中国银行对产业放款的群聚行为研究 ——以股份制商业银行与城市商业银行为例，本文主要内容关键词为：商业银行论文,中国银行论文,为例论文,股份制论文,城市商业银行论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言 银行在金融体系中起到资金供给与需求者之间资金流通的作用，在经济发展过程中扮演着相当重要的角色。受到全球金融自由化及信息扩散快速化的冲击，国际金融市场间的连结与整合程度大幅提高，这种趋势对全球各类银行的授信行为也产生了影响，银行经营策略在风险管控的战略下出现相互观摩、追随等层出不穷的群聚行为。这种群聚行为，可归因于总体经济的变化及银行因信息不对称产生的资源分配不当（Nakagawa et al.，2012）。信息不对称产生的主要原因是银行对所放贷厂商的经营绩效及获利信息掌握不充分，使得银行倾向于追随其他银行的放贷行为，为放款错误寻求“借口”。若银行间放贷群聚的厂商获利能力不佳，那么这种群聚行为将导致无效率的金融资源分配，反之则是有效率的。 自2008年金融危机之后，我国银行的存贷业务受限，更加谨慎的银行贷款政策促使大量资金流向特定产业，从而形成群聚现象。然而，国有商业银行、股份制商业银行、城市商业银行及政策性银行在授信过程中采取的策略并不相同。其中，国有商业银行扮演着重要的角色，政府会根据国家战略需要对其进行产业方向授信指导。虽然股份制商业银行和城市商业银行规模有限，但正逐年上升，他们为了减少风险很可能会观摩国有商业银行，或追随规模较大银行的放贷行为。那么，股份制商业银行与城市商业银行对产业放款是否存在群聚效应？产业放款群聚效应的特征是什么？产业放款群聚效应对经济发展有影响吗？为了解决上述问题，首先，本文拟利用Sias（2004）的跨期动态群聚模型，检测股份制商业银行和城市商业银行的群聚行为，及这种群聚行为是否为一种习惯性放款。其次，本文使用Nakagawa等（2012）的两阶段GMM模型，研究这两类银行可能会群聚于什么类型的银行，且这种群聚是否源于声誉。最后，进一步厘清这两类银行是否以及如何影响中国的经济实质。本文为监管者对股份制商业银行与城市商业银行的群聚行为采取相应对策提供了思路，也为我国的商业银行改革提供了思路。 二、文献综述 （一）银行对产业放款存在群聚效应 全球许多国家的银行在借贷市场均产生过群聚行为。如Mei和Saunders（1997）研究证明纽约银行分行的群聚行为与其地理位置有关；Rotheli（2001）认为瑞士银行也存在群聚行为，且跟随者反应的冲击远比领导者授予放款的冲击更为重要；Nakagawa和Uchida（2011）研究发现日本的群聚行为较常出现于20世纪80年代及90年代，并且城市商业银行会追随信托银行的贷款行为。那么，我国银行会产生群聚行为吗？目前，虽然国有商业银行在经营绩效与管理制度方面尚存在一些问题，但其存款额、放款额及资产总额均占市场份额2/3以上（陈晓、黄旭，2013）。而且政府会根据国家战略需求对占主导地位的政策性银行、国有商业银行进行产业方向授信指导（杨凯生，2014）。相反，股份制商业银行及城市商业银行在资产规模及所占市场份额方面相对较小，难以形成有效的竞争优势（贾春新，2007），但资本结构的多元性导致其能遵循市场导向发展，并形成较为先进的管理制度（沈中华等，2010）。正是因为这种市场管理理念，促使股份制商业银行及城市商业银行在产业放款上追随政策性银行及国有商业银行，以进行风险控制，由此产生群聚效应。 （二）银行对产业放款群聚是一种习惯行为 Falkenstein（1996）将习惯性投资作为群聚的一个特殊例子，即法人受相似特征的证券吸引并追随彼此，从而买卖相似的投资组合。Gompers和Metrick（2001）也得到结论，习惯是群聚行为常见的一种表现形式。此外，Bennett等（2003）研究发现，不同型态法人面对的法规要求、持有期间、竞争程度等可能不同，这影响了群聚是否发生及发生的机率，即群聚可能只发生于相同类型的法人间，或其他型态的法人群聚于部分特定领先型态的法人。