论文部分内容阅读
摘要：文章选取中国15家上市银行2008—2012年的面板数据，并将银行按性质分为三类，通过面板数据模型分别进行实证检验贷款集中度与银行收益和风险的关系。结果显示，贷款集中度对上市银行资产收益率、Z指标和不良贷款率的影响，在不同类型银行间存在差异，其影响也各异。
关键词：上市银行；贷款集中度；收益；风险
一、引言
金融对于一个国家经济发展和社会稳定的重要作用是不言而喻的，而银行作为金融业的典型代表，它的健康发展就显得至关重要。经过这些年的飞速发展，我国的银行业取得了长足的进步，但是其中也存在着问题。自2008年金融危机以后，为了走出危机和刺激经济，我国一度实施较为稳健的宽松货币政策，这使得商业银行的贷款规模急剧膨胀，从而引发的贷款集中度问题也跃入公众的眼球。
所谓贷款集中，是指商业银行将贷款高度集中于某些客户、行业或地区。我国银行监管部门对此有明确的规定：银行对单一客户的贷款余额占银行资本净额不得超过10%；对最大十家客户贷款余额占资本净额不得超过50%；对单一集团客户授信总额不得超过银行资本余额的15%。
国外学者对贷款集中度与风险收益之间关系的研究，存在着样本数据、观测变量、计量方法等诸多不同，从而导致结论也不尽相同。一般地，可以总结为三种观点。一是集中度与银行风险正相关。Diamond（1984）提出贷款的分散化能够减小银行陷入财务困境的概率。De.Nicolo（2004）在对100多个国家进行研究时发现，银行集中度高的国家，其银行业的风险也就越高。Kalotychou（2006）、Dullmann（2007）、Schaeck and Cikak（2007）、Soedarmono（2010）等人的实证研究也都对此观点进行了佐证。二是集中度与银行风险负相关。Agoraki（2009）在研究中东欧银行时得出了与前面既然相反的观点，他认为具有强大市场话语权的银行，其信用风险发生的可能性相对较低，从而倒闭的概率较小。三是银行集中度与风险不存在显著的相关性。Demsetz等（1997）、Yeyati and Micco（2007）都认为，银行集中度的下降并没有带来风险的显著降低。
国内学者关于此方面的研究多见于其与经济增长的关系，而涉及银行风险的并不不多。魏小琴和李晓霞（2011）通过实证研究，得出性质不同的银行，贷款集中度对风险的影响各异。王富华等（2012）认为集中度对上市银行的经营稳定性没有显著关系。王旭（2013）经过面板数据的分析，认为贷款集中度对商业银行的盈利能力、经营稳定性和资本充足率有反响影响，对不良贷款率有着正向影响。
但是，后经济危机时代，伴随着利率市场化的推进和民营资本允许设立银行，贷款集中度又呈现了下降趋势，而银行的竞争却显得更加激烈，银行的收益出现了被侵蚀的现象。因此，贷款集中度对商业银行的盈利和风险到底又会出现怎样不同的影响，值得去探究。
二、研究样本、变量选择和模型设定
（一）研究样本
本文遵循了数据的可得性和质量性原则来进行选择。目前，我国上市银行有16家，然而中国农业银行由于在2009年进行了不良资产的剥离，可能对研究结果的准确性产生不利影响，因而将其剔除出去。样本数据来源于各银行公布的年度财务报告、和讯网、bankscop数据库等。样本区间为2008年至2012年，共5年。
（二）变量的选择
1、被解释变量
（1）银行收益。银行的收益主要来源于资产负债业务、中间业务和表外业务，其收益获取能力大小的衡量指标不尽相同，例如总资产收益率（ROA），净资产收益率（ROE），市盈率（PE）等。本文在众多指标中选取了总资产收益率（ROA）作为衡量指标，该指标可以比较全面地反映商业银行的综合经营成果。
（2）银行风险。本文旨在研究贷款集中度对信用风险的影响，选取的被解释变量有两个，一是商业银行的不良贷款率BLR（Rate of Bad Loans），该指标越高表明银行的信用风险越大。二是反应银行经营稳定性风险的Z指数，它与总资产收益率、权益乘数成正相关，与总资产收益率在样本期间内的波动大小成负相关。Z指数越大表明银行经营稳定性越高，破产概率小；Z指数越小，则银行破产概率较高。
2、解释变量
（1）客户集中度指数（TEN），用最大的前十家客户贷款占比来表示，即用最大十家客户贷款余额比上资本净额。TEN的值越大，表明最大十家客户的贷款总额比重越高，也就意味着贷款的客户集中度越高。
