銀根松緊與銀行貸款質量

黃立新，鄭建明

(1.清華大學經濟管理學院，北京100084;2.對外經濟貿易大學國際商學院，北京100029)

一、引言

貸款質量是評價銀行經營績效的重要指標，也是衡量一個國家銀行業(yè)乃至整個金融體系運行的有效性和安全性的重要依據，因此對貸款質量的研究受到國內外學者廣泛的關注。理論研究方面，從機制設計到風險管理，無一不涉及到以提高貸款質量、降低不良貸款率為導向的模型建立和推演;實證研究方面，大量文獻對不良貸款產生的背景、深層原因及解決辦法進行了調查和思考。從國外學者的研究來看，Bernanke等學者研究了經濟發(fā)展水平與銀行貸款質量的關系。Bernanke(1983)指出［1］，宏觀經濟波動波及范圍、深度和持續(xù)時間是影響信貸成本的主要因素，經濟波動會直接導致貸款成本的增加或者減少，從而影響借款企業(yè)的還款能力，進而影響銀行貸款的質量。Diamond等人分析了公司治理水平與銀行信貸質量的關系。Diamond(1991)認為，公司治理水平高的企業(yè)，其經營績效也比較好，應對外部環(huán)境變化的能力比較強，重視自己的市場聲譽，珍惜自己的信用記錄，當遇到外部沖擊時，通常會把償還銀行貸款置于優(yōu)先的地位，這有助于貸款銀行的信貸質量保持在一個較高的水平上。Ranciere、Correa等人探討了金融市場發(fā)育程度對銀行不良貸款率的影響。Ranciere，Tornell和 Westermann(2006)通過實證分析發(fā)現(xiàn)，金融自由化盡管有時候也會導致經濟危機的產生，但從長期看是有利于經濟增長的，經濟增長會改善借款人的還款能力，從而降低銀行的不良貸款率;Correa(2008)的研究顯示，金融市場的格局和銀行之間的數據共享與分工合作都會影響到銀行貸款審批流程的優(yōu)化與標準的更新，從而使銀行貸款質量發(fā)生變化。Correa等對銀行間的并購整合對銀行貸款質量的影響進行了研究。Correa等(2008)的研究認為，銀行間的并購整合所產生的協(xié)同效應以及信息不對稱性的減少有利于提高銀行貸款質量。國內學者對我國銀行業(yè)不良貸款產生的原因(劉延梅，2007［2］)、貸款質量提高的途徑(張君，2007［3］;黃娟，2007;崔向陽，2004［4］)和不良貸款的處置(劉瀾飆、王博，2006［5］)等問題進行了細致的研究，并深入剖析了不良貸款與經濟增長關系(周忠明，2005［6］)、貸款質量與產權制度關系(田衛(wèi)民，2005;姜燁，2004［7］)以及貸款質量受宏觀經濟周期影響(李思慧、顏向農，2007［8］)等問題。

截至目前，國內文獻基本上都是從微觀或宏觀層面、鮮見從分省份的中觀層面研究銀行貸款質量問題，主要原因可能是缺乏各省份銀行貸款質量等方面的數據。本文則從分省份的中觀層面研究銀行貸款質量問題，填補了國內在這一領域的研究空白，這是本文研究的一個創(chuàng)新之處。銀根松緊政策是國家調控宏觀經濟的重要手段，銀根松緊政策的變化通過其內在機制，在整體上影響著我國實體企業(yè)與銀行的經營行為及預期，從而影響著銀行貸款質量;同時，由于各省份經濟發(fā)展水平、公司治理水平、金融市場發(fā)育程度、中介組織發(fā)育程度及法律制度環(huán)境等因素均不相同，因而相同的銀根松緊政策對各省份銀行貸款質量的影響是不同的。研究銀根松緊政策與銀行貸款質量的關系，有助于我國貨幣當局在制定銀根松緊政策時，能夠充分考慮銀根松緊政策對銀行貸款質量的影響以及同一銀根松緊政策對不同區(qū)域銀行貸款質量的影響是不同的等因素，這是本文研究的另一個創(chuàng)新之處。本文用銀根松緊程度作為銀根松緊政策的代表變量。

二、銀根松緊程度與銀行貸款質量的關系檢驗

(一)衡量銀根松緊程度的變量選擇

本文采用貸款基準利率、存款準備金率、貨幣供給量、信貸增長率以及企業(yè)資金狀況五個指標來衡量銀根松緊程度。

1.貸款基準利率(Loan_Interest)

