李仲飛，黎智滔，劉京軍

一、引言

利率市場化現(xiàn)如今依然是金融改革的重點(diǎn)。中國的利率市場化進(jìn)程起始于1996 年6 月，以央行放開銀行間同業(yè)拆借利率為標(biāo)志。2015 年10 月，央行對商業(yè)銀行等金融機(jī)構(gòu)不再設(shè)置存款利率浮動上限，至此，利率市場化基本完成。利率市場化，對優(yōu)化資源配置、完善金融市場、提升銀行業(yè)競爭力、實(shí)現(xiàn)宏觀調(diào)控手段轉(zhuǎn)型都有重要的意義。2018 年5 月，央行發(fā)布的《2018 年第1 季度中國貨幣政策執(zhí)行報告》指出，要推動利率“兩軌”逐步合“一軌”。李克強(qiáng)總理在2019年3月5日第十三屆全國人民代表大會第二次會議中也指出，要“深化利率市場化改革，降低實(shí)際利率水平”。因此，實(shí)現(xiàn)全面利率市場化，是未來利率市場化改革的趨勢。

在利率市場化環(huán)境中，市場利率是會隨時間發(fā)生變化的。那么我們自然會問，在我國利率市場化改革進(jìn)程中，市場利率的波動大嗎？為了討論這一問題，我們繪制了2007—2017 年間銀行間同業(yè)拆借利率（7天）的走勢圖，如圖1所示。其中黑色實(shí)線代表每一個月銀行間同業(yè)拆借利率（7天）的平均值，灰色區(qū)域的上邊界和下邊界分別代表每一個月銀行間同業(yè)拆借利率（7天）的最大值和最小值。如果從月平均市場利率的走勢來看（黑色實(shí)線），我國市場利率的總體走勢是不平穩(wěn)的，例如在2007 年—2008 年、2010年—2015年期間，月平均市場利率表現(xiàn)出很大的波動；而如果從月內(nèi)市場利率波動的幅度來看（灰色區(qū)域），我國市場利率在某些月份內(nèi)波動的程度也很大，其中最為突出的是2013年6月，在此期間爆發(fā)了著名的“錢荒”事件。因此，無論從月平均市場利率的走勢，還是月內(nèi)市場利率的波動幅度來看，我國市場利率的波動確實(shí)是比較大的。我國市場利率波動的影響因素是比較復(fù)雜的，例如金融機(jī)構(gòu)對市場資金的供需狀況、央行貨幣政策調(diào)控、季節(jié)性因素、資本市場因素以及宏觀經(jīng)濟(jì)因素。但無論如何，巨大的市場利率波動可能會威脅到金融市場的穩(wěn)定、貨幣政策的順利執(zhí)行以及實(shí)體經(jīng)濟(jì)的發(fā)展。因此，維持市場利率穩(wěn)定具有重要的意義。

圖1 2007—2017年銀行間同業(yè)拆借利率（7天）走勢圖

近年來，隨著利率市場化的推進(jìn)，利率水平不再是不變的，我國商業(yè)銀行需要對其經(jīng)營策略作出適當(dāng)?shù)恼{(diào)整和改變。對銀行的信貸結(jié)構(gòu)而言，一方面，銀行會根據(jù)不同類別的貸款的特點(diǎn)，調(diào)整各類貸款的發(fā)放數(shù)量；另一方面，銀行會從全局的角度分配不同貸款的占比，在整體上控制和分散整個貸款組合的風(fēng)險，優(yōu)化自身的信貸結(jié)構(gòu)。因此，市場利率波動對我國商業(yè)銀行的信貸結(jié)構(gòu)影響深遠(yuǎn)，而銀行信貸結(jié)構(gòu)又與我國產(chǎn)業(yè)經(jīng)濟(jì)的發(fā)展息息相關(guān)，因此研究市場利率波動對我國銀行信貸結(jié)構(gòu)的影響是有重要意義的。市場利率波動如何影響銀行的信貸決策呢？銀行是會擴(kuò)大信貸規(guī)模尋求利潤，還是會減少放貸以規(guī)避風(fēng)險？本文將深入研究這些問題。

關(guān)于市場利率波動對銀行影響的文獻(xiàn)大多集中在分析市場利率波動對銀行業(yè)績和風(fēng)險的影響。例如Gambacorta（2008）發(fā)現(xiàn)市場利率波動與銀行借貸利率之間存在正相關(guān)關(guān)系。馮鵬熙和龔樸（2006）發(fā)現(xiàn)在利率波動較大的時期內(nèi)銀行并不能通過資產(chǎn)管理獲得更大的收益。Kasman et al.（2011）的研究表明利率波動是銀行股票收益和波動率的主要影響因素。

關(guān)于銀行信貸結(jié)構(gòu)方面的文獻(xiàn)，例如Deyoung et al.（2015）分析了金融危機(jī)前后，銀行對小企業(yè)發(fā)放的貸款量是否發(fā)生了變化，并從信用、風(fēng)險等方面深入分析了銀行對小企業(yè)的發(fā)放貸款行為；許坤和蘇揚(yáng)（2016）分析了逆周期資本監(jiān)管對銀行信貸政策的影響；江曙霞和劉忠璐（2016）研究了資本充足率對銀行不同類別貸款的影響，發(fā)現(xiàn)不同資本充足率的銀行在信貸結(jié)構(gòu)上有所差異；劉莉亞等（2017）發(fā)現(xiàn)競爭能促進(jìn)銀行調(diào)整其信貸結(jié)構(gòu)。

