陸岷峰，周軍煜

1.南京工業(yè)大學(xué)互聯(lián)網(wǎng)金融創(chuàng)新發(fā)展研究中心，江蘇 南京 210000；2.江蘇紫金產(chǎn)業(yè)金融發(fā)展研究院，江蘇 南京 210046

一、引言

商業(yè)銀行是金融生態(tài)圈中最重要、最基礎(chǔ)的組成部分之一。在一個(gè)平衡的金融生態(tài)系統(tǒng)中，不同規(guī)模銀行業(yè)金融機(jī)構(gòu)的數(shù)量比例應(yīng)當(dāng)適中，不同類型銀行掌握的金融資源應(yīng)當(dāng)適度平衡，否則就會(huì)造成金融生態(tài)失衡，影響金融生態(tài)系統(tǒng)的健康發(fā)展。集中度通常用來描述某個(gè)領(lǐng)域內(nèi)企業(yè)間規(guī)模的相對差異，直接反映產(chǎn)業(yè)內(nèi)企業(yè)分布狀態(tài)及市場競爭程度。銀行集中度指銀行業(yè)金融機(jī)構(gòu)數(shù)量和相對規(guī)模差異，在一定程度上反映銀行業(yè)競爭形勢和資源分配情況。銀行業(yè)集中與分散的程度直接影響著銀行的績效表現(xiàn)、風(fēng)險(xiǎn)程度以及實(shí)體經(jīng)濟(jì)運(yùn)行等等。

2020年5月發(fā)布的《中共中央國務(wù)院關(guān)于新時(shí)代加快完善社會(huì)主義市場經(jīng)濟(jì)體制的意見》明確提出，以要素市場化配置改革為重點(diǎn)，加快建設(shè)統(tǒng)一開放、競爭有序的市場體系，實(shí)現(xiàn)要素價(jià)格市場決定、流動(dòng)自主有序、配置高效公平。截至2019年12月末，我國共有4607家銀行業(yè)金融機(jī)構(gòu)，盡管我國銀行數(shù)量在不斷上升、銀行類型種類更加豐富、市場化競爭程度日益加深，但是金融資源規(guī)模向較大銀行集中、不良貸款向小銀行積聚的非市場化資源配置現(xiàn)象依然嚴(yán)重。根據(jù)銀保監(jiān)會(huì)網(wǎng)站數(shù)據(jù)統(tǒng)計(jì)，農(nóng)村商業(yè)銀行的不良貸款余額正快速上升，目前已經(jīng)超過了全國性股份制商業(yè)銀行的不良貸款余額，與國有大型商業(yè)銀行不良貸款余額的差距越來越小，資產(chǎn)質(zhì)量不斷下滑，不良貸款率持續(xù)攀升。尤其是在新冠肺炎疫情的影響下，中小商業(yè)銀行信貸資產(chǎn)質(zhì)量受到嚴(yán)重沖擊，不良貸款率可能會(huì)持續(xù)上升。銀保監(jiān)會(huì)等監(jiān)管部門在近期召開的會(huì)議上重點(diǎn)提出要關(guān)注中小商業(yè)銀行的不良貸款問題，應(yīng)積極采取不良資產(chǎn)處置、直接注資重組等方式，多措并舉不斷深化高風(fēng)險(xiǎn)中小商業(yè)銀行的改革。因此，研究商業(yè)銀行集中度和不良貸款率之間的關(guān)系具有十分重要的理論與現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

（一）銀行集中度測度的相關(guān)研究

商業(yè)銀行集中度的衡量方法有很多，比較常見的有市場集中度指標(biāo)為CRn、行業(yè)集中率、HHI指標(biāo)、非平衡PR模型等。Allen N.&Berger，Asli（2004）用行業(yè)集中率測度歐盟銀行業(yè)集中度，認(rèn)為盡管歐盟在20世紀(jì)末推行金融自由化，金融環(huán)境競爭氛圍濃，但是由于銀行體系為壟斷競爭，高度集中的銀行體系削弱了競爭帶來的生產(chǎn)效率的提升。Saeed Abubakr&Franco Esposito（2012）提出了銀行間博弈模型，通過該模型對地域間銀行的競爭進(jìn)行動(dòng)態(tài)分析，研究得出地域銀行數(shù)量的增減與競爭程度有關(guān)，銀行體系競爭激烈會(huì)不斷引入新機(jī)構(gòu)，并且整體實(shí)力會(huì)顯著增強(qiáng)，當(dāng)銀行數(shù)量過度增加時(shí)可以通過限制設(shè)立分支機(jī)構(gòu)、提高準(zhǔn)入門檻、擴(kuò)大稅收覆蓋面等方法，限制銀行體系過度發(fā)展。另外通過BL模型研究集中度、運(yùn)行效率、行業(yè)穩(wěn)定性的三者關(guān)系，發(fā)現(xiàn)銀行準(zhǔn)入門檻越高，存量銀行運(yùn)行效率會(huì)越低，且會(huì)加劇企業(yè)融資困境，導(dǎo)致更高的信息不對稱和成本收益率下降等問題，研究還發(fā)現(xiàn)在經(jīng)濟(jì)周期下行階段限制資金進(jìn)入銀行，銀行體系將更脆弱。Brian（2016）使用非平衡PR模型測度銀行業(yè)集中度，研究銀行市場結(jié)構(gòu)與競爭力關(guān)聯(lián)系數(shù)之間的關(guān)系，在對兩者通過模型回歸分析后發(fā)現(xiàn)，銀行市場集中度會(huì)影響競爭機(jī)制的發(fā)揮?？陆。?009）使用市場集中率指標(biāo)，對2004-2008年間銀行業(yè)資產(chǎn)機(jī)構(gòu)和人員等數(shù)據(jù)的集中情況進(jìn)行測定。研究表明，我國銀行業(yè)的市場壟斷程度仍然較高，但是隨著銀行從業(yè)人員數(shù)量的增多及競爭度的上升，行業(yè)壟斷現(xiàn)象逐漸被打破。李繼民等（2010）通過搜集2004-2007年數(shù)據(jù)計(jì)算出我國銀行業(yè)市場集中指標(biāo)和CR指數(shù)，結(jié)果顯示銀行體系競爭不足，新機(jī)構(gòu)的市場份額較小，不過市場集中度呈現(xiàn)緩慢而明顯的下降趨勢。

