楊 星，董雙強，陳 璐

（1.福建師范大學 經(jīng)濟學院，福建 福州 350007；2.福建農(nóng)林大學 管理學院，福建 福州 350002）

中國農(nóng)業(yè)銀行不良貸款率影響因素分析

楊 星1，董雙強1，陳 璐2

（1.福建師范大學 經(jīng)濟學院，福建 福州 350007；2.福建農(nóng)林大學 管理學院，福建 福州 350002）

不良貸款率是衡量金融機構信貸資產(chǎn)風險的重要指標之一，銀行的不良貸款問題始終是人們關注的一個焦點。中國農(nóng)業(yè)銀行與其他國有銀行相比，不良貸款率位居首位。通過介紹農(nóng)業(yè)銀行不良貸款的現(xiàn)狀，從宏觀經(jīng)濟、銀行經(jīng)營兩個方面分析農(nóng)業(yè)銀行不良貸款率的影響因素。采用2009年至2014年的宏觀經(jīng)濟及農(nóng)行季度數(shù)據(jù)進行多元線性回歸分析，探討農(nóng)行不良貸款率的關鍵影響因素，最后得出結論應該在宏觀層面優(yōu)化外部環(huán)境，微觀層面提高防范能力以降低不良貸款率。

中國農(nóng)業(yè)銀行；不良貸款率；影響因素；實證分析

2013年7月20日，我國全面放開金融機構貸款利率管制，取消金融機構貸款利率0.7倍的下限；2014年是全面深化改革的攻堅期，我國經(jīng)濟結構發(fā)生了重大調(diào)整，一些產(chǎn)能滯后、效率低下的產(chǎn)業(yè)相繼被淘汰，五大國有商業(yè)銀行的經(jīng)營利潤總額均環(huán)比下降，不良貸款余額與不良貸款率也出現(xiàn)“雙升”的情況；2015年是我國“十三五”規(guī)劃的開局之年。在貸款利率管制全面放開及經(jīng)濟新常態(tài)的背景下，商業(yè)銀行能否控制好風險不僅事關銀行發(fā)展大計，同時也影響到國民經(jīng)濟的健康運行。

不良貸款率是指金融機構不良貸款占總貸款的比重。不良貸款率是評價銀行等金融機構經(jīng)營狀況最重要的指標之一，也是關乎金融市場穩(wěn)定程度的風向標。過高的不良貸款率必然降低銀行等金融機構的資產(chǎn)質量、不利于金融市場的穩(wěn)定，從而引發(fā)宏觀經(jīng)濟的波動。20世紀70年代的東南亞金融危機，就是因為商業(yè)銀行的不良資產(chǎn)急劇膨脹而釀成的。2008年由美國次級住房抵押貸款引起的繼而蔓延到全球的金融海嘯，也正是由于銀行業(yè)金融機構犯了主觀性的錯誤，在房價看好、利率持續(xù)走低的背景下，發(fā)放大量的次級貸款使銀行的不良貸款率急速膨脹最終引發(fā)金融危機。中國農(nóng)業(yè)銀行是國際化的大型上市銀行，中國五大行之一，是我國金融體系不可或缺的組成部分。與其他四大行相比較，農(nóng)行不良貸款率始終位居首位。因此，研究影響中國農(nóng)業(yè)銀行不良貸款率的因素，進而防范和化解不良貸款風險，對農(nóng)行甚至整個銀行業(yè)的健康穩(wěn)定發(fā)展具有重要意義。

一、中國農(nóng)業(yè)銀行不良貸款現(xiàn)狀

在亞洲金融危機以后，我國政府開始重視對商業(yè)銀行不良貸款率的控制，積極采取各種措施整治國有銀行不良貸款，降低不良貸款的風險。1999年我國成立四家資產(chǎn)管理公司用以管理跟處置國有銀行不良貸款。[1]2008年銀監(jiān)會成立后，我國銀行資產(chǎn)質量得到顯著改善，不良貸款余額及不良貸款率延續(xù)下降的趨勢。2014年是我國全面深化改革的攻堅期，經(jīng)濟結構發(fā)生了重大調(diào)整，一些產(chǎn)能滯后、效率低下的產(chǎn)業(yè)相繼被淘汰。受此影響，2014年五大行的經(jīng)營利潤總額均環(huán)比下降，不良貸款率也都出現(xiàn)上升的情況。

