我國商業(yè)銀行不良貸款率影響因素研究*

崔苧心 李子聯(lián)

(江蘇師范大學(xué)商學(xué)院 江蘇 徐州 221116)

我國商業(yè)銀行不良貸款率影響因素研究*

崔苧心 李子聯(lián)

(江蘇師范大學(xué)商學(xué)院 江蘇 徐州 221116)

經(jīng)濟(jì)周期的波動(dòng)會(huì)對不良貸款率的變化造成影響，除此之外，銀行自身的特點(diǎn)也會(huì)對其造成較大影響?；诖耍\(yùn)用固定效應(yīng)面板模型，以2010—2015年我國14家上市銀行所組成的面板數(shù)據(jù)為樣本，研究我國商業(yè)銀行不良貸款率的影響因素，研究結(jié)果如下：首先，我國股份制商業(yè)銀行對不良貸款率的調(diào)控相對國有商業(yè)銀行來說較好；其次，從宏觀角度來看，我國上市銀行不良貸款率易受經(jīng)濟(jì)周期波動(dòng)的影響，隨著GDP增長率的增加以及貨幣供給增長率的增加，上市銀行不良貸款率會(huì)隨之減少；最后，從銀行自身角度來看，貸存比和不良貸款撥備覆蓋率的提高均可以在一定程度上降低不良貸款率水平。

不良貸款率；上市銀行；面板模型

一、文獻(xiàn)綜述

隨著利率市場化的推進(jìn)，我國經(jīng)濟(jì)增速逐漸放緩，加之互聯(lián)網(wǎng)金融的沖擊，我國上市銀行的盈利能力有所下降，不僅如此，商業(yè)銀行的不良貸款率問題也越發(fā)嚴(yán)峻。不良貸款率是衡量上市銀行核心競爭力與經(jīng)營風(fēng)險(xiǎn)的關(guān)鍵指標(biāo)，而上市銀行又是我國銀行系統(tǒng)中的重要組成成分。在我國進(jìn)入中高速發(fā)展的“新常態(tài)”狀態(tài)下，對我國上市銀行不良貸款率的影響因素進(jìn)行深入研究，并積累特殊制度背景下我國商業(yè)銀行的發(fā)展經(jīng)驗(yàn)，這不僅在理論上具有重要價(jià)值，同時(shí)，對于各銀行內(nèi)部應(yīng)對由于存貸利差縮小、經(jīng)濟(jì)增長放緩等導(dǎo)致的不良貸款問題以及相關(guān)監(jiān)管部門調(diào)整各種監(jiān)管指標(biāo)有重要的借鑒作用，因而也具有重要的現(xiàn)實(shí)意義。

就宏觀經(jīng)濟(jì)因素對不良貸款率的影響來看，大量國內(nèi)外文獻(xiàn)都曾指出商業(yè)銀行的不良貸款率與宏觀經(jīng)濟(jì)因素的變動(dòng)有關(guān)。其中很多文獻(xiàn)都得出了幾乎一致的結(jié)論，即不良貸款率與GDP的增長率呈負(fù)相關(guān)的關(guān)系。如李麟和索彥峰(2009)、[1]岳蓓蓓和鄭循剛(2011)[2]通過建立VAR模型，運(yùn)用脈沖響應(yīng)函數(shù)和方差分解等計(jì)量手段分析了經(jīng)濟(jì)增長對商業(yè)銀行不良貸款率的影響，得出了經(jīng)濟(jì)增長對不良貸款率的下降趨勢有明顯影響的結(jié)論；Salas和Suarina(2002)、[3]Rajan和Dhal(2003)[4]及Jimenez和Saurina(2005)[5]都曾在文中得出商業(yè)銀行不良貸款率與GDP增長呈負(fù)相關(guān)關(guān)系的結(jié)論。除了GDP以外，還有很多學(xué)者研究了其他宏觀經(jīng)濟(jì)指標(biāo)對于銀行不良貸款率的影響，但其側(cè)重點(diǎn)各不相同。如萬正曉和鄭志堯(2014)[6]運(yùn)用2005～2012年中國外資銀行不良貸款率的數(shù)據(jù)進(jìn)行研究發(fā)現(xiàn)，中國外資銀行的信用風(fēng)險(xiǎn)水平較低，其不良貸款率與PPI增長率和M2增長率無關(guān)，而主要與失業(yè)率、CPI增長率以及GDP增長率有顯著的相關(guān)關(guān)系；劉妍(2014)[7]研究得出：不良貨款率同CPI、PPI、國內(nèi)貨款的房地產(chǎn)投資額、國內(nèi)出口總額以及一年期貨款利率呈正相關(guān)，而與城鎮(zhèn)居民人均收入、國內(nèi)生產(chǎn)總值、社會(huì)消費(fèi)品零售總額、房屋銷售面積呈負(fù)相關(guān)；董俊杰(2014)[8]從宏觀和微觀兩個(gè)方面來研究影響企業(yè)不良貸款規(guī)模的各種因素。研究發(fā)現(xiàn)：小微貸款的規(guī)模、國民生產(chǎn)總值增長率、居民消費(fèi)價(jià)格指數(shù)等都與小微企業(yè)不良貸款規(guī)模有著顯著關(guān)系。其中不少學(xué)者在研究中都涉及廣義貨幣供給量的變動(dòng)與不良貸款率的關(guān)系，如Christopher和Bamidele(2009)[9]發(fā)現(xiàn)廣義貨幣供給量增加時(shí)，銀行往往選擇減少放貸，宏觀經(jīng)濟(jì)的變動(dòng)對銀行的貸款總量、投向和結(jié)構(gòu)產(chǎn)生不同程度的影響；陳璐(2010)[10]也詳細(xì)分析了貨幣供應(yīng)量(廣義M2)對不良貸款的影響，發(fā)現(xiàn)：貨幣供給量與不良貸款率呈負(fù)相關(guān)關(guān)系，即可以通過發(fā)展經(jīng)濟(jì)、改善商業(yè)銀行的外部環(huán)境條件等措施來提高對商業(yè)銀行不良貸款的管理效率。