我們發(fā)現(xiàn)也有部分文獻(xiàn)涉及到市場利率波動與某些類別貸款之間的關(guān)系。張蕊和呂江林（2017）的研究發(fā)現(xiàn)當(dāng)利率波動上升時，銀行的再定價風(fēng)險、基準(zhǔn)風(fēng)險、收益率曲線風(fēng)險、選擇權(quán)風(fēng)險會上升，此時銀行會更偏好于短期貸款，而非長期貸款。劉飛（2014）也發(fā)現(xiàn)了在利率市場化改革進(jìn)程中，銀行資產(chǎn)端對短期貸款的偏好不斷加強(qiáng)。以上文獻(xiàn)大多都只從定性的角度分析市場利率波動對銀行信貸結(jié)構(gòu)的影響，缺乏理論基礎(chǔ)和實(shí)證檢驗(yàn)；此外，這些文獻(xiàn)大多只討論市場利率波動對其中某幾類銀行貸款的影響，分析不夠全面。因此，本文分別從理論和實(shí)證角度，考察市場利率波動對銀行信貸結(jié)構(gòu)的影響，且討論的貸款類別相比已有文獻(xiàn)會更多，這也是本文研究的創(chuàng)新點(diǎn)。

本文研究發(fā)現(xiàn)市場利率波動對銀行多數(shù)類別貸款的新增貸款量有顯著為負(fù)的影響，其中公司商業(yè)貸款和信用貸款對市場利率波動更為敏感，銀行信貸結(jié)構(gòu)發(fā)生變化，在穩(wěn)健性檢驗(yàn)下該結(jié)論依然成立。進(jìn)一步我們發(fā)現(xiàn)，在不同貨幣政策環(huán)境下，以及對不同種類的銀行，市場利率波動對信貸結(jié)構(gòu)的影響有一定差異，銀行有不同的貸款結(jié)構(gòu)調(diào)整行為。本文進(jìn)一步研究了市場利率波動對銀行貸款集中度的影響，結(jié)果發(fā)現(xiàn)市場利率波動率對銀行貸款的行業(yè)集中度無顯著影響，對客戶集中度有顯著為負(fù)的影響?；谖覈壳般y行業(yè)的經(jīng)營和監(jiān)管現(xiàn)狀，本文對以上得到的結(jié)論均進(jìn)行了詳細(xì)的分析。

與已有文獻(xiàn)相比，本文的研究貢獻(xiàn)體現(xiàn)在：第一，拓展了已有的理論模型，將利率波動因素引入到銀行信貸決策模型中，使模型更符合現(xiàn)實(shí)情況。第二，拓展了銀行信貸結(jié)構(gòu)的研究，發(fā)現(xiàn)市場利率波動是影響銀行信貸結(jié)構(gòu)的因素之一，并從數(shù)據(jù)層面上對此進(jìn)行實(shí)證檢驗(yàn)。第三，提出在利率市場化環(huán)境下市場利率波動的重要性，豐富了市場利率波動對金融機(jī)構(gòu)影響的相關(guān)研究。本文的研究為監(jiān)管部門在利率市場化環(huán)境下如何對銀行信貸結(jié)構(gòu)進(jìn)行引導(dǎo)和監(jiān)管提供了證據(jù)。

本文接下來的段落安排如下：第二部分是市場利率波動與銀行信貸結(jié)構(gòu)關(guān)系的理論模型構(gòu)建；第三部分是基于模型得到的結(jié)果，對市場利率波動與銀行不同類別貸款的新增貸款量之間關(guān)系的實(shí)證分析；第四部分是市場利率波動與銀行貸款集中度的關(guān)系分析；第五部分是本文的結(jié)論以及政策建議。

二、市場利率波動與銀行信貸結(jié)構(gòu)的模型構(gòu)建

基于Deyoung et al.（2015）和劉莉亞等（2017），本文構(gòu)建一個考慮市場利率波動的銀行信貸決策模型。假設(shè)在利率市場化背景下，存在一個代表性銀行，該銀行可將其可貸資金分配到N個不同的貸款類別中。用Lt，n表示第t年末銀行第n類貸款的貸款存量，NLt，n表示第t年銀行第n類貸款的新增貸款量，則Lt，n=Lt-1，n+NLt，n。該銀行的所有可貸資金的來源為外部客戶存款Dt，滿足假設(shè)該銀行從外部獲取存款的成本為市場利率rt。本文假設(shè)市場利率rt是隨機(jī)的，且服從均值為Mt，方差為的正態(tài)分布。對于貸款，我們區(qū)分起始于不同時間的貸款在第t年的收益率，假設(shè)起始于第t-1 年銀行第n類貸款在第t年獲得的收益率為Rt，n/t-1=1+(1+a)rt+pt-1，n-ηt，n，而起始于第t年銀行第n類貸款在第t年獲得的收益率為Rt，n/t=1+(1+a)rt+pt，n-ηt，n。其中a>0 代表銀行對每單位貸款額外收取的市場利率的倍數(shù)，pt-1，n和pt，n分別代表起始于第t-1 年和第t年銀行第n類貸款的信用利差，ηt，n是第t年銀行第n類貸款的單位資金隨機(jī)損失率，服從均值為μt，n，方差為的正態(tài)分布。同時我們假設(shè)ηt，n與rt無關(guān)，而各類別貸款的隨機(jī)損失率之間是相關(guān)的，協(xié)方差為σt，nm=cov(ηt，n，ηt，m)。根據(jù)以上定義，該銀行在第t年獲得的利潤為

