楊小海 陳達飛

房價增速和經(jīng)濟增長對上市銀行不良貸款率的影響均是顯著負相關(guān)的。即房價增速和經(jīng)濟增速下降均會導(dǎo)致銀行的不良貸款率上升。圖/中新

防范和化解金融風(fēng)險被列為三大攻堅戰(zhàn)之首，這表明它將成為未來一段時間決策層關(guān)注的焦點問題。資管新規(guī)、PPP與P2P的治理等措施均圍繞其展開。但是，上半年快節(jié)奏的金融政策給實體經(jīng)濟發(fā)展帶來了較大的壓力。另外，進入2018年以來，外部形勢面臨更大的不確定性，美聯(lián)儲加息和縮表“雙緊縮”過程也壓縮了國內(nèi)的政策空間，人民幣貶值壓力增大，國內(nèi)資產(chǎn)價格也面臨更大壓力。

下半年以來，央行提供的流動性環(huán)境適度寬裕，但一直沒有跟隨美聯(lián)儲加息，金融市場利率反而還在不斷下行，中美利差已進入歷史低位。那么，如果資本流出和人民幣匯率貶值壓力不斷加大，中國央行要不要加息？加的話，實體經(jīng)濟和資產(chǎn)價格，特別是房地產(chǎn)的壓力都會增加;不加，人民幣貶值壓力更大。所以，政策一直在穩(wěn)增長和防范金融風(fēng)險中尋求平衡。

防止風(fēng)險傳染到銀行體系

歷史與實證經(jīng)驗都表明，銀行體系是影響系統(tǒng)性金融風(fēng)險的主要源泉，而衡量銀行體系健康與否的一個重要指標(biāo)就是不良貸款率。所以，防范金融風(fēng)險，很大程度上就是防范其他領(lǐng)域的風(fēng)險傳染到銀行資產(chǎn)負債表。

圖1展示的是中國108家銀行不良貸款率變化，包括上市銀行、農(nóng)商行和城商行。散點表示某一家銀行在某一年的不良貸款率，折線表示的是平均值?？梢钥闯觯瑥?003年開始，中國銀行體系的不良貸款率總體呈現(xiàn)下降的趨勢，但在2014年-2016年間銀行體系的平均不良貸款率出現(xiàn)略微的上升，2017年之后又略微回落。

宏觀上看銀行不良貸款率的高低，容易給人一種錯覺。比如，不良貸款率低于2%，就一定是安全的嗎？不良貸款率下降的銀行體系，就一定是更加健康嗎？所以，還需要看不良貸款的分布，即結(jié)構(gòu)。

為此，我們將銀行分為上市銀行、城商行和農(nóng)商行，分別進行分析。同時，還需要特別關(guān)注異常觀測值，即那些不良貸款率較高的銀行，以防出現(xiàn)“一根稻草壓死一頭駱駝”的現(xiàn)象。從銀行分類情況來看，在考察期內(nèi)，不良貸款率由高到低的排序大致是農(nóng)商行、城商行、國有大型商業(yè)銀行、股份制商業(yè)銀行和外資銀行。其中，有些城商行和農(nóng)商行的不良貸款率一度高于10%，比如西安銀行在2006年的不良貸款率高達14.5%，貴州城商行2017年不良貸款率上升至19.5%。在當(dāng)前去杠桿的背景下，中小銀行的金融風(fēng)險問題值得密切關(guān)注，其防范金融風(fēng)險的能力較弱。

本文通過構(gòu)建非平衡動態(tài)面板模型和非平衡面板向量自回歸模型（PVAR），選取Wind數(shù)據(jù)庫中的108家銀行作為樣本，將其分為農(nóng)商行、城商行和上市銀行三類，分別分析經(jīng)濟增速下降、房價下跌（商品房銷售額/銷售面積）、利率上升（Chibor平均值）等宏觀因素的變動對不良貸款率的影響。

