论文部分内容阅读
摘 要：近些年来我国经济下行压力不断增加，商业银行不良贷款率逐渐攀升。而商业银行不良贷款作为衡量银行资产质量的重要指标，对银行风险管理有重要意义。本文主要以宣城建行不良贷款问题为研究对象，根据实际的统计数据，借助计量经济模型分析宣城建行不良贷款相关指标;然后，对实证研究得出的观点和结论进行归纳总结。
关键词：不良贷款;宣城建行;多元线性回归方程
一、引言
受次贷危机影响，世界各经济主体相继出现衰退，企业利润不断下降、经营难以持续，不少企业面临停产甚至倒闭的困境。为激活市场经济中央政府实施了积极的财政政策和宽松的货币政策，此时银行信贷规模开始不断扩张。在经历危机之后，我国又提出了经济新常态，要求我国经济增速由高速向中高速转变。经济增速的放缓加上过剩的产能，中央政府又提出了供给侧结构性改革。面对经济调整期，经济增速下滑、企业效益降低。除此之外，互联网金融的迅速崛起、利率市场化进程的加快和资本市场的进一步扩大等给我国银行业带来了巨大冲击。自2012年以来GDP增速一直处于7.7%以下水平并呈现逐年下降的趋势，此外互联网金融的发展对商业银行产生了巨大冲击。使得商业银行不良贷款率却呈现出持续上升的态势。宣城建行是宣城市继工商银行之后第二大商业银行。近年来，宣城市大力整顿落后企业，积极倡导发展服务业和高新技术产业，这些举措在增加建行信贷规模的同时也使得建行不良贷款的风险相应增加。为此，新常态下，解决好宣城建行不良贷款问题，防范和化解银行信贷风险对于宣城市银行体系稳定和全市经济健康发展至关重要，研究宣城建行不良贷款问题自然成为宣城市经济发展过程中不可避免的重要议题。
二、实证分析过程
（1）模型建立与样本数据来源
本文在对宣城建行不良贷款的影响因素进行实证分析的时候主要以宣城建行不良贷款率作为被解释变量Y，选取银行资本充足率X1、拨备覆盖率X2、贷款与负债比例X3、净利差X4和净息差X5共五个指标作为解释变量，建立形如 的多元线性回归方程，其中a为常数项，β1、β2 、β3 、β4 、β5 分别对应解释变量的估值系数，ε为随机扰动项。文中样本选取2007—2018年的季度数据，数据主要来源于宣城市统计局、宣城市银监局、中国人民银行宣城分行等主要机构网站和宣城建行提供，部分数据由间接计算整理所得。
（2）相关指标分析
近年来，宣城建行不良贷款率整体呈下降趋势，但近几年呈现出上升趋势。再观察其他变量可以发现，除贷款负债比例和不良贷款率呈正相关关系，其他变量整体上和不良贷款率呈负相关关系。以下进行计量模型的检验过程：
1.变量的多重共线性检验
由相关系数矩阵可知，X3和X5、X4和X5相互之间相关系数较高，确实存在一定的多重共线性。分别将每个解释变量依次作为被解释变量对剩余变量进行回归，得可决系数和方差扩大因子数值。
由回归分析结果可知除变量X1可决系数（0.4312）较低其他变量的可决系数均偏高。X4、X5的方差扩大因子（12.7226、23.4192）都大于10，存在多重共线性。为了消除多重共线性，结合各变量的实际经济意义可以发现X4、X5分别代表银行净息差和净利差，而净息差主要由净利差来决定，所以本文在回归分析中采用剔除变量法来消除变量间的多重共线性，将净息差X4从回归模型的剔除。剔除变量后的回归模型为： 。
2.时间序列的平稳性检验
对各变量的时间序列进行ADF检验，Eviews的运算结果如下：
各序列的ADF检验结果表明时间序列未通过检验存在单位根，是非平稳序列。所以需要对序列的一阶差分序列继续进行单位根检验，将各序列的一阶差分分别记为DY、DX1、DX2、DX3、DX5，带入数据Eviews的运算结果如下：
从检验结果看，在5%的显著性水平下各序列的一阶差分序列的ADF检验的T统计量值均小于相应的临界值。说明各序列的一阶差分序列不存在单位根，是平稳序列，即各序列是一阶单整的。残差序列检验后也不存在单位根，是平稳序列。对时间序列进行平稳性检验后需要对模型进行协整分析。从检验结果来看，虽然各时间序列是非平稳序列，但进行一阶差分后的时间序列均是平稳序列，且残差序列也是平稳序列。Y和X1、X2、X3之间存在协整，表明被解释变量和各解释变量之间存在某种长期均衡关系，但短期看来可能会有失衡。
