中國農業銀行不良貸款率影響因素研究

田園

由于多種經濟因素的共同作用，農業銀行的不良貸款率高居國有商業銀行的首位，對我國金融秩序和經濟運行都造成了巨大威脅，其防范和化解任務十分艱巨。首先，本文闡述了不良貸款的定義和分類，介紹了不良貸款的基本理論，并探討了中國農業銀行不良貸款的現狀與發展。其次，選取了GDP增長率、貨幣供應量增長率、資本充足率、銀行規模、撥備覆蓋率和凈利差六個經濟指標。最后，對影響農業銀行不良貸款率的經濟因素進行實證分析，得出中國農業銀行不良貸款率受此六個因素影響，并均與之呈負相關關系。其中凈利差、自身規模對不良貸款率的影響關系較大，GDP增長率影響較小。根據回歸結果，又進一步對農業銀行下一步如何控制不良貸款率提出了幾點建議：提高自身盈利能力，增強自身在市場中的核心競爭力；控制規模，提高內部管理效率；提高撥備覆蓋率，增強風險應對能力。

引言

選題背景

在現代經濟社會中，金融業占據著無比重要的地位，金融業的穩定與否極大地影響著整體經濟的運行。而在金融業中，商業銀行是經濟市場化的產物，是在社會化大生產和市場經濟發展的需要下形成的一種金融組織。

自2004年以來四大國有銀行陸續上市開始，我國已初步建立起一個多層次、競爭性和市場化的商業銀行體系。經過十幾年的發展，中國的商業銀行在平均資本上已經達到了世界先進水平，工商銀行更是在2013年英國《銀行家》雜志的全球銀行排名中位居第一，標志著我國的商業銀行發展進入了嶄新的階段。

然而，在我國商業銀行的資產規模不斷擴大的同時，資本質量卻沒有明顯的改善。根據中國銀監會發布的數據，2016年第三季度，我國銀行體系不良貸款余額已達到14937億元，其中農村商業銀行不良貸款率最高，達到2.74%，已大大超過銀行業風險2%的警戒線。總體來看，我國商業銀行的不良貸款率已創七年來新高，并仍有不斷攀升的趨勢。

縱觀全球曾經發生過的金融危機，大多都與銀行貸款違約相關。以2008年美國次貸危機為例，這場蔓延全球，引起多家金融機構倒閉、被收購的金融風暴，最初就起源于美國次級房屋信貸行業違約劇增。盡管美國政府采取了多種措施，試圖降低這場危機的破壞力，但仍舊無法阻止這場危機升級、擴散。甚至直到今天全球經濟依然沒能完全從這場風暴的陰影中走出來。

在不良貸款率不斷升高的今天，我國的金融秩序也面臨著巨大的威脅。因此，探明不良貸款率的影響因素無疑是迫在眉睫的重要議題。

由表1可以看出，占據總不良貸款余額之比最大的是大型商業銀行，超過了半數。而在大型商業銀行中，中國農業銀行的不良貸款率始終處于最高水平。（見圖1）作為我國重要的國際化商業銀行，農業銀行的不良貸款水平將很大程度上影響我國的整體金融秩序，為了緩解我國的不良貸款壓力，解決農業銀行的不良貸款問題將是一條必經之路。

選題意義

理論意義。目前已有的研究多是以不良貸款本身的影響和作用機制為著眼點，而分析不良貸款的影響因素的較少。本文將在總結、分析前人研究成果的基礎上，從描述性分析和實證分析兩個角度出發，建立多元線性模型，深入剖析農業銀行不良貸款率的影響因素，在一定程度上彌補這一研究空缺，具有理論意義。

現實意義。不良貸款的不斷攀升使我國的金融秩序面臨著嚴峻挑戰，為了解決這一問題，就必須要探明不良貸款的成因，了解各影響因素所在，進而有針對性地出臺相關治理政策，維護我國經濟正常運轉。因此，本文所探究的以農業銀行為代表的不良貸款的影響因素對于改善我國金融現狀具有現實意義。

文獻綜述

國外相關文獻綜述。在國外的研究中，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，發現經濟運行的波動性是影響信貸成本增加或減少的重要因素，從而對企業還款能力產生影響，使得銀行不良貸款隨之惡化或好轉。自此，許多國外學者將目光投向這一領域，并作出了一些研究成果。

