劉 陽，董俊杰

（南京師范大學(xué) 商學(xué)院，江蘇 南京 210023）

一、引 言

當(dāng)下，信貸資金總體趨緊，商業(yè)銀行對于貸款的投放顯得更加謹(jǐn)慎。從資金的需求方來看，商業(yè)銀行貸款的投向受到不同行業(yè)的資金需求度和國內(nèi)整體的產(chǎn)業(yè)結(jié)構(gòu)以及相關(guān)政策的影響。從商業(yè)銀行內(nèi)部來看，商業(yè)銀行的貸款投向會影響貸款集中的范圍和程度。由于不同的行業(yè)對外部宏觀環(huán)境的反應(yīng)不同，商業(yè)銀行貸款在不同行業(yè)的集中帶來的影響也是不同的。而貸款集中度會通過不同的渠道影響商業(yè)銀行的風(fēng)險(xiǎn)水平以及銀行系統(tǒng)的穩(wěn)定性。目前，無錫市某建行陷入80億鋼貿(mào)貸款的漩渦，影響到該行的正常運(yùn)作，就是一個(gè)貸款集中引發(fā)風(fēng)險(xiǎn)的案例。從國內(nèi)目前的貸款投向來看，國內(nèi)銀行都或多或少存在貸款集中的現(xiàn)象。而且由于羊群效應(yīng)的存在，國內(nèi)商業(yè)銀行的貸款投向又存在一定的相似度。而貸款投向多樣化的缺乏將使社會承擔(dān)更多的潛在成本，這意味著相似的金融機(jī)構(gòu)更有可能在同一時(shí)間面臨問題，從而爆發(fā)系統(tǒng)性風(fēng)險(xiǎn)。因此，金融機(jī)構(gòu)必須高度關(guān)注貸款集中情況。

一般來說，貸款集中度對商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)以及商業(yè)銀行的穩(wěn)定性可能存在兩個(gè)相反方向的影響。一方面，根據(jù)傳統(tǒng)的投資組合理論觀點(diǎn)，貸款投向的多樣化可以大大消除商業(yè)銀行受到的各方面沖擊，增強(qiáng)商業(yè)銀行的穩(wěn)定性。另一方面，根據(jù)學(xué)習(xí)效應(yīng)的觀點(diǎn)，貸款集中度高的商業(yè)銀行，將獲得大量貸款企業(yè)所在行業(yè)的專業(yè)知識，從而能更好地篩選潛在借款人和貸款申請，并進(jìn)行更加有效的監(jiān)控，從而能夠盡早識別出借款人業(yè)務(wù)的惡化，減少商業(yè)銀行的風(fēng)險(xiǎn)。但是，對系統(tǒng)性風(fēng)險(xiǎn)而言，商業(yè)銀行無法通過投資組合進(jìn)行風(fēng)險(xiǎn)分散。那么，是否存在不同的貸款行業(yè)集中度對商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)有不同的影響呢？本文將利用中國10家上市銀行的相關(guān)財(cái)務(wù)報(bào)表數(shù)據(jù)以及股票市場數(shù)據(jù)，計(jì)算貸款行業(yè)集中度和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度，并分析商業(yè)銀行貸款行業(yè)集中度是如何影響系統(tǒng)性風(fēng)險(xiǎn)的。本文的創(chuàng)新之處在于：用實(shí)證分析的方法探究貸款行業(yè)集中度對商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響；基于邊際預(yù)期損失MES方法計(jì)算各家商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度。

