王　瑋

(安徽新華學(xué)院 財(cái)會(huì)與金融學(xué)院，安徽 合肥 230088)

銀行業(yè)集中度、銀行規(guī)模與風(fēng)險(xiǎn)關(guān)系研究*

——基于中國(guó)16家商業(yè)銀行面板數(shù)據(jù)的實(shí)證

王瑋

(安徽新華學(xué)院 財(cái)會(huì)與金融學(xué)院，安徽 合肥 230088)

摘要：基于中國(guó)上市的16家商業(yè)銀行，以2005—2014年的面板數(shù)據(jù)為研究對(duì)象，運(yùn)用面板門(mén)限回歸進(jìn)行實(shí)證分析。研究結(jié)果表明：銀行業(yè)集中度與銀行風(fēng)險(xiǎn)的線性關(guān)系不顯著；在以資產(chǎn)規(guī)模作為門(mén)限變量時(shí)，銀行風(fēng)險(xiǎn)與銀行業(yè)集中度之間的確存在一種非線性關(guān)系，存在門(mén)限效應(yīng)，資產(chǎn)規(guī)模的門(mén)限值約為603 019 220萬(wàn)元。當(dāng)銀行資產(chǎn)規(guī)模超過(guò)該門(mén)限值時(shí)，即對(duì)大型銀行而言，銀行業(yè)集中度與銀行風(fēng)險(xiǎn)正相關(guān)關(guān)系不顯著；當(dāng)銀行資產(chǎn)規(guī)模低于該門(mén)限值時(shí)，即對(duì)小型銀行而言，銀行業(yè)集中度與銀行風(fēng)險(xiǎn)呈顯著的正相關(guān)關(guān)系。

關(guān)鍵詞：集中度；風(fēng)險(xiǎn)；門(mén)限回歸；非對(duì)稱性

隨著改革的推進(jìn)，作為中國(guó)銀行業(yè)市場(chǎng)結(jié)構(gòu)基本特征之一的市場(chǎng)集中度在逐漸下降，而主要發(fā)達(dá)國(guó)家的銀行業(yè)市場(chǎng)結(jié)構(gòu)進(jìn)一步向高集中度化發(fā)展，中國(guó)銀行業(yè)市場(chǎng)反映出的趨勢(shì)似乎背道而馳。且隨著利率市場(chǎng)化進(jìn)程的推進(jìn)，銀行業(yè)的市場(chǎng)結(jié)構(gòu)、銀行業(yè)集中度會(huì)進(jìn)一步發(fā)生變化。那么這種態(tài)勢(shì)的利與弊的判別、到底是降低還是提高集中度是金融監(jiān)管部門(mén)面臨的重要難題，也是一個(gè)急需解決的現(xiàn)實(shí)問(wèn)題。學(xué)者們都是在線性框架下展開(kāi)研究，結(jié)論也莫衷一是。此外，在衡量集中度時(shí)都基于市場(chǎng)份額，在考慮規(guī)模對(duì)銀行風(fēng)險(xiǎn)產(chǎn)生的直接影響時(shí)，忽略了銀行規(guī)模會(huì)通過(guò)影響銀行業(yè)的集中度進(jìn)一步間接影響銀行的風(fēng)險(xiǎn)，而這可能使得銀行業(yè)集中度與銀行風(fēng)險(xiǎn)可能受到規(guī)模的非對(duì)稱性影響，二者可能會(huì)呈現(xiàn)出一種非線性關(guān)系。這正是本文所要研究的問(wèn)題。本文以規(guī)模作為門(mén)限變量，擬在新的框架下研究二者之間的關(guān)系，希冀從聯(lián)合銀行的規(guī)模與銀行集中度的視角去分析銀行的風(fēng)險(xiǎn)。

一、文獻(xiàn)綜述

目前關(guān)于以銀行的資產(chǎn)規(guī)模作為門(mén)限變量，試圖尋找銀行業(yè)集中度與風(fēng)險(xiǎn)所呈現(xiàn)的非線性關(guān)系或者說(shuō)一種非對(duì)稱性關(guān)系的這樣一個(gè)視角的研究尚未發(fā)現(xiàn)，但是研究銀行業(yè)集中度與風(fēng)險(xiǎn)的研究在不斷得到更新與推進(jìn)。相比較而言，國(guó)內(nèi)的相關(guān)研究還不是很充分，且主要側(cè)重于實(shí)證研究?，F(xiàn)將國(guó)內(nèi)外相關(guān)或相類似的一些研究成果做簡(jiǎn)單的綜述。

(一)國(guó)外研究情況

1.集中度—脆弱性假說(shuō)

Mishkin認(rèn)為處于高集中度的市場(chǎng)特征中的銀行會(huì)受到“大而不倒”的政策庇護(hù)。Boyd和Nicolo從競(jìng)爭(zhēng)度的角度加以分析，指出銀行集中度越高，競(jìng)爭(zhēng)程度就越低。銀行的壟斷地位會(huì)刺激銀行采取提高貸款利率戰(zhàn)略，會(huì)產(chǎn)生新的經(jīng)營(yíng)風(fēng)險(xiǎn)，整體風(fēng)險(xiǎn)性增加。Andre Uhde和Ulrich Heimeshoff 運(yùn)用歐盟25國(guó)2 600家銀行的1997—2005年的銀行數(shù)據(jù)，采用了前五家大銀行的資產(chǎn)集中度作為集中度的代理變量，研究發(fā)現(xiàn)銀行較高的集中度與金融穩(wěn)定存在顯著負(fù)相關(guān)關(guān)系。Ali Mirzaei，Tomoe Moore和Guy Liu對(duì)40個(gè)新興經(jīng)濟(jì)體和發(fā)達(dá)國(guó)家的共1 929家銀行，基于1999—2008年的數(shù)據(jù)，實(shí)證研究表明，高集中度將降低金融系統(tǒng)的穩(wěn)定性。

