亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        供給側(cè)改革視角下信貸主體金融風(fēng)險傳遞和防范研究
        ——基于紅河州實證分析

        2018-08-10 13:03:46潘沈林張孟陳實虞璐潘博然
        時代金融 2018年21期
        關(guān)鍵詞:信用等級不良貸款投融資

        潘沈林張 孟陳 實虞 璐潘博然

        (1.中國人民銀行紅河州中心支行,云南 個舊 661000;2.中國人民銀行蒙自市支行,云南 紅河 661100)

        一、引言

        在2008年美國次貸危機之后,我國為拉動內(nèi)需陸續(xù)釋放了四萬億的資金,與此相配合的信貸資金主要集中于當(dāng)時比較熱門的鋼鐵、煤炭和房地產(chǎn)等產(chǎn)業(yè),然而受整體經(jīng)濟景氣程度影響,企業(yè)成本上升,效益下降,加上我國企業(yè)自主創(chuàng)新意識不強,在創(chuàng)新投入和成本融資方面缺乏深入長遠考慮,致使產(chǎn)品長期處于產(chǎn)業(yè)低端,低端產(chǎn)品產(chǎn)能過剩和高端產(chǎn)品供給不足的結(jié)構(gòu)性缺陷成為了阻礙經(jīng)濟發(fā)展的主要矛盾。同時,“三去一降一補”主要著眼于鋼鐵、水泥、房地產(chǎn)等行業(yè)的調(diào)整,在此輪供給側(cè)結(jié)構(gòu)性改革背景下,勢必將實體經(jīng)濟風(fēng)險暴露出來,借助金融機構(gòu)的風(fēng)險傳導(dǎo)機制,增大了社會經(jīng)濟產(chǎn)生金融風(fēng)險的可能。

        為充分了解紅河州內(nèi)金融風(fēng)險在供給側(cè)結(jié)構(gòu)性改革背景下的風(fēng)險狀況,深入研究金融風(fēng)險的成因和信貸主體之間的傳遞,及時掌握風(fēng)險變動情況,有效防范系統(tǒng)性金融風(fēng)險,對供給側(cè)結(jié)構(gòu)性改革視角下信貸主體金融風(fēng)險傳遞和防范進行研究具有重大意義。本文以紅河州相關(guān)經(jīng)濟金融數(shù)據(jù)為基礎(chǔ),首先對紅河州不良貸款余額進行深度分析。其次使用Credit Metrics模型對紅河州金融機構(gòu)信貸資產(chǎn)的信用風(fēng)險進行測度,同時借助市場風(fēng)險管理中風(fēng)險價值VaR的概念,來評價置信區(qū)間內(nèi)損失的最大值,從而對金融機構(gòu)金融風(fēng)險進行測度。最后針對不同信貸主體之間的風(fēng)險傳染性研究,通過Granger因果關(guān)系檢驗探索各信貸主體之間的風(fēng)險傳染因果關(guān)系,研究不同信貸主體之間的風(fēng)險傳染性。

        二、樣本選取和數(shù)據(jù)來源

        鑒于在測度各信貸主體之間的風(fēng)險需要各銀行業(yè)金融機構(gòu)的相關(guān)數(shù)據(jù),本文選取了紅河州州級13家銀行業(yè)金融機構(gòu)2010年1月至2016年12月貸款余額和不良貸款余額數(shù)據(jù)進行分析。同時,為對各銀行業(yè)金融機構(gòu)風(fēng)險進行度量,本文抽取紅河州13家農(nóng)村信用合作聯(lián)社企業(yè)及各類組織貸款數(shù)據(jù),進行深度風(fēng)險度量研究。

        三、實證性研究與分析

        (一)針對不同信貸主體的不良貸款分析

        本文按照不同的信貸主體進行劃分,主要劃分為政府投融資平臺、企業(yè)及各類組織和個人,通過對各銀行業(yè)金融機構(gòu)三種不同主體的信貸資產(chǎn)余額進行分析,發(fā)現(xiàn)其信貸投放差異性較大,例如:農(nóng)業(yè)發(fā)展銀行和建設(shè)銀行對地方性政府投融資平臺的支持力度較大,政府投融資平臺貸款所占比例較高,對地方基礎(chǔ)設(shè)施建設(shè)的支持作用較為顯著,但是兩家銀行在風(fēng)險控制方面存在一定差異,農(nóng)業(yè)發(fā)展銀行7年間未發(fā)生政府投融資平臺不良貸款,但是建設(shè)銀行政府投融資平臺月度不良貸款平均余額為6642.20萬元。廣發(fā)銀行和平安銀行對政府投融資平臺貸款余額始終為0,沒有支持地方政府投融資項目建設(shè)。

