我国商业银行不良贷款率结构分析及实证检验
来源:用户上传
作者:
摘 要：为分析我国商业银行不良贷款率现状，加强商业银行不良贷款风险防控，本文通过分析2008年国际金融危机爆发以来我国商业银行不良贷款率的有关数据，从分机构类型、分地区和分行业等角度对我国商业银行不良贷款率的结构特征进行比较，在此基础上通过选取相关经济指标，采用线性回归模型分析影响不良贷款率的主要因素，并结合当前实际就如何防控不良贷款风险提出对策建议。
关键词：不良贷款率 结构特征 回归模型
党的十九大报告将防范化解重大风险作为三大攻坚战之首。2018年中央政府工作报告强调，推动重大风险防范化解，对不良资产等累积风险要高度警惕。近年来我国商业银行不良贷款进入新一轮扩张期，对于商业银行的稳健经营构成重大威胁，成为金融风险主要隐患，防控商业银行不良贷款风险对于打好防范化解重大风险攻坚战具有重要意义。
一、我国商业银行不良贷款率结构特征分析
（一）不良贷款率总体呈“先降后升再平缓”特征
2008-2018年间我国商业银行不良贷款率变动情况总体可分为3个阶段（图1）：2008-2012年，在4万亿经济刺激计划作用下，商业银行面临的信贷环境较为宽松，不良贷款率总体有明显下降，从2.42%下降至0.95%，合计下降1.47个百分点。2013-2016年，随着刺激效应减弱，加之经济增速放缓，不良贷款率出现明显上升，由1%升至1.74%，累计上升0.74个百分点。2017-2018年，中央加大金融风险防范力度，商业银行经营风险有所下降，不良贷款率相对平稳，由1.74%缓慢升至1.83%，升幅0.09个百分点。
（二）分机构类型不良贷款率存在差距，且变动趋势近年来出现分化
2008-2018年，不同类型的机构不良贷款率存在一定差距，其中农村商业银行不良贷款率最高，年均值为2.51%，其次是大型商业银行（1.5%）、城市商业银行（1.31%）和股份制商业银行（1.19%），外资商业银行（0.72%）最低。从变动趋势（图2）来看，大体可分为两个阶段：2008-2015年，不同機构类型商业银行不良贷款率总体均呈现出先降后升的态势。2015-2018年则出现分化，农村商业银行不良贷款率显著上升，大型商业银行和外资商业银行有所下降，而股份制商业银行与城市商业银行则基本平稳。
（三）分地区不良贷款率变动趋势总体一致，但东部地区相对超前
2008-2017年，东部地区作为经济较发达地区，不良贷款率相对较低，年均值为1.36%，而中、西部地区不良贷款年均值分别为1.63%、1.67%，高于东部地区，但两者相对接近，从变动趋势（图3）来看，三个地区大体一致，均呈先降后升再平缓的态势，但时间节点上有所不同，东部地区于2011年率先出现上升，中部地区于2012年出现上升，而西部地区则于2013年出现上升，呈依次交替。至2015年，三个地区不良贷款率变动趋势均有所变化，中、西部地区转为平稳上升，而东部地区则出现平稳下降。
（四）分行业不良贷款率差距明显，部分主要行业近年来出现大幅上升
2008-2017年，不同行业不良贷款率差距明显，年均值较高的有制造业（2.65%），批发和零售业（2.64%），信息传输、软件和技术服务业（2.46%）与住宿餐饮业（2.25%），而其余行业不良贷款率年均值则均未超过1.5%。从近年来变动趋势看，2012-2017年，制造业，批发和零售业，住宿餐饮业出现明显上升，分别上升2.6、3.09、1.51个百分点;信息传输、软件和技术服务业，交通运输、仓储和邮政业等行业总体呈下降趋势;金融业，房地产业，租赁和商务服务业则基本持平，略有上升。
二、我国商业银行不良贷款率影响因素实证分析
通过上述不良贷款率的结构性特征分析可以发现，在不良贷款率总体呈现“先降后升”特征前提下，不同机构类型、不同地区和不同行业之间的不良贷款率变动趋势存在较大差异，反映出经济发展水平、银行经营状况以及行业景气程度等因素均对不良贷款率具有明显影响。为分析商业银行不良贷款率的影响因素，本文拟通过选取部分经济行业、银行监管等指标，构建回归模型，对相关影响因素进行实证分析。
（一）指标选取及数据来源
参考相关文献及结合前文分析，本文选取商业银行不良贷款率（BLL）为因变量;选取经济增速（GDP）、广义货币量增速（M）、资本充足率（ZBL）、贷款拨备率（BBL）、存贷比（CDB）和采购经理指数（PMI）等指标为自变量，构建多元线性回归模型（式1）。考虑数据可得性，样本选取2011年第1季度至2019年第2季度的季度数据（右表）。
BLL=α+β1*GDP+β2*M+β3*ZBL+β4*BBL+β5*CDB+β6*PMI+ε（1）
