李國(guó)義，隋　婧

（哈爾濱商業(yè)大學(xué)金融學(xué)院，哈爾濱150028）

投資率對(duì)商業(yè)銀行不良貸款率影響的實(shí)證分析

李國(guó)義，隋婧

（哈爾濱商業(yè)大學(xué)金融學(xué)院，哈爾濱150028）

本文用固定資產(chǎn)投資額占國(guó)內(nèi)生產(chǎn)總值的比重代表投資率，通過對(duì)投資率的時(shí)間序列數(shù)據(jù)與我國(guó)2000年至2014年經(jīng)過加權(quán)處理的16家上市商業(yè)銀行的不良貸款率數(shù)據(jù)之間的關(guān)系分析，可知投資率的提高對(duì)商業(yè)銀行不良貸款率向下的變動(dòng)趨勢(shì)有明顯影響。但這一結(jié)論的準(zhǔn)確性取決于商業(yè)銀行貸款在固定資產(chǎn)投資資金來源中所占比重的大小。為使分析結(jié)論更加嚴(yán)密和可靠，須進(jìn)行深入的機(jī)理分析。

投資率；銀行；不良貸款率；影響；比重

一、引言

商業(yè)銀行的不良貸款率是反映商業(yè)銀行來自于借款人信用風(fēng)險(xiǎn)的綜合指標(biāo)，也是銀行業(yè)監(jiān)督管理部門判斷商業(yè)銀行風(fēng)險(xiǎn)大小的的一項(xiàng)重要指標(biāo)。商業(yè)銀行不良貸款率的影響因素較多，其中可以分為借款人外部因素與借款人內(nèi)部因素，而在借款人外部因素中，又包含商業(yè)銀行自身因素和非銀行因素。分析這些因素對(duì)不良貸款率的影響，有利于正確評(píng)價(jià)商業(yè)銀行不良貸款率形成的原因以及這些原因的影響力度，并通過這些因素的變化較準(zhǔn)確地預(yù)測(cè)未來商業(yè)銀行不良貸款率的變動(dòng)趨勢(shì)。分析諸因素對(duì)商業(yè)銀行不良貸款率的影響主要有兩種方法：一種是多因素分析法，即同時(shí)分析多個(gè)因素甚至全部因素對(duì)商業(yè)銀行不良貸款率的影響；另一種是單因素分析法，即單獨(dú)分析某一因素對(duì)商業(yè)銀行不良貸款率的影響。限于篇幅，本文主要采用單一分析法，分析固定資產(chǎn)投資率（以下簡(jiǎn)稱投資率）的變動(dòng)對(duì)商業(yè)銀行不良貸款率（以下簡(jiǎn)稱不良率）變動(dòng)的影響，在此基礎(chǔ)上，對(duì)投資率與不良貸款率之間關(guān)系具有重要影響的主要“干擾素”或稱“條件因素投資貸款率”的作用略作分析。之所以選擇投資率，是因?yàn)楣潭ㄙY產(chǎn)投資被視為促進(jìn)經(jīng)濟(jì)增長(zhǎng)的“三駕馬車”之一，也是銀行提供融資服務(wù)的重要對(duì)象，同時(shí)考慮到被影響因子不良率是一個(gè)相對(duì)數(shù)，所以影響因子也應(yīng)該是一個(gè)相對(duì)數(shù)。

