前言：本站為你精心整理了信用信息共享商業(yè)銀行風(fēng)險影響分析范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

一、文獻(xiàn)綜述信用信息共享

是征信業(yè)務(wù)的一種結(jié)果，是征信機(jī)構(gòu)通過收集分布于社會和市場各部門的個人以及企業(yè)的信用信息，并將其進(jìn)行整理、保存、加工，最后有償或者無償提供給使用者或申請者。風(fēng)險承擔(dān)（risktaking）是指企業(yè)或機(jī)構(gòu)在經(jīng)營業(yè)務(wù)時所承擔(dān)的風(fēng)險的大小。我國商業(yè)銀行所承擔(dān)的風(fēng)險種類繁多，有信用風(fēng)險、市場風(fēng)險、操作風(fēng)險、流動性風(fēng)險等。已有的研究從理論和實證兩方面都證明了信用信息共享能減少商業(yè)銀行的風(fēng)險承擔(dān)。

（一）國外關(guān)于信用信息共享的研究

1．理論研究貸款人之間的信用信息共享

對商業(yè)銀行的風(fēng)險承擔(dān)的影響，主要有以下三個渠道。第一，信用信息共享使銀行更加了解申請人的特點，并且更加精確地預(yù)測還款概率，緩和逆向選擇問題；第二，能降低銀行因信息不對稱而收取的信息租金，從而降低成本；第三，信用信息共享會形成一個懲戒機(jī)制———違約會形成負(fù)面信用記錄，從而加大借款人的償還動機(jī)，減少道德風(fēng)險。Pagano和Jappelli（1993）表明，信息共享通過提高銀行對信貸申請人信息的了解，從而減少逆向選擇。在他們的模型中，每個銀行都有關(guān)于當(dāng)?shù)匦刨J申請人的特有信息，而沒有關(guān)于非本地申請人的信息。如果銀行等價交換他們的客戶信息，他們也可以評估非本地信用申請者的質(zhì)量，那么貸款給非本地客戶就和貸給當(dāng)?shù)乜蛻粢粯影踩?。信息共享對貸款總額的影響在這個模型中并沒有明確。當(dāng)銀行交換借款人信息時，這會增加對安全的借款人的貸款，但最終可能無法彌補(bǔ)對風(fēng)險型借款人貸款的減少。他們的結(jié)論支持了Klein（1992）的研究———他用博弈模型論述了如何通過樹立征信機(jī)構(gòu)信譽(yù)來解決道德風(fēng)險和逆向選擇問題。信用報告提高了“外部銀行”對信息的可得性，從而減少了“內(nèi)部銀行”可以獲得的信息租金。如果銀行獨自擁有或生成關(guān)于公司的信息，那么信用信息共享的實現(xiàn)會緩和了借貸關(guān)系中的“套牢問題”（hold-upproblem）（Sharpe，1990）。Padilla和Pagano（1997）表明，信用信息共享會通過兩個渠道影響銀行的利潤，一方面減少銀行在信貸關(guān)系中的議價能力，并可以提高借款人的還款意愿，從而使銀行愿意降低貸款利率并發(fā)放更多貸款；另一方面，銀行之間由于信息共享而增加的競爭會減少信貸投放，尤其是對新企業(yè)。信用信息共享同樣能激勵借款人的行為符合銀行的利益。Klein（1992）表明，當(dāng)法律環(huán)境使銀行很難執(zhí)行信貸合同時，信用信息共享可以激勵借款人償還貸款。在這個模型中，借款人之所以償還貸款，是因為他們知道違約者將被列入黑名單，這在未來會減少外部融資。Vercammen（1995），Padilla和Pagano（2000）表明，如果銀行交換違約信息，借款人會更努力地對待他們的投資項目以取得收益來償還借款。在這兩種模型中，違約對于其他銀行來說，就是信譽(yù)很差的信號，需要更高的利率作為處罰，或在未來不對其貸款?？偟膩碚f，這些模型在信用信息共享降低違約率，及對利率影響方面的預(yù)測是一致的，而關(guān)于它對貸款影響的預(yù)測則不太明確。此外，只有在涉及單個借款人的違約概率時預(yù)測才是明確的，當(dāng)考慮平均違約率的綜合影響時，上述預(yù)測可能不成立。假設(shè)信用信息共享幫助較低層次的借款人獲得貸款，盡管每個借款人的違約概率較低，但由于較低層次的借款人相對權(quán)重的增加，總體違約率可能會增加。

