基于隨機森林的銀行不良貸款率變動情況的預測

(天津財經大學統計學院 天津 300222)

一、引言

(一)研究背景

近年來，我國商業銀行的不良貸款余額和不良貸款率持續上升，2019年2月我國銀保監會公布了最新的監管年報數據，2018年末，我國不良貸款余額達2.03萬億元，相較2017年末增加了2 800億元，同比增長16%。與此同時，我國銀行業的不良貸款率為1.83%，相較2017年又增加了0.1%。在如此嚴峻的形勢下，商業銀行風險暴露的問題將變得更為尖銳，如果處理不當，容易引發系統性風險。未來我國銀行業的不良貸款的風險還會不斷積聚。由此可見，分析影響我國銀行業不良貸款率的宏微觀因素，具有十分重要的現實意義。

(二)文獻綜述

分析世界銀行的經營史可知，導致銀行經營失敗的原因眾多，但是銀行不良貸款問題是導致銀行經營危機的首要原因。因此，銀行不良貸款受到世界各國廣泛的研究和關注。從宏觀角度分析，Akinlo和Emmanuel(2014)發現，從長期看，經濟增長與不良貸款率呈反向關系。Tanskovic和Jandric(2015)分析結果表明這些因素與不良貸款率的增加呈正相關關系。徐曉通(2015)經過實證分析得知，M2增長率對不良貸款率有顯著的正向影響。商業銀行不良貸款率受GDP增長率的影響并與之呈負相關關系，受貨幣供應量增長率的影響并與之呈負相關關系。從銀行自身角度分析，Zelalem(2014)就銀行資產規模與商業銀行不良貸款率的關系進行研究，發現二者之間成正相關關系。梁秋霞(2012)研究發現商業銀行不良貸款率受銀行的資產負債率的影響并與之呈正相關關系。徐曉通(2015)認為我國商業銀行不良貸款率受銀行自身的撥備覆蓋率影響，且呈負相關關系。

二、數據處理與變量選擇

(一)數據來源及數據處理

本文研究的數據主要包括兩部分，一部分來源于Wind數據庫中宏觀經濟板塊2014—2018年各項宏觀經濟指標數據，其中包括季度數據與月度數據。另一部分數據是銀行自身數據，來源于Wind數據庫中股票板塊中每只股票的銀行專項指標數據，這部分數據是16家銀行2014—2018年四個季度的各個銀行專項指標數據。由于其他銀行上市時間不足5年，所以只篩選出16家銀行，對數據處理如下。第一步，宏觀月度數據與宏觀季度數據的匹配。對于宏觀月度數據做兩種處理，一種是將各季度的三個月的數據分別作為三個指標；另一種月度數據處理方法是將各季度三個月的數據的平均值作為一個指標。第二步，16家銀行自身數據與宏觀數據匹配。將第一步中的兩種宏觀數據分別與各個銀行自身數據按照季度對應然后合并。

(二)變量的選取

自變量的選取：對預處理后的數據進行變量選取，得到四大類自變量。其中微觀層面包括銀行業務情況變量及銀行各項貸款業務占比情況的變量，宏觀層面包括宏觀經濟情況變量及金融市場流動性、風險性指標變量。

因變量的選取：以不良貸款率是否上升(Y)作為因變量。本文先選取各銀行企業每年的不良貸款率為初始變量，然后計算出當年不良貸款率相對上一年不良貸款率的變動值，變動值為正代表不良貸款率上升，變動值為負或零代表不良貸款率沒有上升。

