陳澤龍，饒海琴

（上海理工大學(xué)管理學(xué)院，上海　200093）

改革實踐

國有商業(yè)銀行不良貸款上升的因素分析

陳澤龍，饒海琴

（上海理工大學(xué)管理學(xué)院，上海200093）

銀行不良貸款會增加其信用風(fēng)險，制約銀行的放貸能力與盈利能力。四大國有商業(yè)銀行是中國銀行業(yè)的四個龐然大物，在中國銀行業(yè)的所有資產(chǎn)中占有非常大的比重，而且中、農(nóng)、工、建四大行的不良貸款總額占我國銀行業(yè)總的不良貸款的比重超過了一半。通過收集整理2011年一季度到2016年一季度的數(shù)據(jù)，運用stata、spss等軟件進(jìn)行實證分析。實證結(jié)果得出，手續(xù)費及傭金凈收入增長率、GDP增長速度、貸款撥備覆蓋率、鋼鐵企業(yè)凈利潤、煤炭企業(yè)凈利潤、資本充足率、銀行利潤增長率、廣義貨幣供應(yīng)量與銀行不良貸款存在相關(guān)關(guān)系。

四大國有商業(yè)銀行；不良貸款額；影響因素

中國經(jīng)濟(jì)的融資渠道主要是間接融資，在這些融資過程中，銀行信貸提供了社會融資規(guī)模的八成以上。根據(jù)新浪財經(jīng)網(wǎng)4月7日報道，中國銀行、建設(shè)銀行、農(nóng)業(yè)銀行、工商銀行、在融資中最具有代表性，截止2015年年度這四家國有銀行的信貸資產(chǎn)余額超過了40萬億。因此本文選用這四家銀行作為研究對象。根據(jù)中國銀行業(yè)監(jiān)督管理委員會公布的統(tǒng)計數(shù)據(jù)顯示，自從四大國有商業(yè)銀行的不良貸款經(jīng)過幾次的剝離之后，我國商業(yè)銀行的不良貸款率就沒有高過3%，最高的是2016一季度農(nóng)業(yè)銀行的不良貸款率，其值為2.39%，但是商業(yè)銀行的不良貸款總額卻一直是居高不下，這嚴(yán)重的阻礙了我國經(jīng)濟(jì)的可持續(xù)發(fā)展。我國四大國有商業(yè)銀行2016年一季度不良貸款余額為7 385.35億元，這一數(shù)額已經(jīng)占到2016一季度我國國內(nèi)生產(chǎn)總值的4.66%。因此研究四大行的不良貸款具有十分重要的現(xiàn)實意義。當(dāng)我們研究銀行的資產(chǎn)的質(zhì)量的時候，只研究銀行的不良貸款率是不合理的，應(yīng)該關(guān)注銀行的不良貸款的余額，如果這些不良貸款處理不當(dāng)?shù)脑挘瑢l(fā)新一輪的金融風(fēng)暴，甚至導(dǎo)致經(jīng)濟(jì)危機的產(chǎn)生。2008年美國的金融危機就是由于銀行的不良資產(chǎn)的暴增導(dǎo)致的。因此銀行業(yè)的管理者不能簡單地認(rèn)為我國銀行的不良貸款率低于國際上的警戒線就放松警惕，應(yīng)該重視我國高額的不良貸款余額。