二、文獻(xiàn)綜述

從貸款集中度的角度來看，國外學(xué)者 Winton（2000）［1］、Acharya等 （2006）［2］、Evelyn（2007）［3］、Duellmann等（2007）［4］等都對貸款集中度進(jìn)行了相關(guān)研究，并在貸款行業(yè)集中度對商業(yè)銀行風(fēng)險(xiǎn)的影響方面也進(jìn)行了一定的研究。Beck等（2013）［5］搜集了全球2005家銀行的數(shù)據(jù)，利用兩種實(shí)證方法，證明貸款行業(yè)集中對銀行的收益不存在顯著的影響，但會降低銀行的穩(wěn)定性、增加系統(tǒng)性風(fēng)險(xiǎn)。國內(nèi)近幾年也出現(xiàn)了不少該方面的研究，但多數(shù)集中在對貸款集中問題的淺析，并沒有深入地分析貸款集中度與商業(yè)銀行的收益、風(fēng)險(xiǎn)等變量之間的關(guān)系，更少有文章引入數(shù)量分析的方法。而貸款集中度涉及貸款的行業(yè)集中度、貸款的地域集中度以及貸款的客戶集中度三個(gè)方面，魏曉琴和李曉霞（2011）［6］、王旭（2013）［7］的研究涉及到貸款的客戶集中度，而魏曉琴和李曉霞還從客戶、行業(yè)和地域三個(gè)方面測算了貸款集中度，并進(jìn)行了效應(yīng)分析。因此，國內(nèi)現(xiàn)有的研究在貸款行業(yè)集中度方面存在一定的空缺。從各大商業(yè)銀行貸款投向的數(shù)據(jù)來看，我國商業(yè)銀行的貸款投放的確存在向部分行業(yè)集中的現(xiàn)象，由于各個(gè)行業(yè)所處的生命周期以及對宏觀經(jīng)濟(jì)環(huán)境的反應(yīng)不同，貸款在不同行業(yè)的集中會產(chǎn)生不同的影響。當(dāng)貸款集中在衰退期行業(yè)或者順應(yīng)經(jīng)濟(jì)周期型行業(yè)，一旦經(jīng)濟(jì)不景氣，商業(yè)銀行將面臨較大的風(fēng)險(xiǎn)。由于國內(nèi)的商業(yè)銀行同質(zhì)化現(xiàn)象較為嚴(yán)重，單個(gè)銀行的風(fēng)險(xiǎn)很容易傳遞給其他金融企業(yè)，從而影響整個(gè)金融業(yè)的穩(wěn)定。

從系統(tǒng)性風(fēng)險(xiǎn)來看，金融危機(jī)前，各國金融機(jī)構(gòu)都將風(fēng)險(xiǎn)管理的重點(diǎn)放在單個(gè)銀行自身的風(fēng)險(xiǎn)上，較少注意到金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)相關(guān)性以及傳染性。金融危機(jī)以來，系統(tǒng)性風(fēng)險(xiǎn)得到了金融機(jī)構(gòu)以及監(jiān)管機(jī)構(gòu)的廣泛關(guān)注，國內(nèi)外學(xué)者也紛紛加強(qiáng)對系統(tǒng)性風(fēng)險(xiǎn)的研究。Hart O.和Zingales L.（2009）認(rèn)為系統(tǒng)性風(fēng)險(xiǎn)是指一家機(jī)構(gòu)的倒閉引起系統(tǒng)內(nèi)其他機(jī)構(gòu)的倒閉，從而引發(fā)的對實(shí)體經(jīng)濟(jì)影響的風(fēng)險(xiǎn)［8］。從系統(tǒng)性風(fēng)險(xiǎn)的度量來看，國外學(xué)者通過多種手段對系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了度量。Segoviano和Goodhart（2009）運(yùn)用銀行系統(tǒng)的多元密度函數(shù)（BSMD），提出了測量系統(tǒng)性風(fēng)險(xiǎn)的方法［9］。Mistrulli（2010）搜集了相關(guān)實(shí)際數(shù)據(jù)，并運(yùn)用CoVaR方法分析了意大利各商業(yè)銀行的系統(tǒng)重要性具體貢獻(xiàn)［10］。Kritzman等（2010）運(yùn)用主成分分析法，提出了用“吸收率”（Absorption Ratio）這一指標(biāo)來度量系統(tǒng)性風(fēng)險(xiǎn)［11］。Drehmann等（2011）利用金融機(jī)構(gòu)資產(chǎn)收益在統(tǒng)計(jì)上的尾部行為度量了系統(tǒng)性風(fēng)險(xiǎn)和金融機(jī)構(gòu)對整個(gè)金融系統(tǒng)或其他金融機(jī)構(gòu)的風(fēng)險(xiǎn)貢獻(xiàn)程度［12］。此外，Illing 和Liu（2003）［13］，Cardarelli等（2009）［14］分別以系統(tǒng)性風(fēng)險(xiǎn)程度為被解釋變量構(gòu)建了不同國家和地區(qū)的系統(tǒng)性風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。相較于國外的研究，由于技術(shù)水平以及數(shù)據(jù)資料的限制，國內(nèi)對系統(tǒng)性風(fēng)險(xiǎn)的研究相對簡單，少有提及邊際預(yù)期損失的方法來度量系統(tǒng)性風(fēng)險(xiǎn)。翟金林（2001）認(rèn)為，銀行系統(tǒng)性風(fēng)險(xiǎn)成因較為復(fù)雜，既受到銀行內(nèi)部機(jī)制問題的影響，也受到投機(jī)性沖擊、風(fēng)險(xiǎn)的溢出與傳染等外在因素的影響［15］。高國華和潘英麗（2011）運(yùn)用了金融機(jī)構(gòu)溢出風(fēng)險(xiǎn)的條件CoVaR模型以及股價(jià)數(shù)據(jù)對中國14家上市商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度及其影響因素進(jìn)行度量［16］。朱元倩和苗雨峰（2012）梳理了不同市場數(shù)據(jù)模型的發(fā)展脈絡(luò)，總結(jié)了系統(tǒng)性風(fēng)險(xiǎn)度量方法的最新研究成果，并涉及CoRisk等多種模型［17］。

