中国商业银行不良贷款与货币流动速度相互影响的实证研究

(中山大学岭南学院，广东 广州 510000；中国工商银行股份有限公司广州五羊支行，广东 广州 510000)

中国商业银行不良贷款与货币流动速度相互影响的实证研究

罗伟聪

(中山大学岭南学院，广东 广州 510000；中国工商银行股份有限公司广州五羊支行，广东 广州 510000)

在“中国经济新常态”的大背景下，经济增速放缓的影响已经从实体经济传导到金融系统，中国银行业受不良贷款比例攀升困扰。另外，中国货币供应量迅速增长，在衡量货币流动性的指标M2/GDP比率上，中国已是世界最高的国家之一。本文基于VAR模型的格兰杰因果关系检验和脉冲响应函数定量分析两者之间的关系。发现货币流速与商业银行不良贷款比例互为格兰杰原因；货币流速与商业银行不良贷款比例两个变量在短期有显著正向相关的相互作用，这种作用的程度会在到达峰值后，逐渐削弱至受到冲击前的水平。最后提出建议。

不良贷款比例；VAR模型；货币流通速度

一、引言

根据货币数量说的费雪方程式MV=PY，推导出货币流动速度V=PY/M。据中国统计局公布数据，中长期来看中国货币流动速度出于下降趋势。中国2015年货币流动速度为0.49。这反映了货币的使用效率不高，社会舆论普遍认为我国存在货币“超发”现象。另外，即使中国商业银行的信贷风险管能力不断提升，但不良贷款比例和不良贷款余额亦难以在短期内扭转“双升”的局面，不良贷款的控制成为中国银行业重大挑战。

在中国商业银行基本上是国有控股企业，而向银行贷款是企业融资的主要渠道。商业银行在货币政策传导到实体经济的过程中起着重要的作用，政府透过商业银行将货币流动性注入实体经济。而实体经济的盈利能力则影响信贷资金能否正常回收。商业银行的信用风险和货币流动性之间有着不可分割的联系。

二、文献综述

程飞阳，宋策，朱家明(2016)运用季度数据构建经典计量经济学回归模型并进行自相关、格兰杰因果关系检验。实证结果表明，贷款基准利率提高会使不良贷款显著提高，存款准备金率调高不良贷款显著降低；贷款利率、存款准备金率与银行不良贷款之间互为格兰杰因果关系。

陈茜(2013)指出经济增长对不良贷款比例的影响途径有两种。直接的影响，是经济波动使企业居民的还贷能力削弱，导致银行的风险增大。间接影响是政府为了熨平经济波动推出对应的货币政策，对银行风险的反向影响。作者通过协整和方差分解分析发现：直接的影响比间接大。从而得出结论，经济不景气时，虽然政府采取宽松的货币政策，对宏观经济对银行的冲击有削弱作用，但总的叠加效应仍然是负面的。

在90年代，较高的M2/GDP比率或较低的货币流速曾经被认为是金融深化的标志。但在亚洲金融危机爆发以后，卢静(2006)认为这是金融危机的标志，通过公式推导发现，只是不良贷款的出现就可以导致经济增长率的下降，投资下降，从而导致M2/GDP比率的上升。

张细松(2013)探讨商业银行不良贷款对货币供应量的影响。实证分析中建立M0、M1、M2对商业银行关注类、可疑类、不良类贷款的回归模型，并进行格兰杰因果关系检验、脉冲响应函分析、方差分解。得出结论是损失类贷款是M1、M2的格兰杰原因，可疑类贷款是M2的格兰杰原因；损失类贷款的冲击对M1、M2有负的影响，可疑类贷款的冲击也对M2有负的影响。

国内外已经有不少学者研究过货币流动性及不良贷款两个主题。研究主要集中在宏观经济对货币流动速度及不良贷款的因素，很少关注他们之前的相互影响。本文认为在商业银行贷款为中国企业及居民主要融资渠道的情况下，两者之间存在某种相互影响关系。

三、实证分析

1.数据处理。

选取的为2004年1季度至2016年2季度数据作为样本。我国商业银行不良贷款比例季度数据由中国银行业监督委员会网站获得；GDP、M2季度数据由国家统计局网站获得。由于原始数据由历史趋势和季节性波动，因此在建模分析前，需要对原始数据进行整理。由于本文采用的是季度数据，再对数据进行4期滞后的差分及取对数的处理，得到变量：

Δ4ln(Vt)=ln(Vt)-ln(Vt-4)

Δ4ln(nonpert)=ln(nonpert)-ln(nonpert-4)

本文选用ADF检验。首先选取有常数项和时间趋势项的模式，通过比对后发现常数项和时间趋势项均不显著。随后选择没有常数项和时间趋势项的模式。滞后长度按照则按照经修正的SIC准则选取，选取的滞后阶数为0。所得的最终结果：Δ4ln(Vt)的t统计量为-1.7963，p值为0.0691；Δ4ln(nonpert)的t统计量为-1.6427，p值为0.0942。结果表明，在10%显著水平下，拒绝序列有单位根的原假设。认为两个被处理后的时间序列变量Δ4ln(Vt)、Δ4ln(nonpert)不存在单位根，是平稳的时间序列。

