我國商業銀行不良貸款余額趨勢分析

隋美超 張 瑞 楊海芬

（河北農業大學 河北保定 071000）

商業銀行不良貸款余額趨勢預測模型選擇

常用的時間序列分析方法主要有樸素估計方法、簡單平均方法以及arma方法。由于arma模型只讓數據自己“發聲”，外界因素對其影響可忽略不計，所以不考慮外部因素的影響進行預測效果會更佳?；谝陨戏治觯疚淖詈蟛捎胊rma模型對我國商業銀行不良貸款余額進行短期預測，針對不良貸款余額走勢狀況提出相應建議，將有利于商業銀行整體的健康穩定發展。

arma模型有三種表現形式：ar（自回歸模型）、ma（移動平均模型）和arma模型，即arma=ar+ma。ar（m）模型是根據過去的觀測數和現在的干擾數之間的線性結合進行預測，公式如下：

式（1）中，m為模型階數，t為常數項，φ（i=1，2，3，…，m）為自回歸系數，隨機項μ服從均值為0方差為δ的正態分布。ma（n）模型是根據過去和現在干擾數之間的線性結合，公式如下：

式（2）中，θ（i=1，2，3，…，n）為移動平均系數，n為移動平均階數。arma（m，n）模型是ar（m）以及ma（n）的結合，公式如下：

我國商業銀行不良貸款余額趨勢的實證分析

（一）我國商業銀行不良貸款余額趨勢的描述性分析

圖1顯示出，我國商業銀行不良貸款余額呈增長態勢，雖然某一期間呈現過下降趨勢，但也不是商業銀行正常業務發展所導致，而是外部宏觀政策對商業銀行不良貸款的調控起了效果，其中政府的干預和主導性不斷加強對商業銀行控制不良貸款余額起著十分重要的作用，但從數據上來看，不良貸款余額仍然很大。

圖1 商業銀行不良貸款余額統計圖

從圖1中可以看出，2011-2020年間商業銀行不良貸款余額總共出現三個增長點和一個下降點，第一個增長點是2016年第一季度，從2015年一季度的9825億元增加到13921億元，增長了41.7%。第二個增長點是2018年第二季度，由2018年第一季度的17742億元增長到19571億元，增長了10.3%。第三個增長點是2020年第三季度，由2020年第一季度的26121億元增長到28350億元，增長了8.5%。另外，一個下降點是2020年第四季度，由2020年第三季度的28350億元下降到27015億元，下降了4.9%。

對商業銀行不良貸款余額進行描述性統計結果分析，是為詳細看出近幾年的變化趨勢，但并不能得到未來的趨勢變化情況，通過模型預測可以進一步了解商業銀行不良貸款余額的增長或下降趨勢，得到具體數值上的變化，對于避免商業銀行風險問題的出現有至關重要的作用。

（二）我國商業銀行不良貸款余額趨勢的模型分析

平穩性檢驗。由于建模方法有限制，根據銀保監會提供的2011-2020年我國商業銀行不良貸款余額數據X，僅能分析平穩的時間序列，所以要對數據進行單位根檢驗，證明是否平穩后才可進行建模。

首先，平穩性檢驗可通過觀察序列的時序圖進行直觀判定。如圖2所示的商業銀行不良貸款余額時序變化，可以清楚看到商業銀行不良貸款余額呈現出增長及下降的變動趨勢，變動趨勢又無界限，因此判斷X序列為不平穩序列，需要對數據進行平穩性處理。

圖2 商業銀行不良貸款余額X序列的時序圖

圖3是一階差分后的（DX）時序圖，（DX）序列在某數值附近隨機變動，變動規律尚可，初步認為一階差分后的序列是平穩序列。為進一步檢驗是否平穩，對差分前后的序列采用ADF檢驗方法進行單位根檢驗，輸出結果如表1所示。

圖3 不良貸款余額一階差分DX序列的時序圖

表1 X與DX的ADF檢驗結果比較

表1的結果顯示，對X序列進行單位根檢驗的“帶截距項和趨勢項”的模型中，ADF結果為-2.814363，大于10%、5%和1%下的臨界值，檢驗值對應的P值結果為0.2010，大于0.05接受原假設，X序列為非平穩序列，其余模型均為非平穩序列；在三類模型中對DX序列進行檢驗，ADF結果均小于10%、5%和1%下的臨界值，且檢驗值對應的P值結果為0.0352，小于0.05不接受原假設，DX序列為平穩序列，繼而對其進行arma識別。

模型識別以及確定階數。檢驗DX是平穩的序列后對其建模。arma模型識別是基于數據的自相關和偏自相關函數的截尾性情況，判別模型的階數m和n，輸出結果如圖4所示，截尾、拖尾的情況相對較為明顯。但是為確保預測的精度，還是做了許多嘗試，建立了各類型的ar、ma和arma模型，對模型準則值進行比較，擇優選擇arma模型進行建模，其中m=1，n=1。

圖4 一階差分DX的自相關分析

模型參數估計與檢驗。第一，模型參數估計。用最小二乘法對ar（1）ma（1）模型進行參數估計，輸出結果如表2所示，ar（1）ma（1）模型預測的結果為：

第二，模型檢驗。如表2所示，P值小于0.05通過檢驗。圖5是對模型進行殘差序列白噪聲檢驗結果，各期P值均大于0.05接受原假設，最終解釋為ar（1）ma（1）模型通過殘差序列白噪聲檢驗。

表2 ar（1）ma（1）模型的參數估計結果

圖5 DX的殘差自相關檢驗

模型預測。前面兩項檢驗都通過后，下面利用ar（1）ma（1）模型對我國2021年四個季度的商業銀行不良貸款余額進行預測，并與2021年第一季度不良貸款余額值作比較，結果如表3所示?？煽闯鲱A測值與真實值差距較小，誤差在5%以內，證明模型預測結果較準確。

表3 X的真實值與預測值比較

由于預測值與真實值之間的誤差較小，所以可以進行模型預測。表4是對我國商業銀行不良貸款余額的動態預測結果展示，預測可知不良貸款余額仍會保持增長趨勢，增長幅度較小且穩定。

表4 我國商業銀行不良貸款余額預測結果

建議

第一，政府應加強對金融市場的調控能力。政府的宏觀調控對社會主義市場經濟的發展至關重要，因此要改變以往不良貸款持續上升的局面，應主要加強對金融市場的調控能力。政府不恰當的經濟干預會滯緩整個經濟進程的發展，導致一些企業的項目被迫終止，以致于不能按時償還商業銀行的貸款。想要從根本上解決不良貸款余額持續走高，就要以宏觀政府層面為主導，對企業伸出援手，在政策和資金上對企業放開手腳，讓企業項目順利的進行下去，如此一方面可以幫助企業正常運轉，另一方面企業又可以按期歸還貸款，達到雙方都滿意的結果。

第二，商業銀行應堅決轉變貸款方向。本文通過對商業銀行不良貸款余額的實際狀況進行調查，發現商業銀行不良貸款往往出現在許多國有企業的大型項目中，而要改變這種局面，以往貸款方向必須改變。商業銀行貸款方向目前正朝農戶和小微企業傾斜，這是一個千載難逢的良機，因為在鄉村振興的背景下，農戶及小微企業發展迅速，雖然農戶還款能力較弱，但農戶信用度很高。商業銀行應該對農戶及小微企業實行相應的優惠政策，鼓勵其貸款還款，以此低速高效地消除不良貸款。