朱家明， 吳毓昱， 袁文靜

(1.安徽財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233030；2.安徽財(cái)經(jīng)大學(xué) 金融學(xué)院，安徽 蚌埠 233030；3.安徽財(cái)經(jīng)大學(xué) 會(huì)計(jì)學(xué)院，安徽 蚌埠 233030)

中國(guó)經(jīng)濟(jì)發(fā)展步入新常態(tài)。截至2018年年底中國(guó)國(guó)內(nèi)生產(chǎn)總值增速下跌至6.6%，宏觀經(jīng)濟(jì)增速下滑，供給側(cè)結(jié)構(gòu)性改革，淘汰低端、過(guò)剩產(chǎn)能給實(shí)體企業(yè)發(fā)展帶來(lái)巨大壓力，企業(yè)信貸違約風(fēng)險(xiǎn)隨之增大，商業(yè)銀行出現(xiàn)不良貸款額和不良貸款率的“雙升”，其中農(nóng)村商業(yè)銀行不良貸款率最高達(dá)3.96%。①作為農(nóng)村金融體系重要組成部分，農(nóng)村商業(yè)銀行信貸投放對(duì)中小企業(yè)、“三農(nóng)”發(fā)展有重大影響，分析農(nóng)村商業(yè)銀行不良貸款的影響因素，研究存量化解、增量防范措施，對(duì)新常態(tài)背景下保證農(nóng)村金融體系健康運(yùn)行、促進(jìn)農(nóng)村經(jīng)濟(jì)平穩(wěn)發(fā)展具有重大現(xiàn)實(shí)意義。

一、文獻(xiàn)綜述

(一)關(guān)于不良貸款率影響因素的研究

不良貸款率是指金融機(jī)構(gòu)不良貸款占總貸款余額的比重，過(guò)高時(shí)不僅會(huì)降低商業(yè)銀行的流動(dòng)性和經(jīng)營(yíng)效率，還可能誘發(fā)嚴(yán)重社會(huì)道德風(fēng)險(xiǎn)和金融危機(jī)。以往關(guān)于不良貸款率影響因素的研究成果，大致可以歸納為三類(lèi)。

1．宏觀經(jīng)濟(jì)因素。李麟、索彥峰(2009)利用1994～2008年銀行經(jīng)營(yíng)數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)，認(rèn)為不良貸款增長(zhǎng)與宏觀經(jīng)濟(jì)波動(dòng)存在明顯的Granger因果關(guān)系。[1](P55～63)Louzis等(2012)分別對(duì)希臘銀行業(yè)消費(fèi)貸款、商業(yè)貸款和抵押貸款中增加的不良貸款進(jìn)行分析，發(fā)現(xiàn)很大程度上都可以由GDP、失業(yè)率、公共債務(wù)等宏觀經(jīng)濟(jì)變量來(lái)解釋。[2](P1 012～1 027)

2．金融發(fā)展因素。周忠明(2005)提出信貸過(guò)快膨脹是不良貸款產(chǎn)生的重要原因。信貸高速增長(zhǎng)，營(yíng)業(yè)狀況不佳的企業(yè)仍能通過(guò)借新還舊、轉(zhuǎn)期等方式繼續(xù)獲得貸款，而一旦貸款投放速度下降，大量的不良貸款便會(huì)集中顯現(xiàn)出來(lái)。[3](P2～8)鄒克、蔡曉春(2017)基于2005～2014年省級(jí)面板數(shù)據(jù)，以信貸余額占GDP比例為例實(shí)證分析了金融發(fā)展深度對(duì)不良貸款率的影響，結(jié)果表明金融發(fā)展深度提高有利于降低不良貸款率。[4](P10～18)

