基于风险视角的贷款行业集中度对银行收益的影响

张健

内容提要：银行在业务发展过程中可能更加注重单项业务收益与违约风险的匹配，而忽视了贷款业务过度集中的负面影响。本文利用国内银行季度数据研究贷款行业集中度对银行收益的影响并探讨银行风险在该影响机制中的作用，结果发现，贷款行业集中度对银行收益的边际影响是风险的二次函数。银行风险很低时，增加信贷占比较低行业的贷款投放会提高银行收益波动率，降低平均收益；银行风险很高时，由于代理监督机制激励不相容以及银行破产的社会成本极高，银行会将信贷资源集中于收益较高且稳定的行业来提升收益。只有风险处于中等水平时，分散配置才会有效发挥代理监督机制的作用，提高收益。样本期大多数银行风险处于中等水平，集中度增加会显著降低收益，但对国有银行的冲击较小。研究结论对优化银行贷款结构具有重要理论指导意义。

关键词：贷款行业集中度；银行收益；银行风险；非线性影响

中图分类号：F830文献标识码：A文章编号：1001-148X（2017）06-0177-08

一、引言

近年来，我国银行业贷款余额中地方融资平台、房地产行业、企业集群以及产能过剩行业的贷款比例较大，集中度高、影响面广。鉴于此，监管机构要求商业银行以差异化的信贷政策为工具，加强对战略性新兴产业、现代服务业的支持力度，在助推经济结构转型升级的同时优化自身资产结构，降低业务集中度风险。实际上，银行在业务发展过程中可能更加注重单项业务收益与违约风险的匹配，往往会忽视业务过度集中产生的负面影响。例如2016年9月末，17家主要商业银行①贷款余额中占比最高的是个人住房按揭贷款，约为22%（较年初增长27%），加上房地产开发贷款，投向房地产行业的贷款总额占比约为29%，超过排名第二的制造业15个百分点。房地产市场资金需求旺盛以及违约风险较低是该类贷款业务快速发展的主要原因，但银行在追求房地产贷款规模扩张的过程中，行业集中度偏高的风险并未充分受到经营管理者的重视。因此，监管机构不断通过不同的途径要求各家银行密切关注房地产信贷业务的集中度，合理调整自身资产结构，加强对房地产信贷的压力测试和风险测试，严控房地产金融业务风险。

目前，银行业务集中度风险问题已经引起监管机构的关注。2016年9月银监会下发《关于进一步加强信用风险管理的通知》，要求银行業金融机构应建立涵盖客户、行业、地区、货币、抵质押品、市场、国家区域等各类风险源，覆盖信贷、投资、衍生品交易、承兑、担保等全部表内外风险暴露，充分体现穿透性原则的集中度风险管理框架。建立满足穿透管理需要的集中度风险管理信息系统，多维度识别、监测、分析、管理集中度风险，并设定相应的限额。但是相关的管理规定中关于贷款集中度的定量指标并不清晰全面。贷款集中度可以从行业、地区、客户、业务收入类型或贷款品种等维度去衡量，目前只有客户维度的贷款集中度监管指标相对具体②。从贷款品种来看，也只对并购贷款有明确规定，即并购贷款余额占同期一级资本净额的比例不能超过50%，单一借款人的并购贷款余额不能超过一级资本净额的5%。显然，关于贷款行业集中度的定量管理指标仍待完善。

那么贷款行业集中度的提高是否能够显著影响我国银行的收益水平？银行风险是否会对影响效果起到关键作用？在当前我国银行业从管制利率时期的粗放型规模扩张模式转向利率市场化环境下的集约型发展模式的过程中，对这一问题的深入分析有助于银行合理进行信贷资源的行业配置，对新经营环境下监管机构进一步完善监管指标体系也具有重要参考意义。

