美國次級房貸風暴對臺灣金融業貸款業務之影響

○林季儀（逢甲大學 臺灣）

美國次級房貸風暴對臺灣金融業貸款業務之影響

○林季儀（逢甲大學 臺灣）

美國次級房貸風暴堪稱本世紀迄今為害全球經濟金融最為慘重的事件，其威力尤甚于2001年美國因特網泡沫化及1997年亞洲金融風暴，而與1930年代的經濟大蕭條是等量齊觀的。本研究由美國次級房貸風暴的成因及次貸危機相關文獻、影響臺灣銀行業貸款業務相關文獻，并針對次級房貸風暴對銀行貸款業務的影響進行研究，使用Probit回歸分析得到結果。

次級房貸風暴 銀行業貸款 財務績效 金融預警 不動產擔保證券 線性回歸分析

一、緒論

1、研究背景與動機

2007年8月初美國大型住宅抵押投資公司（AHM）宣布倒閉，緊接著全美最大房貸業者全國金融公司（CFC）也爆發財務危機。加上法國巴黎銀行旗下三只基金宣布暫停贖回，這造成8月10日全球股市崩盤，美國次級房貸（sub-primemortgage）風暴正式蔓延到全世界。次級房貸，系采用工具為房貸證券化，發行擔保債權憑證。此金融商品進而形成日后全球性的金融風暴。上述產品的特性、架構、風險等問題，引發國內外學者的持續關注。

檢視臺灣14家金控業者獲利大幅衰退（如國泰金、兆豐金），2008年12月自結稅后虧損157.45億元，相較于2008年11月整體稅后虧損26億元，其虧損幅度加大。于金融風暴下，銀行貸款業務相對緊縮。因此，有重建放款模型之必要，本研究欲建立于金融風暴下，銀行業之企業及消費金融放款模型，以Branson（1989）所提出的貨幣供給理論來建立實證銀行的放款模型。

2、研究問題與限制

本研究由于受限于時間、人力、物力等資源的束縛存在下列局限：第一，在研究區域上，本研究僅針對事件發生的源頭美國與我們身處的地區臺灣，予以深入的探討。事實上，美國次級房貸風暴的影響范圍是無遠弗界的，英國及法國等國之影響亦是相當深遠。雖然這些都是世界大型的開放經濟體，但因資料搜集龐大，未能加以納入本研究的范圍。第二，在研究面向上，本次美國次級房貸風暴對全球各大產業的影響是多元化的，全球至今皆處于此一暴風圈中，尚未完全脫身。本研究將針對次級房貸對于臺灣銀行業務的沖擊，予以深入探討與剖析。第三，在研究時間上，本研究暫時設定至2008年12月31止。其實，次級房貸風暴仍未平息，影響范圍亦日益擴大，其后續的發展與影響，都不屬本研究的范圍。本研究問題為次級房貸風暴對臺灣銀行貸款業務之影響。

二、文獻探討

謝慶林（2007）針對銀行的企業金融及消費金融放款進行實證分析，探討決定企業金融及消費金融放款的經濟因素。研究結果于企業金融部份，顯示制造業銷售額成長率、經濟成長率、工業生產指數成長率、消費金融放款成長率顯著正向反應，消費金融于企業金融放款成長率、經濟成長率、及前一期消費金融放款成長率呈現正向反應。邱顯輝（2010）以總體經濟因素探討對不同特性銀行逾期放款的關聯性，以消費者物價指數年增率、失業率、銀行承做放款平均利率、經濟成長率、M 1B增減率與不同特性銀行逾期放款比率之相關性進行實證分析，研究期間為1995年1月至2010年3月為止的資料。M 1B對銀行逾放比相互影響，消費者物價指數對信用合作社逾放比有單向影響關系。

陳鋒孟（2010）指出金融風暴下，企業經營風險相對升高，銀行體系的授信標準趨于嚴格，沖擊臺灣中小企業，應修改信用保證機制，提高銀行對中小企業放款業務。黃文靜（2010）顯示金融海嘯的發生，使銀行降低承做信息透明度低的關系型放款契約的比例，增加承做信息透明度高的交易型放款契約的比例，外國銀行的影響不顯著。檢測2007年金融海嘯后，企業營收較2006年衰退，導致銀行則采取緊縮放款的政策，降低企業放款的融資額度、提高擔保品比率，放款利率則隨著政府降息而大幅調降。

三、研究方法——探討企業金融放款之模型

次級房貸風暴對銀行貸款業務的影響，本研究首先依相關貨幣或財務理論來建立實證銀行的放款模型，針對銀行融資授信的兩大常見消費金融與企業金融來設計本模型；其次，利用2001年7月起至2008年12月止的下列消費金融與企業金融相關變量之月數據，探討藉以了解銀行放款與總體經濟變量間的基本模型估計結果。具體設定如下：

式中，EF為企業金融放款金額，S為制造業銷售額，M2為貨幣供給，rs為周轉金放款利率，rE為資本放款利率，DF為直接金融金融，Ps為股價指數，PI為工業生產指數，CF為消費金融放款金額。