（2）行业集中度指数（IHI），即贷款在不同行业的投放情况。本文运用赫尔芬达尔—赫希曼指数（HHI）来计算此指标，计算公式为：IHI= ∑mi=1（Xi/Q）2，其中X1，X2，…，Xm代表每个商业银行在不同行业的贷款投放额，Q代表商业银行总的贷款投放量，而且有Q=∑mi=1Xi。行业集中度指数IHI值的大小反映了贷款在行业中的集中程度。IHI值越小，表明贷款的行业集中度越低；反之，当IHI值很大时，则说明贷款的行业集中度很高。特别地，当IHI=1时，表明所有的贷款完全投向了同一个行业。
（3）地区集中度指数AHI，即商业银行的贷款在不同地区的投放情况。对于该指标的测算，本文采用同IHI类似的方法，其计算公式为：AHI=∑nj=1（Yj/P）2，其中Y1，Y2，…，Yn分别表示商业在不同地区投放的贷款额，同样也有P=∑nj=1Yj。
3、控制变量
为了增强实证结果的有效性，本文在解释变量之外还选取了如下的控制标量：
（1）银行的资产规模（ASSET）。商业银行的盈利能力和经营的稳定性在很大程度上与银行资产规模相关，本文决定采用资产规模的自然倒数来衡量此项指标。
（2）收入成本比（CIR）。此项指标是银行的业务和管理费用同营业收入的比率，能在成本控制和收益创造两方面综合考量银行的利润创造能力。 （3）拨备覆盖率（PCR）。这是各家银行为风险贷款或业务计提的风险储备，在模型中加入此项指标能够消除因为拨备覆盖率不同而对银行盈利能力和经营稳定性的影响。
（三）模型设定
由于本文的样本类型为面板数据，故选择面板数据模型。通常地，面板数据建立的基本回归模型有3种，即混合模型、固定效应模型和随机效应模型。
现在姑且将模型设立成一般面板数据模型的形式，如下：
①ln（ROAit）=αi+ln（Eit）βi+ln（Fit）γi+εit；
②ln（Zit）=αi+ln（Eit）βi+ln（Fit）γi+εit；
③ln（RBLit）=αi+ln（Eit）βi+ln（Fit）γi+εit；其中，Eit=ln（TENit），ln（IHIit），ln（AHIit），Fit=ln（ASSETit），ln（CIRit），ln（PCRit）。
三、实证研究与分析
面板数据同时涉及截面和时间序列，因而需要在上述三种模型中进行筛选，以选择适合本文的模型类别。
（一）F检验
F检验是用来判别应该建立混合模型，还是固定效应模型的。运用Eviews6.0，对上述三个模型分别进行回归检验，结果如下表所示：
被解释变量SSErSSEuF模型类别
ln（ROA）5.882.207.44固定效应
Ln（Z）18.550.8499.95固定效应
Ln（RBL）3.490.14109.39固定效应
由上表可知，应当拒绝原假设，从而建立固定效应模型。又由于本文选取的数据时间序列较短，因此考虑选择个体固定效应模型。
（二）模型确定
基于检验结果，确定的具体模型如下：
ln（ROAit）=αi+ln（TENit）β+ln（IHIit）β+ln（AHIit）β+ln（ASSETit）γ+ln（CIRit）γ+ln（PCRit）+εit（1）
ln（Zit）=αi+ln（TENit）β+ln（IHIit）β+ln（AHIit）β+ln（ASSETit）γ+ln（CIRit）γ+ln（PCRit）+εit（2）
ln（RBLit）=αi+ln（TENit）β+ln（IHIit）β+ln（AHIit）β+ln（ASSETit）γ+ln（CIRit）γ+ ln（PCRit）+εit（3）
（三）回归结果分析
根据整体上市银行的贷款集中度与风险及收益的回归结果，可以发现模型的F统计量在1%水平显著，调整后的拟合优度分别为79.08%，98.23%和98.27%，说明模型具有较好的解释作用。
模型1中，行业集中度和客户集中度对商业银行的总资产收益率的影响显著，而且系数均为正数，说明是正向影响，即行业集中度和地区集中地提高有利于促进商业银行的盈利。而客户集中集中度指标的伴随概率为0.1969，并不能通过显著性检验，故认定客户集中度对商业银行的盈利能力影响不显著。
模型2中，客户集中度指标和地区集中度指标的伴随概率分别为0.0117和0.0322，在5%的置信水平下可以通过显著性检验。其中，客户集中度会对商业银行的经营稳定性产生负向影响，而地区集中度的提高则会提升银行的经营稳定性。贷款集中度中的行业集中度没有通过显著性检验，对银行经营稳定性指标影响不显著。
