信贷扩张背景下信贷集中行为的博弈与实证分析

摘

江胡振华

二商业银行信贷集中行为的博弈分析要：本文对信贷扩张对商业银行信贷集中现象的影

响进行模型与实证研究。将信贷扩张与信贷集中纳入同一个博弈分析框架中，探讨外生性信贷扩张如何影响商业银行信贷资源配置，刻画出信贷集中的内在利益驱动和外在约束。并借鉴应用于“收入不平等”研究的基尼系数，构建基于基尼系数的信贷集中风险度量模型，结合深圳市农业银行的实际信贷数据进行实证分析。研究结果表明，信贷扩张后的基尼系数高于信贷扩张前的基尼系数，即信贷扩张后的信贷集中程度高于信贷扩张前的信贷集中程度。关键词：信贷扩张；信贷集中；基尼系数中图分类号：F830.5作

文献标识码：A

文章编号：1001-490X（2012）12-008-03

者：姜江，中南大学商学院博士研究生／胡振华，中南大学商学院教授、博士生导师；湖南，长沙，410012

（一）基本模型商业银行开展一笔贷款，其收益来源于两个途径：存贷利差收入以及贷款所带来结算、代理收费等中间业务收入，相应的也会产生一定成本，包括不良贷款风险以及运营成本。假设商业银行贷款总规模为N，单笔贷款额为n，单笔业务总收益为M，存贷利差收入为R，中间业务收入为H，成本为C，那么：（1）M=R+H-C假定存贷利差收入R=n*r*q，中间业务收入H=H（n），成本C=n*b+c，其中0＜n≤N，r为存贷利差，q为贷款期限，b为不良贷款率，c为资本经营成本，因此式（1）具体为：（2）M=n*（rq-b）+H（n）-c（二）模型推导及分析对单笔贷款额n求偏导可得：坠M=rq-b+坠H，商业银行坠n坠n信贷扩张是指金融机构放宽贷款的标准，以低于市场利率水平的条件发放贷款，从而导致快速信贷增长，以满足社会投资的需求，促进经济的增长。在金融危机恶化导致欧美主要经济体陷入全面衰退时刻，中国为了保增长，开始反周期，“国十条、金九条”等相继密集出台，在扩大内需保增长的大势下，央行信贷规模控制全面放开。根据中国人民银行网站公布的数据显示，2008年11月份以来中国的信贷呈现井喷性扩张（如图1），2009年全年新增人民币贷款共计9.59万亿元，几乎是2008年新增人民币贷款规模的两倍。商业银行也经——争抢项目”的悲喜过程。对于历了“无钱可贷———有钱难贷—主要的商业银行而言，在“向谁贷款”“贷什么款”的问题上难免会有一定国家导向。而实际上也明确这批天量贷款的产业导向，在加大产业结构调整力度的同时，重点支持“铁公基”等基础建设行业，而各省各地市民制定了类似的产业和发展战略，因此，和产业导向使得银行大量的资金流向基础设施建设等行业，由此进一步加剧了信贷集中现象。信贷扩张给我国商业银行资产风险管理带来新的挑战，尤其是信贷集中风险，甚至会对银行信贷资产管理埋下隐患。在贷款定价时已经考虑不良贷款因素，因此通常有rq-b＞0，即贷款收益能够覆盖风险。贷款额与其所带来的中间业务收入是直接挂钩的，贷款额越大，中间业务收入越高，即坠H＞0，坠n因此商业银行看来坠M＞0，即商业银行单笔贷款额越大收益坠n越高，这也是信贷集中现象存在的内在要求，商业银行采取的最有利行为即n=N，商业银行只有一笔贷款，其贷款额为商业银行贷款总规模N，此时商业银行出现信贷极端集中，完全没有分散风险。对贷款期限q求偏导可得：坠M=nr＞0，即商业银行单笔坠q贷款时间越长收益越高。对不良贷款率b求偏导可得：坠M=-n＜0，即商业银行不坠b良贷款率越低收益越高，商业银行宜重点关注不良贷款，另一方面商业银行为达到降低不良贷款的要求，会倾向于给更了解更熟悉的企业放贷，而对于那些新申请贷款的企业更谨慎，随之而来的结果是，已经贷过款的企业还能贷款，从未贷款的企业仍然不能贷款，信贷资源还是集中在一部分企业中，因此不良贷款率的要求也形成了信贷集中的外在动机。对存贷利差求r偏导可得：坠M=nq＞0，即商业银行存贷坠r图12008年1月-2009年12月各项贷款额

