【作　　者】
陈银飞，李淑锦（教授）

【作者单位】
杭州电子科技大学经济学院，杭州310018

【摘　　要】

    【摘要】基于我国16家上市银行2009 ~ 2015年年度数据，以第三方支付规模与银行资产规模的比值衡量第三方支付对商业银行净利差的冲击强度，构建商业银行净利差模型，并进行面板回归以及格兰杰因果检验。结果表明，第三方支付的发展的确将缩小商业银行净利差，并且银行贷款规模和不良贷款率对净利差分别具有积极和消极的作用。
【关键词】净利差；第三方支付；面板回归；格兰杰因果检验
【中图分类号】F830.33      【文献标识码】A      【文章编号】1004-0994（2017）26-0107-5一、引言
银行净利差（Net Interest Margin）被定义为银行利息收入与利息支出的差值与银行总资产的比值，该指标被用来衡量银行的利息收入。与国外银行相比，国内银行的收入来源主要为利息收入。然而，我国上市银行的净利差从2011年开始呈现下降趋势。为什么商业银行的净利差会下降？本文基于第三方支付这一视角，以16家上市银行为样本，首先就第三方支付的发展对商业银行净利差减少这一现象进行理论上的解释，然后利用面板数据进行实证检验。
关于银行净利差，已有大量国内外学者进行过研究。Ho和Saunders（1981）最早提出了交易者模型，指出银行净利差的大小取决于市场结构、管理者的风险厌恶程度、交易规模和利率波动四个因素；Angbazo（1997）进一步考虑了信用风险和利率风险对银行净利差的影响；Allen（1998）放宽了交易者模型中贷款同质性的假设，考虑贷款异质性条件下银行净利差的组合效果，为银行业务多元化和提高非利息收入的比重提供了理论模型上的支持；Maudos、Solis（2009）以墨西哥银行为研究对象，研究发现运营成本和非传统业务是其净利差的主要影响因素；黄国平等（2007）进行了定性分析，在其提出的理论模型中指出存贷款利差的合理水平取决于违约率、损失率、流动性风险、资本缓冲与信贷类资产的比率及无风险基准利率；周鸿卫（2008）等以我国26家商业银行为样本分阶段研究指出1999 ~ 2004年，影响我国商业银行净利差的因素有存贷款基准利差、银行资本充足性、经营成本、储备机会成本，2005 ~ 2006年则应考虑违约风险、资产管理质量、流动性风险等；张育红和张宗益（2010）以2000 ~ 2008年23家商业银行为样本，对面板数据实证分析得出风险厌恶程度、营运成本、信用风险、资产规模等是银行净利差的影响因素。
从2009年开始，互联网金融崛起并得到了迅猛发展。不少国内学者也开始关注互联网金融对商业银行业务发展的影响。宫晓林（2013）认为互联网金融模式短期内不会影响商业银行传统的经营模式，但长期内商业银行应大力利用互联网金融；冯娟娟（2014）对互联网金融背景下商业银行的竞争策略进行了研究，提出了商业银行应对的相关建议与政策。
从目前已有的研究成果可以看出，对于商业银行净利差的研究，大多数学者停留在了对商业银行净利差的影响因素研究，以及互联网金融对商业银行经营模式的影响的定性研究，鲜有学者基于互联金融这个背景对商业银行净利差的影响因素进行定量分析。互联网金融在我国有五种主要的形态：第三方支付、P2P网络借贷、众筹融资、互联网理财以及金融互联网，而目前来看，发展最成熟的当属第三方支付。因此，本文将在互联网金融发展的背景下，基于第三方支付视角，解释商业银行净利差减少的原因，并进行实证检验。
二、理论分析及模型构建
（一）理论分析
本文从净利差的定义表达式出发，分析第三方支付规模的扩张对商业银行净利差的影响。净利差的表达式如式（1）所示：
净利差（NIM）=［利息收入（Income）-利息费用（Cost）］/银行总资产（Asset）   （1）
由式（1）显然可以得到：
[∂NIM∂Income]>0
[∂NIM∂Cost]<0
