我国商业银行不良贷款影响因素的实证研究

易澳妮

(湘潭大学商学院金融系，湖南　湘潭　411105)



我国商业银行不良贷款影响因素的实证研究

易澳妮

(湘潭大学商学院金融系，湖南湘潭411105)

本文基于我国商业银行2009-2015年季度不良贷款数据，选取宏观经济指标和商业银行管理指标，建立了多元回归模型和VAR模型，实证分析了我国商业银行不良贷款的影响因素。回归结果表明经济增长率和拨备覆盖率与不良贷款率显著正相关，流动性比率与不良贷款率显著负相关，其余变量不显著；方差分解结果表明拨备覆盖率对不良贷款率的贡献度最大。最后，本文在实证研究的基础上，结合近年来我国经济现状和商业银行管理情况，提出防范和化解商业银行不良贷款的政策建议。

商业银行；不良贷款；金融监管

一、引言

不良贷款问题一直是国内外学术界研究的热点课题。随着经济全球化，2008年金融危机和2010年欧债危机对世界各国经济都造成了不同程度的影响，而银行业过高的不良贷款率成为酿成危机的主要原因之一。不良贷款与我国商业银行信用风险相辅相成，是我国商业银行防范和控制信用风险的关键，对我国宏观经济、企业和个人的发展都会产生巨大的影响，尤其是近年来不良贷款情况出现恶化，因此关于我国商业银行不良贷款影响因素及处理对策的研究极为必要。

虽然我国于1999年、2004年和2005年分别三次对四大国有银行的不良贷款进行了集中剥离，2003年以来商业银行账面不良贷款有了较大幅度下降，但近年来我国商业银行不良贷款情况持续恶化。图1反映了2003—2015 年我国商业银行不良贷款的情况。可以看到，我国商业银行不良贷款率总体呈下降趋势，从2003年的17.8%下降到2011年的1%，不良贷款余额也从2003年的24406亿元下降到2011年的4279亿元，这十年里两者实现了“双降”，说明这些年里我国商业银行对不良贷款的控制取得了较好的成果。但是在2012年不良贷款率虽有小幅下降不良贷款余额却上升了650亿元。近几年来，我国不良贷款余额和不良贷款出现了“双升”的状况，并且这种趋势没有改善，2015年我国商业银行不良贷款余额是2011年的近三倍，数据表明未来我国商业银行不良贷款情况不容乐观。

不良贷款不仅影响着商业银行经营的安全性、流动性和盈利性，也是国内银行无效率的主要来源，对整个金融体系的稳定有着重大影响。基于我国经济高速增长结束经济下行压力增大及利率市场化深化的宏观背景，我国商业银行存贷差不断降低，银行利润告别了过去爆发式增长，而不良贷款余额和不良贷款率出现“双升”的现状，为了维持我国金融体系的稳定，提升银行体系的核心竞争力，更好的迎接国际挑战，进一步分析我国商业银行不良贷款的影响因素，提出防范和化解商业银行不良贷款的治理对策，具有重要的意义。

图1　2003-2015 年我国商业银行不良贷款余额和不良贷款率的情况

二、实证分析

1.单位根检验

在对时间序列数据做回归模型前，为获得无偏估计量，需进行单位根检验。本采用ADF检验对数据进行平稳性检验。从数据中可以看出，变量经济增长率原始时间序列在10%显著性水平下平稳，消费物价指数、采购经理人指数、资产负债率和流动性比率原始时间序列在1%显著性水平下均的是平稳的；变量不良贷款率、广义货币供应量、拨备覆盖率和资本充足率的原始时间序列是不平稳的，经过一阶差分后变量不良贷款率、广义货币供应量和资本充足率都能通过在1%显著性水平下的检验，三个变量均为一阶单整；变量拨备覆盖率经过二阶差分后在1%显著性水平下平稳，为二阶单整。

2.回归分析

在平稳性检验的基础上，为了考察各变量对不良贷款率的影响，本文建立如下多元回归模型：

选用普通最小二乘法(OLS)对数据进行回归分析，通过对回归模型的检验，用逐步回归的方法剔除造成多重共线性的变量，初步回归结果表明，我国商业银行不良贷款率与经济增长率和拨备覆盖率负相关，与流动性比率正相关，而且三者否都通过了t 检验，假设一、五和八成立；消费物价指数、采购经理人指数、广义货币供应量、资本充足率和资产负债率没有通过t 检验，说明这些变量对不良贷款率没有显著性的影响，假设二、三、四、六和七不成立。经剔除不显著的解释变量后，可决系数和修正的可决系数分别为93.69%和92.90%，这说明模型整体的拟合效果较好；经济增长率的显著性水平提高，说明其对不良贷款率的解释力增强；F 值也大大增大，说明经济增长率、拨备覆盖率和流动性比率这三个变量联合起来对不良贷款率的显著影响增强。所以该模型能很好地解释不良贷款率的影响因素。

3.VAR模型

为了能够更好的体现各变量之间的相关性，考虑了商业银行不良贷款率对其影响因素的反应的滞后性，未来一段时间内某一变量的变动会通过向量自回归模型在后期影响其他变量的变化，本文根据AIC和SC信息准则，通过对样本数据的估计确定了模型的最优滞后阶数为2，以NPLR、GDP、M2、NPL、LR这5个变量构建了VAR模型：

