魏曉琴，張祥娟

（中國海洋大學 經(jīng)濟學院，山東 青島 266100）

在經(jīng)濟增長乏力背景下，中國銀行業(yè)風險也在加大。根據(jù)銀監(jiān)會統(tǒng)計，截至2014年上半年，中國銀行業(yè)金融機構(gòu)不良貸款余額6943億元，較2013年年底上升1022億元，已超過2013年全年不良貸款增加規(guī)模的992億元。其中，16家上市商業(yè)銀行不良貸款余額達5580億元，不良貸款余額和不良貸款率雙升。為有效遏制不良貸款問題，各家銀行紛紛查找問題根源，采取相應(yīng)措施。其中遏制貸款集中問題被各家銀行高度關(guān)注。本文采用行業(yè)集中度、地區(qū)集中度和客戶集中度三個變量來測算國有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行三類銀行的貸款集中度，并通過建立回歸模型對比分析這三類銀行的貸款集中對不良貸款率的影響。

一、相關(guān)文獻綜述

對于貸款集中度與不良貸款率的關(guān)系問題，已有不少學者已經(jīng)進行了大量研究。主要可以分為以下五個方面：

一是貸款集中度的內(nèi)涵。Fiseher（1993）認為貸款集中主要指貸款的投放及貸款金額的集中度。而L.Douglas Smith 和 Edward C.Lawronce（1995）認為貸款集中是指貸款的長期性趨勢，并通過關(guān)注貸款的長期性趨向所帶來的貸款集中度風險，得出貸款的長期性趨向容易導(dǎo)致銀行的流動性風險。徐進前（2002）認為貸款集中是非均衡條件下信貸資源配置的一種方式。

二是貸款集中的成因。G.Hwan Shin，James W.Kolari（2004）通過對日本信貸市場的研究發(fā)現(xiàn)，日本商業(yè)銀行在投放貸款時，對貸款進行了等級劃分，等級越高，貸款集中現(xiàn)象越明顯，這種現(xiàn)象是由信息的不完全所導(dǎo)致，銀行對于等級較高的企業(yè)投放更多的貸款。孫琴月（2008）在研究中分析了信貸集中產(chǎn)生的原因，主要包括國家政策的干預(yù)、銀行經(jīng)營觀念的轉(zhuǎn)變、信貸管理體制高度集中、銀行間惡性競爭等，著重揭示了商業(yè)銀行貸款集中現(xiàn)象所帶來的負面影響。

三是貸款集中帶來的風險及監(jiān)管。Schwaiger and Gerhard Winkler（2009）利用奧地利大型商業(yè)銀行1997～2003年間的數(shù)據(jù)分析了銀行貸款投向行業(yè)及規(guī)模的多元化對風險、成本收益的影響，發(fā)現(xiàn)雖然貸款多元化提高了銀行成本，但降低了銀行風險并提高了收益，并且貸款多元化對銀行的資本化也是有利的。毛永斌等（2007）對房地產(chǎn)貸款集中度風險進行分析，發(fā)現(xiàn)商業(yè)銀行房地產(chǎn)貸款集中度越高，其風險引發(fā)的危害越大。顏新秀、王睿（2010）分析了新資本協(xié)議中對貸款集中度的監(jiān)管要求，總結(jié)了集中度風險計量的方法及國際經(jīng)驗，并提出了對我國銀行業(yè)貸款集中度風險計量與監(jiān)管的啟示。

四是對貸款集中的測算。呂姝儀（2009）采用絕對集中度、赫芬達爾指數(shù)兩個指標，通過對市場結(jié)構(gòu)類型進行劃分，對我國投資銀行業(yè)主要業(yè)務(wù)以及整體規(guī)模的市場集中度進行了測算和分析。張鐵鑄（2004）采用Herfindahl指數(shù)衡量商業(yè)銀行貸款投放的多元化程度，建立回歸模型考察了貸款多元化對商業(yè)銀行風險和收益水平的影響。王海霞（2009）用單一客戶貸款比例、最大十家客戶貸款比例來衡量城市商業(yè)銀行的貸款集中度，實證分析上市商業(yè)銀行的客戶貸款集中度對風險和收益的影響。

