基于風(fēng)險視角的貸款行業(yè)集中度對銀行收益的影響?yīng)?/h1>
2017-06-27 21:05:02張健??
商業(yè)研究 2017年6期
張健??
內(nèi)容提要：銀行在業(yè)務(wù)發(fā)展過程中可能更加注重單項業(yè)務(wù)收益與違約風(fēng)險的匹配，而忽視了貸款業(yè)務(wù)過度集中的負(fù)面影響。本文利用國內(nèi)銀行季度數(shù)據(jù)研究貸款行業(yè)集中度對銀行收益的影響并探討銀行風(fēng)險在該影響機(jī)制中的作用，結(jié)果發(fā)現(xiàn)，貸款行業(yè)集中度對銀行收益的邊際影響是風(fēng)險的二次函數(shù)。銀行風(fēng)險很低時，增加信貸占比較低行業(yè)的貸款投放會提高銀行收益波動率，降低平均收益；銀行風(fēng)險很高時，由于代理監(jiān)督機(jī)制激勵不相容以及銀行破產(chǎn)的社會成本極高，銀行會將信貸資源集中于收益較高且穩(wěn)定的行業(yè)來提升收益。只有風(fēng)險處于中等水平時，分散配置才會有效發(fā)揮代理監(jiān)督機(jī)制的作用，提高收益。樣本期大多數(shù)銀行風(fēng)險處于中等水平，集中度增加會顯著降低收益，但對國有銀行的沖擊較小。研究結(jié)論對優(yōu)化銀行貸款結(jié)構(gòu)具有重要理論指導(dǎo)意義。
關(guān)鍵詞：貸款行業(yè)集中度；銀行收益；銀行風(fēng)險；非線性影響
中圖分類號：F830文獻(xiàn)標(biāo)識碼：A文章編號：1001-148X（2017）06-0177-08
一、引言
近年來，我國銀行業(yè)貸款余額中地方融資平臺、房地產(chǎn)行業(yè)、企業(yè)集群以及產(chǎn)能過剩行業(yè)的貸款比例較大，集中度高、影響面廣。鑒于此，監(jiān)管機(jī)構(gòu)要求商業(yè)銀行以差異化的信貸政策為工具，加強(qiáng)對戰(zhàn)略性新興產(chǎn)業(yè)、現(xiàn)代服務(wù)業(yè)的支持力度，在助推經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級的同時優(yōu)化自身資產(chǎn)結(jié)構(gòu)，降低業(yè)務(wù)集中度風(fēng)險。實際上，銀行在業(yè)務(wù)發(fā)展過程中可能更加注重單項業(yè)務(wù)收益與違約風(fēng)險的匹配，往往會忽視業(yè)務(wù)過度集中產(chǎn)生的負(fù)面影響。例如2016年9月末，17家主要商業(yè)銀行①貸款余額中占比最高的是個人住房按揭貸款，約為22%（較年初增長27%），加上房地產(chǎn)開發(fā)貸款，投向房地產(chǎn)行業(yè)的貸款總額占比約為29%，超過排名第二的制造業(yè)15個百分點。房地產(chǎn)市場資金需求旺盛以及違約風(fēng)險較低是該類貸款業(yè)務(wù)快速發(fā)展的主要原因，但銀行在追求房地產(chǎn)貸款規(guī)模擴(kuò)張的過程中，行業(yè)集中度偏高的風(fēng)險并未充分受到經(jīng)營管理者的重視。因此，監(jiān)管機(jī)構(gòu)不斷通過不同的途徑要求各家銀行密切關(guān)注房地產(chǎn)信貸業(yè)務(wù)的集中度，合理調(diào)整自身資產(chǎn)結(jié)構(gòu)，加強(qiáng)對房地產(chǎn)信貸的壓力測試和風(fēng)險測試，嚴(yán)控房地產(chǎn)金融業(yè)務(wù)風(fēng)險。
目前，銀行業(yè)務(wù)集中度風(fēng)險問題已經(jīng)引起監(jiān)管機(jī)構(gòu)的關(guān)注。2016年9月銀監(jiān)會下發(fā)《關(guān)于進(jìn)一步加強(qiáng)信用風(fēng)險管理的通知》，要求銀行業(yè)金融機(jī)構(gòu)應(yīng)建立涵蓋客戶、行業(yè)、地區(qū)、貨幣、抵質(zhì)押品、市場、國家區(qū)域等各類風(fēng)險源，覆蓋信貸、投資、衍生品交易、承兌、擔(dān)保等全部表內(nèi)外風(fēng)險暴露，充分體現(xiàn)穿透性原則的集中度風(fēng)險管理框架。建立滿足穿透管理需要的集中度風(fēng)險管理信息系統(tǒng)，多維度識別、監(jiān)測、分析、管理集中度風(fēng)險，并設(shè)定相應(yīng)的限額。但是相關(guān)的管理規(guī)定中關(guān)于貸款集中度的定量指標(biāo)并不清晰全面。貸款集中度可以從行業(yè)、地區(qū)、客戶、業(yè)務(wù)收入類型或貸款品種等維度去衡量，目前只有客戶維度的貸款集中度監(jiān)管指標(biāo)相對具體②。從貸款品種來看，也只對并購貸款有明確規(guī)定，即并購貸款余額占同期一級資本凈額的比例不能超過50%，單一借款人的并購貸款余額不能超過一級資本凈額的5%。顯然，關(guān)于貸款行業(yè)集中度的定量管理指標(biāo)仍待完善。
那么貸款行業(yè)集中度的提高是否能夠顯著影響我國銀行的收益水平？銀行風(fēng)險是否會對影響效果起到關(guān)鍵作用？在當(dāng)前我國銀行業(yè)從管制利率時期的粗放型規(guī)模擴(kuò)張模式轉(zhuǎn)向利率市場化環(huán)境下的集約型發(fā)展模式的過程中，對這一問題的深入分析有助于銀行合理進(jìn)行信貸資源的行業(yè)配置，對新經(jīng)營環(huán)境下監(jiān)管機(jī)構(gòu)進(jìn)一步完善監(jiān)管指標(biāo)體系也具有重要參考意義。
二、文獻(xiàn)綜述
目前，關(guān)于銀行業(yè)務(wù)集中度與經(jīng)營表現(xiàn)之間關(guān)系的研究并沒有形成共識。支持業(yè)務(wù)多元化的主要觀點包括：考慮到信息不對稱問題，業(yè)務(wù)多元化有助于降低銀行業(yè)的成本，并提高銀行代理監(jiān)督的積極性（Diamond，1984；Cesari和Daltung，2000）；銀行經(jīng)營不同類型的業(yè)務(wù)不會導(dǎo)致資源錯配，反而可以提高自身的綜合管理技能，從而對經(jīng)營表現(xiàn)產(chǎn)生積極作用（Iskandar-Datta和McLaughlin，2007）；開展不同類型的業(yè)務(wù)可以分?jǐn)傘y行的固定成本，利用范圍經(jīng)濟(jì)獲取一定收益（Drucker和Puri，2009）；業(yè)務(wù)多元化可以降低銀行的風(fēng)險，從而降低預(yù)期危機(jī)成本和破產(chǎn)成本（Boot和Schmeits，2000）。具體到銀行貸款行業(yè)集中度，Bebczuk和Galindo（2008）以1999年到2004年阿根廷銀行為分析樣本，研究指出貸款行業(yè)集中度較低有助于提高銀行利潤，尤其是大型銀行。Rossi等（2009）利用1997年到2003年澳大利亞銀行的數(shù)據(jù)進(jìn)行實證分析，發(fā)現(xiàn)貸款行業(yè)集中度降低會顯著增加銀行利潤效率。
支持業(yè)務(wù)專業(yè)化的主要觀點包括：專業(yè)化經(jīng)營可以促使銀行充分利用已有專業(yè)知識，發(fā)揮自身的比較優(yōu)勢，獲取專業(yè)化收益（Stomper，2006）；業(yè)務(wù)多元化會加劇整個銀行業(yè)的競爭程度，降低收益（Tabak等，2011）；多元化經(jīng)營會使銀行管理人利用低價值投資項目規(guī)避自身風(fēng)險、滿足個人需求的途徑更加豐富，從而大幅增加代理成本（Laeven和Levine，2007；Deng和Elyasiani，2008）；多元化經(jīng)營在一定程度上有利于規(guī)模擴(kuò)張，提高銀行系統(tǒng)重要性，隨之出現(xiàn)的隱性或者顯性的政府擔(dān)保會使銀行承擔(dān)更高的風(fēng)險水平，降低銀行利潤（Gropp等，2011）。具體來看，Kamp等（2007）對1993年到2003年德國銀行業(yè)的情況進(jìn)行分析發(fā)現(xiàn)，相對于貸款行業(yè)集中度低的銀行，集中度高的銀行能夠獲得更高的回報率。Tabak等（2011）利用96家巴西銀行的月度數(shù)據(jù)，研究了貸款行業(yè)集中度與收益之間的關(guān)系，指出貸款行業(yè)集中度與銀行收益顯著正相關(guān)。