從以上分析可以看出，貸款行業(yè)集中度可能對商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)存在潛在的重要影響，而國內(nèi)尚未有文章將兩者結(jié)合進(jìn)行分析。并且在系統(tǒng)性風(fēng)險(xiǎn)的度量方面，國內(nèi)學(xué)者也少有用到邊際預(yù)期損失的方法。因此，本文將主要利用邊際預(yù)期損失方法度量我國商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)，并建立實(shí)證模型，分析貸款行業(yè)集中度對商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響。

三、變量、數(shù)據(jù)及模型

（一）變量的選擇

本文主要涉及兩個(gè)變量，即貸款行業(yè)集中度指標(biāo)以及系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度指標(biāo)。由于國內(nèi)對貸款行業(yè)集中度的關(guān)注較少，指標(biāo)的創(chuàng)新程度較低，可選擇的指標(biāo)范圍較小，一般集中在財(cái)務(wù)報(bào)表數(shù)據(jù)。國外的有關(guān)研究也會采用股票市場數(shù)據(jù)計(jì)算貸款行業(yè)集中度，但是考慮到國內(nèi)股票市場發(fā)展尚未完善，股票市場數(shù)據(jù)并不能客觀真實(shí)地反映相關(guān)信息。因此，本文將選擇使用頻率較高的赫芬達(dá)爾—赫希曼指數(shù)（HHI）作為貸款行業(yè)集中度的計(jì)算指標(biāo)。赫芬達(dá)爾—赫希曼指數(shù)是測量行業(yè)集中度的常用指標(biāo)，則t年銀行i的貸款行業(yè)集中度HHI指數(shù)的計(jì)算方法如下：

λ是指行業(yè)的類別，N是指行業(yè)類別的總數(shù)，Xλ，i，t是指t年銀行i的第λ類貸款的數(shù)額。本文中，N值是8，即將10家商業(yè)銀行的所有公司貸款分為8個(gè)行業(yè)類別。HHI指數(shù)囊括了所有貸款行業(yè)的貸款占比情況，能較為全面地反映貸款行業(yè)集中度的情況?？紤]到各家商業(yè)銀行之間行業(yè)分類有所不同，國民經(jīng)濟(jì)行業(yè)分類標(biāo)準(zhǔn)也在2011年進(jìn)行了調(diào)整。因此，在計(jì)算貸款行業(yè)集中度指標(biāo)時(shí)，必須對各家商業(yè)銀行的貸款行業(yè)分類進(jìn)行調(diào)整，使得各家商業(yè)銀行在各個(gè)年度的貸款行業(yè)分類相同，保證貸款行業(yè)集中度指標(biāo)的可比性。