（二）銀行集中度與風(fēng)險(xiǎn)承擔(dān)的相關(guān)研究

已有不少文獻(xiàn)證明了銀行集中度與風(fēng)險(xiǎn)間存在密切聯(lián)系，一種觀點(diǎn)認(rèn)為銀行集中度越高，占據(jù)了絕大部分市場的大型銀行越能獲得壟斷利潤，從而增強(qiáng)銀行業(yè)抵御突發(fā)事件的能力，銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)發(fā)生的概率也隨之降低。同時(shí)，大銀行擁有更多話語權(quán)，能夠以較低的成本獲得高質(zhì)量的資產(chǎn)組合，降低銀企信息不對稱程度，相比于小銀行，大銀行在開展各項(xiàng)業(yè)務(wù)時(shí)具有比較優(yōu)勢，有助于提升銀行整體穩(wěn)定性。此外，從監(jiān)管角度看，銀行集中度較高易于監(jiān)管機(jī)構(gòu)及時(shí)了解市場情況，制定相關(guān)政策。另一種觀點(diǎn)恰好相反，Boyd（2005）認(rèn)為銀行集中度較高會(huì)增大銀行風(fēng)險(xiǎn)，導(dǎo)致大銀行因市場勢力大而通過提高貸款利率的方式獲得壟斷利潤，從而誘使企業(yè)隱瞞貸款真實(shí)用途，將貸款資金投向高風(fēng)險(xiǎn)領(lǐng)域，致使更高的風(fēng)險(xiǎn)敞口出現(xiàn)。相對應(yīng)的，銀行會(huì)面臨嚴(yán)重的信用風(fēng)險(xiǎn)，威脅銀行的資產(chǎn)質(zhì)量，迫使銀行不得不在資質(zhì)和財(cái)務(wù)能力不佳的公司中選擇授信對象。另一方面，銀行集中度過高，監(jiān)管機(jī)構(gòu)會(huì)秉持“太大而不能倒”的理念，充當(dāng)大銀行的“隱性擔(dān)保人”或者直接補(bǔ)貼銀行，這會(huì)激勵(lì)銀行開展風(fēng)險(xiǎn)較高的投資活動(dòng)。唐鵬（2015）從破產(chǎn)系數(shù)和資產(chǎn)質(zhì)量兩個(gè)方面構(gòu)建了商業(yè)銀行集中度與風(fēng)險(xiǎn)承擔(dān)的計(jì)量模型，研究得出指標(biāo)從2006年以來不斷下降，銀行集中度與風(fēng)險(xiǎn)承擔(dān)成正比關(guān)系。

