新经济常态下商业银行不良贷款影响因素及对策

2020-12-04

商展经济 2020年11期

1 研究背景和国内外文献综述

我国自2002年全面实行贷款五级分类制度，不良贷款率过高一直威胁着我国的金融体系安全，给银行业带来了较大的风险。2013年习近平总书记首次提出“新常态”，我国经济从高速增长转变为高质量发展阶段，然而我国经济下行压力依然比较大，不良贷款也有所增多。

外国学者Norbert Wunner(2000)[1]从政治经济学的角度进行了讨论，为什么在大多数国家中金融市场改革没有得到更强有力的追求。Simon H.Kwan(2003)[2]在研究过程中以商业银行为立足点，认为不良贷款的产生和银行自身的运营成本有很大关系。在近几年的论文中，Kjosevski(2017)[3]通过对三个国家的共计27家银行的不良贷款进行研究，发现GDP、通货膨胀率和国家内部信用贷款数量对不良贷款的影响最为显著。

从国内学者的研究状态来看，张若平(2003)[4]较早将不良贷款和中国宏观经济相结合，从而分析不良贷款对中国宏观经济的影响。梁晴(2017)[5]对商业银行不良贷款的成因及其管理策略进行了分析，通过个体案例最终提出了相关的策略。

2 新经济常态下商业银行不良贷款影响因素分析

2.1 GDP增长率和失业率对不良贷款率的影响

GDP增长率和失业率是宏观因素中可能会影响不良贷款率的两个方面。首先，银行的经营具有周期性的特点，当宏观经济平稳运行时，银行会增加贷款的规模，企业从而可以得到充分的资金进行进一步的生产，增强盈利能力和变现能力，商业银行的信用风险就低，不良贷款率也就比较低。[6]在现在经济发展新常态的局面下，GDP增长率保持在6%以上，但是处于一个逐步下降的趋势，会给商业银行不良贷款率带来一定程度影响。

其次，从失业率方面进行考虑，若是失业率升高则说明企业的经营状态变差，会面临资金周转的困难，企业的还款能力也随之下降，面临着信用风险，不良贷款率也可能有所增加。

本文以建设银行和招商银行两大商业银行为例，将通过数据的回归分析来进行不良贷款影响因素的分析。

表1 中国建设银行数据

表2 招商银行数据

以上列出了2010年至2019年总共十年的GDP增长率、失业率及建设银行和招商银行近十年的加权平均净资产收益率、不良贷款率。

2.2 GDP增长率对不良贷款率的影响

首先将两大银行的不良贷款率看作自变量，将GDP增长率看作因变量。将不良贷款率设为y，将GDP增长率设为x1，由此利用数据模型进行回归分析，以下是相关的结果。

根据表3相关结果可以列出一元回归方程：y=2.06325-0.10187x1，由此得出GDP增长率和不良贷款率之间呈现负相关关系。其次，通过表3可以看出，在95%的显著性水平下，Significance F的值为0.048589191，Significance F ＜α，表明GDP增长率和不良贷款率之间的关系显著。

根据表4可以得出回归方程：y=2.94855-0.23642x1。由此说明GDP增长率与不良贷款率呈现负相关，且Significance F=0.020179，Significance F ＜α，表明GDP增长率和不良贷款之间的关系显著。

从两大银行的数据整合来看，得出的结果是一致的：GDP增长率和不良贷款率之间为负相关关系，并且两者具有显著的线性关系，说明GDP增长率对不良贷款率的影响明显。

2.3 失业率对不良贷款率的影响

表5、表6分别是两大银行的不良贷款率和失业率之间的回归分析结果。分析的过程和GDP增长率类似，所以从表5和表6中可以直接得出结果。表5中Significance F的值为0.132176，大于α，表6中Significance F的值为0.368593，更是明显远远超过α值。所以综上可以得出，失业率和不良贷款率之间的线性关系并不显著。

3 银行加权平均净资产收益率对不良贷款率的影响

GDP增长率和失业率是两个经济方面的宏观因素，而对于商业银行自身来说，不良贷款的产生与银行也有一定的关系。资产收益率作为业界应用最为广泛的衡量银行盈利能力的指标之一，也可能对不良贷款率产生影响。

以下是通过表7和表8，同样将不良贷款率看作因变量y，资产收益率看作自变量x2进行回归分析。

从建设银行的结果可以得出回归方程：y=2.250902-0.05273x2，即不良贷款率和资产收益率之间呈现负相关的关系。从招商银行的结果可以得出：y=3.560684-0.12297x2，同样得出两者呈负相关关系。此外上方两张表格中的Significance F的值分别为0.001422和0.000332，明显小于显著性水平0.05，所以说明不良贷款和资产收益率之间呈现较强的线性关系，资产收益率的增多可以使不良贷款率降低。