【在韩中资银行推动中韩经贸合作的主要因素分析5200字】

在韩中资银行推动中韩经贸合作的主要因素分析目录TOC\o"1-3"\h\u17553在韩中资银行推动中韩经贸合作的主要因素分析 124026第一节中资银行在韩经营的评价指标 119646一、主要经营指标 121064二、评价指标选择 1953第二节样本的选取与数据处理 216176一、变量描述和数据来源 27069二、实证模型和数据说明 4第一节中资银行在韩经营的评价指标评估在韩中资银行对经贸合作的影响因素，首先需要选出合适的在韩中资银行的评价指标以对其经营情况作出合理的评价。本节将在参考银行竞争力指标和银行跨境经营评价指标的基础上，确定在韩中资银行的主要评价指标。一、主要经营指标目前，国外对银行竞争力已经有比较成熟的理论和框架，如英国《银行家》杂志、美国的骆驼评价体系等。英国《银行家》杂志从银行的资产状况、规模大小、盈利能力以及经营状况等方面进行评价，但在研究在韩中资银行的评价指标时，仅采用《银行家》的评价体系会忽略海外分行与境内本土银行之间的联系，从而低估中资银行对经贸合作的影响大小。美国的骆驼评价体系（CAMELS）也存在类似的问题。在银行竞争力研究的基础上，学者们也对银行跨境经营的评价指标进行了研究。部分学者通过研究建立了三级指标体系，并将国外资产量、国外销售量等因素纳入考察，并逐渐使指标具象化，更具有可比较性蒋海曦蒋海曦，中国国有商业银行国际化水平的国际比较:2008～2013，当代经济研究,2015年第12期，第76-81页。二、评价指标选择基于现有银行竞争力体系和银行跨境经营评价指标的相关研究，在综合考量了指标的全面性和数据的可获得性后，本文最终从在韩中资银行的盈利能力、发展能力、业务开展能力、安全能力等方面选取了五个三级指标对在韩中资银行的经营情况进行概括（见表4.1）。研究对象定为在韩六大中资银行，研究涉及的时间范围为2010年6月—2020年9月期间42个连续季度。表4.1中资银行海外经营评价指标一级指标二级指标三级指标三级指标解释在韩中资银行经营评价指标盈利能力成本收入比在韩中资银行总成本/在韩中资银行总收入发展能力利润增长率在韩中资银行利润增长率业务经营能力在韩非利息收入占比在韩中资银行非利息收入/总非利息收入在韩利息收入占比在韩中资银行利息收入/总利息收入安全能力流动性比率在韩中资银行流动资产/在韩中资银行流动负债第二节样本的选取与数据处理本节将结合在韩中资银行在推动经贸合作中的不足来系统性阐述上述指标选取的原因，说明数据来源。在对变量进行检验并通过后，再建立实证模型进行回归分析，分析在韩中资银行对经贸合作的主要影响因素。一、变量描述和数据来源本文主要选择了在韩中资银行的相关数据、中韩经贸数据和两国国民生产总值作为实证分析的数据基础，下面分别对各变量进行说明，并说明数据来源。（一）解释变量的描述和说明本文所涉及的在韩中资银行的相关财务数据等指标，数据均来源于韩国金融服务委员会的统计数据和各中资银行披露的公司年报。本文所选取的在韩中资银行经营评价指标，主要是基于以下考虑：第一，盈利能力。成本收入比衡量的是创造收入时花费的成本。相比其他在韩外资银行，在韩中资银行利息收入占比较大。且在韩中资银行主营业务模式较为单一，投资咨询等非利息收入业务开展较少，在科技投入方面也有所不足，这些都可能使得在韩中资银行在获取收入时产生较大的成本，从而制约在韩中资银行对中韩经贸合作的推动作用。通过成本收入比，可以综合考量这些因素，并有效反映银行的盈利能力。第二，发展能力。本文选取在韩中资银行的利润增长率作为其在经营业务拓展趋势方面的评价指标。利润的不断增加是银行生存的基础和发展条件，利润增长率越高，意味着更快的利润增长速度，也意味着在韩中资银行正积极转变业务发展模式，摆脱传统的依靠利息收入作为收入来源的增长模式，向提供专业的金融咨询服务、数字化发展的方向转变，更好地服务于中韩经贸往来。第三，业务经营能力。在韩非利息收入占比和在韩利息收入占比反映了在韩中资银行对中资银行整体的收入贡献情况。由于在韩中资银行主要服务于在两国间开展贸易投资往来的企业客户，在韩利息收入占比可以反映在韩中资银行通过贸易融资、海外并购贷款等方式在经贸合作中起到的推动作用，而在韩非利息收入占比可以反映在韩中资银行通过提供投资咨询、市场信息服务等方式对经贸合作的推动作用。因此这两个比率可以有效反映在韩中资银行的经营情况，以及不同收入方式对中韩经贸合作的影响。第四，安全能力。流动性比率考察的是流动资产占流动负债的比重，可以衡量在韩中资银行的短期偿债能力。风险管理能力无法直接进行量化比较，因此通过选择流动性比率来对在韩中资银行的风险管理能力进行评估。更高的流动性比率，意味着在韩中资银行的资产更为安全，风险更低，才能够更好地帮助企业在贸易投资活动中规避和分散风险，同时也能够更加游刃有余地助力于中韩经贸合作发展。