        由于各銀行業(yè)金融機構(gòu)在支持不同信貸主體方面存在較大差異性,本文采用溫特斯指數(shù)平滑法(Winters’exponential smoothing method)對政府投融資平臺、企業(yè)及各類組織和個人的貸款、不良貸款進行深度分析。該方法主要是針對上述貸款和不良貸款余額時間序列趨勢性和季節(jié)性效應(yīng)進行分析,溫斯特指數(shù)平滑法模型如下:

        Lt=時間序列的基數(shù)水平

        Tt=時間序列的趨勢

        St=當(dāng)前月份的季節(jié)指數(shù)

        在上述公式中,alp、bet和gam為平滑參數(shù),通過調(diào)整上述三個參數(shù)的值,來優(yōu)化本期最終的預(yù)測值,優(yōu)化的方法采用非線性規(guī)劃求解,c表示一個季節(jié)性循環(huán)中的周期數(shù)目(本文中c為12個月),xt表示在時間t的時間序列的觀測值。

        公式1表示新的估計值等于在不考慮季節(jié)效應(yīng)的情況下現(xiàn)有的觀測值和上一個趨勢估計更新的上期基數(shù)值的加權(quán)平均數(shù)。公式2表示新趨勢的估計值為現(xiàn)有基數(shù)值與上一期基數(shù)值的比例與上一期時間序列趨勢估計的加權(quán)平均數(shù)。公式3表示根據(jù)當(dāng)期和前期季節(jié)指數(shù)估計值作為本期季節(jié)指數(shù)估計值的加權(quán)平均。平滑參數(shù)值越大,相應(yīng)的當(dāng)期觀測值所得權(quán)重也就越大。

        將Ft,k定義為時期t之后時期t+k的預(yù)測值,,通過非線性規(guī)劃求解的方法,調(diào)整平滑參數(shù)使得預(yù)測值與觀測值之間的平均絕對誤差百分比(MAPE)最小。具體參數(shù)估計的情況如下表:

        具體參數(shù)估計的情況如下表:

        表1 溫特斯指數(shù)平滑法時間序列參數(shù)情況統(tǒng)計表

        根據(jù)溫特斯指數(shù)平滑法得出的結(jié)果進行分析,結(jié)合表1中的相關(guān)信息,可以得出如下結(jié)論:

        1.不同信貸主體貸款和不良貸款余額趨勢效應(yīng)不一致。從表1可以看出:一是政府投融資平臺貸款的bet值為0,同時該時間序列平均趨勢水平為1.0051,接近數(shù)值1的水平,說明政府投融資平臺貸款余額不存在增長或者下降的趨勢,紅河州政府投融資平臺貸款余額基本保持不增不減的水平,未呈現(xiàn)明顯的趨勢效應(yīng)。二是政府投融資不良貸款月度平均余額和個人不良貸款月度平均余額的平均趨勢水平分別為0.9485和0.9999,說明兩個信貸主體不良貸款余額都呈現(xiàn)逐步下降的趨勢,特別是政府投融資平臺不良貸款余額下降速度更快,反映了政府投融資平臺和個人兩個信貸主體的貸款整體風(fēng)險呈現(xiàn)下降水平,銀行業(yè)金融機構(gòu)在兩個信貸主體中的金融風(fēng)險整體可控。三是企業(yè)及各類組織貸款月度平均余額和企業(yè)及各類組織不良貸款月度平均余額的平均趨勢水平分別為:1.0098和1.0135,說明該信貸主體貸款和不良貸款整體上呈現(xiàn)逐步上升的趨勢,但是該信貸主體不良貸款增長趨勢要高于貸款本身增長趨勢,反映出銀行業(yè)金融機構(gòu)在對企業(yè)及各類組織發(fā)放的貸款中,風(fēng)險呈現(xiàn)逐步放大特點,因此,企業(yè)及各類組織貸款應(yīng)該成為各銀行業(yè)金融機構(gòu)風(fēng)險控制的重點關(guān)注對象,注重在該類型貸款上的風(fēng)險防范。

