商業(yè)銀行不良貸款率因素的實證分析

陳家偉

摘 要：我國商業(yè)銀行的不良貸款率在近幾年呈現(xiàn)持續(xù)上漲的趨勢，始終保持著較高的水平，這對我國宏觀經(jīng)濟(jì)的運(yùn)行帶來了很大的負(fù)面影響。本文采用理論分析與實證分析相結(jié)合的研究方法，對2009年至2016年期間的季度數(shù)據(jù)進(jìn)行了全面收集與分析，在此基礎(chǔ)上構(gòu)建了相關(guān)分析、多元線性回歸模型，旨在探討各種宏觀影響因素以及微觀影響因素對商業(yè)銀行不良貸款率所產(chǎn)生的影響。研究結(jié)果表明：當(dāng)GDP增長率每降低1個點時，商業(yè)銀行的不良貸款率平均值就會提高0.84個點；當(dāng)撥備覆蓋率每降低1個點時，商業(yè)銀行的不良貸款率平均值就會提高0.059個點。由此可見，可以通過優(yōu)化宏觀經(jīng)濟(jì)環(huán)境以及強(qiáng)化商業(yè)銀行自身風(fēng)險防范水平等措施來促進(jìn)商業(yè)銀行不良貸款率的減低，有效減少銀行在市場環(huán)境中的運(yùn)行風(fēng)險。

關(guān)鍵詞：商業(yè)銀行；不良貸款率；GDP增長率；撥備覆蓋率

全球利率市場化發(fā)展勢頭愈發(fā)迅猛，給經(jīng)濟(jì)發(fā)展帶來了前所未有的挑戰(zhàn)和機(jī)遇。就我國情況而言，1996年首次開始在全國范圍內(nèi)實施利率市場化，歷經(jīng)了二十多年的發(fā)展，目前我國已經(jīng)在利率市場化的最后一個進(jìn)程中停留了很久。金融機(jī)構(gòu)中所設(shè)置的人民幣貸款上限在2004年便放開，商業(yè)銀行基本能依托業(yè)務(wù)風(fēng)險水平來設(shè)置具體的利率。商業(yè)銀行在金融市場中扮演著主體的角色，圍繞信用風(fēng)險實施有效控制可以在很大程度上促進(jìn)我國經(jīng)濟(jì)的穩(wěn)健發(fā)展。對于商業(yè)銀行來說，不良貸款是風(fēng)險評價中最常用的一種指標(biāo)，十分關(guān)鍵，它在很大程度上影響著銀行的經(jīng)營情況，同時對我國經(jīng)濟(jì)的穩(wěn)健運(yùn)行也具有十分關(guān)鍵的作用。

對下圖進(jìn)行分析可以發(fā)現(xiàn)，這兩年我國商業(yè)銀行不良貸款率達(dá)到了一個較高的水平，這一狀況對于我國商業(yè)銀行的發(fā)展產(chǎn)生了極為嚴(yán)重的不良影響。本文將2009年至2016年的季度數(shù)據(jù)作為研究對象，分別站在宏觀以及微觀的視角針對我國銀行不良貸款率的影響因素實施了理論分析以及實證分析，并基于分析結(jié)果提出了具體的改進(jìn)建議。

一、不良貸款率影響因素的理論分析

1.宏觀經(jīng)濟(jì)因素分析

GDP給不良貸款率帶來的影響。在經(jīng)濟(jì)迅速發(fā)展時期中，企業(yè)對市場寄予厚望，于是向銀行申請貸款，銀行也會通過放款來獲取利潤。當(dāng)經(jīng)濟(jì)環(huán)境理想時，企業(yè)盈利水平高，財務(wù)管理體系也更為系統(tǒng)，企業(yè)違約概率較低，從而不良貸款率也不高；當(dāng)經(jīng)濟(jì)環(huán)境變差時，企業(yè)無法維持穩(wěn)定運(yùn)行甚至還會陷入破產(chǎn)局面中，即使欠款也不能及時償還，從而引起銀行不良貸款率指標(biāo)提升，作為企業(yè)來說，它們只能依靠低價出售或抵押企業(yè)資產(chǎn)來獲得資金來還債。此外，當(dāng)市場不景氣的情況下，人們往往會考慮到保值功能，把大量資產(chǎn)存入銀行，引起市場通貨緊縮，銀行同樣存在極大的信用風(fēng)險。由此可見，GDP與不良貸款率之間存在密切的關(guān)系，主要表現(xiàn)為負(fù)相關(guān)。