本文中，商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度將使用邊際期望損失（Marginal Expected Shortfall）進(jìn)行度量。系統(tǒng)性期望損失和邊際期望損失方法是由Acharya等學(xué)者在2010年提出的［18］。該方法不僅度量了門限值以外的所有損失，具有可加性，解決了條件在險(xiǎn)價(jià)值（CoVaR）的不足之處，并且能預(yù)測發(fā)生系統(tǒng)性金融危機(jī)時(shí)某一金融機(jī)構(gòu)對整個(gè)系統(tǒng)的邊際風(fēng)險(xiǎn)貢獻(xiàn)度。最重要的是，該方法能很好地與宏觀審慎監(jiān)管理論結(jié)合，從而實(shí)現(xiàn)對金融危機(jī)的有效預(yù)警和防范。在國外，該方法受到了眾多學(xué)者的廣泛推崇，但是國內(nèi)針對系統(tǒng)性期望損失和邊際期望損失這一度量方法的研究則相對較少，而且研究涉及的范圍也相對單一，主要涉及系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的測量以及影響因素的分析。范小云、王道平和方意（2011）［19］測度了我國金融機(jī)構(gòu)在美國次貸危機(jī)期間以及危機(jī)前后對金融系統(tǒng)的邊際風(fēng)險(xiǎn)貢獻(xiàn)度，指出了我國金融機(jī)構(gòu)的邊際風(fēng)險(xiǎn)貢獻(xiàn)度具有明顯的周期性特征，應(yīng)加強(qiáng)對高邊際風(fēng)險(xiǎn)貢獻(xiàn)度和高杠桿率的金融機(jī)構(gòu)的監(jiān)管。方意、趙勝民和王道平（2012）利用DCC－GARCH模型及隨機(jī)模擬法對我國金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行測度，并分析了我國金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的影響因素，該研究指出：系統(tǒng)性風(fēng)險(xiǎn)水平由資產(chǎn)規(guī)模、杠桿率以及邊際期望損失決定，并且系統(tǒng)性風(fēng)險(xiǎn)與這三個(gè)因素成正比［20］。此外，大部分股份制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)水平較高，城市商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)水平較低。孫慧玲、趙罡、徐秀文（2014）借鑒卡普蘭和諾頓先進(jìn)的戰(zhàn)略實(shí)施理論，首先經(jīng)分析認(rèn)定戰(zhàn)略控制的主要風(fēng)險(xiǎn)是戰(zhàn)略內(nèi)容風(fēng)險(xiǎn)與戰(zhàn)略實(shí)施風(fēng)險(xiǎn)，將戰(zhàn)略控制系統(tǒng)分為戰(zhàn)略交互系統(tǒng)和戰(zhàn)略診斷系統(tǒng)兩個(gè)子系統(tǒng)；然后通過設(shè)計(jì)我國商業(yè)銀行的戰(zhàn)略地圖模板詳述戰(zhàn)略交互系統(tǒng)的核心原理，通過設(shè)計(jì)我國商業(yè)銀行的平衡計(jì)分卡模板詳述戰(zhàn)略診斷系統(tǒng)的核心原理。這樣，通過理順戰(zhàn)略控制系統(tǒng)框架，并將戰(zhàn)略地圖和平衡計(jì)分卡這兩個(gè)國外銀行行之有效的管理工具有機(jī)融入［21］。郭衛(wèi)東（2013）則指出：“銀行的不良貸款率、杠桿率和總資產(chǎn)收益率是決定其對整個(gè)金融系統(tǒng)風(fēng)險(xiǎn)邊際貢獻(xiàn)度的重要因素”［22］。理論上來說，銀行i在時(shí)間t的MES值是通過下述公式計(jì)算得出的。