該銀行需要決定在第t年每一類貸款的新增貸款量NLt，n，其目標(biāo)為最大化在第t年利潤的期望效用。假設(shè)該銀行關(guān)于利潤的效用函數(shù)為U(πt)，滿足Uπ>0和Uππ<0，則該銀行的最優(yōu)化問題為

求解問題（2）的方法與Deyoung et al.（2015）類似，首先將各字母的定義式代入目標(biāo)式（2）中，然后令期望效用值E[U(πt)]對銀行各類貸款的新增貸款量NLt，n求導(dǎo)，并令導(dǎo)數(shù)等于0，即可解得NLt，n需要滿足的一階條件為：

在式（3）中，第n類貸款的新增貸款量的表達(dá)式中出現(xiàn)了其他類別貸款的新增貸款量和上一年末的貸款存量，如果根據(jù)該式構(gòu)建回歸方程進(jìn)行實(shí)證檢驗(yàn)，會存在聯(lián)立性偏誤帶來的內(nèi)生性問題。為此，我們聯(lián)立所有類別貸款新增貸款量的表達(dá)式，用聯(lián)立方程組求解的方法，消除與其他類別貸款相關(guān)的變量，求得各類貸款新增貸款量的簡式表達(dá)式：

其中Ω 是一個N×N的矩陣，其第n行第m列元素為而(Ω-1)nm是逆矩陣Ω-1的第n行第m列元素?？梢园l(fā)現(xiàn)，銀行第n類貸款的新增貸款量依然會受到第n類貸款上一年末的貸款存量、總利差、平均損失率、市場利率波動率的影響。此時，市場利率波動出現(xiàn)在逆矩陣Ω-1的每一個元素中，僅憑式（4）很難看出此時市場利率波動對新增貸款量的影響。經(jīng)過對N取一些具體數(shù)值進(jìn)行分析后，本文發(fā)現(xiàn)在簡式表達(dá)式中，市場利率波動對貸款新增貸款量的影響依然存在與式（3）相同的兩方面的效應(yīng)，影響機(jī)制沒有發(fā)生變化。因此，基于簡式表達(dá)式，我們同樣預(yù)測，市場利率波動上升時，銀行多數(shù)類別貸款的新增貸款量會減少，但不同類別貸款新增貸款量的減少的程度各有不同，貸款結(jié)構(gòu)發(fā)生變化。接下來，我們將基于新增貸款量的簡式表達(dá)式，構(gòu)造回歸方程進(jìn)行實(shí)證分析。

三、實(shí)證設(shè)計與結(jié)果

（一）樣本選擇與數(shù)據(jù)來源

本文研究的數(shù)據(jù)來自于Wind數(shù)據(jù)庫，數(shù)據(jù)時間區(qū)間為2007—2017年。在這段時間區(qū)間內(nèi)，我國市場利率波動有大有小，最適合研究市場利率波動。首先，我們剔除了政策性銀行、郵儲銀行、外資銀行、農(nóng)村信用社、村鎮(zhèn)銀行的樣本。其次，再對數(shù)據(jù)進(jìn)行清洗，剔除各類貸款數(shù)據(jù)缺失較多的樣本，以及剔除各類貸款數(shù)額總和與總貸款數(shù)額差距較大的樣本。最終進(jìn)入回歸的樣本銀行共258家，其中包括5家國有控股大型商業(yè)銀行、12家股份制商業(yè)銀行、108家城市商業(yè)銀行以及133家農(nóng)村商業(yè)銀行。此外，本文對主要解釋變量都進(jìn)行了前后1%的縮尾處理①為了節(jié)約篇幅，描述性統(tǒng)計不再列出。，以避免極端值的影響。

（二）回歸方程的設(shè)定

基于第n類貸款的新增貸款量的簡式表達(dá)式（4），本文構(gòu)建以下回歸方程：

其中i=1，2，…，I代表銀行個體，t代表樣本所處的年份，n=1，2，…，N代表銀行的每一類貸款。與Dey?oung et al.（2015）相同，被解釋變量NewLoani，t，n等于銀行i第t年第n類貸款的新增貸款量與第t-1 年末的銀行總資產(chǎn)之比，而Loani，t-1，n等于銀行i第t-1 年末第n類貸款的貸款存量與第t-1 年末的銀行總資產(chǎn)之比。銀行貸款的分類有幾種，根據(jù)數(shù)據(jù)的可得性，本文選用了三種貸款分類。第一是按貸款對象分類，可分為公司商業(yè)貸款、個人住房貸款和個人消費(fèi)貸款三類；第二是按擔(dān)保類別分類，可分為信用貸款、保證貸款、抵押貸款和質(zhì)押貸款四類，因?yàn)楹竺嫒愘J款都具有擔(dān)保性質(zhì)，可合并統(tǒng)稱為擔(dān)保貸款，因此可以只分為信用貸款和擔(dān)保貸款兩類；第三是按貸款期限分類，可分為短期貸款和中長期貸款兩類。此外數(shù)據(jù)庫中還有按照貸款行業(yè)進(jìn)行分類的貸款數(shù)據(jù)，然而完整的數(shù)據(jù)量很少，不足以回歸使用，因此在這里我們不考慮這種分類方法。