二、文献综述

目前，关于银行业务集中度与经营表现之间关系的研究并没有形成共识。支持业务多元化的主要观点包括：考虑到信息不对称问题，业务多元化有助于降低银行业的成本，并提高银行代理监督的积极性（Diamond，1984；Cesari和Daltung，2000）；银行经营不同类型的业务不会导致资源错配，反而可以提高自身的综合管理技能，从而对经营表现产生积极作用（Iskandar-Datta和McLaughlin，2007）；开展不同类型的业务可以分摊银行的固定成本，利用范围经济获取一定收益（Drucker和Puri，2009）；业务多元化可以降低银行的风险，从而降低预期危机成本和破产成本（Boot和Schmeits，2000）。具体到银行贷款行业集中度，Bebczuk和Galindo（2008）以1999年到2004年阿根廷银行为分析样本，研究指出贷款行业集中度较低有助于提高银行利润，尤其是大型银行。Rossi等（2009）利用1997年到2003年澳大利亚银行的数据进行实证分析，发现贷款行业集中度降低会显著增加银行利润效率。

支持业务专业化的主要观点包括：专业化经营可以促使银行充分利用已有专业知识，发挥自身的比较优势，获取专业化收益（Stomper，2006）；业务多元化会加剧整个银行业的竞争程度，降低收益（Tabak等，2011）；多元化经营会使银行管理人利用低价值投资项目规避自身风险、满足个人需求的途径更加丰富，从而大幅增加代理成本（Laeven和Levine，2007；Deng和Elyasiani，2008）；多元化经营在一定程度上有利于规模扩张，提高银行系统重要性，随之出现的隐性或者显性的政府担保会使银行承担更高的风险水平，降低银行利润（Gropp等，2011）。具体来看，Kamp等（2007）对1993年到2003年德国银行业的情况进行分析发现，相对于贷款行业集中度低的银行，集中度高的银行能够获得更高的回报率。Tabak等（2011）利用96家巴西银行的月度数据，研究了贷款行业集中度与收益之间的关系，指出贷款行业集中度与银行收益显著正相关。

与上述两种观点不同，Winton（1999）认为不能孤立地看待银行业务多元化（专业化）对收益的作用，应该结合银行风险水平进行综合分析。其研究结论表明，当银行风险较低时，由于破产概率很小，专业化经营的银行业绩表现要优于多元化经营的银行；当银行风险较高时，多元化经营会恶化银行处境，因为一旦某一类业务出现风险事件，就足以导致银行破产清算；只有银行风险处于中等水平时才适合多元化经营。简而言之，银行业务集中度对收益的影响是银行风险的二次函数，呈现出U型形状。Acharya等（2006）基于1993年到1999年105家意大利银行的微观数据，对贷款行业集中度与收益之间的关系进行实证分析，研究结论支持Winton（1999）的观点。Tabak等（2011）同样对这一关系进行了验证，结果表明只有资产收益率与银行贷款行业集中度之间存在这种U型关系，而股权回报率与贷款行业集中度之间则存在倒U型关系，这主要是由于专业化经营的巴西银行风险更低，持有的资本相对较少。

关于国内银行贷款行业集中度对银行收益影响的分析相对较少，大多数研究都是对客户集中度与收益之间的关系进行分析（王海霞，2009；王旭，2013等）。魏晓琴和李晓霞（2011）认为，贷款行业投向越集中，国有银行盈利能力越低，对股份制银行无明显影响。王富华和姜姗姗（2012）指出，贷款行业集中度对我国上市银行的盈利能力没有显著影响。Berger等（2010）以1996年到2006年我国商业银行为样本进行分析，发现贷款行业集中度增加会显著提高银行收益，但是其行业划分相对笼统，只包括工业贷款、商业贷款、房地产贷款、农业贷款和消费贷款五大类，对银行贷款全行业分布的刻画能力有限。至于银行贷款行业集中度对收益的影响与银行风险的关系，更是鲜有文献涉及。

综上所述，关于我国银行贷款行业集中度对收益影响的分析，受制于数据可得性，研究成果较少且结论差异较大，并且也没有考虑银行风险水平的作用。鉴于此，本文以17家主要商业银行2008年1季度到2016年3季度的季度数据为样本，分析贷款行业集中度对银行收益的影响并探讨银行风险因素在该影响机制中的作用。

