文/龍思思

?

上市銀行不良貸款研究——基于面板數(shù)據(jù)模型

文/龍思思

上海大學(xué)

近年來(lái)，中國(guó)宏觀(guān)經(jīng)濟(jì)形勢(shì)下行、房地產(chǎn)剛性泡沫、利率市場(chǎng)化和社會(huì)杠桿率大，眾多商業(yè)銀行的不良貸款率又呈現(xiàn)回升趨勢(shì)。首先，本文介紹了不良貸款，再而通過(guò)對(duì)上市銀行的現(xiàn)狀分析，選取了制造業(yè)采購(gòu)經(jīng)理人指數(shù)PMI、廣義M2增長(zhǎng)率、凈利差和銀行撥備覆蓋率作為解釋變量進(jìn)行實(shí)證分析。分析結(jié)果表明，除制造業(yè)采購(gòu)經(jīng)理人指數(shù)PMI對(duì)上市銀行不良貸款率不產(chǎn)生顯著性影響，其他解釋變量皆與不良貸款率呈負(fù)相關(guān)關(guān)系且顯著，即廣義M2增長(zhǎng)率越大、凈利差越大和銀行撥備覆蓋率越大，銀行的不良貸款率就越低，反之越高。最后，在理論和實(shí)證分析的基礎(chǔ)上，結(jié)合當(dāng)代經(jīng)濟(jì)形勢(shì)和金融背景，從存量化解和風(fēng)險(xiǎn)防范的角度提出解決措施。

不良貸款率；固定效應(yīng)面板模型；不良資產(chǎn)證券化

1 緒論

盡管中國(guó)各銀行的不良貸款被政府一直高度重視,但是從目前來(lái)看，不良貸款的問(wèn)題依然是值得我們高度重視的。尤其是近幾年，經(jīng)濟(jì)形勢(shì)下行，鋼鐵、紡織和有色金屬等眾多行業(yè)的過(guò)剩產(chǎn)能，制造業(yè)低迷，都在一定程度上使我國(guó)銀行的不良貸款出現(xiàn)新的“回升”。截至2015年末,商業(yè)銀行不良貸款問(wèn)題依然十分顯目,尤其是農(nóng)業(yè)銀行不良貸款問(wèn)題尤其突出。

不良貸款的現(xiàn)狀和所處的宏觀(guān)環(huán)境與以往相比較而言，其現(xiàn)狀更為嚴(yán)重，所處宏觀(guān)環(huán)境更為復(fù)雜。經(jīng)濟(jì)形勢(shì)下行、行業(yè)過(guò)剩產(chǎn)能、房地產(chǎn)泡沫、制造業(yè)低迷、利率市場(chǎng)化、國(guó)企改革和社會(huì)、企業(yè)、政府去杠桿等宏觀(guān)復(fù)雜經(jīng)濟(jì)環(huán)境。

表1 變量的屬性

變量符號(hào)變量名稱(chēng)頻率單位數(shù)據(jù)來(lái)源更新時(shí)間屬性 BLR不良貸款率年%WIND2017/3/8被解釋變量 PMI制造業(yè)采購(gòu)經(jīng)理人指數(shù)年%WIND2017/3/8解釋變量 GPCR對(duì)數(shù)撥備覆蓋率年%WIND2017/3/8解釋變量 NIM凈利差年%WIND2017/3/8解釋變量 M2M2年度增長(zhǎng)率年%WIND2017/3/8解釋變量

2 我國(guó)上市銀行不良貸款現(xiàn)狀分析

本文選擇其中18家上市銀行為樣本，以行業(yè)分類(lèi)的方式對(duì)上市銀行貸款結(jié)構(gòu)進(jìn)行分析。發(fā)現(xiàn)我國(guó)銀行貸款主要集中于制造業(yè)，其次是交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)行業(yè)以及房地產(chǎn)業(yè)

并且基本了解到，我國(guó)股份制商業(yè)銀行的不良貸款從規(guī)模和比率上均低于我國(guó)五大行；我國(guó)上市銀行的貸款主要分布于制造業(yè)，其次是交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)和房地產(chǎn)業(yè)。

3 實(shí)證分析

本文數(shù)據(jù)主要來(lái)源于WIND金融客戶(hù)端，基于數(shù)據(jù)的可得性和可比性，本文選取近8年的年度數(shù)據(jù)進(jìn)行一個(gè)實(shí)證分析。為了驗(yàn)證各種宏觀(guān)因素與微觀(guān)因素對(duì)不良貸款率的關(guān)系與影響程度，本文選取面板模型來(lái)進(jìn)行實(shí)證分析，分析各變量對(duì)不良貸款的影響關(guān)系。