其中，ri，t表示銀行i在t日的每日股票收益率，rm，t是指t日基于股票大盤指數(shù)的收益率，Q是一個(gè)極端的百分比。按照國外文獻(xiàn)中常見的做法，本文將利用收益率平均值的相反數(shù)計(jì)算MES，這樣更高的MES值意味著更高的系統(tǒng)性風(fēng)險(xiǎn)暴露。本文中我們將計(jì)算每個(gè)年度每一樣本銀行的MES，并且依照慣例將Q設(shè)為15%，股票大盤指數(shù)在本文中使用的是滬深300指數(shù)。這樣，在t年，市場經(jīng)歷居于最低的5%的收益時(shí)，MESi，t的值等于銀行i在t年每一美元股權(quán)的預(yù)期損失。除了貸款行業(yè)集中度和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度這兩個(gè)主要的指標(biāo)外，考慮到國內(nèi)銀行規(guī)模差距較大，本文將引入銀行的資產(chǎn)規(guī)模（BS）作為控制變量。

（二）數(shù)據(jù)的選擇

本文將選取2007—2012年的年度數(shù)據(jù)作為本文的數(shù)據(jù)范圍?？紤]到數(shù)據(jù)的可得性以及各家商業(yè)銀行之間貸款行業(yè)集中度的差異，本文將選取10家上市商業(yè)銀行作為研究對象。計(jì)算HHI指數(shù)所需的數(shù)據(jù)來自10家上市商業(yè)銀行年度財(cái)務(wù)報(bào)告中公司貸款行業(yè)分類的數(shù)據(jù)，大部分商業(yè)銀行在財(cái)務(wù)報(bào)表的附注中呈現(xiàn)該組數(shù)據(jù)的。計(jì)算MES值所需的10家上市商業(yè)銀行每日股票收益率以及股票大盤收益率的數(shù)據(jù)則是從國泰安數(shù)據(jù)庫中獲取的，大盤指數(shù)則選取了滬深300指數(shù)作為判斷收益最差的5%的日期的標(biāo)準(zhǔn)?？刂谱兞緽S則選取銀行的資產(chǎn)規(guī)模的數(shù)值，可以直接在各家商業(yè)銀行的年度財(cái)務(wù)報(bào)表中獲得。

（三）模型的選擇

本文涉及10家上市商業(yè)銀行2007－2012年間的相關(guān)數(shù)據(jù)，既有時(shí)間變量又有截面變量，因此需使用面板數(shù)據(jù)模型。而面板數(shù)據(jù)模型又可分為：固定效應(yīng)模型、隨機(jī)效應(yīng)模型以及混合模型。本文將在實(shí)證分析中，針對具體數(shù)值，利用Stata12.0軟件確定具體的面板數(shù)據(jù)模型。

四、實(shí)證分析

（一）描述統(tǒng)計(jì)分析

描述統(tǒng)計(jì)分析能詳細(xì)了解變量的變動范圍以及變動幅度，從而能對變量有一個(gè)更好了解。從表1可以看到，經(jīng)過對數(shù)化處理后，不同商業(yè)銀行之間的資產(chǎn)規(guī)模的差異相對較小，最小值為11.24，最大值為16.45。與商業(yè)銀行的資產(chǎn)規(guī)模BS相比，HHI值以及MES值的變動范圍較大，說明不同商業(yè)銀行之間以及不同年度之間貸款行業(yè)集中度，商業(yè)銀行對系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度存在較大差異。同時(shí)，在計(jì)算貸款行業(yè)集中度HHI時(shí)，我們發(fā)現(xiàn)2009年以后，國內(nèi)商業(yè)銀行的貸款行業(yè)集中度總體呈現(xiàn)下降趨勢。這在一定程度上表明國內(nèi)商業(yè)銀行在金融危機(jī)爆發(fā)后，對由于貸款過度集中引發(fā)的相關(guān)風(fēng)險(xiǎn)加強(qiáng)了關(guān)注，開始注重貸款投向的多樣化。目前，商業(yè)銀行的貸款主要投向制造業(yè)、商業(yè)、交通運(yùn)輸、倉儲和郵政業(yè)以及房地產(chǎn)業(yè)這幾大行業(yè)，并且投向制造業(yè)的貸款規(guī)模占到貸款總體規(guī)模的30%左右。從貸款結(jié)構(gòu)來看，商業(yè)銀行貸款主要投向周期性行業(yè)以及成長型和成熟型行業(yè)，因此存在一定的風(fēng)險(xiǎn)。

