葉初升，鄒　欣

（武漢大學(xué)　經(jīng)濟發(fā)展研究中心/經(jīng)濟與管理學(xué)院，湖北　武漢　430072）

?

借貸期內(nèi)農(nóng)戶還款行為分析——基于農(nóng)村商業(yè)信貸微觀數(shù)據(jù)的Cox模型實證研究

葉初升，鄒欣

（武漢大學(xué)經(jīng)濟發(fā)展研究中心/經(jīng)濟與管理學(xué)院，湖北武漢430072）

摘要：涉農(nóng)不良貸款率偏高是困擾農(nóng)村金融服務(wù)的重要問題。大多數(shù)研究文獻聚焦于分析不良貸款原因、討論違約損失率及不良貸款處置這樣的源頭與末端問題，鮮有文獻動態(tài)地研究借貸期內(nèi)借款人行為這個中間環(huán)節(jié)。從金融風(fēng)險管理的角度看，這個被眾多研究者忽略的中間環(huán)節(jié)卻是非常關(guān)鍵的。利用中國農(nóng)業(yè)銀行某支行的農(nóng)戶商業(yè)信貸數(shù)據(jù)，圍繞借貸期內(nèi)銀行能夠掌握并有數(shù)據(jù)記載的借款人最近行為——第一次還款，引入重要的時間信息，以動態(tài)的眼光，用Kaplan-Meier生存分析和Cox模型對數(shù)據(jù)進行深度挖掘與信息解讀，力圖為預(yù)判不良貸款發(fā)生的可能性、預(yù)警和防范貸款到期后的違約風(fēng)險提供可靠依據(jù)。

關(guān)鍵詞：不良貸款；農(nóng)戶商業(yè)信貸還款行為；Cox模型

近年來，我國涉農(nóng)金融機構(gòu)堅持服務(wù)“三農(nóng)”的市場定位，不斷推進農(nóng)村金融產(chǎn)品和服務(wù)創(chuàng)新，使農(nóng)村金融服務(wù)可獲得性有了較大的提升。不過，農(nóng)村金融仍然是我國金融體系中的薄弱環(huán)節(jié)，“成本高、風(fēng)險高”依舊是困擾農(nóng)村金融服務(wù)“慢性重癥”。這種“慢性重癥”的一個突出表現(xiàn)就是不良貸款率居高不下?！吨袊r(nóng)村金融服務(wù)報告》（2012）顯示，截至2012年底，金融機構(gòu)涉農(nóng)貸款不良率2.4％，農(nóng)村信用社（含農(nóng)村商業(yè)銀行、農(nóng)村合作銀行）涉農(nóng)貸款不良率更是高達5.4％，遠遠高于我國商業(yè)銀行不良貸款率0.95％、銀行業(yè)金融機構(gòu)總體不良貸款率1.56％的水平。涉農(nóng)不良貸款率偏高，會嚴重地影響農(nóng)村金融機構(gòu)的可持續(xù)發(fā)展能力，削弱金融機構(gòu)發(fā)揮原本就不太健全的服務(wù)農(nóng)村經(jīng)濟的功能的積極性，因此，受到政府、金融界和學(xué)術(shù)界的高度關(guān)注。

值得注意的是，如果把不良貸款從形成到處置看做是一個過程，大多數(shù)研究文獻集中于分析不良貸款原因這樣的源頭問題，也有不少文獻討論違約損失率及不良貸款處置這樣的末端問題，但極少有文獻動態(tài)地研究借貸期內(nèi)借款人行為這個中間環(huán)節(jié)，以及由此產(chǎn)生的不良貸款風(fēng)險的預(yù)測評估問題。

從金融風(fēng)險管理的角度看，這個被眾多研究者忽略的中間環(huán)節(jié)卻是非常關(guān)鍵的。作為巴塞爾新資本協(xié)議三大支柱的關(guān)鍵因素之一，衡量不良資產(chǎn)的損失金額在風(fēng)險不良資產(chǎn)所占比例的違約損失率，是在貸款到期之后才可以統(tǒng)計計算的。但是，從防范風(fēng)險、降低風(fēng)險的角度看，如果銀行能夠以某種方式根據(jù)借款人在借貸期內(nèi)泄露的某種信息，盡早發(fā)現(xiàn)和預(yù)判不良貸款發(fā)生的可能性，就可以及時地預(yù)警風(fēng)險，并進行有針對的處置和防范，從而降低不良貸款實際發(fā)生率。不僅如此，從這些信息中還能抽象出不良貸款風(fēng)險的某些一般特征，從而為金融機構(gòu)評估借款人的信用水平，為銀行確定貸款額度、利率和貸款方式等提供依據(jù)。因此，剖析這一環(huán)節(jié)的理論意義與現(xiàn)實意義是不言而喻的。

