經(jīng)濟(jì)周期與我國商業(yè)銀行資產(chǎn)質(zhì)量的關(guān)系研究

張曉茜

2007年由美國次貸危機(jī)掀起的全球性金融危機(jī)對(duì)世界各地大型和老牌銀行的穩(wěn)健性造成了巨大沖擊和負(fù)影響，引起了業(yè)界、學(xué)界和管理層對(duì)于經(jīng)濟(jì)周期和商業(yè)銀行資產(chǎn)質(zhì)量關(guān)系的重點(diǎn)關(guān)注，本文選取GDP同比增長(zhǎng)率來作為經(jīng)濟(jì)周期的代理變量，選擇不良貸款率作為商業(yè)銀行資產(chǎn)質(zhì)量的代理變量，以面板模型研究了16家銀行2007-2014年資產(chǎn)質(zhì)量對(duì)經(jīng)濟(jì)周期的面板影響，結(jié)果發(fā)現(xiàn)資產(chǎn)質(zhì)量顯著正向影響經(jīng)濟(jì)周期。最后，全方位、綜合性政策建議。

經(jīng)濟(jì)周期；資產(chǎn)質(zhì)量；面板模型

1.引言

2007年由美國次貸危機(jī)掀起的全球性金融危機(jī)對(duì)世界各地大型和老牌銀行的穩(wěn)健性造成了巨大沖擊和負(fù)影響，引起了業(yè)界、學(xué)界和管理層對(duì)于經(jīng)濟(jì)周期和商業(yè)銀行資產(chǎn)質(zhì)量關(guān)系的重點(diǎn)關(guān)注。事實(shí)上，一般情況下，經(jīng)濟(jì)周期對(duì)商業(yè)銀行資產(chǎn)質(zhì)量的影響有以下特征：當(dāng)經(jīng)濟(jì)周期處于擴(kuò)張、上行階段，商業(yè)銀行的資產(chǎn)質(zhì)量是提升的，當(dāng)經(jīng)濟(jì)周期處于萎縮、下滑階段，商業(yè)銀行的資產(chǎn)質(zhì)量是下降的。同時(shí)當(dāng)商業(yè)銀行資產(chǎn)質(zhì)量提升時(shí)，又會(huì)促使經(jīng)濟(jì)進(jìn)一步擴(kuò)張，當(dāng)商業(yè)銀行資產(chǎn)質(zhì)量下降，經(jīng)濟(jì)進(jìn)一步萎縮，如此循環(huán)。因此，尤其是在經(jīng)濟(jì)周期在當(dāng)今社會(huì)表現(xiàn)出周期時(shí)間短，波動(dòng)程度大，影響范圍廣，沖擊力強(qiáng)的特點(diǎn)，更容易對(duì)商業(yè)銀行的資產(chǎn)質(zhì)量產(chǎn)生重大影響，危及整個(gè)宏觀經(jīng)濟(jì)系統(tǒng)的穩(wěn)定性，造成社會(huì)福利的下降，給居民收入、就業(yè)情況以及監(jiān)管層管理帶來嚴(yán)峻考驗(yàn)，商業(yè)銀行自身也必須不斷調(diào)整信貸策略、加強(qiáng)風(fēng)險(xiǎn)防范能力，否則將面臨虧損和破產(chǎn)倒閉的風(fēng)險(xiǎn)。

在全球性的金融海嘯沖擊中，我國作為全球第二大經(jīng)濟(jì)體，不可避免的受到了嚴(yán)重影響，在2008年年底，國務(wù)院出臺(tái)了4萬億的一攬子經(jīng)濟(jì)刺激計(jì)劃，同時(shí)央行積極實(shí)行積極寬松的貨幣政策和信貸政策，由于4萬億的資金全部來源于商業(yè)銀行的貸款，因此，很大程度上刺激了國內(nèi)商業(yè)銀行擴(kuò)張信貸的意愿和情緒，但是隨后四萬億刺激計(jì)劃的滯后效應(yīng)以及國內(nèi)外經(jīng)濟(jì)形勢(shì)的繼續(xù)不樂觀，使經(jīng)濟(jì)再次陷入下滑，2010年到2014年，GDP增速一直下降，到2014年時(shí)為近20年以來的最低值7.4%。同時(shí)，作為我國金融系統(tǒng)最主要的參與者商業(yè)銀行，其資產(chǎn)質(zhì)量也在經(jīng)濟(jì)周期的劇烈波動(dòng)中，受到嚴(yán)重影響。不難看出，經(jīng)濟(jì)的周期性波動(dòng)確實(shí)在一定程度上會(huì)對(duì)商業(yè)銀行的資產(chǎn)質(zhì)量產(chǎn)生影響。