1　文獻(xiàn)綜述

近些年來，商業(yè)銀行不良貸款這個課題備受國內(nèi)外金融界、學(xué)術(shù)界的關(guān)注，我國國內(nèi)的很多專家學(xué)者們也對此發(fā)表了自己的看法，并且他們之中的大部分人都對如何分析不良貸款、防控不良貸款以及化解不良貸款提出了相應(yīng)的解決辦法。謝冰（2009）從宏觀經(jīng)濟(jì)的角度分析其對銀行不良貸款產(chǎn)生的影響，認(rèn)為國內(nèi)生產(chǎn)總值、社會消費品零售額、社會固定資產(chǎn)投資額等對銀行不良貸款的產(chǎn)生具有一定的影響［1］。肖梓光（2013）通過實證分析的方法分析得出銀行不良貸款的形成與區(qū)域經(jīng)濟(jì)具有很強的相關(guān)性，東部地區(qū)銀行不良貸款率與GDP呈負(fù)相關(guān)，與進(jìn)出口貿(mào)易成正比。中部地區(qū)銀行不良貸款率與本地區(qū)私營經(jīng)濟(jì)固定資產(chǎn)投資總量呈負(fù)相關(guān)關(guān)系。西部地區(qū)銀行不良貸款率與本區(qū)域GDP、公有經(jīng)濟(jì)固定資產(chǎn)投資總量的負(fù)相關(guān)性［2］。盧盼盼（2012）通過運用向量自回歸模型分析了利率與商業(yè)銀行不良貸款率之間的關(guān)系，得出提高利率會推高銀行的不良貸款率［3］。郭耀中（2012）通過實證分析的方法得出國有企業(yè)的利潤是影響銀行不良貸款率的重要因素，并得出外資銀行在華資產(chǎn)占比對國內(nèi)商業(yè)銀行的不良貸款率沒有顯著的影響［4］。劉妍（2014）通過運用主成分分析的辦法得出房地產(chǎn)行業(yè)狀況、我國國內(nèi)生產(chǎn)總值、居民消費價格指數(shù)、一年期貸款基準(zhǔn)利率等因素均對不良貸款率產(chǎn)生重要影響［5］。譚勁松、簡宇寅、陳穎（2012）通過實證分析的方法研究了政府干預(yù)與不良貸款的關(guān)系。政府干預(yù)是銀行產(chǎn)生不良資產(chǎn)的主要原因［6］。

2　國有商業(yè)銀行不良貸款的現(xiàn)狀

2.1不良貸款率和不良貸款余額出現(xiàn)“雙升”

20世紀(jì)末以及21世紀(jì)初的幾年間，我國為了提高商業(yè)銀行的國際競爭力，防范和化解不良貸款帶來的金融風(fēng)險，保證銀行業(yè)的持續(xù)健康發(fā)展。政府通過組建四大資產(chǎn)管理公司，對我國四大商業(yè)銀行的不良貸款進(jìn)行剝離，使得銀行的不良貸款和不良貸款率出現(xiàn)了一段時間“雙降”的現(xiàn)象。但自從2011年底銀行不良貸款出現(xiàn)探底之后，近四年多以來我國商業(yè)銀行不良貸款余額呈現(xiàn)出持續(xù)上漲的趨勢，并在最近幾個季度出現(xiàn)不良貸款余額和不良貸款率“雙升”的現(xiàn)象。四大國有商業(yè)銀行在中國的銀行體系中占有非常大的比重。截至2016年一季度末，商業(yè)銀行的不良貸款余額為13 921億元，四大國有商業(yè)銀行不良貸款余額為7 385.35億元，占全國銀行不良貸款總額的53.05%。一季度四大國有商業(yè)銀行不良貸款較上季末增加492.79億元，四大國有商業(yè)銀行的不良貸款率為1.778%，較上季末上升0.053個百分點。從不良貸款率上來看，農(nóng)業(yè)銀行不良貸款率上升的速度最快。截止2016一季度，農(nóng)業(yè)銀行不良貸款率上升至2.39%，工商銀行不良貸款率上升至1.66%，中國銀行不良貸款率上升至1.43%，建設(shè)銀行不良貸款率上升至1.63%。中國四大國有商業(yè)銀行的不良貸款率和不良貸款余額情況如圖1。