農(nóng)行2014年年報顯示，2014年凈利潤增長率為7.90%，在五大國有銀行中排名第二位（如圖1），不良貸款率在五大國有銀行中最高，不良貸款率為1.54%。

圖1 2014年五大行凈利潤增長率及不良貸款率對比Fig.1 Comparison of net profitgrowth rate and non-performing loan ratio of the five lines in 2014

農(nóng)行不良貸款率一直居高不下，受多方面原因的影響。其中既有來自宏觀政策、行政干預的外部原因，也有農(nóng)行自身管理體制等內(nèi)部原因。農(nóng)行始終以“服務三農(nóng)”為使命，在農(nóng)行的不良貸款中，由于承擔政策性職能而承擔的不良貸款占相當大的比重。隨著農(nóng)行自身機制的轉變和內(nèi)部風險防控機制的逐步完善，剝離大量不良資產(chǎn)，不良貸款率雖也有大幅下降，但無法改變位居國有商業(yè)銀行首位的狀況。不良資產(chǎn)數(shù)量之大，不良貸款率之高其原因仍值得探究。

（一）中國農(nóng)業(yè)銀行不良貸款五級分類情況

截至2014年末，農(nóng)行不良貸款余額 1,249.70億元，較2013年末增加371.89億元；不良貸款率為1.54%，上升了0.32%。關注類貸款余額為3,111.73億元，增加了348.30億元，關注類貸款占比為3.84%。目前我國經(jīng)濟增速放緩，經(jīng)濟下行，關注類貸款有很大概率轉化成不良貸款。2014年我國銀行業(yè)平均不良貸款率為1.29%，農(nóng)行不良貸款率為1.58%，明顯沒有達到國有商業(yè)銀行的平均水平，資產(chǎn)質量承受壓力。

（二）中國農(nóng)業(yè)銀行不良貸款結構

按貸款業(yè)務類型劃分，2014年公司類貸款在農(nóng)行所有貸款中占82.5%，其中占比最大的兩個行業(yè)為制造業(yè)、批發(fā)和零售業(yè)，2014年貸款中占比分別為49.8%、30.5%，共占農(nóng)行貸款總額的81.3%。不良貸款率分別為3.69%、5.93%，遠高于其他行業(yè)不良貸款率。傳統(tǒng)制造業(yè)、批發(fā)和零售業(yè)技術含量低，抗風險能力相對較差，容易出現(xiàn)資金鏈斷裂從而造成不良貸款。

農(nóng)行2014年年報中顯示，批發(fā)和零售業(yè)不良貸款余額上升191.55億元、制造業(yè)上升120.44億元為不良貸款余額增加最多的兩個行業(yè)。按地域劃分，2014年農(nóng)行不良貸款余額上升最快的是西部、環(huán)渤海以及長三角地區(qū)，新增不良貸款分別為108.1億元、101.2億元及68.7億元。這三個地區(qū)在農(nóng)行貸款總額中占比分別為24.3%、21.4%、21%。西部地區(qū)主要為煤炭企業(yè)，當煤炭供給大于需求是，就會造成庫存增加，最終導致價格下滑。2014年大于70%的煤炭企業(yè)出現(xiàn)虧損，有部分煤炭相關企業(yè)出現(xiàn)貸款違約。西部地區(qū)不良貸款增加的主要原因是個別企業(yè)出現(xiàn)大額不良貸款。

二、影響因素確定

信用論認為，由于貸款資金在使用和償還時間上的分離，不可避免會產(chǎn)生不良貸款；依據(jù)金融脆弱性理論知，金融具有天然的內(nèi)在脆弱性，銀行的信用風險隨著經(jīng)濟周期波動，銀行不良貸款率的高低與宏觀經(jīng)濟周期有密切關系；由貸款客戶關系理論可以推斷，銀行自身經(jīng)營行為可能會導致不良貸款。下面從宏觀經(jīng)濟環(huán)境、銀行自身經(jīng)營兩方面分析影響農(nóng)行不良貸款率的因素。