2.國內(nèi)外文獻(xiàn)綜述

在資產(chǎn)質(zhì)量與經(jīng)濟(jì)周期的關(guān)系上，國外學(xué)者進(jìn)行了深入研究。Minsky Hyman P(1995)1提出在經(jīng)濟(jì)增長(zhǎng)和繁榮的時(shí)候，企業(yè)往往會(huì)去增加負(fù)債，以獲得更多的收益和利潤(rùn)，而一旦經(jīng)濟(jì)出現(xiàn)衰退和蕭條時(shí)，會(huì)因?yàn)闆]有足夠的現(xiàn)金流動(dòng)性來對(duì)負(fù)債進(jìn)行清償，從而引起了銀行不良貸款率的上升，影響銀行整體的資產(chǎn)質(zhì)量。Cair(1992)2和Gonzalez(1997)3通過對(duì)宏觀經(jīng)濟(jì)和銀行資產(chǎn)數(shù)據(jù)的分析研究，認(rèn)為銀行不良貸款率的上升與銀行過高的信貸投放是密切相關(guān)的。Pauer (2001)4對(duì)北歐四國發(fā)生的經(jīng)濟(jì)危機(jī)進(jìn)行了探討，提出不良貸款率、新增壞賬率的上升會(huì)使銀行發(fā)生危機(jī)，從而對(duì)宏觀經(jīng)濟(jì)面產(chǎn)生巨大沖擊。Valckx(2003)5通過歐洲一些國家的商業(yè)銀行的不良貸款率、資產(chǎn)充足率等體現(xiàn)資產(chǎn)質(zhì)量的指標(biāo)對(duì)經(jīng)濟(jì)波動(dòng)的影響，發(fā)現(xiàn)這些指標(biāo)會(huì)很大程度上影響經(jīng)濟(jì)、利率等宏觀經(jīng)濟(jì)指標(biāo)。Gambacorta(2003)6通過以美國銀行業(yè)作為研究對(duì)象，發(fā)現(xiàn)美國銀行業(yè)總體新增壞賬對(duì)經(jīng)濟(jì)有顯著作用，并具有很好的預(yù)測(cè)效果。Jimenez(2005)7發(fā)現(xiàn)信貸的快速增長(zhǎng)會(huì)導(dǎo)致不良貸款率的上升，從而使經(jīng)濟(jì)增長(zhǎng)出現(xiàn)由快而減慢的趨勢(shì)。Fofack(2005)8以非洲國家的商業(yè)銀行作為研究對(duì)象，探討了非洲商業(yè)銀行不良貸款產(chǎn)生的原因，主要是因?yàn)榻?jīng)濟(jì)結(jié)構(gòu)問題、GDP增長(zhǎng)率、匯率以及相關(guān)的利率差等因素引起的。Jimenez and Saurina(2005)9分析了西班牙銀行部門不良貸款率發(fā)生的原因，主要受到經(jīng)濟(jì)增長(zhǎng)率、授信條件以及市場(chǎng)化的利率等因素影響。邁克爾·佩蒂斯(2009)10從中國政府對(duì)銀行的干預(yù)來研究商業(yè)銀行不良貸款增加的原因，提出中國政府通過減少稅收、維持存貸低利率來保護(hù)銀行利益，降低銀行運(yùn)營成本，但這會(huì)導(dǎo)致銀行的信貸猛增，從而對(duì)消費(fèi)和長(zhǎng)期經(jīng)濟(jì)發(fā)展產(chǎn)生不利影響。Reinhart and Rogoff(2009)11通過對(duì)比歷史上發(fā)生的金融危機(jī)，歸納了金融危機(jī)發(fā)生的共同本質(zhì)因素，即存在過度舉債。由于政府、銀行、企業(yè)和消費(fèi)者的過度舉債，使得經(jīng)濟(jì)在繁華時(shí)期積累了巨大的系統(tǒng)性風(fēng)險(xiǎn)。國內(nèi)研究方面，謝冰(2009)12通過相關(guān)性分析和主成分分析法，對(duì)2004年-2009年的季度不良貸款率進(jìn)行分析，以研究宏觀經(jīng)濟(jì)層面的因素對(duì)銀行不良貸款的影響程度。結(jié)果發(fā)現(xiàn)，不良貸款率與宏觀經(jīng)濟(jì)因子是顯著負(fù)相關(guān)，其中進(jìn)出口總額、社會(huì)消費(fèi)品零售總額影響程度和共享最大，因此，可以通過增大內(nèi)需、優(yōu)化宏觀外部信用環(huán)境等措施來降低銀行業(yè)的不良貸款率。李思慧和顏向農(nóng)(2009)13選取了GDP、固定投資總額、社會(huì)消費(fèi)品零售總額和進(jìn)出口總額來探討宏觀經(jīng)濟(jì)與不良貸款之間的關(guān)系，發(fā)現(xiàn)宏觀經(jīng)濟(jì)的增長(zhǎng)有利于減小不良貸款率。李俊峰(2010)14建立VAR模型分析了商業(yè)銀行不良貸款率與經(jīng)濟(jì)增長(zhǎng)之間的影響，發(fā)現(xiàn)不良貸款的變化滯后于經(jīng)濟(jì)周期，即不良貸款可以有國內(nèi)生產(chǎn)總值來調(diào)節(jié)，新貸款成為不良貸款是有時(shí)滯效應(yīng)的。李宏瑾(2014)15提出經(jīng)濟(jì)增長(zhǎng)很可能是引起不良貸款增加的原因，兩者之間應(yīng)該呈現(xiàn)正相關(guān)關(guān)系，并通過對(duì)166個(gè)不同發(fā)展水平國家的不良貸款率數(shù)據(jù)進(jìn)行截面對(duì)比分析，研究發(fā)現(xiàn)經(jīng)濟(jì)增長(zhǎng)確實(shí)對(duì)銀行業(yè)的不良貸款率增加具有顯著的正相關(guān)因果關(guān)系，而制度水平的高低決定了不良貸款率與自然貸款率之間的區(qū)別。

