中國農業銀行不良貸款率影響因素分析

楊 星，董雙強，陳 璐

（1.福建師范大學 經濟學院，福建 福州 350007；2.福建農林大學 管理學院，福建 福州 350002）

中國農業銀行不良貸款率影響因素分析

楊 星1，董雙強1，陳 璐2

（1.福建師范大學 經濟學院，福建 福州 350007；2.福建農林大學 管理學院，福建 福州 350002）

不良貸款率是衡量金融機構信貸資產風險的重要指標之一，銀行的不良貸款問題始終是人們關注的一個焦點。中國農業銀行與其他國有銀行相比，不良貸款率位居首位。通過介紹農業銀行不良貸款的現狀，從宏觀經濟、銀行經營兩個方面分析農業銀行不良貸款率的影響因素。采用2009年至2014年的宏觀經濟及農行季度數據進行多元線性回歸分析，探討農行不良貸款率的關鍵影響因素，最后得出結論應該在宏觀層面優化外部環境，微觀層面提高防范能力以降低不良貸款率。

中國農業銀行；不良貸款率；影響因素；實證分析

2013年7月20日，我國全面放開金融機構貸款利率管制，取消金融機構貸款利率0.7倍的下限；2014年是全面深化改革的攻堅期，我國經濟結構發生了重大調整，一些產能滯后、效率低下的產業相繼被淘汰，五大國有商業銀行的經營利潤總額均環比下降，不良貸款余額與不良貸款率也出現“雙升”的情況；2015年是我國“十三五”規劃的開局之年。在貸款利率管制全面放開及經濟新常態的背景下，商業銀行能否控制好風險不僅事關銀行發展大計，同時也影響到國民經濟的健康運行。

不良貸款率是指金融機構不良貸款占總貸款的比重。不良貸款率是評價銀行等金融機構經營狀況最重要的指標之一，也是關乎金融市場穩定程度的風向標。過高的不良貸款率必然降低銀行等金融機構的資產質量、不利于金融市場的穩定，從而引發宏觀經濟的波動。20世紀70年代的東南亞金融危機，就是因為商業銀行的不良資產急劇膨脹而釀成的。2008年由美國次級住房抵押貸款引起的繼而蔓延到全球的金融海嘯，也正是由于銀行業金融機構犯了主觀性的錯誤，在房價看好、利率持續走低的背景下，發放大量的次級貸款使銀行的不良貸款率急速膨脹最終引發金融危機。中國農業銀行是國際化的大型上市銀行，中國五大行之一，是我國金融體系不可或缺的組成部分。與其他四大行相比較，農行不良貸款率始終位居首位。因此，研究影響中國農業銀行不良貸款率的因素，進而防范和化解不良貸款風險，對農行甚至整個銀行業的健康穩定發展具有重要意義。

一、中國農業銀行不良貸款現狀

在亞洲金融危機以后，我國政府開始重視對商業銀行不良貸款率的控制，積極采取各種措施整治國有銀行不良貸款，降低不良貸款的風險。1999年我國成立四家資產管理公司用以管理跟處置國有銀行不良貸款。[1]2008年銀監會成立后，我國銀行資產質量得到顯著改善，不良貸款余額及不良貸款率延續下降的趨勢。2014年是我國全面深化改革的攻堅期，經濟結構發生了重大調整，一些產能滯后、效率低下的產業相繼被淘汰。受此影響，2014年五大行的經營利潤總額均環比下降，不良貸款率也都出現上升的情況。

農行2014年年報顯示，2014年凈利潤增長率為7.90%，在五大國有銀行中排名第二位（如圖1），不良貸款率在五大國有銀行中最高，不良貸款率為1.54%。

圖1 2014年五大行凈利潤增長率及不良貸款率對比Fig.1 Comparison of net profitgrowth rate and non-performing loan ratio of the five lines in 2014