变量Ln（ROA）Ln（Z）Ln（RBL）
Ln（TEN）0.0878（0.1969）-0.1843**（0.0117）-0.2806***（0.0002）
Ln（IHI）0.3372***（0.0003）0.1373（0.1020）-0.1707**（0.0178）
Ln（AHI）0.1487**（0.0457）0.1337**（0.0322）-0.0372（0.6314）
Ln（ASSET）-0.2339***（0.0014）-0.3622***（0.0000）0.1104（0.1746）
Ln（CIR）-0.5910***（0.0081）-0.5035***（0.0008）-0.7841***（0.0000）
Ln（PCR）0.4391***（0.0000）0.3517***（0.0000）-1.3524***（0.0000）
R20.84730.98710.9874
Adj-R20.79080.98230.9827
F14.9853***（0.0000）206.7717***（0.0000）211.4276***（0.0000）
模型3中，同样有两个贷款集中度指标通过了显著性检验，分别是客户集中度和行业集中度，它们的显著性伴随概率分别是0.0002和0.0178。观察它们的系数可知，客户集中度和行业集中度的提高，会增加商业银行的不良贷款率。然而，地区集中度对商业银行的不良贷款率影响并不显著。
控制变量中。除了商业银行的资产总额对不良贷款率影响不显著，其余指标均通过了显著性检验。其中，商业银行的资产规模会对盈利能力和经营稳定性产生正向促进作用；成本收入比对三个被解释变量的影响都为负；拨备覆盖率对商业银行的盈利能力和经营稳定性起到了推动作用，而且对不良贷款率也起到了抑制作用。
四、结论
本文运用HHI指数的计算方法，得出银行贷款集中度的三个指标，即贷款的客户集中度、贷款的行业集中度和贷款的行业集中度，并且选取了15家上市的股份制商业银行2008—2012年的面板数据，进行实证分析了贷款集中度对商业银行的收益和风险的影响。从分析结果来看，贷款集中度对各类型银行的盈利能力和风险影响不尽相同。这种不同的结果的原因可能来自各个方面，如银行的不同地域，不同的市场和客户定位，不同的经营战略，国家产业政策的调整等。
从数据来看，贷款集中度指标经历了后金融危机时期的先上升后下降过程，目前处于一个可控的范围。但是，贷款集中度仍然是影响我国商业银行经营效益和风险的一个重要因素，需要引起银行业监管部门和银行自身的高度关注。同时，建立有效的贷款发放引导机制，以及完善各大银行的信息披露，建立贷款集中度的风险预警，激活市场的监督力量等，也是重要的工作。
当然，本文也存在一定的局限性和不足：（1）本文研究的样本区间为2008-2012年度，可能存在样本的局限性；（2）本文选取了的银行的盈利和风险衡量指标虽然具有一定的代表性，但是不排除有更好的指标存在的可能性，需要在未来的研究中进一步去发现；（3）本文运用的模型为面板数据模型，得出了贷款集中度对银行盈利和风险的影响，但是没有在时间维度上给出趋势的模拟和预测，也是一大不足，这都是在以后研究中值得改进的地方。但是，本文选取了国内15家上市银行的数据进行的实证研究，结果也具有一定的代表性。（作者单位：浙江工商大学）
参考文献：
[1]Kalotychou E，Stalkouras S K.2006.An empirical investigation of the loan concentration risk in latin America[J].Journal of Multinational Financial Management，16（4）：363-384
[2]Schaeck K.，and Cikak M.，2012.Competition and Capital Ratitios，European Financial Management，Vol.18，No.4：173-217
[3]魏小琴，李晓霞.我国商业银行贷款集中度的测算及效应分析[J].金融理论与实践，2011（4）：23-26
[4]王富华，姜姗姗.基于风险与收益的上市银行贷款集中度研究[J].经济经纬，2012（5）：166-170
