CNDD-0056 中国银行基本信息数据库(附stata处理代码)

01 数据介绍
▪ 关键词:银行概况、股东构成、高管特征、审计、员工与股东信息
▪ 数据编号0056
▪ 数据名称:中国银行基本信息数据库
▪ 数据区间:2000-2021年
▪ 样本数量:80,277 条
▪ 数据来源:CNDD根据各银行年度报告整理。
▪ 数据说明中国银行基本信息数据库涵盖了我国国有银行,股份制银行、城市商业银行、农村商业银行等金融机构信息。包括银行概况、股东构成、高管特征、审计信息、员工与股东信息等信息。具体包括银行代码、银行名称、成立日期、银行性质、是否上市银行、所在省份、注册地址等指标。
▪ 数据维度公司层面
▪ 更新时间:2023年
▪ 综合评价中国银行基本信息数据库不仅包括中国目前已经上市的银行机构,还包括大量未上市的银行机构数据,并进行多方位信息来源的综合,并详细列示了与研究相关的大量字段。为确保非上市银行数据的准确性,CNDD进行了逐项、严格的校对工作,采用多种方法进行细致查验,为学者们对中国银行业的研究提供了数据支持。
CNDeepData 数据应用质量评级

▪ 常用度:★★★

▪ 稀缺度:★★★

▪ 新颖度:★★

▪ 总体级别:11颗星

  常用度:是数据市场中需求指标,是指该数据在经济管理类学术论文中使用频率。

✔  稀缺度:是数据市场中供给指标,是指该数据在其他数据库的出现频率。

  新颖度:是数据市场中生成指标,是指该数据在生成时方法新颖程度和工作量。

02 主要指标

(1)银行概况

图片

(2)银行股东构成

图片

(3)银行高管特征

图片

(4)银行审计信息

图片

(5)银行员工与股东信息

图片

03 数据特征概览
▪ 数据概览

(1)银行概况

图片

(2)银行股东构成

图片

(3)银行高管特征

图片

(4)银行审计信息

图片

(5)银行员工与股东信息

图片

▪ 清洗与合并数据stata处理代码

图片

04 前沿文献速递

▪ 文献来源

汪莉,邵雨卉,汪亚楠.网络结构与银行效率:基于时变“银行—股东”网络的研究[J].经济研究,2021,56(12):60-76.

▪ 文献内容:

高效健全的银行体系是实体经济高质量发展的基石,文章基于2004—2017年105家商业银行数据构建时变”银行—股东”网络,从社会网络这一非正式制度视角考察网络结构对银行效率的影响和微观机制。研究发现:时变”银行—股东”网络中心度提升对银行效率具有积极影响,网络位置越中心,网络广度、中介程度越高,银行效率相对越高;在纳入表内外风险资产作为非期望产出进行效率估算后,网络中心度与银行效率的这一正向关系依然成立,但作用幅度有所降低;在传导机制上,网络中心度的提升通过”竞争机制”和”资源共享机制”改善银行整体效率。同时,银行的交叉持股水平、产权性质及银行类型会对网络结构与银行效率间的关系产生异质性影响。该研究为商业银行进行效率管理提供了来自非正式制度的全新分析视角,也为有关部门制定银行体系的发展战略提供了一定参考。

▪ 研究设计与相关数据应用

文章以 2004—2017 年 105 家商业银行为样本构建时变“银行—股东”网络,样本中包括 5 家 型商业银行、12 家股份制商业银行、67 家城市商业银行和 21 家农村商业银行,各样本数占总样本的比例分别为 7.747% 、19. 231% 、59. 195% 和 13. 827%。

(1)研究设计

时变“银行—股东”网络具有资源配置效应、信任合作效应与声誉激励效应,商业银行在时变“银行—股东”网络中的中心位置能够对银行效率的提升产生直接影响。Freeman( 1979) 认为,网络成员的网络中心度越高,其享有的网络正外部性越强。基于此,可以推断在时变“银行—股东”网络中,网络中心度越高的商业银行,不仅在资源配置上拥有更多的话语权,而且可以通过与其他网络成员进行更多的交流合作以实现效率改善。与此同时,网络中心度较高的商业银行通过长期积累形成了更高的声望,声誉带来的社会地位提升以及潜在更大的声誉受损风险均使其有更大的积极性进行公司治理,也更有动力在决策制定和效率管理上约束基于机会主义的低效率行为,以巩固自身在网络中的地位。由此可见,时变“银行—股东”网络能够利用其所具有的社会网络效应直接对银行效率产生正向影响。

参考 Li et al( 2019) 等关于银行网络的研究,文章构建时变银行股东网络,该网络的时变特征刻画了不同时刻连接关系的突变性质及其对于系统的影响,能够更好地从动态视角反映网络结构的变化。在该网络中,银行与股东分别被视为网络中的节点,银行与股东间的持股关系为将各节点相连的,银行与银行之间既可以通过持股关系直接相连,也可以通过共有的银行股东或共有的非银行股东间接相连完成时变银行股东网络的构建后,进一步定义银行i在第t年时变银行股东网络中的程度中心度、接近中心度及中介中心度来分别反映在时变银行股东网络中所处的局部广度、全局深度和中介程度。

(2) 计量模型构建

为了考察网络结构对商业银行效率的影响,构建如下计量模型:

图片

其中,i和t分别表示银行和年份; 银行效率采用纳入表内外风险约束的效率评价指标 Efficiencyit进行衡量,同时以无风险约束的银行效率评价指标Eff _ nooutputit进行稳健性检验; Centralityit衡量的是银行i在时变“银行—股东”网络中的网络结构,从局部广度、全局深度和中介程度三个维度出发,选择程度中心度 Degreeit、接近中心度 Closeit和中介中心度 Betweenit作为代理指标; β1是文章重点关注的系数,若β1为正,说明商业银行在时变“银行—股东”网络的中心度越大, 银行效率越高。Bank_Cit和 Macro_Cit分别为银行财务特征和银行所在地区宏观经济发展层面的控 制变量; μi 和 νt 分别是个体固定效应和时间固定效应,εit为模型的随机误差项。

(3)主要指标构建方法
①时变银行股东网络的构建:

银行 i 在年份 t 的程度中心度 Degreeit计算的是与该银行直接相连的大股东数目。该指标值越大,意味着银行 i 能获得的资源越丰富,其在网络中所处的局部广度越大,也意味着“圈层”效应越强。银行 i 的接近中心度描述的是时变“银行—股东”网络中第 t 年各个节点 j( j≠i) 到银行 i 平均 最短距离的倒数,反映了银行 i 在时变“银行—股东”网络连通子网络中的全局深度,即银行 i 是否 在该连通子网络中更加接近中心位置。该指标值越大,说明银行 i 在该子连通网络中的位置越靠 近中心,意味着银行 i 和该连通子网络中其他网络成员之间的联系性与紧密性越高,银行 i 能够以 更快的速度和更高的效率接收到其他节点的信息与资源。在下式中,Git代表在年份 t 银行 i 所在 的连通子网络的节点集合,| Git |为该连通子网络的所有节点个数,d(i,j) 计算了在该连通子网络中节点j到节点i的最短路径长度。

图片

银行i的中介中心度指在时变“银行—股东”网络中原本不具有直接关系的节点之间,有多少必须通过银行 i 这一节点被间接连接起来,反映了银行 i 在网络中的“桥梁”作用。该指标值越大, 说明银行i在时变“银行—股东”网络中所起的中介作用越强,其利用中介位置进行信息传递与控制的收益也相对越高。中介中心度的计算方法如下:

图片

②银行效率的估算:

根据 Tone & Tsutsui( 2010) 的研究文章采用非期望产出的非径向、非导向的 SBM 模型对银行效率进行估算。借鉴 Paradi & Zhu( 2013) 和 Belasri et al.(2020) 等研究,本文将存款、所有者权益、营业支出、固定资产净值、职工人数、业务与管理费用、利息支出作为“生产过程”中的投入要素; 文章采用净利润和正常贷款作为“生产过程”中的期望产出估算各商业银行的基础模型效 率Eff_nooutput,该指标为无风险约束效率指标。Efficiency 则在 Eff_nooutput 的基础上进一步加入风 险加权资产作为非期望产出,该指标为风险约束效率指标。由于风险加权资产同时考虑了表内、表外资产的风险系数和资产额,Efficiency 在涵盖传统表内风险的同时,也可以很好地反映近年来中国影子银行业务扩张带来的表外风险,具体见下表:

图片

05 其他相关文献
[1]许坤,吴蒙,刘扬.民营资本持股、非标债权业务与城商行稳健经营[J].国际金融研究,2021,No.408(04):67-76.
[2]郭晔,黄振,姚若琪.战略投资者选择与银行效率——来自城商行的经验证据[J].经济研究,2020,55(01):181-197.
[3]田国强,李双建.经济政策不确定性与银行流动性创造:来自中国的经验证据[J].经济研究,2020,55(11):19-35.

06 获取方式

以下三种方式三选一即可:

▪ 直接购买

添加客服微信,支付价格为69元。

▪ 朋友圈分享后免费领取(每人限领15份)

持续3小时,集齐5个赞,需要对所有人可见,并且本人关注CNDeepData公众号。

▪ 购买大会员

添加客服微信,购买年度会员149元,三年会员299元,永久会员899元,可享CNDeepData所有数据免费获取。

▪ 朋友圈分享要求:

①分享时间需要在早上7:30到晚上12:30之间。

②请附带一句推荐词,例如“推荐CNDD高质量数据库”。

③请将包含时间内容的截图发给客服。

▪ 添加客服微信方式

扫描下方二维码,或搜索下方微信号。

添加客服微信号:DeepData001

获取更多更新数据

图片
图片
往期已推送数据
CNDD 已推送数据列表及业务介绍
CNDD 全国各地区儒家文化变量数据合集
CNDD 中国上市公司创新变量数据合集(全网最全)
CNDD 中国银行业数据合集
CNDD 中国债券市场研究数据合集
版权声明 …
1. 除中国深度数据库(CNDD)特殊声明外,CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权,不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分,否则视为侵权。2. 对于存在侵害CNDD上述权利违法行为的主体,CNDD保留依法追究其法律责任的权利。

数据授权使用说明 …
任何使用CNDD数据等产品的单位和个人,承诺只将CNDD的数据等用于学术研究,并在所得研究成果(包括但不限于学术论文、咨询报告等)中注明数据来源于CNDD。数据来源的注明方式请参考:“本研究数据来源于中国深度数据库CNDD”;英文参考:“We get the data from CNDeepData (CNDD)”。
图片
中国深度数据库:让精品数据 得以流动
CNDeepData:Let high-quality data flow without barriers

资源下载此资源下载价格为69积分(年度普通会员免费),请先

部分图片来源于网络,如涉侵权请告知,本站将第一时间删除。客服微信号:DeepData001

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注

滚动至顶部