我國商業銀行不良貸款率影響因素研究*

崔苧心 李子聯

(江蘇師范大學商學院 江蘇 徐州 221116)

我國商業銀行不良貸款率影響因素研究*

崔苧心 李子聯

(江蘇師范大學商學院 江蘇 徐州 221116)

經濟周期的波動會對不良貸款率的變化造成影響，除此之外，銀行自身的特點也會對其造成較大影響?；诖?，運用固定效應面板模型，以2010—2015年我國14家上市銀行所組成的面板數據為樣本，研究我國商業銀行不良貸款率的影響因素，研究結果如下：首先，我國股份制商業銀行對不良貸款率的調控相對國有商業銀行來說較好；其次，從宏觀角度來看，我國上市銀行不良貸款率易受經濟周期波動的影響，隨著GDP增長率的增加以及貨幣供給增長率的增加，上市銀行不良貸款率會隨之減少；最后，從銀行自身角度來看，貸存比和不良貸款撥備覆蓋率的提高均可以在一定程度上降低不良貸款率水平。

不良貸款率；上市銀行；面板模型

一、文獻綜述

隨著利率市場化的推進，我國經濟增速逐漸放緩，加之互聯網金融的沖擊，我國上市銀行的盈利能力有所下降，不僅如此，商業銀行的不良貸款率問題也越發嚴峻。不良貸款率是衡量上市銀行核心競爭力與經營風險的關鍵指標，而上市銀行又是我國銀行系統中的重要組成成分。在我國進入中高速發展的“新常態”狀態下，對我國上市銀行不良貸款率的影響因素進行深入研究，并積累特殊制度背景下我國商業銀行的發展經驗，這不僅在理論上具有重要價值，同時，對于各銀行內部應對由于存貸利差縮小、經濟增長放緩等導致的不良貸款問題以及相關監管部門調整各種監管指標有重要的借鑒作用，因而也具有重要的現實意義。

就宏觀經濟因素對不良貸款率的影響來看，大量國內外文獻都曾指出商業銀行的不良貸款率與宏觀經濟因素的變動有關。其中很多文獻都得出了幾乎一致的結論，即不良貸款率與GDP的增長率呈負相關的關系。如李麟和索彥峰(2009)、[1]岳蓓蓓和鄭循剛(2011)[2]通過建立VAR模型，運用脈沖響應函數和方差分解等計量手段分析了經濟增長對商業銀行不良貸款率的影響，得出了經濟增長對不良貸款率的下降趨勢有明顯影響的結論；Salas和Suarina(2002)、[3]Rajan和Dhal(2003)[4]及Jimenez和Saurina(2005)[5]都曾在文中得出商業銀行不良貸款率與GDP增長呈負相關關系的結論。除了GDP以外，還有很多學者研究了其他宏觀經濟指標對于銀行不良貸款率的影響，但其側重點各不相同。如萬正曉和鄭志堯(2014)[6]運用2005～2012年中國外資銀行不良貸款率的數據進行研究發現，中國外資銀行的信用風險水平較低，其不良貸款率與PPI增長率和M2增長率無關，而主要與失業率、CPI增長率以及GDP增長率有顯著的相關關系；劉妍(2014)[7]研究得出：不良貨款率同CPI、PPI、國內貨款的房地產投資額、國內出口總額以及一年期貨款利率呈正相關，而與城鎮居民人均收入、國內生產總值、社會消費品零售總額、房屋銷售面積呈負相關；董俊杰(2014)[8]從宏觀和微觀兩個方面來研究影響企業不良貸款規模的各種因素。研究發現：小微貸款的規模、國民生產總值增長率、居民消費價格指數等都與小微企業不良貸款規模有著顯著關系。其中不少學者在研究中都涉及廣義貨幣供給量的變動與不良貸款率的關系，如Christopher和Bamidele(2009)[9]發現廣義貨幣供給量增加時，銀行往往選擇減少放貸，宏觀經濟的變動對銀行的貸款總量、投向和結構產生不同程度的影響；陳璐(2010)[10]也詳細分析了貨幣供應量(廣義M2)對不良貸款的影響，發現：貨幣供給量與不良貸款率呈負相關關系，即可以通過發展經濟、改善商業銀行的外部環境條件等措施來提高對商業銀行不良貸款的管理效率。

