金融要素市场化背景下商业银行集中度与不良贷款率的实证研究——基于全国部分上市银行①2011—2019年会计报告分析

陆岷峰，周军煜

1.南京工业大学互联网金融创新发展研究中心，江苏 南京 210000；2.江苏紫金产业金融发展研究院，江苏 南京 210046

一、引言

商业银行是金融生态圈中最重要、最基础的组成部分之一。在一个平衡的金融生态系统中，不同规模银行业金融机构的数量比例应当适中，不同类型银行掌握的金融资源应当适度平衡，否则就会造成金融生态失衡，影响金融生态系统的健康发展。集中度通常用来描述某个领域内企业间规模的相对差异，直接反映产业内企业分布状态及市场竞争程度。银行集中度指银行业金融机构数量和相对规模差异，在一定程度上反映银行业竞争形势和资源分配情况。银行业集中与分散的程度直接影响着银行的绩效表现、风险程度以及实体经济运行等等。

2020年5月发布的《中共中央国务院关于新时代加快完善社会主义市场经济体制的意见》明确提出，以要素市场化配置改革为重点，加快建设统一开放、竞争有序的市场体系，实现要素价格市场决定、流动自主有序、配置高效公平。截至2019年12月末，我国共有4607家银行业金融机构，尽管我国银行数量在不断上升、银行类型种类更加丰富、市场化竞争程度日益加深，但是金融资源规模向较大银行集中、不良贷款向小银行积聚的非市场化资源配置现象依然严重。根据银保监会网站数据统计，农村商业银行的不良贷款余额正快速上升，目前已经超过了全国性股份制商业银行的不良贷款余额，与国有大型商业银行不良贷款余额的差距越来越小，资产质量不断下滑，不良贷款率持续攀升。尤其是在新冠肺炎疫情的影响下，中小商业银行信贷资产质量受到严重冲击，不良贷款率可能会持续上升。银保监会等监管部门在近期召开的会议上重点提出要关注中小商业银行的不良贷款问题，应积极采取不良资产处置、直接注资重组等方式，多措并举不断深化高风险中小商业银行的改革。因此，研究商业银行集中度和不良贷款率之间的关系具有十分重要的理论与现实意义。

二、文献综述

（一）银行集中度测度的相关研究

商业银行集中度的衡量方法有很多，比较常见的有市场集中度指标为CRn、行业集中率、HHI指标、非平衡PR模型等。Allen N.&Berger，Asli（2004）用行业集中率测度欧盟银行业集中度，认为尽管欧盟在20世纪末推行金融自由化，金融环境竞争氛围浓，但是由于银行体系为垄断竞争，高度集中的银行体系削弱了竞争带来的生产效率的提升。Saeed Abubakr&Franco Esposito（2012）提出了银行间博弈模型，通过该模型对地域间银行的竞争进行动态分析，研究得出地域银行数量的增减与竞争程度有关，银行体系竞争激烈会不断引入新机构，并且整体实力会显著增强，当银行数量过度增加时可以通过限制设立分支机构、提高准入门槛、扩大税收覆盖面等方法，限制银行体系过度发展。另外通过BL模型研究集中度、运行效率、行业稳定性的三者关系，发现银行准入门槛越高，存量银行运行效率会越低，且会加剧企业融资困境，导致更高的信息不对称和成本收益率下降等问题，研究还发现在经济周期下行阶段限制资金进入银行，银行体系将更脆弱。Brian（2016）使用非平衡PR模型测度银行业集中度，研究银行市场结构与竞争力关联系数之间的关系，在对两者通过模型回归分析后发现，银行市场集中度会影响竞争机制的发挥。柯健（2009）使用市场集中率指标，对2004-2008年间银行业资产机构和人员等数据的集中情况进行测定。研究表明，我国银行业的市场垄断程度仍然较高，但是随着银行从业人员数量的增多及竞争度的上升，行业垄断现象逐渐被打破。李继民等（2010）通过搜集2004-2007年数据计算出我国银行业市场集中指标和CR指数，结果显示银行体系竞争不足，新机构的市场份额较小，不过市场集中度呈现缓慢而明显的下降趋势。