不良貸款率:不良貸款率=不良貸款/總貸款

制造業(yè)采購(gòu)經(jīng)理人指數(shù)：PMI是一項(xiàng)比較全面的經(jīng)濟(jì)指標(biāo)，代表了就業(yè)、制造業(yè)整體狀況及物價(jià)表現(xiàn)，在全球是最受關(guān)注的經(jīng)濟(jì)變量之一。如果指數(shù)低于50%，特別是非常接近40%時(shí)，則會(huì)有經(jīng)濟(jì)蕭條的憂(yōu)慮。一般在40~50之間的時(shí)候，說(shuō)明制造業(yè)正處于衰退，但是整體經(jīng)濟(jì)還是在擴(kuò)張。

廣義貨幣M2年度增長(zhǎng)率：廣義貨幣M2年度增長(zhǎng)率=本期M2貨幣總量/上年M2貨幣總量

對(duì)數(shù)撥備覆蓋率：對(duì)數(shù)撥備覆蓋率=ln(撥備覆蓋率)，撥備覆蓋率=(一般準(zhǔn)備+專(zhuān)項(xiàng)準(zhǔn)備+特種準(zhǔn)備)/(次級(jí)類(lèi)貸款+可疑類(lèi)貸款+損失類(lèi)貸款)×100%

凈利差：凈利差=生息率-付息率

建立面板模型：

BLRi,t=αi+β1iPMIt+β2iM2t+β3iGPCRi,t+β4iNIMi,t+εi,t

(i=其中i=1,2,3...N,i表示研究銀行的樣本數(shù)，t=1,2...T表示年度數(shù)，εi,t為隨機(jī)誤差)

3.1 描述性統(tǒng)計(jì)

我國(guó)上市銀行的不良貸款率近8年來(lái)平均為1.38%，更有銀行不良貸款率達(dá)到23.57%。上市銀行的凈利差在近8年平均為2.56%，最小為1.38%，最大為4.49%，各大銀行凈利差相差較大；對(duì)數(shù)撥備覆蓋率平均為5.42%，最小為3.98%，最大為6.42%；PMI平均為51.30%，最小為49.91%，最大達(dá)到53.76%；廣義M2增長(zhǎng)率平均為16.55%，最小為12.32%，最大為26.50%，近年來(lái)M2增長(zhǎng)速度不斷放緩。

3.2 平穩(wěn)性檢驗(yàn)

（1）首先對(duì)被解釋變量不良貸款率進(jìn)行單位根檢驗(yàn)，被解釋變量t統(tǒng)計(jì)值的概率小于0.05，拒絕原假設(shè)，被解釋變量水平平穩(wěn)。（2）對(duì)解釋變量?jī)衾钸M(jìn)行單位根檢驗(yàn)，凈利差t值概率小于0.05，拒絕原假設(shè)，凈利差變量水平平穩(wěn)。（3）對(duì)解釋變量對(duì)數(shù)撥備覆蓋率進(jìn)行單位根檢驗(yàn)，對(duì)數(shù)撥備覆蓋率t值概率小于0.05，拒絕原假設(shè)，對(duì)數(shù)撥備覆蓋率變量水平平穩(wěn)。（4）對(duì)解釋變量制造業(yè)采購(gòu)經(jīng)理人指數(shù)進(jìn)行單位根檢驗(yàn)，制造業(yè)采購(gòu)經(jīng)理人指數(shù)t值概率小于0.05，拒絕原假設(shè)，制造業(yè)經(jīng)理人指數(shù)變量水平平穩(wěn)。（5）對(duì)解釋變量廣義M2增長(zhǎng)率進(jìn)行單位根檢驗(yàn)，M2增長(zhǎng)率的t值概率小于0.05，拒絕原假設(shè)，廣義M2增長(zhǎng)率水平平穩(wěn)。解釋變量和被解釋變量皆水平平穩(wěn)，無(wú)需進(jìn)一步做協(xié)整檢驗(yàn)，則繼續(xù)進(jìn)行后面的模型選擇。

3.3 模型選擇

1）首先判斷面板模型是固定效應(yīng)模型還是混合模型，采用F檢驗(yàn)的方法。如下圖所示，原假設(shè)假定模型為混合模型，而F檢驗(yàn)值概率小于0.05，故拒絕原假設(shè)，該模型為固定效應(yīng)模型。

2）判斷模型是固定效應(yīng)還是隨機(jī)效應(yīng)，采用豪斯曼檢驗(yàn)法。如下圖所示，原假設(shè)假定模型為隨機(jī)效應(yīng)，檢驗(yàn)的概率小于0.05，拒絕原假設(shè)，模型為固定效應(yīng)模型。

