险和盈利的持续性特征。其次，从样本选取来看，本文覆盖了我国114家商业银行，包括了5家国有大型银行、11家全国股份制银行以及98家地方性商业银行。与以往文献仅采用十几家大中型银行数据得到的研究结论相比，本文的结论更具代表性。再次，对盈利、风险以及利息收入等被解释变量，本文均采用了尽可能多的指标来刻画，以增强结论的稳健性。尤其是对于银行风险，与以往文献不同，本文更侧重于考察银行的破产风险，采用贷款损失准备比率和Z值作为其代理变量，且进一步深入分析了破产风险的增加或减少究竟来源于资产组合风险还是杠杆风险。最后，本文考察了非利息业务的发展对传统利息业务盈利的影响，而这一研究领域目前国内学者鲜有涉及。
本文结构安排如下：第一部分为文献综述；第二部分为研究检验与计量模型设计；第三部分为本文的实证结果及分析；第四部分为结论和政策建议。
一、文献综述
关于非利息业务发展对银行收益和风险的影响，国外早期主要以美国和欧洲银行业为样本进行实证研究，认为非利息业务发展能带来收益的增加，并由于其分散化效应，减小了银行的风险（Gallo et al.，1996；Boyd et al.，1993）。然而，随着银行业非利息业务的日益发展和研究的深入，大量实证研究表明非利息业务的发展带来的收益十分有限，反而可能增大了银行的风险。DeYoung &Roland（2001）使用美国商业银行数据，研究发现以费用为基础的非利息收入的增加会使银行收入的波动性和杠杆比例更高。Stiroh（2004）利用美国银行业数据，研究发现非利息业务的发展并没有给银行带来分散化的收益，反而会使银行风险调整后的利润减少，风险增大。对此，他们认为这是由于银行产品（或服务）的交叉销售使得银行利息收入的增加与非利息收入的增加高度相关。Stiroh（2006）采用资产组合理论的分析框架，提出发展非利息业务水平较高的银行平均股权收益并
①客户在不同银行购买同一产品的转换成本。
②所谓交叉销售是指银行对同一批客户销售不同的产品，例如客户在银行办理存贷款业务时，前台会对客户推荐一些其他的银行产品和服务，如保险、证券、债券、信用卡等各种金融商品，以增加销售。
不高，以收益率的波动性衡量的风险却更大。Stiroh&Rumble（2006）研究表明，分散化效应确实存在，然而该效应却被更高的非利息收入所带来的高波动性、低绩效的负面影响所抵消。
另一些文献认为，非利息业务的发展可以带来银行收入增加，对风险的影响却是非单调的。也就是说，银行非利息业务可能存在最优的发展水平（DeYoung&Rice，2004；Baele et al.，2007）。
近年来，国外学者将视角拓展到加拿大、印度等地区，并从非利息业务的不同种类或者银行的不同属性的角度，更深入地分析了非利息业务对银行收益和风险的影响。如Lepetit et al.（2008）利用欧洲银行业数据，研究发现非利息业务的发展增大了其破产的风险。对于小银行，佣金和费用收入越多，风险越大，而交易收入的增加减少了违约风险。Hidayat et al.（2012）采用印度尼西亚银行业数据研究了产品多样化程度对银行风险的影响，研究发现，对小银行产品多样化分散了银行的风险，但是对大银行产品多样化并没有显著减小风险。Pennathur et al.（2012）采用印度银行业数据分析了非利息业务发展对银行风险的影响，研究发现，对于印度国有银行，非利息收入的增加显著减小了银行风险；而对于私有银行，非利息业务的发展增加了银行风险。
关于非利息业务水平对传统利息业务盈利影响的研究结论存在分歧。一些学者如Smith et al.（2003），Lepetit et al.（2008），Carbo&Rodriguez（2007），Heffernan&Fu（2010）和Nguyen （2012）等研究发现，两者呈负相关；而另一些学者如Davis&Tuori（2000），Stiroh（2004）研究认为存在正相关关系。
国内学者在非利息业务对银行收益和风险影响方面的研究结论不一，如黄隽、章艳红（2010）以美国商业银行为考察对象，认为非利息收入在拓展银行利润来源渠道的同时，也给银行带来了更大的风险。而张羽等（2010）运用中国15家商业银行数据，研究结果表明，非利息收入增长具有一定的风险分散化的效应。周开国、李琳（2011）利用中国14家商业银行数据，研究发现收入结构多元化与银行风险间的关系并不显著。孙浦阳等（2011）采用7个主要OECD国家的357家商业银行数据进行实证分析，研究发现，金融服务多样化对银行收入起到负面作用，表外业务、非利息收入以及商业银行的信用风险都会对银行的收益产生消极的影响。刘孟飞等（2012）运用了我国19家主要商业银行数据，实证结果表明多元化有效降低了银行的风险，但是对绩效影响并不明显。在非利息业务与传统业务盈利方面的研究也有学者涉及，如刘莉亚等（2014）从利率非市场化角度探究了中国银行业非利息收入与净息差两者之间的关系并做了实证检验，认为总体来看我国银行业非利息收入与净息差呈负向替代关系。
综上所述，基于不同国家、地区或不同时间段的银行业数据的实证研究结论差异较大，这表明了非利息业务的发展对银行盈利、风险以及传统业务盈利的影响与该业务自身发展水平、银行业所处的国家制度环境等有很大的关系。因此，对我国现阶段银行业非利息业务发展的实证研究很有必要。然而，为数不多的国内相关文献均未考虑到银行风险、收益等的持续性特征。其次，国内文献未关注非利息业务水平与银行风险、收益等的逆向因果关系。最后，对银行风险的刻画均侧重于收益率的波动性，而较少侧重银行的破产风险等其他风险指标。另外，国内鲜有文献考察非利息业务对传统利息业务的影响。