農行不良貸款率一直居高不下，受多方面原因的影響。其中既有來自宏觀政策、行政干預的外部原因，也有農行自身管理體制等內部原因。農行始終以“服務三農”為使命，在農行的不良貸款中，由于承擔政策性職能而承擔的不良貸款占相當大的比重。隨著農行自身機制的轉變和內部風險防控機制的逐步完善，剝離大量不良資產，不良貸款率雖也有大幅下降，但無法改變位居國有商業銀行首位的狀況。不良資產數量之大，不良貸款率之高其原因仍值得探究。

（一）中國農業銀行不良貸款五級分類情況

截至2014年末，農行不良貸款余額 1,249.70億元，較2013年末增加371.89億元；不良貸款率為1.54%，上升了0.32%。關注類貸款余額為3,111.73億元，增加了348.30億元，關注類貸款占比為3.84%。目前我國經濟增速放緩，經濟下行，關注類貸款有很大概率轉化成不良貸款。2014年我國銀行業平均不良貸款率為1.29%，農行不良貸款率為1.58%，明顯沒有達到國有商業銀行的平均水平，資產質量承受壓力。

（二）中國農業銀行不良貸款結構

按貸款業務類型劃分，2014年公司類貸款在農行所有貸款中占82.5%，其中占比最大的兩個行業為制造業、批發和零售業，2014年貸款中占比分別為49.8%、30.5%，共占農行貸款總額的81.3%。不良貸款率分別為3.69%、5.93%，遠高于其他行業不良貸款率。傳統制造業、批發和零售業技術含量低，抗風險能力相對較差，容易出現資金鏈斷裂從而造成不良貸款。

農行2014年年報中顯示，批發和零售業不良貸款余額上升191.55億元、制造業上升120.44億元為不良貸款余額增加最多的兩個行業。按地域劃分，2014年農行不良貸款余額上升最快的是西部、環渤海以及長三角地區，新增不良貸款分別為108.1億元、101.2億元及68.7億元。這三個地區在農行貸款總額中占比分別為24.3%、21.4%、21%。西部地區主要為煤炭企業，當煤炭供給大于需求是，就會造成庫存增加，最終導致價格下滑。2014年大于70%的煤炭企業出現虧損，有部分煤炭相關企業出現貸款違約。西部地區不良貸款增加的主要原因是個別企業出現大額不良貸款。

二、影響因素確定

信用論認為，由于貸款資金在使用和償還時間上的分離，不可避免會產生不良貸款；依據金融脆弱性理論知，金融具有天然的內在脆弱性，銀行的信用風險隨著經濟周期波動，銀行不良貸款率的高低與宏觀經濟周期有密切關系；由貸款客戶關系理論可以推斷，銀行自身經營行為可能會導致不良貸款。下面從宏觀經濟環境、銀行自身經營兩方面分析影響農行不良貸款率的因素。

（一）宏觀經濟方面

經濟周期是一國宏觀經濟活動中經濟擴張與收縮交替或周期性波動變化的一種經濟現象，一般分為繁榮、衰退、蕭條和復蘇四個階段。[2]由金融脆弱性理論分析得，宏觀經濟周期性波動與銀行不良貸款率存在相關關系。[3]

當經濟處于繁榮復蘇時期，企業的經營效率良好，對未來經濟環境充滿信心，增加對長期性貸款的需求且在此時出現違約概率較低。同時在經濟繁榮時期擔保物價值上升，可擔保總量隨之增加。[4]借款人資信狀況良好及擔保物價值增加，共同促使銀行增加了信貸投放總量。農行在此期間對未來發展前景相對樂觀，在利益最大化驅使下更傾向于發放期限較長的信貸項目。這種樂觀也可能導致農行對風險估計不足，制定較為激進的經營目標，當經濟由頂峰下滑進入衰退階段時，易造成大量不良貸款。