表1 描述統(tǒng)計(jì)分析

圖1詳細(xì)地描述了10家上市商業(yè)銀行2007—2012年對系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的變化情況。從時(shí)間上來看，在2007—2012年間各家商業(yè)銀行均在2008年達(dá)到了MES的最大值，2008年以后除平安銀行、興業(yè)銀行和南京銀行外，各家銀行的MES值均呈現(xiàn)遞減趨勢。2008年正是銀行業(yè)面臨金融危機(jī)的時(shí)期，因此，金融危機(jī)時(shí)期商業(yè)銀行面臨的系統(tǒng)性風(fēng)險(xiǎn)較大。同時(shí)，我們也可以從商業(yè)銀行對系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度預(yù)測危機(jī)發(fā)生的可能性，從而在潛在的危機(jī)發(fā)生前做好預(yù)警工作。從各家商業(yè)銀行之間的比較來看，建設(shè)銀行、中國銀行對系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度較小，華夏銀行對系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度相對較大。我們可以認(rèn)為股份制商業(yè)銀行擁有較大的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度，因此要更加關(guān)注系統(tǒng)性風(fēng)險(xiǎn)的影響。

圖1 10家上市商業(yè)銀行2007—2012年MES值

（二）平穩(wěn)性檢驗(yàn)

為了保證回歸結(jié)果的可靠性，避免出現(xiàn)“偽回歸”現(xiàn)象，在進(jìn)行回歸分析前，首先要對變量序列進(jìn)行平穩(wěn)性分析。面板數(shù)據(jù)的平穩(wěn)性檢驗(yàn)與時(shí)間序列數(shù)據(jù)的平穩(wěn)性檢驗(yàn)方法存在一定的差別，方法主要有：Quah檢驗(yàn)、LLC檢驗(yàn)、Breitung檢驗(yàn)、IPS檢驗(yàn)、Hadri檢驗(yàn)以及Bai－Ng檢驗(yàn)等。為了保證平穩(wěn)性檢驗(yàn)結(jié)果準(zhǔn)確性，本文將同時(shí)采用LLC檢驗(yàn)和Fisher－ADF檢驗(yàn)兩種方法進(jìn)行平穩(wěn)性檢驗(yàn)。

表2 平穩(wěn)性檢驗(yàn)

從表2可以看到，在5%的顯著性水平下，變量BS、HHI以及MES的P值都為0，即都通過了檢驗(yàn)，說明三個(gè)變量序列都是平穩(wěn)序列。

（三）回歸分析

表3顯示了分別根據(jù)固定效應(yīng)模型和隨機(jī)效應(yīng)模型得出的回歸結(jié)果。

從表3中可以看到，無論是在固定效應(yīng)模型還是隨機(jī)效應(yīng)模型中，在5%的顯著性水平下，各變量都通過了顯著性檢驗(yàn)，擬合優(yōu)度也較高。但是相對而言，固定效應(yīng)模型的擬合優(yōu)度更高。從豪斯曼檢驗(yàn)的結(jié)果也可以得出：固定效應(yīng)模型要優(yōu)于隨機(jī)效應(yīng)模型。因此，本文將選取固定效應(yīng)模型作為回歸分析的基礎(chǔ)。在該模型的回歸結(jié)果中：上市商業(yè)銀行規(guī)模BS的系數(shù)為－4.976809，貸款行業(yè)集中度HHI的系數(shù)為0.2986403。因此，系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度與上市商業(yè)銀行規(guī)模成反比，與貸款行業(yè)集中度成正比。我們可以認(rèn)為，規(guī)模越大的商業(yè)銀行越穩(wěn)定，貸款行業(yè)的過度集中將增加商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)。