與上述兩種觀點不同，Winton（1999）認(rèn)為不能孤立地看待銀行業(yè)務(wù)多元化（專業(yè)化）對收益的作用，應(yīng)該結(jié)合銀行風(fēng)險水平進(jìn)行綜合分析。其研究結(jié)論表明，當(dāng)銀行風(fēng)險較低時，由于破產(chǎn)概率很小，專業(yè)化經(jīng)營的銀行業(yè)績表現(xiàn)要優(yōu)于多元化經(jīng)營的銀行；當(dāng)銀行風(fēng)險較高時，多元化經(jīng)營會惡化銀行處境，因為一旦某一類業(yè)務(wù)出現(xiàn)風(fēng)險事件，就足以導(dǎo)致銀行破產(chǎn)清算；只有銀行風(fēng)險處于中等水平時才適合多元化經(jīng)營。簡而言之，銀行業(yè)務(wù)集中度對收益的影響是銀行風(fēng)險的二次函數(shù)，呈現(xiàn)出U型形狀。Acharya等（2006）基于1993年到1999年105家意大利銀行的微觀數(shù)據(jù)，對貸款行業(yè)集中度與收益之間的關(guān)系進(jìn)行實證分析，研究結(jié)論支持Winton（1999）的觀點。Tabak等（2011）同樣對這一關(guān)系進(jìn)行了驗證，結(jié)果表明只有資產(chǎn)收益率與銀行貸款行業(yè)集中度之間存在這種U型關(guān)系，而股權(quán)回報率與貸款行業(yè)集中度之間則存在倒U型關(guān)系，這主要是由于專業(yè)化經(jīng)營的巴西銀行風(fēng)險更低，持有的資本相對較少。
關(guān)于國內(nèi)銀行貸款行業(yè)集中度對銀行收益影響的分析相對較少，大多數(shù)研究都是對客戶集中度與收益之間的關(guān)系進(jìn)行分析（王海霞，2009；王旭，2013等）。魏曉琴和李曉霞（2011）認(rèn)為，貸款行業(yè)投向越集中，國有銀行盈利能力越低，對股份制銀行無明顯影響。王富華和姜姍姍（2012）指出，貸款行業(yè)集中度對我國上市銀行的盈利能力沒有顯著影響。Berger等（2010）以1996年到2006年我國商業(yè)銀行為樣本進(jìn)行分析，發(fā)現(xiàn)貸款行業(yè)集中度增加會顯著提高銀行收益，但是其行業(yè)劃分相對籠統(tǒng)，只包括工業(yè)貸款、商業(yè)貸款、房地產(chǎn)貸款、農(nóng)業(yè)貸款和消費貸款五大類，對銀行貸款全行業(yè)分布的刻畫能力有限。至于銀行貸款行業(yè)集中度對收益的影響與銀行風(fēng)險的關(guān)系，更是鮮有文獻(xiàn)涉及。
綜上所述，關(guān)于我國銀行貸款行業(yè)集中度對收益影響的分析，受制于數(shù)據(jù)可得性，研究成果較少且結(jié)論差異較大，并且也沒有考慮銀行風(fēng)險水平的作用。鑒于此，本文以17家主要商業(yè)銀行2008年1季度到2016年3季度的季度數(shù)據(jù)為樣本，分析貸款行業(yè)集中度對銀行收益的影響并探討銀行風(fēng)險因素在該影響機(jī)制中的作用。
三、模型研究
（一）模型構(gòu)建
本文首先試圖解決的基本問題是貸款行業(yè)集中度是否會顯著提高銀行收益。參考Tabak等（2011）的研究，可以構(gòu)建下述回歸模型：
Returnit=αi0+α1HHIi，t-1+γCVi，t-1+τt+μit（1）
其中，下標(biāo)it表示第i家銀行和時刻t；Return為銀行收益；HHI是貸款行業(yè)集中度指標(biāo)；CV代表控制變量，主要包括銀行資產(chǎn)規(guī)模（用資產(chǎn)總額的對數(shù)值衡量）、權(quán)益資產(chǎn)比以及刻畫銀行屬性的虛擬變量，分別用lnA、EOA和GY表示。GY取值為1時，表示國有銀行，取值為0時則是非國有銀行；τt是時間虛擬變量，用來控制不同季度宏觀經(jīng)濟(jì)運行情況產(chǎn)生的影響；μit是殘差。為了緩解內(nèi)生性問題，所有解釋變量均使用滯后一期的數(shù)據(jù)。如果α1>0，表明貸款行業(yè)集中度越高，銀行盈利水平越高，反之銀行盈利水平越低。
為了分析國有銀行貸款行業(yè)集中度對收益影響是否存在不同之處，在模型（1）中引入表示銀行屬性的虛擬變量GY及其與集中度變量HHI的交叉項，具體如式（2）所示。如果α3>0，說明貸款行業(yè)集中度高，對國有銀行盈利水平的促進(jìn)作用要強(qiáng)于非國有銀行，反之說明對國有銀行盈利水平的抑制作用要強(qiáng)于非國有銀行。
Returnit=αi0+α1HHIi，t-1+α2GY+α3HHIi，t-1*GY+γCVi，t-1+τt+μit（2）
根據(jù)前文綜述，部分研究已表明銀行貸款行業(yè)集中度對收益的影響是銀行風(fēng)險水平的二次函數(shù)，因此本文也試圖驗證我國銀行業(yè)是否存在類似的現(xiàn)象。參考Acharya等（2006）以及Tabak等（2011）的研究方法，在基本模型（1）中加入風(fēng)險變量Risk及其平方項Risk2與集中度變量HHI的交叉項。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）
根據(jù)式（3）可以推出收益Return關(guān)于集中度HHI的一階導(dǎo)數(shù)：
dReturnitdHHIi，t-1=α1+β2Riski，t-1+β3Risk2i，t-1（4）
由上式可知，如果我國商業(yè)銀行貸款集中度對收益的影響確實是風(fēng)險的二次函數(shù)，呈現(xiàn)U型形狀，那么必然會有β2顯著小于零且β3顯著大于零。
（二）變量說明
1.銀行收益水平。本文衡量銀行收益水平（Return）的主要指標(biāo)是資產(chǎn)收益率（ROA）和股權(quán)回報率（ROE）。
2.貸款行業(yè)集中度。目前常用的測度貸款行業(yè)集中度的指標(biāo)是赫芬達(dá)爾指數(shù)（Herfindahl Index），本文同樣使用該指數(shù)進(jìn)行實證分析。假設(shè)銀行i在t時刻投向行業(yè)j的貸款余額占其貸款總額的比例為rijt，那么該指標(biāo)的具體表達(dá)式如下：
赫芬達(dá)爾指數(shù)：HHIit=∑nj=1r2ijt（5）
根據(jù)（5）式，當(dāng)所有的信貸資源平均分配給每一個行業(yè)，貸款行業(yè)集中度最低時，HHI指數(shù)為1/n；當(dāng)所有信貸資源只投向一類行業(yè)，貸款行業(yè)集中度最高時，HHI指數(shù)為1。即該指數(shù)越大，貸款行業(yè)集中度就越高。
3.風(fēng)險代理變量。參考Demiguc-kunt和Huizinga（2010）以及孔愛國和盧嘉圓（2010）等國內(nèi)外文獻(xiàn)使用的研究方法，本文采用Z值來衡量銀行風(fēng)險，表達(dá)式如下：
Zit=σiROAEOAit+ROAit（6）
從式（6）可以看出，銀行權(quán)益資產(chǎn)越多、資產(chǎn)收益率越高、收益率的波動越小，其Z值就越小。說明Z值越小，銀行風(fēng)險越低。本文還參照Acharya等（2006）的做法，將每家銀行不良貸款率（NPL）的樣本標(biāo)準(zhǔn)差（STDNPL）作為銀行風(fēng)險的另一代理變量。
四、實證檢驗
（一）數(shù)據(jù)說明及來源
本文以17家主要商業(yè)銀行2008年1季度到2016年3季度的季度數(shù)據(jù)為分析樣本，數(shù)據(jù)主要來源于銀監(jiān)會的貸款投向分行業(yè)表③以及WIND數(shù)據(jù)庫，統(tǒng)計口徑均為法人口徑，少量缺失數(shù)據(jù)利用銀行定期財務(wù)報告進(jìn)行填補(bǔ)④?？紤]到數(shù)據(jù)可得性以及數(shù)據(jù)頻率，樣本并未加入其他小型銀行（主要是城市商業(yè)銀行和農(nóng)村商業(yè)銀行）。長期以來，17家主要商業(yè)銀行貸款發(fā)放總額占銀行業(yè)金融機(jī)構(gòu)貸款總規(guī)模的70%以上，可以較好代表國內(nèi)銀行業(yè)的貸款行業(yè)分布特征和集中度走勢。
（二）變量描述性統(tǒng)計
表1給出了國內(nèi)主要商業(yè)銀行相關(guān)變量的描述性統(tǒng)計。樣本一共包含585個觀測值，資產(chǎn)收益率ROA均值為065%，股權(quán)回報率ROE均值為1153%，權(quán)益資產(chǎn)比EOA均值為006。從整個樣本來看，國內(nèi)主要銀行的不良貸款率NPL相對較低，樣本均值為113%，但是最大值也高達(dá)521%，說明部分銀行在特定時期的貸款質(zhì)量壓力較大。尤其是最近一年來，銀行業(yè)貸款質(zhì)量面臨較大壓力，2016年9月末主要商業(yè)銀行的不良貸款率已經(jīng)達(dá)到167%。本文主要關(guān)注的貸款行業(yè)集中度變量HHI指數(shù)的均值為014，明顯低于Berger等（2010）文中的047。這主要是由樣本差異導(dǎo)致的，因為2006年之前我國銀行業(yè)還處于改革初期，貸款業(yè)務(wù)同質(zhì)化現(xiàn)象較為普遍，行業(yè)集中度也就較高。這也在一定程度上表明我國銀行貸款行業(yè)集中度隨著時間發(fā)生了明顯變化，應(yīng)該對當(dāng)前階段集中度情況及其對銀行經(jīng)營業(yè)績的影響進(jìn)行分析，從而為銀行經(jīng)營和監(jiān)管政策給予參考。HHI指數(shù)的最大值為04，說明部分銀行貸款行業(yè)集中度相對較高。