貸款基準利率的高低反映了企業(yè)向銀行借款的基準成本，如果提高貸款基準利率，則企業(yè)向銀行借款的需求就會受到一定程度的抑制，這樣流入企業(yè)整體的貸款數量自然就會減少，從而起到了緊縮銀根的作用;反之則起到放松銀根的作用。因此，理論上貸款基準利率與銀根松緊程度是負相關關系。

2.法定存款準備金率(Reserve_Ratio)

存款準備金是限制金融機構信貸擴張、保證客戶提取存款和為資金清算需要而準備的資金。法定存款準備金率是金融機構按規(guī)定向中央銀行繳納的存款準備金占其存款總額的比率。當中央銀行提高法定存款準備金率時，商業(yè)銀行提供信貸及創(chuàng)造信用的能力就會下降，從而收緊了銀根;反之則放松了銀根。因而理論上法定存款準備金率與銀根松緊程度是負向關系。

3.貨幣供給量(M1或M2)

貨幣供給量是最能直接反映銀根松緊程度的變量之一。很多貨幣政策手段的最終目的就是通過改變貨幣供給數量而實現(xiàn)銀根的收緊或者放松。理論上貨幣供應量與銀根松緊程度是正向關系。

4.信貸增長率(Growth_of_Loan)

信貸增長率反映了金融機構向社會提供貸款的增減變化情況。通常在銀根緊縮時，信貸規(guī)模會減小甚至負增長;在銀根放松時，信貸規(guī)模會正增長。所以信貸增長率與銀根松緊程度應是正向關系。

5.企業(yè)資金狀況(Inv_Cash)

企業(yè)資金狀況采用投資-現(xiàn)金流敏感度指標(企業(yè)投資增長變化率與內部自有現(xiàn)金流變化率的比值)來衡量。該指標值越高，說明企業(yè)投資資金越寬裕，市場銀根越寬松;反之市場銀根就越緊縮。因此該指標與銀根松緊程度是正向關系。

以上所選取的五個指標均為全國性的時間序列數據，并未分省份統(tǒng)計，所以只能通過主成分分析法計算全國每年度整體的銀根松緊程度，而無法計算分省份的銀根松緊程度。

(二)用主成分分析法計算銀根松緊程度

首先，對這五個指標的統(tǒng)計特征進行分析，其中貨幣供給量指標采用Ln(M1)和Ln(M2)來衡量，企業(yè)資金狀況采用31個省份投資-現(xiàn)金流敏感度的中位數來衡量。

表1 2005-2007年衡量銀根松緊的五個指標的統(tǒng)計特征

接下來，采用主成分分析法將能夠整體代表這六個變量的第一主成分識別出來。這六個變量對應的載荷因子系數分別為 0.131、0.574、-0.006、-0.022、-0.807 和 -0.032，因子的符號與前面所預想的一致。主成分所對應的特征值和方差所占比例如下表:

表2 銀根松緊衡量指標主成分分析

表2顯示，第一主成分涵蓋了整個數據所有信息的88.9%，再加上第二主成分則累積涵蓋整個數據所有信息的99.7%，可見這兩個主成分基本上包含了六個變量所有的信息。

用通過主成分分析法得到的第一主成分即貸款基準利率代表銀根松緊程度，該指標值越大，表明銀根越緊縮;該指標值越小，則表明銀根越寬松。下圖是貸款基準利率表示的銀根松緊程度與全部銀行不良貸款率的散點圖:

圖1 銀根松緊程度-全部銀行不良貸款率散點圖

圖2 銀根松緊程度-主要商業(yè)銀行①本章所指主要商業(yè)銀行均包括國有商業(yè)銀行和股份制商業(yè)銀行兩類。不良貸款率散點圖

從圖1和圖2可以看出，銀根松緊程度與銀行不良貸款率之間可能存在比較明顯的正相關關系。

(三)銀根松緊程度與銀行不良貸款率的關系檢驗

為了進一步驗證銀根松緊程度分項指標與銀行不良貸款率的動態(tài)關系，對兩者進行時間序列回歸。樣本分為全體銀行樣本和主要商業(yè)銀行樣本兩種。分省份的全體銀行樣本數據是2003-2007年度數據，分省份的主要商業(yè)銀行樣本數據為2003-2006年度數據。

首先對所涉及的變量進行單位根檢驗，以檢驗每個變量是否為平穩(wěn)序列。

原假設和備選假設為:

接受原假設意味著時間序列存在單位根，滯后階數由AIC信息準則篩選確定。在檢驗各時間序列變量的長期趨勢時，采用p階向量自回歸的協(xié)整模型:

式中，Yt表示 n ×1 個 yt的向量組，n=31，由于滯后項的選擇會對協(xié)整分析和共同周期分析產生至關重要的影響，因此有必要先確定模型的滯后階數。這里采用多變量模型的AIC準則來確定滯后階數。

接下來采用Johnsen的多變量協(xié)整檢驗方法對時間序列進行協(xié)整檢驗。將向量自回歸模型寫成誤差修正模型進行Johnsen協(xié)整檢驗。

在表3中，Loan_0為全體銀行分月度的不良貸款率，Loan_1為主要商業(yè)銀行分月度的不良貸款率。括號中對應的是P-value。

由表3可知，所有序列在10%的顯著性水平上存在單位根的原假設都無法拒絕;而在一階差分后，所有變量在1%的顯著水平上可以拒絕非平穩(wěn)的原假設。因此，所有變量序列都是I(1)，即具有單位根。

表3 ADF單位根檢驗結果

為了考察非平穩(wěn)變量之間是否存在長期穩(wěn)定的關系，對不良貸款率與代表銀根松緊的各項指標進行協(xié)整檢驗。通常協(xié)整檢驗從對象上可以分為兩種:一種是基于回歸系數的協(xié)整檢驗，如Johansen協(xié)整檢驗;另一種是基于回歸殘差的協(xié)整檢驗，如 CRDW(Cointegration Regression Durbin-Watson)檢驗、DF檢驗和ADF檢驗。

首先進行ADF協(xié)整檢驗。先通過LS方法計算出以下兩組方程的殘差項:

Loanit=α1Loan_Interest+α2Reserve_Ratio+α3Growth_of_Loan+α4Ln(M2)+α5Inv_Cash+εit(2)

式中，i=1，2。當 i=1時，表示全體銀行樣本;當i=2時表示主要商業(yè)銀行樣本。

經檢驗發(fā)現(xiàn)，當i=1時，殘差項單位根檢驗的t統(tǒng)計量為-4.075，小于在1%顯著水平上的臨界值-3.633;當i=2時，殘差項單位根檢驗的t統(tǒng)計量為-3.977，也小于1%顯著水平上的臨界值。因此，可以認為這兩個回歸的殘差項都是平穩(wěn)的，即為I(0)，即認為原方程自變量與因變量之間是協(xié)整的。

接著采用Johansen協(xié)整檢驗。該檢驗是專門針對多個同階單整變量進行檢驗的。首先利用AIC信息準則來確立誤差修正模型(VEC)的最優(yōu)滯后階數為1，即在EViews里的VEC模型右側變量指定一階差分項的滯后項。這里選取的因變量為主要商業(yè)銀行不良貸款率，貨幣供給量選取M1，檢驗結果如下:

表4 Johansen協(xié)整檢驗結果

從表4中可以看到，跡檢驗和最大特征值檢驗表明5個變量之間分別存在至多2個或1個協(xié)整關系，即:有1個協(xié)整關系在5%的顯著性水平上同時通過了兩種檢驗方法，說明五個變量間構成的系統(tǒng)中存在一個長期均衡關系。因此得到標準化后的誤差修正模型:

D(Loan_1)=-0.568×［Loan_Interest(-1)-0.573×Reserve_Ratio(-1)+9.523×M2(-1)-0.694×Growth_of_Loan(-1)+0.459×Inv_Cash(-1)+0.352×Loan_1(-1)-114.4］-0.641×D［Loan_Interest(-1)］-0.312×D［Reserve_Ratio(-1)］-19.01×D［M2(-1)］-0.052×D［Growth_of_Loan(-1)］+1.350×D［Inv_Cash(-1)］-0.075×D［Loan_1(-1)］+0.128

跡檢驗和最大特征值檢驗都表明銀行不良貸款率和四個反應銀根松緊程度的變量之間存在協(xié)整關系。該關系的存在意味著它們以相同的概率趨勢隨機“移動”，因此具有長期同步的運動趨勢。這也間接說明反映宏觀經濟狀況的銀根松緊程度與銀行貸款質量之間在長期上具有變化的同步性。

之前，本文已經用主成分分析法得到能夠代表銀根松緊程度的變量，在此將其設定為x，將不良貸款率設定為y。由于這兩個變量都是非平穩(wěn)的時間序列，因此不能用OLS法簡單分析兩者之間的關系。這里采用Engle和Granger(1981)給出的兩步估計法來檢驗它們之間的關系。

