(天津商業(yè)大學 經(jīng)濟學院，天津 300134)

一、引言

隨著我國利率市場化改革步伐的加快、外資銀行的涌入及互聯(lián)網(wǎng)金融的異軍突起，金融市場的競爭不斷加劇，商業(yè)銀行面臨著前所未有的競爭壓力。為了積極應對新形勢的變化，2017年4月中國建設銀行、南京銀行分別與阿里巴巴和螞蟻金服簽署合作協(xié)議；2017年10月中信銀行與百度合作成立直銷銀行“百信銀行”；2017年12月光大銀行、民生銀行、中國工商銀行分別與京東建立支付合作關系。這一系列的案例表明，商業(yè)銀行面對巨大的競爭壓力不得不尋求新的發(fā)展路徑，以求獲得競爭優(yōu)勢。

那么，商業(yè)銀行為求發(fā)展是否會過度承擔風險？這是學界和監(jiān)管部門一直關注的熱點問題。許多研究表明，銀行業(yè)過度競爭或高度壟斷都會促進商業(yè)銀行風險承擔，因為過度競爭會引發(fā)商業(yè)銀行過度的金融創(chuàng)新，從而導致其過度風險承擔[1]，美國次貸危機就是很好的例證。從近幾年的公開數(shù)據(jù)來看，我國商業(yè)銀行的不良貸款率自2012年以來呈明顯的上升趨勢，表明銀行的信貸風險在不斷增大。同時，目前我國經(jīng)濟增長速度逐漸放緩，進入經(jīng)濟“新常態(tài)”，各種金融風險在不斷積聚，增大了銀行過度風險承擔的可能性。在此背景下，銀行業(yè)

競爭是否導致商業(yè)銀行過度風險承擔的擔憂越來越多，基于現(xiàn)實數(shù)據(jù)研究證實這一問題，對于銀行加強風險管理與監(jiān)管部門制定相關政策具有重要的理論及現(xiàn)實意義。

二、文獻綜述

目前關于商業(yè)銀行風險承擔的成果較多，但對于其過度風險承擔的研究成果并不多，因為如何界定和測量“過度”是一件十分困難的事情。金鵬輝等(2014)[2]用銀行業(yè)貸款審批條件指數(shù)作為商業(yè)銀行過度風險承擔的代理變量，經(jīng)實證檢驗發(fā)現(xiàn)，在寬松的貨幣政策環(huán)境下，商業(yè)銀行會放松貸款審批條件，從而承擔過度的風險。劉航等(2013)[3]通過引入社會最優(yōu)風險水平代理變量判斷商業(yè)銀行過度風險承擔程度，認為銀行之間因為存款的競爭使各銀行提高存款利率，進而導致銀行所選資產(chǎn)的均衡風險水平高于社會最優(yōu)風險水平，使其承擔更多的風險。銀行間競爭程度越激烈，其過度風險承擔問題越嚴重。李成等(2015)[4]研究利率市場化進程對商業(yè)銀行過度風險承擔的影響，證明了在我國利率市場化改革推進的過程中，商業(yè)銀行風險承擔沒有上升，反而出現(xiàn)下降趨勢，從而證明利率市場化緩解了商業(yè)銀行過度風險承擔，宋惠等(2016)[5]以中國銀行業(yè)為研究對象，運用面板數(shù)據(jù)固定效應模型，實證分析在利率市場化改革中我國商業(yè)銀行承擔了更高風險，在其他條件不變時經(jīng)濟水平快速增長會加大銀行業(yè)的風險承擔水平，國家貨幣政策對銀行風險承擔有正向影響。但是他們沒有對商業(yè)銀行過度風險承擔進行度量上的闡釋。