因此，银行放款的群聚行为也是一种习惯，主要体现在银行间对产业放款时会受特定产业的吸引而产生习惯性放款或倾向于相互观摩的群聚放款（Sias，2004）。赵尚梅等（2012）认为，我国股份制商业银行与城市商业银行的资本结构均由股东组成，他们在利益最大化目标下会选择相似的产业进行放款。Uchida和Nakagawa（2007）采用LSV指标单期横断面证实了这一特征，即20世纪80年代末期造成日本股份制商业银行无效率群聚行为的原因是他们习惯贷款给新贷款者，并且对产业贷款从传统产业转为金融业和房地产业。 （三）银行对产业放款群聚行为来源于声誉 根据Sias（2004）的研究，群聚行为可分成下列类型：（1）信息串流。当市场上领先者出现相同行为且整体信息形成压倒性态势，私有信息无法改变整体趋势时，跟随者会放弃私有信息并追随领先者的行为，这种现象被称为信息串流群聚（Banejee，1992）。（2）调查群聚。调查群聚通常发生在法人依循相同的信号使其信息呈现和证券报酬正相关的趋势，从而导致法人买入或卖出相同的股票（Froot et al.，1992）。（3）声誉群聚。经理人基于名誉而选择忽略私有信息，跟随其他声誉较佳经理人的投资决策保护本身声誉的行为（Keynes，1936）。李维安和曹廷求（2004）认为，我国银行中股份制商业银行及城市商业银行受到政府干预程度较小，在由计划经济向自由经济的进程中两类银行面对的法规要求、放款区域及竞争程度明显不同，导致他们之间很难形成整体信息、遵循相同讯号，即信息串流与调查群聚难以形成，声誉群聚却比较容易形成。此外，规模较大的银行声誉也较大，可能会造成领先群组，其放款行为会对其它银行造成影响。因此，股份制商业银行及城市商业银行在授信政策上可能会追随国有商业银行，也可能追随同类银行中规模较大的银行。 （四）银行产业放款群聚行为对经济发展的影响 群聚行为的目的是银行希望利用其他银行的信息了解借款人背景、减少将资金错误放贷的风险，从而对经济发展产生正面影响。然而，大部分文献都未证实这种目的是否实现。仅Nakagawa等（2012）探讨了银行群聚行为对总体经济的影响，他们使用代表经济实质活动的GDP增长率及代表资产价格泡沫的土地价格的总体经济变量进行研究，结果发现日本银行无效率群聚贷款行为使得后续若干年度GDP及房价指数恶化，而群聚行为对其他银行的一般非建筑及房屋贷款则有明显的正向影响。Nakagawa等认为无效率群聚行为对经济影响的路径是，不同类别银行放款信息取得能力不对称导致了群聚行为的产生，从而引起不良放款率上升、银行经营风险上升，最终产生经济泡沫、经济衰退。由此可见产业放款群聚行为可能会促进经济资源分配更有效率，但也可能导致无效率的经济行为后果，我国具体属于那种情形尚有待检验。 三、模型设定 （一）检测银行对产业放款的群聚效应模型 Sias（2004）分析了企业在证券交易中的群聚效应，本文借鉴Sias的做法，检测某银行在一段期间的放款和其他银行在下一期放款之间的横截面相关性，并计算银行在第t年（一年期间）对某产业i放款数目增加的原始比率，以检验银行对产业放款是否会有群聚效应。公式如下：
其中，若银行对某产业i的放款金额比前一年增加，其称为对产业放款的增加者（BIL）；反之，则称为对产业放款的减少者（BDL）。分母必须要大于0，表示每一种产业至少要有一家银行在一年内放款。标准化银行对某t年、某产业i增加放款的比率（定义为
）以便于逐期计算，如下式：
表示银行在第t年所增加放款原始比率对所有产业横截面的平均值，且σ(Raw
)表示银行在t年增加放款的原始比率对所有产业横截面的标准差。 本文在评估银行放款为较长期间时，将银行对一年某产业（i）增加放款的标准化比率（
）对其前一年某产业增加放款的标准化比率（
）横截面回归模型定义如下：
该式指银行增加贷款比率在本期与后期之间的相关性，可拆解为邻近一年的银行追随自己对产业i放款量的增加或减少，及其追随其他银行对产业i放款量的增加或减少。因此本文定义方程式（3）的斜率系数公式如下：
其中，N是银行在一年期t对产业i放款的家数；
