我國商業銀行不良貸款率的影響因素研究

屠宇航

（杭州電子科技大學 經濟學院，浙江 杭州 310018）

一、引言

2007年爆發的次貸危機未能解決從而導致了2008年的全球金融危機。美聯儲加大加息周期，導致以浮動匯率為主的次級抵押貸款利率上升，違約或遲付現象嚴重。利率的上升，也中斷了流向房地產的資金，導致房價持續下跌，銀行所持有的抵押物價值下跌，銀行的不良貸款上漲，美國兩房出現巨大損失，雷曼兄弟的破產，徹底擊垮了全球投資者的信心，包括中國在內的全球股市持續暴跌，金融危機在全球爆發。

19世紀，英格蘭兩家大銀行的倒閉以及日本北海道拓殖銀行的破產都是由于這些銀行的不良貸款太高收不回引起的，銀行的倒閉必然會引起經濟格局的變動，就如2008年金融危機一樣，而商業銀行不良貸款問題是銀行失敗的主要原因。

近年來，我國商業銀行不良貸款余額和不良貸款率均出現下降，但是不良貸款的絕對數目仍舊巨大，不良貸款問題還是不容樂觀，雙降現象不持久。

二、國內外相關文獻綜述

（一）宏觀經濟因素對我國不良貸款率的影響

1.對不良貸款率有正向影響的宏觀經濟因素。從宏觀角度分析，王光偉和童元松（2014）運用統計軟件分析數據，實證結果表明，美元匯率與商業銀行不良貸款率正相關。再者，劉茹（2014）認為不良貸款不僅影響著銀行經營的安全性、穩定性和盈利性，有時甚至會成為金融危機的導火線。所以她選取了具有代表性的宏觀變量：商業銀行總貸款量、行業總景氣指數，再加上不良貸款率等變量進行了實證分析。而國外學者Tanaskovi＇和Jandri＇（2015）也對匯率和外幣貸款比例進行了研究，分析結果表明這些因素都與不良貸款率的增加呈正相關關系。對宏觀經濟因素M2的研究，徐曉通（2015）、劉茹（2014）和陳奕羽都得出相同的結果：M2增長率對不良貸款率有顯著的正向影響。國外學者Akinlo和Emmanue（l2014）認為信用風險評估是宏觀審慎分析的一個重要組成部分。他們認為在短期內，貸款給私人部門、匯率、利率和股票市場指數是影響不良貸款率的主要因素。

2.對不良貸款率有負向影響的宏觀經濟因素。國內學者李思慧和顏向農（2007）選取國內生產總值、城鎮固定資產投資總額、社會消費品零售總額、進出口總額四個宏觀經濟指標，實證結果表明選取的宏觀經濟指標對商業銀行不良貸款率有著顯著的影響。對于GDP增長率影響因素的研究，梁秋霞（2012）、王光偉、童元松（2014）和徐曉通（2015）也經過實證分析得知，商業銀行不良貸款率受GDP增長率的影響并與之呈負相關，受貨幣供應量增長率的影響并與之呈負相關。牛麗（2015）認為隨著利率市場化的提出，商業銀行存貸差的利潤空間會被擠壓，這將會降低銀行的盈利能力、凈資產收益率，導致銀行信用風險越大。Akinlo和Emmanuel（2014）認為信用風險評估是宏觀審慎分析的一個重要組成部分。他們通過一個宏觀經濟模型對尼日利亞的不良貸款進行了研究。實證研究結果發現，從長期看，經濟增長與不良貸款率呈反向關系。在短期內，貸款給私人部門、匯率、利率和股票市場指數是影響不良貸款率的主要因素。

Zelalem（2013）研究了銀行自身因素和宏觀經濟因素對埃塞俄比亞商業銀行不良貸款率的影響。研究結果表明有效匯率，通貨膨脹率和國內生產總值與商業銀行不良貸款率為負相關關系。

（二）微觀經濟因素對我國不良貸款率的影響

1.對不良貸款率有正向影響的微觀經濟因素。梁秋霞（2012）認為不良貸款的形成還受到銀行自身行為等因素的影響。經過實證分析得知，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，受貸款占總負債比例的影響并與之呈正相關。對于其他微觀影響因素，易澳妮（2016）采用我國商業銀行2009—2015年季度不良貸款數據，選取商業銀行管理指標，建立了多元回歸模型和VAR模型，實證分析了我國商業銀行不良貸款的影響因素。結果表明撥備覆蓋率與不良貸款率顯著正相關。

商業銀行的貸款集中度也會影響商業銀行不良貸款率，徐曉通（2015）就對這個影響因素進行了研究，結果表明商業銀行的貸款集中度越高，進而增加商業銀行的不良貸款率水平。國外學者Fisehertl（2013）認為貸款的行業過于集中主要體現的風險表現為銀行的不良貸款量的激增，進而導致商業銀行的不良貸款率的直線上升，造成銀行日常經營的流動性風險。國外學者Zelalem（2013）就銀行資產規模對不良貸款影響進行了研究，結果都表明銀行資產規模則與商業銀行不良貸款率成正相關關系。