關于銀行業(yè)競爭對商業(yè)銀行風險承擔影響的問題一直是國內外學者關注的熱點，但由于各國監(jiān)管機制和經(jīng)濟政策的差異，以及理論模型和數(shù)據(jù)選取的不同，目前這一問題研究尚未形成統(tǒng)一的結論?；仡檱鴥韧忏y行業(yè)競爭與風險承擔的實證結果，主要有兩種觀點：(1)基于線性影響的觀點，即銀行業(yè)的競爭會促進商業(yè)銀行風險承擔。Jimenez等(2013)[6]運用Lerner指數(shù)對于西班牙銀行業(yè)進行研究，發(fā)現(xiàn)貸款競爭對銀行風險承擔的影響顯著，貸款競爭的加劇會提高銀行不良貸款率，而存款競爭對于商業(yè)銀行風險承擔的影響不顯著。Hellmann等(2015)[7]認為銀行業(yè)的競爭越激烈，為了爭奪市場份額和擴大利潤空間，銀行會選擇投資風險更高的資產(chǎn)組合。季琳(2013)[8]運用非結構化中的PR模型，選取我國商業(yè)銀行1997-2008年的數(shù)據(jù)為樣本進行研究，結果認為我國銀行業(yè)處于壟斷競爭狀態(tài)，銀行業(yè)競爭程度與不良貸款率之間呈現(xiàn)正相關關系。吳恒宇等(2013)[9]通過實證分析發(fā)現(xiàn)，零售存款競爭會加劇銀行的整體經(jīng)營風險，而銀行經(jīng)營風險的上升會引發(fā)更為激烈的風險。(2)基于“U”型影響的觀點，即銀行業(yè)競爭與風險之間存在“U”型關系。范育濤等(2013)[10]采用我國65家金融機構2005-2007的面板數(shù)據(jù)進行分析，結果認為銀行業(yè)競爭與風險呈現(xiàn)倒“U”型，在臨界值內，銀行風險隨著銀行業(yè)競爭的加劇先上升后下降，銀行業(yè)競爭對銀行業(yè)市場起到一定的緩和作用。黃曉薇等(2016)[11]認為銀行業(yè)競爭與銀行風險承擔的關系是通過利率市場化水平來傳導的，當利率市場化程度小于臨界值時，銀行業(yè)競爭與銀行風險承擔水平負相關，當利率市場化程度大于臨界值時，銀行風險承擔就會增大，也就是說銀行業(yè)競爭與風險之間是正“U”型關系。這兩種觀點只是揭示了銀行業(yè)競爭與商業(yè)銀行一般風險承擔的影響關系，并未解釋銀行業(yè)競爭是否會促進商業(yè)銀行過度風險承擔的問題。

從現(xiàn)有的文獻成果來看，目前國內外對于商業(yè)銀行過度風險承擔還沒有準確的測定標準，更少有針對銀行業(yè)競爭與商業(yè)銀行過度風險承擔的實證研究。鑒于此，本文從以下兩方面對現(xiàn)有文獻進行了發(fā)展：首先，引入監(jiān)管指標正常貸款遷徙率計算銀行實際的不良貸款率和撥備覆蓋率，然后，通過與國家撥備覆蓋率的監(jiān)管指標進行比較，從而判斷商業(yè)銀行過度風險承擔水平，盡可能提高這一測度的準確性；其次，基于15家銀行2008-2016年面板數(shù)據(jù)的研究樣本，通過多種銀行業(yè)競爭和銀行過度風險承擔的代理變量，對我國銀行業(yè)競爭是否導致商業(yè)銀行過度風險承擔進行實證檢驗,盡可能提供一個更加客觀穩(wěn)健的研究結論。

三、研究設計

(一)測度方法

1. 銀行業(yè)競爭測度方法

銀行業(yè)競爭的測度方法主要分為兩種：一種是結構化測度方法。結構化測度是對銀行業(yè)市場整體的結構進行度量，通過銀行業(yè)的外在特征，進而間接體現(xiàn)銀行業(yè)競爭程度。另外一種是非結構化測度方法。該方法的出現(xiàn)與發(fā)展源于新實證產(chǎn)業(yè)組織研究方法，其主要方法包括：BL模型和PR模型。BL模型和PR模型因受到多種因素的影響，本身的測度具有一定的主觀性，而且其測度的過程復雜，所以使用的范圍較窄。

本文銀行業(yè)競爭的測度將選擇市場集中度指數(shù)(CR)、赫芬達爾指數(shù)(HHI)和嫡指數(shù)(EI)來研究，主要原因如下:首先，以上三種方法的使用范圍較廣，測度比較簡單，對數(shù)據(jù)的分布沒有嚴格的要求；其次，銀行業(yè)數(shù)據(jù)很難滿足非結構化所要求的假設條件，如果進行調整則可能使測度不準確，而且銀行業(yè)成本或生產(chǎn)函數(shù)很難準確表達，所以用非結構化方法測度銀行業(yè)競爭可能會產(chǎn)生“偽結果”；最后，此三種方法測度各有不同，能提高信息的全面性，也能使實證結果更準確。

(1)銀行市場集中度(CR)。CRn是指銀行業(yè)中排名前n家銀行的總資產(chǎn)占15家上市銀行總資產(chǎn)之比，體現(xiàn)的是資產(chǎn)排名前n家大型商業(yè)銀行的集中程度，其計算公式為

其中，Xi是銀行的資產(chǎn)份額,n是銀行業(yè)排名前n的銀行數(shù)。此結果是在0和1之間的，如果指數(shù)越趨于1，則市場越趨于壟斷。通常n選擇4或者8，所以本文研究取值n=4。

