余慧倫 華南理工大學(xué)經(jīng)濟(jì)與金融學(xué)院

當(dāng)前背景下，金融市場(chǎng)與實(shí)體經(jīng)濟(jì)密切交織，金融體系的穩(wěn)定與否直接關(guān)系到經(jīng)濟(jì)發(fā)展、工人就業(yè)以及人民生活等方方面面。而在我國(guó)，商業(yè)銀行在金融市場(chǎng)中仍處于主體地位，在金融體系中扮演著十分重要的角色，因此商業(yè)銀行的風(fēng)險(xiǎn)問(wèn)題尤為需要關(guān)注。

今年新冠疫情之下，全球一度停工停產(chǎn)，生產(chǎn)消費(fèi)停滯，實(shí)體經(jīng)濟(jì)受挫，在此背景下，實(shí)體企業(yè)貸款可能爆發(fā)大規(guī)模違約，于是商業(yè)銀行面臨的信用風(fēng)險(xiǎn)成為備受關(guān)注的問(wèn)題。信用風(fēng)險(xiǎn)是銀行自誕生起就面臨的最大風(fēng)險(xiǎn)。2011 年以來(lái)，我國(guó)商業(yè)銀行不良貸款率一路上行，增長(zhǎng)翻番，商業(yè)銀行面臨的信用風(fēng)險(xiǎn)正嚴(yán)重加劇。而銀行習(xí)慣性“壘大戶(hù)”的做法往往使其出現(xiàn)大額風(fēng)險(xiǎn)暴露，最終可能加劇銀行面臨的信用風(fēng)險(xiǎn)。本文擬針對(duì)貸款集中度對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)的影響進(jìn)行探究，以期為銀行信用風(fēng)險(xiǎn)管理提供建議。

一、文獻(xiàn)綜述和研究假設(shè)

關(guān)于貸款集中度對(duì)銀行信用風(fēng)險(xiǎn)的影響，學(xué)術(shù)界大多認(rèn)為貸款集中度的提高會(huì)通過(guò)強(qiáng)化風(fēng)險(xiǎn)聚集，進(jìn)而加大銀行面臨的信用風(fēng)險(xiǎn)。美國(guó)經(jīng)濟(jì)學(xué)家馬克維茨（Markowitz）1952 年提出的投資組合理論中，強(qiáng)調(diào)了分散投資的重要性。發(fā)放貸款是商業(yè)銀行的一種投資行為，集中的貸款投放與集中的投資組合一樣，不利于消解個(gè)體風(fēng)險(xiǎn)。在貸款集中的情況下，一旦重要客戶(hù)因經(jīng)營(yíng)不善出現(xiàn)清償困難，銀行的不良貸款就會(huì)顯著增多，此時(shí)相對(duì)貸款分散的情形，貸款集中會(huì)讓銀行面臨更加難以承受的信用風(fēng)險(xiǎn)。巴曙松等（2010[1]）認(rèn)為銀行在授信時(shí)存在“壘大戶(hù)”現(xiàn)象，一旦出現(xiàn)經(jīng)濟(jì)下滑，大型企業(yè)的財(cái)務(wù)困境會(huì)對(duì)未分散風(fēng)險(xiǎn)的銀行造成巨大沖擊。周春喜等（2018[2]）基于我國(guó)城市商業(yè)銀行的數(shù)據(jù)，研究發(fā)現(xiàn)貸款集中度對(duì)資產(chǎn)質(zhì)量具有負(fù)面影響，其中客戶(hù)集中度的影響比較顯著。