（一）宏觀經(jīng)濟方面

經(jīng)濟周期是一國宏觀經(jīng)濟活動中經(jīng)濟擴張與收縮交替或周期性波動變化的一種經(jīng)濟現(xiàn)象，一般分為繁榮、衰退、蕭條和復蘇四個階段。[2]由金融脆弱性理論分析得，宏觀經(jīng)濟周期性波動與銀行不良貸款率存在相關關系。[3]

當經(jīng)濟處于繁榮復蘇時期，企業(yè)的經(jīng)營效率良好，對未來經(jīng)濟環(huán)境充滿信心，增加對長期性貸款的需求且在此時出現(xiàn)違約概率較低。同時在經(jīng)濟繁榮時期擔保物價值上升，可擔?？偭侩S之增加。[4]借款人資信狀況良好及擔保物價值增加，共同促使銀行增加了信貸投放總量。農(nóng)行在此期間對未來發(fā)展前景相對樂觀，在利益最大化驅使下更傾向于發(fā)放期限較長的信貸項目。這種樂觀也可能導致農(nóng)行對風險估計不足，制定較為激進的經(jīng)營目標，當經(jīng)濟由頂峰下滑進入衰退階段時，易造成大量不良貸款。

在經(jīng)濟處于衰退時期時，企業(yè)違約概率增加，銀行處于資金安全的考慮，會大幅減少信貸資金的投放。大多數(shù)企業(yè)在此時經(jīng)濟狀況不樂觀，還款壓力大，在經(jīng)營中若得不到必要的資金補充，易出現(xiàn)資金鏈斷裂。資金鏈一旦出現(xiàn)斷裂，企業(yè)財務狀況惡化迅速蔓延，會使得更多企業(yè)無力償還貸款，加劇農(nóng)行不良貸款的狀況。目前我國銀行利潤來源仍然是存貸差，不良貸款的增加將降低銀行盈利能力。農(nóng)行通常會采取提高貸款利率的方式來保證銀行的收益。根據(jù)逆向選擇理論，隨著信貸利率增加，申請貸款的平均質量下降，企業(yè)違約的概率增加，會導致更多的不良貸款出現(xiàn)。

在宏觀經(jīng)濟出現(xiàn)波動時，宏觀經(jīng)濟變量會隨著宏觀經(jīng)濟周期的變化表現(xiàn)出一致的波動趨勢。[5]國內(nèi)生產(chǎn)總量GDP增長率是宏觀經(jīng)濟變量的代表性指標，貨幣供應量M2增長率反映我國貨幣政策的變化。所以采用GDP增長率及M2增長率作為衡量我國經(jīng)濟周期變動的指標。

1.GDP增長率

在衡量一個國家的經(jīng)濟發(fā)展狀況時，通常選用國內(nèi)生產(chǎn)總值GDP作為衡量指標。GDP增長率越高，表明經(jīng)濟發(fā)展速度越快。通常在這個階段，企業(yè)經(jīng)營效率較好，償債能力大幅提升，對未來充滿信心，投資信貸需求增加。農(nóng)行此時對企業(yè)提供貸款，不僅能獲得較高的收益，同時可以推進企業(yè)生產(chǎn)和再生產(chǎn)的進行，提高企業(yè)盈利能力進而保證信貸資金安全，降低不良貸款可能性。當GDP增長率較低時，經(jīng)濟發(fā)展速度減慢，表明處于經(jīng)濟下行。很多企業(yè)此時需要信貸資金的幫助走出困境，而農(nóng)行處于對資金安全的考慮，往往會減小信貸規(guī)模，企業(yè)還貸壓力增大，資金鏈短缺又得不到及時的補充，貸款違約的概率增大。

