基于監管視角的經濟增長與信貸質量關系實證研究

呂蘇越

摘 要：銀行信貸行為具有顯著的順周期特征，“新常態”背景下我國經濟發展減速，商業銀行信用風險高發，經濟增長和信貸質量二者關系呈現互抑特征。對宏觀、微觀和金融環境因素與銀行信貸質量的相互影響進行研究，發現經濟增長與信貸質量存在著長期穩定的均衡關系以及新常態下二者存在相互抑制關系等結論。

關鍵詞：新常態；經濟增長；信貸質量；監管

中圖分類號：F830.5 文獻標識碼：A 文章編號：1674-2265（2017）07-0065-06

一、引言

銀行的信貸行為具有顯著的順周期特征，當經濟處于上升階段，銀行擴張信用，推動實體經濟中的投資和消費，信貸投放進一步向經濟中的繁榮行業和企業傾斜，產融呈現良性互利關系；當經濟增長減速，上述互利關系反轉，銀行在信用風險上升的壓力下收縮信貸供給，抑制實體經濟中投資和消費，退出蕭條行業和企業，加劇經濟的衰退。近年來，我國經濟發展逐步進入速度回歸、結構優化、動力轉換的“新常態”，原有經濟增長模式發展不平衡、不協調、不可持續問題逐步顯現，受順周期效應影響，經濟下行壓力深刻地反映到銀行信貸上，對銀行經營模式和風險防控形成挑戰和沖擊，銀行業盈利能力隨之出現結構性下滑，信貸質量與經濟增長呈現出復雜深刻的制約關系。以山東省銀行業為例，2012年，不良貸款率為1.6%，信貸投放增速為14.2%，利潤增速為17.4%，而2016年末，不良貸款率上升至2.14%，信貸投放增速下降至10.5%，利潤增速下滑至-5.9%。對經濟增長與信貸質量這種互相制約的關系開展深入客觀的研究，有助于尋找制約關系的突破口，為監管政策的制定實施提供理論依據和實證基礎，更好地引導銀行業主動適應經濟結構變革，實現與經濟發展的良性互動。

國外理論界對經濟增長與銀行信貸質量的關系做了大量的研究與探討，如Meyer和Yeager（2001）認為收入增長率、利率和失業率等一些重要宏觀經濟變量可以作為銀行不良貸款率的良好預警指標。Max Bruche（2010）則從企業個體的微觀角度分析，認為企業違約概率與信用周期相關等。我國學者也進行了許多有益的探索，如巴曙松等（2008）認為經濟回落周期是檢驗中國銀行業風險管理能力的最好時機；吳亞男和胡捷（2012）選擇GDP、CPI等少數解釋變量建立多元線性模型，分析其與不良貸款間的關系；唐丹（2015）從理論研究角度，探討了新常態下銀行面臨的挑戰和應對等。但總體看，現有的研究選取少數經濟指標作為解釋變量者多，建立全面指標體系探討者少；定性研究多，定量研究少；基于時段性研究多，而基于較長時間序列的研究少。本文通過建立經濟金融指標體系，構建綜合評價模型，利用監管部門較長時段的樣本數據，全面測算樣本期間指標評價值，并綜合運用多種時間序列研究方法，實證分析經濟因素與銀行信貸質量的相互影響，并從監管角度提出政策建議。

二、綜合評價模型與時間序列值測算

（一）指標體系確定

本文在評價指標選擇時，主要遵循四個原則：一是全面性，將指標體系分為經濟綜合指標、金融環境指標和企業經營指標3個模塊，并繼續細分層次，以期從宏觀、中觀和微觀視角全面反映商業銀行與金融生態環境的相互作用。二是規范性，為保證指標的科學性和可得性，從國家統計局頒布的宏觀經濟評價指標和銀監會非現場監管指標等成熟體系中選取。三是重要性，由于同一類型的經濟指標往往存在較高的關聯度，為確保指標代表性，在同類指標中，重點選取代表性較為突出的關鍵指標。四是靈敏性，傾向于選擇增速指標等變動相對較大，能夠充分體現出經濟發展趨勢細微調整的指標。

