论文部分内容阅读
银行业在维护我国金融稳定性中处于重要地位，而城市商业银行在我国银行业中不断崛起，因此本文所研究的我国城商行不良贷款率的成因对于促进我国经济的健康平稳发展具有积极作用。本文基于我国上市城市商业银行2011-2017年的季度数据，从宏微观两个层面共选取6个指标建立多元线性回归模型研究其对不良贷款率的影响。
城市商业银行
不良贷款率 影响因素
引言
信贷质量的恶化、不良贷款的形成成为银行破产的标志，也是引起银行系统紊乱以及经济危机的主要原因，它阻碍了经济持续健康发展、降低了经济运行效率。国内外经济环境随着全球化进度的加深不断发生变化，加之城市商业银行在我国银行体系中地位不断攀升其所带来的影响力不可忽视，因此在最新相关数据的基础上实证分析我国城商行不良贷款的影响因素对于促进国内金融稳定、适应新经济形势下的发展具有积极推动作用。
本文的内容安排如下：第二节对现有关不良贷款影响因素的文献进行梳理；第三节介绍有关我国城市商业银行不良贷款的概况；第四节利用上市城商行的数据建立回归模型并进行实证研究；最后分析实证结果并得出结论。
文献综述
近年来商业银行不良贷款率的影响因素受到了国内外学者的关注，但由于研究角度、样本数据来源等不同结论往往不尽相同。宏观层面，Williamson（1987）李麟等（2009）认为不良贷款与经济商业周期紧密相关，经济上行时为扩大经营规模借款人过度负债，经济下行时又因经营不善而产生不良借款。宏观经济环境有助于银行评估借款人贷款及还款能力，经济稳步增长有利于增加收入、减少危机，因此GDP增长率、就业率与不良贷款率之间存在反向变化的关系（周忠明，2005；Messai等，2013）。利率也是引起不良贷款率变动的宏观因素之一但属于同向变化，利率上升引起债务增加从而不良贷款随之上升（Jimenez等，2006； Messai，2013）。另外，地产价格也是影响因素之一如Gerlach等（2005）发现香港房价是银行贷款的决定因素但反过来后者并不能决定前者的兴衰，Philip等（2009）也提出商业地产价格对银行贷款及盈利能力的影响作用。
微观方面，Berger等（1992）最早研究认为银行监管部门的管理不善可能引起成本业务和贷款质量的监控不力，从而导致资本损失升级了不良贷款水平（邓勇，2004；Podpiera等，2008）。许多学者认为提高资本损失的预计水平可减少收益的波动性并增强偿债能力，降低银行不良贷款同时也反映了银行对风险控制的态度（Boudriga等，2009）。另外，也有人提出信贷增长与银行资产减值有关，由于银行向社会提供过多的贷款引起贷款受损（Sinkey等，1991）。不少学者提出其他见解，Simon等（1997）研究发现银行自有资本越多其不良贷款率越低即不良贷款率与银行自有资本相负关。Garaiya等（2008）认为高收益更风险因此银行收益对不良贷款存在影响作用。
综上，目前关于商业银行不良贷款率的影响因素研究大多基于宏观层面或微观层面且多以国别为单位，国内的文献则以国内上市商业银行、国有银行等为主要研究对象，本文创新之处在于采用宏微观相结合的方式对我国城市商业银行不良贷款的影响因素进行研究，并引入了净利差这一新的微观指标。
我国城市商业银行不良贷款概况
城市商业银行自20世纪90年中期出现以来迅速在全国范围内建立了162家，在银行系统中的地位不断崛并在促进经济发展与维护国家金融稳定性中发挥重要作用。在这22年的成长过程中，城商行通过支持地方基础设施建设、满足中小企业资金需求、服务市民百姓等方式促进区域经济的发展与繁荣，为促进国家经济的平稳运行与发展贡献自己的力量。
查阅中国银监部门公布的信息可知，最近六年来我国城商行不良贷款的概况不管是余额上还是所占比例均表现出逐年攀升的趋势，表明银行信贷风险问题日趨严重。具体来看，不良贷款余额从2011年的333亿元增加到2017年的1701亿元，翻了4倍多；相应地不良贷款率从2011年的0.9%提高到最近2017年的1.51%，增长了68%。趋势上，自2011年以来它们均不断上升且13-15年增幅明显扩大15年后稍有减缓。
我国城市商业银行不良贷款影响因素的实证研究
（1）变量选取及模型确定