(2)赫芬達爾指數(shù)(HHI)。是指一個行業(yè)中各市場競爭主體所占行業(yè)總資產(chǎn)百分比的平方和，用來計量市場份額的變化，即市場中廠商規(guī)模的離散度。其公式為

其中，X表示市場的總規(guī)模；Xi表示銀行的規(guī)模；N表示所選取的銀行數(shù)。該指數(shù)值是在0和1之間，HHI值越接近1，則表示銀行市場集中度越高，銀行業(yè)的競爭程度越低；反之亦然。與CRn相比，HHI能完整反映市場的競爭情況，更能反映出大型商業(yè)銀行對銀行市場結構的實際影響[12]。

(3)嫡權指數(shù)(EI)。嫡權可根據(jù)具體數(shù)值判斷不同指標的權重，在被引入市場結構測度時，可衡量市場內部是否處于平衡狀態(tài)。其公式為

其中K=1/Inn，S代表第i家銀行資產(chǎn)份額。當EI遞減并最趨于0時，銀行業(yè)市場是以壟斷為主；反之則當EI趨于1，銀行業(yè)市場則以競爭為主[13]。

2. 商業(yè)銀行過度風險承擔的測度方法

當前對我國商業(yè)銀行過度風險承擔水平的準確測度顯得比較困難，一方面是因為缺乏統(tǒng)一的衡量標準，另一方面則是由于商業(yè)銀行存在虛報、轉移不良資產(chǎn)等行為。目前對銀行過度風險承擔的測量方法主要有兩種，即社會最優(yōu)風險水平和銀行貸款審批條件指數(shù)。社會最優(yōu)的風險水平是指銀行在沒有委托代理問題情形下的銀行最優(yōu)風險選擇水平。社會最優(yōu)的風險水平的取值是1，即不存在委托代理問題，社會愿意承擔的最高風險[14]。因為存在信息不對稱，想要消除委托代理問題幾乎是不可能的，所以總體來說銀行的風險水平高于社會最優(yōu)風險水平。銀行業(yè)貸款審批條件指數(shù)來源于國際金融協(xié)會對全球新興市場133家銀行高管的調查報告。當其值高于50時，表明貸款條件好轉，反之亦然。如果銀行審批條件超過了正常水平，則意味著銀行過度承擔了風險[2]。但是，這兩種方法都存在局限性。首先，商業(yè)銀行過度風險承擔是銀行的一種風險承擔行為，而社會最優(yōu)風險水平則是從公司治理角度分析的委托代理問題。其次，社會最優(yōu)風險水平的數(shù)值1沒有實際的意義，無法從數(shù)量上準確度量商業(yè)銀行過度風險承擔。最后，銀行業(yè)貸款審批條件指數(shù)在國內使用較少，數(shù)據(jù)缺失嚴重。

對于我國來說，商業(yè)銀行風險承擔大部分是來自于信貸風險，所以本文從不良貸款這個角度來分析商業(yè)銀行過度風險承擔。商業(yè)銀行的貸款風險有兩類：一類是有客觀證據(jù)表明該貸款已經(jīng)發(fā)生減值或者未來清償中會發(fā)生的損失貸款，主要是針對不良貸款而言的風險；另一類是尚未發(fā)現(xiàn)減值跡象，但存在一定減值概率的“已發(fā)生未識別”減值損失，主要是指正常、關注類貸款的潛在風險。實際上，關注類貸款是介于不良類貸款和正常類貸款之間的過渡階段，有些銀行為了使財務報表的數(shù)據(jù)好看，把存在問題的貸款納入到關注類貸款中，實質上這并沒有降低銀行的風險，反而將風險暫時隱藏起來[15]。有的銀行人為調整不良貸款分類，利用貸款進行展期或者貸新還舊，將事實上的不良貸款進行隱藏；有的銀行大量發(fā)放貸款，以此來稀釋不良貸款，使不良貸款率下降；有的甚至人為地修改會計信息，極力掩蓋銀行真實的風險狀況[16]。所以針對以上問題，本文將分兩步測度商業(yè)銀行過度風險承擔狀況。

