商業(yè)銀行不良貸款率影響因素研究

黃世英 鄭 佳

商業(yè)銀行不良貸款率影響因素研究

黃世英 鄭 佳

不良貸款是銀行危機的根。商業(yè)銀行由于其自身的業(yè)務(wù)特點，不可避免的面臨著多種多樣的風(fēng)險，近年來，商業(yè)銀行貸款業(yè)務(wù)不斷擴張，相應(yīng)的信用風(fēng)險也顯著升級。商業(yè)銀行不良貸款問題仍是我們關(guān)注的重點。

一、文獻綜述

商業(yè)銀行不良貸款率的降低有助于減弱商業(yè)銀行的信貸風(fēng)險，保持其穩(wěn)健運營。

現(xiàn)階段，直接融資的日益普遍導(dǎo)致商業(yè)銀行的資金來源總量遭受影響以至被迫提高存款利率，貸款客戶的分流又迫使銀行貸款利率下降。為應(yīng)對挑戰(zhàn)，商業(yè)銀行必須提高自身的盈利能力、降低不良貸款以求發(fā)展（郭耀中，2012）。卓明應(yīng)（2011）認為不良貸款率受到銀行具體因素的影響，包括銀行規(guī)模、存貸比、凈利差、資本充足率和不良貸款撥備覆蓋率。

二、商業(yè)銀行不良貸款影響因素分析

1.研究模型假設(shè)

假設(shè)一：GDP增長率作為整體經(jīng)濟狀況的衡量指標(biāo)，直接反應(yīng)國內(nèi)各生產(chǎn)部門經(jīng)濟活動的真實情況。GDP增長率通常對不良貸款率產(chǎn)生反向影響，GDP增長率越高，不良貸款率越低；

假設(shè)二：通貨膨脹率與不良貸款率之間呈正相關(guān)關(guān)系。從通貨膨脹率的公式可以看出，當(dāng)消費者物價指數(shù)升幅過大時，通貨膨脹率已成為不穩(wěn)定因素，從而經(jīng)濟前景不明朗。

假設(shè)三：名義貨幣供給量具體反映了貨幣當(dāng)局所采取的貨幣政策情況。名義貨幣供給量充足時，企業(yè)及個人的融資難度降低，降低銀行產(chǎn)生不良貸款的概率，從而不良貸款率相對較低。

假設(shè)四：存貸比與不良貸款率呈負相關(guān)，存貸比越大，說明貸款占總資產(chǎn)的比例越大，銀行偏好風(fēng)險，其信貸風(fēng)險也越大；

假設(shè)五：資本充足率代表銀行的資產(chǎn)對其風(fēng)險的比率。通常用資本充足率的高低對風(fēng)險資產(chǎn)的快速增長進行抑制，以達到抵御風(fēng)險的能力。

假設(shè)六：不良貸款撥備覆蓋率表明實際上銀行貸款可能發(fā)生的呆、壞帳準(zhǔn)備金的使用比率，反映商業(yè)銀行對貸款損失的彌補能力和抵御風(fēng)險的能力,預(yù)計不良貸款率與不良貸款撥備覆蓋率之間呈正相關(guān)關(guān)系；

假設(shè)七：成本收入比與銀行的風(fēng)險管理水平具有正向關(guān)系。成本收入比高的銀行，其風(fēng)險管理水平高，不良貸款率相對較低。

假設(shè)八：凈資產(chǎn)收益率對銀行不良貸款的影響為負效應(yīng)，通常具有較高凈資產(chǎn)收益率的銀行意味著具有較強的盈利能力，從而減少不良貸款的產(chǎn)生。

2.計量模型與數(shù)據(jù)選取

NPLit表示第i個銀行在第t年的不良貸款率，GDPt表示第t年我國的GDP增長率，INFt表示第t年我國的通貨膨脹率，M2t表示第t年我國的名義貨幣供應(yīng)量增長率，LCRit表示第i個銀行第t年的存貸比，CARit表示第i個銀行第t年的資本充足率，PCRit表示第i個銀行第t年的不良貸款撥備覆蓋率，CIRit表示第i個銀行第t年的成本收入比，ROEit表示第i個銀行第t年的凈資產(chǎn)收益率。借鑒國外的理論模型，結(jié)合宏觀因素與銀行具體因素構(gòu)造如下模型：