就銀行具體因素對不良貸款率的影響來看，不少學者指出銀行不良貸款率的波動與銀行本身的效率有關。如Keeton和Morris(1987)[11]主要用貸款與存貸款之和的比例來衡量銀行的風險偏好，結果發現風險偏好與銀行的貸款損失成正比；Sinkey和Greenwalt(1991)[12]的文章中也有相似的結論；馬振國(2015)、[13]索有(2015)[14]都運用面板模型的計量手段得出，除了宏觀經濟因素的影響，像資本充足率水平、銀行效率等銀行自身因素也都會對商業銀行的不良貸款率造成影響；郭婧洲(2010)、[15]高峰(2013)[16]和劉穎(2013)[17]在分析中都得到了相似的結論，但其視角各不相同。郭婧洲(2010)[18]主要從銀行內部自身經營管理的角度出發，高峰從美國次貸危機的角度出發，而劉穎從借款企業的角度分析內部因素對不良貸款率的影響。他們都指出了政府對我國商業銀行的行政干預較大，銀行的治理也主要依靠制度并且政府把國有商業銀行當做經濟調控的主要對象，這都造成了銀行業的低效率，著重強調了銀行內部強化資本約束機制、提高資本運作效率等內因的重要性。楊盛昌(2012)主要從撥備覆蓋率的視角看中國商業銀行的信用風險監管，提出了動態調整的撥備充足制度理念，這對于商業銀行加強對不良貸款率的監管有重要意義。

國內外的專家學者在不良貸款率這方面的研究已經取得顯著的成果，這對于我們進一步的研究有十分重要的借鑒意義，綜合上述的文獻可以得出：首先，我國現有文獻大多把重點放在政策性不良貸款上，將我國不良貸款產生的原因簡單地歸納為經濟轉型時期所特有的改革不徹底和制度缺陷問題，以及政府、企業和銀行三者綜合作用的結果。并且，大多數的研究視角側重在考察宏觀經濟對不良貸款的影響，而忽視了銀行的角度，更忽視了銀行這個經營個體自身的經營管理行為對控制不良貸款的形成起到關鍵作用；其次，與國外的研究相比，國內更多的是從理論層面研究商業銀行不良資產的形成原因。盡管面板數據模型在國外的應用已較為成熟，但在國內將其用于對不良貸款的研究卻較為少見。針對以上研究現狀，我們的研究將從以下幾方面進行可能的創新：從理論的角度，我們主要從宏觀經濟和銀行自身行為這兩個視角入手，全面分析我國商業銀行不良貸款的各種影響因素，并著重分析當前經濟背景，尤其考慮利率市場化加速，制造業產業、房地產市場以及國際貿易都處在低迷的狀態下，商業銀行不良貸款的變動趨勢；從技術的角度，主要運用2010—2015的最新數據建立固定效應面板模型來有效的估計模型的參數，這能夠更加全面的包含14家上市銀行的數據，更加形象地橫向比較同時期上市銀行間不良貸款率的情況。

二、商業銀行不良貸款率影響因素的理論分析：幾個有待驗證的命題

(一)外部因素成因論

金融脆弱性假說認為：金融體系的脆弱性與宏觀經濟的周期有關，這主要是由于商業銀行及其相關貸款人的內在特性。過度負債而產生債務危機使得他們不得不經歷周期性危機和破產浪潮，經濟危機因此產生。Minsky(1963)[19]和Kregel(1997)[20]分別從企業和銀行兩個角度說明了金融內在的脆弱性。其中，Minsky(1963)最早對金融脆弱性進行了系統性的分析，指出金融脆弱性的內在根源來源于周期性的宏觀經濟波動。在新周期的初期階段，絕大多數企業處于經營狀況良好的狀態，預期收入可以覆蓋現有借款。隨著經濟進一步繁榮，市場更加活躍，企業有著較好的預期就會擴大借款，此時風險較高的貸款在商業銀行貸款結構中出現。然而，一旦經濟回落金融脆弱性就會顯現出來，不良貸款也隨之爆發。為了進一步解釋金融內在脆弱性。Kregel(1997)從銀行角度引入了“安全邊界”這個概念，更好地解釋了Minsky的金融內在脆弱性理論。他指出，在經濟形勢利好時，商業銀行擴大貸款的發放。一旦經濟下滑，就會加劇了不良貸款的產生。基于銀行的親周期性，即良好的宏觀經濟可以使銀行獲得較高的利潤，此時銀行業績較好而不良貸款率較低，我們提出假說：

