英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
金融自由化对银行效率的净效应
——基于银行全要素生产率的分解分析
摘 要
文章采用独特的框架，通过对两种效应的分解分析来量化金融自由化对银行全要素生产率（TFP）增长的净效应：第一是金融自由化对银行全要素生产率增长的正面直接影响; 第二是通过较高的系统性银行危机倾向而产生的负面间接效应。经验分解是基于1999年至2011年期间在88个国家1530家银行的样本。 我们发现，金融自由化对银行全要素生产率增长的净效应是积极的：直接正面效应大于负面效应。这些发现引发了重要的政策假定。
关键词：金融自由化；银行危机；系统风险；银行效益；全要素生产率
第1章 引言
过去三十年来，全球金融自由化持续不断，全球金融一体化和银行竞争日益加剧。这些力量导致全球的银行业界已经发生了实质性的变化，旨在通过实施更有效的组织结构和“最佳实践”方法，开发IT基础设施，引入新的金融产品和服务，提高效率和生产力，以及利用更有效的资本配置方法来减少中介成本（Isik and Hassan，2003a; Levine，2001）。事实上，尽管大多数研究是基于单一国家研究，但实证证明了金融放松管制对银行生产率增长的直接正面影响（参见Berg等，1992; Isik andHassan，2003a; Kumbhakar和Lozano-Vivas ，2005; Nakane和Weintraub，2005; Tirtiroglu等，2005）。
除了金融自由化对银行生产率的直接影响之外，另有文献强调，随着更多放松管制和国际化多样化金融体制，更多银行贷款和风险承担（Demirguuml;c-Kunt和Detragiache，1999，2002; Gulamhussen等，2014; Fielding和Rewilak，2015; Caballero，2016），在这样的背景下金融自由化的趋势如何导致世界各地商业银行违约风险的相互依存度增加，使其更容易受到经济、流动性和增加了系统性银行危机的可能性的信息冲击的影响（Anginer andDemirguuml;c-Kunt，2014）。事实上，正如最近Cubillas和Gonzalez（2014）通过对金融自由化提高银行风险和影响银行的金融稳定性的渠道进行了有力的分析所观察到的结论，一个共识似乎已经围绕这一观点出现：由于从更多的国际多元化到增加的共同依赖的多元化的表现形式，金融自由化成为自20世纪80年代中期以来银行业危机发生和频率更高的主要罪魁祸首之一（另见Kaminsky和Reinhart，1999; Mehrez和Kaufmann，2000; Aka ，2006; Gupta和Karapatakis，2008; Kaminsky和Schmukler，2008）。
反过来，银行业危机导致的实质性产出损失以及各行业特有的和整个经济范围的低效率已被发现对企业生产率（包括劳动生产率）产生短期和长期的负面影响。例如，Oulton和Sebastiaacute;-Barriel（2013）认为，银行业危机阻碍了资本从低生产力到高生产力的重新配置，这阻碍了企业的生产率增长。尽管消除无效的银行危机应该有助于提高整个行业的整体生产力，但也可以认为在相同的投入下，许多银行放宽了危机中的大量产出（贷款冲销，证券组合折旧等），可能会导致银行生产力下降，甚至在某些情况下银行可能会失败。由于这种失败，相对投入的产出水平逐渐下降。Millard和Nicolae（2014）强调，利用内生增长模型，通过降低企业通过借贷成本增加而创新的能力，可以永久阻碍其全要素生产率（TFP），从而产生金融冲击。早些时候，Isik和Hassan（2003b）使用非参数Malmquist TFP变化指数证明了在1980年代金融放松管制后,1994年土耳其银行业危机如何通过抑制银行贷款和服务减少经济活动，从而严重破坏银行业生产率（和效率）。
尽管人们普遍认识到金融自由化有时似乎造成了比可解决的问题更多的问题（例如1985年Diaz-Alejandro的着名研究题：“再见金融抑制，你好金融危机”），但也存在例外，例如Ranciere等人（2006）的研究。据文献研究，相关文献从未试图将两种相对的观点融合在统一经验框架内，研究金融自由化的净影响。Ranciere等人（2006）建立了一个综合框架，以实证量化和对比金融自由化对长期平均（产出）增长的经济大范围影响，以及金融危机（由银行危机和货币危机的共同定义 ）。然而，迄今为止，还没有任何后续研究应用这种独特的方法论框架来调查银行业务（或事实上任何其他行业）的金融自由化在单一或跨国的层面上与金融自由化相关的部门特定情况。