（二）被解释变量的描述和说明根据上文的理论分析，银行跨境经营会对两国经贸合作产生推动作用，而国家间的经贸活动主要由进出口贸易和对外直接投资组成，因此，本文分别选取了2010年6月-2020年9月中韩进出口贸易总额季度数据和2010年至2020年中国对韩直接投资数据作为被解释变量。（三）控制变量说明在控制变量的选择方面，本文选取了韩国和中国的国民生产总值（GDP）。国民生产总值是对一国总体的经济发展水平与市场规模的反映。国民生产总值越高，代表着更大的市场潜力和容纳力，对于企业开展贸易、投资活动也更有吸引力。而另一方面，本国的国民生产总值也代表了本国的经济发展阶段，国民生产总值越高，意味着国家经济水平的提高，从而也会带动对外贸易、投资的发展。（四）数据说明本文主要选取2010年6月-2020年9月间的季度数据作为研究区间，主要是因为：一是金融危机对中韩经济与贸易都造成了一定冲击；二是由于中国农业银行首尔分行创建于2012年，中国光大银行首尔分行创立于2016年，因此基于相关数据的可获得性和可研究性，本文从2010年6月的相关数据着手并进行处理：在韩中资银行数据、中韩贸易、对韩直接投资、韩国GDP和中国GDP均统一为以美元口径进行核算。中资银行的相关财务数据又主要以人民币为计价单位进行统计披露，因此本文对有关数据通过对应年份的平均汇率将其折算成美元口径后，再计算各评价指标的值。本文相关数据主要来自《中国对外投资统计公报》、国研网数据库、各中资银行披露的年报和韩国金融服务委员会数据库。在数据处理上，本文对相关数据进行整理计算后得到2010年6月-2020年9月的研究序列。二、实证模型和数据说明（一）变量与中韩经贸合作的实证检验本小节将对变量进行如下的实证检验：第一，平稳性检验。在确定变量是平稳的以后，再进行下一步检验；第二，协整检验。检验各解释变量与两个因变量之间存在协整关系，若有协整关系，则进行下一步；第三，格兰杰因果检验，以分别考察解释变量与贸易总额和对韩直接投资总额之间是否有单向或双向的因果关系。1.平稳性检验利用Stata15计量经济分析软件对解释变量的相关指标、贸易总额和对韩直接投资总额的相关变量进行ADF检验，检验结果如表4.2所示：表4.2各变量的ADF检验结果AugmentedDickey-FullertestforunitrootNumberofobs=29InterpolatedDickey-FullerTest1%Critical5%Critical10%CriticalStatisticValueValueValueY1-0.276-3.723-2.989-2.625Y21.630-3.750-3.000-2.630X1-2.212-3.730-2.992-2.626X2-1.334-3.730-2.992-2.626X3-0.873-3.730-2.992-2.626X4-0.187-3.730-2.992-2.626X5-2.287-3.723-2.989-2.625X6-0.696-3.716-2.986-2.624X70.842-3.723-2.989-2.625根据表中结果可知，大部分变量在5%的临界水平下都是非平稳数列，但经过一阶差分后都通过了1%临界水平的检验，可以进行下一步的协整检验，以此来考察在韩中资银行评价指标与中韩贸易和对韩直接投资额的长期均衡关系。2.协整检验本文将变量分成两组，分别检验在韩中资银行评价指标对中韩贸易和对韩直接投资额的关系。在韩中资银行评价指标对中韩贸易的关系表4.3协整检验结果lagLLLRdfpFPEAICHQICSBIC0-1721.734.80E+2991.038791.161391.38341-1523.98395.56404.50E+2683.999185.103187.10192-1462.17123.636408.10E+2684.114286.199489.9753-1290.2343.936401.30E+2578.431881.498387.05074897.0654374.5*6407.1e-22*-33.3192*-29.2714*-21.9423*本文同时选取6个指标来共同确定最优滞后阶数。从表4.3中可以得知6个统计量均选择4期为最优滞后阶数。以4期作为模型的滞后阶数，进一步检验模型特征方程根的倒数，是否均位于单位圆内，由下图可见，仅有部分点接近圆边界，模型设立VAR（4）是合理和有效的，模型整体具有稳定性。图4.1伴随矩阵的根（2）在韩中资银行评价指标对对韩直接投资额的关系同样的，各统计量均选择4期为最优滞后阶数。以4期作为模型的滞后阶数，由下图可见，仅有一个点接近圆边界，模型设立VAR（4）是合理和有效的，模型整体同样具有稳定性。表4.4协整检验结果lagLLLRdfpFPEAICHQICSBIC0-332.0293.6e+34*96.579796.006796.53341958.2592580.6360.-261.788-265.8-262.1132974.59332.667360.628.-266.455-270.466-266.783929.515-90.15536..