将回归方程中的误差项ε看成均衡误差，建立型如：
3.回归分析
使用Eviews软件进行回归运算，输出模型为：
在其他变量保持一定的情况下，若银行资本充足率每增加一个百分点，宣城不良贷款率平均降低0.02个百分点;若拨备覆盖率每增加一个百分点，不良贷款率平均降低0.0037个百分点;若贷款负债比每增加一个百分点，不良贷款率平均上升0.08个百分点;若银行净利差每增加一个百分点，不良贷款率平均下降0.27个百分点。
由于上述模型分析的是长期关系，现就误差修正模型进行短期考量。回归结果如下：
由回归结果来看，在5%的显著水平下除了 、 两个变量未能通过显著性检验，其他均能通过。说明宣城建行不良贷款率的变化不仅受到资本充足率、拨备覆盖率、贷款负债比和净利差的影响，还受到上一期资本充足率和净利差对均衡水平的偏离，而误差项 估值系数则体现了对偏离的修正。因此，除了考虑影响不良贷款的同期因素外，还要进一步考虑因素的历史影响。
（3）内外部因素
除了宏观经济环境变化会对银行不良贷款产生影响外，银行系统内部同样会有影响。一方面，银行的风险策略和业务策略不匹配。在宣城建行实习期间发现工作人员在业务方面都有具体要求，本月要做多少业务，需要完成多少客户存款，销售多少理财产品等等，这些都涉及到每个经理人的业绩和个人的薪酬福利。经理人在进行放贷操作上就会缺乏足够的理性思考，加上总行没有对前台的风险管理有过多要求以及银行对客户信用审核不够细致，就为信贷风险的产生埋下了祸根。另一方面，银行在贷款供给结构上缺乏足够的科学性。根据不良贷款现状分析可以看出，宣城建行贷款流向主要集中在了制造业、交通运输仓储和邮政业、房地产业三者占比共达62.58%，而不良贷款率排在前三的行业分别是房地产业、制造业和批发零售业共计占比57.33%。贷款组合上过于集中于某几类行业使得一旦宏观环境或行业发生不利转变，势必会导致违约风险的出现，不良贷款增加。而宣城建行正是由于贷款结构的失衡，加上近年经济调整，去产能、去库存在很大程度上造成了其不良贷款率逐年攀升的现象。
三、结论与建议
经济新常态下经济增速放缓，商业银行贷款规模缩减、增速回稳;加上互联网金融的迅速发展，社会融资渠道、方式日趋多样化，银行存贷利差收窄。从宣城地区来看，近年实体经济发展所积累的一些压力在银行信贷资产质量上逐渐显现，最直接的表现就是近几年银行不良贷款率出现上升趋势。商业银行为企业运营提供资金来源，为经济发展提供支撑。实行经济体制改革，银行至关重要，起着桥梁作用。宣城市正在加快经济转型发展，而宣城建行是宣城市重要的商业银行之一，确保宣城建行的健康运营是我市改革顺利推进的重要保障。不良贷款余额和不良贷款率的大小是衡量银行核心竞争力的重要指标，本文在对宣城建行不良贷款的研究中发现了宏观和微观因素对不良贷款率的不同影响。银行的资本充足率、拨备覆盖率和净利差三者和不良贷款水平呈负向相关关系，贷款负债比例和不良贷款水平正向变动。分析各方面因素与宣城建行不良贷款的相关关系并作出一定的量化分析，提出针对性意见。这对宣城建行未来防范和化解不良贷款、应对信贷风险提升信贷资产质量具有一定的参考价值。更是为实现宣城市“十三五”规划创造一个良好金融环境。考虑到本文在分析过程中的不足，以后还会继续努力，进一步研究、完善。
参考文献
[1]刘茹.我国商业银行不良贷款率影响因素分析[D].东北财经大学，2015
[2]韓爱华，何国锋.商业银行不良贷款发生概率及影响因素：长三角地区的调查[J].改革，2006.11：92-98
[3]李佳.基于宏观视角的商业银行不良贷款影响因素的国际比较[J].时代金融，2015.24：68-70
[4]伍德里奇JM.费剑平，林相森，译.计量经济学导论：现代观点[M].北京：中国人民大学出版社，2003