2.貨幣供應量M 2增長率

經(jīng)濟繁榮復蘇時期，中央銀行一般會采用寬松的貨幣政策，即增加貨幣供應量來刺激消費需求，以此促進市場經(jīng)濟的發(fā)展。貨幣供應量增加，經(jīng)濟活動中流通的資金增加，需求不變的情況下會推動物價上漲。在短期內(nèi)，由于存在粘性工資，商品價格上漲而占成本絕大部分的工人工資未及時調(diào)整，企業(yè)利潤增加，進而擴大生產(chǎn)，拉動宏觀經(jīng)濟繁榮。當經(jīng)濟萎靡時，央行多采取緊縮貨幣政策，防止通貨膨脹導致經(jīng)濟進一步走向蕭條。宏觀經(jīng)濟中流通的資金量減少，企業(yè)庫存增加，生產(chǎn)和再生產(chǎn)難以為繼，不良貸款率上升。

（二）銀行經(jīng)營方面

在宏觀經(jīng)濟環(huán)境一定的條件下，銀行會根據(jù)市場需求及自身經(jīng)營特點采取不同的經(jīng)營管理策略，銀行經(jīng)營策略的改變會使得信貸決策和信貸資金質量相應發(fā)生改變。除了宏觀經(jīng)濟環(huán)境外，銀行自身經(jīng)營行為與不良貸款率的高低也存在密不可分的關系。

1.農(nóng)行相對規(guī)模

銀行相對規(guī)模與不良貸款率的關系，國內(nèi)外學者持有不同的觀點。2003年，Rajan和Dhal選用印度各大商業(yè)銀行資產(chǎn)的市場份額來度量銀行的相對規(guī)模，提出銀行相對規(guī)模與不良貸款率呈正相關關系的觀點。另一些學者的研究卻表明銀行相對規(guī)模對不良貸款率有負向影響。根據(jù)國內(nèi)外學者實證研究的結果我們可以推斷，若銀行盲目擴張銀行規(guī)模忽略對信貸風險的管理時，二者呈正相關關系。銀行相對規(guī)模對不良貸款率為負向影響則意味著，銀行在合理擴大規(guī)模的同時，建立和完善了科學的風險管理機制及信貸風險的治理體系，保證了信貸資產(chǎn)的質量。

2.農(nóng)行貸款與總負債比例

貸款與總負債比例體現(xiàn)了農(nóng)行在不同時期的信貸政策及風險偏好。若農(nóng)行實行寬松的信貸政策，信貸規(guī)模越大，貸款占總負債比例越高，表明農(nóng)行越偏好風險。反之，貸款占總負債比例越低，信貸規(guī)模越小，農(nóng)行對風險偏好程度越弱。實行風險偏好型信貸政策比風險回避型信貸政策面臨的信貸風險更大，相應不良貸款概率也越高。

三、實證分析

（一）變量選取及計算說明

銀行不良貸款率是多種因素共同作用的結果。根據(jù)前文影響因素的理論分析，結合農(nóng)行實際情況，同時考慮到數(shù)據(jù)的可得性，從宏觀經(jīng)濟周期及農(nóng)行經(jīng)營行為兩個方面，探究影響農(nóng)行不良貸款率的影響因素及影響程度。

本文選擇農(nóng)行不良貸款率作為被解釋變量；國內(nèi)生產(chǎn)總值GDP增長率、貨幣供應量（M2）增長率作為代表宏觀經(jīng)濟波動的解釋變量；銀行自身經(jīng)營行為方面，主要選取了貸款占銀行總負債的比例、銀行的相對規(guī)模、不良貸款撥備覆蓋率和凈利差作為解釋變量。(如表1）

表1 模型中使用的變量及表示符號Tab.1 Variables and symbols used in themodel

（二）數(shù)據(jù)來源

本文研究對象是中國農(nóng)業(yè)銀行不良貸款率，考慮到樣本數(shù)據(jù)的代表性及可取性，此次實證分析選取2009年第一季度至2014年第四季度的24組季度樣本數(shù)據(jù)，其中GDP增長率、貨幣供應量M2增長率數(shù)據(jù)來源于國家統(tǒng)計局網(wǎng)站，其他相關數(shù)據(jù)均來自中國農(nóng)業(yè)銀行發(fā)布的季報、半年報、年報，經(jīng)過整理計算而得。