研究發(fā)現(xiàn)：（1）經(jīng)濟增速下行是目前中國銀行不良貸款率攀升面臨的最大風(fēng)險，上市銀行、城商行和農(nóng)商行對其敏感性逐漸上升;（2）面板VAR模型分析顯示，農(nóng)商行不良貸款率對房價下跌最為敏感，城商行次之，上市銀行受到的影響較小;（3）方差分解顯示：貨幣政策在城商行和農(nóng)商行中傳遞比上市銀行要差很多，一個解釋是其服務(wù)的主體包括地方政府融資平臺和國有企業(yè)，面臨軟預(yù)算約束問題導(dǎo)致對利率不敏感。所以，逐漸硬化地方政府和融資平臺的預(yù)算約束，可能是未來防范和化解系統(tǒng)性金融風(fēng)險的必要內(nèi)容。

上市銀行：防范風(fēng)險能力較強

圖2顯示了30家上市銀行不良貸款率的變化。可以發(fā)現(xiàn)，2009年之后所有上市銀行的不良貸款率均小于4%，表明上市銀行整體經(jīng)營穩(wěn)健，防范風(fēng)險的能力增強。

從回歸分析來看，無論在哪種估計方法下，房價增速和經(jīng)濟增長對上市銀行不良貸款率的影響均是顯著負相關(guān)的。即房價增速和經(jīng)濟增速下降均會導(dǎo)致銀行的不良貸款率上升。但系數(shù)的絕對值較小，表明上市銀行整體抵抗金融風(fēng)險的能力較強，即使出現(xiàn)房價增速下降和經(jīng)濟增速下降的情況，其對不良貸款率的影響也較小。但是，這僅僅是從不良貸款率的角度得到的結(jié)論，并不排除經(jīng)濟增速和房價下行影響上市銀行風(fēng)險的其他渠道。

房價突然下跌的脈沖響應(yīng)分析顯示，上市銀行不良貸款率的變動幅度較小，在若干期后出現(xiàn)略微的上升，但上升的幅度有限。這表明上市銀行的整體穩(wěn)健性好，房價下跌對上市銀行的影響較小，抵御外部風(fēng)險的能力比城商行和農(nóng)商行更強。

另外，在面臨經(jīng)濟增速下行和利率突然拉升的脈沖響應(yīng)下，上市銀行的不良貸款率逐漸上升，達到峰值后便向均值回歸，但是在這個過程中不良貸款率的變動幅度明顯小于城商行和農(nóng)商行。

另外，通過上市銀行的不良貸款率方差構(gòu)成分析發(fā)現(xiàn)，利率波動占比遠大于城商行和農(nóng)商行，表明貨幣政策在上市銀行中傳遞要更加通暢。究其原因，就是城商行和農(nóng)商行將大量的資金借給國有企業(yè)和地方政府的通融平臺，這些借錢主體由于受軟預(yù)算約束的影響對于利率并不敏感，所以貨幣政策在農(nóng)商行和城商行中傳導(dǎo)若干期后影響力逐漸消退。

正是因為這個原因，央行在通過利率等貨幣政策工具防范城商行和農(nóng)商行的金融風(fēng)險時，還應(yīng)該輔助以其他手段重點關(guān)注不良率高的銀行。

城商行：風(fēng)險傳染鏈條值得關(guān)注

從38家城商行的數(shù)據(jù)來看，其不良貸款率平均值相對于上市銀行較高。2009年之后，個別城商行的不良貸款率高企，比如齊魯銀行2010年不良貸款率達14%，大連銀行2014年不良貸款率達5.6%。

從回歸分析的結(jié)果顯示，城商行的不良貸款率對經(jīng)濟增速較為敏感。城商行之前為地方政府的城投公司融資，若經(jīng)濟增速下滑太塊，國家的稅收、財政也會受到影響，此時若出現(xiàn)違約事件，作為抵押品的土地也會缺乏流動性，風(fēng)險傳染的整個鏈條都是政策需要關(guān)注的。

關(guān)于城商行不良貸款率與房價增速的回歸，本文用三種回歸分析方法得到的系數(shù)在2.8-4.0之間，而上市銀行的系數(shù)僅僅介于0.001-0.003之間，這表明城商行不良貸款率對于房價增速下降就要敏感得多?？紤]到不良貸款率前后期之間的較強相關(guān)性，房價下跌對城商行不良貸款率累積效應(yīng)尤為顯著。

房價下跌的脈沖響應(yīng)分析顯示，城商行不良貸款率在第二期達到最峰值，之后逐漸向均值回歸，在這個過程中會圍繞均值出現(xiàn)一定的波動?？傮w而言，偏離幅度小于農(nóng)商行，但大于上市銀行。在面臨經(jīng)濟增速下行的脈沖響應(yīng)下，城商行不良貸款率會在逐漸上升并在四期后達到峰值，但是比農(nóng)商行的表現(xiàn)要緩和不少。