三、模型研究

（一）模型构建

本文首先试图解决的基本问题是贷款行业集中度是否会显著提高银行收益。参考Tabak等（2011）的研究，可以构建下述回归模型：

Returnit=αi0+α1HHIi，t-1+γCVi，t-1+τt+μit（1）

其中，下标it表示第i家银行和时刻t；Return为银行收益；HHI是贷款行业集中度指标；CV代表控制变量，主要包括银行资产规模（用资产总额的对数值衡量）、权益资产比以及刻画银行属性的虚拟变量，分别用lnA、EOA和GY表示。GY取值为1时，表示国有银行，取值为0时则是非国有银行；τt是时间虚拟变量，用来控制不同季度宏观经济运行情况产生的影响；μit是残差。为了缓解内生性问题，所有解释变量均使用滞后一期的数据。如果α1>0，表明贷款行业集中度越高，银行盈利水平越高，反之银行盈利水平越低。

为了分析国有银行贷款行业集中度对收益影响是否存在不同之处，在模型（1）中引入表示银行属性的虚拟变量GY及其与集中度变量HHI的交叉项，具体如式（2）所示。如果α3>0，说明贷款行业集中度高，对国有银行盈利水平的促进作用要强于非国有银行，反之说明对国有银行盈利水平的抑制作用要强于非国有银行。

Returnit=αi0+α1HHIi，t-1+α2GY+α3HHIi，t-1*GY+γCVi，t-1+τt+μit（2）

根據前文综述，部分研究已表明银行贷款行业集中度对收益的影响是银行风险水平的二次函数，因此本文也试图验证我国银行业是否存在类似的现象。参考Acharya等（2006）以及Tabak等（2011）的研究方法，在基本模型（1）中加入风险变量Risk及其平方项Risk2与集中度变量HHI的交叉项。如下所示：

Returnit=αi0+α1HHIi，t-1+β1Riski，t-1+β2HHIi，t-1*Riski，t-1+β3HHIi，t-1*Risk2i，t-1+γCVi，t-1+τt+μit（3）

根据式（3）可以推出收益Return关于集中度HHI的一阶导数：

dReturnitdHHIi，t-1=α1+β2Riski，t-1+β3Risk2i，t-1（4）

由上式可知，如果我国商业银行贷款集中度对收益的影响确实是风险的二次函数，呈现U型形状，那么必然会有β2显著小于零且β3显著大于零。

（二）变量说明

1.银行收益水平。本文衡量银行收益水平（Return）的主要指标是资产收益率（ROA）和股权回报率（ROE）。

2.贷款行业集中度。目前常用的测度贷款行业集中度的指标是赫芬达尔指数（Herfindahl Index），本文同样使用该指数进行实证分析。假设银行i在t时刻投向行业j的贷款余额占其贷款总额的比例为rijt，那么该指标的具体表达式如下：

赫芬达尔指数：HHIit=∑nj=1r2ijt（5）

根据（5）式，当所有的信贷资源平均分配给每一个行业，贷款行业集中度最低时，HHI指数为1/n；当所有信贷资源只投向一类行业，贷款行业集中度最高时，HHI指数为1。即该指数越大，贷款行业集中度就越高。

3.风险代理变量。参考Demiguc-kunt和Huizinga（2010）以及孔爱国和卢嘉圆（2010）等国内外文献使用的研究方法，本文采用Z值来衡量银行风险，表达式如下：

Zit=σiROAEOAit+ROAit（6）

从式（6）可以看出，银行权益资产越多、资产收益率越高、收益率的波动越小，其Z值就越小。说明Z值越小，银行风险越低。本文还参照Acharya等（2006）的做法，将每家银行不良贷款率（NPL）的样本标准差（STDNPL）作为银行风险的另一代理变量。