二、研究假设与实证计量模型的建立
（一）研究假设
本文根据现有研究成果，结合理论层面的分析，认为非利息业务的发展水平可以通过多种细分渠道影响银行盈利、风险和传统业务盈利（见图2）。
从实证研究结果来看，多数学者（Gallo et al.，1996；Smith et al.，2003）认为，非利息业务的发展拓宽了银行的收入渠道，使银行的收入来源更加丰富，提高了银行的盈利能力。也有少量文献
图2非利息业务水平对银行盈利、风险等的影响机制
非利息业务的发展水平
可贷资金减少
自身波动性
与传统业务相关性
资本金要求保障资本金
资源利用替代效应
交叉销售协同效应
自身盈利水平
传统业务盈利水平
贷款质量
资产组合风险
杠杆风险
破产风险
信用风险银行风险银行盈利传统业务盈利
研究结果表明，非利息业务的发展对银行收益没有显著影响，反而降低了银行的收益（Stiroh ，
2004；Stiroh &Rumble ，2006；刘孟飞等，2012）。从理论上看，虽然非利息业务本身具有较高的盈利能力，但会影响传统利息业务的盈利水平（Nguyen ，2012），因此，非利息业务的发展对银行整体盈利能力的影响方向不能确定。因此，本文提出假设1。
假设1：就中国银行业而言，较高的非利息收入水平提高（或降低）了银行的盈利状况。
非利息业务的发展对银行风险的影响不一。首先，从信用风险的角度来看，非利息业务的发展使银行贷款业务的资金比例相对降低。在此情况下，银行可根据自身风险偏好、资产配置策略等，在同一收益率（或信用风险）水平下，进一步筛选出信用风险更低（或收益率更高）的贷款项目。因此，非利息业务的发展程度对银行信用风险的影响不定。
其次，非利息业务的发展从两个方面影响银行的破产风险。第一，从资产组合风险的角度来看，非利息业务的发展一方面可能带来风险分散效应（Gallo et al.，1996），另一方面由于其客户转换成本低、业务波动大，可能使银行整体盈利的波动性变大；此外，
“交叉销售”策略使得非利息
业务和传统业务相关性较大（Stiroh ，2004）。总体看来，非利息业务的发展对银行资产组合风险的影响不定。第二，从杠杆风险的角度来看，监管当局对银行的非利息业务没有资本金的要求，那么，更高的杠杆会使银行的经营更加脆弱，然而，银行可能出于谨慎，在发展非利息业务的同时保留部分“保障资本金”，从而降低了杠杆风险（Rogers &Sinkey ，1999）。因此，非利息业务对杠杆风险的影响不定。总体看来，非利息业务的发展对银行破产风险的影响也存在不确定性。综上所述，本文提出假设2。
假设2：就中国银行业而言，较高的非利息业务发展水平提高了（或降低了）银行的不良贷款比率和破产风险水平，且破产风险的增加（或减少）主要来自组合风险（或杠杆风险）的增大（或减小）。
非利息业务的发展对净利息业务盈利水平有不同的影响。一方面，银行提供产品和服务时，往往采用“交叉销售”策略，即在同一客户群中开办传统存贷业务和非利息业务，因而可能使银行非利息业务和传统利息业务协同发展（Stiroh ，2004）；另一方面，非利息业务的发展可能会替代传统利息业务，从而明显降低传统利息业务的盈利水平（Nguyen ，2012）。总体看来，非利息业务的发展对净息差的影响方向不定。由此，本文提出假设3。
假设3：就中国银行业而言，较高的非利息业务发展水平提高（或降低）了银行的传统利息业务的盈利水平。
（二）样本的选取
本文的银行数据来源于Bankscope数据库，样本区间为1998-2012年。在原有数据的基础上，剔除证券公司、政策性银行、外资银行、①中国邮政储蓄银行②以及80%指标缺失的银行数据，最终选取了114家商业银行。GDP增长率等宏观经济数据来源于中经网。为与Bankscope数据匹配，将国内数据全部换算为以美元计价的单位。
（三）实证计量模型的建立及估计方法的说明
在模型的建立上，本文选用动态面板模型，以有效刻画被解释变量的持续性特征、解决逆向因果关系问题以及克服测量偏误、遗漏变量等问题。首先，银行的盈利、风险和传统利息收入均具有持续性特征(Athanasoglou et al.，2008；Berger et al.，2000；Delis&Kouretas，2011；Goddard et al.，2011)。其次，非利息业务水平是银行根据自身经营状况适时调整的，而并非外生给定。因此，银行与非利息业务水平有关的盈利、风险等往往是同时决定的，从而存在逆向因果关系（Rogers et al.，1999；Stiroh，2004）。最后，回归中采用的代理变量易产生测量偏误问题。综上，相对于静态模型，采用动态面板模型可以解决上述的理论和技术层面的种种问题，从而估计结果更为可靠。
结合前文研究假设，本文建立如下计量模型：
Return it=α0+α1Return it-1+α2NII it+x′itα+u i+εit，坌i，t（1）
Risk it=β0+β1Risk it-1+β2NII it+x′itβ+νi+ηit，坌i，t（2）
NIM it=ω0+ω1NIM it-1+ω2NII it+x′itω+s i+φit，坌i，t（3）其中，i=1，2，…，N，表示第i家银行；t=1998，1999，…，2012表示第t年的观测；return it、risk it和NIM it分别表示银行盈利水平、银行风险和利息业务盈利水平；x′it为控制变量；u i、νi、s i代表不同银行不随时间变化不可观测的个体异质性特征；εit、ηit、φit表示随时间的推移而变化的不可观测的个体异质性，即扰动项。