假說1：GDP的增長與不良貸款率呈負相關關系。

除了GDP以外，不良貸款率的變動也會受其他宏觀經濟因素的影響。我們認為，貨幣供給增長率能夠體現貨幣政策的方向，是數量型工具也是首要的貨幣政策中介指標。貨幣供給決策問題就是為了實現一定的宏觀經濟目標，決定貨幣供給量增長速度的問題。當宏觀經濟形式波動較為劇烈時，政府會及時推出貨幣政策、財政政策等來進行宏觀調控，熨平經濟。貨幣政策會對不良貸款率造成如下影響：當經濟處于低迷狀態，央行會采用擴張性的貨幣政策來刺激經濟運行，此時銀行降低貸款準入規則，使得一些盈利相對低的項目獲得貸款，從而改善企業的財務狀況，這能夠降低當期的不良貸款水平。但是，在這種情況下，信貸數量的高速增長大大降低了貸款質量，也造成了大量的潛在風險。當經濟出現過熱的情況，央行一旦采取緊縮性的貨幣政策手段時，大量的不良貸款就會暴露出來。基于此，我們提出假說：

假說2：貨幣供給增長率(M2)與不良貸款率呈負相關關系

(二)銀行內部因素成因論

John H.Wood于上個世紀70年代提出了貸款客戶關系理論。該理論認為：商業銀行為了追求最大利潤，保證貸款的長期穩定需求，傾向于通過降低貸款利率來維持與客戶的穩定關系。這種情況下，貸款質量和銀行收益都會降低，銀行的不良貸款風險也隨之增加；1986年Eaton、Gersovitz和Stiglitz提出了貸款競爭模型。[21]該模型的核心內容是：銀行在貸款市場開展競爭時會通過降低自己的利潤空間以獲取更多貸款，最后甚至導致利潤為零。隨著銀行的獲利空間降低，其抵御風險的能力也就降低了；貸款勉強理論首先由Gwyne提出，后來Eaton，Taylor和Kindleberger等人對其做了進一步研究使其逐漸完善起來。該理論的核心內容是：當利率水平給定后，銀行向借款人提供的貸款過多超過了其意愿需求時，這會使貸款的質量降低。這主要因為銀行經理以升遷為目的而盲目地將貸款量擴大到其安全的范圍之外，產生不良貸款的隱患。我們知道，貸款的盲目擴大以及貸款質量的降低會造成不良貸款率增加。基于此，我們提出假說：

假說3：貸存比與不良貸款率呈正相關關系。

楊盛昌(2012)指出不良貸款撥備覆蓋率實際上指的是商業銀行運營過程中可能產生的各種不良貸款準備金的比率，是銀監會衡量商業銀行信用風險的重要指標。該指標反映的主要是商業銀行抵御風險的能力以及彌補貸款損失的能力，不良貸款撥備覆蓋率不能太低也不能太高，最佳的撥備覆蓋率是100%。撥備覆蓋率過高，意味著銀行的損失準備金多余，這會使其利潤下降，即銀行對風險的控制不夠好，該變量在以往的文獻中很少被使用。在一般情況下，較高的撥備覆蓋率往往意味著較差的風險控制，這種情況下會產生較高的不良貸款率?；诖?，我們提出假說：

假說4：不良貸款撥備覆蓋率與不良貸款率呈正相關關系。

三、變量設置與數據描述

實證分析部分的研究對象主要是我國上市的商業銀行。我國現階段共有16家上市銀行，其中由于深發展和浦發銀行上市時間較晚，其數據不夠全面，將這兩家銀行去除。我們以2010—2015年的年度與半年度數據為樣本，共計700個觀測數據。具體來說，以我國14家上市銀行的不良貸款率為被解釋變量1，以貸存比、撥備覆蓋率、廣義貨幣(M2)供給增長率和GDP增長率為解釋變量構建面板數據模型來分析其變動對不良貸款率的影響機理。這里，廣義貨幣供給量(M2)數據來源于中國人民銀行官網；GDP數據來源于中國統計局官網；其他數據均來自14家銀行年報和半年報。相關變量表示如下表1所示：