據此，我們可就上述變量來決定消費金融放款的實證方程式，設定如下：

CF為消費金融放款金額，M2為貨幣供給，rc為消費性放款利率，Pc為消費者物價指數，Ps為股價指數，C為信用卡簽帳余額，EF為企業金融放款金額。本研究將以上式子與林元平（2002）之文獻參考，得到放款可取決于下列的變量：

式中，F為放款金額，M2為貨幣供給，r為一個月牌告定存利率，Pc為消費者物價指數，Ps為股價指數，PI為工業生產指數，M.I為行政院經建會公布的景氣對策信號分數。

據此，我們可就上述變量來決定銀行放款的實證方程式，設定如下：

本研究擬采用該式來進行Probit分析各變量間之分析，利用由2004年至2008年為止的上述變量的月數據，區分為次級房貸發生前后（2004年至2008年），藉以了解銀行放款與總體經濟變量間的基本模型估計結果。

四、實證結果與分析

1、企業金融部份

根據公式（1），得到表1之結果，本研究調整后之復判定系數為0.993，表示所計算的復回歸模式，對于所輸入依變量的總變異量，可以達到99.3%的解釋程度，亦即8個自變量聯合預測EF（企業金融放款金額）99.3%的變異量，是呈現非常顯著的關系（其F值高達397.62）。

表1 相依變數：EF（企業金融放款金額）

在本回歸方程式中，S（制造業銷售額）、rs（周轉金放款利率）以及EF（企業金融放款金額）呈現負向變動但不顯著的關系。而DF（直接金融金額）則與EF（企業金融放款金額）呈現正向變動但不顯著的關系。M 2（貨幣供給）、rE（資本放款利率）以及PI（工業生產指數），是與EF（企業金融放款金額）呈現正向變動且為顯著的關系；這些現象說明EF（企業金融放款金額）在上升時，其M 2（貨幣供給）將會增加、rE（資本放款利率）亦會上升，而PI（工業生產指數）亦為上升的情形，這是經濟景氣的表征。至于Ps（股價指數）以及CF（消費金融放款金額），則是與EF（企業金融放款金額）呈現負向變動且為顯著的關系。

2、消費金融部份

根據公式（2），得到表2的結果，本研究調整后的復判定系數為0.922，表示所計算的復回歸模式，對于所輸入依變量的總變異量，可以達到92.2%的解釋程度，亦即6個自變量聯合可以預測F（放款金額）92.2%的變異量，同時是呈現非常顯著的關系（其F值高達42.53）。

在本回歸方程式中，M 2（貨幣供給額）、r（一個月牌告定存利率）以及Pc（消費者物價指數）與F（放款金額）是呈現正向變動且為顯著，亦即在放款金額上升時，表示其貨幣供給將會隨之增加，此時出現利率調升與消費者物價指數上升，也就是會有通貨膨脹的現象；M.I（行政院經建會公布的景氣對策信號分數）與F（放款金額）是呈現負向變動且為顯著，亦即在放款金額上升時，也就是說此時景氣對策信號分數下降，表示經濟景氣趨緩時，將會出現明顯地放款金額上升，表示企業需要紓困的情況將會出現明顯地增加。

表2 相依變數：F（放款金額）

五、結論

在次級房貸風暴對銀行貸款業務之影響方面，由本研究得知對于企業金融來說，在營業額衰退與周轉金放款利率下降時，銀行承辦企業金融的意愿將會隨之下降。直接金融增加時，則企業金融亦會增加但不顯著的結果。在貨幣供給額、基本放款利率及工業生產指數上升時，則企業金融將會隨之增加且為顯著的結果，表示景氣狀況良好。至于股價指數與消費金融下跌時，則企業金融將會隨之減少且為顯著的結果，此時表示景氣狀況衰退，同時消費金融與企業金融呈現相同方向的變動。對于放款來說，在股價指數上升時，其金額是減少但呈現不顯著的結果；在工業生產指數上升時，其金額是隨之增加但呈現不顯著的結果。而貨幣供給額、一個月定存利率及消費者物價指數上升時，其金額是隨之增加且呈現顯著的結果。至于景氣對策信號分數上升時，則其金額是隨之減少且呈現顯著的結果，表示此時經濟景氣過熱，必須適時減少放款。

[1] 林元平：貸款承諾及實際貸款的決定：臺灣地區銀行貸款市場的實證硏究[D].臺灣大學，2002.

[2] 邱顯輝：總體經濟因素對不同特性銀行逾期放款比率關聯性之研究[D].國立中正大學，2010.

[3] 陳鋒孟：金融海嘯后舒緩我國中小企業沖擊策略之研究--以中小企業放款為例[D].國立中山大學，2010.

[4] 陳耀茂：多變量分析導論[M].臺北：全威圖書有限公司，2002.

[5] 黃文靜：金融海嘯對銀行承做企業放款類型影響之研究[D].國立臺灣科技大學，2010.

[6] 謝慶林：企業金融放款、消費金融放款與總體經濟因素——臺灣實證研究[D].臺灣大學，2007.