Volt代表第t年市場利率的方差值，是本文關(guān)注的主要解釋變量。至于市場利率的選擇，現(xiàn)有文獻(xiàn)大多支持使用銀行間同業(yè)拆借利率（CHIBOR）、上海銀行間同業(yè)拆借利率（SHIBOR）以及銀行間質(zhì)押式回購利率（REPOR）。本文選擇7 天銀行間同業(yè)拆借利率（CHIBOR）作為市場利率，其他利率則在穩(wěn)健性檢驗(yàn)中使用。關(guān)于銀行微觀特征變量，首先是利差和貸款損失率指標(biāo)的選擇。由于數(shù)據(jù)庫中，關(guān)于銀行各類貸款的利差和貸款損失率的數(shù)據(jù)很少，不足以回歸使用，本文選用整個銀行的利差和貸款損失率代替。其中銀行整體利差指標(biāo)選用凈利差Spreadi，t-1，貸款損失率指標(biāo)選用不良貸款率NPLRi，t-1（劉莉亞等，2017）。此外，本文還控制了其他銀行微觀特征變量，包括銀行規(guī)模Sizei，t-1、資本資產(chǎn)比率CAPi，t-1。本文將以上四個銀行微觀特征變量進(jìn)行了滯后一期的處理。最后，我們還控制了宏觀經(jīng)濟(jì)變量，包括實(shí)際GDP增長率RGDPRt以及代表寬松貨幣政策環(huán)境的虛擬變量Looset。其中當(dāng)Looset=1時代表第t年是寬松的貨幣政策環(huán)境，而當(dāng)Looset=0時則代表第t年是緊縮的貨幣政策環(huán)境。參考已有的文獻(xiàn)，本文選擇了三種方法判斷每一年是寬松貨幣政策環(huán)境還是緊縮貨幣政策環(huán)境。第一種是索彥峰和陳繼明（2008）、徐明東和陳學(xué)彬（2012）提出的M2 增長率HP 濾波判別法；第二種是基于Nguyen &Boateng（2015）提出的Taylor 缺口方法；第三種是陸正飛和楊德明（2011）提出的MP 指標(biāo)法。最后，綜合以上三種方法，本文選擇占多數(shù)的判斷結(jié)果，最終界定樣本區(qū)間每一年是寬松貨幣政策環(huán)境還是緊縮貨幣政策環(huán)境。α為常數(shù)項(xiàng)，ui，n代表銀行i的個體效應(yīng)，εi，t，n代表一般隨機(jī)擾動項(xiàng)。經(jīng)過檢驗(yàn)，本文的數(shù)據(jù)更適合使用固定效應(yīng)模型，因此本文將使用固定效應(yīng)模型進(jìn)行回歸。

（三）主要回歸結(jié)果分析

表1給出了市場利率波動對我國商業(yè)銀行信貸結(jié)構(gòu)影響的估計結(jié)果。其中列（1）—（3）給出了按貸款對象分類的三類貸款的回歸結(jié)果，結(jié)果顯示市場利率波動率（Vol）對公司商業(yè)貸款和個人住房貸款的新增貸款量有顯著為負(fù)的影響，從系數(shù)的大小來看，市場利率波動率對公司商業(yè)貸款的影響比對個人住房貸款的影響要大，前者的系數(shù)大約是后者的6.98倍，這是因?yàn)橐话闱闆r下，公司商業(yè)貸款要比個人住房貸款的貸款數(shù)額更大，因此公司商業(yè)貸款對市場利率波動的敏感性會更高。而市場利率波動率對個人消費(fèi)貸款沒有明顯的影響，一方面是由于個人消費(fèi)貸款的期限和數(shù)額在這三類貸款中是最低的，另一方面是因?yàn)閭€人消費(fèi)貸款的利率一般較高，因此個人消費(fèi)貸款對市場利率波動并不太敏感。列（4）—（5）則是按擔(dān)保類別的兩類貸款的回歸結(jié)果，市場利率波動率（Vol）的上升顯著降低了這兩類貸款的新增貸款量，其中信用貸款對市場利率波動率敏感度更高，這是因?yàn)樵谑袌隼什▌虞^大的時期內(nèi)，貸款更容易發(fā)生違約，而且相比擔(dān)保貸款而言，信用貸款不需要貸款人提供擔(dān)保，因此為了避免風(fēng)險，減少違約損失，銀行更不愿意發(fā)放信用貸款。列（6）—（7）為按期限長度分類的兩類貸款的回歸結(jié)果，和前面的結(jié)果類似，市場利率波動率（Vol）的上升也顯著減少了短期貸款和中長期貸款的新增貸款量。從系數(shù)的大小來看，市場利率波動對中長期貸款的影響僅比對短期貸款的影響高約6%，說明這兩類貸款對利率波動的敏感度是接近的。這點(diǎn)似乎與張蕊和呂江林（2017）等文獻(xiàn)的分析不同，他們認(rèn)為當(dāng)市場利率波動上升時，銀行更不愿意發(fā)放長期貸款；反之，市場利率波動下降時，銀行更傾向發(fā)放長期貸款。實(shí)際上，他們的邏輯可能會受到當(dāng)前貨幣政策環(huán)境的影響，由于在寬松貨幣政策環(huán)境下市場利率波動往往較低，此時銀行偏好中長期貸款的行為可能是由貨幣政策環(huán)境導(dǎo)致的。從列（7）變量Loose 的系數(shù)我們可以發(fā)現(xiàn)，在寬松貨幣政策環(huán)境下，銀行中長期貸款的新增貸款量上升，這證實(shí)了貨幣政策環(huán)境可能會干擾市場利率波動對銀行信貸結(jié)構(gòu)的影響。因此，在控制了貨幣政策環(huán)境因素后，我們發(fā)現(xiàn)市場利率波動對不同期限結(jié)構(gòu)貸款的新增貸款量都有負(fù)向作用，且期限結(jié)構(gòu)沒有發(fā)生明顯變化。綜合以上結(jié)果來看，銀行對于利率風(fēng)險是風(fēng)險厭惡的，因此當(dāng)市場利率波動上升時，銀行會減少多數(shù)類別貸款的新增貸款量，同時公司商業(yè)貸款和擔(dān)保貸款對市場利率波動的敏感性更高，銀行信貸結(jié)構(gòu)發(fā)生變化。

