贷款集中度与银行风险门限效应的实证研究

李慧平?范紫晴

摘要：本文根据2007-2015年39家银行的年度数据，分别使用行业贷款集中度、客户贷款集中度与银行规模大小作门限变量，建立门限回归模型，结果表明贷款集中度与银行风险的关系是非线性的。最后根据我国贷款集中情况，给出政策建议。

关键词：贷款集中度；商业银行；银行风险；门限模型

金融机构的风险一直是监管当局很重视的问题，如今的金融自由化导致若某一金融机构发生风险，那么“多米诺骨牌”效应很容易发生。历史上多次银行危机都是由于商业银行贷款过度集中所引发的。

我国大多数银行都选择向大企业贷款，导致中小企业融资困难；制造业与房地产业投放了大量的贷款，然而新兴行业能审批通过的贷款却很少，这样我国的地区的均衡发展与科技发展都会受到影响。

关于贷款集中度与银行风险关系研究，Stefania P.S.Rossi、Gerhard Winkler和Markus S.Schwaiger（2009）研究澳大利亚大型商业银行1997-2003年间的数据得出，贷款成本会因银行多样化与银行规模增加而增大，银行风险却因此降低。黄秀秀、曹前进等（2012）研究表明客户贷款集中能降低银行风险，但行业贷款集中与地区贷款集中却不能影响银行风险。

G.jimenze（2010）对西班牙银行业进行实证研究，发现贷款集中度与银行风险关系并不显著。

本文借鉴前人研究，引入门限模型，选取39家商业银行的312个观测数据，来研究商业银行与贷款集中度的非线性关系。

一、实证研究

（一）样本与数据来源

本文选取了39家商业银行（16家上市银行和23家城商行）2007-2015年的数据。23家城商行分别为徽商银行、重庆银行、江苏银行、上海银行、东莞银行、东营银行、杭州银行、泉州银行、富滇银行、德阳银行、柳州银行、天津银行、锦州银行、齐鲁银行、青岛银行、日照银行、浙江稠州商业银行、浙江泰隆商业银行、重庆三陕银行、长沙银行、湖州银行、洛阳银行、温州银行。

（二）模型的构建

假设贷款集中度对银行风险的影响可能存在一个或多个门限值，利用 Hansen的门限回归法来建立面板门限模型：

Zit=α+β01xit（qi ≤ γ）+β02xit（qi > γ）+β1sizeit+

β2crit+β3ldit+β4mgit+εit

其中，Zit表示i银行在t时期面临的风险，xit为核心解释变量，即贷款集中度变量，CCIit为客户贷款集中度，ICIit为行业贷款集中度。门限变量分别为两个核心解释变量以及银行规模size。qi为门限变量，γ为门限值。

（三）实证分析

使用stata12.0分析软件，利用Boot-strap抽样法，自举3000次，来求解面板门限模型。

1.以CCI作门限变量的门限回归模型。

通过表1可知客户贷款集中度CCI对银行风险的影响存在单一门槛值。并计算出CCI的单一门限值为0.268

2.以ICI作门限变量的门限回归模型

由表2可判定存在双门限值。经测算ICI的门限值分别为0.090和0.124。

3.以SIZE作为门限变量的門限回归模型。

用SIZE作门限变量，分用CCI、ICI作核心解释变量来建立门限模型，经检验以后门限模型都存在双重门限，门限值如表3。

4.面板门限回归模型估计结果。（见表4）

模型一的结果表示，CCI1与CCI2不仅系数正负不同而且显著性也不一致，使CCI与银行风险之间非线性的关系得到证实，当CCI小于自身门限值时，银行风险会因客户贷款越集中而下降，但效果却并不显著，当CCI大于门限值后，客户贷款集中度的增加会使银行风险显著增加。再来看模型三，CCI1绝对系数下降，CCI2绝对系数增大，得出资产规模对CCI与银行风险间的关系有一定的影响。当SIZE比第一门限值小时，CCI对Z值影响显著程度很小，当 CCI超过第一门限值时，CCI对Z值有显著为负的影响，表明银行风险会因CCI增加而显著增大，然而当资产规模超过了第二门限值后，客户贷款集中度越大银行风险越大，影响很显著性。

