最初使用“商业银行”这个概念，是因为这类银行在发展初期，只承做“商业”短期放贷业务。放款期限一般不超过一年，放款对象一般为商人和进出口贸易商。商业银行发展到今天，与其当时因发放基于商业行为的自偿性贷款从而获得“商业银行”的称谓相比，已相去甚远。今天的商业银行已被赋予更广泛、更深刻的内涵。特别是第二次世界大战以来，随着社会经济的发展，银行业竞争的加剧，商业银行的业务范围不断扩大，逐渐成为多功能、综合性的“金融百货公司”。以下是小编为大家精心准备的：我国商业银行规模与风险承担关系分析相关论文。内容仅供参考，欢迎阅读!

我国商业银行规模与风险承担关系分析全文如下：

内容摘要：本文基于我国18家商业银行2005-2012年的数据，就我国商业银行规模与其风险承担水平之间的关系进行了研究。研究表明：我国商业银行风险承担水平与其规模呈U型结构。把银行性质考虑进来之后发现，国有商业银行风险与其规模仍然呈显著的U型关系，其规模值已经到达U型的右侧，有可能会诱发“大而不倒”问题。而非国有商业银行的规模与其风险之间则呈显著的负相关关系，其规模目前还处于U型结构的左侧。

关键词：风险承担 银行规模

引言

商业银行规模一直是金融学术界关注的重点，规模经济则是学者们最早关注的规模效率目标之一。Freixas和Rochet(1997)从存款成本及设立成本的角度分析了银行规模效率。Krasa 和Villamil(1992)及Sun(2007)则通过考虑银行监督成本和分散风险两方面的权衡推导了最优的银行规模。随着我国四大国有银行陆续股改上市，商业银行资产规模的情况得到我国学者的关注。徐高、林毅夫(2008)研究了我国的最优银行结构怎样随着经济中资本的积累而变化。之后邹朋飞(2008)又利用我国1995-2005年商业银行的数据得出：国有商业银行、股份制商业银行和城市商业银行的规模经济系数随着时间的变化呈“U”型结构。2008年美国次贷危机爆发后，美国政府对大型商业银行的救助使其入不敷出，大型金融机构的倒闭引发了全球金融体系的系统性风险，美国次贷危机由此演变成一场全球金融危机。于是，大型商业银行的规模问题成为政府和相关监管单位必须解决的问题，规模与风险之间的关系也日益受到重视。

大型商业银行的倒闭很可能使金融体系面临崩溃，从而引发系统性风险。因此，在大型商业银行面临高破产风险时，政府通常会对其采取保护措施。但保护措施会鼓励其追求高风险的投资项目，进而承担更高的风险。如此进入恶性循环之后，政府入不敷出，最终大型银行仍然逃脱不了破产的结局，从而引发金融危机。如果银行风险随着规模增大而升高，当规模大到一定程度时，会陷入一方面银行风险很高，另一方面因为其规模太大政府不得不对其进行保护的两难境地。因此，解决大而不倒问题的根本在于预防，即如果出现银行破产风险随着规模增大而升高的情况，监管当局应该做好预防措施，限制银行规模的增长。2010年7月，美国总统奥巴马签署了金融监管改革法案：《多德-弗兰克华尔街改革与消费者保护法案》，其重点之一是限制商业银行的规模，以此来限制商业银行的增长和合并，从此美国争论已久的大而不倒问题也将得到解决。

在我国，是否需要借鉴“限制商业银行规模”这一政策还有待于研究。因为在国内研究结果中，我国商业银行的风险是否会随着其规模的增大而升高还未得到统一的结论。徐东明和陈学彬(2012)把银行规模作为控制变量纳入模型，得出银行风险承担与资产收益率、资产规模呈负相关关系。江曙霞和陈玉婵(2012)用三种不同变量来衡量银行风险，实证结果均显示银行规模与其风险水平呈显著的负相关关系。曹廷求和朱博文(2012)、邹飞和王宗润(2013)也得出了相同的结论。然而谭政勋(2013)则把银行规模作为解释变量和交叉变量带入模型，得出：随着银行规模的扩大其风险也将上升，且通过承担高风险银行能获得较高的收益率。牛晓健和裘翔(2013)得出银行规模滞后一期值与银行风险成弱正相关关系。宋清华、曲良波和陈雄兵(2011)把16家银行的规模数据一同带入模型，认为银行规模与风险之间并非呈简单线性相关关系，而是呈U型关系。

因此本文的研究目的是验证我国商业银行风险是否会随着其规模的增大而升高，从而确定我国是否需要借鉴“限制银行规模”这一政策。Delis和Kouretas(2011)指出，不同性质的银行会因为其自身情况而采取不同的风险承担策略，本文将创新性地把我国商业银行根据其性质分类，分为国有商业银行、股份制商业银行和城市商业银行三类。然后分别讨论其规模与风险之间的关系，并对三者的结论进行比较。最后根据结论给我国银行监管当局提出相应的建议。

