基于监管视角的经济增长与信贷质量关系实证研究

吕苏越

摘 要：银行信贷行为具有显著的顺周期特征，“新常态”背景下我国经济发展减速，商业银行信用风险高发，经济增长和信贷质量二者关系呈现互抑特征。对宏观、微观和金融环境因素与银行信贷质量的相互影响进行研究，发现经济增长与信贷质量存在着长期稳定的均衡关系以及新常态下二者存在相互抑制关系等结论。

关键词：新常态；经济增长；信贷质量；监管

中图分类号：F830.5 文献标识码：A 文章编号：1674-2265（2017）07-0065-06

一、引言

银行的信贷行为具有显著的顺周期特征，当经济处于上升阶段，银行扩张信用，推动实体经济中的投资和消费，信贷投放进一步向经济中的繁荣行业和企业倾斜，产融呈现良性互利关系；当经济增长减速，上述互利关系反转，银行在信用风险上升的压力下收缩信贷供给，抑制实体经济中投资和消费，退出萧条行业和企业，加剧经济的衰退。近年来，我国经济发展逐步进入速度回归、结构优化、动力转换的“新常态”，原有经济增长模式发展不平衡、不协调、不可持续问题逐步显现，受顺周期效应影响，经济下行压力深刻地反映到银行信贷上，对银行经营模式和风险防控形成挑战和冲击，银行业盈利能力随之出现结构性下滑，信贷质量与经济增长呈现出复杂深刻的制约关系。以山东省银行业为例，2012年，不良贷款率为1.6%，信贷投放增速为14.2%，利润增速为17.4%，而2016年末，不良贷款率上升至2.14%，信贷投放增速下降至10.5%，利润增速下滑至-5.9%。对经济增长与信贷质量这种互相制约的关系开展深入客观的研究，有助于寻找制约关系的突破口，为监管政策的制定实施提供理论依据和实证基础，更好地引导银行业主动适应经济结构变革，实现与经济发展的良性互动。

国外理论界对经济增长与银行信贷质量的关系做了大量的研究与探讨，如Meyer和Yeager（2001）认为收入增长率、利率和失业率等一些重要宏观经济变量可以作为银行不良贷款率的良好预警指标。Max Bruche（2010）则从企业个体的微观角度分析，认为企业违约概率与信用周期相关等。我国学者也进行了许多有益的探索，如巴曙松等（2008）认为经济回落周期是检验中国银行业风险管理能力的最好时机；吴亚男和胡捷（2012）选择GDP、CPI等少数解释变量建立多元线性模型，分析其与不良贷款间的关系；唐丹（2015）从理论研究角度，探讨了新常态下银行面临的挑战和应对等。但总体看，现有的研究选取少数经济指标作为解释变量者多，建立全面指标体系探讨者少；定性研究多，定量研究少；基于时段性研究多，而基于较长时间序列的研究少。本文通过建立经济金融指标体系，构建综合评价模型，利用监管部门较长时段的样本数据，全面测算样本期间指标评价值，并综合运用多种时间序列研究方法，实证分析经济因素与银行信贷质量的相互影响，并从监管角度提出政策建议。

二、综合评价模型与时间序列值测算

（一）指标体系确定

本文在评价指标选择时，主要遵循四个原则：一是全面性，将指标体系分为经济综合指标、金融环境指标和企业经营指标3个模块，并继续细分层次，以期从宏观、中观和微观视角全面反映商业银行与金融生态环境的相互作用。二是规范性，为保证指标的科学性和可得性，从国家统计局颁布的宏观经济评价指标和银监会非现场监管指标等成熟体系中选取。三是重要性，由于同一类型的经济指标往往存在较高的关联度，为确保指标代表性，在同类指标中，重点选取代表性较为突出的关键指标。四是灵敏性，倾向于选择增速指标等变动相对较大，能够充分体现出经济发展趋势细微调整的指标。

综合上述原则，本文建立的经济增长评价指标体系由3个模块组成，包括3个基础指标、10个一级指标和20个二级指标，如图1所示。

同时，本文选择不良贷款率作为衡量银行信贷质量的指标，作为被解释变量纳入时间序列分析，以对比经济减速增长阶段银行与经济间相互制约的程度差异。

（二）综合评价模型构建

本文所用经济数据来源于万得数据库；银行数据来源于银监会监管统计信息系统，均为季度数据；受限于银监会监管统计信息系统数据收集时间，选择2009—2016年末山东省的数据进行研究。运用综合指数法对样本期各时点数据进行综合评价，将基础指标合成为综合度量值，综合反映宏观、微观和金融生态三个层面的经济运行特征。公式为：[M=i=1nDiWi]，其中D表示标准化的基础指标值，[ω]表示相应指标的权重，M表示各评价指标值。具体计算思路是对照各项基础指标的实际数值和预先设定的评价区间计算出标准值，再加权平均得到综合评价值。本文将分别从划分基础指标评价区间、指标数据标准化和确定各级指标权重三个方面，建立综合评价模型。