國(guó)內(nèi)直接研究固定資產(chǎn)投資率與商業(yè)銀行不良貸款率之間關(guān)系的文獻(xiàn)極少，相關(guān)成果主要有三個(gè)方面。一是研究縣域商業(yè)銀行不良貸款率與投資率的關(guān)系。黃琦、陶建平、田杰（2013）基于全國(guó)2006年至2010年2069個(gè)縣（市）的樣本分析，認(rèn)為投資率每提高一個(gè)百分點(diǎn)，縣域商業(yè)銀行不良貸款率下降0.534個(gè)百分點(diǎn)。［1］二是研究固定資產(chǎn)投資額變動(dòng)與商業(yè)銀行不良貸款率的關(guān)系。張婷婷、彭振江、屈松（2010）基于江西省數(shù)據(jù)分析了后危機(jī)時(shí)代商業(yè)銀行不良資產(chǎn)形成因素，認(rèn)為在其他條件不變的情況下，每當(dāng)固定資產(chǎn)投資增（減）1%，將使滯后5期左右的不良貸款率降低（增加）0.0087個(gè)百分點(diǎn)。［2］三是固定資產(chǎn)投資膨脹與國(guó)有商業(yè)銀行不良貸款額的關(guān)系。李德（2005）認(rèn)為投資膨脹會(huì)導(dǎo)致國(guó)有商業(yè)銀行不良貸款增加。［3］

本文的創(chuàng)新之處是選取我國(guó)具有代表性的16家上市商業(yè)銀行的不良貸款率數(shù)據(jù)，計(jì)算出各家銀行的不良貸款余額占所有16家上市銀行的不良貸款總額的比例，以該比例為權(quán)重對(duì)各家銀行的不良貸款率進(jìn)行加權(quán)處理，得出2000年至2014年各年度的商業(yè)銀行平均不良貸款率，用于代表我國(guó)整個(gè)商業(yè)銀行系統(tǒng)的不良貸款率，并以全社會(huì)固定資產(chǎn)投資總額占國(guó)內(nèi)生產(chǎn)總值的比重代表我國(guó)全社會(huì)的投資率，分析我國(guó)投資率與商業(yè)銀行不良貸款率的關(guān)系，再選擇銀行貸款占固定資產(chǎn)投資資金來源的比重作為影響投資率與不良貸款率關(guān)系的條件因素進(jìn)行分析，使得對(duì)投資率與不良貸款率關(guān)系的認(rèn)識(shí)進(jìn)一步深化和嚴(yán)密。

二、投資率對(duì)銀行不良貸款率影響的實(shí)證分析

（一）變量選取與數(shù)據(jù)來源

本文以2000～2014年我國(guó)全社會(huì)固定資產(chǎn)投資總額占國(guó)內(nèi)生產(chǎn)總值的比重代表投資率（IR），兩組數(shù)據(jù)均來源于中國(guó)國(guó)家統(tǒng)計(jì)局官網(wǎng)http：//www. stats.gov.cn。由于我國(guó)上市的16家商業(yè)銀行的規(guī)模和業(yè)務(wù)量均較大，其經(jīng)營(yíng)狀況基本上可以代表我國(guó)商業(yè)銀行的整體水平，因此本文以我國(guó)16家上市銀行的不良貸款率數(shù)據(jù)為基礎(chǔ)，計(jì)算出各家銀行的不良貸款余額占所有16家上市銀行的不良貸款總額的比例，以該比例為權(quán)重對(duì)各家銀行的不良貸款率進(jìn)行加權(quán)處理，再將所得的結(jié)果加總，作為該年份我國(guó)商業(yè)銀行平均的不良貸款率，由此得出表1所示的2000年至2014年各年我國(guó)商業(yè)銀行的不良貸款率（NPL）數(shù)據(jù)。16家上市銀行的不良貸款率實(shí)際數(shù)據(jù)來源于這些銀行公布的年報(bào)。

表1　2000～2014年我國(guó)投資率與銀行不良貸款率

（二）數(shù)據(jù)平穩(wěn)性檢驗(yàn)

由于兩組數(shù)據(jù)都是時(shí)間序列數(shù)據(jù)，所以需要先對(duì)數(shù)據(jù)的平穩(wěn)性進(jìn)行檢驗(yàn)。為了消除異方差現(xiàn)象，對(duì)IR和NPL取自然對(duì)數(shù)，得到的數(shù)據(jù)分別用LNIR和LNNPL表示，兩組數(shù)據(jù)代表的經(jīng)濟(jì)意義不改變。本文選用KPSS方法檢驗(yàn)數(shù)據(jù)的平穩(wěn)性。本文使用的計(jì)量軟件為Stata13.0。檢驗(yàn)結(jié)果如表2所示?？梢妰山M原數(shù)據(jù)均不平穩(wěn)，經(jīng)過一階差分后的數(shù)據(jù)DLNIR和DLNNPL均為平穩(wěn)數(shù)據(jù)。可見，LNIR和LNNPL均為一階單整序列。