2.對不良貸款率有負向影響的微觀經濟因素。陳金媛（2015）和徐曉通（2015）認為我國商業銀行不良貸款率在微觀層面受銀行層面的撥備覆蓋率影響，且呈負相關關系，銀行撥備覆蓋率越高，說明商業銀行應對風險損失的能力越強，商業銀行的不良貸款率越低。劉茹（2014）則選取了具有代表性的微觀變量：商業銀行相對規模、不良貸款率等變量進行了實證分析。研究表明：商業銀行相對規模與不良貸款率呈現負相關關系。國外學者Zelalem（2013）通過研究銀行自身因素對埃塞俄比亞商業銀行不良貸款率的影響發現，貸款增長、財政績效、運營效率與商業銀行不良貸款率為負相關關系。

（三）小結

國內外對銀行的不良貸款率的都有著深刻的研究，都有自己獨特的見解，對于影響銀行不良貸款率的因素也做出明確的解釋。影響銀行的不良貸款率的因素絕不僅限于上面所說的幾種，有銀行內部的原因，也有貸款企業自己的原因，再者是政府出臺干預政策也會影響市場的波動，進而對銀行的不良貸款率產生影響。更深入的了解則需要我們依據具體的數據分析和更多的實踐。

三、我國商業銀行不良貸款影響因素的實證分析

（一）研究模型

利用面板數據建立的模型通常有三種：固定效應模型、隨機效應模型和混合估計模型。本文選取個體固定效應模型來研究我國商業銀行不良貸款率的影響因素。

模型：固定效應模型：

NPL表示的是商業銀行的不良貸款率，GDP表示的是國內生產總值增長率，M2表示的是廣義貨幣供應量增長率，IR表示的是通貨膨脹率，JLC表示的是凈利差，CDB表示的是存貸比，ZC表示的是資產負債率，ZB表示的是資本充足率，BB表示的是撥備覆蓋率，CB表示的是成本收入比，SZ表示的是上證銀行指數。其中下標i表示截面成員，下標t表示時間截面。

模型樣本的選取。本文根據國內外的研究成果合理地選取不同層次的商業銀行，可以將政策性銀行以及其他性質銀行排除，又因為我國商業銀行主要包括國有商業銀行、全國性股份制商業銀行、城市商業銀行三類，這三類銀行則占據了銀行業金融機構市場的大部分份額。由圖1可知。

圖1 銀行業金融機構市場份額（按資產）

因此本文所選的銀行樣本均來自于國有商業銀行的五家、股份制商業銀行的10家和城市商業銀行18家。

（二）研究變量

模型變量選取。本文選取商業銀行不良貸款率作為被解釋變量，選取三個宏觀經濟指標、六個微觀經濟指標（銀行自身指標）和一個行業指標作為解釋變量。其中，選取GDP增長率、M2增長率和通貨膨脹率作為影響銀行不良貸款率的宏觀經濟指標；選取凈利差、存貸比、資產負債率、資本充足率、撥備覆蓋率和成本收入比作為影響商業銀行不良貸款率的微觀經濟指標；選取上證銀行指數作為影響商業銀行不良貸款率的行業指標。

（三）實證分析

本文在個體固定效應模型的基礎上，利用最小二乘法分別對上市銀行整體、國有商業銀行和股份制商業銀行兩者一起、城市商業銀行的樣本數據進行回歸分析，同時檢驗模型的擬合優度及其顯著性。模型回歸估計結果如表1～表3所示。

表1 上市銀行整體模型估計結果

從表1的估計結果分析，各解釋變量與被解釋變量不良貸款率之間關系與前期假設一致。從各變量系數看，變量GDP增長率和通貨膨脹率對商業銀行不良貸款率的影響是很顯著的。變量M2增長率和凈利差對商業銀行不良貸款率的影響較為明顯。變量資產負債率和資本充足率對商業銀行不良貸款率的影響已經是很不明顯了。其他變量如存貸比、撥備覆蓋率和成本收入比對商業銀行不良貸款率的影響是微乎其微了。行業變量上證銀行指數對商業銀行不良貸款率的影響較為明顯，指數上升1點，不良貸款率增長了0.25%。

模型的擬合度值是0.484的，是比較擬合；從估計結果看所有變量的P值均小于0.01，在99%的顯著性水平下顯著。

表2 國有、股份制商業銀行模型估計結果

從表2的估計結果分析，回歸方程整體顯著性強。各解釋變量與被解釋變量不良貸款率之間關系與前期假設一致。且模型比較擬合。從估計結果我們得出，除了凈利差（JIC）這個變量在95%的顯著性水平下顯著，其他的變量均在99%的顯著性水平下顯著。