Vasicek（1987）運用單因素模型，探明了GDP增長率對不良貸款率具有顯著影響，這是首次在實證角度證實宏觀經濟對于不良貸款率的影響。

隨后，研究方向趨向于同時考慮多個因素對不良貸款的影響，以獲得更加豐富的結果。Salas和Saurian（2002）通過面板計量模型對1985-1997年的數據進行分析，以期探究西班牙銀行不良貸款率的影響因素，結果顯示經濟增長政策、管理激勵、信貸組合、市場支配能力對不良貸款率均有顯著影響；Barros c.P.等（2012）對日本銀行數據進行了研究，結果發現國內外的宏觀經濟因素均與不良貸款率有著密切影響。

為應對不同的寫作背景，許多學者還創造性地提出了不同的模型，例如麥肯錫于1997年提出了CPV模型，以研究宏觀經濟變量指標對不良貸款率的影響；Pesaran于2006年提出了GVAR模型，創新性地將全球經濟沖擊因素考慮在影響因素之內。

國內相關文獻綜述。相比較于國外，國內對于此問題的研究起步較晚，但仍取得了一定成果。

謝冰（2009）以2004年第一季度到2009年第一季度的數據為研究樣本，運用主成分分析的方法，得出了宏觀經濟指標與不良貸款的余額存在負向關系這一猜想，并指出商業銀行的不良貸款總額一直居高不下已成為制約中國商業銀行發展的重要因素之一。

李美芳（2013）收集了中國農業銀行2008-2012年的數據，運用實證分析的方法，探明不良貸款率與GDP增長率負相關，與貨幣增長率正相關。

陳金媛（2015）運用多元線性回歸模型分析了2008-2014年我國17家上市銀行季度數據，得出我國商業銀行不良貸款率在宏觀層面受GDP增長率、貸款利率水平、貨幣供應量M1和貸款總量影響，且呈負相關關系的結論。

陳奕羽（2015）則著眼于將微觀與宏觀因素相結合，采用2009年第一季度到2014年第二季度的數據，表明M2增長率、資本充足率及銀行資產規模對不良貸款率有顯著的正向影響，銀行自身的成本收入比、存貸比對不良貸款率的影響并不顯著。

文獻評述。由上文綜述可以看出，國內外學者雖然對不良貸款率的影響因素作出了許多分析，但仍存在如下問題：

首先，國外研究起步較早，較多地運用了數學模型，而國內學者則較多地著眼于定性分析和描述性分析，定量分析研究則比較少；其次，大多數研究都著眼于宏觀經濟因素對不良貸款率的影響，對微觀因素卻沒有過多考慮。

因此，本文將在借鑒國內外學者研究成果的基礎上，嘗試將宏觀經濟指標與銀行自身經營數據相結合，探究這兩者對不良貸款率的共同影響，以補充當前的研究不足，并為中國農業銀行下一步的發展方向提出一些建議。

商業銀行不良貸款概述

不良貸款定義及分類

不良貸款定義。所謂商業銀行不良貸款，即銀行的不良資產，主要是指償還出現問題，無法按時支付利息甚至連本金都難以收回的貸款。貸款作為商業銀行的主要盈利業務，它的質量很大程度上決定了行業銀行的盈利能力。因此，不良貸款成為評價商業銀行資產質量的重要指標之一。

相比較于不良貸款額，不良貸款率是一個相對值，能夠更好地反映出商業銀行的貸款結構。在不同規模的銀行中，不良貸款額會有很大差別，大型商業銀行的不良貸款額一般均會高于規模較小的商業銀行，但這并不能說明規模越大的銀行信貸質量越差。因此，在銀行規模不同時，采用不良貸款率作為商業銀行信貸質量的衡量值相對比較合理。

不良貸款分類。針對不良貸款的分類，普遍采用的是以美國為代表的“貸款風險五級分類法”的解釋，即為了貸款風險管理的需要，對未到期的信貸資產劃分為五類：正常（Pass）、關注（Specialmention）、次級（Substandard）、可疑（Doubtful）、損失（Loss），后三類貸款被稱為不良貸款（Non-performingloans），也稱為銀行的不良資產。各級貸款具體定義如下：