为1代表银行n在一年期t对产业i为放款的增加者。反之，
为0代表银行n在一年期t对产业i为放款的减少者；
为在t-1年期间银行对产业i放款的家数；
为1代表银行n在t-1年期间对产业i为放款的增加者。
为0代表银行n在t-1年期对产业i为放款的减少者；
为1代表银行m（m≠n）在t-1年期对产业i是放款的增加者。
为0代表银行m（m≠n）在t-1年期对产业i是放款的减少者。 若银行追随前一年自身对各产业的贷款，方程式（4）右边的第一项为正值；反之，若银行不追随前一年本身对各产业的贷款，第一项则为负值。如果银行在本期对产业贷款是独立于前期自身的贷款，第一项为零。如果银行m在t-1年对产业i的贷款为增加或减少，那么银行n在t年对产业i的贷款均同向呈现增加或减少的情形，方程式（4）右边的第二项为正值。如果某银行对于其他银行而言，在t-1年期增加贷款的产业反向减少其贷款，或是相对于其他银行而言，在t-1年期减少贷款的产业反向增加其贷款，方程式（4）右边的第二项为负值。如果某银行在t年期相对各产业的贷款独立于其他银行在t-1年期的贷款，该项将为零。 （二）检测银行对产业放款群聚源于习惯的模型 进一步延伸Sias（2004）对习惯性投资的定义，以检测银行在既定的一年期增加其放款组合权重的比率与其在前一年该比率之间的相关性，目的是检测银行后一期贷款是否追随自身及他人，即贷款源于习惯。若某银行追随自身及其他银行对某产业i贷款的增减是来自于习惯，则银行横跨邻近一年对该产业放款的组合权重应不显著。反之，如果银行追随自身及其他家银行对某产业i贷款的增减不是因为习惯，则银行横跨邻近一年对该产业的放款组合权重应显著为正。在式（5）中
被定义为银行n在一年期t对产业i的放款总额。若银行n在本期放款组合权重大于其自身前一年放款组合权重，则银行n可被视为增加放款组合权重者，即放款增加者，公式如下：
若不等式（5）中银行n在本期放款组合权重小于其自身在前一年放款组合的权重，则银行n可被视为放款减少者。如果式（5）的左边和右边是相等的，则银行n不会被归类为放款增加者或放款减少者。因此，银行在一年期t对产业i增加放款组合权重的原始比率可被定义如式（6），其中BILCW是指一年期增加放款组合权重，BDLCW是指一年期减少放款组合权重。
（三）检测银行声誉群聚的模型 依据银监会的分类，银行业对产业资金放贷中资金充裕的银行型态有国有商业银行、股份制商业银行及城市商业银行，不同类型银行对产业放款的群聚行为可被视为不同型态法人对股票交易的群聚行为（Bennett et al.，2003）。股份制商业银行及城市商业银行对产业放款会展现出较强群聚趋势，这主要是因为我国政府相较于其他国家而言仍有计划经济色彩，导致这两类银行在授信政策上可能会追随国有商业银行。此外，国有商业银行的规模较大，规模较大的银行可能会形成领先群组，其放款行为会对其他银行造成影响。因此，本文一方面检测中国股份制商业银行及城市商业银行对产业放款是否会彼此追随或追随国有商业银行，形成声誉群聚；另一方面，将这两类银行按资本额大小区分为大规模银行及小规模银行，以检验小规模银行对产业放款是否会明显追随大规模银行。 为了研究上述问题，本文使用Nakagawa等（2012）的两阶段GMM检测银行的声誉群聚是否存在，如下式：
（四）检测群聚行为对经济的影响 延续检测银行声誉群聚的做法，采用估计参数γs检测中国股份制商业银行及城市商业银行间相同型态银行对产业放款群聚行为是如何影响中国经济实质；并采用估计参数δ－s检测这两类银行彼此之间的追随行为，及他们追随国有商业银行对产业放款的群聚行为是如何影响中国经济实质的。首先，加总横跨各银行型态间的参数γs和δ－s以形成相同和不同类型银行群聚参数，被称为HB1③，如下所示：
其中，
是相同类型银行放款的群聚参数，
则是不同类型银行m对n放款的群聚参数。
是m类型银行放款的变动率，并且