在估计方法的选择上，本文采用差分估计法（Difference GMM）和系统广义矩估计方法（Sys-tem GMM）对模型进行参数估计。由于最小二乘估计（OLS）和面板数据的固定效应模型（Fixed Effect)的估计结果分别给出了滞后被解释变量估计值的上下区间，为模型估计系数的合理性提供了参考，因此本文也给出了相应估计结果（Trognon，1978；Nickell，1981；Driffill et al.，1998）。另外，为纠正线性动态面板数据模型两步估计（Two Step GMM）标准误差的有限样本偏误，本文采用了Windmeijer（2005）的方法进行调整。
模型中变量选取与计算方法如下：
1．非利息业务水平的代理变量
对于非利息收入水平的衡量，现有文献主要采用两个代理变量：（1）其他盈利资产/总资产（Clark&Siems，2002；Nguyen，2012；Carbo&Rodriguez，2007）；（2）非利息收入/总收入（Lepetit et al.，2008；周开国、李琳，2012）。这两个代理变量均能反映银行非利息业务发展水平的高低和银行业务多元化程度，区别在于前者从资产构成角度考察，后者从收入结构角度考察。本文采用非利息收入/总收入作为代理变量，并选取其他盈利资产占总资产的比重进行稳健性检验。
2.银行盈利水平和风险的代理变量
本文采用资产回报率（ROA）和股权回报率（ROE）作为银行盈利水平的代理变量。对于银行风险，本文侧重考察非利息业务发展对银行信用风险和破产风险的影响。因此，本文选用贷款损失准备金占总贷款的比重（LLRGL）和Z值（ADZP）作为银行风险的代理变量。本文将Z值分成两部分分别考察，即资产组合风险（ADZP1）和杠杆风险（ADZP2）。Z值（ADZP）及其细分部分的计算公式（Lepetit et al.，2008）为：
①由于外资银行的非利息业务发展水平、种类与中资银行普遍存在较大差异，故予以剔除。
②由于中国邮政储蓄银行的非利息业务开展较晚且种类十分有限，故予以剔除。
ADZP＝（ROA+ETA）/SDROA=ROA/SDROA+ETA/SDROA=ADZP1+ADP2
其中，ROA为资产回报率，ETA为权益与总资产的比值，SDROA为资产回报率的标准差。可见，Z 值越大，表明银行破产可能性越小，即破产风险越小。类似地，ADZP1和ADZP2值越大，表明资产组合风险和杠杆风险越小。然而，贷款损失准备金比率越高，表明银行信用风险越大。
3.传统利息业务盈利的代理变量
本文参照Nguyen（2012），采用净利息差（NIM）和净利息收益率（NIRAA）作为利息业务盈利水平的代理变量。其中，净利息差衡量的是净利息收入占总生息资产的比重，总生息资产（earn-ings assets）包括所有产生直接利息收益的资产和租赁收益。总生息资产的计算方法为从总资产中减去所有非盈利资产，如无息现金和同业存款、承兑票据、房产和其他资产。类似地，净利息收益率为净利息收入/平均总资产。
4.控制变量的选取
借鉴Lepetit et al.（2008），Nguyen（2012）等，本文采用了如下银行层面控制变量：银行规模（LNTA）、贷存款比（NLTD）、资本结构（ETA）和总资产增长率（GTA）。另外，为了控制宏观经济因素对被解释变量产生的影响，本文选取了人均GDP(PCGDP)、GDP增速（GGDP）、消费物价指数（CPI）作为宏观经济控制变量。各变量的定义如表1所示。
表1变量的描述性统计及计算方法
变量名含义平均值标准差最小值最大值计算方法
NII非利息业务水平40.1011.900.1972.60其他盈利资产/总资产
ROA资产回报率0.940.53-1.39 3.00息税前收益/总资产
ROE股权回报率16.8010.00-27.9083.50息税前收益/净资产
LLRGL贷款损失准备金占比 2.44 1.660.0022.00贷款损失准备/总贷款
ADZP Z值25.4028.10-83.70273.00（资产回报率+权益/总资产）/资产回报率标准差ADZP1资产组合风险 3.61 4.00-1.9029.50资产回报率/资产回报率标准差
ADZP2杠杆风险21.7024.90-89.10272.00（权益/总资产）/资产回报率标准差
NIM净息差 3.04 1.100.428.99（利息收入-利息支出）/总生息资产
NIRAA净利息收益率 2.790.860.38 6.24利息净收入/平均总资产
LNTA银行规模 2.27 1.93-1.327.93总资产自然对数
NLTD贷存款比66.0021.0021.00380.00净贷款/总存款
ETA资本结构 5.79 2.93-13.7031.40权益/总资产
GTA总资产增长率34.0024.00-93.00295（当期资产-上期资产）/上期资产
注：相对值指标以%为单位。具体变量的定义可参照计量模型设定部分有关变量的定义。
三、实证研究结果及分析
（一）主要变量的描述性统计
表1为本文主要变量的描述性统计。从表1可知，我国银行业非利息业务发展水平参差不齐，最小值约为0.2%，而最大值达到72.6%。平均来看，非利息业务水平达40.1%，①表明非利息业务在我国商业银行业务结构中的地位已不容忽视。就资产回报率而言，最高值达3%，而最低值甚至为负。这表明我国银行业盈利水平悬殊较大，部分银行盈利能力亟待提高。贷款损失准备金占比最高达22%，可见样本期内有些银行存在信用风险过高问题。用于衡量银行破产风险的Z值最大为