綜合以上檢驗(yàn)，我們接下來(lái)建立固定效應(yīng)面板模型。

3.4 模型估計(jì)

建立固定效應(yīng)面板模型，進(jìn)行回歸， F統(tǒng)計(jì)值概率為2.9889e-05，說(shuō)明模型顯著。除了PMI（制造業(yè)采購(gòu)經(jīng)理人指數(shù)）其他解釋變量的t統(tǒng)計(jì)值的均小于0.05，系數(shù)顯著，并且各變量的估計(jì)系數(shù)都為負(fù)數(shù)，說(shuō)明對(duì)被解釋變量存在負(fù)相關(guān)關(guān)系。

3.5 實(shí)證結(jié)論

通過(guò)F檢驗(yàn)和豪斯曼檢驗(yàn)，本文建立固定效應(yīng)面板模型。固定效應(yīng)面板模型估計(jì)結(jié)果顯示，各解釋變量對(duì)被解釋變量皆存在負(fù)相關(guān)關(guān)系，除了PMI變量不顯著外，其他皆顯著，與我們前面的理論分析的結(jié)果基本一致。PMI系數(shù)不顯著可能是因?yàn)楦鞔笊鲜秀y行貸款最大的行業(yè)并不都是制造業(yè)，前文在分析銀行貸款的行業(yè)分布的時(shí)候，發(fā)現(xiàn)絕大多數(shù)銀行貸款規(guī)模最大的為制造業(yè)，但是也有一部分銀行貸款規(guī)模最大的并非是制造業(yè)，而是礦業(yè)等其他行業(yè)，故PMI對(duì)不良貸款率沒(méi)有顯著的負(fù)相關(guān)關(guān)系也是具有一定道理的。其他解釋變量對(duì)解釋變量相關(guān)關(guān)系為負(fù)且顯著，凈利差越大，銀行盈利能力越強(qiáng)，內(nèi)部風(fēng)險(xiǎn)管控標(biāo)準(zhǔn)相應(yīng)更加嚴(yán)格，不良貸款率相應(yīng)變低；每增加1%的凈利差，貸款不良率降低1.76%。撥備覆蓋率越大，對(duì)銀行的貸款的覆蓋程度越強(qiáng)，防范貸款不良化的效果更明顯；每增加對(duì)數(shù)撥備覆蓋率的1%，銀行貸款不良率降低1.36%。廣義貨幣M2增長(zhǎng)率越大，銀行信貸供給越大，企業(yè)貸款利率相對(duì)較低，負(fù)債壓力減少，盈利能力增強(qiáng)，更具有一定的能力保障其償還貸款，從而降低銀行不良貸款率；M2增長(zhǎng)率每增加1%，銀行不良貸款率降低0.17%。銀行應(yīng)該更加完善風(fēng)險(xiǎn)預(yù)警、風(fēng)險(xiǎn)評(píng)估和風(fēng)險(xiǎn)防范機(jī)制，在合理的范圍內(nèi)擴(kuò)大其表外業(yè)務(wù)，增加其盈利能力。

4 措施與建議

1、三大存量化解措施?？梢酝ㄟ^(guò)債轉(zhuǎn)股（銀行主導(dǎo)型市場(chǎng)化債轉(zhuǎn)股模式）、不良資產(chǎn)證券化（多方合作共贏應(yīng)最優(yōu)模式）以及在銀行內(nèi)部打造專(zhuān)業(yè)化的信貸風(fēng)險(xiǎn)管理團(tuán)隊(duì)等措施來(lái)化解存量不良貸款問(wèn)題。

2、三大防范措施。從銀行內(nèi)部角度：建立前瞻性的主動(dòng)信貸風(fēng)險(xiǎn)管理系統(tǒng)。其次，積極開(kāi)展中間業(yè)務(wù)，提升自身盈利水平。最后，從銀行外部角度：優(yōu)化不良貸款宏觀(guān)環(huán)境。

[1]Rajan R,Sarat C.Dhal. Nonperforming loans and terms of credit of public sector banks in india :an empirical assessment[J],occasional paper ,2003.

[2]李松青.國(guó)有銀行信貸風(fēng)險(xiǎn)管理研究.2005

[3]閻炯智.我國(guó)商業(yè)銀行不良資產(chǎn)證券化研究.2010

龍思思（1994-）女，湖南衡陽(yáng)人，上海大學(xué)2016級(jí)金融專(zhuān)業(yè)碩士研究生，研究方向：金融。