我国银行业整体风险的宏观影响因素研究

王政然/ 文

一、引言

银行的经营方式是从社会公众和企业那里聚集资金，再将聚集到的资金借贷给企业用于生产经营，从中赚取利息收入。这种行为存在两方面的问题，一是银行的借贷资金中自有资金所占的比重很小，这就使银行具有了很高的杠杆率和负债率；二是银行在借贷过程中存在信息不对称，赚取利差最关键的因素是贷款人能够按时归还借款，但是贷款人的资信状况、经营情况等，即使银行做了充足的调查也很难全部知晓，这就导致了极高的风险。

本文在阅读相关文献的基础上结合我国银行业的发展现状，旨在建立事前的银行业整体风险测度模型，识别出高风险银行，并建立涵盖宏观经济因子的回归模型，对影响整个银行业的宏观影响因素有一个清晰的认识，那么便能对我国银行业风险采取宽松型或是拉紧型政策有一个初步的判断。此外，由于可以反映我国银行业风险的指标种类繁多，而且这些指标之间彼此存在着一些关于银行风险方面信息的重叠，所以本文希望可以通过降维的思想重新组合出一些新的彼此之间不相关或相关程度很低的指标来达到测度风险的目的，简化分析过程，增加研究精度。

二、国内外文献综述

董满章（2005）从一系列银行风险指标中选取了一些关键指标，之后采用一系列面板数据对中国银行业风险进行了测算。杨家才（2010）认为资本动态监管等反映资本水平的监管对银行业风险影响效果显著且为核心指标，并认为并表监管、集中度风险监管为次要指标，从而在核算银行业整体风险时给予不同的权重。李麟等（2009）通过观察认为经济发展与银行业风险有一定的关系，他选取了我国历年的经济数据，同时他认为资产质量最能体现银行风险。谢清河（2009）也同样认为经济增长对银行风险起到了一定的作用，但他认为经济增长对银行风险起作用的机制是通过银行的盈利水平。何澄（2011）则在研究影响银行业风险的因素时，通过对实际现象的观察认为利率对银行风险有显著影响，从而首次引进利率这一宏观变量，也相当于引入到整个银行业风险研究之中，该研究表明利率对银行风险以及银行业风险有显著影响。

本文运用理论研究方法，基于一定的国内外文献研究，分析和阐述了不同指标对于银行风险的反映，论证了运用少量变量代替多种指标的必要性。在实际具体操作中采用主成分分析法将指标的信息重复性降低后构造一个加权模型度量我国商业银行风险，运用Eviews 对高风险银行占比与各宏观经济因素进行最小二乘回归，从而比较分析了主要宏观经济因素对于银行业整体风险的影响。

三、银行业整体风险度量

由于某些数据当下只更新到2016 年，同时存在一些银行数据不全的现象，所以本文根据bankscope 中数据齐全的银行中随机选取了我国40 家商业银行2009 年至2016 年的财务数据进行分析。

1. 选择评价指标

为尽可能地反映银行风险的方方面面，本文从银行的实力、资产规模、成果等诸多方面选取指标。为了方便获取指标数据，本文选择定量的、静态的财务指标，以便从bankscope 数据库中直接获取。

（1）净利息与总资产之比（Z1）：银行日常经营活动，主要是指存贷款所获得的利差与银行所拥有的总资产的比值，在一定程度上反映了银行日常经营活动的盈利情况；

（2）资本利润率（Z2）：当银行面临风险时，首当其冲发挥作用的是银行的资本金，在这些资本金上能产生多大的利润反映了银行资本的收益性，是银行经营成果的体现；

（3）杠杆率（Z3）：杠杆率是银行自有资本，即所有者权益在贷款中放大的倍数，如果杠杆率过高，银行每单位所有者权益上所承担的资金数目越大，即非自有资金越多，对自身、社会以及公众造成的风险也越大；

（4）总资本充足率（Z4）：资本充足率是指银行自有资本与将银行其他资产加权后计算出来的资本的比值。银行资本充足率越高，意味着银行抵御风险的能力越强；

（5）拨备覆盖率（Z5）：计算公式为坏账准备金/ 不良贷款。反映银行对于潜在损失的计提程度。每单位不良资产计提的坏账准备金越多，银行越有能力抵御风险；

（6）贷款增长率（Z6）：本文将贷款增长率作为一个衡量银行发展水平和银行规模的指标，贷款增长率越高，表明有越来越多社会公众、企业相信和认可该银行的实力；

（7）短期资产流动性比率（Z7）：计算公式为流动资产/ 存款金以及短期资金。这项资产以及比率越高，银行面临的风险越低；

（8）不良贷款率（Z8）：银行的贷款可能面临着由于贷款人违约从而导致贷款难以收回的风险，因此，不良贷款率越高，意味着银行风险越高;

