商業(yè)銀行貸款集中度對(duì)不良貸款率的影響

魏曉琴，張祥娟

（中國(guó)海洋大學(xué) 經(jīng)濟(jì)學(xué)院，山東 青島 266100）

在經(jīng)濟(jì)增長(zhǎng)乏力背景下，中國(guó)銀行業(yè)風(fēng)險(xiǎn)也在加大。根據(jù)銀監(jiān)會(huì)統(tǒng)計(jì)，截至2014年上半年，中國(guó)銀行業(yè)金融機(jī)構(gòu)不良貸款余額6943億元，較2013年年底上升1022億元，已超過(guò)2013年全年不良貸款增加規(guī)模的992億元。其中，16家上市商業(yè)銀行不良貸款余額達(dá)5580億元，不良貸款余額和不良貸款率雙升。為有效遏制不良貸款問(wèn)題，各家銀行紛紛查找問(wèn)題根源，采取相應(yīng)措施。其中遏制貸款集中問(wèn)題被各家銀行高度關(guān)注。本文采用行業(yè)集中度、地區(qū)集中度和客戶集中度三個(gè)變量來(lái)測(cè)算國(guó)有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行三類(lèi)銀行的貸款集中度，并通過(guò)建立回歸模型對(duì)比分析這三類(lèi)銀行的貸款集中對(duì)不良貸款率的影響。

一、相關(guān)文獻(xiàn)綜述

對(duì)于貸款集中度與不良貸款率的關(guān)系問(wèn)題，已有不少學(xué)者已經(jīng)進(jìn)行了大量研究。主要可以分為以下五個(gè)方面：

一是貸款集中度的內(nèi)涵。Fiseher（1993）認(rèn)為貸款集中主要指貸款的投放及貸款金額的集中度。而L.Douglas Smith 和 Edward C.Lawronce（1995）認(rèn)為貸款集中是指貸款的長(zhǎng)期性趨勢(shì)，并通過(guò)關(guān)注貸款的長(zhǎng)期性趨向所帶來(lái)的貸款集中度風(fēng)險(xiǎn)，得出貸款的長(zhǎng)期性趨向容易導(dǎo)致銀行的流動(dòng)性風(fēng)險(xiǎn)。徐進(jìn)前（2002）認(rèn)為貸款集中是非均衡條件下信貸資源配置的一種方式。

二是貸款集中的成因。G.Hwan Shin，James W.Kolari（2004）通過(guò)對(duì)日本信貸市場(chǎng)的研究發(fā)現(xiàn)，日本商業(yè)銀行在投放貸款時(shí)，對(duì)貸款進(jìn)行了等級(jí)劃分，等級(jí)越高，貸款集中現(xiàn)象越明顯，這種現(xiàn)象是由信息的不完全所導(dǎo)致，銀行對(duì)于等級(jí)較高的企業(yè)投放更多的貸款。孫琴月（2008）在研究中分析了信貸集中產(chǎn)生的原因，主要包括國(guó)家政策的干預(yù)、銀行經(jīng)營(yíng)觀念的轉(zhuǎn)變、信貸管理體制高度集中、銀行間惡性競(jìng)爭(zhēng)等，著重揭示了商業(yè)銀行貸款集中現(xiàn)象所帶來(lái)的負(fù)面影響。

三是貸款集中帶來(lái)的風(fēng)險(xiǎn)及監(jiān)管。Schwaiger and Gerhard Winkler（2009）利用奧地利大型商業(yè)銀行1997～2003年間的數(shù)據(jù)分析了銀行貸款投向行業(yè)及規(guī)模的多元化對(duì)風(fēng)險(xiǎn)、成本收益的影響，發(fā)現(xiàn)雖然貸款多元化提高了銀行成本，但降低了銀行風(fēng)險(xiǎn)并提高了收益，并且貸款多元化對(duì)銀行的資本化也是有利的。毛永斌等（2007）對(duì)房地產(chǎn)貸款集中度風(fēng)險(xiǎn)進(jìn)行分析，發(fā)現(xiàn)商業(yè)銀行房地產(chǎn)貸款集中度越高，其風(fēng)險(xiǎn)引發(fā)的危害越大。顏新秀、王睿（2010）分析了新資本協(xié)議中對(duì)貸款集中度的監(jiān)管要求，總結(jié)了集中度風(fēng)險(xiǎn)計(jì)量的方法及國(guó)際經(jīng)驗(yàn)，并提出了對(duì)我國(guó)銀行業(yè)貸款集中度風(fēng)險(xiǎn)計(jì)量與監(jiān)管的啟示。