根据对国内外文献的梳理归纳并结合我国的现实情况，建立多元回归模型研究影响我国城商行不良贷款率的宏观与微观因素。不良贷款率（NPL）为模型的被解释变量，另外在选取解释变量时主要考虑了指标的经济意义和数据的可获得性，所以宏观层面选取GDP增长率（GDP）货币供应量增长率（M2）2个指标，微观层面选取不良贷款拨备覆盖率（PCR）存贷款比例（LDR）资本充足率（CAR）和净利差（NIS）4个指标，共计6个指标作为解释变量，并建立多元线性回归模型，回归方程如下：
其中n表示本文所选取的5家上市城商行，即南京银行、北京银行、宁波银行、杭州银行和贵阳银行；t表示2011年初至2017年中共计26个季度时间点； 为常数项， ， ， ， ， ， 分别是各个解释变量对应的系数， 为随机干扰项。
（2）面板数据的平稳性检验
在对面板数据进行回归之前，先对模型中变量指标的面板数据进行平稳性检验，从而避免由于现实数据表现出来的非平稳性导致出现伪回归。从单位根检验运行结果看除了存贷款比例和净利差通过LLC、IPS、ADF、PP四钟检验为平稳序列外，其他解释变量均没有通过检验即为非平稳序列，因此需进一步对这四个指标一阶差分并再次检验序列稳定性，结果显示上述变量均为一阶单整序列。
鉴于上述部分变量为一阶单整，本文进一步对这五家银行的面板数据进行协整检验，结果通过LLC、IPS、ADF、PP四种检验，即残差序列平稳。因此基于已有面板数据的回归模型不是伪回归。 （3）模型回归结果
本文在选取个体固定效应模型的基础上利用最小二乘法对样本数据进行回归，同时对回归结果的整体拟合优度以及变量影响显著性进行检验。结果如表1所示，则具体回归模型方程为：
回归模型的决定系数为0.819021且F值1%水平下显著，意味着回归结果拟合程度较好，选取的6个变量指标与不良贷款率的总体线性关系显著。另外，模型中GDP、M2、PCR、NIS这四个解释变量的系数分别在1%水平下显著，表明它们与NPL存在线性关系，而LDR和CAR的相关系数未通过t检验则意味着它们对NPL无显著影响。
实证分析与结论
由上面关于我国城商行不良贷款率影响因素的实证结果可以看出，除了银行存贷款比例和资本充足率这两个微观因素外，其他解释变量均对不良贷款率产生显著性影响。
（1）宏观因素
1.GDP增长率对城商行不良贷款率存在反向变化的作用。GDP增长率越高意味着一国经济发展速度的加快同时伴随着生产效率以及消费需求的上升，增强了企业经营与盈利能力从而变相提高了贷款质量降低不良贷款率；反之，不良贷款率随GDP增长率的降低而上升。
2.提高货币供应量增长率有利于降低城商行不良贷款率。政府采取紧缩的货币政策会导致经营情况稍差的企业难以获得贷款，资金链发生断裂造成不良贷款，相反在宽松的货币政策下，企业更容易获得资金从而获取更多利润，改善企业财务状况降低银行不良贷款率。
（2）微观因素
1.不良贷款拨备覆盖率一定程度体现了银行对信贷风险控制的态度，该指标数值越高意味着银行为预防信贷损失而计提的准备金越多，因而当出现不良信贷风险时银行有充足的资金吸收其所带来的经济损失，提高银行这一指标对于降低不良贷款率具有十分积极的影响。
2.净利差是目前我国商业银行最主要的收入来源，用它可以来考量银行利润收入水平。其数值越高意味着银行能够获取更多的利润，一定程度反映了银行的盈利能力及抵御信贷风险的能力，增加银行净利差提高收入水平对于降低银行不良贷款率大有裨益。
综上，我们要充分重视并正确认识我国城商行不良贷款逐年上涨的原因，因地制宜地提出相关政策建议。首先，城商行要充分考虑国内宏观经济环境并扩大宏观经济监测范围，增加评估银行系统健全与稳定的宏观审慎指标如M2等；其次，城商行要提高对信贷风险的警惕性，在发放贷款时要充分考量贷款人的偿还能力并合理计提贷款损失准备，避免不良贷款的形成以及带来的负面连锁反应；最后不能忽略的是城商行应提高自身盈利水平从而增强其应对风险损失的能力。
[1]Williamson S.D. Financial Intermediation，Business Failures，and Real Business Cycles[J]. Journal of Political Economy，1987，95（6）：1196-1216.