是n类型银行放款占全部银行放款的比率。本文同样使用两阶段动差法估计等式（8），以分别检测两类型银行对产业放款的群聚行为如何影响经济实质。第一项是相同类型s银行间群聚行为所造成的放款变动率，其由s类型银行的放款变动率和s类型银行在第i种产业的放款比例乘以群聚参数
衡量。第二项则是一种类型银行追随其他类型银行所产生的放款变动率，其由m类型银行的放款变动率和n类型银行在第i个产业的放款比例乘上群聚参数
衡量。 HB1包括银行的相同型态s的群聚行为和一种型态银行追随其他型态银行所产生的群聚行为。为了进一步区分这两种类型银行的借贷行为，本文建构HB2和HB3，以分别考虑相同型态和不同型态银行之间的群聚行为，如下列方程式所示：
然后，利用群聚行为的衡量，即分别由方程式（8）、（9）或是（10）的HB1、HB2或HB3以检测银行之间群聚行为对经济实质的影响，呈现如下式：
其中，
为代表总体经济活动变动的变量，包括产业的相对GDP增长率、股价指数变动率。由于使用年作为数据频次，本文分别考虑当期银行放款的HB（11a）以及落后一年期银行放款的HB（11b）对总体经济变量的影响。在当期银行放款的群聚行为（11a）中，
是中国特定产业中领先指针的总体经济变量，包括当期产业的股价指数变动率和相对本益比变动率。在落后一年期银行放款的群聚行为（11b）中，Z1i,t-1则被定义为前一期中国特定产业中非领先指针的总体经济变量，包括在前一期产业的GDP增长率。 本文同样使用两阶段的GMM以分别估计方程式（12a）及（12b）。在这两个方程式中，HB的β系数均表示中国地区银行在借贷市场中的群聚行为对其总体经济变量的影响。如果β=0显著被拒绝时，则存在银行群聚行为对总体经济活动有影响。如果HB参数为正值，表示有一种类型银行追随其他银行在借贷市场的群聚行为。相反地，如果参数为负值，表示两家银行负向追随以在贷款上彼此竞争。为了消除银行间竞争行为可能造成的影响，本文延伸Nakagawa等（2012）模型中的虚拟变量以维持正向的群聚行为。其中，如果群聚参数为正值设定为1，否则设定为0。
四、实证分析 （一）研究样本与数据描述 本文的资料来自于国泰安的中国银行财务数据库，即整理2006—2013年中国四类银行（政策性银行、国有商业银行、股份制商业银行、城市商业银行）对银监会划分22个产业的国内总放款、企业放款及消费性放款明细资料，以研究个别银行对银监会划分产业放款的群聚行为。如表1所示，虽然政策性银行及国有商业银行都属于国家主导的银行，但有放款资料的政策性银行仅一家，样本明显不足，故本文仅探讨股份制商业银行及城市商业银行这两个政府干预相对较少的银行是否会追随国有商业银行对各产业放款的群聚行为，或是这两种型态银行倾向彼此追随各产业放款而产生的群聚行为。 从表1的Panel A中可看出，各类型银行在2013年的总放款金额较2006年呈现大幅上升趋势。其中以城市商业银行放款金额的增幅最为明显，约为30.8%，股份制商业银行放款金额的增幅位居第二，约为28.9%，而政策性银行与国有商业银行放款金额的增幅相对较小，仅23％及20.6%。这些数据表明，近年来我国政府主导的政策性银行以及国有商业银行的放款增幅逐渐减少，而受政府干预较少的地区性城市商业银行及股份制商业银行的放款增幅逐渐增多。此外，由Panel B可以看出，国有商业银行的贷款金额在这四类型银行中均位居第一位。但是以贷款金额的增幅来看，消费性贷款中增幅最大的是股份制商业银行，而在企业贷款中增幅最大的是城市商业银行。这表明，当中国由计划经济转向市场经济时，银行放款（尤其企业贷款）中城市商业银行及股份制商业银行这两类银行正逐渐发展。因此，本文主要探讨股份制商业银行及城市商业银行这两类快速发展银行对企业放款的授信行为。
