《贷款集中度对银行资产质量的影响实证研究》14000字（论文）

贷款集中度对银行资产质量的影响实证研究摘要党的十九大提出，金融是我国的重要竞争力。银行部门作为重要的一个环节，承担着资金融通以及资本配置等多项功能，维持银行体系的稳定性，防范银行体系内部风险，对金融市场的健康及持续发展具有重要作用。因此，必须高度重视防范和控制金融风险，确保金融安全。信贷集中度是银行面临的一个重大风险，国内银行业80%的贷款都集中在10%的授信客户中，不合理的信贷投放会让银行不良贷款率增加，信贷的资源配置趋向集中还是分散对于银行来说至关重要。本文选取了国内13家银行2007到2020年的半年度数据作为面板数据进行实证分析，其中客户集中度加入了门槛值研究非线性关系。得出的主要结论是：行业集中程度对于国内上市银行信贷质量有负向影响；客户集中程度对于国内上市银行信贷质量的影响随着不良贷款门槛值呈现非线性关系；经济上行周期信贷集中对于国内上市银行信贷质量会有加强影响；国有银行相对股份制银行的所有权性质对于信贷集中对国内上市银行信贷质量有加强影响。关键词：信贷集中度银行资产质量经济周期银行性质目录0引言 40.1研究背景与意义 40.2研究内容和方法 50.3研究创新点和存在不足 51贷款集中度对银行资产质量的影响的理论分析 61.1贷款集中度的概念和计算方法 61.1.1贷款集中概念 61.1.2贷款集中度的计量 71.2贷款集中度对银行资产质量的影响路径 81.2.1银行不良贷款成因理论 81.2.2贷款集中度对资产质量的影响路径 102上市银行贷款集中度现状以及成因分析 112.1贷款集中度与资产质量 112.1.1客户集中度现状分析 112.1.2行业集中度现状分析 133实证研究 153.1实证研究设计 153.1.1研究假设 153.1.2变量选取 153.1.3数据来源 163.1.4模型设计 173.2实证结果分析 183.2.1变量描述性统计分析 183.2.2.实证结果研究 194结论与建议 254.1结论 254.2相关建议 26