四、实证检验

（一）数据说明及来源

本文以17家主要商业银行2008年1季度到2016年3季度的季度数据为分析样本，数据主要来源于银监会的贷款投向分行业表③以及WIND数据库，统计口径均为法人口径，少量缺失数据利用银行定期财务报告进行填补④。考虑到数据可得性以及数据频率，样本并未加入其他小型银行（主要是城市商业银行和农村商业银行）。长期以来，17家主要商业银行贷款发放总额占银行业金融机构贷款总规模的70%以上，可以较好代表国内银行业的贷款行业分布特征和集中度走势。

（二）变量描述性统计

表1给出了国内主要商业银行相关变量的描述性统计。样本一共包含585个观测值，资产收益率ROA均值为065%，股权回报率ROE均值为1153%，权益资产比EOA均值为006。从整个样本来看，国内主要银行的不良贷款率NPL相对较低，样本均值为113%，但是最大值也高达521%，说明部分银行在特定时期的贷款质量压力较大。尤其是最近一年来，银行业贷款质量面临较大压力，2016年9月末主要商业银行的不良贷款率已经达到167%。本文主要关注的贷款行业集中度变量HHI指数的均值为014，明显低于Berger等（2010）文中的047。这主要是由样本差异导致的，因为2006年之前我国银行业还处于改革初期，贷款业务同质化现象较为普遍，行业集中度也就较高。这也在一定程度上表明我国银行贷款行业集中度随着时间发生了明显变化，应该对当前阶段集中度情况及其对银行经营业绩的影响进行分析，从而为银行经营和监管政策给予参考。HHI指数的最大值为04，说明部分银行贷款行业集中度相对较高。

展示了我国商业银行贷款行业集中度HHI指数随着时间的变化趋势。从全样本看，由于2008年金融危机的全面爆发，国内实施经济刺激政策，形成了宽松的信贷环境，新增贷款主要投向了基础设施建设、房地产等行业，因此行业集中度水平较高。正如银监会2008年年报指出的那样，在信贷快速扩张的过程中，信贷资产集中度风险日益凸显。鉴于此，银监会持续高度重视集中度风险监管，要求银行业严格执行单一客户10%和集团客户15%的授信上限规定，任何机构不得违反，并通过鼓励银行发展俱乐部贷款、银团贷款等方式，防止信贷风险在某些行业和地区过度集中，这些举措在一定程度上促使贷款行业集中度有所下降。但是危机时期投向基础建设、房地产等行业的新增贷款大多是中长期贷款；而且主要围绕客户集中度制订的监管规则对行业集中度的作用有限，共同导致行业集中度在2010年1季度开始震荡回升，到2013年中期达到局部高点。随着国家产业结构调整与转型升级政策的推进，银行业信贷政策以化解过剩产能、支持新兴产业和现代服务业、防范自身风险积聚为基本原则，严格管控增量贷款的投向，存量贷款选择性退出部分行业，从而促使贷款行业集中度有所下降。但2015年以来，由于实体经济有效信贷需求不足、人民银行数次降息、优质资产匮乏以及实体经济盈利能力不足等因素，房地产贷款尤其是个人住房贷款受到银行业青睐。特别是今年以来，增速大幅增加，导致新增房地产贷款占全部贷款增量的比例较高，贷款行业集中度有所回升。

不论是国有银行还是非国有银行，贷款行业集中度变化趋势与全样本走势基本一致。但国有银行的集中度水平一直低于非国有银行，这可能是由于国有银行一般要以经济、环境、社会的可持续发展以及经济效益、环境效益、社会效益协调统一为目标，积极贯彻落实国家宏观政策。贷款投向安排努力对接国家重大战略（如涉农贷款、小微企业贷款等）、更加关注民生发展和环境发展。但是2015年以来，基于资产质量、拨备和盈利等方面的压力，国有银行个人住房贷款业务的发展速度也较快，行业集中度上升速度明显高于非国有银行，与非国有银行的差距明显缩小。