2．實證研究有許多的實證結(jié)果支持信息共享

提高信貸市場表現(xiàn)這一假設(shè)。Kallberg和Udell（2003）對征信機(jī)構(gòu)數(shù)據(jù)的分析實證結(jié)果表明，信用報告使銀行能更加準(zhǔn)確地預(yù)測個人貸款違約情況，從而降低了直接篩選的成本。而公司層面的數(shù)據(jù)表明，信用信息共享對信貸可得性的影響會因征信機(jī)構(gòu)類型的不同而產(chǎn)生差異。Miller(2003)通過研究公司層面的截面數(shù)據(jù)發(fā)現(xiàn)私人征信機(jī)構(gòu)和較低融資約束以及更高比例的銀行融資相關(guān)，并且這些相關(guān)性對中小企業(yè)尤為顯著，公共征信機(jī)構(gòu)則不然。Brown和Zehnder（2007）的實證結(jié)果認(rèn)為公共征信部門建立的信用信息共享機(jī)制可以激勵借款人償還貸款。學(xué)者們運(yùn)用不同層面的跨國數(shù)據(jù)來研究信用信息共享對總的信貸市場的表現(xiàn)。根據(jù)對43個國家的信用報告的調(diào)查，Jappelli和Pagano（2002）在控制銀行貸款的其他經(jīng)濟(jì)和制度因素，如國家大小、GDP增長率、對法律的尊重和債權(quán)人的權(quán)利等變量的條件下，認(rèn)為在信用信息共享更加穩(wěn)定和廣泛的國家，銀行給私營部門的貸款更多，違約率更低。Djankov、McLiesh和Shleifer（2007）選取了129個國家在1978-2003年間的數(shù)據(jù)進(jìn)行實證，確認(rèn)私人部門信貸/GDP與信息共享呈正相關(guān)。近年來，越來越多的研究關(guān)注債權(quán)人權(quán)利、信用信息共享的關(guān)系和商業(yè)銀行風(fēng)險承擔(dān)的關(guān)系。JoelF.Houston、ChenLin和PingLin（2010）收集了69個國家近2400家銀行數(shù)據(jù)，實證結(jié)果表明債權(quán)人權(quán)利越大銀行承擔(dān)的風(fēng)險越大，出現(xiàn)金融危機(jī)的可能性越大，而信用信息共享則削弱了這一效應(yīng)，它降低了銀行的風(fēng)險承擔(dān)和國家產(chǎn)生金融危機(jī)的可能性，并使銀行獲得更多的利潤，激發(fā)更高的經(jīng)濟(jì)增長速度。