Variable Coefficient Std.Error t-Statistic Prob. C 6.968664 1.142838 6.097684 0.0000 CIR? 0.010580 0.010907 0.970084 0.3353 LCR? -0.056940 0.007848 -7.254953 0.0000 PCR? -0.002969 0.000711 -4.174168 0.0001 CAR? -0.038246 0.019710 -1.940406 0.0563 ROE? 0.000498 0.008536 0.058380 0.9536 GDP? 0.017768 0.003662 4.852404 0.0000 CPI? -0.023489 0.008375 -2.804559 0.0065 M2? -0.008362 0.001660 -5.035845 0.0000 Weighted Statistics R-squared 0.770637 Mean dependent var 0.549034 Adjusted R-squared 0.744794 S.D.dependent var 0.500310 S.E.of regression 0.252747 Sum squared resid 4.535541 F-statistic 29.81916 Durbin-Watson stat 0.828655 Prob(F-statistic) 0.000000

層面影響因素 (MACRO)和銀行層面影響因素(BANK)。由此具體計量模型如下：

其中，Yit是被解釋變量，即第i家銀行第t年的不良貸款率。將可以量化的影響不良貸款的因素分為宏觀鑒于數(shù)據(jù)的可獲得性及相關(guān)性，選取2008-2012年間16家大中型商業(yè)銀行的面板數(shù)據(jù)。這16家銀行分別是中國銀行、中國工商銀行、中國建設(shè)銀行、中國農(nóng)業(yè)銀行、交通銀行、招商銀行、中信銀行、興業(yè)銀行、光大銀行、民生銀行、浦發(fā)銀行、南京銀行、寧波銀行、北京銀行、華夏銀行和平安銀行（原深發(fā)展銀行）。由于所選比率指標(biāo)均為無綱量指標(biāo)，避免了對數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，克服數(shù)據(jù)間的不可比性導(dǎo)致實證結(jié)果不準(zhǔn)確。

三、實證檢驗與結(jié)果分析

利用計算分析軟件Eviews6.0對平衡面板數(shù)據(jù)進行回歸分析，同時采用混合回歸模型（OLS）、固定效應(yīng)模型（Fixed Effects，F(xiàn)E）和隨機效應(yīng)模型（Random Effects，RE）進行估計，并對估計結(jié)果進行l(wèi)ikelihood Ratio和H檢驗，從中選出最佳估計方法。

首先，進行固體效應(yīng)模型和混合效應(yīng)模型的檢驗（原假設(shè)H0混合效應(yīng)模型），結(jié)果如下：F檢驗的自由度為15、56時，p值為0.0001，F(xiàn)統(tǒng)計量為3.768遠大于p值，所以應(yīng)選擇固定效應(yīng)模型。其次，作出固定效應(yīng)還是隨機效應(yīng)模型的檢驗（原假設(shè)H0是隨機效應(yīng)模型），結(jié)果如下：p值遠大于0.05，且Chi-Sq統(tǒng)計量小于p值，由此說明應(yīng)該接受原假設(shè)，即將模型設(shè)定為隨機效應(yīng)模型。

模型檢驗：R2=0.7706，說明預(yù)測模型的擬合度比較好。F檢驗值29.8192，明顯顯著。相關(guān)性大小依次為貸存比、資本充足率、通貨膨脹率、GDP、成本收入比、撥備覆蓋率、貨幣供給量和凈資產(chǎn)收益率。

四、結(jié)論

由以上的分析中，我們可以得知商業(yè)銀行不良貸款率與成本收入比、凈資產(chǎn)收益率和GDP增長率之間呈正向相關(guān)關(guān)系，而與存貸比、資本充足率、不良貸款撥備覆蓋率、通貨膨脹率和名義貨幣供應(yīng)量增長率呈負向相關(guān)關(guān)系。此外，存貸比、資本充足率與不良貸款率之間的相關(guān)程度要比其他因素要大，凈資產(chǎn)收益率與不良貸款率之間的相關(guān)程度最小。

[1]郭耀中.商業(yè)銀行不良貸款率下降影響因素研究[J].山西財經(jīng)大學(xué)學(xué)報,2012,34(1):62-63.

[2]郭婧洲.淺析我國國有商業(yè)銀行不良資產(chǎn)形成的原因及對策[J].統(tǒng)計研究,2010,08:96-98.

[3]卓明應(yīng).我國商業(yè)銀行不良貸款率影響因素研究[D].武漢：華中科技大學(xué)，2011.

（作者單位：大連海洋大學(xué)經(jīng)濟管理學(xué)院）