三、模型選擇

分別對兩個數據集，以最大深度為3的決策樹為基學習器，構建隨機森林、AdaBoost、GBDT、XGBoost和LightGBM五種集成學習模型(基學習器均為50個)。將原始數據隨機劃分為訓練集(80%)和測試集(20%)，并對每個模型進行分類。對每個模型重復進行100次樣本劃分與分類，計算100次分類結果訓練集的準確率與測試集的準確率的平均值，結果如下。隨機森林訓練集與測試集的準確率分別為0.84、0.76，AdaBoost訓練集與測試集的準確率分別為1、0.74，GBDT訓練集與測試集的準確率分別為1、0.76，XGBoost訓練集與測試集的準確率分別為1、0.75，LightGBM訓練集與測試集的準確率分別為0.83、0.74。比較5個模型可以發現，默認參數下隨機森林的預測準確率較高，模型泛化能力較好，AdaBoost、GBDT、XGBoost、LightGBM存在過擬合現象。因此，選擇隨機森林模型作為預測模型。

四、銀行不良貸款率變動情況的預測及變量重要性分析

(一)模型評價

模型調優后，混頻數據集隨機森林訓練集與測試集的準確率分別為86.55%、81.25%，同頻數據集隨機森林訓練集與測試集的混淆矩陣的準確率分別為87.89%、81.25%。可以發現，兩種數據集的隨機森林模型的測試集預測準確率均為81.25%，說明建立的模型對混頻數據與同頻數據都能準確地識別出不良貸款率上升的情況。

(二)變量重要性

隨機森林模型按照兩種數據集給出變量重要性排在前30位的特征。其中，國內信貸規模、國房景氣指數、M2增速、資本充足率、房地產業貸款額占比，這5個變量的重要性明顯大于其他變量。

將數據按照國有銀行、股份制銀行及城市商業銀行將樣本進行分類，然后利用隨機森林模型擬合出影響不同類型銀行不良貸款率變動的特征重要性排名。結果如下，影響國有銀行不良貸款率變動的前六種因素分別為國房景氣指數、國內信貸、生產價格指數、城鎮登記失業率、M2增速和商業銀行的流動性比率；影響股份制銀行不良貸款率變動的前六種因素分別是國房景氣指數、制造業貸款比例、批發和零售業貸款比例、城鎮登記失業率、商業銀行的流動性比率和國內信貸；影響城商銀行不良貸款率變動的前六種因素分別是房地產業貸款比例、計息負債、單一客戶集中度、資本充足率、成本收入比和商業銀行的流動性比率。不難發現影響國有銀行不良貸款率變動的主要因素為宏觀經濟指標，影響股份制銀行的主要因素既包括宏觀經濟因素又包括銀行各項貸款占比情況，而城商銀行的不良貸款率變動主要受銀行自身業務和各項貸款占比的影響。

五、結論

本文利用機器學習研究銀行不良貸款率的變動情況得出以下結論。

第一，本文構建基于隨機森林的銀行不良貸款率變動預測模型發現，隨機森林算法與其他集成學習方法比較，在處理樣本少、特征多的數據時預測精度更高，模型泛化能力更好。利用隨機森林構建銀行不良貸款率變動預測模型，能較好地對銀行不良貸款率上升或下降進行預測，尤其能夠識別出不良貸款率上升的情況，預測精度在90%左右。

第二，研究銀行每季度不良貸款率變動時，加入高頻數據并做兩種處理。一種是將各季度的三個月的數據作為三個指標，另一種是將各季度三個月的數據的平均值作為一個指標。對比預測結果發現，混頻數據同頻數據預測效果相同，后續考慮增加樣本進一步進行比較。

第三，通過分析變量重要性發現，對整個的銀行業來說，國內信貸資金的規模、房地產行業景氣程度、貨幣供應量增速這些宏觀經濟因素會影響銀行的不良貸款率的變動。對不同類型的銀行分析發現，低水平國內信貸規模、高失業率以及貨幣供應量增速緩慢，容易引起國有銀行不良貸款率上升；較高的制造業或批發和零售業貸款額占比、較高的社會失業率都易引起股份制銀行不良貸款率的上升；客戶集中度高、較高銀行成本收入容易引起城商銀行不良貸款率的上升。綜合可以發現國有銀行受宏觀經濟情況及金融系統流動性的影響比較大，股份制銀行與城商銀行受自身因素的影響比較大。