第三方支付（The Third Party Payment）是指具备实力和信誉保障的第三方企业与国内外各大银行签约，为买方和卖方提供的信用增级。其具体流程为：在银行的直接支付环节中增加一中介环节，在通过第三方支付平台交易时，买方选购商品，将款项不直接付给卖方而是付给中介，中介通知卖方发货；买方收到商品后，通知付款，中介将款项转至卖方账户。根据第三方支付的定义及其发展现状，从银行吸纳存款、利息费用、客户资源以及贷款利率四个方面，基于第三方支付这一视角，就商业银行净利差减少这一现象给出理论解释。
1. 吸纳存款。第三方支付操作具有的快捷性、安全保障，能给客户带来更好的消费体验，由此培养了客户消费习惯的“黏性”；部分第三方支付平台如支付宝，其下的余额宝能够给客户的闲置资金提供较高的利息收入；随着第三方支付平台的不断完善，业务范围的不断拓展，比如通过基金投资代理从而帮助客户获得较高收益，这些将导致客户更倾向于将资金存放在第三方支付平台。虽然第三方支付平台的沉淀资金部分将被回笼，但肯定存在资金漏出，这将相应减少商业银行能够投放的贷款数量。因此，第三方支付的发展将减少银行吸纳存款的金额，即开展资产业务的资金数量，从而导致商业银行利息收入减少。
2. 利息费用。第三方支付规模（TPPS）的不断扩张迫使银行提高存款利率水平来提高对客户资金的吸引力。在这一作用机制下，银行支出的利息费用增加。
3. 客户资源。第三方支付平台公司凭借对产业链上下游交易行为和资信记录的全面掌握能够为中小企业和商户打造网络融资平台，适应了中小企业融资“小、短、频、快”的需求特点。这些都对商业银行的信贷业务构成竞争态势，不利于商业银行开展资产业务，利息收入大幅度减少。
4. 贷款利率。根据科斯定理，由于第三方支付交易成本低（甚至可以为0），逐步取代传统金融中介的地位，加快了利率市场化的脚步，使得银行贷款利率被迫降低，最终也将导致银行利息收入减少。
从这四个角度进行剖析，可以得到第三方支付扩张对商业银行净利差的影响的确是消极的。
资产规模不同的银行对第三方支付规模的扩张带来的消极影响的敏感度是存在差异的。资产规模较大的银行凭借其具有的规模优势和社会威望，面对第三方支付扩张带来的压力时，开展资产业务仍能保持一定的优势，其净利差受到的影响可能小于资产规模较小的银行。因此，本文用第三方支付规模与银行资产规模的比值来衡量第三方支付扩张对银行净利差产生的冲击强度（Impact Strength，简记为IS），冲击强度随着银行资产规模的增大而减小，其表达式如式（2）所示：
冲击强度（IS）=[第三方支付规模（TPPS）银行资产规模（Asset）]
   （2）
通过上述理论分析可得到：
[∂NIM∂IS]=[∂NIM∂Income∂Income∂IS]+[∂NIM∂Cost∂Cost∂IS]<0
（二）模型构建
尽管从理论上第三方支付的扩张能够解释商业银行净利差减少这一现象，为了增强理论分析的说服力，本文通过构建商业银行净利差模型，利用相关数据进行实证检验。
本文的关键变量为第三方支付对银行净利差产生的冲击强度。从理论分析部分可以看出，冲击强度这一指标的变动能反映影响净利差的利息收入、利息费用、银行总资产这三个因素的变动，但是影响商业银行净利差的因素不止这些，十分有必要将其他影响因素作为控制变量加入模型中。考虑到商业银行开展资产业务时面临的风险因素与贷款规模会对净利差产生影响，本文选取不良贷款率（BLR）和贷款规模（SIZE）两个指标作为控制变量，最终得到如式（3）所示的净利差理论模型：
NIMit=a+b1×ISit+b2×lnSIZEit+b3×BLRit+eit
 （3）
其中：i代表第i家上市商业银行个体；t表示不同的商业银行在t时期的数值；eit表示第i家上市商业银行在t年的随机误差项。控制变量的说明如下：
1. 不良贷款率（BLR）。不良贷款率是指银行的不良贷款占总贷款余额的比重，用来刻画商业银行面临的信用风险。银行的不良贷款率越高，表明银行能有效收回的贷款数量越少，利息收入相应也越少，因此预期两者之间为负相关关系。
2. 贷款规模（SIZE）。银行贷款总规模是度量银行交易规模的一个指标。随着贷款规模的扩大，银行利差收入来源增加，有利于增加银行净利差。因此本文认为两者之间是正相关的关系。
模型自变量整理如表1所示：