綜合上述原則，本文建立的經濟增長評價指標體系由3個模塊組成，包括3個基礎指標、10個一級指標和20個二級指標，如圖1所示。

同時，本文選擇不良貸款率作為衡量銀行信貸質量的指標，作為被解釋變量納入時間序列分析，以對比經濟減速增長階段銀行與經濟間相互制約的程度差異。

（二）綜合評價模型構建

本文所用經濟數據來源于萬得數據庫；銀行數據來源于銀監會監管統計信息系統，均為季度數據；受限于銀監會監管統計信息系統數據收集時間，選擇2009—2016年末山東省的數據進行研究。運用綜合指數法對樣本期各時點數據進行綜合評價，將基礎指標合成為綜合度量值，綜合反映宏觀、微觀和金融生態三個層面的經濟運行特征。公式為：[M=i=1nDiWi]，其中D表示標準化的基礎指標值，[ω]表示相應指標的權重，M表示各評價指標值。具體計算思路是對照各項基礎指標的實際數值和預先設定的評價區間計算出標準值，再加權平均得到綜合評價值。本文將分別從劃分基礎指標評價區間、指標數據標準化和確定各級指標權重三個方面，建立綜合評價模型。

1. 根據樣本期內各基礎指標統計分布，將指標值劃分為5個評價區間，分別對應（0，20]、（20，40]、（40，60]、（60，80]、（80，100]5個標準化的取值區間。指標值達到某個評價區間端點意味著該指標已經發生了顯著變化，鑒于指標均為定量指標，本文主要基于指標值落在各區間概率相等的原則，分別計算出80%、60%、40%、20%概率的分位數，以此作為臨界值對各指標進行劃分，具體區間見表1。

2. 依據區間劃分對定量指標的實際數值進行標準化處理。指標可分為兩類：一是正指標，即數值越大越好的指標，如人均收入指標；二是逆指標，即數值越小越好的指標，如虧損企業虧損額增速指標。本文根據指標值與區間臨界值間的相對位置，將原始值映射到分數上限和下限的對應位置。構建如下模型：

用[x]表示指標原始值，則指標標準值[S（x）]即為：

[Sx=li-+x-ti-ti+-ti-×li+-li-，x是正指標li-+ti+-xti+-ti-×li+-li-，x是逆指標]

其中[x∈[ti-，ti+]]，[ti-]和[ti+]分別表示指標原始值第i個風險預警區間的上限和下限，[li-]和[li+]分別表示標準值第i個區間的上限和下限，i=1，2，3，4，5。endprint

3. 運用層次分析法確定指標權重。具體方法是通過專家問卷的方式，對同一層級指標進行兩兩比較，然后綜合評估主體的判斷矩陣，確定諸因素相對重要性的總順序。本文以經濟綜合指標的3個一級指標為例，說明權重建模過程。

（1）構造判斷矩陣。通過兩兩比較3個中間指標，得到3階判斷矩陣。[A=（aij）4×4]=[14514111511]，其中[aij]表示第i個指標和第j個指標兩兩比較的結果，i=1，…，n，j=1，…，n。

矩陣A是正互反矩陣，對任意[aij]滿足[aij=1aji]。

（2）計算中間指標權重。采用以下近似求解法：首先計算判斷矩陣每行元素的乘積[Bi=j=1naij]，代入[aij]取值，得到[B1=20]，[B2=14]，[B3=15]。