2.集中度—穩(wěn)定性假說(shuō)

Keely認(rèn)為市場(chǎng)中若包含大量同質(zhì)銀行競(jìng)爭(zhēng)，則單個(gè)銀行的邊際利潤(rùn)下降，銀行為增加利潤(rùn)可能采取冒險(xiǎn)激進(jìn)行為，風(fēng)險(xiǎn)增加。Berger和Hannan運(yùn)用傳統(tǒng)的產(chǎn)業(yè)組織理論分析銀行業(yè)，提出高集中度的市場(chǎng)中的銀行更傾向于通過(guò)定價(jià)來(lái)獲取超額利潤(rùn)，而高利潤(rùn)業(yè)意味著增強(qiáng)了銀行抵御風(fēng)險(xiǎn)的能力，進(jìn)而提高了銀行的穩(wěn)健性。Allen和Gale從監(jiān)管的角度分析認(rèn)為，幾個(gè)大型商業(yè)銀行的監(jiān)管相較于眾多小型商業(yè)銀行更容易實(shí)施，這將提高監(jiān)管效率及效果，降低風(fēng)險(xiǎn)傳染的可能性，即銀行集中度的提高有利于銀行體系的穩(wěn)定。Meon和Weill認(rèn)為集中市場(chǎng)中的銀行規(guī)模相對(duì)較大，規(guī)模經(jīng)濟(jì)和范圍經(jīng)濟(jì)能夠得到充分發(fā)揮，從而能夠更有效地在功能、地理上進(jìn)行分散化投資組合，更加能夠促進(jìn)銀行業(yè)的穩(wěn)定性。Boyd和Nicolo研究發(fā)現(xiàn)，集中度較高的銀行業(yè)市場(chǎng)結(jié)構(gòu)增加了市場(chǎng)力量，會(huì)增加銀行貸款利率，繼而增加銀行利潤(rùn)，鞏固金融系統(tǒng)的穩(wěn)定性。

(二)國(guó)內(nèi)研究情況

1.集中度—穩(wěn)定性假說(shuō)

陳偉光和李雋對(duì)我國(guó)18家商業(yè)銀行，基于1997—2005年的相關(guān)數(shù)據(jù)，利用結(jié)構(gòu)性方法進(jìn)行實(shí)證分析，得出銀行業(yè)市場(chǎng)集中有利于銀行穩(wěn)定的觀點(diǎn)[1]。邱兆祥和安世友利用我國(guó)16 家代表性銀行數(shù)據(jù)，采用熵值法分析了集中度與風(fēng)險(xiǎn)的關(guān)系，實(shí)證結(jié)果表明銀行集中度越高，銀行系統(tǒng)越安全[2]。冀志斌、周先平和董迪基于中國(guó)的31個(gè)省級(jí)行政區(qū)，采用2005—2011年的數(shù)據(jù)，運(yùn)用動(dòng)態(tài)面板數(shù)據(jù)模型，對(duì)我國(guó)銀行集中度與銀行業(yè)的穩(wěn)定性進(jìn)行了分析，結(jié)果表明銀行集中度的提高有利于增強(qiáng)銀行業(yè)的穩(wěn)定性[3]。

2.集中度—脆弱性假說(shuō)

秦厲陳利用我國(guó)銀行業(yè)整體數(shù)據(jù)考察了集中度與不良貸款率的關(guān)系，支持了集中刺激冒險(xiǎn)論的觀點(diǎn)[4]。楊天宇、鐘宇平整合了1995—2010年期間的125家商業(yè)銀行的非平衡面板數(shù)據(jù)，研究了中國(guó)銀行業(yè)集中度、競(jìng)爭(zhēng)度與銀行風(fēng)險(xiǎn)之間的關(guān)系，得出我國(guó)銀行業(yè)集中度、競(jìng)爭(zhēng)度均與銀行風(fēng)險(xiǎn)呈顯著的正相關(guān)關(guān)系，支持了集中度—脆弱性假說(shuō)[5]。張曉玫、李夢(mèng)渝使用了中國(guó)26家商業(yè)銀行，基于2003—2011年的數(shù)據(jù)，驗(yàn)證了中國(guó)銀行業(yè)集中度與風(fēng)險(xiǎn)之間存在的正向相關(guān)關(guān)系[6]。

從以上文獻(xiàn)回顧中，我們不難發(fā)現(xiàn)：眾多學(xué)者對(duì)銀行業(yè)集中度與銀行風(fēng)險(xiǎn)二者關(guān)系研究不盡相同。“集中穩(wěn)定論”與“集中脆弱論”均有一定的理論和實(shí)證依據(jù)，但卻無(wú)法得到一個(gè)單一的關(guān)于二者關(guān)系的結(jié)論。造成這種原因可能是理論上的影響是多方面的，是復(fù)雜的，在實(shí)證過(guò)程中研究由于條件限制難以找到很好的變量予以綜合反映，又或是本身模型設(shè)定就存在簡(jiǎn)化。對(duì)二者關(guān)系的研究很大程度上成了一個(gè)實(shí)證問(wèn)題。因此，本文試圖從一個(gè)方面繼續(xù)對(duì)二者關(guān)系進(jìn)行研究。