三、实证分析
（一）描述性统计
本文选取16家上市银行作为样本，包括5家国有银行和11家股份制银行，采用样本有关变量2009 ~ 2015年年度数据。表2反映了各指标年度均值以及标准差（括号中的数据代表标准差）。  描述性统计结果表明：商业银行净利差均值从2011年开始逐年下降；与此相反的是，第三方支付扩张产生的冲击强度逐年增加，并且从标准差数据可以看出，该指标在16家上市银行间存在较大差异，波动幅度逐年上升；与冲击强度相比，银行贷款规模呈现缓慢上升趋势；在样本所选时段内，银行不良贷款率从2011年开始表现出上升趋势，该结果支持了预期的银行不良贷款率与净利差之间的关系，即银行净利差随着不良贷款的上升而下降。
（二）面板数据单位根检验及协整检验
因为经济学上的面板数据通常具有不稳定性，所以在进行回归之前必须对面板数据的平稳性进行检验。当数据原序列不平稳时，应对面板数据进行差分处理后再进行单位根检验，判断其是否存在同阶单整现象，以防止出现伪回归的情形。本文采用ADF方法对每个变量的平稳性进行了单位根检验。表3为单位根检验结果：

从表3可以看出，所有变量原序列并非在5%的水平上表现平稳，而对其进行一阶差分处理之后，各变量均在1%的水平上表现平稳，表明各变量间存在一阶单整现象，存在协整关系。为了确保变量之间存在协整关系，从而能对面板数据进行协整回归，本文进一步进行了Kao检验，结果如表4所示。
结合表3和表4，可以确保面板数据整体协整，能够进行面板回归，从而保证了实证结论的科学性和严谨性。三）F检验及Hausman检验
本文首先利用协方差法对面板模型是否适合混合效应进行检验。借助Eviews软件分别对面板数据进行混合效应（不变截距和不变系数）、固定效应中可变系数回归，得到两个回归后的残差平方和记为s1、s2。
在假设样本数据服从混合效应（不变截距和系数）的情况下，构造F统计量：
[F=(s1-s2)/[(N-1)(k+1)]s2/[NT-N(k+1)]]
其中：N是面板数据中的横截面个体数；K是模型中自变量的个数；T是时间跨度。若面板模型不适用混合效应，则应进一步通过Hausman检验来判断模型应采用固定效应还是随机效应，本文利用Eviews 7.2进行F检验和Hausman检验，得到的结果如表4所示：

表4结果表明，本文应采用固定效应对银行净利差面板模型进行回归。
（四）固定效应面板协整回归
本文运用Eviews 7.2，采用固定效应对面板数据进行回归，得到的结果如表5所示。

本文得到的实证结果如式（4）所示：
 NIM=1.3751+0.1453LnSIZE-0.0417IS-
   （1.8198∗）       （1.7650∗）  （-3.0460∗∗∗）
0.2422BLR   （4）
（-4.3279∗∗∗）
R2=0.6080      Adjusted-R2=0.5321
表5的结果表明：冲击强度、不良贷款率均在1%的显著性水平上对银行净利差产生消极影响，而贷款规模在10%的显著性水平上对银行净利差产生积极影响。各自变量与因变量之间的符号关系与本文预期一致；拟合优度R2为0.6080，调整后的R2为0.5321，这两个系数表明模型拟合程度较好，选取的自变量对净利差的解释程度较高。
（五）格兰杰因果检验
本文初衷是基于第三方支付这一视角解释商业银行净利差逐渐减少的现象，式（4）的确表明冲击强度对商业银行的净利差具有消极作用，两者之间为负相关关系，但这并不能表明冲击强度是商业银行净利差减少的原因之一。因此，本文采用格兰杰因果检验来说明第三方支付带来的冲击强度是否为净利差减少的格兰杰原因。其结果如表6所示：

