應(yīng)海芬

（臺(tái)州職業(yè)技術(shù)學(xué)院管理學(xué)院，浙江臺(tái)州318000）

金融發(fā)展關(guān)系著國(guó)民經(jīng)濟(jì)的健康發(fā)展，當(dāng)前國(guó)民經(jīng)濟(jì)發(fā)展處于新常態(tài)，國(guó)內(nèi)生產(chǎn)總值（GDP）增速降低。2015年第三季度的統(tǒng)計(jì)數(shù)據(jù)表明，GDP累計(jì)值為487 773.5億元，比上年同期增長(zhǎng)了6.9%，當(dāng)季值為173 595.3億元，比上年同期增長(zhǎng)了6.9%。從2011年第三季度至2015年第三季度的GDP環(huán)比增長(zhǎng)率均值為1.78%，最高值為2013年第三季度的2.2%，最低為2015年第一季度的1.3%。這幾年的數(shù)據(jù)顯示，自然年度內(nèi)的GDP季度環(huán)比增長(zhǎng)率的最高點(diǎn)與最低點(diǎn)均呈現(xiàn)下滑的趨勢(shì)，由此可見(jiàn)經(jīng)濟(jì)下行壓力明顯。同時(shí)，經(jīng)濟(jì)結(jié)構(gòu)面臨轉(zhuǎn)型升級(jí)、金融業(yè)態(tài)更加多樣化，銀行業(yè)面臨著前所未有的挑戰(zhàn)，監(jiān)管層對(duì)金融穩(wěn)定、銀行資產(chǎn)質(zhì)量非常關(guān)注。

關(guān)于經(jīng)濟(jì)增長(zhǎng)、商業(yè)銀行不良貸款率的研究一直是學(xué)術(shù)界的研究熱點(diǎn)。經(jīng)濟(jì)呈周期型發(fā)展，在不同發(fā)展階段，社會(huì)投資、消費(fèi)、出口表現(xiàn)不同，經(jīng)濟(jì)的增速也不同。一種觀點(diǎn)認(rèn)為，我國(guó)商業(yè)銀行不良貸款與經(jīng)濟(jì)增長(zhǎng)正相關(guān)關(guān)系，在經(jīng)濟(jì)增長(zhǎng)各個(gè)階段，每個(gè)國(guó)家的不良貸款率顯現(xiàn)出不同的特征（李宏瑾）。另一種觀點(diǎn)認(rèn)為，不良貸款率制約著經(jīng)濟(jì)增長(zhǎng)，經(jīng)濟(jì)增長(zhǎng)對(duì)不良貸款率的波動(dòng)作用不明顯，但影響其向下的變動(dòng)（岳蓓蓓、鄭循剛）。研究的角度不同，結(jié)果也不一致，但是值得肯定的是，不良貸款率是銀行業(yè)普遍關(guān)注的指標(biāo)，認(rèn)清不良貸款率對(duì)銀行業(yè)的影響，防止商業(yè)銀行不良競(jìng)爭(zhēng)導(dǎo)致風(fēng)險(xiǎn)負(fù)擔(dān)過(guò)大（彭建剛、鄒克、張倚勝）。現(xiàn)有的實(shí)證研究大多以商業(yè)銀行作為一個(gè)整體進(jìn)行研究，而較少分類(lèi)、單獨(dú)研究城市商業(yè)銀行，原因主要在于其發(fā)展歷史較短，公開(kāi)的財(cái)務(wù)數(shù)據(jù)及其他監(jiān)管數(shù)據(jù)獲取較難。然而不可否認(rèn)的是，城市商業(yè)銀行與其他商業(yè)銀行比較，在客戶(hù)群、經(jīng)營(yíng)策略等方面有明顯的區(qū)別，且已經(jīng)開(kāi)始在我國(guó)金融系統(tǒng)中發(fā)揮越來(lái)越重要的作用。本文以城市商業(yè)銀行為研究對(duì)象，分析其不良貸款率與經(jīng)濟(jì)增長(zhǎng)之間的聯(lián)系，為城市商業(yè)銀行防范風(fēng)險(xiǎn)提出建議。