當(dāng)然，眾多研究者忽略這個中間環(huán)節(jié)也是有原因的：其一，相對于宏觀數(shù)據(jù)而言，刻畫個體借貸行為的微觀數(shù)據(jù)本身就非常難得；其二，不同于借貸行為兩端的數(shù)據(jù)，借款人在借貸期內(nèi)的行為信息或數(shù)據(jù)更加難得；其三，分析處理借貸期內(nèi)的行為信息需要超越傳統(tǒng)的實證分析方法。在借貸期內(nèi)，不僅借款人的還款行為本身是重要信息，而且還款行為發(fā)生的時間也是非常重要的信息，但是，現(xiàn)有研究不良貸款文獻的一個共同的特征，就是靜態(tài)分析而非動態(tài)研究，比如采用OLS或mlogit回歸等一般的實證分析方法，就會損失時間這樣的重要的信息。

利用中國農(nóng)業(yè)銀行某支行的農(nóng)戶商業(yè)信貸數(shù)據(jù)，圍繞借貸期內(nèi)銀行能夠掌握并有數(shù)據(jù)記載的借款人最近行為——第一次還款，引入重要的時間信息，以動態(tài)的眼光，用Kaplan-Meier生存分析和Cox模型對數(shù)據(jù)進行深度挖掘與信息解讀，試圖為預(yù)判不良貸款發(fā)生的可能性、預(yù)警和防范貸款到期后的違約風(fēng)險提供可靠依據(jù)。

基本思路是，第一步，通過Cox模型，從貸款合同、農(nóng)戶自身狀況、還款情況以及所處宏觀環(huán)境四個方面，對影響農(nóng)戶商業(yè)信貸還款行為的因素進行實證分析；第二步，分析農(nóng)戶第一次還款的發(fā)生與按期還款的相關(guān)性，若是第一次還款的發(fā)生與按期還款密切相關(guān)，那么銀行可以將對農(nóng)戶第一次還款行為的評估作為農(nóng)戶能否按期還款的事先預(yù)測，并由此建立一套預(yù)緊機制。結(jié)構(gòu)如下：第二部分對相關(guān)的文獻進行了回顧和評價；第三部分介紹使用的模型、方法與數(shù)據(jù)。第四部分是數(shù)據(jù)說明和變量的選??；第五部分是實證分析；最后是相應(yīng)的結(jié)論和政策建議。

一、文獻述評

不良貸款是影響銀行盈利能力的重要因素，也是誘發(fā)金融危機的重要指標(biāo)，因而一直是國內(nèi)外金融界和學(xué)術(shù)界密切關(guān)注的焦點問題之一。如果把不良貸款從產(chǎn)生、形成到處置看做是一個過程，在研究不良貸款問題的文獻中，絕大部分學(xué)者都把關(guān)注的焦點放在了這一過程的兩極。

現(xiàn)有文獻主要從三個角度研究了不良貸款的形成原因。其一，影響還款能力的宏觀因素，比如，經(jīng)濟增長水平[1](p119-138)、實際利率[2](p65-76)和失業(yè)率[3](p1012-1027)等。其二，銀行層面因素。比如，銀行資本與貸款質(zhì)量、成本效率之間的因果關(guān)系[4](p849-870)，銀行內(nèi)部管理問題[5](p135-148)，以及銀行的資本比率、規(guī)模、所有權(quán)集中度[6](p399-408)等。其三，借款者個人因素。比如，收入和健康狀況[7](p107-140)、還款記錄與信用等級[8](p1-47)。