二、模型、數(shù)據(jù)和方法

(一)模型設(shè)定

1.線性模型設(shè)定

在模型的設(shè)定上，本文延續(xù)了學(xué)者們的基本思路，在模型中引入銀行業(yè)集中度作為主要解釋變量來(lái)考察其對(duì)風(fēng)險(xiǎn)的影響。同時(shí)還引入了其他一些控制變量，如銀行規(guī)模、銀行效率等銀行具備的自身層面的特征，來(lái)控制其他變量對(duì)銀行風(fēng)險(xiǎn)的影響。主要的線性模型設(shè)定如下：

(1)

其中，riski,t表示銀行i在t時(shí)期所受的風(fēng)險(xiǎn)大小，x表示其他的控制變量。

具體可表示為：

riski,t=c+αhhi+β1ea+β2ic+β3a+β4roe

(2)

2. 面板門(mén)限回歸模型的設(shè)定

除上述的模型之外，本文考慮到銀行的絕對(duì)規(guī)?？赡軒?lái)銀行業(yè)集中度與風(fēng)險(xiǎn)非線性關(guān)聯(lián)。鑒于門(mén)限面板回歸的基本意圖是檢驗(yàn)并刻畫(huà)當(dāng)門(mén)限變量值高于或低于門(mén)限值時(shí)，解釋變量對(duì)被解釋變量的作用是否改變以及如何改變。因此，本文試圖利用以“變量”為結(jié)構(gòu)轉(zhuǎn)折點(diǎn)的一種非線性研究方法——門(mén)限模型，做進(jìn)一步探討。即在上述線性模型的基礎(chǔ)上，以銀行規(guī)模變量a作為門(mén)限變量來(lái)考察這種非對(duì)稱性影響。即銀行規(guī)模達(dá)到某一門(mén)限值前后，銀行業(yè)集中度對(duì)風(fēng)險(xiǎn)的影響方向及大小將會(huì)出現(xiàn)差異性。本文利用Hansen專門(mén)研究的帶有個(gè)體固定效應(yīng)的面板門(mén)限效應(yīng)回歸方法來(lái)研究這種非線性關(guān)系。門(mén)限回歸可視作分組檢驗(yàn)的延伸與擴(kuò)展，可以避免主觀性。具體模型設(shè)定如下：

(3)

其中，門(mén)限變量為銀行規(guī)模a，I(·)是一個(gè)示性函數(shù)，根據(jù)門(mén)限變量的取值而定，用銀行規(guī)模作為門(mén)限變量來(lái)量化銀行業(yè)集中度與風(fēng)險(xiǎn)之間的非線性關(guān)系[7]。假設(shè)存在一個(gè)特定的門(mén)檻值γ，即單門(mén)限模型情形下，可以表示成：

β2ea+β3ic+β4roe+β5a+

(4)

顯而易見(jiàn)，該模型是一個(gè)分段函數(shù)模型：當(dāng)a≤γ時(shí)，hhi對(duì)應(yīng)的系數(shù)為β11；而當(dāng)a≥γ時(shí)，hhi對(duì)應(yīng)的系數(shù)為β22。而在線性假設(shè)下，β11=β12。

(二)變量選取及介紹

1.被解釋變量

在考慮中國(guó)銀行業(yè)風(fēng)險(xiǎn)狀況及研究需要的基礎(chǔ)上，本文選取了銀行的不良貸款率作為其風(fēng)險(xiǎn)的代理變量。具體的原因有以下幾點(diǎn)：第一，考慮到中國(guó)銀行業(yè)的實(shí)際狀況，現(xiàn)階段銀行業(yè)面臨的風(fēng)險(xiǎn)仍是信用風(fēng)險(xiǎn)為主；第二，本文在選取銀行的規(guī)模以及在衡量銀行業(yè)集中度指標(biāo)時(shí)，選用的都是銀行的資產(chǎn)規(guī)模，因此在考慮銀行規(guī)模及銀行業(yè)集中度對(duì)銀行風(fēng)險(xiǎn)的影響時(shí)，選用以資產(chǎn)質(zhì)量來(lái)衡量銀行的風(fēng)險(xiǎn)具有一致性。

2.解釋變量

對(duì)于銀行業(yè)集中度，本文使用HHI指數(shù)進(jìn)行衡量。在同一時(shí)期t，銀行業(yè)集中度對(duì)所有銀行而言是相同的。HHI指數(shù)表示如下：

(5)

其中，n表示該行業(yè)企業(yè)的總數(shù)，si表示第i個(gè)企業(yè)的市場(chǎng)份額。

3.控制變量介紹與符號(hào)預(yù)測(cè)

(1)ROE

銀行的盈利能力是影響銀行風(fēng)險(xiǎn)的重要因素，銀行的盈利能力越強(qiáng)，銀行的管理水平越好，銀行可用于彌補(bǔ)核心資本的留存收益越多，保障性越強(qiáng)，抵抗風(fēng)險(xiǎn)能力越強(qiáng)。本文選用ROE加權(quán)平均值作為盈利能力的代理變量。系數(shù)符號(hào)一般為負(fù)。

(2)A

銀行的規(guī)模是決定銀行風(fēng)險(xiǎn)的關(guān)鍵因素之一?！按蠖坏埂薄⒁?guī)模經(jīng)濟(jì)、聲譽(yù)價(jià)值等等，這些都無(wú)疑肯定規(guī)模帶來(lái)的遞增的經(jīng)濟(jì)效益與遞減的風(fēng)險(xiǎn)負(fù)擔(dān)。但銀行規(guī)模越大，政府的隱性保護(hù)預(yù)期越強(qiáng)，市場(chǎng)約束力越弱，這些會(huì)刺激銀行的冒險(xiǎn)行為。大銀行管理上的難度、道德風(fēng)險(xiǎn)等也加大了其自身的風(fēng)險(xiǎn)性。因此，本文以銀行的資產(chǎn)規(guī)模并取對(duì)數(shù)作為其代理變量，希冀對(duì)規(guī)模的影響進(jìn)行進(jìn)一步研究。