就銀行具體因素對不良貸款率的影響來看，不少學(xué)者指出銀行不良貸款率的波動(dòng)與銀行本身的效率有關(guān)。如Keeton和Morris(1987)[11]主要用貸款與存貸款之和的比例來衡量銀行的風(fēng)險(xiǎn)偏好，結(jié)果發(fā)現(xiàn)風(fēng)險(xiǎn)偏好與銀行的貸款損失成正比；Sinkey和Greenwalt(1991)[12]的文章中也有相似的結(jié)論；馬振國(2015)、[13]索有(2015)[14]都運(yùn)用面板模型的計(jì)量手段得出，除了宏觀經(jīng)濟(jì)因素的影響，像資本充足率水平、銀行效率等銀行自身因素也都會(huì)對商業(yè)銀行的不良貸款率造成影響；郭婧洲(2010)、[15]高峰(2013)[16]和劉穎(2013)[17]在分析中都得到了相似的結(jié)論，但其視角各不相同。郭婧洲(2010)[18]主要從銀行內(nèi)部自身經(jīng)營管理的角度出發(fā)，高峰從美國次貸危機(jī)的角度出發(fā)，而劉穎從借款企業(yè)的角度分析內(nèi)部因素對不良貸款率的影響。他們都指出了政府對我國商業(yè)銀行的行政干預(yù)較大，銀行的治理也主要依靠制度并且政府把國有商業(yè)銀行當(dāng)做經(jīng)濟(jì)調(diào)控的主要對象，這都造成了銀行業(yè)的低效率，著重強(qiáng)調(diào)了銀行內(nèi)部強(qiáng)化資本約束機(jī)制、提高資本運(yùn)作效率等內(nèi)因的重要性。楊盛昌(2012)主要從撥備覆蓋率的視角看中國商業(yè)銀行的信用風(fēng)險(xiǎn)監(jiān)管，提出了動(dòng)態(tài)調(diào)整的撥備充足制度理念，這對于商業(yè)銀行加強(qiáng)對不良貸款率的監(jiān)管有重要意義。

國內(nèi)外的專家學(xué)者在不良貸款率這方面的研究已經(jīng)取得顯著的成果，這對于我們進(jìn)一步的研究有十分重要的借鑒意義，綜合上述的文獻(xiàn)可以得出：首先，我國現(xiàn)有文獻(xiàn)大多把重點(diǎn)放在政策性不良貸款上，將我國不良貸款產(chǎn)生的原因簡單地歸納為經(jīng)濟(jì)轉(zhuǎn)型時(shí)期所特有的改革不徹底和制度缺陷問題，以及政府、企業(yè)和銀行三者綜合作用的結(jié)果。并且，大多數(shù)的研究視角側(cè)重在考察宏觀經(jīng)濟(jì)對不良貸款的影響，而忽視了銀行的角度，更忽視了銀行這個(gè)經(jīng)營個(gè)體自身的經(jīng)營管理行為對控制不良貸款的形成起到關(guān)鍵作用；其次，與國外的研究相比，國內(nèi)更多的是從理論層面研究商業(yè)銀行不良資產(chǎn)的形成原因。盡管面板數(shù)據(jù)模型在國外的應(yīng)用已較為成熟，但在國內(nèi)將其用于對不良貸款的研究卻較為少見。針對以上研究現(xiàn)狀，我們的研究將從以下幾方面進(jìn)行可能的創(chuàng)新：從理論的角度，我們主要從宏觀經(jīng)濟(jì)和銀行自身行為這兩個(gè)視角入手，全面分析我國商業(yè)銀行不良貸款的各種影響因素，并著重分析當(dāng)前經(jīng)濟(jì)背景，尤其考慮利率市場化加速，制造業(yè)產(chǎn)業(yè)、房地產(chǎn)市場以及國際貿(mào)易都處在低迷的狀態(tài)下，商業(yè)銀行不良貸款的變動(dòng)趨勢；從技術(shù)的角度，主要運(yùn)用2010—2015的最新數(shù)據(jù)建立固定效應(yīng)面板模型來有效的估計(jì)模型的參數(shù)，這能夠更加全面的包含14家上市銀行的數(shù)據(jù)，更加形象地橫向比較同時(shí)期上市銀行間不良貸款率的情況。

