作者簡介：曾燕（1990.1-），性別：女，籍貫：四川內(nèi)江，學(xué)校（或單位）：西南財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院統(tǒng)計(jì)學(xué) 12級(jí)碩士研究生。

摘要：本文從不良貸款的概念及其分類出發(fā)，分析了我國不良貸款現(xiàn)狀，指出我國商業(yè)銀行不良貸款從2002年至今的一些發(fā)展趨勢，并利用計(jì)量經(jīng)濟(jì)學(xué)中的簡單回歸方法對(duì)我國不良貸款率與一些宏觀經(jīng)濟(jì)發(fā)展指標(biāo)間的關(guān)系進(jìn)行了定性分析，得出部分宏觀經(jīng)濟(jì)指標(biāo)與不良貸款率確實(shí)存在一定關(guān)系，最后運(yùn)用多元統(tǒng)計(jì)分析中的判別分析的思想對(duì)銀行放貸企業(yè)的財(cái)務(wù)狀況進(jìn)行了大致分析，并提出要使用該方法改善不良貸款現(xiàn)狀應(yīng)該要注意的問題。

關(guān)鍵詞：不良貸款現(xiàn)狀；宏觀經(jīng)濟(jì)發(fā)展；財(cái)務(wù)分析

一、商業(yè)銀行不良貸款概述及我國商業(yè)銀行不良貸款現(xiàn)狀

存貸款業(yè)務(wù)一直以來就是我國商業(yè)銀行的主要業(yè)務(wù)，存貸款的利息差構(gòu)成了我國商業(yè)銀行的主要利潤來源。因此，貸款風(fēng)險(xiǎn)就成為了我國商業(yè)銀行的主要風(fēng)險(xiǎn)。在追逐高收益的情況下，貸款風(fēng)險(xiǎn)也逐漸加大，對(duì)不良貸款問題的思考也顯得越來越重要。我國自2002年起實(shí)行貸款五級(jí)分類制度，該制度按照貸款的風(fēng)險(xiǎn)程度，將銀行信貸資產(chǎn)分為五類：正常、關(guān)注、次級(jí)、可疑、損失。不良貸款主要指次級(jí)、可疑和損失類貸款。

據(jù)了解，我國商業(yè)銀行2012年年末的不良貸款余額為4929億元，同比上升647億元，不良貸款率為0.95%，同比下降0.01個(gè)百分點(diǎn)，經(jīng)過這么多年來銀行及相關(guān)部門的改革，我們看到了商業(yè)銀行在控制不良貸款方面取得的進(jìn)步，表現(xiàn)為我國商業(yè)銀行的不良貸款率自2003年至今一直處于下降趨勢，只是在不同的年份區(qū)間下降的幅度有所差異，從2003年至2006年四年間不良貸款下降幅度最大，從原先的17.8%下降到了10%這一國際警戒線一下。由于我國的宏觀貨幣環(huán)境緊縮，2007年我國商業(yè)銀行在高速增長過程中所積累的信貸風(fēng)險(xiǎn)顯現(xiàn)， 2007年年末的不良貸款率較2006年年底有所降低，從7.09%下降到了6.17%，但是不良貸款余額卻比2006年增加了982.4億，不良貸款率的降低有部分原因是由總的貸款增加的28580.1億元稀釋得來的。自2008年至今，不良貸款率緩慢下降，特別是近兩年以來不良貸款率在1%左右徘徊，有的季度甚至也出現(xiàn)不良貸款率上升的情況，這可能是由于商業(yè)銀行現(xiàn)在的不良貸款率已接近在現(xiàn)階段經(jīng)濟(jì)發(fā)展?fàn)顩r下的極限值，唯有經(jīng)濟(jì)健康持續(xù)的發(fā)展不良貸款率或有可能進(jìn)一步下降。

