銀行財務信息對價值股票是否具有甄別效應

王艷艷　余陽洋　黃丹藝

關鍵詞：商業銀行;投資策略;基本面分析;甄別效應

中圖分類號：F275 文獻標識碼：A 文章編號：1003-7217（2022）03-0104-09

一、引言

利用基本面信息尋找錯誤定價的股票是理論界和實務界都非常關心的話題。已有研究主要從兩個維度展開：一是從估值角度展開分析，二是從會計信息質量角度出發。

已有研究通常會把銀行業排除在外，其主要原因是作為估值基本依據的銀行業財務報表與其他行業的財務報表存在顯著的差異。首先，以手續費及傭金凈收入為主的中間業務在銀行業的盈利能力中占有舉足輕重的地位，但是在一般性行業中這項費用對于企業盈利能力的影響就較小。其次，貸款損失準備是銀行業盈利質量的一個重要衡量指標，但在制造業或零售業則主要體現為營運資本。最后，ROE作為一般性行業中衡量盈力能力的重要指標，受到企業管理層和投資者的重視，但是銀行業財務報表中資產項目主要以金融資產為主，其計價原則通常為公允價值，這導致了銀行業的ROE受到風險和杠桿的嚴重影響，無法反映企業盈利的持續性，特別是在金融危機期間更是成為銀行業價值減損的推手。對銀行業而言，ROE或ROA水平的提升不單來自營運盈利能力的提升，還可來自增加杠桿率和承擔更多的風險信貸資產以及更多的非標準化業務。根據歐洲中央銀行的報告，在金融危機之前有較高ROE水平的銀行在金融危機時反而表現出了較低的穩定性。這表明ROE并不具備風險敏感性和前瞻性，并且具有一定的短視性。銀行業在整個國民經濟中占有舉足輕重的地位。如2020年我國國內生產總值為101.60萬億元，同期銀行業資產高達319.74萬億元①。近年來有大量的公募基金加倉銀行股，部分外資也逐漸加大了對我國商業銀行的投資。銀行業報表的特殊性對其報表信息的有效性產生不利影響，使得過去對銀行業基本面信息定價功能的研究相對匱乏，現有的針對一般行業基本面信息定價功能的研究成果無法應用到銀行業。

通過梳理文獻發現，學術界主要從商業銀行的股票流動性、股價崩盤風險以及股價同步性等角度研究了商業銀行股價的影響因素，鮮有文獻關注財務信息和基本面信息對商業銀行資本市場定價的影響。Mohanram等采用美國上市銀行的數據，首次將基本面分析運用到銀行業中。然而，我國商業銀行無論在制度背景還是發展歷程方面均與美國商業銀行都有巨大的差異。比如，我國貨幣政策和利率政策與歐美國家較大的差異，導致我國商業銀行面臨較為嚴格的監管的同時也催生出了影子銀行、預算軟約束等中國制度背景下的特有問題。

本文在Mohanram等研究的基礎上，探索如何利用我國銀行業財務基本面信息分析預測未來經營業績和資本市場回報，以此來檢驗銀行業的財務信息是否具有甄別效應，構建符合中國銀行發展和制度背景的綜合性指標。

二、制度背景和文獻綜述

（一）我國商業銀行制度背景

與美國以穩定通貨膨脹和就業為主的貨幣政策目標不同，我國政府在保持幣值的穩定的基礎上將經濟增長作為主要發展目標。因此，我國自1996年起至今一直將貨幣供應量（M2）增長作為中間目標，并以數量型間接調控為主要調控手段。加之我國資本市場起步較晚，依然是以商業銀行為主導的間接融資模式。在此背景下，我國商業銀行在政府貨幣政策的傳導過程中有著舉足輕重的地位。

我國監管部門對商業銀行的信貸政策監管一直較為嚴格，并特別設定了相應的法律或行政法規對商業銀行貸款的數量和質量進行限制。如在貸款數量方面，在1995年公布施行的《中華人民共和國商業銀行法》明確設定了對商業銀行存貸比75%的“監管紅線”。直到2015年，我國才將存貸比由法定監管指標轉為流動性監測指標;在貸款質量方面，銀發〔2009〕386號文件和2020年頒布的《房地產貸款集中度管理制度》都明確限制了我國商業銀行對特定行業的信貸擴張。

