中国银行业存贷款市场竞争与稳定性关系研究

1、中国银行业存贷款市场市场力与稳定性研究* 中央高校基本科研业务费专项资金（JBK130401）、国家自然科学基金面上项目（71473200）的阶段性成果。 摘要：对银行业市场力与稳定性的关系研究是学术界悬而未决的难题。本文基于“市场力状态依存”论的观点，尝试分存贷款市场分别考察中国银行业市场力与稳定性的关系。以19952012年在中国大陆境内运营的141家银行的非平衡面板数据为样本，使用超越对数成本函数计算样本期间中国银行业存贷款市场的Boone指数，将其作为市场力指标；采用随机前沿方法计算了中国银行业的“稳定非效率”，将其作为银行业稳定性的逆向指标；最后以差分广义矩方法(GMM)估计了中国银

2、行业存贷款市场上的市场力与“稳定非效率”间的关系，研究表明：(1)中国银行业存贷款市场有着不同的市场力，其中贷款市场上的市场力高于存款市场上的市场力。(2)样本期间中国银行业的市场力呈现不断上升态势。(3)研究支持“市场力状态依存”假说，存款市场市场力与稳定性负相关，而贷款市场市场力与稳定性正相关。(4)现阶段资本市场的发展与银行稳定负相关。关键词：存贷款市场；银行市场力；银行稳定中图分类号：F831.4Research on the Nexus between Banking Market Power and Banking Stability in Chinas Deposit and L

3、oan MarketAbstract: The nexus between the market power and the stability of the banking market is a pending academia problem. Based on the “market power state dependency” hypothesis, this paper attempts to investigate the nexus between the market power and the stability of the Chinese deposit and lo

4、an markets. Using the unbalanced panel data of 141 banks operating in Chinese mainland from 1995 to 2012, this paper calculates the Boone indicator of the Chinese deposit and loan market which is used as indicators of market power during the sample period using translog cost function; then using the

5、 stochastic frontier approach to calculate the Chinese Banking “stability inefficiency” which is used as the reverse indicator of banking stability; finally using difference GMM method to estimate the nexus between market power and stability in Chinese deposit and loan markets. This paper shows that

6、: (1) Chinese deposit and loan markets have different market power, and loan market power is higher than the deposit market power. (2) Chinese banking market shows a rising trend during the sample period. (3)This Research Supports the “market power state dependency” hypothesis, the nexus is negative

7、 in the deposit market, otherwise in the loan market. (4)Nowadays the relationship between the development of the capital market and banking stability is negative.Key Words: deposit and loan markets; banking market power; banking stability一、 引言市场力与稳定性的关系是银行产业组织理论研究的经典问题，但一直未得到明确一致的答案。对其关系，有三种假说，一是“市

8、场力稳定论”(Keeley,1990;Hauswald and Marquez,2006)，二是“市场力脆弱论”(Beck,Demirg-Kunt and Levine,2006;Boyd and De Nicol,2005)，三是“市场力状态依存论”(Allen and Gale,2004)。三种解释均得到了相应的实证支持。中国银行业市场力与稳定性的关系如何？对这一问题的回答，关系到经济新常态下中国银行业竞争政策的制订。一方面，中国银行业不合理收费和“暴利”现象引发人们对银行业市场力的广泛关注和争论（刘先云，2012；周小川，2012）。银行业过高的市场力带来银行借贷腐败，带来中小企业融资难

9、、融资贵问题，危害银行业稳定；另一方面，经济新常态背景下，受经济增速放缓、去杠杆化和去泡沫化进程加快，部分行业产能过剩等因素的影响，中国银行业不良贷款率呈回升态势。2013年底中国银行业不良贷款余额5921亿元，2014年底则上升至8426亿元，上升42.31%；2013年不良贷款率1%，2014年不良贷款率1.25%，上升0.25%。可以预计，随着经济结构调整步伐的加快，中国银行业资产质量将面临较大的风险压力，如何防范由此产生的金融风险，促进银行业稳定成为摆在中国银行业面前的一个现实挑战。世界银行专家曾在Chinas Road to Greater Financial Stability:

10、Some Policy Perspectives一书中断言：银行稳定是中国经济成功转型的关键(Das, et al.,2013)。因此，研究中国银行业市场力，研究市场力对稳定性的影响，关系到中国银行业服务实体经济的能力，关系到中国银行业的调整升级和结构转型，意义重大。二、 文献综述综观国内外学者的研究，相关研究主要集中在两方面，一是对银行市场力的测度工具的研究，另一是关于市场力与稳定关系的研究。银行市场力是促进稳定，还是损害稳定，回答这一问题的关键是要能找到有效的测量市场力的指标(Bushman et al.,2013;Beck,2008)。这些指标通常可分为两类，一是结构性的指标，包括行业集

11、中率指数(CRn)、赫芬达尔指数(HHI)、海纳一凯指数(HKI)、嫡指数(EI)、基尼系数、支配力指数等；另一是基于模型的代理指标，这些模型包括Iwata(1974)模型、Lau(1982)和Bresnahan(1982,1989)模型、Panzar和Rosse(1987)模型，以及Boone(2005,2008)模型。结构性指标通常存在以下缺陷：第一，市场结构并不是外生的，市场结构与银行绩效存在相互影响的关系；第二，需要对什么是银行最优市场结构做出判断。因此，目前对市场力的测量主要使用非结构化指标。虽然非结构化指数成为测量银行业市场力的主要工具，但孰优孰劣并无定论，特别是用不同的指数对某一

12、特定国家银行业市场力进行研究时，有时会得到相异的结论，因此需要找到适合某一特定国家实际情况的非结构化指数。国内对银行业市场力（或竞争）的研究，早期研究大多运用市场结构指标来研究中国银行业，即将哈佛学派的SCP范式(Structure-Conduct-Performance)运用于中国，检验中国银行业的绩效（如，李华民，2005；秦宛顺和欧阳俊，2001）；此后非结构性指标逐渐占据主流，成为中国银行业市场力测度的主要工具，特别是勒纳指数（如，赵旭，2011；王相宁、张志洋，2010；李国栋等，2009）和H统计值（如，陈晓卫，2012；余东华和马路萌，2012；黄隽和汤珂，2008）的运用。相对

13、而言，Bresnahan模型在中国的运用很少，仅有柯孔林(2010)的研究；对Boone指数，国内还没有相关研究。国内学者的研究丰富了中国银行业市场力的研究成果，但存在样本量较小，时间跨度短的不足。样本通常仅有在A股上市的16家银行，时间往往在10年左右。并且，不考虑中国银行业利率管制的现状，简单套用H统计值和勒纳指数。Xu et al.(2013)证明，在存在利率管制情况下，H统计值和勒纳指数都不适合作为银行业市场力的代理指标，只有Boone指数能不受利率管制情形的影响，它能正确评估存在利率管制情形下的银行业市场力。针对上述问题，本文拟采取如下措施：第一，扩大样本容量和时间跨度，选择中国大陆

14、境内运营的141家银行，时间跨度为1995-2012年；第二，采用Boone指数计算市场力。银行业市场力与稳定性关系的文献始于Marcus(1984)和Keeley(1990)，此后，涌现了大量相关文献，但至今仍没得到清晰一致的认识，归纳起来，有三种假说：市场力稳定论、市场力脆弱论、状态依存论。支持“市场力稳定论”假说的学者从“特许权价值”(Allen and Gale,2004; Keeley,1990)、信息租金 (Allen and Gale,2000)、央行监管(Repullo,2004)、资产分散化(Allen and Gale,2004)的视角论证了市场力与稳定性间的正相关关系。“

15、市场力脆弱论”认为市场力有损稳定：有更多市场力的银行有能力索取高利率，迫使企业投资于高风险项目，增加了银行业的脆弱性(Boyd and De Nicol,2005)。近些年的一些研究拓展了Boyd和De Nicol(2005)模型，认为市场力与稳定的关系是一个非线性的U型关系。他们将市场力对银行稳定性的影响分为两种效应，一是风险转换效应(risk-shifting effect)，即市场力增加了银行贷款利率，增强了借款人的道德风险，削弱了银行的稳定性；另一是盈余效应(margin effect)，指市场力增加了贷款利率，提高了可偿贷款的利息，提升了贷款利息收入对贷款损失的缓冲作用，因此市场力有

