(天津商业大学 经济学院，天津 300134)

一、引言

随着我国利率市场化改革步伐的加快、外资银行的涌入及互联网金融的异军突起，金融市场的竞争不断加剧，商业银行面临着前所未有的竞争压力。为了积极应对新形势的变化，2017年4月中国建设银行、南京银行分别与阿里巴巴和蚂蚁金服签署合作协议；2017年10月中信银行与百度合作成立直销银行“百信银行”；2017年12月光大银行、民生银行、中国工商银行分别与京东建立支付合作关系。这一系列的案例表明，商业银行面对巨大的竞争压力不得不寻求新的发展路径，以求获得竞争优势。

那么，商业银行为求发展是否会过度承担风险？这是学界和监管部门一直关注的热点问题。许多研究表明，银行业过度竞争或高度垄断都会促进商业银行风险承担，因为过度竞争会引发商业银行过度的金融创新，从而导致其过度风险承担[1]，美国次贷危机就是很好的例证。从近几年的公开数据来看，我国商业银行的不良贷款率自2012年以来呈明显的上升趋势，表明银行的信贷风险在不断增大。同时，目前我国经济增长速度逐渐放缓，进入经济“新常态”，各种金融风险在不断积聚，增大了银行过度风险承担的可能性。在此背景下，银行业

竞争是否导致商业银行过度风险承担的担忧越来越多，基于现实数据研究证实这一问题，对于银行加强风险管理与监管部门制定相关政策具有重要的理论及现实意义。

二、文献综述

目前关于商业银行风险承担的成果较多，但对于其过度风险承担的研究成果并不多，因为如何界定和测量“过度”是一件十分困难的事情。金鹏辉等(2014)[2]用银行业贷款审批条件指数作为商业银行过度风险承担的代理变量，经实证检验发现，在宽松的货币政策环境下，商业银行会放松贷款审批条件，从而承担过度的风险。刘航等(2013)[3]通过引入社会最优风险水平代理变量判断商业银行过度风险承担程度，认为银行之间因为存款的竞争使各银行提高存款利率，进而导致银行所选资产的均衡风险水平高于社会最优风险水平，使其承担更多的风险。银行间竞争程度越激烈，其过度风险承担问题越严重。李成等(2015)[4]研究利率市场化进程对商业银行过度风险承担的影响，证明了在我国利率市场化改革推进的过程中，商业银行风险承担没有上升，反而出现下降趋势，从而证明利率市场化缓解了商业银行过度风险承担，宋惠等(2016)[5]以中国银行业为研究对象，运用面板数据固定效应模型，实证分析在利率市场化改革中我国商业银行承担了更高风险，在其他条件不变时经济水平快速增长会加大银行业的风险承担水平，国家货币政策对银行风险承担有正向影响。但是他们没有对商业银行过度风险承担进行度量上的阐释。

关于银行业竞争对商业银行风险承担影响的问题一直是国内外学者关注的热点，但由于各国监管机制和经济政策的差异，以及理论模型和数据选取的不同，目前这一问题研究尚未形成统一的结论。回顾国内外银行业竞争与风险承担的实证结果，主要有两种观点：(1)基于线性影响的观点，即银行业的竞争会促进商业银行风险承担。Jimenez等(2013)[6]运用Lerner指数对于西班牙银行业进行研究，发现贷款竞争对银行风险承担的影响显著，贷款竞争的加剧会提高银行不良贷款率，而存款竞争对于商业银行风险承担的影响不显著。Hellmann等(2015)[7]认为银行业的竞争越激烈，为了争夺市场份额和扩大利润空间，银行会选择投资风险更高的资产组合。季琳(2013)[8]运用非结构化中的PR模型，选取我国商业银行1997-2008年的数据为样本进行研究，结果认为我国银行业处于垄断竞争状态，银行业竞争程度与不良贷款率之间呈现正相关关系。吴恒宇等(2013)[9]通过实证分析发现，零售存款竞争会加剧银行的整体经营风险，而银行经营风险的上升会引发更为激烈的风险。(2)基于“U”型影响的观点，即银行业竞争与风险之间存在“U”型关系。范育涛等(2013)[10]采用我国65家金融机构2005-2007的面板数据进行分析，结果认为银行业竞争与风险呈现倒“U”型，在临界值内，银行风险随着银行业竞争的加剧先上升后下降，银行业竞争对银行业市场起到一定的缓和作用。黄晓薇等(2016)[11]认为银行业竞争与银行风险承担的关系是通过利率市场化水平来传导的，当利率市场化程度小于临界值时，银行业竞争与银行风险承担水平负相关，当利率市场化程度大于临界值时，银行风险承担就会增大，也就是说银行业竞争与风险之间是正“U”型关系。这两种观点只是揭示了银行业竞争与商业银行一般风险承担的影响关系，并未解释银行业竞争是否会促进商业银行过度风险承担的问题。