（二）银行集中度与风险承担的相关研究

已有不少文献证明了银行集中度与风险间存在密切联系，一种观点认为银行集中度越高，占据了绝大部分市场的大型银行越能获得垄断利润，从而增强银行业抵御突发事件的能力，银行业系统性风险发生的概率也随之降低。同时，大银行拥有更多话语权，能够以较低的成本获得高质量的资产组合，降低银企信息不对称程度，相比于小银行，大银行在开展各项业务时具有比较优势，有助于提升银行整体稳定性。此外，从监管角度看，银行集中度较高易于监管机构及时了解市场情况，制定相关政策。另一种观点恰好相反，Boyd（2005）认为银行集中度较高会增大银行风险，导致大银行因市场势力大而通过提高贷款利率的方式获得垄断利润，从而诱使企业隐瞒贷款真实用途，将贷款资金投向高风险领域，致使更高的风险敞口出现。相对应的，银行会面临严重的信用风险，威胁银行的资产质量，迫使银行不得不在资质和财务能力不佳的公司中选择授信对象。另一方面，银行集中度过高，监管机构会秉持“太大而不能倒”的理念，充当大银行的“隐性担保人”或者直接补贴银行，这会激励银行开展风险较高的投资活动。唐鹏（2015）从破产系数和资产质量两个方面构建了商业银行集中度与风险承担的计量模型，研究得出指标从2006年以来不断下降，银行集中度与风险承担成正比关系。

（三）银行集中度与银行体系稳定性的相关研究

长期以来银行集中度与稳定性的相互关系也是学术界争论的话题，银行体系的集中与分散受到不同学者的推崇，支持“集中型”银行体系的学者认为，银行体系过于分散容易诱发过度竞争，而相对集中的银行体系由于大型银行占据很大比重，这部分银行营业收入、净利润和现金流都比较稳定，因此在面临突发事件带来的风险时具备强大的缓冲能力，有利于银行体系稳定的提升。Corvoisier S&Gropp R（2002）认为，银行体系集中可以通过信贷配给与借款人充分沟通，有效降低信息不对称的问题，同时也有利于金融监管政策的制定与实施，提高外部治理的实际效用，进而加深银行体系的稳定性。冀志斌等（2013）利用31个省份的面板数据，通过实证分析得出银行集中度与稳定性正相关，特别是在经济发展程度低、财政收入少的省份更加明显，且对这些省份的产业运行产生深刻影响。支持 “分散型”银行体系的学者认为，市场中银行过于集中会增加大银行在业务领域的话语权，使得银行产生过于乐观的预期，经营风格转型为偏好风险，通过增加利率的方式给不符合资质的行业领域放贷，从而引发道德风险和逆向选择，极大提高了银行体系的脆弱性。在监管方面，大型银行的股权结构、治理文化、内外部治理如不透明，会增加监管的难度并降低监管工具的有效性，增加银行体系的不稳定因素。陈刚（2008）认为集中度较高的银行体系内竞争较激烈，银行为获得更多的收益会采取更多的激励机制去承担风险，从而降低银行体系的稳定性，加快突发事件在区域内传播。谭之博、赵岳（2013）运用probit模型和工具变量回归，研究了在金融危机发生后商业银行集中度对企业信贷的影响，结果表明银行集中度越高越不利于小企业信贷的增长，反而更加有利于大企业的信贷扩张，因此在危机发生后，银行集中度高的国家应当把信贷政策向小企业倾斜，帮助小企业走出困境。Erotokritos Varelas（2015）研究表明，银行在合并之后，中小企业获得的贷款比之前更少了，银行集中度越高企业获得银行融资的难度越大。

从现有文献可以看出，银行集中度与银行风险密切相关。在金融要素市场化背景下，金融要素价格由市场决定，究竟是集中型的银行体系还是分散型的银行体系有助于降低银行风险，长期以来一直是一个争论不休的问题。银行集中度和银行风险之间的关系并不只是以往文献所集中讨论的简单线性关系，商业银行集中度在表示竞争关系的同时也反映了资源垄断情况，由于不同类型的商业银行本身在资源禀赋、规模大小等方面存在很大的差异，因此对不同类型商业银行的影响可能会有很大不同甚至相反。从我国近年来不良贷款的分布情况看，2019年底农村商业银行不良贷款余额为6155亿元，同期国有大型商业银行的不良贷款余额为8959亿元，不良贷款正在往小型机构尤其是农村商业银行积聚，因此研究银行集中度与商业银行风险之间的关系不能简单地以整个银行业作为样本。基于以上考虑，本文以十三家上市银行作为分析样本，运用HHI指标法从存款、贷款两个方面准确测量我国商业银行从2011年第1季度到2019年第3季度的集中度，研究统计期间国有大型商业银行、全国性股份制商业银行、城市商业银行以及农村商业银行的不良贷款率和余额的变化趋势，构建实证模型分析银行集中度与四种类型商业银行不良贷款率之间的关系，并根据研究结论为银行监管部门提供政策指引。