16、助于稳定。他们发现市场力与银行稳定的U型关系：在高集中度的银行市场上，风险转换效应占主导，市场力增加了银行风险；而在低集中度的银行市场上，盈余效应占主导，市场力的弱化损害了银行的特许权价值，因此，增加了风险。目前研究的趋势是，对市场力与稳定关系的研究不像以前研究的二分法，而是转向连续的集合，认为二者的关系是状态依存的。如，Beck et al.(2013)认为竞争对稳定的影响是状态依存的，依赖于一国特有的性质，如银行业务限制、存款保险制度、信用信息分享机制、股票市场的发达程度等。 国内学者对银行竞争与稳定的研究以综述类的文章居多（如，陈雄兵，2011；吴秋实、江春，2006），仅有少数文献用Z

17、值和勒纳指数对竞争与稳定的关系进行了实证研究（如，高玮，2012）。本文拟从以下几方面拓展上述研究：第一，拓展稳定性的测量，借鉴Fang et al.(2011)的方法，用“稳定非效率”指标替代Z值；第二，考虑到市场力可能的内生性，使用差分GMM法测量市场力与稳定性之间的关系，并用多种稳健性检验测试市场力与稳定性间关系的可靠性；第三， Boyd and De Nicol(2005)认为，对银行市场力的研究应区分存款市场和贷款市场 对此，笔者的理解是，金融消费者在存贷款市场上有着不同的购买行为模式，对存款，人们习惯于在一家金融机构购买，即群购买；而对贷款，人们更多地倾向于在不同的机构购买。不同的

18、购买行为模式，导致存贷款市场市场力的差异。，因此，本文拟分存款与贷款市场分别研究其市场力与稳定性的关系。三、 数据描述数据来源于BankScope数据库、国泰安金融财经数据库、各银行网上公布的定期报告、和讯网、上海银行间同业拆借利率网、美国传统基金会(Heritage Foundation)、中国经济金融数据库以及中国国家统计局网站。BankScope数据库中共有218家在中国大陆境内运营的中外资金融机构（包括证券公司、信托投资公司等非银行金融机构），剔除中国人民银行、三家政策性银行、证券公司、财务集团公司、信托投资公司等机构以保证分析样本的同质性。时间跨度为1995至2012年，以1995年

19、为样本的起点，因为1994年中国成立了三家政策性银行，可将此后的中国银行企业大致认为是追求利润最大化的实体，满足模型对利润最大化实体的需要。为了增加样本容量，增强分析的准确性，对数据作如下处理：(1) 使用历年下载的BankScope数据库克服某一年度下载的BankScope数据库涵盖年度过少的不足；(2)对BankScope数据库缺失的数据，逐一从各银行网上公布的定期报告和国泰安金融财经数据库中查找；(3)剔除时间跨度不足5年的银行；(4) 对外资银行的数据（一般以美元或港元计价），按当年年底的外汇牌价予以调整。所有的绝对值数据均以1995年为基期，使用GDP平减指数进行调整，剔除物价的影响

20、；(5) 使用Bankscope数据库，不包括银行持股公司，否则会出现母公司和子公司同时进入样本导致重复计算的情况；同时，考虑银行间的并购，如果多个银行合并，合并前单独进入样本，合并后只有一家并购实体进入样本；(6) 所有的数据（除虚拟变量）均使用winsorized技术进行截尾处理。最后剩下141家银行，包括5家大型股份制银行、11家全国性商业银行、一家邮政储蓄银行、14家农村商业银行（或农村合作银行）、23家外资银行和87家区域性商业银行。最终的样本为在中国大陆境内运营的141家中外资银行1995-2012年的非平衡面板数据，共1316组数据。主要变量的描述性统计见表1：表1 主要变量的描

21、述性统计摘要变量观察值均值标准差最小值最大值变量描述数据主要来源gdppc1316143084644504620608人均GDP，反映宏观经济特性历年中国统计年鉴pf13160.02460.1290.0005743.496利息支出/(存款+短期负债)，表示资金成本根据历年Bankscope数据库计算pl13160.02140.01330.0009860.372（利息支出+非利息支出）/(存款+贷款)，表示人工成本根据历年Bankscope数据库计算pk13162.0083.1450.0094737.28非利息支出/固定资产，表示物质资本成本根据历年Bankscope数据库计算lns_ta131