二、商業(yè)銀行不良貸款率影響因素的理論分析：幾個(gè)有待驗(yàn)證的命題

(一)外部因素成因論

金融脆弱性假說認(rèn)為：金融體系的脆弱性與宏觀經(jīng)濟(jì)的周期有關(guān)，這主要是由于商業(yè)銀行及其相關(guān)貸款人的內(nèi)在特性。過度負(fù)債而產(chǎn)生債務(wù)危機(jī)使得他們不得不經(jīng)歷周期性危機(jī)和破產(chǎn)浪潮，經(jīng)濟(jì)危機(jī)因此產(chǎn)生。Minsky(1963)[19]和Kregel(1997)[20]分別從企業(yè)和銀行兩個(gè)角度說明了金融內(nèi)在的脆弱性。其中，Minsky(1963)最早對金融脆弱性進(jìn)行了系統(tǒng)性的分析，指出金融脆弱性的內(nèi)在根源來源于周期性的宏觀經(jīng)濟(jì)波動(dòng)。在新周期的初期階段，絕大多數(shù)企業(yè)處于經(jīng)營狀況良好的狀態(tài)，預(yù)期收入可以覆蓋現(xiàn)有借款。隨著經(jīng)濟(jì)進(jìn)一步繁榮，市場更加活躍，企業(yè)有著較好的預(yù)期就會(huì)擴(kuò)大借款，此時(shí)風(fēng)險(xiǎn)較高的貸款在商業(yè)銀行貸款結(jié)構(gòu)中出現(xiàn)。然而，一旦經(jīng)濟(jì)回落金融脆弱性就會(huì)顯現(xiàn)出來，不良貸款也隨之爆發(fā)。為了進(jìn)一步解釋金融內(nèi)在脆弱性。Kregel(1997)從銀行角度引入了“安全邊界”這個(gè)概念，更好地解釋了Minsky的金融內(nèi)在脆弱性理論。他指出，在經(jīng)濟(jì)形勢利好時(shí)，商業(yè)銀行擴(kuò)大貸款的發(fā)放。一旦經(jīng)濟(jì)下滑，就會(huì)加劇了不良貸款的產(chǎn)生?；阢y行的親周期性，即良好的宏觀經(jīng)濟(jì)可以使銀行獲得較高的利潤，此時(shí)銀行業(yè)績較好而不良貸款率較低，我們提出假說：

假說1：GDP的增長與不良貸款率呈負(fù)相關(guān)關(guān)系。

除了GDP以外，不良貸款率的變動(dòng)也會(huì)受其他宏觀經(jīng)濟(jì)因素的影響。我們認(rèn)為，貨幣供給增長率能夠體現(xiàn)貨幣政策的方向，是數(shù)量型工具也是首要的貨幣政策中介指標(biāo)。貨幣供給決策問題就是為了實(shí)現(xiàn)一定的宏觀經(jīng)濟(jì)目標(biāo)，決定貨幣供給量增長速度的問題。當(dāng)宏觀經(jīng)濟(jì)形式波動(dòng)較為劇烈時(shí)，政府會(huì)及時(shí)推出貨幣政策、財(cái)政政策等來進(jìn)行宏觀調(diào)控，熨平經(jīng)濟(jì)。貨幣政策會(huì)對不良貸款率造成如下影響：當(dāng)經(jīng)濟(jì)處于低迷狀態(tài)，央行會(huì)采用擴(kuò)張性的貨幣政策來刺激經(jīng)濟(jì)運(yùn)行，此時(shí)銀行降低貸款準(zhǔn)入規(guī)則，使得一些盈利相對低的項(xiàng)目獲得貸款，從而改善企業(yè)的財(cái)務(wù)狀況，這能夠降低當(dāng)期的不良貸款水平。但是，在這種情況下，信貸數(shù)量的高速增長大大降低了貸款質(zhì)量，也造成了大量的潛在風(fēng)險(xiǎn)。當(dāng)經(jīng)濟(jì)出現(xiàn)過熱的情況，央行一旦采取緊縮性的貨幣政策手段時(shí)，大量的不良貸款就會(huì)暴露出來?；诖耍覀兲岢黾僬f：

假說2：貨幣供給增長率(M2)與不良貸款率呈負(fù)相關(guān)關(guān)系

(二)銀行內(nèi)部因素成因論

John H.Wood于上個(gè)世紀(jì)70年代提出了貸款客戶關(guān)系理論。該理論認(rèn)為：商業(yè)銀行為了追求最大利潤，保證貸款的長期穩(wěn)定需求，傾向于通過降低貸款利率來維持與客戶的穩(wěn)定關(guān)系。這種情況下，貸款質(zhì)量和銀行收益都會(huì)降低，銀行的不良貸款風(fēng)險(xiǎn)也隨之增加；1986年Eaton、Gersovitz和Stiglitz提出了貸款競爭模型。[21]該模型的核心內(nèi)容是：銀行在貸款市場開展競爭時(shí)會(huì)通過降低自己的利潤空間以獲取更多貸款，最后甚至導(dǎo)致利潤為零。隨著銀行的獲利空間降低，其抵御風(fēng)險(xiǎn)的能力也就降低了；貸款勉強(qiáng)理論首先由Gwyne提出，后來Eaton，Taylor和Kindleberger等人對其做了進(jìn)一步研究使其逐漸完善起來。該理論的核心內(nèi)容是：當(dāng)利率水平給定后，銀行向借款人提供的貸款過多超過了其意愿需求時(shí)，這會(huì)使貸款的質(zhì)量降低。這主要因?yàn)殂y行經(jīng)理以升遷為目的而盲目地將貸款量擴(kuò)大到其安全的范圍之外，產(chǎn)生不良貸款的隱患。我們知道，貸款的盲目擴(kuò)大以及貸款質(zhì)量的降低會(huì)造成不良貸款率增加?；诖?，我們提出假說：

