我國(guó)農(nóng)村商業(yè)銀行信貸管理分析與政策研究
——基于VAR 模型

（貴州大學(xué) 經(jīng)濟(jì)學(xué)院，貴州 貴陽(yáng) 550025）

一、引言

20 世紀(jì)90 年代以來(lái)，我國(guó)農(nóng)村金融機(jī)構(gòu)實(shí)行大規(guī)模的商業(yè)化改革，使得農(nóng)村資金繼續(xù)外流和正規(guī)金融機(jī)構(gòu)信貸不足的情況更加突出。2007 年銀監(jiān)會(huì)編制完成的《中國(guó)銀行業(yè)農(nóng)村金融服務(wù)分布圖集》顯示：農(nóng)村金融市場(chǎng)處于壟斷狀態(tài)，缺乏有效的競(jìng)爭(zhēng)，城市人均貸款額度是農(nóng)村地區(qū)人均貸款額度的7～8 倍。截止2018 年12 月，全國(guó)共有銀行業(yè)金融機(jī)構(gòu)4 588 家，其中包括6 家國(guó)有大型商業(yè)銀行，1 家開發(fā)性金融機(jī)構(gòu)，2 家政策性銀行，12 家股份制商業(yè)銀行，134 家城市商業(yè)銀行，1 397 家農(nóng)村商業(yè)銀行，30 家農(nóng)村合作銀行，812 家農(nóng)村信用社和1 616家村鎮(zhèn)銀行。其中農(nóng)村商業(yè)銀行占銀行業(yè)金融機(jī)構(gòu)的30.4%[1]。《金融機(jī)構(gòu)貸款投向統(tǒng)計(jì)報(bào)告》顯示，農(nóng)村信貸水平在2010 年后逐年得到改善，農(nóng)戶貸款長(zhǎng)期高于農(nóng)業(yè)貸款，且增長(zhǎng)幅度明顯。而另一方面，農(nóng)業(yè)貸款同比增長(zhǎng)率有遞減趨勢(shì)，這主要是因?yàn)榻鼛啄晡覈?guó)大量的農(nóng)村勞動(dòng)力不斷地向城市轉(zhuǎn)移產(chǎn)生的結(jié)果。本文選擇農(nóng)村商業(yè)銀行這一農(nóng)村金融機(jī)構(gòu)為主體，探討其信貸水平的影響因素及與不良貸款率之間的相互聯(lián)系，并據(jù)此提出具體建議，研究結(jié)論說(shuō)明要想發(fā)展和完善農(nóng)村信貸市場(chǎng)，各農(nóng)商行應(yīng)該注重挖掘更多潛在的貸款農(nóng)戶并給予支持，這是提高農(nóng)村信貸管理水平的一個(gè)方向。

二、文獻(xiàn)綜述

農(nóng)村商業(yè)銀行（以下簡(jiǎn)稱“農(nóng)商行”）信貸管理水平落后由來(lái)已久，既有歷史原因，也有現(xiàn)實(shí)原因。1996—2003 年，我國(guó)開始對(duì)金融部門實(shí)行改革，這階段農(nóng)村金融最顯著的特征，可以用“機(jī)構(gòu)離農(nóng)”、“資金離農(nóng)”來(lái)概括（周立，2010），機(jī)構(gòu)離農(nóng)，主要指國(guó)有銀行大幅撤離縣級(jí)以下的網(wǎng)點(diǎn)。“資金離農(nóng)”，主要是指農(nóng)村資金流向城市，農(nóng)業(yè)支持工業(yè)發(fā)展。趙元華和丁忠民（2003）[2]認(rèn)為，“機(jī)構(gòu)離農(nóng)”導(dǎo)致農(nóng)村金融機(jī)構(gòu)急速萎縮，嚴(yán)重影響了當(dāng)?shù)乜h域經(jīng)濟(jì)的發(fā)展。張艷英（2019）[3]認(rèn)為傳統(tǒng)農(nóng)村商業(yè)銀行具有資金鏈優(yōu)勢(shì)大，服務(wù)專業(yè)性強(qiáng)的優(yōu)勢(shì)，但是便利性差，與其貸款收益相比，農(nóng)戶儲(chǔ)存收益低，并且在借貸方面有呈兩極化發(fā)展的趨勢(shì)，傳統(tǒng)農(nóng)村商業(yè)銀行在借貸的時(shí)候更傾向于能力較強(qiáng)的大客戶。韋群生（2019）[4]則認(rèn)為信貸風(fēng)險(xiǎn)識(shí)別是農(nóng)村商業(yè)銀行信貸管理的重要內(nèi)容，他認(rèn)為我國(guó)農(nóng)村商業(yè)銀行的信用分析，從范圍上講主要包含三個(gè)方面：一是借款人信用評(píng)價(jià)；二是財(cái)務(wù)分析；三是非財(cái)務(wù)因素分析。