0引言0.1研究背景与意义党的十九大提出金融是我国的核心竞争力，将防范和化解风险列为金融工作的重点，为了更好地服务实体经济，将促进金融和实体经济的良性循环作为未来经济工作的主要任务。在我国金融体系居主导地位的银行部门，作为重要的一个环节，承担着资金融通以及资本配置等多项功能，维持银行体系的稳定性，防范银行体系内部风险，对金融市场的健康及持续发展具有重要作用。因此，必须高度重视防范和控制金融风险，确保金融安全。近年来，面对全球复杂的金融环境，经济周期变化造成不确定性增强，对金融市场的稳定性带来一定程度的影响。经济进入新常态，增速转向中高速，实体经济健康发展与金融体系内部稳定高度相关，影响实体经济发展水平也会影响银行体系。银行信贷作为我国经济政策作用于实体经济及企业融资的主要来源，资产质量及盈利能力对于银行可持续发展具有重要意义。产业结构的优化使银行业也面临着挑战，不合理的信贷投放会让银行不良贷款率增加，信贷的资源配置趋向集中还是分散对于银行来说至关重要。信贷集中度是银行面临的一个重大风险，有很多学者和硕博士论文都有研究过集中度对于银行的影响，中国传统银行业80%的贷款都集中在10%的授信企业客户中，国际商业银行常有专门设立批发银行部门和优质大型客户团队，专为大型客户提供服务。国内银行也有这样性质的部门，比如农业银行的大客户部，建设银行，中国银行的集团客户部，都是为银行最核心的大客户服务。并且银行信贷会随着国家政策和经济刺激，投向一些主要行业比如制造业，交通运输业，电力燃气供应业等等。但是信贷集中也很容易造成风险集中爆发，尤其在经济处于下行阶段时，相关性大幅提升，经济冲击对贷款违约的打击更加致命。放眼国际金融市场，比如美国安然，意大利乳制品领先企业Parmalat等高质量客户群突然破产，给相关授信银行带来了不可挽回的大损失；次贷危机爆发造成的相关性急剧升高，由于集中度过高引发的大面积违约也造成了银行的系统性风险爆发。回看国内，熔盛重工集团、中钢集团等曾经作为经济支柱支撑当地经济发展的龙头企业，也随着行业整体萎靡步入下滑阶段，给授信银行造成冲击。由此，结合国内外商业银行贷款集中的风险事件和背景，更加应该认识到集中度对银行资产质量的重要影响。0.2研究内容和方法本文参考了任秋潇，王一鸣研究信贷集中度对资产质量的研究，选取了行业集中度和客户集中度两个角度反映信贷集中指标，分别研究两个角度的影响。并且将之后一起的累积效应考虑在内，同时加入了经济周期和银行性质，考察交叉项的影响。本文选取固定效应模型，对国内13家上市比较早的银行，选取了2007到2020年的半年度数据作为面板数据进行实证分析，其中客户集中度加入了门槛值研究非线性关系。本文研究方法结合定性和定量，通过文献研究法和实证研究，借助eviews,stata13.0和excel2007等数据软件。0.3研究创新点和存在不足本文可能的创新点在于，第一，在实践的选取上，尽可能的选取了从上市最早实践一直到目前位置的时间跨度，并且细化到半年度数据保证了数据量的充足。第二，在变量的选取上，考虑了行业集中度和客户集中度，从更多的角度去分析信贷集中度，第三，考虑了不良贷款的滞后性和累积性，使得实证研究更加精确。第四，加入了交叉项变量，之前有学者研究经济周期对资产质量的影响，也有研究银行所有权宗旨对资产质量的影响，本文将这两种可能的因素与信贷集中度结合起来，不单单只是作为控制变量，联合分析其交叉项的影响，更加全面。本文目前存在的不足之处，选取了13家银行，由于统计口径的不一致，有些银行的样本量缺失严重，并且未来考量时间跨度，一些近年来上市的银行未加入计量范围，导致银行性质指标不均衡，有些城市商业银行未能纳入考量，使得实证研究不够全面。同时，未能够考虑到信贷集中度也是一个缺憾。1贷款集中度对银行资产质量的影响的理论分析1.1贷款集中度的概念和计算方法1.1.1贷款集中概念贷款集中是指各家银行在信贷资产配置的偏好，或是集中于某些行业或是某些客户，造成集中的现象。信贷集中有广义和狭义之分，本文研究的是狭义概念，主要可以分为三种：行业贷款集中，是指银行发放贷款时集中在某几个行业。通过对银行披露的年报观察整理可以发现，银行的信贷投放集中于房地产行业和民生行业。由于近年来房地产行业处于较好的发展周期，行情较好，市场对于房地产行业整体呈现乐观态度，因此银行对房地产业也有投入较多的资金。同时银行的信贷投放受到国家经济政策的影响非常深重，经济政策可以说是银行决策乃至市场决策的风向标。当国家经济政策重点扶持或利好某些行业，会影响到银行的信贷投放。客户贷款集中，是指银行的信贷资金向某些大客户集中，将大部分的资金聚集到大客户。信贷资源的集中会减少银行的交易成本，但对于风险的计量的也会有所影响。