五是貸款集中的影響。王富華、姜姍姍（2012）采用市場集中度指標（HHI），通過建立回歸模型分析貸款集中對上市銀行風險與收益的影響來衡量上市銀行的貸款集中度，發(fā)現(xiàn)近年來上市銀行貸款的行業(yè)集中度呈下降趨勢，地區(qū)集中度呈略上升趨勢，行業(yè)集中和地區(qū)集中與上市銀行的經(jīng)營風險均沒有顯著關(guān)系。王旭（2013）選取18家商業(yè)銀行2005~2011年間的面板數(shù)據(jù)，通過設(shè)計變量和面板數(shù)據(jù)模型，實證檢驗銀行貸款集中度對商業(yè)銀行資產(chǎn)收益率、不良貸款率、經(jīng)營穩(wěn)健性和資本充足率的影響，結(jié)果顯示，貸款集中度對商業(yè)銀行資產(chǎn)收益率、經(jīng)營穩(wěn)健性和資本充足率具有反向影響，對不良貸款率具有正向影響；貸款集中度的影響在不同類型商業(yè)銀行之間存在結(jié)構(gòu)性差異。

綜合目前商業(yè)銀行貸款集中度的研究現(xiàn)狀，主要表現(xiàn)出了以下四個特點：一是定性研究多于定量研究，大部分學者主要對貸款集中的內(nèi)涵、成因，帶來的風險等進行了描述性統(tǒng)計分析，缺乏基于貸款集中表現(xiàn)形式的完整系統(tǒng)的測算；二是多為對集中度中某一指標的分析，缺乏對貸款集中的行業(yè)集中、地區(qū)集中和客戶集中的全面分析；三是多為對某一類銀行的貸款集中分析，缺乏對不同性質(zhì)銀行的對比分析；四是由于我國商業(yè)銀行貸款集中度的監(jiān)管剛剛起步，對如何完善監(jiān)管的論述較少。因此，本文將采用行業(yè)集中度、地區(qū)集中度、客戶集中度三個指標對國有銀行、股份制銀行、城商行三類銀行進行對比分析。

二、商業(yè)銀行貸款集中度的測算

（一）數(shù)據(jù)來源

由于上市商業(yè)銀行年報齊全、公司治理結(jié)構(gòu)較好，考慮到數(shù)據(jù)的可得性，因此本文選取2009~2013年我國16家上市商業(yè)銀行作為研究對象，根據(jù)16家銀行的年報，整理得到各家銀行不良貸款率、貸款集中度的相關(guān)數(shù)據(jù)，為以后的描述性統(tǒng)計分析和實證分析做好必要的準備。本文選取的16家上市商業(yè)銀行可以分為三類：第一類是國有商業(yè)銀行，包括中國銀行（601988）、中國農(nóng)業(yè)銀行（601288）、中國工商銀行（601398）、中國建設(shè)銀行（601939）、交通銀行（601328），第二類是股份制商業(yè)銀行，包括光大銀行（601818）、浦發(fā)銀行（600000）、民生銀行（600016）、平安銀行（000001）、華夏銀行（600015）、興業(yè)銀行（601166）、招商銀行（600036）、中信銀行（601998），第三類是城市商業(yè)銀行，包括南京銀行（601009）、寧波銀行（002142）、北京銀行（601169）。

（二）變量的選取

1.不良貸款率（BLR）。不良貸款率指金融機構(gòu)不良貸款占總貸款余額的比重。不良貸款是指在評估銀行貸款質(zhì)量時，把貸款按風險基礎(chǔ)分為正常、關(guān)注、次級、可疑和損失五類，其中后三類合稱為不良貸款。金融機構(gòu)不良貸款率是評價金融機構(gòu)信貸資產(chǎn)安全狀況的重要指標之一。不良貸款率高，說明金融機構(gòu)收回貸款的風險大；不良貸款率低，說明金融機構(gòu)收回貸款的風險小。