（三）計量分析

1.平整性與協(xié)整關系檢驗

為了保證時間序列的平穩(wěn)性，首先對各變量進行單位根檢驗，利用eviews8.0對各變量做ADF檢驗，結果如表2所示：

表2單位根檢驗Tab.2 Unit root test

由表5-2可知，在5%的顯著性水平下，各變量原始數(shù)據(jù)在ADF檢測下都接受原假設，非平穩(wěn)序列，一階差分后，各變量在5%的顯著性水平下都是平穩(wěn)序列。

變量的單位根檢測結果表明，農(nóng)行的不良貸款率、GDP增長率、農(nóng)行相對規(guī)模、貸款/總負債都是一階單整序列，為了避免出現(xiàn)偽回歸的問題，需要對四個變量進行協(xié)整檢驗。本文使用Johanson協(xié)整檢驗方法進行協(xié)整分析，檢驗結果如表3所示：

表3 變量的協(xié)整檢驗Tab.3 Cointegration testof variables

通過對統(tǒng)計值和臨界值的比較以及相關檢驗結果的分析，可以看出各變量在5%顯著性水平下呈現(xiàn)出一致的長期趨勢，具有協(xié)整關系。表明四個變量之間確實存在長期的均衡關系，因而可以用多元線性回歸模型對選取的4個變量對中國農(nóng)業(yè)銀行不良貸款率的影響因素與不良貸款率進行回歸分析。

2.回歸分析

為了進一步考察上述因素對農(nóng)行不良貸款率的影響程度，采用2009年至2014年相關數(shù)據(jù)，對影響農(nóng)行不良貸款率的因素進行多元線性回歸分析，建立回歸模型。其回歸方程為：Y=C+a1X1+a2X2+a3X3+a4X4+ε

其中，a1、a2、a3、a4是模型的參數(shù)，ε為誤差項。

運用SPSS.16軟件，該對模型進行擬合優(yōu)度、回歸方程及回歸系數(shù)的顯著性檢驗，同時為了消除多重共線性的影響，對模型進行逐步回歸，解釋變量的篩選采用向后篩選策略（如表4）。

表4 多元線性回歸系數(shù)及檢驗結果Tab.4 Multivariate linear regression coefficients and test results

經(jīng)過兩次回歸后，R2=0.952，F(xiàn)=51.321，P=0.000表明模型的擬合優(yōu)度良好；F的概率P-值小于顯著性水平0.1，回歸方程通過顯著性檢驗，回歸模型中各解釋變量能夠比較準確地描述農(nóng)行不良貸款率的影響因素；貸款/總負債（X4）對方程影響較小，在逐步回歸過程中被剔除出方程，其余變量概率P-值均小于顯著性水平0.1，通過顯著性檢驗。

最終可以得出標準化回歸方程：Y=0.007-0.158X1+0.132X2+0.002X4+ε

四、實證分析結論

（一）宏觀層面優(yōu)化外部環(huán)境

從回歸方程結構可以看出，GDP增長率與不良貸款率呈負相關關系。GDP每增長1%，中國農(nóng)業(yè)銀行不良貸款率減少1.58%。當GDP增長較快時，企業(yè)經(jīng)營狀況良好，出現(xiàn)違約的概率較小，銀行出現(xiàn)不良貸款的可能性減少。因此，促進經(jīng)濟持續(xù)健康發(fā)展，為銀行減少不良貸款存量及增量提供了良好的宏觀環(huán)境。我國經(jīng)濟的“三駕馬車”是出口、投資和消費。在經(jīng)濟增長的過程中，往往過多重視出口和投資，而隨著人們生活水平的提高，消費對促進經(jīng)濟增長的作用發(fā)揮著越來越重要的作用。加強“供應側”管理，滿足人們多樣化消費需求。同時應注重收入二次分配，提高整體購買力水平，拉動經(jīng)濟持久增長。