        2.僅政府投融資平臺貸款呈現(xiàn)季節(jié)性效應(yīng)。從表1中可以看出,僅政府投融資平臺貸款月度平均余額的gam值為0.6030,其余貸款和不良貸款月度平均余額的gam值均為1,說明僅政府投融資平臺貸款呈現(xiàn)明顯的季節(jié)性效應(yīng)。通過對該類貸款的時間序列進行進一步分析,發(fā)現(xiàn)抽樣調(diào)查的13家銀行業(yè)金融機構(gòu)的政府投融資平臺貸款匯總余額,呈現(xiàn)每年上半年增速明顯偏低,下半年增速明顯偏高的顯著特征,反映各銀行業(yè)金融機構(gòu)在每年上半年對地方基礎(chǔ)設(shè)施建設(shè)的支持力度要明顯弱于下半年的支持力度,該現(xiàn)象與地方政府預(yù)算支出呈現(xiàn)下半年基數(shù)偏高的特點相吻合,說明各銀行業(yè)金融機構(gòu)對地方基礎(chǔ)設(shè)施建設(shè)與地方預(yù)算支出是同方向同周期的,因此各銀行業(yè)金融機構(gòu)在應(yīng)對地方基礎(chǔ)設(shè)施建設(shè)貸款中存在的風(fēng)險時,應(yīng)該充分考慮該類貸款的時間序列季節(jié)性效應(yīng),而且要將地方政府預(yù)算支出的方向統(tǒng)一起來,借助每年下半年地方政府預(yù)算支出增速的擴大來有效彌補自身金融風(fēng)險敞口。

        3.政府投融資平臺不良貸款時間序列的預(yù)測準確性較差,其余預(yù)測準確性較好。從表1中可以看出,政府投融資平臺不良貸款月度平均余額最小平均絕對誤差百分比為35.73%,說明預(yù)測值與實際觀測值之間的誤差較大,對該變量進行預(yù)測的準確性較差,而其余5個變量的最小平均絕對誤差百分比都控制在6%以內(nèi),預(yù)測準確性較高。

        政府投融資平臺不良貸款月度平均余額預(yù)測較差,主要因為政府投融資平臺貸款集中度較高,風(fēng)險分散程度較低,該類不良貸款受到極端值的影響較大。通過對政府投融資平臺不良貸款余額月度時間序列數(shù)據(jù)進行進一步觀測發(fā)現(xiàn):從2014年3月起,政府投融資平臺不良貸款余額已控制在1000萬元以內(nèi),直至2015年11月,政府投融資平臺不良貸款余額為0,該現(xiàn)象既說明了銀行業(yè)金融機構(gòu)逐步加大對政府投融資平臺貸款的風(fēng)險控制,也反映出在供給側(cè)改革的背景下,紅河州政府機構(gòu)特別重視地方政府投融資平臺的債務(wù)償付問題,竭力避免地方政府投融資平臺出現(xiàn)債務(wù)違約情形,充分發(fā)揮了政府在紅河州社會信用體系建設(shè)中的積極作用,對紅河州地區(qū)整體“去杠桿”的供給側(cè)改革起到了引領(lǐng)和示范作用。

        (二)針對各銀行業(yè)金融機構(gòu)的金融風(fēng)險進行度量

        由于信用風(fēng)險的敏感性是誘發(fā)金融風(fēng)險的重要原因,為了能深入了解和測度紅河州銀行業(yè)金融機構(gòu)所面臨的金融風(fēng)險程度,本文將信用風(fēng)險進行量化處理度量來代替金融風(fēng)險,通過建立在險價值(VaR)的Credit Metrics模型,對銀行業(yè)金融機構(gòu)信貸資產(chǎn)風(fēng)險進行度量。

        Credit Metrics模型基于信用等級轉(zhuǎn)移矩陣表和違約概率矩陣表,通過對資產(chǎn)價值的變化與債務(wù)人信用等級的轉(zhuǎn)移分析,評估信貸資產(chǎn)組合在將來一段時期的分布情況。本文主要對紅河州轄內(nèi)13家銀行業(yè)金融機構(gòu)的信貸資產(chǎn)現(xiàn)金流和違約率提出假設(shè),給出信貸資產(chǎn)組合在未來一定時間內(nèi),在給定的置信區(qū)間內(nèi)損失的最大值,從而對信用風(fēng)險進行度量。由于無法收集到國內(nèi)權(quán)威的上述兩個矩陣表,本文直接使用J.P摩根銀行1997年相關(guān)矩陣表來進行分析,故在準確度量相關(guān)銀行業(yè)金融機構(gòu)的金融風(fēng)險(主要為信用風(fēng)險)方面會有不足之處,但通過Credit Metrics模型的建立及對在險價值變化程度的準確計量,仍能有效反映該銀行業(yè)金融機構(gòu)所面臨的信用風(fēng)險狀況,對風(fēng)險防范及化解具有重要意義。