三、商业银行集中度的测度分析

（一）测度方法选取

商业银行集中度的衡量方法有很多，银行集中度越高，其市场结构越趋于集中和垄断，反之则趋于分散和竞争。传统市场集中度指标为CRn，指前n家银行资产（机构、员工等）之和的市场份额。冀志斌等（2013）使用工农中建交五家银行的资产比重（CRAsset）、机构数量比重（CRBranch）以及员工数量比重的份额（CRStaff）分别作为银行集中度的代理变量。这种方法虽然简单易算，但是从定义中看出只包含了前n家大银行的资产情况，对于短期甚至较长时间内银行集中度几乎不发生变化的情况下，不能反映样本商业银行数量以及规模的相对差异，具有一定的局限性。文中使用的HHI（赫芬达尔指数）指标可以有效克服CRn法的不足。首先，HHI指标充分考虑了研究样本中每家银行的市场占有率，通过取所有银行市场占有率平方和的方法算出行业集中度，能够完整地反映银行市场的实际情况，且对规模较大的银行市场份额的变动情况较为敏感；其次，HHI应用范围较广，测算相对简单，无数据分布严格假设要求，可以衡量不同维度的集中度，比如存款、贷款、中间业务收入等，能够从不同维度反映更多的指标信息，在实务和理论研究中更能被市场接受。

HHI指标综合反映了样本内所有银行的规模分布，其计算公式为：

其中X表示市场总规模，xi表示第i家银行的规模，n为样本银行的总数目，Si为第i家银行的市场占有率。HHI取值在0-1之间，其值越接近于1表示集中度越高，行业垄断越严重。使用HHI指数衡量集中度有两方面优势。首先，HHI指数考虑到了样本所有个体的市场占有率，计算公式涵盖了前n家大银行的规模；其次，公式可以显著表明规模较大银行的垄断情况，使得市场集中度的计算结果更加客观反应行业整体情况。

（二）测度结果分析

基于上述分析，本文从存款、贷款两个角度，以13家上市银行代替银行业整体情况研究存贷款资源的市场分布情况，样本期间为2011年第1季度至2019年第3季度，测度结果如图1所示。

图1 2011年第1季度到2019年第3季度HHIdeposit和HHIloan的变化趋势

从图1可以看出，不管是存款资源还是贷款资源，我国商业银行集中度均呈稳定下降趋势，存款HHI自2013年以来从最高的0.070977降至最低的0.043439，下降约63.39%；贷款HHI自2013年以来从最高的0.065475降至最低的0.042006，下降约55.87%，银行市场整体竞争态势不断上升，国有控股大型商业银行在银行体系中的垄断作用逐渐下降，商业银行集中度整体处于下降趋势。此外，存款资源和贷款资源的变化趋势存在一致性，同一时期的数值差距很小。

四、商业银行集中度与不良贷款率关系实证研究

（一）变量选取

1.解释变量与被解释变量。被解释变量为不同类型商业银行的不良贷款率，通过构建实证模型分别研究不同类型商业银行的集中度与不良贷款率的关系。解释变量包括存款HHIdeposit、贷款HHIloan、拨备覆盖率 （PC）及资本充足率 （CAR）。存款HHIdeposit及贷款HHIloan从两个不同方面对银行集中度进行度量，其度量结果出现信息偏差或遗漏的可能性会降低，指数映射市场结构的真实性也会加强。商业银行集中度过大，会导致大银行的市场势力过大，使业务和资源均集中在头部银行，且大银行拥有绝对的话语权和信贷选择权，不良贷款率控制得比较稳定，而中小银行受限于自身资源禀赋与业务拓展范围，会不断丧失优质的客户，对中小商业银行形成“挤出效应”，进而发展风险高、资质较差的客户，致使其面临严重的信用风险。

拨备覆盖率（PC）是为不良贷款计提的各项准备金的比例，即拨备金额与不良贷款的比值。一般而言商业银行要做好贷款计提损失准备，其中拨备覆盖率=贷款损失准备/不良贷款=贷款拨备率/不良率，监管部门规定拨备覆盖率需要在120%～150%之间。该指标从宏观上反映商业银行资产质量是否稳健、贷款风险是否可控，是不良贷款率的重要影响因素。本文假设拨备覆盖率与不良贷款率呈反向关系。