（二）实证结果 1.银行对产业放款的群聚效应检验 表2和表3中分别列示了股份制商业银行和城市商业银行在等式（3）的横截面回归和相关t统计量的平均系数。其中，表2的股份制商业银行对产业增加放款时，后一期标准化比率的系数在至少一家及五家银行放款产业的相关性显著为0.5321及0.5220，且斜率系数在追随其他银行贷款时显著。这表明，在股份制商业银行中至少有一家银行追随其他银行对特定产业增加放款，概率为0.2148/0.5321；或有至少五家银行追随其他银行对特定产业增加放款，概率为0.3241/0.5220。表3显示，城市商业银行对产业增加放款后一期标准化比率的系数在至少五家、十家及十五家银行放款的产业均显著，且斜率系数在追随其他银行贷款时亦显著。这表明，在城市商业银行中至少有五家银行追随其他银行对特定产业增加放款，概率为0.2914/0.3032；有至少十家银行追随其他银行对特定产业增加放款，概率为0.3147/0.3184；至少有十五家银行追随其他银行对特定产业增加放款，概率为0.3192/0.4651。 由此可见，这两种类型银行的显著相关性均来自于追随其他银行放款的群聚行为，但不会跟随自身对个别产业的放款策略。然而，该现象显著存在于股份制商业银行对于有至少一家及五家银行放款的产业，而城市商业银行对于至少五家、十家及十五家银行放款的产业，这种差异是因为城市商业银行都集中于信用风险较高的地区贷款，所以会更倾向群聚于放款活动较为活络的产业。此外，本文加入T检验，以确定银行追随自身贷款和银行追随其他银行贷款之间是否存在显著差异。结果显示，在股份制商业银行中，至少有一家银行放款的产业、至少有五家银行放款的产业两者之间有显著差异，而在城市商业银行中，至少有五家银行放款的产业、至少有十家银行放款的产业两者之间有显著差异。因此，股份制商业银行和城市商业银行对产业放款主要追随其他银行贷款，即产生产业放款的群聚效应。该发现与Sias（2004）得出的企业在证券交易中的群聚效应类似。
2.银行对产业放款群聚是一种习惯行为的检验 表4和表5显示的是股份制商业银行与城市商业银行放款组合权重的时间序列平均相关性、组成成分和相关t统计量。结果表明，对有至少五家和十五家银行放款的产业而言，城市商业银行的群聚行为在产业放款权重变动中占追随贷款的主要部份。城市商业银行增加其放款组合权重的比率和前一期组合权重比率之间的关联主要来自于群聚行为，即有至少五家银行对产业放款的概率为0.2061/0.1723，且有至少十五家银行对产业放款的概率为0.2412/0.2328。根据T检验，城市商业银行在放款组合权重上，在追随自身和追随其他银行放款之间有显著差异。这可能是因为城市商业银行致力于地区放款，因此他们之间在放款权重上仍有显著群聚行为，会产生代理问题中的道德风险。更重要的是，本文发现城市商业银行的β系数均不显著，根据公式（5）的定义，这种群聚行为主要来自于对所有产业放款习惯，此结果跟Sias（2004）的企业证券交易研究结果不一致。这可能是受到过去计划经济的影响，城市商业银行容易被具有某种特性的产业所吸引，以致当期放款给企业时倾向于习惯性放款。然而，就放款权重的变动而言，虽然股份制商业银行之间的群聚行为不显著，但放款行为仍是一种习惯（β系数不显著），这可能是因为我国政府持有股份制商业银行的部分股份，他们的贷款政策倾向于那些一贯有利于地区经济发展的产业企业。
（三）银行的声誉群聚检验 表6显示使用两阶段GMM过程中，股份制商业银行、城市商业银行和国有商业银行相同类型和不同类型之间追随行为的结果。考虑到虚假群聚，将经济活动
两个控制变量纳入本文的检测模型，以检验股份制商业银行和城市商业银行在相同类型银行进行产业贷款时的群聚行为。T检验发现，相较于股份制商业银行的群聚行为，城市商业银行的群聚行为更为强烈。其原因可能是因为城市商业银行具有较多的本地放款和小额放款，为了避免信用风险更容易形成群聚行为。此外，本文还发现股份制商业银行和国有商业银行的贷款行为、城市商业银行和股份制商业银行的贷款行为、城市商业银行和国有商业银行的贷款行为，均具有显著负向群聚关系。其中，城市商业银行和股份制商业银行在贷款上具有负向的群聚关系，即这两种类型银行贷款给不同的产业。这可能因为两类银行政府持股较低、市场竞争度高，经过长期发展已形成了有差异的客户群体。同时，股份制商业银行和国有商业银行之间的贷款行为、城市商业银行和国有商业银行之间的贷款行为，也是显著负向群聚关系。