互联网金融产品对我国银行业在资本市场稳定性影响研究
研究背景
资产定价模型自诞生以来，β系数就广泛应用于资本市场系统性风险的衡量，是资产定价模型中最重要的参数。β系数反映某项资产相对于市场的系统风险，是检验证券风险的一种科学方法。某项证券资产β系数值的大小反映了这只股票收益变动与整个证券市场收益之间的相关性及其程度，在投资活动中得到了广泛的应用。就对其的研究方法而言，测算β系数需要通过证券市场过去的收益率来进行测算，然而过去的数据不可避免地存在时滞性，为了使β系数能够准确反映证券未来的风险，必须保证β系数一定的稳定性。
截至目前为止，在我国沪深两地上市的商业银行达到16家，银行类股票市值占沪深两市总市值的比重最高已经超过了30%，银行业资本在我国资本市场扮演着越来越重要的角色。与此同时，随着2013年余额宝、易付宝、百付宝等互联网金融产品的涌现，互联网金融对我国金融行业现有格局产生了不可小视的影响。截止到2014年3月，在余额宝面世不到一年的时间里，其规模已翻了50倍，已经突破5000亿元。由于较高的年化收益率，以余额宝为代表的互联网金融产品吸收了我国巨量的民间资本，分流了我国银行的部分存款金额。检验类余额宝产品的出现是否会在资本市场对我国银行业产生冲击，对银行业在资本市场β系数稳定性检验就显得尤为重要。
文献回顾
β系数的研究始于1964年由Sharpe和Lintner提出的资产定价模型（CAMP）。其中单一指数资产定价模型的公式方程可以定义为
Ri=Rf+βi（Rm-Rf） （1）
方程（1）中，Ri代表第i种证券资产的收益率，Rf代表无风险利率，在国外研究中通常以短期国债利率来代替无风险利率，Rm 则为市场收益率。β系数则代表了个体资产收益率相对于市场收益率的敏感度。通常，在其他条件不变的情况下，β系数越大，其代表资产的风险越大，相对应其收益率也越高。
对β系数的稳定性检验是分析β系数与时间的动态关系，对同一证券资产在不同时期的估计值及特征进行纵向分析，判断β系数估计值是否随着时间变动而变动。随着计量经济学的发展，学者们开始尝试采用动态分析的方法来估计β系数，分析β系数随时间变化而呈现的不同特征，并试图从中找出β系数的变化规律。沈艺峰（1999）以深交所127股票为样本，利用Chow检验方法研究了股票样本的β稳定性。结论为：单个股票及其股票组合的β系数稳定性都是不稳定的。苏卫东、张世英（2002）运用单位根检验对上交所的股票及其组合检验其β系数稳定性。结果表明大多数股票的β系数不稳定。高鸿祯、郭济敏（1999）利用Chow检验法对上交所202个周样本数据进行稳定性检验表明：在5%置信水平下，大多数股票短期内具有较高的稳定性。过去的β系数包含着对未来β系数估计的有用信息。关于银行业β系数稳定性检验方面，孙薇（2009）运用ADF检验法对我国4家股份制上市银行的季度β系数值进行稳定性分析，其结论为：四只股票的β系数并不稳定，但是由四只股票组成的组合却具有相对的稳定性；样本银行的季度β系数都大于1，说明股份银行的风险大于资本市场的总体风险。股份制银行的收益率也高于资本市场的平均风险。周婷（2010）通过对我国14家上市银行与财务指标的相关性分析，认为商业银行β系数与净资产增长率、不良贷款率、每股收益三个指标都显著相关。
综上所述，对β系数稳定性检验的方法主要包括ADF检验法和Chow检验法。对股市β系数的稳定性检验结论都认为β系数呈现不稳定特征。这主要是因为研究主要集中在早期，距离我国证券交易所的成立时间较短，资本市场运行机制还不够成熟，市场风险难以预测。目前，证券交易所已发展运行二十多年，其运行机制已较为完善，证券市场识别风险的能力已大幅提高，能够有效避免股市价格的巨幅波动。本文借鉴已有的研究，缩短β系数稳定性的检验区间，运用相关计量经济学方法，分析余额宝对我国银行业在资本市场的影响，为银行业积极应对互联网金融的到来，提高经营管理水平提供参考。
类余额宝产品对我国银行业影响的理论分析
互联网的广泛使用成为第三次技术革命兴起的主要标志，以互联网为代表的现代技术信息技术颠覆了很多传统行业的运行模式。近年来，我国国内的互联网发展迅速，京东、阿里巴巴、易迅网等电商企业随着互联网浪潮的到来而兴起，2013年阿里巴巴旗下的余额宝互联网金融产品面世更预示着金融业新竞争主体的到来。余额宝等金融产品将对我国银行业产生以下影响：