22、60.6503.3050.0732103.4顾客贷款/总资产，代表信用风险根据历年Bankscope数据库计算onea_ta13160.07200.07920.001990.634非盈利资产/总资产，反映资产组合特征根据历年Bankscope数据库计算dps_ f13160.8430.3700.01879.350顾客存款/（顾客存款+短期资金），捕捉资金组合特征根据历年Bankscope数据库计算eq_ ta13160.2594.4298.00e-05132.8股东权益/总资产，衡量银行的风险偏好根据历年Bankscope数据库计算rnlp13160.02240.01609.00e-050.1

23、61不良贷款拨备覆盖率Bankscope数据库trend131611.624.149017每年与1995年的差额自己计算roa13160.009360.0145-0.06530.466资产收益率Bankscope数据库deposi318e+0625.801.360e+07存款量Bankscope数据库loan1316233590728392367.54910358贷款量Bankscope数据库oea131621358076132646.818.327e+06除贷款外的其他盈利资产根据历年Bankscope数据库计算t633e+06357.61

24、.750e+07银行业总资产历年中国金融年鉴eq13162591497013-54901.128e+06股东权益Bankscope数据库rnpl_loan13160.04250.06910.0001000.799不良贷款比率Bankscope数据库obs1316815682596874.6002.318e+06表外项目Bankscope数据库和各家银行年报di13160.2920.2400.0001400.998分散化指数（）根据历年Bankscope数据库计算ffi131632.066.09229.9050金融自由化指数美国传统基金会网站ta_ bank13166.360e+073.690e

25、+075.970e+061.310e+08每家银行的资产Bankscope数据库tc131611947409576.201458485总成本，包括管理费用、利息费用与非利息费用根据历年Bankscope数据库计算ms_ ta13160.01190.04171.21e-050.521资产市场份额根据历年Bankscope数据库计算cmv_ gdp13160.5740.3110.08691.337资本市场发展指数（每年的股票市场市值加上国库券与债券的发行量除以GDP）中国经济金融数据库（CCER）四、中国银行业市场力测度：Boone指数Boone et al.(2005)提出了Boone指数，它根

26、植于效率结构假设(ESH, Efficiency Structure Hypothesis)(Goldberg and Rai,1996)，隐含的思想是竞争提升了有效率公司的绩效，损害了低效率公司的绩效，绩效的差异导致它们的利润或市场份额的不同。它有以下两个基本思想：一是更有效率的公司得到更大的市场份额或利润；二是竞争越强，这一效应越大。Boone指数可用以下模型求得 这里，本文没有选用利润指标（如ROA）的原因是利润指标可能为负，不便于使用对数形式，而市场份额总为正。： (1)其中，表示第家银行的市场份额，表示第家银行的边际成本，即是Boone指数，它测量1%的边际成本增长带来多大幅度的利润

27、下降，隐含的意思是由于进入成本的降低或者产品替代性的增强带来的竞争提升，使得有效率银行的利润增加，而使欠效率银行的利润下降更多，因此Boone指数也被称为利润弹性，它一般为负，反映低边际成本的银行有更高的市场份额 值也可能为正(Leuvensteijn et al.,2007)，这意味着银行的边际成本越高，市场份额越大。原因：(1)市场存在重的合谋行为；(2)银行以质取胜。越大，市场力越弱。在非结构性的市场力测量指标中，Boone指数因其相对优势而越来越受关注 Boone指数测量竞争不仅可以用于整个银行业，还可以用于单个的产品市场，如贷款市场，甚至某种类型的银行，如商业银行、储蓄银行等。这种方

28、法的另一个优势是它相对其它方法（如Bresnahan模型）仅要求相对少的数据。P-R模型的H统计值只能对整个样本期间的市场力进行测量，不能分年度测量；勒纳指数虽然可以分年度测量，但勒纳指数存在以下不足：(1)完善竞争市场假设，但完善竞争市场通常很罕见；(2)勒纳指数认为，竞争程度与价格成本边际成反比。但Amir(2003)证明，在一定条件下，竞争程度可能与价格成本边际成正比；(3)勒纳指数没考虑效率问题；(4)它不能准确地捕捉产品替代性程度（Vives,2008）。不过，这一方法也有不足，不足在于它忽略了产品质量的差异、设计差异以及它所作的效率传递假设。，已被运用到不同产业的实证分析中(Van