表1 市場利率波動對銀行信貸結(jié)構(gòu)影響的估計結(jié)果

不同控制變量對各類貸款的新增貸款量的影響也不同。其中銀行貸款存量（Loan）的系數(shù)在所有回歸中均顯著為負(fù)，與本文理論模型預(yù)測的方向相同，這是因?yàn)殂y行有一定的目標(biāo)貸款量，當(dāng)存量多時則新增貸款量就會少，反之當(dāng)存量少則新增貸款量就會多。貸款損失率指標(biāo)——不良貸款率（NPLR）的系數(shù)在公司商業(yè)貸款、擔(dān)保貸款和短期貸款的回歸中顯著為負(fù)，而在信用貸款和中長期貸款的回歸中顯著為正，表明當(dāng)銀行的不良貸款率變大時，銀行傾向于減少公司商業(yè)貸款的發(fā)放，同時，基于當(dāng)前不良貸款率偏高的環(huán)境，此時信用貸款和長期貸款對銀行而言更為可靠。利差（Spread）的系數(shù)在公司商業(yè)貸款和擔(dān)保貸款的回歸中顯著為正，在信用貸款的回歸中顯著為負(fù)，在其余回歸中不顯著，表明銀行利差擴(kuò)大時，銀行也會調(diào)整其貸款結(jié)構(gòu)，其中有部分信用貸款轉(zhuǎn)移到擔(dān)保貸款，有部分中長期貸款轉(zhuǎn)移到短期貸款但變化不顯著。規(guī)模（Size）的系數(shù)大多顯著為負(fù)，說明規(guī)模越大的銀行更難對其貸款進(jìn)行擴(kuò)張。資本資產(chǎn)比例（CAP）的系數(shù)在公司商業(yè)貸款以及兩類不同擔(dān)保類別的貸款中顯著為正，表明資本資產(chǎn)比例越高的銀行，會更積極進(jìn)行資產(chǎn)主動管理，更愿意發(fā)放更多的貸款，且以公司商業(yè)貸款為主，與馮科和何理（2011）的結(jié)論相同。實(shí)際GDP 增長率（RGDPR）的系數(shù)在住房貸款和信用貸款的回歸中顯著為正，說明了經(jīng)濟(jì)增長會促進(jìn)這兩類貸款的發(fā)放。代表寬松貨幣政策環(huán)境的虛擬變量（Loose）的系數(shù)在公司商業(yè)貸款的回歸中顯著為正，和魏巍等（2016）結(jié)論相同，說明在寬松貨幣政策環(huán)境下，貨幣供應(yīng)量增加，流動性充足，銀行更愿意向企業(yè)發(fā)放貸款，因此公司商業(yè)貸款的新增貸款量有所上升。

