不同時期商業銀行不良貸款率宏觀影響因素分析

宋一鳴

一、研究背景

2013年7月20日起我國全面放開金融機構貸款利率管制。隨后中國人民銀行行長周小川在2014年初表示，在近兩年將實現存款利率市場化。2015年10月24日央行宣布對商業銀行和農村合作金融機構等不再設置存款利率浮動上限。然而利率市場化會使得商業銀行存貸差的利潤空間被擠壓，這將會降低銀行的凈資產收益率，即降低了銀行的盈利能力，從而增加商業銀行所面臨的信用風險，可能導致商業銀行的不良貸款率加速增加。不良貸款率的增加反映了銀行業信用風險的積累，而信用風險是系統性風險的主要組成部分。通過研究不良貸款率對銀行業的影響，發現其中的作用機理，引導商業銀行在利率市場化條件下采取有效的手段應對不良貸款率對商業銀行帶來的影響，有利于控制銀行業的信用風險和系統性風險。

商業銀行不良貸款的定義一種是指那些償還出現問題，不能按時償還銀行正常的利息甚至本金的貸款；另一種定義則是指借款人超過了合同期限也不能償還本息，致使銀行蒙受損失的貸款。本文所提及的不良貸款是指銀行發放貸款后未能如期收回的貸款，不良貸款率指銀行不良貸款額占總貸款余額的比重。

劃分銀行不良貸款主要有兩個標準：一是質量標準，二是時間標準。按照質量標準，只要貸款損失可能性高于20%的貸款都被歸為不良貸款。而按時間標準，各國的標準互不相同，一般來說，貸款合同到期后三個月內仍不能如數償還本金及利息的貸款就稱作不良貸款。

1998年4月，為了加強國內銀行信貸管理水平，提高銀行信貸資產的整體質量，中國人民銀行參照國際通行做法的同時結合我國的實際情況，頒布了《貸款風險分類指導原則》，要求各商業銀行要按借款人的實際還款能力進行貸款分類，按照風險程度將貸款分為正常、關注、次級、可疑和損失，前兩類為正常貸款，后三類統稱為不良貸款這種分類標準最大的優勢在于借款人的實際經營狀況能夠在銀行的部分掌控之中，銀行能夠對其經營進行監控和分析，及早地發現貸款中的問題，從而提高自身風險的防控能力。盡管自2002年1月起，我國開始正式地推行貸款五級分類方法，但在實施此分類方法過程中發現，還存在著簡單地套用的做法，并不是以未來現金流預測結果作為判斷借款人有無能力償還貸款的重要依據。因此全面準確地領會和執行五級分類方法還需要一個過程。

具體定義劃分見表1：

大量的不良貸款在銀行系統內集聚是金融危機爆發的一個重要原因。幾十年前，在銀行體系中占主導地位的大型商業銀行巨額的不良貸款是我國銀行業的主要風險。為此1994年起國家成立了四家資產管理公司剝離了國有銀行的不良貸款，我國不良貸款率略有下降，后來又經過中國人民銀行和銀行業監督協會的不懈努力，2008年以來來我國商業銀行的不良貸款率維持在8%以下，不良貸款問題取得了巨大的進展。但在銀行不良貸款和不良貸款率“雙降”的過程中，銀行整體的不良貸款結構和不良貸款額并沒有得到優化，存在著許多風險隱患。近期，受宏觀經濟增長速度下降影響，制造業不景氣，房地產業低迷，能源和原材料需求減少，導致商業銀行不良貸款率快速上升。不良貸款率具有累積性，隨著前期信用風險的累積而表現出來，不良貸款率上升要求商業銀行計提更多資本；當不良貸款核銷時，將可能會影響到銀行的利潤水平，同時也可能會影響銀行的凈息差。更進一步，由于存在經營績效考核壓力，商業銀行可能通過承擔更高的風險選擇貸款利率更高的項目，形成惡性循環。尤其是自2011年起，不良貸款和不良貸款率開始呈現“雙升”趨勢，根據中國銀監會統計數據，截至2016年第三季度，我國商業銀行不良貸款為14939億元，截至2016年12月末，商業銀行不良貸款率達到1.81%，創下近7年最高水平，僅次于2009年一季度末的2.04%。