(3)DIV

銀行業(yè)務(wù)的多元性受到越來(lái)越多的關(guān)注，其對(duì)風(fēng)險(xiǎn)具有一定的影響性。近年來(lái)我國(guó)商業(yè)銀行中間業(yè)務(wù)收入成為其利潤(rùn)強(qiáng)有力的支撐。盡管非利息收入具有較高的收益，但非利息收入的增加對(duì)應(yīng)的是各種金融工具的創(chuàng)新，風(fēng)險(xiǎn)的加劇，多樣化經(jīng)營(yíng)程度提高會(huì)加大銀行面臨的風(fēng)險(xiǎn)[8]。本文選用非利息凈收入占凈利息收入的比例來(lái)衡量銀行的多元化經(jīng)營(yíng)程度。系數(shù)一般為正。

(4)EA

本文采用了凈資本占總資產(chǎn)的比值來(lái)衡量銀行的股東權(quán)益比例，體現(xiàn)了銀行的資本結(jié)構(gòu)，也反映了銀行對(duì)風(fēng)險(xiǎn)的厭惡水平。當(dāng)銀行的這一比率提高，即杠桿率降低時(shí)，銀行抵御外部沖擊、防范資產(chǎn)等風(fēng)險(xiǎn)的能力將得到提升。因此，該變量對(duì)應(yīng)的系數(shù)一般為負(fù)。

(5)IC

本文選用利息收入占貸款總額之比來(lái)衡量銀行貸款的效率。一般而言，銀行的高效率經(jīng)營(yíng)能夠降低銀行面臨的風(fēng)險(xiǎn)。因此，該變量對(duì)應(yīng)的系數(shù)一般為負(fù)。

(6)L/D

存貸比反映的是銀行經(jīng)營(yíng)情況，存貸比過(guò)低，可能意味著銀行缺乏投資和放貸機(jī)會(huì)，表明銀行資產(chǎn)的利用效率低下，銀行的成本會(huì)相應(yīng)增加，盈利能力下降，風(fēng)險(xiǎn)加大；反之，過(guò)高的存貸比則意味著銀行可能過(guò)于冒險(xiǎn)，鑒于貸款的流動(dòng)性相對(duì)較差，占用大量資金來(lái)源，會(huì)帶來(lái)潛在的支付風(fēng)險(xiǎn)，容易使自身處于流動(dòng)性風(fēng)險(xiǎn)之中[9]。因此，該控制變量的系數(shù)符號(hào)無(wú)法給予確切的估計(jì)。

(三)數(shù)據(jù)來(lái)源及描述性統(tǒng)計(jì)

1.數(shù)據(jù)來(lái)源

本文以16家上市銀行作為研究樣本。鑒于數(shù)據(jù)的可得性，本文選取的時(shí)間跨度為2005—2014年。從各銀行年報(bào)中收集相關(guān)財(cái)務(wù)指標(biāo)，除此之外，文中其余的變量的數(shù)據(jù)均來(lái)自Wind數(shù)據(jù)庫(kù)以及中經(jīng)網(wǎng)。

2.描述性統(tǒng)計(jì)

在進(jìn)行具體分析之前，本文對(duì)所選取的變量做簡(jiǎn)單的描述性統(tǒng)計(jì)，以便對(duì)所選取的變量在量上有一定的認(rèn)識(shí)。具體見(jiàn)表1。

表1　變量的描述性統(tǒng)計(jì)結(jié)果

3.銀行業(yè)集中度現(xiàn)狀

本文使用資產(chǎn)赫芬達(dá)爾指數(shù)刻畫(huà)銀行的集中度?？梢园l(fā)現(xiàn)：近幾年，銀行業(yè)集中度呈現(xiàn)不斷下降的趨勢(shì)，具體見(jiàn)圖1。

圖1　用HHI指數(shù)衡量的銀行業(yè)集中度

三、實(shí)證結(jié)果及分析

(一)單位根檢驗(yàn)

避免非平穩(wěn)面板數(shù)據(jù)而導(dǎo)致出現(xiàn)偽回歸問(wèn)題，在回歸前對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，得到表2。

表2　單位根檢驗(yàn)

注：***、**、*分別表示在1%、5%和10%的顯著性水平下拒絕含有單位根的原假設(shè)。

通過(guò)上表不難發(fā)現(xiàn)：所有涉及的變量的原序列不存在單位根，即原序列平穩(wěn)。

(二)線性回歸模型

混合效應(yīng)模型和個(gè)體固定效應(yīng)模型的選擇性問(wèn)題可以通過(guò)F檢驗(yàn)來(lái)解決，經(jīng)計(jì)算得F=4.9235>F(N-1，NT-N-k)=F(8,128)，在1%、5%、10%的顯著性水平下均成立，則拒絕原假設(shè)，即應(yīng)該建立個(gè)體固定效應(yīng)模型。

此外，通過(guò)Hausman檢驗(yàn)結(jié)果：卡方值為26.04，相伴概率為0.000 5，則在1%的顯著性水平下拒絕原假設(shè)，即應(yīng)采用個(gè)體固定效應(yīng)模型。