二、不良貸款與經(jīng)濟(jì)發(fā)展?fàn)顩r

為了說明經(jīng)濟(jì)發(fā)展?fàn)顩r與經(jīng)濟(jì)發(fā)展的關(guān)系，本文借鑒現(xiàn)有的研究成果，選取我國商業(yè)銀行的不良貸款率作為因變量Y，以宏觀經(jīng)濟(jì)指標(biāo)為自變量建立宏觀經(jīng)濟(jì)模型，宏觀經(jīng)濟(jì)指標(biāo)包括；國內(nèi)生產(chǎn)總值定基發(fā)展速度（以2002年數(shù)據(jù)為基期）（X1）、貸款增長率（X2），第三產(chǎn)業(yè)從業(yè)人員比重（X3），第三產(chǎn)業(yè)產(chǎn)值比重（X4），失業(yè)率（X5）。通過商業(yè)銀行歷年不良貸款率與宏觀經(jīng)濟(jì)指標(biāo)數(shù)據(jù)用eviews進(jìn)行相關(guān)分析，由相關(guān)系數(shù)矩陣可以看出，不良貸款率Y與國內(nèi)生產(chǎn)總值定基發(fā)展速度（X1）以及第三產(chǎn)業(yè)從業(yè)人口比重（X3）存在著顯著的相關(guān)性，都為負(fù)相關(guān)，另外，第三產(chǎn)業(yè)產(chǎn)值比重（X4）與不良貸款率Y也有較強(qiáng)的相關(guān)性。通過多種試驗(yàn)選擇不同的指標(biāo)作為自變量對(duì)不良貸款率進(jìn)行回歸，比較不同的結(jié)果發(fā)現(xiàn)僅國內(nèi)生產(chǎn)總值定基發(fā)展速度和第三產(chǎn)業(yè)從業(yè)人員這兩個(gè)指標(biāo)分別與不良貸款率的回歸結(jié)果顯著。由eviews的輸出結(jié)果可以看出，兩個(gè)回歸模型都通過了檢驗(yàn)，分別得回歸方程模型如下：

模型一：Y=-0.124X1+28.624

模型二：Y=-2.941X3+102.626

模型一說明，不良貸款率與國內(nèi)生產(chǎn)總值定基發(fā)展速度負(fù)相關(guān)，國內(nèi)生產(chǎn)總值發(fā)展速度每上升一個(gè)百分點(diǎn)，不良貸款率下降0.124個(gè)百分點(diǎn)。模型二說明，不良貸款率與第三產(chǎn)業(yè)就業(yè)人口比重也是負(fù)相關(guān)，第三產(chǎn)業(yè)人口比重每上升一個(gè)百分點(diǎn)，不良貸款率就下降2.941個(gè)百分點(diǎn)。在經(jīng)濟(jì)發(fā)展好的年份，通常會(huì)伴隨著第三產(chǎn)業(yè)服務(wù)業(yè)的加速發(fā)展，在這個(gè)階段，借款人盈利高，還款能力強(qiáng)，商業(yè)銀行的不良貸款率就會(huì)有所降低，相反，在經(jīng)濟(jì)低迷的時(shí)期，也會(huì)常常伴隨著第三產(chǎn)業(yè)的停滯不前，在這個(gè)階段，借款人度日艱難，還款自然就遙遙無期，商業(yè)銀行的不良貸款率就會(huì)升高。由此可以大致看出，我國不良貸款率確實(shí)與經(jīng)濟(jì)發(fā)展?fàn)顩r息息相關(guān)，銀行不良貸款率對(duì)經(jīng)濟(jì)發(fā)展?fàn)顩r的變化反應(yīng)是靈敏的，不過受數(shù)據(jù)個(gè)數(shù)限制，以及不同的發(fā)展時(shí)期經(jīng)濟(jì)會(huì)面臨各種特殊情況，因此上述回歸模型不是一塵不變的，反而應(yīng)該是處于不斷變化中的。各個(gè)商業(yè)銀行應(yīng)該根據(jù)自己情況建立最優(yōu)的模型。