[2]李麟，索彦封.经济波动、不良贷款与银行业系统性风险[J].国际金融研究，2009，6：55-63.
[3]周忠明.不良贷款與经济增长关系分析[J].中国金融，2005，6：45-46.
[4]S. Gerlach，W. Peng. Bank lending and property prices in Hong Kong[J]. Journal of Banking & Finance，2005，29：461-481.
[5]Simon Kwan，Robert A. Eisenbeis. Bank Risk，Capitalization，and Operating Efficency[J]. Journal of Financial Services Research，1997.12.2/3：117-131.
[6]Jimenez，G.，Saurina J. Credit cycles，credit risk，and prudential regulation[J]. International Journal of Central Banking，2006，2（2），65-98.
[7]AS Messai，F Jouin. Micro and macro determinants of non-performing loans[J]. International Journal of Economics and Financial Issues，2013，3（4）：852-860.
刘敏（1991），女，汉，江苏连云港，研究生，东南大学，金融学。东南大学 江苏省南京市 21000
城市商业银行
不良贷款率 影响因素
引言
信贷质量的恶化、不良贷款的形成成为银行破产的标志，也是引起银行系统紊乱以及经济危机的主要原因，它阻碍了经济持续健康发展、降低了经济运行效率。国内外经济环境随着全球化进度的加深不断发生变化，加之城市商业银行在我国银行体系中地位不断攀升其所带来的影响力不可忽视，因此在最新相关数据的基础上实证分析我国城商行不良贷款的影响因素对于促进国内金融稳定、适应新经济形势下的发展具有积极推动作用。
本文的内容安排如下：第二节对现有关不良贷款影响因素的文献进行梳理；第三节介绍有关我国城市商业银行不良贷款的概况；第四节利用上市城商行的数据建立回归模型并进行实证研究；最后分析实证结果并得出结论。
文献综述
近年来商业银行不良贷款率的影响因素受到了国内外学者的关注，但由于研究角度、样本数据来源等不同结论往往不尽相同。宏观层面，Williamson（1987）李麟等（2009）认为不良贷款与经济商业周期紧密相关，经济上行时为扩大经营规模借款人过度负债，经济下行时又因经营不善而产生不良借款。宏观经济环境有助于银行评估借款人贷款及还款能力，经济稳步增长有利于增加收入、减少危机，因此GDP增长率、就业率与不良贷款率之间存在反向变化的关系（周忠明，2005；Messai等，2013）。利率也是引起不良贷款率变动的宏观因素之一但属于同向变化，利率上升引起债务增加从而不良贷款随之上升（Jimenez等，2006； Messai，2013）。另外，地产价格也是影响因素之一如Gerlach等（2005）发现香港房价是银行贷款的决定因素但反过来后者并不能决定前者的兴衰，Philip等（2009）也提出商业地产价格对银行贷款及盈利能力的影响作用。
微观方面，Berger等（1992）最早研究认为银行监管部门的管理不善可能引起成本业务和贷款质量的监控不力，从而导致资本损失升级了不良贷款水平（邓勇，2004；Podpiera等，2008）。许多学者认为提高资本损失的预计水平可减少收益的波动性并增强偿债能力，降低银行不良贷款同时也反映了银行对风险控制的态度（Boudriga等，2009）。另外，也有人提出信贷增长与银行资产减值有关，由于银行向社会提供过多的贷款引起贷款受损（Sinkey等，1991）。不少学者提出其他见解，Simon等（1997）研究发现银行自有资本越多其不良贷款率越低即不良贷款率与银行自有资本相负关。Garaiya等（2008）认为高收益更风险因此银行收益对不良贷款存在影响作用。
