中国商业银行盈利能力影响因素分析
一、引言
1.研究背景与意义。商业银行在社会经济活动中扮演着重要的角，商业银行最明显的特征是以创造利润作为主要目的，效益性也是商业银行的经营原则之一。商业银行的盈利能力是银行持续稳定经营的保障，同时也反映了银行抵御风险的能力。增强银行盈利能力有利于提高银行竞争力，因此，如何测度银行盈利能力及影响银行盈利能力的因素便成为我们研究的对象。
从2001年中国加入WTO到2006年对外资银行全面放开人民币业务，再到2015年提出“一带一路”倡议，中国银行业实现全面开放，外资银行的进入提高了我国银行的运行效率，同时也因其技术先进、利率市场化程度高、经营管理经验丰富的优势对中资银行造成了冲击，这就要求中国银行业提升自身竞争实力尤其是盈利能力来应对这种竞争。除此之外，近年来随着科学技术的进步和互联网技术的提高，第三方支付逐渐占据了人们的生活，余额宝、理财通等货币基金的出现在一定程度上制约了商业银行的发展，商业银行需要适应这种金融多样化的趋势，不断进行改革创新，提升自己来应对时代的变化。2020年新冠肺炎疫情的暴发使银行业不良贷款率小幅上升，但同时也为商业银行提供了契机，促进商业银行完善
灾备机制、加快数字化转型。
2.文献综述。对于影响我国商业银行盈利能力的因素，国内外学者将它们分成了宏观因素和微观因素两部分去探讨，它们都对商业银行盈利能力产生着不同方向、不同程度的影响。Claudiu Tiberiu Albulescu（2015）通过对货币基金组织国家的月度数据进行分析发现，不良贷款率对商业银行盈利能力产生消极影响。范丽（2015）研究2005年到2012年12家商业银行资产负债结构对其自身盈利能力的影响，发现资产规模、贷款占比、所有者权益占比与银行盈利能力呈正相关，存款占比与盈利能力呈负相关。陈卫琴（2015）利用多元回归模型衡量资本充足率和商业银行盈利能力的关系，通过分组对比发现商业银行的资本充足率与盈利能力呈正相关关系，但大型商业银行对比中小型银行来说资本充足率的影响并不显著。吕林静（2017）从微观的角度对商业银行盈利能力进行了研究，模型显示成本收入比、不良贷款率、手续费和佣金净收入对商业银行的盈利能力产生了显著负向影响，而资产总额对商业银行盈利能力产生了显著的正面影响。刘晓瑞、郑其敏（2018）基于安徽省83家农商行的财务数据研究净息差对农村商业银行盈利能力的影响，结果表明净息差对盈利能力有显著的正向影响。向诗瑶（2018）以我国14家上市银行为研究对象，通过面板数据回归分析法探讨负利率即通货膨胀率高于银行存款利率对银行盈利能力的影响，结果证明负利率对商业银行盈利能力有正向影响，银行业发展向好。
3.创新点。本文对商业银行盈利能力指标体系进行创新，在分析商业银行盈利能力影响因素时加入了
互联网金融这一指标，此前互联网金融对商业银行盈利能力的研究大多局限在理论层面，本文将互联网金融指数化，利用面板数据模型研究互联网金融与商业银行盈利能力的关系。
二、理论准备
本文采用商业银行盈利能力影响因素的分析方法。商业银行盈利能力影响因素的分析包括多家银行多个指标的多年数据，含有三维信息，既有时间序列数据，又包含横截面数据，不再仅仅局限于二维，一般的线性回归模型无法继续使用，应采用面板数据模型对商业银行盈利能力影响因素进行分析。
面板数据的回归模型共有三种，分别是混合回归模型、固定效应模型和随机效应模型，设面板数据的一般表达式为：
y it=αit+βit X'
it
+εit
其中，y it为被解释变量，X'
it
为解释变量，t为时间，i为样本个数，εit为随机误差项，αit和βit为待估参数。
则混合回归模型的表达式为：
中国商业银行盈利能力影响因素分析
李宝新张晓阳
摘要：本文选取影响商业银行盈利能力的宏观因素和微观因素，并查对应的2010—2019年十家商业银行的数据，通过构建面板数据模型确定影响因素与商业银行盈利能力之间的关系。最后得到的结论如下：银行资产规模、净利息收益率与商业银行盈利能力正相关，不良贷款率、GDP增长率和互联网金融指数与商业银行盈利能力负相关。针对结果给出相应的政策建议，增强商业银行盈利能力，提高竞争力。
关键词：盈利能力；影响因素；面板数据模型中图分类号：F832.33；F830.42文献标识码：A
作者单位：河北经贸大学数学与统计学学院
R-squared 0.785120Mean dependent var    1.119500Adjusted R-squared 0.763632S.D.dependent var 0.186631S.E.of regression 0.090736Akaike info criterion -1.867093Sum squared resid 0.740966Schwarz criterion -1.606576Log likelihood 103.3547F-statistic 36.53754
Durbin-Watson stst
0.502837
Prob(F-statistic)
y it =α+βX '
it +εit
模型的所有个体的截距项和回归系数都相等，没有个体差异和结构变化。
固定效应模型又分为以下三类：一是个体固定效应模型，其表达式为：