一、城市商業(yè)銀行及其發(fā)展現(xiàn)狀

城市商業(yè)銀行（以下簡(jiǎn)稱(chēng)“城商行”）從城市信用社發(fā)展而來(lái)，后來(lái)城信社不良貸款高企、風(fēng)險(xiǎn)問(wèn)題突出。1994年經(jīng)過(guò)清理整頓后，全國(guó)5 200余家城信社有很多不良貸款率超過(guò)50%，仍面臨嚴(yán)峻考驗(yàn)。后經(jīng)國(guó)務(wù)院決策，經(jīng)過(guò)重組合并，轉(zhuǎn)制為城市合作銀行，再整體更名為城商行。城商行是以服務(wù)地方經(jīng)濟(jì)為主，主要為中小企業(yè)提供中介服務(wù)的金融機(jī)構(gòu)，是地方金融系統(tǒng)中的重要組成部分，提升了我國(guó)金融市場(chǎng)的活力。根據(jù)銀監(jiān)會(huì)統(tǒng)計(jì)口徑，我國(guó)商業(yè)銀行有五類(lèi)。截至2014年底，我國(guó)城市商業(yè)銀行共有133家，在商業(yè)銀行的總量中占比較高（見(jiàn)圖1）。

圖1 全國(guó)銀行業(yè)金融機(jī)構(gòu)法人機(jī)構(gòu)數(shù)（截至2014年底）

圖2 商業(yè)銀行市場(chǎng)份額占比（按資產(chǎn)，2003—2014年）

從發(fā)展歷史來(lái)看，城商行是為了服務(wù)個(gè)體戶(hù)和民營(yíng)企業(yè)應(yīng)運(yùn)而生的，其戰(zhàn)略定位與大型商業(yè)銀行、股份制商業(yè)銀行不同，其發(fā)展的優(yōu)勢(shì)在于提供特色化、差異化的服務(wù)，在競(jìng)爭(zhēng)中地毯式搶占客戶(hù)，取得優(yōu)勢(shì)。全國(guó)銀行業(yè)金融機(jī)構(gòu)的資產(chǎn)結(jié)構(gòu)趨于合理化，銀行業(yè)競(jìng)爭(zhēng)更加激烈。從圖2可知，近十多年來(lái)，大型商業(yè)銀行的市場(chǎng)份額雖然曾經(jīng)占據(jù)半壁江山，但份額已逐年減少，而股份制銀行、城商行等中小商業(yè)銀行的市場(chǎng)份額在逐年擴(kuò)大。銀行業(yè)金融機(jī)構(gòu)資產(chǎn)規(guī)模逐年穩(wěn)步上升，2014年底總資產(chǎn)規(guī)模達(dá)到172萬(wàn)億元，比上年同期增長(zhǎng)了13.86%（見(jiàn)圖3）。其中，城商行總資產(chǎn)規(guī)模的市場(chǎng)份額為10.49%，且份額有逐年上升趨勢(shì)。到2015年第三季度，城商行總資產(chǎn)規(guī)模為21.2萬(wàn)億元，市場(chǎng)份額為11%（見(jiàn)圖4）。將三類(lèi)銀行的資產(chǎn)對(duì)比來(lái)看，大型商業(yè)銀行資產(chǎn)總值最高，城商行排在最后，但其總資產(chǎn)與股份制商業(yè)銀行較為接近，與大型商業(yè)銀行差距較大（見(jiàn)圖5）。從三類(lèi)銀行資產(chǎn)每年的增速來(lái)看，大型商業(yè)銀行的增速近幾年已降至10%以下，低于城商行與股份制商業(yè)銀行。城商行近年來(lái)資產(chǎn)增速較快，超越股份制商業(yè)銀行。一方面與城商行資產(chǎn)的基數(shù)相對(duì)較小有關(guān)，而另一方面也說(shuō)明了受政策利好，城商行的資產(chǎn)擴(kuò)張速度較快。從圖5、圖6可以看出，雖然近年來(lái)，商業(yè)銀行的資產(chǎn)呈總體上升的趨勢(shì)，2009—2010年資產(chǎn)增速達(dá)到頂峰，之后，這三類(lèi)銀行的資產(chǎn)增速均出現(xiàn)了連續(xù)下降。

