我國商業(yè)銀行不良貸款余額趨勢分析

隋美超 張 瑞 楊海芬

（河北農(nóng)業(yè)大學(xué) 河北保定 071000）

商業(yè)銀行不良貸款余額趨勢預(yù)測模型選擇

常用的時間序列分析方法主要有樸素估計方法、簡單平均方法以及arma方法。由于arma模型只讓數(shù)據(jù)自己“發(fā)聲”，外界因素對其影響可忽略不計，所以不考慮外部因素的影響進行預(yù)測效果會更佳。基于以上分析，本文最后采用arma模型對我國商業(yè)銀行不良貸款余額進行短期預(yù)測，針對不良貸款余額走勢狀況提出相應(yīng)建議，將有利于商業(yè)銀行整體的健康穩(wěn)定發(fā)展。

arma模型有三種表現(xiàn)形式：ar（自回歸模型）、ma（移動平均模型）和arma模型，即arma=ar+ma。ar（m）模型是根據(jù)過去的觀測數(shù)和現(xiàn)在的干擾數(shù)之間的線性結(jié)合進行預(yù)測，公式如下：

式（1）中，m為模型階數(shù)，t為常數(shù)項，φ（i=1，2，3，…，m）為自回歸系數(shù)，隨機項μ服從均值為0方差為δ的正態(tài)分布。ma（n）模型是根據(jù)過去和現(xiàn)在干擾數(shù)之間的線性結(jié)合，公式如下：

式（2）中，θ（i=1，2，3，…，n）為移動平均系數(shù)，n為移動平均階數(shù)。arma（m，n）模型是ar（m）以及ma（n）的結(jié)合，公式如下：

我國商業(yè)銀行不良貸款余額趨勢的實證分析

（一）我國商業(yè)銀行不良貸款余額趨勢的描述性分析

圖1顯示出，我國商業(yè)銀行不良貸款余額呈增長態(tài)勢，雖然某一期間呈現(xiàn)過下降趨勢，但也不是商業(yè)銀行正常業(yè)務(wù)發(fā)展所導(dǎo)致，而是外部宏觀政策對商業(yè)銀行不良貸款的調(diào)控起了效果，其中政府的干預(yù)和主導(dǎo)性不斷加強對商業(yè)銀行控制不良貸款余額起著十分重要的作用，但從數(shù)據(jù)上來看，不良貸款余額仍然很大。

圖1 商業(yè)銀行不良貸款余額統(tǒng)計圖

從圖1中可以看出，2011-2020年間商業(yè)銀行不良貸款余額總共出現(xiàn)三個增長點和一個下降點，第一個增長點是2016年第一季度，從2015年一季度的9825億元增加到13921億元，增長了41.7%。第二個增長點是2018年第二季度，由2018年第一季度的17742億元增長到19571億元，增長了10.3%。第三個增長點是2020年第三季度，由2020年第一季度的26121億元增長到28350億元，增長了8.5%。另外，一個下降點是2020年第四季度，由2020年第三季度的28350億元下降到27015億元，下降了4.9%。

對商業(yè)銀行不良貸款余額進行描述性統(tǒng)計結(jié)果分析，是為詳細看出近幾年的變化趨勢，但并不能得到未來的趨勢變化情況，通過模型預(yù)測可以進一步了解商業(yè)銀行不良貸款余額的增長或下降趨勢，得到具體數(shù)值上的變化，對于避免商業(yè)銀行風(fēng)險問題的出現(xiàn)有至關(guān)重要的作用。

（二）我國商業(yè)銀行不良貸款余額趨勢的模型分析

平穩(wěn)性檢驗。由于建模方法有限制，根據(jù)銀保監(jiān)會提供的2011-2020年我國商業(yè)銀行不良貸款余額數(shù)據(jù)X，僅能分析平穩(wěn)的時間序列，所以要對數(shù)據(jù)進行單位根檢驗，證明是否平穩(wěn)后才可進行建模。

首先，平穩(wěn)性檢驗可通過觀察序列的時序圖進行直觀判定。如圖2所示的商業(yè)銀行不良貸款余額時序變化，可以清楚看到商業(yè)銀行不良貸款余額呈現(xiàn)出增長及下降的變動趨勢，變動趨勢又無界限，因此判斷X序列為不平穩(wěn)序列，需要對數(shù)據(jù)進行平穩(wěn)性處理。

圖2 商業(yè)銀行不良貸款余額X序列的時序圖

圖3是一階差分后的（DX）時序圖，（DX）序列在某數(shù)值附近隨機變動，變動規(guī)律尚可，初步認為一階差分后的序列是平穩(wěn)序列。為進一步檢驗是否平穩(wěn)，對差分前后的序列采用ADF檢驗方法進行單位根檢驗，輸出結(jié)果如表1所示。