①与我国其他学者（郑荣年、牛慕鸿，2007；周开国、李琳，2011）的研究相比，此数值相对较高，主要有两个原因：（1）衡量非利息业务水平的指标不同。不同于郑荣年、牛慕鸿（2007）和周开国、李琳（2011）采用的非利息收入/总收入，本文采用了其他盈利资产/总资产作为该代理指标。（2）本文选取的样本时间段和银行样本量均多于以往文献，因此此数值应更有代表性。
表2
非利息业务水平对资产回报率和股权回报率的影响
273，最小为-83.7，表明我国银行破产风险差距很大。进一步观察可知，这个悬殊主要来源于杠杆
风险的银行间差距。
（二）实证回归结果及分析
1．非利息业务水平与银行盈利水平
非利息业务发展对银行盈利水平影响的实证结果如表2所示。A 栏和B 栏分别表示非利息业务的发展水平对银行总资产回报率（ROA ）和股权回报率（ROE ）的影响。其中，模型（2）、（6）
和模型（3）、（7）分别对应动态面板数据的一阶差分估计量和系统广义矩估计量的估计结果。模
型（1）、
（5）和模型（4）、
（8）分别给出了模型的最小二乘估计量（OLS Estimator ）和固定效应
模型估计量（Fix Effect Estimator ）的结果，以验证估计结果的合理性。
从工具变量的过度识别Sargan 检验（P-Sargan ）和扰动项的一阶和二阶的序列相关检验的P 值（P-AR （1）和P-AR （2））来看，模型设置不存在过度识别和二阶序列相关的问题，结果符合广义矩估计模型的设置要求。从估计结果来看，由被解释变量滞后一阶L.ROA 和L.ROE 的系数值在
OLS 和FE 估计值范围内，说明模型估计结果合理。
通过比较模型（6）和（7）中解释变量NII 的估计系数，可以发现非利息业务的发展对股权回报率的影响采用不同的估计方法结果不同。模型（6）中，NII 估计系数为-0.058，而在模型（7）中，系数为0.083，且均在1%的显著性水平下显著。然而，由于系统广义矩估计结果更有效，本文采用0.083的结论，即非利息业务的发展有利于增加股权收益率水平。根据模型（3）的估计结果，
非利息业务的发展对资产回报率的影响显著为负，但系数绝对值接近于零，即影响较小。也就是说，非利息业务水平的提升不能提高总资产回报率。
虽然采用不同估计方法或不同代理指标的结论存在细微差异，但总体看来，本文认为非利息业
注：Sargan 检验零假设为：GMM 方法所选取的工具变量不存在过度识别问题。Sargan 检验的p 越大，越说明不能拒绝零假设。当Sargan 检验的p 大于0.15时，不能拒绝零假设。AR （1）检验残差项是否为一阶自回归过程，零假设为残差项不是AR （1）。表上所列为其p 值，AR （1）检验p 值越大，越不能拒绝零假设。当AR （1）检验p 值小于0.10时，拒绝零假设。AR （2）检验与AR （1）检验类似。括号内数值为稳健标准误差调整后的t 值；*、**、
***分别表示在10%、5%、1%的显著性水平上显著。为节省空间，对宏观经济变量进行控制但不汇报，后面如无特
别说明，默认为按此处理。下同。
Panel A ROA Panel B ROE （1）
（2）（3）（4）
（5）
（6）（7）（8）
OLS DIFGMM SYSGMM
FE
OLS DIFGMM SYSGMM
FE
L.ROA 0.593***0.316***
0.319***0.230***0.480***0.304***
0.318***0.201***（ROE ）（11.60）（30.38）（64.10）
（5.31）（7.43）（56.54）（191.93）
（4.67）NII -0.002-0.002***
-0.000***-0.0020.016-0.058***
0.083***-0.007（-1.10）（-3.18）（-2.73）
（-0.85）（0.44）（-9.86）（53.83）
（-0.13）LNTA -0.007-0.049**
0.019***-0.001-0.353-1.363***
0.103*-0.696（-1.13）（-2.03）（8.31）
（-0.02）（-0.95）（-7.23）（1.72）
（-0.38）NLTD -0.037-0.488***
-0.355***-0.224**-0.154-14.020***
-3.351***-2.737（-0.71）（-7.54）（-9.30）
（-2.41）（-0.10）（-10.60）（-3.88）
（-1.07）ETA 0.025***0.015***
0.034***0.028***-0.792***-1.420***
-0.947***-0.790***（3.11）（8.59）（33.62）
（3.24）（-3.43）（-53.57）（-27.96）（-3.41）GTA 0.104*0.090***
0.067***0.0480.932-0.237-2.558***-1.574（1.71）（3.22）（3.04）
（0.65）（0.64）（-0.66）（-12.72）
（-0.77）_cons -3.974***-3.241***
-3.411***-3.144***-40.978**-30.599***
-38.719***-36.116**（-5.25）（-34.62）（-37.40）（-4.94）（-2.48）（-23.98）（-27.55）（-2.08）N 549
425549549549
425549549
P-Sargan 0.9999 1.0000
0.9999 1.0000P-AR （1）0.0485
0.04700.00180.0015P-AR （2）