（三）实证结果及分析

大多数学者認为高度序列相关的因变量会导致模型估计存在序列相关问题，本文按照习惯做法，在银行层面聚集观察值（cluster）来调整标准差，解决银行层面的序列相关性。同时在控制银行个体效应和时间效应的基础上使用最小二乘法（OLS）估计各个模型。

1. 模型（1）估计结果。表2汇报了基本模型（1）的估计结果，集中度指标HHI指数对ROA和ROE均有显著负影响。即贷款行业集中度越高，银行资产收益率和股权回报率越低。考虑到HHI对两类收益指标ROA和ROE的显著影响具有一致性，可以认为这一结论具有一定的稳定性。虽然这一结果与Berger等（2010）的结论完全相反，但Berger等（2010）是以1996年到2006年我国商业银行数据进行分析的。这一期间我国银行业还处于利率管制时期，存贷利差是主要盈利来源，银行专注于更容易投放中长期贷款的行业可以降低管理成本，获取较好收益。事实上，自1998年亚洲金融危机后，经过宏观调控，经济逐步复苏。钢铁、水泥、电解铝、房地产和汽车制造业确实成为中长期贷款的主要投放行业，银行贷款配置也具有一定的趋同性（王新华等，2006）。而且这段时间内，我国银行业整体发展水平不高，综合管理能力有限，发挥自身比较优势获取专业化收益符合当时的经营环境。随着我国经济发展速度趋缓、产能过剩等问题出现，部分集中度较高的行业爆发出风险事件（如钢贸行业信贷危机、煤炭行业整体低迷等），直接导致银行产生实际损失；而信贷政策同时限制了新增贷款对这些行业的后续支持力度，从而造成银行整体收益受到明显的负面冲击。另外，随着利率市场化的实质性推进，银行业利差普遍下降，集中度过高显然会降低收益，而多行业配置可以充分利用每个行业发展周期不同的特点，放缓利差缩小的影响。

对于其他控制变量，权益资产比EOA增加会显著降低ROE，这与Tabak等（2011）的研究结论一致，这可能是由于银行对新增权益资金的运营能力有所下降，不能同比例提高净利润。当然，近年来监管部门对银行的资本金要求更加严格也是一个主要影响因素，虽然很多银行都通过发行优先股和资本债券的方式来补充资本金，但它们无法同时扩大风险加权资产的规模，导致盈利下降。EOA对ROA无明显影响，且系数为正，表明银行增加权益资金虽然不会降低资产运营效率，但也无法有效提高效率。资产规模LnA对ROA和ROE无显著影响，说明市场化环境下纯粹依靠规模扩张增加利润的发展方式已经不合时宜，这与当前国内银行业逐渐摒弃粗放型发展模式，谋求转型发展的策略相一致。事实上，长期的规模扩张已经导致我国银行业出现管理效率低下、信息沟通成本较高等问题，从而阻碍整体盈利能力提升。表示银行属性的虚拟变量GY对ROA和ROE的影响都不显著，但是系数为正。这与现有大多数文献的结论存在差异，已有研究认为国有产权性质的银行盈利能力更差（Barth等，2004；Garcia-Herrero等，2009），主要原因在于国有银行的经营经常会受到政府干预。本文结论在一定程度上说明我国国有银行在股份制改革和利率市场化等重大金融改革后，市场化经营程度有所提高。

2.模型（2）估计结果。模型（2）用来分析贷款行业集中度对不同属性银行收益的影响，具体实证结果见表3。不论因变量是ROA还是ROE，集中度HHI指数与虚拟变量GY的交叉项系数均显著为正，这表明相对于非国有银行，贷款行业集中度上升对国有银行收益水平的负面冲击较小。国有银行在大多数行业中的客户均为大中型企业，因此贷款资金监测效率很高，集中度增加可以有效降低管理成本，有效发挥代理监督的作用。另外，国有银行在争夺大客户资源方面具有比较优势，市场竞争程度相对较低。其他控制变量对银行收益的影响与模型（1）的实证结果基本一致，在一定程度说明基本模型（1）的估计比较稳健。