2.2區(qū)域分布以及行業(yè)分布十分的明顯

從區(qū)域分布上看，四大國有商業(yè)銀行的不良貸款主要集中在珠江三角洲、長江三角洲以及環(huán)渤海等經(jīng)濟(jì)發(fā)達(dá)的地區(qū)。相比較而言，西部地區(qū)、中部地區(qū)以及東北地區(qū)的不良貸款率要明顯低于上述三個區(qū)域。以建設(shè)銀行為例，2015年年末建設(shè)銀行在西部地區(qū)和中部地區(qū)的不良貸款率分別為1.37%和1.11%。然而，建設(shè)銀行在珠江三角洲和長江三角洲的不良貸款率卻高達(dá)2.11%和2.5%。但是隨著我國經(jīng)濟(jì)步入新常態(tài)，中西部地區(qū)經(jīng)濟(jì)增速放緩，將會導(dǎo)致中西部地區(qū)不良貸款率的不斷攀升。同時也有例外出現(xiàn)，從銀行的報表中發(fā)現(xiàn)，東北地區(qū)的不良貸款率處于較低的水平，這與目前我國東北地區(qū)的經(jīng)濟(jì)發(fā)展形勢不相符。例如，2015年年末，工商銀行在東北地區(qū)的不良貸款率僅為1.27%，明顯低于珠江三角洲地區(qū)的1.94%，同時建設(shè)銀行和農(nóng)業(yè)銀行的不良貸款率分布呈現(xiàn)出這樣的特征。

從行業(yè)分布來看，四大國有商業(yè)銀行的不良貸款主要集中在制造業(yè)、批發(fā)零售業(yè)和采礦業(yè)。在四大行中批發(fā)零售業(yè)、制造業(yè)以及采礦業(yè)的不良貸款率分別位于第一位、第二位和第三位。以農(nóng)業(yè)銀行為例，2015年年末，批發(fā)零售業(yè)務(wù)在農(nóng)業(yè)銀行的不良貸款率高達(dá)12.31%，制造業(yè)的不良貸款率達(dá)到5.45%，采礦業(yè)的不良貸款率占比達(dá)到3.14%。在批發(fā)零售業(yè)務(wù)上不良貸款率最低的是中國銀行，但是其值也達(dá)到4.14%，遠(yuǎn)高于銀行業(yè)整體的不良貸款率。

3　國有商業(yè)銀行不良貸款的形成原因分析

3.1國內(nèi)經(jīng)濟(jì)增速放緩，鋼鐵煤炭企業(yè)利潤下降

隨著我國經(jīng)濟(jì)結(jié)構(gòu)的不斷調(diào)整，我國經(jīng)濟(jì)增長速度明顯減慢。2011年我國經(jīng)濟(jì)的增長速度為9.5%，2014年下降到7.3%，2016年一季度為6.7%，而且預(yù)計全年的經(jīng)濟(jì)增長速度大約在6.5%左右，經(jīng)濟(jì)下行的壓力不容忽視。由于我國經(jīng)濟(jì)增長速度放緩，鋼鐵煤炭行業(yè)受到?jīng)_擊，現(xiàn)金流受到影響，凈利潤增速下降明顯，很多企業(yè)的利潤增長速度甚至出現(xiàn)負(fù)增長，嚴(yán)重影響了銀行的貸款質(zhì)量，導(dǎo)致四大國有商業(yè)銀行不良貸款暴增。因此這是影響銀行不良貸款上升的重要因素。

3.2存貸利差的不斷縮小，銀行核銷不良貸款的能力下降

2016年一季度四大行的中間業(yè)務(wù)占比大約只占到22%，因此存貸利差仍然是四大行獲得收益的主要來源。但是自2015年10.24日起，中央銀行決定放開存款利率浮動上限，標(biāo)志著我國進(jìn)行多年的利率市場化改革宣告完成。在中國開展利率市場化之前，中國銀行主要是靠存貸利差來獲利的，但是隨著利率市場化進(jìn)程的不斷推進(jìn)，銀行的存貸利差收窄，這嚴(yán)重影響了銀行自身的盈利能力。由于銀行沒有過多的利潤來核銷不良貸款，所以導(dǎo)致銀行不良貸款的持續(xù)增加。因此存貸利差收窄也是銀行不良貸款增加的影響因素之一。