（一）余额宝等金融产品的出现加剧了银行对活期存款的竞争
互联网的兴起为我国银行业引入了新的竞争主体，尤其在2013年以余额宝为代表的互联网金融产品面世，让我国银行业感受到了竞争压力。以余额宝为代表的金融产品的出现使得大众投资者参与进来。从表1各大银行理财产品对比中可以看出，余额宝无论在收益率还是投资门槛上都占据着较大的优势，获得了大多支付宝客户的青睐。在原来的金融体系中，银行着力追求规模效应，将金融资源集中到对其利润贡献最大的“头部”领域，金额较小额或收益风险不匹配的“尾部”领域则被银行忽略。余额宝等金融产品的出现分流了很大一部分银行的活期存款金额，一定程度上激发了金融行业的“长尾效应”。这将会加剧我国银行业对活期存款的竞争。
（二）余额宝等金融产品的兴起将迫使银行改变传统的风险定价模式 余额宝等产品吸收了大量民间资本，通过协议存款、同业存款等形式回到银行，这迫使银行提高活期存款利率以及承担更多的风险以获得更多的回报。从而需要银行加强自身信贷风险管理。然而我国银行业传统的风险定价模式存在严重的信息不对称，诈骗、非法集资、违约等发生率也相对较高。与此相反，我国几大电商基于大数据的风险定价模型可以很好地解决信息不对称问题。在大数据的前提下，可以对任何资金需求进行风险定价，参与各方为信用违约支付的额外成本较低。在这种情况下，我国银行不得不改变传统的风险定价模式，加强信贷风险的管理能力。
（三）余额宝等金融产品将影响我国银行业在资本市场中抵抗风险的能力
余额宝等金融产品的出现一方面会加剧银行对活期存款的竞争，另一方面会对我国银行业传统的盈利模式带来极大考验。这两方面的影响因素都将对我国商业银行的资本充足率产生不利影响，这会导致银行在资本市场对各类经济变量的敏感程度提高，抵抗风险的能力进一步减弱，相应地我国银行业在资本市场的β系数会受到影响。
实证分析
根据对资本市场β系数稳定性检验相关理论文献的总结以及本文所要研究的内容，本文最终选择通过对上市银行股票收益率序列与证券市场市场收益率序列建立一元回归模型来获得每只银行股票的β系数，然后利用Chow检验方法对我国银行业资本市场β系数的稳定性进行实证检验。
（一）β系数模型构建
本文利用回归法来估计我国银行资本市场的β系数。在国外相关问题的研究中，式（1）中的无风险利率Rf通常以长期国债利率进行代替，但是我国资本市场尚不成熟，无法找到准确的利率对无风险利率进行替代。故本文对式（1）进行变换，可以得到式（2）：
Ri=Rf（1-βi）+βiRm （2）
由于Rf 和βi都被视为常数，故可以建立以下一元线性回归模型：
Ri=C+βiRm+εi （3）
本文采用证券交易所的收盘价格指数来计算相应的股票市场的收益率。由于余额宝等互联网金融产品的出现时间较短，所以选择日收益率来进行回归测算。其中，证券市场收益率的计算公式及我国上市银行的股票收益率分别可以定义为式（4）和式（5）：
（4）
（5）
式中Pmt 为第t日证券交易所的收盘价格指数，Pit 为第t日第i只股票的收盘价格。
（二）β系数稳定性的Chow检验法
总结已有的理论文献，Chow检验法能够有效地检验β系数的稳定性。Chow检验法可以检测不同时段β系数稳定是否发生变化，能够达到良好的预期效果。Chow检验方法的思路是把时间序列分成两个集合，通过检验分组估计与整体估计的差异，从而判断模型的稳定性。如果两个集合的差异较大，则说明模型不具备稳定性。Chow检验首先构建F统计量：
其中，N，n1，n2分别是大样本和两个子样本各自的观测值个数，k为解释变量个数。Chow检验的原假设H0为两个子样本回归系数无显著变化。以α为显著性水平，如果计算出F≤Fα（n，N-k-1） ，则接受原假设，认为不存在显著变化；反之则认为发生了显著性变化。
（三）数据来源
我国的证券市场包括上海和深圳证券交易所，由于两个交易所的股票种类、交易规则不同，证券市场的各种价格指数计算也存在着诸多差异，所以在选择样本数据时，本文只选择在上交所上市的我国商业银行股票数据来进行分析。本文选取2012年1月4日至2014年3月31日的交易数据，数据来源于Wind资讯。股票基本信息如表2所示。
（四）回归模型建立以及β系数估计