表2　數(shù)據(jù)平穩(wěn)性檢驗(yàn)

（三）MLE協(xié)整檢驗(yàn)

接下來進(jìn)行MLE協(xié)整檢驗(yàn)。檢驗(yàn)結(jié)果如表3所示。結(jié)果表明LNIR和LNNPL只存在一個(gè)協(xié)整關(guān)系，即協(xié)整方程為L(zhǎng)NNPL=-2.99LNIR+12.39，可知，從長(zhǎng)期來看，商業(yè)銀行的投資率（LNIR）和不良貸款率（LNNPL）呈反方向變動(dòng)關(guān)系。投資率每上升1%，商業(yè)銀行的不良貸款率就會(huì)下降2.99%；反之則不良貸款率上升2.99%。

表3　LNIR和LNNPL的協(xié)整檢驗(yàn)

（四）VAR模型及其穩(wěn)定性檢驗(yàn)

由于投資率和不良貸款率具有長(zhǎng)期穩(wěn)定的均衡關(guān)系，因此本文建立LNIR和LNNPL兩個(gè)變量的VAR模型，進(jìn)一步檢驗(yàn)二者之間的數(shù)量關(guān)系。首先根據(jù)大多數(shù)準(zhǔn)則，確定VAR模型的最優(yōu)滯后階數(shù)為4。VAR模型的穩(wěn)定性檢驗(yàn)結(jié)果如表4所示，可知該模型是穩(wěn)定的。

表4　VAR模型的特征根

（五）Granger因果關(guān)系檢驗(yàn)

由于LNIR和LNNPL存在長(zhǎng)期均衡關(guān)系，為進(jìn)一步判斷出短期內(nèi)兩個(gè)變量變化的先后關(guān)系，對(duì)LNIR和LNNPL進(jìn)行Granger因果關(guān)系檢驗(yàn)。檢驗(yàn)結(jié)果如表5所示?？芍狶NNPL是LNIR的Granger原因，即不良貸款率的變動(dòng)能夠影響到投資率。但LNIR不是LNNPL的Granger原因。

表5　Granger因果關(guān)系檢驗(yàn)結(jié)果

（六）脈沖響應(yīng)函數(shù)和方差分解

1.脈沖響應(yīng)函數(shù)分析

接下來進(jìn)行脈沖響應(yīng)函數(shù)分析。脈沖響應(yīng)函數(shù)分析結(jié)果如圖1所示（經(jīng)驗(yàn)證，變量排序改變時(shí)，此脈沖響應(yīng)函數(shù)結(jié)果和下文的方差分解結(jié)果均未發(fā)生改變），圖中橫坐標(biāo)表示時(shí)期，單位為年，縱坐標(biāo)表示累計(jì)響應(yīng)。

圖1顯示以LNIR為脈沖變量，以LNNPL為響應(yīng)變量，LNIR對(duì)LNNPL的動(dòng)態(tài)效應(yīng)?？梢钥闯?，LNIR對(duì)LNNPL的作用較明顯，而且大約在前7年幾乎都是反向作用，即投資率的上升會(huì)引起不良貸款率的下降。這種反向作用在前4年較強(qiáng)，但會(huì)逐漸減弱。第7年之后，投資率對(duì)不良貸款率的作用變?yōu)槭治⑷醯恼蜃饔?，即投資率的上升會(huì)導(dǎo)致不良貸款率隨之微弱地升高。

圖1　LNNPL對(duì)LNIR正交脈沖的響應(yīng)