貨幣供應(yīng)量（M2）給不良貸款率帶來的影響。M2通常能夠作為觀察以及調(diào)整中長期金融市場平衡的一大目標(biāo)。在M2增加的情況下，利率通常會下跌，企業(yè)在此過程中能夠賺取很大一部分利潤，使內(nèi)部財務(wù)狀況十分理想，從而極大程度降低了不良貸款行為的發(fā)生率。然而在M2減少的情況下，利率通常會呈現(xiàn)出上漲趨勢，企業(yè)在融資過程中需要付出更高的成本，使經(jīng)營利潤減少。企業(yè)為了能夠繼續(xù)運(yùn)行下去，并賺取一定的利潤，會選擇向銀行借款，從而導(dǎo)致商業(yè)銀行面臨著巨大的信用風(fēng)險，并引起不良貸款行為發(fā)生率的產(chǎn)生。由此可見，M2與不良貸款率之間存在密切的關(guān)系，主要表現(xiàn)為負(fù)相關(guān)。

2.微觀經(jīng)濟(jì)因素分析

對銀行的CAR進(jìn)行監(jiān)測，并對監(jiān)測結(jié)果進(jìn)行分析，能夠在一定程度上提高銀行金融風(fēng)險化解的能力。對于銀行來說，充足的資本能夠保障銀行等金融機(jī)構(gòu)維持健康穩(wěn)定的發(fā)展。當(dāng)CAR指標(biāo)提升時，特別是在資本證券化以后，銀行的風(fēng)險抵御能力將會顯著上升，從而強(qiáng)化貸款管理工作，使不良貸款率明顯降低。由此可見，CAR與不良貸款率之間存在密切的關(guān)系，主要表現(xiàn)為正相關(guān)。

PCR這一質(zhì)保還能夠有效表示商業(yè)銀行對風(fēng)險防范的意識，在PCR較低的情況下，說明銀行對于風(fēng)險防范并不具備較高的意識，從而導(dǎo)致不良貸款率升高；PCR的水平大小主要取決于風(fēng)險的實際程度，當(dāng)PCR過低時會引起撥備金缺乏，引起利潤的虛高；而PCR過高時則會引起撥備金剩余情況嚴(yán)重，引起利潤虛低。由此可見，PCR與不良貸款率之間存在密切的關(guān)系，主要表現(xiàn)為正相關(guān)。

二、不良貸款率影響因素的實證分析

1.模型導(dǎo)入

以上述理論描述為基礎(chǔ)，主要對這四項不良貸款率影響因素展開實證分析，并依此構(gòu)建貸款率（Y）與GDP增長率（X1）、貸款率（Y）與M2增長率（X2）、貸款率（Y）與CAR（X3）、貸款率（Y）與PCR率（X4）的多元線性回歸模型，具體回歸方程如下所示：

2.多元回歸分析

在本次實證分析中，所選擇的模型是2009年第一季度至2016年第四季度的時間序列，數(shù)據(jù)采集渠道全部為國家統(tǒng)計局以及中國銀監(jiān)會，樣本容量是32。把這些數(shù)據(jù)輸入Eviews軟件當(dāng)中，并通過最小二乘法來實施模型構(gòu)建，最終得到的結(jié)果見下表1。

對這一模型估計結(jié)果進(jìn)行分析可以發(fā)現(xiàn)，該模型的擬合優(yōu)度R2為0.9735，對其進(jìn)行調(diào)整后R2為0.9696，由此可見這一模型對樣本具有較高的擬合優(yōu)度。F檢驗值是248.3659，具有極高的明顯度，這表示整體上宏觀因素GDP增長率、貨幣供應(yīng)量M2增長率以及銀行自身的資本充足率、撥備覆蓋率是導(dǎo)致商業(yè)銀行不良貸款率居高不下的主要原因。然而，M2增長率以及CAR在T檢驗過程中的P值依次達(dá)到0.50以及0.21，表現(xiàn)出較高的數(shù)據(jù)，沒有通過T檢驗。所以說必須針對最初的四元線性回歸模型實施合理調(diào)整，首先針對4個變量實施多重共線性檢驗，計算出有關(guān)的系數(shù)矩陣，具體見下表2所示。

對上表2進(jìn)行分析后可以發(fā)現(xiàn)，X2以及X3兩者間的相關(guān)系數(shù)是-0.801，意味著X2與X3之間呈高度相關(guān)關(guān)系。X1以及X3兩者間的相關(guān)系數(shù)為-0.672，足以證明上述模型具備顯著的多重共線性特征。endprint