借鉴Ranciereet等人（2006）的新策略，本研究通过分解金融自由化对银行业的双重影响来为这些文献做出贡献。具体而言，我们将金融自由化对银行生产率的影响分解为两种对比效应：（i）对银行全要素生产率增长的正面直接影响;以及（ii）通过系统性银行业务的较高倾向对银行全要素生产率产生负面间接影响（由于风险大，银行风险和金融脆弱性形成的）。虽然这两种个体效应（及导致它们的各种潜在原因）已被充分研究，并且在相关文献中已有详细记载，但试图通过经验来确定净效应（构成当前分析的中心目的） 尚未在文献中阐述。我们基于1999 - 2011年间在88个国家开展业务的1530家银行的国际样本对金融自由化影响进行实证分析。
我们应用Ranciereet等人的分析框架的关键在于我们考虑了银行总要素生产率（TFP）的增长，而不是整个经济范围的产出增长。选择这种特定的TFP措施有一个有目的的理由：我们对金融自由化的影响感兴趣。正如Fiordelisi和Molyneux（2010）指出的那样，金融自由化导致的银行体系结构变化可能会影响银行业的效率和生产率。就整个经济体系而言，银行业提供服务的能力取决于生产过程中初级投入的数量和质量（资本和劳动力）以及它们相结合的效率。这概括了全要素生产率的概念，提供了一个理想的措施来限制银行业的生产力和供应能力，而这又受金融自由化的影响。其他我们和Ranciere等人（2006）得出的不同结论包括采用更全面的模型，除了采用更为先进的法律和事实上的金融自由化措施之外，还可以针对银行特定和国家层面的影响估算危机和全要素生产率增长。此外，我们在稳健性测试中明确控制内生性偏见。
为了进行调查，我们采取了两阶段的经验主义方法，包括在第一阶段估计银行全要素生产率增长，然后评估第二阶段金融自由化对银行全要素生产率增长的双重影响。在估计银行TFP增长时，我们通过使用数据包络分析（DEA）技术，对我们样本中包含的所有银行进行Malmquist指数分析，从而参阅大多数以前的银行生产率文献。然后，遵循Ranciere等人（2006）的经验，我们使用“处理效应”模型将金融自由化对银行TFP增长的影响分解为以上讨论的两种效应。
我们的研究结果表明金融自由化对银行TFP增长具有积极的直接影响。我们还发现，自由化会导致银行危机的更高倾向，而银行危机本身又会对银行的TFP增长产生负面影响。然而，在不稳定的情况下，正面的银行TFP增长效应大于负面效应。
本文的其余部分安排如下。在第二章中我们描述了方法和数据，第三章介绍和讨论结果，第四章为结论。
第2章 实证方法
2.1 全要素生产率变化的衡量
测量生产单位（或决策单位）的全要素生产率变化有两种方法，参数化方法（如Kumbhakar和Lovell，2003）和非参数化方法（如Coelli等人，2005）。虽然理想方法没有达成共识，但这两种方法都有优势和劣势，我们选择非参数DEA为基础的Manalquist方法，这种方法是最常用于估算银行业放松管制改革影响的方法。基于DEA的Malmquist方法的流行起源于它的计算简便性，以及它不依赖于经济行为的假设，例如成本最小化或盈利最大化或任何特定的功能形式来估计.9这种方法的局限性在于 - 与参数方法不同，它不能将测量误差和随机噪声从技术效率上分离出来，但由于在本研究中我们对测试关于银行TFP增长组装组成部分的具体假设并不感兴趣，所以基于DEA的Malmquist方法适合于目的。
2.2 模型建立
为了检验金融自由化（FL）对银行生产率增长的分解效应，Malmquist TFP增长分数作为估计生产率增长模型的因变量，其中包括金融自由化和银行危机假设。此外，我们将银行危机虚拟假设视为一个内生变量，取决于其他变量，包括金融自由化指标。因此，我们使用综合模型来评估金融自由化的双重效应，包括生产率增长方程和危机方程。根据我们介绍中引用的文献所得出的结论，我们的首要预期是直接银行的TFP增长效应是正面的，通过银行危机的更高概率的间接效应是负面的。就净效应而言，这仍然是本研究旨在提出的至关重要的经验问题。
2.3 变量与数据
上述模型使用1999年至2011年期间来自88个国家的1530家商业银行样本的数据进行估算。 选择的时间段取决于数据的可用性，并且考虑到我们的分析中隐含的生产技术假设的相似性，样本仅限于商业银行，以确保公平比较跨国水平的TFP估计。在样本期间，主要 系统性银行危机发生在2007-08年期间，尽管在早些时候和晚些时候还有其他一些类似的危机影响到少数国家，例如土耳其（2000），阿根廷（2001），多米尼加共和国（2003）和尼日利亚（2009）等。 根据Laeven和Valencia（2013）的数据，在2011年，共有22个国家（我们样本中的88个国家）被认为达到了系统性危机比例。这些危机的典型特征是，先于大多数情况下，信贷繁荣通常与更大的金融一体化有关。