（四）異質(zhì)性分析

貨幣政策是影響銀行信貸行為的重要因素之一（魏巍等，2016）。此外，由于規(guī)模、營業(yè)區(qū)域、業(yè)務(wù)能力等方面的不同，大型商業(yè)銀行、城市商業(yè)銀行和農(nóng)村商業(yè)銀行在利率風(fēng)險管理能力以及信貸調(diào)整行為也有所差異。為此，本文還探討了在不同貨幣政策環(huán)境下，以及對不同種類的銀行，市場利率波動率對銀行信貸結(jié)構(gòu)的影響有何差異。對于不同貨幣政策環(huán)境的分析，首先我們沿用前面使用過的虛擬變量Loose，同時還定義一個代表緊縮貨幣政策環(huán)境的虛擬變量Tight，滿足Tight=1—Loose。接著，我們將Loose和Tight這兩個虛擬變量分別與市場利率波動率Vol相乘，得到兩個交乘項(xiàng)Vol×Loose和Vol×Tight，將這兩個交乘項(xiàng)替代回歸方程中的Vol，再進(jìn)行估計。對于不同種類銀行的分析也是類似的，我們根據(jù)商業(yè)銀行的種類，構(gòu)造了三個虛擬變量，分別是Large（大型商業(yè)銀行，包括5家國有控股大型商業(yè)銀行、12家股份制商業(yè)銀行）、City（城市商業(yè)銀行）和Rural（農(nóng)村商業(yè)銀行），然后將這三個虛擬變量分別與市場利率波動率Vol 相乘，得到三個交乘項(xiàng)Vol×Large、Vol×City 和Vol×Rural，將這三個交乘項(xiàng)替代回歸方程中的Vol，再進(jìn)行估計。

表2 的Panel A 展示了在不同貨幣政策環(huán)境下市場利率波動對銀行信貸結(jié)構(gòu)影響的估計結(jié)果。從結(jié)果來看，在不同貨幣政策環(huán)境下不同類別貸款受市場利率波動的敏感程度有一定差異。首先，無論是在寬松還是緊縮的貨幣政策環(huán)境下，當(dāng)市場利率波動上升時，公司商業(yè)貸款的新增貸款量都顯著減少，與表1 結(jié)果一致。個人住房貸款的新增貸款量僅在寬松貨幣政策環(huán)境下才顯著減少，這是因?yàn)閷捤傻呢泿耪攮h(huán)境能促進(jìn)個人住房貸款量上升，此時個人住房貸款對利率波動十分敏感；而在緊縮貨幣政策環(huán)境下，個人住房貸款量明顯下降，利率波動對新增貸款量的影響就會減弱。其次，從不同擔(dān)保類別貸款的結(jié)果來看，在寬松的貨幣政策環(huán)境下，市場利率波動的上升會導(dǎo)致銀行更偏好信用貸款；而在緊縮貨幣政策環(huán)境下，市場利率波動的上升會導(dǎo)致銀行更偏好擔(dān)保貸款。這可以通過“貨幣政策傳導(dǎo)的風(fēng)險承擔(dān)渠道”解釋（Borio&Zhu，2012），在寬松的貨幣政策環(huán)境下，銀行風(fēng)險容忍度上升，當(dāng)市場利率波動上升時，銀行更偏好風(fēng)險更大的信用貸款；在緊縮的貨幣政策環(huán)境下，銀行風(fēng)險容忍度下降，因此市場利率波動上升時，銀行更愿意持有更多的風(fēng)險更低的抵押貸款。最后，在不同期限結(jié)構(gòu)貸款的結(jié)果方面，我們發(fā)現(xiàn)僅在寬松的貨幣政策環(huán)境下，市場利率波動上升使得銀行中長期貸款的新增貸款量顯著減少，這是因?yàn)樵趯捤傻呢泿耪攮h(huán)境下，收益率曲線比較陡峭（杜金岷和郭紅兵，2008），當(dāng)市場利率波動上升時，中長期貸款利息收入波動很大，因此銀行會顯著減少中長期貸款的發(fā)放。綜上所述，在寬松貨幣政策環(huán)境下，銀行信貸結(jié)構(gòu)對市場利率波動更為敏感，一方面是因?yàn)殂y行風(fēng)險偏好發(fā)生變化，另一方面則是因?yàn)楦黝愘J款發(fā)放量增加，使得利率波動對銀行收入的影響更為顯著。

表2的Panel B 展示了不同種類銀行的估計結(jié)果，結(jié)果發(fā)現(xiàn)市場利率波動率對大型商業(yè)銀行和城市商業(yè)銀行的信貸結(jié)構(gòu)的影響更顯著，而對農(nóng)村商業(yè)銀行的信貸結(jié)構(gòu)的影響不太顯著。這是因?yàn)椋啾扔谵r(nóng)村商業(yè)銀行，大型商業(yè)銀行和城市商業(yè)銀行的規(guī)模更大，經(jīng)營定位于城市地區(qū)，客戶數(shù)量更多，業(yè)務(wù)種類更豐富，競爭力更強(qiáng)，但同時也會更容易受到市場利率波動的沖擊，對利率風(fēng)險更加敏感，因此在市場利率波動率變大時，這些銀行主動會減少自己各類貸款的新增貸款量，減少風(fēng)險敞口。而農(nóng)村商業(yè)銀行的地域性更強(qiáng)，業(yè)務(wù)基本集中在銀行所在地，在當(dāng)?shù)鼐哂幸欢ǖ膲艛嘧h價能力，收入來源比較單一，風(fēng)險感知和抵御利率風(fēng)險的能力相對較弱（林樂芬和陳旭陽，2013），因而其信貸結(jié)構(gòu)對市場利率波動不太敏感。

表2 不同貨幣政策環(huán)境以及不同銀行類別下的估計結(jié)果

（五）穩(wěn)健性檢驗(yàn)

1.使用不同利率構(gòu)造市場利率波動率指標(biāo)