圖3 銀行業(yè)金融機(jī)構(gòu)總資產(chǎn)與總負(fù)債（2003—2014年）

圖4 城商行總資產(chǎn)與總負(fù)債（2005Q1—2015Q3）

圖5 商業(yè)銀行總資產(chǎn)（2004—2014年，單位：億元）

圖6 商業(yè)銀行總資產(chǎn)年增速（2004—2014年）

圖7 城商行不良貸款余額、不良貸款率（2005Q1—2015Q3）

二、城商行不良貸款率影響因素分析

依據(jù)商業(yè)銀行貸款的風(fēng)險(xiǎn)程度，不良貸款率如下：

當(dāng)商業(yè)銀行不良貸款率上升時(shí)，意味著該銀行信用風(fēng)險(xiǎn)增加，將會(huì)有更多貸款收不回來(lái)，銀行資產(chǎn)會(huì)遭受更多損失。從圖7可知，2005年第一季度起，城商行的不良貸款余額與不良貸款率均呈下降趨勢(shì)，直到2011—2012年出現(xiàn)轉(zhuǎn)折，2013年第一季度開(kāi)始至2015年第三季度出現(xiàn)了不良貸款余額與不良貸款率的持續(xù)“雙升”，表現(xiàn)堪憂(yōu)。在各類(lèi)商業(yè)銀行中，城商行的不良貸款率相對(duì)較低，2015年第三季度各商業(yè)銀行不良貸款率從低到高排，分別為城商行1.44%、股份制商業(yè)銀行1.49%、大型商業(yè)銀行1.54%、農(nóng)村商業(yè)銀行2.35%。除農(nóng)商行外，各類(lèi)商業(yè)銀行不良貸款的排序與資產(chǎn)規(guī)?；境收蜿P(guān)聯(lián)。一般情況下，資產(chǎn)規(guī)模較大的商業(yè)銀行，發(fā)放的貸款總額也較大，而貸款總額大了，不良貸款自然也更多。對(duì)比五類(lèi)商業(yè)銀行可以看出，城商行在不良貸款余額與不良貸款率的控制方面明顯優(yōu)于農(nóng)村商業(yè)銀行，不完全是因?yàn)橘Y產(chǎn)規(guī)模小的因素（見(jiàn)表1）。

表1 各類(lèi)商業(yè)銀行排序（截至2015Q3）

撥備覆蓋率是影響商業(yè)銀行不良貸款率的重要指標(biāo)，它通過(guò)衡量商業(yè)銀行貸款損失準(zhǔn)備金來(lái)考察銀行風(fēng)險(xiǎn)的可控程度，計(jì)算公式如下：

如果撥備覆蓋率過(guò)低，則說(shuō)明計(jì)提的貸款損失準(zhǔn)備金過(guò)少，而銀行在應(yīng)對(duì)風(fēng)險(xiǎn)損失時(shí)無(wú)法彌補(bǔ)，進(jìn)而引起不良貸款率上升，但是過(guò)高又會(huì)降低商業(yè)銀行的盈利能力。我國(guó)商業(yè)銀行2015年前3季度的平均撥備覆蓋率為200.38%，而城市商業(yè)銀行的平均撥備覆蓋率為222.01%，為商業(yè)銀行中最高，城商行在風(fēng)險(xiǎn)抵補(bǔ)方面具有優(yōu)勢(shì)。

城商行的貸款集中度也會(huì)影響其貸款的收回，貸款集中度可以衡量貸款在地區(qū)、行業(yè)、客戶(hù)的分布情況是否合理。與投資分散原則一樣，貸款如果不分散，風(fēng)險(xiǎn)就會(huì)更大。除此之外，城商行的利潤(rùn)表里面的數(shù)據(jù)對(duì)不良貸款率的影響也比較大，例如凈利差、凈息差、非利息收入占比等。凈利差高則意味著銀行的利息收入與利息支出差距較大，貸款的定價(jià)高，不良風(fēng)險(xiǎn)會(huì)增加。凈息差與凈利差比較類(lèi)似，但不同的是，前者為利息凈收入與銀行生息資產(chǎn)的比值，而后者是與總資產(chǎn)之比。銀行的營(yíng)業(yè)利潤(rùn)成分里面還有手續(xù)費(fèi)及傭金凈收入、投資凈收益、其他業(yè)務(wù)凈收入等，而這幾項(xiàng)收入中除債券投資利息收入之外，均作為商業(yè)銀行非利息收入。通常認(rèn)為，銀行的非利息收入占比大的，則銀行的業(yè)務(wù)創(chuàng)新能力比較好，資產(chǎn)的安全性也更高。

城商行的不良貸款率既受自身因素的影響，也受外部因素的影響，例如經(jīng)濟(jì)發(fā)展、貨幣供應(yīng)、基準(zhǔn)利率水平、政府干預(yù)行為、銀行定位和發(fā)展戰(zhàn)略等（程惠芳、姚遙）。