这可能因为国有商业银行的产业放贷受到更多的政府政策干预，而受到政府扶持的产业并不向股份制商业银行、城市商业银行寻求贷款有关。由此可见，表2、表3所显示的银行对产业放款群聚效应均发生在相同类型银行的放贷，这是声誉群聚的结果。 此外，本文根据银行的资本额大小将受到政府干预较少的股份制商业银行和城市商业银行分成三个群组，然后，使用相同的程序以检测小规模银行是否会追随大规模银行对产业的放款（此结果也显示于表6）。在考虑经济变量进入模型后，本文发现小规模银行会显著追随大规模银行对产业放款。然而，相反的情况和相同类型银行的追随行为没有显著存在。这些结果表明大规模银行贷款行为会显著影响小规模银行的贷款行为。 （四）检测群聚行为对经济的影响 使用表6群聚效应估计的参数
，本文进一步检测这两种类型银行在贷款市场群聚行为对经济的影响。研究使用相对产业的GDP增长率、股价指数变动率作为检测对经济影响的衡量变量，同时也将群聚行为划分为相同类型银行的群聚行为和不同类型银行的群聚行为。
从表7的Panel A可以得知，两个估计模型中相对产业GDP增长率和HB1呈显著正相关关系，但是后一年会变成显著负相关关系。同时，Panel B、Panel C与Panel A的结果相似。此外，当年度的相对产业GDP和HB2是显著正相关关系，但是在次年为不显著的负相关关系。这些结果表明，两种类型银行借贷市场的群聚行为会导致相对产业GDP快速变为正值，但是后续会转为负值。在短期内，银行群聚会增加产业贷款进而刺激GDP成长，但是无效率的群聚行为会逐渐造成GDP成长的负向影响。然而，相同类型和不同类型银行会有差异，即相同类型银行群聚会造成后续GDP成长的负面影响较小，可能是因为声誉群聚的竞争；不同类型银行的群聚行为对当年度GDP成长的正面影响较小，可能是因为不同类型银行群聚对GDP的成长作用较少。 类似于表7，表8的结果显示银行的群聚行为会造成相对产业股价指数在短期间有显著的增加，但下期会在股价上有显著的反转。由于股价指数为总体经济变量的领先指标，银行群聚之后短期的正向影响会更为显著，同时同类银行在次年群聚对于股价指数具有较少的负面影响，即模型（12b）在次年期间显著负相关相对较小。
五、研究结论与建议 本文首先利用跨期动态群聚模型，发现股份制商业银行和城市商业银行在产业贷款中会出现群聚行为，且这种群聚是一种习惯性放款。然后，使用两阶段GMM模型，研究这两类银行的群聚行为是追随相同类型银行还是追随国有商业银行。结果发现，由于声誉群聚的原因，这两类银行更可能会追随同类型银行。此外，也发现小规模银行更可能会追随大规模银行的借款行为。最后，进一步延伸两阶段的GMM模型，以厘清这两类银行是否及如何影响中国的经济实质，结果发现他们的群聚行为会导致放款给较大风险的产业厂商，进而对后续年的GDP增长率、股价指数变动率等经济实质变量产生显著负面影响。 据此，本文提出以下建议，以供监管者参考：首先，建立银行间信息共享机制。实证发现股份制商业银行和城市商业银行的群聚行为造成了放款给风险较大的产业，从而对经济发展产生负面影响，因此，建议监管机构在一定区域内建立信息共享机制，如在淮海经济区、长三角经济区等地区委托研究机构收集、传递区域内的产业信息，并负责交换各家银行的信贷决策经验和做法，从而帮助银行提升信贷政策的科学性，避免无效率群聚的发生。其次，引导银行群聚行为向产业链扩散。当前，我国的银行群聚行为主要是对单个产业的群聚，这无疑加大了无效率群聚对经济发展的负面影响。然而随着经济的发展，产业链上的核心企业与相关服务业均出现了迅猛扩张。这意味着，监管机构可引导股份制商业银行和城市商业银行贷款给核心企业的上下游企业或相关服务业，从而减少单个产业群聚行为风险，并促进整个产业链发展。 注释： ①其中，GDP成长率的产业分类来自于统计局，而股价指数及相对本益比的产业分类则是来自深圳股票市场。此外，本文采用落后一期的变量以避免内生性误差。 ②-s表示除s类型以外的其他类型。 ③HB（Herd Behavior）是从众行为。
标签：银行论文; 城市商业银行论文; 企业贷款论文; 国有商业银行论文; 经济模型论文;