从现有的文献成果来看，目前国内外对于商业银行过度风险承担还没有准确的测定标准，更少有针对银行业竞争与商业银行过度风险承担的实证研究。鉴于此，本文从以下两方面对现有文献进行了发展：首先，引入监管指标正常贷款迁徙率计算银行实际的不良贷款率和拨备覆盖率，然后，通过与国家拨备覆盖率的监管指标进行比较，从而判断商业银行过度风险承担水平，尽可能提高这一测度的准确性；其次，基于15家银行2008-2016年面板数据的研究样本，通过多种银行业竞争和银行过度风险承担的代理变量，对我国银行业竞争是否导致商业银行过度风险承担进行实证检验,尽可能提供一个更加客观稳健的研究结论。

三、研究设计

(一)测度方法

1. 银行业竞争测度方法

银行业竞争的测度方法主要分为两种：一种是结构化测度方法。结构化测度是对银行业市场整体的结构进行度量，通过银行业的外在特征，进而间接体现银行业竞争程度。另外一种是非结构化测度方法。该方法的出现与发展源于新实证产业组织研究方法，其主要方法包括：BL模型和PR模型。BL模型和PR模型因受到多种因素的影响，本身的测度具有一定的主观性，而且其测度的过程复杂，所以使用的范围较窄。

本文银行业竞争的测度将选择市场集中度指数(CR)、赫芬达尔指数(HHI)和嫡指数(EI)来研究，主要原因如下:首先，以上三种方法的使用范围较广，测度比较简单，对数据的分布没有严格的要求；其次，银行业数据很难满足非结构化所要求的假设条件，如果进行调整则可能使测度不准确，而且银行业成本或生产函数很难准确表达，所以用非结构化方法测度银行业竞争可能会产生“伪结果”；最后，此三种方法测度各有不同，能提高信息的全面性，也能使实证结果更准确。

(1)银行市场集中度(CR)。CRn是指银行业中排名前n家银行的总资产占15家上市银行总资产之比，体现的是资产排名前n家大型商业银行的集中程度，其计算公式为

其中，Xi是银行的资产份额,n是银行业排名前n的银行数。此结果是在0和1之间的，如果指数越趋于1，则市场越趋于垄断。通常n选择4或者8，所以本文研究取值n=4。

(2)赫芬达尔指数(HHI)。是指一个行业中各市场竞争主体所占行业总资产百分比的平方和，用来计量市场份额的变化，即市场中厂商规模的离散度。其公式为

其中，X表示市场的总规模；Xi表示银行的规模；N表示所选取的银行数。该指数值是在0和1之间，HHI值越接近1，则表示银行市场集中度越高，银行业的竞争程度越低；反之亦然。与CRn相比，HHI能完整反映市场的竞争情况，更能反映出大型商业银行对银行市场结构的实际影响[12]。