3.模型（3）估计结果。为了进一步分析贷款行业集中度对银行收益的作用效果是否受到自身风险水平的影响，对模型（3）进行估计，结果见表4。我们可以看到，此时HHI变量的系数变为正，交叉项HHI*Z的系数显著为负，同时交叉项HHI*Z2的系数显著为正，有力地支持了贷款行业集中度对银行收益的影响是风险的二次函数，呈现U型关系的结论。这与Winton（1999）和Acharya等（2006）的研究结果一致。

由于风险因素确实会影响贷款行业集中度对银行收益的作用效果，我们利用表4中的估计系数，可以画出HHI对ROA的边际影响与Z值之间的关系图，具体见图2。可以直观看到，当银行风险水平处于二次函数的两个根之外时（风险较低或者较高时），HHI对ROA的边际影响为正；当银行风险水平处于二次函数的两个根之间时，HHI对ROA的边际影响为负。当银行风险较小时，若对新行业或者贷款余额占比较低的行业追加更多的信贷资源，会增加银行收益的波动率并降低平均收益；而适度提高贷款行业集中度可以在不显著提高破产概率的同时，发挥专业化优势，增加整体收益。当银行风险非常高时，若银行通过降低行业集中度、增加管理成本去加强贷款监督力度，为债权人（主要是存款人）带来的边际收益要明显高于银行所有者，因为银行所有者作为剩余索取权的拥有方，需要承担该措施产生的全部新增成本。即此时降低行业集中度会导致激励不相容现象出现，银行宁愿将信贷资源集中于收益率较高且稳定的行业。同时由于国内银行破产的社会成本极高，信贷高度集中的行业往往会有政府的隐性担保，行业风险全面爆发的概率较低，因此增加信贷投放仍能获取较高收益。只有当银行风险处于中等水平时，贷款分散配置才能有效发挥代理监督机制的作用，降低行业集中度会显著增加银行收益。事实上，本文中大多数样本的风险水平确实处于二次函数的两个根之间，即集中度增加会显著降低银行收益，这与基本模型（1）的研究结论一致。

（四）稳健性检验

本文参照Acharya等（2006）的研究，将每家银行不良贷款率（NPL）的样本标准差STDNPL作为银行风险的另一代理指标来检验前述U型关系的稳健性，实证结果见表5。同样的，HHI變量的系数变为正，交叉项HHI*STDNPL的系数显著为负，同时交叉项HHI*STDNPL2的系数显著为正，实证结论相对稳健。

另外，考虑到国内银行业风险水平的变化过程，可以发现U型关系可以较好地解释现有文献的研究结论，这也可以在一定程度上说明本文结论具有稳定性。众所周知，我国商业银行在股份制改革上市之前，风险水平整体较高，不良贷款率在2005年之前甚至高达10%以上。而Berger等（2010）正是利用2006年之前的样本证明了银行贷款行业集中度对资产收益率具有显著正向影响。随着银行业改革深化，综合经营能力提升，风险水平逐渐降低，到2009年不良贷款率已经维持在2%左右，可以认为这一阶段我国银行风险属于中等水平。魏晓琴和李晓霞（2011）正是增加了2006年到2009年的样本数据，证明了贷款行业集中度对国有银行盈利能力具有明显的负面影响。整个银行业不良贷款率在2011年到2013年达到较低水平，一般在1%以下，我们仅用这一分样本进行实证分析，可以发现HHI对ROA确实具有显著正向影响⑤。综合来看，贷款行业集中度对银行收益的作用是风险的二次函数，呈现U型关系的结论比较稳健。