展示了我國商業(yè)銀行貸款行業(yè)集中度HHI指數(shù)隨著時間的變化趨勢。從全樣本看，由于2008年金融危機(jī)的全面爆發(fā)，國內(nèi)實施經(jīng)濟(jì)刺激政策，形成了寬松的信貸環(huán)境，新增貸款主要投向了基礎(chǔ)設(shè)施建設(shè)、房地產(chǎn)等行業(yè)，因此行業(yè)集中度水平較高。正如銀監(jiān)會2008年年報指出的那樣，在信貸快速擴(kuò)張的過程中，信貸資產(chǎn)集中度風(fēng)險日益凸顯。鑒于此，銀監(jiān)會持續(xù)高度重視集中度風(fēng)險監(jiān)管，要求銀行業(yè)嚴(yán)格執(zhí)行單一客戶10%和集團(tuán)客戶15%的授信上限規(guī)定，任何機(jī)構(gòu)不得違反，并通過鼓勵銀行發(fā)展俱樂部貸款、銀團(tuán)貸款等方式，防止信貸風(fēng)險在某些行業(yè)和地區(qū)過度集中，這些舉措在一定程度上促使貸款行業(yè)集中度有所下降。但是危機(jī)時期投向基礎(chǔ)建設(shè)、房地產(chǎn)等行業(yè)的新增貸款大多是中長期貸款；而且主要圍繞客戶集中度制訂的監(jiān)管規(guī)則對行業(yè)集中度的作用有限，共同導(dǎo)致行業(yè)集中度在2010年1季度開始震蕩回升，到2013年中期達(dá)到局部高點。隨著國家產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與轉(zhuǎn)型升級政策的推進(jìn)，銀行業(yè)信貸政策以化解過剩產(chǎn)能、支持新興產(chǎn)業(yè)和現(xiàn)代服務(wù)業(yè)、防范自身風(fēng)險積聚為基本原則，嚴(yán)格管控增量貸款的投向，存量貸款選擇性退出部分行業(yè)，從而促使貸款行業(yè)集中度有所下降。但2015年以來，由于實體經(jīng)濟(jì)有效信貸需求不足、人民銀行數(shù)次降息、優(yōu)質(zhì)資產(chǎn)匱乏以及實體經(jīng)濟(jì)盈利能力不足等因素，房地產(chǎn)貸款尤其是個人住房貸款受到銀行業(yè)青睞。特別是今年以來，增速大幅增加，導(dǎo)致新增房地產(chǎn)貸款占全部貸款增量的比例較高，貸款行業(yè)集中度有所回升。
不論是國有銀行還是非國有銀行，貸款行業(yè)集中度變化趨勢與全樣本走勢基本一致。但國有銀行的集中度水平一直低于非國有銀行，這可能是由于國有銀行一般要以經(jīng)濟(jì)、環(huán)境、社會的可持續(xù)發(fā)展以及經(jīng)濟(jì)效益、環(huán)境效益、社會效益協(xié)調(diào)統(tǒng)一為目標(biāo)，積極貫徹落實國家宏觀政策。貸款投向安排努力對接國家重大戰(zhàn)略（如涉農(nóng)貸款、小微企業(yè)貸款等）、更加關(guān)注民生發(fā)展和環(huán)境發(fā)展。但是2015年以來，基于資產(chǎn)質(zhì)量、撥備和盈利等方面的壓力，國有銀行個人住房貸款業(yè)務(wù)的發(fā)展速度也較快，行業(yè)集中度上升速度明顯高于非國有銀行，與非國有銀行的差距明顯縮小。
（三）實證結(jié)果及分析
大多數(shù)學(xué)者認(rèn)為高度序列相關(guān)的因變量會導(dǎo)致模型估計存在序列相關(guān)問題，本文按照習(xí)慣做法，在銀行層面聚集觀察值（cluster）來調(diào)整標(biāo)準(zhǔn)差，解決銀行層面的序列相關(guān)性。同時在控制銀行個體效應(yīng)和時間效應(yīng)的基礎(chǔ)上使用最小二乘法（OLS）估計各個模型。
1. 模型（1）估計結(jié)果。表2匯報了基本模型（1）的估計結(jié)果，集中度指標(biāo)HHI指數(shù)對ROA和ROE均有顯著負(fù)影響。即貸款行業(yè)集中度越高，銀行資產(chǎn)收益率和股權(quán)回報率越低。考慮到HHI對兩類收益指標(biāo)ROA和ROE的顯著影響具有一致性，可以認(rèn)為這一結(jié)論具有一定的穩(wěn)定性。雖然這一結(jié)果與Berger等（2010）的結(jié)論完全相反，但Berger等（2010）是以1996年到2006年我國商業(yè)銀行數(shù)據(jù)進(jìn)行分析的。這一期間我國銀行業(yè)還處于利率管制時期，存貸利差是主要盈利來源，銀行專注于更容易投放中長期貸款的行業(yè)可以降低管理成本，獲取較好收益。事實上，自1998年亞洲金融危機(jī)后，經(jīng)過宏觀調(diào)控，經(jīng)濟(jì)逐步復(fù)蘇。鋼鐵、水泥、電解鋁、房地產(chǎn)和汽車制造業(yè)確實成為中長期貸款的主要投放行業(yè)，銀行貸款配置也具有一定的趨同性（王新華等，2006）。而且這段時間內(nèi)，我國銀行業(yè)整體發(fā)展水平不高，綜合管理能力有限，發(fā)揮自身比較優(yōu)勢獲取專業(yè)化收益符合當(dāng)時的經(jīng)營環(huán)境。隨著我國經(jīng)濟(jì)發(fā)展速度趨緩、產(chǎn)能過剩等問題出現(xiàn)，部分集中度較高的行業(yè)爆發(fā)出風(fēng)險事件（如鋼貿(mào)行業(yè)信貸危機(jī)、煤炭行業(yè)整體低迷等），直接導(dǎo)致銀行產(chǎn)生實際損失；而信貸政策同時限制了新增貸款對這些行業(yè)的后續(xù)支持力度，從而造成銀行整體收益受到明顯的負(fù)面沖擊。另外，隨著利率市場化的實質(zhì)性推進(jìn)，銀行業(yè)利差普遍下降，集中度過高顯然會降低收益，而多行業(yè)配置可以充分利用每個行業(yè)發(fā)展周期不同的特點，放緩利差縮小的影響。
對于其他控制變量，權(quán)益資產(chǎn)比EOA增加會顯著降低ROE，這與Tabak等（2011）的研究結(jié)論一致，這可能是由于銀行對新增權(quán)益資金的運營能力有所下降，不能同比例提高凈利潤。當(dāng)然，近年來監(jiān)管部門對銀行的資本金要求更加嚴(yán)格也是一個主要影響因素，雖然很多銀行都通過發(fā)行優(yōu)先股和資本債券的方式來補(bǔ)充資本金，但它們無法同時擴(kuò)大風(fēng)險加權(quán)資產(chǎn)的規(guī)模，導(dǎo)致盈利下降。EOA對ROA無明顯影響，且系數(shù)為正，表明銀行增加權(quán)益資金雖然不會降低資產(chǎn)運營效率，但也無法有效提高效率。資產(chǎn)規(guī)模LnA對ROA和ROE無顯著影響，說明市場化環(huán)境下純粹依靠規(guī)模擴(kuò)張增加利潤的發(fā)展方式已經(jīng)不合時宜，這與當(dāng)前國內(nèi)銀行業(yè)逐漸摒棄粗放型發(fā)展模式，謀求轉(zhuǎn)型發(fā)展的策略相一致。事實上，長期的規(guī)模擴(kuò)張已經(jīng)導(dǎo)致我國銀行業(yè)出現(xiàn)管理效率低下、信息溝通成本較高等問題，從而阻礙整體盈利能力提升。表示銀行屬性的虛擬變量GY對ROA和ROE的影響都不顯著，但是系數(shù)為正。這與現(xiàn)有大多數(shù)文獻(xiàn)的結(jié)論存在差異，已有研究認(rèn)為國有產(chǎn)權(quán)性質(zhì)的銀行盈利能力更差（Barth等，2004；Garcia-Herrero等，2009），主要原因在于國有銀行的經(jīng)營經(jīng)常會受到政府干預(yù)。本文結(jié)論在一定程度上說明我國國有銀行在股份制改革和利率市場化等重大金融改革后，市場化經(jīng)營程度有所提高。
2.模型（2）估計結(jié)果。模型（2）用來分析貸款行業(yè)集中度對不同屬性銀行收益的影響，具體實證結(jié)果見表3。不論因變量是ROA還是ROE，集中度HHI指數(shù)與虛擬變量GY的交叉項系數(shù)均顯著為正，這表明相對于非國有銀行，貸款行業(yè)集中度上升對國有銀行收益水平的負(fù)面沖擊較小。國有銀行在大多數(shù)行業(yè)中的客戶均為大中型企業(yè)，因此貸款資金監(jiān)測效率很高，集中度增加可以有效降低管理成本，有效發(fā)揮代理監(jiān)督的作用。另外，國有銀行在爭奪大客戶資源方面具有比較優(yōu)勢，市場競爭程度相對較低。其他控制變量對銀行收益的影響與模型（1）的實證結(jié)果基本一致，在一定程度說明基本模型（1）的估計比較穩(wěn)健。
3.模型（3）估計結(jié)果。為了進(jìn)一步分析貸款行業(yè)集中度對銀行收益的作用效果是否受到自身風(fēng)險水平的影響，對模型（3）進(jìn)行估計，結(jié)果見表4。我們可以看到，此時HHI變量的系數(shù)變?yōu)檎?，交叉項HHI*Z的系數(shù)顯著為負(fù)，同時交叉項HHI*Z2的系數(shù)顯著為正，有力地支持了貸款行業(yè)集中度對銀行收益的影響是風(fēng)險的二次函數(shù)，呈現(xiàn)U型關(guān)系的結(jié)論。這與Winton（1999）和Acharya等（2006）的研究結(jié)果一致。