不良貸款成因理論

信用論。金融活動實質上是一種信用過程，信用是包括時間長度在內的一種預期。因此，任何一種金融活動中事實上都包含不確定性。信用是商業銀行賴以生存的基礎和保障，它既負有向公眾存款還本付息的義務，又擁有向借款人索要貸款本金和利息的權利。但由于金融活動存在不確定的影響因素，例如通脹、匯率、利率等的變化，導致這些指標的實際值偏離了借款人的預期，借款人的預期收益下降，最終導致其無力償還銀行貸款，導致違約。這種違約也就導致了商業銀行不良貸款的產生。

可以說，不良貸款的存在是必然的，商業銀行貸款借出與償還之間的時間差距就足以證明這一點。現代經濟社會是用信用連接起來的整體，即使僅僅是某一個環節遭到破壞，也將會引起整個系統的混亂，信用不佳的企業將把信用良好的企業也拖入泥沼，從而導致整個金融系統的崩潰。因此，商業銀行的不良貸款本身就存在著蔓延的趨勢，需要盡快出臺調控措施。

金融脆弱性理論。金融脆弱性理論的觀點是金融脆弱性的根源是宏觀經濟，它的論證思路是探尋宏觀經濟環境的變化與銀行不良貸款的變化之間的關系。

（1）明斯基的“金融脆弱性假說”。明斯基的“金融脆弱”理論認為，銀行不良貸款的產生涉及宏觀經濟周期、銀行和企業三方面因素。銀行是一個以吸收存款發放貸款為主要業務的特殊企業，自有資金少，資產負債率高是其一大特點，同時也是銀行風險產生的主要原因，具有天然的金融脆弱性。

當經濟處于繁榮期時，企業預期利潤上升，投機性企業和龐氏企業借款需求也隨之上升，使得銀行向高風險水平的企業發放貸款的比重加大，導致更嚴重的金融脆弱性；當經濟走勢趨緩走向反面時，此類高風險企業收入降低，將出現違約和破產的可能性，不良貸款不斷擴大將導致銀行破產，進而引發新一輪的金融危機。

（2）“安全邊界說”（Margins ofSafety）理論。商業銀行進行資金借貸不可避免地會產生不良貸款，但一般都應控制在一定的范圍之內，在及時解決存量不良貸款的同時，一般都會采取措施，控制不良貸款增量的上升。具體來講，遵循謹慎性原則的銀行，為了防止自身產生經濟損失，即防止發放給企業的貸款無法順利收回，往往會選擇采取一種安全措施，以保證銀行的經濟利益在一定的安全邊界范圍之內不受損失。

因此，當經濟繁榮時，借款企業大多信用較好，銀行所接受的安全邊界會隨之降低，那些本來不能通過審核的高風險企業也能獲得貸款；當經濟衰退時，那些高風險企業將無法償還貸款，從而導致不良貸款的增加，金融脆弱性加大。

貸款客戶關系理論。在70年代，JohnH.Woo提出了貸款客戶關系理論。該理論的內容主要是：銀行為了長期保持貸款的需求，追求其長期利潤最大化的目標，往往會降低貸款利率，擴大貸款規模，以保持與客戶的關系，由此導致銀行傾向于采取以擴張貸款量為特點的激進型貸款策略。這樣，首先銀行的貸款質量會受到影響，其次銀行的收益也會隨之降低，銀行的風險承受能力相對被削弱，因而，銀行不良貸款風險也就增加。

中國農業銀行不良貸款的影響因素理論分析

中國農業銀行不良貸款狀況

中國農業銀行不良貸款現狀。截止到2016年6月30日，中國農業銀行發放的貸款總額為人民幣2，253.89億元，比上年末增加125.22億。其貸款的五級分類情況見表3。

可以看出，2014-2016年，中國農業銀行的貸款總余額逐年上升，由人民幣7.661，924億元上升至8.778，451億元，不良貸款率也逐年上升，由1.54%到2.39%，再到2016年的2.4%。同時，不良貸款的內部結構也在惡化，損失部分相對占比上升。

中國農業銀行不良貸款發展狀況。由圖2可以看出，由2008-2013年，中國農業銀行的不良貸款率始終處于下降狀態。這是由于中國農業銀行在過去一直在政府的主導下對鄉鎮企業和農村基礎建設項目提供信用貸款，背上了沉重的歷史包袱，而近些年這種情況有所改善，三農金融業務的占比逐年下降。但截至2016年6月30日，中國農業銀行對三農金融業務款和墊款總額仍高達31，208.38億元，占發放貸款和墊款總額的32.44%，這部分的不良貸款率為3.04%，比總不良貸款率高0.65%。這也是中國農業銀行不良貸款率始終處于我國四大商業銀行之首的重要原因。

