QN銀行不良貸款率的影響因素分析

楊亞峰

（陜西秦農(nóng)農(nóng)村商業(yè)銀行股份有限公司閻良支行，陜西 西安 710089）

隨著我國(guó)商業(yè)銀行的規(guī)模的發(fā)展壯大，貸款占比也在不斷增加，同時(shí)不良貸款率也在不斷增大。截至2018年底，我國(guó)商業(yè)銀行不良貸款總額為2萬(wàn)億元，不良貸款率1.89%，為十年新高，不良貸款率的不斷上升將會(huì)影響商業(yè)銀行的正常營(yíng)業(yè)。本文以QN農(nóng)村商業(yè)銀行為研究對(duì)象，根據(jù)某一級(jí)支行的不良貸款數(shù)據(jù)為樣本，分析影響不良貸款率的影響因素，并提出相應(yīng)的改進(jìn)措施。

一、QN銀行不良貸款現(xiàn)狀

QN銀行全稱為陜西QN農(nóng)村商業(yè)銀行股份有限公司，是在西安市新城區(qū)、碑林區(qū)、蓮湖區(qū)、雁塔區(qū)、灞橋區(qū)、未央?yún)^(qū)農(nóng)村信用合作聯(lián)社（以下簡(jiǎn)稱西安市城六區(qū)聯(lián)社）合并重組基礎(chǔ)上，通過(guò)增資擴(kuò)股、優(yōu)化股權(quán)、財(cái)務(wù)重組、機(jī)制再造等，組建起的符合現(xiàn)代企業(yè)制度要求的農(nóng)村商業(yè)銀行。自2015年重組之后，QN銀行總資產(chǎn)規(guī)模快速增加，與此同時(shí)不良貸款率也在不斷增大，2015年QN銀行總資產(chǎn)926.7億元，不良貸款率1.32%；2016年QN銀行總資產(chǎn)1148.2億元，不良貸款率1.63%；2017年QN銀行總資產(chǎn)1711.2億元，不良貸款率2.85%；截止到2018年9月，QN銀行總資產(chǎn)1977.74億元，不良貸款率3.06%。QN銀行的不良貸款率逐年攀升，在2018年9月更是達(dá)到了3.06%，不良貸款率的上升使得QN銀行面臨著經(jīng)營(yíng)的風(fēng)險(xiǎn)。

本文選取QN銀行某一級(jí)支行2015年和2016年的貸款數(shù)據(jù)作為樣本，進(jìn)行影響因素分析。

二、影響不良貸款的因素建模分析

我國(guó)經(jīng)濟(jì)發(fā)展速度和通脹等因素都是能影響我國(guó)商業(yè)銀行不良貸款率。但是，我國(guó)經(jīng)濟(jì)形勢(shì)今年來(lái)都畢竟穩(wěn)定，QN是處于內(nèi)陸的農(nóng)村商業(yè)銀行，面對(duì)的客戶相對(duì)穩(wěn)定，不良貸款率的上升更多的是本身經(jīng)營(yíng)帶來(lái)的問(wèn)題。

（一）影響因素分類說(shuō)明

1、貸款利率

貸款利率的高低關(guān)系到貸款人需要還款的金額高低，貸款利率越高，還款人到期時(shí)的還款壓力越大，有可能因?yàn)橘Y金緊張導(dǎo)致在還款日沒(méi)有足夠的資金進(jìn)行還款，從而造成逾期。正常情況下，借款人借貸時(shí)的貸款利率越低，還款時(shí)的壓力越小，形成逾期的概率越小。因此本文假設(shè)QN銀行的貸款利率與不良貸款率成正相關(guān)關(guān)系。

2、貸款金額

不管是企業(yè)還是個(gè)人，貸款金額越大，還款時(shí)需要還的利息越高，從而借貸到期時(shí)的資金壓力越大，造成逾期的可能性越大。因此，本文假設(shè)貸款總額與不良貸款率成正相關(guān)關(guān)系。

3、貸款期限

一般情況下，貸款期限越短，還款時(shí)的利息越少，還款壓力也較小，出現(xiàn)不良貸款的次數(shù)也會(huì)相對(duì)少一些。因此，本文假設(shè)貸款期限與不良貸款率成正相關(guān)關(guān)系。