隨后使用逐步回歸這一方式對多重共線性進(jìn)行處理，并基于有關(guān)系數(shù)理論來展開分析，X2以及X3在逐步回歸檢測過程中不滿足有關(guān)條件，因此對變量處理進(jìn)行解釋時是將X2以及X3剔除并將統(tǒng)計表中比較明顯的X1以及X4保留下來后構(gòu)建的全新模型，具體參見下表3所示。

對原有模型進(jìn)行修正后得到的新模型在F檢驗后得出R2=0.9718，說明該模型的擬合優(yōu)度較高，F(xiàn)檢驗也十分明顯，意味著GDP增長率以及銀行撥備覆蓋率對于商業(yè)銀行不練貸款率具有極為關(guān)鍵的影響。在顯著水平為0.01的情況下，解釋變量GDP增長率以及撥備覆蓋率都能夠經(jīng)過T檢驗，從而說明這兩種因素對商業(yè)銀行不良貸款率所帶來的影響十分明顯。

3.實證分析的基本概括

在經(jīng)過上面一輪實證分析后可以得知，即使多重共線性對M2增長率以及銀行資本充足率施加了一定的作用，這兩項指標(biāo)也不會對不良貸款率形成過高的影響，然而另外兩個指標(biāo)對不良貸款的出現(xiàn)卻會起著決定性作用，這兩個指標(biāo)分別為GDP增長率和商業(yè)銀行自己的撥備覆蓋率。其中，前者是在所有影響因素當(dāng)中影響程度排名第一的，用實際數(shù)據(jù)來表示，當(dāng)GDP增長率每降低1個點時，商業(yè)銀行的不良貸款率平均值就會提高0.84個點；當(dāng)撥備覆蓋率每降低1個點時，商業(yè)銀行的不良貸款率平均值就會提高0.059個點。所以說，創(chuàng)造理想的宏觀經(jīng)濟(jì)環(huán)境，促進(jìn)經(jīng)濟(jì)的穩(wěn)定健康發(fā)展，對商業(yè)銀行不良貸款率的降低具有十分積極的作用。

三、減少商業(yè)不良貸款率的有效對策

商業(yè)銀行貸款品質(zhì)與宏觀經(jīng)濟(jì)環(huán)境的改變之間存在十分密切的關(guān)聯(lián)性。當(dāng)宏觀經(jīng)濟(jì)處于昌盛、衰敗、不景氣、恢復(fù)時期時，商業(yè)銀行的經(jīng)營情況也會在此過程中發(fā)生一系列變化，尤其體現(xiàn)在不良貸款率這一指標(biāo)上。例如，宏觀經(jīng)濟(jì)較為昌盛時，企業(yè)的整體運(yùn)營情況較好，不良貸款率也呈現(xiàn)出較低的狀態(tài)。當(dāng)宏觀經(jīng)濟(jì)從昌盛轉(zhuǎn)向衰敗的過程中，雖然銀行出于風(fēng)險防范考慮會對信貸政策加以收緊，然而由于大部分企業(yè)的財務(wù)情況都處于惡化狀態(tài)，很容易導(dǎo)致銀行不良貸款率上升。針對這一情況，筆者站在宏觀角度以及微觀角度提出了下面一些自己的見解：

1.宏觀角度

站在政府的立場來看，應(yīng)盡快推出相關(guān)政策用于支持?jǐn)U張，從而激發(fā)各內(nèi)需的增長，起到宏觀調(diào)控水平優(yōu)化的目的，這樣能夠在一定程度上促進(jìn)經(jīng)濟(jì)的穩(wěn)健發(fā)展。加強(qiáng)基礎(chǔ)建設(shè)方面的投資強(qiáng)度，做好經(jīng)濟(jì)模式革新工作，在以往引起經(jīng)濟(jì)活動運(yùn)行場所的基礎(chǔ)上進(jìn)行改善與優(yōu)化。

關(guān)于金融政策方面，中央銀行必須盡快健全現(xiàn)有的金融風(fēng)險管理監(jiān)督系統(tǒng)，尤其是商業(yè)銀行的風(fēng)險資產(chǎn)方面，必須加大監(jiān)督管理的力度。另外，還必須站在宏觀角度上進(jìn)行一定的指導(dǎo)，在原有風(fēng)險預(yù)警系統(tǒng)的基礎(chǔ)上進(jìn)行不斷完善。