（二）國內(nèi)信用信息共享和風(fēng)險承擔(dān)的研究

由于我國征信系統(tǒng)發(fā)展較晚且數(shù)據(jù)有限，國內(nèi)文獻(xiàn)的研究內(nèi)容主要集中在我國信用信息共享的實現(xiàn)應(yīng)選擇的模式，以及實現(xiàn)的技術(shù)手段。實證研究方面，張世林和才國偉（2012）使用了對133個國家或地區(qū)的數(shù)據(jù)研究了債權(quán)人保護(hù)、私營信貸和信用信息共享的關(guān)系，但并未對我國信用信息共享做出更為細(xì)致的研究。而對于商業(yè)銀行風(fēng)險承擔(dān)影響的研究，國內(nèi)文獻(xiàn)也大抵遵循國外研究的思路，一般從商業(yè)銀行內(nèi)部因素，如所有權(quán)結(jié)構(gòu)（王倩等，2007）、董事會（陳曉蓉，2003）和CEO權(quán)利（位華等，2012）、薪酬激勵機(jī)制（曹廷求、于建霞，2008）、特許權(quán)價值（韓立巖、李燕平，2006）等；以及外在因素，如貨幣政策（徐明東、陳學(xué)彬，2012）、銀行監(jiān)管（成潔，2013）外資銀行介入（孫文艷，2012）等兩方面進(jìn)行研究，或是將兩方面因素綜合分析。信用信息共享對商業(yè)銀行風(fēng)險承擔(dān)有著直接的影響，這在理論上已相對完善，因此本文用實證的方式探討我國的信用信息共享對商業(yè)銀行風(fēng)險承擔(dān)的影響，這在一定程度上填補(bǔ)了該研究領(lǐng)域的空白，為未來征信業(yè)的可持續(xù)發(fā)展和規(guī)劃提供實證上的佐證。

二、研究設(shè)計

（一）信用信息共享的衡量

關(guān)于信用信息共享的衡量，可以用兩個方面的指標(biāo)，即信用信息共享的深度指數(shù)和廣度指標(biāo)。在國外的研究中，對信用信息共享的衡量只采用深度指標(biāo)，本文認(rèn)為應(yīng)將信息的深度與廣度結(jié)合起來，才是全面衡量信用信息共享程度的有效指標(biāo)。原因主要是國外研究多采用世界范圍內(nèi)的截面數(shù)據(jù)，同一年份內(nèi)各國發(fā)展情況各異，比如有的國家人口少，征信體統(tǒng)開始建設(shè)時覆蓋面就廣。此外，公營征信機(jī)構(gòu)和私營征信機(jī)構(gòu)性質(zhì)的差異對覆蓋面的影響也很大。因此，各國在同一年度內(nèi)覆蓋面的橫向比較并不具有太大的可比性。但本文只研究我國信用信息共享的發(fā)展?fàn)顩r，此時引入信用信息的廣度指標(biāo)就顯得十分必要了。因此，信用信息共享程度=信用信息深度指數(shù)*信用信息社會覆蓋面。

1．信用信息深度指數(shù)

信用信息深度指數(shù)衡量的是信用信息的開放程度、數(shù)據(jù)類型和數(shù)據(jù)范圍，不論這些數(shù)據(jù)是由公共征信機(jī)構(gòu)還是由私營征信機(jī)構(gòu)提供，都主要涵括以下8個方面，每個方面的得分都是1：同時正面和負(fù)面的信用信息；同時個人和企業(yè)數(shù)據(jù)；來自金融機(jī)構(gòu)的數(shù)據(jù)，以及來自零售商和公共事業(yè)公司的數(shù)據(jù)；至少2年的歷史數(shù)據(jù)，但超過10年的負(fù)面的信貸信息或者欠款一旦還清就抹去的征信機(jī)構(gòu)在這個部分的得分為0；人均收入1%以下的貸款額數(shù)據(jù)，但收取借款人1％以上均收入費(fèi)用以檢查數(shù)據(jù)的征信機(jī)構(gòu)在這個部分的得分為0；數(shù)據(jù)用戶可以在線訪問借款人的信用信息（例如，通過網(wǎng)上平臺、系統(tǒng)到系統(tǒng)的連接或兩者）；征信機(jī)構(gòu)使用信用評分作為一項增值服務(wù)，幫助數(shù)據(jù)用戶來評估借款人的信用。信貸信息深度指數(shù)數(shù)值越高說明可以獲得的信貸信息越多，如果公共征信機(jī)構(gòu)或私營征信機(jī)構(gòu)不營業(yè)或者覆蓋不到5%的成人人口，那么信貸信息深度指數(shù)的得分為0。