利差越高收益越高，这是体现商业银行的盈利性的关键因素。在信贷扩张的背景下，商业银行贷款总量增加，新的贷款规模M′高于原来的贷款供给量，即N′＞N，由于商业银行收益是与单笔贷款额正相关的，商业银行在利益的驱使下会出现信贷集中，将信贷集中于一个企业，而信贷扩张使于集中程度更大，因此在信贷量扩张在内在要求和外在动机的驱动时，商业银行的信贷资源只会更集中。形成推论：Proposition：信贷扩张前比信贷扩张后信贷集中度更高。三信贷集中实证分析（一）数据来源信贷集中是信贷资源配置的方式之一，近年来，我国信贷市场中银行信贷资金向部分地区、部分行业或产业、部分优质客户集中的特征十分明显，为认识信贷扩张对商业银行信贷集中的影响，本文用农业银行深圳分行2006-2009年的贷款数据进行实证分析。其中2006-2008年为信贷扩张前阶段，2009年为信贷扩张后阶段。农业银行深圳分行信贷资金向部分优质客户集中的特征十分明显。按总资产规模将贷款客户划分为大中小型贷款客户，大型贷款客户为总资产大于5000万元，小型贷款客户为总资产低于3000万元。表1

深圳农业银行平均贷款额分布表（万元）

户均贷款量2006年2007年2008年2009年大型贷款客户9469.0149868.21516904.2119650.14中型贷款客户877.313780.3563752.22323.0588小型贷款客户810.8584836.752727.75161005.612总平均值68.7946047.5657308.1767225.61附注：数据来源来深圳农业银行内部资料整理

表中可见，大型贷款客户的平均贷款量远超过中小型贷款客户，2006年大型贷款客户的平均贷款量是中型贷款客户的10.79倍，是小型贷款客户的11.67倍，而到了2009年大型贷款客户得到的平均资源更多，大型贷款客户的平均贷款量是中型贷款客户的21.28倍，是小型的贷款客户的19.倍。（二）基于基尼系数的信贷集中测度方法基尼系数是目前国内外对于测定公正程度最常用的方法，在收入、财富分配等方面获得广泛应用，目前在银行业贷款信贷集中等方面的应用较少，关于中国的情况应用更是凤毛麟角，陈希孺（2004）［2］从统计学角度对洛伦兹曲线和基尼系数的估计做了统计性说明，成邦文（2005）［3］对洛伦兹曲线和基尼系数进行了深入分析，并验证了社会经济规模指标的分布可用对数正态分布描述，杜鹏（2005）［4］引入基尼系数测算了中国的教育基尼系数，并用模型实证分析了中国各地区教育拓展中的差距及变化趋势，潘新民（2008）［1］测算中部某省的招商银行和工商银行基尼系数，认为直接从基尼系数数值上能判断信贷资产的不平等程度。本文借鉴潘新民（2008）［1］的研究，测算银行业的信贷集中度基尼系数，用以描述银行业信贷资金投放的差异程度。对于基尼系数，人们一般习惯于借助洛伦兹曲线直观地给以形式化的表述。基尼系数的计算通常是通过计算洛伦茨曲线图中洛伦茨曲线与对角线之间的面积以及对角线右下方的直角三角形面积，将这两块面积相除而求得。即：G=SSAA+B其中，G表示基尼系数，SA表示洛伦兹曲线和直线OC围成的面积（如图2），SA+B表示ODC的面积。9收入M100C50AB050100D人口图2洛伦兹曲线图

在现有研究中形成四种代表性的具体估值方法，分别是回归曲线法、几何算法、等分法和分组法，回归曲线法通过设定洛伦茨曲线的函数关系式，用回归的方法得出具体的函数式，最后求积分计算出G的数值。在实际运用中，人们很难确定相应的洛伦兹曲线是何种函数，往往假定洛伦兹曲线为一种可导可积的函数，这就形成了产生误差的一个主要环节，另外通过回归求洛伦兹曲线函数的表达式也影响G的精确性。因此，在使用回归曲线法时，为避免更大的误差，一要注意设定洛伦茨曲线的函数关系式的准确性；二是在求曲线表达式时，一般要求样本数量要足够多。几何算法、等分法和分组法并不依赖洛伦兹曲线的函数形式，但是等分组和分组法要求样本按照一定的规律进行分组。本文在前面所介绍的四种方法中，主要借鉴几何法来度量信贷集中风险，这是由本文的信贷集中的特点所决定的。一方面如果采用等分法，则按照等分法的思路，要求将样本贷款户数进行等分，而信贷资源明显是朝大型贷款客户集中的，这样简单进行等分，会造成数据失真；另一方面，按实际情况来看，贷款的分布是属于离散型分布，且贷款的数据还不足找到合适的分布形式，使得回归曲线法不能很好地得到利用。因此，本文主要借鉴于几何算法，用切割逼近的方式来计算信贷集中的基尼系数。基尼系数的计算通常是通过计算洛伦茨曲线图中洛伦茨曲线与对角线之间的面积以及对角线右下方的直角三角形面积，将这两块面积相除而求得。即：G=SSA=1-SBA+BSA+B结合信贷的内容与洛伦茨曲线图的特点，可以得到区域B的面积为：B=12Σn-1（Hi+1-Hi）（Zi+1-Zi）i=0其中，Hi表示贷款户数累积百分比，当贷款额度Y=Yi的概率为fi=1时，则有Hi=inn；Zi表示贷款额度累积百分比，如nn果贷款额度的平均数为μy=1nΣyi，那么有Zi=1μyΣyi；i代i=1ni=1表第i个样本，SA+B=12*1*1=12。由此可以得到信贷集中的基尼系数：G=1-Σ（Hi+1-Hi）（Zi+1-Zi）i=0（三）模型实证与评价利用已构建的信贷集中基尼系数的衡量方法，结合农行深圳分行2006-2009年数据，按几何图形分块近似逼近的计算的方法，得到样本区间内各年的信贷集中基尼系数，见表2。表2