假說3：貸存比與不良貸款率呈正相關(guān)關(guān)系。

楊盛昌(2012)指出不良貸款撥備覆蓋率實(shí)際上指的是商業(yè)銀行運(yùn)營過程中可能產(chǎn)生的各種不良貸款準(zhǔn)備金的比率，是銀監(jiān)會(huì)衡量商業(yè)銀行信用風(fēng)險(xiǎn)的重要指標(biāo)。該指標(biāo)反映的主要是商業(yè)銀行抵御風(fēng)險(xiǎn)的能力以及彌補(bǔ)貸款損失的能力，不良貸款撥備覆蓋率不能太低也不能太高，最佳的撥備覆蓋率是100%。撥備覆蓋率過高，意味著銀行的損失準(zhǔn)備金多余，這會(huì)使其利潤下降，即銀行對風(fēng)險(xiǎn)的控制不夠好，該變量在以往的文獻(xiàn)中很少被使用。在一般情況下，較高的撥備覆蓋率往往意味著較差的風(fēng)險(xiǎn)控制，這種情況下會(huì)產(chǎn)生較高的不良貸款率。基于此，我們提出假說：

假說4：不良貸款撥備覆蓋率與不良貸款率呈正相關(guān)關(guān)系。

三、變量設(shè)置與數(shù)據(jù)描述

實(shí)證分析部分的研究對象主要是我國上市的商業(yè)銀行。我國現(xiàn)階段共有16家上市銀行，其中由于深發(fā)展和浦發(fā)銀行上市時(shí)間較晚，其數(shù)據(jù)不夠全面，將這兩家銀行去除。我們以2010—2015年的年度與半年度數(shù)據(jù)為樣本，共計(jì)700個(gè)觀測數(shù)據(jù)。具體來說，以我國14家上市銀行的不良貸款率為被解釋變量1，以貸存比、撥備覆蓋率、廣義貨幣(M2)供給增長率和GDP增長率為解釋變量構(gòu)建面板數(shù)據(jù)模型來分析其變動(dòng)對不良貸款率的影響機(jī)理。這里，廣義貨幣供給量(M2)數(shù)據(jù)來源于中國人民銀行官網(wǎng)；GDP數(shù)據(jù)來源于中國統(tǒng)計(jì)局官網(wǎng)；其他數(shù)據(jù)均來自14家銀行年報(bào)和半年報(bào)。相關(guān)變量表示如下表1所示：

在建立面板模型分析之前，對14家上市銀行2010—2015年的不良貸款率數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析。美國的次貸危機(jī)給各國帶來了不小的沖擊，我國采取各種刺激政策進(jìn)行適時(shí)適度的干預(yù)，使得我國經(jīng)濟(jì)在“新常態(tài)”的穩(wěn)定狀態(tài)下持續(xù)發(fā)展。然而，伴隨著利率市場化的加速、房地產(chǎn)市場以及國際貿(mào)易的沖擊，我國銀行業(yè)不良貸款率有所回升。其具體數(shù)據(jù)如下表2所示：

表1 模型中使用的變量與其表示符號

表2 各年度上市銀行不良貸款率(%)的描述性統(tǒng)計(jì)

由上表2可知，從2010年到2012年我國上市銀行的不良貸款率呈下降趨勢，其平均值從0.9778%下降至0.7721%。我們知道2011年國有商業(yè)銀行不良貸款率和不良貸款余額保持“雙降”，這主要是因?yàn)閲也扇〈胧猩虡I(yè)銀行不良資產(chǎn)進(jìn)行處置，單單從數(shù)據(jù)來看有較為明顯的效果。但也體現(xiàn)了較強(qiáng)的主導(dǎo)性，依靠政府的干預(yù)并不是商業(yè)銀行發(fā)展的正常趨勢。隨著我國金融體系的進(jìn)一步放開，想要化解不良資產(chǎn)更加需要依靠金融市場。數(shù)據(jù)下降的背后還有部分原因是受到經(jīng)濟(jì)刺激的影響，雖然銀行貸款基數(shù)的增長能夠在一定程度上降低不良貸款率水平但這并不是真正意義上的下降。然而從2012年年末的數(shù)據(jù)來看，不良貸款率有回升趨勢，到2015年上半年我國上市銀行不良貸款率水平從2012年上半年的0.7721%上升至1.25%。一方面，這主要是因?yàn)樯鲜秀y行受到了經(jīng)濟(jì)增長速度放緩的沖擊加之房地產(chǎn)行業(yè)不景氣以及國際貿(mào)易額下降等種種不利因素；另一方面，銀行貸款逐步退出了“兩高一?！?，這一產(chǎn)業(yè)過程可能在短期內(nèi)會(huì)帶來對不良貸款的預(yù)判。此外，不良貸款率的標(biāo)準(zhǔn)差從2010年的0.5004%到2014年末下降到了0.1735%，這在一定程度上說明了我國上市銀行的資產(chǎn)質(zhì)量抵御系統(tǒng)性風(fēng)險(xiǎn)的能力有所降低。