2．信用信息的社會覆蓋面

信用信息社會覆蓋面指標(biāo)，以征信機(jī)構(gòu)登記的個人和公司的數(shù)量占成年人口的百分比來表示（根據(jù)世界銀行《世界發(fā)展指標(biāo)》，成人指的是年齡在15歲及以上的人），并附有他們最近5年的借貸歷史信息。信貸調(diào)查研究機(jī)構(gòu)和評級機(jī)構(gòu)，不直接促進(jìn)銀行間及其他金融機(jī)構(gòu)間信用信息交流的，不考慮在內(nèi)。如果沒有征信機(jī)構(gòu)，這一項的覆蓋值為0。

（二）被解釋變量以不良貸款率

作為商業(yè)銀行承擔(dān)信用風(fēng)險的衡量指標(biāo)，而以Z得分值來衡量銀行的承擔(dān)的總體風(fēng)險。

1．不良貸款率

商業(yè)銀行承擔(dān)的風(fēng)險種類繁多，但最主要的還是在從事主營業(yè)務(wù)———發(fā)放信貸過程中所面臨的信用風(fēng)險。因此，我們采用不良貸款率（NPL）作為信用風(fēng)險的替代變量和模型的被解釋變量之一。其中，不良貸款率=逾期貸款(含呆滯貸款和呆帳貸款）期末余額/各項貸款期末余額。

2．Z值

作為衡量銀行瀕臨破產(chǎn)的程度（Roy，1952），Z-SCORE已廣泛出現(xiàn)在最近的文獻(xiàn)，如Laeven和Levine（2009）。Z-SCORE同時綜合了利潤率、杠桿和回報波動性三種因素，能夠從單個銀行的角度來衡量風(fēng)險和穩(wěn)定性，因此多用來衡量銀行的總體風(fēng)險。具體來說，Z-SCORE=（ROA+CAR）/σ（ROA），其中ROA是資產(chǎn)收益率，CAR是權(quán)益/資產(chǎn)的比率，而σ（ROA）是資產(chǎn)收益率標(biāo)準(zhǔn)偏差的估計，以財務(wù)數(shù)據(jù)計量。Z-SCORE值越大表明銀行的穩(wěn)定性越強(qiáng)。利潤率和資本化水平的提高，不穩(wěn)定收入的下降都會導(dǎo)致Z-SCORE的提高，也就意味著銀行的破產(chǎn)風(fēng)險的下降，金融穩(wěn)定性的提高。

（三）解釋變量

1．信用信息共享指數(shù)

假設(shè)：信用信息共享指數(shù)和商業(yè)銀行風(fēng)險承擔(dān)呈負(fù)相關(guān)

2．銀行資產(chǎn)規(guī)模

規(guī)模越大的銀行，其管理能力、融資能力、分散風(fēng)險和投資的能力越強(qiáng)，所以承擔(dān)風(fēng)險的能力也越強(qiáng)。同時，規(guī)模越大，其出現(xiàn)問題時對社會的影響越大，破產(chǎn)的危害越大，因此監(jiān)管當(dāng)局對規(guī)模大的銀行監(jiān)管更加嚴(yán)格，這抑制了銀行的風(fēng)險承擔(dān)。因此，銀行資產(chǎn)規(guī)模和風(fēng)險承擔(dān)的關(guān)系是復(fù)雜多變的。假設(shè)：銀行資產(chǎn)規(guī)模和商業(yè)銀行風(fēng)險承擔(dān)呈正相關(guān)

3．大而不倒

這是一個虛擬變量，如果銀行存款份額占整個國家存總額的10%以上，取值為1，否則為0。占比越高說明銀行對經(jīng)濟(jì)和社會的影響越大，國家為了維護(hù)社會穩(wěn)定，會抑制銀行的風(fēng)險承擔(dān)。假設(shè)：該指標(biāo)和商業(yè)銀行風(fēng)險承擔(dān)呈負(fù)相關(guān)