29、 Leuvensteijn et al.,2013;Boone and Van Leuvensteijn,2010)，特别是对银行业市场力的分析。Leuvensteijn et al.(2007)是第一个运用Boone指数分析银行业市场力的文献，此后，掀起了一股运用Boone指数分析银行业市场力的浪潮。鉴于此，本文也采用Boone指数对中国银行业1995年至2012年间的市场力进行分析除了Boone指数适合中国利率管制情形外，对中国银行业竞争选择Boone指数的另一个原因是其模型推导来自古诺纳什均衡模型，这一模型适合中国实际，因为中国银行业竞争在利率并未市场化的条件下主要是数量竞争。运用Boo

30、ne指数分析银行业市场力，首先需要计算边际成本，由于边际成本不可观察，有些研究者用平均变动成本来替代（如Boone et al.,2005,2007），也有些研究者用超对数成本函数来估计（如Leuvensteijn et al.,2007）。本文采用后一种做法，但采用超越对数成本函数会面临一个问题，即用什么方法来模型化银行业的投入和产出？在银行产业组织文献中，模型化其投入产出的方法主要有产品法和中介法两种。产品法认为银行是使用劳动和资本作为投入品，制造贷款和存款的部门。中介法强调银行的中介功能，认为银行是利用存款、劳动力和物质资本制造贷款的部门。二者的分歧在于对存款作为投入品还是产出品的认识差

31、异上。为了调和二者的纷争，Hancock(1985)使用Donovan(1978)和Barnett(1980)创造的“货币的使用者成本”概念，并不纠缠于投入或产出的定性争论上，而是用实证方法来决定存款到底是投入品还是产出品。贷款的使用者成本界定为基准利率（银行的机会成本）与持有贷款的报酬率之差，即基准利率减去贷款利率；存款的使用者成本界定为存款利率与基准利率之差，即存款利率减去基准利率。如果使用者成本为正，则存款（贷款）为投入品；如果为负，则为产出品。正使用成本意味着贷款（存款）增加了银行的营运支出，负的使用者成本则意味着增加了银行的收入。表2 20062013年中国银行业存款和贷款的使用者成

32、本时间一年期存款利率一年期贷款利率一年期Shibor平均利率使用者成本投入还是产出存款贷款存款贷款20062.526.122.98-0.46-3.14产出产出20074.147.473.5810.559-3.889投入产出20082.255.314.489-2.239-0.821产出产出20092.255.312.0480.202-3.262投入产出20102.755.812.5970.153-3.213投入产出20113.56.564.908-1.408-1.652产出产出2012364.776-1.776-1.224产出产出201336.154.4-1.4-1.65产出产出资料来源：一年期

33、存贷利率来自和讯网：。一年期Shibor平均利率来自上海银行间同业拆借利率网站的数据服务：/shibor/web/Dataservice。注：根据该年一年期Shibor取平均数；网站上公布的2006年shibor期限是从2006年10月12日至2006年12月31日，本文取这一期间一年期Shibor均值。表2列出了2006年2013年中国银行业存款和贷款的使用者成本，基准利率以上海银行间同业拆借利率（Shibor）表示从国际经验和中国自身历程看，经过多年的建设培育，Shibor已成为企业债券、衍生品等金融产品和服务定价的重要基准；从调控能力看，货币政策向

34、金融市场各类产品传导的渠道也已较为畅通。并且，Shibor的波动性比现有民间借贷的利率要稳定，更能反映资金市场情况，如2013年6月中“钱荒”时期Shibor的异动。从表2可看出，20062013年间，贷款的使用者成本均为负，说明贷款为产出品；八年间存款的使用者成本三年为正（即使为正，数值也很小），五年为负，可以大体认为存款为产出品，接受产品法的假设。因此本文以产品法来构筑超越对数成本函数，以物质资本、人力资本和资金资本作为投入品，存款、贷款、表外项目、其他盈利资产作为产出品，超越对数成本函数设定为： 其中，、分别表示总成本、投入品价格、产出，、分别代表资金成本、人力成本和物质成本，、分别代表