-253.576-257.587-253.94975.3691.69*360.-266.674*-270.686*-266.999*图4.2伴随矩阵的根3.格兰杰因果关系检验通过上述协整性检验可知，所选变量之间存在一个协整关系，因此本文就利用格兰杰因果检验法，进一步验证这些变量间是否存在因果关系。表4.5格兰杰因果检验结果EquationExcludedchi2dfProb>chi2y1X116.81410.000y1X20.3415910.008y1X30.0556610.017y1X42.664310.009y1X54.381810.036y1X60.220710.024y1X74.370410.037y1ALL33.80470.000根据计量检验结果，由于0.000低于5%的显著性水平，所以拒绝原假设，得出在韩中资银行利息收入占比是中韩贸易总额变化的原因。同理，由于0.0008低于5%的显著性水平，因此在韩中资银行非利息收入占比也是中韩贸易总额变化的原因。依次类推，在韩中资银行的相关指标都是中韩贸易总额变化的单向格兰杰因。进行同样操作后，也可得出在韩中资银行相关指标是对韩直接投资总额的格兰杰因的关系。上述检验结果说明目前我国在韩中资银行海外经营有助于我国对韩贸易和投资的发展。4.本节结论从本小节的检验结果可知，各变量在一阶差分后通过了临界水平的检验，说明变量均为同阶单整序列；从协整检验中可以得出，中韩贸易总额和对韩直接投资总额分别与在韩中资银行相关数据之间存在长期稳定的均衡关系；在短期内，相关指标分别对中韩贸易总额和对韩直接投资总额有单向格兰杰因果关系。(二)实证模型检验结果说明，从长期看，在韩中资银行相关指标和对韩直接投资总额、中韩贸易总额之间存在动态均衡关系。为进一步验证在韩中资银行相关指标对中韩贸易和对韩直接投资的支持程度，本小节将通过建立回归模型，并分析回归结果对在韩中资银行相关指标对中韩贸易、对韩直接投资的影响程度。1.回归模型分析本文将对两个被解释变量分别进行线性回归分析，以探究在韩中资银行相关指标的影响结果。由于评价指标中数据差额较大，因此对整体数据进行对数化处理，使数据更加平滑。对于回归模型的分析，本文采用OLS，即最小二乘估计法。下表展示的是在韩中资银行相关指标影响中韩贸易总额的回归结果：表4.6线性回归结果SourceSSdfMSNumberofobs=20F(7,12)=26.9Model0.24754770.035364Prob>F=0Residual0.015778120.001315R-squared=0.9401AdjR-squared=0.9051Total0.263324190.013859RootMSE=0.03626Lny1Coef.Std.Err.tP>t[95%Conf.Interval]Lnx10.6945820.274022.530.0260.09754471.29162Lnx20.038990.0077175.0500.02217560.055804Lnx3-0.110940.046015-2.410.033-0.2111954-0.01068Lnx40.1984010.0641573.090.0090.05861460.338187Lnx5-0.094030.020548-4.580.001-0.1388023-0.04926Lnx60.952290.294082-3.240.007-1.593043-0.31154Lnx70.5501410.1014165.4200.32917470.771106_cons25.732014.7339025.44015.4177236.04629根据回归结果，得到以下公式：lny1其中y1表示中韩贸易总额，x1至x7分别对应成本收入比、利润增长率、流动性比率、在韩中资银行利息收入占比、在韩中资银行非利息收入占比、韩国GDP和中国GDP。从上述方程可以得出在韩中资银行相关指标对中韩贸易额的回归结果与实际情况比较吻合。回归结果表明除了在韩中资银行非利息收入占比和流动性比率系数为负外，其他解释变量均对中韩贸易存在支持作用。其中，在韩中资银行成本收入比的支持作用最大，在韩中资银行利息收入占比次之，其中，在韩中资银行成本收入比的回归系数为0.69，说明在韩中资银行成本收入比变动1%，对应的贸易规模则变化0.69%；在韩中资银行利息收入占比的回归系数为0.19，说明在韩中资银行利息收入占比每增加1%，贸易规模则增加0.19%。（2）下表展示的是在韩中资银行相关指标影响对韩直接投资总额的回归结果：表4.7线性回归结果SourceSSdfMSNumberofobs=11F(6,4)=7.09Model5.2001393160.86668989Prob>F=0.0394Residual0.48864811740.12216203R-squared=0.9141AdjR-squared=0.7853Total5.68878743100.5