四是對(duì)貸款集中的測(cè)算。呂姝儀（2009）采用絕對(duì)集中度、赫芬達(dá)爾指數(shù)兩個(gè)指標(biāo)，通過(guò)對(duì)市場(chǎng)結(jié)構(gòu)類(lèi)型進(jìn)行劃分，對(duì)我國(guó)投資銀行業(yè)主要業(yè)務(wù)以及整體規(guī)模的市場(chǎng)集中度進(jìn)行了測(cè)算和分析。張鐵鑄（2004）采用Herfindahl指數(shù)衡量商業(yè)銀行貸款投放的多元化程度，建立回歸模型考察了貸款多元化對(duì)商業(yè)銀行風(fēng)險(xiǎn)和收益水平的影響。王海霞（2009）用單一客戶貸款比例、最大十家客戶貸款比例來(lái)衡量城市商業(yè)銀行的貸款集中度，實(shí)證分析上市商業(yè)銀行的客戶貸款集中度對(duì)風(fēng)險(xiǎn)和收益的影響。

五是貸款集中的影響。王富華、姜姍姍（2012）采用市場(chǎng)集中度指標(biāo)（HHI），通過(guò)建立回歸模型分析貸款集中對(duì)上市銀行風(fēng)險(xiǎn)與收益的影響來(lái)衡量上市銀行的貸款集中度，發(fā)現(xiàn)近年來(lái)上市銀行貸款的行業(yè)集中度呈下降趨勢(shì)，地區(qū)集中度呈略上升趨勢(shì)，行業(yè)集中和地區(qū)集中與上市銀行的經(jīng)營(yíng)風(fēng)險(xiǎn)均沒(méi)有顯著關(guān)系。王旭（2013）選取18家商業(yè)銀行2005~2011年間的面板數(shù)據(jù)，通過(guò)設(shè)計(jì)變量和面板數(shù)據(jù)模型，實(shí)證檢驗(yàn)銀行貸款集中度對(duì)商業(yè)銀行資產(chǎn)收益率、不良貸款率、經(jīng)營(yíng)穩(wěn)健性和資本充足率的影響，結(jié)果顯示，貸款集中度對(duì)商業(yè)銀行資產(chǎn)收益率、經(jīng)營(yíng)穩(wěn)健性和資本充足率具有反向影響，對(duì)不良貸款率具有正向影響；貸款集中度的影響在不同類(lèi)型商業(yè)銀行之間存在結(jié)構(gòu)性差異。

綜合目前商業(yè)銀行貸款集中度的研究現(xiàn)狀，主要表現(xiàn)出了以下四個(gè)特點(diǎn)：一是定性研究多于定量研究，大部分學(xué)者主要對(duì)貸款集中的內(nèi)涵、成因，帶來(lái)的風(fēng)險(xiǎn)等進(jìn)行了描述性統(tǒng)計(jì)分析，缺乏基于貸款集中表現(xiàn)形式的完整系統(tǒng)的測(cè)算；二是多為對(duì)集中度中某一指標(biāo)的分析，缺乏對(duì)貸款集中的行業(yè)集中、地區(qū)集中和客戶集中的全面分析；三是多為對(duì)某一類(lèi)銀行的貸款集中分析，缺乏對(duì)不同性質(zhì)銀行的對(duì)比分析；四是由于我國(guó)商業(yè)銀行貸款集中度的監(jiān)管剛剛起步，對(duì)如何完善監(jiān)管的論述較少。因此，本文將采用行業(yè)集中度、地區(qū)集中度、客戶集中度三個(gè)指標(biāo)對(duì)國(guó)有銀行、股份制銀行、城商行三類(lèi)銀行進(jìn)行對(duì)比分析。