此外還可以看出，在2013年之后，中國農業銀行的不良貸款率開始逐年上升，并且上升速度越來越快。這種上升是在多種因素的共同作用下導致的，為了找到究竟是哪些原因影響了不良貸款率，本文將繼續做出探究。

中國農業銀行不良貸款率影響因素的實證分析

模型變量選取及結果假設

本文將采用多元線性回歸的方式來分析中國農業銀行不良貸款率的影響因素和影響程度。

為了得出適當的研究成果，本文將農業銀行的不良貸款率作為被解釋變量，宏觀經濟指標選擇GDP增長率和M2增長率，微觀方面選擇銀行自身的資本充足率、撥備覆蓋率、凈利差、銀行規模（各年總資產的自然對數）作為解釋變量。

解釋變量1：國內生產總值增長率。本文采用這一指標來代表整體宏觀經濟情況的代表。基于國內外的研究成果及前文的分析可知，GDP增長率與不良貸款率之間呈負相關關系。

解釋變量2：貨幣供應量（M2）增長率。本文采用這一指標作為宏觀經濟政策走向的代表。假設M2增長率對商業銀行不良貸款率的影響為負。

解釋變量3：中國農業銀行撥備覆蓋率。撥備覆蓋率能反映銀行貸款的風險程度和社會信用情況。假設撥備覆蓋率與不良貸款率為負相關關系。

解釋變量4：資本充足率。資本充足率是衡量銀行抵御風險能力的指標。假設農業銀行資本充足率與不良貸款率負相關。

解釋變量5：銀行規模自然對數。根據前文的分析，銀行規模對不良貸款率的影響還與銀行內部的管理結構相關，需要具體分析，因此在此先不作出假設。

解釋變量6：凈利差。凈利差是國內商業銀行也是農業銀行最主要的收入來源，體現了農業銀行的盈利能力和風險管理能力。假設農業銀行凈利差與不良貸款率負相關。

數據來源

文章研究的對象主要是中國農業銀行不良貸款率，此次實證分析考察的樣本期間為2010年第3季度至2016年第3季度的25組季度樣本數據，回歸中所用到的銀行數據均由中國農業銀行各年季報、中報與年報中搜集整理而成，GDP增長率和M2增長率則來源于國家統計局官網。具體數據見表4。

實證分析

多元回歸模型的設計。所謂回歸分析法，是在掌握大量觀察數據的基礎上，利用數理統計方法建立因變量與自變量之間的回歸關系函數表達式（稱回歸方程式）。社會經濟現象之間的相關關系往往難以用確定性的函數關系來描述，它們大多是隨機性的，要通過統計觀察才能找出其中規律。回歸分析是利用統計學原理描述隨機變量間相關關系的一種重要方法。

根據前文的分析，本文選取了6個變量進行分析，以此建立不良貸款率與GDP增長率（GDP）、貨幣供應量增長率（M2）、撥備覆蓋率（BBFG）、資本充足率（zBCZ）和銀行規模（sIZE）、凈利差（JLC）的多元線性回歸模型，其回歸方程可以寫為：

Y=CI+C2*GDP+C3*M2+C4*BBFG+C5*ZBCZ+C6*SIZE+C7*JLC+U

其中，C1-C7為分別對應的各個變量模型的估計系數，u為殘差項。

變量的平穩性檢驗。為了使回歸結果是有意義的，首先需要對模型中的各時間序列進行單位根檢驗，以確定其平穩性。將25組數據導入Eviews進行ADF檢驗，變量及其一階差分的ADF檢驗結果如下：

從運行結果來看，各變量的P值均大于0.05，即在5%的置信水平下接受原假設，存在單位根，時間序列是非平穩的。將各變量進行一階差分后再做ADF檢驗，得出的P值除撥備覆蓋率大于0.05外，其余均小于0.05，即拒絕原假設，不存在單位根，時間序列平穩。對撥備覆蓋率進行2次差分后，P值降為0.0016，拒絕原假設，時間序列平穩。