资本充足率（CAR）反映银行自身抵御风险的能力，量化标准是银行持有资本与风险加权资产的比例。一般来说，商业银行资本充足率越高则抵御风险的能力越高，其不良贷款率也相对较低。因此，假设资本充足率与不良贷款率呈反向关系。

2.控制变量。除了作为核心解释变量的商业银行集中度指标以外，模型还引入了控制变量以减少外界冲击对实证结果可能带来的影响，增强模型的稳定性和解释力。根据 De bock和 Demyanets（2012）以及蒋鑫（2009）的研究成果，可知经济下行以及货币政策收紧会引起商业银行经营环境的显著恶化，从而导致商业银行不良资产集中爆发。因此，本文从宏观经济和货币政策环境两个方面对模型误差进行控制。控制变量信息和定义如表1所示。

表1 实证模型的控制变量信息和定义

（二）变量描述性统计

从图1可知，各个变量的观测值数量均为35个，且商业银行集中度的两个变量HHIdeposit、HHIloan 均值都是 0.054.。被解释变量之间差异较大，目前中小商业银行信用风险已经呈现出跨市场、跨区域的扩散和传染趋势。资产端业务激进扩张面临信用风险，负债端过度依赖同业负债显现出流动性风险隐患，内控机制存在严重缺陷导致风险管理体制出现问题，此外，商业银行本身的内在脆弱性、顺周期性以及信息不对称性使得中小商业银行的信贷资产不断下滑。从图2、图3可以看出，不同类型商业银行不良贷款情况呈现分化趋势。首先，农商行的不良贷款率一直远远高于其他三类银行的不良贷款率，2018年6月更是达到了最高点，后稍有下降，但是2019年以来依然在4%左右，2019年9月农商行不良贷款率分别高于国有大型银行和股份制商业银行2.68和2.37个百分点；而2019年以来城商行的不良贷款率也有较大上浮，2019年9月不良贷款率达2.48%，同比上升32.66%。其次，国有大型商业银行的不良贷款余额一直呈大幅下降趋势，城商行略有上浮，而农商行一直呈现上升状态，农商行面临不良的“双升”压力。只有股份制商业银行不良贷款情况稳中有降。

图2 统计期间国有大型银行、全国性股份制银行、城商行、农商行不良贷款率情况

图3 统计期间国有大型银行、全国性股份制银行、城商行、农商行不良贷款余额占比情况

（三）模型构建

根据上述分析，建立如下模型：

其中，NPLit代表第 i（i=1，2，3，4）种商业银行第 t期的不良贷款率，NPLi（t-1）是上一期商业银行不良贷款率，β1…β7分别代表对应变量的参数。由于篇幅限制，模型实证过程仅以国有大型银行为例，城商行、股份制银行及农商行的实证结果见表4。在对基本模型运用统计软件回归之前，需对数据进行平稳性检验，本文采用ADF（Augmented Dickey-Fuller Test）单位根检验，检验结果如表3所示，对于非平稳的数据采取差分的方法使其达到平稳性要求。

表3 变量ADF检验结果

为检测模型解释变量之间的共线性问题，本文使用Eviews10软件进行相关系数检验，结果显示，除了HHIdeposit和HHIloan之间的相关系数达到了0.9441，各解释变量的相关系数均在0.6以下，不足以构成相关趋势，所以HHIdeposit和HHIloan之间存在共线性。运用传统的OLS或2SLS进行回归分析需要对存在共线性的解释变量进行剔除，此方法最后使得模型变量数减少，影响了实证结果的有效性和充足的解释力。因此，本文借鉴唐鹏（2015）使用的广义矩估计（GMM）方法，GMM估计结果可以尽量避免多重共线性致使模型实证结果失准的情况。

（四）实证结果分析

如表4所示，国有大型银行调整后的R2为0.85，说明回归结果对观测值的拟合程度较好，即银行体系集中度对国有大型银行的不良贷款率影响显著。DW值为2.15，说明模型自相关控制较好。关键解释变量HHIdeposit和HHIloan在1%的显著性水平下通过检验，说明系数具有相对较高的经济意义。HHIdeposit和HHIloan与国有大型银行不良贷款率的回归系数为分别为-0.51和-0.37，表明银行集中度和国有大型银行的不良贷款率呈负相关，说明市场集中度越高，银行体系的垄断势力越大，国有大型商业银行的不良贷款率越低。