(3)嫡权指数(EI)。嫡权可根据具体数值判断不同指标的权重，在被引入市场结构测度时，可衡量市场内部是否处于平衡状态。其公式为

其中K=1/Inn，S代表第i家银行资产份额。当EI递减并最趋于0时，银行业市场是以垄断为主；反之则当EI趋于1，银行业市场则以竞争为主[13]。

2. 商业银行过度风险承担的测度方法

当前对我国商业银行过度风险承担水平的准确测度显得比较困难，一方面是因为缺乏统一的衡量标准，另一方面则是由于商业银行存在虚报、转移不良资产等行为。目前对银行过度风险承担的测量方法主要有两种，即社会最优风险水平和银行贷款审批条件指数。社会最优的风险水平是指银行在没有委托代理问题情形下的银行最优风险选择水平。社会最优的风险水平的取值是1，即不存在委托代理问题，社会愿意承担的最高风险[14]。因为存在信息不对称，想要消除委托代理问题几乎是不可能的，所以总体来说银行的风险水平高于社会最优风险水平。银行业贷款审批条件指数来源于国际金融协会对全球新兴市场133家银行高管的调查报告。当其值高于50时，表明贷款条件好转，反之亦然。如果银行审批条件超过了正常水平，则意味着银行过度承担了风险[2]。但是，这两种方法都存在局限性。首先，商业银行过度风险承担是银行的一种风险承担行为，而社会最优风险水平则是从公司治理角度分析的委托代理问题。其次，社会最优风险水平的数值1没有实际的意义，无法从数量上准确度量商业银行过度风险承担。最后，银行业贷款审批条件指数在国内使用较少，数据缺失严重。

对于我国来说，商业银行风险承担大部分是来自于信贷风险，所以本文从不良贷款这个角度来分析商业银行过度风险承担。商业银行的贷款风险有两类：一类是有客观证据表明该贷款已经发生减值或者未来清偿中会发生的损失贷款，主要是针对不良贷款而言的风险；另一类是尚未发现减值迹象，但存在一定减值概率的“已发生未识别”减值损失，主要是指正常、关注类贷款的潜在风险。实际上，关注类贷款是介于不良类贷款和正常类贷款之间的过渡阶段，有些银行为了使财务报表的数据好看，把存在问题的贷款纳入到关注类贷款中，实质上这并没有降低银行的风险，反而将风险暂时隐藏起来[15]。有的银行人为调整不良贷款分类，利用贷款进行展期或者贷新还旧，将事实上的不良贷款进行隐藏；有的银行大量发放贷款，以此来稀释不良贷款，使不良贷款率下降；有的甚至人为地修改会计信息，极力掩盖银行真实的风险状况[16]。所以针对以上问题，本文将分两步测度商业银行过度风险承担状况。

第一，引入监管指标正常贷款迁徙率，计算实际不良贷款数量。正常贷款迁徙率(θ)是一个年度数据指标，该指标表示银行一年内正常和关注类贷款的动态变化情况，表示从期初到期末，正常贷款中变为不良贷款的金额与正常贷款之比。正常贷款中存在不良贷款可能的原因，一方面可能是银行为了使账面数据好看，人为地把不良贷款划分到正常贷款之中，另一方面则可能是一些潜在的隐藏在正常贷款中的不良贷款，只不过推迟暴露，但实质上商业银行是承担了风险。所以从某种程度上来看，这个指标也能大概测度期初正常贷款中可能隐藏的不良贷款量。该指标的计算公式为：正常贷款迁徙率=(期初正常类贷款转为不良贷款的金额+期初关注类贷款转为不良贷款的金额+期初正常类贷款中因非正常收回而减少的金额+期初关注类贷款中因非正常收回而减少的金额)/(期初正常类贷款余额+期初关注类贷款余额)×100%。其中，期初正常类和关注类贷款中因非正常收回而减少的金额是指因实施以物抵债、核销等处置手段而引起贷款金额的减少，但是这个减少额从本质上来说也是属于不良贷款的范畴。为了使计算简单和能够预测正常和关注类贷款中本该属于不良贷款的数额，现将该公式修正为：正常贷款迁徙率=(期初正常类贷款中属于不良贷款的金额+期初关注类贷款属于不良贷款的金额)/期初正常类贷款余额+期初关注类贷款余额)×100%。因此，实际不良贷款量=θ*(期初正常类贷款余额+期初关注类贷款余额)+期初次级类贷款余额+期初可疑类贷款余额+期初损失类贷款余额。因为该期末指标计算得到的是期初的不良贷款量，所以后面所有分析的指标都是使用期初值。

第二，计算银行实际拨备覆盖率，从而判断商业银行是否承担了过度风险。监管当局对于商业银行不良贷款监管的一个重要的指标就是拨备覆盖率，是指贷款损失准备与不良贷款的比率，该比率最佳状态为100%。中国银监会2010年10月10日下发文件,要求银行将拨备覆盖率提升至150%。由于商业银行存在实际不良贷款的问题，因此其实际拨备覆盖率就应为贷款损失准备金与实际不良贷款的比率。考虑到本文选取的指标有2010年以前的，所以将2010年以前拨备覆盖率的临界值设定为100%，2010-2016年的临界值设定为150%。如果商业银行实际的拨备覆盖率大于临界值，则商业银行风险承担属于正常范围，如果商业银行实际的拨备覆盖率小于临界值，则表明商业银行承担了过度风险。

