经济增长与城商行不良贷款率的实证研究

应海芬

（台州职业技术学院管理学院，浙江台州318000）

金融发展关系着国民经济的健康发展，当前国民经济发展处于新常态，国内生产总值（GDP）增速降低。2015年第三季度的统计数据表明，GDP累计值为487 773.5亿元，比上年同期增长了6.9%，当季值为173 595.3亿元，比上年同期增长了6.9%。从2011年第三季度至2015年第三季度的GDP环比增长率均值为1.78%，最高值为2013年第三季度的2.2%，最低为2015年第一季度的1.3%。这几年的数据显示，自然年度内的GDP季度环比增长率的最高点与最低点均呈现下滑的趋势，由此可见经济下行压力明显。同时，经济结构面临转型升级、金融业态更加多样化，银行业面临着前所未有的挑战，监管层对金融稳定、银行资产质量非常关注。

关于经济增长、商业银行不良贷款率的研究一直是学术界的研究热点。经济呈周期型发展，在不同发展阶段，社会投资、消费、出口表现不同，经济的增速也不同。一种观点认为，我国商业银行不良贷款与经济增长正相关关系，在经济增长各个阶段，每个国家的不良贷款率显现出不同的特征（李宏瑾）。另一种观点认为，不良贷款率制约着经济增长，经济增长对不良贷款率的波动作用不明显，但影响其向下的变动（岳蓓蓓、郑循刚）。研究的角度不同，结果也不一致，但是值得肯定的是，不良贷款率是银行业普遍关注的指标，认清不良贷款率对银行业的影响，防止商业银行不良竞争导致风险负担过大（彭建刚、邹克、张倚胜）。现有的实证研究大多以商业银行作为一个整体进行研究，而较少分类、单独研究城市商业银行，原因主要在于其发展历史较短，公开的财务数据及其他监管数据获取较难。然而不可否认的是，城市商业银行与其他商业银行比较，在客户群、经营策略等方面有明显的区别，且已经开始在我国金融系统中发挥越来越重要的作用。本文以城市商业银行为研究对象，分析其不良贷款率与经济增长之间的联系，为城市商业银行防范风险提出建议。

一、城市商业银行及其发展现状

城市商业银行（以下简称“城商行”）从城市信用社发展而来，后来城信社不良贷款高企、风险问题突出。1994年经过清理整顿后，全国5 200余家城信社有很多不良贷款率超过50%，仍面临严峻考验。后经国务院决策，经过重组合并，转制为城市合作银行，再整体更名为城商行。城商行是以服务地方经济为主，主要为中小企业提供中介服务的金融机构，是地方金融系统中的重要组成部分，提升了我国金融市场的活力。根据银监会统计口径，我国商业银行有五类。截至2014年底，我国城市商业银行共有133家，在商业银行的总量中占比较高（见图1）。

图1 全国银行业金融机构法人机构数（截至2014年底）

图2 商业银行市场份额占比（按资产，2003—2014年）

从发展历史来看，城商行是为了服务个体户和民营企业应运而生的，其战略定位与大型商业银行、股份制商业银行不同，其发展的优势在于提供特色化、差异化的服务，在竞争中地毯式抢占客户，取得优势。全国银行业金融机构的资产结构趋于合理化，银行业竞争更加激烈。从图2可知，近十多年来，大型商业银行的市场份额虽然曾经占据半壁江山，但份额已逐年减少，而股份制银行、城商行等中小商业银行的市场份额在逐年扩大。银行业金融机构资产规模逐年稳步上升，2014年底总资产规模达到172万亿元，比上年同期增长了13.86%（见图3）。其中，城商行总资产规模的市场份额为10.49%，且份额有逐年上升趋势。到2015年第三季度，城商行总资产规模为21.2万亿元，市场份额为11%（见图4）。将三类银行的资产对比来看，大型商业银行资产总值最高，城商行排在最后，但其总资产与股份制商业银行较为接近，与大型商业银行差距较大（见图5）。从三类银行资产每年的增速来看，大型商业银行的增速近几年已降至10%以下，低于城商行与股份制商业银行。城商行近年来资产增速较快，超越股份制商业银行。一方面与城商行资产的基数相对较小有关，而另一方面也说明了受政策利好，城商行的资产扩张速度较快。从图5、图6可以看出，虽然近年来，商业银行的资产呈总体上升的趋势，2009—2010年资产增速达到顶峰，之后，这三类银行的资产增速均出现了连续下降。