綜上所述，本文模型采用個(gè)體固定效應(yīng)模型進(jìn)行擬合。

(三)線性模型回歸檢驗(yàn)

在前面檢驗(yàn)的基礎(chǔ)上，以及通過(guò)stata12.0軟件的xttest3及xtserial命令，檢驗(yàn)出存在異方差和序列相關(guān)。具體如下：

第一，對(duì)于固定效應(yīng)模型，xttest3命令得到的卡方值為818.29，相伴概率為0.000 0，則拒絕原假設(shè)，即存在異方差。

第二，對(duì)于固定效應(yīng)模型，xtserial命令得到F(1,15)=89.780，對(duì)應(yīng)的概率為0.000 0，則拒絕原假設(shè)，即存在序列相關(guān)。

因此，本文采用stata12.0軟件中可以得到固定效應(yīng)模型的穩(wěn)健性標(biāo)準(zhǔn)差，并同時(shí)糾正異方差和自相關(guān)問(wèn)題的xtscc命令對(duì)其進(jìn)行系數(shù)估計(jì)。估計(jì)結(jié)果如表3所示。

表3　系數(shù)及相關(guān)統(tǒng)計(jì)量

注：***，**，*分別表示在1%、5%和10%的顯著性水平下顯著。

通過(guò)上表發(fā)現(xiàn)：在銀行業(yè)集中度與銀行的風(fēng)險(xiǎn)的線性關(guān)系擬合中，二者的正向關(guān)系不顯著。因此，鑒于錯(cuò)誤的模型設(shè)定可能難以擬合二者關(guān)系，在此進(jìn)一步提出假設(shè)：二者可能存在非線性關(guān)系，銀行的絕對(duì)規(guī)模會(huì)對(duì)二者的關(guān)系產(chǎn)生非對(duì)稱性影響。

(四)風(fēng)險(xiǎn) (RISK)與交互項(xiàng)(HHI×A)分析

根據(jù)銀行業(yè)集中度的計(jì)算公式可知銀行的規(guī)模是決定銀行業(yè)集中度的重要因素。且考慮到本文所選取的樣本都是上市的商業(yè)銀行，規(guī)模都十分龐大。因此，銀行業(yè)的規(guī)模不僅會(huì)通過(guò)自身直接影響銀行的風(fēng)險(xiǎn)，而且通過(guò)銀行業(yè)集中度間接影響銀行的風(fēng)險(xiǎn)。則可能會(huì)呈現(xiàn)一種“交互作用的偏效應(yīng)”。因此，本文在線性模型的基礎(chǔ)上對(duì)這種交互效應(yīng)是否存在進(jìn)行研究。首先，通過(guò)銀行風(fēng)險(xiǎn)與規(guī)模和銀行業(yè)集中度的交互項(xiàng)(HHI×A)的散點(diǎn)圖進(jìn)行初步分析。

通過(guò)圖2發(fā)現(xiàn)：銀行風(fēng)險(xiǎn)與交互項(xiàng)HA(HHI×A)存在一定的線性關(guān)系，且二者的變化趨勢(shì)相同。說(shuō)明當(dāng)銀行業(yè)的集中度不變時(shí)，銀行資產(chǎn)規(guī)模的大小可能會(huì)通過(guò)集中度進(jìn)一步影響銀行的風(fēng)險(xiǎn)。因此，可以初步證實(shí)規(guī)模與集中度的交互項(xiàng)對(duì)銀行的風(fēng)險(xiǎn)將產(chǎn)生影響，銀行的規(guī)?？赡軙?huì)通過(guò)銀行業(yè)集中度對(duì)銀行的風(fēng)險(xiǎn)產(chǎn)生影響。因此，接下來(lái)做進(jìn)一步驗(yàn)證。

(五)加入交互項(xiàng)的線性回歸結(jié)果

由于銀行業(yè)集中度對(duì)風(fēng)險(xiǎn)的偏效應(yīng)可能取決于銀行規(guī)模的大小時(shí)，應(yīng)該在模型中加入這兩個(gè)變量的交互項(xiàng)來(lái)進(jìn)行進(jìn)一步分析。若不引入二者的交互項(xiàng)，將會(huì)產(chǎn)生遺漏變量問(wèn)題，進(jìn)而無(wú)法得到有關(guān)風(fēng)險(xiǎn)的無(wú)偏估計(jì)。

圖2　銀行風(fēng)險(xiǎn)與HA的散點(diǎn)圖

根據(jù)：F=4.0538>F(8,127)，在1%、5%、10%的顯著性水平下均成立；Hausman檢驗(yàn)得到卡方值為68.89，P值為0.000 00。模型采用個(gè)體固定效應(yīng)模型進(jìn)行擬合?；貧w結(jié)果如表4所示。

表4　系數(shù)及相關(guān)統(tǒng)計(jì)量

通過(guò)表4可以發(fā)現(xiàn)：HA對(duì)應(yīng)的系數(shù)均顯著，所以能夠直接得到交互項(xiàng)及交互項(xiàng)作為一個(gè)解釋變量的偏效應(yīng)，此處為0.663 0。再一次證實(shí)了交互效應(yīng)顯著存在，且HA的系數(shù)為正。為了進(jìn)一步量化資產(chǎn)規(guī)模帶來(lái)的非對(duì)稱性影響，本文以資產(chǎn)規(guī)模作為門(mén)限量得出非線性模型，做更深入分析。