在經濟處于衰退時期時，企業違約概率增加，銀行處于資金安全的考慮，會大幅減少信貸資金的投放。大多數企業在此時經濟狀況不樂觀，還款壓力大，在經營中若得不到必要的資金補充，易出現資金鏈斷裂。資金鏈一旦出現斷裂，企業財務狀況惡化迅速蔓延，會使得更多企業無力償還貸款，加劇農行不良貸款的狀況。目前我國銀行利潤來源仍然是存貸差，不良貸款的增加將降低銀行盈利能力。農行通常會采取提高貸款利率的方式來保證銀行的收益。根據逆向選擇理論，隨著信貸利率增加，申請貸款的平均質量下降，企業違約的概率增加，會導致更多的不良貸款出現。

在宏觀經濟出現波動時，宏觀經濟變量會隨著宏觀經濟周期的變化表現出一致的波動趨勢。[5]國內生產總量GDP增長率是宏觀經濟變量的代表性指標，貨幣供應量M2增長率反映我國貨幣政策的變化。所以采用GDP增長率及M2增長率作為衡量我國經濟周期變動的指標。

1.GDP增長率

在衡量一個國家的經濟發展狀況時，通常選用國內生產總值GDP作為衡量指標。GDP增長率越高，表明經濟發展速度越快。通常在這個階段，企業經營效率較好，償債能力大幅提升，對未來充滿信心，投資信貸需求增加。農行此時對企業提供貸款，不僅能獲得較高的收益，同時可以推進企業生產和再生產的進行，提高企業盈利能力進而保證信貸資金安全，降低不良貸款可能性。當GDP增長率較低時，經濟發展速度減慢，表明處于經濟下行。很多企業此時需要信貸資金的幫助走出困境，而農行處于對資金安全的考慮，往往會減小信貸規模，企業還貸壓力增大，資金鏈短缺又得不到及時的補充，貸款違約的概率增大。

2.貨幣供應量M 2增長率

經濟繁榮復蘇時期，中央銀行一般會采用寬松的貨幣政策，即增加貨幣供應量來刺激消費需求，以此促進市場經濟的發展。貨幣供應量增加，經濟活動中流通的資金增加，需求不變的情況下會推動物價上漲。在短期內，由于存在粘性工資，商品價格上漲而占成本絕大部分的工人工資未及時調整，企業利潤增加，進而擴大生產，拉動宏觀經濟繁榮。當經濟萎靡時，央行多采取緊縮貨幣政策，防止通貨膨脹導致經濟進一步走向蕭條。宏觀經濟中流通的資金量減少，企業庫存增加，生產和再生產難以為繼，不良貸款率上升。

（二）銀行經營方面

在宏觀經濟環境一定的條件下，銀行會根據市場需求及自身經營特點采取不同的經營管理策略，銀行經營策略的改變會使得信貸決策和信貸資金質量相應發生改變。除了宏觀經濟環境外，銀行自身經營行為與不良貸款率的高低也存在密不可分的關系。

1.農行相對規模

銀行相對規模與不良貸款率的關系，國內外學者持有不同的觀點。2003年，Rajan和Dhal選用印度各大商業銀行資產的市場份額來度量銀行的相對規模，提出銀行相對規模與不良貸款率呈正相關關系的觀點。另一些學者的研究卻表明銀行相對規模對不良貸款率有負向影響。根據國內外學者實證研究的結果我們可以推斷，若銀行盲目擴張銀行規模忽略對信貸風險的管理時，二者呈正相關關系。銀行相對規模對不良貸款率為負向影響則意味著，銀行在合理擴大規模的同時，建立和完善了科學的風險管理機制及信貸風險的治理體系，保證了信貸資產的質量。

2.農行貸款與總負債比例

貸款與總負債比例體現了農行在不同時期的信貸政策及風險偏好。若農行實行寬松的信貸政策，信貸規模越大，貸款占總負債比例越高，表明農行越偏好風險。反之，貸款占總負債比例越低，信貸規模越小，農行對風險偏好程度越弱。實行風險偏好型信貸政策比風險回避型信貸政策面臨的信貸風險更大，相應不良貸款概率也越高。