3．銀行特征因素。在外部環(huán)境相同的條件下，銀行自身的貸款集中程度、貸款擔(dān)保方式、多元化經(jīng)營(yíng)水平等指標(biāo)也會(huì)引起不良貸款率的差異。Rossi等(2009)從銀行貸款成本和收益入手，利用澳大利亞大型商業(yè)銀行1997～2003年的數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)發(fā)現(xiàn)，貸款分散雖然增加了，但可以分散銀行經(jīng)營(yíng)風(fēng)險(xiǎn)并帶來(lái)收益的提高。[5](P2 218～2 226)胡建光、姚偉強(qiáng)(2015)利用動(dòng)態(tài)面板數(shù)據(jù)模型研究浙江省銀行機(jī)構(gòu)季度不良貸款數(shù)據(jù)后發(fā)現(xiàn)，貸款投向的行業(yè)集中度對(duì)不良貸款率有正的顯著性影響，即銀行貸款越集中，不良貸款率水平越高。[6](P50～60)董俊杰(2014)研究發(fā)現(xiàn)，中小企業(yè)在發(fā)展初期常形成聯(lián)合體向銀行申請(qǐng)貸款，而當(dāng)其中一家經(jīng)營(yíng)出現(xiàn)狀況，風(fēng)險(xiǎn)也會(huì)依附這種互保、聯(lián)保關(guān)系蔓延。[7](P67～72)Demirguc-Kun等(2010)以101個(gè)國(guó)家的銀行1997～2007年的銀行數(shù)據(jù)為樣本，研究發(fā)現(xiàn)銀行業(yè)務(wù)多元化水平較高，即非利息收入比重高或依賴非存款渠道融資的銀行，其風(fēng)險(xiǎn)水平一般也很高。[8](P626～650)

(二)關(guān)于農(nóng)村商業(yè)銀行的研究

中國(guó)農(nóng)村商業(yè)銀行是由農(nóng)村信用社改制而來(lái)，定位于服務(wù)“三農(nóng)”、中小企業(yè)和地方經(jīng)濟(jì)發(fā)展，以往文獻(xiàn)主要對(duì)其經(jīng)營(yíng)過(guò)程中存在的問(wèn)題和效率進(jìn)行考察。陸建生(2004)認(rèn)為農(nóng)村商業(yè)銀行經(jīng)營(yíng)范圍受限、地方產(chǎn)業(yè)結(jié)構(gòu)單一、農(nóng)業(yè)本身弱質(zhì)性使其面臨了較大的經(jīng)營(yíng)風(fēng)險(xiǎn)且無(wú)法有效分散。[9](P13～14)蔣定之(2008)指出農(nóng)村商業(yè)銀行存在歷史遺留問(wèn)題，內(nèi)部管理和風(fēng)險(xiǎn)控制制度不完善,可以通過(guò)相互競(jìng)爭(zhēng)達(dá)到革新體制機(jī)制的目的。[10](P8～10)肖斌卿、李心丹、顏建曄(2017)為研究農(nóng)村商業(yè)銀行實(shí)現(xiàn)財(cái)務(wù)可持續(xù)和服務(wù)“三農(nóng)”的雙重目標(biāo)的關(guān)系，分別測(cè)算其商業(yè)效率和社會(huì)效率后發(fā)現(xiàn)兩者呈U型關(guān)系，農(nóng)村商業(yè)銀行的貸款市場(chǎng)份額、資產(chǎn)經(jīng)營(yíng)規(guī)模、營(yíng)運(yùn)成本是決定商業(yè)效率和社會(huì)效率是否同時(shí)有效的主要因素。[11](P117～129)宋波、華桂宏(2019)使用省內(nèi)區(qū)域差異具有代表性的江蘇省農(nóng)村商業(yè)銀行的面板數(shù)據(jù)分析支農(nóng)貸款的投放效率，認(rèn)為人口密度較高、第一產(chǎn)業(yè)GDP占比較高是支農(nóng)貸款運(yùn)用效率較高的一般原因。[12](P22～28，35)