图3 银行业金融机构总资产与总负债（2003—2014年）

图4 城商行总资产与总负债（2005Q1—2015Q3）

图5 商业银行总资产（2004—2014年，单位：亿元）

图6 商业银行总资产年增速（2004—2014年）

图7 城商行不良贷款余额、不良贷款率（2005Q1—2015Q3）

二、城商行不良贷款率影响因素分析

依据商业银行贷款的风险程度，不良贷款率如下：

当商业银行不良贷款率上升时，意味着该银行信用风险增加，将会有更多贷款收不回来，银行资产会遭受更多损失。从图7可知，2005年第一季度起，城商行的不良贷款余额与不良贷款率均呈下降趋势，直到2011—2012年出现转折，2013年第一季度开始至2015年第三季度出现了不良贷款余额与不良贷款率的持续“双升”，表现堪忧。在各类商业银行中，城商行的不良贷款率相对较低，2015年第三季度各商业银行不良贷款率从低到高排，分别为城商行1.44%、股份制商业银行1.49%、大型商业银行1.54%、农村商业银行2.35%。除农商行外，各类商业银行不良贷款的排序与资产规模基本呈正向关联。一般情况下，资产规模较大的商业银行，发放的贷款总额也较大，而贷款总额大了，不良贷款自然也更多。对比五类商业银行可以看出，城商行在不良贷款余额与不良贷款率的控制方面明显优于农村商业银行，不完全是因为资产规模小的因素（见表1）。

表1 各类商业银行排序（截至2015Q3）

拨备覆盖率是影响商业银行不良贷款率的重要指标，它通过衡量商业银行贷款损失准备金来考察银行风险的可控程度，计算公式如下：

如果拨备覆盖率过低，则说明计提的贷款损失准备金过少，而银行在应对风险损失时无法弥补，进而引起不良贷款率上升，但是过高又会降低商业银行的盈利能力。我国商业银行2015年前3季度的平均拨备覆盖率为200.38%，而城市商业银行的平均拨备覆盖率为222.01%，为商业银行中最高，城商行在风险抵补方面具有优势。

城商行的贷款集中度也会影响其贷款的收回，贷款集中度可以衡量贷款在地区、行业、客户的分布情况是否合理。与投资分散原则一样，贷款如果不分散，风险就会更大。除此之外，城商行的利润表里面的数据对不良贷款率的影响也比较大，例如净利差、净息差、非利息收入占比等。净利差高则意味着银行的利息收入与利息支出差距较大，贷款的定价高，不良风险会增加。净息差与净利差比较类似，但不同的是，前者为利息净收入与银行生息资产的比值，而后者是与总资产之比。银行的营业利润成分里面还有手续费及佣金净收入、投资净收益、其他业务净收入等，而这几项收入中除债券投资利息收入之外，均作为商业银行非利息收入。通常认为，银行的非利息收入占比大的，则银行的业务创新能力比较好，资产的安全性也更高。

城商行的不良贷款率既受自身因素的影响，也受外部因素的影响，例如经济发展、货币供应、基准利率水平、政府干预行为、银行定位和发展战略等（程惠芳、姚遥）。

三、经济增长率与城商行不良贷款率的实证分析

（一）数据来源与模型构建

本文实证分析部分所使用的样本的时间段为2005年第一季度至2015年第三季度，数据频度为季度，城商行不良贷款率（以下用NPLR表示）的数据取自中国银监会统计平台，经济增长率（以下用GDPGR表示）的数据取自国家统计局数据平台。对该时间段的NPLR与GDPGR绘制折线图，可以看出，受国际金融危机影响GDPGR波动较大，最高值出现在2007年第二、三季度，最低值在2009年第一季度，且近几年数值向最低值靠近。而NPLR的表现比较平缓，出现大幅下降后，又逐渐缓慢上升。由于GDPGR在前面几年出现大幅波动，但后几年显示两者有明显的反向变动关系，因此可以通过实证研究来验证反向关系否长期存在（见下页图8）。

实证研究中所考察的回归模型如下：

其中，NPLR为因变量，GDPGR为解释变量。

本文应用格兰杰提出的因果关系检验方法（Granger，1969[5]）对时间序列经济变量进行分析，检验变量之间是否存在因果关系。首先建立回归方程如下：

在式（4）中加入X的滞后变量，得到回归方程：

式（5）中设置零假设为H0：β1=β2=…βq=0

其中，n为样本数量，q为约束条件的数量，p+q为式（5）回归系数的数量。

图8 经济增长率与城商行不良贷款率（2005Q1—2015Q3）

根据F检验统计量的式（6），如果在显著水平α下，如果F＞F[q，n－（p+q）]，则拒绝零假设，那么X是Y的Granger原因。

（二）变量的平稳性检验

本文采用的实证样本数据为时间序列，首先要对经济变量进行平稳性进行分析。如果检验的结果显示满足平稳性的条件，可以直接采用回归方法进行分析。如果不满足，但经过差分后的序列是平稳的，且两个变量差分的次数相同，那么就说明这两个变量是在同阶达到平稳的变量，就可以运用协整检验来对模型进行分析。

使用ADF单位根检验方法验证变量平稳性比较普遍，此方法原假设为变量含有单位根（即非平稳），如果检验后的结果显示是拒绝原假设，那么可以判断变量是平稳的，否则就是非平稳的。使用Eview7.0软件，分别对变量NPLR、GDPGR的平稳性进行检验，结果进行汇总后（如表2所示）。

从表2的汇总结果中可以看出，对于NPLR存在单位根假设的检验，检验的统计量值为－0.517956，Prob.值大于0.05，应在5%显著水平下接受原假设，说明城商行不良贷款率NPLR是非平稳序列。同理，经济增长率GDPGR也是非平稳的。再对两个变量差分序列的平稳性进行检验，根据当期减去上一期能够得到一阶差分序列DNPLR、DGDPGR，结果（如下页表3所示）。