2.貸款集中度。商業(yè)銀行貸款投向集中體現(xiàn)為行業(yè)集中、地域集中、客戶集中、期限集中等?？紤]到數(shù)據(jù)的可得性、一致性和代表性，本文選取客戶集中、行業(yè)集中以及地域集中三個指標來分析我國上市商業(yè)銀行的貸款集中度情況。

（3）客戶集中度指數(shù)（CHD）。用前10大客戶貸款占比來表示，即最大10家客戶貸款余額占資本凈額的比重。

（三）貸款集中度的描述性統(tǒng)計

根據(jù)上市商業(yè)銀行年報資料，分別計算各銀行貸款的行業(yè)集中度，地區(qū)集中度，客戶集中度，并用EXCEL進行計算，得到以下初步統(tǒng)計結(jié)果（見表1）。

表1 描述性統(tǒng)計分析

由表1的描述性統(tǒng)計可以看出，16家上市商業(yè)銀行中，國有商業(yè)銀行的三個集中度指標都比較小，而城市商業(yè)銀行的三個集中度指標都比較大，股份制商業(yè)銀行的三個集中度指標在三類銀行中居中。產(chǎn)生這種現(xiàn)象的原因可能是由于國有商業(yè)銀行的發(fā)展歷史比較長久，貸款的內(nèi)外部監(jiān)管相對完善，業(yè)務(wù)模式相對成熟。對比而言城市商業(yè)銀行起步相對較晚，多數(shù)的城市商業(yè)銀行在行業(yè)貸款管理領(lǐng)域還處于起步階段，大多還停留在靜態(tài)控制階段，公司類貸款中大額貸款所占比例較大，另外受地區(qū)經(jīng)濟發(fā)展特點的影響，貸款結(jié)構(gòu)中的客戶集中度相對較高。

由圖1各類銀行的貸款集中度走勢圖可以看出：（1）貸款的行業(yè)集中度均呈現(xiàn)上升趨勢。產(chǎn)生這種現(xiàn)象的原因可能是由于鋼貿(mào)、房地產(chǎn)等行業(yè)的發(fā)展使得行業(yè)集中度被整體抬高。（2）貸款的地區(qū)集中度、客戶集中度都呈下降趨勢，其中客戶集中度下降幅度相對較大，這可能是由于隨著信息技術(shù)的發(fā)展，地域?qū)J款投向的影響越來越小，同時由于我國對貸款集中的監(jiān)管主要在客戶集中方面，即要求對同一借款人的貸款余額占商業(yè)銀行資本余額的比例不得超過10%、對最大10家客戶的貸款余額占商業(yè)銀行資本余額的比例不得超過50%的標準，從而限制了貸款對客戶的集中投放。

圖1 商業(yè)銀行貸款集中度走勢圖

三、商業(yè)銀行貸款集中度對不良貸款率影響的實證分析

（一）單位根檢驗

為避免“偽回歸”現(xiàn)象的出現(xiàn)，先對樣本數(shù)據(jù)進行平穩(wěn)性檢驗。用Eviews6.0軟件對樣本數(shù)據(jù)進行單位根檢驗。單位根檢驗統(tǒng)計結(jié)果如表2、表3、表4所示。