另外，加息的脈沖響應(yīng)分析顯示，城商行的不良貸款率會由于利率的突然拉升在均值附近出現(xiàn)波動，并且在三期之后出現(xiàn)上升，但上升的幅度比農(nóng)商行要小。由此可見，城商行抵御風(fēng)險能力弱于上市銀行，但強于農(nóng)商行。

農(nóng)商行：抗風(fēng)險能力較弱

以41家農(nóng)商行為樣本，農(nóng)商行不良貸款率自2009年之后一直處于較高水平，平均水平遠高于同期的上市銀行和城商行。

回歸分析的結(jié)果顯示，相比較于城商行和上市銀行，農(nóng)商行不良貸款率對經(jīng)濟增速更加敏感。經(jīng)濟增速的回歸系數(shù)平均值為-17.7，表示，如果經(jīng)濟增速下降0.1個百分點，那么農(nóng)商行的不良貸款率可能會上升1.7個百分點。農(nóng)商行不良貸款率對于經(jīng)濟增速的高度敏感性表明，中國在去杠桿的過程當(dāng)中應(yīng)謹防出現(xiàn)“謹慎悖論”。

脈沖響應(yīng)分析的結(jié)果表明：首先，如果房價在短時間內(nèi)突然下跌，農(nóng)商行不良貸款率的反應(yīng)是最為迅速而且偏離幅度最大。受到?jīng)_擊后，不良貸款率會迅速上升并達到峰值。這表明農(nóng)商行抵御風(fēng)險的能力最弱，短時間內(nèi)不良貸款率會隨著房價的下跌而大幅提升。其次，在面臨經(jīng)濟增速下行的沖擊時，農(nóng)商行的不良貸款率會迅速上升，而且在后面的幾期當(dāng)中會有逐漸放大，很有可能引發(fā)金融風(fēng)險的迅速傳染。最后，面對利率提高的沖擊時，農(nóng)商行的不良貸款率會逐漸上升并在第四期后達到峰值，之后開始向均值回歸。

本文通過構(gòu)建動態(tài)面板模型和非平衡面板VAR分析經(jīng)濟增速下降、房價下跌等宏觀變量的變化對不同類型銀行不良貸款率的影響。

在動態(tài)面板模型的實證部分，本文研究發(fā)現(xiàn)目前經(jīng)濟增速的下行對于銀行不良貸款率的攀升可能是最大的風(fēng)險，上市銀行、城商行和農(nóng)商行對經(jīng)濟增速下行的敏感性逐漸遞增。啟示是：2018年上半年《資管新規(guī)》落地和財政部收緊對地方政府和國有企業(yè)的融資，雖然對其過去大肆高息借債是一個教訓(xùn)，但是也應(yīng)該謹防金融風(fēng)險處置過程中“一刀切”的做法，謹防引發(fā)處置風(fēng)險所帶來的新的風(fēng)險。

在非平衡面板VAR的實證分析部分，本文發(fā)現(xiàn)在房價突然大跌產(chǎn)生的負向沖擊下，農(nóng)商行的反應(yīng)最為迅速而且偏離幅度最大，不良貸款率就會迅速上升并達到峰值，城商行抵御風(fēng)險能力要稍微強一些，而上市銀行相對于城商行和農(nóng)商行的抵御風(fēng)險能力就要強很多，房價下跌對其影響較小。

在不良貸款率方差分析部分，本文發(fā)現(xiàn)貨幣政策在上市銀行中傳遞要更加通暢，但是在城商行和農(nóng)商行中傳遞的效果要弱很多。究其原因主要是城商行和農(nóng)商行服務(wù)的主體，包括地方政府融資平臺和國有企業(yè)等，存在軟預(yù)算約束的問題導(dǎo)致其對利率不敏感。故逐漸硬化地方政府和國有企業(yè)的預(yù)算約束，可能是未來化解系統(tǒng)性金融風(fēng)險必要的內(nèi)容。

（楊小海為清華大學(xué)國家金融研究院金融與發(fā)展研究中心分析師、陳達飛為東方證券高級研究員，編輯：蘇琦）