由于風(fēng)險因素確實會影響貸款行業(yè)集中度對銀行收益的作用效果，我們利用表4中的估計系數(shù)，可以畫出HHI對ROA的邊際影響與Z值之間的關(guān)系圖，具體見圖2?？梢灾庇^看到，當(dāng)銀行風(fēng)險水平處于二次函數(shù)的兩個根之外時（風(fēng)險較低或者較高時），HHI對ROA的邊際影響為正；當(dāng)銀行風(fēng)險水平處于二次函數(shù)的兩個根之間時，HHI對ROA的邊際影響為負(fù)。當(dāng)銀行風(fēng)險較小時，若對新行業(yè)或者貸款余額占比較低的行業(yè)追加更多的信貸資源，會增加銀行收益的波動率并降低平均收益；而適度提高貸款行業(yè)集中度可以在不顯著提高破產(chǎn)概率的同時，發(fā)揮專業(yè)化優(yōu)勢，增加整體收益。當(dāng)銀行風(fēng)險非常高時，若銀行通過降低行業(yè)集中度、增加管理成本去加強(qiáng)貸款監(jiān)督力度，為債權(quán)人（主要是存款人）帶來的邊際收益要明顯高于銀行所有者，因為銀行所有者作為剩余索取權(quán)的擁有方，需要承擔(dān)該措施產(chǎn)生的全部新增成本。即此時降低行業(yè)集中度會導(dǎo)致激勵不相容現(xiàn)象出現(xiàn)，銀行寧愿將信貸資源集中于收益率較高且穩(wěn)定的行業(yè)。同時由于國內(nèi)銀行破產(chǎn)的社會成本極高，信貸高度集中的行業(yè)往往會有政府的隱性擔(dān)保，行業(yè)風(fēng)險全面爆發(fā)的概率較低，因此增加信貸投放仍能獲取較高收益。只有當(dāng)銀行風(fēng)險處于中等水平時，貸款分散配置才能有效發(fā)揮代理監(jiān)督機(jī)制的作用，降低行業(yè)集中度會顯著增加銀行收益。事實上，本文中大多數(shù)樣本的風(fēng)險水平確實處于二次函數(shù)的兩個根之間，即集中度增加會顯著降低銀行收益，這與基本模型（1）的研究結(jié)論一致。
（四）穩(wěn)健性檢驗
本文參照Acharya等（2006）的研究，將每家銀行不良貸款率（NPL）的樣本標(biāo)準(zhǔn)差STDNPL作為銀行風(fēng)險的另一代理指標(biāo)來檢驗前述U型關(guān)系的穩(wěn)健性，實證結(jié)果見表5。同樣的，HHI變量的系數(shù)變?yōu)檎?，交叉項HHI*STDNPL的系數(shù)顯著為負(fù)，同時交叉項HHI*STDNPL2的系數(shù)顯著為正，實證結(jié)論相對穩(wěn)健。
另外，考慮到國內(nèi)銀行業(yè)風(fēng)險水平的變化過程，可以發(fā)現(xiàn)U型關(guān)系可以較好地解釋現(xiàn)有文獻(xiàn)的研究結(jié)論，這也可以在一定程度上說明本文結(jié)論具有穩(wěn)定性。眾所周知，我國商業(yè)銀行在股份制改革上市之前，風(fēng)險水平整體較高，不良貸款率在2005年之前甚至高達(dá)10%以上。而Berger等（2010）正是利用2006年之前的樣本證明了銀行貸款行業(yè)集中度對資產(chǎn)收益率具有顯著正向影響。隨著銀行業(yè)改革深化，綜合經(jīng)營能力提升，風(fēng)險水平逐漸降低，到2009年不良貸款率已經(jīng)維持在2%左右，可以認(rèn)為這一階段我國銀行風(fēng)險屬于中等水平。魏曉琴和李曉霞（2011）正是增加了2006年到2009年的樣本數(shù)據(jù)，證明了貸款行業(yè)集中度對國有銀行盈利能力具有明顯的負(fù)面影響。整個銀行業(yè)不良貸款率在2011年到2013年達(dá)到較低水平，一般在1%以下，我們僅用這一分樣本進(jìn)行實證分析，可以發(fā)現(xiàn)HHI對ROA確實具有顯著正向影響⑤。綜合來看，貸款行業(yè)集中度對銀行收益的作用是風(fēng)險的二次函數(shù)，呈現(xiàn)U型關(guān)系的結(jié)論比較穩(wěn)健。
五、結(jié)論與建議
通過對我國17家主要商業(yè)銀行2008年1季度到2016年3季度的季度數(shù)據(jù)進(jìn)行實證分析發(fā)現(xiàn)，我國銀行貸款行業(yè)集中度對銀行收益率的邊際影響與銀行風(fēng)險存在非線性關(guān)系：在銀行風(fēng)險較低或者較高時，貸款行業(yè)集中度增加會顯著增加銀行收益；銀行風(fēng)險處于中等水平時，行業(yè)集中度則會產(chǎn)生明顯的負(fù)面沖擊，而這一負(fù)面沖擊對國有銀行的影響較小。據(jù)此，本文提出以下建議：（1）當(dāng)前銀行業(yè)風(fēng)險壓力較大，經(jīng)濟(jì)下行背景下可供投放貸款的優(yōu)質(zhì)行業(yè)較少，多元化配置難度較大。建議我國商業(yè)銀行積極發(fā)展非信貸業(yè)務(wù)（如現(xiàn)金管理、投行業(yè)務(wù)、咨詢顧問等）和境外業(yè)務(wù)，擴(kuò)大收入來源，降低對利差收入的依賴程度。（2）積極發(fā)展貸款出售、貸款互換以及信貸資產(chǎn)證券化業(yè)務(wù)，通過這些金融工具優(yōu)化自身貸款行業(yè)結(jié)構(gòu)。當(dāng)某一行業(yè)中長期貸款占比過高，集中度風(fēng)險突出時，可在金融市場中采用上述幾種業(yè)務(wù)模式進(jìn)行結(jié)構(gòu)調(diào)整。（3）結(jié)合政策導(dǎo)向，在對自身風(fēng)險水平進(jìn)行分析的基礎(chǔ)上確定不同行業(yè)的授信額度。在當(dāng)前銀行風(fēng)險水平較高的背景下，貸款行業(yè)需要綜合政策導(dǎo)向、風(fēng)險收益平衡等約束條件，分析自身的風(fēng)險和優(yōu)勢，推行差異化的競爭戰(zhàn)略，確定不同行業(yè)的貸款比例和市場準(zhǔn)入條件。（4）從監(jiān)管的角度來看，要防止商業(yè)銀行在自身風(fēng)險較高的情況下出現(xiàn)逆向選擇現(xiàn)象，持續(xù)向貸款比例較高的行業(yè)新增信貸資源。同時要通過對銀行業(yè)歷史數(shù)據(jù)進(jìn)行綜合分析，制定相關(guān)的定量監(jiān)管指標(biāo)對行業(yè)集中度進(jìn)行剛性約束。
注釋：
①17家主要商業(yè)銀行包括：工商銀行、農(nóng)業(yè)銀行、中國銀行、建設(shè)銀行、交通銀行、中信銀行、光大銀行、華夏銀行、廣發(fā)銀行、平安銀行（深發(fā)展）、招商銀行、浦發(fā)銀行、興業(yè)銀行、民生銀行、恒豐銀行、浙商銀行、渤海銀行。
②對同一借款人的貸款余額占銀行凈資本的比例不能超過10%，對前10大客戶的貸款余額占銀行凈資本的比例不能超過50%，對單一集團(tuán)客戶授信總額不能超過銀行資本余額的15%。
③按照銀監(jiān)會的統(tǒng)計方法，貸款投向一共有23個行業(yè)，主要包括：農(nóng)林牧漁業(yè)、采礦業(yè)、制造業(yè)、建筑業(yè)、批發(fā)零售業(yè)、房地產(chǎn)業(yè)、住宿餐飲業(yè)、個人貸款（不含經(jīng)營性貸款）以及教育業(yè)等。
④雖然部分年報披露數(shù)據(jù)與法人口徑數(shù)據(jù)存在差異，但這種缺失樣本的數(shù)量極少，對實證結(jié)果不會產(chǎn)生實質(zhì)性影響。
⑤鑒于文章篇幅限制，實證結(jié)果未列出，利用2010年2季度到2013年2季度的數(shù)據(jù)估計基本模型（1），仍然控制時間效應(yīng)和個體效應(yīng)，并在銀行層面聚集觀察值（cluster）來調(diào)整標(biāo)準(zhǔn)差。HHI變量的系數(shù)為正，在1%置信水平顯著。
參考文獻(xiàn)：
[1]孔愛國， 盧嘉圓. 市場約束、商業(yè)銀行治理與風(fēng)險的實證研究[J].金融研究， 2010（5）：102-115.
[2]王富華， 姜姍姍. 基于風(fēng)險與收益的上市銀行貸款集中度研究[J].經(jīng)濟(jì)經(jīng)緯， 2012（5）：166-170.
[3]王海霞. 銀行風(fēng)險、收益與客戶貸款集中度——基于城市商業(yè)銀行的實證分析[J].金融理論與實踐， 2009（11）：71-74.
[4]王新華， 劉在榕， 廖毅. 密切關(guān)注中長期貸款行業(yè)投向[J].中國金融， 2006（12）：33-34.
[5]王旭. 商業(yè)銀行貸款集中度的風(fēng)險與收益研究——基于中國18家商業(yè)銀行面板數(shù)據(jù)的分析[J].金融經(jīng)濟(jì)學(xué)研究，2013（4）：49-59.
[6]魏曉琴，李曉霞. 我國商業(yè)銀行貸款集中度的測算及效應(yīng)分析[J].區(qū)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，F(xiàn)azio 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(zé)任編輯：周正）
張健??