3.3銀行經(jīng)營管理者的風(fēng)險意識薄弱

銀行是一個經(jīng)營風(fēng)險的金融機構(gòu)，如果銀行管理人員沒有形成正確的防范風(fēng)險意識，對不良貸款的形成沒有足夠的認(rèn)識，會導(dǎo)致銀行不良貸款的上升。作為銀行管理人員要時刻關(guān)注能夠反映銀行信貸風(fēng)險的指標(biāo)，例如存貸比、貸款撥備覆蓋率等重要指標(biāo)，一般來說，銀行的存貸比不能超過75%，超過這個量就說明銀行已經(jīng)存在很大的風(fēng)險。對于那些風(fēng)險喜好型的管理者來說，其所在的銀行一般會擴大信貸規(guī)模，抵御風(fēng)險的能力會大大降低；對于風(fēng)險規(guī)避型的管理者來說，其所處銀行的信貸規(guī)模一般會處在相對比較穩(wěn)定的水平上，銀行抵御風(fēng)險的能力比較強。

4　實證分析

4.1數(shù)據(jù)的收集和說明

本文選取鋼鐵煤炭行業(yè)作為四大國有商業(yè)銀行不良貸款上升的研究對象，主要是因為近幾年來，我國鋼鐵煤炭行業(yè)受國內(nèi)外經(jīng)濟(jì)不景氣的影響，導(dǎo)致出現(xiàn)嚴(yán)重的產(chǎn)能過剩，使得鋼鐵煤炭行業(yè)面臨資金鏈斷裂的風(fēng)險，并且我國的鋼鐵煤炭企業(yè)大多數(shù)是國有企業(yè)，其生產(chǎn)經(jīng)營過程中的貸款的主要來自商業(yè)銀行，所以鋼鐵煤炭行業(yè)成為四大行產(chǎn)生不良貸款的高危行業(yè)。凈利潤是衡量一家企業(yè)經(jīng)營狀況的重要指標(biāo)，因此選取鋼鐵煤炭企業(yè)的凈利潤作為研究銀行不良貸款上升的影響因素。另外本文還從宏觀和微觀的角度來對銀行不良貸款的影響因素進(jìn)行分析。文章選取2011一季度到2016一季度的經(jīng)濟(jì)數(shù)據(jù)，具體的各自變量和因變量的解釋如表1所示。

數(shù)據(jù)的來源，不良貸款余額、手續(xù)費及傭金的凈增長率、貸款撥備覆蓋率、銀行資本充足率、凈利潤增長率是通過整理四家上市銀行的財務(wù)報表整理得到，GDP增長速度來自中國國家統(tǒng)計局官方網(wǎng)站（http://www.stats.gov.cn），鋼鐵煤炭企業(yè)主要研究的上市企業(yè)，其來源于東方財富網(wǎng)板塊的劃分，其中有兩家企業(yè)數(shù)據(jù)缺失，本文在這里將其舍棄，凈利潤主要是通過從企業(yè)財務(wù)報表中整理得到。廣義貨幣供應(yīng)量來自中國人民銀行官方網(wǎng)站（http://www. pbc.gov.cn）的數(shù)據(jù)整理得到。本文主要使用的統(tǒng)計分析軟件有SPSS、stata。表2為回歸樣本的描述性統(tǒng)計。

4.2建立模型

①構(gòu)建被解釋變量不良貸款余額與8個解釋變量之間的函數(shù)關(guān)系，確定自變量和因變量之間的有關(guān)性。由下面的各個解釋變量與不良貸款余額的散點圖能夠初步判斷他們之間是否存在一定的相關(guān)性，然后再對各個自變量進(jìn)行初步的一元線性回歸，回歸的結(jié)果如表3所示，被解釋變量與各個解釋變量之間不存在線性關(guān)系，為了防止建立模型時變量過多，于是對上述的8個解釋變量做相應(yīng)的線性轉(zhuǎn)換。

②解釋變量的非線性變換。根據(jù)不良貸款與各個解釋變量的相關(guān)關(guān)系對這些不成線性關(guān)系的解釋變量進(jìn)行函數(shù)變換，變換的結(jié)果如表4，得到8個新的解釋變量X11、X22、X33、X44、X55、X66、X77、X88。通過非線性變換之后被解釋變量不良貸款余額與各個解釋變量之間都呈現(xiàn)出線性關(guān)系。然后對各個自變量與因變量做線性回歸。