二、商業(yè)銀行貸款集中度的測(cè)算

（一）數(shù)據(jù)來(lái)源

由于上市商業(yè)銀行年報(bào)齊全、公司治理結(jié)構(gòu)較好，考慮到數(shù)據(jù)的可得性，因此本文選取2009~2013年我國(guó)16家上市商業(yè)銀行作為研究對(duì)象，根據(jù)16家銀行的年報(bào)，整理得到各家銀行不良貸款率、貸款集中度的相關(guān)數(shù)據(jù)，為以后的描述性統(tǒng)計(jì)分析和實(shí)證分析做好必要的準(zhǔn)備。本文選取的16家上市商業(yè)銀行可以分為三類(lèi)：第一類(lèi)是國(guó)有商業(yè)銀行，包括中國(guó)銀行（601988）、中國(guó)農(nóng)業(yè)銀行（601288）、中國(guó)工商銀行（601398）、中國(guó)建設(shè)銀行（601939）、交通銀行（601328），第二類(lèi)是股份制商業(yè)銀行，包括光大銀行（601818）、浦發(fā)銀行（600000）、民生銀行（600016）、平安銀行（000001）、華夏銀行（600015）、興業(yè)銀行（601166）、招商銀行（600036）、中信銀行（601998），第三類(lèi)是城市商業(yè)銀行，包括南京銀行（601009）、寧波銀行（002142）、北京銀行（601169）。

（二）變量的選取

1.不良貸款率（BLR）。不良貸款率指金融機(jī)構(gòu)不良貸款占總貸款余額的比重。不良貸款是指在評(píng)估銀行貸款質(zhì)量時(shí)，把貸款按風(fēng)險(xiǎn)基礎(chǔ)分為正常、關(guān)注、次級(jí)、可疑和損失五類(lèi)，其中后三類(lèi)合稱(chēng)為不良貸款。金融機(jī)構(gòu)不良貸款率是評(píng)價(jià)金融機(jī)構(gòu)信貸資產(chǎn)安全狀況的重要指標(biāo)之一。不良貸款率高，說(shuō)明金融機(jī)構(gòu)收回貸款的風(fēng)險(xiǎn)大；不良貸款率低，說(shuō)明金融機(jī)構(gòu)收回貸款的風(fēng)險(xiǎn)小。

2.貸款集中度。商業(yè)銀行貸款投向集中體現(xiàn)為行業(yè)集中、地域集中、客戶集中、期限集中等?？紤]到數(shù)據(jù)的可得性、一致性和代表性，本文選取客戶集中、行業(yè)集中以及地域集中三個(gè)指標(biāo)來(lái)分析我國(guó)上市商業(yè)銀行的貸款集中度情況。

（3）客戶集中度指數(shù)（CHD）。用前10大客戶貸款占比來(lái)表示，即最大10家客戶貸款余額占資本凈額的比重。

（三）貸款集中度的描述性統(tǒng)計(jì)

根據(jù)上市商業(yè)銀行年報(bào)資料，分別計(jì)算各銀行貸款的行業(yè)集中度，地區(qū)集中度，客戶集中度，并用EXCEL進(jìn)行計(jì)算，得到以下初步統(tǒng)計(jì)結(jié)果（見(jiàn)表1）。

表1 描述性統(tǒng)計(jì)分析

由表1的描述性統(tǒng)計(jì)可以看出，16家上市商業(yè)銀行中，國(guó)有商業(yè)銀行的三個(gè)集中度指標(biāo)都比較小，而城市商業(yè)銀行的三個(gè)集中度指標(biāo)都比較大，股份制商業(yè)銀行的三個(gè)集中度指標(biāo)在三類(lèi)銀行中居中。產(chǎn)生這種現(xiàn)象的原因可能是由于國(guó)有商業(yè)銀行的發(fā)展歷史比較長(zhǎng)久，貸款的內(nèi)外部監(jiān)管相對(duì)完善，業(yè)務(wù)模式相對(duì)成熟。對(duì)比而言城市商業(yè)銀行起步相對(duì)較晚，多數(shù)的城市商業(yè)銀行在行業(yè)貸款管理領(lǐng)域還處于起步階段，大多還停留在靜態(tài)控制階段，公司類(lèi)貸款中大額貸款所占比例較大，另外受地區(qū)經(jīng)濟(jì)發(fā)展特點(diǎn)的影響，貸款結(jié)構(gòu)中的客戶集中度相對(duì)較高。