由表2單位根檢驗統(tǒng)計結(jié)果可以看出：國有商業(yè)銀行的行業(yè)集中度（IHD）、地區(qū)集中度（GHD）概率值在LLC（Levin-Lin-Chu）檢驗和Fisher-ADF檢驗中分別為 0.1141、0.4698、0.5581 和 0.8379，均大于0.1的顯著性水平，因此不能拒絕原假設(shè)“面板序列具有單位根”，變量為非平穩(wěn)序列；對商業(yè)銀行的地區(qū)集中度指標的面板序列進行一階差分后再進行單位根檢驗結(jié)果的概率值均小于0.1的顯著性水平，因此拒絕了“面板序列具有單位根”的原假設(shè)，即各個變量的一階差分都是平穩(wěn)序列，因此所有變量一階單整。同理，股份制商業(yè)銀行、城市商業(yè)銀行的各個變量也在一階差分后平穩(wěn)，因變量一階單整，分別見表3、表4。

表2 國有商業(yè)銀行貸款數(shù)據(jù)的單位根檢驗結(jié)果

表3 股份制商業(yè)銀行貸款數(shù)據(jù)的單位根檢驗結(jié)果

表4 城市商業(yè)銀行貸款數(shù)據(jù)的單位根檢驗結(jié)果

（二）協(xié)整檢驗

通過Eviews6.0統(tǒng)計軟件的檢驗可以看出16家上市商業(yè)銀行的時間系列數(shù)據(jù)是非平穩(wěn)的，它們進行一階差分后變平穩(wěn)，不過這樣會失去總量的長期信息，而這些信息對問題分析又是必要的，所以用協(xié)整來解決此問題。對面板數(shù)據(jù)進行協(xié)整檢驗分為兩個步驟，首先建立面板數(shù)據(jù)的回歸模型，然后對所建立回歸方程的殘差用Eviews6.0軟件的LLC（Levin-Lin-Chu）檢驗和Fisher-ADF檢驗兩種檢驗方法對回歸方程所得到的殘差進行單位根檢驗，如果各殘差平穩(wěn)，就說明序數(shù)據(jù)列之間存在著協(xié)整關(guān)系。通過 LLC（Levin-Lin-Chu）檢驗和 Fisher-ADF檢驗得出結(jié)論如表5所示。

表5 商業(yè)銀行協(xié)整關(guān)系檢驗結(jié)果

由表5商業(yè)銀行的協(xié)整關(guān)系檢驗結(jié)果可以看出，LLC（Levin-Lin-Chu）檢驗和 Rsher-ADF 檢驗中，國有商業(yè)銀行、股份制商業(yè)銀行的方程殘差序列的單位根檢驗的P值均小于0.1的顯著性水平，因此拒絕原假設(shè)，回歸方程的殘差序列不具有單位根，殘差序列平穩(wěn)，各樣本數(shù)據(jù)之間存在協(xié)整關(guān)系，因此可以建立回歸模型。城市商業(yè)銀行殘差序列的單位根檢驗結(jié)果大于0.1的顯著性水平，因此接受原假設(shè)，殘差序列不平穩(wěn)，不能建立回歸模型。產(chǎn)生這種現(xiàn)象的原因可能是由于僅選取了三家城市商業(yè)銀行，樣本數(shù)據(jù)太少所造成。

（三）回歸模型分析

為研究商業(yè)銀行的貸款集中度對不良貸款率的影響，借助前面得到的數(shù)據(jù)運用面板數(shù)據(jù)來建立模型如下：

其中，RBLij代表第i家銀行在第j年的不良貸款率，α0為常數(shù)項，α1、α2、α3分別為行業(yè)集中度、地區(qū)集中度、客戶集中度的回歸系數(shù)，εij為殘差項，IHDij、GHDij、CHDij分別表示第 i家銀行在第 j年的行業(yè)集中度、地區(qū)集中度和客戶集中度。

表6 貸款集中度對不良貸款率影響的回歸結(jié)果

由表6回歸結(jié)果可知，國有銀行和股份制銀行回歸方程的R2都較高，說明方程的擬合效果較好。因此可以分別得到國有商業(yè)銀行和股份制銀行的回歸方程式（2）和（3）。