从表3差分序列检验汇总表结果看出，对DNPLR含有单位根这一原假设的检验，它检验的统计量值显示为-3.537200，而在5%水平下检验的临界值数据是-2.951125，小于临界值，而概率Prob.值是0.0129，小于0.05，这说明在5%水平下不应该接受DNPLR含有单位根这一假设，说明DNPLR是平稳的时间序列；使用同样方法，表明DGDPGR是平稳的序列。

表3 DNPLR、DGDP的平稳性检验

检验结果表明，NPLR和GDPGR均为一阶平稳的变量，是同阶单整的，因此接下来可以采用协整检验方法进行继续分析。

（三）协整检验

采用Johansen协整检验方法对城商行不良贷款率与经济增长率的关系进行分析，研究不同经济变量之间是否存在长期稳定的均衡关系。

首先要确定检验的滞后阶数，协整检验的滞后期等于LR、FPE、AIC、SC、HQ等五个准则所得的最优滞后期减去1，得到最优滞后期选择结果（如表4所示）。由表4可知，五个准则选择的滞后阶数都为5，故协整检验的滞后阶数就为5-1=4。

运用Eviews软件，滞后期选择4，得到最大特征根检验结果（如表5所示）。实证结果表明，当原假设为“NPLR与GDPGR之间不存在协整关系”时，协整检验的最大特征根统计量值大于5%显著性水平下的临界值，且对应P值为0.0000，小于0.05，故在5%显著水平下应该拒绝该假设。再对“At most 1”假设进行检验得到对应P值为0.0565，大于0.05，因此应该接受该假设，即NPLR与GDPGR之间在5%显著水平下存在协整关系，表明城商行不良贷款率与经济增长率之间存在长期稳定的关系。

表4 最优滞后期

表5 Johansen协整检验结果

根据检验结果，得到的协整关系方程为：

根据方程（7）可以看出，GDPGR的估计系数为-0.855255，小于0，这说明城商行不良贷款率与经济增长率之间存在负相关关系，二者反向变动。

（四）Granger因果关系检验

以上分析表明NPLR与GDPGR之间存在联系，但两个变量的因果关系尚未确定，因此进一步使用Granger因果关系法进行检验。由上文分析可知最优滞后期为5，因此运用软件检验的结果（如表6所示）。

表6 Granger因果关系检验结果

由表6因果关系检验结果可得，关于“GDPGR does not Granger Cause NPLR”的假设，其检验的F统计量对应P值为小于0.05，因此拒绝5%显著水平下的原假设，说明GDPGR是引起NPLR变化的Granger原因；同理，NPLR也是引起GDPGR变化的Granger原因。因此，城商行不良贷款率与经济增长率之间存在双向因果关系。

四、实证结论

通过对城商行不良贷款率与经济增长率数据进行实证分析可知，城商行不良贷款率与经济增速存在长期协整关系，且两者为负相关，同时两者具有双向因果关系。也就是说，当经济增速下降时，会对城商行不良贷款率有向上推动的影响，而经济增速提高时，会对城商行不良贷款率有向下降低的影响。反过来，当城商行不良贷款率的下降，对经济增长是有利的，而城商行不良贷款率的上升，对经济增长会起反作用。城商行面向地方经济、服务地方经济，因此其不良贷款的升高对地方的经济增长的反作用也会更大。

我国城商行整体上受到自身资本实力、市场定位及区域环境的影响，有产出不足的问题，但是通过跨区域经营发展可以使银行效率提升（吴俊、李菊）。当前经济处于合理区间，城商行更应当有危机意识，对不良贷款进行重组、转让或核销，消化存量、减少增量；精准定位目标客户，支持实体经济，积极服务中小微企业；开拓创新中间业务，提升非利息收入占比，使业务更加多元化；提高制度执行力，严格把关信贷的审批环节，不盲目逐利，对信贷资金的合规使用进行监管；加强银行人员管理，防范内外勾结的违规操作导致的损失。此外，要建立良好的制度环境，减少经济发展中的系统性风险，从而降低城商行不良贷款率。

参考文献：

[1] 李宏瑾.经济增长、经济自由与不良贷款[D].北京：中国人民大学，2008.

[2] 岳蓓蓓，郑循刚.经济增长与商业银行不良贷款率波动的VAR模型分析[J].金融与经济，2011，(1).

[3] 彭建刚，邹克，张倚胜.不良贷款率对银行业影响的统计关系检验[J].湖南大学学报：社会科学版，2015，(5).

[4] 程惠芳，姚遥.江浙沪城市商业银行竞争力及其影响因素分析[J].经济地理，2013，(7).

[5] Granger C.W.J.Investigating Causal Relations by Econometric Models and Cross-spectral Models[J].Econometrica，1969，(37)：424-438.

[6] 吴俊，李菊.不良贷款约束下城市商业银行跨区域发展的效率研究[J].南方金融，2014，(3).