模型二的结果表明，由于ICI1与ICI2的系数显著性不一致，那么ICI与银行风险之间非线性关系也得到证实。当ICI比门限值小时，ICI对Z值影响显著为负，表示行业贷款集中会增大银行风险；当ICI增大，大于第一个门限值后，ICI的系数由负数转为正数，表示行业贷款集使银行风险下降了，当ICI再次增大时，商业银行风险也会随之增大。从模型四结果来看，对于小型商业银行，行业贷款越集中银行风险越大，对于中型规模银行，行业集中度的增大能降低银行风险但效果不显著。而对于大型商业银行来说其风险会随着行业贷款集中的增大而显著增大。

SIZE的系数是不显著为正，表明商业银行资产规模并不能显著影响银行风险。资本充足率的系数为正且显著，资本充足率越高，银行持有资本越多，就越有能力抵御挤兑危机。贷存比与Z值显著负相关，因为高贷存比会引发商业银行支付危机。MG系数不显著，表示货币流动性不能对商业银行的风险有显著影响。

二、主要结论和政策建议

（一）研究结论

1.客户贷款集中度对银行风险存在单一门槛效应，门限值为0.268，小于该值时，能降低银行风险，超过该值时，会加大银行风险，0.268是客户贷款集中度的最优水平。

2.行业贷款集中度与银行风险之间存在双重门槛效应，门限值分别为0.075和0.092，由两个门槛值划分三个区间，发现行业贷款集中在第二区间可以提高监管效率，降低银行风险。

3.客户贷款集中度对银行风险的促进作用受到资产规模因素的影响，规模越大，客户贷款集中度对银行风险的加剧作用越明显。表示监管当局控制客户贷款集中度能够抑制银行风险，特别是对大型商业银行最有效。

4.行业贷款集中度对银行风险的影响也会受到资产规模的影响而发生改变，用资产规模作门限变量时，有双重门槛效应。在第一区间，行业贷款集中会加大银行风险，但在第二区间，行业贷款集中能降低银行风险。在第三区间，行业贷款集中会显著加大银行风险，且程度大于在第一区间的小型银行。表明商业银行规模并非越大越好。

（二）政策建议

1.增强贷款集中风险意识，合理管控贷款集中

所有商业银行应重视贷款集中度风险，关注贷款过于集中而引发系统性金融风险的问题。按照本文所得，客户贷款度在0.27，行业贷款在0.075至0.092内，是商业银行的最佳选择。

2.制定差别信贷政策

大型国有商业银行可以适当降低客户贷款和行业贷款集中度，对那些资金有真正需求、回报期较长的行业和企业投入更多的贷款。中型银行可以适当集中行业贷款，但客户贷款集中度必须要降低，银行要加大对优质中小企业贷款的投放量，不能一味地只集中在大企业。小型商业银行要注重客户和贷款行业的多样化。

3.改革银行风险管理体制

要想防范集中度风险首先要健全银行内部的管理体制，实行更加合理的信贷人员问责制度。然后要改革风险评级制度，加强业务人员甄别贷款项目好坏的能力，加强银行贷前风险的控制。最后，应建立健全风险识别和评估系统，促进贷后风险的有效控制。

参考文献：

[1]G.Jimenez，J.A.Lopez，and J.S.Salas，How Does Competition Impact Bank Risk-Taking[R].Banco de Espana Working Paper，2010，No.1005.

[2]Stefania P.S.Rossi，Markus S.Schwaiger，Gerhard Winkler.How loan portfolio diversification affects risk，efficiency and capitalization：A managerial behavior model for Austrian banks[J].Journal of Banking & Finance，2009（33）.

[3]范紫晴.貸款集中度与银行风险的门限效应实证研究[C].南京财经大学，2016.

[4]黄秀秀，曹前进.贷款集中度对银行风险承担行为的影响——来自中国上市银行的经验证据[J].金融论坛，2014（11）.

[5]林毅夫，李永军.中小金融机构发展与中小企业融资[J].经济研究，2001（1）.

[6]魏晓琴，李晓霞.我国商业银行货款集中度的测算以及效应分析[J].金融理论与实践，2011（4）.

（作者单位：南京财经大学金融学院）