此外，也有學(xué)者持相反觀(guān)點(diǎn)，認(rèn)為貸款集中度的提高會(huì)帶來(lái)專(zhuān)業(yè)化效益，從而減小銀行面臨的信用風(fēng)險(xiǎn)。針對(duì)貸款集中帶來(lái)的專(zhuān)家效應(yīng)和信息優(yōu)勢(shì)，Berger 等（2017[3]）進(jìn)行了精準(zhǔn)深入的探究。其基于風(fēng)險(xiǎn)管理協(xié)會(huì)（RMA）提供的銀行級(jí)別數(shù)據(jù)集，檢驗(yàn)銀行的貸款集中度與其索要的財(cái)務(wù)信息之間的關(guān)系，發(fā)現(xiàn)貸款集中度較高的銀行，收集經(jīng)審計(jì)的借款人財(cái)務(wù)報(bào)表的傾向較小，這意味著銀行貸款集中度與銀行專(zhuān)業(yè)知識(shí)緊密相關(guān)，這種專(zhuān)業(yè)知識(shí)替代了高質(zhì)量的信息，如經(jīng)審計(jì)的財(cái)務(wù)報(bào)表。Winton（1999[4]）發(fā)現(xiàn)，貸款集中度與不良貸款之間呈負(fù)相關(guān)關(guān)系，其內(nèi)在機(jī)制在于貸款集中化可以有效增強(qiáng)銀行的信息獲取能力，提高銀行的專(zhuān)業(yè)化水平和信貸管理能力，從而優(yōu)化貸款質(zhì)量?；谝陨戏治?，針對(duì)貸款集中度與商業(yè)銀行信用風(fēng)險(xiǎn)的關(guān)系，本文提出如下對(duì)立假設(shè)：

假設(shè)1a：貸款集中度的提高會(huì)提升不良貸款率，增大商業(yè)銀行面臨的信用風(fēng)險(xiǎn)。

假設(shè)1b：貸款集中度的提高會(huì)降低不良貸款率，減小商業(yè)銀行面臨的信用風(fēng)險(xiǎn)。

二、模型構(gòu)建和實(shí)證分析

本文研究的主題是貸款集中度對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)的影響。被解釋變量是反映銀行信用風(fēng)險(xiǎn)的不良貸款率，核心解釋變量是反映銀行貸款集中度的單一最大客戶(hù)貸款比率和最大十家客戶(hù)貸款比率。此外，本文還控制了時(shí)間效應(yīng)，并加入了銀行個(gè)體層面的一些控制變量。本文銀行個(gè)體層面控制變量選取的是反映商業(yè)銀行個(gè)體規(guī)模的總資產(chǎn)，反映商業(yè)銀行風(fēng)險(xiǎn)抵御及償債能力的資本充足率，反映商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)水平的貸存比，反映商業(yè)銀行周轉(zhuǎn)和營(yíng)運(yùn)情況的資產(chǎn)周轉(zhuǎn)率，反映商業(yè)銀行凈利息收入水平的凈利差，反映商業(yè)銀行股東投資收益情況的ROE。其中，當(dāng)期的凈利差和ROE 在不同維度上反映了商業(yè)銀行當(dāng)期的盈利能力，而當(dāng)期的不良貸款率通常會(huì)比較直接地影響到商業(yè)銀行當(dāng)期的收益，因此為規(guī)避反向因果導(dǎo)致的模型內(nèi)生性問(wèn)題，對(duì)于這兩個(gè)變量，本文選用滯后一期的形式加入模型。本文構(gòu)建了如下所示的控制了時(shí)間效應(yīng)的固定效應(yīng)面板數(shù)據(jù)模型：

其中，NPLit代表的是銀行i 在t 期的不良貸款率，LCit代表的是銀行i 在t 期的貸款集中度，Xit代表的是控制變量向量集，ai代表的是銀行虛擬變量向量集，ut代表的是時(shí)間虛擬變量向量集。本文研究的樣本區(qū)間是2007-2018 年。變量選取和相關(guān)說(shuō)明如表1 所示。

本文的貸款集中度數(shù)據(jù)是Wind 數(shù)據(jù)庫(kù)和國(guó)泰安數(shù)據(jù)庫(kù)中相關(guān)數(shù)據(jù)互補(bǔ)得到的結(jié)果，不良貸款率數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)，銀行個(gè)體層面控制變量數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)、Wind 數(shù)據(jù)庫(kù)和BankScope 數(shù)據(jù)庫(kù)。