總的來(lái)說(shuō)，上述研究從多個(gè)角度考察銀行不良貸款率的影響因素，這為本文研究奠定了堅(jiān)實(shí)的理論基礎(chǔ)，但尚存在可完善之處：第一，現(xiàn)有研究主要基于時(shí)間序列數(shù)據(jù)，探究某一家銀行或銀行整體不良貸款率的影響因素，而未考慮到銀行間的差異性；第二，上述文獻(xiàn)的研究對(duì)象集中在國(guó)有大型商業(yè)銀行，而農(nóng)村商業(yè)銀行作為中國(guó)農(nóng)村金融體系的重要組成部分，在發(fā)展歷程和經(jīng)營(yíng)對(duì)象方面具有一定特殊性，其不良貸款率偏高問(wèn)題卻少被討論到。因此，本文擬利用面板數(shù)據(jù)，從區(qū)域經(jīng)濟(jì)狀況、金融發(fā)展?fàn)顩r、銀行經(jīng)營(yíng)行為方面對(duì)農(nóng)村商業(yè)銀行不良貸款率的影響因素進(jìn)行實(shí)證研究?？紤]到農(nóng)村商業(yè)銀行歷史包袱重、業(yè)務(wù)圍繞著服務(wù)“三農(nóng)”和小微企業(yè)開(kāi)展的特點(diǎn)，在模型回歸分析的基礎(chǔ)上，從政府、金融監(jiān)管部門(mén)和銀行自身角度給出合理建議。

二、研究設(shè)計(jì)

(一)樣本選取與變量設(shè)定

考慮到數(shù)據(jù)的代表性和可獲得性，本文選取9家不同地域的農(nóng)村商業(yè)銀行作為研究對(duì)象，以其2010～2018年的不良貸款率組成的面板數(shù)據(jù)為樣本，定量分析影響農(nóng)村商業(yè)銀行不良貸款率的因素。鑒于宏觀性指標(biāo)只能反映國(guó)家總體大環(huán)境的變動(dòng)，掩蓋了差異性，本文傾向于選取能反映區(qū)域特征的中觀指標(biāo)和銀行個(gè)體特征的微觀指標(biāo)作為解釋變量，具體從區(qū)域經(jīng)濟(jì)狀況、金融發(fā)展?fàn)顩r、銀行經(jīng)營(yíng)行為三個(gè)方面選取了九個(gè)指標(biāo)，其中，區(qū)域狀況指標(biāo)的相關(guān)數(shù)據(jù)整理來(lái)源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)和國(guó)家統(tǒng)計(jì)局網(wǎng)站，銀行特征指標(biāo)數(shù)據(jù)來(lái)源于前瞻數(shù)據(jù)庫(kù)。變量定義詳見(jiàn)表1。

表1 變量說(shuō)明

(二)不良貸款影響因素模型設(shè)計(jì)

商業(yè)銀行當(dāng)期不良貸款率值對(duì)前期水平有很大依賴性，參考Louzis等(2012)的相關(guān)研究成果[2](P1 012～1 027)，本文在上述所列影響因素的基礎(chǔ)上引入了不良貸款率的滯后值作為模型解釋變量，構(gòu)建了動(dòng)態(tài)面板數(shù)據(jù)模型。

nplrit=ηi+anplri,t-1+βXit′+εit，

(1)

其中，|α|<1，i=1,2…,8，t=1,2…,9，Xit′表示上述所列的影響因素變量觀測(cè)值的矩陣，β為Xit′的系數(shù)向量。

考慮到變量差分值能直接反映變量的動(dòng)態(tài)變化情況，采用不良貸款率差分值建立的模型可能較好識(shí)別影響不良貸款率的因素，本文進(jìn)一步建立了不良貸款率差分值的面板模型。

dnplrit=ηi+αdnplri,t-1+βXit′+εit。

(2)