(六) 非線性模型回歸

1.門(mén)限值

本文接著以銀行的絕對(duì)規(guī)模(此處采用的是資產(chǎn)的絕對(duì)規(guī)模)作為門(mén)限變量，進(jìn)行門(mén)限效應(yīng)檢驗(yàn)，如果存在，再作進(jìn)一步估計(jì)。本文采取自取抽樣法(Bootstrap)，自舉次數(shù)為3 000。經(jīng)過(guò)stata12.0軟件的操作得出門(mén)限效應(yīng)的檢驗(yàn)結(jié)果。

表5　門(mén)限效應(yīng)檢驗(yàn)

上述結(jié)果表明：?jiǎn)伍T(mén)限與雙門(mén)限效應(yīng)均在1%的顯著性水平下顯著。存在一個(gè)門(mén)限值時(shí)，為29.427 8，即ln A=29.427 8，對(duì)應(yīng)的資產(chǎn)規(guī)模為603 019 220 萬(wàn)元。存在兩個(gè)門(mén)限值時(shí)，分別為29.427 8及29.929 6，即資產(chǎn)規(guī)模為603 019 220 萬(wàn)元及996 001 805萬(wàn)元。因此,銀行業(yè)集中度與銀行風(fēng)險(xiǎn)的關(guān)系受到銀行規(guī)模的影響而呈現(xiàn)非線性的假設(shè)得到驗(yàn)證。

表6　門(mén)限估計(jì)值和置信區(qū)間

結(jié)合2014年年底銀行的資產(chǎn)規(guī)模情況：達(dá)到603 019 220萬(wàn)元的規(guī)模的銀行僅為除交通銀行除外的四家國(guó)有商業(yè)銀行。處于603 019 220萬(wàn)元與996 001 805萬(wàn)元之間的銀行數(shù)量為0。超過(guò)996 001 805 萬(wàn)元的銀行也為除交通銀行之外的四家國(guó)有銀行。且由于本文的樣本量相對(duì)較小，一般情況下也不考慮兩個(gè)門(mén)限值的情況。鑒于此，僅考慮一個(gè)門(mén)限值的情況。

(2)門(mén)限真實(shí)性檢驗(yàn)

圖3　 LR圖

(3)面板門(mén)限回歸結(jié)果及相應(yīng)的分析

使用含個(gè)體固定效應(yīng)模型估計(jì)各個(gè)解釋變量的系數(shù)及其對(duì)應(yīng)的標(biāo)準(zhǔn)差，表7給出了變量的回歸系數(shù)估計(jì)結(jié)果和相應(yīng)的顯著性檢驗(yàn)結(jié)果。

門(mén)限回歸結(jié)果表明：HHI1與HHI2的系數(shù)的差異性證實(shí)了非線性關(guān)系。當(dāng)銀行資產(chǎn)規(guī)模小于門(mén)限值，銀行業(yè)集中度對(duì)其影響顯著為正，銀行業(yè)集中度越高，銀行風(fēng)險(xiǎn)越大；而當(dāng)銀行資產(chǎn)規(guī)模超過(guò)門(mén)限值，銀行業(yè)集中度與風(fēng)險(xiǎn)的正相關(guān)關(guān)系不顯著，銀行業(yè)集中度對(duì)其風(fēng)險(xiǎn)而言可能不再是重要因素。說(shuō)明在突破規(guī)模限制之后，即使是在高集中度的市場(chǎng)環(huán)境下，鑒于銀行業(yè)集中度與規(guī)模的交互作用機(jī)制，催生出的大型商業(yè)銀行可以充分利用“大而不倒”的優(yōu)勢(shì)，通過(guò)其強(qiáng)大的市場(chǎng)力量挖掘客戶，擴(kuò)大利差，從而不受高集中度的市場(chǎng)環(huán)境制約。

表7　門(mén)限回歸結(jié)果

注：1.***、**、*分別表示在1%、5%和10%的顯著性水平下顯著；2. HHI1、HHI2分別表示門(mén)限變量小于門(mén)檻值，門(mén)限變量大于門(mén)檻值情況下的變量名。

銀行的資產(chǎn)規(guī)模對(duì)應(yīng)的系數(shù)為負(fù)，但并不顯著。我國(guó)商業(yè)銀行存在規(guī)模經(jīng)濟(jì)、聲譽(yù)價(jià)值等，但是大規(guī)模也會(huì)帶來(lái)管理上的難度，刺激商業(yè)銀行的冒險(xiǎn)行為。不能僅僅依靠絕對(duì)規(guī)模判斷風(fēng)險(xiǎn)大小。當(dāng)規(guī)模相對(duì)于現(xiàn)行的技術(shù)條件和管理水平下來(lái)說(shuō)過(guò)大時(shí)，將會(huì)增加風(fēng)險(xiǎn)；而規(guī)模相對(duì)于現(xiàn)行的技術(shù)條件和管理水平處于可控范圍之內(nèi)時(shí)，規(guī)模將會(huì)發(fā)揮優(yōu)勢(shì)，降低銀行的風(fēng)險(xiǎn)性。因此規(guī)模大小對(duì)風(fēng)險(xiǎn)的影響效果并不能僅依賴于絕對(duì)值大小進(jìn)行判斷，規(guī)模的影響在銀行間也存在差異性。

銀行的存貸比(L/D)對(duì)應(yīng)的系數(shù)顯著為正，存貸比越高，表明銀行的風(fēng)險(xiǎn)越大?？紤]到所選取的風(fēng)險(xiǎn)的代理變量是銀行的不良貸款率，則高水平的存貸比意味著銀行可能為追求過(guò)度放貸，在冒險(xiǎn)的同時(shí)相應(yīng)地增加了流動(dòng)性風(fēng)險(xiǎn)及帶來(lái)不良貸款率的上升。