表2 展示的是單一最大客戶(hù)貸款比率對(duì)不良貸款率的影響，表3 展示的是最大十家客戶(hù)貸款比率對(duì)不良貸款率的影響。從中可看到，逐步加入控制變量之后，貸款集中度對(duì)不良貸款率的影響始終顯著為正，于是假設(shè)1a 得到了驗(yàn)證。貸款集中度的提高確實(shí)會(huì)顯著增大商業(yè)銀行面臨的信用風(fēng)險(xiǎn)，商業(yè)銀行不應(yīng)采取“壘大戶(hù)”的做法，在貸款客戶(hù)投向維度，應(yīng)盡量分散化放貸。

由上文可知貸款集中度的提高會(huì)提升不良貸款率，下面對(duì)這一影響進(jìn)行不同銀行類(lèi)別的異質(zhì)性分析，方法是加入銀行類(lèi)別變量以及客戶(hù)集中度和銀行類(lèi)別變量的交乘項(xiàng)。同時(shí)，為保留不同類(lèi)別間的個(gè)體特征差異，采用了控制時(shí)間效應(yīng)的面板數(shù)據(jù)混合OLS模型。除了控制時(shí)間效應(yīng)之外，還控制了基礎(chǔ)回歸模型中所控制的銀行個(gè)體層面變量。本文將我國(guó)商業(yè)銀行劃分為大型銀行、中小型銀行和外資銀行。其中，大型銀行包括國(guó)有行和股份行這兩類(lèi)全國(guó)性大型銀行，中小型銀行包括城商行和農(nóng)商行這兩類(lèi)區(qū)域性中小型銀行。從表4 中模型（3）可看出，外資行的不良貸款率相對(duì)較低。從模型（1）、模型（2）可看出，相對(duì)于其他銀行，大型銀行的單一最大客戶(hù)貸款比率對(duì)不良貸款率的影響更小，而中小型銀行的單一最大客戶(hù)貸款比率對(duì)不良貸款率的影響更大，因此中小型銀行更應(yīng)警惕由于客戶(hù)集中度過(guò)高而帶來(lái)的信用風(fēng)險(xiǎn)。以上結(jié)論對(duì)于以最大十家客戶(hù)貸款比率代表的客戶(hù)集中度而言，盡管顯著程度不高，但仍然適用。

表1 變量選取與說(shuō)明

表2 單一最大客戶(hù)貸款比率對(duì)NPL 的影響

表3 最大十家客戶(hù)貸款比率對(duì)NPL 的影響

探究完貸款客戶(hù)集中度對(duì)不良貸款率影響的銀行間異質(zhì)性后，本文接著探究這一影響是否存在門(mén)限效應(yīng)，即當(dāng)某一變量突破某一閾值之后，這一影響是否將發(fā)生結(jié)構(gòu)性突變。本文利用Stata 的xthreg 命令來(lái)檢驗(yàn)門(mén)限效應(yīng)是否存在。xthreg 命令要求所使用的數(shù)據(jù)為平衡面板數(shù)據(jù)，本文對(duì)年度數(shù)和截面樣本數(shù)進(jìn)行綜合考慮后，決定選用2009-2018 年期間各變量數(shù)據(jù)完整的樣本進(jìn)行門(mén)限回歸。同時(shí)為使樣本量盡可能大，門(mén)限模型的控制變量中不加入L.凈利差和L.ROE。從表5 門(mén)限值檢驗(yàn)中看到，單一最大客戶(hù)貸款比率門(mén)限模型的門(mén)限效應(yīng)不顯著，因此下文僅對(duì)最大十家客戶(hù)貸款比率門(mén)限模型進(jìn)行門(mén)限回歸，結(jié)果如表6 所示。從表6 中看到，當(dāng)最大十家客戶(hù)貸款比率超過(guò)門(mén)限值41.42%時(shí)，其對(duì)不良貸款率將產(chǎn)生顯著的正向影響，而低于這一門(mén)限值時(shí)該影響不顯著。因此，商業(yè)銀行和監(jiān)管當(dāng)局應(yīng)警惕41.42%這一臨界值，當(dāng)最大十家客戶(hù)貸款比率超過(guò)這一臨界值時(shí)，需要適當(dāng)加以干預(yù)，分散對(duì)客戶(hù)的貸款，以減少聚集性違約風(fēng)險(xiǎn)的發(fā)生。另外還可看到，考慮門(mén)限效應(yīng)后，模型的擬合優(yōu)度大大提升，從表3 模型（3）的0.224 大幅提升至表6 的0.632。