y it =αi +βit X '
it +εit
截距项与时间无关，与个体有关。二是时间固定效应模型，其表达式为：
y it =γt +βit X '
it +εit
截距项与个体无关，与时间有关。
三是个体时间固定效应模型，其表达式为：
y it =α0+αi+γt +βit X '
it +εit
截距项与个体和时间都相关。随机效应模型的表达式为：
y it =αi +βX '
it +εit
其中αi 的分布与X '
周亚夫军细柳翻译
it 无关。
因为不同的模型会产生不同的分析结果，如果选择错误的模型可能会使我们的研究结果背离现实经济意义，所以我们应该选择一个最合适的模型进行实证分析，可以进行F 检验和Hausman 检验来进行选择。
三、商业银行盈利能力影响因素分析
1.变量选取。本文选择总资产收益率（ROA ）作为被解释
变量；影响商业银行盈利能力的因素作为解释变量，可以分为外部影响因素和内部影响因素两大类。外部影响因素包括国内生产总值增长率、居民消费价格指数和互联网金融指数，内部影响因素包括不良贷款率、成本收入比、存贷比、资本充足率、银行规模和净利息收益率这6个指标（表1）。
对于互联网金融这一指标大部分文献只是简单地从理论上阐述它对商业银行盈利能力的影响，并没有相对权威的衡量指数，本文选取2010年到2019年的网络支付规模数量、网购用户规模数量以及网上银行用户数量3项指标，利用熵值法构建互联网金融指数，计算结果如表2所示。
2.数据选取。本文选择了5家国有商业银行（中国工商
银行、中国农业银行、中国银行、中国建设银行、交通银行）以及5家股份制商业银行（招商银行、浦发银行、兴业银行、中信银行、中国民生银行），对这10个商业银行盈利能力的影响因素进行了评估，其中银行内部影响因素指标数据来源于上海证券交易所的各上市商业银行公司年报，GDP 增长率和居民消费价格指数来源于国家统计局网站，互联网金融指数由熵值法合成。
3.实证分析。
（1）模型建立。根据上文选取变量构建面板数据模型如下：
ROA it =αit +β1LTA it +β2NPL it +β3CAR it +β4LDR it +β5INF it +β6NIR it +β7GDP t +β8CPI t +β9NII t +εit
（2）F 检验。运用Eviews 软件对各商业银行数据进行混合回归估计，结果如表３所示。
表3
什么食物比较养胃
混合回归估计结果
表1
变量的选择与表示
年份
2010201120122013201420152016201720182019
网络支付
0.00070.00080.00110.00130.00150.00210.00230.00260.00300.0038
网购用户规模
0.00060.00070.00090.00110.00130.00150.00170.00190.00220.0026
网上银行
0.00040.00050.00070.00080.00080.00100.00110.00120.00130.0014
互联网金融指数
0.00170.00200.00260.00310.00370.00460.00510.00570.00640.0077
表2
互联网金融指数
清平月村居
变量
定义
符号
总资产收益率净利润/平均总资产×100%ROA 内部影响因素
银行资产规模银行资产总额的对数LTA 不良贷款率不良贷款/各项贷款×100%NPL 资本充足率
权益性资本/总资产×100%CAR 存贷比
银行贷款总额/存款总额LDR
成本收入比（业务费用+管理费用）/营业收入×100%
INF
净利息收益率
（利息收入-利息支出）/生息资产平均余额
NIR
外部影响因素
GDP 增长率
（该年GDP -去年GDP ）/去年
GDP ×100%
GDP
居民消费价格指数
与居民生活有关的消费品及服务价格水平的变动情况CPI
互联网金融指数
互联网金融的影响
NII
被解释变量
解释变量
R-squared0.915779Mean dependent var  1.119500 Adjusted R-squared0.897063S.D.dependent var0.186631 S.E.of regression0.059878Akaike info criterion-2.623732 Sum squared resid0.290417Schwarz criterion-2.128749 Log likelihood150.1866F-statistic48.93095 Durbin-Watson stst0.995386Prob（F-statistic）0
R-squared0.846676Mean dependent var0.319752 Adjusted R-squared0.831344S.D.dependent var0.150596 S.E.of regression0.061847Sum squared resid0.344250 F-statistic55.22149Durbin-Watson stst0.821506 Prob（F-statistic）0
Test Summary Chi-Sq.Statistic Chi-Sq.d.f Prob.
