上市商业银行盈利能力影响因素探究.docVIP

上市商业银行盈利能力影响因素探究【摘要】盈利能力是商业银行生存和发展的基础，提高商业银行盈利能力，对促进银行业健康稳健地发展具有极其积极的意义。本文以我国14家上市商业银行2004-2010年的相关数据为样本，运用数据面板模型，对商业银行盈利能力及其影响因素进行实证研究与分析。分析结果初步显示，银行的资本实力、资产充足率、流动性以及资产费用率均与盈利能力成正相关关系，而不良贷款率、信贷规模则对盈利能力有负面影响。最后，结合上市商业银行的具体特征和实际发展情况，有针对性地提出提升商业银行盈利能力的对策。 【关键词】上市商业银行 盈利能力 影响因素 面板数据 随着金融国际化进程的快速发展，我国银行业已经全面开放，并逐步进入健康有序的发展轨道。近几年来，我国银行业得到了迅速的发展，盈利水平更是有了大幅度的提高。根据英国银行家杂志公布的2010年全球银行盈利能力排名，工商银行成为全球盈利能力最高的银行，建设银行紧随其次。这些都表明我国银行业正处于迅速发展阶段。如何在日益激烈的竞争环境中维持、提高商业银行的盈利能力，保证其健康稳定运营已经成为广泛关注的焦点。上市商业银行作为我国商业银行的主体大军，肩负着为整个社会提供资金融通的重任，是我国经济资金链条的总枢纽，同时代表着整个银行业的发展方向。因此，加强上市商业银行盈利能力影响因素的相关研究，对促进上市商业银行核心竞争力的形成，保证银行业健康稳健地发展具有极其深刻的意义。 本文着眼于上市商业银行，通过对14家上市商业银行2004～2010年的相关数据进行实证研究，分析各个因素对盈利能力的影响，有针对性地提出提升上市商业银行乃至整个银行业盈利能力的建设性意见。 一、指标界定及模型构建 （一）样本选取及研究方法 截至2010年底，我国共有16家商业银行完成上市，包括5家大型国有商业银行、8家股份制商业银行和3家城市商业银行，本文以其余14家上市商业银行2004-2010年间的相关数据为样本，对盈利能力与各项因素的相关性进行研究。 对上市商业银行盈利能力的影响因素进行分析时，涉及到的是多家银行在一个时间序列中的观测值，这不纯粹是截面数据或时间序列数据，而是由两者相结合的数据集，建立一般的线性回归模型并不能同时反映横截面数据的个体差异以及样本作为一个整体所呈现的时间趋势[1]。因此，本文选用面板数据模型对银行盈利能力的影响因素进行分析，再运用Eviews6.0对其进行回归分析。 （二）模型设定 面板数据模型的基本方程表述如下： yi,t=c+α1+γ1βχi,t+εit 其中，y是被解释变量，χ为解释变量，i与t分别表示横截面数据、时间序列数据（在本文中i=1,2,…，14， t=2004,2005，…，2010），β是回归系数向量。截距项是c+α1+γt，其中c是常数项，α1度量单位个体间的差异，γt度量时间序列上的差异，表示误差项。 用面板数据建立的基本回归模型有3种，即混合模型、固定效应模型和随机效应模型，下文将对其做具体区分。 1.混合模型。混合模型是将各截面数据融合为一个整体，不考虑个体差异和结构变化，即截距αi与不随个体i和时间t变化，这时方程可变为： yi,t=c+α+βχi,t+εit 2.固定效应模型。这类模型假设截距随个体i和时间t变化，但认为与解释变量相关，具体可分为： （1）个体固定效应模型，即截距项在个体i上变化，而在时间上无变化。 （2）时期固定效应模型，即截距项在个体i上无变化，而在时间上变化。 （3）个体和时期固定效应模型，即截距项在个体i上变化，且在时间上变化。 3.随机效应模型。这类模型假设α1、γ1、εit分别来自正态分布，且互不相关，即各自分别不存在截面自相关、时间自相关和混合自相关，α1或γ1与解释变量不相关。方程可表示为： yi,t=c+α1+γ1+εit 二、实证研究与分析 面板数据涉及截面和时间序列，同一截面上不同的个体与不同的时间可能会引起斜率和截距的变化，这就需要对面板数据进行检验，以选择最适合的模型。 （一）F检验 用F检验判断应该建立混合估计模型还是固定效应模型。原假设（H0）和备择假设（H1）分别为： H0：α1=α2=…=αi，混合模型。 H0：α1≠α2≠…≠αi，个体固定效应模型。 SSEr表示施加约束条件后估计模型的残差平方和，SSEu表示未施加约束条件的估计模型的残差平方和。若F统计量渐进服从自由度为（N-1，NT-N-k）的F分布，则建立混合模型，反之则推翻原假设建立个体固定效应模型。 1.混合估计模型。运用Eviews6.0软件进行操作，进行混合模型回归，得出结