第一，引入監(jiān)管指標正常貸款遷徙率，計算實際不良貸款數(shù)量。正常貸款遷徙率(θ)是一個年度數(shù)據(jù)指標，該指標表示銀行一年內正常和關注類貸款的動態(tài)變化情況，表示從期初到期末，正常貸款中變?yōu)椴涣假J款的金額與正常貸款之比。正常貸款中存在不良貸款可能的原因，一方面可能是銀行為了使賬面數(shù)據(jù)好看，人為地把不良貸款劃分到正常貸款之中，另一方面則可能是一些潛在的隱藏在正常貸款中的不良貸款，只不過推遲暴露，但實質上商業(yè)銀行是承擔了風險。所以從某種程度上來看，這個指標也能大概測度期初正常貸款中可能隱藏的不良貸款量。該指標的計算公式為：正常貸款遷徙率=(期初正常類貸款轉為不良貸款的金額+期初關注類貸款轉為不良貸款的金額+期初正常類貸款中因非正常收回而減少的金額+期初關注類貸款中因非正常收回而減少的金額)/(期初正常類貸款余額+期初關注類貸款余額)×100%。其中，期初正常類和關注類貸款中因非正常收回而減少的金額是指因實施以物抵債、核銷等處置手段而引起貸款金額的減少，但是這個減少額從本質上來說也是屬于不良貸款的范疇。為了使計算簡單和能夠預測正常和關注類貸款中本該屬于不良貸款的數(shù)額，現(xiàn)將該公式修正為：正常貸款遷徙率=(期初正常類貸款中屬于不良貸款的金額+期初關注類貸款屬于不良貸款的金額)/期初正常類貸款余額+期初關注類貸款余額)×100%。因此，實際不良貸款量=θ*(期初正常類貸款余額+期初關注類貸款余額)+期初次級類貸款余額+期初可疑類貸款余額+期初損失類貸款余額。因為該期末指標計算得到的是期初的不良貸款量，所以后面所有分析的指標都是使用期初值。

第二，計算銀行實際撥備覆蓋率，從而判斷商業(yè)銀行是否承擔了過度風險。監(jiān)管當局對于商業(yè)銀行不良貸款監(jiān)管的一個重要的指標就是撥備覆蓋率，是指貸款損失準備與不良貸款的比率，該比率最佳狀態(tài)為100%。中國銀監(jiān)會2010年10月10日下發(fā)文件,要求銀行將撥備覆蓋率提升至150%。由于商業(yè)銀行存在實際不良貸款的問題，因此其實際撥備覆蓋率就應為貸款損失準備金與實際不良貸款的比率?？紤]到本文選取的指標有2010年以前的，所以將2010年以前撥備覆蓋率的臨界值設定為100%，2010-2016年的臨界值設定為150%。如果商業(yè)銀行實際的撥備覆蓋率大于臨界值，則商業(yè)銀行風險承擔屬于正常范圍，如果商業(yè)銀行實際的撥備覆蓋率小于臨界值，則表明商業(yè)銀行承擔了過度風險。

(二)模型構建及變量選取

1.基準模型構建

本文實證部分是要分析銀行業(yè)競爭對商業(yè)銀行過度風險承擔的影響，即在其他影響因素保持不變的情況下，考察銀行業(yè)競爭是否導致商業(yè)銀行過度風險承擔的問題。因此，本文借鑒Delis和Kouretas(2011)[17]的研究方法，構建商業(yè)銀行過度風險承擔的方程，并將銀行業(yè)競爭變量引入其中

ORISKi,t=α+β1COMPETITIONt+β2CAPIi,t+β3SIZEi,t+β4ROAi,t+β5GDPt+β6STRUt+εi,t

(1)

(2)

其中，ORISKi,t表示i銀行第t年的商業(yè)銀行過度風險承擔水平，用實際的不良貸款率來反映；COMPETITIONt表示t年銀行業(yè)的競爭程度，分別用CR4、HHI、EI表示。

基準模型的被解釋變量是商業(yè)銀行過度風險承擔水平，即特定條件下商業(yè)銀行所愿意承擔的風險水平。關于商業(yè)銀行過度風險承擔的代理變量，國外相關研究主要選取的是預期違約率、銀行破產(chǎn)風險、加權風險資產(chǎn)率，但是相關數(shù)據(jù)的指標不易獲得，而且也不符合我國實際情況，國內研究則更多的是使用不良貸款率作為代理變量。目前對于我國銀行業(yè)來說，信貸風險是銀行的主要風險，所以采用實際不良貸款與總貸款的比率CNPL來衡量商業(yè)銀行過度風險承擔比較符合實際。

銀行業(yè)競爭是本文核心的解釋變量，本文用銀行業(yè)市場三個指標作為銀行競爭變量，以此來測度其對于商業(yè)銀行過度風險承擔的影響，分別用HHI、CR4、EI表示。