(二)模型构建及变量选取

1.基准模型构建

本文实证部分是要分析银行业竞争对商业银行过度风险承担的影响，即在其他影响因素保持不变的情况下，考察银行业竞争是否导致商业银行过度风险承担的问题。因此，本文借鉴Delis和Kouretas(2011)[17]的研究方法，构建商业银行过度风险承担的方程，并将银行业竞争变量引入其中

ORISKi,t=α+β1COMPETITIONt+β2CAPIi,t+β3SIZEi,t+β4ROAi,t+β5GDPt+β6STRUt+εi,t

(1)

(2)

其中，ORISKi,t表示i银行第t年的商业银行过度风险承担水平，用实际的不良贷款率来反映；COMPETITIONt表示t年银行业的竞争程度，分别用CR4、HHI、EI表示。

基准模型的被解释变量是商业银行过度风险承担水平，即特定条件下商业银行所愿意承担的风险水平。关于商业银行过度风险承担的代理变量，国外相关研究主要选取的是预期违约率、银行破产风险、加权风险资产率，但是相关数据的指标不易获得，而且也不符合我国实际情况，国内研究则更多的是使用不良贷款率作为代理变量。目前对于我国银行业来说，信贷风险是银行的主要风险，所以采用实际不良贷款与总贷款的比率CNPL来衡量商业银行过度风险承担比较符合实际。

银行业竞争是本文核心的解释变量，本文用银行业市场三个指标作为银行竞争变量，以此来测度其对于商业银行过度风险承担的影响，分别用HHI、CR4、EI表示。

考虑到银行的特质性，还将选取几个可能影响商业银行过度风险承担行为的银行个体特征变量。首先，因为不同银行有着不同的规模，所以选择银行总资产的对数(SIZE)作为商业银行规模的控制变量。资产规模更大的银行对于管理风险更擅长，承受风险的能力也更强。其次，自有资本水平对于商业银行过度风险也有着重要影响，所以本文选取资本充足率来衡量银行的自有资产率(CAPI)，因为对于商业银行来说，自有资产越多，商业银行可能会因为竞争的关系就更加趋向于承担风险。最后，盈利能力越强的商业银行可能更倾向于主动承担风险，所以本文选取ROA作为银行盈利能力的控制变量。

银行的过度风险承担与所处的环境有着一定关联，在不同的经济环境中，银行对于过度风险承担的倾向也有不同。所以考虑到经济环境的影响，本文加入GDP增长率来作为经济环境的控制变量,用银行部门提供的国内信贷与GDP的比率来作为经济结构控制变量，用STRU来表示。

基准模型(1)是为了探索银行业竞争对商业银行过度风险承担的影响，而模型(2)引入银行业竞争的平方项来进一步测度银行业竞争对商业银行过度风险承担影响的非线性关系。

2.考虑到银行业竞争对商业银行过度风险承担周期性影响的模型扩展

为了验证银行业竞争是否会对商业银行过度风险承担行为的周期性产生影响，在模型(1)的基础上引入银行业竞争与GDP和STRU的交叉项得到式(3)

ORISKi,t=α+β1COMPETITIONt+β2CAPIi,t+β3SIZEi,t+β4ROi,t+β5GDPt+β6STRUt+β7COMPETITIONt*GDPt+εi,t

(3)

3.考虑到银行异质性的模型拓展

为了检验银行间个体差异是否对银行业竞争与商业银行过度风险承担之间的关系产生影响，在式(1)的基础上引入银行业竞争与银行特征变量的交叉项得到式(4)

ORISKi,t=α+β1COMPETITIONt+β2CAPIi,t+β3SIZEi,t+β4ROAi,t+β5GDPt+β6STRUt+β7COMPETITIONt*SIZEi,t+β8COMPETITIONt*ROAi,t+β9COMPETITIONt*CAPIi,t+εi,t

(4)