為了說明市場利率波動確實(shí)對銀行信貸結(jié)構(gòu)產(chǎn)生影響，本文選用不同利率來構(gòu)造市場利率波動率指標(biāo)（Vol）。首先，本文選擇7天上海銀行間同業(yè)拆借利率（SHIBOR）和7天銀行間質(zhì)押式回購利率（RE?POR）。除此之外，我們也選用了1年期存款基準(zhǔn)利率和貸款基準(zhǔn)利率來構(gòu)造市場利率波動率?；貧w結(jié)果顯示，無論使用以上任何一種利率，利率波動的上升都會顯著減少多數(shù)類別貸款的新增貸款量，與表1的結(jié)果是類似的。

2.使用不同方法構(gòu)造波動率指標(biāo)

本文構(gòu)造的波動率指標(biāo)是7 天銀行間同業(yè)拆借利率日度數(shù)據(jù)的方差。除此之外，本文還構(gòu)造了以下兩種市場利率波動率指標(biāo)，分別是月度數(shù)據(jù)的方差和日度數(shù)據(jù)的極差（極差=最大值—最小值）。結(jié)果顯示，無論采取哪種波動率指標(biāo)構(gòu)造方法，市場利率波動也依然會顯著減少多數(shù)類別貸款的新增貸款量，說明本文的結(jié)論是穩(wěn)健的。

3.使用不同回歸方法解決內(nèi)生性問題

雖然消除了聯(lián)立性偏誤，但仍可能有潛在其他內(nèi)生性問題。例如，可能存在遺漏變量的問題。對于這種內(nèi)生性問題，本文使用以下三種回歸方法來解決：（1）面板工具變量估計，本文使用7天香港離岸人民幣同業(yè)拆借利率（CNHHIBOR）的波動率以及7天香港銀行同業(yè)拆借利率（HIBOR）的波動率作為市場利率波動率的工具變量；（2）差分GMM 估計；（3）系統(tǒng)GMM 估計。為了穩(wěn)健，對于差分GMM 和系統(tǒng)GMM估計，我們選擇兩步穩(wěn)健方差估計量。結(jié)果顯示，即使更換了更穩(wěn)健的回歸方法，文章的結(jié)論并沒有發(fā)生變化。

四、利率波動對貸款集中度的影響分析

以上從每一類貸款的新增貸款量的角度分析了市場利率波動對銀行信貸結(jié)構(gòu)的影響，是一種局部、具體的分析視角。為了能更全面考察市場利率波動對銀行信貸結(jié)構(gòu)的影響，本文還研究了市場利率波動對銀行貸款集中度的影響。與新增貸款量不同，銀行貸款集中度刻畫的是銀行信貸結(jié)構(gòu)的全局特征。因此，本節(jié)的分析是對本文前面部分的一個補(bǔ)充。國內(nèi)研究貸款集中度的文獻(xiàn)有很多，但大部分文獻(xiàn)主要集中在分析貸款集中度對銀行風(fēng)險、收益的影響。然而，目前幾乎沒有文獻(xiàn)研究市場利率波動對銀行貸款集中度的影響。為此，本節(jié)將從實(shí)證角度探討市場利率波動是否影響銀行的貸款集中度。其中，本文重點(diǎn)考察銀行貸款的行業(yè)集中度和客戶集中度兩個方面。參考魏曉琴和李曉霞（2011），行業(yè)集中度指標(biāo)是基于公司商業(yè)貸款中各個行業(yè)的貸款數(shù)據(jù)計算的赫芬達(dá)爾指數(shù)（HHI），客戶集中度指標(biāo)本文則選用前十大客戶貸款占總貸款的比例Max10th①一般數(shù)據(jù)庫中的前十大客戶貸款占比的定義是最大十家客戶貸款余額占資本凈額的比重，而不是占總貸款的比重，而本文計算的是前十大客戶貸款占總貸款的比例，因此計算方法為前十大客戶貸款占比*資本凈額/總貸款。。

為了研究銀行貸款集中度和市場利率波動之間的關(guān)系，我們的回歸方法如下：把行業(yè)集中度指標(biāo)（HHI）和客戶集中度指標(biāo)（Max10th）作為被解釋變量，然后把市場利率波動率（Vol）、不良貸款率（NPLR）、利差（Spread）、銀行規(guī)模（Size）、資本資產(chǎn)比率（CAP）、實(shí)際GDP 增長率（RGDPR）、寬松貨幣政策虛擬變量（Loose）作為解釋變量，使用固定效應(yīng)模型進(jìn)行回歸。與前面的回歸方法類似，銀行特征變量都取一期滯后。此外，為了探討在不同貨幣政策環(huán)境下，以及對不同種類的銀行的影響差異，類似前面的做法，我們也使用交乘項(xiàng)變量替代市場利率波動率進(jìn)行回歸。