附录A提供了我们样本中的国家名单，显示了每个国家的银行数量和银行年度观察数据，共计9838个银行年度观察值。由于银行数量显着增加 样本期以及众多的银行倒闭和收购与并购（M＆A），我们通过构建一个不平衡的小组来避免选择性偏见，在我们的实证调查中考虑到了这些特征.11在附录A中，我们还指出了遭受损失的国家在此期间发生系统性银行危机。
附录B给出了实证分析中所用变量来源的描述，表1给出了相关的汇总统计数据。所有银行层面的数据均来自Bankscope数据库的商业银行的资产负债表和收益表，以及每个银行的数据在某一特定年份以百万美元表示，转换为1995年的价格（使用国家特定的GDP减损量）。 为了确保我们的结果不受异常值的影响，所有银行级别的数据都在5％和95％的水平上进行了极值调整，并且为了高度一致性，还对数据进行了筛选，以报告错误，不一致性和缺失值。
在Demirguuml;c-Kunt和Detragiache（1999）的危机等式中，典型的控制变量包括实际GDP增长，通货膨胀和贸易条件变化，以解释经济和竞争条件的差异。此外，我们增加了三个监管变量，以确定它们对危机可能性的影响。此外，我们通过将实际的国内信贷增长纳入银行层面控制来考虑信贷的影响。应该指出的是，为了避免弱识别的问题（例如参见Arellano，2006），继Ranciere等人（2006），两个变量被排除在增长方程之外，但被包含在危机方程中。这些变量是贸易条件（TOT CHANGE）和实际国内信贷增长（CREDIT GRO）的变化，这些先前的研究已经包含在确定银行危机可能性的相关协变量中。
第3章 实证结果
3.1 TFP结果
表2显示了使用中介方法获得的TFP增长估值的几何平均值。这些数据是通过汇总所有88个国家的数据而相对于全球前沿来衡量的，但是以年度平均值和22个发达国家和66个发展中国家的分组来呈现。考虑到我们的多国样本，我们认为使用评估每家银行生产率的全球边界是适当的，隐含的TFP增长估计值随后将用于我们适当控制银行水平和国家水平差异的第二阶段经济体。应该注意的是，对于每一个估计值，相对于前一年的估计值作为基准年（即使用连续的参考技术）。最后一行表示整个银行TFP增长的几何平均值。如上所述，Malmquist指数大于1表示TFP增长，而小于1表示TFP下降。
表2中的结果表明，在样本期间的大多数年份中，银行的平均TFP增长率均为平均水平，与全球银行体系受益于全球金融市场技术进步相一致，过去两年显示出轻微的产出下降。然而，发达国家和发展中国家银行的结果显示，生产率变化的时间差异很小。特别是发达的银行体系在2000 - 01年和2007 - 08年经历了生产率放缓。这个形势可能与21世纪初的经济衰退有关（当时银行经历了效率损失），而后者可能与系统性银行危机的发生有关（当银行经受技术倒退时）。 相比之下，发展中国家的银行在危机之后经历了生产力损失，尽管结果表明2007-08年期间技术性倒退。
总体而言，尽管某些年份生产力的边际损失有所下降，但结果显示，整个时期的平均生产率增长率为1.59％，而发达国家和发展中国家的银行的生产率增长率分别为1.49％和1.67％。有利于全要素生产率增长的证据与样本期间大多数经济体持续的金融自由化（以及基础金融改革）是一致的，而某些年，特别是过去两年观察到的生产率的下降可以与系统性银行危机有关。然而，更正式的调查需要使用治疗效应模型将银行TFP增长的积极和消极结果归因于金融自由化和相关银行危机的影响。
3.2主要结论
我们的实证分析的第二阶段考察了金融自由化（FL）通过直接TFP增长渠道对银行生产率增长的分解效应，以及来自银行危机渠道的间接影响。表3根据TFP变化和危机模型报告了估计结果，该模型使用6651个银行年度观测值进行估计，同时对国家和年度固定效应进行估计。表3中的面板A反映了TFP变化是自变量的回归结果，面板B显示了系统性银行危机虚拟变量作为自变量的比特位方程的结
全文共10485字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[10141]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