表3 回歸分析

五、結(jié)論及對策建議

從上述研究我們可以得出：貸款投向的過度集中將增加商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度，從而易于發(fā)生系統(tǒng)性風(fēng)險(xiǎn)。但是由于MES方法計(jì)算的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度所使用的是股票市場數(shù)據(jù)，我國的上市商業(yè)銀行數(shù)量有限且上市時(shí)間短，因而該方法的使用可能存在限制。此外，從上述分析中可以看到，規(guī)模較大的銀行，穩(wěn)定性相對較高。而股份制商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度較高，因此在眾多商業(yè)銀行中股份制商業(yè)銀行尤其要關(guān)注系統(tǒng)性風(fēng)險(xiǎn)。一般來講，商業(yè)銀行可以從以下幾個(gè)方面采取措施，進(jìn)一步防范由貸款行業(yè)集中度引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)。

（一）合理分配貸款資源

近年來，緊俏的資金規(guī)模讓商業(yè)銀行逐漸認(rèn)識到改變粗放式貸款管理理念的重要性。貸款資源的配置既要有利于實(shí)體經(jīng)濟(jì)的發(fā)展，又能不妨礙商業(yè)銀行的穩(wěn)定。因此，商業(yè)銀行在貸款投放過程中，要對貸款的整體配置做好詳細(xì)的規(guī)劃。在商業(yè)銀行的總行做好整體調(diào)控的同時(shí)，各分支機(jī)構(gòu)也要重視自身貸款資源的合理配置。在貸款投放過程中，商業(yè)銀行要密切關(guān)注各行業(yè)的發(fā)展變化、貸款企業(yè)之間的關(guān)聯(lián)關(guān)系以及行業(yè)相關(guān)性，并加強(qiáng)對突發(fā)事件的反應(yīng)能力，防止因部分行業(yè)效益變動引發(fā)的大規(guī)模違約事件。

（二）建立系統(tǒng)性風(fēng)險(xiǎn)預(yù)警機(jī)制

利用MES方法得到的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度是根據(jù)上市商業(yè)銀行在股票市場上的每日收益率以及大盤指數(shù)的收益率得到的，計(jì)算方法較為簡便，并且可以得到不同時(shí)間段的MES值，隨時(shí)了解系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的變化。根據(jù)方意、趙勝民和王道平（2012）研究，我們知道系統(tǒng)性風(fēng)險(xiǎn)水平由資產(chǎn)規(guī)模、杠桿率以及邊際期望損失決定［20］。因而，商業(yè)銀行可以根據(jù)計(jì)算所得的MES值，建立系統(tǒng)性風(fēng)險(xiǎn)的預(yù)警指標(biāo)，隨時(shí)監(jiān)控系統(tǒng)性風(fēng)險(xiǎn)的變化，從而及時(shí)采取預(yù)防措施，防范系統(tǒng)性風(fēng)險(xiǎn)。

（三）改進(jìn)人才引入模式

目前，商業(yè)銀行的招聘機(jī)制決定了商業(yè)銀行引入的人才大部分是金融、財(cái)務(wù)管理、會計(jì)等方面的應(yīng)屆畢業(yè)生。而從商業(yè)銀行貸款的投放來看，商業(yè)銀行更需要一些有各行業(yè)專業(yè)知識的復(fù)合型人才。因此，一方面，商業(yè)銀行可以面向社會吸收一些有其他行業(yè)經(jīng)驗(yàn)的高素質(zhì)人才；另一方面，商業(yè)銀行可以建立顧問機(jī)制，聘請相關(guān)領(lǐng)域的專家顧問，以便信貸人員可以及時(shí)咨詢、了解各行業(yè)的發(fā)展態(tài)勢，進(jìn)一步提高信貸資金的安全性。

［1］ANDREW，WINTON.Don’t put all your eggs in one basket？：diversification and specialization in lending［R］.Wharton Financial Institutions Center Paper，2000：28－29.