4、貸款用途

貸款用途的不同也是影響不良貸款的因素，根據(jù)QN銀行自身放貸特點(diǎn)，其貸款用途主要分為農(nóng)業(yè)貸款、住房貸款、消費(fèi)貸款、經(jīng)營(yíng)周轉(zhuǎn)貸款。其中消費(fèi)貸款包括商用車消費(fèi)貸款和普通消費(fèi)貸款，一般消費(fèi)貸款借款金額不高，借款周期不長(zhǎng)，違約概率??；住房貸款包括購(gòu)買新房、購(gòu)買二手房和裝修等，一般住房貸款周期長(zhǎng)，貸款利率較低，貸款人的還款壓力較小可控，所以一般住房貸款的違約概率較低；農(nóng)業(yè)貸款包括傳統(tǒng)種植業(yè)、購(gòu)買農(nóng)業(yè)生產(chǎn)資料、農(nóng)產(chǎn)品加工、特色農(nóng)業(yè)和養(yǎng)殖業(yè)等，農(nóng)業(yè)貸款的客戶一般為農(nóng)戶，由于農(nóng)業(yè)生產(chǎn)的周期長(zhǎng)，同時(shí)受自然災(zāi)害等外界因素影響大，客戶發(fā)生逾期的可能性較大；并且由于貸款人在長(zhǎng)周期內(nèi)也會(huì)發(fā)生不可抗力因素，因此也存在較高的違約風(fēng)險(xiǎn)；經(jīng)營(yíng)周轉(zhuǎn)貸款一般是指企業(yè)或者個(gè)體商戶在經(jīng)營(yíng)過(guò)程由于缺乏資金進(jìn)行的借款，企業(yè)或者商戶的運(yùn)營(yíng)具有很高的風(fēng)險(xiǎn)，由于經(jīng)營(yíng)失敗造成的違約概率高。

（二）影響因素建模分析

QN銀行下屬某一級(jí)支行2015年和2016年的貸款數(shù)據(jù)作為數(shù)據(jù)來(lái)源，這兩年共貸款2479次，貸款種類眾多，樣本數(shù)據(jù)充足。

1、不良貸款影響因素的量化

不良貸款的量化：根據(jù)銀監(jiān)會(huì)規(guī)定，貸款一般分為損失、可疑、次級(jí)、關(guān)注和正常五個(gè)級(jí)別。其中正常和關(guān)注為非不良貸款，損失、可疑和次級(jí)類別為不良貸款，本文將不良貸款（Y）進(jìn)行量化，不良貸款賦值為1，非不良貸款賦值為0。

貸款利率(X1)的量化：將貸款利率5%以下、5%-6%、6%-7%、8%-9%和9%以上的不同貸款利率分別賦值為0、1、2、3、4。

貸款金額（X2）的量化：將貸款金額1萬(wàn)元以下、1萬(wàn)-5萬(wàn)、5萬(wàn)-10萬(wàn)、10萬(wàn)-20萬(wàn)和20萬(wàn)元以上分別量化為0、1、2、3、4。

貸款期限（X3）的量化：根據(jù)貸款人的實(shí)際貸款期限，將6個(gè)月及以下、6個(gè)月到12個(gè)月、12個(gè)月到36個(gè)月、36個(gè)月到60個(gè)月和60個(gè)月以上的不同貸款期限分別量化賦值為0、1、2、3、4。

貸款用途（X4）的量化：根據(jù)上述貸款用途的分類，并且一般情況下消費(fèi)貸款、住房貸款、農(nóng)業(yè)貸款和經(jīng)營(yíng)周轉(zhuǎn)貸款造成違約的可能性逐漸增大，所以本文將其分別量化賦值為0、1、2、3。

2、建模分析

根據(jù)該支行2015年至2016年的2479比貸款的數(shù)據(jù)，建立如下的多元線性模型：

上述模型中的Ci（i=0、1、2、3、4）自變量（不良貸款影響因素）的系數(shù)，u為殘差項(xiàng)。

首先將該支行的數(shù)據(jù)進(jìn)行整理，分別將自變量進(jìn)行量化賦值，然后通過(guò)ECIEWS軟件建立了多元線性回歸模型，回歸分析結(jié)果見(jiàn)表1。