在不良貸款的末端，違約損失率是巴塞爾新資本協(xié)議三大支柱的關(guān)鍵因素之一，因此受到銀行界和學(xué)術(shù)界的高度關(guān)注。這些研究主要集中于違約損失率或相對應(yīng)的回收率的影響因素以及對其進行模擬和預(yù)測。影響違約損失率或回收率的因素有經(jīng)濟周期、GDP增長率、就業(yè)率等宏觀因素[9](p171-182)；資產(chǎn)類型[10](p811-833)和合約年限[11](p923-933)等貸款特征等。關(guān)于對違約損失率或回收率的建模與預(yù)測方法，近幾年一直在不斷改進中：Loterman等認為非線性模型能夠顯著提高預(yù)測效果[12](p161-170)，Tobback等則對不同方法進行了比較研究[13](p376–392)。另外，還有不少學(xué)者研究不良資產(chǎn)處置的問題[14](p4-12)。

同時，也有一些學(xué)者研究了還款的主要影響因素。在貸款合同方面，Nawai和Shariff發(fā)現(xiàn)總貸款額度對還款有正向影響。[15](p806-811)Kar和Swain對71個國家2003年到2008年379個小微金融項目的研究發(fā)現(xiàn)，在利率的某個上限之內(nèi)，利率和還款績效之間呈顯著的正向關(guān)系；一旦超過這個上限，小微金融機構(gòu)的營利能力會變糟，欠款率會增加。[16](p87-106)在借款人特征方面，Besley和Coate的研究發(fā)現(xiàn)，群體借貸對還款既有正效應(yīng)，也有負效應(yīng)：群體中營利的成員可能愿意為沒有還款能力的成員還款（正效應(yīng)）；但是，一旦群體所有人都違約，那些在個人借貸中能還款的人也可能不會還款（負效應(yīng)）。[17](p1-18)Godquin在分析孟加拉國群體信貸還款時，發(fā)現(xiàn)群體年齡、貸款規(guī)模對還款有負向影響，但群體的同質(zhì)性對還款的影響并不顯著。[18](p1909-1926)Bhatt and Tang發(fā)現(xiàn)教育水平越高，借款人還款的可能性越高。[19](p360-376)Lyons和Fisher發(fā)現(xiàn)相對于非離異家庭而言，離異更可能發(fā)生違約行為，而小孩的撫養(yǎng)和老人的贍養(yǎng)則對違約率沒有影響。[20](p324-346)在制度與環(huán)境方面，研究者發(fā)現(xiàn)，商業(yè)正規(guī)性對還款有正向影響[15](p806-811)。Bhattacharjee和Rajeev在印度的實證表明，受過良好教育的借款者更愿意到正規(guī)信貸部分借款并及時還款；正規(guī)部門的生產(chǎn)資本貸款還款可能性比其他貸款要低。[21](p270-295)在促進還款激勵的方式上，Bond和Rai認為可循環(huán)貸款可以作為促進借款者還款的有效激勵[22](p185-191)；違約代價越高，借款人還款的可能性越高[19](p360-376)；Cadot認為抵押品，特別是土地抵押，可以促進還款。[23](p344-358)

無論是分析不良貸款形成的原因，還是違約率或回收率及處置，都是一種總結(jié)教訓(xùn)、評估損失的事后分析。在方法論上，這些研究文獻有一個共同的特征，就是靜態(tài)分析而非動態(tài)研究。在這些文獻中，因變量要么是二值變量，比如是否還款，要么就是多值變量，比如采用mlogit時，因變量為按時還款、拖欠或者違約，只考慮是否還款等離散狀態(tài)，沒有還款時間這樣的重要信息。

二、Cox模型

要分析借款人在時間窗口內(nèi)從借款到第一次還款轉(zhuǎn)換的影響因素及其影響程度，Cox模型提供便捷的分析工具。其因變量包括了首次還款是否發(fā)生，以及這種狀態(tài)轉(zhuǎn)換所需的時間。

假設(shè)為借款人第一次還款行為發(fā)生時間點。借款人在時尚未發(fā)生第一次還款，那么，在時間段內(nèi)第一次還款發(fā)生概率的極限，即時刻第一次還款的（瞬時）概率為：

以和分別表示借款人在內(nèi)第一次還款發(fā)生的概率密度函數(shù)和累積分布函數(shù)：

于是，借款人i在Ti≥t未發(fā)生第一次還款的狀態(tài)函數(shù)（即生存分析中的生存狀態(tài)函數(shù)或生存率）①即借款持續(xù)狀態(tài)，所以，生存分析的生存率（survival rate），應(yīng)該是借款存續(xù)率。Si（Ti）為：

假設(shè)X=（x1，L，xk）是影響借款人第一次還款的因素。令hi（t|X1）表示在各種因素的影響下，借款人i在t時刻第一次還款發(fā)生概率；h0（t）為基準(zhǔn)概率。