在貨幣政策調控中，我國形成了獨特且極為重要的銀行利率傳導渠道，中央銀行的利率政策通過市場利率向貸款利率和存款利率傳導。我國利率市場長期處于管制狀態，在穩步分階段進行利率市場化改革的同時，逐漸形成了“利率雙軌制”的特殊環境。利率雙軌制導致商業銀行的自主定價權較為有限，實際利率偏離了均衡市場利率，扭曲了企業投融資行為。雖然2015年我國正式取消金融機構存款利率浮動上限，但我國商業銀行仍存在存貸款基準利率、窗口指導、金融市場分割以及MPA利率定價考核指標，使得存款利率仍被壓低。

（二）甄別效應與B-score的局限性

甄別效應是指在特定背景下運用基本面分析，檢驗財務信息尋找錯誤定價的能力。自Fama提出有效市場假說理論后，學者們研究發現，運用市場公開信息構建的投資組合仍可以獲得超額收益，基本面分析就是試圖捕捉未被反映在股票價格中的公開信息并以此來獲得超額收益。Piotroski和Mohanram還驗證了財務信息能較為有效地甄別出股票市場的贏家和輸家。Mohanram等首次將基本面分析運用到銀行業中，發現上市銀行的財務信息并未很好地反映在股價上。因此，基本面分析結果則更需要結合理論以及特定的制度背景來解釋。由于中外在貨幣政策和利率政策以及銀行發展水平上存在巨大差異，切不可簡單照搬照抄歐美國家對其商業銀行的各類評價指標和體系。我國國民經濟發展取得的巨大進步，離不開符合國情的銀行業發展模式以及對銀行業的依法嚴格監管。因此，本文將結合我國商業銀行的制度背景，構建適合我國商業銀行發展水平的基本面分析指標。

在銀行貸款數量、貸款質量及貸款利率均受到強監管的背景下，簡單套用Mohanram等的體系肯定無法甄別出我國高價值的上市銀行股票。首先，B-score中有較多貸款數量指標，利率管制所產生的預算軟約束，使得國有企業對民營企業的貸款產生擠出效應，即相較于信貸資質，產權性質往往是銀行發放貸款時首要考慮的因素。銀行的信貸行為還更容易受到政策變化的影響。貸款“失真”會極大地影響B-score的有效性。其次，我國雖放開了利率市場，但存款利率仍被壓低?；蔚睦钍杖霟o法反映商業銀行盈利水平的持久性。朱寧等發現，不穩定的市場利率會使得商業銀行的利率風險急劇上升，這會進一步影響B-score對銀行盈利能力的預測水平。再次，B-score尚未考慮影子銀行對商業銀行的深遠影響。我國較強的金融監管政策雖成效顯著，但也催生出了銀行各種規避監管的行為。只是不同于西方，我國影子銀行主要是商業銀行傳統信貸業務的延伸且其風險相對獨立。另外，非利息收入占比不足也是導致我國銀行效率較低的重要原因。在非利息收入對銀行盈利能力越來越重要的前提下，商業銀行若肆意開發非標準化的理財產品則會增加銀行的風險。最后，利用貸款減值準備進行盈余管理是我國商業銀行一項典型的監管套利行為。

綜上，中外銀行在制度背景和發展水平上的較大差異客觀上要求我們構建符合我國市場的基本面指標。本文將具體考慮在上述情形下銀行的財務基本面信息是否具有甄別效應。

三、研究設計

（一）樣本篩選與數據來源

本文中的商業銀行按照中國證監會2012版行業分類進行界定。同時，為消除會計準則變更而引起的度量誤差，本文使用新金融工具準則之前的2007—2017年數據作為樣本，相關上市銀行的財務報表數據從CSMAR數據庫和CNRDS數據庫中取得。關于股票收益的計算參考Piotroski的做法，為確?？梢垣@得計算指標所需的數據，選取t+l年5月份第一個交易日作為t年股票收益的起點，以消除前瞻偏差。由于B-score和B-score需要 至少一年以上的財務信息，本文剔除了不滿足條件的數據，最終樣本區間為2010—2017年。在刪除缺失值之后，共得到102個銀行年度觀測值。

（二）B-score構建

本文在B-score的結構思路上結合剩余收益模型，重新構建適用于我國商業銀行的基本面分析指標B-score。根據剩余收益模型，股票價值 應該取決于三個因素——產生超過股本成本的盈利能力（+）、風險（-）和增長能力（+）。為保證B-score和B-score China具有可比性，均采用標準化之后的排名作為分數，分數越高，預期銀行股票收益越高。結合上文，從以下三個方面選取指標：