進(jìn)一步橫向來分析我國上市銀行間的不良貸款率情況。五大國有控股商業(yè)銀行的不良貸款率的均值都在1%之上，略高于股份制商業(yè)銀行。除均值外，從最值和中位數(shù)的數(shù)據(jù)來看，民生銀行(CMBC)；興業(yè)銀行(CIB)；中信銀行(CITIC)；光大銀行(CEB)；招商銀行(CMB)。國有商業(yè)銀行的不良貸款率均在股份制商業(yè)銀行之上。其中，中國農(nóng)業(yè)銀行的不良貸款率最高，其均值為1.593%。而北京銀行的不良貸款率水平最低，其均值只有0.574%。在2010到2015年期間內(nèi)，我國具體14家上市商業(yè)銀行的描述性統(tǒng)計(jì)數(shù)據(jù)如下表3所示：

表3 各銀行間不良貸款率(%)的描述性統(tǒng)計(jì)

在我國，長期以來大型商業(yè)銀行有著國家背景，出于對國家的信任，大多數(shù)人和企業(yè)會(huì)將資金聚集于此，因此不良貸款也都聚集在大型商業(yè)銀行。大型商業(yè)銀行的產(chǎn)權(quán)結(jié)構(gòu)主體也較為單一且其承擔(dān)較多的政策性業(yè)務(wù)，有著較為沉重的歷史包袱，這也導(dǎo)致了大量不良資產(chǎn)的出現(xiàn)。一直以來，國有銀行有著較嚴(yán)重的“重貸輕管”的現(xiàn)象，對風(fēng)險(xiǎn)的管理較弱。而股份制商業(yè)銀行的產(chǎn)權(quán)主體多元化，能在某種程度上抵擋政府的干預(yù)。在長期的商業(yè)化經(jīng)營管理過程中，股份制銀行已經(jīng)積累了大量防范和化解不良貸款的經(jīng)驗(yàn)并形成了獨(dú)立高效的經(jīng)營管理體系，能夠從貸款發(fā)放的各個(gè)環(huán)節(jié)控制不良貸款的發(fā)生。但是，大型商業(yè)銀行一般有著較為充足的資金優(yōu)勢能夠妥善處理不良貸款的負(fù)面影響；而股份制商業(yè)銀行主要憑借其多樣性化的經(jīng)營手段獲取利潤，也有良好的對策應(yīng)對不連良貸款的的發(fā)生。

四、商業(yè)銀行不良貸款率的面板模型估計(jì)與解讀

在應(yīng)用面板數(shù)據(jù)分析前，為避免“偽回歸”現(xiàn)象對已有數(shù)據(jù)進(jìn)行單位根檢驗(yàn)以確保數(shù)據(jù)的可靠和平穩(wěn)性。我們采用LLC檢驗(yàn)、Fisher-ADF這兩種檢驗(yàn)方法。結(jié)果為LNNPL，DA，NPLC，RGDP，RM2都為水平平穩(wěn)，可用于模型估計(jì)。模型單位根檢驗(yàn)結(jié)果見下表4：

表4 面板數(shù)據(jù)單位根檢驗(yàn)結(jié)果

注：括號內(nèi)為統(tǒng)計(jì)量的P值。

首先，在確定面板數(shù)據(jù)模型應(yīng)采用混合效應(yīng)模型還是固定效應(yīng)模型時(shí)，這里采用了固定效應(yīng)下的F檢驗(yàn)，由下表5的輸出結(jié)果可以看出適合選用固定效應(yīng)模型。在確定面板數(shù)據(jù)模型應(yīng)采用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型時(shí)，采用Hausman檢驗(yàn)方法，所得檢驗(yàn)P值為1，說明其隨機(jī)誤差項(xiàng)是不正確的，即所得的結(jié)論是不適用于隨機(jī)效應(yīng)模型。最終確定的是建立固定效應(yīng)變截距模型，并對固定效應(yīng)模型采取截面加權(quán)最小二乘法進(jìn)行估計(jì)。

表5 固定效應(yīng)下的Wald-F檢驗(yàn)

注：***表示統(tǒng)計(jì)量在1%的顯著性水平下拒絕原假設(shè)。

為避免不同銀行的截面異方差性，對固定效應(yīng)模型采取截面加權(quán)最小二乘法進(jìn)行估計(jì)，截面加權(quán)回歸后得到模型中各銀行的固定效應(yīng)值見下表6：