銀行的產(chǎn)權(quán)比率(EA)的系數(shù)顯著為負(fù)，表明銀行的產(chǎn)權(quán)比率越高，銀行的風(fēng)險(xiǎn)越低；銀行的凈資產(chǎn)收益率(ROE)的系數(shù)顯著為負(fù)，表明銀行的收益率越高，風(fēng)險(xiǎn)越小；銀行的多樣化經(jīng)營(yíng)程度(DIV)的相應(yīng)系數(shù)顯著為正，表明銀行的非利息凈收入占凈利息收入比例越高，銀行經(jīng)營(yíng)業(yè)務(wù)的廣泛及復(fù)雜性，會(huì)帶來(lái)新的風(fēng)險(xiǎn)隱患，帶來(lái)風(fēng)險(xiǎn)的遞增。以上三個(gè)控制變量的系數(shù)符號(hào)與前文基于理論所做的預(yù)測(cè)相一致，在此不做贅述。

以利息收入占貸款總額為代表的銀行效率(IC)的系數(shù)為正，與前文的預(yù)測(cè)符號(hào)相反，這并不矛盾。因?yàn)榻Y(jié)合本文選取的IC的具體含義，利息收入占貸款總額在一定程度上反映了一家銀行的貸款利率水平。在貸款總額一定的情況下，利息收入越高，相應(yīng)的貸款利率越高，但過(guò)高的貸款利率在帶來(lái)收益的同時(shí)會(huì)加大收款的風(fēng)險(xiǎn)，即增加了不良貸款發(fā)生的概率。

四、穩(wěn)健性檢驗(yàn)

通過(guò)分樣本回歸，進(jìn)行非線性估計(jì)，門(mén)限值lnA=29.4278將銀行分割為大型及小型銀行兩個(gè)類別。現(xiàn)對(duì)兩個(gè)樣本分別回歸(考慮交互項(xiàng))。

(一)大型商業(yè)銀行

在相關(guān)檢驗(yàn)的基礎(chǔ)上，建立個(gè)體固定效應(yīng)模型的穩(wěn)健性回歸，得到表8：

表8　大型商業(yè)銀行樣本回歸結(jié)果

注：***，**，*分別表示在1%、5%和10%的顯著性水平下顯著。

(二)小型商業(yè)銀行

在相關(guān)檢驗(yàn)的基礎(chǔ)上，采用修正隨機(jī)效應(yīng)的廣義最小二乘法進(jìn)行回歸，得到表9：

表9　小商業(yè)銀行樣本回歸結(jié)果

注：***，**，*分別表示在1%、5%和10%的顯著性水平下顯著。

上面兩表中的 HA系數(shù)不顯著，在此情形下，可以直接從主效應(yīng)的顯著性、方向及大小來(lái)判斷自變量對(duì)因變量作用的方向及性質(zhì)。HHI對(duì)應(yīng)的系數(shù)情況與前面分析一致，結(jié)果具有穩(wěn)健性與說(shuō)服力。

以大型商業(yè)銀行作為樣本回歸得到：銀行業(yè)集中度對(duì)銀行的風(fēng)險(xiǎn)的影響系數(shù)并不顯著。銀行業(yè)的集中度越高，在開(kāi)放經(jīng)濟(jì)以及外部經(jīng)濟(jì)不確定的情況下，金融力量的集中，對(duì)于高資產(chǎn)規(guī)模的銀行來(lái)說(shuō)，對(duì)抗危機(jī)的能力也得到加強(qiáng)。這都會(huì)抵消銀行業(yè)集中度的風(fēng)險(xiǎn)性，使之不再成為重要的風(fēng)險(xiǎn)因素。

對(duì)于小型商業(yè)銀行，銀行業(yè)的集中度與銀行的風(fēng)險(xiǎn)呈顯著正向關(guān)系。因此，在銀行的規(guī)模沒(méi)有超越門(mén)限值時(shí)，銀行業(yè)的集中度越高，銀行的風(fēng)險(xiǎn)越大。銀行業(yè)集中度作為銀行生存的一種中觀因素，在銀行規(guī)模相對(duì)較小的時(shí)候，其抵御大銀行的沖擊能力較弱。且在高度集中的銀行業(yè)市場(chǎng)，政府的監(jiān)管方式和內(nèi)容可能因大型商業(yè)銀行結(jié)合的利益集團(tuán)的影響而發(fā)生偏向性，在一定程度上加大小型商業(yè)銀行的風(fēng)險(xiǎn)。

五、結(jié)論

本文通過(guò)對(duì)16家上市銀行2005—2014年的面板數(shù)據(jù)進(jìn)行分析，認(rèn)為銀行業(yè)集中度與風(fēng)險(xiǎn)的關(guān)系受到銀行規(guī)模的影響，結(jié)合規(guī)模的分析更有意義。銀行自身的規(guī)模對(duì)銀行業(yè)集中度與銀行風(fēng)險(xiǎn)二者關(guān)系產(chǎn)生非對(duì)稱的影響，本文通過(guò)以設(shè)定銀行規(guī)模為門(mén)限變量，利用面板門(mén)限回歸模型主要對(duì)三者之間的關(guān)系進(jìn)行了量化研究。概括來(lái)說(shuō)，具體得出了以下結(jié)論：

第一，通過(guò)利用HHI指數(shù)及CR4指標(biāo)的度量及圖形的刻畫(huà)，在此基礎(chǔ)上發(fā)現(xiàn)中國(guó)銀行業(yè)的集中度呈現(xiàn)下降的趨勢(shì)，四大國(guó)有商業(yè)銀行的規(guī)模占比在逐步降低。