1. 根据样本期内各基础指标统计分布，将指标值划分为5个评价区间，分别对应（0，20]、（20，40]、（40，60]、（60，80]、（80，100]5个标准化的取值区间。指标值达到某个评价区间端点意味着该指标已经发生了显著变化，鉴于指标均为定量指标，本文主要基于指标值落在各区间概率相等的原则，分别计算出80%、60%、40%、20%概率的分位數，以此作为临界值对各指标进行划分，具体区间见表1。

2. 依据区间划分对定量指标的实际数值进行标准化处理。指标可分为两类：一是正指标，即数值越大越好的指标，如人均收入指标；二是逆指标，即数值越小越好的指标，如亏损企业亏损额增速指标。本文根据指标值与区间临界值间的相对位置，将原始值映射到分数上限和下限的对应位置。构建如下模型：

用[x]表示指标原始值，则指标标准值[S（x）]即为：

[Sx=li-+x-ti-ti+-ti-×li+-li-，x是正指标li-+ti+-xti+-ti-×li+-li-，x是逆指标]

其中[x∈[ti-，ti+]]，[ti-]和[ti+]分别表示指标原始值第i个风险预警区间的上限和下限，[li-]和[li+]分别表示标准值第i个区间的上限和下限，i=1，2，3，4，5。endprint

3. 运用层次分析法确定指标权重。具体方法是通过专家问卷的方式，对同一层级指标进行两两比较，然后综合评估主体的判断矩阵，确定诸因素相对重要性的总顺序。本文以经济综合指标的3个一级指标为例，说明权重建模过程。

（1）构造判断矩阵。通过两两比较3个中间指标，得到3阶判断矩阵。[A=（aij）4×4]=[14514111511]，其中[aij]表示第i个指标和第j个指标两两比较的结果，i=1，…，n，j=1，…，n。

矩阵A是正互反矩阵，对任意[aij]满足[aij=1aji]。

（2）计算中间指标权重。采用以下近似求解法：首先计算判断矩阵每行元素的乘积[Bi=j=1naij]，代入[aij]取值，得到[B1=20]，[B2=14]，[B3=15]。

然后计算[Bj]的n次方根：[Ci=Bin]，代入[Bi]取值，得到[C1=2.71]，[C2=0.63]，[C3=0.58]。

对向量[C=（C1，C2，C3，…，Cn）T]归一化：

[ωi=C1i=1nC1，i=1，2，…，n]，

算出[ω1=0.69]，[ω2=0.16]，[ω3=0.15]。

[ω=（ω1，ω2，ω3，…，ωn）T]即为所求的特征向量，[ω1]、[ω2]、[ω3]分别为第一层次各指标的权重。

（3）一致性检验。首先计算一致性指标[CI]：[CI=λmax-nn-1]，其中[λmax=1ni=1nj=1naijωiωi]。[λmax]为判断矩阵的最大特征根，n为阶数，通过计算得到3阶判断矩阵的最大特征根[λmax=3.006]，一致性指标[CI=0.0028]。

然后计算一致性比率[CR]：[CR=CIRI]，其中[RI]为平均随机一致性指标。3阶[RI]值为0.52，代入计算即得[CR=0.0053]。

若[CR<0.1]，接受一致性，即判断矩阵一致性检验被通过；若[CR≥0.1]，则应对判断矩阵重新做适当调整。显然3阶判断矩阵的[CR]值小于0.1，通过一致性检验。

重复上述的过程，结果见表2。

（三）时间序列值测算

基于上述计算方法，将样本期各时点数据映射到0—100的区间内，得出基础指标标准值，代入评价模型，运用表2权重进行加权平均，计算出样本期间三项经济评价指标的综合评价值。限于篇幅，以趋势图的形式列示（见图2）。

运用同样标准化方法，可以计算商业银行不良贷款率指标标准值。以全国性银行（国有银行和股份制银行）为例，以趋势图的形式反映信贷质量指标的变动趋势①（见图3）。这里使用与上述经济评价指标相同的标准化方法，依据区间划分对不良贷款数值进行标准化处理，将其映射到[0，100]区间之中。