综上，目前关于商业银行不良贷款率的影响因素研究大多基于宏观层面或微观层面且多以国别为单位，国内的文献则以国内上市商业银行、国有银行等为主要研究对象，本文创新之处在于采用宏微观相结合的方式对我国城市商业银行不良贷款的影响因素进行研究，并引入了净利差这一新的微观指标。
我国城市商业银行不良贷款概况
城市商业银行自20世纪90年中期出现以来迅速在全国范围内建立了162家，在银行系统中的地位不断崛并在促进经济发展与维护国家金融稳定性中发挥重要作用。在这22年的成长过程中，城商行通过支持地方基础设施建设、满足中小企业资金需求、服务市民百姓等方式促进区域经济的发展与繁荣，为促进国家经济的平稳运行与发展贡献自己的力量。
查阅中国银监部门公布的信息可知，最近六年来我国城商行不良贷款的概况不管是余额上还是所占比例均表现出逐年攀升的趋势，表明银行信贷风险问题日趨严重。具体来看，不良贷款余额从2011年的333亿元增加到2017年的1701亿元，翻了4倍多；相应地不良贷款率从2011年的0.9%提高到最近2017年的1.51%，增长了68%。趋势上，自2011年以来它们均不断上升且13-15年增幅明显扩大15年后稍有减缓。
我国城市商业银行不良贷款影响因素的实证研究
（1）变量选取及模型确定
根据对国内外文献的梳理归纳并结合我国的现实情况，建立多元回归模型研究影响我国城商行不良贷款率的宏观与微观因素。不良贷款率（NPL）为模型的被解释变量，另外在选取解释变量时主要考虑了指标的经济意义和数据的可获得性，所以宏观层面选取GDP增长率（GDP）货币供应量增长率（M2）2个指标，微观层面选取不良贷款拨备覆盖率（PCR）存贷款比例（LDR）资本充足率（CAR）和净利差（NIS）4个指标，共计6个指标作为解释变量，并建立多元线性回归模型，回归方程如下：
其中n表示本文所选取的5家上市城商行，即南京银行、北京银行、宁波银行、杭州银行和贵阳银行；t表示2011年初至2017年中共计26个季度时间点； 为常数项， ， ， ， ， ， 分别是各个解释变量对应的系数， 为随机干扰项。
（2）面板数据的平稳性检验
在对面板数据进行回归之前，先对模型中变量指标的面板数据进行平稳性检验，从而避免由于现实数据表现出来的非平稳性导致出现伪回归。从单位根检验运行结果看除了存贷款比例和净利差通过LLC、IPS、ADF、PP四钟检验为平稳序列外，其他解释变量均没有通过检验即为非平稳序列，因此需进一步对这四个指标一阶差分并再次检验序列稳定性，结果显示上述变量均为一阶单整序列。
鉴于上述部分变量为一阶单整，本文进一步对这五家银行的面板数据进行协整检验，结果通过LLC、IPS、ADF、PP四种检验，即残差序列平稳。因此基于已有面板数据的回归模型不是伪回归。 （3）模型回归结果
本文在选取个体固定效应模型的基础上利用最小二乘法对样本数据进行回归，同时对回归结果的整体拟合优度以及变量影响显著性进行检验。结果如表1所示，则具体回归模型方程为：
回归模型的决定系数为0.819021且F值1%水平下显著，意味着回归结果拟合程度较好，选取的6个变量指标与不良贷款率的总体线性关系显著。另外，模型中GDP、M2、PCR、NIS这四个解释变量的系数分别在1%水平下显著，表明它们与NPL存在线性关系，而LDR和CAR的相关系数未通过t检验则意味着它们对NPL无显著影响。
实证分析与结论