2.模型拟合。

在本文中，使用了AIC、SC和LR方法选取最优的滞后长度。通过比对，最终参照AIC和SC准则，选择滞后期数较少的VAR(2)模型。在模型拟合的结果中可以发现，大部分的系数是显著的，而且两个方程调整后的R2分别为82.73%和76.22%。该模型的拟合程度良好，有一定解释能力。整理得出以下VAR模型：

对拟合的模型进行通过分析单位根倒数，发现全部落在单位圆内，该模型稳定，可作进一步分析。

3.格兰杰因果关系检验。

Δ4ln(Vt)、Δ4ln(nonpert)是平稳的时间序列，可以直接使用格兰杰因果关系检验进行分析；在本文中选择滞后期数为2的VAR模型，在格兰杰因果关系检验中将滞后期数设置为2。从检验结果来看，在原假设“Δ4ln(nonpert)不是Δ4ln(Vt)的格兰杰原因”时候，p值(0.0023)十分显著，拒绝原假设，认为Δ4ln(nonpert)是Δ4ln(Vt)的格兰杰原因。而当原假设为“Δ4ln(Vt)不是Δ4ln(nonpert)的格兰杰原因”时候，p值(0.0543)稍大于5%，但在10%的置信水平下仍然拒绝原假设，认为Δ4ln(Vt)是Δ4ln(nonpert)的格兰杰原因。

综上所述，商业银行业不良贷款比例与中国货币流速互为格兰杰原因。

4.脉冲响应函数。

本文通过脉冲响应函数进一步分析商业银行业不良贷款比例与中国货币流速之间的动态相互影响。

不良贷款比例对货币流速冲击为正值，并且在冲击输入的前4期显著大于0。冲击的累积影响随时间推移逐渐增长，并在第5期到达最大值0.035；随后慢慢消减，而且这种累积影响也开始变得不显著大于0；随着时间推移，累积效应渐渐接近至0水平。这表明了不良贷款比例的提高会在短时间内令货币流速显著地提高。但随着时间推移，货币流速又逐渐复原到收到冲击前的水平。货币流速对不良贷款比例冲击也是为正值，并且在冲击输入的前3期显著大于0。冲击的累积影响随时间推移逐渐增长，并在第4期到达最大值0.193；随后慢慢消减，而且这种累积影响也开始变得不显著大于0；随着时间推移，累积效应渐渐接近至0水平。这表明了货币流速的加快会在短时间内令不良贷款比例显著地提高。但随着时间推移，不良贷款比例又逐渐复原到收到冲击前的水平。

四、结论及建议

运用格兰杰因果关系检验方法，发现货币流速与商业银行不良贷款比例互为格兰杰原因。通过脉冲响应函数的分析，货币流速与商业银行不良贷款比例两个变量在短期有显著正向相关的相互作用，但这种作用会随着时间的推移而变得不显著。而且，这种作用的程度会在到达峰值后，逐渐削弱至受到冲击前的水平。

商业银行在信贷管理的过程中，应时刻关注货币流动性的指标，为自身经营策略调整提前做好准备。例如，当发现货币流速有加速的变化，商业银行应该迅速调整信贷的政策，适度提高信贷客户准入门槛。这就可以降低在经济过热时期投放潜在风险贷款的风险。定性分析结果显示，货币流速对不良贷款比例影响的效应在第1至4期有显著的作用。这就要求商业银行增强信贷政策的灵活性，对宏观经济情况变化快速反应。

另外，中央银行通过降低我国商业银行不良贷比例的波动能稳定货币流动速度，从而使货币政策传导的效果更佳。货币流通速度的变化会令货币乘数也产生变化，而货币流速的变化可能要比货币政策的传导的速度快。所以不良贷款比例的不稳定变化可能通过影响货币流速，最终干扰货币政策的传导。

[1] 卢静，银行不良贷款对宏观经济运行的负面影响，现代财经[J].2006(3)：13-16.

[2] 张细松，商业银行不良贷款对货币流动性的影响分析[J].金融教育研究，2013(4)：3-8.

[3] 施其武，许姗姗，基于信贷管理视角下的不良贷款反思：成因与出路，中国银行业监督委员会工作论文，2014.

[4] 程飞阳，宋策，朱家明，货币政策对银行风险影响的实证分析[J].赤峰学院学报，2016(4)：120-123.

[5] 鲁迪格·多恩布什，斯坦利·费希尔，理查德·斯塔兹.宏观经济学.(第十版).北京.中国人民大学出版社，273-281，331-333.

[6] 陈茜，宏观经济与货币政策对商业银行不良贷率的影响分析[J].时代经贸，2013(14)：86.

[7] 鲁迪格·多恩布什，斯坦利·费希尔，理查德·斯塔兹.宏观经济学.(第十版).北京.中国人民大学出版社，273-281，331-333.