第二，銀行的規(guī)模對(duì)銀行業(yè)集中度與銀行風(fēng)險(xiǎn)的關(guān)系產(chǎn)生變化的閾值是603 019 220萬(wàn)元，以此將銀行業(yè)劃分為大型商業(yè)銀行與小型商業(yè)銀行，銀行業(yè)集中度與風(fēng)險(xiǎn)的關(guān)系受到銀行規(guī)模的非對(duì)稱性影響。

第三，銀行應(yīng)該差別對(duì)待銀行業(yè)集中度變化帶來(lái)的風(fēng)險(xiǎn)。當(dāng)銀行的資產(chǎn)規(guī)模達(dá)到門(mén)限值時(shí)，銀行業(yè)集中度與銀行風(fēng)險(xiǎn)正向關(guān)系不顯著，即銀行業(yè)集中度的高低對(duì)銀行的風(fēng)險(xiǎn)的影響不再重大。當(dāng)資產(chǎn)規(guī)模低于門(mén)限值時(shí)，銀行業(yè)集中度與風(fēng)險(xiǎn)呈現(xiàn)正向關(guān)系。

第四，銀行業(yè)集中度與銀行規(guī)模的交互項(xiàng)(HA)的偏效應(yīng)對(duì)整個(gè)樣本而言，是存在的。交互項(xiàng)對(duì)應(yīng)的系數(shù)顯著為正，表明：銀行的規(guī)模在直接對(duì)風(fēng)險(xiǎn)產(chǎn)生影響的同時(shí)，還會(huì)通過(guò)銀行業(yè)集中度對(duì)風(fēng)險(xiǎn)產(chǎn)生間接影響。

參考文獻(xiàn)：

[1] 陳偉光，李雋. 商業(yè)銀行體系穩(wěn)定性與競(jìng)爭(zhēng)程度之測(cè)度研究[J]. 現(xiàn)代財(cái)經(jīng)，2007(4)： 14-17.

[2] 邱兆祥，安世友. 關(guān)于中國(guó)銀行集中度風(fēng)險(xiǎn)的實(shí)證研究[J]. 經(jīng)濟(jì)與管理研究，2012(4)： 79-84.

[3] 冀志斌， 周先平，董迪. 銀行集中度與銀行業(yè)穩(wěn)定性——基于中國(guó)省際面板數(shù)據(jù)的分析[J]. 宏觀經(jīng)濟(jì)研究， 2013(11)：37-45.

[4] 秦厲陳. 中國(guó)銀行業(yè)市場(chǎng)集中度影響因素及趨勢(shì)分析[J]. 經(jīng)濟(jì)與管理，2007(6)： 13-18.

[5] 楊天宇，鐘宇平. 中國(guó)銀行業(yè)的集中度、競(jìng)爭(zhēng)度與銀行風(fēng)險(xiǎn)[J]. 金融研究，2013(1)：122-134.

[6] 李夢(mèng)渝.銀行業(yè)市場(chǎng)競(jìng)爭(zhēng)結(jié)構(gòu)與信用風(fēng)險(xiǎn)的關(guān)系研究 ——基于中國(guó)26家商業(yè)銀行面板數(shù)據(jù)的實(shí)證[D].成都：西南財(cái)經(jīng)大學(xué)，2013：11-12.

[7] JIMENEZ G, LOPEZ J A , SAURINA J, How does competition affect bank risk-taking? [J].Journal of Financial Stability,2013,9(2):185-195.

[8] MARTINEZ-MIERA D，REPULLO R. Does Competition reduce the risk of bank failure? [R]Review of Financial Studies , 2010,23(10):3638-3664.

[9] DE NICOLO G, LOUKOIANOVA E. Bank ownership, market structure and risk[R]. Monetary Fund Working Paper, 2007：215.

The Relations among Concentration Ratio of Banking Industry, Bank Size and Bank Risks:An Empirical Study Based on the Panel Data of 16 Commercial Banks

WANG Wei

(School of Accounting and Finance, Anhui Xinhua University, Hefei 230088, China)

Abstract:This paper investigates the relations among concentration ratio of banking industry, bank size and bank risks through panel threshold regression analysis and based on the panel data of 16 listed commercial banks in China from 2005 to 2014. The results indicate that the linear relationship between concentration ratio and bank risks is not significant; there does exist a nonlinear relationship between concentration ratio and bank risks and exist a threshold effect when asset size of banks is regarded as the threshold variable, with the threshold value being about 603019.22 million yuan. When asset size exceeds the threshold value, especially for large banks, the positive correlation between concentration ratio and bank risks is not significant, and when asset size is lower than the threshold value, especially for small-sized banks, there is a positive correlation between concentration ratio and bank risks.

Key words:concentration ratio; risks; threshold regression; asymmetry

收稿日期：2015-12-08

基金項(xiàng)目：教育部博士點(diǎn)基金項(xiàng)目(20133402110040：《創(chuàng)業(yè)的心智模式與企業(yè)家隱性知識(shí)學(xué)習(xí)的作用機(jī)理研究》)；安徽省質(zhì)量工程建設(shè)項(xiàng)目(2014jyxm409 ：《轉(zhuǎn)型背景下地方本科高校青年教師專業(yè)發(fā)展研究》)

作者簡(jiǎn)介：王瑋(1981-)，女，安徽桐城人，安徽新華學(xué)院財(cái)會(huì)與金融學(xué)院講師，碩士。

中圖分類號(hào)：F832.33

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-2463 (2016)03-0054-08