[5]王旭.商业银行贷款集中度的风险与收益研究[J].金融经济学研究，2013（7）：49-59
关键词：上市银行；贷款集中度；收益；风险
一、引言
金融对于一个国家经济发展和社会稳定的重要作用是不言而喻的，而银行作为金融业的典型代表，它的健康发展就显得至关重要。经过这些年的飞速发展，我国的银行业取得了长足的进步，但是其中也存在着问题。自2008年金融危机以后，为了走出危机和刺激经济，我国一度实施较为稳健的宽松货币政策，这使得商业银行的贷款规模急剧膨胀，从而引发的贷款集中度问题也跃入公众的眼球。
所谓贷款集中，是指商业银行将贷款高度集中于某些客户、行业或地区。我国银行监管部门对此有明确的规定：银行对单一客户的贷款余额占银行资本净额不得超过10%；对最大十家客户贷款余额占资本净额不得超过50%；对单一集团客户授信总额不得超过银行资本余额的15%。
国外学者对贷款集中度与风险收益之间关系的研究，存在着样本数据、观测变量、计量方法等诸多不同，从而导致结论也不尽相同。一般地，可以总结为三种观点。一是集中度与银行风险正相关。Diamond（1984）提出贷款的分散化能够减小银行陷入财务困境的概率。De.Nicolo（2004）在对100多个国家进行研究时发现，银行集中度高的国家，其银行业的风险也就越高。Kalotychou（2006）、Dullmann（2007）、Schaeck and Cikak（2007）、Soedarmono（2010）等人的实证研究也都对此观点进行了佐证。二是集中度与银行风险负相关。Agoraki（2009）在研究中东欧银行时得出了与前面既然相反的观点，他认为具有强大市场话语权的银行，其信用风险发生的可能性相对较低，从而倒闭的概率较小。三是银行集中度与风险不存在显著的相关性。Demsetz等（1997）、Yeyati and Micco（2007）都认为，银行集中度的下降并没有带来风险的显著降低。
国内学者关于此方面的研究多见于其与经济增长的关系，而涉及银行风险的并不不多。魏小琴和李晓霞（2011）通过实证研究，得出性质不同的银行，贷款集中度对风险的影响各异。王富华等（2012）认为集中度对上市银行的经营稳定性没有显著关系。王旭（2013）经过面板数据的分析，认为贷款集中度对商业银行的盈利能力、经营稳定性和资本充足率有反响影响，对不良贷款率有着正向影响。
但是，后经济危机时代，伴随着利率市场化的推进和民营资本允许设立银行，贷款集中度又呈现了下降趋势，而银行的竞争却显得更加激烈，银行的收益出现了被侵蚀的现象。因此，贷款集中度对商业银行的盈利和风险到底又会出现怎样不同的影响，值得去探究。
二、研究样本、变量选择和模型设定
（一）研究样本
本文遵循了数据的可得性和质量性原则来进行选择。目前，我国上市银行有16家，然而中国农业银行由于在2009年进行了不良资产的剥离，可能对研究结果的准确性产生不利影响，因而将其剔除出去。样本数据来源于各银行公布的年度财务报告、和讯网、bankscop数据库等。样本区间为2008年至2012年，共5年。
（二）变量的选择
1、被解释变量
（1）银行收益。银行的收益主要来源于资产负债业务、中间业务和表外业务，其收益获取能力大小的衡量指标不尽相同，例如总资产收益率（ROA），净资产收益率（ROE），市盈率（PE）等。本文在众多指标中选取了总资产收益率（ROA）作为衡量指标，该指标可以比较全面地反映商业银行的综合经营成果。
（2）银行风险。本文旨在研究贷款集中度对信用风险的影响，选取的被解释变量有两个，一是商业银行的不良贷款率BLR（Rate of Bad Loans），该指标越高表明银行的信用风险越大。二是反应银行经营稳定性风险的Z指数，它与总资产收益率、权益乘数成正相关，与总资产收益率在样本期间内的波动大小成负相关。Z指数越大表明银行经营稳定性越高，破产概率小；Z指数越小，则银行破产概率较高。
2、解释变量
（1）客户集中度指数（TEN），用最大的前十家客户贷款占比来表示，即用最大十家客户贷款余额比上资本净额。TEN的值越大，表明最大十家客户的贷款总额比重越高，也就意味着贷款的客户集中度越高。