（二）微觀層面提高防范能力

在實證分析中，GDP增長率及貨幣供應量M2增長率均通過顯著性檢驗。宏觀經(jīng)濟環(huán)境變化對不良貸款的影響不容小視。一方面，應加強對經(jīng)濟周期性分析，有目的性地預測宏觀經(jīng)濟走勢，建立應對經(jīng)濟周期變化的提前反應機制。[6]防范宏觀經(jīng)濟波動對農(nóng)行不良貸款造成的系統(tǒng)風險，也避免與宏觀經(jīng)濟政策相餑而引發(fā)的政策風險。另一方面，應加強對行業(yè)周期性分析，通過行業(yè)周期性分析選擇貸款客戶，適時調(diào)整經(jīng)營戰(zhàn)略，分散貸款過于集中可能產(chǎn)生的行業(yè)風險。

貸款/總負債在回歸模型中通過顯著性檢驗，表明銀行風險偏好可能對不良貸款產(chǎn)生影響。一方面，應樹立穩(wěn)健經(jīng)營的理念，加強貸款的審批和管理工作，增強對重點行業(yè)、重點業(yè)務和重點客戶的風險防范。另一方面應注重優(yōu)化信貸結構，建立適應宏觀經(jīng)濟周期波動的最優(yōu)資產(chǎn)結構。積極探尋新常態(tài)下的新機遇，加大對現(xiàn)代服務業(yè)、信息技術等新興產(chǎn)業(yè)的支持，同時積極爭取國家政策支持及運用市場化的手段，加強對不良貸款的清收和處置，保證資產(chǎn)質量整體穩(wěn)定。

[1]王吉恒,李美芳,劉紅艷.中國農(nóng)業(yè)銀行不良貸款實證分析[J].當代經(jīng)濟,2013(10)：112-113.

[2]符林,邱田振.我國經(jīng)濟周期與信貸風險關系研究[J].金融與經(jīng)濟,2011(11)：29-32.

[3]謝冰.商業(yè)銀行不良貸款的宏觀經(jīng)濟影響因素分析[J].財經(jīng)理論與實踐,2009(6)：44-46.

[4]安然.我國銀行不良貸款率宏觀影響因素的實證研究[D].北京：首都經(jīng)濟貿(mào)易大學,2012：33-34.

[5]周潯倩.商業(yè)銀行不良貸款影響因素及防范措施[D].重慶：重慶大學,2005：21-22.

[6]宋效中,駱宏偉.我國商業(yè)銀行防控不良貸款的對策研究[J].中國集體經(jīng)濟,2010（9）：13-17.

（責任編輯：蘇娟娟）

Analysis on the Influential Factors of Non-perform ing Loan Ratio of Agricultural Bank of China

YANG Xing1,DONG Shuangqiang1,CHEN Lu2
（1.School of Economics,Fujian Normal University,Fuzhou,Fujian 350000; 2.School of Management，F(xiàn)ujian Agriculture and Forestry University，F(xiàn)uzhou，F(xiàn)ujian 350000）

Non-performing loan ratio is one of important indicators of the risk of financial institutions,bank's non-performing loan problem is always a focus of people’s attention.Compared with other state-owned Banks,the non-performing loan ratio of Agricultural Bank of China ranks first.This paper introduces the present situation of ABC non-performing loans(NPLS),analyzes the influential factors of non-performing loan ratio of agricultural bank from two aspects of themacro economy and the bank management.We try to find the key influential factors of the non-performing loan ratio of Agricultural Bank of China withmultivariate linear regression analysis by using the macroeconomic and Agricultural Bank of China quarterly data from 2009 to 2014,finally,it is concluded that the external environment should be optimized at themacro level and themicro level should be improved to prevent the non-performing loan ratio.

Agricultural Bank of China；non-performing loans ratio；multiple linear regression analysis；influential factors

F832.4

A

1674－2109(2017)01－0016－05

2016-03-20

楊星（1992-），女，漢族，在讀碩士研究，主要從事區(qū)域經(jīng)濟學研究。