（三）銀行集中度與銀行體系穩(wěn)定性的相關(guān)研究

長期以來銀行集中度與穩(wěn)定性的相互關(guān)系也是學(xué)術(shù)界爭論的話題，銀行體系的集中與分散受到不同學(xué)者的推崇，支持“集中型”銀行體系的學(xué)者認(rèn)為，銀行體系過于分散容易誘發(fā)過度競爭，而相對集中的銀行體系由于大型銀行占據(jù)很大比重，這部分銀行營業(yè)收入、凈利潤和現(xiàn)金流都比較穩(wěn)定，因此在面臨突發(fā)事件帶來的風(fēng)險(xiǎn)時(shí)具備強(qiáng)大的緩沖能力，有利于銀行體系穩(wěn)定的提升。Corvoisier S&Gropp R（2002）認(rèn)為，銀行體系集中可以通過信貸配給與借款人充分溝通，有效降低信息不對稱的問題，同時(shí)也有利于金融監(jiān)管政策的制定與實(shí)施，提高外部治理的實(shí)際效用，進(jìn)而加深銀行體系的穩(wěn)定性。冀志斌等（2013）利用31個(gè)省份的面板數(shù)據(jù)，通過實(shí)證分析得出銀行集中度與穩(wěn)定性正相關(guān)，特別是在經(jīng)濟(jì)發(fā)展程度低、財(cái)政收入少的省份更加明顯，且對這些省份的產(chǎn)業(yè)運(yùn)行產(chǎn)生深刻影響。支持 “分散型”銀行體系的學(xué)者認(rèn)為，市場中銀行過于集中會(huì)增加大銀行在業(yè)務(wù)領(lǐng)域的話語權(quán)，使得銀行產(chǎn)生過于樂觀的預(yù)期，經(jīng)營風(fēng)格轉(zhuǎn)型為偏好風(fēng)險(xiǎn)，通過增加利率的方式給不符合資質(zhì)的行業(yè)領(lǐng)域放貸，從而引發(fā)道德風(fēng)險(xiǎn)和逆向選擇，極大提高了銀行體系的脆弱性。在監(jiān)管方面，大型銀行的股權(quán)結(jié)構(gòu)、治理文化、內(nèi)外部治理如不透明，會(huì)增加監(jiān)管的難度并降低監(jiān)管工具的有效性，增加銀行體系的不穩(wěn)定因素。陳剛（2008）認(rèn)為集中度較高的銀行體系內(nèi)競爭較激烈，銀行為獲得更多的收益會(huì)采取更多的激勵(lì)機(jī)制去承擔(dān)風(fēng)險(xiǎn)，從而降低銀行體系的穩(wěn)定性，加快突發(fā)事件在區(qū)域內(nèi)傳播。譚之博、趙岳（2013）運(yùn)用probit模型和工具變量回歸，研究了在金融危機(jī)發(fā)生后商業(yè)銀行集中度對企業(yè)信貸的影響，結(jié)果表明銀行集中度越高越不利于小企業(yè)信貸的增長，反而更加有利于大企業(yè)的信貸擴(kuò)張，因此在危機(jī)發(fā)生后，銀行集中度高的國家應(yīng)當(dāng)把信貸政策向小企業(yè)傾斜，幫助小企業(yè)走出困境。Erotokritos Varelas（2015）研究表明，銀行在合并之后，中小企業(yè)獲得的貸款比之前更少了，銀行集中度越高企業(yè)獲得銀行融資的難度越大。

從現(xiàn)有文獻(xiàn)可以看出，銀行集中度與銀行風(fēng)險(xiǎn)密切相關(guān)。在金融要素市場化背景下，金融要素價(jià)格由市場決定，究竟是集中型的銀行體系還是分散型的銀行體系有助于降低銀行風(fēng)險(xiǎn)，長期以來一直是一個(gè)爭論不休的問題。銀行集中度和銀行風(fēng)險(xiǎn)之間的關(guān)系并不只是以往文獻(xiàn)所集中討論的簡單線性關(guān)系，商業(yè)銀行集中度在表示競爭關(guān)系的同時(shí)也反映了資源壟斷情況，由于不同類型的商業(yè)銀行本身在資源稟賦、規(guī)模大小等方面存在很大的差異，因此對不同類型商業(yè)銀行的影響可能會(huì)有很大不同甚至相反。從我國近年來不良貸款的分布情況看，2019年底農(nóng)村商業(yè)銀行不良貸款余額為6155億元，同期國有大型商業(yè)銀行的不良貸款余額為8959億元，不良貸款正在往小型機(jī)構(gòu)尤其是農(nóng)村商業(yè)銀行積聚，因此研究銀行集中度與商業(yè)銀行風(fēng)險(xiǎn)之間的關(guān)系不能簡單地以整個(gè)銀行業(yè)作為樣本?；谝陨峡紤]，本文以十三家上市銀行作為分析樣本，運(yùn)用HHI指標(biāo)法從存款、貸款兩個(gè)方面準(zhǔn)確測量我國商業(yè)銀行從2011年第1季度到2019年第3季度的集中度，研究統(tǒng)計(jì)期間國有大型商業(yè)銀行、全國性股份制商業(yè)銀行、城市商業(yè)銀行以及農(nóng)村商業(yè)銀行的不良貸款率和余額的變化趨勢，構(gòu)建實(shí)證模型分析銀行集中度與四種類型商業(yè)銀行不良貸款率之間的關(guān)系，并根據(jù)研究結(jié)論為銀行監(jiān)管部門提供政策指引。

三、商業(yè)銀行集中度的測度分析

（一）測度方法選取

商業(yè)銀行集中度的衡量方法有很多，銀行集中度越高，其市場結(jié)構(gòu)越趨于集中和壟斷，反之則趨于分散和競爭。傳統(tǒng)市場集中度指標(biāo)為CRn，指前n家銀行資產(chǎn)（機(jī)構(gòu)、員工等）之和的市場份額。冀志斌等（2013）使用工農(nóng)中建交五家銀行的資產(chǎn)比重（CRAsset）、機(jī)構(gòu)數(shù)量比重（CRBranch）以及員工數(shù)量比重的份額（CRStaff）分別作為銀行集中度的代理變量。這種方法雖然簡單易算，但是從定義中看出只包含了前n家大銀行的資產(chǎn)情況，對于短期甚至較長時(shí)間內(nèi)銀行集中度幾乎不發(fā)生變化的情況下，不能反映樣本商業(yè)銀行數(shù)量以及規(guī)模的相對差異，具有一定的局限性。文中使用的HHI（赫芬達(dá)爾指數(shù)）指標(biāo)可以有效克服CRn法的不足。首先，HHI指標(biāo)充分考慮了研究樣本中每家銀行的市場占有率，通過取所有銀行市場占有率平方和的方法算出行業(yè)集中度，能夠完整地反映銀行市場的實(shí)際情況，且對規(guī)模較大的銀行市場份額的變動(dòng)情況較為敏感；其次，HHI應(yīng)用范圍較廣，測算相對簡單，無數(shù)據(jù)分布嚴(yán)格假設(shè)要求，可以衡量不同維度的集中度，比如存款、貸款、中間業(yè)務(wù)收入等，能夠從不同維度反映更多的指標(biāo)信息，在實(shí)務(wù)和理論研究中更能被市場接受。