三、實證分析

（一）變量選取及計算說明

銀行不良貸款率是多種因素共同作用的結果。根據前文影響因素的理論分析，結合農行實際情況，同時考慮到數據的可得性，從宏觀經濟周期及農行經營行為兩個方面，探究影響農行不良貸款率的影響因素及影響程度。

本文選擇農行不良貸款率作為被解釋變量；國內生產總值GDP增長率、貨幣供應量（M2）增長率作為代表宏觀經濟波動的解釋變量；銀行自身經營行為方面，主要選取了貸款占銀行總負債的比例、銀行的相對規模、不良貸款撥備覆蓋率和凈利差作為解釋變量。(如表1）

表1 模型中使用的變量及表示符號Tab.1 Variables and symbols used in themodel

（二）數據來源

本文研究對象是中國農業銀行不良貸款率，考慮到樣本數據的代表性及可取性，此次實證分析選取2009年第一季度至2014年第四季度的24組季度樣本數據，其中GDP增長率、貨幣供應量M2增長率數據來源于國家統計局網站，其他相關數據均來自中國農業銀行發布的季報、半年報、年報，經過整理計算而得。

（三）計量分析

1.平整性與協整關系檢驗

為了保證時間序列的平穩性，首先對各變量進行單位根檢驗，利用eviews8.0對各變量做ADF檢驗，結果如表2所示：

表2單位根檢驗Tab.2 Unit root test

由表5-2可知，在5%的顯著性水平下，各變量原始數據在ADF檢測下都接受原假設，非平穩序列，一階差分后，各變量在5%的顯著性水平下都是平穩序列。

變量的單位根檢測結果表明，農行的不良貸款率、GDP增長率、農行相對規模、貸款/總負債都是一階單整序列，為了避免出現偽回歸的問題，需要對四個變量進行協整檢驗。本文使用Johanson協整檢驗方法進行協整分析，檢驗結果如表3所示：

表3 變量的協整檢驗Tab.3 Cointegration testof variables

通過對統計值和臨界值的比較以及相關檢驗結果的分析，可以看出各變量在5%顯著性水平下呈現出一致的長期趨勢，具有協整關系。表明四個變量之間確實存在長期的均衡關系，因而可以用多元線性回歸模型對選取的4個變量對中國農業銀行不良貸款率的影響因素與不良貸款率進行回歸分析。

2.回歸分析

為了進一步考察上述因素對農行不良貸款率的影響程度，采用2009年至2014年相關數據，對影響農行不良貸款率的因素進行多元線性回歸分析，建立回歸模型。其回歸方程為：Y=C+a1X1+a2X2+a3X3+a4X4+ε

其中，a1、a2、a3、a4是模型的參數，ε為誤差項。

運用SPSS.16軟件，該對模型進行擬合優度、回歸方程及回歸系數的顯著性檢驗，同時為了消除多重共線性的影響，對模型進行逐步回歸，解釋變量的篩選采用向后篩選策略（如表4）。

表4 多元線性回歸系數及檢驗結果Tab.4 Multivariate linear regression coefficients and test results

經過兩次回歸后，R2=0.952，F=51.321，P=0.000表明模型的擬合優度良好；F的概率P-值小于顯著性水平0.1，回歸方程通過顯著性檢驗，回歸模型中各解釋變量能夠比較準確地描述農行不良貸款率的影響因素；貸款/總負債（X4）對方程影響較小，在逐步回歸過程中被剔除出方程，其余變量概率P-值均小于顯著性水平0.1，通過顯著性檢驗。