（9）成本收入比（Z9）：计算公式为银行成本/ 银行收入。是用来反映银行取得一项主营或表外业务收入所付出的成本比例，比例越大，银行所获得的利润越少。

2. 主成分分析的具体做法

本文在2009- 2016 年中选取2016 年作为样本年份，接着从40 家银行在bankscope 数据库中的财务报表中选取上述原始指标的观测数据进行主成分分析，通过matlab 软件计算出各家商业银行的主成分综合得分即各商业银行风险综合得分，从而根据这些风险综合得分求得高风险银行占银行总数的比例。

对不良贷款率和收入成本比进行一致化处理：不良贷款率的最大值为6.87%，根据上文所述：一致化的不良贷款率值=不良贷款率的最大值- 不良贷款率，收入成本比做相同变换。

运用matlab 软件选取主成分，将累积方差贡献率超过75%作为确定主成分数量的标准，通过人工观察发现选取3 个主成分比较合适，这三个主成分对样本方差的贡献率达到了76.3157%，意味着涵盖了这些指标数据的大部分信息。

各主成分由原始指标构成的表达式为：

在上文通过观察确定各个主成分后，将各主成分方差贡献率除以3 个主成分的累计方差贡献率求得各主成分所占的比重。

计算各银行风险得分：

我们确定以所有银行的风险综合得分的平均值作为衡量高风险银行的警戒线，将风险综合得分高于该警戒线即风险得分均值的银行视为低风险银行，将风险综合得分低于该警戒线的银行视为高风险银行。则2009- 2016 年各年的高风险银行比例为：

附表 各年高风险银行比例（银行业整体风险）

高风险银行比例在2009 年和2010 年较高，2010 年达到峰值，这可能与2008 年的金融危机带来的阵痛有关，银行还未从金融危机中完全恢复过来。2011- 2016 年我国银行业整体风险维持在一个稳定水平，始终处于0.35- 0.45 这个区间。

四、宏观影响因素的测定

1. 宏观影响因素的选择

本文所研究的是银行业整体风险的宏观影响因素，以便在获得宏观影响因素数据后及时判断风险和调控银行业整体风险，所选择的宏观经济因素必须既能对银行业整体风险产生影响，又具有数据可获得的性质。本文选择了GDP 增长率，通货膨胀率，贷款基准利率，固定资产投资增长率和货币（M2）供应增长率五个指标。

（1）GDP 增长率（ZZ1）是指一国国内生产总值的变化率，是我国和世界其他各国目前衡量经济发展水平最常用的指标，许多国家政府政策制定机构也均是以此作为一个指导性指标，银行业整体风险也必然会受到该宏观因素背后所反映的经济发展水平的影响。

（2）通货膨胀率（ZZ2）是指物价的普遍上涨或者下跌程度。在经济形势较好的时期，通货膨胀率较高，资金流动速度较快，贷款增加，在经济萧条时，通货膨胀率较低，人民贷款比重锐减，这一因素也可能影响银行业整体风险。

（3）中国人民银行贷款基准利率（ZZ3）是经济指标中比较关键的指标之一，利率的高低影响着银行收入、居民收入、物价等诸多方面，其与经济发展也有着十分密切的联系。

（4）固定资产投资增长率（ZZ4）是指固定资产一年内的变化率，对于企业来说，固定资产的增加在一定程度上代表经济良好运行，而在经济发展不良阶段，固定资产增长率可能为负值。它在一定程度上反映了国民经济的运行状况。

（5）货币（M2）供应增长率（ZZ5）也称广义货币还包括了一些额外的或者广义上的存款例如居民储蓄存款等，它能在一定程度上反映经济周期和国家货币政策。

2. 宏观经济因素的实证研究

（1）根据本文所选取的自变量和因变量，设定计量经济模型为：

选取原始数据运用Eviews 软件进行回归，回归结果如下：

（2）模型检验

此模型的F 统计量值为33.5，通过了模型的显著性检验;模型的修正的可决系数也达到了0.96，这都表明模型的拟合效果良好。同时，对于各解释变量来说，在显著性水平为的情况下，查询t 统计量表发现各解释变量均通过了显著性检验。DW 统计量为2.1，通过对照DW 统计量表发现DW 值在无自相关区别，所以认为不存在自相关。