表3 給出了市場利率波動率對銀行貸款集中度影響的估計結(jié)果。從行業(yè)集中度的結(jié)果來看，市場利率波動率對銀行貸款的行業(yè)集中度沒有顯著影響。這可能有兩個原因，第一，因?yàn)榻陙砦覈y行貸款的行業(yè)分布已經(jīng)達(dá)到充分分散的程度（王秀國和高薛，2017），因而無論市場利率波動如何，銀行貸款的行業(yè)結(jié)構(gòu)能免疫市場利率波動的影響；第二，因?yàn)楸O(jiān)管部門對銀行某些行業(yè)貸款的發(fā)放實(shí)施著嚴(yán)格的監(jiān)管，銀行不能輕易地改變其貸款的行業(yè)集中度。從客戶集中度的結(jié)果來看，在市場利率波動較大的時期，銀行的前十大客戶貸款占總貸款的比例會顯著減少。進(jìn)一步發(fā)現(xiàn)，僅在緊縮的貨幣政策環(huán)境下，市場利率波動對客戶集中度有顯著的負(fù)向影響。這是因?yàn)樵诰o縮的貨幣政策環(huán)境下，銀行風(fēng)險承擔(dān)水平下降，傾向于規(guī)避風(fēng)險（Borio&Zhu，2012），因而會降低貸款的客戶集中度。但如果從不同種類銀行的結(jié)果來看，我們能得到一個有趣的結(jié)論，就是市場利率波動率僅僅只對城市商業(yè)銀行的客戶集中度有顯著影響。根據(jù)實(shí)際數(shù)據(jù)統(tǒng)計我們發(fā)現(xiàn)，大型商業(yè)銀行本身的前十大客戶貸款占總貸款的比例本來就很低，而且非常穩(wěn)定，因此即使這些銀行想要降低大客戶所占的貸款比例，在數(shù)字上也不會發(fā)生顯著的變化；對農(nóng)村商業(yè)銀行而言，由于風(fēng)險感知和風(fēng)險控制的能力比較低，利率波動對其貸款結(jié)構(gòu)幾乎沒有影響，因此利率波動對其客戶集中度也沒有顯著的影響；對于城市商業(yè)銀行，其前十大客戶貸款占總貸款的比例比其他兩類銀行的要大，在市場利率波動較大的時期，為了降低風(fēng)險，這些銀行會使用一些方法分散其客戶貸款，因此前十大客戶貸款比例會有顯著的降低，這同時也表現(xiàn)出城市商業(yè)銀行較強(qiáng)的利率風(fēng)險抵御能力（林樂芬和陳旭陽，2013）。

表3 利率波動對貸款行業(yè)集中度與客戶集中度的影響的估計結(jié)果

五、結(jié)論與政策建議

雖然我國利率市場化改革已經(jīng)基本完成，但未來仍需進(jìn)一步深化，推進(jìn)“兩軌”并“一軌”。而在近十幾年來利率市場化環(huán)境下，由于各種因素的影響，我國的市場利率曾發(fā)生過較大的波動，這對銀行資產(chǎn)組合配置、風(fēng)險管理等方面都會造成很大影響。在這背景下，銀行在業(yè)務(wù)模式、信貸結(jié)構(gòu)方面需要進(jìn)行調(diào)整，以適應(yīng)新常態(tài)下的金融經(jīng)濟(jì)發(fā)展。為此，本文重點(diǎn)研究了市場利率波動對我國商業(yè)銀行信貸結(jié)構(gòu)的影響。首先，從理論上，本文構(gòu)建了考慮市場利率波動因素的銀行信貸決策模型，得出市場利率波動與銀行各類貸款新增貸款量之間的關(guān)系。隨后，基于這種關(guān)系構(gòu)建了回歸方程，并對我國2007—2017年商業(yè)銀行的信貸結(jié)構(gòu)數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)。通過對結(jié)果的分析，本文的結(jié)論如下：（1）在市場利率波動較大的時期，銀行多數(shù)類別貸款的新增貸款量會減少，而公司商業(yè)貸款和信用貸款對市場利率波動更為敏感，信貸結(jié)構(gòu)發(fā)生變化，穩(wěn)健性檢驗(yàn)的結(jié)果也支持以上結(jié)論。（2）在不同貨幣政策環(huán)境下，對不同種類的銀行而言，市場利率波動對銀行信貸結(jié)構(gòu)的影響具有異質(zhì)性。（3）市場利率波動對銀行貸款的行業(yè)集中度沒有顯著影響，但對客戶集中度有顯著的負(fù)向影響。

基于本文得到的結(jié)論，我們認(rèn)為商業(yè)銀行應(yīng)更多關(guān)注利率風(fēng)險。從本文的理論模型和實(shí)證分析可知，利率波動會影響商業(yè)銀行的信貸決策行為，對銀行信貸結(jié)構(gòu)產(chǎn)生變化。然而，我國中小銀行尤其是農(nóng)村商業(yè)銀行，利率風(fēng)險管理意識不強(qiáng)，信貸結(jié)構(gòu)不能隨市場利率波動的變化進(jìn)行調(diào)整。此外，我國中小銀行風(fēng)險計量方法單一，管理手段比較落后，已不能滿足利率市場化新環(huán)境下的需求。2017年11月，銀監(jiān)會就《商業(yè)銀行賬簿利率風(fēng)險管理指引（修訂征求意見稿）》公開征求意見，對利率風(fēng)險的計量更加精細(xì)，增加情景分析、壓力測試，并強(qiáng)化監(jiān)管檢查的力度。因此，商業(yè)銀行關(guān)注利率風(fēng)險，建立健全有效、完善的風(fēng)險控制體系，對我國商業(yè)銀行在未來愈發(fā)復(fù)雜的金融環(huán)境中健康發(fā)展具有重要意義。