0.90050.8432
0.84460.7022
务不能全面提升银行盈利水平。Stiroh （2004）和Stiroh &Rumble （2006）基于20世纪末的美国银行业数据得到了类似的结论。他们认为，非利息业务水平的提高对银行盈利水平的影响并不显著。对这一结论的解释，本文认为虽然非利息业务拓宽了银行的盈利渠道，然而其发展可能会降低传统利息业务的盈利水平（Nguyen ，2012）。因而总体看来，非利息业务水平不能显著提升银行盈利水平。
2．非利息业务水平与银行风险
表3用于考察非利息业务发展水平对银行的信用风险和银行破产风险的影响。其中，A 栏和B 栏分别为非利息收入发展水平对贷款损失准备金比例（LLRGL ）和破产风险（ADZP ）的影响。
根据A 栏中模型（2）、（3）的估计结果，无论是一阶差分估计量还是系统广义矩估计量，均
表明非利息业务的发展可以显著降低贷款损失准备金比例。也就是说，样本期内我国银行大多为风险厌恶或更倾向于配置低风险资产，因此，非利息业务水平的提高有利于降低商业银行的不良贷款比例，从而降低银行的信用风险。考察B 栏中模型（6）、（7）的估计结果，一阶差分估计量并不显著为正，而系统广义矩估计值为0.017，且在1%的显著性水平下显著。因此，我们认为非利息业务的发展会显著增加Z 值，从而降低银行的破产风险。综上所述，非利息业务发展可以降低银行的信用风险和破产风险。
这一结论不同于Stiroh （2004）和Lepetit et al.（2008）分别基于1978-2000年美国银行业和
1996-2012年欧洲银行业数据得到的非利息收入的增加会增大破产风险的结论。DeYoung &Rice （2004）和Baele et al.（2007）都曾指出，非利息收入的提高对银行风险的影响是非单调的。在非
利息收入水平达到最优阈值之前，会降低银行风险；而一旦超过，则反而提高银行风险。因此，本文认为此差异可能由中国银行业与西方银行业非利息业务的发展水平不同导致。
为考察非利息业务发展对破产风险影响的渠道，我们进一步将破产风险（ADZP ）分解为资产组合风险（ADZP1）和杠杆风险（ADZP2），回归结果如表4所示。
从A 栏中模型（2）、
（3）的估计结果可知，非利息业务发展对资产组合风险影响的估计系数
表3
非利息业务水平对信用风险和破产风险的影响
Panel A LLRGL Panel B ADZP （1）
（2）（3）（4）
（5）
（6）（7）（8）
OLS DIFGMM SYSGMM
FE
OLS DIFGMM SYSGMM
FE
L.LLRGL 0.421***0.237***
0.267***0.282***0.824***0.027***
0.594***0.042***（ADZP ）(3.25)(96.97)(107.54)(11.19)(12.42)(17.38)(121.53)(2.71)NII -0.008-0.010***-0.024***-0.011*-0.0550.0040.017***0.022(-1.62)(-10.95)(-32.31)
(-1.90)(-1.38)(1.64)(6.57)
(1.33)LNTA -0.078***-0.300***
-0.063***-0.2620.836**-0.189**
0.780***-0.076(-3.41)(-14.64)(-29.77)(-1.36)(2.55)(-2.19)(17.54)
(-0.14)NLTD -0.362-1.886***-2.550***-0.673**-3.291 2.518***
-1.960*** 2.066***(-1.22)(-28.18)(-41.39)
(-2.52)(-1.00)(8.59)(-5.98)
(2.65)ETA -0.064-0.196***
-0.184***-0.146***0.623* 2.783***
1.114***
2.626***(-1.33)(-42.94)(-66.34)(-5.64)(1.94)(172.74)(89.01)(34.93)GTA -0.822***-0.779***-1.448***-0.515**-5.521***-0.666***0.729***-0.643(-
3.72)(-1
4.53)(-69.84)
(-2.08)(-3.25)(-5.02)(11.79)
(-1.02)_cons -0.330 1.990***
2.866***0.169-46.256**-6.137***
-33.305***-7.863(-0.15)(16.25)(28.97)(0.09)(-2.39)(-9.19)(-45.55)(-1.46)N 513
387513513548
425548548
P-Sargan 0.9980 1.0000 1.0000 1.0000P-AR （1）0.03790.0183
0.11450.0001P-AR （2）
0.6709
0.63390.71920.4947
表4
非利息收入对银行组合风险和杠杆风险的影响
为正，但并不显著。这与周开国、李琳（2011）的结论一致。按照资产组合理论，多元化经营会带来风险分散效应。然而，若非利息业务与传统利息业务相关性较强，分散效应将大幅降低。正如前文分析的那样，以“一站式”金融产品为代表的交叉销售策略使得非利息业务与传统利息业务存在正相关性，从而降低了分散效应（Stiroh ，2004）。
非利息业务发展对杠杆风险的影响如B 栏所示。模型（6）、（7）的估计结果分别为0.013和0.