三、實(shí)證分析

(一)描述性分析

由圖1不難看出，農(nóng)村商業(yè)銀行不良貸款率值總體上呈現(xiàn)先下降后上升的變化趨勢(shì)。2014年以前，除個(gè)別家農(nóng)商行外，不良貸款率水平均有明顯的下降，而到2014～2018年間，各家銀行不良貸款率又都出現(xiàn)了不同程度地上升。對(duì)此，本文認(rèn)為這與2008年全球金融危機(jī)爆發(fā)后中央政府推出的四萬(wàn)億投資計(jì)劃密切相關(guān)，當(dāng)中央政府釋放出刺激經(jīng)濟(jì)的信號(hào)后，地方政府也紛紛跟隨，實(shí)際入市的資金已遠(yuǎn)遠(yuǎn)超出了四萬(wàn)億，使得中國(guó)經(jīng)濟(jì)迅速走出低谷，銀行的不良貸款率相應(yīng)也有所下降，但同時(shí)這種高耗費(fèi)、低效益的增長(zhǎng)也帶了巨大的隱患。隨著對(duì)經(jīng)濟(jì)新常態(tài)的認(rèn)識(shí)加深，2015年中央開(kāi)始實(shí)施供給側(cè)結(jié)構(gòu)性改革，提出“三去一降一補(bǔ)”的五大任務(wù)，隱匿的不良資產(chǎn)浮現(xiàn)導(dǎo)致了不良貸款率的回升。

圖1 2010～2018年9家農(nóng)商行不良貸款率變化趨勢(shì)

(二)平穩(wěn)性檢驗(yàn)

依據(jù)平穩(wěn)序列建模原則，對(duì)選定的變量執(zhí)行單位根檢驗(yàn)，判斷數(shù)列平穩(wěn)性，防止出現(xiàn)偽回歸。面板數(shù)據(jù)的單位根檢驗(yàn)方法分為兩大類(lèi)，一類(lèi)是假定各截面序列有相同單位根時(shí)的檢驗(yàn)，包括LLC檢驗(yàn)、Breitung檢驗(yàn)、Hadri檢驗(yàn)；另一類(lèi)為允許各截面序列有不同單位根的檢驗(yàn)，包括Im-Pesaran-Shin檢驗(yàn)、Fisher-ADF檢驗(yàn)和Fisher-PP檢驗(yàn)。[13](P78)在本文中，將同時(shí)執(zhí)行相同根條件下的LLC檢驗(yàn)和不同根條件下的Fisher-ADF檢驗(yàn)，以避免單一方法可能造成的缺點(diǎn)。通過(guò)表2中變量原序列的單位根檢驗(yàn)結(jié)果可知，在1%的顯著性水平下，各變量均存在單位根，是非平穩(wěn)的。因此，考慮對(duì)經(jīng)一階差分后的變量序列再次執(zhí)行單位根檢驗(yàn)，結(jié)果在1%的顯著性水平上均拒絕了原假設(shè)，即都沒(méi)有單位根，各變量均為一階單整的，由此為進(jìn)一步的協(xié)整關(guān)系測(cè)試提供了依據(jù)。

表2 單位根檢驗(yàn)結(jié)果

注：*、**、***分別表示在10%、5%、1%的水平上顯著，下同。

(三)協(xié)整關(guān)系檢驗(yàn)

非平穩(wěn)變量序列之間存在的長(zhǎng)期均衡關(guān)系稱為協(xié)整，有理論表明基于一組非平穩(wěn)但有著協(xié)整關(guān)系的序列直接建立回歸模型，得到的參數(shù)估計(jì)量會(huì)以更快的速度收斂于真實(shí)值，即具有超一致性。[13](P78)表3為運(yùn)用Kao方法對(duì)模型(1)、(2)中所涉及的變量進(jìn)行協(xié)整關(guān)系檢驗(yàn)的結(jié)果，其中檢驗(yàn)統(tǒng)計(jì)量的P值均小于1%，應(yīng)在99%置信度下拒絕“不存在協(xié)整關(guān)系”的原假設(shè)，認(rèn)為面板變量間存在長(zhǎng)期均衡關(guān)系，可以直接進(jìn)行參數(shù)估計(jì)。