2.方差分解

接下來對(duì)兩個(gè)變量進(jìn)行方差分解，結(jié)果如表6和表7所示。由表6可知，對(duì)LNIR進(jìn)行向前一年的預(yù)測(cè)，其預(yù)測(cè)方差完全來自LNIR自身。但是LNNPL的作用在逐漸增強(qiáng)，到第20期，LNNPL的作用達(dá)到最大值約57.41%。說明不良貸款率在投資率的變動(dòng)中起到很大的作用。表7顯示，對(duì)LNNPL進(jìn)行向前一年的預(yù)測(cè)，其預(yù)測(cè)方差有約1.90%來自LNIR，其余98.10%來自LNNPL自身。LNIR對(duì)LNNPL的作用在第4期達(dá)到最大值2.39%，之后逐漸減小，在第12期達(dá)到最小值1.68%。由此可知投資率在不良貸款率的變動(dòng)中也起到一定的作用。

表6　LNIR的方差分解

表7　LNNPL的方差分解

三、投資率對(duì)不良貸款率影響的機(jī)理分析

投資率擴(kuò)大導(dǎo)致銀行不良貸款率下降的機(jī)理可以通過以下兩個(gè)理論公式說明：

理論公式一：

銀行不良貸款率=銀行不良貸款總額/銀行全部貸款總額×100%

上式中，在銀行不良貸款總額不變的情況下，如果銀行全部貸款總額增加，則銀行不良貸款率必然下降；如果銀行不良貸款總額增加，但是銀行全部貸款總額增加幅度超過銀行不良貸款總額增加幅度，則銀行不良貸款率也必然下降。

理論公式二：

銀行全部貸款總額=全社會(huì)固定資產(chǎn)投資總額×投資貸款率+其他貸款

上式中，投資貸款率是指固定資產(chǎn)投資資金來源中商業(yè)銀行貸款所占的比重；其他貸款是指除了商業(yè)銀行用于固定資產(chǎn)投資的貸款以外的所有其他貸款。本式說明，在投資貸款率不變或提高的的條件下，全社會(huì)固定資產(chǎn)投資總額擴(kuò)大，銀行全部貸款總額也會(huì)擴(kuò)大；反之，全社會(huì)固定資產(chǎn)投資總額縮小，銀行全部貸款總額也相應(yīng)縮小。

將兩個(gè)理論公式結(jié)合起來即可說明投資率對(duì)不良貸款率的影響機(jī)理：當(dāng)投資率提高時(shí)，說明我國(guó)全社會(huì)固定資產(chǎn)投資總額增加，由于銀行貸款是固定資產(chǎn)投資資金重要來源，因而銀行發(fā)放的固定資產(chǎn)投資貸款總額也會(huì)隨著全社會(huì)固定資產(chǎn)投資總額的增加而增加，于是導(dǎo)致銀行全部貸款總額擴(kuò)大；由于固定資產(chǎn)投資貸款是一種長(zhǎng)期貸款，所以在一個(gè)較長(zhǎng)的期限內(nèi)，固定資產(chǎn)投資貸款中的不良貸款總額增加幅度遠(yuǎn)遠(yuǎn)低于固定資產(chǎn)投資貸款總額增加幅度，因此，投資率的提高會(huì)導(dǎo)致銀行不良貸款率的下降。如果投資率持續(xù)提高，使得全社會(huì)固定資產(chǎn)投資規(guī)模持續(xù)擴(kuò)大，銀行貸款總額增加幅度超過了銀行新增逾期貸款增加幅度，則由投資率提高引起銀行不良貸款率下降這種經(jīng)濟(jì)現(xiàn)象就會(huì)延續(xù)下去。從某一個(gè)年度看，如果某年度投資率提高的幅度很大，固定資產(chǎn)投資規(guī)模增加幅度很高，銀行長(zhǎng)期貸款總額隨之大幅增加，則由于當(dāng)年貸款未到還款期，尚屬正常貸款，固定資產(chǎn)投資貸款中的不良部分增加額較小，則當(dāng)年銀行不良貸款率會(huì)大幅下降。