在建立面板模型分析之前，對14家上市銀行2010—2015年的不良貸款率數據進行描述性統計分析。美國的次貸危機給各國帶來了不小的沖擊，我國采取各種刺激政策進行適時適度的干預，使得我國經濟在“新常態”的穩定狀態下持續發展。然而，伴隨著利率市場化的加速、房地產市場以及國際貿易的沖擊，我國銀行業不良貸款率有所回升。其具體數據如下表2所示：

表1 模型中使用的變量與其表示符號

表2 各年度上市銀行不良貸款率(%)的描述性統計

由上表2可知，從2010年到2012年我國上市銀行的不良貸款率呈下降趨勢，其平均值從0.9778%下降至0.7721%。我們知道2011年國有商業銀行不良貸款率和不良貸款余額保持“雙降”，這主要是因為國家采取措施對國有商業銀行不良資產進行處置，單單從數據來看有較為明顯的效果。但也體現了較強的主導性，依靠政府的干預并不是商業銀行發展的正常趨勢。隨著我國金融體系的進一步放開，想要化解不良資產更加需要依靠金融市場。數據下降的背后還有部分原因是受到經濟刺激的影響，雖然銀行貸款基數的增長能夠在一定程度上降低不良貸款率水平但這并不是真正意義上的下降。然而從2012年年末的數據來看，不良貸款率有回升趨勢，到2015年上半年我國上市銀行不良貸款率水平從2012年上半年的0.7721%上升至1.25%。一方面，這主要是因為上市銀行受到了經濟增長速度放緩的沖擊加之房地產行業不景氣以及國際貿易額下降等種種不利因素；另一方面，銀行貸款逐步退出了“兩高一剩”，這一產業過程可能在短期內會帶來對不良貸款的預判。此外，不良貸款率的標準差從2010年的0.5004%到2014年末下降到了0.1735%，這在一定程度上說明了我國上市銀行的資產質量抵御系統性風險的能力有所降低。

進一步橫向來分析我國上市銀行間的不良貸款率情況。五大國有控股商業銀行的不良貸款率的均值都在1%之上，略高于股份制商業銀行。除均值外，從最值和中位數的數據來看，民生銀行(CMBC)；興業銀行(CIB)；中信銀行(CITIC)；光大銀行(CEB)；招商銀行(CMB)。國有商業銀行的不良貸款率均在股份制商業銀行之上。其中，中國農業銀行的不良貸款率最高，其均值為1.593%。而北京銀行的不良貸款率水平最低，其均值只有0.574%。在2010到2015年期間內，我國具體14家上市商業銀行的描述性統計數據如下表3所示：

表3 各銀行間不良貸款率(%)的描述性統計

在我國，長期以來大型商業銀行有著國家背景，出于對國家的信任，大多數人和企業會將資金聚集于此，因此不良貸款也都聚集在大型商業銀行。大型商業銀行的產權結構主體也較為單一且其承擔較多的政策性業務，有著較為沉重的歷史包袱，這也導致了大量不良資產的出現。一直以來，國有銀行有著較嚴重的“重貸輕管”的現象，對風險的管理較弱。而股份制商業銀行的產權主體多元化，能在某種程度上抵擋政府的干預。在長期的商業化經營管理過程中，股份制銀行已經積累了大量防范和化解不良貸款的經驗并形成了獨立高效的經營管理體系，能夠從貸款發放的各個環節控制不良貸款的發生。但是，大型商業銀行一般有著較為充足的資金優勢能夠妥善處理不良貸款的負面影響；而股份制商業銀行主要憑借其多樣性化的經營手段獲取利潤，也有良好的對策應對不連良貸款的的發生。

四、商業銀行不良貸款率的面板模型估計與解讀

在應用面板數據分析前，為避免“偽回歸”現象對已有數據進行單位根檢驗以確保數據的可靠和平穩性。我們采用LLC檢驗、Fisher-ADF這兩種檢驗方法。結果為LNNPL，DA，NPLC，RGDP，RM2都為水平平穩，可用于模型估計。模型單位根檢驗結果見下表4：