(三)样本来源

本文选取中国工商银行、中国银行、中国建设银行、交通银行、北京银行、上海银行、兴业银行、民生银行、招商银行、中信银行、华夏银行、浦发银行、平安银行、南京银行、宁波银行15家商业银行2008-2016年的平衡面板数据作为实证分析的样本。尽管目前我国商业银行很多，但是本文所选取的15家银行具有一定的代表性，它们拥有的资产份额、贷款份额、存款份额之和占到市场的90%以上，而且包含国有银行、中小型股份制银行和城市商业银行这三类主要的商业银行。中国农业银行因数据不全，与其他国有银行情况相似，没有选取。农村商业银行因为数据不全、影响力较小，也未选取。银行变量层面相关的数据来源于国泰安数据库和银行财报，经济增长等相关数据来源于国家统计局和中国人民银行。

四、实证结果分析

(一)描述性统计

从表1可以看出，实际不良贷款率的均值是3.71，其标准差是1.85，其波动性很大，最小值是0.96，而最大值是10.43，变动十分明显。这说明不同的银行过度风险承担差异较大，银行风险的异质性特征较为明显。银行业市场竞争的HHI、CR4、EI均值分别是0.16、0.72、0.80，这三者也具有较大的差异性。

表1 变量的描述性统计

表2 实际的拨备覆盖率(单位：百分比)

图1 2008-2016年市场竞争与过度风险承担均值的趋势

由表2可知，15家商业银行实际的拨备覆盖率总体来看都低于临界值，只有个别银行、特殊年份有所不同，虽然2009年的中信银行、北京银行、南京银行和2013年的北京银行实际拨备覆盖率符合标准，但是它们其他年份的实际拨备覆盖率都很小，所以总体上讲，商业银行确实存在过度风险承担情形。

由图1可知，HHI、CR4曲线都是逐渐下降的，表示市场集中度越小，则银行业竞争越大；EI曲线是逐渐上升的，表示竞争越占主导地位，银行业竞争越激烈。这可能是因为银行之间为抢占市场份额和外资银行的进入，在一定程度上加剧了银行业竞争。从CNPL的均值趋势来看，商业银行过度风险承担的均值2008-2012年是下降的，2012年以后又逐渐上升，说明商业银行过度风险均值曲线呈“U”型状态。因此，银行业竞争对商业银行过度风险承担的影响可能存在一个临界值，当银行业竞争小于临界值时，将会缓解商业银行过度风险承担状况，当大于临界值时则相反。当采用HHI作为银行业竞争指标时，该临界值是0.154 7，采用CR4时，临界值是0.715 9，而当采用EI作为银行业竞争指标时，该临界值则为0.797 3。

(二)实证结果分析

1.基准模型的回归结果

本文选取的是15家商业银行9年期的平衡面板数据，为了使模型更准确，专门对序列进行单位根检验，检验的结果为CAPI和GDP是一阶平稳的。本文的实证是用平衡面板数据在eviews7.0下进行的估计。

首先，分析银行竞争与商业银行过度风险承担的线性关系。从表3的回归结果看，模型全部通过了整体显著性检验，说明模型是有意义的。从模型(1)的前两组模型可以看出，HHI、CR4的系数均为正数，而HHI和CR4指数与银行业竞争之间呈负向关系，所以银行业竞争与商业银行过度风险承担之间成负向关系，即市场竞争程度越高，银行过度风险承担越小。从第三组模型来看，EI的系数为负，而EI指数与银行业竞争是正向关系，所以银行的竞争越强，商业银行过度风险承担越小。由此可见，前三组模型中银行业竞争对过度风险承担的影响结果是一致的。

其次，因为假设银行业竞争对商业银行过度风险承担影响可能存在一个临界值，所以引入市场竞争的平方项进一步探讨二者之间可能的非线性关系。从银行竞争指标的一次项来看，三个模型都是显著为负，系数很大；从银行竞争指标的二次项来看，三个模型的系数显著为正；从HHI和CR4这两个银行竞争指标来看，银行业竞争与过度风险承担是正U的关系，对称轴是负值，即只要存在银行业竞争，就会促进商业银行过度风险承担；而从EI这个指标来看，二次项系数为正，但一次项的系数是显著为负的，即对称轴是正值，银行过度风险承担水平随银行竞争的增强先呈现下降趋势，当竞争程度到达临界值后便开始逐步上升。EI指标检验与图1的结果一致，该竞争的临界值是0.797 3。此对称轴的差异可能是数据选取的不同导致的，因为HHI指标对单位变动过于敏感，而CR4的样本范畴比较狭窄，所以EI指标更能全面描述银行业竞争状况。综合来看，当银行业竞争的临界值大于0.797 3时，会导致商业银行过度风险承担。