35、存款、贷款、表外项目、其他盈利资产，是一个时间趋势项。所有变量的涵义与数据来源详见表1。越超对数成本函数有三个基本约束：投入品价格的齐次线性、成本耗尽性以及对称性(Beattie and Taylor,1985;Jorgenson,1986)。为满足上述要求，对方程(2)施加如下约束：将存款和贷款分别对总成本求导，其边际成本分别表示为：为了满足标准齐次条件，本文将成本和投入品价格都除以物质资本成本，以消减异方差的影响。使用似不相关回归技术（SUR）估计方程(2)有些学者对超越对数成本函数估计边际成本时，使用OLS，如Maslovych(2009)、Van Leuvensteijn et al.

36、 (2007)，但由于超越对数成本函数包括大量的解释变量，很可能带来多重共线性问题而产生参数估计偏误，因此本文使用似不相关回归技术估计超越对数成本函数。，得到相应的系数后代入方程(3)和(4)，求出存款和贷款的边际成本。考虑到存款和贷款不同的Boone指数以及随时间而变的特性，将方程(1)变为：其中，、分别表示存款和贷款的市场份额。为时间虚拟变量，在t年为1，否则为0，用来捕捉技术变化的影响。鉴于市场份额与边际成本可能的内生性，使用差分广义矩方法(GMM)估计Boone指数，使用边际成本的滞后一期项和滞后二期项作为工具变量，估计出的各年(19972011)存款和贷款的Boone指数，如图1所示

37、：图1 中国银行业19972011年存款市场和贷款市场的边际成本 从图1可看出，无论是存款市场，还是贷款市场，19972011年中国银行业的市场力呈现上升趋势，贷款市场的市场力高于存款市场的市场力，说明中国银行业贷款市场的卖方市场特征明显。五、中国银行业稳定性测度：“稳定非效率”指数Z值通常被用于评估整个金融业的稳定性(Boyd et al.,2006;Berger et al.,2009)。Z值的增加显示整个银行业风险敞口的下降，银行业更稳定。但Z值往往用在横截面OLS估计中，为了在面板数据中运用Z值中，借鉴De Nicol et al.(2004)的方法，允许每一家银行在不同时间有不同的Z

38、值，则Z值可表示为：其中，ROA表示资产利润率，E表示股东权益，TA表示单个银行的总资产。将Z值作为稳定性指标去评估银行业稳定与竞争间的关系，一是容易带来稳定性指标与竞争性指标的内生性问题；另一是Z值并不必然反映每一家银行能获得的潜在稳定性。遵循Fang et al.(2011)的方法，他们认为在给定经济和监管条件下，需要考虑银行现时的稳定性与最大可能稳定性间的差距，他们称之为“稳定非效率”。对“稳定非效率”的测量，以Z值作为因变量，使用随机前沿方法进行估计。方程形式与超越对数成本很类似，不同的是因变量不是成本，而是Z值，误差项，第一项捕捉随机扰动因素，假设服从正态分布，代表测量误差和其它非控

39、制因素，即；第二项捕捉技术和配置非效率，假设为半正态分布，即。模型设定为： 与对方程(2)的处理一样，为了满足齐次线性条件，将Z值和投入品价格都除以物质资本成本，以消减异方差的影响。使用随机前沿技术估计方程(7)，得到，即为“稳定非效率”。为了更好地估计“稳定非效率”，本文使用五个模型，分别是：两个时变固定效应模型（Lee and Schmidt(1993)模型(简称LS93)、Cornwell et al. (1990) 模型(简称CSS90)）、一个非时变固定效应模型(Schmidt and Sickles(1984)模型(简称SS84)、一个真实固定效应模型(Green(2005)模型(