表4 面板數據單位根檢驗結果

注：括號內為統計量的P值。

首先，在確定面板數據模型應采用混合效應模型還是固定效應模型時，這里采用了固定效應下的F檢驗，由下表5的輸出結果可以看出適合選用固定效應模型。在確定面板數據模型應采用固定效應模型還是隨機效應模型時，采用Hausman檢驗方法，所得檢驗P值為1，說明其隨機誤差項是不正確的，即所得的結論是不適用于隨機效應模型。最終確定的是建立固定效應變截距模型，并對固定效應模型采取截面加權最小二乘法進行估計。

表5 固定效應下的Wald-F檢驗

注：***表示統計量在1%的顯著性水平下拒絕原假設。

為避免不同銀行的截面異方差性，對固定效應模型采取截面加權最小二乘法進行估計，截面加權回歸后得到模型中各銀行的固定效應值見下表6：

表6 各銀行固定效應值

由表6可知，工商銀行、南京銀行、北京銀行、寧波銀行、興業銀行、中信銀行和招商銀行的固定效應系數明顯為負數，而剩余7家上市商業銀行均為正數，并且以農業銀行效應最大。工商銀行、南京銀行、北京銀行、寧波銀行、興業銀行、中信銀行和招商銀行這7家大多為股份制商業銀行，他們對不良貸款率的貢獻較低，相對來說能較好的控制不良貸款情況，而國有控股商業銀行對不良貸款率的控制較弱。這與描述性統計結果相一致，國有商業銀行在我國經濟體系中處于特殊地位，不僅要在經濟體制逐漸完善的過程中滿足對金融的支持，也要增進自身的效率，這與一般商業銀行大不相同。隨著經濟體制的改革，國有控股銀行由國家完全控制逐漸改為自主經營，在這一轉變過程中，由于粗放的經營模式會產生大量的不良資產。但隨著上市和進一步的發展，國有銀行對不良貸款率的控制能力在逐漸增強的過程中。

進一步分析商業銀行不良貸款率的影響因素，固定效應模型的估計結果如下表7所示：

表7 固定效應模型下的回歸結果

表7說明各假設變量均通過了顯著性檢驗，并且模型擬合較好(R2=83.42%)，模型也通過了F檢驗，同時DW=1.3272，說明不存在序列相關。各變量的P值都小于0.05，說明估計結果是顯著的。由上表7可知，在各解釋變量中，其系數的估計值都為負，這說明所選的解釋變量的上升都會導致不良貸款率的下降；相反，解釋變量的下降會抑制不良貸款率的下降。其中，影響最顯著的是RM2，即貨幣供給量的增長率，回歸結果表明，貨幣供給量每增加1%，對應的不良貸款率的對數值將下降0.0193%；其次，貸存比、撥備覆蓋率和GDP增長率這三個變量每增加1%，對應的不良貸款率對數值分別會下降0.0123%，0.0024%和0.0077%。

首先從宏觀角度來看，RGDP和RM2都在1%水平上顯著影響LNNPL且呈負相關關系，這說了明經濟增長階段不良貸款率趨于下降的事實。由回歸結果可以看出，我國經濟還處于不斷增長階段，銀行和市場有著較為樂觀的前景，銀行在增大放款的同時企業也在增大借款。此時企業的盈利能力相對較好，違約的概率也較小，各銀行的不良貸款率能夠不同程度的下降。這與索有(2015)的結論相似，在經濟擴張時期，借款人的資金往往較為充足可以支付他們的債務，因此銀行的不良貸款可以維持在一個較低水平。這與假說1相符合。此外，雖然我國貨幣供給量的增速有所放緩，但依然是增加的狀態，市場上的資金較為充裕。銀行的貸款利率在這種狀態下則會有所下降，企業成本也會減低且經濟效益轉好，這樣企業能夠及時償還所欠銀行的貸款并支付利息，從而違約的概率大大降低，銀行的不良貸款率也就降低。即貨幣供應量RM2與不良貸款率負相關。這與假設2相符。