內(nèi)容提要：銀行在業(yè)務(wù)發(fā)展過程中可能更加注重單項業(yè)務(wù)收益與違約風(fēng)險的匹配，而忽視了貸款業(yè)務(wù)過度集中的負(fù)面影響。本文利用國內(nèi)銀行季度數(shù)據(jù)研究貸款行業(yè)集中度對銀行收益的影響并探討銀行風(fēng)險在該影響機(jī)制中的作用，結(jié)果發(fā)現(xiàn)，貸款行業(yè)集中度對銀行收益的邊際影響是風(fēng)險的二次函數(shù)。銀行風(fēng)險很低時，增加信貸占比較低行業(yè)的貸款投放會提高銀行收益波動率，降低平均收益；銀行風(fēng)險很高時，由于代理監(jiān)督機(jī)制激勵不相容以及銀行破產(chǎn)的社會成本極高，銀行會將信貸資源集中于收益較高且穩(wěn)定的行業(yè)來提升收益。只有風(fēng)險處于中等水平時，分散配置才會有效發(fā)揮代理監(jiān)督機(jī)制的作用，提高收益。樣本期大多數(shù)銀行風(fēng)險處于中等水平，集中度增加會顯著降低收益，但對國有銀行的沖擊較小。研究結(jié)論對優(yōu)化銀行貸款結(jié)構(gòu)具有重要理論指導(dǎo)意義。
關(guān)鍵詞：貸款行業(yè)集中度；銀行收益；銀行風(fēng)險；非線性影響
中圖分類號：F830文獻(xiàn)標(biāo)識碼：A文章編號：1001-148X（2017）06-0177-08
一、引言
近年來，我國銀行業(yè)貸款余額中地方融資平臺、房地產(chǎn)行業(yè)、企業(yè)集群以及產(chǎn)能過剩行業(yè)的貸款比例較大，集中度高、影響面廣。鑒于此，監(jiān)管機(jī)構(gòu)要求商業(yè)銀行以差異化的信貸政策為工具，加強(qiáng)對戰(zhàn)略性新興產(chǎn)業(yè)、現(xiàn)代服務(wù)業(yè)的支持力度，在助推經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級的同時優(yōu)化自身資產(chǎn)結(jié)構(gòu)，降低業(yè)務(wù)集中度風(fēng)險。實際上，銀行在業(yè)務(wù)發(fā)展過程中可能更加注重單項業(yè)務(wù)收益與違約風(fēng)險的匹配，往往會忽視業(yè)務(wù)過度集中產(chǎn)生的負(fù)面影響。例如2016年9月末，17家主要商業(yè)銀行①貸款余額中占比最高的是個人住房按揭貸款，約為22%（較年初增長27%），加上房地產(chǎn)開發(fā)貸款，投向房地產(chǎn)行業(yè)的貸款總額占比約為29%，超過排名第二的制造業(yè)15個百分點。房地產(chǎn)市場資金需求旺盛以及違約風(fēng)險較低是該類貸款業(yè)務(wù)快速發(fā)展的主要原因，但銀行在追求房地產(chǎn)貸款規(guī)模擴(kuò)張的過程中，行業(yè)集中度偏高的風(fēng)險并未充分受到經(jīng)營管理者的重視。因此，監(jiān)管機(jī)構(gòu)不斷通過不同的途徑要求各家銀行密切關(guān)注房地產(chǎn)信貸業(yè)務(wù)的集中度，合理調(diào)整自身資產(chǎn)結(jié)構(gòu)，加強(qiáng)對房地產(chǎn)信貸的壓力測試和風(fēng)險測試，嚴(yán)控房地產(chǎn)金融業(yè)務(wù)風(fēng)險。
目前，銀行業(yè)務(wù)集中度風(fēng)險問題已經(jīng)引起監(jiān)管機(jī)構(gòu)的關(guān)注。2016年9月銀監(jiān)會下發(fā)《關(guān)于進(jìn)一步加強(qiáng)信用風(fēng)險管理的通知》，要求銀行業(yè)金融機(jī)構(gòu)應(yīng)建立涵蓋客戶、行業(yè)、地區(qū)、貨幣、抵質(zhì)押品、市場、國家區(qū)域等各類風(fēng)險源，覆蓋信貸、投資、衍生品交易、承兌、擔(dān)保等全部表內(nèi)外風(fēng)險暴露，充分體現(xiàn)穿透性原則的集中度風(fēng)險管理框架。建立滿足穿透管理需要的集中度風(fēng)險管理信息系統(tǒng)，多維度識別、監(jiān)測、分析、管理集中度風(fēng)險，并設(shè)定相應(yīng)的限額。但是相關(guān)的管理規(guī)定中關(guān)于貸款集中度的定量指標(biāo)并不清晰全面。貸款集中度可以從行業(yè)、地區(qū)、客戶、業(yè)務(wù)收入類型或貸款品種等維度去衡量，目前只有客戶維度的貸款集中度監(jiān)管指標(biāo)相對具體②。從貸款品種來看，也只對并購貸款有明確規(guī)定，即并購貸款余額占同期一級資本凈額的比例不能超過50%，單一借款人的并購貸款余額不能超過一級資本凈額的5%。顯然，關(guān)于貸款行業(yè)集中度的定量管理指標(biāo)仍待完善。
那么貸款行業(yè)集中度的提高是否能夠顯著影響我國銀行的收益水平？銀行風(fēng)險是否會對影響效果起到關(guān)鍵作用？在當(dāng)前我國銀行業(yè)從管制利率時期的粗放型規(guī)模擴(kuò)張模式轉(zhuǎn)向利率市場化環(huán)境下的集約型發(fā)展模式的過程中，對這一問題的深入分析有助于銀行合理進(jìn)行信貸資源的行業(yè)配置，對新經(jīng)營環(huán)境下監(jiān)管機(jī)構(gòu)進(jìn)一步完善監(jiān)管指標(biāo)體系也具有重要參考意義。
二、文獻(xiàn)綜述
目前，關(guān)于銀行業(yè)務(wù)集中度與經(jīng)營表現(xiàn)之間關(guān)系的研究并沒有形成共識。支持業(yè)務(wù)多元化的主要觀點包括：考慮到信息不對稱問題，業(yè)務(wù)多元化有助于降低銀行業(yè)的成本，并提高銀行代理監(jiān)督的積極性（Diamond，1984；Cesari和Daltung，2000）；銀行經(jīng)營不同類型的業(yè)務(wù)不會導(dǎo)致資源錯配，反而可以提高自身的綜合管理技能，從而對經(jīng)營表現(xiàn)產(chǎn)生積極作用（Iskandar-Datta和McLaughlin，2007）；開展不同類型的業(yè)務(wù)可以分?jǐn)傘y行的固定成本，利用范圍經(jīng)濟(jì)獲取一定收益（Drucker和Puri，2009）；業(yè)務(wù)多元化可以降低銀行的風(fēng)險，從而降低預(yù)期危機(jī)成本和破產(chǎn)成本（Boot和Schmeits，2000）。具體到銀行貸款行業(yè)集中度，Bebczuk和Galindo（2008）以1999年到2004年阿根廷銀行為分析樣本，研究指出貸款行業(yè)集中度較低有助于提高銀行利潤，尤其是大型銀行。Rossi等（2009）利用1997年到2003年澳大利亞銀行的數(shù)據(jù)進(jìn)行實證分析，發(fā)現(xiàn)貸款行業(yè)集中度降低會顯著增加銀行利潤效率。
支持業(yè)務(wù)專業(yè)化的主要觀點包括：專業(yè)化經(jīng)營可以促使銀行充分利用已有專業(yè)知識，發(fā)揮自身的比較優(yōu)勢，獲取專業(yè)化收益（Stomper，2006）；業(yè)務(wù)多元化會加劇整個銀行業(yè)的競爭程度，降低收益（Tabak等，2011）；多元化經(jīng)營會使銀行管理人利用低價值投資項目規(guī)避自身風(fēng)險、滿足個人需求的途徑更加豐富，從而大幅增加代理成本（Laeven和Levine，2007；Deng和Elyasiani，2008）；多元化經(jīng)營在一定程度上有利于規(guī)模擴(kuò)張，提高銀行系統(tǒng)重要性，隨之出現(xiàn)的隱性或者顯性的政府擔(dān)保會使銀行承擔(dān)更高的風(fēng)險水平，降低銀行利潤（Gropp等，2011）。具體來看，Kamp等（2007）對1993年到2003年德國銀行業(yè)的情況進(jìn)行分析發(fā)現(xiàn)，相對于貸款行業(yè)集中度低的銀行，集中度高的銀行能夠獲得更高的回報率。Tabak等（2011）利用96家巴西銀行的月度數(shù)據(jù)，研究了貸款行業(yè)集中度與收益之間的關(guān)系，指出貸款行業(yè)集中度與銀行收益顯著正相關(guān)。