014，且均在1%的显著性水平下显著。这表明了非利息业务的发展降低了银行的杠杆风险。这一结论与Merton &Bodie （1992）的结论一致。这表明了银行出于谨慎保留了一定的“保障资本金”以开展非利息业务（Rogers &Sinkey ，1999）。
综合以上分析，银行非利息业务开展对资产组合风险无显著影响，却降低了杠杆风险。因此，可以认为非利息业务发展带来的银行破产风险的降低主要来自杠杆风险的降低，而并非资产组合风险的降低。
3．非利息业务水平与利息业务盈利水平
表5中，A 栏和B 栏分别从净息差（NIM ）和净利息收益率（NIRAA ）的角度来考察非利息业
务水平的发展对传统利息业务盈利水平的影响。由于这两个指标的时间序列特征过于明显，解释变量的一阶滞后项的动态面板模型不能通过过度识别检验和二阶序列相关检验，所以本文采用了二阶滞后的动态面板数据模型。
A 栏中，模型（2）和（3）的估计结果分别为-0.272和-0.231，且均在1%的显著性水平下显著。
B 栏中，模型（6）和（7）的估计结果同样表明非利息业务的发展显著降低了净利息收益率。
综上，这两个指标的估计结果一致，都表明了我国银行业的非利息业务与传统利息业务存在着替代关系。这一结论与刘莉亚等（2014）的结论一致。由此可推断，虽然非利息业务盈利丰厚，但由于其降低了传统利息业务的盈利能力，因此总体看来，非利息业务的发展没有显著提高银行盈利水平。这一推断给出了表2结论的理由。
Panel A ADZP1
Panel B ADZP2
（1）
（2）
（3）
（4）
（5）
（6）
（7）
（8）
OLS
DIFGMM SYSGMM FE OLS DIFGMM SYSGMM FE L.ADZP1
0.955***0.317***0.786***0.212***0.774***0.014***0.509***0.028*（ADZP2）
(69.71)(30.48)(128.30)(4.98)(10.27)(9.29)(155.32)(1.93)NII 0.002-0.0030.001-0.001-0.0410.013***0.014***0.023(0.50)(-1.64)(0.59)(-0.18)(-1.17)(4.06)(6.55)(1.51)LNTA 0.015-0.230
***
0.100
***
-0.1960.792
***
0.101
*
0.494
***
-0.046(0.80)(-8.35)(4.84)(-1.29)(2.64)(1.75)(19.70)(-0.09)NLTD 0.073-0.506**0.543***-0.134-3.164 3.461***-3.387*** 2.255***(0.51)(-2.36)(6.29)(-0.64)(-1.01)(17.01)(-14.87)(3.07)ETA 0.0240.044***0.023***0.061***0.743** 2.720*** 1.205*** 2.575***(1.13)(5.62)(4.18)(3.17)(2.50)(265.75)(98.76)(36.53)GTA 0.2550.213***0.559***0.128-5.683***-0.948***-0.160*-0.694(1.53)(3.39)(9.61)(0.76)(-3.52)(-18.77)(-1.75)(-1.18)_cons -13.001***-7.571***-12.151***-6.800***-31.840*-1.140**-15.516***-1.719(-6.69)(-30.70)(-121.14)(-4.63)(-1.74)(-2.46)(-31.74)(-0.34)N 548
425548548
558
435558558
P-Sargan 0.9996 1.0000 1.0000 1.0000P-AR （1）0.00010.00000.11300.0001P-AR （2）
0.5875
0.7316
0.8624
0.7097
Panel A NIM Panel B NIRAA （1）
（2）（3）（4）
（5）
（6）（7）（8）
OLS DIFGMM SYSGMM FE
OLS DIFGMM SYSGMM FE
L.NIM 0.825***0.552***0.648***0.618***0.810***0.555***0.670***0.612***（NIRAA ）（17.60）（49.18）（185.26）（13.61）（14.87）（52.97）（51.24）（12.57）L2.NIM -0.018***-0.025***-0.029***-0.025***-0.005**-0.005***-0.012***-0.004（NIRAA ）（-6.52）（-21.66）（-34.34）（-6.57）（-2.27）（-3.78）（-13.59）（-1.09）NII -0.108**-0.272***-0.231***-0.224***-0.125**-0.287***-0.257***-0.272***（-2.49）（-50.02）（-44.76）（-5.26）（-2.30）（-50.66）（-22.30）（-5.65）LNTA -0.041***-0.024-0.048***0.047-0.042***-0.235***-0.008-0.130（-3.98）（-1.37）（-5.21）（0.38）（-3.96）（-13.05）（-0.51）
（-0.95）NLTD -0.223-0.666***-0.554***-0.813**0.466**0.076
-0.232*-0.194（-0.97）（-14.15）（-9.50）（-2.30）（2.04）（1.34）（-1.84）（-0.50）ETA 0.041***0.053***0.060***0.055***0.052***0.045***0.059***0.056***（2.82）（12.98）（38.35）（3.40）（3.33）（26.77）（10.08）
（3.55）GTA -0.354***-0.0390.199***-0.150-0.387***-0.197***
-0.167***-0.239（-3.22）（-1.25）（8.18）（-1.00）（-3.65）（-3.74）（-4.59）（-1.62）_cons -9.279***-6.433***-7.409***-7.107***-10.276***-6.791***-8.321***-7.447***（-8.15）（-44.28）（-86.27）
（-6.57）（-9.72）（-28.32）（-38.94）
（-6.99）P-AR （2）
0.90970.7767
0.99410.6841
424
329
0.9999
0.0001
4241.00000.0001424345
267
1.00000.0003
3451.0000
0.0007345
N P-Sargan P-AR （1）表5
非利息收入对净息差和净利息收益率的影响
（三）稳健性检验
为确保本文模型估计结果的有效性，本文进行了以下稳健性检验：
（1）对非利息业务水平的不同测量方法。借鉴Lepetit et al.（2008）和周开国、李琳（2011），本文另外选取了非利息收入占总收入的比重作为非利息业务水平的代理变量。
（2）不同的数据样本。正文中的结果为全样本剔除个别异常值后的结果，该结论可能会受剔除规则影响，所以稳健性检验中对样本观测又按NII 指标进行5%异常值缩尾处理。
（3）不同的实证方法。文中分别给出了不同实证方法的结果，各种方法的结果可以相互印证。通过上述方法的调整和检验，本文实证模型中的非利息业务对银行盈利、风险和净利息收益的重要结论依然成立，限于篇幅，部分结果不再赘述。