③構(gòu)建不良貸款余額的回歸模型。將自變量與因變量進(jìn)行回歸，回歸的結(jié)果如表5所示。有回歸的結(jié)果知，R2=0.996 3，調(diào)整后的R2=0.993 8，表明自變量與因變量擬合的很好，通過查表得出t0.025= 1.859 5，由表5可以看出大部分解釋變量的t檢驗值均小于1.859 5，說明此回歸結(jié)果沒有通過t檢驗，檢驗結(jié)果不顯著，因變量之間可能存在比較嚴(yán)重的多種共線性。進(jìn)行多重共線性檢驗，由共線性診斷結(jié)果得出得出，VIF88=24.85、VIF77=21.78、VIF33=14、VIF22=13.90、VIF44=8.27、VIF11=7.11、VIF66= 5.19、VIF55=3.14，各個解釋變量的方差擴大因子多大于10，可以得出各個解釋變量之間存在嚴(yán)重的多重共線性。因此，本文采用主成分分析的方法來消除多重共線性的影響。

各解釋變量之間的相關(guān)系數(shù)，由表6可知，手續(xù)費及傭金凈收入增長率、GDP增長速度、貸款撥備覆蓋率、銀行的資本的充足率、鋼鐵行業(yè)凈利潤、煤炭行業(yè)凈利潤、廣義貨幣供應(yīng)量、銀行凈利潤增長率之間存在高度的相關(guān)性，因此對這8個高度相關(guān)的解釋變量進(jìn)行主成分分析。

④主成分回歸建模。通過SPSS進(jìn)行因子分析（主成分分析）。在檢驗的過程中進(jìn)行KMO（Kaiser-Meyer-Olkin）檢驗和巴特利球度（Bartlett）檢驗，由檢驗結(jié)果得出，KMO值=0.819＞0.8，Bartlett值=201.815非常大，P=0.00＜0.01，說明變量之間存在存在較強的相關(guān)關(guān)系，可以運用主成分分析。運用統(tǒng)計軟件SPSS對解釋量X11，X22，…，X88進(jìn)行主成分分析，統(tǒng)計分析結(jié)果見表7。

表7是主成分的累積方差，根據(jù)特征值（合計）大于1的原則，只需要提取1個因子作為公共因子，用F1表示，F(xiàn)1=6.285，由第一個公共因子的方差累計百分比為78.563%＞70%，說明這這個公共因子的主要成分基本包含了全部變量大部分的信息。將這個公共因子命名為風(fēng)險因子，用F1表示

由于第一個初始特征值的累計貢獻(xiàn)率已經(jīng)高達(dá)78.563%，固只需要提取前一個主成分，即風(fēng)險因子的線性組合。（自變量前的系數(shù)是通過成分矩陣表中的數(shù)據(jù)除以根號下主成分對應(yīng)的特征值得到的）：

回歸方程分析。對風(fēng)險因子F1和被解釋變量之間作多元線性回歸，回歸結(jié)果如表8。

從而可得不良貸款余額與風(fēng)險因子的回歸方程如下:

由回歸結(jié)果可知，F(xiàn)=265.54，P=0.000＜0.01，R2=0.933 2調(diào)整后的判定系數(shù)R2=0.929 7，擬合的很好，回歸方程通過顯著性檢驗。常數(shù)項的p值= 0.000＜0.05，F(xiàn)1的p值=0.000＜0.05所以變量通過顯著性檢驗。分別將式（1）代入（2），并將其結(jié)果加總得因變量不良貸款余額與風(fēng)險因子之間的回歸方程:

（保留小數(shù)點后四位）

5　結(jié)論與對策建議

5.1結(jié)論

①由上面的結(jié)果可知，鋼鐵煤炭行業(yè)的狀況、銀行的資本充足率、我國國內(nèi)經(jīng)濟(jì)增長速度、廣義貨幣供應(yīng)量等因素均對四大國有商業(yè)銀行的不良貸款產(chǎn)生影響，其中手續(xù)費及傭金凈收入增長率、GDP增長速度、貸款撥備覆蓋率、鋼鐵行業(yè)凈利潤、煤炭行業(yè)凈利潤和銀行利潤增長率這幾個自變量均有降低銀行不良貸款的作用。銀行資本充足率、廣義貨幣供應(yīng)量這兩個自變量對銀行不良貸款起到正向的促進(jìn)作用。并且，GDP的增長速度、銀行的盈利能力對降低銀行不良貸款的程度的影響最大，GDP每增長1%會導(dǎo)致銀行不良貸款大約降低0.463 9%，銀行的利潤增長率每增加1%會導(dǎo)致銀行不良貸款平均降低0.011 3%左右。這兩個因素對降低銀行不良貸款的影響效果是最好的，貢獻(xiàn)程度也是最大的。其主要原因是在一個經(jīng)濟(jì)持續(xù)高速增長的經(jīng)濟(jì)環(huán)境中，企業(yè)盈利能力會不斷增強，企業(yè)償還貸款的能力也會不斷地增強，銀行的信貸風(fēng)險不斷降低。銀行自身的盈利能力下降的時候，銀行就沒有足夠的利潤來核銷不良貸款，從而使得銀行的不良貸款增加。

②銀行資本充足率、廣義貨幣供應(yīng)量這兩個自變量對銀行不良貸款起到正向的促進(jìn)作用主要是因為廣義貨幣供應(yīng)量的持續(xù)增加，會引發(fā)新一輪的通貨膨脹，加之之前就已經(jīng)產(chǎn)生的通貨膨脹，這會增加企業(yè)的生產(chǎn)成本，影響企業(yè)的生存和發(fā)展，當(dāng)企業(yè)面臨嚴(yán)重的資金困難的時候，就會增加企業(yè)償還貸款的難度，會導(dǎo)致銀行不良貸款的上升。資本充足率較高的銀行一般會認(rèn)為自身的信貸風(fēng)險比較小，安全性高，在放貸的時候放貸人員通常只考慮其盈利性，對貸款的安全性意識不足，將導(dǎo)致銀行不良貸款的產(chǎn)生。

③以煤炭鋼鐵行業(yè)為代表的行業(yè)整體狀況對四大國有商業(yè)銀行的不良貸款產(chǎn)生的影響。由上面結(jié)論可知，鋼鐵煤炭行業(yè)獲得的凈利潤越多，銀行的不良貸款就會越少。國內(nèi)煤炭鋼鐵企業(yè)要進(jìn)行持續(xù)的經(jīng)營就必須依賴銀行提供一定的金融支持。四大行的系統(tǒng)風(fēng)險隨著鋼鐵煤炭行業(yè)的依賴程度的不斷加大而變得越來越大，而且鋼鐵煤炭行業(yè)的融資風(fēng)險和投資風(fēng)險也比較容易集中到四大國有商業(yè)銀行，從而出現(xiàn)煤炭鋼鐵行業(yè)的波動對四大行的信貸產(chǎn)生巨大的影響。因此隨著近幾年來鋼鐵煤炭行業(yè)出現(xiàn)產(chǎn)能過剩，利潤大幅度下滑使得銀行的不良貸款余額節(jié)節(jié)攀升。

5.2對策建議

①鋼鐵煤炭行業(yè)是我國產(chǎn)能過剩十分嚴(yán)重的行業(yè)，銀行應(yīng)加強對這兩個行業(yè)的風(fēng)險監(jiān)測。鋼鐵煤炭行業(yè)是我國四大國有商業(yè)銀行不良貸款產(chǎn)生的高發(fā)地帶，四大行必須加強對這兩個行業(yè)的監(jiān)控，制定有關(guān)行之有效的措施，在貸款前要盡量限制對這兩個行業(yè)貸款，當(dāng)貸款發(fā)生時，要及時防范不良貸款產(chǎn)生的風(fēng)險，在不良貸款產(chǎn)生后要想辦法消減這部分不良貸款，例如國家最近提出的將不良貸款證券化，這是銀行減少高額的不良貸款的一個切實可行的辦法，不過在實行過程中會遇到很多困難，銀行要提前做好應(yīng)對。