表6 各銀行固定效應(yīng)值

由表6可知，工商銀行、南京銀行、北京銀行、寧波銀行、興業(yè)銀行、中信銀行和招商銀行的固定效應(yīng)系數(shù)明顯為負(fù)數(shù)，而剩余7家上市商業(yè)銀行均為正數(shù)，并且以農(nóng)業(yè)銀行效應(yīng)最大。工商銀行、南京銀行、北京銀行、寧波銀行、興業(yè)銀行、中信銀行和招商銀行這7家大多為股份制商業(yè)銀行，他們對不良貸款率的貢獻(xiàn)較低，相對來說能較好的控制不良貸款情況，而國有控股商業(yè)銀行對不良貸款率的控制較弱。這與描述性統(tǒng)計(jì)結(jié)果相一致，國有商業(yè)銀行在我國經(jīng)濟(jì)體系中處于特殊地位，不僅要在經(jīng)濟(jì)體制逐漸完善的過程中滿足對金融的支持，也要增進(jìn)自身的效率，這與一般商業(yè)銀行大不相同。隨著經(jīng)濟(jì)體制的改革，國有控股銀行由國家完全控制逐漸改為自主經(jīng)營，在這一轉(zhuǎn)變過程中，由于粗放的經(jīng)營模式會(huì)產(chǎn)生大量的不良資產(chǎn)。但隨著上市和進(jìn)一步的發(fā)展，國有銀行對不良貸款率的控制能力在逐漸增強(qiáng)的過程中。

進(jìn)一步分析商業(yè)銀行不良貸款率的影響因素，固定效應(yīng)模型的估計(jì)結(jié)果如下表7所示：

表7 固定效應(yīng)模型下的回歸結(jié)果

表7說明各假設(shè)變量均通過了顯著性檢驗(yàn)，并且模型擬合較好(R2=83.42%)，模型也通過了F檢驗(yàn)，同時(shí)DW=1.3272，說明不存在序列相關(guān)。各變量的P值都小于0.05，說明估計(jì)結(jié)果是顯著的。由上表7可知，在各解釋變量中，其系數(shù)的估計(jì)值都為負(fù)，這說明所選的解釋變量的上升都會(huì)導(dǎo)致不良貸款率的下降；相反，解釋變量的下降會(huì)抑制不良貸款率的下降。其中，影響最顯著的是RM2，即貨幣供給量的增長率，回歸結(jié)果表明，貨幣供給量每增加1%，對應(yīng)的不良貸款率的對數(shù)值將下降0.0193%；其次，貸存比、撥備覆蓋率和GDP增長率這三個(gè)變量每增加1%，對應(yīng)的不良貸款率對數(shù)值分別會(huì)下降0.0123%，0.0024%和0.0077%。

首先從宏觀角度來看，RGDP和RM2都在1%水平上顯著影響LNNPL且呈負(fù)相關(guān)關(guān)系，這說了明經(jīng)濟(jì)增長階段不良貸款率趨于下降的事實(shí)。由回歸結(jié)果可以看出，我國經(jīng)濟(jì)還處于不斷增長階段，銀行和市場有著較為樂觀的前景，銀行在增大放款的同時(shí)企業(yè)也在增大借款。此時(shí)企業(yè)的盈利能力相對較好，違約的概率也較小，各銀行的不良貸款率能夠不同程度的下降。這與索有(2015)的結(jié)論相似，在經(jīng)濟(jì)擴(kuò)張時(shí)期，借款人的資金往往較為充足可以支付他們的債務(wù)，因此銀行的不良貸款可以維持在一個(gè)較低水平。這與假說1相符合。此外，雖然我國貨幣供給量的增速有所放緩，但依然是增加的狀態(tài)，市場上的資金較為充裕。銀行的貸款利率在這種狀態(tài)下則會(huì)有所下降，企業(yè)成本也會(huì)減低且經(jīng)濟(jì)效益轉(zhuǎn)好，這樣企業(yè)能夠及時(shí)償還所欠銀行的貸款并支付利息，從而違約的概率大大降低，銀行的不良貸款率也就降低。即貨幣供應(yīng)量RM2與不良貸款率負(fù)相關(guān)。這與假設(shè)2相符。