與上述兩種觀點不同，Winton（1999）認(rèn)為不能孤立地看待銀行業(yè)務(wù)多元化（專業(yè)化）對收益的作用，應(yīng)該結(jié)合銀行風(fēng)險水平進(jìn)行綜合分析。其研究結(jié)論表明，當(dāng)銀行風(fēng)險較低時，由于破產(chǎn)概率很小，專業(yè)化經(jīng)營的銀行業(yè)績表現(xiàn)要優(yōu)于多元化經(jīng)營的銀行；當(dāng)銀行風(fēng)險較高時，多元化經(jīng)營會惡化銀行處境，因為一旦某一類業(yè)務(wù)出現(xiàn)風(fēng)險事件，就足以導(dǎo)致銀行破產(chǎn)清算；只有銀行風(fēng)險處于中等水平時才適合多元化經(jīng)營。簡而言之，銀行業(yè)務(wù)集中度對收益的影響是銀行風(fēng)險的二次函數(shù)，呈現(xiàn)出U型形狀。Acharya等（2006）基于1993年到1999年105家意大利銀行的微觀數(shù)據(jù)，對貸款行業(yè)集中度與收益之間的關(guān)系進(jìn)行實證分析，研究結(jié)論支持Winton（1999）的觀點。Tabak等（2011）同樣對這一關(guān)系進(jìn)行了驗證，結(jié)果表明只有資產(chǎn)收益率與銀行貸款行業(yè)集中度之間存在這種U型關(guān)系，而股權(quán)回報率與貸款行業(yè)集中度之間則存在倒U型關(guān)系，這主要是由于專業(yè)化經(jīng)營的巴西銀行風(fēng)險更低，持有的資本相對較少。
關(guān)于國內(nèi)銀行貸款行業(yè)集中度對銀行收益影響的分析相對較少，大多數(shù)研究都是對客戶集中度與收益之間的關(guān)系進(jìn)行分析（王海霞，2009；王旭，2013等）。魏曉琴和李曉霞（2011）認(rèn)為，貸款行業(yè)投向越集中，國有銀行盈利能力越低，對股份制銀行無明顯影響。王富華和姜姍姍（2012）指出，貸款行業(yè)集中度對我國上市銀行的盈利能力沒有顯著影響。Berger等（2010）以1996年到2006年我國商業(yè)銀行為樣本進(jìn)行分析，發(fā)現(xiàn)貸款行業(yè)集中度增加會顯著提高銀行收益，但是其行業(yè)劃分相對籠統(tǒng)，只包括工業(yè)貸款、商業(yè)貸款、房地產(chǎn)貸款、農(nóng)業(yè)貸款和消費貸款五大類，對銀行貸款全行業(yè)分布的刻畫能力有限。至于銀行貸款行業(yè)集中度對收益的影響與銀行風(fēng)險的關(guān)系，更是鮮有文獻(xiàn)涉及。
綜上所述，關(guān)于我國銀行貸款行業(yè)集中度對收益影響的分析，受制于數(shù)據(jù)可得性，研究成果較少且結(jié)論差異較大，并且也沒有考慮銀行風(fēng)險水平的作用。鑒于此，本文以17家主要商業(yè)銀行2008年1季度到2016年3季度的季度數(shù)據(jù)為樣本，分析貸款行業(yè)集中度對銀行收益的影響并探討銀行風(fēng)險因素在該影響機(jī)制中的作用。
三、模型研究
（一）模型構(gòu)建
本文首先試圖解決的基本問題是貸款行業(yè)集中度是否會顯著提高銀行收益。參考Tabak等（2011）的研究，可以構(gòu)建下述回歸模型：
Returnit=αi0+α1HHIi，t-1+γCVi，t-1+τt+μit（1）
其中，下標(biāo)it表示第i家銀行和時刻t；Return為銀行收益；HHI是貸款行業(yè)集中度指標(biāo)；CV代表控制變量，主要包括銀行資產(chǎn)規(guī)模（用資產(chǎn)總額的對數(shù)值衡量）、權(quán)益資產(chǎn)比以及刻畫銀行屬性的虛擬變量，分別用lnA、EOA和GY表示。GY取值為1時，表示國有銀行，取值為0時則是非國有銀行；τt是時間虛擬變量，用來控制不同季度宏觀經(jīng)濟(jì)運行情況產(chǎn)生的影響；μit是殘差。為了緩解內(nèi)生性問題，所有解釋變量均使用滯后一期的數(shù)據(jù)。如果α1>0，表明貸款行業(yè)集中度越高，銀行盈利水平越高，反之銀行盈利水平越低。
為了分析國有銀行貸款行業(yè)集中度對收益影響是否存在不同之處，在模型（1）中引入表示銀行屬性的虛擬變量GY及其與集中度變量HHI的交叉項，具體如式（2）所示。如果α3>0，說明貸款行業(yè)集中度高，對國有銀行盈利水平的促進(jìn)作用要強(qiáng)于非國有銀行，反之說明對國有銀行盈利水平的抑制作用要強(qiáng)于非國有銀行。
Returnit=αi0+α1HHIi，t-1+α2GY+α3HHIi，t-1*GY+γCVi，t-1+τt+μit（2）
根據(jù)前文綜述，部分研究已表明銀行貸款行業(yè)集中度對收益的影響是銀行風(fēng)險水平的二次函數(shù)，因此本文也試圖驗證我國銀行業(yè)是否存在類似的現(xiàn)象。參考Acharya等（2006）以及Tabak等（2011）的研究方法，在基本模型（1）中加入風(fēng)險變量Risk及其平方項Risk2與集中度變量HHI的交叉項。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）
根據(jù)式（3）可以推出收益Return關(guān)于集中度HHI的一階導(dǎo)數(shù)：
dReturnitdHHIi，t-1=α1+β2Riski，t-1+β3Risk2i，t-1（4）
由上式可知，如果我國商業(yè)銀行貸款集中度對收益的影響確實是風(fēng)險的二次函數(shù)，呈現(xiàn)U型形狀，那么必然會有β2顯著小于零且β3顯著大于零。
（二）變量說明
1.銀行收益水平。本文衡量銀行收益水平（Return）的主要指標(biāo)是資產(chǎn)收益率（ROA）和股權(quán)回報率（ROE）。
2.貸款行業(yè)集中度。目前常用的測度貸款行業(yè)集中度的指標(biāo)是赫芬達(dá)爾指數(shù)（Herfindahl Index），本文同樣使用該指數(shù)進(jìn)行實證分析。假設(shè)銀行i在t時刻投向行業(yè)j的貸款余額占其貸款總額的比例為rijt，那么該指標(biāo)的具體表達(dá)式如下：
赫芬達(dá)爾指數(shù)：HHIit=∑nj=1r2ijt（5）
根據(jù)（5）式，當(dāng)所有的信貸資源平均分配給每一個行業(yè)，貸款行業(yè)集中度最低時，HHI指數(shù)為1/n；當(dāng)所有信貸資源只投向一類行業(yè)，貸款行業(yè)集中度最高時，HHI指數(shù)為1。即該指數(shù)越大，貸款行業(yè)集中度就越高。
3.風(fēng)險代理變量。參考Demiguc-kunt和Huizinga（2010）以及孔愛國和盧嘉圓（2010）等國內(nèi)外文獻(xiàn)使用的研究方法，本文采用Z值來衡量銀行風(fēng)險，表達(dá)式如下：
Zit=σiROAEOAit+ROAit（6）
從式（6）可以看出，銀行權(quán)益資產(chǎn)越多、資產(chǎn)收益率越高、收益率的波動越小，其Z值就越小。說明Z值越小，銀行風(fēng)險越低。本文還參照Acharya等（2006）的做法，將每家銀行不良貸款率（NPL）的樣本標(biāo)準(zhǔn)差（STDNPL）作為銀行風(fēng)險的另一代理變量。
四、實證檢驗
（一）數(shù)據(jù)說明及來源
本文以17家主要商業(yè)銀行2008年1季度到2016年3季度的季度數(shù)據(jù)為分析樣本，數(shù)據(jù)主要來源于銀監(jiān)會的貸款投向分行業(yè)表③以及WIND數(shù)據(jù)庫，統(tǒng)計口徑均為法人口徑，少量缺失數(shù)據(jù)利用銀行定期財務(wù)報告進(jìn)行填補(bǔ)④?？紤]到數(shù)據(jù)可得性以及數(shù)據(jù)頻率，樣本并未加入其他小型銀行（主要是城市商業(yè)銀行和農(nóng)村商業(yè)銀行）。長期以來，17家主要商業(yè)銀行貸款發(fā)放總額占銀行業(yè)金融機(jī)構(gòu)貸款總規(guī)模的70%以上，可以較好代表國內(nèi)銀行業(yè)的貸款行業(yè)分布特征和集中度走勢。
（二）變量描述性統(tǒng)計
表1給出了國內(nèi)主要商業(yè)銀行相關(guān)變量的描述性統(tǒng)計。樣本一共包含585個觀測值，資產(chǎn)收益率ROA均值為065%，股權(quán)回報率ROE均值為1153%，權(quán)益資產(chǎn)比EOA均值為006。從整個樣本來看，國內(nèi)主要銀行的不良貸款率NPL相對較低，樣本均值為113%，但是最大值也高達(dá)521%，說明部分銀行在特定時期的貸款質(zhì)量壓力較大。尤其是最近一年來，銀行業(yè)貸款質(zhì)量面臨較大壓力，2016年9月末主要商業(yè)銀行的不良貸款率已經(jīng)達(dá)到167%。本文主要關(guān)注的貸款行業(yè)集中度變量HHI指數(shù)的均值為014，明顯低于Berger等（2010）文中的047。這主要是由樣本差異導(dǎo)致的，因為2006年之前我國銀行業(yè)還處于改革初期，貸款業(yè)務(wù)同質(zhì)化現(xiàn)象較為普遍，行業(yè)集中度也就較高。這也在一定程度上表明我國銀行貸款行業(yè)集中度隨著時間發(fā)生了明顯變化，應(yīng)該對當(dāng)前階段集中度情況及其對銀行經(jīng)營業(yè)績的影響進(jìn)行分析，從而為銀行經(jīng)營和監(jiān)管政策給予參考。HHI指數(shù)的最大值為04，說明部分銀行貸款行業(yè)集中度相對較高。