（2）行业集中度指数（IHI），即贷款在不同行业的投放情况。本文运用赫尔芬达尔—赫希曼指数（HHI）来计算此指标，计算公式为：IHI= ∑mi=1（Xi/Q）2，其中X1，X2，…，Xm代表每个商业银行在不同行业的贷款投放额，Q代表商业银行总的贷款投放量，而且有Q=∑mi=1Xi。行业集中度指数IHI值的大小反映了贷款在行业中的集中程度。IHI值越小，表明贷款的行业集中度越低；反之，当IHI值很大时，则说明贷款的行业集中度很高。特别地，当IHI=1时，表明所有的贷款完全投向了同一个行业。
（3）地区集中度指数AHI，即商业银行的贷款在不同地区的投放情况。对于该指标的测算，本文采用同IHI类似的方法，其计算公式为：AHI=∑nj=1（Yj/P）2，其中Y1，Y2，…，Yn分别表示商业在不同地区投放的贷款额，同样也有P=∑nj=1Yj。
3、控制变量
为了增强实证结果的有效性，本文在解释变量之外还选取了如下的控制标量：
（1）银行的资产规模（ASSET）。商业银行的盈利能力和经营的稳定性在很大程度上与银行资产规模相关，本文决定采用资产规模的自然倒数来衡量此项指标。
（2）收入成本比（CIR）。此项指标是银行的业务和管理费用同营业收入的比率，能在成本控制和收益创造两方面综合考量银行的利润创造能力。 （3）拨备覆盖率（PCR）。这是各家银行为风险贷款或业务计提的风险储备，在模型中加入此项指标能够消除因为拨备覆盖率不同而对银行盈利能力和经营稳定性的影响。
（三）模型设定
由于本文的样本类型为面板数据，故选择面板数据模型。通常地，面板数据建立的基本回归模型有3种，即混合模型、固定效应模型和随机效应模型。
现在姑且将模型设立成一般面板数据模型的形式，如下：
①ln（ROAit）=αi+ln（Eit）βi+ln（Fit）γi+εit；
②ln（Zit）=αi+ln（Eit）βi+ln（Fit）γi+εit；
③ln（RBLit）=αi+ln（Eit）βi+ln（Fit）γi+εit；其中，Eit=ln（TENit），ln（IHIit），ln（AHIit），Fit=ln（ASSETit），ln（CIRit），ln（PCRit）。
三、实证研究与分析
面板数据同时涉及截面和时间序列，因而需要在上述三种模型中进行筛选，以选择适合本文的模型类别。
（一）F检验
F检验是用来判别应该建立混合模型，还是固定效应模型的。运用Eviews6.0，对上述三个模型分别进行回归检验，结果如下表所示：
被解释变量SSErSSEuF模型类别
ln（ROA）5.882.207.44固定效应
Ln（Z）18.550.8499.95固定效应
Ln（RBL）3.490.14109.39固定效应
由上表可知，应当拒绝原假设，从而建立固定效应模型。又由于本文选取的数据时间序列较短，因此考虑选择个体固定效应模型。
（二）模型确定
基于检验结果，确定的具体模型如下：
ln（ROAit）=αi+ln（TENit）β+ln（IHIit）β+ln（AHIit）β+ln（ASSETit）γ+ln（CIRit）γ+ln（PCRit）+εit（1）
ln（Zit）=αi+ln（TENit）β+ln（IHIit）β+ln（AHIit）β+ln（ASSETit）γ+ln（CIRit）γ+ln（PCRit）+εit（2）
ln（RBLit）=αi+ln（TENit）β+ln（IHIit）β+ln（AHIit）β+ln（ASSETit）γ+ln（CIRit）γ+ ln（PCRit）+εit（3）
（三）回归结果分析
根据整体上市银行的贷款集中度与风险及收益的回归结果，可以发现模型的F统计量在1%水平显著，调整后的拟合优度分别为79.08%，98.23%和98.27%，说明模型具有较好的解释作用。
模型1中，行业集中度和客户集中度对商业银行的总资产收益率的影响显著，而且系数均为正数，说明是正向影响，即行业集中度和地区集中地提高有利于促进商业银行的盈利。而客户集中集中度指标的伴随概率为0.1969，并不能通过显著性检验，故认定客户集中度对商业银行的盈利能力影响不显著。
模型2中，客户集中度指标和地区集中度指标的伴随概率分别为0.0117和0.0322，在5%的置信水平下可以通过显著性检验。其中，客户集中度会对商业银行的经营稳定性产生负向影响，而地区集中度的提高则会提升银行的经营稳定性。贷款集中度中的行业集中度没有通过显著性检验，对银行经营稳定性指标影响不显著。
变量Ln（ROA）Ln（Z）Ln（RBL）