然后計算[Bj]的n次方根：[Ci=Bin]，代入[Bi]取值，得到[C1=2.71]，[C2=0.63]，[C3=0.58]。

對向量[C=（C1，C2，C3，…，Cn）T]歸一化：

[ωi=C1i=1nC1，i=1，2，…，n]，

算出[ω1=0.69]，[ω2=0.16]，[ω3=0.15]。

[ω=（ω1，ω2，ω3，…，ωn）T]即為所求的特征向量，[ω1]、[ω2]、[ω3]分別為第一層次各指標的權重。

（3）一致性檢驗。首先計算一致性指標[CI]：[CI=λmax-nn-1]，其中[λmax=1ni=1nj=1naijωiωi]。[λmax]為判斷矩陣的最大特征根，n為階數，通過計算得到3階判斷矩陣的最大特征根[λmax=3.006]，一致性指標[CI=0.0028]。

然后計算一致性比率[CR]：[CR=CIRI]，其中[RI]為平均隨機一致性指標。3階[RI]值為0.52，代入計算即得[CR=0.0053]。

若[CR<0.1]，接受一致性，即判斷矩陣一致性檢驗被通過；若[CR≥0.1]，則應對判斷矩陣重新做適當調整。顯然3階判斷矩陣的[CR]值小于0.1，通過一致性檢驗。

重復上述的過程，結果見表2。

（三）時間序列值測算

基于上述計算方法，將樣本期各時點數據映射到0—100的區間內，得出基礎指標標準值，代入評價模型，運用表2權重進行加權平均，計算出樣本期間三項經濟評價指標的綜合評價值。限于篇幅，以趨勢圖的形式列示（見圖2）。

運用同樣標準化方法，可以計算商業銀行不良貸款率指標標準值。以全國性銀行（國有銀行和股份制銀行）為例，以趨勢圖的形式反映信貸質量指標的變動趨勢①（見圖3）。這里使用與上述經濟評價指標相同的標準化方法，依據區間劃分對不良貸款數值進行標準化處理，將其映射到[0，100]區間之中。

對比圖2與圖3可見，經濟綜合指標ME、金融環境指標FE、企業經營指標EM和信貸質量指標GYNR的變動趨勢在一定程度上吻合。經濟綜合指標ME和企業經營指標EM均出現明顯下滑，經濟綜合指標ME和企業經營指標EM之間變動趨勢的符合度較高，在ME下降時，EM大體上也呈下降趨勢，但ME變動的劇烈程度明顯低于EM，這反映出同宏觀指標相比，微觀經濟主體經濟行為存在更高的不確定性，微觀指標的波動性也更為顯著。金融環境指標FE雖然也出現一定程度的下滑，但相對穩定，金融環境受貨幣政策、財政政策等宏觀政策因素影響較多，宏觀調控傾向于呈現逆周期的特征，在經濟減速背景下，宏觀政策趨于寬松，有利于金融環境指標保持相對穩定。總體看，經濟進入新常態以來各項指標均趨于下滑，在趨勢上呈現出銀行信貸質量與經濟增長相互制約特征，宏觀調控目標與微觀運行態勢出現了背離。

但也可以觀察到，各經濟指標與信貸質量指標均未達到完全契合的程度，這說明，單純依據宏觀或微觀某一種模型難以充分合理地解釋二者之間的關系，必須建立包含多種解釋變量的模型，進行全面綜合的實證檢驗。

三、經濟增長與信貸質量關系探討

（一）基于山東省數據的實證研究

限于各類銀行機構在數據可靠性與規范性等方面存在差異，本文選取全國性銀行樣本期間的數據進行檢驗，來探討評價指標與信貸質量指標之間的關系。

1. 單位根檢驗。對ME、FE、EM、GYNR及各自的一階差分時間序列分別進行ADF檢驗，滯后階數根據AIC準則來判定，結果如表3所示。

從檢驗結果可見，對于未差分的各原始變量，在5%的顯著性水平下均不拒絕原假設，即認為序列存在單位根，是不平穩的。一階差分后的各序列均在5%的顯著性水平下拒絕原假設，認為差分后的序列不存在單位根，是平穩的。由此可見，經濟綜合指標ME、金融環境指標FE、企業經營指標EM、信貸質量指標GYNR這4個時間序列均在一階差分后變為平穩序列，也就是均為一階單整序列I（1）。