1.盈利性。主要從利息覆蓋率、中間業務收入和銀行同業業務為代表的影子銀行三個方面衡量上市銀行盈利性。具體衡量及選取原因如下：

利息覆蓋率（ΔInterest-coverage，B1）：將利息覆蓋率定義為利息收入與吸收存款之比。因過度關注ROE會刺激銀行承擔較高風險，故選用利息覆蓋率作為ROE的替代指標。而且由于我國銀行面臨較強的監管，上市銀行財務透明度較高，銀行業ROE提供的增量信息較少。借鑒撥備覆蓋率和負債收入比的思路，我們認為，較高的利息覆蓋率表明銀行在有較大的利息收入的同時有較低的存款覆蓋，在經濟下行期可以抵御銀行擠兌。利息覆蓋率越高，預期股票收益越高。B1為t年與t-1年利息收入之差，經吸收存款標準化處理之后的標準化排名分數。

中間業務水平（ΔCommission，B2）：使用手續費及傭金凈收入的變化量（使用利潤總額進行標準化處理）來衡量銀行中間業務的水平。有文獻使用中間業務水平來度量商業銀行的創新能力，可認為銀行中間業務水平越高，其業務多元化程度就越高、同行業競爭能力和創新能力也越強，相應的股票收益越高。B2為t年與t-1年手續續及傭金凈之差，經利潤總額標準化處理之后的標準化排名分數。

影子銀行規模（ΔShadow，B3）：本文主要聚焦影子銀行體系中的銀行同業業務。同業業務在增加銀行盈利性的同時不會顯著增加銀行的風險，可緩解因宏觀調控而受限的貸款約束。用“買入返售金融資產凈額”科目來衡量影子銀行同業業務水平，并用金融資產投資進行標準化處理。影子銀行規模越大，預期股票收益越大。B3為t年與t-1年買入返售金融資產凈額之差，經金融資產投資標準化處理之后的標準化排名分數。

2.穩健性。正常類貸款（ANormal-loan，B4）：使用正常類貸款科目金額（用發放貸款及墊款凈額進行標準化處理）來衡量商業銀行的信用風險。相比于不良貸款率（不良貸款與貸款總額之比），正常類貸款排除了因會計選擇對不良貸款分類的影響以及運用貸款減值準備進行盈余平滑的影響。正常類貸款金額越大，銀行所面臨的信用風險就越低。B4為t年與t-1年正常類貸款之差，經發放貸款凈額標準化處理之后的標準化排名分數。

貸款呆賬準備金（ΔAllowance，B5）：使用貸款呆帳準備金（用發放貸款及墊款凈額進行標準化處理）來衡量貸款減值風險，它在一定程度上能緩解管理層的盈余管理行為。商業銀行計提的貸款呆賬準備金越多，說明銀行吸收貸款減值損失的能力就越強。B5為t年與t-1年貸款呆賬準備金之差，經發放貸款凈額標準化處理之后的標準化排名分數。

公允價值變動收益（-ΔNot-regular，B6）：公允價值是否是2008年全球性金融危機的“罪魁禍首”，學術界還沒有定論。因以公允價值計量的資產收益率波動較大，若銀行擁有大量的以公允價值計量的資產，則表明銀行利潤的可持續性和穩健性越低、風險越大。公允價值計量還會帶來較高的審計費用和審計風險。為了統一符號，將衡量收益風險的指標定義為-ΔNot-regular，其經濟含義為：將公允價值變動收益與營業收入的占比較上期減少視為買入信號，且減少的絕對值越大，預期股票收益會越高。B6為t-1年與t年公允價值變動收益之差，經營業收入標準化處理之后的標準化排名分數。

3.增長性（ΔGrowth，B7）。使用總資產的增長率來衡量銀行的增長能力?？傎Y產較大的銀行可產生較大的規模效應，且擁有較強的抵御風險能力。參照相關文獻的處理方式，將總資產總額取自然對數。B7為t年與t-1年總資產之差，經對數處理之后的標準化排名分數。

綜上如表1，B-score China為B1～B7七項指標之和。其中，衡量盈利性為利息覆蓋率、中間業務水平和影子銀行三項指標之和;衡量穩健性為正常類貸款、貸款呆賬準備金和公允價值變動收益三項指標之和。財務信息基本面較好的商業銀行，即B-score越高的銀行，預期股票收益會越高。類似地，我們將B-score作為基準。