由上面关于我国城商行不良贷款率影响因素的实证结果可以看出，除了银行存贷款比例和资本充足率这两个微观因素外，其他解释变量均对不良贷款率产生显著性影响。
（1）宏观因素
1.GDP增长率对城商行不良贷款率存在反向变化的作用。GDP增长率越高意味着一国经济发展速度的加快同时伴随着生产效率以及消费需求的上升，增强了企业经营与盈利能力从而变相提高了贷款质量降低不良贷款率；反之，不良贷款率随GDP增长率的降低而上升。
2.提高货币供应量增长率有利于降低城商行不良贷款率。政府采取紧缩的货币政策会导致经营情况稍差的企业难以获得贷款，资金链发生断裂造成不良贷款，相反在宽松的货币政策下，企业更容易获得资金从而获取更多利润，改善企业财务状况降低银行不良贷款率。
（2）微观因素
1.不良贷款拨备覆盖率一定程度体现了银行对信贷风险控制的态度，该指标数值越高意味着银行为预防信贷损失而计提的准备金越多，因而当出现不良信贷风险时银行有充足的资金吸收其所带来的经济损失，提高银行这一指标对于降低不良贷款率具有十分积极的影响。
2.净利差是目前我国商业银行最主要的收入来源，用它可以来考量银行利润收入水平。其数值越高意味着银行能够获取更多的利润，一定程度反映了银行的盈利能力及抵御信贷风险的能力，增加银行净利差提高收入水平对于降低银行不良贷款率大有裨益。
综上，我们要充分重视并正确认识我国城商行不良贷款逐年上涨的原因，因地制宜地提出相关政策建议。首先，城商行要充分考虑国内宏观经济环境并扩大宏观经济监测范围，增加评估银行系统健全与稳定的宏观审慎指标如M2等；其次，城商行要提高对信贷风险的警惕性，在发放贷款时要充分考量贷款人的偿还能力并合理计提贷款损失准备，避免不良贷款的形成以及带来的负面连锁反应；最后不能忽略的是城商行应提高自身盈利水平从而增强其应对风险损失的能力。
[1]Williamson S.D. Financial Intermediation，Business Failures，and Real Business Cycles[J]. Journal of Political Economy，1987，95（6）：1196-1216.
[2]李麟，索彦封.经济波动、不良贷款与银行业系统性风险[J].国际金融研究，2009，6：55-63.
[3]周忠明.不良贷款與经济增长关系分析[J].中国金融，2005，6：45-46.
[4]S. Gerlach，W. Peng. Bank lending and property prices in Hong Kong[J]. Journal of Banking & Finance，2005，29：461-481.
[5]Simon Kwan，Robert A. Eisenbeis. Bank Risk，Capitalization，and Operating Efficency[J]. Journal of Financial Services Research，1997.12.2/3：117-131.
[6]Jimenez，G.，Saurina J. Credit cycles，credit risk，and prudential regulation[J]. International Journal of Central Banking，2006，2（2），65-98.
[7]AS Messai，F Jouin. Micro and macro determinants of non-performing loans[J]. International Journal of Economics and Financial Issues，2013，3（4）：852-860.
刘敏（1991），女，汉，江苏连云港，研究生，东南大学，金融学。东南大学 江苏省南京市 21000