根据资本定价理论中的单一指数方程式（3），需要建立市场日收益率和上市银行股票日收益率的一元线性回归模型来对β系数进行估计，运用Eviews6.0，依次对12只上市银行股票建立单一指数模型并可得12只银行股票的β系数及伴随概率，结果如表3所示。
从表3中可以看出，12只上市银行股票的β系数伴随概率都为0，说明每只上市银行股票β系数估计值显著。其中，除了光大银行β系数接近于1以外，其余股份制银行的β系数都大于1，兴业银行的资本市场β系数达到最大值为1.3465。与此相对应的是，中国工商银行、中国建设银行、中国农业银行、中国银行和交通银行五大国有商业银行的β系数都小于1，工商银行的资本市场β系数达到最小值为0.4947。
（五）银行业β系数稳定性的Chow检验
β系数稳定性的Chow检验法需要将时间序列分成两个集合，来观测整体估计与分组估计的差异。因此需要选择Chow检验的突变时点，用来检验突变时点前后的模型β系数是否发生了显著变化。如图1所示，将12家上市商业银行的股价进行求和得出上证银行指数，通过上证银行指数的曲线图可以看到，我国银行业的股票价格在2013年7月有较大的跌幅，这与余额宝产品的面世时点相吻合。
本文选取余额宝的上线时间2013年6月13日来作为Chow检验的突变时点，以此来检验我国银行资本市场β系数的稳定性。可得到如表4的检验结果。从表4中可以看出，只有中国银行的β系数稳定性检验概率小于5%的临界值水平，其它银行的β系数稳定性检验概率都大于5%。这说明，在12只上市银行的股票中，除了中国银行外，其余上市银行股票的β系数都具有稳定性。
结论与建议
（一）结论
银行业的资本市场的β系数。β系数表明了某项资产相对于市场而言所面临的风险大小。通过线性回归法测算我国12只上市银行的β系数，可以看到我国股份制银行的β系数普遍大于1，其中兴业银行的β系数达到最大值为1.35。这表明我国股份制银行的资本市场的系统风险普遍高于资本市场的平均风险。与高风险相伴随的是我国股份制商业银行收益率也高于市场总体水平。同时，还可以看出，中国工商银行、中国农业银行、中国建设银行等我国五大国有商业银行β系数都小于1，中国工商银行的资本市场β系数达到最小值0.495。说明我国五大国有商业银行资本市场所面临的系统风险小于资本市场的平均水平，其收益率也低于市场平均收益率。 银行业资本市场β系数稳定性检验。在5%的显著性水平下，为使β系数在两个期间存在稳定性，Chow检验的伴随概率必须大于0.05。从我国银行业资本市场的β系数稳定性检验结果中可以看出，除中国银行β系数的Chow稳定性检验的伴随概率小于0.05以外，我国银行业资本市场的β系数稳定性检验伴随概率超过0.05，说明类余额宝产品的上线虽然分流了一部分民间存款，但是并没有改变我国上市银行β系数的稳定性，我国银行业在资本市场中仍具有较为稳定的预期收益模型。
（二）相关建议
基于上述结论，本文提出以下建议：
加强信贷风险管理，降低资产杠杆化程度。我国股份制银行的β系数大于1，说明其盈利随资本市场的波动起伏较大，抵御风险的能力较弱。在资本市场利好时，可以获得较高的收益，同时也容易产生泡沫。一旦发生经济危机，股份制银行容易受到较大的冲击，将会出现巨大的亏损。值得注意的是，在2014年初，我国部分地区房地产市场出现低迷，与房地产市场紧密相连的银行业将会面临较大的考验。我国股份制银行应该提高警惕，逐步减少银行资产的杠杆化程度，避免我国房地产出现低迷时对银行造成的强烈冲击。
降低银行理财产品的门槛，提升银行理财产品的收益率。余额宝等互联网金融产品面世时间较短，对我国银行业的影响在资本市场还没得到充分的体现。但由“长尾效应”可知，所有零散小量的需求累加起来将会形成一个比流行市场还大的市场。互联网的开放性决定了其对信息的归集要比传统的银行更广泛、更快捷，互联网在吸收小额零散存款方面具有不可比拟的优势。互联网虽然可以收集并提供海量的数据，但是无法解决现实中人际之间的信任问题。我国银行结合自身信任媒介的作用，积极制定并发展互联网金融战略，线上银行与线下银行相结合，为银行业发展寻找新的支撑点。
加强与电商企业合作，有效利用大数据价值。金融的发展本质上就是数据的收集与利用。我国银行业应该从余额宝等互联网金融产品的发展模式中受到启发，积极与电商合作，挖掘电商大数据对银行信贷业务的价值，利用大数据准确判断客户的信用等级，有效解决传统定价模式中的信息不对称，加强控制信贷风险控制，降低参与各方为信用违约而支付的额外成本。