三、經(jīng)濟(jì)增長(zhǎng)率與城商行不良貸款率的實(shí)證分析

（一）數(shù)據(jù)來(lái)源與模型構(gòu)建

本文實(shí)證分析部分所使用的樣本的時(shí)間段為2005年第一季度至2015年第三季度，數(shù)據(jù)頻度為季度，城商行不良貸款率（以下用NPLR表示）的數(shù)據(jù)取自中國(guó)銀監(jiān)會(huì)統(tǒng)計(jì)平臺(tái)，經(jīng)濟(jì)增長(zhǎng)率（以下用GDPGR表示）的數(shù)據(jù)取自國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)平臺(tái)。對(duì)該時(shí)間段的NPLR與GDPGR繪制折線(xiàn)圖，可以看出，受?chē)?guó)際金融危機(jī)影響GDPGR波動(dòng)較大，最高值出現(xiàn)在2007年第二、三季度，最低值在2009年第一季度，且近幾年數(shù)值向最低值靠近。而NPLR的表現(xiàn)比較平緩，出現(xiàn)大幅下降后，又逐漸緩慢上升。由于GDPGR在前面幾年出現(xiàn)大幅波動(dòng)，但后幾年顯示兩者有明顯的反向變動(dòng)關(guān)系，因此可以通過(guò)實(shí)證研究來(lái)驗(yàn)證反向關(guān)系否長(zhǎng)期存在（見(jiàn)下頁(yè)圖8）。

實(shí)證研究中所考察的回歸模型如下：

其中，NPLR為因變量，GDPGR為解釋變量。

本文應(yīng)用格蘭杰提出的因果關(guān)系檢驗(yàn)方法（Granger，1969[5]）對(duì)時(shí)間序列經(jīng)濟(jì)變量進(jìn)行分析，檢驗(yàn)變量之間是否存在因果關(guān)系。首先建立回歸方程如下：

在式（4）中加入X的滯后變量，得到回歸方程：

式（5）中設(shè)置零假設(shè)為H0：β1=β2=…βq=0

其中，n為樣本數(shù)量，q為約束條件的數(shù)量，p+q為式（5）回歸系數(shù)的數(shù)量。

圖8 經(jīng)濟(jì)增長(zhǎng)率與城商行不良貸款率（2005Q1—2015Q3）

根據(jù)F檢驗(yàn)統(tǒng)計(jì)量的式（6），如果在顯著水平α下，如果F＞F[q，n－（p+q）]，則拒絕零假設(shè)，那么X是Y的Granger原因。

（二）變量的平穩(wěn)性檢驗(yàn)

本文采用的實(shí)證樣本數(shù)據(jù)為時(shí)間序列，首先要對(duì)經(jīng)濟(jì)變量進(jìn)行平穩(wěn)性進(jìn)行分析。如果檢驗(yàn)的結(jié)果顯示滿(mǎn)足平穩(wěn)性的條件，可以直接采用回歸方法進(jìn)行分析。如果不滿(mǎn)足，但經(jīng)過(guò)差分后的序列是平穩(wěn)的，且兩個(gè)變量差分的次數(shù)相同，那么就說(shuō)明這兩個(gè)變量是在同階達(dá)到平穩(wěn)的變量，就可以運(yùn)用協(xié)整檢驗(yàn)來(lái)對(duì)模型進(jìn)行分析。

使用ADF單位根檢驗(yàn)方法驗(yàn)證變量平穩(wěn)性比較普遍，此方法原假設(shè)為變量含有單位根（即非平穩(wěn)），如果檢驗(yàn)后的結(jié)果顯示是拒絕原假設(shè)，那么可以判斷變量是平穩(wěn)的，否則就是非平穩(wěn)的。使用Eview7.0軟件，分別對(duì)變量NPLR、GDPGR的平穩(wěn)性進(jìn)行檢驗(yàn)，結(jié)果進(jìn)行匯總后（如表2所示）。

從表2的匯總結(jié)果中可以看出，對(duì)于NPLR存在單位根假設(shè)的檢驗(yàn)，檢驗(yàn)的統(tǒng)計(jì)量值為－0.517956，Prob.值大于0.05，應(yīng)在5%顯著水平下接受原假設(shè)，說(shuō)明城商行不良貸款率NPLR是非平穩(wěn)序列。同理，經(jīng)濟(jì)增長(zhǎng)率GDPGR也是非平穩(wěn)的。再對(duì)兩個(gè)變量差分序列的平穩(wěn)性進(jìn)行檢驗(yàn)，根據(jù)當(dāng)期減去上一期能夠得到一階差分序列DNPLR、DGDPGR，結(jié)果（如下頁(yè)表3所示）。