表4 GMM估计检验结果

通过Eviews10软件分析发现，银行集中度与其他类型商业银行不良贷款率不存在一阶自相关性，并通过GMM估计检验，拟合优度分别是0.978、0.935及0.945，除部分解释变量在5%、10%显著性水平下通过参数检验，其他解释变量均在1%显著水平通过检验，解释变量系数的经济意义较强。实证表明，商业银行集中度对不同类型商业银行不良贷款率都会产生重要影响，具体而言，国有大型银行以及股份制商业银行的不良贷款率与银行市场集中度呈反向关系，农商行则相反，即银行集中度越高农商行不良贷款率也越高。

五、研究结论及建议

（一）研究结论

1.银行集中度稳定下降

通过选取13家上市银行，运用 HHI（赫芬达尔指数）从存款、贷款两个方面准确测量了样本银行2011年第一季度到2019年第三季度的市场业务发展集中度，发现统计期间市场结构从集中趋于分散，国有大型银行市场主导力呈不断降低趋势，自2013年以来，其HHIdeposit及HHIloan均呈现大幅下降，银行市场整体竞争态势不断上升，国有五大行在银行体系中的垄断作用逐渐降低。

2.不同类型商业银行不良贷款率及余额分化明显

统计期间内不同类型商业银行的不良贷款率分化明显，其中国有大型商业银行、全国性股份制商业银行以及城商行的不良贷款率缓慢上行，而农商行的不良贷款率一直高高在上，特别是2018年6月以来不良率普遍高于4.00%；2019年以来城商行不良贷款率有所抬头，2019年9月其不良率达到2.48%，同比上升32.66%。综上可知，四种类型商业银行不良贷款率走势分化严重，呈现出不良贷款往中小商业银行聚集的趋势，农商行更面临“不良”的双重压力。

3.银行集中度对不同类型商业银行影响不同

实证研究表明，我国银行业市场结构对不同类型商业银行不良贷款率产生了重要影响，且银行市场结构的集中与分散对不同类型商业银行的影响不同。国有大型银行及股份制商业银行的不良贷款率与银行市场集中度呈反向关系，农商行则相反。一方面在集中度较高的银行体系内，处于主导地位的商业银行的市场势力很强，可以优先挑选质地好、信用好的公司，能够以较低的成本获得高质量的资产组合，降低银企信息不对称程度，进而提升资产质量。另一方面中小商业银行由于规模小、实力弱，不得不转战风险，通过增加利率的方式给不符合资质的行业领域放贷，在持续的内外部压力下，中小商业银行信用风险更为突出。

（二）研究建议

1.构建平衡合理协调的金融生态圈

研究表明银行集中度上升，在一定程度上可以减少大型银行的不良贷款率，但是也会提升中小商业银行的不良贷款率，说明我国银行体系内有限的金融资源过于集中后，大型银行占据更多优质的资源，中小商业银行因市场竞争力不足会被动选择风险较高的企业进行放贷，由此产生巨额不良贷款。因此，我国银行集中度既不能过高形成垄断寡头，又不能过低削减大型银行的市场份额，故我国银行体系集中度需要一个合理的最优区间，在这个区间内，不同类型商业银行的不良贷款率可以保持在一个合理的水平。相对于中小商业银行而言，大型银行的风险处置能力强，处置手段多样，在风险的把控上更具优势，而小微企业和民营企业属于风险高发群体，与经营本就不稳定、风险较为脆弱的中小商业银行在风险偏好上并不匹配，大型银行应该在维护好存量客户的前提下将资源进行统筹配置，更多地帮助解决小微企业和民营企业的融资难问题，发挥行业 “领头羊”的作用。对于中小商业银行而言，要努力提升核心竞争力，扩大在当地的金融市场份额，补充自身实力，一方面要严格控制不良贷款的增长势头，积极稳妥处置高风险机构，把握好处置风险的力度和节奏，加快高风险机构市场出清，坚决阻断风险跨市场、跨区域的扩散和传染；另一方面需加大业务发展力度，规范公司治理体制，完善风险防控机制，利用地缘优势深耕当地金融市场，支持实体经济发展。