考慮到銀行的特質性，還將選取幾個可能影響商業(yè)銀行過度風險承擔行為的銀行個體特征變量。首先，因為不同銀行有著不同的規(guī)模，所以選擇銀行總資產(chǎn)的對數(shù)(SIZE)作為商業(yè)銀行規(guī)模的控制變量。資產(chǎn)規(guī)模更大的銀行對于管理風險更擅長，承受風險的能力也更強。其次，自有資本水平對于商業(yè)銀行過度風險也有著重要影響，所以本文選取資本充足率來衡量銀行的自有資產(chǎn)率(CAPI)，因為對于商業(yè)銀行來說，自有資產(chǎn)越多，商業(yè)銀行可能會因為競爭的關系就更加趨向于承擔風險。最后，盈利能力越強的商業(yè)銀行可能更傾向于主動承擔風險，所以本文選取ROA作為銀行盈利能力的控制變量。

銀行的過度風險承擔與所處的環(huán)境有著一定關聯(lián)，在不同的經(jīng)濟環(huán)境中，銀行對于過度風險承擔的傾向也有不同。所以考慮到經(jīng)濟環(huán)境的影響，本文加入GDP增長率來作為經(jīng)濟環(huán)境的控制變量,用銀行部門提供的國內信貸與GDP的比率來作為經(jīng)濟結構控制變量，用STRU來表示。

基準模型(1)是為了探索銀行業(yè)競爭對商業(yè)銀行過度風險承擔的影響，而模型(2)引入銀行業(yè)競爭的平方項來進一步測度銀行業(yè)競爭對商業(yè)銀行過度風險承擔影響的非線性關系。

2.考慮到銀行業(yè)競爭對商業(yè)銀行過度風險承擔周期性影響的模型擴展

為了驗證銀行業(yè)競爭是否會對商業(yè)銀行過度風險承擔行為的周期性產(chǎn)生影響，在模型(1)的基礎上引入銀行業(yè)競爭與GDP和STRU的交叉項得到式(3)

ORISKi,t=α+β1COMPETITIONt+β2CAPIi,t+β3SIZEi,t+β4ROi,t+β5GDPt+β6STRUt+β7COMPETITIONt*GDPt+εi,t

(3)

3.考慮到銀行異質性的模型拓展

為了檢驗銀行間個體差異是否對銀行業(yè)競爭與商業(yè)銀行過度風險承擔之間的關系產(chǎn)生影響，在式(1)的基礎上引入銀行業(yè)競爭與銀行特征變量的交叉項得到式(4)

ORISKi,t=α+β1COMPETITIONt+β2CAPIi,t+β3SIZEi,t+β4ROAi,t+β5GDPt+β6STRUt+β7COMPETITIONt*SIZEi,t+β8COMPETITIONt*ROAi,t+β9COMPETITIONt*CAPIi,t+εi,t

(4)

(三)樣本來源

本文選取中國工商銀行、中國銀行、中國建設銀行、交通銀行、北京銀行、上海銀行、興業(yè)銀行、民生銀行、招商銀行、中信銀行、華夏銀行、浦發(fā)銀行、平安銀行、南京銀行、寧波銀行15家商業(yè)銀行2008-2016年的平衡面板數(shù)據(jù)作為實證分析的樣本。盡管目前我國商業(yè)銀行很多，但是本文所選取的15家銀行具有一定的代表性，它們擁有的資產(chǎn)份額、貸款份額、存款份額之和占到市場的90%以上，而且包含國有銀行、中小型股份制銀行和城市商業(yè)銀行這三類主要的商業(yè)銀行。中國農(nóng)業(yè)銀行因數(shù)據(jù)不全，與其他國有銀行情況相似，沒有選取。農(nóng)村商業(yè)銀行因為數(shù)據(jù)不全、影響力較小，也未選取。銀行變量層面相關的數(shù)據(jù)來源于國泰安數(shù)據(jù)庫和銀行財報，經(jīng)濟增長等相關數(shù)據(jù)來源于國家統(tǒng)計局和中國人民銀行。

四、實證結果分析

(一)描述性統(tǒng)計

從表1可以看出，實際不良貸款率的均值是3.71，其標準差是1.85，其波動性很大，最小值是0.96，而最大值是10.43，變動十分明顯。這說明不同的銀行過度風險承擔差異較大，銀行風險的異質性特征較為明顯。銀行業(yè)市場競爭的HHI、CR4、EI均值分別是0.16、0.72、0.80，這三者也具有較大的差異性。

表1 變量的描述性統(tǒng)計

表2 實際的撥備覆蓋率(單位：百分比)

圖1 2008-2016年市場競爭與過度風險承擔均值的趨勢

由表2可知，15家商業(yè)銀行實際的撥備覆蓋率總體來看都低于臨界值，只有個別銀行、特殊年份有所不同，雖然2009年的中信銀行、北京銀行、南京銀行和2013年的北京銀行實際撥備覆蓋率符合標準，但是它們其他年份的實際撥備覆蓋率都很小，所以總體上講，商業(yè)銀行確實存在過度風險承擔情形。