区域贷款集中，是指银行把信贷资源集中投放到国家或地区，比如经济发达地区。这样的集中可以减少监管的成本，但也有可能因为经济形势的变化给银行带来风险损失。由于国内银行采用的区域集中度计量指标口径并不一致，且样本量缺失不便于统计，因此本文只考虑行业集中度和客户集中度。对于信贷集中这个问题，国内外都有监管规定，巴赛尔协议中有专门明确规定并且经历反复修改做出相应的调整，将信贷集中度考虑在监管范围内并且扩大了信贷集中度的范围。监管部门规定银行一旦逾越了监管底线，银行将接受相应的处罚。根据《商业银行法》规定最大单一客户贷款额/资本净额的比值不能超过10%，最大十家单一客户贷款总额/资本净额的比值不能超过50%，最大一家集团授信额度/资本净额的比值不能超过15%。1.1.2贷款集中度的计量贷款集中度的测算由于宏观因素和微观因素的影响测算比较复杂，学术界对于贷款集中的测算方法不统一。经过对不同文献的梳理，本文选择了学术界最为常用的三种测算方法进行说明。敞口比率法此法测算的是绝对集中度，我国银监会通常会使用此法作为客户集中度监管的指标，主要针对的是最大十家单一客户贷款比例和单一客户贷款比例。敞口比率法测算方便但是可比性较差，比较不同性质的银行可能会存在差异。在临界值的选取上比较主观，更适合银行内部使用。计算公式如下：Maxfirst=最大单一客户贷款额/银行总资本净额*100%洛伦兹曲线和基尼系数洛伦兹曲线是国家收入分配曲线，曲线弯曲程度能够反映出收入分配，越是弯曲表示收入分配越不均衡。曲线将三角形面积分成A和B两部分，基尼系数的计算公式为G=A/(A+B)。这里可以借鉴基尼系数的原理来量化银行信贷资产的分布情况，系数越是接近于0，则贷款集中度越小，贷款分布更加均衡合理。反之则分布不均衡不集中。洛伦兹曲线赫芬达尔指数法赫芬达尔指数法常被用来衡量某行业的产业集中度。计算方式如下：上式中X表示行业规模大小，Xi表示第i家的规模大小，H表示行业中企业总数，MS等于Xi/X，即第i家企业额规模占总体行业规模的比例。赫芬达尔指数在衡量产业集中度时具有优势，由于它将企业的数量以及企业规模大小纳入考量范围，对企业规模大小的敏感度不同，对大企业往往更加敏感。弊端在于赫芬达尔指数对于数据要求比较高。1.2贷款集中度对银行资产质量的影响路径1.2.1银行不良贷款成因理论1.2.1.1金融脆弱性理论金融脆弱性理论最早来源于货币脆弱性的论述。金融脆弱性理论最早来源于货币脆弱性的论述。Keynes认为货币职能和特征导致了货币自诞生以来就具有脆弱性，货币可以作交易之用，也可作为财富贮藏。而Veblan在《商业周期理论》和《所有者缺位》书中提出一方面证券交易之所以会出现周期性崩溃，在于市场对企业的估值依赖于并逐渐脱离企业的盈利能力，而另一方面则是资本主义的经济发展导致社会资本所有者的缺失。较为著名的两个金融脆弱性理论如下：第一是明斯基的金融脆弱性假说。基于长期对资本主义周期变化的观察，明斯基认为根据金融状况借款企业可以分类：（1）抵补性企业。抵补性企业往往是最安全的，预期收入大于债务，每一段时期内预期收入现金流大于到期债务本息，现期收入能够满足现金支付要求；（2）投机性企业，这类企业的预期收益小于债务，并且借款后一段时间内，预期收益小于到期债务本金。投机性企业通常存在债务敞口，为偿还债务或重组债务结构或变卖资产；（3）“庞兹”借款企业，最脆弱的一类，像这样高风险企业短期内没有足够收入支付应付利息，而长期收益又建立在假想的基础上，这种企业的预计收益是基于那些需要很长酝酿形成时期才能成功的投资。第二是克雷格尔的安全边界说。安全边界提供了一种环境保护，以防不测事件的出现使得未来企业不能有良好记录。对于借贷双方而言来说，确定安全边界的关键一环是研究预期现金收入说明书和计划投资项目承诺书。而商业银行对整体市场环境和潜在竞争对手更为熟悉，但对未来市场状况的把握仍是不确定的，贷款风险仍然存在。于是商业银行的信贷决定主要遵守摩根规则(JPMorganRule)，是否给予贷款参考借款人以往信贷记录，而不太关注未来预期。在经济状况稳定的情况下，会降低安全边界的标准，一旦形式逆转银行不良贷款会增加，资产质量就会受到影响。1.2.1.2银行行为理论银行行为理论主要有贷款客户关系论，贷款勉强论和贷款竞争论。贷款客户关系理论是约翰·伍德在70年代提出的。银行为了保持贷款长期需求，实现利润最大化的目标，会通过一些手段比如降低贷款利率，增加贷款额度来培养和客户的关系，扩大贷款量。银行做好内部控制和风险管理，给与长期客户一个优惠的利率，让企业能够更好地经营扩张，从而减少不良贷款，同时也有利于央行及时掌握商业银行的经营行为，更加便于正确实施风险监管。