研究假设

由于本文主要研究大型银行的破产风险是否会随着其规模的增大而升高，因此参考Laeven，Levine(2009)、Thierno，Barry(2011)的方法，采用Z值来衡量银行风险。Z值是用来衡量银行破产风险的指标，它将破产风险定义为净资产无法抵补亏损的可能性，或者说是资不抵债的概率，其计算公式为：

其中，ROA为资产收益率，CRA为资本与资产的比例。下标i表示第i家银行，t表示年份。u表示ROAit的期望，σ 表示ROAit的标准差。Z值越大，破产风险就越高。从Z值表达式可以看出，Z值取决于银行的资产收益率、资产收益率的波动和资本储备水平。当银行经营偏好和资产结构不变时，Z值与资产收益率ROA呈负向关系，这一点也已经得到了徐东明和陈学彬(2012)的验证。

Barrell、Davisd和Tatiana等(2011)将银行持有资产的成本分为两个部分，分别是获得资产的成本(OC)和监管资产的成本(MC)。Krasa 和 Villamil (1992)发现，在通常情况下前者(OC)的操作成本会高于为负债和资产所付出的利息成本l×A ，他们将所高出的部分称之为行政成本，是资产额的函数，且其平均成本f(A) 随着资产的增加而减速下降。银行获得资本的平均成本oc(OC/A)即有：

以上表明，由于规模增大的过程中，银行获得资产的平均成本oc降低，银行将向着无限大的趋势发展。但Krasa和Villamil认为由股东承担的平均监管成本mc(MC/A)，将会随着资产规模增加而加速上升，因此银行的边际成本将会随着规模的增加而上升。即：

由于，因此当时，平均总成本为最小值。此时A取A1，当AA1时，银行运营的平均成本随着资产规模的增加而增加，资产收益率ROA则刚好相反。而Z值又与资产收益率ROA呈反向关系，因此当银行经营偏好和资本结构控制不变时，Z值首先会随着规模的增大而减小，当资产规模达到A1时，Z值又会随着规模的增大而增大。即银行风险承担水平与其规模之间并非简单的线性关系，而是呈U型结构。基于以上分析，本文提出假设：我国商业银行风险承担水平与其规模呈U型关系。

研究设计

(一)样本选择和数据来源

本文选取了16家A股上市银行和2家H股上市的银行作为样本，共计18家银行。其中有5家国有银行、8家股份制商业银行和5家城市商业银行。样本考查期为2005-2012年，除去异常值和缺失数据，共得到136个观测值。银行数据均来自wind数据库和各银行年报，其它数据取自中国统计年鉴和各省统计年鉴。本文采用非平衡面板数据进行统计分析，并使用stata10.0作为计量软件。

(二)变量选择

被解释变量。根据已有文献，用来衡量银行风险承担水平的指标主要有：Z值、不良贷款率、预期违约频率、风险资产占比和特许价值权等。本文参考Laeven、Levine(2009)，Thierno、Barry等(2011)的方法，采用Z值来衡量银行风险。Z值越大，银行风险越高。

解释变量。为验证银行风险承担水平是否与银行规模之间呈U型关系，本文参考了国内外主流方法，以滞后一期银行总资产的自然对数以及它的二次项作为被解释变量。由于银行风险对银行规模的反应具有时间滞后性，因此采用了滞后一期的银行规模来解释其风险。

控制变量。为了全面控制其它因素，本文从三个方面来选择控制变量。分别为宏观经济层面，银行特征层面和公司治理层面。各变量的名称、符号及定义如表1所示。

(三)研究方法与模型

由于银行风险具有持续性特征，银行当期风险承担水平会受上期风险水平的影响，所以本文把滞后一期的Z值也列入控制变量。参考Delis和Kouretas(2011)的模型设定，设定动态面板模型1(不考虑银行性质约束)来检验银行规模与风险承担的关系。模型1如下所示，其中β是回归系数向量，vi 是常数项，ui，t 是随机扰动项。

然后本文把商业银行分为国有商业银行、股份制商业银行和城市商业银行三类。建立模型2，分别把三类银行的值带入模型2进行估计，通过对比分析来考察银行性质对银行规模与风险之间的关系的影响，模型2如下所示：

由于各模型中均含有因变量的滞后项，通常的固定效应模型和普通最小二乘法估计均为有偏估计，因此本文采用GMM动态面板估计方法。且模型1中的BC1、BC2变量不随时间变化而变化，所以运用差分GMM与水平GMM相结合的系统GMM估计方法，既能提高估计效率，还能估计不随时间变化而变化的银行性质变量。为确保模型估计的有效性和稳健性，本文做了两个重要检验：一是扰动项自相关检验。二是过度识别检验。

(四)变量描述性统计

表2为主要变量的描述性统计结果。因为只有当Z值为正时，才符合本文对银行破产风险的定义，所以本文将负的Z值作为异常值除去。由表2可知Z_score最大值为 0.1181，最小值为0.0017。用来衡量是否上市的哑变量List的均值为0.7794，说明观测值中有77.94%为已上市银行，22.06%为非上市银行。