根據(jù)Cox模型，不同借款人具有成比例的還款概率函數(shù)，即對于任意兩個協(xié)變量Xi=（xi1，L，xik）和Xj=（xj1，L，xjk），hi（t|X1）|hj（t|Xj）不隨時間的改變而變化，該比值保持一個恒定比例（在生存分析中，該假定被稱之為比例風(fēng)險假定）。如果時間是分布連續(xù)的，第一次還款發(fā)生概率函數(shù)可以表達為：

其中β1，L，βk是待估參數(shù)。Cox模型對h0的分布沒有任何限制。

Cox提出使用極大偏似然法來估計β1，L，βk值，其偏似然函數(shù)如下：

其中，δi=1，如果事件發(fā)生；δi=0，如果事件刪截。Yij=1，如果觀測j發(fā)生在觀測i之后，即Tj≥Ti；Yij=0，如果觀測j發(fā)生在觀測i之前，即Tj

通過對偏似然函數(shù)求導(dǎo)可得到β1，L，βk的估計值，Λ，若，Λ值越大，則表示第一次還款發(fā)生的可能性或者傾向越大；exp（），Λ，exp（）是估計參數(shù)，Λ，的第一次還款可能性比率②也就是風(fēng)險比率（hazard ratio）。的估計值，表示在其他因素不變時，自變量每變化一個單位，第一次還款發(fā)生可能性比率的變化程度，該值永遠大于零。

三、數(shù)據(jù)與變量描述

數(shù)據(jù)來源于中國農(nóng)業(yè)銀行湖北省某分行對有信貸往來的農(nóng)戶所做的統(tǒng)計。經(jīng)過剔除無效樣本等相關(guān)處理后，有效樣本量共計6635戶，具體的變量含義見表1，由于篇幅限制，描述性統(tǒng)計略。

表1　變量描述

數(shù)據(jù)的起始時間是2008年12月23日，樣本的合同期基本上都在2年及以內(nèi)，以1年為主?？紤]到樣本的分布，將樣本的時間窗口③由于樣本的合同期基本上都在2年以內(nèi)，以1年為主，而實際獲得的樣本信息比時間窗口長，所以可以知道農(nóng)戶在時間窗口后的按期還款情況。設(shè)定在2008 年12月23日到2012年12月31日內(nèi)。

四、實證分析

表2　實證結(jié)果①因篇幅關(guān)系，報告的是系數(shù)β1，L，βk，而非風(fēng)險比率exp（β1）L exp（βk）。

（一）第一次還款可能性的影響因素。

回歸結(jié)果如表2所示。模型1是基準(zhǔn)模型，借款金額及其平方項、執(zhí)行利率、第一次還款的額度（是否全額還款）、是否到期、第一次還款是否全額與是否到期的交互項、1978年之后出生相對于1978年之前出生、抵押、area4以及area5，對第一次還款可能性的影響都是1％顯著水平下顯著；執(zhí)行利率相對基準(zhǔn)利率上浮比率、人均資產(chǎn)和area6對第一次還款可能性的影響是5％顯著水平下顯著；area2和area3對第一次還款可能性的影響是10％顯著水平下顯著。

教育程度對農(nóng)戶第一次還款可能性的影響不顯著，說明農(nóng)戶的受教育水平不影響農(nóng)戶提前還款。向銀行借款之前是否負債在所有的模型中也都不顯著，說明農(nóng)戶的負債情況對提前還款沒有影響。

農(nóng)戶所處的年齡群組，以1978年改革開放作為分界點?？梢钥吹剑鄬τ诟母镩_放以前的農(nóng)戶而言，改革開放以后的農(nóng)戶第一次還款的可能性下降12.52％。也就是說，改革開放前的農(nóng)戶更愿意提前還款。這一現(xiàn)象可以從兩個方面來解釋：一方面，可能是因為傳統(tǒng)觀念的影響，年長的農(nóng)戶更不愿意負債，他們只要有了一定的現(xiàn)金就會提前將償還一部分貸款；另一方面，改革開放后出生的農(nóng)民可能對金融有一個更深的認識，市場經(jīng)濟意識更強，因而對借款的利用也更充分。