以上的學(xué)者從歷史和信貸風(fēng)險(xiǎn)等角度解釋了農(nóng)村金融機(jī)構(gòu)信貸管理薄弱的原因，但是根據(jù)后續(xù)研究者的觀察和分析發(fā)現(xiàn)，目前導(dǎo)致我國(guó)農(nóng)商行信貸管理效果甚微的原因是多方面的。程鳳朝和劉獻(xiàn)良（2015）[5]指出，當(dāng)前我國(guó)農(nóng)村金融服務(wù)面臨著金融供給“過(guò)度”與“不足”共存、農(nóng)村金融抵押擔(dān)保難、增值服務(wù)不足、農(nóng)業(yè)保險(xiǎn)發(fā)展滯后、農(nóng)村征信體系建設(shè)滯后等多方面問(wèn)題，陳芳（2018）[6]的研究結(jié)論與程鳳朝和劉獻(xiàn)良兩位的觀點(diǎn)基本相同，她認(rèn)為農(nóng)戶融資難問(wèn)題長(zhǎng)期得不到解決的主要原因，在于農(nóng)戶缺乏有效抵押品以及因金融機(jī)構(gòu)對(duì)農(nóng)戶的信息掌握程度較低，導(dǎo)致的風(fēng)險(xiǎn)規(guī)避甚至逆向選擇。管公明和王遲（2015）[7]則從商業(yè)銀行經(jīng)營(yíng)成本、績(jī)效考核標(biāo)準(zhǔn)的角度來(lái)分析此問(wèn)題，認(rèn)為金融機(jī)構(gòu)如果基層服務(wù)網(wǎng)點(diǎn)過(guò)多，會(huì)導(dǎo)致經(jīng)營(yíng)成本過(guò)高，再加上目前各商業(yè)銀行總行主要采取綜合績(jī)效考評(píng)的方式評(píng)價(jià)分支機(jī)構(gòu)業(yè)績(jī)，包含經(jīng)濟(jì)增加值、人均經(jīng)濟(jì)增加值、經(jīng)濟(jì)資本回報(bào)率等效益類指標(biāo)等，各商業(yè)銀行分支機(jī)構(gòu)為了達(dá)到考核標(biāo)準(zhǔn)，更傾向于發(fā)展貸款數(shù)額較大的城市信貸市場(chǎng)，筆者認(rèn)為這是農(nóng)村金融機(jī)構(gòu)目前信貸水平提升不明顯的一個(gè)重要原因。

雖然各位學(xué)者分別從不同的角度提出了農(nóng)村金融機(jī)構(gòu)信貸管理所存在的問(wèn)題，但是系統(tǒng)地對(duì)我國(guó)農(nóng)商行信貸管理進(jìn)行研究的文獻(xiàn)還比較少，筆者將通過(guò)VAR 模型的實(shí)證分析，重點(diǎn)解釋農(nóng)戶儲(chǔ)蓄，可支配收入、消費(fèi)水平以及固定資產(chǎn)投資對(duì)農(nóng)商行不良貸款率的影響程度，針對(duì)性地提出相關(guān)解決措施，以期完善學(xué)術(shù)界對(duì)相關(guān)問(wèn)題的解釋和研究。