40、简称TFE2005)、一个真实随机效应模型(Green(2005)模型(简称TRE2005)，实证结果见表3：表3 方程(7)的实证分析结果LS93CSS90SS84TFE2005TRE2005lnpf_pk-0.523*-0.0740-1.152-1.152-1.780(-0.89)(-0.10)(-1.34)(-1.43).lnpl_pk0.5840.2761.633*1.633*2.389(0.95)(0.31)(1.75)(1.87).lndeposit-2.407*-4.777*-3.461*-3.461*-2.723(-4.60)(-5.09)(-4.15)(-4.45).lnlo

41、an1.714*2.743*1.543*1.543*1.676(2.93)(2.91)(1.71)(1.84).lnoea0.6851.347*0.5710.5711.011(1.63)(2.33)(0.96)(1.03).lnobs-0.339*0.4310.3260.326-0.426(-1.71)(0.86)(0.90)(0.97).(lnpf_pk)2-0.114-0.611*-0.338*-0.338*-0.209(-1.15)(-5.72)(-2.41)(-2.58).(lnpl_pk)20.166-0.440*0.1150.1150.211(1.20)(-3.24)(0.63)(

42、0.67).lnpf_pk*lnpl_pk-0.0003311.198*0.3220.3220.0441(-0.00)(5.45)(1.10)(1.18).(lndeposit)2-0.0808*0.126*0.01510.0151-0.0378(-2.31)(2.23)(0.28)(0.30).(lnloan)2-0.139*-0.113-0.120*-0.120*-0.119(-2.74)(-1.54)(-1.88)(-2.01).(lnoea)20.0900-0.0329-0.0589-0.0589-0.0682(0.76)(-0.39)(-0.59)(-0.64).(lnobs)2-0

43、.0167-0.0184-0.0244-0.0244-0.0113(-1.53)(-0.70)(-1.12)(-1.20).lndeposit*lnloan0.413*0.05180.2180.2180.219(2.75)(0.33)(1.43)(1.53).lndeposit*lnoea0.004540.06610.09660.09660.0764(0.04)(0.64)(0.90)(0.96).lndeposit*lnobs-0.139*0.0286-0.0671-0.0671-0.0435(-2.48)(0.36)(-0.74)(-0.80).lnloan*lnoea-0.285*-0.

44、0216-0.0844-0.0844-0.0976(-1.92)(-0.17)(-0.61)(-0.66).lnloan*lnobs-0.0258-0.00685-0.0792-0.0792-0.0643(-0.45)(-0.08)(-0.87)(-0.93).lnoea*lnobs0.213*-0.01980.163*0.163*0.178(4.25)(-0.32)(2.41)(2.59).lnpf_pk*lndeposit0.2320.745*0.622*0.622*0.270(1.15)(3.22)(2.70)(2.90).lnpf_pk*lnloan-0.378*-0.340-0.51

45、7*-0.517*-0.414(-1.77)(-1.35)(-1.89)(-2.03).lnpf_pk*lnoea0.0272-0.0602-0.0787-0.07870.190(0.18)(-0.32)(-0.42)(-0.45).lnpf_pk*lnobs0.0703-0.474*-0.123-0.123-0.0529(0.75)(-3.41)(-0.82)(-0.88).lnpl_pk*lndeposit-0.491*-1.044*-0.846*-0.846*-0.508(-2.29)(-4.11)(-3.41)(-3.65).lnpl_pk*lnloan0.508*0.571*0.59

46、2*0.592*0.479(2.20)(2.10)(2.05)(2.20).lnpl_pk*lnoea0.270*0.2940.3370.337*0.0438(1.66)(1.44)(1.59)(1.70).lnpl_pk*lnobs-0.1160.508*0.1320.1320.0571(-1.09)(3.01)(0.76)(0.82).trend-0.0992*-1.38938e+10-0.362*-0.362*-0.379(-3.65)(-0.53)(-4.05)(-4.34).(trend)20.00141927487970.3-0.00308*-0.00308*-0.00327(1.