由圖1各類(lèi)銀行的貸款集中度走勢(shì)圖可以看出：（1）貸款的行業(yè)集中度均呈現(xiàn)上升趨勢(shì)。產(chǎn)生這種現(xiàn)象的原因可能是由于鋼貿(mào)、房地產(chǎn)等行業(yè)的發(fā)展使得行業(yè)集中度被整體抬高。（2）貸款的地區(qū)集中度、客戶集中度都呈下降趨勢(shì)，其中客戶集中度下降幅度相對(duì)較大，這可能是由于隨著信息技術(shù)的發(fā)展，地域?qū)J款投向的影響越來(lái)越小，同時(shí)由于我國(guó)對(duì)貸款集中的監(jiān)管主要在客戶集中方面，即要求對(duì)同一借款人的貸款余額占商業(yè)銀行資本余額的比例不得超過(guò)10%、對(duì)最大10家客戶的貸款余額占商業(yè)銀行資本余額的比例不得超過(guò)50%的標(biāo)準(zhǔn)，從而限制了貸款對(duì)客戶的集中投放。

圖1 商業(yè)銀行貸款集中度走勢(shì)圖

三、商業(yè)銀行貸款集中度對(duì)不良貸款率影響的實(shí)證分析

（一）單位根檢驗(yàn)

為避免“偽回歸”現(xiàn)象的出現(xiàn)，先對(duì)樣本數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。用Eviews6.0軟件對(duì)樣本數(shù)據(jù)進(jìn)行單位根檢驗(yàn)。單位根檢驗(yàn)統(tǒng)計(jì)結(jié)果如表2、表3、表4所示。

由表2單位根檢驗(yàn)統(tǒng)計(jì)結(jié)果可以看出：國(guó)有商業(yè)銀行的行業(yè)集中度（IHD）、地區(qū)集中度（GHD）概率值在LLC（Levin-Lin-Chu）檢驗(yàn)和Fisher-ADF檢驗(yàn)中分別為 0.1141、0.4698、0.5581 和 0.8379，均大于0.1的顯著性水平，因此不能拒絕原假設(shè)“面板序列具有單位根”，變量為非平穩(wěn)序列；對(duì)商業(yè)銀行的地區(qū)集中度指標(biāo)的面板序列進(jìn)行一階差分后再進(jìn)行單位根檢驗(yàn)結(jié)果的概率值均小于0.1的顯著性水平，因此拒絕了“面板序列具有單位根”的原假設(shè)，即各個(gè)變量的一階差分都是平穩(wěn)序列，因此所有變量一階單整。同理，股份制商業(yè)銀行、城市商業(yè)銀行的各個(gè)變量也在一階差分后平穩(wěn)，因變量一階單整，分別見(jiàn)表3、表4。

表2 國(guó)有商業(yè)銀行貸款數(shù)據(jù)的單位根檢驗(yàn)結(jié)果

表3 股份制商業(yè)銀行貸款數(shù)據(jù)的單位根檢驗(yàn)結(jié)果

表4 城市商業(yè)銀行貸款數(shù)據(jù)的單位根檢驗(yàn)結(jié)果

（二）協(xié)整檢驗(yàn)

通過(guò)Eviews6.0統(tǒng)計(jì)軟件的檢驗(yàn)可以看出16家上市商業(yè)銀行的時(shí)間系列數(shù)據(jù)是非平穩(wěn)的，它們進(jìn)行一階差分后變平穩(wěn)，不過(guò)這樣會(huì)失去總量的長(zhǎng)期信息，而這些信息對(duì)問(wèn)題分析又是必要的，所以用協(xié)整來(lái)解決此問(wèn)題。對(duì)面板數(shù)據(jù)進(jìn)行協(xié)整檢驗(yàn)分為兩個(gè)步驟，首先建立面板數(shù)據(jù)的回歸模型，然后對(duì)所建立回歸方程的殘差用Eviews6.0軟件的LLC（Levin-Lin-Chu）檢驗(yàn)和Fisher-ADF檢驗(yàn)兩種檢驗(yàn)方法對(duì)回歸方程所得到的殘差進(jìn)行單位根檢驗(yàn)，如果各殘差平穩(wěn)，就說(shuō)明序數(shù)據(jù)列之間存在著協(xié)整關(guān)系。通過(guò) LLC（Levin-Lin-Chu）檢驗(yàn)和 Fisher-ADF檢驗(yàn)得出結(jié)論如表5所示。