因此，為了使回歸結果有意義，應當采用不良貸款率、GDP增長率、M2增長率、資本充足率、規模、凈利差的一階差分，以及撥備覆蓋率的二次差分進行回歸。

回歸分析。為了減少時間序列的異方差影響，在Eviews中用廣義最小二乘法對25組數據進行回歸，并檢驗了模型的擬合優度、模型顯著性和變量的顯著性。回歸結果見表7。

從參數中可以看出，模型決定系數R2=0.962864，調整后的R2統計量為0.948938，也就是修正可決系數為94.89%，該模型對樣本的擬合程度較好，說明模型所選擇的解釋變量是被解釋變量的原因。

又可以看出，模型的F統計量為69.141171，模型通過了F檢驗，犯錯誤的概率僅為1.52乘以10的負10次方，說明所選擇的因變量總體上對自變量有顯著的線性影響。

回歸結果見表8。

表中可以看出，備變量回歸結果的P值均小于0.05，即說明各個解釋變量均通過了t檢驗。從第二列的各個變量估計值可以得出線性回歸模型為：

DY=0.001268-0.25809DGDP-O.039672DM2-0.038647DSIZE-0.076141DZBCZ-0.006064DDBBFG-0.776069DπC+u

由模型結果可以看出，中國農業銀行不良貸款率受GDP增長率影響，并與之呈負相關；受貨幣增長速度影響，并與之呈負相關；受其自身的規模大小影響，并與之呈負相關；受資本充足度影響，并與之呈負相關；受撥備覆蓋率影響，并與之呈負相關；受凈利差影響，并與之呈負相關。回歸結果與前文理論分析結果基本相符。

降低不良貸款率的措施

觀察分析結果可以看出，規模大小與凈利差的T值較小，即與不良貸款率的關系最為密切。所以，農業銀行要想防范和化解不良貸款，首先要提高自身盈利能力和對風險的防控能力，增強中國農業銀行在金融市場的核心競爭力；其次要控制規模的盲目擴張，改善內部管理體系，提高行政效率。

此外，撥備覆蓋率對不良貸款率的作用也比較明顯，說明中國農業銀行應當適當提高撥備覆蓋率，增強對不良貸款的應對措施。

在所有的自變量中，GDP增長率變化的影響相對較小，這說明中國農業銀行的不良貸款率上升雖然與總體經濟下行有關，但這種下行并不是不可抗的，農行仍然可以從內部進行實施一些措施進行改善。

由于多種經濟因素的共同作用，農業銀行的不良貸款率高居國有商業銀行的首位，截止到2016年中期，中國農業銀行的不良貸款仍高達2，253.89億元，其防范和化解任務十分艱巨。

文章首先對不良貸款的定義和分類進行了說明，介紹了三個不良貸款的相關基礎理論：信用論、金融脆弱論和貸款客戶關系理論。緊接著，探究了中國農業銀行的不良貸款現狀和發展情況，發現其不良貸款率呈現拋物線形，2013年之前逐年下降，2013年后逐年上升，而且從農業銀行貸款五級分類情況表中發現，不良貸款結構也在逐年惡化。2013年前的下降可以歸因于國家對于其支持三農金融業務的強制性要求，2013年以后的上升則將在后文中從理論和實證角度進行探究。

其次，對影響中國農業銀行不良貸款率的宏微觀經濟因素進行理論分析，主要從影響農業銀行不良貸款率的宏觀經濟周期和農業銀行自身經營行為出發，最終選取了GDP增長率、貨幣供應量增長率、資本充足率、銀行規模、撥備覆蓋率和凈利差六個經濟指標。

最后，對影響農業銀行不良貸款率的經濟因素進行實證分析。進一步證實選取的七個變量與農業銀行不良貸款率相關關系。得出中國農業銀行不良貸款率受GDP增長率影響，并與之呈負相關；受貨幣增長速度影響，并與之呈負相關；受其自身的規模大小影響。并與之呈負相關；受資本充足度影響，并與之呈負相關；受撥備覆蓋率影響，并與之呈負相關；受凈利差影響，并與之呈負相關的結論。根據回歸結果，又進一步對農業銀行下一步如伺控制不良貸款率提出了幾點建議：提高自身盈利能力，增強自身在市場中的核心競爭力；控制規模，提高內部管理效率；提高撥備覆蓋率，增強風險應對能力。為中國農業銀行的下一步發展作出一定的參考和借鑒。