展示了我國商業(yè)銀行貸款行業(yè)集中度HHI指數(shù)隨著時間的變化趨勢。從全樣本看，由于2008年金融危機(jī)的全面爆發(fā)，國內(nèi)實施經(jīng)濟(jì)刺激政策，形成了寬松的信貸環(huán)境，新增貸款主要投向了基礎(chǔ)設(shè)施建設(shè)、房地產(chǎn)等行業(yè)，因此行業(yè)集中度水平較高。正如銀監(jiān)會2008年年報指出的那樣，在信貸快速擴(kuò)張的過程中，信貸資產(chǎn)集中度風(fēng)險日益凸顯。鑒于此，銀監(jiān)會持續(xù)高度重視集中度風(fēng)險監(jiān)管，要求銀行業(yè)嚴(yán)格執(zhí)行單一客戶10%和集團(tuán)客戶15%的授信上限規(guī)定，任何機(jī)構(gòu)不得違反，并通過鼓勵銀行發(fā)展俱樂部貸款、銀團(tuán)貸款等方式，防止信貸風(fēng)險在某些行業(yè)和地區(qū)過度集中，這些舉措在一定程度上促使貸款行業(yè)集中度有所下降。但是危機(jī)時期投向基礎(chǔ)建設(shè)、房地產(chǎn)等行業(yè)的新增貸款大多是中長期貸款；而且主要圍繞客戶集中度制訂的監(jiān)管規(guī)則對行業(yè)集中度的作用有限，共同導(dǎo)致行業(yè)集中度在2010年1季度開始震蕩回升，到2013年中期達(dá)到局部高點。隨著國家產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與轉(zhuǎn)型升級政策的推進(jìn)，銀行業(yè)信貸政策以化解過剩產(chǎn)能、支持新興產(chǎn)業(yè)和現(xiàn)代服務(wù)業(yè)、防范自身風(fēng)險積聚為基本原則，嚴(yán)格管控增量貸款的投向，存量貸款選擇性退出部分行業(yè)，從而促使貸款行業(yè)集中度有所下降。但2015年以來，由于實體經(jīng)濟(jì)有效信貸需求不足、人民銀行數(shù)次降息、優(yōu)質(zhì)資產(chǎn)匱乏以及實體經(jīng)濟(jì)盈利能力不足等因素，房地產(chǎn)貸款尤其是個人住房貸款受到銀行業(yè)青睞。特別是今年以來，增速大幅增加，導(dǎo)致新增房地產(chǎn)貸款占全部貸款增量的比例較高，貸款行業(yè)集中度有所回升。
不論是國有銀行還是非國有銀行，貸款行業(yè)集中度變化趨勢與全樣本走勢基本一致。但國有銀行的集中度水平一直低于非國有銀行，這可能是由于國有銀行一般要以經(jīng)濟(jì)、環(huán)境、社會的可持續(xù)發(fā)展以及經(jīng)濟(jì)效益、環(huán)境效益、社會效益協(xié)調(diào)統(tǒng)一為目標(biāo)，積極貫徹落實國家宏觀政策。貸款投向安排努力對接國家重大戰(zhàn)略（如涉農(nóng)貸款、小微企業(yè)貸款等）、更加關(guān)注民生發(fā)展和環(huán)境發(fā)展。但是2015年以來，基于資產(chǎn)質(zhì)量、撥備和盈利等方面的壓力，國有銀行個人住房貸款業(yè)務(wù)的發(fā)展速度也較快，行業(yè)集中度上升速度明顯高于非國有銀行，與非國有銀行的差距明顯縮小。
（三）實證結(jié)果及分析
大多數(shù)學(xué)者認(rèn)為高度序列相關(guān)的因變量會導(dǎo)致模型估計存在序列相關(guān)問題，本文按照習(xí)慣做法，在銀行層面聚集觀察值（cluster）來調(diào)整標(biāo)準(zhǔn)差，解決銀行層面的序列相關(guān)性。同時在控制銀行個體效應(yīng)和時間效應(yīng)的基礎(chǔ)上使用最小二乘法（OLS）估計各個模型。
1. 模型（1）估計結(jié)果。表2匯報了基本模型（1）的估計結(jié)果，集中度指標(biāo)HHI指數(shù)對ROA和ROE均有顯著負(fù)影響。即貸款行業(yè)集中度越高，銀行資產(chǎn)收益率和股權(quán)回報率越低。考慮到HHI對兩類收益指標(biāo)ROA和ROE的顯著影響具有一致性，可以認(rèn)為這一結(jié)論具有一定的穩(wěn)定性。雖然這一結(jié)果與Berger等（2010）的結(jié)論完全相反，但Berger等（2010）是以1996年到2006年我國商業(yè)銀行數(shù)據(jù)進(jìn)行分析的。這一期間我國銀行業(yè)還處于利率管制時期，存貸利差是主要盈利來源，銀行專注于更容易投放中長期貸款的行業(yè)可以降低管理成本，獲取較好收益。事實上，自1998年亞洲金融危機(jī)后，經(jīng)過宏觀調(diào)控，經(jīng)濟(jì)逐步復(fù)蘇。鋼鐵、水泥、電解鋁、房地產(chǎn)和汽車制造業(yè)確實成為中長期貸款的主要投放行業(yè)，銀行貸款配置也具有一定的趨同性（王新華等，2006）。而且這段時間內(nèi)，我國銀行業(yè)整體發(fā)展水平不高，綜合管理能力有限，發(fā)揮自身比較優(yōu)勢獲取專業(yè)化收益符合當(dāng)時的經(jīng)營環(huán)境。隨著我國經(jīng)濟(jì)發(fā)展速度趨緩、產(chǎn)能過剩等問題出現(xiàn)，部分集中度較高的行業(yè)爆發(fā)出風(fēng)險事件（如鋼貿(mào)行業(yè)信貸危機(jī)、煤炭行業(yè)整體低迷等），直接導(dǎo)致銀行產(chǎn)生實際損失；而信貸政策同時限制了新增貸款對這些行業(yè)的后續(xù)支持力度，從而造成銀行整體收益受到明顯的負(fù)面沖擊。另外，隨著利率市場化的實質(zhì)性推進(jìn)，銀行業(yè)利差普遍下降，集中度過高顯然會降低收益，而多行業(yè)配置可以充分利用每個行業(yè)發(fā)展周期不同的特點，放緩利差縮小的影響。
對于其他控制變量，權(quán)益資產(chǎn)比EOA增加會顯著降低ROE，這與Tabak等（2011）的研究結(jié)論一致，這可能是由于銀行對新增權(quán)益資金的運營能力有所下降，不能同比例提高凈利潤。當(dāng)然，近年來監(jiān)管部門對銀行的資本金要求更加嚴(yán)格也是一個主要影響因素，雖然很多銀行都通過發(fā)行優(yōu)先股和資本債券的方式來補(bǔ)充資本金，但它們無法同時擴(kuò)大風(fēng)險加權(quán)資產(chǎn)的規(guī)模，導(dǎo)致盈利下降。EOA對ROA無明顯影響，且系數(shù)為正，表明銀行增加權(quán)益資金雖然不會降低資產(chǎn)運營效率，但也無法有效提高效率。資產(chǎn)規(guī)模LnA對ROA和ROE無顯著影響，說明市場化環(huán)境下純粹依靠規(guī)模擴(kuò)張增加利潤的發(fā)展方式已經(jīng)不合時宜，這與當(dāng)前國內(nèi)銀行業(yè)逐漸摒棄粗放型發(fā)展模式，謀求轉(zhuǎn)型發(fā)展的策略相一致。事實上，長期的規(guī)模擴(kuò)張已經(jīng)導(dǎo)致我國銀行業(yè)出現(xiàn)管理效率低下、信息溝通成本較高等問題，從而阻礙整體盈利能力提升。表示銀行屬性的虛擬變量GY對ROA和ROE的影響都不顯著，但是系數(shù)為正。這與現(xiàn)有大多數(shù)文獻(xiàn)的結(jié)論存在差異，已有研究認(rèn)為國有產(chǎn)權(quán)性質(zhì)的銀行盈利能力更差（Barth等，2004；Garcia-Herrero等，2009），主要原因在于國有銀行的經(jīng)營經(jīng)常會受到政府干預(yù)。本文結(jié)論在一定程度上說明我國國有銀行在股份制改革和利率市場化等重大金融改革后，市場化經(jīng)營程度有所提高。
2.模型（2）估計結(jié)果。模型（2）用來分析貸款行業(yè)集中度對不同屬性銀行收益的影響，具體實證結(jié)果見表3。不論因變量是ROA還是ROE，集中度HHI指數(shù)與虛擬變量GY的交叉項系數(shù)均顯著為正，這表明相對于非國有銀行，貸款行業(yè)集中度上升對國有銀行收益水平的負(fù)面沖擊較小。國有銀行在大多數(shù)行業(yè)中的客戶均為大中型企業(yè)，因此貸款資金監(jiān)測效率很高，集中度增加可以有效降低管理成本，有效發(fā)揮代理監(jiān)督的作用。另外，國有銀行在爭奪大客戶資源方面具有比較優(yōu)勢，市場競爭程度相對較低。其他控制變量對銀行收益的影響與模型（1）的實證結(jié)果基本一致，在一定程度說明基本模型（1）的估計比較穩(wěn)健。
3.模型（3）估計結(jié)果。為了進(jìn)一步分析貸款行業(yè)集中度對銀行收益的作用效果是否受到自身風(fēng)險水平的影響，對模型（3）進(jìn)行估計，結(jié)果見表4。我們可以看到，此時HHI變量的系數(shù)變?yōu)檎?，交叉項HHI*Z的系數(shù)顯著為負(fù)，同時交叉項HHI*Z2的系數(shù)顯著為正，有力地支持了貸款行業(yè)集中度對銀行收益的影響是風(fēng)險的二次函數(shù)，呈現(xiàn)U型關(guān)系的結(jié)論。這與Winton（1999）和Acharya等（2006）的研究結(jié)果一致。