②擴大內(nèi)需，促進(jìn)經(jīng)濟(jì)增長。自2008年全球金融危機爆發(fā)以來，全球的經(jīng)濟(jì)一直不景氣，我國以出口型為導(dǎo)向的增長模式面臨著巨大的壓力，在這種情況下，我國政府提出了擴大內(nèi)需，以內(nèi)需來拉動國內(nèi)經(jīng)濟(jì)的增長。經(jīng)濟(jì)增長有利于企業(yè)提高其自身的盈利能力，增強企業(yè)的還貸能力，降低銀行的信貸風(fēng)險。

③從四大行的角度來看，應(yīng)該完善其自身的信貸管理機制。銀行在進(jìn)行放貸的時候，應(yīng)該主動加強放貸人員的控制風(fēng)險和風(fēng)險識別的意識，同時建立行之有效的懲罰機制和獎勵機制，對及時發(fā)現(xiàn)信貸風(fēng)險的信貸人員給予一定的獎勵，對由于信貸人員的過失而導(dǎo)致不良貸款產(chǎn)生的人員給予一定的處罰，通過這種措施來降低銀行的信貸風(fēng)險。同時銀行管理人員必須強化對不良貸款的認(rèn)識，不能為了眼前的利益而不顧自身的可持續(xù)發(fā)展，及時的調(diào)整銀行的資產(chǎn)結(jié)構(gòu)，建立科學(xué)有效的不良貸款管理體系。

［1］謝冰.商業(yè)銀行不良貸款的宏觀經(jīng)濟(jì)影響因素分析［J］財政理論與實踐（雙月刊），2009（6）：22-25.

［2］肖梓光.銀行不良貸款形成與區(qū)域經(jīng)濟(jì)相關(guān)性的實證分析［J］財經(jīng)縱橫，2013（15）：171-173.

［3］盧盼盼.利率與商業(yè)銀行不良貸款率波動研究［J］.銀行管理，2012：50-53.

［4］郭耀中.商業(yè)銀行不良貸款率下降影響因素研究［J］.山西財經(jīng)大學(xué)學(xué)報，2012（1）:62-63.

［5］劉妍.我國商業(yè)銀行不良貸款成因及相關(guān)因素分析［J］.系統(tǒng)工程，2014（5）:66-74.

［6］譚勁松，簡宇寅，陳穎.政府干預(yù)與不良貸款［J］.管理世界，2012（7）：29-43.

［7］姜冉.商業(yè)銀行不良貸款上升的原因及對策建議［J］.金融研究，2014（9）：161-162.

［8］韓笑，徐少君.我國宏觀經(jīng)濟(jì)對商業(yè)銀行不良貸款影響因素的實證分析［J］.經(jīng)管研究，2015（7）：88-95.

［責(zé)任編輯：路實］

Analysis on the Factors of the Four Major State-owned Commercial Banks'Bad Loans

CHENZe-long，RAOHai-qin
（College ofManagement，UniversityofShanghai for Science and Technology，Shanghai 200093，China）

The bank bad loan can increase its credit risk，restrict the bank lending ability and the profit ability.The four major state-owned commercial banks is four giants of China's banking industry，occupies a very large proportion in all assets of China's banking industry，and Bank of China，Agricultural Bank，Industrial and Commercial Bank，Construction Bank four lines of non-performing loans accounted for the proportion of China's banking industry total non-performing loans more than half.In this paper，through the collection and collation of the fourth quarter of 2011 to the first quarter of 2016 data，the use of SPSS，Stata and other software for empirical analysis.Empirical results showthat net fee and commission income growth rate，GDP growth rate，loan provision coverage，iron and steel enterprises net profit，net profit of coal enterprises，capital adequacy，bank profit growth rate，broad money supply and bank non-performing loans exist correlation.

Four State-owned Commercial Banks；Bad Loan Amount；Influence Factor

F832.4

A

1673-5919（2016）05-0026-06

10.13691/j.cnki.cn23-1539/f.2016.05.007

2016-07-12

陳澤龍（1990-），男，河南信陽人，碩士研究生。

饒海琴（1958-），女，上海市人，副教授。研究方向：財政學(xué)，稅務(wù)學(xué)。