        本文直接使用J.P摩根銀行在1997年對該問題進行分析時使用的轉(zhuǎn)移概率矩陣和折現(xiàn)率(可參見:CreditMetircs——Technical document,April2,1997)作為前提條件,通過不同信用等級信貸資產(chǎn)的折現(xiàn)率來分別計算折現(xiàn)值,評估不同信用等級下的信貸資產(chǎn)未來價值的現(xiàn)值。先分別計算不同信用等級下信貸資產(chǎn)的未來價值的現(xiàn)值,并通過信用等級轉(zhuǎn)換概率計算出1年后的信貸資產(chǎn)在險價值的分布。

        由于篇幅原因,本文僅將13家農(nóng)村信用合作聯(lián)社中的A銀行和B銀行VaR風(fēng)險度量情況匯總?cè)缦卤恚?/p>

        表2 A銀行和B銀行信貸資產(chǎn)在險價值(VaR)情況分布統(tǒng)計表

        在險價值反映的是銀行業(yè)金融機構(gòu)在過去經(jīng)營活動中形成的累計信貸資產(chǎn)風(fēng)險的數(shù)量描述,銀行業(yè)金融機構(gòu)可以依據(jù)其在險價值的分布狀況來計提風(fēng)險準備金,優(yōu)化資產(chǎn)機構(gòu),防范信用風(fēng)險。

        本文以在險價值與信貸資產(chǎn)價值的比例度量不同信用等級的貸款所蘊含的信用違約風(fēng)險,如表2所述,兩家銀行的在險價值與信貸資產(chǎn)價值比例隨信用等級的下降而迅速上升,反映出該銀行所面臨的信用違約風(fēng)險將呈現(xiàn)非線性比例快速上升,應(yīng)重點關(guān)注BBB信用等級以下的信貸資產(chǎn)風(fēng)險狀況惡化所帶來的信用違約風(fēng)險。

        對轄內(nèi)其余銀行業(yè)金融機構(gòu)進行在險價值(VaR)分析,結(jié)果顯示,轄內(nèi)銀行在險價值與信貸資產(chǎn)價值比例都呈現(xiàn)出隨著信用等級的下降而逐步上升的趨勢。其中A+與A信用等級的信貸資產(chǎn)所承受的整體信用風(fēng)險較低,在險價值與信貸資產(chǎn)價值比基本控制在20個基點(BP)的范圍以內(nèi),整體信用風(fēng)險處于可控的水平,而BBB信用等級以下的在險價值與信貸資產(chǎn)價值比全部處于100個基點以上,且波動性和差異性較大,反映BBB以下信用等級的信貸資產(chǎn)隨著各地風(fēng)險狀況的不同呈現(xiàn)不同的特點,但高風(fēng)險的特征卻是一致的,13家銀行業(yè)金融機構(gòu)都應(yīng)該重點關(guān)注和防范BBB信用等級以下的信貸資產(chǎn)所帶來的風(fēng)險。

        (三)針對不同信貸主體之間金融風(fēng)險傳染性研究

        各銀行業(yè)金融機構(gòu)對不同信貸主體給予信貸資產(chǎn)授信,不同信貸主體之間通過市場交易相互影響,而銀行業(yè)金融機構(gòu)信貸風(fēng)險會在不同信貸主體之間進行傳染,甚至導(dǎo)致發(fā)生區(qū)域性系統(tǒng)性金融風(fēng)險。本文針對政府投融資平臺、企業(yè)及各類組織和個人相關(guān)貸款之間的時間序列進行分析,通過收集州內(nèi)13家銀行業(yè)金融機構(gòu)相關(guān)數(shù)據(jù),使用格蘭杰(Granger)因果關(guān)系探索不同信貸主體之間的信貸風(fēng)險傳染因果關(guān)系,從而尋找信貸金融風(fēng)險傳染的源頭和途徑。