Cross-section
random 09  1.0000
自变量
C
LTA
NPL
CAR
LDR
INF
NIR
GDP
CPI
NII
估计值
-0.351559
0.098158
-0.089789
0.003095
0.151482
0.000753
0.228723
-0.055593
来组词
0.012905
-0.697751
标准差
0.608858
0.034573
0.030741
0.009478
0.124121
0.003595
0.036717
0.013629
0.008695
0.124056
t值
-0.577407
2.839165
-2.920802
0.326544
1.220445
0.209360
6.229368
-4.078990
1.484195
-5.624479
p值
0.5651
0.0056
0.0044
0.7448
0.2255
0.8346
0.0001
0.1413
自变量
C
LTA
NPL
NIR
GDP
NII
估计值
-0.252035
0.093675
-0.105074
0.238889
-0.041072
-0.541220
标准差
0.410793
0.023168
0.023835
0.032255
0.010025
0.085543
t值
-
0.613533
4.043316
-4.408375
7.406248
-4.097095
-6.326858
p值
0.5410
0.0001
0.0001
由表3可得，混合回归模型的可决系数R2=0.785120，拟合优度良好，p值为0，远小于5%，可以建立混合回归模型。
再对各商业银行数据进行固定效应回归估计，得到表4结果。
表4固定效应回归估计结果
由表4可知，固定效应模型的可决系数R2=0.915779，拟合优度较高，p值为0，远小于5%，也可以建立固定效应模型。
用Eviews执行F检验，得到F=13.962515，因为F0.05 (9,81)=1.998，F>F0.05(9,81)，所以应该拒绝原假设，建立固定效应模型。
（3）Hausman检验。先对各商业银行数据进行个体随机效应模型估计，结果如表5所示。
正是河豚欲上时的意思表5个体随机效应模型估计结果
由表5可知，个体随机效应模型的可决系数R2= 0.846676，拟合优度良好，p值为0，远小于5%，能够建立个体随机效应模型。
接下来进行Hausman检验，检验结果如表6所示。
表6Hausman检验结果
由检验结果可知，在0.05的显著性水平下，p值=1> 0.05，所以应该接受原假设，建立个体随机效应模型。
（4）实证结果。根据F检验和Hausman检验可知，本文应使用个体随机效应模型对商业银行盈利能力影响因素进行分析，回归结果如表7所示。
ultimateaerott表7面板数据回归结果
由表7可知，资本充足率、存贷比、成本收入比以及居民消费价格指数的回归结果不显著，所以剔除这些因素，对剩余因素再次进行回归估计，结果如表8所示。
表8面板数据回归最终结果
由模型回归结果可知，除常数项之外其他变量的回归结果均为显著，模型的表达式为：
ROA it=-0.252035+0.093675LTA it-0.105074NPL it+0.238889 NIR it-0.041072GDP t-0.541220NII t
从模型的表达式可以看出，银行资产规模、净利息收益率与商业银行盈利能力呈正相关关系，不良贷款率、GDP增长率和互联网金融指数与商业银行盈利能力呈负相关关系。
四、结论和建议
1.研究结论。目前我国商业银行面临着外资银行和互联网金融的双重竞争，提升自身竞争力尤其是盈利能力成为解决问题的关键。通过研究影响我国商业银行盈利能力的因素，提出增强商业银行盈利能力的建议。本文对影响商业银行盈利能力的外部因素和内部因素进行分析，结果如下：（1）银行资产规模与商业银行盈利能力。由模型分析结果可知，随着我国商业银行的不断发展，银行的资产规模已经逐渐出现了规模经济效应，商业银行扩大资产规模，采用更加专业化的经营管理模式，降低长期平均总成本，进而提
升自身的盈利水平。
（2）净利息收益率与商业银行盈利能力。由模型分析结果可知，银行净利息收益率越高，盈利能力越强。商业银行应合理组合资产，提升盈利资产的获利能力，减少负债成本，从而提高其经营效率，提升盈利能力。
（3）不良贷款率与商业银行盈利能力。由模型分析结果可知，银行次级、可疑和损失类贷款占总贷
款的比重增加，银行资产质量下降，信用风险上升，贷款准备金增加，用于投资的资金减少，银行的盈利机会减少，盈利能力降低。