HHI指標(biāo)綜合反映了樣本內(nèi)所有銀行的規(guī)模分布，其計(jì)算公式為：

其中X表示市場總規(guī)模，xi表示第i家銀行的規(guī)模，n為樣本銀行的總數(shù)目，Si為第i家銀行的市場占有率。HHI取值在0-1之間，其值越接近于1表示集中度越高，行業(yè)壟斷越嚴(yán)重。使用HHI指數(shù)衡量集中度有兩方面優(yōu)勢。首先，HHI指數(shù)考慮到了樣本所有個(gè)體的市場占有率，計(jì)算公式涵蓋了前n家大銀行的規(guī)模；其次，公式可以顯著表明規(guī)模較大銀行的壟斷情況，使得市場集中度的計(jì)算結(jié)果更加客觀反應(yīng)行業(yè)整體情況。

（二）測度結(jié)果分析

基于上述分析，本文從存款、貸款兩個(gè)角度，以13家上市銀行代替銀行業(yè)整體情況研究存貸款資源的市場分布情況，樣本期間為2011年第1季度至2019年第3季度，測度結(jié)果如圖1所示。

圖1 2011年第1季度到2019年第3季度HHIdeposit和HHIloan的變化趨勢

從圖1可以看出，不管是存款資源還是貸款資源，我國商業(yè)銀行集中度均呈穩(wěn)定下降趨勢，存款HHI自2013年以來從最高的0.070977降至最低的0.043439，下降約63.39%；貸款HHI自2013年以來從最高的0.065475降至最低的0.042006，下降約55.87%，銀行市場整體競爭態(tài)勢不斷上升，國有控股大型商業(yè)銀行在銀行體系中的壟斷作用逐漸下降，商業(yè)銀行集中度整體處于下降趨勢。此外，存款資源和貸款資源的變化趨勢存在一致性，同一時(shí)期的數(shù)值差距很小。

四、商業(yè)銀行集中度與不良貸款率關(guān)系實(shí)證研究

（一）變量選取

1.解釋變量與被解釋變量。被解釋變量為不同類型商業(yè)銀行的不良貸款率，通過構(gòu)建實(shí)證模型分別研究不同類型商業(yè)銀行的集中度與不良貸款率的關(guān)系。解釋變量包括存款HHIdeposit、貸款HHIloan、撥備覆蓋率 （PC）及資本充足率 （CAR）。存款HHIdeposit及貸款HHIloan從兩個(gè)不同方面對銀行集中度進(jìn)行度量，其度量結(jié)果出現(xiàn)信息偏差或遺漏的可能性會(huì)降低，指數(shù)映射市場結(jié)構(gòu)的真實(shí)性也會(huì)加強(qiáng)。商業(yè)銀行集中度過大，會(huì)導(dǎo)致大銀行的市場勢力過大，使業(yè)務(wù)和資源均集中在頭部銀行，且大銀行擁有絕對的話語權(quán)和信貸選擇權(quán)，不良貸款率控制得比較穩(wěn)定，而中小銀行受限于自身資源稟賦與業(yè)務(wù)拓展范圍，會(huì)不斷喪失優(yōu)質(zhì)的客戶，對中小商業(yè)銀行形成“擠出效應(yīng)”，進(jìn)而發(fā)展風(fēng)險(xiǎn)高、資質(zhì)較差的客戶，致使其面臨嚴(yán)重的信用風(fēng)險(xiǎn)。

撥備覆蓋率（PC）是為不良貸款計(jì)提的各項(xiàng)準(zhǔn)備金的比例，即撥備金額與不良貸款的比值。一般而言商業(yè)銀行要做好貸款計(jì)提損失準(zhǔn)備，其中撥備覆蓋率=貸款損失準(zhǔn)備/不良貸款=貸款撥備率/不良率，監(jiān)管部門規(guī)定撥備覆蓋率需要在120%～150%之間。該指標(biāo)從宏觀上反映商業(yè)銀行資產(chǎn)質(zhì)量是否穩(wěn)健、貸款風(fēng)險(xiǎn)是否可控，是不良貸款率的重要影響因素。本文假設(shè)撥備覆蓋率與不良貸款率呈反向關(guān)系。

資本充足率（CAR）反映銀行自身抵御風(fēng)險(xiǎn)的能力，量化標(biāo)準(zhǔn)是銀行持有資本與風(fēng)險(xiǎn)加權(quán)資產(chǎn)的比例。一般來說，商業(yè)銀行資本充足率越高則抵御風(fēng)險(xiǎn)的能力越高，其不良貸款率也相對較低。因此，假設(shè)資本充足率與不良貸款率呈反向關(guān)系。