表5 商業(yè)銀行協(xié)整關(guān)系檢驗(yàn)結(jié)果

由表5商業(yè)銀行的協(xié)整關(guān)系檢驗(yàn)結(jié)果可以看出，LLC（Levin-Lin-Chu）檢驗(yàn)和 Rsher-ADF 檢驗(yàn)中，國(guó)有商業(yè)銀行、股份制商業(yè)銀行的方程殘差序列的單位根檢驗(yàn)的P值均小于0.1的顯著性水平，因此拒絕原假設(shè)，回歸方程的殘差序列不具有單位根，殘差序列平穩(wěn)，各樣本數(shù)據(jù)之間存在協(xié)整關(guān)系，因此可以建立回歸模型。城市商業(yè)銀行殘差序列的單位根檢驗(yàn)結(jié)果大于0.1的顯著性水平，因此接受原假設(shè)，殘差序列不平穩(wěn)，不能建立回歸模型。產(chǎn)生這種現(xiàn)象的原因可能是由于僅選取了三家城市商業(yè)銀行，樣本數(shù)據(jù)太少所造成。

（三）回歸模型分析

為研究商業(yè)銀行的貸款集中度對(duì)不良貸款率的影響，借助前面得到的數(shù)據(jù)運(yùn)用面板數(shù)據(jù)來(lái)建立模型如下：

其中，RBLij代表第i家銀行在第j年的不良貸款率，α0為常數(shù)項(xiàng)，α1、α2、α3分別為行業(yè)集中度、地區(qū)集中度、客戶集中度的回歸系數(shù)，εij為殘差項(xiàng)，IHDij、GHDij、CHDij分別表示第 i家銀行在第 j年的行業(yè)集中度、地區(qū)集中度和客戶集中度。

表6 貸款集中度對(duì)不良貸款率影響的回歸結(jié)果

由表6回歸結(jié)果可知，國(guó)有銀行和股份制銀行回歸方程的R2都較高，說(shuō)明方程的擬合效果較好。因此可以分別得到國(guó)有商業(yè)銀行和股份制銀行的回歸方程式（2）和（3）。

由以上回歸結(jié)果和回歸方程可以看出，國(guó)有商業(yè)銀行和股份制銀行回歸方程的所有解釋變量均顯著，即所有解釋變量具有解釋能力。其中，客戶集中度、行業(yè)集中度以及地區(qū)集中度的系數(shù)都是正數(shù)，說(shuō)明三者與不良貸款率呈現(xiàn)正相關(guān)關(guān)系，即貸款集中度越高，不良貸款率越高，地區(qū)集中度和客戶集中度對(duì)不良貸款率的影響比行業(yè)集中度大。例如國(guó)有商業(yè)銀行的行業(yè)集中度（IHD）每增加1單位，不良貸款率增加0.001882個(gè)單位；地區(qū)集中度（GHD）每增加1個(gè)單位，不良貸款率增加0.053790個(gè)單位；客戶集中度（CHD）每增加1個(gè)單位，不良貸款率增加0.048174個(gè)單位。另外，回歸方程（2）與回歸方程（3）相比，回歸方程（2）各個(gè)變量的系數(shù)均大于回歸方程（3），說(shuō)明國(guó)有商業(yè)銀行的行業(yè)集中度、地區(qū)集中度、客戶集中度對(duì)不良貸款率的影響要明顯大于股份制銀行，因此在當(dāng)前不良貸款率激增的背景下，商業(yè)銀行尤其是國(guó)有商業(yè)銀行應(yīng)當(dāng)高度注意貸款的行業(yè)集中度、地區(qū)集中度和客戶集中度，從而有效降低不良貸款率。