家庭平均年收入對農(nóng)戶第一次還款可能性的影響不顯著，而人均資產(chǎn)的影響則是顯著的：人均資產(chǎn)每增加1元，農(nóng)戶第一次還款的可能性增加6.24％。這正好從另一個角度說明，農(nóng)戶借款與流動性收入的多少沒有直接的關(guān)聯(lián)，而家庭富裕程度（人均資產(chǎn)水平）在一定程度上決定了農(nóng)戶的還款能力與還款意愿。借款金額對農(nóng)戶第一次還款可能性的影響是非線性的，呈現(xiàn)U型：隨著借款金額的增加，農(nóng)戶第一次還款的傾向先是下降；當(dāng)借款金額超過某個拐點之后，第一次還款傾向開始上升。在模型1中，借款金額的樣本拐點是221260元，約為借款金額樣本均值的4.5倍左右。借款金額超過這個閥值之后，利息以及違約代價等因素造成的心理壓力超出了借款人可能承受的范圍，從而迫使借款人傾向于盡早還款。

執(zhí)行利率越高，則農(nóng)戶第一次還款的可能性越低。執(zhí)行利率每增加1％，農(nóng)戶第一次還款可能性下降20.32％。這個結(jié)果似乎有悖于人們的日常經(jīng)驗直覺。要解釋這一現(xiàn)象，需要說明一個現(xiàn)實背景：農(nóng)行針對農(nóng)戶的商業(yè)貸款利率（年利率大概7％左右），遠遠低于農(nóng)戶從其他金融機構(gòu)借貸的利率（年利率一般在15％-25％之間，民間高利貸則可能在40％以上）。在這一現(xiàn)實背景下，如果農(nóng)行提高利率，可以看做是整體金融形勢緊縮的信號，此時其他銀行業(yè)也會相應(yīng)提高利率；即使整體金融形勢沒有變化，農(nóng)行只是針對某個客戶個體提高利率，在相同的情況下，該農(nóng)戶在其他金融機構(gòu)貸款的利率也會提高。因此，當(dāng)農(nóng)行提高利率時，只要農(nóng)行利率仍然低于其他金融機構(gòu)的借貸利率，具備還款能力的農(nóng)戶會優(yōu)先考慮歸還其他金融機構(gòu)更高利率的借款。另外，執(zhí)行利率相對基準(zhǔn)利率浮動比率每增加1％，借款人第一次還款的可能性上升1.26％，這說明農(nóng)村借款人對利率的浮動比較敏感。相對于單人擔(dān)保而言，抵押的擔(dān)保方式會使農(nóng)戶第一次還款的可能性增加62.48％，而多人擔(dān)保和個人信用則不顯著。

為了探究農(nóng)戶所在地區(qū)經(jīng)濟環(huán)境因素對農(nóng)戶第一次還款可能性的影響，將七個樣本地區(qū)2009-2012年的人均GDP均值排序：area7＞area6＞area5＞area4＞area3＞area2＞area1。實證分析結(jié)果表明，相對于人均GDP最低地區(qū)的農(nóng)戶而言，地區(qū)2、地區(qū)7、地區(qū)4的農(nóng)戶第一次還款的可能性更高，而地區(qū)6和地區(qū)3的農(nóng)戶第一次還款的可能性則更低。這說明農(nóng)戶所在地區(qū)經(jīng)濟環(huán)境對農(nóng)戶的還款會有一定影響，但是，農(nóng)戶第一次還款的意向與其所在地區(qū)經(jīng)濟發(fā)展水平并不存在某種因果聯(lián)系，倒是地區(qū)間的其他差異，比如文化、習(xí)俗、政策等，對農(nóng)戶的還款行為可能更有影響。