通過上面的文獻(xiàn)綜述，可以發(fā)現(xiàn)發(fā)達(dá)國家對(duì)于經(jīng)濟(jì)周期的理解以及經(jīng)濟(jì)周期與銀行資產(chǎn)質(zhì)量關(guān)系的文獻(xiàn)已比較豐富，但是我國由于歷史、體制的原因，經(jīng)濟(jì)周期與銀行資產(chǎn)質(zhì)量的問題一直都是學(xué)界的研究熱點(diǎn)，因此，探究經(jīng)濟(jì)的周期性波動(dòng)與商業(yè)銀行的資產(chǎn)質(zhì)量之間關(guān)系具有重要意義。

3.銀行資產(chǎn)質(zhì)量對(duì)經(jīng)濟(jì)周期的面板分析

3.1 我國商業(yè)銀行資產(chǎn)質(zhì)量統(tǒng)計(jì)分析

本文選擇不良貸款率作為資產(chǎn)質(zhì)量的代理變量。以平安銀行、寧波銀行、浦發(fā)銀行、華夏銀行、民生銀行、招商銀行、南京銀行、興業(yè)銀行、北京銀行、農(nóng)業(yè)銀行、交通銀行、工商銀行、光大銀行、建設(shè)銀行、中國銀行、中信銀行16家銀行2007-2014年數(shù)據(jù)作為樣本。具體指標(biāo)包括GDP同比增長(zhǎng)率(GDP)、不良貸款率(NPL)、資產(chǎn)規(guī)模(AS)、資產(chǎn)負(fù)債率(LEV)、資產(chǎn)收益率(ROA)統(tǒng)計(jì)性描述如下表1：

表1 相關(guān)描述性統(tǒng)計(jì)

3.2 面板數(shù)據(jù)的平穩(wěn)性分析

由于直接由客觀數(shù)據(jù)形成的經(jīng)濟(jì)變量通常是非平穩(wěn)變量，而直接采用非平穩(wěn)變量進(jìn)行回歸會(huì)出現(xiàn)偽回歸現(xiàn)象，從而不能真正客觀的反映和解釋問題，尤其是涉及現(xiàn)實(shí)經(jīng)濟(jì)數(shù)據(jù)較多面板數(shù)據(jù)，出現(xiàn)偽回歸的概率更大，因此為了避免這類現(xiàn)象在進(jìn)行實(shí)證分析之前要進(jìn)行數(shù)據(jù)平穩(wěn)性檢驗(yàn)。