对比图2与图3可见，经济综合指标ME、金融环境指标FE、企业经营指标EM和信贷质量指标GYNR的变动趋势在一定程度上吻合。经济综合指标ME和企业经营指标EM均出现明显下滑，经济综合指标ME和企业经营指标EM之间变动趋势的符合度较高，在ME下降时，EM大体上也呈下降趋势，但ME变动的剧烈程度明显低于EM，这反映出同宏观指标相比，微观经济主体经济行为存在更高的不确定性，微观指标的波动性也更为显著。金融环境指标FE虽然也出现一定程度的下滑，但相对稳定，金融环境受货币政策、财政政策等宏观政策因素影响较多，宏观调控倾向于呈现逆周期的特征，在经济减速背景下，宏观政策趋于宽松，有利于金融环境指标保持相对稳定。总体看，经济进入新常态以来各项指标均趋于下滑，在趋势上呈现出银行信贷质量与经济增长相互制约特征，宏观调控目标与微观运行态势出现了背离。

但也可以观察到，各经济指标与信贷质量指标均未达到完全契合的程度，这说明，单纯依据宏观或微观某一种模型难以充分合理地解释二者之间的关系，必须建立包含多种解释变量的模型，进行全面综合的实证检验。

三、经济增长与信贷质量关系探讨

（一）基于山东省数据的实证研究

限于各类银行机构在数据可靠性与规范性等方面存在差异，本文选取全国性银行样本期间的数据进行检验，来探讨评价指标与信贷质量指标之间的关系。

1. 单位根检验。对ME、FE、EM、GYNR及各自的一阶差分时间序列分别进行ADF检验，滞后阶数根据AIC准则来判定，结果如表3所示。

从检验结果可见，对于未差分的各原始变量，在5%的显著性水平下均不拒绝原假设，即认为序列存在单位根，是不平稳的。一阶差分后的各序列均在5%的显著性水平下拒绝原假设，认为差分后的序列不存在单位根，是平稳的。由此可见，经济综合指标ME、金融环境指标FE、企业经营指标EM、信贷质量指标GYNR这4个时间序列均在一阶差分后变为平稳序列，也就是均为一阶单整序列I（1）。

2. Johansen协整检验。根据之前的单位根检验，已经证实各变量均为一阶单整，因而可以进行下一步的检验，判断各变量间是否存在协整关系。由于本文采用的Johansen检验基于VAR模型，需要确定VAR模型的滞后阶数。时间序列研究中通常用于确定滞后阶数的准则包括LR、FPE、AIC、SC、HQ五种，各类准则检验结果如表4所示。

由表4可见，FPE、AIC、SC和HQ均选择1阶滞后，而LR选择了3阶滞后，因此根据多數的原则，确定滞后阶数为1阶，建立VAR模型。基于建立的VAR模型，进行协整检验，其结果如表5所示。

根据表5的检验结果可知，在5%的显著性水平下，迹检验和最大特征值检验均拒绝不存在协整关系的原假设，表明时间序列变量间存在协整关系。

3. 方差分解。对之前得到的VAR模型进行方差分解，结果如图4。可以看出，各个变量对GYNR的贡献均为逐渐增加的。其中，经济综合指标ME对GYNR的贡献率最大，呈长期显著的正向关系。因而，在经济增长出现不利变动时，银行信贷质量也将面临不利影响，且这一影响随时间推移逐渐深化，即在经济减速新常态下，经济减速增长与银行信贷质量存在相互抑制关系。企业经营指标EM虽然时滞较长、在前期贡献不显著，但在一段时间后有所上升，最终贡献率仅次于ME，显示企业经营下滑对于信贷资产质量的冲击具有一定的滞后性。金融环境指标FE对GYNR的贡献率较为稳定，但相对略低。endprint

（二）基于Granger因果检验的四类银行机构对比研究

在方差分解的基础上，我们选取最主要的解释变量ME，检验经济因素与各类银行信贷质量的因果关系，下面首先以国有银行为例进行说明。对银行信贷质量指标GYNR和经济综合指标ME做Granger因果检验，结果如表6。根据表6的检验结果可知，二者在10%置信水平上存在双向因果关系。

运用相同方法，分别用国有商业银行、股份制银行、城市商业银行和农村金融机构不良贷款率标准化指标进行Granger因果检验，以探究宏观经济因素对各类银行影响的差异，检验结果如表7所示。

从表7的检验结果可知，不同类型银行的Granger因果检验结果有所差异，大型银行信贷质量指标GYNR与经济综合指标ME为双向因果关系，而中小银行仅存在经济综合指标到信贷质量指标的单向因果关系，对宏观经济的影响相对薄弱，因此，应根据对各类机构的不同特征，有针对性地采取差异化政策。