2. Johansen協整檢驗。根據之前的單位根檢驗，已經證實各變量均為一階單整，因而可以進行下一步的檢驗，判斷各變量間是否存在協整關系。由于本文采用的Johansen檢驗基于VAR模型，需要確定VAR模型的滯后階數。時間序列研究中通常用于確定滯后階數的準則包括LR、FPE、AIC、SC、HQ五種，各類準則檢驗結果如表4所示。

由表4可見，FPE、AIC、SC和HQ均選擇1階滯后，而LR選擇了3階滯后，因此根據多數的原則，確定滯后階數為1階，建立VAR模型。基于建立的VAR模型，進行協整檢驗，其結果如表5所示。

根據表5的檢驗結果可知，在5%的顯著性水平下，跡檢驗和最大特征值檢驗均拒絕不存在協整關系的原假設，表明時間序列變量間存在協整關系。

3. 方差分解。對之前得到的VAR模型進行方差分解，結果如圖4。可以看出，各個變量對GYNR的貢獻均為逐漸增加的。其中，經濟綜合指標ME對GYNR的貢獻率最大，呈長期顯著的正向關系。因而，在經濟增長出現不利變動時，銀行信貸質量也將面臨不利影響，且這一影響隨時間推移逐漸深化，即在經濟減速新常態下，經濟減速增長與銀行信貸質量存在相互抑制關系。企業經營指標EM雖然時滯較長、在前期貢獻不顯著，但在一段時間后有所上升，最終貢獻率僅次于ME，顯示企業經營下滑對于信貸資產質量的沖擊具有一定的滯后性。金融環境指標FE對GYNR的貢獻率較為穩定，但相對略低。endprint

（二）基于Granger因果檢驗的四類銀行機構對比研究

在方差分解的基礎上，我們選取最主要的解釋變量ME，檢驗經濟因素與各類銀行信貸質量的因果關系，下面首先以國有銀行為例進行說明。對銀行信貸質量指標GYNR和經濟綜合指標ME做Granger因果檢驗，結果如表6。根據表6的檢驗結果可知，二者在10%置信水平上存在雙向因果關系。

運用相同方法，分別用國有商業銀行、股份制銀行、城市商業銀行和農村金融機構不良貸款率標準化指標進行Granger因果檢驗，以探究宏觀經濟因素對各類銀行影響的差異，檢驗結果如表7所示。

從表7的檢驗結果可知，不同類型銀行的Granger因果檢驗結果有所差異，大型銀行信貸質量指標GYNR與經濟綜合指標ME為雙向因果關系，而中小銀行僅存在經濟綜合指標到信貸質量指標的單向因果關系，對宏觀經濟的影響相對薄弱，因此，應根據對各類機構的不同特征，有針對性地采取差異化政策。

四、實證結果分析及路徑選擇

通過上述分析可以得出如下結論：

（一）經濟增長與信貸質量存在著長期穩定的均衡關系

協整檢驗的結果證明，各變量間確實存在著長期穩定的關系，協整關系式中各變量的變動關系也沒有違背理論研究結論，因此，可以認為協整檢驗的結果是可靠的，也是有經濟意義的。各變量間確實存在著長期穩定的均衡關系，經濟綜合指標、金融環境指標和企業經營指標與商業銀行信貸質量存在相互影響。

（二）新常態下經濟增長和信貸質量存在相互抑制關系

Granger因果檢驗證明，經濟綜合指標與信貸質量指標之間存在雙向因果關系，這種因果關系在新常態背景下具體體現為二者相互制約的關系。同時經濟綜合指標的滯后變量對信貸質量指標的影響更為顯著，即宏觀經濟到銀行信用風險的因果關系較強，這一方面顯示經濟增長對銀行信貸質量確實存在顯著影響，另一方面也說明銀行信貸質量對經濟增長的潛在影響是不可忽視的。國家調控層面應該在當前趨于嚴重的互抑面前主動作為，一方面積極采取逆周期措施提振經濟增長，另一方面推動銀行業加強風險防控改善信貸質量，將更有利于二者重回互利關系。