站在企業(yè)改造的角度上來看，應(yīng)充分把握好金融體制革新與企業(yè)改造間的和諧統(tǒng)一關(guān)系，在此基礎(chǔ)上建立一套良好的征信系統(tǒng)。無論所選擇的改造模式為哪一種，企業(yè)都必須對原有管理制度進(jìn)行重新梳理與改進(jìn)，從而促進(jìn)效率提升，強(qiáng)化自己的資金水平。構(gòu)建一套銀企之間的信用系統(tǒng)，保證國有金融資產(chǎn)和公共存款可以被有效保護(hù)起來。

2.微觀角度

第一，銀行必須緊扣宏觀經(jīng)濟(jì)的發(fā)展腳步，將其作為基本命脈搞好相應(yīng)的管理工作。在任何一個階段當(dāng)中，每一個行業(yè)都具有自己獨特的發(fā)展特色，所對應(yīng)的發(fā)展?jié)摿σ泊嬖谝恍┎町?。因此銀行需要選擇市場中發(fā)展前景較好的企業(yè)來提供貸款服務(wù)，通過這一方式能夠有效降低不良貸款率。另外，對待風(fēng)險還應(yīng)盡快采取有效的防范及對應(yīng)措施，對其進(jìn)行預(yù)先反應(yīng)，將風(fēng)險遏制在萌發(fā)階段，從而使不良貸款額始終處于一個十分低的范圍內(nèi)。

第二，銀行應(yīng)依托最初的內(nèi)部風(fēng)險管理體制，對其進(jìn)行完善與補(bǔ)充。在經(jīng)濟(jì)市場當(dāng)中，銀行要想實現(xiàn)穩(wěn)定健康的發(fā)展，必須得到風(fēng)險管理機(jī)制的保障。在市場化進(jìn)程快速推進(jìn)的趨勢之下，各種各樣的風(fēng)險開始朝著銀行逼近，且發(fā)生率也呈現(xiàn)出不斷上漲的勢頭，然而眼下銀行現(xiàn)有的風(fēng)險管理措施完全無法滿足多樣化的風(fēng)險類型，必須在原有基礎(chǔ)上進(jìn)行不斷完善。

第三，銀行必須擴(kuò)展利潤獲取渠道。在新形勢下，銀行僅僅依靠傳統(tǒng)的業(yè)務(wù)來賺錢利潤是無法跟上時代發(fā)展步伐的，必須將眼光瞄準(zhǔn)中間業(yè)務(wù)，并加大中間業(yè)務(wù)的拓展力度，根據(jù)市場需求推出各種的信用貸款業(yè)務(wù)，使信貸產(chǎn)品能夠更具針對性，從而使商業(yè)銀行的風(fēng)險得到有效控制。

四、結(jié)束語

實證分析后得出以下結(jié)論：GDP增長率每降低1個點時，商業(yè)銀行的不良貸款率平均值就會提高0.84個點；當(dāng)撥備覆蓋率每降低1個點時，商業(yè)銀行的不良貸款率平均值就會提高0.059個點。由此可見，可以通過優(yōu)化宏觀經(jīng)濟(jì)環(huán)境以及強(qiáng)化商業(yè)銀行自身風(fēng)險防范水平等措施來促進(jìn)商業(yè)銀行不練貸款率的減低，有效減少銀行在市場環(huán)境中的運(yùn)行風(fēng)險。

參考文獻(xiàn)：

[1]萬丹丹.KMV模型在我國商業(yè)銀行度量上市公司信用風(fēng)險中的適用性研究[D].西南財經(jīng)大學(xué)，2016.

[2]甘兆雯.美國個人住房貸款風(fēng)險管理經(jīng)驗及啟示[J].特區(qū)經(jīng)濟(jì)，2016（12）：92-94.

[3]程超，趙春玲.信用評分技術(shù)在商業(yè)銀行的應(yīng)用——基于對信貸可獲性、不良貸款率和經(jīng)營績效的實證分析[J].南京財經(jīng)大學(xué)學(xué)報，2015，（01）：41-48.

[4]王光偉，童元松.我國商業(yè)銀行不良貸款率的影響因素研究——基于2005-2013年宏觀季度數(shù)據(jù)的實證分析[J].湖北工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報，2014，27（03）：50-54.

[5]范力志.2004年至2012年我國商業(yè)銀行次級債券市場約束效應(yīng)實證分析[D].西南財經(jīng)大學(xué)，2012.endprint