        1.ADF單位根檢驗。由于本文對政府投融資平臺貸款和不良貸款、企業(yè)及各類組織貸款和不良貸款、個人貸款和不良貸款六組時間序列之間的相關(guān)關(guān)系進行深入研究,因此按照時間序列分析的步驟逐一對上述六組時間序列進行分析,首先對上述六組時間序列進行單位根檢驗。

        ADF單位根檢驗的方法如下:

        首先考慮簡單的AR(1)模型:

        上式可以寫成:

        即:

        ADF單位根檢驗中,其回歸方程包括一階差分的滯后以確保誤差項的獨立同分布性質(zhì)。即有:

        加入截距項和時間的如下:

        表3 各類貸款及不良貸款一階差分單位根(ADF)檢驗結(jié)果匯總表

        從表3可以看出,除個人貸款一階差分后單位根檢驗值處于0.1臨界值之外,其余各項均處于0.1臨界值之內(nèi),說明上述數(shù)據(jù)不可能有2個以上的單位根,至多有1個單位根,因此一階差分后的數(shù)據(jù)整體是平穩(wěn)序列,可以進行下一步的時間序列研究。

        2.協(xié)整檢驗(Johansen方法)。Jansen方法允許多個協(xié)整關(guān)系的存在,Johansen協(xié)整檢驗的方法主要有兩種:基于跡或者特征值,兩者在推斷可能有所區(qū)別,Johansen檢驗的方法主要是基于以下定于:k維時間序列向量的VAR(P)可以表示為如下:

        矩陣∏包含著關(guān)于模型的長期性質(zhì),如果矩陣∏的秩為0,那么整體系統(tǒng)就不是協(xié)整的。如果矩陣∏的秩為k(滿秩),那么Xt的變量為平穩(wěn)的。如果矩陣∏的秩為r,0<r<k,則∏可以分解為兩個不同的矩陣a和b,使得Π=abT,即在b中包含r個協(xié)整變量。

        本文使用Johanson跡檢驗,其檢驗結(jié)果如下:

        表4 Johanson跡檢驗結(jié)果

        從表4中可以看出,可能有r=5個協(xié)整向量,屬于滿秩的情形,說明矩陣Xt的變量是平穩(wěn)的,可以進行格蘭杰因果關(guān)系檢驗。

        3.格蘭杰因果關(guān)系檢驗。格蘭杰因果關(guān)系檢驗是由Granger(1969)提出的關(guān)于X和Y的Granger因果檢驗(Granger causality testing),用來評估X過去的觀測值對于預(yù)測值Y是否有因果關(guān)系。

        該檢驗是基于p個過去的Y的值對p個過去的X的值回歸而成,統(tǒng)計量的分布為F分布,其基本回歸模型如下:

        本文分別對政府投融資平臺貸款和不良貸款、企業(yè)及各類組織貸款和不良貸款、個人貸款和不良貸款共計6組貸款數(shù)據(jù)余額進行一階差分之后,兩兩進行格蘭杰因果關(guān)系檢驗,共計得到30組統(tǒng)計結(jié)果,由于篇幅有限,本文摘取具有顯著因果關(guān)系的統(tǒng)計結(jié)果進行分析,其格蘭杰因果關(guān)系檢驗結(jié)果如下表:

        表5 格蘭杰因果關(guān)系檢驗結(jié)果匯總表(僅列顯著因果關(guān)系)

        從上表中可以得出以下結(jié)論:

        一是從序號1、2兩條因果關(guān)系可以看出,企業(yè)及各類組織貸款余額的增減會導(dǎo)致個人貸款余額和政府投融資平臺貸款余額的增減,說明企業(yè)及各類貸款是銀行業(yè)金融機構(gòu)擴張自身貸款資產(chǎn)的主要助推因素,企業(yè)及各類貸款余額的變動將會先于其他各項貸款余額的變動,因此出于維護金融穩(wěn)定的考慮,中央銀行和銀行業(yè)監(jiān)督管理機構(gòu)應(yīng)重點關(guān)注企業(yè)及各類組織貸款余額的變動情況,該指標可作為整體貸款變動情況的先行指標。