面板數(shù)據(jù)的平穩(wěn)性檢驗(yàn)方法與時(shí)間序列數(shù)據(jù)的平穩(wěn)性檢驗(yàn)方法不同，通常時(shí)間序列數(shù)據(jù)的平穩(wěn)性檢驗(yàn)的方法都是釆取單位根檢驗(yàn)，而面板數(shù)據(jù)的平穩(wěn)性檢驗(yàn)方法大體上有兩種：一種是首先對(duì)面板數(shù)據(jù)序列進(jìn)行假設(shè)，認(rèn)為每一個(gè)序列都含有—個(gè)共同的單位根，由此檢驗(yàn)過程就變成對(duì)共同單位根進(jìn)行檢測(cè)的過程，也稱為同質(zhì)單位根檢驗(yàn)。釆用這種原理的檢驗(yàn)方法主要有HT檢驗(yàn)、LLC檢驗(yàn)、Hadri檢驗(yàn)以及Breitung檢驗(yàn)等；另一種平穩(wěn)性檢驗(yàn)方法所釆取的原理與之相反，即對(duì)面板數(shù)據(jù)序列假定各個(gè)序列的單位根不同，則單位根檢驗(yàn)的過程就變成個(gè)體單位根的檢驗(yàn)過程，或者稱為異質(zhì)單位根檢驗(yàn)。以這種原理為基礎(chǔ)的檢驗(yàn)方法有ADF-Fisher檢驗(yàn)、IPS檢驗(yàn)以及PP-Fisher檢驗(yàn)等。

首先對(duì)GDP同比增長(zhǎng)率(GDP)、不良貸款率(NPL)、資產(chǎn)規(guī)模(AS)、資產(chǎn)負(fù)債率(LEV)、資產(chǎn)收益率(ROA)進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果如下表2：

表2 面板數(shù)據(jù)單位根檢驗(yàn)

注：***，**，*分別表示在1%，5%，10%的顯著性水平上拒絕存在單位根原假設(shè)。

GDP、NPL、AS、LEV、ROA在1%的顯著性水平下拒絕存在單位根原假設(shè)，即GDP、NPL、AS、LEV、ROA都是平穩(wěn)序列。

3.3 面板數(shù)據(jù)的回歸模型

面板數(shù)據(jù)模型的選擇通常有三種形式：一種是混合估計(jì)模型(Pooled Regression Model)。如果從時(shí)間上看，不同個(gè)體之間不存在顯著性差異；從截面上看，不同截面之間也不存在顯著性差異，那么就可以直接把面板數(shù)據(jù)混合在一起用普通最小二乘法(OLS)估計(jì)參數(shù)。一種是固定效應(yīng)模型(Fixed Effects Regression Model)。如果對(duì)于不同的截面或不同的時(shí)間序列，模型的截距不同，則可以采用在模型中添加虛擬變量的方法估計(jì)回歸參數(shù)。一種是隨機(jī)效應(yīng)模型(Random Effects Regression Model)。如果固定效應(yīng)模型中的截距項(xiàng)包括了截面隨機(jī)誤差項(xiàng)和時(shí)間隨機(jī)誤差項(xiàng)的平均效應(yīng)，并且這兩個(gè)隨機(jī)誤差項(xiàng)都服從正態(tài)分布，則固定效應(yīng)模型就變成了隨機(jī)效應(yīng)模型。

在面板數(shù)據(jù)模型形式的選擇方法上，我們經(jīng)常采用F檢驗(yàn)決定選用混合模型還是固定效應(yīng)模型，然后用Hausman檢驗(yàn)確定應(yīng)該建立隨機(jī)效應(yīng)模型還是固定效應(yīng)模型。下圖是F檢驗(yàn)：

圖1 面板模型F檢驗(yàn)

由于上圖最后一行F檢驗(yàn)的P值為0.9426，故接受原假設(shè)，即混合回歸優(yōu)于固定回歸模型。

再進(jìn)行Hausman檢驗(yàn)：

圖2 面板模型Hausman檢驗(yàn)