由圖1可知，HHI、CR4曲線都是逐漸下降的，表示市場集中度越小，則銀行業(yè)競爭越大；EI曲線是逐漸上升的，表示競爭越占主導地位，銀行業(yè)競爭越激烈。這可能是因為銀行之間為搶占市場份額和外資銀行的進入，在一定程度上加劇了銀行業(yè)競爭。從CNPL的均值趨勢來看，商業(yè)銀行過度風險承擔的均值2008-2012年是下降的，2012年以后又逐漸上升，說明商業(yè)銀行過度風險均值曲線呈“U”型狀態(tài)。因此，銀行業(yè)競爭對商業(yè)銀行過度風險承擔的影響可能存在一個臨界值，當銀行業(yè)競爭小于臨界值時，將會緩解商業(yè)銀行過度風險承擔狀況，當大于臨界值時則相反。當采用HHI作為銀行業(yè)競爭指標時，該臨界值是0.154 7，采用CR4時，臨界值是0.715 9，而當采用EI作為銀行業(yè)競爭指標時，該臨界值則為0.797 3。

(二)實證結果分析

1.基準模型的回歸結果

本文選取的是15家商業(yè)銀行9年期的平衡面板數(shù)據(jù)，為了使模型更準確，專門對序列進行單位根檢驗，檢驗的結果為CAPI和GDP是一階平穩(wěn)的。本文的實證是用平衡面板數(shù)據(jù)在eviews7.0下進行的估計。

首先，分析銀行競爭與商業(yè)銀行過度風險承擔的線性關系。從表3的回歸結果看，模型全部通過了整體顯著性檢驗，說明模型是有意義的。從模型(1)的前兩組模型可以看出，HHI、CR4的系數(shù)均為正數(shù)，而HHI和CR4指數(shù)與銀行業(yè)競爭之間呈負向關系，所以銀行業(yè)競爭與商業(yè)銀行過度風險承擔之間成負向關系，即市場競爭程度越高，銀行過度風險承擔越小。從第三組模型來看，EI的系數(shù)為負，而EI指數(shù)與銀行業(yè)競爭是正向關系，所以銀行的競爭越強，商業(yè)銀行過度風險承擔越小。由此可見，前三組模型中銀行業(yè)競爭對過度風險承擔的影響結果是一致的。

其次，因為假設銀行業(yè)競爭對商業(yè)銀行過度風險承擔影響可能存在一個臨界值，所以引入市場競爭的平方項進一步探討二者之間可能的非線性關系。從銀行競爭指標的一次項來看，三個模型都是顯著為負，系數(shù)很大；從銀行競爭指標的二次項來看，三個模型的系數(shù)顯著為正；從HHI和CR4這兩個銀行競爭指標來看，銀行業(yè)競爭與過度風險承擔是正U的關系，對稱軸是負值，即只要存在銀行業(yè)競爭，就會促進商業(yè)銀行過度風險承擔；而從EI這個指標來看，二次項系數(shù)為正，但一次項的系數(shù)是顯著為負的，即對稱軸是正值，銀行過度風險承擔水平隨銀行競爭的增強先呈現(xiàn)下降趨勢，當競爭程度到達臨界值后便開始逐步上升。EI指標檢驗與圖1的結果一致，該競爭的臨界值是0.797 3。此對稱軸的差異可能是數(shù)據(jù)選取的不同導致的，因為HHI指標對單位變動過于敏感，而CR4的樣本范疇比較狹窄，所以EI指標更能全面描述銀行業(yè)競爭狀況。綜合來看，當銀行業(yè)競爭的臨界值大于0.797 3時，會導致商業(yè)銀行過度風險承擔。

再次，從銀行特征變量看，六組模型的銀行特征變量的系數(shù)符號一致。首先看銀行規(guī)模變量SIZE，其系數(shù)為正，也就是說商業(yè)銀行資產(chǎn)規(guī)模越大，越傾向于主動承擔風險，從而導致其過度風險承擔，這與前面的預測一致。其次看銀行的資本充足率CAPI，為了使模型顯著，所以六組模型都是取其差分進行回歸。其系數(shù)為負，說明當商業(yè)銀行資本緩存增加時，其會更謹慎地承擔過度風險，這與前面的預期剛好相反，這可能是因為取差分回歸的結果，但是由于其在整個模型中系數(shù)很小，對最終結果影響不大。最后看盈利能力ROA，其系數(shù)為正，說明盈利能力的變化對商業(yè)銀行過度風險承擔具有促進作用。