相对于企业而言，如果企业将资金投向高风险项目，那么项目一旦失败，企业无法还贷，银行也会面临着贷款收不回，资产质量下降的风险。贷款勉强理论最早由格温提出，银行在经营的过程中，为了更高的利润，提供的贷款供过于求，在一定的贷款利率水平下，存在“贷款勉强”行为形成超额贷款，也就是向借款企业提供的贷款实际已经超过其意愿贷款量，这样就会导致降低银行的信贷资产质量，提高不良贷款发生概率。另一个原因是银行将贷款数额作为考核指标，贷款人员为了完成指标，不考虑借款人的偿还能力过度放贷，也会造成过这种情况。贷款竞争理论是Eaton首先提出的，是指各银行为了盈利在同业和与其他金融机构争夺客户的过程中，选择放宽贷款审批标准、以低利率以维持客户群，吸引客户，在经济形势良好周期，这种做方式可以提高银行收益，但如果经济处于下行周期，则经济效益会受到影响，利润减少，增加了银行的放贷风险。贷款竞争是一种恶性竞争，放松了放贷标准，企业也有可能因为借贷成本的降低，将资金投向一些高风险行业。1.2.2贷款集中度对资产质量的影响路径根据现有的文献对比分析，发现信贷集中度对商业银行资产质量确实存在影响，有些学者认为，较高的贷款集中度能够有效降低银行信贷风险，而有些学者认为贷款集中度能够提高收益和银行效率降低风险。根据以往的文献分类，总结出两种观点相互对立：国内外对于贷款集中度的研究结果作者研究国家样本时期集中度类型研究结果Tabak，BenjaminM（2011）巴西2003-2009行业贷款集中度可以提高收益回报和降低风险Elas（2010）10个发达国家1997-2003收入来源分散策略可以增加银行利润，间接增加银行的价值Berger（2010）中国1996-2006行业分散策略可以增加银行的利润，降低风险Bebczuk&Galindo（2008）阿根廷1999-2004行业分散策略可以增加银行的利润，降低风险Baele（2007）16个欧洲国家1989-2005收入来源分散策略增加银行的系统性风险，但可以降低单笔贷款的风险Hayden（2007）德国1996-2002行业和区域分散策略会侵蚀银行的利润Stiroh&Rumble（2006）美国1997-2002收入来源分散策略对银行的经营有正向的影响通过阅读现有文献，发现实证研究虽然比较多，但在同一篇文章中对集中度指标进行行业、客户和地区多维度细分的文献比较少，并且也少有将滞后性和指标的累积效应加入考量的研究。以往的文献中学者们提出了集中度对资产质量的影响路径，大致总结为如下：首先政府在经济政策方面有指引作用，各银行受到政府政策的引导，根据风向标的指向，往往会将信贷集中投放到某几个行业，由此产生的可能结果是行业产能过剩，授信过度，行业快速扩张，而此时一旦出现风险导致行业整体下滑，就会造成连锁反应，银行认为企业存在违约风险，抽出资金，企业资金链紧张甚至断裂，如果风险征兆转换升级为风险事件，那么不良贷款大幅增加。银行业是顺周期行业，经济扩张周期的信贷扩张会显著加强。由此得出，行业集中度的提高会增加银行的风险。另一方面，国内商业银行的前十大客户和最大单一客户一般都是一些资质较为良好的大型国企，通常也有国家信用作为隐性担保，提高客户集中度也就是提高了高质量客户的信贷比，可以一定程度上降低银行信用风险。并且在客户多同时银行人力、系统规模局限的情况下，只能对较少的客户做透彻的了解和背景调查，提高客户集中度后，银行的筛选能力提高，风险容易识别和遏制，贷后管理更为有效，从而不良贷款率降低。因此，提升客户集中度会降低商业银行的风险。银行是宏观经济运行的参与者，宏观经济的波动会对银行业的发展产生重大影响，从而影响银行信贷风险。Bernanke将宏观经济要素与不良贷款关联后，提出了金融稳定性理论。学者文献提出了很多经济周期与银行风险的相关关系。国内市场中，经济上升周期往往也是银行扩张期和信贷泡沫累积期。李麟、索彦峰（2009）研究1994-2008年银行业数据发现，不良贷款率与经济周期间有强烈负向相关关系，而银行的亲周期性更加强了这种效应。2上市银行贷款集中度现状以及成因分析2.1贷款集中度与资产质量2.1.1客户集中度现状分析客户集中度是银监会重视的一个指标，衡量客户集中度的重要指标：单一客户贷款比例，最大十家客户贷款比例。以下是13家上市银行的最大十家客户贷款比例数据，通过柱状图对其进行分析。图表直观展示出，最大十家贷款比例稳定在15%，这一数据随着时间推移有一定上升的趋势，说明了近年来头部效应逐渐成为一种趋势。《商业银行法》中关于贷款集中度的规定，这一比例要低于50%，本文选取的这13家银行这一数据都远低于50%，说明银行对于这一指标有所重视，一直控制在合理范围内。在股份制银行中，平安银行的这一指标都比较高，可以说明平安银行的信贷资产比较集中。