表6表明无法拒绝净利差减少不是冲击强度的格兰杰原因这一原假设，但是应拒绝冲击强度不是净利差减少的格兰杰原因这一原假设。正如理论分析中所言，第三方支付规模的不断扩张对商业银行业务产生的冲击强度将不利于银行吸纳存款、造成客户资源的部分流失、间接增加商业银行利息费用支出，以及减少利息收益。因此，冲击强度的确是造成净利差减少的原因之一，并且两者之间为负相关关系，实证结果与理论分析一致。然而，冲击强度这一指标是第三方支付规模与银行资产规模的比值，其大小取决于第三方支付规模和商业银行资产规模变动幅度的大小，若第三方支付规模的增长速度快于商业银行自身资产规模的扩张速度，该指标增大，反之减小。第三方支付规模的变动取决于人们的支付需求，商业银行资产规模的变动取决于银行自身的经济实力，因此，商业银行的净利差变动无法成为冲击强度这一指标变动的原因。所以，应该尊重实证结果，即无法拒绝净利差减少不是冲击强度的格兰杰原因这一假设。
四、结论与政策建议
（一）结论
本文从净利差的定义出发，从理论上解释了第三方支付扩张对银行净利差减小这一现象的影响，并且以16家上市银行为样本进行实证检验。除反映第三方支付的冲击强度这一指标外，另外选取不良贷款率以及贷款规模作为控制变量构建银行净利差模型。通过固定效应的协整回归以及格兰杰因果检验，得到第三方支付的冲击强度不仅与商业银行净利差之间表现为负相关关系，其相关系数为
-0.0417，该指标更是商业银行净利差减少的原因之一。而商业银行净利差受到不良贷款率的消极影响是最大的，其影响系数为-0.2422。除此之外，商业银行的贷款规模与净利差之间表现为正相关关系，贷款规模的扩张有助于提升商业银行的净利差。
（二）政策建议
1. 积极与第三方支付机构合作，扩大贷款规模。第三方支付的扩张对商业银行净利差产生的消极影响，使得银行利差收入不断减少。第三方支付时代的到来，对银行看似是一个巨大的威胁，然而机遇也是并存的。第三方支付的不断扩张，带来了丰富的技术资源、信息资源等。商业银行与第三方支付进行合作，第三方支付能够利用银行的品牌和地位，提供更完善的个性化支付平台；而商业银行则可以成为第三方支付所产生沉淀资金的保管者，这将有利于银行以较低的成本扩大贷款规模，开展资产业务，增加利息收入，提高净利差。通过合作，能够实现双赢。
2. 加强风险控制，降低不良贷款率。通过实证结果可以发现，不良贷款率对银行净利差的影响是不容忽视的。银行应重视资产管理，降低不良贷款率。不良贷款率虽然受到众多因素影响，其中部分因素并非银行所能控制，比如国家整体经济景气情况、借款者信用水平等，但银行应提高甄别个人信用的能力。银行可以通过完善个人信用评价体系，利用第三方支付带来的信息资源等措施，加强对资产的风险控制能力。

主要参考文献：
Ho T.， Saunders A.．The Determinants of Banks Internet Margins: Theory and Empirical
Evidence［J］．Journal of Financial and Quantitative Analysis，1981（4）．
Angbazo L.．Commercial Bank Net Interest
Margins， Default Risk， Interest-rate Risk， and Off-balanced Sheet Banking［J］．Journal of Banking and Finance，1997（21）．
Allen L.．The Determinants of Bank Internet Margins: A Note［J］．The Journal of Financial and Quantitative Analysis，1998（2）．
Maudos J.， Guevara J.．Factors Explaining the Interest Margins in the Banking Sectors of the
European Union［J］．Journal of Banking and Finance，2004（3）．
黄国平．存贷款利差定价分析［J］．经济理论与经济管理，2007（10）．
周鸿卫等．中国商业银行净利差影响因素研究——基于1999 ~ 2006年的经验证据［J］．金融研究，2008（4）．
张育红，张宗育．中国银行业净利差的影响因素［J］．金融论坛，2010（6）．
周开国，李涛，何兴强．什么决定了商业银行的净利差？［J］．经济研究，2008（8）．
宫晓林．互联网金融模式及对传统银行业的影响［J］．金融实务，2013（5）．
冯娟娟．互联网金融背景下商业银行竞争策略研究［J］．现代金融，2014（4）．