（二）回归分析过程及结果
使用Eviews8.0软件，对上述模型进行回归分析，结果如图5。可以发现，式1模型拟合优度高达99%，通过F检验，表明方程整体回归显著。但PMI、ZBL、M等变量t检验未通过，须予以剔除，重新进行回归分析。
为剔除未通过t检验的相关自变量，本文采取按P值高低排序逐步剔除的方法，即先将P值最高的变量PMI剔除，重新进行回归，若仍有自变量未通过t检验，重复上述步骤，直到保留的自变量全部通过t检验为止。
经剔除相关自变量重新回归后，结果如图6。可以发现，模型拟合优度仍高达99%，F检验及相关自变量t检验均已通过，表明方程整体及各个变量系数回归显著。即模型回归结果为：
BLL=0.0112-0.0558*GDP-0.0056*BBL+0.029*CDB （2）
（三）主要结论
1.影响不良贷款率的主要因素包括：经济增长率（GDP）、贷款拨备率（BBL）和存贷比（CDB）三个指标。广义货币量增速（M）、资本充足率（ZBL）和采购经理指数（PMI）等指标从实证角度看对不良贷款率影响不显著。 2.经济增长率对不良贷款率影响最大，经济增长率每变动1个百分点，将影响不良贷款率0.0558个百分点，且呈反向作用，即经济繁荣时，经济增长率越高，企业经营状况越好，银行不良贷款率越低，反之则越高。
3.第二大影响因素是存贷比，存贷比每变动1个百分点，将影响不良贷款率0.029个百分点，且呈正向作用，即存贷比越高，往往意味着银行发放贷款越宽松，形成不良贷款的可能性越大，则不良贷款率越高。
4.第三大影响因素是贷款拨备率，贷款拨备率每变动1个百分点，将影响不良贷款率0.0056个百分点，且呈反向作用，即贷款拨备率越高，体现出银行经营风格越稳健，防范风险能力越强，则不良贷款率越低。
三、对策建议
为加强我国商业银行不良贷款的防范化解能力，结合上述不良贷款率结构性特征分析和相关影响因素实证检验结论，提出以下四点建议：
（一）加强对不良贷款的结构性管理
根据不同区域、不同机构类型和不同行业的不良贷款情况差异性明显的特征，应采取结构性管理思路，针对不良贷款率高的地区、银行机构和行业贷款发放，要适当提高管理要求，防止其不良贷款率提高，出现风险隐患。针对不良贷款率低的地区、银行机构和行业贷款发放，要加强贷款质量监控，避免不良贷款率有所提高，形成风险积累。
（二）加强对宏观经济形势的研判
当前我国经济运行虽然总体平稳，但仍面临着较大下行压力，在发挥金融服务实体经济功能作用的同时，应高度关注金融风险问题。应加强对宏观经济形势的研判，通过做好系统性和前瞻性的分析，在银行经营监管、企业信贷投放等方面加强逆周期宏观调控，加大对商业银行不良贷款率的监控和管理，以降低不良贷款的发生率，避免风险累积。
（三）加强对贷款发放的审慎管理
盈利性是商业银行的重要经营目标，银行天然便有扩大贷款规模的倾向，但往往更容易发生不良贷款。应加强对银行存貸比指标的监控，关注存贷比指标上升较快的银行，通过对银行贷款发放环节的业务指导，引导银行审慎管理贷款发放，做好贷款的全流程管理，科学制定授信政策，从源头上防范、降低不良贷款的发生。
（四）加强对贷款拨备率的监管要求
商业银行作为金融中介机构，往往具有高风险性特征，增强抵御风险能力是银行保持经营稳健性的重要举措。贷款拨备率是衡量商业银行抵御风险能力以及弥补贷款损失能力的重要指标。在当前防范化解重大风险背景下，应从提高商业银行稳健经营的角度，适度提高贷款拨备率指标的监控要求，避免银行过度追求风险收益，从而导致较高的不良贷款率发生。
参考文献：
[1]崔芋心，李子联.我国商业银行不良贷款率影响因素研究[J].中共南京市委党校学报，2016，（3）.
[2]邹克，蔡晓春.不良资款率影响因素的实证分析—基于2005-2014年省级面板数据 [J].金融理论与实践，2017，（2）.
[3]郑鹏庆.商业银行不良贷款率的实证研究[D].合肥：安徽农业大学，2017.
[4]王迪.商业银行不良贷款率影响因素的实证分析—基于2008-2016年上市银行面板数据[D].北京：对外经济贸易大学，2017.
[5]孙翔宇，周琼.商业银行不良贷款结构分析与建议[J].中国银行业，2018，（9）.
[6]屠宇航.我国商业银行不良贷款率的影响因素研究[J].生产力研究，2018，（12）.
[7]宋琨达.银行不良贷款影响因素研究[D].济南：山东大学，2018.
[8]陈晓雨.商业银行不良贷款成因、影响与防范[J].现代管理科学，2019，（6）.
（作者单位：广东省财政科学研究所）
责任编辑：张捷
转载注明来源:https://www.xzbu.com/2/view-15122520.htm