五家国有银行中，农业银行的这一比例占比较高，在2017年达到最高18.27%，远高于其他四家国有银行，可能的原因是农业银行2017年着力在大客户群体中开展业务，某种程度上可以判断农业银行拥有相对较好的优质客户群体。城市商业银行中集中度最高的上海银行，尤其在2020年时接近35%，值得引起重视和警戒，加强风险管理。总体来看，十大客户贷款比例都处于稳定在15%的水平，可见金融监管起到了很大的作用，银行业的风险管理也做得比较到位。2016-2020年度国内13家银行前十大客户贷款比例下图是2016-2020年度国内13家银行最大单一客户贷款比例。从图中可以看出这13家银行除了上海银行，近五年来都没有超过8%，符合银监会对于银行单一客户授信额度的要求。上海银行数值略高于监管要求，近期需要加强风险管理。13家银行中，农业银行和平安银行数值较为突出，授信额度较为集中。其中，光大银行，交通银行等几家银行最大单一客户贷款比例有所上升，这有可能是银行有意识增加单一客户的授信额度，为了更好地维护优质客户资源。在五家国有银行中，交通银行显示授信额度最低，可能因为交通银行整体风险规避的策略，实施贷款限额措施。2016-2020年度国内13家银行单一最大客户贷款比例2.1.2行业集中度现状分析《商业银行法》中对于贷款集中度明确规定，但是未对行业集中度明确规定，只将行业集中度以银行业行业集中度平均水平作比较。通过观察分析13家银行的年度报告，可以看出近年来的银行信贷主要集中的领域，主要有制造业，房地产业以及服务业，尤其商务服务业的信贷集中度迅速上升，可以说明银行对这一行业的前景持乐观态度。2019年国内银行行业信贷投放比比例趋势下表是2019年各家银行在各个行业信贷投放的明细，观察可以看到大多数银行在2019年在制造业的投放比例在10%左右，相比起前几年来说这一比例已经有所下降，也有比如农业银行在这一行业投放比例较高达到了17.3%，虽然在同行业间比较较为突出，但纵向比较也是呈现下降趋势，这是由于制造业在这几年的发展过程中出现了产能过剩的问题。银行为了规避风险，已经在这个行业减少了信贷投放。同时这段期间，对房地产行业的投放也是有所下降，主要因为国家出台的调控房地产政策，抑制了房地产需求，银行的资金投放也随之有所减少。而2010-2019年间服务业的投放比例相对稳定。2019年国内10家上市银行信贷投放比例采矿业制造业电力热力燃气及水生产和供应业交通运输、仓储和邮政业批发和零售业房地产业水利、环境和公共设施管理建筑业租赁和商务服务业工商银行1.5210.186.5213.434.065.515.11.727.43建设银行1.849.146.110.423.14.572.972.267.61农业银行2.817.33.8311.825.084.465.422.36中国银行2.7214.215.510.037.771.422.0312.86中信银行8.224.24.28.75.82.27.8民生银行3.84101.62,776.0712.693.333.0811.28北京银行210348108611南京银行8.460.8514.812.793.221.8424.06宁波银行0.0816.921.852.1310.385.368.254.9913.4平安银行2.161.125.18.82.3浦发银行2.178.61.813.535.847.994.663.997.49数据来源：10家上市银行年报整理3实证研究3.1实证研究设计3.1.1研究假设本文按研究集中重是从两个角度分别为行业集中度和客户集中度，研究贷款集中度对于银行信贷资产质量的影响。并且基于此基础上加入了经济周期和贷款集中度的乘积值研究交叉影响以及银行的国有和股份性质和贷款集中度乘积值交叉影响分别带给银行信贷资产的影响。在此提出以下四个假设：H1：行业集中程度对于国内上市银行信贷质量有负向影响H2：客户集中程度对于国内上市银行信贷质量的影响呈非线性关系H3：在经济上行周期阶段，信贷集中对于国内上市银行信贷质量会有加强影响H4：国有银行相对股份制银行的所有权性质对于信贷集中对国内上市银行信贷质量有加强影响3.1.2变量选取3.1.2.1被解释变量不良贷款率（npl）是不良贷款占总贷款额度的比例。银行的不良资产也叫做不良债权，其中最主要的是不良贷款，是借款人不能按期按量归还本息的贷款。因为不良贷款便于收集并且能够直观地反映银行的信贷资产质量，因此选取不良贷款作为被解释变量。1998年后中国引进了西方的风险管控机制，将资产分为“正常”、“关注”、“次级”、“可疑”、“损失”五级分类，其中，正常类和关注类归为银行的存量资产，次级贷款，可疑贷款和损失贷款则归为银行的不良资产。