由于P值為0.0993，可以決絕原假設(shè)，認(rèn)為使用固定效應(yīng)模型比隨機(jī)效應(yīng)模型好。

綜上可知，應(yīng)使用混合效應(yīng)模型。具體模型結(jié)果為：

圖3 面板混合效應(yīng)模型結(jié)果

由上可知，NPL顯著正向影響GDP，lev顯著負(fù)向影響GDP，而GDP與AS和ROA相關(guān)性不顯著。

4.結(jié)論與政策建議

2007年由美國次貸危機(jī)掀起的全球性金融危機(jī)對(duì)世界各地大型和老牌銀行的穩(wěn)健性造成了巨大沖擊和負(fù)影響，引起了業(yè)界、學(xué)界和管理層對(duì)于經(jīng)濟(jì)周期和商業(yè)銀行資產(chǎn)質(zhì)量關(guān)系的重點(diǎn)關(guān)注，本文選取GDP同比增長(zhǎng)率來作為經(jīng)濟(jì)周期的代理變量，選擇不良貸款率作為商業(yè)銀行資產(chǎn)質(zhì)量的代理變量，以面板模型研究了16家銀行2007-2014年資產(chǎn)質(zhì)量對(duì)經(jīng)濟(jì)周期的面板影響，結(jié)果發(fā)現(xiàn)資產(chǎn)質(zhì)量顯著正向影響經(jīng)濟(jì)周期。因此，保持一個(gè)平穩(wěn)、可持續(xù)的經(jīng)濟(jì)發(fā)展趨勢(shì)可以減弱不良貸款的波動(dòng)。宏觀上，需要優(yōu)化整個(gè)金融生態(tài)環(huán)境，加強(qiáng)法制社會(huì)的建設(shè)，加快市場(chǎng)經(jīng)濟(jì)體制的完善，尤其是要完善社會(huì)信用體系，降低信息不對(duì)稱造成的道德風(fēng)險(xiǎn)和逆向選擇，微觀上，需要從完善商業(yè)銀行自身建設(shè)開始，建立風(fēng)險(xiǎn)預(yù)警和防范機(jī)制，加強(qiáng)對(duì)于信貸發(fā)放的監(jiān)控，減少不良貸款這種“金融污染”對(duì)金融體系乃至整個(gè)社會(huì)福利造成的損害。

(中國人民大學(xué)農(nóng)業(yè)與農(nóng)村發(fā)展學(xué)院，北京 100872；華夏銀行成都分行，四川 成都 610011)

[1] Minsky Hyman P.Longer waves in financial relations：financial factors in the more depressionⅡ[J].Journal of economic Issues.1995.29(3).83-96.

[2] Clair Robert T.Loan growth and Loan Quality：Some Preliminary Evidence from TexSCALE Banks[J].Economic Review-Federal Reserve Bank of DallSCALE，Third Quarter，1992：8-22.

[3] Brenda Gonzalez-Hermosillo，Ceyla PazarbSCALEioglu，Robert Billings.Determinants of bankings ystem fragility：A cSCALEe study of mexico[J].International Monetary Fund Staff papers.Sep 1997，44，3.295-315.

[4] Pauer F.Arpa M，Giulini I，Ittner A.The influence of macroeconomic developments on Austrian banks：implications for banking supervision[J].BIS Papers BSCALEel，March，2001.

[5] Valckx，D.D.Jensen，mode-locking and international business cycle transmission[J].Journal of

Economic Dynamics and Control，2003，23，591-618.

[6] Gambacorta L.and Mistrulli P.E，Bank Capital and Lending Behaviour：Empirical Evidence

for Italy[J].Bancad Italia-Temi discussione，486，Rome，2003.

[7] Jimenez，G，Saurina，J.Collateral，type of lender and relationship banking SCALE determinants of credit risk[J].Journal of Banking and Finance，2004，28(9)：2191-2212.

[8] Fofack.Capital Structure and SCALEset Prices：Some Effects of Bankruptcy Procedures[J].Journal of Business，2005(77)：387-411.

[9] Jimenez and Saurina.A Framework for Macro Stress-testing the Credit Risk Banks in Spanish[J].The Journal of Risk Model Validation，2005(6)：3-23.

[10] 邁克爾·佩蒂斯.不良貸款增加嚴(yán)重威脅中國經(jīng)濟(jì)長(zhǎng)期增長(zhǎng)[J].海外經(jīng)濟(jì)評(píng)論，2009(19).

[11] Reinhart，C.and K.Rogoff (2009)：This Time is Different，Princeton University Press.

[12] 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(cái)經(jīng)理論與實(shí)踐，2009(162)：22-26.

[13] 李思慧，顏向農(nóng).商業(yè)銀行不良貸款與宏觀經(jīng)濟(jì)因素相關(guān)性實(shí)證分析[J].時(shí)代金融，2007(8)：45-46.

[14] 李俊峰.商業(yè)銀行不良貸款率對(duì)經(jīng)濟(jì)周期的時(shí)滯分析[J].商業(yè)現(xiàn)代化，2010(8)：159.

[15] 李宏瑾.不良貸款、經(jīng)濟(jì)增長(zhǎng)與制度[J].金融評(píng)論，2014(5)：1-15.