三、我國(guó)農(nóng)商行農(nóng)村信貸管理的計(jì)量分析

（一）數(shù)據(jù)來(lái)源與穩(wěn)健性檢驗(yàn)

根據(jù)數(shù)據(jù)的可獲得性、真實(shí)性，本文選取2005—2014 年農(nóng)商行不良貸款率NPLr 作為因變量，自變量選用農(nóng)戶儲(chǔ)蓄X1、農(nóng)村居民可支配收入X2、農(nóng)村居民消費(fèi)水平X3 以及農(nóng)戶固定資產(chǎn)投資X4 來(lái)表示，所有變量的原始數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局、《農(nóng)村統(tǒng)計(jì)年鑒》以及銀監(jiān)會(huì)的《商業(yè)銀行主要監(jiān)管指標(biāo)情況表》，據(jù)此建立向量自回歸模型，本文的模型中，為使數(shù)據(jù)趨于穩(wěn)定，對(duì)原數(shù)據(jù)進(jìn)行對(duì)數(shù)處理。

在建立VAR 模型之前，本文運(yùn)用Eviews9.先檢驗(yàn)其平穩(wěn)性，所得結(jié)果如表1 所示。自變量和因變量均為一階平穩(wěn)序列。因此，可以建立VAR 模型。根據(jù)AIC 準(zhǔn)則和AC 準(zhǔn)則，判定滯后期的標(biāo)準(zhǔn)是使兩個(gè)準(zhǔn)則的數(shù)值最小，通過(guò)驗(yàn)證，最后將模型滯后期選擇為2，由于所分析的時(shí)間序列是一階差分平穩(wěn)的，所以此VAR 模型的最優(yōu)滯后階數(shù)為1。本文選用的是常規(guī)的Johansen 協(xié)整檢驗(yàn)，輸出結(jié)果顯示，模型中五個(gè)變量存在協(xié)整關(guān)系。

表1 ADF 檢驗(yàn)結(jié)果

（二）VAR 模型估計(jì)

綜合以上的檢驗(yàn)和分析，得出本文的VAR 模型的最佳滯后階數(shù)是1，所以建立滯后1 階的VAR模型：

LnNPLrt=α0+α1LnX1t-1+α2LnX2t-1+α3LnX3t-1+α4LnX4t-1+ρt

其中α0、α1、α2、α3、α4是待估參數(shù)，ρ 是隨機(jī)擾動(dòng)項(xiàng)，本模型的估計(jì)結(jié)果如下：

LnNPLrt=（0.002947-0.300439 0.455912-0.225981）LnNPLrt-1+（0.752815）+ρt

由于R-squared=0.997978，表明本文VAR 模型總體的擬合優(yōu)度為99.80%，所得到的模型估計(jì)較為準(zhǔn)確。

（三）脈沖響應(yīng)函數(shù)分析

由于VAR 模型是一種非理論性的模型，因此在分析VAR 模型時(shí)，往往不分析一個(gè)變量的變化對(duì)另一個(gè)變量的影響，而脈沖響應(yīng)函數(shù)刻畫的就是擾動(dòng)項(xiàng)上加一個(gè)標(biāo)準(zhǔn)差大小的一次性沖擊對(duì)內(nèi)生變量的當(dāng)前值和未來(lái)值的影響。根據(jù)上述VAR 模型得到的估值結(jié)果，進(jìn)行脈沖響應(yīng)分析。由圖1 可以得出以下結(jié)論：