3.1.2.2解释变量（1）贷款集中度（cr）本文选取了两个角度分别是行业集中度和客户集中度衡量信贷集中度。由于集中度对银行资产质量银行存在一定的滞后性，在引入集中度指标值时采取了滞后一期。（2）交叉项本文选取的两个交叉项变量是经济周期和贷款集中度的乘积，银行性质和贷款集中度的乘积。处理经济周期变量数据时，本文对半年年度GDP的数值采取了HP滤波处理，使用了GDP真实增长率和经过处理后的数值相减得到的数值。这种方法的选取考量了任秋潇、王一鸣（2016）衡量经济周期的方法。当数值为正值时，说明为经济上升周期；当数值为负时，说明为经济下行周期。经济周期（cycle）表达式如下：Cycle=GDP真实增长率-GDP潜在增长率银行性质按所有权性质判定为是否为国有银行，分为五大国有银行和非国有银行。国有银行取值为1，非国有银行股份制银行取值为0。3.1.2.3控制变量本文选取的控制变量有资本充足率，存贷比，拨备覆盖率。其中拨备覆盖率计算方法为贷款损失准备和不良贷款的比率。3.1.3数据来源本文数据样本来自于Wind数据库，选取了2007年到2020半年度数据，中国13家上市银行包括4家国有银行和9家非国有银行为研究对象，使用了Stata对数据进行处理，选取的方法是面板回归分析。因为自2007年开始采用新的会计准则，上市银行才开始公布具体的分行业财务数据，并且为了样本量充足，因此本文采取的是2007-2020年度的半年报数据进行研究。3.1.4模型设计本文以国内13家上市银行2007到2020年间半年度数据建立面板样本。用不良贷款率作为衡量资产质量的指标构建被解释变量，用信贷集中度作为解释变量。本文参考了Gambacorta&Mistrulli（2004）的研究方法，被解释变量集中度采用累积项∑1m=0cri（t-m）方式表示，即第n期和第n-1期贷款集中度的和。由于当期贷款集中度对商业银行风险影响可能存在滞后性，采用累计项的优势在于可以把滞后期的影响加入考量。信贷集中度对信贷风险的传导过程存在一定的时滞性，因此考虑累积项是合理且必要的。基于以上，构建面板模型如下：回归模型一：nplit=∑m=0αmcri（t-m）+β1carit+β2l_dit+β3coverageit+β4cyclet+ui+εit上市为基准模型，考察的是贷款累计集中度，经济周期因素对不良贷款的影响。接着在此基准式的基础上加上贷款集中度与经济周期的交叉项，可以得到回归模型二。回归模型二：nplit=∑m=0αmcri（t-m）+β1carit+β2l_dit+β3coverageit+β4cyclet+∑m=0γmcyclet×cri（t-m）+ui+εit在模型一的基础上加上贷款集中度与银行所有制性质的交叉项，可以得到回顾模型三：nplit=∑m=0αmcri（t-m）+β1carit+β2l_dit+β3coverageit+β4cyclet+∑m=0δmstatei×cri（t-m）+ui+εit其中，i表示银行个数，t表示样本期数，nplit表示第i家银行在第t期的不良贷款率；cri（t-m）表示第i家银行在t-m期的贷款集中度；carit表示第i家银行在第t期的资本充足率；l_dit表示第i家银行在第t期的贷存比；coverageit表示第i家银行在第t期的拨备覆盖率；cyclet表示第t期的产出缺口即经济周期波动；ui表示个体面板模型效应；εit表示残差项；statei表示第i家银行的所有制性质；cyclet×cri（t-m）是经济周期项与贷款集中度的交叉项，代表二者的联合效应；statei×cri（t-m）是银行所有制性质与贷款集中度的交叉项，代表二者的联合效应。3.2实证结果分析3.2.1变量描述性统计分析首先对所选取的样本进行描述性统计。下表是所有变量均值，中位数，最值以及标准差。从表中看到不良贷款率均值为1.48%，商业银行不良贷款警戒值为2%，均值低于警戒线说明整体来看银行非常重视风险管控。但是最大值23.57%需要引起重视。存贷比均值71.2%，这一数值较高说明银行将大部分存款贷出去，这一数值过高将会导致银行流动性不足，在面临危机时流动性差会对银行造成风险损失。拨备覆盖率均值为222%，最小值为198%也很接近于200%，说明银行的防范风险意识都很高。行业集中度均值为5.69%，最大值为7.38%，银行行业集中度基本都在均值上下稳定均衡。最大十家客户贷款比例均值为20.5%，最大值76.05%，这一指标符合《商业银行法》规定的低于50%的监管要求，只有个别银行在某一阶段存在一些违规，总体来看银行对于客户贷款比例分配都有合理的掌控分配策略。最大单一客户贷款比例均值为4.15%，远低于监管指标10%的规定。描述性统计