最后，從GDP的增長率來看，各項系數(shù)都很小，在整個模型中可以忽略，所以GDP的增長率對于商業(yè)銀行過度風險承擔的影響不大，這可能是因為當前的經(jīng)濟環(huán)境整體趨于平穩(wěn)，其對銀行的影響沒能很明顯的表現(xiàn)出來。從表3的模型(1)和模型(2)可以看出STRU的系數(shù)顯著但是符號不一致，這可能是數(shù)據(jù)選取的問題所致，在此不做分析。

表3 銀行業(yè)競爭與商業(yè)銀行過度風險承擔關系的回歸結果

注：括號里為t值；***，**，*，分別表示在1%、5%、10%水平上顯著;F-test輸出結果為p值；其中CAPI和GDP是取差分回歸的。

2.銀行業(yè)競爭對商業(yè)銀行過度風險承擔周期性檢驗

通過以上分析，無法判斷商業(yè)銀行過度風險承擔存在順周期還是逆周期，為了便于監(jiān)管機構的監(jiān)管，專門引入銀行業(yè)競爭與GDP增長交叉項來進一步分析。

從表4中模型(3)的估計結果可以看出，銀行業(yè)競爭變量與GDP的交叉項的系數(shù)都很顯著，整個模型通過顯著性檢驗，而CR4*GDP和HHI*GDP的系數(shù)顯著為負，EI*GDP的系數(shù)顯著為正，也就是說銀行業(yè)競爭與GDP的交叉項對商業(yè)銀行過度風險承擔起到促進作用，即銀行業(yè)競爭越強，商業(yè)銀行過度風險承擔的順周期性越強。這是因為銀行業(yè)競爭越強，商業(yè)銀行為了搶占市場，在經(jīng)濟擴張時表現(xiàn)的更加激進，在經(jīng)濟衰退時會表現(xiàn)的更加謹慎。

表4 銀行業(yè)競爭對商業(yè)銀行過度風險承擔的周期性影響及異質性檢驗

注：括號里為t值；***，**，*，分別表示在1%、5%、10%水平上顯著；F-test輸出結果為p值；其中CAPI和GDP是取差分回歸的；因為銀行業(yè)競爭的代理變量與CAPI交叉項不顯著，所以這里沒有列出。

3.商業(yè)銀行過度風險承擔的異質性檢驗

為了更好地分析銀行業(yè)競爭是否導致商業(yè)銀行過度風險承擔，以及銀行自身如何去把控風險，參考劉生福和李成(2014)[18]的做法，在基準模型中加入了銀行業(yè)競爭與銀行特征變量的交叉項，檢驗商業(yè)銀行過度風險承擔行為的異質性。

從表4可見看，CR4*ROA和HHI*ROA的系數(shù)為正，EI*ROA的系數(shù)為負，也就是說銀行業(yè)競爭與ROA的乘積會緩解商業(yè)銀行過度風險承擔狀況，意味著商業(yè)銀行盈利能力的提高，會降低銀行業(yè)競爭對商業(yè)銀行過度風險承擔的影響。相反，銀行資產(chǎn)規(guī)模變量SIZE與銀行業(yè)競爭變量的乘積顯著為正，說明商業(yè)銀行資產(chǎn)規(guī)模的增大會放大銀行業(yè)競爭對商業(yè)銀行過度風險承擔的影響。因為銀行業(yè)競爭的代理變量與資本充足率的乘積項不顯著，所以這里不做分析。

五、結論與建議

基于數(shù)據(jù)的可得性問題，本文選取了15家商業(yè)銀行2008-2016年的數(shù)據(jù)作為研究樣本，在假設的基礎上運用相關模型實證檢驗了銀行業(yè)競爭對商業(yè)銀行過度風險承擔的影響，得出如下結論。

第一，引入監(jiān)管指標正常貸款遷徙率計算銀行實際不良貸款率和撥備覆蓋率，作為判斷銀行過度風險承擔的標準和依據(jù)，實證結果表明，我國銀行業(yè)競爭確實導致了商業(yè)銀行過度風險承擔行為的發(fā)生；第二，銀行業(yè)競爭與商業(yè)銀行過度風險承擔之間不是一般的線性關系，而是正“U”型關系。銀行業(yè)競爭存在一個臨界值，商業(yè)銀行過度風險承擔水平隨銀行業(yè)競爭的增強先下降，當銀行業(yè)競爭達到或超過該臨界值時轉而上升；第三，銀行業(yè)競爭會促進商業(yè)銀行過度風險承擔的順周期性；(4)銀行業(yè)競爭對商業(yè)銀行過度風險承擔的影響有明顯的異質性特征，即商業(yè)銀行資產(chǎn)規(guī)模增大會擴大銀行業(yè)競爭對商業(yè)過度風險承擔的影響，相反商業(yè)銀行盈利能力增強則會緩解這一影響。