第一步是求模型

第二步則是用建立誤差修正模型

再用OLS方法估計其參數。

第一步的回歸結果如表5:

表5 E.G.兩步估計法第一步的回歸結果

第二步是使用OLS方法分別估計模型

和

得到如下結果:

表6 E.G.兩步估計法第二步的回歸結果

將以上系數帶入兩個差分方程，得到

Δyt=0.695-0.115yt-1+0.056xt-1-0.131Δxt

即Δyt=0.695-0.115yt-1-0.131xt+0.187

和 Δyt=0.497 -0.283yt-1+0.126xt-1+0.104Δxt

即Δyt=0.497-0.283yt-1+0.104xt+0.022

上述結果表明，當期銀根松緊程度為1個單位①這里值為正表明處于銀根緊縮狀態(tài)，值為負表明處于銀根寬松狀態(tài)，單調遞增表明銀根由寬松狀態(tài)變?yōu)榫o縮狀態(tài)。時，會引起下一期全體銀行不良貸款率增加0.187個百分點，也會使下一期主要商業(yè)銀行不良貸款率增加0.022個百分點，這兩個數值分別在5%和1%的置信水平上顯著。

三、各省份銀行貸款質量變化的同步性分析

(一)同步性檢驗的原理說明

同步性檢驗一般運用在探測時間序列數據兩個變量之間是否存在同期相關性。本章中銀行貸款質量的同步性定義為各省份銀行不良貸款率在短期內有共同周期(common cycle)，在長期內有共同趨勢(common trend)?，F(xiàn)代計量經濟學提供了合適的工具探討長期的、動態(tài)的經濟波動。衡量同步性的方法有很多，其中常用的方法有三種:相關分析法、主成分分析法和共同趨勢與共同周期法。共同趨勢與共同周期法(common trend和common cycle theory)是研究經濟周期同步性的有效手段，本文采用該方法，通過建立時間序列的多變量誤差修正模型來分析各省份銀行貸款質量變化的同步性，即分析不同省份銀行不良貸款率是否受相同的外部變量的影響而共同發(fā)生變化。一般地，銀根松緊政策只能從全國宏觀層面影響銀行的貸款質量，如果各省份銀行貸款質量變化不存在同步性，那么銀根松緊政策對各省份銀行貸款質量所起的效果是不一樣的，從而使得政策在整體上也難以達到預期的目標。

共同趨勢法也應用協(xié)整方法來研究變量長期、持續(xù)的變動趨勢。共同周期法應用共同特征檢驗方法檢測時序變量之間是否存在共同線性相關，并把這種線性相關解釋為共同周期。Vahid等提出了檢驗共同周期和估計共同周期個數的統(tǒng)計方法。他們認為:如果一組被考察國家的國民產出水平時間序列之間存在著協(xié)整關系，那么它們的經濟周期在長期里擁有共同趨勢(common trend);如果它們國民產出水平時間序列的一階差分存在共同線性相關，那么它們的經濟周期在短期里也擁有共同周期(common cycle)，它們的經濟周期具有同步性。

本文選取2003-2006年全國31個省份全部銀行、政策性銀行、四大國有商業(yè)銀行和股份制商業(yè)銀行的不良貸款率進行同步性分析。

(二)全國及各省份銀行不良貸款率的波動特征

統(tǒng)計分析結果表明，2003-2006年，各省份全部銀行不良貸款率的波動幅度大小不一，其中波動幅度最大的是海南，其標準差為7.650，偏度為0.362;波動幅度最小的是浙江，其標準差為1.389，偏度為0.745。而全國全部銀行不良貸款率的標準差為4.157，偏度為0.286。