最終可以得出標準化回歸方程：Y=0.007-0.158X1+0.132X2+0.002X4+ε

四、實證分析結論

（一）宏觀層面優化外部環境

從回歸方程結構可以看出，GDP增長率與不良貸款率呈負相關關系。GDP每增長1%，中國農業銀行不良貸款率減少1.58%。當GDP增長較快時，企業經營狀況良好，出現違約的概率較小，銀行出現不良貸款的可能性減少。因此，促進經濟持續健康發展，為銀行減少不良貸款存量及增量提供了良好的宏觀環境。我國經濟的“三駕馬車”是出口、投資和消費。在經濟增長的過程中，往往過多重視出口和投資，而隨著人們生活水平的提高，消費對促進經濟增長的作用發揮著越來越重要的作用。加強“供應側”管理，滿足人們多樣化消費需求。同時應注重收入二次分配，提高整體購買力水平，拉動經濟持久增長。

（二）微觀層面提高防范能力

在實證分析中，GDP增長率及貨幣供應量M2增長率均通過顯著性檢驗。宏觀經濟環境變化對不良貸款的影響不容小視。一方面，應加強對經濟周期性分析，有目的性地預測宏觀經濟走勢，建立應對經濟周期變化的提前反應機制。[6]防范宏觀經濟波動對農行不良貸款造成的系統風險，也避免與宏觀經濟政策相餑而引發的政策風險。另一方面，應加強對行業周期性分析，通過行業周期性分析選擇貸款客戶，適時調整經營戰略，分散貸款過于集中可能產生的行業風險。

貸款/總負債在回歸模型中通過顯著性檢驗，表明銀行風險偏好可能對不良貸款產生影響。一方面，應樹立穩健經營的理念，加強貸款的審批和管理工作，增強對重點行業、重點業務和重點客戶的風險防范。另一方面應注重優化信貸結構，建立適應宏觀經濟周期波動的最優資產結構。積極探尋新常態下的新機遇，加大對現代服務業、信息技術等新興產業的支持，同時積極爭取國家政策支持及運用市場化的手段，加強對不良貸款的清收和處置，保證資產質量整體穩定。

[1]王吉恒,李美芳,劉紅艷.中國農業銀行不良貸款實證分析[J].當代經濟,2013(10)：112-113.

[2]符林,邱田振.我國經濟周期與信貸風險關系研究[J].金融與經濟,2011(11)：29-32.

[3]謝冰.商業銀行不良貸款的宏觀經濟影響因素分析[J].財經理論與實踐,2009(6)：44-46.

[4]安然.我國銀行不良貸款率宏觀影響因素的實證研究[D].北京：首都經濟貿易大學,2012：33-34.

[5]周潯倩.商業銀行不良貸款影響因素及防范措施[D].重慶：重慶大學,2005：21-22.

[6]宋效中,駱宏偉.我國商業銀行防控不良貸款的對策研究[J].中國集體經濟,2010（9）：13-17.

（責任編輯：蘇娟娟）

Analysis on the Influential Factors of Non-perform ing Loan Ratio of Agricultural Bank of China

YANG Xing1,DONG Shuangqiang1,CHEN Lu2
（1.School of Economics,Fujian Normal University,Fuzhou,Fujian 350000; 2.School of Management，Fujian Agriculture and Forestry University，Fuzhou，Fujian 350000）

Non-performing loan ratio is one of important indicators of the risk of financial institutions,bank's non-performing loan problem is always a focus of people’s attention.Compared with other state-owned Banks,the non-performing loan ratio of Agricultural Bank of China ranks first.This paper introduces the present situation of ABC non-performing loans(NPLS),analyzes the influential factors of non-performing loan ratio of agricultural bank from two aspects of themacro economy and the bank management.We try to find the key influential factors of the non-performing loan ratio of Agricultural Bank of China withmultivariate linear regression analysis by using the macroeconomic and Agricultural Bank of China quarterly data from 2009 to 2014,finally,it is concluded that the external environment should be optimized at themacro level and themicro level should be improved to prevent the non-performing loan ratio.

Agricultural Bank of China；non-performing loans ratio；multiple linear regression analysis；influential factors

F832.4

A

1674－2109(2017)01－0016－05

2016-03-20

楊星（1992-），女，漢族，在讀碩士研究，主要從事區域經濟學研究。