二、文獻綜述

Robert Stieglitz和Weiss （1981）提出了關于信貸配給的理論模型，該模型表明，因為信貸市場存在著信息不對稱，所以相對貸款人而言，借款人更容易認識到所投資項目的風險，從而產生道德困境和逆向選擇。

Bernanke（1983）最早從外部環境的角度來探究不良貸款與宏觀經濟環境之間的關系，他發現經濟運行的波動性是影響信貸增加或降低成本的重要因素，從而對企業的還款能力產生影響，進而使商業銀行不良貸款隨之惡化或好轉。

Vasicek（1987）最先提出了單因素模型，只以GDP增長率等經濟周期變量作為系統的風險因素，忽略其他經濟變量來解釋宏觀經濟環境對債務人信用風險的影響。

Louzis等（2012）的研究樣本涵蓋了希臘9家銀行的數據，研究發現宏觀經濟的多項指標可以在很大程度上解釋不良貸款的增加。

謝冰（2009）探討了宏觀經濟因素對商業銀行不良貸款率的影響和貢獻率，其中GDP，貨幣供應量每上升1%都會使得不良貸款率下降0.0246%。

李麟和索彥峰（2009）提出，中國經濟周期波動具有顯著的信貸驅動特征，并且與不良貸款之間有著較為顯著的負相關性。

譚燕芝，張運東（2009）研究發現貸款利率上升對銀行違約率的沖擊遠大于GDP 增長率降低的沖擊。

三、實證分析

在我國銀行同業拆借市場中，大型商業銀行、全國性股份制商業銀行和城市商業銀行構成網絡結構。本文選取 14 家上市商業銀行，由于中國農業銀行以及光大銀行上市較晚數據，故剔除這兩個銀行，共包含4 家大型商業銀行，7 家上市全國性股份制商業銀行以及3家有代表性的上市城市商業銀行。因此，變量 N=14。

同時，本文選取國內生產總值對數差分LNGDP和貨幣供應量對數差分LNM2作為衡量宏觀因素指標?？紤]數據可得性，微觀指標采用季度數據，樣本期自2007年第四季度至2015年第四季度，由于某些樣本值缺失，先利用SPSS進行缺失值補充，再使用Eviews進行月度化，共得到97組數據，即為從2007年12月至2015年12月。

本文以2011年9月為節點，對“雙降”、“雙升”不良貸款率增長率數據進行回歸分析，回歸結果如下所示：

四、研究結論

由表2可知，在未考慮時滯效應的情況下，“雙降”期間，由于我國經濟的高速發展，企業經營狀況良好，使得投資規模盲目擴大，對銀行貸款的需求增加，銀行審批同時較為寬松，但是在短期內，一些投資行為缺乏合理的預期與完善的規劃，造成投資項目的虧損，從而使不良貸款率增加，導致GDP與不良貸款呈現正相關性。同時由于社會整體對資金需求量較大，城市商業銀行與全國股份制商業銀行為獲得更高利潤，會降低審批門檻，從而爭取更高業務，因此相比大型商業銀行更容易受到經濟波動的影響。

在“雙升”期間，因為整體經濟下行以及銀行控制不良貸款的原因，對貸款審批標準逐漸提高，只有有良好預期與合理規劃的企業才能長久發展，貸款的發放對象也大多為該類穩定盈利的優質企業，GDP的增加能夠給經濟發展注入新的活力，刺激經濟的增長從而企業進一步盈利進而可以償還貸款，因此GDP與不良貸款之間呈現符合相關理論的負相關性。大型商業銀行由于政策需求，需要對部分重要企業發放貸款，反而即期受到經濟波動影響更大；城市商業銀行由于體量問題，需要其謹慎經營，但可能受到當地政府要求給予當地企業適當扶持，故仍受部分經濟波動的影響。全國股份制由于其較為出色的運營監管體系，則受到經濟波動以及政策影響最低。

參考文獻：

[1]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）.

[2]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）.

[3]譚燕芝，張運東.信用風險水平與宏觀經濟變量的實證研究——基于中國， 美國， 日本部分銀行的比較分析[J].國際金融研究，2009，（4）.

[4]沈陽，馮望舒.宏觀經濟變量與銀行信用風險的實證研究——基于宏觀壓力測試的分析[J].會計之友，2010，（22）.