3. 结果分析

GDP 增长率和中国人民银行规定的贷款利率与高风险银行比例呈现正相关，这可能表明GDP 增长率对于银行是一个强有力的信号，GDP 增长率越高，经济形势越好。银行可能过分高估了经济形势，认为可以以更低的条件发放更多的贷款，并且能及时地收回。但这势必会给银行带来潜在的流动性风险，在考虑银行业整体风险时，即使好的经济形势能给银行带来较多的盈利，但潜在的流动性风险可能大于这部分盈利，因此高风险银行的比例更高；贷款利率由市场供求决定，贷款供不应求，贷款利率越高，银行在这一表象下为了追逐更多可能的利益可能放弃了较多的流动性和安全性，从而也导致了高风险银行比例上升，且上升幅度巨大。

通货膨胀率和固定资产增长率与高风险银行比例呈现负相关，这可能是因为通货膨胀率和固定资产增长率比GDP 更能真实地反映人民和生产企业的情绪，通货膨胀率是人民对物价水平的反映，固定资产增长率是企业对自己是否扩大生产的反映。通货膨胀率越高，表明人民购买欲望越高；固定资产增长率越高，表明企业在进一步扩大生产。这表明人民和企业有足够的经济实力和信心。银行在这种情况下可以获得更多品质良好且能获益很多的资产，从而导致高风险银行比例下降。

货币供应增长率与高风险银行比率呈现负相关，这是因为货币供应量包含存放在银行的存款，当货币供应增长率上升时，表明银行内的存款增加，并通过货币派生机制衍化出更多的存款，整个银行体系的存款增加。这增加了银行的安全性和抵御风险的能力，从而使高风险银行比例下降。但是我们可以看到货币供应增长率对银行业整体风险影响有限。

五、政策建议

1. 对于银行业整体风险测度的建议

（1）模型和数据建立一对一联系

我国对数据重要性的认识虽然时间不算长，但现在已经有了长足的进步，各地统计机构和研究机构定期收集并公开一系列数据。不过在这方面我国仍然任重道远，例如我国很少对一些已经使用的模型提供模型所需的数据，仍需通过原始数据进行一系列的计算，费时又费力，所以依据模型建立更多更有质量的数据库就显得尤为重要。

（2）更全面地考察宏观经济因素

本文仅考虑一些经济变量的变动。其他诸如经济体制、贸易手段之类的改革，虽然它们必然会对我国银行业风险起到重大作用。但由于通过计量方法描述这种巨大的变动以及有部分影响可以通过经济变量反映出来，为了简化模型和避免一定的重复性，在此不予单独考虑。

2. 对于调控宏观经济因素的建议

（1）不要一味追求GDP 高增长率

GDP 增长率一般代表着经济水平较高，但是并不是一味追求GDP 高增长率，GDP 增长率高可能会使银行管理人员高估经济水平，放出大量贷款，从而使自己的流动性和安全性受到影响。因此，我们需要将GDP 增长率控制在一个较为合理的范围内。

（2）谨慎变动贷款利率

从上文银行业整体风险与各宏观变量之间的关系可以看出，中国人民银行规定的贷款利率与银行业整体风险的系数很高，仅次于GDP 增长率和通货膨胀率，表明中国人民银行规定的贷款利率对银行业整体风险影响效果显著。贷款利率越高，银行越轻易放出贷款，导致银行业风险增大。

（3）注重通货膨胀率和固定资产增长率指标

通货膨胀率和固定资产增长率与银行业整体风险呈现负相关，表明这两个指标越大，银行业整体风险越小。这可能是因为通货膨胀率和固定资产率能更真实地反映居民和企业的感受，银行不会高估或低估经济形势，所以应重视这两个指标。

（4）变动货币供应增长率效果有限

货币供应增长率虽然与银行业整体风险呈负相关，即货币供应增长率越大，银行业整体风险越小，但是其系数值最小，所以变动货币供应增长率对银行业整体风险影响效果有限，在政府要小幅调节银行业整体风险时可选用该指标。