作者简介：冯子文（1993年—），男，汉族，安徽宣城。硕士在读，商业银行经营管理，安徽大学，安徽省合肥市，230601。
关键词：不良贷款;宣城建行;多元线性回归方程
一、引言
受次贷危机影响，世界各经济主体相继出现衰退，企业利润不断下降、经营难以持续，不少企业面临停产甚至倒闭的困境。为激活市场经济中央政府实施了积极的财政政策和宽松的货币政策，此时银行信贷规模开始不断扩张。在经历危机之后，我国又提出了经济新常态，要求我国经济增速由高速向中高速转变。经济增速的放缓加上过剩的产能，中央政府又提出了供给侧结构性改革。面对经济调整期，经济增速下滑、企业效益降低。除此之外，互联网金融的迅速崛起、利率市场化进程的加快和资本市场的进一步扩大等给我国银行业带来了巨大冲击。自2012年以来GDP增速一直处于7.7%以下水平并呈现逐年下降的趋势，此外互联网金融的发展对商业银行产生了巨大冲击。使得商业银行不良贷款率却呈现出持续上升的态势。宣城建行是宣城市继工商银行之后第二大商业银行。近年来，宣城市大力整顿落后企业，积极倡导发展服务业和高新技术产业，这些举措在增加建行信贷规模的同时也使得建行不良贷款的风险相应增加。为此，新常态下，解决好宣城建行不良贷款问题，防范和化解银行信贷风险对于宣城市银行体系稳定和全市经济健康发展至关重要，研究宣城建行不良贷款问题自然成为宣城市经济发展过程中不可避免的重要议题。
二、实证分析过程
（1）模型建立与样本数据来源
本文在对宣城建行不良贷款的影响因素进行实证分析的时候主要以宣城建行不良贷款率作为被解释变量Y，选取银行资本充足率X1、拨备覆盖率X2、贷款与负债比例X3、净利差X4和净息差X5共五个指标作为解释变量，建立形如 的多元线性回归方程，其中a为常数项，β1、β2 、β3 、β4 、β5 分别对应解释变量的估值系数，ε为随机扰动项。文中样本选取2007—2018年的季度数据，数据主要来源于宣城市统计局、宣城市银监局、中国人民银行宣城分行等主要机构网站和宣城建行提供，部分数据由间接计算整理所得。
（2）相关指标分析
近年来，宣城建行不良贷款率整体呈下降趋势，但近几年呈现出上升趋势。再观察其他变量可以发现，除贷款负债比例和不良贷款率呈正相关关系，其他变量整体上和不良贷款率呈负相关关系。以下进行计量模型的检验过程：
1.变量的多重共线性检验
由相关系数矩阵可知，X3和X5、X4和X5相互之间相关系数较高，确实存在一定的多重共线性。分别将每个解释变量依次作为被解释变量对剩余变量进行回归，得可决系数和方差扩大因子数值。
由回归分析结果可知除变量X1可决系数（0.4312）较低其他变量的可决系数均偏高。X4、X5的方差扩大因子（12.7226、23.4192）都大于10，存在多重共线性。为了消除多重共线性，结合各变量的实际经济意义可以发现X4、X5分别代表银行净息差和净利差，而净息差主要由净利差来决定，所以本文在回归分析中采用剔除变量法来消除变量间的多重共线性，将净息差X4从回归模型的剔除。剔除变量后的回归模型为： 。
2.时间序列的平稳性检验
对各变量的时间序列进行ADF检验，Eviews的运算结果如下：
各序列的ADF检验结果表明时间序列未通过检验存在单位根，是非平稳序列。所以需要对序列的一阶差分序列继续进行单位根检验，将各序列的一阶差分分别记为DY、DX1、DX2、DX3、DX5，带入数据Eviews的运算结果如下：
从检验结果看，在5%的显著性水平下各序列的一阶差分序列的ADF检验的T统计量值均小于相应的临界值。说明各序列的一阶差分序列不存在单位根，是平稳序列，即各序列是一阶单整的。残差序列检验后也不存在单位根，是平稳序列。对时间序列进行平稳性检验后需要对模型进行协整分析。从检验结果来看，虽然各时间序列是非平稳序列，但进行一阶差分后的时间序列均是平稳序列，且残差序列也是平稳序列。Y和X1、X2、X3之间存在协整，表明被解释变量和各解释变量之间存在某种长期均衡关系，但短期看来可能会有失衡。