從表3差分序列檢驗(yàn)匯總表結(jié)果看出，對(duì)DNPLR含有單位根這一原假設(shè)的檢驗(yàn)，它檢驗(yàn)的統(tǒng)計(jì)量值顯示為-3.537200，而在5%水平下檢驗(yàn)的臨界值數(shù)據(jù)是-2.951125，小于臨界值，而概率Prob.值是0.0129，小于0.05，這說(shuō)明在5%水平下不應(yīng)該接受DNPLR含有單位根這一假設(shè)，說(shuō)明DNPLR是平穩(wěn)的時(shí)間序列；使用同樣方法，表明DGDPGR是平穩(wěn)的序列。

表3 DNPLR、DGDP的平穩(wěn)性檢驗(yàn)

檢驗(yàn)結(jié)果表明，NPLR和GDPGR均為一階平穩(wěn)的變量，是同階單整的，因此接下來(lái)可以采用協(xié)整檢驗(yàn)方法進(jìn)行繼續(xù)分析。

（三）協(xié)整檢驗(yàn)

采用Johansen協(xié)整檢驗(yàn)方法對(duì)城商行不良貸款率與經(jīng)濟(jì)增長(zhǎng)率的關(guān)系進(jìn)行分析，研究不同經(jīng)濟(jì)變量之間是否存在長(zhǎng)期穩(wěn)定的均衡關(guān)系。

首先要確定檢驗(yàn)的滯后階數(shù)，協(xié)整檢驗(yàn)的滯后期等于LR、FPE、AIC、SC、HQ等五個(gè)準(zhǔn)則所得的最優(yōu)滯后期減去1，得到最優(yōu)滯后期選擇結(jié)果（如表4所示）。由表4可知，五個(gè)準(zhǔn)則選擇的滯后階數(shù)都為5，故協(xié)整檢驗(yàn)的滯后階數(shù)就為5-1=4。

運(yùn)用Eviews軟件，滯后期選擇4，得到最大特征根檢驗(yàn)結(jié)果（如表5所示）。實(shí)證結(jié)果表明，當(dāng)原假設(shè)為“NPLR與GDPGR之間不存在協(xié)整關(guān)系”時(shí)，協(xié)整檢驗(yàn)的最大特征根統(tǒng)計(jì)量值大于5%顯著性水平下的臨界值，且對(duì)應(yīng)P值為0.0000，小于0.05，故在5%顯著水平下應(yīng)該拒絕該假設(shè)。再對(duì)“At most 1”假設(shè)進(jìn)行檢驗(yàn)得到對(duì)應(yīng)P值為0.0565，大于0.05，因此應(yīng)該接受該假設(shè)，即NPLR與GDPGR之間在5%顯著水平下存在協(xié)整關(guān)系，表明城商行不良貸款率與經(jīng)濟(jì)增長(zhǎng)率之間存在長(zhǎng)期穩(wěn)定的關(guān)系。

表4 最優(yōu)滯后期

表5 Johansen協(xié)整檢驗(yàn)結(jié)果

根據(jù)檢驗(yàn)結(jié)果，得到的協(xié)整關(guān)系方程為：

根據(jù)方程（7）可以看出，GDPGR的估計(jì)系數(shù)為-0.855255，小于0，這說(shuō)明城商行不良貸款率與經(jīng)濟(jì)增長(zhǎng)率之間存在負(fù)相關(guān)關(guān)系，二者反向變動(dòng)。

（四）Granger因果關(guān)系檢驗(yàn)

以上分析表明NPLR與GDPGR之間存在聯(lián)系，但兩個(gè)變量的因果關(guān)系尚未確定，因此進(jìn)一步使用Granger因果關(guān)系法進(jìn)行檢驗(yàn)。由上文分析可知最優(yōu)滯后期為5，因此運(yùn)用軟件檢驗(yàn)的結(jié)果（如表6所示）。