四、結(jié)論

本文采用商業(yè)銀行貸款行業(yè)集中度、地區(qū)集中度和客戶集中度三個(gè)變量來(lái)測(cè)算國(guó)有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行三類(lèi)銀行的貸款集中度，并通過(guò)建立回歸模型對(duì)比分析了這些銀行的貸款集中度對(duì)不良貸款率的影響。研究結(jié)果表明：商業(yè)銀行的貸款集中都與不良貸款率正相關(guān)，各類(lèi)商業(yè)銀行的貸款集中程度與不良貸款的相關(guān)程度不同，其中貸款集中度對(duì)國(guó)有商業(yè)銀行的影響要大于股份制商業(yè)銀行，這可能是由于國(guó)家的產(chǎn)業(yè)政策、銀行間的競(jìng)爭(zhēng)、自身市場(chǎng)定位等造成。各家銀行對(duì)于較高的貸款集中問(wèn)題，應(yīng)該給予充分關(guān)注，并采取相應(yīng)措施予以降低，從而緩解目前的不良貸款激增問(wèn)題。

五、政策建議

由本文的研究結(jié)果可以看出，貸款集中度風(fēng)險(xiǎn)是近年來(lái)不良貸款率上升的主要原因之一，對(duì)此提出以下建議：

1.完善信貸管理體制。健全的法律、法規(guī)是緩解貸款集中問(wèn)題的關(guān)鍵。因此，一方面要梳理現(xiàn)有的信貸管理制度，使信貸管理由傳統(tǒng)、經(jīng)驗(yàn)型管理向集約化、科學(xué)化管理轉(zhuǎn)變；另一方面要建立涵蓋行業(yè)、區(qū)域、客戶的多維度監(jiān)管體系，科學(xué)合理地運(yùn)用監(jiān)管手段來(lái)調(diào)節(jié)、引導(dǎo)商業(yè)銀行的信貸行為，建立良好的經(jīng)濟(jì)社會(huì)法律環(huán)境，加強(qiáng)貸款集中風(fēng)險(xiǎn)監(jiān)管，最終實(shí)現(xiàn)對(duì)商業(yè)銀行貸款集中的全方位監(jiān)管。

2.提高銀行的貸款管理能力。隨著利率市場(chǎng)化的推進(jìn)，銀行的資產(chǎn)定價(jià)能力降低，如果貸款定價(jià)不能反映風(fēng)險(xiǎn)，就會(huì)導(dǎo)致逆向選擇，銀行的大量資產(chǎn)將投放給高風(fēng)險(xiǎn)客戶，貸款質(zhì)量下降，不良貸款率上升。因此，銀行需要加強(qiáng)組織學(xué)習(xí)，增強(qiáng)管理人員的風(fēng)險(xiǎn)意識(shí)和風(fēng)險(xiǎn)控制能力，同時(shí)應(yīng)充分估計(jì)各類(lèi)貸款的潛在風(fēng)險(xiǎn)，足額計(jì)提撥備，加大呆賬核銷(xiāo)力度，做到應(yīng)核盡核。

3.建立貸款集中度風(fēng)險(xiǎn)預(yù)警機(jī)制。為了更科學(xué)有效地預(yù)防、化解貸款集中度風(fēng)險(xiǎn)，控制不良貸款規(guī)模，需要制訂相應(yīng)的風(fēng)險(xiǎn)預(yù)警預(yù)案。該預(yù)警預(yù)案應(yīng)包括三大管理系統(tǒng)：一是預(yù)警信號(hào)系統(tǒng)，即對(duì)圍繞貸款發(fā)放、管理、收回等各環(huán)節(jié)的風(fēng)險(xiǎn)信號(hào)進(jìn)行收集、整理，列出和預(yù)報(bào)主要風(fēng)險(xiǎn)預(yù)警信號(hào)；二是處置預(yù)案系統(tǒng)，即在對(duì)貸款風(fēng)險(xiǎn)信號(hào)準(zhǔn)確識(shí)別的基礎(chǔ)上，分別給出具體處置方案，采取預(yù)防、規(guī)避、抑制、補(bǔ)救等多種手段化解貸款風(fēng)險(xiǎn)；三是責(zé)任管理系統(tǒng)，即按照風(fēng)險(xiǎn)信號(hào)的不同管理層次和不同風(fēng)險(xiǎn)程度制定責(zé)任認(rèn)定及責(zé)任處理程序。