Ln（TEN）0.0878（0.1969）-0.1843**（0.0117）-0.2806***（0.0002）
Ln（IHI）0.3372***（0.0003）0.1373（0.1020）-0.1707**（0.0178）
Ln（AHI）0.1487**（0.0457）0.1337**（0.0322）-0.0372（0.6314）
Ln（ASSET）-0.2339***（0.0014）-0.3622***（0.0000）0.1104（0.1746）
Ln（CIR）-0.5910***（0.0081）-0.5035***（0.0008）-0.7841***（0.0000）
Ln（PCR）0.4391***（0.0000）0.3517***（0.0000）-1.3524***（0.0000）
R20.84730.98710.9874
Adj-R20.79080.98230.9827
F14.9853***（0.0000）206.7717***（0.0000）211.4276***（0.0000）
模型3中，同样有两个贷款集中度指标通过了显著性检验，分别是客户集中度和行业集中度，它们的显著性伴随概率分别是0.0002和0.0178。观察它们的系数可知，客户集中度和行业集中度的提高，会增加商业银行的不良贷款率。然而，地区集中度对商业银行的不良贷款率影响并不显著。
控制变量中。除了商业银行的资产总额对不良贷款率影响不显著，其余指标均通过了显著性检验。其中，商业银行的资产规模会对盈利能力和经营稳定性产生正向促进作用；成本收入比对三个被解释变量的影响都为负；拨备覆盖率对商业银行的盈利能力和经营稳定性起到了推动作用，而且对不良贷款率也起到了抑制作用。
四、结论
本文运用HHI指数的计算方法，得出银行贷款集中度的三个指标，即贷款的客户集中度、贷款的行业集中度和贷款的行业集中度，并且选取了15家上市的股份制商业银行2008—2012年的面板数据，进行实证分析了贷款集中度对商业银行的收益和风险的影响。从分析结果来看，贷款集中度对各类型银行的盈利能力和风险影响不尽相同。这种不同的结果的原因可能来自各个方面，如银行的不同地域，不同的市场和客户定位，不同的经营战略，国家产业政策的调整等。
从数据来看，贷款集中度指标经历了后金融危机时期的先上升后下降过程，目前处于一个可控的范围。但是，贷款集中度仍然是影响我国商业银行经营效益和风险的一个重要因素，需要引起银行业监管部门和银行自身的高度关注。同时，建立有效的贷款发放引导机制，以及完善各大银行的信息披露，建立贷款集中度的风险预警，激活市场的监督力量等，也是重要的工作。
当然，本文也存在一定的局限性和不足：（1）本文研究的样本区间为2008-2012年度，可能存在样本的局限性；（2）本文选取了的银行的盈利和风险衡量指标虽然具有一定的代表性，但是不排除有更好的指标存在的可能性，需要在未来的研究中进一步去发现；（3）本文运用的模型为面板数据模型，得出了贷款集中度对银行盈利和风险的影响，但是没有在时间维度上给出趋势的模拟和预测，也是一大不足，这都是在以后研究中值得改进的地方。但是，本文选取了国内15家上市银行的数据进行的实证研究，结果也具有一定的代表性。（作者单位：浙江工商大学）
参考文献：
[1]Kalotychou E，Stalkouras S K.2006.An empirical investigation of the loan concentration risk in latin America[J].Journal of Multinational Financial Management，16（4）：363-384
[2]Schaeck K.，and Cikak M.，2012.Competition and Capital Ratitios，European Financial Management，Vol.18，No.4：173-217
[3]魏小琴，李晓霞.我国商业银行贷款集中度的测算及效应分析[J].金融理论与实践，2011（4）：23-26
[4]王富华，姜姗姗.基于风险与收益的上市银行贷款集中度研究[J].经济经纬，2012（5）：166-170
[5]王旭.商业银行贷款集中度的风险与收益研究[J].金融经济学研究，2013（7）：49-59