2.控制變量。除了作為核心解釋變量的商業(yè)銀行集中度指標(biāo)以外，模型還引入了控制變量以減少外界沖擊對實(shí)證結(jié)果可能帶來的影響，增強(qiáng)模型的穩(wěn)定性和解釋力。根據(jù) De bock和 Demyanets（2012）以及蔣鑫（2009）的研究成果，可知經(jīng)濟(jì)下行以及貨幣政策收緊會(huì)引起商業(yè)銀行經(jīng)營環(huán)境的顯著惡化，從而導(dǎo)致商業(yè)銀行不良資產(chǎn)集中爆發(fā)。因此，本文從宏觀經(jīng)濟(jì)和貨幣政策環(huán)境兩個(gè)方面對模型誤差進(jìn)行控制。控制變量信息和定義如表1所示。

表1 實(shí)證模型的控制變量信息和定義

（二）變量描述性統(tǒng)計(jì)

從圖1可知，各個(gè)變量的觀測值數(shù)量均為35個(gè)，且商業(yè)銀行集中度的兩個(gè)變量HHIdeposit、HHIloan 均值都是 0.054.。被解釋變量之間差異較大，目前中小商業(yè)銀行信用風(fēng)險(xiǎn)已經(jīng)呈現(xiàn)出跨市場、跨區(qū)域的擴(kuò)散和傳染趨勢。資產(chǎn)端業(yè)務(wù)激進(jìn)擴(kuò)張面臨信用風(fēng)險(xiǎn)，負(fù)債端過度依賴同業(yè)負(fù)債顯現(xiàn)出流動(dòng)性風(fēng)險(xiǎn)隱患，內(nèi)控機(jī)制存在嚴(yán)重缺陷導(dǎo)致風(fēng)險(xiǎn)管理體制出現(xiàn)問題，此外，商業(yè)銀行本身的內(nèi)在脆弱性、順周期性以及信息不對稱性使得中小商業(yè)銀行的信貸資產(chǎn)不斷下滑。從圖2、圖3可以看出，不同類型商業(yè)銀行不良貸款情況呈現(xiàn)分化趨勢。首先，農(nóng)商行的不良貸款率一直遠(yuǎn)遠(yuǎn)高于其他三類銀行的不良貸款率，2018年6月更是達(dá)到了最高點(diǎn)，后稍有下降，但是2019年以來依然在4%左右，2019年9月農(nóng)商行不良貸款率分別高于國有大型銀行和股份制商業(yè)銀行2.68和2.37個(gè)百分點(diǎn)；而2019年以來城商行的不良貸款率也有較大上浮，2019年9月不良貸款率達(dá)2.48%，同比上升32.66%。其次，國有大型商業(yè)銀行的不良貸款余額一直呈大幅下降趨勢，城商行略有上浮，而農(nóng)商行一直呈現(xiàn)上升狀態(tài)，農(nóng)商行面臨不良的“雙升”壓力。只有股份制商業(yè)銀行不良貸款情況穩(wěn)中有降。

圖2 統(tǒng)計(jì)期間國有大型銀行、全國性股份制銀行、城商行、農(nóng)商行不良貸款率情況

圖3 統(tǒng)計(jì)期間國有大型銀行、全國性股份制銀行、城商行、農(nóng)商行不良貸款余額占比情況

（三）模型構(gòu)建

根據(jù)上述分析，建立如下模型：

其中，NPLit代表第 i（i=1，2，3，4）種商業(yè)銀行第 t期的不良貸款率，NPLi（t-1）是上一期商業(yè)銀行不良貸款率，β1…β7分別代表對應(yīng)變量的參數(shù)。由于篇幅限制，模型實(shí)證過程僅以國有大型銀行為例，城商行、股份制銀行及農(nóng)商行的實(shí)證結(jié)果見表4。在對基本模型運(yùn)用統(tǒng)計(jì)軟件回歸之前，需對數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，本文采用ADF（Augmented Dickey-Fuller Test）單位根檢驗(yàn)，檢驗(yàn)結(jié)果如表3所示，對于非平穩(wěn)的數(shù)據(jù)采取差分的方法使其達(dá)到平穩(wěn)性要求。

表3 變量ADF檢驗(yàn)結(jié)果

為檢測模型解釋變量之間的共線性問題，本文使用Eviews10軟件進(jìn)行相關(guān)系數(shù)檢驗(yàn)，結(jié)果顯示，除了HHIdeposit和HHIloan之間的相關(guān)系數(shù)達(dá)到了0.9441，各解釋變量的相關(guān)系數(shù)均在0.6以下，不足以構(gòu)成相關(guān)趨勢，所以HHIdeposit和HHIloan之間存在共線性。運(yùn)用傳統(tǒng)的OLS或2SLS進(jìn)行回歸分析需要對存在共線性的解釋變量進(jìn)行剔除，此方法最后使得模型變量數(shù)減少，影響了實(shí)證結(jié)果的有效性和充足的解釋力。因此，本文借鑒唐鵬（2015）使用的廣義矩估計(jì)（GMM）方法，GMM估計(jì)結(jié)果可以盡量避免多重共線性致使模型實(shí)證結(jié)果失準(zhǔn)的情況。