4．資本充足率

由于銀行資本的一個重要功能在于覆蓋銀行風(fēng)險，資本充足率管理的目標(biāo)在于使銀行的資本與其風(fēng)險的大小保持一致，因此理論上來說，銀行資本充足率的提高將有助于降低銀行的風(fēng)險水平，這也是監(jiān)管部門實施以資本充足率為核心的監(jiān)管體系的目的所在。假設(shè)：資本充足率和商業(yè)銀行風(fēng)險承擔(dān)呈負(fù)相關(guān)

三、主要結(jié)論和政策建議

（一）主要結(jié)論實證

結(jié)果表明，信用信息的共享對商業(yè)銀行而言無論是在信用風(fēng)險還是總體風(fēng)險承擔(dān)方面都有顯著的降低作用。這一結(jié)果的理論原因，在前文中已經(jīng)從三種不同的路徑進(jìn)行了分析。在我國，由央行運(yùn)營的征信中心所實現(xiàn)的信用信息共享很大程度上緩和了各銀行和貸款申請人之間的信息不對稱，既使銀行更加愿意放款給信譽(yù)良好的客戶，擴(kuò)大銀行規(guī)模。同時，也激勵貸款者及時履約，以保持良好的信用記錄，提高了銀行資產(chǎn)的質(zhì)量，使銀行獲得更多的利潤。隨著芝麻信用、騰訊征信等以大數(shù)據(jù)征信為特征的私營征信公司的批準(zhǔn)成立，我國的征信業(yè)已經(jīng)逐步呈現(xiàn)多元化和技術(shù)化的特征，未來征信對社會的影響將會實實在在地從金融領(lǐng)域、互聯(lián)網(wǎng)金融拓展到其他領(lǐng)域，促進(jìn)社會的發(fā)展。

（二）政策建議

基于以上結(jié)論，對我國信用信息共享的推進(jìn)提出以下建議：

1．在征信業(yè)的發(fā)展方面應(yīng)建立以央行征信中心為核心，公營和私營征信并存的多層次征信市場體系。同時建立公營征信與私營征信，以及與各政府部門間的信息交換與協(xié)作機(jī)制。

2．在信息安全方面以技術(shù)為依托保障信用信息采集的高效與安全。信用信息廣泛分散在各個不同的社會職能部門，涉及個人隱私，商業(yè)秘密，甚至是國家機(jī)密，信息安全不容忽視，必須建立多層、嚴(yán)密、完善的安全防護(hù)體系。此安全防護(hù)體系應(yīng)不僅包括系統(tǒng)自身的硬件和軟件的安全，也包括整個網(wǎng)絡(luò)的安全及相關(guān)管理制度。

3．加大投入提高政務(wù)信息化水平信用信息廣泛分布在公安、工商、國稅、地稅、社保、住房公積金管理中心、質(zhì)監(jiān)局等各級政府部門，信用信息資源開發(fā)利用的程度與政府部門的信息化水平息息相關(guān)，兩者相輔相成。

4．在法律保障方面應(yīng)從立法和司法兩個層面構(gòu)建完備有效的法律保障體系。在立法層面，要盡快出臺征信基本法，并制定征信基本法配套的法律法規(guī)。在司法層面要建立較完善的法律救濟(jì)制度。

5．外部環(huán)境方面應(yīng)營造公開透明的信息，全面提升省級層面的電子政務(wù)總體規(guī)劃和頂層設(shè)計，在《政府信息公開條例》的框架下進(jìn)行最大限度的政務(wù)信息公開，同時應(yīng)在社會范圍內(nèi)開展豐富時效的信用信息公開的教育和宣傳。

作者：龍海明 申泰旭 吉余道 單位：湖南大學(xué)金融與統(tǒng)計學(xué)院 北京大學(xué)軟件與微電子學(xué)院