三、不良貸款控制淺議

現(xiàn)有文獻(xiàn)對(duì)商業(yè)銀行不良貸款形成的原因以及一些規(guī)避不良貸款風(fēng)險(xiǎn)的思路已經(jīng)討論得很多，例如對(duì)于商業(yè)銀行不良貸款形成的原因，有文獻(xiàn)指出既有銀行內(nèi)部的原因也有銀行外部的原因，內(nèi)部原因大致包括銀行的趨利目標(biāo)、銀行之間的競爭關(guān)系、困境銀行的特殊行為、商業(yè)銀行經(jīng)營管理決策失誤等等，外部原因大致包括金融體系改革滯后于國有企業(yè)改革導(dǎo)致的制度不健全、政府的行政干預(yù)、各權(quán)利集團(tuán)的利益糾葛、信息不對(duì)稱、法制不健全金融監(jiān)管不力、經(jīng)濟(jì)周期等等的影響；又例如對(duì)于如何改善不良貸款率方面，有文獻(xiàn)指出應(yīng)該要轉(zhuǎn)變政府職能，規(guī)范政府行為，銀行應(yīng)分離呆壞賬交給資金管理公司運(yùn)行，準(zhǔn)確計(jì)量不良貸款并且主動(dòng)及時(shí)控制，完善銀行內(nèi)部管理機(jī)制，增強(qiáng)激勵(lì)約束機(jī)制等等措施。筆者認(rèn)為在眾多調(diào)控措施之前首先應(yīng)該要合理利用公司所披露的信息，對(duì)企業(yè)的綜合情況進(jìn)行評(píng)估是一個(gè)很基本很重要的方面，下文謹(jǐn)以2012年公司年報(bào)披露的信息，借鑒人民網(wǎng)上曾經(jīng)公布的我國上市公司財(cái)務(wù)質(zhì)量測評(píng)系統(tǒng)指標(biāo)（反應(yīng)償債能力、盈利能力、成長能力、經(jīng)營能力的四大財(cái)務(wù)指標(biāo)），在經(jīng)過分析剔除了財(cái)務(wù)比率間相關(guān)程度較高的指標(biāo)后，最后以凈資產(chǎn)收益率Z1、流動(dòng)比率Z2、營運(yùn)資金對(duì)資產(chǎn)總額比率Z3、資產(chǎn)負(fù)債率Z4、留存收益資產(chǎn)比Z5作為判別分析分析變量，對(duì)公司財(cái)務(wù)狀況進(jìn)行判別分析。

本文選取的樣本是證券交易所2012年被ST的A股上市公司隨機(jī)50家以及沒被ST的A股上市公司隨機(jī)50家，數(shù)據(jù)來源于國泰安數(shù)據(jù)庫（http：//www.gtarsc.com/p/sq/#57）。把被ST的50家上市公司分到標(biāo)記為0的組，沒被ST的50家上市公司分到標(biāo)記為1的組。樣本由上述凈資產(chǎn)收益率Z1、流動(dòng)比率Z2、營運(yùn)資金對(duì)資產(chǎn)總額比率Z3、資產(chǎn)負(fù)債率Z4、留存收益資產(chǎn)比Z5五個(gè)變量組成。根據(jù)樣本數(shù)據(jù)使用SPSS軟件運(yùn)行判別分析步驟，得出

判別函數(shù)的表達(dá)式為： Z=-0.025Z1+0.028Z2+0.151Z3-2.558Z4+0.689Z5+1.296，檢驗(yàn)p值為0.01，可以看出該判別函數(shù)在0.01的檢驗(yàn)水平下是顯著的，，典型相關(guān)系數(shù)為0.435，表明該判別函數(shù)對(duì)上市公司的財(cái)務(wù)狀況是有一定的解釋能力的?？梢杂迷撆袆e函數(shù)作為典型判別模型對(duì)中國市場上市公司的財(cái)務(wù)狀況進(jìn)行分類。由Classification Results表可以看出，在被ST的上市公司所在組里運(yùn)用該模型評(píng)判正確的概率為68%，在沒被ST的上市公司所在組里使用該模型評(píng)判正確的概率為76%，綜合起來評(píng)判正確的概率為72%。說明該模型的預(yù)測能力還是較好的。

上述模型的典型相關(guān)系數(shù)為0.435，且判斷正確的概率為72%，并不是特別理想，可能是所選樣本數(shù)據(jù)不夠大，不能特別好的代表整體，如果在理想的狀態(tài)下，這種方法對(duì)于上市公司情況的把握應(yīng)該是有效的，是一種思路，只是說可能現(xiàn)在證券市場發(fā)展還不成熟，在方法的運(yùn)用上有一定的局限性。然而，在假設(shè)這種方法可以廣泛的運(yùn)用于上市公司財(cái)務(wù)狀況的估計(jì)的假設(shè)下，上市公司財(cái)務(wù)報(bào)表披露信息的真實(shí)性這一方面將會(huì)是最大的挑戰(zhàn)。商業(yè)銀行在獲得公司真實(shí)的財(cái)務(wù)指標(biāo)的情況下才能對(duì)財(cái)務(wù)狀況進(jìn)行掌握，以判斷對(duì)公司的放貸情況，才能對(duì)不良貸款的控制起到實(shí)質(zhì)性作用。因此，商業(yè)銀行要降低不良貸款率首先要規(guī)范公司的行為。（作者單位：西南財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院）