再次，从银行特征变量看，六组模型的银行特征变量的系数符号一致。首先看银行规模变量SIZE，其系数为正，也就是说商业银行资产规模越大，越倾向于主动承担风险，从而导致其过度风险承担，这与前面的预测一致。其次看银行的资本充足率CAPI，为了使模型显著，所以六组模型都是取其差分进行回归。其系数为负，说明当商业银行资本缓存增加时，其会更谨慎地承担过度风险，这与前面的预期刚好相反，这可能是因为取差分回归的结果，但是由于其在整个模型中系数很小，对最终结果影响不大。最后看盈利能力ROA，其系数为正，说明盈利能力的变化对商业银行过度风险承担具有促进作用。

最后，从GDP的增长率来看，各项系数都很小，在整个模型中可以忽略，所以GDP的增长率对于商业银行过度风险承担的影响不大，这可能是因为当前的经济环境整体趋于平稳，其对银行的影响没能很明显的表现出来。从表3的模型(1)和模型(2)可以看出STRU的系数显著但是符号不一致，这可能是数据选取的问题所致，在此不做分析。

表3 银行业竞争与商业银行过度风险承担关系的回归结果

注：括号里为t值；***，**，*，分别表示在1%、5%、10%水平上显著;F-test输出结果为p值；其中CAPI和GDP是取差分回归的。

2.银行业竞争对商业银行过度风险承担周期性检验

通过以上分析，无法判断商业银行过度风险承担存在顺周期还是逆周期，为了便于监管机构的监管，专门引入银行业竞争与GDP增长交叉项来进一步分析。

从表4中模型(3)的估计结果可以看出，银行业竞争变量与GDP的交叉项的系数都很显著，整个模型通过显著性检验，而CR4*GDP和HHI*GDP的系数显著为负，EI*GDP的系数显著为正，也就是说银行业竞争与GDP的交叉项对商业银行过度风险承担起到促进作用，即银行业竞争越强，商业银行过度风险承担的顺周期性越强。这是因为银行业竞争越强，商业银行为了抢占市场，在经济扩张时表现的更加激进，在经济衰退时会表现的更加谨慎。

表4 银行业竞争对商业银行过度风险承担的周期性影响及异质性检验

注：括号里为t值；***，**，*，分别表示在1%、5%、10%水平上显著；F-test输出结果为p值；其中CAPI和GDP是取差分回归的；因为银行业竞争的代理变量与CAPI交叉项不显著，所以这里没有列出。

3.商业银行过度风险承担的异质性检验

为了更好地分析银行业竞争是否导致商业银行过度风险承担，以及银行自身如何去把控风险，参考刘生福和李成(2014)[18]的做法，在基准模型中加入了银行业竞争与银行特征变量的交叉项，检验商业银行过度风险承担行为的异质性。

从表4可见看，CR4*ROA和HHI*ROA的系数为正，EI*ROA的系数为负，也就是说银行业竞争与ROA的乘积会缓解商业银行过度风险承担状况，意味着商业银行盈利能力的提高，会降低银行业竞争对商业银行过度风险承担的影响。相反，银行资产规模变量SIZE与银行业竞争变量的乘积显著为正，说明商业银行资产规模的增大会放大银行业竞争对商业银行过度风险承担的影响。因为银行业竞争的代理变量与资本充足率的乘积项不显著，所以这里不做分析。

五、结论与建议

基于数据的可得性问题，本文选取了15家商业银行2008-2016年的数据作为研究样本，在假设的基础上运用相关模型实证检验了银行业竞争对商业银行过度风险承担的影响，得出如下结论。

第一，引入监管指标正常贷款迁徙率计算银行实际不良贷款率和拨备覆盖率，作为判断银行过度风险承担的标准和依据，实证结果表明，我国银行业竞争确实导致了商业银行过度风险承担行为的发生；第二，银行业竞争与商业银行过度风险承担之间不是一般的线性关系，而是正“U”型关系。银行业竞争存在一个临界值，商业银行过度风险承担水平随银行业竞争的增强先下降，当银行业竞争达到或超过该临界值时转而上升；第三，银行业竞争会促进商业银行过度风险承担的顺周期性；(4)银行业竞争对商业银行过度风险承担的影响有明显的异质性特征，即商业银行资产规模增大会扩大银行业竞争对商业过度风险承担的影响，相反商业银行盈利能力增强则会缓解这一影响。