四、实证结果分析及路径选择

通过上述分析可以得出如下结论：

（一）经济增长与信贷质量存在着长期稳定的均衡关系

协整检验的结果证明，各变量间确实存在着长期稳定的关系，协整关系式中各变量的变动关系也没有违背理论研究结论，因此，可以认为协整检验的结果是可靠的，也是有经济意义的。各变量间确实存在着长期稳定的均衡关系，经济综合指标、金融环境指标和企业经营指标与商业银行信贷质量存在相互影响。

（二）新常态下经济增长和信贷质量存在相互抑制关系

Granger因果检验证明，经济综合指标与信贷质量指标之间存在双向因果关系，这种因果关系在新常态背景下具体体现为二者相互制约的关系。同时经济综合指标的滞后变量对信贷质量指标的影响更为显著，即宏观经济到银行信用风险的因果关系较强，这一方面显示经济增长对银行信贷质量确实存在显著影响，另一方面也说明银行信贷质量对经济增长的潜在影响是不可忽视的。国家调控层面应该在当前趋于严重的互抑面前主动作为，一方面积极采取逆周期措施提振经济增长，另一方面推动银行业加强风险防控改善信贷质量，将更有利于二者重回互利关系。

（三）宏观经济环境是影响银行信贷质量的最重要因素

方差分解的结果显示，在三项经济评价指标中，经济综合指标的方差贡献率明显高于金融环境指标和企业经营指标，证明经济环境的变化对银行信贷质量的冲击更为突出，是导致互抑的重要因素。这也为银行信用风险管控提供了借鉴。在不利的宏观环境下，如果单纯注重对单个风险企业的跟踪监测和化解，其效果可能是有限的，应当更加注重银行业整体利益，而非单家银行个体利益，在互相抑制的关系下，商业银行不应采取简单的收缩信贷的方式规避风险，而应增强配合宏观调控政策的主动性和契合度，助推宏观调控目标的实现，从而更有利于控制风险。

（四）不同规模银行对宏观经济的影响存在明显差异

根据比较研究的结果可知，不同类型银行对宏观经济影响有所差异，市场份额较大、同经济联系更为密切的大型银行信贷质量指标对经济综合指标的因果關系更显著，而中小银行对宏观经济的影响则相对较为薄弱，因此，危机时采取差异化政策，允许中小银行有选择地退出高风险领域，加大弱周期领域和新兴领域信贷投放，选择性拓展溢价能力高、发展潜力大的客户资源，适度规避外部经济负面冲击，同时重点鼓励有实力的大型银行稳定信贷投放，履行社会责任，有利于兼顾经济体系与银行体系的稳定，是可行的政策选择。

上述研究结论在监管政策的制定层面和银行业转型发展层面都有启示意义。当前经济增速放缓，信用风险高发，经济增长与信贷质量呈现互抑关系，应积极采取措施遏制这种制约关系积聚，引导银行业主动适应经济结构改革，实现与经济发展的良性互动。从监管层面来说，应当督促和引导银行业一方面严控信用风险，加快不良资产处置；另一方面紧跟国家战略，服务供给侧改革，加强行业合作，担当社会责任。从银行业转型发展层面来说，将服务实体经济与自身可持续发展有机结合，及时顺应供给侧改革导向，正确理解和贯彻逆周期的宏观调控意图，在积极支持经济结构性改革的过程中持续增强自身竞争力。

注：

①信贷质量指标数据来源为银监会监管统计信息系统，不良贷款率=不良贷款/各项贷款。

参考文献：

[1]Dornbusch，R.，Fischer，S.，and Startz， R.1997. Macroeconomics（7th edition）[M].Homewood：Richard D Irwin.

[2]Pesola，Jarmo. 2001. The Role of Macroeconomic Shocks in Banking Crises[J].Bank of Finland Discussion Paper，18（4）.

[3]Meyer，Andrew P. and Yeager，Timothy J. 2001. Are Small Rural Banks Vulnerable to Local Economic Downturns？[J].Federal Reserve Bank of St. Louis Review，82（2）

[4]Max Bruche and Carlos González-Aguado. 2010. Recovery Rates，Default Probabilities，and the Credit Cycle[J].Journal of Banking and Finance，34（4）.

[5]Frederic S. Mishkin. 2013. The Economics of Money， Banking and Financial Markets[M].Pearson Education Limited.

[6]巴曙松，林宇灵.经济回落时期中国银行业的挑战：从风险管理角度的考察[J].国际经济评论，2008，（6）.

[7]李文弘，罗猛.关于我国商业银行资本充足率顺周期性的实证研究[J].金融研究，2010，（2）.

[8]唐丹.经济新常态下商业银行的应变与转型[J].金融经济，2015，（6）.endprint