在X1 的正向沖擊后，NPLr 立馬作出反應(yīng)，但是這種響應(yīng)并不強(qiáng)烈，波動(dòng)程度較小，這說(shuō)明隨著農(nóng)戶的儲(chǔ)蓄增加，會(huì)導(dǎo)致不良貸款率開始上升，原因可能在于農(nóng)戶會(huì)更加注重生活質(zhì)量，淡化防風(fēng)險(xiǎn)意識(shí)，但是隨著農(nóng)戶儲(chǔ)蓄繼續(xù)增加，仍然會(huì)促進(jìn)農(nóng)商行不良貸款率的降低。X2 對(duì)NPLr 的沖擊始終存在正向響應(yīng)，且這種效應(yīng)存在先遞增再緩緩遞減的趨勢(shì)，這說(shuō)明農(nóng)戶人均可支配收入的增加對(duì)農(nóng)商行不良貸款率的降低是有長(zhǎng)期有利影響的，當(dāng)可支配收入增加，農(nóng)戶的貸款意愿會(huì)相對(duì)淡化，這有利于減少農(nóng)商行壞賬損失。

相反，NPLr 的沖擊始終存在負(fù)向響應(yīng)，且隨著時(shí)間的推移，這種負(fù)向效應(yīng)是不斷增強(qiáng)的，這說(shuō)明隨著農(nóng)村居民消費(fèi)水平的增加，會(huì)導(dǎo)致農(nóng)商行的不良貸款率持續(xù)走高，原因可能在于農(nóng)戶存在盲目消費(fèi)，但是該階段過(guò)渡之后，“奢靡”之風(fēng)有所改善，農(nóng)商行不良貸款率將會(huì)緩緩下降。同樣，X4 對(duì)NPLr的沖擊也始終存在負(fù)向響應(yīng)，且波動(dòng)程度較為平穩(wěn)，這說(shuō)明隨著農(nóng)戶固定資產(chǎn)投資的增加，會(huì)促使不良貸款率的降低，原因在于銀行貸款需要抵押品，而農(nóng)戶的固定資產(chǎn)投資增加則有效地降低了農(nóng)商行的壞賬損失。

圖1 NPLr 對(duì)X1、X2、X3、X4 的脈沖響應(yīng)圖

（四）方差分解

脈沖響應(yīng)函數(shù)是隨著時(shí)間的推移，觀察模型中的各變量對(duì)于沖擊的響應(yīng)。而方差分解是分析預(yù)測(cè)殘差的標(biāo)準(zhǔn)差由不同信息的沖擊影響的比例，也即對(duì)應(yīng)內(nèi)生變量對(duì)標(biāo)準(zhǔn)差的貢獻(xiàn)比例。如表2 所示，綜合圖2，該模型的方差分解分析如下：

表2 方差分解表

在第一期時(shí)，農(nóng)商行不良貸款率只受自身的影響，到第十期時(shí)其貢獻(xiàn)率仍然是首位。從第二期開始，NPLr 開始受到X1、X2、X3 和X4 的影響，但是貢獻(xiàn)率卻大有不同，由表2 可以看出，農(nóng)村居民消費(fèi)水平對(duì)農(nóng)商行不良貸款率的影響力度是最小的，其次是農(nóng)戶儲(chǔ)蓄，然后是農(nóng)戶固定資產(chǎn)投資，貢獻(xiàn)度最大的是農(nóng)戶居民可支配入，其第三期的貢獻(xiàn)率已經(jīng)超過(guò)了農(nóng)村居民消費(fèi)水平第十期的貢獻(xiàn)率。

由圖2 可以更清晰地看出，農(nóng)戶人均可支配收入和農(nóng)戶固定資產(chǎn)投資對(duì)農(nóng)商行不良貸款率的影響力度是呈指數(shù)增長(zhǎng)的，這說(shuō)明如果農(nóng)商要想實(shí)現(xiàn)農(nóng)戶不良貸款率的降低，在宏觀上農(nóng)戶人均可支配收入要不斷上升，微觀上要鼓勵(lì)農(nóng)戶進(jìn)行固定資產(chǎn)投資。