最后，本文對(duì)主要模型進(jìn)行穩(wěn)健性檢驗(yàn)。穩(wěn)健性檢驗(yàn)方法之一是采用替換被解釋變量的方法，用同樣象征商業(yè)銀行信用風(fēng)險(xiǎn)的“撥備覆蓋率”替換原先的“不良貸款率”進(jìn)行探究；穩(wěn)健性檢驗(yàn)方法之二是采用替換某一控制變量的方法，用象征銀行杠桿倍數(shù)和償債能力的“權(quán)益乘數(shù)”代替象征銀行風(fēng)險(xiǎn)抵御和償債能力的“資本充足率”進(jìn)行探究。經(jīng)過(guò)上述檢驗(yàn)，發(fā)現(xiàn)本文的主要結(jié)論“貸款集中度的提升會(huì)提高商業(yè)銀行信用風(fēng)險(xiǎn)”是非常穩(wěn)健的。同時(shí)，經(jīng)過(guò)豪斯曼內(nèi)生性檢驗(yàn)，發(fā)現(xiàn)本文的主要模型不存在內(nèi)生性問(wèn)題。因此，本文的研究成果具備較高的可信度。

表4 貸款集中度對(duì)NPL 影響的異質(zhì)性分析

表5 門(mén)限值個(gè)數(shù)及其顯著性檢驗(yàn)

表6 最大十家客戶(hù)貸款比率對(duì)NPL 影響的門(mén)限效應(yīng)

三、結(jié)語(yǔ)

本文通過(guò)實(shí)證研究，發(fā)現(xiàn)貸款客戶(hù)集中度的提高會(huì)提升不良貸款率，加大商業(yè)銀行的信用風(fēng)險(xiǎn)。相對(duì)于其他銀行，大型銀行的客戶(hù)集中度對(duì)不良貸款率的影響更小，而中小型銀行的客戶(hù)集中度對(duì)不良貸款率的影響更大，因此中小型銀行更應(yīng)警惕由于客戶(hù)集中度過(guò)高而帶來(lái)的信用風(fēng)險(xiǎn)。另外，最大十家客戶(hù)貸款比率影響不良貸款率的模型存在顯著的門(mén)限效應(yīng)，當(dāng)最大十家客戶(hù)貸款比率未超過(guò)門(mén)限值41.42%時(shí)，其對(duì)不良貸款率不產(chǎn)生顯著影響，而當(dāng)最大十家客戶(hù)貸款比率超過(guò)門(mén)限值41.42%時(shí)，其對(duì)不良貸款率將產(chǎn)生顯著的正向影響。因此，建議監(jiān)管部門(mén)重點(diǎn)關(guān)注商業(yè)銀行最大十家客戶(hù)貸款比率是否超過(guò)41.42%，并對(duì)超過(guò)這一閾值的銀行加強(qiáng)監(jiān)管，以防范其出現(xiàn)嚴(yán)重的信用違約風(fēng)險(xiǎn)。

注釋

① 指銀行個(gè)體層面的總資產(chǎn)、資本充足率、貸存比、資產(chǎn)周轉(zhuǎn)率、L.凈利差、L.ROE 六個(gè)變量。