根據(jù)以上結論，結合我國經(jīng)濟環(huán)境和銀行業(yè)競爭的現(xiàn)實狀況，提出以下建議。

第一，商業(yè)銀行在競爭壓力不斷增大的環(huán)境下尤其要加強貸款管理，不僅要重視不良貸款的控制和處理，而且還要重視正常和關注類貸款轉化為不良貸款的可能性，尤其是關注類貸款中可能轉化為不良貸款的部分，以防止不良貸款率的上升，力求在源頭上遏制貸款風險的積聚擴大。第二，商業(yè)銀行在參與競爭的過程中要客觀評價自身的風險存在狀況及風險承受能力，處理好收益與風險的關系，盡力使風險承擔處于一個合理的范圍內，避免過度風險承擔行為的發(fā)生。第三，商業(yè)銀行應通過加強內控、創(chuàng)新業(yè)務、提升效率等途徑提高自身盈利能力，杜絕盲目擴大資產(chǎn)規(guī)模的做法，同時注重與其他銀行的合作，避免惡性競爭，降低過度風險承擔的可能性。第四，監(jiān)管部門應把握當前經(jīng)濟發(fā)展的周期性特征，密切關注銀行業(yè)的競爭狀態(tài)，根據(jù)銀行業(yè)競爭的不同等級及所表現(xiàn)的異質性特征，及時采取差別化的審慎監(jiān)管，維持良好的競爭秩序，以避免強化銀行風險承擔的順周期性，減少商業(yè)銀行過度風險承擔行為的發(fā)生。

[1]胡題，謝赤.基于GMM方法的銀行業(yè)競爭程度對銀行風險影響的研究[J].中國管理科學, 2013(11):249-254.

[2]金鵬輝，張翔，高峰. 銀行過度風險承擔及貨幣政策與逆周期資本調節(jié)的配合[J].經(jīng)濟研究, 2014(6):73-85.

[3]劉航，韓婷.為什么金融機構會承擔過度的風險?—一個基于銀行存款競爭的解釋[J].當代經(jīng)濟研究, 2013(9):67-73.

[4]李成.利率市場化鼓勵商業(yè)銀行過度風險承擔嗎？[J].會計與金融, 2015(12):91-102.

[5]宋惠，周紹雄. 利率市場化對商業(yè)銀行風險承擔的影響——基于中國上市銀行面板數(shù)據(jù)的實證分析[J].哈爾濱商業(yè)大學學報：社會科學報，2016(5)：11-16.

[6]Jimenes G, Lopez J A,Saurina L.How does Competition Affect Bank Risk-taking?[J].Journal of Political Stability, 2013,9(2):185-195.

[7]Hellmann T F,Stiglitz J E,Murdock K C.Liberalization，Moral Hazard in Banking，and Prudential Regulation: Are Capital Requirements enough?[J]. American Economic Reviews,2010,90(1): 147-165．

[8]季琳,趙延麗.銀行業(yè)競爭與風險承擔—中國銀行業(yè)的實證分析[J].金融監(jiān)管研究, 2013(3):64-73.

[9]吳恒宇，吳俊，張宗益.零售存款競爭、批發(fā)資金融資與風險行為—基于存款利率市場化前期的經(jīng)驗研究 [J].金融論壇, 2013(9):17-23.

[10]范育濤，費方域.利率市場化、銀行業(yè)競爭與銀行風險[J].金融論壇, 2013(9):3-6.

[11]黃曉薇,郭敏,李瑩華. 利率市場化進程中銀行業(yè)競爭與風險的動態(tài)相關性研究[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究,2016(1):75-91.

[12]陳麗君.我國商業(yè)銀行市場結構、效率及績效研究[D].重慶大學, 2008:16-18.

[13]喬占軍.基于熵指數(shù)測算的中國服務業(yè)總量與結構互動研究[J].統(tǒng)計與決策, 2012(12):148-150.

[14]劉懿.商業(yè)銀行風險承擔研究[D].西南財經(jīng)大學, 2010:9-11.

[15]王偉.商業(yè)銀行貸款資產(chǎn)質量預測及應對措施[J].商, 2015(5):191.

[16]衛(wèi)功琦.我國商業(yè)銀行道德風險的實證分析：信貸風險掩飾和推遲視角[J].國際金融研究, 2009(7):80-86.

[17]Delis M D,Kouretas G P.Interest Rates and Bank Risk-taking[J].Journal of Banking & Finance, 2011,35(4):840-855.

[18]劉生福,李成. 貨幣政策調控、銀行風險承擔與宏觀審慎管理-基于動態(tài)面板系統(tǒng)GMM模型的實證分析[J]. 南開經(jīng)濟研究,2014(5):24-39.