圖2 方差分解圖

四、實(shí)證結(jié)論與相關(guān)政策建議

（一）實(shí)證結(jié)論

上文的VAR 模型的估計(jì)結(jié)果顯示，X1、X3 的滯后一期對(duì)農(nóng)村商業(yè)銀行不良貸款率的影響系數(shù)都是正的，分比為0.002 947 和0.455 912，說(shuō)明農(nóng)戶儲(chǔ)蓄和農(nóng)村居民消費(fèi)水平與農(nóng)商行不良貸款率之間呈正向變動(dòng)關(guān)系。另一方面X2、X4 的影響系數(shù)均為負(fù)值，分別是-0.300 439 和-0.225 981，說(shuō)明農(nóng)戶人均可支配收入和農(nóng)戶固定資產(chǎn)投資與農(nóng)商行不良貸款率存在反向變動(dòng)的關(guān)系，以上結(jié)論與文中的脈沖響應(yīng)函數(shù)分析與方差分解分析的結(jié)論一致。

（二）政策建議

雖然影響農(nóng)村商業(yè)銀行信貸管理的主觀因素和客觀因素非常的多，但是本文通過(guò)選取囊括了農(nóng)村居民的收入、儲(chǔ)蓄、消費(fèi)、投資四大代表性指標(biāo)進(jìn)行實(shí)證分析，本文認(rèn)為農(nóng)村商業(yè)銀行提升農(nóng)村信貸管理水平應(yīng)該從四個(gè)指標(biāo)出發(fā)，靈活地對(duì)農(nóng)村信貸進(jìn)行管理，當(dāng)農(nóng)村居民可支配收入增加或者農(nóng)戶固定資產(chǎn)增加時(shí)，應(yīng)該適當(dāng)放寬信貸約束，差別化提供信貸產(chǎn)品，創(chuàng)新金融服務(wù)方式和信貸工具，挖掘農(nóng)村居民信貸潛力，從而為促進(jìn)農(nóng)村經(jīng)濟(jì)的發(fā)展提供必要的資金支持。當(dāng)農(nóng)村處于社會(huì)風(fēng)氣不佳、奢靡之風(fēng)盛行、農(nóng)戶傾向于盲目消費(fèi)的時(shí)期時(shí)，農(nóng)村商業(yè)銀行應(yīng)該重視風(fēng)險(xiǎn)防控，建立合適的農(nóng)村信貸機(jī)制，不盲目追求農(nóng)村信貸規(guī)模，更加重視開發(fā)長(zhǎng)遠(yuǎn)有效的農(nóng)村信貸市場(chǎng)。

2014 年國(guó)務(wù)院印發(fā)了《關(guān)于金融服務(wù)“三農(nóng)”發(fā)展的若干意見》，明確指出我國(guó)正處于現(xiàn)代農(nóng)業(yè)的關(guān)鍵時(shí)期，要加大金融對(duì)新型農(nóng)業(yè)經(jīng)營(yíng)主體的支持力度[8]。本文認(rèn)為不只是農(nóng)商行，其他農(nóng)村金融機(jī)構(gòu)也應(yīng)該提高前瞻性，從市場(chǎng)的潛力出發(fā)，確定城鄉(xiāng)的業(yè)務(wù)情況。城鎮(zhèn)雖然目前效益好風(fēng)險(xiǎn)較低，但是競(jìng)爭(zhēng)激烈并且會(huì)越來(lái)越激烈，未來(lái)市場(chǎng)會(huì)逐漸趨于相對(duì)飽和。農(nóng)村雖然當(dāng)前條件不佳，但是近年來(lái)發(fā)展非常迅速，已經(jīng)超過(guò)了城鎮(zhèn)經(jīng)濟(jì)的發(fā)展速度，是一個(gè)很有潛力的待開發(fā)信貸市場(chǎng)，各大農(nóng)商行應(yīng)予以重視。