表3 城市商業銀行模型估計結果

從表3的估計結果分析，回歸方程整體顯著性強。GDP增長率、通貨膨脹率和凈利差對商業銀行不良貸款率的影響顯著。變量M2增長率和資產負債率對商業銀行不良貸款率的影響已經不太明顯。其他變量如資本充足率、存貸比、撥備覆蓋率和成本收入比對商業銀行不良貸款率的影響是微乎其微了。行業變量上證銀行指數對商業銀行不良貸款率的影響較為明顯，指數上升1點，不良貸款率增長了0.15%。從估計結果看我們發現除了資本充足率（ZB）表現不顯著，其他變量均在95%的顯著性水平下顯著。

對比上市商業銀行整體、國有股份制商業銀行和城市商業銀行的模型估計結果我們發現整體的估計結果和國有股份制商業銀行的估計結果是一樣的，各解釋變量與被解釋變量之間的關系兩者相同，但城市商業銀行的估計結果與前兩個結果有出入，表現在兩個變量，一是存貸比（CDB），第二個是成本收入比（CB），結果剛好相反。出現差別的原因可能因為國有商業銀行和股份制商業銀行占據了銀行業的絕大部分份額，還有在樣本選取上國有股份制商業銀行數目不多，選擇性低，而城市商業銀行選擇性高。但總體上看，遵循上市銀行整體的模型估計結果。

對上述三種模型估計結果進行異方差調整，模型估計結果如表4所示。

表4 調整后模型估計結果

調整后的結果顯示回歸方程整體顯著性強，擬合度較好。在三類的模型估計結果中，宏觀經濟因素GDP增長率、M2增長率和通貨膨脹率都通過了1%顯著性水平的檢驗，微觀經濟因素撥備覆蓋率在三類模型估計結果中也都通過1%顯著性水平的檢驗。行業因素上證銀行指數也都通過了三類模型估計結果下的1%顯著性水平的檢驗。宏觀經濟因素凈利差在上市商業銀行整體和城市商業銀行模型估計結果下都通過了檢驗，但在國有&股份制商業銀行的模型估計結果下不顯著。微觀經濟因素資產負債率、資本充足率和成本收入比在三類模型估計結果中都表現為不顯著。調整后的各變量在各模型估計結果中的顯著性結果跟未調整前的結果大致相近。

四、研究結論

1.顯著正向的宏觀結論。由上述實證研究模型估計結果可知，在宏觀經濟因素中，國內生產總值增長率（GDP）、廣義貨幣量增長率（M2）和通貨膨脹率（IR）與三類具有代表性的商業銀行的不良貸款率銀之間均存在顯著相關關系。結果表明廣義貨幣供應量增長率同通貨膨脹率一樣與這三大類銀行間呈正相關關系，隨著貨幣供應量增長率的提高，商業銀行不良貸款率下降。這也與前期的理論假設相吻合。

2.顯著負向的宏觀結論。國內生產總值增長率與上市商業銀行整體、國有商業銀行、股份制商業銀行、城市商業銀行均呈現出顯著的負相關關系，隨著國內生產總值增長率的提高，商業銀行不良貸款率下降，因為GDP增長率提升越快則表明經濟發展水平越高，投資需求越旺盛，從而提高了企業的經營效益，盈利能力提升，那么企業可按時償還銀行貸款本息，降低了銀行不良貸款率。這與前期的理論假設相吻合。

3.顯著正向的微觀結論。微觀經濟因素凈利差、資產負債率及資本充足率與上市商業銀行整體、國有商業銀行、股份制商業銀行以及城市商業銀行之間存在著顯著的正相關關系。而成本收入比在與上市商業銀行整體、國有商業銀行和股份制商業銀行之間存在顯著的正相關關系的同時與城市商業銀行之間卻存在著顯著的負相關關系，原因跟造成存貸比情況時相同，但整體上與假設吻合。

4.顯著負向的微觀結論。在微觀經濟因素中，撥備覆蓋率與上市商業銀行、國有商業銀行、股份制商業銀行以及城市商業銀行之間呈負相關關系，不良貸款率隨著撥備覆蓋率的提高而下降，符合前期假設。

存貸比與上市商業銀行整體、國有商業銀行和股份制商業銀行之間呈負相關關系，而跟城市商業銀行呈正相關關系。這與前期假設有出入，其原因可能因為國有商業銀行和股份制商業銀行占據了商業銀行份額的絕大部分，在樣本數量的選取有一定的差別。但從整體上模型估計結果還是跟前期假設相吻合的。

所以在整個微觀經濟因素中存貸比和成本收入比對不同類的商業銀行的不良貸款率有著不同的影響方向。

考慮行業因素，本文采用的是上證銀行股票指數來研究與商業銀行不良貸款率之間的關系，研究結果表明上證銀行指數與所有類商業銀行的不良貸款率之間有著顯著的正向關系，銀行股的指數越高，商業銀行的不良貸款率越高。