其次從銀行內部特征來看，DA和 NPLC都在1%水平上顯著影響LNNPL且呈負相關關系，其結果與假設不同。從我國當前角度來看，貸存比是指在資產負債表中，一家商業銀行貸款總額與存款總額的比例，又稱存貸比，是法定監管的重要指標。2015年6月之前，《商業銀行法》規定貸款余額與存款余額比例不得超過75%。雖然過高的貸存比有可能增大銀行風險，帶來不良貸款的隱患。但在監管范圍內，從銀行盈利的角度講，存貸比越高銀行的盈利能力就越好，存貸比的高低意味著銀行經營能力的高低。在一定范圍內，銀行相對地提高存貸比，就會擁有更好的績效，可以降低銀行的不良貸款率。2015年6月24日，國務院通過商業銀行法修正案，刪除貸存比規定，將存貸比由法定監管指標轉為流動性監測指標，這一更改可能會改變貸存比對不良貸款率的影響。從下圖1可以更直觀地看出，股份制商業銀行的貸存比均值基本保持在1.4以上處于較高水平，其中以農業銀行的表現最為顯著，近幾年農行的不良貸款率最早其均值達到1.6%而其貸存比例也相對較低，均值在55%的水平?；旧戏腺J存比與不良貸款率呈負相關的關系。此外，我國在《股份制商業銀行風險評級體系》中提出撥備覆蓋率這個指標，在監管過程中該指標逐漸成為衡量商業銀行風險的硬性指標。與貸存比類似，過高的撥備覆蓋率會造成資金的浪費，但在一定的監管范圍內，較高的撥備覆蓋率代表著銀行有較強的補償貸款損失的能力。較為充足的貸款損失準備計提使銀行更加從容的應對信用風險。從下圖2可以看出，前5家為國有商業銀行，其撥備覆蓋率明顯低于后面的股份制商業銀行。其中，北京銀行的撥備覆蓋率最高而其不良貸款率最低，基本上說明了撥備覆蓋率與不良貸款率呈負相關關系。

圖1 上市銀行貸存比和不良貸款率比較圖

圖2 上市銀行撥備覆蓋率和不良貸款率比較圖

五、結論與啟示

我們以2010—2015年我國14家上市銀行的半年度、年度數據為依據，從宏觀和微觀角度分析了不同因素對我國上市銀行不良貸款水平的影響，研究結論如下：首先，我國股份制商業銀行對不良貸款率的調控相對優于國有商業銀行。其次，我國上市銀行不良貸款顯著地受經濟周期波動的影響，隨著GDP增長率的增加以及貨幣供給增長率的增加，銀行不良貸款水平會隨之下降。最后，從銀行自身角度來看，貸存比和不良貸款撥備覆蓋率的提高均可以降低不良貸款率水平。基于此，我們得到如下啟示：

第一，從宏觀角度來看，由于信貸質量會受到經濟波動以及貨幣政策的影響。一方面，央行要對經濟形勢作出系統性和前瞻性的預判。在經濟衰退時，利用擴張性的貨幣政策給企業創造穩回升的條件。但僅僅依靠政府的調節會積累大量的潛在風險，在經濟復蘇中埋下隱患。因此，從另一方面來看，在利率市場化的情況下政府更應加強監管、完善市場的功能并逐漸退出干預。銀行通過提高其整體的控制管理能力來應對經濟形勢的變化，降低其不良貸款率，以防止銀行風險的發生。

第二，從銀行自身角度來看，商業銀行憑借較高的利息差異創造收益的時代已不再存在。創造收益是每家商業銀行的根本目的，然而在增加收益的同時，銀行也要通過提高其整體的經營能力來控制不良貸款率。首先，就提高貸存比來說，銀行一般都會盡量擴大貸款規模來提高經營利潤，而商業銀行的經營不能只顧眼前利益而忽視了對長遠發展的考慮，這就要求銀行要慎重對待貸款發放審核的環節，在發放貸款之前加強對貸款方營業能力經營環境的調查，充分揭露貸款項目的潛在風險，并提前采取措施應對可能發生的風險，從而降低商業銀行未來不良貸款的發生；其次，從提高撥備覆蓋率來說，作為對商業銀行監管的重要指標，它能揭示出信用風險的“量”。在當前經濟處于下行階段，由于不良貸款率的持續增加，撥備覆蓋率會有下降趨勢，監管壓力加大。適度下調撥備覆蓋率有利于逆周期撥備覆蓋率調節機制的建立，也利于商業銀行在經濟下行周期實現利潤與風險的平衡，這使商業銀行信貸空間擴大，增強對實體經濟的支持力度。同時，與國際市場相比我國不良貸款率水平較低，因此不存在監管要求寬松的問題。