其次從銀行內(nèi)部特征來看，DA和 NPLC都在1%水平上顯著影響LNNPL且呈負(fù)相關(guān)關(guān)系，其結(jié)果與假設(shè)不同。從我國當(dāng)前角度來看，貸存比是指在資產(chǎn)負(fù)債表中，一家商業(yè)銀行貸款總額與存款總額的比例，又稱存貸比，是法定監(jiān)管的重要指標(biāo)。2015年6月之前，《商業(yè)銀行法》規(guī)定貸款余額與存款余額比例不得超過75%。雖然過高的貸存比有可能增大銀行風(fēng)險(xiǎn)，帶來不良貸款的隱患。但在監(jiān)管范圍內(nèi)，從銀行盈利的角度講，存貸比越高銀行的盈利能力就越好，存貸比的高低意味著銀行經(jīng)營能力的高低。在一定范圍內(nèi)，銀行相對地提高存貸比，就會(huì)擁有更好的績效，可以降低銀行的不良貸款率。2015年6月24日，國務(wù)院通過商業(yè)銀行法修正案，刪除貸存比規(guī)定，將存貸比由法定監(jiān)管指標(biāo)轉(zhuǎn)為流動(dòng)性監(jiān)測指標(biāo)，這一更改可能會(huì)改變貸存比對不良貸款率的影響。從下圖1可以更直觀地看出，股份制商業(yè)銀行的貸存比均值基本保持在1.4以上處于較高水平，其中以農(nóng)業(yè)銀行的表現(xiàn)最為顯著，近幾年農(nóng)行的不良貸款率最早其均值達(dá)到1.6%而其貸存比例也相對較低，均值在55%的水平。基本上符合貸存比與不良貸款率呈負(fù)相關(guān)的關(guān)系。此外，我國在《股份制商業(yè)銀行風(fēng)險(xiǎn)評級體系》中提出撥備覆蓋率這個(gè)指標(biāo)，在監(jiān)管過程中該指標(biāo)逐漸成為衡量商業(yè)銀行風(fēng)險(xiǎn)的硬性指標(biāo)。與貸存比類似，過高的撥備覆蓋率會(huì)造成資金的浪費(fèi)，但在一定的監(jiān)管范圍內(nèi)，較高的撥備覆蓋率代表著銀行有較強(qiáng)的補(bǔ)償貸款損失的能力。較為充足的貸款損失準(zhǔn)備計(jì)提使銀行更加從容的應(yīng)對信用風(fēng)險(xiǎn)。從下圖2可以看出，前5家為國有商業(yè)銀行，其撥備覆蓋率明顯低于后面的股份制商業(yè)銀行。其中，北京銀行的撥備覆蓋率最高而其不良貸款率最低，基本上說明了撥備覆蓋率與不良貸款率呈負(fù)相關(guān)關(guān)系。

圖1 上市銀行貸存比和不良貸款率比較圖

圖2 上市銀行撥備覆蓋率和不良貸款率比較圖

五、結(jié)論與啟示

我們以2010—2015年我國14家上市銀行的半年度、年度數(shù)據(jù)為依據(jù)，從宏觀和微觀角度分析了不同因素對我國上市銀行不良貸款水平的影響，研究結(jié)論如下：首先，我國股份制商業(yè)銀行對不良貸款率的調(diào)控相對優(yōu)于國有商業(yè)銀行。其次，我國上市銀行不良貸款顯著地受經(jīng)濟(jì)周期波動(dòng)的影響，隨著GDP增長率的增加以及貨幣供給增長率的增加，銀行不良貸款水平會(huì)隨之下降。最后，從銀行自身角度來看，貸存比和不良貸款撥備覆蓋率的提高均可以降低不良貸款率水平?；诖?，我們得到如下啟示：

第一，從宏觀角度來看，由于信貸質(zhì)量會(huì)受到經(jīng)濟(jì)波動(dòng)以及貨幣政策的影響。一方面，央行要對經(jīng)濟(jì)形勢作出系統(tǒng)性和前瞻性的預(yù)判。在經(jīng)濟(jì)衰退時(shí)，利用擴(kuò)張性的貨幣政策給企業(yè)創(chuàng)造穩(wěn)回升的條件。但僅僅依靠政府的調(diào)節(jié)會(huì)積累大量的潛在風(fēng)險(xiǎn)，在經(jīng)濟(jì)復(fù)蘇中埋下隱患。因此，從另一方面來看，在利率市場化的情況下政府更應(yīng)加強(qiáng)監(jiān)管、完善市場的功能并逐漸退出干預(yù)。銀行通過提高其整體的控制管理能力來應(yīng)對經(jīng)濟(jì)形勢的變化，降低其不良貸款率，以防止銀行風(fēng)險(xiǎn)的發(fā)生。

第二，從銀行自身角度來看，商業(yè)銀行憑借較高的利息差異創(chuàng)造收益的時(shí)代已不再存在。創(chuàng)造收益是每家商業(yè)銀行的根本目的，然而在增加收益的同時(shí)，銀行也要通過提高其整體的經(jīng)營能力來控制不良貸款率。首先，就提高貸存比來說，銀行一般都會(huì)盡量擴(kuò)大貸款規(guī)模來提高經(jīng)營利潤，而商業(yè)銀行的經(jīng)營不能只顧眼前利益而忽視了對長遠(yuǎn)發(fā)展的考慮，這就要求銀行要慎重對待貸款發(fā)放審核的環(huán)節(jié)，在發(fā)放貸款之前加強(qiáng)對貸款方營業(yè)能力經(jīng)營環(huán)境的調(diào)查，充分揭露貸款項(xiàng)目的潛在風(fēng)險(xiǎn)，并提前采取措施應(yīng)對可能發(fā)生的風(fēng)險(xiǎn)，從而降低商業(yè)銀行未來不良貸款的發(fā)生；其次，從提高撥備覆蓋率來說，作為對商業(yè)銀行監(jiān)管的重要指標(biāo)，它能揭示出信用風(fēng)險(xiǎn)的“量”。在當(dāng)前經(jīng)濟(jì)處于下行階段，由于不良貸款率的持續(xù)增加，撥備覆蓋率會(huì)有下降趨勢，監(jiān)管壓力加大。適度下調(diào)撥備覆蓋率有利于逆周期撥備覆蓋率調(diào)節(jié)機(jī)制的建立，也利于商業(yè)銀行在經(jīng)濟(jì)下行周期實(shí)現(xiàn)利潤與風(fēng)險(xiǎn)的平衡，這使商業(yè)銀行信貸空間擴(kuò)大，增強(qiáng)對實(shí)體經(jīng)濟(jì)的支持力度。同時(shí)，與國際市場相比我國不良貸款率水平較低，因此不存在監(jiān)管要求寬松的問題。