四、结论与建议
本文基于中国银行业的微观数据，采用动态面板模型实证检验了非利息业务发展对银行盈利、风险和传统利息收益的影响。本文的研究结论表明，非利息业务水平的提高不能全面提高银行盈利水平，且降低了银行的信用风险和破产风险，并且破产风险的降低主要来源于杠杆风险的降低。另外，发展非利息业务会导致传统利息业务收益率的降低。本文的研究结论对我国银行业实行业务转型战略和监管当局制定相关政策均具有一定的参考价值。
1.在评价非利息业务的发展对银行业是否有益时，应综合考虑该业务对银行盈利、风险和传统
利息收益的影响。本文结论表明，非利息业务的发展对银行经营有利有弊，其利在于非利息业务发展降低了信用风险和破产风险，其弊在于非利息业务的发展并没有显著增加银行盈利，也没有带来多元化风险分散效应，反而降低了传统存贷业务的收益率。
①
该结论基于中行、农行、工行、建行四大行2012年年报中显示银行非利息收入来源排序。
参考文献：
[1]黄隽，章艳红.商业银行的风险：规模和非利息收入———
以美国为例[J].金融研究，2010（6）：75-90[2]刘莉亚，李明辉，孙莎，杨金强.中国银行业净息差与非利息收入的关系研究[J].经济研究，2014（7）：110-124
[3]刘孟飞，张晓岚，张超.我国商业银行业务多元化、经营绩效与风险相关性研究[J].国际金融研究，2012（8）：59-69
[4]孙浦阳，靳一，张亮.金融服务多样化是否能真正改善银行业绩？———
基于OECD359家银行的实证研究[J].金融研究，2011（11）：112-124
[5]王志军.欧盟银行业的非利息收入[J].国际金融研究，2004（7）：47-52
[6]薛鸿健.解析美国商业银行的非利息收入[J].国际金融研究，2006（8）：20-25
[7]张羽，李黎.非利息收入有利于降低银行风险吗？———
基于中国银行业的数据[J].南开经济研究，2010（4）：69-91
[8]郑荣年，牛慕鸿.中国银行业非利息业务与银行特征关系研究[J].金融研究，2007（9）：129-137
[9]周开国，李琳.中国商业银行收入结构多元化对银行风险的影响[J].国际金融研究，2011（5）：57-66
[10]Athanasoglou P P ，Brissimis S N ，Delis M D.Bank-specific ，Industry-specific and Macroeconomic Determi -nants of Bank Profitability[J].Journal of International Financial Markets ，Institutions and Money ，2008，18（2）：121-136
[11]Baele L ，De Jonghe O ，Vander Vennet R.Does the Stock Market Value Bank Diversification ？[J].Journal of Banking &Finance ，2007，31（7）：1999-2023
[12]Berger A N ，Bonime S D ，Covitz D M ，Hancock D.Why Are Bank Profits so Persistent ？The Roles of Product Market Competition ，Informational Opacity ，and Regional/Macroeconomic Shocks [J].Journal of Banking &Finance ，2000，24（7）：1203-1235
[13]Boyd J H ，Graham S L ，Hewitt R S.Bank Holding Company Mergers with Nonbank Financial Firms ：Effects on the Risk of Failure[J].Journal of Banking &Finance ，1993，17（1）：43-63
[14]Carb óValverde S ，Rodr íguez Fern ández F.The Determinants of Bank Margins in European Banking[J].Journal of Banking &Finance ，2007，31（7）：2043-2063
[15]Clark J A ，Siems T.X-efficiency in Banking ：Looking Beyond the Balance Sheet[J].Journal of Money ，Credit ，and Banking ，2002，34（4）：987-1013
[16]Davis E P ，Tuori K.The Changing Structure of Banks ’Income ：An Empirical Investigation[M].Brunel Universi -ty ，Department of Economics and Finance ，2000：219-223
2.发展非利息业务需提高业务创新能力。目前，我国银行的非利息业务并没有发挥其多元化风
险分散的效应，其主要原因在于非利息业务与传统利息业务存在较强的相关性。从业务种类来看，我国银行非利息业务目前主要集中在技术含量较低的一些结算、银行卡、担保承诺等业务上，而财务顾问等业务收入占比依旧较低。
①
此类业务往往与传统业务在同一客户内开展。虽然交叉销售可
以充分利用银行的客户资源，但也减小了多元化风险分散效应。因此，我国银行可以尝试加大业务创新力度，深入挖掘客户需求，推出创新的中间业务产品，进而提升风险分散收益。
3.发展非利息业务需注重风险管理。现阶段，我国银行非利息业务的发展可以降低银行的破产风险。而基于美国和欧洲银行业的研究（Stiroh ，2004；Lepetit et al.，2008）表明，非利息业务的
发展增加了银行破产风险。这种差异可能与非利息业务发展水平高低有关。目前，我国银行业的非利息业务发展水平较低。从未来发展趋势来看，非利息业务不断创新，收益更高，波动性也更强，带来的风险也不断增大。因此，我国银行在发展创新非利息业务产品的同时，应注重对新业务的风险考察，并不断提升自我风险管理水平。
（责任编辑
李
楠）
[17]Delis M D，Kouretas G P.Interest Rates and Bank Risk-taking[J].Journal of Banking&Finance，2011，35（4）：840-855
[18]DeYoung R，Rice T.Noninterest Income and Financial Performance at https://www.doczj.com/doc/7a17419369.html,mercial Banks[J].Financial Review，2004，39（1）：101-127
[19]DeYoung R，Roland K P.Product Mix and Earnings Volatility at Commercial Banks：Evidence from a Degree of Total Leverage Model[J].Journal of Financial Intermediation，2001，10（1）：54-84
[20]Driffill J，Psaradakis Z，Sola M.Testing the Expectations Hypothesis of the Term Structure Using Instrumental Variables[J].International Journal of Finance&Economics，1998，3（4）：321-325