（四）實(shí)證結(jié)果分析

如表4所示，國有大型銀行調(diào)整后的R2為0.85，說明回歸結(jié)果對觀測值的擬合程度較好，即銀行體系集中度對國有大型銀行的不良貸款率影響顯著。DW值為2.15，說明模型自相關(guān)控制較好。關(guān)鍵解釋變量HHIdeposit和HHIloan在1%的顯著性水平下通過檢驗(yàn)，說明系數(shù)具有相對較高的經(jīng)濟(jì)意義。HHIdeposit和HHIloan與國有大型銀行不良貸款率的回歸系數(shù)為分別為-0.51和-0.37，表明銀行集中度和國有大型銀行的不良貸款率呈負(fù)相關(guān)，說明市場集中度越高，銀行體系的壟斷勢力越大，國有大型商業(yè)銀行的不良貸款率越低。

表4 GMM估計(jì)檢驗(yàn)結(jié)果

通過Eviews10軟件分析發(fā)現(xiàn)，銀行集中度與其他類型商業(yè)銀行不良貸款率不存在一階自相關(guān)性，并通過GMM估計(jì)檢驗(yàn)，擬合優(yōu)度分別是0.978、0.935及0.945，除部分解釋變量在5%、10%顯著性水平下通過參數(shù)檢驗(yàn)，其他解釋變量均在1%顯著水平通過檢驗(yàn)，解釋變量系數(shù)的經(jīng)濟(jì)意義較強(qiáng)。實(shí)證表明，商業(yè)銀行集中度對不同類型商業(yè)銀行不良貸款率都會(huì)產(chǎn)生重要影響，具體而言，國有大型銀行以及股份制商業(yè)銀行的不良貸款率與銀行市場集中度呈反向關(guān)系，農(nóng)商行則相反，即銀行集中度越高農(nóng)商行不良貸款率也越高。

五、研究結(jié)論及建議

（一）研究結(jié)論

1.銀行集中度穩(wěn)定下降

通過選取13家上市銀行，運(yùn)用 HHI（赫芬達(dá)爾指數(shù)）從存款、貸款兩個(gè)方面準(zhǔn)確測量了樣本銀行2011年第一季度到2019年第三季度的市場業(yè)務(wù)發(fā)展集中度，發(fā)現(xiàn)統(tǒng)計(jì)期間市場結(jié)構(gòu)從集中趨于分散，國有大型銀行市場主導(dǎo)力呈不斷降低趨勢，自2013年以來，其HHIdeposit及HHIloan均呈現(xiàn)大幅下降，銀行市場整體競爭態(tài)勢不斷上升，國有五大行在銀行體系中的壟斷作用逐漸降低。

2.不同類型商業(yè)銀行不良貸款率及余額分化明顯

統(tǒng)計(jì)期間內(nèi)不同類型商業(yè)銀行的不良貸款率分化明顯，其中國有大型商業(yè)銀行、全國性股份制商業(yè)銀行以及城商行的不良貸款率緩慢上行，而農(nóng)商行的不良貸款率一直高高在上，特別是2018年6月以來不良率普遍高于4.00%；2019年以來城商行不良貸款率有所抬頭，2019年9月其不良率達(dá)到2.48%，同比上升32.66%。綜上可知，四種類型商業(yè)銀行不良貸款率走勢分化嚴(yán)重，呈現(xiàn)出不良貸款往中小商業(yè)銀行聚集的趨勢，農(nóng)商行更面臨“不良”的雙重壓力。

3.銀行集中度對不同類型商業(yè)銀行影響不同

實(shí)證研究表明，我國銀行業(yè)市場結(jié)構(gòu)對不同類型商業(yè)銀行不良貸款率產(chǎn)生了重要影響，且銀行市場結(jié)構(gòu)的集中與分散對不同類型商業(yè)銀行的影響不同。國有大型銀行及股份制商業(yè)銀行的不良貸款率與銀行市場集中度呈反向關(guān)系，農(nóng)商行則相反。一方面在集中度較高的銀行體系內(nèi)，處于主導(dǎo)地位的商業(yè)銀行的市場勢力很強(qiáng)，可以優(yōu)先挑選質(zhì)地好、信用好的公司，能夠以較低的成本獲得高質(zhì)量的資產(chǎn)組合，降低銀企信息不對稱程度，進(jìn)而提升資產(chǎn)質(zhì)量。另一方面中小商業(yè)銀行由于規(guī)模小、實(shí)力弱，不得不轉(zhuǎn)戰(zhàn)風(fēng)險(xiǎn)，通過增加利率的方式給不符合資質(zhì)的行業(yè)領(lǐng)域放貸，在持續(xù)的內(nèi)外部壓力下，中小商業(yè)銀行信用風(fēng)險(xiǎn)更為突出。

