产业结构调整是当前中国经济发展的的重要战略任务,产业结构调整将对银行信贷结构尤其是其行业结构产生重要影响。银行信贷的行业结构若不合理,如过于集中或主要分布于产业结构调整的负面行业,将给银行带来较大的系统风险。本文从银行的角度出发,紧紧围绕产业结构调整下的信贷结构和信贷风险展开,沿着产业结构调整下信贷的行业结构“是什么样”、“为什么会这样”、对信贷风险“有何影响”的三步思路逐渐推进,分别对应研究了信贷行业结构的非均衡特性及造成非均衡的行业异质性因素、产业结构对信贷结构的作用机制和二者间的量化相关关系、基于时变Copula函数的行业组合信贷风险计量三个方面。本文的研究为银行决策者预估未来的信贷结构走向和信贷风险变化提供了依据,使银行业可以预先有针对性的采取措施优化信贷结构,防范系统性信贷风险的发生。本文的研究内容主要包括以下三个方面：(1)我国信贷结构非均衡特性的静态、动态分析,及造成非均衡的行业异质性因素研究该部分首先通过研究我国的信贷行业结构全貌,揭示了信贷在行业间配置的非均衡特性,目前信贷集中于基建和重工业,这与当前产业结构相吻合：接着构建了绝对和相对行业信贷规模指标,深入研究信贷结构非均衡的静态表现：通过引入HHI指数、σ-收敛及绝对β-收敛检验,进一步分析了信贷结构非均衡的动态趋势,研究结果显示,非均衡程度在缓慢缩小,但非均衡现象将长期存在。供需框架下的理论分析表明信贷的行业结构非均衡根源于行业异质性。在制度转轨时期,行业的所有制性质也影响了信贷的行业结构,使得信贷更多的配置给了国有行业。实证分析表明影响信贷行业结构的主要行业异质性因素为：行业资本密集度、行业竞争程度、行业盈利能力、行业担保能力及行业所有制性质。(2)产业结构影响信贷结构的作用机制和二者间相关关系的定量研究采用实证研究方法,通过分析19个行业2005-2012年间产业结构和信贷结构行业分布数据的关系,建立动态面板模型并用系统广义矩估计,分析了产业结构是如何通过既有部分影响信贷存量的行业分布,通过结构调整影响信贷增量的行业分布；研究表明前者的影响力大于后者,对于不同的产业,两条途径的作用时长不同。在此基础上通过建立变截距或变系数固定效应面板模型,研究了信贷结构行业分布是如何随着产业结构的变动而改变；研究表明总体上信贷结构与产业结构变动方向一致,但信贷对“上升”行业正向倾斜、对“下降”行业反向倾斜,信贷更多的流向了产业结构调整中被鼓励的行业。(3)行业组合信贷风险计量模型的构建产业结构调整引起信贷结构的行业分布变动,进而引起银行整体信贷风险变化。本文通过以下两步构建了行业组合信贷风险计量模型。第一步是计算单个行业的信贷风险,通过借鉴Merton模型的思路,用公开可得的行业平均负债率数据推导出单个行业的信贷预期违约率分布,研究发现行业信贷风险存在自相关、尖峰厚尾、波动聚集等特性,赤池信息准则(AIC)、贝叶斯信息准则(BIC)和对数似然(LL)指标显示,AR(1)-GJR(1,1)-Skewed-t模型能较好描绘行业信贷风险的这些特征。第二步是计算行业组合的信贷风险,即银行整体信贷风险。这需要解决两个问题,一是行业间信贷风险相关性如何获得,二是寻找合适的联合分布函数描绘组合信贷风险分布,本文借鉴Credit Metrics模型思想,用行业股票收益率之间的相关性推导行业信用状况间的相关性；又引入度量变量间非线性相关结构的Copula函数计算行业组合信贷风险。在实证研究中,采用了正态、t、Clayton、SJC共4种时变Copula函数和正态、t、Gumbel、Clayton、SJC共5种静态Copula函数对预期违约率联合分布拟合,对4种时变Copula函数,分别采用动态条件相关DCC(1,1)模型和Patton的研究成果进行参数估计。同样依据AIC、BIC和LL指标判断各Copula函数的拟合优度,结果显示在各种时变和静态Copula函数中,都以t-Copula函数的拟合效果较好,其中又以动态t-Copu la函数为最优。在此基础上,使用Monte Carlo模拟就可以计算行业组合信贷风险。因此本文构建的信贷风险计量模型的边缘分布服从AR(1)-GJR(1,1)-Skewed-t模型、联合分布采用时变t-Copula函数。借助此模型和本文之前章节的研究成果,举例计算了当产业结构变动时信贷风险的变化。本文的创新主要体现在以下三个方面：(1)本文首次以实证的方法,以全国的信贷行业结构为研究对象,深入研究了信贷在行业间分布的静态非均衡特性和动态非均衡趋势,提出了信贷行业分布的绝对规模指标和相对规模指标,引入了HHI指数、σ-收敛检验及绝对β-收敛检验等方法分析信贷分布动态趋势。通过在供需框架下的理论分析和基于固定效应面板模型的实证检验,论证了信贷行业结构的非均衡性主要源自行业的异质性,并确定了主要相关的行业异质性因素。这些研究弥补了信贷行业结构领域缺乏实证研究的现状,为银行把握信贷结构全局、深入理解信贷结构成因奠定了基础。(2)本文用实证方法研究了产业结构对信贷结构的作用机制,并量化分析了产业结构对信贷结构的影响。现有研究主要是从经济发展的角度分析“信贷如何支持产业结构调整”,而关于“产业结构对信贷影响”的实证分析几乎空白,因此商业银行的决策者很难在产业结构调整时量化评估银行信贷受到的冲击。本文通过建立动态面板模型进行系统广义矩估计,深入剖析了产业结构影响信贷结构的作用机制,展现了产业结构变化造成信贷行业结构随之改变的来龙去脉;同时通过建立变截距和变系数的固定效应面板模型,量化分析了产业结构的单位变化将对各行业信贷份额带来多大的改变。这些研究方法和模型的引入丰富了该领域的实证研究工具,量化的结果使银行决策者对未来的信贷构成有了初步的直观概念。(3)本文通过探索解决了以下三方面难题,首次建立起一个行业组合信贷风险计量模型。首先借鉴Merton资产价值模型,利用公开可得的行业平均负债率数据,计算行业预期违约率EDF,用AR(1)-GJR(1,1)-Skewed-t模型刻画单个行业的预期违约率边缘分布,探索了一条计算行业信贷风险的方法。其次借鉴Credit Metrics模型思想,用行业股票收益率之间的相关性推导行业信用状况间的相关性,解决了行业间信贷风险相关性不可观察的困难。最后引入能描述非线性相关关系随外部环境变化而改变的时变Copula函数,拟合行业组合的预期违约率联合分布。该模型的构建过程和对其中主要困难的解决方法,为构建类似模型提供了思路,该模型不但可以用于本次产业结构调整中计算银行的整体信贷风险,在以后也都适用,具有一定的普适性。