[21]Gallo J G，Apilado V P，Kolari J https://www.doczj.com/doc/7a17419369.html,mercial Bank Mutual Fund Activities：Implications for Bank Risk and Profitability[J].Journal of Banking&Finance，1996，20（10）：1775-1791
[22]Goddard J，Liu H，Molyneux P，Wilson J O S.The Persistence of Bank Profit[J].Journal of Banking&Finance，2011，35（11）：2881-2890
[23]Heffernan S A，Xiaoqing F.Determinants of Financial Performance in Chinese Banking[J].Applied Financial Eco-nomics，2010，20（20）：1585-1600
[24]Hidayat W Y，Kakinaka M，Miyamoto H.Bank Risk and Non-interest Income Activities in the Indonesian Bank-ing Industry[J].Journal of Asian Economics，2012，23（4）：335-343
[25]Merton R C，Bodie Z.On the Management of Financial Guarantees[J].Financial Management，1992，21（4）：87-109
[26]Nguyen J.The Relationship Between Net Interest Margin and Noninterest Income Using a System Estimation Ap-proach[J].Journal of Banking&Finance，2012，36（9）：2429-2437
[27]Nickell S.Biases in Dynamic Models with Fixed Effects[J].Econometrica，1981，49（6）：1417-1426
[28]Pennathur A K，Subrahmanyam V，Vishwasrao S.Income Diversification and Risk：Does Ownership Matter？An empirical Examination of Indian Banks[J].Journal of Banking&Finance，2012，36（8）：2203-2215
[29]Rogers K，Sinkey Jr.J F.An Analysis of Nontraditional Activities at https://www.doczj.com/doc/7a17419369.html,mercial Banks[J].Review of Finan-cial Economics，1999，8（1）：25-39
[30]Smith R，Staikouras C，Wood G.Non-interest Income and Total Income Stability[M].Bank of England，2003：25-36
[31]Stiroh K J.Diversification in Banking：Is Noninterest Income the Answer？[J].Journal of Money，Credit&Bank-ing，2004，36（5）：853-882
[32]Stiroh K.New Evidence on the Determinants of Bank Risk[J].Journal of Financial Services Research，2006，30（3）：237-263
[33]Stiroh K J，Rumble A.The Dark Side of Diversification：The Case of US Financial Holding Companies[J].Journal of Banking&Finance，2006，30（8）：2131-2161
[34]Trognon A.Miscellaneous Asymptotic Properties of Ordinary Least Squares and Maximum Likelihood Estimators in Dynamic Error Components Models[J].Annales de l’inséé，1978（30/31）：631-657
[35]Windmeijer F.A Finite Sample Correction for The Variance of Linear Efficient Two-step GMM Estimators[J].Jour-nal of Econometrics，2005，126（1）：25-51
Abstract：Based on the data from114Chinese commercial banks during1998-2012,we empirically test the effects of non-interest income on banks’profitability,risk and traditional interest income by use of dynamic panel model.Conclusions showed that：（1）increased levels of non-interest business cannot raise bank profitability；（2）increased levels of non-in-terest business reduce banks’credit risk and bankruptcy risk.The reduction of bankruptcy risk mainly comes from the re-duction in leverage risk；（3）increased levels of non-interest income leads to reduced yields of traditional interest income. Since dynamic panel model can effectively capture the persistent characteristics of banks’profitability and risk,solve the re-verse causality problem and overcome measurement error and omitted variable problem,the conclusion based on dynamic panel model is more reliable.
Keywords：Non-interest Income；Bank’s Profitability；Bank’s Risk；Net Interest Margin；Dynamic Panel Model