允許循環(huán)貸款可以看作是銀行對農(nóng)戶遵守合約的獎勵。盡管這一因素在統(tǒng)計意義上并不顯著，但其符號是正的，在一定程度上說明可重復(fù)貸款對農(nóng)戶第一次還款有促進作用。為了進一步分析允許循環(huán)貸款對農(nóng)戶還款的影響，在模型2中放棄對擔(dān)保方式和農(nóng)戶所在地區(qū)這兩組變量的控制。模型2的實證結(jié)果表明，放棄控制擔(dān)保方式和農(nóng)戶所在地區(qū)之后，是否可循環(huán)貸款對農(nóng)戶第一次還款可能性的影響由不顯著轉(zhuǎn)為顯著。這說明允許循環(huán)貸款這項激勵機制對農(nóng)戶第一次還款可能性的影響，在相當(dāng)大的程度上是與擔(dān)保方式或農(nóng)戶所在地區(qū)相聯(lián)系。樣本數(shù)據(jù)顯示：多人擔(dān)保、個人信用、抵押的農(nóng)戶中是可循環(huán)貸款的比例分別為95.97％、96.44％和71.58％；經(jīng)濟發(fā)達的地區(qū)，例如area6和area7，可循環(huán)貸款的比例分別為93.63％和99.03％。由此，可以做出一個推論，實施允許循環(huán)貸款這種激勵機制與擔(dān)保措施配合起來，一方面可以在一定程度上降低不良貸款的風(fēng)險，另一方面，還可以進一步刺激農(nóng)戶的貸款需求，更好地服務(wù)“三農(nóng)”。

考慮到農(nóng)村金融中農(nóng)業(yè)貸款與非農(nóng)業(yè)貸款可能存在差異，為了分析貸款用途對農(nóng)戶第一次還款可能性的影響，根據(jù)貸款用途將樣本分為六組：農(nóng)業(yè)生產(chǎn)、辦廠、建筑工程、生活性消費、做小生意和其他。按貸款用途分組后的實證分析結(jié)果見模型3和模型4。

模型3只是簡單考慮貸款是否用于農(nóng)業(yè)生產(chǎn)，實證分析結(jié)果在統(tǒng)計意義上并不顯著。模型4細分了具體的貸款用途，令人驚訝的是，相對于基組農(nóng)業(yè)生產(chǎn)而言，用于辦廠、建筑工程、生活性消費、做小生意等不同的貸款用途對農(nóng)戶第一次還款可能性的影響都不顯著。而且，與基準(zhǔn)模型1的分析結(jié)果比較可見，控制了貸款用途變量之后，其他變量的影響系數(shù)及其統(tǒng)計顯著性也沒有太大的變動。這就是說，農(nóng)戶的還款意愿與貸款用途不僅不存在直接的關(guān)系，間接的關(guān)聯(lián)也不明顯。

（二）第一次還款與按期還款。

分析第一次還款的可能性及其影響因素，目的在于提前對到期還款的可能性進行事前評估、做出預(yù)判，以便銀行對貸款客戶進行分類管理，以降低不良貸款的風(fēng)險。那么，農(nóng)戶第一次還款與按期還款之間具有較強的相關(guān)性嗎？實證分析的答案是肯定的。

由表3可知，第一次還款行為的發(fā)生與按期還款之間存在強相關(guān)性。模型5中，在時間窗口內(nèi)發(fā)生第一次還款行為的農(nóng)戶，其按期還款的概率為0.778+9.9*10-14=0.778。相對于在時間窗口內(nèi)第一次還款未發(fā)生的農(nóng)戶而言，有過第一次還款的農(nóng)戶最后相按期還款的概率增加0.778，并且其在1％的顯著水平下是顯著的。模型6考察了農(nóng)戶第一次還款發(fā)生對按期還款的影響。結(jié)果表明，第一次還款發(fā)生的農(nóng)戶的按期還款的概率為:

表3　第一次還款與按期還款OLS回歸結(jié)果

第一次還款發(fā)生相較于第一次還款未發(fā)生的農(nóng)戶按期還款的概率增加0.765，依然非常顯著。這說明不管農(nóng)戶第一次還款的金額是多少，是否是全額還款，農(nóng)戶的第一次還款行為發(fā)生本身與農(nóng)戶按期還款之間存在密切的正向關(guān)系。

因此，可以將農(nóng)戶第一次還款和按期還款對接起來。相對于直接評估農(nóng)戶是否按期還款這種事后評價，評估農(nóng)戶的第一次還款行為，可以看做是對農(nóng)戶能否按期還款的事先預(yù)測。并且，通過分析農(nóng)戶第一次還款的影響因素，也可以促使銀行對可能發(fā)生違約的客戶有針對性地建立一套預(yù)緊機制。

五、結(jié)論及政策建議

利用中國農(nóng)業(yè)銀行某支行的農(nóng)戶商業(yè)信貸數(shù)據(jù)，圍繞借貸期內(nèi)銀行能夠掌握并有數(shù)據(jù)記載的借款人最近行為——第一次還款，引入重要的時間信息，以動態(tài)的眼光，用Kaplan-Meier生存分析和Cox模型對數(shù)據(jù)進行深度挖掘與信息解讀，力圖為預(yù)判不良貸款發(fā)生的可能性、預(yù)警和防范貸款到期后的違約風(fēng)險提供可靠依據(jù)。實證分析的主要結(jié)論是：