实证结果与分析

(一)不考虑银行性质约束

表3为把所有观测值都带入模型1中所得出的估计结果。在自相关检验中，显示扰动项的差分既不存在二阶自相关，Sargan检验显示工具变量的选取合理。从模型1的估计结果来看，银行规模一次项的估计系数β1在5%的水平上显著为负，银行规模二次项Size2的估计系数β2在10%的水平上显著为正，可以得出银行规模与银行风险之间呈显著的U型关系，且计算可得最佳规模为19.03。

在银行资产规模达到最佳规模19.0313之前，银行风险先随着其资产规模的扩大呈下降趋势，达到最佳资产规模之后，银行风险则随着其规模的扩大而上升。与普通公司一样，在规模较小时期，公司发展并不成熟，管理和运营能力都有待加强，获得资产的平均成本也普遍偏高，处于规模报酬递增状态。而随着规模的扩张，银行各项指标都得到改善，风险也随之降低。但当规模达到一定程度时，规模继续扩张会导致管理混乱，运营成本也开始升高，各项指标都呈恶化趋势，风险随之升高。

除此之外，滞后一期银行风险系数的估计值在1%的水平上显著为正，值为0.4144，介于0与1之中，表明其风险具有一定持续性。银行的核心资本率在1%的水平上显著为负，表明银行核心资本占资产的比例越大，银行的风险承担水平就越小。货币流动性MG也在1%的水平上显著为负，表明货币的流通性提高有利于银行风险承担水平的降低，可能是因为货币流通性增加了银行业之间的竞争程度。从某些方面来看，银行业的竞争能促进银行提高其风险管理能力和经营效率，从而使银行的破产风险降低(徐东明、陈学彬，2012)。

(二)考虑银行性质约束

本文把银行性质作为约束，把三类银行的值分别运用系统GMM方法带入模型2进行估计，由于城市商业银行与股份制商业银行分别估计的结果非常相似，因此本文把这两类银行归为“非国有银行”一同进行估计和分析。自相关检验与过度识别检验显示：两次GMM估计均不存在扰动项二阶自相关，且接受了所有工具变量均有效的原假设。

如表4所示，国有银行规模的一次项与二次项变量系数均在5%的水平上显著不为0，其中一次项系数为负，二次项系数为正，由此可得：国有银行规模与其银行风险之间仍然呈显著的正U型关系，最佳规模为20.42。由表4国有银行一栏与表2的估计结果相比较，可以看出国有银行的最佳规模比不考虑银行性质时的最佳规模要大。国有银行Z值滞后一期的系数变得不显著，相比于其他银行，国有银行每一期都能够迅速地调整其风险。货币流通性变量系数两个模型的估计结果并没有太大区别，都在1%的水平上显著为负，且系数大小相近。除此之外，是否上市、第一股东持股比例和董事会独立性对国有银行风险的影响都变为显著，分别在1%、5%、1%的水平上显著为负。说明国有银行上市之后，对其抑制风险有较显著的作用，而其他银行上市后对其风险影响不显著，其原因可能在于其他银行上市前后的股权结构变化并不很大。

第一股东持股比例的增加能够使其风险下降，因为大股东更倾向于银行的稳健性，股权的集中能够使大股东对风险提高关注。董事会的独立性也能够抑制银行的风险承担水平，独立董事由于被要求关注存款人和中小股东的利益，能有效地控制国有银行的风险。表4的非国有银行一栏显示，非国有银行规模的一次项与二次项系数均不显著，且模型拟合情况欠佳。由于非国有银行的规模普遍偏小，并根据其规模与Z值的散点图来看，推断我国目前的非国有银行规模还处于U型结构的左侧，即银行风险承担水平随着其规模的增大而减小。为此，本文把模型2中Size的二次项除去，重新对模型进行估计，且证实了假设。即在非国有银行中，其风险承担水平与规模呈显著的负相关关系。

结论与建议

本文实证研究了我国商业银行的风险承担水平与其规模之间的关系。研究结果表明，我国商业银行风险承担水平会先随着其规模的增大而减小，但当规模扩张到一定程度时，银行风险反而随着规模的增大而升高，可能会诱导大而不倒的问题。把银行性质考虑进来之后发现，国有银行风险与其规模仍然呈显著的U型关系，且最佳规模比不考虑银行性质时大。但非国有银行的规模与风险之间却呈显著的负相关关系。

基于以上的研究结论，本文建议银行监管部门，除了把资本充足率和公司治理等方面纳入监管指标外，还应对银行的规模加以控制。可借鉴多德――弗兰克法案，限制商业银行的增长与合并，防止或抑制大而不倒的问题。除此之外，在对银行规模进行控制时，还应把银行性质考虑进来。国有银行的最佳规模大于非国有银行，所以允许的规模上限也应该大于非国有银行。目前非国有银行还不存在风险随着规模的增大而升高的情况，因此当前监控重点可以集中于国有商业银行，但为防范非国有银行未来规模过度增长带来的风险，同样需对其制定一个规模的上限。

【我国商业银行规模与风险承担关系分析】相关文章：

1.试论我国商业银行的信用风险及对策

2.现阶段我国商业银行的金融风险与防范

3.论我国商业银行个人理财业务风险控制

4.我国商业银行发展现状

5.银行规模与经营绩效的关系

6.浅析商业银行败诉经济案件原因分析及措施