2014年-IMF国际货币组织全球_Republic_of_Azerbaijan_Selected_Issues_29页_692kb

报告摘要

本报告分析了阿塞拜疆2002年至2013年间银行利率差的决定因素，并评估了金融发展对经济增长的影响。报告基于国际货币基金组织（IMF）的工作人员团队研究，利用银行层面的面板数据，结合市场结构和宏观经济变量，探讨了利率差高的原因及其对金融发展的制约。

利率差的定义与重要性：利率差（SPREAD）是银行贷款利率与存款利率之间的差额，被视为衡量金融中介效率或中介成本的重要指标。阿塞拜疆的利率差高于国际标准，可能抑制金融发展。
利率差的决定因素：报告识别了多个关键变量，包括运营效率、信用风险、流动性风险、银行规模、银行多元化、市场结构和宏观经济环境。
政策建议：为了降低利率差，应提高银行效率、鼓励市场竞争、合并小型银行，并维持稳定的宏观经济环境。

运营效率（OC）：运营成本占总资产的比率。较高的运营成本导致较高的利率差，因此该变量系数为正。
风险规避（CAP）：总权益与总资产的比率。该变量的影响不明确，可能因银行资本充足度而变化。
信用风险（CRISK）：贷款损失准备金与总贷款的比率。较高的信用风险与较低的利率差相关，表明该变量系数为负。
银行规模（SIZE）：以贷款总额的对数衡量。银行规模越小，利率差越高，系数为负。
银行多元化（NII）：非利息收入与总资产的比率。较高的多元化程度与较低的利率差相关，系数为负。
流动性风险（LRISK）：流动资产与存款及短期融资的比率。较高的流动性风险与较高的利率差相关，系数为正。
宏观经济变量：
- 通货膨胀（CPI）：通货膨胀与利率差正相关，系数为正。
- 利率风险（MRISK）：利率波动与利率差正相关，系数为正。
- 政策利率（POLICY）：政策利率与利率差正相关，系数为正。
- 银行储备的机会成本（OCR）：储备占总资产的比率，与利率差正相关，系数为正。
- 市场力量（LERNER）：市场力量指数与利率差正相关，表明市场垄断程度高时利率差也高。

模型框架：采用Ho和Saunders（1981）的银行代理模型，结合市场结构和宏观经济变量。
估计方法：
- 固定效应模型（FEM）：用于捕捉银行特定效应。
- 随机效应模型（REM）：适用于包含市场和宏观经济变量的模型。
- 系统GMM估计：用于解决内生性问题，考虑利率差的持续性。

样本数据：包含20家商业和储蓄银行的105个年度观测值，形成不平衡面板数据。
数据来源：
- 银行层面数据：来自Bankscope数据库。
- 宏观经济数据：来自IMF的国际金融统计数据库。
- 市场结构数据：来自世界银行的全球金融发展数据库（GFDD）。
变量定义：
- SPREAD：利率差，计算为贷款利率与存款利率的差额。
- OC：运营成本占总资产的比例。
- CAP：总权益与总资产的比例。
- CRISK：贷款损失准备金占总贷款的比例。
- SIZE：贷款总额的对数。
- NII：非利息收入占总资产的比例。
- LRISK：流动资产与存款及短期融资的比率。
- CPI：消费者价格指数的年增长率。
- MRISK：国债利率的标准差。
- POLICY：央行再融资利率。
- OCR：流动储备占总资产的比例。
- LERNER：市场力量指数，定义为价格与边际成本的差额与价格的比率。

描述性统计：利率差平均为9.5%，远高于发展中国家和高收入国家的平均水平。
相关性分析：大多数变量与利率差的正负相关性符合预期，但CRISK与利率差负相关。
模型结果：
- 固定效应模型：显示银行特定因素对利率差有显著影响。
- 随机效应模型：显示市场结构和宏观经济变量也对利率差有显著影响。
- F检验：确认存在银行特定效应。
- Hausman检验：表明固定效应模型在基准设定下更合适，而随机效应模型在包含市场和宏观经济变量时更合适。