第三，由上面的實(shí)證分析我們知道，在不良貸款率這個(gè)指標(biāo)上，國有商業(yè)銀行體系要高于股份制商業(yè)銀行體系。我國國有商業(yè)銀行自身有著較差的抗風(fēng)險(xiǎn)性，而對政府有著較強(qiáng)的依賴性。對于國有商業(yè)銀行，要建立科學(xué)的決策體系來剝離政策性業(yè)務(wù)，剝離不良貸款。此外，我國有商業(yè)銀行需要進(jìn)一步完善內(nèi)部控制、優(yōu)化資產(chǎn)結(jié)構(gòu)，在此基礎(chǔ)上嚴(yán)格管理貸款的相關(guān)程序，大力追究造成不良貸款的責(zé)任人，最終建成內(nèi)控嚴(yán)密，服務(wù)和效益良好的現(xiàn)代金融企業(yè)。

[1]李麟，索彥峰. 經(jīng)濟(jì)波動(dòng)、不良貸款與銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)[J]. 國際金融研究，2009，(6).

[2]岳蓓蓓，鄭循剛. 經(jīng)濟(jì)增長與商業(yè)銀行不良貸款率波動(dòng)的VAR模型分析[J]. 金融與經(jīng)濟(jì)，2011，(1).

[3]Salas，V.，Jesus Saurin，Credit Risk in Two Institutional Regimes: Spanish Commercial and Savings Banks[J]. Journal of Financial Services Research，2002，(3).

[4]Rajan，R.，Sarat C. Dhal，Non-performing Loans and Terms of Credit of Public Sector Banks in India: An Empirical Assessment[J]. Occasional Papers，2003，(3).

[5]Jimenez，G.，Saurina，J.，Credit cycles, credit risk, and prudential Regulation[J]. Banco de Espana，2005，(1).

[6]萬正曉，鄭志堯. 關(guān)于中國外資銀行信用風(fēng)險(xiǎn)影響因素的實(shí)證研究[J]. 中國商論，2014，(5).

[7]劉妍. 我國商業(yè)銀行不良貸款成因及相關(guān)因素分析[J]. 系統(tǒng)工程，2014，(5).

[8]董俊杰. 小微企業(yè)不良貸款規(guī)模的影響因素分析[J]. 金融發(fā)展研究，2014，(4).

[9]Somoye，R.O.，Christopher，The impact of macroeconomic instability on the banking sector lending behavior in Nigeria[J]. Journal of Money，2009，(10).

[10]陳璐. 我國商業(yè)銀行不良貸款影響因素及管理策略研究[D]. 南京理工大學(xué)，2010.

[11]Keeton，W.R.，Morris，C.S.，Why do banks’

loan losses differ?[J]. Economic Review，1987.

[12]Sinkey，J.F.，Greenawalt，M.B.，Loan-Loss Experience and Risk-Taking Behavior at Large Commercial Banks[J]. Journal of Financial Services Research，1991，(1).

[13]馬振國. 新經(jīng)濟(jì)形勢下我國商業(yè)銀行不良貸款的影響因素研究[D]. 吉林大學(xué)，2015.

[14]索有. 我國上市銀行不良貸款影響因素研究——基于動(dòng)態(tài)面板數(shù)據(jù)模型[J]. 社會(huì)科學(xué)輯刊，2015，(2).

[15]郭婧洲. 淺析我國國有商業(yè)銀行不良資產(chǎn)形成的原因與對策[J]. 統(tǒng)計(jì)研究，2010，(8).

[16]高峰. 我國商業(yè)銀行不良貸款的管理研究[J]. 中國商貿(mào)，2013，(3).

[17]劉穎. 銀行不良貸款影響因素的實(shí)證分析—以某銀行市級分行為例[D]. 浙江大學(xué)，2013.

[18]楊盛昌. 從撥備覆蓋率看中國商業(yè)銀行的信用風(fēng)險(xiǎn)監(jiān)管[J]. 經(jīng)濟(jì)問題探，2012，(1).

[19]Minsky，H.P.，Longer Waves in Financial Relations:Financial Factors in the More Severe Depressions[J]. Journal of Economic Issues，1995.

[20]Kregel，J.A.，Margins of Safety and Weight of the Argument in Generating Fragility[J]. Journal of Economic Issues，1997，(2).

[21]Stigliz，J.，Weiss，A.，Credit Rationing in Markets with imperfect information[J]．American Economic Review，1981，(3).

(責(zé)任編輯：輝 龍)

2016-04-16

崔苧心(1993-)，女，江蘇徐州人，江蘇師范大學(xué)商學(xué)院碩士研究生，主要從事貨幣金融理論與政策方面的研究；李子聯(lián)(1985-)，男，江西贛州人，江蘇師范大學(xué)商學(xué)院副教授、碩士生導(dǎo)師，主要從事宏觀經(jīng)濟(jì)學(xué)和發(fā)展經(jīng)濟(jì)學(xué)方面的研究。

F832.33

A

1672-1071(2016)03-0043-08