（二）研究建議

1.構(gòu)建平衡合理協(xié)調(diào)的金融生態(tài)圈

研究表明銀行集中度上升，在一定程度上可以減少大型銀行的不良貸款率，但是也會(huì)提升中小商業(yè)銀行的不良貸款率，說明我國銀行體系內(nèi)有限的金融資源過于集中后，大型銀行占據(jù)更多優(yōu)質(zhì)的資源，中小商業(yè)銀行因市場競爭力不足會(huì)被動(dòng)選擇風(fēng)險(xiǎn)較高的企業(yè)進(jìn)行放貸，由此產(chǎn)生巨額不良貸款。因此，我國銀行集中度既不能過高形成壟斷寡頭，又不能過低削減大型銀行的市場份額，故我國銀行體系集中度需要一個(gè)合理的最優(yōu)區(qū)間，在這個(gè)區(qū)間內(nèi)，不同類型商業(yè)銀行的不良貸款率可以保持在一個(gè)合理的水平。相對于中小商業(yè)銀行而言，大型銀行的風(fēng)險(xiǎn)處置能力強(qiáng)，處置手段多樣，在風(fēng)險(xiǎn)的把控上更具優(yōu)勢，而小微企業(yè)和民營企業(yè)屬于風(fēng)險(xiǎn)高發(fā)群體，與經(jīng)營本就不穩(wěn)定、風(fēng)險(xiǎn)較為脆弱的中小商業(yè)銀行在風(fēng)險(xiǎn)偏好上并不匹配，大型銀行應(yīng)該在維護(hù)好存量客戶的前提下將資源進(jìn)行統(tǒng)籌配置，更多地幫助解決小微企業(yè)和民營企業(yè)的融資難問題，發(fā)揮行業(yè) “領(lǐng)頭羊”的作用。對于中小商業(yè)銀行而言，要努力提升核心競爭力，擴(kuò)大在當(dāng)?shù)氐慕鹑谑袌龇蓊~，補(bǔ)充自身實(shí)力，一方面要嚴(yán)格控制不良貸款的增長勢頭，積極穩(wěn)妥處置高風(fēng)險(xiǎn)機(jī)構(gòu)，把握好處置風(fēng)險(xiǎn)的力度和節(jié)奏，加快高風(fēng)險(xiǎn)機(jī)構(gòu)市場出清，堅(jiān)決阻斷風(fēng)險(xiǎn)跨市場、跨區(qū)域的擴(kuò)散和傳染；另一方面需加大業(yè)務(wù)發(fā)展力度，規(guī)范公司治理體制，完善風(fēng)險(xiǎn)防控機(jī)制，利用地緣優(yōu)勢深耕當(dāng)?shù)亟鹑谑袌?，支持?shí)體經(jīng)濟(jì)發(fā)展。

2.充分協(xié)調(diào)對中小商業(yè)銀行監(jiān)管規(guī)則的一致性和政策合理性

引導(dǎo)商業(yè)銀行信貸投放政策，如銀保監(jiān)會(huì)提出的“三個(gè)不低于”和“兩增兩控”，一定程度上加劇了中小商業(yè)銀行的風(fēng)險(xiǎn)，因?yàn)橐晃兑笮刨J規(guī)模的擴(kuò)張非但不能解決小微企業(yè)的融資困境，反而會(huì)增加中小商業(yè)銀行的風(fēng)險(xiǎn)隱患。大型銀行的體量大，抗風(fēng)險(xiǎn)能力強(qiáng)，可以通過其他業(yè)務(wù)收入補(bǔ)貼小微企業(yè)的融資成本，而且在完成“普惠型小微企業(yè)貸款余額增長30%以上”的政策目標(biāo)的同時(shí)，往往會(huì)利用其資金價(jià)格、綜合服務(wù)、網(wǎng)點(diǎn)數(shù)量、資源調(diào)配等顯著優(yōu)勢，“爭搶”原本屬于中小銀行的優(yōu)質(zhì)客戶，對中小商業(yè)銀行形成“擠出效應(yīng)”。中小商業(yè)銀行自身資源稟賦不足，收入來源較為單一，因失去優(yōu)質(zhì)客戶而不得不下沉業(yè)務(wù)，發(fā)展風(fēng)險(xiǎn)更高、資質(zhì)更差的客戶，進(jìn)一步提高了不良貸款的壓力。此外，使用行政手段控制小微信貸成本，不通過利率價(jià)格加杠桿，為彌補(bǔ)小微信貸損失，中小商業(yè)銀行會(huì)從事風(fēng)險(xiǎn)和收益更高的同業(yè)嵌套業(yè)務(wù)，從而招致更大的經(jīng)營風(fēng)險(xiǎn)。因此，應(yīng)當(dāng)充分協(xié)調(diào)對中小商業(yè)銀行監(jiān)管規(guī)則的一致性和政策合理性，鼓勵(lì)創(chuàng)新和規(guī)范金融發(fā)展，政策上鼓勵(lì)創(chuàng)新，加快推進(jìn)資產(chǎn)負(fù)債結(jié)構(gòu)、收入模式、戰(zhàn)略定位等全方位優(yōu)化調(diào)整，深耕當(dāng)?shù)亟?jīng)濟(jì)發(fā)展，走差異化、特色化發(fā)展道路。

3.積極推動(dòng)金融要素市場化流動(dòng)