(三)各省份銀行不良貸款率的同步性分析

首先需要了解各省份銀行不良貸款率與全國銀行總體不良貸款率之間的相關性大小。如果相關性不大，則說明各省份的銀行體系與全國銀行整體之間沒有出現(xiàn)有效的聯(lián)系，通過宏觀政策或者施與外部沖擊，即使能改善全國銀行整體的不良貸款率，也難以同步影響各個省份銀行的不良貸款率。統(tǒng)計分析結果顯示，2003-2007年，在全部銀行樣本中，全國銀行總體不良貸款率與各省份銀行不良貸款率均呈高度正相關關系，除了新疆的相關系數相對較小外;在四大國有商業(yè)銀行樣本中，全國銀行總體不良貸款率與各省份銀行不良貸款率也均呈高度正相關關系，除了新疆的相關系數只有0.073外;在股份制商業(yè)銀行樣本中，全國銀行總體不良貸款率與各省份銀行不良貸款率也均呈高度正相關關系，除了河南、陜西和新疆的相關系數為負值外;在政策性商業(yè)銀行樣本中，全國銀行總體不良貸款率與各省份銀行不良貸款率的相關性普遍沒有其他三個樣本對應的水平高。對相關系數r進行顯著性檢驗:自由度為4-2=2，置信水平為10%的相關系數統(tǒng)計量的臨界值為0.9，而置信水平為5%的相關系數統(tǒng)計量的臨界值為0.95，在全部銀行樣本中，有26個省的 r值大于0.95的臨界值，比例達到83.9%，這說明絕大多數省份銀行不良貸款率的變動與全國銀行總體不良貸款率的變動具有明顯的同步性，也說明各省份銀行貸款質量的變化趨勢在相當程度上是相似的。

然后對31個省份的銀行不良貸款率進行單位根檢驗，目的在于檢驗各省份銀行不良貸款率是否在同一階上處于平穩(wěn)狀態(tài)。本文選取了2003-2007年各省份全部銀行的不良貸款率數據。首先對每個省份不良貸款率的時間序列數據進行單位根檢驗。檢驗結果表明，北京、天津、上海、江蘇、浙江、福建、山東、廣東、重慶、貴州、云南和西藏這12個省份在5%的顯著性水平上存在單位根的原假設可以拒絕，所占比例為38.7%;而一階差分后，有天津、吉林、黑龍江、上海、浙江、安徽、福建、湖南和重慶這9個省份在5%的顯著性水平上存在單位根的原假設可以拒絕，所占比例為29.0%。有些時間序列在0階和1階差分以后都可以拒絕原假設，也就是說，在這兩種情況下都可以被認為是平穩(wěn)序列。

由于數據量有限，因此如果做Johansen檢驗，就會出現(xiàn)因數據量不足而導致的退化現(xiàn)象，故不對各省份不良貸款率進行協(xié)整檢驗、共同趨勢檢驗和共同周期檢驗。但從相關系數和單位根檢驗結果來看，可以認為31個省份銀行不良貸款率的變化在總體上具有同步性，宏觀政策通過調節(jié)銀根松緊程度可以對各省份銀行的不良貸款率產生較為一致的影響。

四、各省份銀行貸款質量對銀根松緊程度的敏感度分析

由于分省份數據是以年度為單位，因此數據量較之前面整體回歸的分月數據要小，所以這里不再采用主成份分析法來選取能夠最大限度涵蓋所有樣本數據信息的主成份作為銀根松緊程度的代理變量，而是選取最能代表銀根松緊程度的貨幣供給量M2的年度數據作為衡量銀根松緊程度的代理變量。由于貨幣供給量M2的年度數據是非平穩(wěn)的時序數據，但它在I(1)平穩(wěn)，所以仍然采用E.G.兩步估計法來測算全國銀根松緊程度與各省份銀行不良貸款率之間的變化關系，即對兩者進行敏感度分析，數據區(qū)間為2003-2007年度。被解釋變量采用當地全體銀行的不良貸款率，即Loan_0，回歸結果如下:

表7 E.G.兩步估計法第一步的回歸結果

備注:()內為 T 統(tǒng)計量，* 、＊＊、＊＊＊分別表示在 10%、5% 、1% 水平上顯著。

第二步是對涉及的差分回歸方程中的α0、α1和β0進行估計，以便計算最終回歸方程Δyt=α0+α1(yt-1-k1xt-1)+ β0Δxt中的系數，k1為協(xié)整系數，α1為調整系數，回歸結果如下:

表8最后一列變量的經濟意義是指上一期貨幣供給量在各個省份所導致的下一期銀行不良貸款率的變動值，β0則表示變動一個單位的貨幣供給量所造成的銀行不良貸款率的變化情況。從回歸結果來看，除了內蒙古、黑龍江、四川和新疆之外，其他所有省份的貨幣供給量與銀行不良貸款率之間都存在負相關關系。即:當銀根放松、貨幣供給增加時，下一期的銀行不良貸款率就會降低。在同等規(guī)模的貨幣供給沖擊下，銀行不良貸款率對銀根松緊程度的敏感度排名前三的依次是海南、重慶和寧夏，即當貨幣供給量的當期規(guī)模同為10000億元時，這三個省份的下一期銀行不良貸款率將分別減少9.01%、1.45%和1.34%;而在同等規(guī)模的貨幣供給沖擊下，銀行不良貸款率對銀根松緊程度最不敏感的三個省份依次為內蒙古、河南和四川，即當貨幣供給量的當期規(guī)模同為10000億元時，這三個省份的下一期銀行不良貸款率將分別變化+0.04%、-0.058%和+0.082%。