五、结论与建议

通过对我国17家主要商业银行2008年1季度到2016年3季度的季度数据进行实证分析发现，我国银行贷款行业集中度对银行收益率的边际影响与银行风险存在非线性关系：在银行风险较低或者较高时，贷款行业集中度增加会显著增加银行收益；银行风险处于中等水平时，行业集中度则会产生明显的负面冲击，而这一负面冲击对国有银行的影响较小。据此，本文提出以下建议：（1）当前银行业风险压力较大，经济下行背景下可供投放贷款的优质行业较少，多元化配置难度较大。建议我国商业银行积极发展非信贷业务（如现金管理、投行业务、咨询顾问等）和境外业务，扩大收入来源，降低对利差收入的依赖程度。（2）积极发展贷款出售、贷款互换以及信贷资产证券化业务，通过这些金融工具优化自身贷款行业结构。当某一行业中长期贷款占比过高，集中度风险突出时，可在金融市场中采用上述几种业务模式进行结构调整。（3）结合政策导向，在对自身风险水平进行分析的基础上确定不同行业的授信额度。在当前银行风险水平较高的背景下，贷款行业需要综合政策导向、风险收益平衡等约束条件，分析自身的风险和优势，推行差异化的竞争战略，确定不同行业的贷款比例和市场准入条件。（4）从监管的角度来看，要防止商业银行在自身风险较高的情况下出现逆向选择现象，持续向贷款比例较高的行业新增信贷资源。同时要通过对银行业历史数据进行综合分析，制定相关的定量监管指标对行业集中度进行刚性约束。

注释：

①17家主要商业银行包括：工商银行、农业银行、中国银行、建设银行、交通银行、中信银行、光大银行、华夏银行、广发银行、平安银行（深发展）、招商银行、浦发银行、兴业银行、民生银行、恒丰银行、浙商银行、渤海银行。

②对同一借款人的贷款余额占银行净资本的比例不能超过10%，对前10大客户的贷款余额占银行净资本的比例不能超过50%，对单一集团客户授信总额不能超过银行资本余额的15%。

③按照银监会的统计方法，贷款投向一共有23个行业，主要包括：农林牧渔业、采矿业、制造业、建筑业、批发零售业、房地产业、住宿餐饮业、个人贷款（不含经营性贷款）以及教育业等。

④虽然部分年报披露数据与法人口径数据存在差异，但这种缺失样本的数量极少，对实证结果不会产生实质性影响。

⑤鉴于文章篇幅限制，实证结果未列出，利用2010年2季度到2013年2季度的数据估计基本模型（1），仍然控制时间效应和个体效应，并在银行层面聚集观察值（cluster）来调整标准差。HHI变量的系数为正，在1%置信水平显著。

参考文献：

[1]孔爱国， 卢嘉圆. 市场约束、商业银行治理与风险的实证研究[J].金融研究， 2010（5）：102-115.

[2]王富华， 姜姗姗. 基于风险与收益的上市银行贷款集中度研究[J].經济经纬， 2012（5）：166-170.

[3]王海霞. 银行风险、收益与客户贷款集中度——基于城市商业银行的实证分析[J].金融理论与实践， 2009（11）：71-74.

[4]王新华， 刘在榕， 廖毅. 密切关注中长期贷款行业投向[J].中国金融， 2006（12）：33-34.

[5]王旭. 商业银行贷款集中度的风险与收益研究——基于中国18家商业银行面板数据的分析[J].金融经济学研究，2013（4）：49-59.

[6]魏晓琴，李晓霞. 我国商业银行贷款集中度的测算及效应分析[J].区域金融研究，2011（4）：22-26.

[7]Acharya VV，Hasan I，Saunders A. Should Banks Be Diversified？ Evidence from Individual Bank Loan Portfolios[J].The Journal of Business，2006，79（3）： 1355-1412.

[8]Barth J R，Caprio G，Levine R. Bank supervision and regulation： What works best[J].Journal of financial intermediation，2004，13（2）： 205-248.

[9]Bebczuk R，Galindo A. Financial crisis and sectoral diversification of Argentine banks，1999-2004[J].Applied Financial Economics，2008，18（3）： 199-211.

[10]Berger A N，Hasan I，Zhou M. The effects of focus versus diversification on bank performance： Evidence from Chinese banks[J].Journal of Banking & Finance，2010，34（7）： 1417-1435.

[11]Boot A W A，Schmeits A. Market discipline and incentive problems in conglomerate firms with applications to banking[J].Journal of Financial Intermediation，2000，9（3）： 240-273.