表8列示了2000～2014年我國(guó)的投資貸款率即銀行貸款在固定資產(chǎn)投資資金來源中所占的比重，數(shù)據(jù)來源于中國(guó)國(guó)家統(tǒng)計(jì)局官網(wǎng)，同時(shí)列出同期投資率對(duì)不良貸款率的作用強(qiáng)度。

表8　投資貸款率與“投資率對(duì)不良貸款率的作用強(qiáng)度”對(duì)照表

把投資貸款率和“投資率對(duì)不良貸款率的作用強(qiáng)度”整合到圖2中可以更直觀地看出二者的關(guān)系，如圖2所示。

圖2　投資貸款率與“投資率對(duì)不良貸款率的作用強(qiáng)度”

結(jié)合表8和圖2可以看出，投資貸款率與“投資率對(duì)不良貸款率的作用強(qiáng)度”的關(guān)系并不是簡(jiǎn)單的正向線性關(guān)系，即投資率對(duì)不良貸款率的作用強(qiáng)度隨著投資貸款率的增大而加強(qiáng)，隨著投資貸款率的降低而減弱。二者的關(guān)系更類似于一個(gè)不嚴(yán)格的拋物線型關(guān)系，即存在一個(gè)極值點(diǎn)，在投資貸款率極值點(diǎn)上，投資率對(duì)不良貸款率的作用強(qiáng)度最大，當(dāng)投資貸款率小于這個(gè)極值點(diǎn)時(shí)，投資率對(duì)不良貸款率的作用強(qiáng)度隨投資貸款率的增加而增強(qiáng)；當(dāng)投資貸款率大于這個(gè)極值點(diǎn)時(shí)，投資率對(duì)不良貸款率的作用強(qiáng)度隨投資貸款率的增加而減弱。結(jié)合表8和圖2的可知，這個(gè)極值點(diǎn)介于13.76%和14.88%之間。圖2可以看出，投資率對(duì)不良貸款率的作用強(qiáng)度是呈波浪型上下震動(dòng)的，且震動(dòng)幅度在逐漸減弱。

［1］黃琦，陶建平，田杰.縣域金融信貸風(fēng)險(xiǎn)的影響因素［J］.金融論壇，2013（10）：9～15.

［2］張婷婷，彭振江，屈松.后危機(jī)時(shí)代商業(yè)銀行不良資產(chǎn)形成因素的實(shí)證研究—基于江西省數(shù)據(jù)的經(jīng)驗(yàn)分析［J］.海南金融，2010（10）：69～75.

［3］李德.我國(guó)銀行業(yè)不良資產(chǎn)狀況和變化趨勢(shì)分析［J］.海南金融，2005（3）：7～9.

［責(zé)任編輯：文筠］

An em pirical Analysis of the Influence of the Rate of Investment on the Non-perform ing Loan Ratio of Commercial Banks

LIGuoyi，SUIJing
（School of Finance，Harbin University of Commerce，Harbin 150028，China）

Fixed assets investment accounts for the proportion of GDP represents the rate of investment.Based on the time series data of investment and the rate of China from 2000 to 2014 after the 16 listed commercial banks weighted non-performing loan ratio of the relationship between the data analysis，the investment rate has significant effect on the rate of non-performing loans of commercial banks change the downward trend.But the accuracy of this conclusion depends on the size of the proportion of commercial bank loans in the source of fixed assets investment funds.In order to make the analysismore rigorous and reliable，it is required to conduct a thorough analysis of themechanism.

investment rate；bank；non-performing loan ratio；influence；specific gravity

F830

A

1005-913X（2016）10-0093-04

2016-08-20

黑龍江省哲學(xué)社會(huì)科學(xué)基金資助項(xiàng)目（13B024）

李國(guó)義（1956-），男，哈爾濱人，教授，研究方向：投資學(xué)、金融學(xué)；隋婧（1993-），女，哈爾濱人，碩士，研究方向：投融資分析。