Mean

Median

Maximum

Minimum

Std.Dev.

Skewness

Kurtosis

Observationsnpl

0.014859

0.012400

0.235700

0.003500

0.017996

10.39668

126.0986

363car

0.129767

0.126200

0.306700

0.038800

0.027869

2.441457

15.87387

363l-d

0.712426

0.705200

1.033732

0.428400

0.106628

0.500606

3.379193

363coverage

2.224252

1.981800

5.240800

0.482800

0.932854

1.016243

3.872543

363hhi

0.056909

0.060377

0.073807

0.040375

0.009950-0.213244

1.815347

363Maxten

0.205294

0.176000

0.760500

0.081800

0.092501

1.828561

7.662322

363Maxfirst

0.041584

0.034400

0.340000

0.010200

0.031097

5.873999

51.95202

3633.2.2.实证结果研究3.2.2.1模型选择本文通过F检验和Hausman检验来判断选择最终模型选择混合效应还是随机效应。F检验结果变量F显著性是否接受原假设hhi1.40.1448接受acchhi2.720.0006拒绝hhi*cycle2.670.0007拒绝hhi*state2.910.0002拒绝Maxten3.850.0000拒绝Maxten*cycle5.650.0000拒绝Maxten*state5.660.0000拒绝Hausman检验结果变量x2统计量概率值是否接受原假设hhi11.540.0002拒绝acchhi21.910.0000拒绝hhi*cycle20.970.0010拒绝hhi*state26.50.0002拒绝Maxten13.350.0000拒绝Maxten*cycle24.310.0000拒绝Maxten*state-12.350.0000拒绝F检验的假设拒绝混合效应，说明个体存在个体效应，接着根据Hausman检验判定是选择固定效应还是随机效应，因为豪斯曼检验拒绝原假设，所以建立固定效应模型。本文研究的所有变量在模型选择上都要选择个体固定效应模型。3.2.2.2贷款集中度对资产质量的影响分析本文通过eviews进行面板数据分析，在通过F检验后选择固定效应模型分析贷款集中度对银行资产质量的影响。3.2.2.2.1行业集中度对国内银行贷款风险的影响从表中的数据能够看出，当前期行业集中度指标对商业银行贷款风险的影响为正向，当期行业集中度每提高一单位，银行不良资产率会相应地提高0.22个单位，在10%的水平上显著。当考虑到行业集中度的累计效应时，样本计算了当期和上一期的的累积项，并且选择了滞后半年，此时系数在1%的水平显著为正，说明行业集中度对不良贷款率的影响具有累加性和滞后性，累加效应下的行业集中度每增加一单位，不良贷款率相应地增加0.92687，这验证了本文提出的第一个假说，信贷集中对国内银行不良贷款率有正向影响，这也意味着行业集中度对银行信贷风险有负向影响。说明在考虑到行业集中度累计效应时，对不良贷款的影响会加深。

接着考虑银行性质和行业集中度的交叉影响，行业集中度累积效应对不良贷款风险的影响系数上升到了1.214，且在5%的水平上显著，即说明行业集中度对不良贷款率的影响被明显加强了，由此，假设4“国有银行相对股份制银行的所有权性质对于信贷集中对国内上市银行信贷质量有加强影响”成立。分析其中原因，过音乐盒对于国家政策的把控和落实更为到位，对某些行业的投放偏好也更加强烈，对风险的敏感程度也比一般股份制银行要低，所以银行所有权性质会放大贷款集中度对资产质量的影响。此外，经济周期与行业集中度的交叉作用也会对商业银行风险产生加强影响，当交叉作用每增加1个单位时，银行不良率显著提高0.939个单位。即当经济处于上升周期时，行业集中度对银行不良贷款的影响加强了。由此验证了H3在经济上行周期阶段，信贷集中对于国内上市银行信贷质量会有加强影响。对于控制变量来说，例如拨备覆盖率，不管在哪种假设下，都与银行的不良资产率在1%水平上呈现显著反向关系，拨备覆盖率越高，说明银行对资产的把控越是严格，那么不良资产率越低，银行的资产质量越高。行业集中度对资产质量的模型结果nplnplnplnplhhi0.179343**(0.0295)∑m=0αmhhii（t-m）0.92687***(0.0000)0.058562***(0.0000)0.0944***(0.0000)∑m=0γmcyclet×cr（t-m）0.939014***(0.0000)∑m=0δmstatei×cri（t-m）1.214708**(0.0156)car-0.220854***(0.0000)-0.22135(0.5761)-0.239059***(0.0000)-0.210395***(0.0000)l-d-0.000733(0.7154)-0.001111***(0.0000)-0.001358(0.5116)0.002351(0.2552)coverage-0.005916***(0.0000)-0.005978***(0.0000)-0.006696***(0.0000)-0.005299***(0.0000)cycle0.005541***(0.0000)0.005992(0.0249)0.00402*(0.0777)-0.067525**(0.0298)constant-0.010342***(0.0009)-0.010348***(0.0008)-0.009821***(0.0016)-0.013177***(0.0002)Rsquare0.8800130.8798510.9262420.853689注：***、**、*分别表示其在1%、5%和10%显著水平显著。3.2.2.2.2客户集中度对国内银行贷款风险的影响本文研究客户集中度时引入了门槛模型，因为在采用简单的线性回归模型时，无法得出显著的正相关或负相关影响。本文实证研究的描述性统计结果如上表展示，最大单一客户贷款集中度的标准差为