由于風(fēng)險因素確實會影響貸款行業(yè)集中度對銀行收益的作用效果，我們利用表4中的估計系數(shù)，可以畫出HHI對ROA的邊際影響與Z值之間的關(guān)系圖，具體見圖2?？梢灾庇^看到，當(dāng)銀行風(fēng)險水平處于二次函數(shù)的兩個根之外時（風(fēng)險較低或者較高時），HHI對ROA的邊際影響為正；當(dāng)銀行風(fēng)險水平處于二次函數(shù)的兩個根之間時，HHI對ROA的邊際影響為負(fù)。當(dāng)銀行風(fēng)險較小時，若對新行業(yè)或者貸款余額占比較低的行業(yè)追加更多的信貸資源，會增加銀行收益的波動率并降低平均收益；而適度提高貸款行業(yè)集中度可以在不顯著提高破產(chǎn)概率的同時，發(fā)揮專業(yè)化優(yōu)勢，增加整體收益。當(dāng)銀行風(fēng)險非常高時，若銀行通過降低行業(yè)集中度、增加管理成本去加強(qiáng)貸款監(jiān)督力度，為債權(quán)人（主要是存款人）帶來的邊際收益要明顯高于銀行所有者，因為銀行所有者作為剩余索取權(quán)的擁有方，需要承擔(dān)該措施產(chǎn)生的全部新增成本。即此時降低行業(yè)集中度會導(dǎo)致激勵不相容現(xiàn)象出現(xiàn)，銀行寧愿將信貸資源集中于收益率較高且穩(wěn)定的行業(yè)。同時由于國內(nèi)銀行破產(chǎn)的社會成本極高，信貸高度集中的行業(yè)往往會有政府的隱性擔(dān)保，行業(yè)風(fēng)險全面爆發(fā)的概率較低，因此增加信貸投放仍能獲取較高收益。只有當(dāng)銀行風(fēng)險處于中等水平時，貸款分散配置才能有效發(fā)揮代理監(jiān)督機(jī)制的作用，降低行業(yè)集中度會顯著增加銀行收益。事實上，本文中大多數(shù)樣本的風(fēng)險水平確實處于二次函數(shù)的兩個根之間，即集中度增加會顯著降低銀行收益，這與基本模型（1）的研究結(jié)論一致。
（四）穩(wěn)健性檢驗
本文參照Acharya等（2006）的研究，將每家銀行不良貸款率（NPL）的樣本標(biāo)準(zhǔn)差STDNPL作為銀行風(fēng)險的另一代理指標(biāo)來檢驗前述U型關(guān)系的穩(wěn)健性，實證結(jié)果見表5。同樣的，HHI變量的系數(shù)變?yōu)檎?，交叉項HHI*STDNPL的系數(shù)顯著為負(fù)，同時交叉項HHI*STDNPL2的系數(shù)顯著為正，實證結(jié)論相對穩(wěn)健。
另外，考慮到國內(nèi)銀行業(yè)風(fēng)險水平的變化過程，可以發(fā)現(xiàn)U型關(guān)系可以較好地解釋現(xiàn)有文獻(xiàn)的研究結(jié)論，這也可以在一定程度上說明本文結(jié)論具有穩(wěn)定性。眾所周知，我國商業(yè)銀行在股份制改革上市之前，風(fēng)險水平整體較高，不良貸款率在2005年之前甚至高達(dá)10%以上。而Berger等（2010）正是利用2006年之前的樣本證明了銀行貸款行業(yè)集中度對資產(chǎn)收益率具有顯著正向影響。隨著銀行業(yè)改革深化，綜合經(jīng)營能力提升，風(fēng)險水平逐漸降低，到2009年不良貸款率已經(jīng)維持在2%左右，可以認(rèn)為這一階段我國銀行風(fēng)險屬于中等水平。魏曉琴和李曉霞（2011）正是增加了2006年到2009年的樣本數(shù)據(jù)，證明了貸款行業(yè)集中度對國有銀行盈利能力具有明顯的負(fù)面影響。整個銀行業(yè)不良貸款率在2011年到2013年達(dá)到較低水平，一般在1%以下，我們僅用這一分樣本進(jìn)行實證分析，可以發(fā)現(xiàn)HHI對ROA確實具有顯著正向影響⑤。綜合來看，貸款行業(yè)集中度對銀行收益的作用是風(fēng)險的二次函數(shù)，呈現(xiàn)U型關(guān)系的結(jié)論比較穩(wěn)健。
五、結(jié)論與建議
通過對我國17家主要商業(yè)銀行2008年1季度到2016年3季度的季度數(shù)據(jù)進(jìn)行實證分析發(fā)現(xiàn)，我國銀行貸款行業(yè)集中度對銀行收益率的邊際影響與銀行風(fēng)險存在非線性關(guān)系：在銀行風(fēng)險較低或者較高時，貸款行業(yè)集中度增加會顯著增加銀行收益；銀行風(fēng)險處于中等水平時，行業(yè)集中度則會產(chǎn)生明顯的負(fù)面沖擊，而這一負(fù)面沖擊對國有銀行的影響較小。據(jù)此，本文提出以下建議：（1）當(dāng)前銀行業(yè)風(fēng)險壓力較大，經(jīng)濟(jì)下行背景下可供投放貸款的優(yōu)質(zhì)行業(yè)較少，多元化配置難度較大。建議我國商業(yè)銀行積極發(fā)展非信貸業(yè)務(wù)（如現(xiàn)金管理、投行業(yè)務(wù)、咨詢顧問等）和境外業(yè)務(wù)，擴(kuò)大收入來源，降低對利差收入的依賴程度。（2）積極發(fā)展貸款出售、貸款互換以及信貸資產(chǎn)證券化業(yè)務(wù)，通過這些金融工具優(yōu)化自身貸款行業(yè)結(jié)構(gòu)。當(dāng)某一行業(yè)中長期貸款占比過高，集中度風(fēng)險突出時，可在金融市場中采用上述幾種業(yè)務(wù)模式進(jìn)行結(jié)構(gòu)調(diào)整。（3）結(jié)合政策導(dǎo)向，在對自身風(fēng)險水平進(jìn)行分析的基礎(chǔ)上確定不同行業(yè)的授信額度。在當(dāng)前銀行風(fēng)險水平較高的背景下，貸款行業(yè)需要綜合政策導(dǎo)向、風(fēng)險收益平衡等約束條件，分析自身的風(fēng)險和優(yōu)勢，推行差異化的競爭戰(zhàn)略，確定不同行業(yè)的貸款比例和市場準(zhǔn)入條件。（4）從監(jiān)管的角度來看，要防止商業(yè)銀行在自身風(fēng)險較高的情況下出現(xiàn)逆向選擇現(xiàn)象，持續(xù)向貸款比例較高的行業(yè)新增信貸資源。同時要通過對銀行業(yè)歷史數(shù)據(jù)進(jìn)行綜合分析，制定相關(guān)的定量監(jiān)管指標(biāo)對行業(yè)集中度進(jìn)行剛性約束。
注釋：
①17家主要商業(yè)銀行包括：工商銀行、農(nóng)業(yè)銀行、中國銀行、建設(shè)銀行、交通銀行、中信銀行、光大銀行、華夏銀行、廣發(fā)銀行、平安銀行（深發(fā)展）、招商銀行、浦發(fā)銀行、興業(yè)銀行、民生銀行、恒豐銀行、浙商銀行、渤海銀行。
②對同一借款人的貸款余額占銀行凈資本的比例不能超過10%，對前10大客戶的貸款余額占銀行凈資本的比例不能超過50%，對單一集團(tuán)客戶授信總額不能超過銀行資本余額的15%。
③按照銀監(jiān)會的統(tǒng)計方法，貸款投向一共有23個行業(yè)，主要包括：農(nóng)林牧漁業(yè)、采礦業(yè)、制造業(yè)、建筑業(yè)、批發(fā)零售業(yè)、房地產(chǎn)業(yè)、住宿餐飲業(yè)、個人貸款（不含經(jīng)營性貸款）以及教育業(yè)等。
④雖然部分年報披露數(shù)據(jù)與法人口徑數(shù)據(jù)存在差異，但這種缺失樣本的數(shù)量極少，對實證結(jié)果不會產(chǎn)生實質(zhì)性影響。
⑤鑒于文章篇幅限制，實證結(jié)果未列出，利用2010年2季度到2013年2季度的數(shù)據(jù)估計基本模型（1），仍然控制時間效應(yīng)和個體效應(yīng)，并在銀行層面聚集觀察值（cluster）來調(diào)整標(biāo)準(zhǔn)差。HHI變量的系數(shù)為正，在1%置信水平顯著。
參考文獻(xiàn)：
[1]孔愛國， 盧嘉圓. 市場約束、商業(yè)銀行治理與風(fēng)險的實證研究[J].金融研究， 2010（5）：102-115.
[2]王富華， 姜姍姍. 基于風(fēng)險與收益的上市銀行貸款集中度研究[J].經(jīng)濟(jì)經(jīng)緯， 2012（5）：166-170.
[3]王海霞. 銀行風(fēng)險、收益與客戶貸款集中度——基于城市商業(yè)銀行的實證分析[J].金融理論與實踐， 2009（11）：71-74.
[4]王新華， 劉在榕， 廖毅. 密切關(guān)注中長期貸款行業(yè)投向[J].中國金融， 2006（12）：33-34.
[5]王旭. 商業(yè)銀行貸款集中度的風(fēng)險與收益研究——基于中國18家商業(yè)銀行面板數(shù)據(jù)的分析[J].金融經(jīng)濟(jì)學(xué)研究，2013（4）：49-59.
[6]魏曉琴，李曉霞. 我國商業(yè)銀行貸款集中度的測算及效應(yīng)分析[J].區(qū)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，F(xiàn)azio 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(zé)任編輯：周正）