表6 Granger因果關(guān)系檢驗(yàn)結(jié)果

由表6因果關(guān)系檢驗(yàn)結(jié)果可得，關(guān)于“GDPGR does not Granger Cause NPLR”的假設(shè)，其檢驗(yàn)的F統(tǒng)計(jì)量對(duì)應(yīng)P值為小于0.05，因此拒絕5%顯著水平下的原假設(shè)，說(shuō)明GDPGR是引起NPLR變化的Granger原因；同理，NPLR也是引起GDPGR變化的Granger原因。因此，城商行不良貸款率與經(jīng)濟(jì)增長(zhǎng)率之間存在雙向因果關(guān)系。

四、實(shí)證結(jié)論

通過(guò)對(duì)城商行不良貸款率與經(jīng)濟(jì)增長(zhǎng)率數(shù)據(jù)進(jìn)行實(shí)證分析可知，城商行不良貸款率與經(jīng)濟(jì)增速存在長(zhǎng)期協(xié)整關(guān)系，且兩者為負(fù)相關(guān)，同時(shí)兩者具有雙向因果關(guān)系。也就是說(shuō)，當(dāng)經(jīng)濟(jì)增速下降時(shí)，會(huì)對(duì)城商行不良貸款率有向上推動(dòng)的影響，而經(jīng)濟(jì)增速提高時(shí)，會(huì)對(duì)城商行不良貸款率有向下降低的影響。反過(guò)來(lái)，當(dāng)城商行不良貸款率的下降，對(duì)經(jīng)濟(jì)增長(zhǎng)是有利的，而城商行不良貸款率的上升，對(duì)經(jīng)濟(jì)增長(zhǎng)會(huì)起反作用。城商行面向地方經(jīng)濟(jì)、服務(wù)地方經(jīng)濟(jì)，因此其不良貸款的升高對(duì)地方的經(jīng)濟(jì)增長(zhǎng)的反作用也會(huì)更大。

我國(guó)城商行整體上受到自身資本實(shí)力、市場(chǎng)定位及區(qū)域環(huán)境的影響，有產(chǎn)出不足的問(wèn)題，但是通過(guò)跨區(qū)域經(jīng)營(yíng)發(fā)展可以使銀行效率提升（吳俊、李菊）。當(dāng)前經(jīng)濟(jì)處于合理區(qū)間，城商行更應(yīng)當(dāng)有危機(jī)意識(shí)，對(duì)不良貸款進(jìn)行重組、轉(zhuǎn)讓或核銷(xiāo)，消化存量、減少增量；精準(zhǔn)定位目標(biāo)客戶(hù)，支持實(shí)體經(jīng)濟(jì)，積極服務(wù)中小微企業(yè)；開(kāi)拓創(chuàng)新中間業(yè)務(wù)，提升非利息收入占比，使業(yè)務(wù)更加多元化；提高制度執(zhí)行力，嚴(yán)格把關(guān)信貸的審批環(huán)節(jié)，不盲目逐利，對(duì)信貸資金的合規(guī)使用進(jìn)行監(jiān)管；加強(qiáng)銀行人員管理，防范內(nèi)外勾結(jié)的違規(guī)操作導(dǎo)致的損失。此外，要建立良好的制度環(huán)境，減少經(jīng)濟(jì)發(fā)展中的系統(tǒng)性風(fēng)險(xiǎn)，從而降低城商行不良貸款率。

參考文獻(xiàn)：

[1] 李宏瑾.經(jīng)濟(jì)增長(zhǎng)、經(jīng)濟(jì)自由與不良貸款[D].北京：中國(guó)人民大學(xué)，2008.

[2] 岳蓓蓓，鄭循剛.經(jīng)濟(jì)增長(zhǎng)與商業(yè)銀行不良貸款率波動(dòng)的VAR模型分析[J].金融與經(jīng)濟(jì)，2011，(1).

[3] 彭建剛，鄒克，張倚勝.不良貸款率對(duì)銀行業(yè)影響的統(tǒng)計(jì)關(guān)系檢驗(yàn)[J].湖南大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2015，(5).

[4] 程惠芳，姚遙.江浙滬城市商業(yè)銀行競(jìng)爭(zhēng)力及其影響因素分析[J].經(jīng)濟(jì)地理，2013，(7).

[5] Granger C.W.J.Investigating Causal Relations by Econometric Models and Cross-spectral Models[J].Econometrica，1969，(37)：424-438.

[6] 吳俊，李菊.不良貸款約束下城市商業(yè)銀行跨區(qū)域發(fā)展的效率研究[J].南方金融，2014，(3).