        二是從序號3、6兩條因果關(guān)系可以看出,企業(yè)及各類組織貸款余額和個人貸款余額的變動將會導(dǎo)致相應(yīng)的不良貸款余額發(fā)生變動,該變化符合金融風(fēng)險的預(yù)期,因為各項貸款資產(chǎn)的上升必然導(dǎo)致其不良貸款資產(chǎn)的相應(yīng)上升,屬于正常情況。但是政府投融資平臺貸款與不良貸款的變化就未呈現(xiàn)該特點。

        三是從序號4、5兩條因果關(guān)系可以看出,個人貸款余額的增減會導(dǎo)致企業(yè)及各類組織貸款及其不良貸款余額的增減,說明個人貸款和企業(yè)及各類組織貸款之間存在互為因果關(guān)系的因素,兩者基本保持同方向的變化,但企業(yè)及各類組織貸款余額變動情況受個人貸款余額變動情況影響較大。

        四是從序號9、10兩條因果關(guān)系可以看出,企業(yè)及各類組織不良貸款余額和個人不良貸款余額的增減,都會導(dǎo)致企業(yè)及各類組織貸款余額的增減,說明當(dāng)銀行業(yè)金融機構(gòu)個人貸款和企業(yè)及各類組織貸款成為不良資產(chǎn)后,銀行業(yè)金融機構(gòu)存在增加企業(yè)及各類組織貸款余額以稀釋整體不良貸款資產(chǎn)的動機,該行為應(yīng)引起中央銀行和銀行業(yè)監(jiān)督管理機構(gòu)的重點關(guān)注,為保持特殊時點不良資產(chǎn)率的監(jiān)管要求,加大貸款規(guī)模以稀釋不良資產(chǎn)的行為,容易導(dǎo)致后續(xù)出現(xiàn)集中大幅的不良資產(chǎn)爆發(fā)的可能性。

        五是從序號11條因果關(guān)系可以看出,個人不良貸款余額的增減會導(dǎo)致企業(yè)及各類組織不良貸款余額的增減,該因果關(guān)系是唯一一條存在不良資產(chǎn)金融風(fēng)險感染的因果關(guān)系,說明銀行業(yè)金融機構(gòu)的金融風(fēng)險主要是從個人貸款主體部分向企業(yè)及各類組織貸款主體部分進行傳染,個人不良貸款的上升就會伴隨后續(xù)企業(yè)及各類組織不良貸款的上升,銀行業(yè)金融機構(gòu)在風(fēng)險控制方面,應(yīng)該重點關(guān)注個人不良貸款余額的增減變動情況,當(dāng)個人不良貸款出現(xiàn)大幅度增長時,整體的金融風(fēng)險存在后續(xù)繼續(xù)上升的較大概率。

        四、研究結(jié)論與政策啟示

        (一)研究結(jié)論

        本文對紅河州13家州級銀行業(yè)金融機構(gòu)不同信貸主體的貸款和不良貸款時間序列進行了深入的研究,同時對紅河州13家地方性法人金融機構(gòu)企業(yè)及各類組織貸款進行了風(fēng)險測度,通過上述研究得出如下結(jié)論:

        1.政府投融資平臺貸款呈現(xiàn)季節(jié)性效應(yīng)。政府投融資平臺貸款余額呈現(xiàn)每年上半年增速明顯偏低,下半年增速明顯偏高的顯著特征,各銀行業(yè)金融機構(gòu)上半年對地方基礎(chǔ)設(shè)施建設(shè)的支持力度要明顯弱于下半年的支持力度,該現(xiàn)象與地方政府預(yù)算支出呈現(xiàn)下半年基數(shù)偏高的特點相吻合,各銀行業(yè)金融機構(gòu)對地方基礎(chǔ)設(shè)施建設(shè)的信貸支持與地方預(yù)算支出呈現(xiàn)同方向同周期特點。

        2.高信用等級信貸資產(chǎn)信用風(fēng)險較低,低信用等級信貸資產(chǎn)風(fēng)險較高且波動性和差異性較大。A+和A信用等級信貸資產(chǎn)整體信用風(fēng)險較低,BBB信用等級以下的信貸資產(chǎn)整體風(fēng)險較高,同時其差異性和波動性也較大。BBB信用等級以下的信貸資產(chǎn)所帶來的信用風(fēng)險將會是各地方法人金融機構(gòu)風(fēng)險的主要來源,各地由于差異性和波動性的不同,在應(yīng)對低信用等級資產(chǎn)帶來的信用風(fēng)險時,各機構(gòu)也將采取不同特點的應(yīng)對措施。但是高等級信用的信貸資產(chǎn)其自身風(fēng)險水平始終低且波動性和差異性也較小。