将回归方程中的误差项ε看成均衡误差，建立型如：
3.回归分析
使用Eviews软件进行回归运算，输出模型为：
在其他变量保持一定的情况下，若银行资本充足率每增加一个百分点，宣城不良贷款率平均降低0.02个百分点;若拨备覆盖率每增加一个百分点，不良贷款率平均降低0.0037个百分点;若贷款负债比每增加一个百分点，不良贷款率平均上升0.08个百分点;若银行净利差每增加一个百分点，不良贷款率平均下降0.27个百分点。
由于上述模型分析的是长期关系，现就误差修正模型进行短期考量。回归结果如下：
由回归结果来看，在5%的显著水平下除了 、 两个变量未能通过显著性检验，其他均能通过。说明宣城建行不良贷款率的变化不仅受到资本充足率、拨备覆盖率、贷款负债比和净利差的影响，还受到上一期资本充足率和净利差对均衡水平的偏离，而误差项 估值系数则体现了对偏离的修正。因此，除了考虑影响不良贷款的同期因素外，还要进一步考虑因素的历史影响。
（3）内外部因素
除了宏观经济环境变化会对银行不良贷款产生影响外，银行系统内部同样会有影响。一方面，银行的风险策略和业务策略不匹配。在宣城建行实习期间发现工作人员在业务方面都有具体要求，本月要做多少业务，需要完成多少客户存款，销售多少理财产品等等，这些都涉及到每个经理人的业绩和个人的薪酬福利。经理人在进行放贷操作上就会缺乏足够的理性思考，加上总行没有对前台的风险管理有过多要求以及银行对客户信用审核不够细致，就为信贷风险的产生埋下了祸根。另一方面，银行在贷款供给结构上缺乏足够的科学性。根据不良贷款现状分析可以看出，宣城建行贷款流向主要集中在了制造业、交通运输仓储和邮政业、房地产业三者占比共达62.58%，而不良贷款率排在前三的行业分别是房地产业、制造业和批发零售业共计占比57.33%。贷款组合上过于集中于某几类行业使得一旦宏观环境或行业发生不利转变，势必会导致违约风险的出现，不良贷款增加。而宣城建行正是由于贷款结构的失衡，加上近年经济调整，去产能、去库存在很大程度上造成了其不良贷款率逐年攀升的现象。
三、结论与建议
经济新常态下经济增速放缓，商业银行贷款规模缩减、增速回稳;加上互联网金融的迅速发展，社会融资渠道、方式日趋多样化，银行存贷利差收窄。从宣城地区来看，近年实体经济发展所积累的一些压力在银行信贷资产质量上逐渐显现，最直接的表现就是近几年银行不良贷款率出现上升趋势。商业银行为企业运营提供资金来源，为经济发展提供支撑。实行经济体制改革，银行至关重要，起着桥梁作用。宣城市正在加快经济转型发展，而宣城建行是宣城市重要的商业银行之一，确保宣城建行的健康运营是我市改革顺利推进的重要保障。不良贷款余额和不良贷款率的大小是衡量银行核心竞争力的重要指标，本文在对宣城建行不良贷款的研究中发现了宏观和微观因素对不良贷款率的不同影响。银行的资本充足率、拨备覆盖率和净利差三者和不良贷款水平呈负向相关关系，贷款负债比例和不良贷款水平正向变动。分析各方面因素与宣城建行不良贷款的相关关系并作出一定的量化分析，提出针对性意见。这对宣城建行未来防范和化解不良贷款、应对信贷风险提升信贷资产质量具有一定的参考价值。更是为实现宣城市“十三五”规划创造一个良好金融环境。考虑到本文在分析过程中的不足，以后还会继续努力，进一步研究、完善。
参考文献
[1]刘茹.我国商业银行不良贷款率影响因素分析[D].东北财经大学，2015
[2]韓爱华，何国锋.商业银行不良贷款发生概率及影响因素：长三角地区的调查[J].改革，2006.11：92-98
[3]李佳.基于宏观视角的商业银行不良贷款影响因素的国际比较[J].时代金融，2015.24：68-70
[4]伍德里奇JM.费剑平，林相森，译.计量经济学导论：现代观点[M].北京：中国人民大学出版社，2003
作者简介：冯子文（1993年—），男，汉族，安徽宣城。硕士在读，商业银行经营管理，安徽大学，安徽省合肥市，230601。