第一，農(nóng)戶第一次還款行為與按期還款之間有著較強的相關(guān)性，所以，分析農(nóng)戶的第一次還款的影響因素與分析農(nóng)戶按期還款的影響因素是一致的。

第二，貸款合同方面，隨著貸款金額的增加，農(nóng)戶第一次還款的可能性是先降后升的，拐點大概在貸款金額均值的4.5倍左右的位置；執(zhí)行利率每增加1％，農(nóng)戶第一次還款可能性下降20.32％，并且農(nóng)戶對于利率的浮動較為敏感，執(zhí)行利率相對基準(zhǔn)利率浮動比率每增加1％，借款人第一次還款的可能性上升1.26％。抵押的擔(dān)保方式相對于單人擔(dān)保，農(nóng)戶第一次還款的可能性增加62.48％。

第三，就農(nóng)村貸款人特征而言，農(nóng)戶流動性收入對農(nóng)戶第一次還款沒有影響，而固定資產(chǎn)影響顯著。相對于改革開放前出生的農(nóng)村貸款人而言，改革開放以后新生代的農(nóng)村貸款人第一次還款的可能性下降12.52％。

第四，地區(qū)的宏觀環(huán)境對農(nóng)戶還款行為有一定的影響，但地區(qū)的經(jīng)濟發(fā)展?fàn)顩r與農(nóng)戶的還款行為之間沒有直接聯(lián)系。

通過實證分析，政策建議如下：

首先，鑒于農(nóng)戶首次還款行為的發(fā)生與農(nóng)戶能否按期還款有著密切的相關(guān)性，商業(yè)銀行可以通過分析影響農(nóng)戶首次還款的因素對農(nóng)戶能否按期還款做出一定的評估。對于那些可能違約的農(nóng)戶進行重點監(jiān)測，以降低農(nóng)戶違約可能造成的損失。

其次，商業(yè)銀行在貸款合同的設(shè)計方面，要注意貸款的額度、執(zhí)行利率的定位、利率上浮空間以及擔(dān)保方式的選擇。農(nóng)戶對這些變量都比較敏感，貸款額度的選擇和執(zhí)行利率的定位和利率的上浮空間都要控制在合理范圍內(nèi)，不宜過高，否則農(nóng)戶發(fā)生違約的可能性會大大增加。同時，商業(yè)銀行可以對其提供的貸款產(chǎn)品進行創(chuàng)新，比如可以提供額度小并且周期短的業(yè)務(wù)、創(chuàng)新多元化的擔(dān)保方式等。

再次，在貸款對象的選擇方面，商業(yè)銀行可以更加關(guān)注農(nóng)戶的固定資產(chǎn)狀況，對于那些固定資產(chǎn)較多的農(nóng)戶可以適當(dāng)提高授信額度。流動性資產(chǎn)和教育程度對還款概率的影響并不如預(yù)期那樣顯著。

最后，地區(qū)經(jīng)濟發(fā)展并不必然改善地區(qū)居民的信用意識，因此，在發(fā)展地區(qū)經(jīng)濟的同時，要重視金融生態(tài)建設(shè)。

參考文獻：

[1]Quagliarello, M. Banks’Riskiness over the Business Cycle: A Panel Analysis on Italian Intermediaries [J]. Applied Financial Economics，2007，17 （2）.

[2]Berge，T O，Boye，K G. An Analysis of Bank’s Problem Loans [J]. Norges Bank Economic Bulletin，2007，78（2）.

[3]Louzis，D P，Vouldis，A T，Metaxas，V L. Macroeconomic and Bank -specific Determinants of Non -performing Loans in Greece: A Comparative Study of Mortgage, Business and Consumer Loan Portfolios[J]. Journal of Banking and Finance，2012，36（4）.

[4]Berger，A，DeYoung，R. Problem Loans and Cost Efficiency in Commercial Banks [J]. Journal of Banking and Finance，1997，21（6）.

[5]Podpiera，J，Weill，L. Bad Luck or Bad Management·Emerging Banking Market Experience [J]. Journal of Financial Stability，2008，4（2）.