圖3 不良貸款余額一階差分DX序列的時序圖

表1 X與DX的ADF檢驗結(jié)果比較

表1的結(jié)果顯示，對X序列進行單位根檢驗的“帶截距項和趨勢項”的模型中，ADF結(jié)果為-2.814363，大于10%、5%和1%下的臨界值，檢驗值對應(yīng)的P值結(jié)果為0.2010，大于0.05接受原假設(shè)，X序列為非平穩(wěn)序列，其余模型均為非平穩(wěn)序列；在三類模型中對DX序列進行檢驗，ADF結(jié)果均小于10%、5%和1%下的臨界值，且檢驗值對應(yīng)的P值結(jié)果為0.0352，小于0.05不接受原假設(shè)，DX序列為平穩(wěn)序列，繼而對其進行arma識別。

模型識別以及確定階數(shù)。檢驗DX是平穩(wěn)的序列后對其建模。arma模型識別是基于數(shù)據(jù)的自相關(guān)和偏自相關(guān)函數(shù)的截尾性情況，判別模型的階數(shù)m和n，輸出結(jié)果如圖4所示，截尾、拖尾的情況相對較為明顯。但是為確保預(yù)測的精度，還是做了許多嘗試，建立了各類型的ar、ma和arma模型，對模型準(zhǔn)則值進行比較，擇優(yōu)選擇arma模型進行建模，其中m=1，n=1。

圖4 一階差分DX的自相關(guān)分析

模型參數(shù)估計與檢驗。第一，模型參數(shù)估計。用最小二乘法對ar（1）ma（1）模型進行參數(shù)估計，輸出結(jié)果如表2所示，ar（1）ma（1）模型預(yù)測的結(jié)果為：

第二，模型檢驗。如表2所示，P值小于0.05通過檢驗。圖5是對模型進行殘差序列白噪聲檢驗結(jié)果，各期P值均大于0.05接受原假設(shè)，最終解釋為ar（1）ma（1）模型通過殘差序列白噪聲檢驗。

表2 ar（1）ma（1）模型的參數(shù)估計結(jié)果

圖5 DX的殘差自相關(guān)檢驗

模型預(yù)測。前面兩項檢驗都通過后，下面利用ar（1）ma（1）模型對我國2021年四個季度的商業(yè)銀行不良貸款余額進行預(yù)測，并與2021年第一季度不良貸款余額值作比較，結(jié)果如表3所示?？煽闯鲱A(yù)測值與真實值差距較小，誤差在5%以內(nèi)，證明模型預(yù)測結(jié)果較準(zhǔn)確。

表3 X的真實值與預(yù)測值比較

由于預(yù)測值與真實值之間的誤差較小，所以可以進行模型預(yù)測。表4是對我國商業(yè)銀行不良貸款余額的動態(tài)預(yù)測結(jié)果展示，預(yù)測可知不良貸款余額仍會保持增長趨勢，增長幅度較小且穩(wěn)定。

表4 我國商業(yè)銀行不良貸款余額預(yù)測結(jié)果

建議

第一，政府應(yīng)加強對金融市場的調(diào)控能力。政府的宏觀調(diào)控對社會主義市場經(jīng)濟的發(fā)展至關(guān)重要，因此要改變以往不良貸款持續(xù)上升的局面，應(yīng)主要加強對金融市場的調(diào)控能力。政府不恰當(dāng)?shù)慕?jīng)濟干預(yù)會滯緩整個經(jīng)濟進程的發(fā)展，導(dǎo)致一些企業(yè)的項目被迫終止，以致于不能按時償還商業(yè)銀行的貸款。想要從根本上解決不良貸款余額持續(xù)走高，就要以宏觀政府層面為主導(dǎo)，對企業(yè)伸出援手，在政策和資金上對企業(yè)放開手腳，讓企業(yè)項目順利的進行下去，如此一方面可以幫助企業(yè)正常運轉(zhuǎn)，另一方面企業(yè)又可以按期歸還貸款，達到雙方都滿意的結(jié)果。

第二，商業(yè)銀行應(yīng)堅決轉(zhuǎn)變貸款方向。本文通過對商業(yè)銀行不良貸款余額的實際狀況進行調(diào)查，發(fā)現(xiàn)商業(yè)銀行不良貸款往往出現(xiàn)在許多國有企業(yè)的大型項目中，而要改變這種局面，以往貸款方向必須改變。商業(yè)銀行貸款方向目前正朝農(nóng)戶和小微企業(yè)傾斜，這是一個千載難逢的良機，因為在鄉(xiāng)村振興的背景下，農(nóng)戶及小微企業(yè)發(fā)展迅速，雖然農(nóng)戶還款能力較弱，但農(nóng)戶信用度很高。商業(yè)銀行應(yīng)該對農(nóng)戶及小微企業(yè)實行相應(yīng)的優(yōu)惠政策，鼓勵其貸款還款，以此低速高效地消除不良貸款。