        3.企業(yè)類貸款余額變動具有前瞻性和先行性。企業(yè)及各類組織貸款余額的增減會導(dǎo)致個人貸款余額和政府投融資平臺貸款余額的增減,企業(yè)及各類貸款余額的變動將會先于其他各項貸款余額的變動,企業(yè)類貸款余額的變動具有前瞻性和先行性,中央銀行和銀行業(yè)監(jiān)督管理機構(gòu)應(yīng)重點關(guān)注企業(yè)類貸款余額的變動情況,該指標可作為整體貸款變動情況的先行指標。

        4.各金融機構(gòu)存在增加企業(yè)類貸款以稀釋整體不良貸款的動機。企業(yè)及各類組織不良貸款余額和個人不良貸款余額的增減,都會導(dǎo)致企業(yè)及各類組織貸款余額的增減,說明當(dāng)銀行業(yè)金融機構(gòu)個人貸款和企業(yè)及各類組織貸款成為不良資產(chǎn)后,銀行業(yè)金融機構(gòu)存在增加企業(yè)及各類組織貸款余額以稀釋整體不良貸款資產(chǎn)的動機,各銀行業(yè)金融機構(gòu)為保持特殊時點不良資產(chǎn)率的監(jiān)管和經(jīng)營要求,短時期內(nèi)加大貸款規(guī)模以稀釋不良資產(chǎn)的行為,容易導(dǎo)致后續(xù)出現(xiàn)集中大幅的不良資產(chǎn)爆發(fā)的可能性。

        5.個人不良貸款余額變動會引起企業(yè)類不良貸款余額的變動。個人不良貸款余額的增減會導(dǎo)致企業(yè)類不良貸款余額的增減,說明銀行業(yè)金融機構(gòu)的金融風(fēng)險主要是從個人貸款主體部分向企業(yè)及各類組織貸款主體部分進行傳染,個人不良貸款的上升就會伴隨后續(xù)企業(yè)及各類組織不良貸款的上升,銀行業(yè)金融機構(gòu)在風(fēng)險控制方面,應(yīng)該重點關(guān)注個人不良貸款余額的增減變動情況,當(dāng)個人不良貸款出現(xiàn)大幅度增長時,整體的金融風(fēng)險存在后續(xù)繼續(xù)上升的較大概率。

        (二)政策啟示

        1.加強信用等級評定工作,依據(jù)評定等級合理調(diào)整信貸資產(chǎn)結(jié)構(gòu)。信用等級的有效評定是各銀行業(yè)金融機構(gòu)進行風(fēng)險度量的有效路徑,但是在本文調(diào)查研究過程中發(fā)現(xiàn),紅河州轄內(nèi)地方法人金融機構(gòu)對信貸客戶的信用等級評定工作重視程度不夠,過度強調(diào)信貸客戶抵押品和質(zhì)押品的有效提供,而對信貸客戶自身現(xiàn)金流量和盈利能力缺乏有效了解和掌握,信用等級評定和運用仍處于起步階段。地方法人金融機構(gòu)亟待加強自身信貸客戶的信用等級評估工作,并根據(jù)信用等級評定結(jié)果充分了解自身金融資產(chǎn)所面臨的風(fēng)險敞口,從而有效調(diào)整信貸資產(chǎn)結(jié)構(gòu),使信貸資產(chǎn)風(fēng)險水平與資本緩沖能力、風(fēng)險偏好程度有機銜接。

        2.協(xié)調(diào)政府投融資平臺貸款與地方財政支出情況有效對接。從本文分析中可以看出,紅河州地方政府投融資平臺貸款具有較強的季節(jié)效應(yīng),與政府財政支出同步性較強,同時該類貸款整體金融風(fēng)險水平較低,不良貸款余額較小。針對上述特點,各銀行業(yè)金融機構(gòu)給與地方政府投融資平臺融資供給時,應(yīng)將信貸支持與政府財政支出情況進行有效對接,政府財政資金的有效參與能夠降低整體項目經(jīng)營風(fēng)險,保證金融資產(chǎn)整體風(fēng)險處于可控水平。