第三，由上面的實證分析我們知道，在不良貸款率這個指標上，國有商業銀行體系要高于股份制商業銀行體系。我國國有商業銀行自身有著較差的抗風險性，而對政府有著較強的依賴性。對于國有商業銀行，要建立科學的決策體系來剝離政策性業務，剝離不良貸款。此外，我國有商業銀行需要進一步完善內部控制、優化資產結構，在此基礎上嚴格管理貸款的相關程序，大力追究造成不良貸款的責任人，最終建成內控嚴密，服務和效益良好的現代金融企業。

[1]李麟，索彥峰. 經濟波動、不良貸款與銀行業系統性風險[J]. 國際金融研究，2009，(6).

[2]岳蓓蓓，鄭循剛. 經濟增長與商業銀行不良貸款率波動的VAR模型分析[J]. 金融與經濟，2011，(1).

[3]Salas，V.，Jesus Saurin，Credit Risk in Two Institutional Regimes: Spanish Commercial and Savings Banks[J]. Journal of Financial Services Research，2002，(3).

[4]Rajan，R.，Sarat C. Dhal，Non-performing Loans and Terms of Credit of Public Sector Banks in India: An Empirical Assessment[J]. Occasional Papers，2003，(3).

[5]Jimenez，G.，Saurina，J.，Credit cycles, credit risk, and prudential Regulation[J]. Banco de Espana，2005，(1).

[6]萬正曉，鄭志堯. 關于中國外資銀行信用風險影響因素的實證研究[J]. 中國商論，2014，(5).

[7]劉妍. 我國商業銀行不良貸款成因及相關因素分析[J]. 系統工程，2014，(5).

[8]董俊杰. 小微企業不良貸款規模的影響因素分析[J]. 金融發展研究，2014，(4).

[9]Somoye，R.O.，Christopher，The impact of macroeconomic instability on the banking sector lending behavior in Nigeria[J]. Journal of Money，2009，(10).

[10]陳璐. 我國商業銀行不良貸款影響因素及管理策略研究[D]. 南京理工大學，2010.

[11]Keeton，W.R.，Morris，C.S.，Why do banks’

loan losses differ?[J]. Economic Review，1987.

[12]Sinkey，J.F.，Greenawalt，M.B.，Loan-Loss Experience and Risk-Taking Behavior at Large Commercial Banks[J]. Journal of Financial Services Research，1991，(1).

[13]馬振國. 新經濟形勢下我國商業銀行不良貸款的影響因素研究[D]. 吉林大學，2015.

[14]索有. 我國上市銀行不良貸款影響因素研究——基于動態面板數據模型[J]. 社會科學輯刊，2015，(2).

[15]郭婧洲. 淺析我國國有商業銀行不良資產形成的原因與對策[J]. 統計研究，2010，(8).

[16]高峰. 我國商業銀行不良貸款的管理研究[J]. 中國商貿，2013，(3).

[17]劉穎. 銀行不良貸款影響因素的實證分析—以某銀行市級分行為例[D]. 浙江大學，2013.

[18]楊盛昌. 從撥備覆蓋率看中國商業銀行的信用風險監管[J]. 經濟問題探，2012，(1).

[19]Minsky，H.P.，Longer Waves in Financial Relations:Financial Factors in the More Severe Depressions[J]. Journal of Economic Issues，1995.

[20]Kregel，J.A.，Margins of Safety and Weight of the Argument in Generating Fragility[J]. Journal of Economic Issues，1997，(2).

[21]Stigliz，J.，Weiss，A.，Credit Rationing in Markets with imperfect information[J]．American Economic Review，1981，(3).

(責任編輯：輝 龍)

2016-04-16

崔苧心(1993-)，女，江蘇徐州人，江蘇師范大學商學院碩士研究生，主要從事貨幣金融理論與政策方面的研究；李子聯(1985-)，男，江西贛州人，江蘇師范大學商學院副教授、碩士生導師，主要從事宏觀經濟學和發展經濟學方面的研究。

F832.33

A

1672-1071(2016)03-0043-08