4.重新進(jìn)行市場(chǎng)定位。貸款集中在短期內(nèi)可以給商業(yè)銀行帶來(lái)一定的正面效應(yīng)，但從長(zhǎng)期來(lái)看，會(huì)造成風(fēng)險(xiǎn)集聚，給銀行帶來(lái)大量損失。因此各商業(yè)銀行應(yīng)重新進(jìn)行市場(chǎng)定位，挖掘中小優(yōu)質(zhì)客戶，并根據(jù)中小客戶貸款需要，有針對(duì)性地開(kāi)發(fā)相應(yīng)的信貸方案和風(fēng)險(xiǎn)控制技術(shù)。通過(guò)貸款客戶的分散，行業(yè)的分散和地區(qū)的分散，降低商業(yè)銀行的貸款集中度，實(shí)現(xiàn)收益的上升和風(fēng)險(xiǎn)的分散，從而提升商業(yè)銀行的經(jīng)營(yíng)穩(wěn)定性和核心競(jìng)爭(zhēng)力。

5.加快信息系統(tǒng)與資源共享平臺(tái)建設(shè)。隨著我國(guó)金融業(yè)的迅速發(fā)展，現(xiàn)有的數(shù)據(jù)儲(chǔ)備以及共享機(jī)制已經(jīng)難以滿足銀行的信息需求，大數(shù)據(jù)時(shí)代的來(lái)臨勢(shì)在必行。因此要重視數(shù)據(jù)儲(chǔ)備，加強(qiáng)信息系統(tǒng)與資源共享平臺(tái)的建設(shè)，推動(dòng)計(jì)量方法的革新，更精準(zhǔn)地監(jiān)測(cè)防范金融風(fēng)險(xiǎn)，從而有利于客戶貸款信息的透明化，使銀行更加了解客戶，實(shí)現(xiàn)中小微企業(yè)與大企業(yè)擁有同等的貸款地位。

［1］Fischer，Gerald C.The Meaning，Measurement，and Control of Credit Concentration［J］.Journal of Commercial Lending，1993（3）.

［2］L.Douglas Smith，Edward C.Lawrence.Forecasting losses on a liquidating long-term loan portfolio［J］.Journal of Banking&Finance，1995：959-985.

［3］G.Hwan shin，James W.Kolari（2004）.Do some Lenders have information advantages?Evidence from Japanese credit market data［J］.Journal of Banking&Finanee28（2004）：2331-2351.

［4］張鐵鑄.貸款多元化與商業(yè)銀行經(jīng)營(yíng)狀況的實(shí)證研究——基于上市銀行經(jīng)營(yíng)風(fēng)險(xiǎn)和收益的研究［J］.財(cái)經(jīng)研究，2004（7）.

［5］王海霞.銀行風(fēng)險(xiǎn)、收益與客戶貸款集中度——基于城市商業(yè)銀行的實(shí)證分析［J］.金融理論與實(shí)踐，2009（11）.

［6］顏新秀，王睿.銀行業(yè)集中度風(fēng)險(xiǎn)的計(jì)量與監(jiān)管——國(guó)際經(jīng)驗(yàn)及對(duì)我國(guó)的啟示［J］.中國(guó)金融，2010（3）.

［7］王富華，姜姍姍.基于風(fēng)險(xiǎn)與收益的上市銀行貨款集中度研究［J］.經(jīng)濟(jì)經(jīng)緯，2012（5）：166-170.

［8］王旭.商業(yè)銀行貸款集中度的風(fēng)險(xiǎn)與收益研究——基于中國(guó)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）.

［9］徐進(jìn)前.非均衡條件下信貸資源配置選擇［J］.財(cái)貿(mào)經(jīng)濟(jì)，2002（12）.

［10］毛永斌，楊兵，李加.房地產(chǎn)貸款集中度風(fēng)險(xiǎn)與防范［J］.現(xiàn)代金融，2007（12）.

［11］呂姝儀.我國(guó)投資銀行業(yè)集中度測(cè)算及分析［J］.北方經(jīng)貿(mào)，2009（5）.