47、05)(0.52)(-1.81)(-1.94).lngdppc0.840*6.210*5.576*5.576*5.531(7.37)(7.35)(5.98)(6.41).N131613161316131613160.692.62e+100.7710.030.0320.9670.7710.9820.9160.980.0330.033注：(1)* p 0.1, * p 0.05, * p 0.01；(2)括号下面为t值；(3)pf_pk、pl_pk分别为资金成本和人力成本除以物质成本的变量。 从表3可看出，五种模型中两种时变固定效应模型较显著，但从、看，明显LS93模型标准差更小，因此采用LS93

48、模型对中国银行业的“稳定非效率”进行分析，而且从该模型各变量的系数看，也符合经济学意义。六、中国银行业市场力与稳定性的实证分析影响银行业稳定性的因素除了市场力外，还包括银行自身因素以及资本市场发展状况等因素。反映银行自身情况的变量包括：规模、经营模式、资本化比率、信用风险等，分别用银行总资产、分散化指数、股东权益比、不良贷款比率表示。总资产作为控制银行规模的变量因为更大的银行更可能“太大而不能倒”。权益比反映银行风险偏好上的差异(Stiroh,2004)。不良贷款比率作为测量银行资产质量的指标。考虑到资产越分散的银行，风险越小这一事实，本文用分散化指数(Laeven and Levine,20

49、07)作为反映银行风险的指标 也有研究表明，分散化指数与稳定负相关，分散化会增加风险，降低回报(Laeven and Levine,2007)。一般认为，银行规模越大，分散化指数越高，股东权益比越高，不良贷款比率越低，银行越稳定。用每年的股票市场市值加上国库券和债券发行量表示资本市场发展状况。资本市场发展状况与银行稳定性并不存在确定的关系，既可能是正相关，发展良好的资本市场，同时也会促进银行业的稳定；也可能是负相关关系，因为存在融资上的替代关系。上述变量的界定、计算与来源见表1。模型构建如下： 上式中，代表“稳定非效率”，bd是存款市场Boone指数的绝对值，表示存款市场市场力，bl是贷款市场

50、Boone指数的绝对值，表示贷款市场市场力。加入Boone指数的平方项，是考虑到市场力与稳定性间的非线性关系。同时，考虑到稳定性与市场力间可能存在的相互影响关系，本文使用差分GMM估计二者关系。替代Boone指数的工具变量是单个银行的市场份额、金融自由度（来自于Heritage Foundation）和固定资产/总资产，市场份额作为工具变量是因为市场份额越大，越有能力实施市场力，进而对银行稳定产生影响；金融自由度作为工具变量是因为政府所有权和干预影响了银行竞争；同样，固定资产多，反映了银行有更多的分支网络，分支网络越多，市场力越强。为了更好地说明差分GMM模型分析结果的稳健性，表4列出了存款和

51、贷款三种模型的实证结果。表4 银行市场力与稳定性的实证分析结果存款OLS模型贷款OLS模型存款2SLS模型贷款2SLS模型存款GMM模型贷款GMM模型lnbd0.963*2.585*2.514*(4.59)(9.03)(8.18)lnbl0.222-2.181*-1.607*(1.39)(-3.85)(-2.90)(lnbd)21.237*2.7652.684(1.12)(0.76)(0.84)(lnbl)20.355-3.754-2.079(-0.89)(0.975)(0.563)lneq_ta0.113*0.171*0.02580.101*0.02690.107*(3.53)(5.59)(

52、0.75)(2.72)(0.79)(2.57)lnta-0.0884*-0.0232-0.184*-0.117*-0.191*-0.158*(-2.05)(-0.55)(-4.02)(-2.29)(-3.67)(-2.85)lndi-0.0135-0.0112-0.0166-0.0168-0.0179-0.0197(-1.03)(-0.85)(-1.23)(-1.15)(-1.11)(-1.24)lnrnpl0.02290.0001640.0574*0.02470.0533*0.0371(1.02)(0.01)(2.45)(0.98)(2.31)(1.58)lncmv_gdp0.671*0.6

53、81*0.646*0.732*0.647*0.725*(23.21)(23.33)(21.69)(21.43)(28.18)(25.53)trend0.257*0.228*0.335*0.04240.334*0.113*(17.25)(13.76)(18.84)(0.94)(18.25)(2.48)_cons-0.200-0.982*(-0.51)(-2.78)N115511551154115411541154adj. R20.7900.7860.7770.7380.7790.757Anderson Canonical correlation LM statistic(p value)66.628(0.000)50.197(0.000)Sargan statistic(p value)10.600(0.215)16.212(0.207)Kleibergen-paap rk LM statistic(p value)92.16