表8 E.G.兩步估計法第二步的回歸結果

五、研究結論及政策建議

本文主要從分省份的中觀層面，對國家宏觀調控重要手段銀根松緊政策與銀行貸款質量的相互關系、各省份銀行貸款質量變化的同步性以及各省份銀行貸款質量對銀根松緊程度的敏感度進行實證分析。主要研究結論是:第一，當期緊縮的銀根會引致下一期銀行整體不良貸款率的顯著上升，反之當期寬松的銀根則會引致下一期銀行整體不良貸款率的顯著下降。第二，31個省份銀行不良貸款率的變化在總體上具有同步性，宏觀政策通過調節(jié)銀根松緊程度可以對各省份銀行的不良貸款率產生較為一致的影響。第三，在31個省份中，除了內蒙古、黑龍江、四川和新疆外，有27個省份的貨幣供給量與銀行不良貸款率之間存在負相關關系，即某省份當期較為寬松的銀根即較為充裕的貨幣供給量會造成下一期該省份銀行不良貸款率的下降;在同等規(guī)模的貨幣供給沖擊下，各省份銀行不良貸款率對銀根松緊程度的敏感度不相同，排名前三的依次是海南、重慶和寧夏，排名最后三名的依次是內蒙古、河南和四川。

本文的政策建議是:決策層在制定和實施銀根松緊政策時，需要兼顧銀行貸款質量的穩(wěn)定性，因為當期銀根的寬松程度會顯著地導致下一期銀行整體信貸質量的同方向變化;同時需要考慮銀根松緊政策對各省份銀行貸款質量影響的不同，因為各省份銀行信貸質量對銀根松緊政策的敏感度不相同。為此，需要保持貨幣政策的穩(wěn)定性和連續(xù)性，同時貨幣政策要因區(qū)域不同而有所區(qū)別?；谖覈膶嶋H情況，貨幣政策的具體建議是:一是要綜合運用各種數量型和價格型貨幣政策工具，加強總量和結構調控，實現(xiàn)M1、M2和信貸規(guī)模等貨幣信貸指標的適度增長。二是要繼續(xù)推進利率尤其是存貸款利率的市場化改革，健全由市場供求決定的利率形成機制，進一步培育市場基準利率體系，完善利率期限結構。三是要根據國內外經濟金融形勢和我國國際收支狀況，進一步推進人民幣匯率形成機制改革，增強人民幣匯率彈性，最終實現(xiàn)人民幣自由浮動，使人民幣成為國際貨幣。四是要鼓勵金融產品、金融工具和金融制度創(chuàng)新，發(fā)展金融衍生產品，大力發(fā)展機構投資者，努力擴大直接融資渠道，加強金融市場的法律、技術等基礎設施建設。五是要實行區(qū)域差別的貨幣信貸政策，同時加強政策引導和“窗口指導”，引導金融機構更好地貫徹國家宏觀經濟、產業(yè)和區(qū)域發(fā)展政策。

［1］Ben S Bernanke.Nonmonetary Effects of the Financial Crisis in the Propagation of the Great Depression.American Economic Review［J］，1983，73:257-276.

［2］劉延梅.影響商業(yè)銀行貸款質量的內部控制缺陷及成因分析［J］.沿海企業(yè)與科技，2007，(1):133-135.

［3］張 君.論改進我國商業(yè)銀行信貸風險管理——-以國外先進經驗為視角［J］.財經論壇，2007，(11):376-377.

［4］崔向陽.對國有商業(yè)銀行不良貸款的統(tǒng)計分析［J］.經濟問題探索，2004，(11):113-115.

［5］劉瀾飆，王 博.國有商業(yè)銀行不良貸款處置遲緩現(xiàn)象分析［J］.金融研究，2006，(3):23-30.

［6］周忠明.不良貸款與經濟增長關系分析［J］.銀行業(yè)監(jiān)督，2005，(6):45-46.

［7］姜 燁.金融支持、不良貸款與內生金融產權［J］.財經研究，2004，(8):18-27.

［8］李思慧，顏向農.商業(yè)銀行不良貸款與宏觀經濟因素相關性實證分析［J］.銀行分析，2007，(8):45-46.