[6]Shehzad，C，Haan，J D，Scholtens，B. The Impact of Bank Ownership Concentration on Impaired Loans and Capital Adequacy [J]. Journal of Banking and Finance，2010，34（2）.

[7]Duygan-Bump，B，Grant，C. Household Debt Repayment Behaviour: What Role do Institutions Play [J]. Economic Policy，2009，24（57）.

[8]Mishra，S. Signaling and Indeterminacy of E－quilibria in Unsecured Credit and Insurance Markets [J]. The B.E. Journal of Economic Analysis & Policy，2010，10（1）.

[9]Bellotti，T，Crook，J. Loss Given Default Models Incorporating Macroeconomic Variables for Credit Cards[J]. International Journal of Forecasting，2012，28（1）.

[10]Schmit，M. Credit Risk in the Leasing Industry [J]. Journal of Banking and Finance，2004，28 （4）.

[11]Khieu, H, Mullineaux, D J，Yi，H. The Determinants of Bank Loan Recovery Rates [J]. Journal of Banking and Finance，2012，36（4）.

[12]Loterman，G，Brown，I，Martens，D，Mues，C，Baesens，B. Benchmarking Regression Algorithms for Loss Given Default Modeling[J]. International Journal of Forecasting, 2012, 28（1）.

[13]Tobback，E，Martens，D，Gestel，V T，Baesens，B. Forecasting Loss Given Default Models: Impact of Account Characteristics and the Macroeconomic State Journal of the Operational Research Society[J]，Journal of the Operational Research Society，2012, 65（9）.

[14]Karunakar，M.，K. Vasuki，Saravanan，S. AreNon-Performing Assets Gloomy or Greedy from Indian Perspective·Research Journal of Social Sciences，2008，3（7）.

[15]Nawai，N.，Shariff，M. Factors Affecting Repayment Performance in Microfinance Programs in Malaysia [J]. Social and Behavioral Sciences，2012，（62）.

[16]Kar，A K，Swain，R B. Interest Rates and Financial Performance of Microfinance Institutions: Recent Global Evidence[J]. European Journal of Development Research，2014，26（1）.

[17]Besley，T，Coate，S. Group Lending，Repayment Incentives and Social Collateral [J]. Journal of Development Economics, 1995, 46（1）.

[18]Godquin, M. Microfinance Repayment Performance in Bangladesh: How to Improve the Allocation of Loans by MFIs [J]. World Development, 2004, 32（11）.

[19]Bhatt, N, Tang, S Y. Determinants of Repayment in Microcredit: Evidence from Programs in the United States [J]. International Journal of Urban and Regional Research, 2002, 26（2）.

[20]Lyons, A C, Fisher, J. Gender Differences in Debt Repayment Problems after Divorce[J]. The Journal of Consumer Affair, 2006, 40（2）.

[21]Bhattacharjee，M，Rajeev，M. Modeling Loan Repayment Behavior in Developing Countries[J]. Applied Economic Perspectives and Policy，2013, 35 （2）.

[22]Bond, P, Rai, A S. Borrower Runs[J]. Journal of Development Economics, 2009, 88（2）.

[23]Cadot, J. Collateral, Bank Monitoring and Firm Performance: The Case of Newly Established Wine Farmers [J]. The Australian Journal of Agricultural and Resource Economics, 2013.

責(zé)任編輯郁之行

基金項目：國家社科基金后期資助項目“貧困與發(fā)展：以窮人為中心的發(fā)展經(jīng)濟學(xué)微觀分析”（12FJL012），教育部人文社會科學(xué)重點研究基地重大項目“當(dāng)代發(fā)展經(jīng)濟學(xué)前沿理論跟蹤研究”（13JJD790020）和中央高?；究蒲袠I(yè)務(wù)費武漢大學(xué)人文社會科學(xué)研究重點項目“農(nóng)村貧困、親貧制度創(chuàng)新與和諧發(fā)展”。

作者簡介：葉初升（1963—），男，武漢大學(xué)經(jīng)濟發(fā)展研究中心/經(jīng)濟與管理學(xué)院教授、博導(dǎo)。鄒欣（1989—），女，武漢大學(xué)經(jīng)濟發(fā)展研究中心/經(jīng)濟與管理學(xué)院在讀博士。

中圖分類號：F832.4

文獻標(biāo)識碼：A

文章編號：1003-8477(2016)03-0089-08