由以上回歸結(jié)果和回歸方程可以看出，國有商業(yè)銀行和股份制銀行回歸方程的所有解釋變量均顯著，即所有解釋變量具有解釋能力。其中，客戶集中度、行業(yè)集中度以及地區(qū)集中度的系數(shù)都是正數(shù)，說明三者與不良貸款率呈現(xiàn)正相關(guān)關(guān)系，即貸款集中度越高，不良貸款率越高，地區(qū)集中度和客戶集中度對不良貸款率的影響比行業(yè)集中度大。例如國有商業(yè)銀行的行業(yè)集中度（IHD）每增加1單位，不良貸款率增加0.001882個單位；地區(qū)集中度（GHD）每增加1個單位，不良貸款率增加0.053790個單位；客戶集中度（CHD）每增加1個單位，不良貸款率增加0.048174個單位。另外，回歸方程（2）與回歸方程（3）相比，回歸方程（2）各個變量的系數(shù)均大于回歸方程（3），說明國有商業(yè)銀行的行業(yè)集中度、地區(qū)集中度、客戶集中度對不良貸款率的影響要明顯大于股份制銀行，因此在當前不良貸款率激增的背景下，商業(yè)銀行尤其是國有商業(yè)銀行應(yīng)當高度注意貸款的行業(yè)集中度、地區(qū)集中度和客戶集中度，從而有效降低不良貸款率。

四、結(jié)論

本文采用商業(yè)銀行貸款行業(yè)集中度、地區(qū)集中度和客戶集中度三個變量來測算國有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行三類銀行的貸款集中度，并通過建立回歸模型對比分析了這些銀行的貸款集中度對不良貸款率的影響。研究結(jié)果表明：商業(yè)銀行的貸款集中都與不良貸款率正相關(guān)，各類商業(yè)銀行的貸款集中程度與不良貸款的相關(guān)程度不同，其中貸款集中度對國有商業(yè)銀行的影響要大于股份制商業(yè)銀行，這可能是由于國家的產(chǎn)業(yè)政策、銀行間的競爭、自身市場定位等造成。各家銀行對于較高的貸款集中問題，應(yīng)該給予充分關(guān)注，并采取相應(yīng)措施予以降低，從而緩解目前的不良貸款激增問題。

五、政策建議

由本文的研究結(jié)果可以看出，貸款集中度風險是近年來不良貸款率上升的主要原因之一，對此提出以下建議：

1.完善信貸管理體制。健全的法律、法規(guī)是緩解貸款集中問題的關(guān)鍵。因此，一方面要梳理現(xiàn)有的信貸管理制度，使信貸管理由傳統(tǒng)、經(jīng)驗型管理向集約化、科學化管理轉(zhuǎn)變；另一方面要建立涵蓋行業(yè)、區(qū)域、客戶的多維度監(jiān)管體系，科學合理地運用監(jiān)管手段來調(diào)節(jié)、引導(dǎo)商業(yè)銀行的信貸行為，建立良好的經(jīng)濟社會法律環(huán)境，加強貸款集中風險監(jiān)管，最終實現(xiàn)對商業(yè)銀行貸款集中的全方位監(jiān)管。

2.提高銀行的貸款管理能力。隨著利率市場化的推進，銀行的資產(chǎn)定價能力降低，如果貸款定價不能反映風險，就會導(dǎo)致逆向選擇，銀行的大量資產(chǎn)將投放給高風險客戶，貸款質(zhì)量下降，不良貸款率上升。因此，銀行需要加強組織學習，增強管理人員的風險意識和風險控制能力，同時應(yīng)充分估計各類貸款的潛在風險，足額計提撥備，加大呆賬核銷力度，做到應(yīng)核盡核。