根据以上结论，结合我国经济环境和银行业竞争的现实状况，提出以下建议。

第一，商业银行在竞争压力不断增大的环境下尤其要加强贷款管理，不仅要重视不良贷款的控制和处理，而且还要重视正常和关注类贷款转化为不良贷款的可能性，尤其是关注类贷款中可能转化为不良贷款的部分，以防止不良贷款率的上升，力求在源头上遏制贷款风险的积聚扩大。第二，商业银行在参与竞争的过程中要客观评价自身的风险存在状况及风险承受能力，处理好收益与风险的关系，尽力使风险承担处于一个合理的范围内，避免过度风险承担行为的发生。第三，商业银行应通过加强内控、创新业务、提升效率等途径提高自身盈利能力，杜绝盲目扩大资产规模的做法，同时注重与其他银行的合作，避免恶性竞争，降低过度风险承担的可能性。第四，监管部门应把握当前经济发展的周期性特征，密切关注银行业的竞争状态，根据银行业竞争的不同等级及所表现的异质性特征，及时采取差别化的审慎监管，维持良好的竞争秩序，以避免强化银行风险承担的顺周期性，减少商业银行过度风险承担行为的发生。

[1]胡题，谢赤.基于GMM方法的银行业竞争程度对银行风险影响的研究[J].中国管理科学, 2013(11):249-254.

[2]金鹏辉，张翔，高峰. 银行过度风险承担及货币政策与逆周期资本调节的配合[J].经济研究, 2014(6):73-85.

[3]刘航，韩婷.为什么金融机构会承担过度的风险?—一个基于银行存款竞争的解释[J].当代经济研究, 2013(9):67-73.

[4]李成.利率市场化鼓励商业银行过度风险承担吗？[J].会计与金融, 2015(12):91-102.

[5]宋惠，周绍雄. 利率市场化对商业银行风险承担的影响——基于中国上市银行面板数据的实证分析[J].哈尔滨商业大学学报：社会科学报，2016(5)：11-16.

[6]Jimenes G, Lopez J A,Saurina L.How does Competition Affect Bank Risk-taking?[J].Journal of Political Stability, 2013,9(2):185-195.

[7]Hellmann T F,Stiglitz J E,Murdock K C.Liberalization，Moral Hazard in Banking，and Prudential Regulation: Are Capital Requirements enough?[J]. American Economic Reviews,2010,90(1): 147-165．

[8]季琳,赵延丽.银行业竞争与风险承担—中国银行业的实证分析[J].金融监管研究, 2013(3):64-73.

[9]吴恒宇，吴俊，张宗益.零售存款竞争、批发资金融资与风险行为—基于存款利率市场化前期的经验研究 [J].金融论坛, 2013(9):17-23.

[10]范育涛，费方域.利率市场化、银行业竞争与银行风险[J].金融论坛, 2013(9):3-6.

[11]黄晓薇,郭敏,李莹华. 利率市场化进程中银行业竞争与风险的动态相关性研究[J]. 数量经济技术经济研究,2016(1):75-91.

[12]陈丽君.我国商业银行市场结构、效率及绩效研究[D].重庆大学, 2008:16-18.

[13]乔占军.基于熵指数测算的中国服务业总量与结构互动研究[J].统计与决策, 2012(12):148-150.

[14]刘懿.商业银行风险承担研究[D].西南财经大学, 2010:9-11.

[15]王伟.商业银行贷款资产质量预测及应对措施[J].商, 2015(5):191.

[16]卫功琦.我国商业银行道德风险的实证分析：信贷风险掩饰和推迟视角[J].国际金融研究, 2009(7):80-86.

[17]Delis M D,Kouretas G P.Interest Rates and Bank Risk-taking[J].Journal of Banking & Finance, 2011,35(4):840-855.

[18]刘生福,李成. 货币政策调控、银行风险承担与宏观审慎管理-基于动态面板系统GMM模型的实证分析[J]. 南开经济研究,2014(5):24-39.