Panel数据模型的参数Bootstrap推断

发布时间：2020-03-18 04:48

【摘要】：随着利率市场化改革程度不断加深,地区性城市商业银行、中小股份制银行以及外资银行不断涌现,银行业所面临的金融环境产生了巨大变化,以存贷利差为主的传统银行盈利模式受到重大挑战。因此,面对利率市场化的各种挑战,为提高商业银行与金融中介运营效率,利用我国上市商业银行净利差数据,研究银行净利差影响因素已引起众多学者的广泛关注。同时,分析我国上市商业银行净利差时常使用Panel数据,使用Panel数据模型可有效刻画净利差与其影响因素之间的关系,合理拟合模型。鉴于此,探讨Panel数据模型统计推断,并将其应用于我国上市商业银行净利差影响因素研究显得尤为重要。首先,基于最小二乘估计与两步估计方法,分析Panel数据模型回归系数估计。其次,利用参数Bootstrap和广义P值检验方法,研究Panel数据模型中未知参数的假设检验问题。进而,采用Monte Carlo方法对不同的检验统计量进行模拟研究,以验证本文所给检验方法的统计优良性。最后,基于上述研究成果,选取2010年第3季度到2017年第2季度的16家上市商业银行净利差数据,从多个角度对净利差影响因素进行实证分析。研究结果表明,对于Panel数据模型中未知参数的假设检验问题,参数Bootstrap检验方法既能较好控制犯第一类错误的概率,又都具有较高的功效,且一致优于广义P值检验方法。此外,信贷风险、风险偏好、经营效率和创新能力等因素的变化,均对我国上市商业银行净利差产生显著影响。其中,健全风险管理体系、提高经营水平以及增加金融创新投入,有助于上市商业银行有效控制其净利差水平。同时,我国仍处于利率市场化改革推进阶段,需进一步深化改革,完善各商业银行自主定价机制。
【图文】：

利差,基准利率,存贷款

商业银行净利差影响因素时采用的是 2010 年至 2017 年季度数据。鉴于此，为便于商业银行实际净利差与基准利差进行对比分析，采用相对较短的基准利率(6个月)为代表，来计算基准利差，具体情况如表 4.1 和图 4.1 所示。表 4.1 6 个月存贷款基准利率与基准利差走势时间存款利率贷款利率存贷差2010 年 12 月 2.5% 5.35% 2.85%2011 年 12 月 3.3% 6.56% 3.26%2012 年 12 月 2.8% 6% 3.2%2013 年 12 月 2.8% 6% 3.2%2014 年 12 月 2.55% 5.6% 3.05%2015 年 12 月 1.3% 4.35% 3.05%2016 年 12 月 1.3% 4.35% 3.05%图 4.1 6 个月存贷款基准利率与基准利差走势(%)表 4.1 和图 4.1 均给出了 2010 年至 2016 年年末的 6 个月存贷款基准利率与基准利差的走势，其数据均来自中国人民银行网站。由表 4.1 图 4.1 和可见，我

净利,情况,年度

25图 4.3 不同上市商业银行季度净利差情况由图 4.2 可见，全部上市商业银行年度净利差数据呈现先升后降的趋势，与人民银行发布基准利差变化趋势相同。说明在中国利率市场化改革的特殊金融背景下，银行业净利差与央行基准利差呈现正相关性。其中，小型商业银行年度净利差普遍高于全部上市商业银行均值，且其从 2012 年的 2.62%到 2016 年的1.91%，波动幅度最大。这一定程度上，与小型城商行存储压力大、抗风险能力差有关。此外，大型国有商业银行年度净利差普遍低于全部上市商业银行均值，而中型股份制银行年度净利差与全部上市商业银行均值接近且变化趋势相同。这充分表明三类商业银行之间的净利差水平的确存在较大差异，该现象可能是由各
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F832.33;F224

【相似文献】