3.建立貸款集中度風險預(yù)警機制。為了更科學有效地預(yù)防、化解貸款集中度風險，控制不良貸款規(guī)模，需要制訂相應(yīng)的風險預(yù)警預(yù)案。該預(yù)警預(yù)案應(yīng)包括三大管理系統(tǒng)：一是預(yù)警信號系統(tǒng)，即對圍繞貸款發(fā)放、管理、收回等各環(huán)節(jié)的風險信號進行收集、整理，列出和預(yù)報主要風險預(yù)警信號；二是處置預(yù)案系統(tǒng)，即在對貸款風險信號準確識別的基礎(chǔ)上，分別給出具體處置方案，采取預(yù)防、規(guī)避、抑制、補救等多種手段化解貸款風險；三是責任管理系統(tǒng)，即按照風險信號的不同管理層次和不同風險程度制定責任認定及責任處理程序。

4.重新進行市場定位。貸款集中在短期內(nèi)可以給商業(yè)銀行帶來一定的正面效應(yīng)，但從長期來看，會造成風險集聚，給銀行帶來大量損失。因此各商業(yè)銀行應(yīng)重新進行市場定位，挖掘中小優(yōu)質(zhì)客戶，并根據(jù)中小客戶貸款需要，有針對性地開發(fā)相應(yīng)的信貸方案和風險控制技術(shù)。通過貸款客戶的分散，行業(yè)的分散和地區(qū)的分散，降低商業(yè)銀行的貸款集中度，實現(xiàn)收益的上升和風險的分散，從而提升商業(yè)銀行的經(jīng)營穩(wěn)定性和核心競爭力。

5.加快信息系統(tǒng)與資源共享平臺建設(shè)。隨著我國金融業(yè)的迅速發(fā)展，現(xiàn)有的數(shù)據(jù)儲備以及共享機制已經(jīng)難以滿足銀行的信息需求，大數(shù)據(jù)時代的來臨勢在必行。因此要重視數(shù)據(jù)儲備，加強信息系統(tǒng)與資源共享平臺的建設(shè)，推動計量方法的革新，更精準地監(jiān)測防范金融風險，從而有利于客戶貸款信息的透明化，使銀行更加了解客戶，實現(xiàn)中小微企業(yè)與大企業(yè)擁有同等的貸款地位。

［1］Fischer，Gerald C.The Meaning，Measurement，and Control of Credit Concentration［J］.Journal of Commercial Lending，1993（3）.

［2］L.Douglas Smith，Edward C.Lawrence.Forecasting losses on a liquidating long-term loan portfolio［J］.Journal of Banking&Finance，1995：959-985.

［3］G.Hwan shin，James W.Kolari（2004）.Do some Lenders have information advantages?Evidence from Japanese credit market data［J］.Journal of Banking&Finanee28（2004）：2331-2351.

［4］張鐵鑄.貸款多元化與商業(yè)銀行經(jīng)營狀況的實證研究——基于上市銀行經(jīng)營風險和收益的研究［J］.財經(jīng)研究，2004（7）.

［5］王海霞.銀行風險、收益與客戶貸款集中度——基于城市商業(yè)銀行的實證分析［J］.金融理論與實踐，2009（11）.

［6］顏新秀，王睿.銀行業(yè)集中度風險的計量與監(jiān)管——國際經(jīng)驗及對我國的啟示［J］.中國金融，2010（3）.

［7］王富華，姜姍姍.基于風險與收益的上市銀行貨款集中度研究［J］.經(jīng)濟經(jīng)緯，2012（5）：166-170.

［8］王旭.商業(yè)銀行貸款集中度的風險與收益研究——基于中國18家商業(yè)銀行面板數(shù)據(jù)的分析［J］.金融經(jīng)濟學研究.2013（4）.

［9］徐進前.非均衡條件下信貸資源配置選擇［J］.財貿(mào)經(jīng)濟，2002（12）.

［10］毛永斌，楊兵，李加.房地產(chǎn)貸款集中度風險與防范［J］.現(xiàn)代金融，2007（12）.

［11］呂姝儀.我國投資銀行業(yè)集中度測算及分析［J］.北方經(jīng)貿(mào)，2009（5）.