［2］VIRAL，ACHARYA，IFEKHAR HASAN，SAUNDERS.Should banks be diversified？evidence from individual bank loan portfolios［J］.The Journal of Business，2006（79）：1355－1412.

［3］EVELYN HAYDEN，Does diversification improve the performance of German banks？evidence from individual bank loan portfolios［J］.Journal of Financial Services Research，2007（32）：123－140.

［4］KLAUS DUELLMANN，NANCY MASSCHELEIN.A tractable model to measure sector concentration risk in credit portfolios［J］.Journal of Financial Services Research，2007（32）：55－79.

［5］THORSTEN BECK，OLIVIER D J，GLENN S，Bank competition and stability：crosscountry heterogeneity［J］.Journal of Financial Intermediation，2013（22）：218－244.

［6］魏曉琴，李曉霞.我國商業(yè)銀行貸款集中度的測算及效應(yīng)分析［J］.金融理論與實(shí)踐，2011（4）：22－26.

［7］王旭.商業(yè)銀行貸款集中度的風(fēng)險(xiǎn)與收益研究［J］.金融經(jīng)濟(jì)學(xué)研究，2013（7）：49－59.

［8］HART O，ZINGALES L.How to avoid a new financial crisis［R］.NBER Working Papar，2009.

［9］SEGOVIANO M，GOODHART C.Banking stability measures［R］.IMF Working Paper，2009（4）：90－100.

［10］MISTRULLI，PAOLO EMILIO.Assessing financial contagion in the interbank market：maximum entropy versus observed interbank lending patterns［J］.Journal of Banking ＆Finance，2011，35（5）：1114－1127.

［11］KRITZMAN M LI Y，PAGE S，RIGOBON R，Principal components as a measure of systemic risk［R］.MIT Sloan Research Paper，2010（47）：85－90.

［12］MATHIA DREHMANN，NIKOLA A.Systemic importance：some simple indicators［R］.BIS Quarterly Review，2011：71－77.

［13］ILLING M，LIU Y.An index of financial stress for canada［R］.Bank of Canada Working Paper，2003（2000）：3－14.

［14］CARDARELLI R，SELIM E，SUBIR L.Financial stress，downturns and recoveries，forthcoming［R］.IMF Working Paper，2009：69－82.

［15］翟金林.銀行系統(tǒng)性風(fēng)險(xiǎn)的成因及防范研究［J］.南開學(xué)報(bào)，2001（4）：83－89.

［16］高國華，潘英麗.銀行系統(tǒng)性風(fēng)險(xiǎn)度量——基于動態(tài)CoVaR方法的分析［J］.上海交通大學(xué)學(xué)報(bào)，2011（12）：1753－1759.

［17］朱元倩，苗雨峰.關(guān)于系統(tǒng)性風(fēng)險(xiǎn)度量和預(yù)警的模型綜述［J］.國際金融研究，2012（1）：79－88.

［18］V ACHARYA L PEDERSEN T，PHILIPPON，M RICHARDSON.Measuring systemic risk［R］.NYU Working Paper，2010：81－88.

［19］范小云，王道平，方意.我國金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)測度與監(jiān)管——基于邊際風(fēng)險(xiǎn)貢獻(xiàn)于杠桿率的研究［J］.南開經(jīng)濟(jì)研究，2011（4）：3－20.

［20］方意，趙勝民，王道平.我國金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)測度——基于DCC－GARCH模型的研究［J］.金融監(jiān)管研究，2012（11）：26－42.

［21］孫慧玲，趙罡，徐秀文.轉(zhuǎn)型背景下我國商業(yè)銀行戰(zhàn)略控制系統(tǒng)研究［J］.哈爾濱商業(yè)大學(xué)：社會科學(xué)版，2014（2）：85－92.

［22］郭衛(wèi)東.中國上市銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)測度及其影響因素——基于MES方法的實(shí)證分析［J］.金融論壇，2013（2）：16－21.