[12]Cerasi V，Daltung S. The optimal size of a bank： Costs and benefits of diversification[J].European Economic Review，2000，44（9）： 1701-1726.

[13]Demirgü-Kunt A，Huizinga H. Bank activity and funding strategies： The impact on risk and returns[J].Journal of Financial Economics，2010，98（3）： 626-650.

[14]Deng S，Elyasiani E. Geographic Diversification，Bank Holding Company Value，and Risk[J].Journal of Money，Credit and Banking，2008，40（6）：1217-1238.

[15]Diamond D W. Financial intermediation and delegated monitoring[J].The Review of Economic Studies，1984，51（3）： 393-414.

[16]Drucker S，Puri M. On loan sales，loan contracting，and lending relationships[J].Review of Financial Studies，2009，22（7）： 2835-2872.

[17]García-Herrero A，Gavilá S，Santabárbara D. What explains the low profitability of Chinese banks？[J].Journal of Banking & Finance，2009，33（11）：2080-2092.

[18]Gropp R，Hakenes H，Schnabel I. Competition，Risk-shifting，and Public Bail-out Policies[J].Review of Financial Studies，2011，24（24）：2084-2120.

[19]Iskandar-Datta M，McLaughlin R. Global diversification： Evidence from corporate operating performance[J].Corporate Ownership & Control，2005： 228.

[20]Kamp A，Pfingsten A，Memmel C，et al. Diversification and the Banks′ Risk-Return-Characteristics-Evidence from Loan Portfolios of German Banks. Discussion Paper，Deutsche Bunderbank，2007.

[21]Laeven L，Levine R. Is there a diversification discount in financial conglomerates？[J].Journal of Financial Economics，2007，85（2）： 331-367.

[22]Rossi S P S，Schwaiger M S，Winkler G. How loan portfolio diversification affects risk，efficiency and capitalization： A managerial behavior model for Austrian banks[J].Journal of Banking & Finance，2009，33（12）： 2218-2226.

[23]Stomper A. A theory of banks′ industry expertise，market power，and credit risk[J].Management science，2006，52（10）： 1618-1633.

[24]Tabak B M，Fazio D M，Cajueiro D O. The effects of loan portfolio concentration on Brazilian banks′ return and risk[J].Journal of Banking & Finance，2011，35（11）： 3065-3076.

[25]Winton A. Don′t Put All Your Eggs in One Basket？ Diversification and Specialization in Lending. Center for Financial Institutions Working Papers 00-16，University of Pennsylvania，1999.

An Empirical Analysis of the Effects of Loan Industry Concentration on Bank

Returns based on Risk Perspective

ZHANG Jian

（Postdoctoral Research Station of Bank of Communications/Mobile Postdoctoral Stations of

Shanghai University of Finance and Economics， Shanghai 200336，China）

Abstract：In the process of business development， banks may pay more attention to the matching of individual business income and default risk， while ignoring the negative impact of excessive concentration of loan business. Based on the quarterly data of Chinese major commercial banks， this paper studies the effect of loan industry concentration on bank returns and discusses the role of bank risk in the influence mechanism. The results showed that the marginal effect of loan industry concentration on bank returns is the quadratic function of risk. When the bank′s risk is very low， a credit increase in industry whose loan proportion is small will increase bank returns volatility and reduce average returns； when the risk is very high， the bank will concentrate credit resources in industry which yield is higher and stable to increase return because the delegated monitoring mechanism is not compatible and the social cost of bank insolvency is very high； when the risk is moderate， the delegated monitoring mechanism will play an efficient role and then loan diversification results in increasing return. During the sample period， vast majority of bank risk value in our database is in the moderate level， an increase in industry concentration will have a significant negative impact on return， but the negative impact is less for state-owned banks. Research conclusions have important theoretical significance for optimizing banking credit structure.

Key words：loan industry concentration；bank returns；bank risk；nonlinear effect

（責任编辑：周正）