2.充分协调对中小商业银行监管规则的一致性和政策合理性

引导商业银行信贷投放政策，如银保监会提出的“三个不低于”和“两增两控”，一定程度上加剧了中小商业银行的风险，因为一味要求信贷规模的扩张非但不能解决小微企业的融资困境，反而会增加中小商业银行的风险隐患。大型银行的体量大，抗风险能力强，可以通过其他业务收入补贴小微企业的融资成本，而且在完成“普惠型小微企业贷款余额增长30%以上”的政策目标的同时，往往会利用其资金价格、综合服务、网点数量、资源调配等显著优势，“争抢”原本属于中小银行的优质客户，对中小商业银行形成“挤出效应”。中小商业银行自身资源禀赋不足，收入来源较为单一，因失去优质客户而不得不下沉业务，发展风险更高、资质更差的客户，进一步提高了不良贷款的压力。此外，使用行政手段控制小微信贷成本，不通过利率价格加杠杆，为弥补小微信贷损失，中小商业银行会从事风险和收益更高的同业嵌套业务，从而招致更大的经营风险。因此，应当充分协调对中小商业银行监管规则的一致性和政策合理性，鼓励创新和规范金融发展，政策上鼓励创新，加快推进资产负债结构、收入模式、战略定位等全方位优化调整，深耕当地经济发展，走差异化、特色化发展道路。

3.积极推动金融要素市场化流动

扩大金融要素市场化配置范围，推进要素市场制度建设，实现要素价格市场决定、流动自主有序、配置高效公平。首先，中小商业银行可持续发展的根本在于要素市场化流动过程中形成的比较优势，不可充当政府支农支小的政策工具。中小商业银行本质是商业性金融机构，商业化和市场化是其本质属性，盈利是其首要目标。强制压降中小商业银行的贷款定价会造成信贷配给失衡，抑制金融要素市场化流动，实质上中小商业银行对于小微企业和民营企业有一定的市场筛选作用，优质的信贷客户被银行业认可，而质地较差的客户应该被市场排除在外，不考虑风险溢价的贷款利率会扭曲市场化机制，阻碍金融要素的市场化流动。其次，放宽金融服务业准入。民间资本作为金融机构获取资金的重要来源一直被监管层否定，应当逐步放开民间资本，增加微型金融机构的资本来源，提高其股权分散程度。最后，要完善金融机构市场化法治化退出机制。在推进金融要素市场化进程中，中小商业银行高风险机构退出是一个必经过程，除了停业整顿、接管之外，兼并重组、补充资本金也是处置高风险机构、提高银行竞争力的重要途径。因此，要培育优胜劣汰的市场竞争机制，有效衔接各类法律法规和相关政策，坚持约束与激励并举提升防范能力，把握好节奏和力度，提高市场重组、出清的质量和效率，构建坚实牢固的风险防火墙。

4.深化金融供给侧结构性改革

首先，着力优化金融体系结构，在金融机构中增加非银行金融机构数量占比，在银行机构中增加微型银行机构、民营银行占比，通过培育良性循环的竞争机制促进中小微商业银行主动实现发展模式转型，提升服务能力。可充分利用数字技术、大数据、云计算和人工智能等手段，有效识别计量风险系数，利用科技手段提升风险管控能力。其次，应当对国有大型银行和中小银行进行差异化监管引导，对其业务范围进行适当区别、固化，引导其回归设立的初心和市场定位，培养中小银行的核心竞争力。放开微型金融机构市场准入机制，大力发展微型银行、社区银行、特色品牌银行等专营化、特色化机构，开展具有鲜明特色的专业化服务，进一步扩充和完善我国银行体系。最后，增加中小金融机构数量和业务比重，改进小微企业和三农金融服务，选择那些符合国家产业发展方向、主业相对集中于实体经济、技术先进、产品有市场、暂时遇到困难的民营企业给与重点支持。

注释：

①部分（本文样本）上市银行分别为工商银行、农业银行、中国银行、建设银行、交通银行、招商银行、中信银行、光大银行、民生银行、华夏银行、北京银行、平安银行、兴业银行共十三家。2019年末这十三家上市银行总资产为155.42万亿，占银行业金融机构的55.01%。（截至目前北京银行年报尚未公布，故以2019年三季度报告中总资产替代2019年末总资产数值）

②在时间序列数据模型下，上一期银行风险承担水平必须会对当期风险承担水平产生影响（唐鹏，2015）