（三）模型設定

參考Fama和French和Mohanram等的做法，構建模型（1）和（2）。

在上述模型中，使用一年期買入并持有收益（經銀行業平均收益調整）來衡量預期未來的股票收益RETB控制變量包括：總資產（以自然對數調整，Size），賬面市值比（所有者權益與市值的比值，BM）以及動量（RETB，當期股票收益）。此外，使用面板混合回歸和Fama-Macbeth兩階段回歸方法來研究B-score和股票收益之間的關系。

四、實證分析

（一）描述性統計

表2展示了樣本銀行和相應的B-score以及Bscore相關變量的描述性統計結果。表2中Panel B展示了B-score相關變量。ΔInterest- Coverage和ΔCommission的中位數和均值較為接近，較符合正態分布。表2中的Panel C展示了B-score相關變量的描述性統計。B-score中衡量利息收入水平的變量和衡量非利息收入指標出現了較大差異：ΔSpread的平均數為-0.08%，中位數為0.0015%，說明樣本銀行整體利息收入增長較為緩慢。

（二）單個指標與未來股票收益

為檢驗B-score構建的投資組合在A股市 場是否存在甄別效應，特以B-score為基準來檢驗B-score的有效性。

首先分別檢驗B-scoreChina和B-score與未來股票收益的相關關系。表3展示了高于每項指標中位數的平均未來股票收益與低于每項指標中位數的T-test檢驗結果。運用構成B-score（B-score ）的每個單項指標構建投資組合：如表3所示，第二列為低于此指標中位數投資組合的平均未來股票收益率，第三列為高于此指標中位數投資組合的平均未來股票收益率。第四行為上述兩個投資組合的收益率差。

表3中Panel A展示了B-score每個單項指標與未來股票收益的關系。B-score絕大部分指標與未來股票收益呈現負相關關系，說明B-score在我國市場不具有顯著的甄別效應。

表3中Panel B中展示了B-score每個單項指標與未來股票收益的關系，所有指標與未來股票收益均呈現正相關關系。其中，衡量銀行利息收入水平和中間業務水平的指標在未來股票收益的預測方面分別在10%和5%水平上顯著。運用銀行盈利性所構建的投資組合具有較好的甄別效應：兩組投資組合的收益差額為5.48%，且在10%的水平上顯著，且其構成成分均能產生5%左右的對沖收益。根據銀行穩健性所構建的投資組合的對沖收益為6.26%。表明B-score越高，未來股票收益越大。

（三）信息系數

表4展示了B-score、B-score和相關變量的相關系數矩陣。對角線右上角為Pearson相關系數，對角線右下角為Spearman相關系數。股票投資實踐中，經常會以信息系數（IC）來判斷因子的預測能力。我們選取Normal IC（Pearson相關系數）和Rank IC（Spearman相關系數）來檢驗B-score（B-score）以及各維度之間的預測能力，相關系數越大，則說明IC值越大，該指標有較好的預測收益能力。表4中的RETB_r+1所在的行和列分別展示了各個變量的IC值。

表4中Panel A的結果表明，除了穩健性（Pru-dence）和當期收益之間在5%水平上顯著，B-score與其構成和股票收益的關系并不顯著。說明適用于美國上市銀行的B-score在構建我國上市銀行投資組合時候并不具有甄別效應。

表4中Panel B展示了B-score China相關系數矩陣。B-score與其構成和股票收益均呈顯著的正相關關系。在構成B-score的三個維度中，Pru-dence與未來股票收益的相關關系最強，從IC的角度看，B-score的兩類信息系數均已超過0.1的閾值，反映出了B-score有較強的預測能力。

（四）B-score與股票回報

為進一步檢驗B-score的甄別效應，采用Fa-ma-Macbeth回歸和面板混合回歸來檢驗Bscore與股票收益的關系。表5中的（1）（3）列為控制了年度固定效應的面板混合回歸結果;（2）（4）列為Fama-Macbeth回歸的結果（下同）。

B-score的系數在兩個回歸模型中均顯著為正，說明B-score能提供較為有效的增量信息。B-score與本期股票收益和未來股票收益分別在1%和10%的水平上顯著，說明B-score對股票 收益有較強的解釋能力。從盈利性、穩健性和增長性來看，穩健性是B-score能解釋股票收益的主要原因。