擴(kuò)大金融要素市場化配置范圍，推進(jìn)要素市場制度建設(shè)，實(shí)現(xiàn)要素價(jià)格市場決定、流動(dòng)自主有序、配置高效公平。首先，中小商業(yè)銀行可持續(xù)發(fā)展的根本在于要素市場化流動(dòng)過程中形成的比較優(yōu)勢，不可充當(dāng)政府支農(nóng)支小的政策工具。中小商業(yè)銀行本質(zhì)是商業(yè)性金融機(jī)構(gòu)，商業(yè)化和市場化是其本質(zhì)屬性，盈利是其首要目標(biāo)。強(qiáng)制壓降中小商業(yè)銀行的貸款定價(jià)會(huì)造成信貸配給失衡，抑制金融要素市場化流動(dòng)，實(shí)質(zhì)上中小商業(yè)銀行對于小微企業(yè)和民營企業(yè)有一定的市場篩選作用，優(yōu)質(zhì)的信貸客戶被銀行業(yè)認(rèn)可，而質(zhì)地較差的客戶應(yīng)該被市場排除在外，不考慮風(fēng)險(xiǎn)溢價(jià)的貸款利率會(huì)扭曲市場化機(jī)制，阻礙金融要素的市場化流動(dòng)。其次，放寬金融服務(wù)業(yè)準(zhǔn)入。民間資本作為金融機(jī)構(gòu)獲取資金的重要來源一直被監(jiān)管層否定，應(yīng)當(dāng)逐步放開民間資本，增加微型金融機(jī)構(gòu)的資本來源，提高其股權(quán)分散程度。最后，要完善金融機(jī)構(gòu)市場化法治化退出機(jī)制。在推進(jìn)金融要素市場化進(jìn)程中，中小商業(yè)銀行高風(fēng)險(xiǎn)機(jī)構(gòu)退出是一個(gè)必經(jīng)過程，除了停業(yè)整頓、接管之外，兼并重組、補(bǔ)充資本金也是處置高風(fēng)險(xiǎn)機(jī)構(gòu)、提高銀行競爭力的重要途徑。因此，要培育優(yōu)勝劣汰的市場競爭機(jī)制，有效銜接各類法律法規(guī)和相關(guān)政策，堅(jiān)持約束與激勵(lì)并舉提升防范能力，把握好節(jié)奏和力度，提高市場重組、出清的質(zhì)量和效率，構(gòu)建堅(jiān)實(shí)牢固的風(fēng)險(xiǎn)防火墻。

4.深化金融供給側(cè)結(jié)構(gòu)性改革

首先，著力優(yōu)化金融體系結(jié)構(gòu)，在金融機(jī)構(gòu)中增加非銀行金融機(jī)構(gòu)數(shù)量占比，在銀行機(jī)構(gòu)中增加微型銀行機(jī)構(gòu)、民營銀行占比，通過培育良性循環(huán)的競爭機(jī)制促進(jìn)中小微商業(yè)銀行主動(dòng)實(shí)現(xiàn)發(fā)展模式轉(zhuǎn)型，提升服務(wù)能力?？沙浞掷脭?shù)字技術(shù)、大數(shù)據(jù)、云計(jì)算和人工智能等手段，有效識別計(jì)量風(fēng)險(xiǎn)系數(shù)，利用科技手段提升風(fēng)險(xiǎn)管控能力。其次，應(yīng)當(dāng)對國有大型銀行和中小銀行進(jìn)行差異化監(jiān)管引導(dǎo)，對其業(yè)務(wù)范圍進(jìn)行適當(dāng)區(qū)別、固化，引導(dǎo)其回歸設(shè)立的初心和市場定位，培養(yǎng)中小銀行的核心競爭力。放開微型金融機(jī)構(gòu)市場準(zhǔn)入機(jī)制，大力發(fā)展微型銀行、社區(qū)銀行、特色品牌銀行等專營化、特色化機(jī)構(gòu)，開展具有鮮明特色的專業(yè)化服務(wù)，進(jìn)一步擴(kuò)充和完善我國銀行體系。最后，增加中小金融機(jī)構(gòu)數(shù)量和業(yè)務(wù)比重，改進(jìn)小微企業(yè)和三農(nóng)金融服務(wù)，選擇那些符合國家產(chǎn)業(yè)發(fā)展方向、主業(yè)相對集中于實(shí)體經(jīng)濟(jì)、技術(shù)先進(jìn)、產(chǎn)品有市場、暫時(shí)遇到困難的民營企業(yè)給與重點(diǎn)支持。

注釋：

①部分（本文樣本）上市銀行分別為工商銀行、農(nóng)業(yè)銀行、中國銀行、建設(shè)銀行、交通銀行、招商銀行、中信銀行、光大銀行、民生銀行、華夏銀行、北京銀行、平安銀行、興業(yè)銀行共十三家。2019年末這十三家上市銀行總資產(chǎn)為155.42萬億，占銀行業(yè)金融機(jī)構(gòu)的55.01%。（截至目前北京銀行年報(bào)尚未公布，故以2019年三季度報(bào)告中總資產(chǎn)替代2019年末總資產(chǎn)數(shù)值）

②在時(shí)間序列數(shù)據(jù)模型下，上一期銀行風(fēng)險(xiǎn)承擔(dān)水平必須會(huì)對當(dāng)期風(fēng)險(xiǎn)承擔(dān)水平產(chǎn)生影響（唐鵬，2015）