        3.強化企業(yè)類貸款余額變動情況的監(jiān)測和預(yù)警,有針性對開展預(yù)防管理。從本文分析中可以看出,企業(yè)類貸款余額變動情況具有前瞻性和先行性的特點,各銀行業(yè)金融機構(gòu)和監(jiān)管部門應(yīng)該強化對企業(yè)類貸款余額變動情況的監(jiān)測和預(yù)警,如果在短期內(nèi)企業(yè)類貸款余額出現(xiàn)大幅度增長的情況,說明后續(xù)全轄金融風(fēng)險存在快速上升的趨勢,應(yīng)引起各方重點關(guān)注。同時,各銀行業(yè)金融機構(gòu)存在利用企業(yè)類貸款短期內(nèi)稀釋不良貸款從而降低不良貸款率的可能性,應(yīng)重點關(guān)注該類問題,避免由于為滿足短期經(jīng)營和監(jiān)管指標而損害金融機構(gòu)長期穩(wěn)健經(jīng)營目標的情況發(fā)生。

        4.注重個人不良貸款余額變動趨勢監(jiān)測,避免金融風(fēng)險過度傳染。從本文分析中可以看出,個人不良貸款余額的變動將會引起企業(yè)類不良貸款余額的變動,金融風(fēng)險存在由個人授信主體向企業(yè)類授信主體傳染的趨勢。因此,個人不良貸款余額如果短期內(nèi)出現(xiàn)大幅度上升,那么存在整體金融風(fēng)險在各授信主體之間快速傳染的風(fēng)險,個人不良貸款應(yīng)該成為各銀行業(yè)金融機構(gòu)和監(jiān)管部門出于維護金融穩(wěn)定考慮而重點關(guān)注的不良貸款類別,以保證個人不良貸款余額整體平穩(wěn),避免出現(xiàn)大幅度波動的情況,從而保證轄區(qū)內(nèi)金融系統(tǒng)整體穩(wěn)健運行。

        猜你喜歡
        信用等級不良貸款投融資
        投融資關(guān)注榜(2019.6.16-2019.7.15)
        商界評論(2019年8期)2019-09-23 18:56:00
        小額不良貸款成因與防范措施
        6月投融資關(guān)注榜(5.16-6.15)
        商界評論(2018年7期)2018-07-11 16:48:04
        4月投融資關(guān)注榜(3.16-4.15)
        商界評論(2018年5期)2018-05-21 16:42:22
        3月投融資關(guān)注榜(2.16-3.15)
        商界評論(2018年4期)2018-04-09 17:05:18
        協(xié)會圓滿完成武器裝備科研生產(chǎn)單位信用等級評價擴大試點工作
        關(guān)于加強控制商業(yè)銀行不良貸款探討
        用活“三字經(jīng)”密織不良貸款防控網(wǎng)
        金融周刊(2016年19期)2016-07-13 18:53:23
        住房抵押信貸信用等級的灰色評價方案研究
        不良率農(nóng)行最高
        999国内精品永久免费观看| 色婷婷精品国产一区二区三区| 男女后入式在线观看视频| 风韵人妻丰满熟妇老熟| 成人欧美一区二区三区在线| 国精产品推荐视频| 久久婷婷综合色丁香五月| 中文字幕亚洲区第一页| 亚洲一本二区偷拍精品| 日本精品视频一区二区三区四区| 人妻夜夜爽天天爽三区| 亚洲 欧美 激情 小说 另类| 国产360激情盗摄一区在线观看| 国产农村妇女毛片精品久久麻豆| 人妻久久一区二区三区蜜桃| 亚洲加勒比久久88色综合| 无码人妻丰满熟妇啪啪7774| 粉嫩小泬无遮挡久久久久久| 亚洲性av少妇中文字幕| 国产在线无码一区二区三区视频| 久久精品国产亚洲av高清热| 四虎影视在线观看2413| 国产网友自拍亚洲av| 日韩精品中文字幕第二页| 高清毛茸茸的中国少妇| 国产成年女人特黄特色毛片免| 国产精品黑色丝袜在线播放| 久久精品女人天堂av麻| 激情综合五月开心婷婷| 无码人妻久久一区二区三区app| 波多野结衣在线播放一区| 日韩成精品视频在线观看| 亚洲精品一区二区三区52p| 亚洲av日韩aⅴ无码色老头| ā片在线观看| 久久精品国产亚洲精品色婷婷| 久久国产亚洲精品一区二区三区| 国产成人精品999视频| 亚洲xxxx做受欧美| 国产视频精品一区白白色| 日本精品一级二区三级|