（三）宏觀經濟環境是影響銀行信貸質量的最重要因素

方差分解的結果顯示，在三項經濟評價指標中，經濟綜合指標的方差貢獻率明顯高于金融環境指標和企業經營指標，證明經濟環境的變化對銀行信貸質量的沖擊更為突出，是導致互抑的重要因素。這也為銀行信用風險管控提供了借鑒。在不利的宏觀環境下，如果單純注重對單個風險企業的跟蹤監測和化解，其效果可能是有限的，應當更加注重銀行業整體利益，而非單家銀行個體利益，在互相抑制的關系下，商業銀行不應采取簡單的收縮信貸的方式規避風險，而應增強配合宏觀調控政策的主動性和契合度，助推宏觀調控目標的實現，從而更有利于控制風險。

（四）不同規模銀行對宏觀經濟的影響存在明顯差異

根據比較研究的結果可知，不同類型銀行對宏觀經濟影響有所差異，市場份額較大、同經濟聯系更為密切的大型銀行信貸質量指標對經濟綜合指標的因果關系更顯著，而中小銀行對宏觀經濟的影響則相對較為薄弱，因此，危機時采取差異化政策，允許中小銀行有選擇地退出高風險領域，加大弱周期領域和新興領域信貸投放，選擇性拓展溢價能力高、發展潛力大的客戶資源，適度規避外部經濟負面沖擊，同時重點鼓勵有實力的大型銀行穩定信貸投放，履行社會責任，有利于兼顧經濟體系與銀行體系的穩定，是可行的政策選擇。

上述研究結論在監管政策的制定層面和銀行業轉型發展層面都有啟示意義。當前經濟增速放緩，信用風險高發，經濟增長與信貸質量呈現互抑關系，應積極采取措施遏制這種制約關系積聚，引導銀行業主動適應經濟結構改革，實現與經濟發展的良性互動。從監管層面來說，應當督促和引導銀行業一方面嚴控信用風險，加快不良資產處置；另一方面緊跟國家戰略，服務供給側改革，加強行業合作，擔當社會責任。從銀行業轉型發展層面來說，將服務實體經濟與自身可持續發展有機結合，及時順應供給側改革導向，正確理解和貫徹逆周期的宏觀調控意圖，在積極支持經濟結構性改革的過程中持續增強自身競爭力。

注：

①信貸質量指標數據來源為銀監會監管統計信息系統，不良貸款率=不良貸款/各項貸款。

參考文獻：

[1]Dornbusch，R.，Fischer，S.，and Startz， R.1997. Macroeconomics（7th edition）[M].Homewood：Richard D Irwin.

[2]Pesola，Jarmo. 2001. The Role of Macroeconomic Shocks in Banking Crises[J].Bank of Finland Discussion Paper，18（4）.

[3]Meyer，Andrew P. and Yeager，Timothy J. 2001. Are Small Rural Banks Vulnerable to Local Economic Downturns？[J].Federal Reserve Bank of St. Louis Review，82（2）

[4]Max Bruche and Carlos González-Aguado. 2010. Recovery Rates，Default Probabilities，and the Credit Cycle[J].Journal of Banking and Finance，34（4）.

[5]Frederic S. Mishkin. 2013. The Economics of Money， Banking and Financial Markets[M].Pearson Education Limited.

[6]巴曙松，林宇靈.經濟回落時期中國銀行業的挑戰：從風險管理角度的考察[J].國際經濟評論，2008，（6）.

[7]李文弘，羅猛.關于我國商業銀行資本充足率順周期性的實證研究[J].金融研究，2010，（2）.

[8]唐丹.經濟新常態下商業銀行的應變與轉型[J].金融經濟，2015，（6）.endprint