金融技术监管前后银行业财务绩效分析 ｜以印尼为例

本研究以RBBR方法分析银行财务健康表现水平，以检视经常账户与储蓄账户比率、贷存比(LDR)、不良贷款(NPL)、资产回报率(ROA)、净息差(NIM)和资本充足率(CAR)。几乎所有的变量都表明银行的表现“非常健康”。利用固定效应模型考察CASA、LDR、NPL、NIM、CAR和dummy Fintech对ROA等指标的影响。有迹象表明，研究的金融科技政策增加了银行业在BUKU-IV类的盈利能力。中国人民大学金融科技研究所（微信ID：ruc_fintech）对论文的核心内容进行了编译。

作者 |  Wiwiek Mardawiyah Daryanto, Faisal Akbar, Faisal Angga Perdana 

编译 |  孔煜

来源 |  International Journal of Business, Economics and Law, Vol. 21

引言

银行部门在印尼金融体系中占有主导地位，2012年达到76.9% (Gunadi, Taruna,& Harun, 2013)，因此银行部门的失败可能会造成不稳定，扰乱经济。银行通常在金融部门占主导地位，因此银行所经历的问题很容易扩散到金融部门，从而导致整个经济的问题。银行稳定性本身被描述为健康的银行状况以及银行整体表现的写照。银行绩效可以从效率、资产质量、流动性、盈利能力等几个方面来衡量。

印尼银行的主要功能之一是收集和引导公共资金支持国家发展，以改善发展公平。如果一家银行未能履行其职能，其影响将波及到客户、其他存款机构和实体部门的决策。Otoritas Jasa Keuangan (OJK)是一家管理和监督印尼银行业、资本市场和金融服务部门所有活动的机构，有责任为金融机构，特别是银行创造健康的业绩。2016年3月关于商业银行健康水平评估，表示要求所有银行使用基于风险的银行评级(RBBR)方法对金融健康水平进行自我评估。

随着OJK颁布了第77号规章，金融科技已经成为OJK特别关注的问题。金融科技给金融行业带来的挑战是银行在核心业务上的竞争。这些遍布全球的电子平台在提供信贷方面成为传统银行的重要竞争对手，尤其是在个人和家庭层面。

根据之前使用类似的自变量进行的一些研究的结果:

(研究问题：是否现金账户和储蓄账户、贷存比、不良贷款、净息差、资本充足率、以及金融科技政策实施前后对印尼BUKU-IV的资产回报率有影响吗?)

相关文献综述

银行业绩：

根据Swamy(2014)，描述银行绩效的指标有四个:效率、资产质量、流动性和盈利能力。Mahardian(2008)研究了2002-2007年在印尼证券交易所上市的银行部门中，财务比率对财务绩效的影响因素。研究结果表明：CAR、NIM、LDR对ROA有显著影响，而BOPO变量对ROA没有显著影响。Dasih(2014)采用随机效应模型(REM)进行研究，结果表明CAR和LDR对ROA有显著影响，而BOPO和NPL对ROA没有显著影响。

基于风险的银行评级方法：

由效率、资产质量、盈利能力和流动性决定的银行业绩的改善将支撑银行业的稳定。所有银行都必须使用RBBR方法，根据OJK的第4号法规对财务健康水平进行自我评估。从风险概况等因素可以看出风险评估的范围、良好的公司治理(GCG)盈利能力和资本。Ananggadipa和Daryanto(2018)的这项研究的目的是使用基于风险的银行评级(RBBR)方法衡量过去五年(2012-2016年)BNI、BRI、Mandiri银行和BCA银行之间的财务绩效与国情发展的差异。他们发现这些银行的财务绩效良好，特别是在CAR、LDR和ROA方面都处于理想和非常健康的状态。

金融技术对银行业绩的影响：

基于Vives(2017)的研究，该研究认为金融科技作为竞争对手正在对银行的传统业务模式施加压力。这是因为银行通常专注于自己的产品，而金融科技作为一个新进入者，则更关注客户。另一方面，Kemboi(2018)的研究旨在观察金融技术和肯尼亚银行财务绩效之间的关系。肯尼亚的支付和数字借贷领域表明，金融技术夺走了许多传统银行业的业务。金融科技可以影响银行部门的绩效，因为金融科技与财务绩效正相关。

研究方法

分析手段：

在本研究中，作者使用面板数据回归分析技术。在面板数据回归中，可以使用三种估计方法:共同效应模型(CEM)、固定效应模型(FEM)和随机效应模型(REM)。为了选择最优模型，我们将进行冗余固定效应检验和Hausman检验。使用哑变量将定性数据(金融技术政策)转化为数字0和1的定量变量。

数据来源：

使用的数据来源于各商业银行2013年至2019年每年年报的年度数据。本研究的因变量为ROA，自变量为现金账户与储蓄账户(CASA)比率，贷存比(LDR)、不良贷款(NPL)、净息差(NIM)、资本充足率(CAR)和虚拟金融技术监管(dFintech)。

从图1可以看出，共有6家银行显示不同的结果。如果这些结果显示的是核心资本的结果，那么就会有银行从因自有资本资助的资产而导致的失败或损失中得到缓冲，并运行良好。自2016年起，CIBM Niaga银行和Panin银行被纳入BUKU-IV类，同年的核心资本总额为324210亿卢比，306654亿卢比。总体上讲,银行的核心资本总额逐年增加。

图一：

研究模型和研究对象

构建模型：

作者构建了CASA、LDR、NPL、NIM、CAR和dFintech对银行绩效(ROA)有显著影响的假设。作者使用的实证模型如下:

研究对象：

印尼BUKU-IV的商业银行

根据印尼银行关于以银行资本为核心的业务活动和办公网络的第14/26/PBI/2012号规定。银行在印尼分为四个银行：Umum berdasarkan Kegiatan Usaha (BUKU)和BUKU-IV。他们之间与银行核心资本总额高于30万亿印尼盾，如银行Rakyat印尼(BRI)， Mandiri银行，亚洲中心银行(BCA)，Negara Indonesia银行，CIMB Niaga银行和Panin银行。

现金账户与储蓄账户(CASA)比率：

比率旨在显示第三方基金的组成，以及银行在活期和储蓄账户中的存款数量，定期存款的理想条件是60%和40%。

CASA计算公式如下：

贷存比(LDR)：

贷存比(LDR)是用借贷来衡量银行扩张的水平。

LDR的参数标准为非常健康的类别= LDR≤75%；健康类= 75% < LDR≤85%；相当健康类别= 85% < LDR≤100%；较不健康类别= 100% < LDR≤120%；对于不健康的类别= LDR > 120%(印尼银行，2011年)。

LDB计算公式如下：

不良贷款率(NPL):

不良贷款率旨在衡量银行违约(债务)的风险，如果该比率的价值上升，银行必须有更多的资本准备金。NPL的参数标准是非常健康的类别= NPL < 2%；健康类= 2%≤NPL <5%；相当健康的类别= 5%≤NPL < 8%；较不健康类别= 8%≤NPL 12%；对于不健康的类别= NPL≥12% (印尼银行，2011年)。

NPL计算公式如下：

净息差(NIM)：

NIM比率旨在衡量公司拥有的净利息收入，从产生收入的所有资产中计算。NIM的参数标准适用于非常健康的类别= NIM > 3%；健康类= 2% < NIM≤3%；相当健康类别= 1.5% < NIM≤2%；较不健康类别= 1% < NIM≤1.5%；对于不健康的类别= NIM≤1% (印尼银行, 2011)。

NIM计算公式如下：

资产回报率(ROA)：

ROA的目的是衡量银行的盈利收入，如果盈利能力下降，银行业就需要制定更高的价格。ROA的参数标准是非常健康的类别= ROA > 1,5%；健康类= 1.25% < ROA≤1.5%；相当健康类= 10.5% < ROA≤1.25%；较不健康类别= 0% < ROA≤0.5%；对于不健康的类别= ROA≤0% (印尼银行，2011)。

ROA计算公式如下：

资本充足率(CAR)：

比率旨在显示银行为业务发展需要提供的资金和处理亏损比率(信用风险)的能力。CAR的参数标准是非常健康的类别= ROA CAR > 12%；健康类= 19%≤汽车< 12%；相当健康类= 8%≤CAR< 9%；较不健康类别= 06% <CAR≤8%；对于不健康的类别=CAR≤6% (印尼银行，2011)。

CAR计算公式如下：

回归分析结论

基于固定效应模型检验的结果表明：

CASA、NPL、NIM、CAR和虚拟金融科技变量对ROA有显著影响，而只有LDR对银行的盈利能力没有显著影响。该模型的定值(P-Value = 0.000)为8.395414，说明CASA、NPL、LDR、NIM、CAR和dFintech变量对BUKU-IV地区的银行盈利能力有显著影响。

LDR变量(p = 0.5584)作为流动性代理不重要,α= 10%对银行的盈利能力有负面影响,系数为-0.006625。这说明银行流动性的变化对银行盈利能力没有影响。其他指标表明，银行的平均流动性比率有上升趋势，但不能得出对银行盈利能力有影响的结论。这个假设可以根据表1得到验证，表1显示，在BUKU-IV的平均值显示“相当健康”，银行在放贷时需要小心，因为它可能引起流动性风险。

CASA变量(p值= 0.0014)给出了一个重大影响（α= 1%），系数为-0.036198。系数的值表示如果交易账户余额增加1%，银行的盈利能力将减少0.036198%。CASA比率的增加是因为储蓄存款和活期存款的增长。

CASA本身指的一个来源是第三方，另一个来源是存款(长期)。我们可以假设存在这种负面影响，因为CASA比率反映的是活期存款和储蓄(低成本基金)可随时提款的情况，银行被要求提供存款或在需要时检查客户资金。如果银行不能提供储蓄和往来账户客户提取的资金，那么银行就会出现违约(流动性不足)。

表1：

研究结论和局限

结论：

通过分析固定效应模型检验的回归结果表明，几乎所有的变量，如CASA、NPL、NIM、CAR和虚拟金融科技变量都对资产收益率(ROA)有显著影响，而只有LDR对银行的盈利能力没有显著影响。CASA、NPL和CAR变量对ROA呈现负向影响，而NIM和dFintech对ROA呈现正向影响。在印尼金融技术政策出台后，BUKU-IV的银行盈利能力存在显著差异。

局限：

在这项研究中，对于RBBR方法，只使用了风险因素、收入和盈利能力。为了进一步研究，建议使用良好的公司治理因素，使其更理想地衡量健康水平的银行绩效。研究方法也应当使用较长一段时间，观察短期和长期的效果差异。此外，对于更具体的分析，建议使用虚拟变量作为比较，例如比较BUKU-IV类的每个银行或其他分类的银行。

以下为部分报告截图

……

获取完整报告

请后台回复“财务绩效分析”

获取下载链接

·END·

责编/张谦

编译/孔煜

【延伸阅读】