信贷集中基尼系数

时间2006200720082008-20092009基尼系数0.420.67410.68360.62840.7660企业数7468837952424984贷款总额（万元）496000053400005810000161100007110000从表中可以看出，2006-2008年基尼系数略有上升，信贷扩张前三年内的基尼系数为0.6284，信贷扩张后的即2009年基尼系数为0.7660，增加21.90%，这表明信贷扩张引发了信贷集中程度加剧，这与前文模型推论一致。的“四万亿”对深圳农业银行的影响是多方面的，一方面银行面对要求的贷款额度压力，必然放松对一些中小型贷款客户的要求，使得中小贷款客户的贷款额增加，但是受到中小贷款客户的信誉的制约，这一部分增加只能是有限的；另一方面，大型贷款客户多数国有控股的贷款客户，不但巨有良好的财务实力，而且有着或是地方作为其隐性担保角色，属于优质客户，是各大银行争相贷款的对象，而这一竞争形势在信贷扩张的压力下进一步加剧，各大银行为获取这些客户不得不进一步加大贷款额度，以提高吸引力，必然会造成信贷资源的进一步集中，也就表现在信贷集中基尼系数突然上升加速。基尼系数常用来衡量社会收入的差异程度，国际公认的用基尼系数衡量收入不平等程度的标准认为，基尼系数低于0.2表示绝对平均，0.2-0.3表示比较平均，0.3-0.4表示相对合理，表示相对合理，0.4-0.5表示差距较大，0.6以上表示差距悬殊。在本文中借鉴基尼系数对应分析银行业信贷集中不平等程度，用来衡量贷款差异的程度，完全套用基尼系数的标准显然不合理，但是刻画的对象具有极其相似性，而且基尼系数值与不均衡程度呈正相关关系，是不因研究内容而改变的，这是由基尼系数计算方法所客观决定的，因此以达到0.5作为简单的划分标准不失为一种可行方法。信贷集中基尼系数应在0-1的范围内，0代表绝对分散，1代表绝对集中，这两种极端情况在现实中是难以实现的，0.5代表分界点，低于0.5代表差距不悬殊，高于0.5代表差距悬殊，在本文中亦可表述为集中。本文中所测算的信贷集中基尼系数值分别为0.42，0.6741，0.6836，0.7660，均高于0.5，这与本文所得到信贷集中特点是相一致的，因此本文的信贷集中风险指标是具有内在逻辑一致性。四结论本文针对信贷扩张这一现实背景，探讨信贷扩张如何进一步加剧信贷集中，对我国商业银行信用风险管理的理论与实践做出一些尝试。本文将信贷扩张与信贷集中通过博弈分析联系起来，揭示出它们之间影响机理，认为信贷扩张加剧中信贷集中，并结合农业银行深圳分行的数据，采用新的信贷集中度量方法对这一结论进行检验，突破传统衡量信贷集中度指标的单口径局限性，实证结果表明信贷扩张后的信贷集中基尼系数大于信贷扩张前的系数，这意味着信贷扩张加剧了信贷集中。商业银行信贷集中，客观上导致了中小贷款客户“贷款难”的问题，不利于缓解整个社会的就业压力，而中小贷款客户的发展，对于缓解就业压力、保持社会稳定、促进市场繁荣等方面具有重要意义；主观上信贷集中也增加了商业银行的信用风险，“把所有鸡蛋放在一个篮子里”的决策并不明智，因此商业银行在外在压力与内在约束的驱动下，应该防范信贷集中风险。由于商业银行数据的保密性要求，本文难以取得更多的数据进行检验，这是本文存在的不足之处，而且在探讨信贷扩张加剧信贷集中的博弈过程中，只考虑单个商业银行的决策，而事实上信贷集中往往表现出“羊群行为”的特点，如何将商业银行的群体行为纳入同一个分析框架，是我们后续研究的一个可尝试的角度。参考文献：［1］潘新民：《信贷集中度衡量指标建模与实证———基于洛伦兹曲线和基尼系数》，《经济学动态》2008年第7期，第40-44页。

［2］陈希孺：《基尼系数及其估计》，《统计研究》2004年第8期，第58-60页。

［3］成邦文：《基于对数正态分布的洛伦兹曲线与基尼系数》，《数量经济技术经济研究》2005年第2期，第127-135页。

［4］杜鹏：《基于基尼系数对中国学校教育差距状况的研究》，《教育与经济》2005年第3期，第32-36页。

（责任编辑：余小平）

10