由于模型设立的目的不是为了研究具体的回归函数形式，本文对于VAR模型的具体函数形式不再列出。在进行脉冲分析和方差分解之前，还需要通过VAR模型的稳健性检验。变量特征根均落在单位圆内，因此建立的VAR模型是稳健的。

4.脉冲响应

在格兰杰因果关系检验和VAR模型建立的基础上，进一步进行脉冲响应函数分析来研究商业银行不良贷款率对各个影响因素冲击的反应。本文对宏观经济因素和商业银行管理因素一个标准差的冲击不良贷款率做出了反映的脉冲响应的函数图，纵轴表示不良贷款率的波动情况，横轴则表示脉冲函数的滞后期间(单位：季度)，实线为脉冲响应函数图，虚线表示置信区间，选取滞后期为10期。

从宏观经济因素对不良贷款率冲击的脉冲响应函数图中可以分析出宏观经济因素经济增长率GDP一个标准误的冲击，其对不良贷款率的冲击始终保持负向，在第四期达到最大幅度，之后几期波动上升到第十期趋于0；广义货币供应量增长率M2对不良贷款率的冲击影响基本为负，在第二期略大于0随后几期均为负。结果表明，从长期来看，经济增长率的增加能提高国民经济收入，稳定国内经济运行从而能降低不良贷款率；广义货币供应量增长率的增加能够给经济发展注入新的活力，推动国民经济的发展，企业还款的能力增强，不良贷款率就会下降。两者对商业银行的不良贷款率均有负向影响。

从商业银行管理因素对不良贷款率冲击的脉冲响应函数图中可以看出商业银行管理因素拨备覆盖率NPL对不良贷款的冲击在10期内影响较大且均保持负向，第四期的负向影响达到最大；流动性比率LR对不良贷款率的冲击在10期内均为正，第四期达到最小值。结果表明，银行拨备覆盖率的增加会对不良贷款率有负的影响，该比率越高，银行风险抵御能力越强；银行流动性比率的增加会对不良贷款率有正的影响，在信贷需求旺盛的情况下，流动性比率较高，银行因较多地放贷，不良贷款风险也会加大。

5.方差分解

利用VAR模型，把内生变量的波动按其成因分解为与各方程外生变量相关联的组成部分，来研究各外生变量对内生变量的相对重要性。方差分解结果显示，第一期，其他各因素在第一期加起来的贡献度不到20%，但不良贷款率NPLR对自身的贡献最大为81.47%，之后一直下降，到第十期为21.93%，说明在其他各因素的作用下，商业银行不良贷款率对自身的影响作用下降较大。广义货币供应量M2和拨备覆盖率NPL对不良贷款率的贡献度持续增加且幅度较大，说明两者对商业银行不良贷款率的影响作用持续增大。第十期，广义货币供应量M2、拨备覆盖率NPL和不良贷款率NPLR加起来对不良贷款率的贡献度约90%，说明三者对不良贷款影响作用较大。

三、结论与建议

本文基于2009-2015年我国商业银行的不良贷款率数据，实证检验了我国商业银行不良贷款率的影响因素，实证结果表明：(1)经济增长率、拨备覆盖率和流动性比率对商业银行不良贷款率有显著影响，消费物价指数、广义货币供应量、采购经理人指数、资本充足率和资产负债率与商业银行不良贷款率没有显著相关关系。(2)经济增长率、广义货币供应量和拨备覆盖率对降低不良贷款率有正向影响，流动性比率对降低不良贷款率有负向影响(3)广义货币供应量和拨备覆盖率对不良贷款率的贡献度较大。

通过前文的分析可知我国商业银行不良贷款的影响因素涉及到国家宏观经济，因此为了应对不良贷款问题，我国政府应更加重视经济建设。第一，稳定经济增长。国家在适度扩大总需求的同时，应着力加强供给侧结构性改革，清理僵尸企业淘汰落后产能，解决三四线城市楼市高库存，企业债务负担重的困难；第二，控制货币供应量。虽然货币供应量在会在一定程度降低不良贷款率，但是过大的货币供应量会使利率下降杠杆增加，短期内会因借贷投资行为的不合理而造成不良贷款的增加。因此要注意把握货币政策的松紧适度，真正实现降低实体经济融资成本的目标；第三，加强金融监管。改革金融监管体制，使用传统货币政策与宏观审慎管理工具，密切关注银行业整体的信贷规模及其与有关资产价格的关系，防范由信贷风险引发的系统性金融危机。盲目大幅度降低拨备率不是治本之策，若银行出现大量不良贷款，拨备准备金必将覆盖不了风险资金，因此应严格控制好拨备覆盖率这一监管指标。

[1] 钱小安.“信贷紧缩——不良贷款”陷阱的形成及其治理[J].金融研究，2000(5).

[2] 谢冰.商业银行不良贷款的宏观经济影响因素分析[J].财经理论与实践，2009，(6).

[3] 王兵，朱宁.不良贷款约束下的中国上市商业银行效率和全要素生产率研究—基于SBM方向性距离函数的实证分析[J].金融研究，2011，(1).