表1 多元線性模型回歸分析結(jié)果

根據(jù)表1 多元線性回歸分析結(jié)果可知，可決系數(shù)R2=0.851122，而調(diào)整后得可決系數(shù)R2=0.843525，一般認(rèn)為可決系數(shù)大于0.8，擬合效果就是擬合度可信的，本文的可決系數(shù)大于0.8，所以認(rèn)為擬合程度較好，多元模型中的自變量與因變量存在線性關(guān)系。另外通過(guò)F統(tǒng)計(jì)量的相隨概率P值來(lái)判定該方程的整體顯著性水平，在本文中F統(tǒng)計(jì)量的相隨概率P值為0.00000＜0.01，因此在0.01的水平上通過(guò)F檢驗(yàn)。而D.W統(tǒng)計(jì)值為1.704814＞R2，說(shuō)明該模型建立是有效，具有后續(xù)研究意義。具體各個(gè)系數(shù)的擬合結(jié)果如表2所示。

表2 自變量系數(shù)擬合結(jié)果

根據(jù)表2所得到的自變量系數(shù)及檢驗(yàn)值可知，在假設(shè)顯著性水平為0.05，則X1、X2、X3的P值都小于0假設(shè)顯著性水平0.05，這三個(gè)變量通過(guò)了t檢驗(yàn)，但是X4的P值大于0.05，沒(méi)有通過(guò)顯著性檢驗(yàn)，但是整個(gè)模型的顯著性檢驗(yàn)是通過(guò)，說(shuō)明X4不影響整個(gè)模型的顯著性水平。說(shuō)明貸款利率、貸款期限和貸款金額對(duì)不良貸款有顯著的線性影響，而貸款對(duì)象對(duì)不良貸款影響不顯著。根據(jù)回歸分析數(shù)據(jù)得到多元線性回歸方程如下：

3、結(jié)果分析

根據(jù)多元線性回歸分析結(jié)果，貸款利率和貸款金額與不良貸款成正相關(guān)關(guān)系，貸款用途也正反饋的影響不良貸款。在放經(jīng)營(yíng)性貸款時(shí)，對(duì)其貸款利率、期限和擔(dān)保方式進(jìn)行綜合考慮，這樣才能降低不良貸款。

（三）QN銀行減少不良貸款的建議

1、堅(jiān)決杜絕信貸資料造假行為。舊體制下的冒名貸款、關(guān)聯(lián)多頭、評(píng)級(jí)授信不真實(shí)、擔(dān)保人資質(zhì)不足等信貸風(fēng)險(xiǎn)問(wèn)題嚴(yán)重影響了信貸種類的選擇與信貸利率的使用，直接增加了不良貸款出現(xiàn)的風(fēng)險(xiǎn)。因此要強(qiáng)化制度建設(shè)，加強(qiáng)信貸真實(shí)行管理，嚴(yán)肅處理信貸造假行為，在搭建風(fēng)控甄別體系和中小微企業(yè)以及個(gè)人客戶信用信息查控平臺(tái)，有效提升業(yè)務(wù)辦理效率的同時(shí)，最大化防控信貸資料造假引發(fā)的信用風(fēng)險(xiǎn)，從而降低不良貸款率。

2、根據(jù)行業(yè)投向細(xì)分信貸政策。根據(jù)國(guó)家最新產(chǎn)業(yè)政策制定信貸行業(yè)投向指引，將信貸投向行業(yè)細(xì)分為“優(yōu)先支持”“適度支持”“審慎介入”和“壓縮退出”四類，實(shí)施差異化管理要求。對(duì)“優(yōu)先支持”行業(yè)要優(yōu)先配置營(yíng)銷及信貸資源，適當(dāng)調(diào)整信貸種類與貸款利率，加大優(yōu)質(zhì)市場(chǎng)開(kāi)拓力度，增加綜合收益。原則上不受理“壓縮退出”行業(yè)客戶，努力規(guī)避政策和市場(chǎng)風(fēng)險(xiǎn)帶來(lái)的不良貸款。