0.031097，行业贷款集中度标准差0.009，最大单一客户贷款集中度更多地表现为异质性的个体，能够较大程度上表现出贷款集中度的微观特点，而行业贷款集中度的标准差比较小，因为行业的贷款集中度是由各个客户的集中度加总得出的。不良贷款率的标准差为0.017，相较于其他指标并不是很大，因为中银保监会一直对银行不良贷款进行严格监测，金融机构更是把不良贷款率作为最重要的监管指标。不良贷款率的最小值为0.0035，最大值为0.2357，由于2008年金融危机和2020年新冠疫情导致的全球经济遭受打击，银行资产质量差距很大，所以，选取了银行不良贷款率作为门槛变量比较合适。设定的模型如下：nplit=∑m=0αmMaxfirsti（t-m）（nplit≤θ1）+∑m=0αmMaxfirsti（t-m）（θ1≤nplit≤θ2）+∑m=0αmMaxfirsti（t-m）（nplit>θ2）+β1carit+β2l_dit+β3coverageit+β4cyclet+∑m=0γmcyclet×cri（t-m）+ui+εit本文以不良贷款率作为门槛变量，依次进行三重门槛，双重门槛的检验，得到的F统计量以及采用样本自抽样法得到的概率P值如下表所示。在样本自抽样300次的情况下，三重门槛F统计量值为0.1733效果并不显著，单一门槛和双重门槛的F统计量高度显著，对应的P值为0.000，因此，判定模型存在双重门槛效应，接着基于双重门槛进行分析。客户集中度三门槛效应检验Threshold|RSSMSEFstatProbCrit10Crit5Crit1Single|0.00970.00001117.000.000037.905454.2865117.0800Double|0.00830.000056.220.003324.579133.025847.8862Triple|0.00780.000022.130.173330.387037.249751.1802客户集中度双门槛效应检验Threshold|RSSMSEFstatProbCrit10Crit5Crit1Single|0.00970.00001117.000.000037.227553.3929109.9935Double|0.00830.000056.220.000024.054229.964839.2047本文对门槛值的估计可以通过似然比（LR）函数图来表示。门槛参数的估计值是指似然比检验统计量LR=0时的取值。存在双重门槛效应。从图形上判断，红色虚线表示95%的置信水平，曲线和虚线相交的两个交点形成了置信区间，并且是否拒绝原假设取决于一个很窄的范围区间内才有效，结合最低区间0.0175和最高区间0.0180即为对应的置信区间，最低点0.0179即为门槛值。纵轴是LR（用残差平方和转变来的），基于非拒绝做出的相交，只有相交才会存在门槛。所以，本文得出最大客户集中度与银行效率的门槛效应有两个。似然比函数图具体门槛估计值如下表所示，双重门槛估计值第一区间的门槛值为0.0241，95%的置信区间为［0.024，0.0258］，第二区间门槛值为0.0179，95%的置信区间为［0.0175，0.0180］，由于双重门槛的95%的置信区间都不包括零值，进一步说明有两个门槛值的正确性。双重门槛估计值和置信区间model|ThresholdLowerUpperTh-1|0.02410.02400.0258Th-21|0.02410.02400.0258Th-22|0.01790.01750.0180根据客户集中度和不良贷款的面板门槛效应回归结果。在不良贷款率较低资产质量较高的情况下，最大单一客户贷款集中度和不良贷款率之间呈正相关关系，系数在1%水平上显著为-0.02512。这是由于，银行最大的客户或者资金投向最集中的企业往往是大型央企，这些企业通常都有国家信用的银行的担保。客户集中度高说明优质客户比例高，可以有效降低信用风险。但在不良贷款率较高即资产质量较差的情况下，最大单一客户贷款集中度对不良贷款率的系数为0.51967且在1%水平上显著，验证了假设在资产质量本身较差的情况下，最大单一客户贷款集中度对资产质量有负向影响，这是由于当银行本身资产质量状况较差时，所做出的资金投向决策过于集中到某一家或几家客户，一旦出现违约等情况，更加会加剧不良贷款的增加。在不同的不良贷款区间内，客户集中度对资产质量的影响也有所不同，并且表现出明显的门槛特征。具体表现为当商业银行的贷款集中度越高，在资产质量较高的银行中，其本身所面临的风险较小，将贷款集中于少量优质客户，可以减低商业银行对贷款的管理成本，减少银行的投入，增强盈利的稳定性，由此进一步降低商业银行的风险。而在资产质量较差的银行中，其本身已经存在的风险较高，若此时将贷款集中于少量客户，则导致提高银行的风险，增加银行的发生损失的可能性。当考虑经济周期变量和大单一客户贷款集中度的交叉影响时，系数在1%水平上显著为0.02569，说明经济周期对于客户集中度影响资产质量的过程没有起到加强作用。因此假设不成立。当考虑银行性质和大单一客户贷款集中度的交叉影响时，交叉系数为正但并不显著，因此是否为国有银行并没有加强客户集中度对银行资产质量的影响。接着