（4）GDP 增长率与商业银行盈利能力。近年来，我国
GDP 数值一直在不断增大，但是GDP 增长率有所放缓；与此
同时，商业银行发展迅速，抓住宏观形势向好的时机，提升了自身盈利能力进而增强竞争力。
（5）互联网金融指数与商业银行盈利能力。随着近些年互联网金融的迅速发展，商业银行的利润空间不断减少，互联网金融的便捷性和高利润使自身有了更强的竞争力，对商业银行造成了很大的冲击。
2.相关政策建议。
（1）合理控制银行资产规模。现阶段，我国商业银行存在规模经济的现象，适当扩大资产规模有利于银行盈利能力的提升，但不能一味追求规模扩大。当银行资产规模超过一定程度的时候将会带来经营管理成本的增加，所以应该合理控制商业银行的资产规模，提升银行资产的质量，提高银行资产的利用效率。比如对银行网点进行合理规划，控制银行网点的数量，网点数量的多少要与当地经济发展程度和人口数量相匹配，在人口密集的地区多增设营业网点，分流客户，以便更好地为民服务，避免
出现浪费客户时间的现象。在人口稀少的地区，可以适当减少银行网点，避免造成资源的浪费和成本的增加。
（2）优化资产负债结构，提升资产获利能力。如今我国企业融资需求减弱，很多商业银行为承接客户理财到期资金主动加大对存款产品的供应，增加了负债端成本。为应对这种压力，银行应该抓住资产投放时机，加大信贷资产的投放力度，提高对于高风险产品的定价管理能力，使净利息收益率得以稳步上升。
（3）加强风险管理，降低不良贷款率。虽然我国商业银行经过多年的发展已经将不良贷款率控制在一定的范围内，但是相比其他国家的先进银行来说，其不良贷款率仍然较高。我国商业银行应该加强风险管理，注意对于贷款质量的把控，降低不良贷款率。首先，银行要合理配置贷款投资方向，避免将鸡蛋都装到一个篮子里，防止贷款集中投向少数项目中，要对资金进行分散化处理，降低贷款风险；其次，加强对
资产质量的管理，贷款批准后对企业进行密切跟踪以确保贷款能够回收及时；最后，强化银行员工的风险控制意识，多对员工进行培训，提升他们对于贷款安全性的判断准确率。
（4）适应经济形势，抓住发展机遇。当前我国经济向着既好又快的方向发展，发展速度已由高速增长变为中高速增长，商业银行应该积极适应宏观经济形势的变化，抓住发展机遇。首先，银行应该紧
跟社会发展趋势。目前我国着重推行“一带一路”倡议，银行可以为沿线国家提供金融支持以满足基础设施建设，为实体经济做出自己的贡献。其次，商业银行应该加快改革创新，形成更具自身特的服务，创造新的利润增长点；同时还要准自身定位，在自己的优势领域做到最好。
（5）借鉴互联网金融，推动银行转型发展。近年来，互联网金融不断发展，确实在一定程度上对商业银行造成了冲击，但它无法在更广泛的领域替代商业银行，所以商业银行还是应该做好自身，借鉴互联网金融技术，推动自身创新转型发展。首先，利用大数据控制风险。当前我们正处于一个信息化时代，信息数据在生活中占据了非常重要的地位，银行通过大数据可以更全面地获取企业和客户的信息，从而能够对企业和客户进行更加准确的分析评估。其次，开展互联网服务，针对客户的需求为客户提供相应的理财、贵金属等互联网专属产品，举办互联网专题论坛等网上活动让客户拥有更加深入的体验。最后，推动银行业务信息技术化转型，学习先进的互联网金融技术并将其运用到银行业务系统中，提升商业银行管理和服务能力，适应其发展的需要。
参考文献：
[1]Claudiu Tiberiu Albulescu.Banks ’profitability and fi 鄄nancial soundness indicators ：A Macro-level investigation in e 鄄merging countries [J].Procedia Economics and Finance,2015,30
（23）：203-209.
[2]耿国强，虞文美，闫子薇.基于灰系统模型对商业银
行盈利能力分析及预测[J].高师理科学刊，2019（04）：32-36.
[3]范丽.资产负债结构对商业银行盈利能力影响的实证[J].经济研究导刊，2015（04）：93-95.
[4]陈卫琴.资本充足率对中国上市商业银行盈利能力的
影响分析[D].沈阳：辽宁大学，2015.
[5]吕林静.商业银行盈利能力微观影响因素初探———基于我国46家商业银行的实证分析[J].当代经济，2017，15（02）：
104-106.
[6]向诗瑶.负利率对我国上市商业银行盈利能力的影响
研究[D].长沙：湖南大学，2018.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。