表3 協(xié)整檢驗(yàn)結(jié)果

(四)動(dòng)態(tài)面板模型估計(jì)結(jié)果分析

采用傳統(tǒng)方法對(duì)動(dòng)態(tài)面板模型進(jìn)行參數(shù)估計(jì)，由于解釋變量中包含被解釋變量滯后值導(dǎo)致的內(nèi)生性問(wèn)題，將會(huì)得到有偏、非一致的結(jié)果，參考以往文獻(xiàn)，本文將采用GMM方法以解決這一問(wèn)題。在使用GMM方法進(jìn)行動(dòng)態(tài)面板回歸過(guò)程中，需要運(yùn)用Sargan統(tǒng)計(jì)量對(duì)新增工具變量的有效性進(jìn)行檢驗(yàn)，并判斷擾動(dòng)項(xiàng)的差分序列是否存在二階或更高階的自相關(guān)，以保證獲得的是有效、一致的估計(jì)，具體的回歸、檢驗(yàn)結(jié)果見(jiàn)表4。

表4 不良貸款率影響因素回歸結(jié)果

注：L1表示被解釋變量的一階滯后值。

由較高的AR(2)測(cè)試值可以認(rèn)為模型擾動(dòng)項(xiàng)的差分沒(méi)有二階及以上自相關(guān)問(wèn)題，大于10%的Sargan統(tǒng)計(jì)量也證明了兩種GMM方法中所選用工具變量的有效性，上述的模型設(shè)置和估計(jì)方法是合適的。通過(guò)比較變量回歸參數(shù)的顯著性發(fā)現(xiàn)，僅有模型(2)的系統(tǒng)GMM回歸結(jié)果多數(shù)通過(guò)了5%的顯著性檢驗(yàn)，因此本文針對(duì)模型(2)的系統(tǒng)GMM回歸結(jié)果做研究分析。

從被解釋變量的滯后項(xiàng)來(lái)看，估計(jì)參數(shù)顯著為正，一方面表明在模型解釋變量中設(shè)置不良貸款率滯后期值是適當(dāng)?shù)?，另一方面也證明了當(dāng)期不良貸款率值與前期水平的正相關(guān)關(guān)系，大于0.6的回歸系數(shù)也反映出兩者間的依賴關(guān)系較強(qiáng)，倘若銀行前期不良貸款率過(guò)快增長(zhǎng)會(huì)給銀行后續(xù)經(jīng)營(yíng)造成壓力，這點(diǎn)與現(xiàn)實(shí)情況是相符的。

從區(qū)域經(jīng)濟(jì)狀況因素來(lái)看，生產(chǎn)總值增長(zhǎng)率、就業(yè)水平對(duì)當(dāng)?shù)剞r(nóng)村商業(yè)銀行不良貸款率變動(dòng)的影響均不顯著，只有農(nóng)業(yè)產(chǎn)值增速在5%的顯著性水平下通過(guò)了檢驗(yàn)，小于零的回歸系數(shù)表明了兩者間呈反向相關(guān)，即農(nóng)業(yè)產(chǎn)值提高，該地區(qū)農(nóng)村商業(yè)銀行的不良貸款率呈下降趨勢(shì)，這是因?yàn)檗r(nóng)村商業(yè)銀行著力于服務(wù)當(dāng)?shù)亍叭r(nóng)”發(fā)展，銀行的資產(chǎn)質(zhì)量與農(nóng)業(yè)行業(yè)狀況關(guān)系更為密切。

從金融因素出發(fā)，回歸結(jié)果顯示信貸規(guī)模擴(kuò)大對(duì)不良貸款率的降低有促進(jìn)作用，對(duì)此的解釋是：雖然信貸過(guò)快膨脹意味著銀行會(huì)放松信貸準(zhǔn)入條件，由此導(dǎo)致貸款平均違約風(fēng)險(xiǎn)增大，但不良貸款顯現(xiàn)的時(shí)間通常在幾年以后，即銀行不良貸款額的增加與貸款總額的增加間存在時(shí)滯。因此，當(dāng)期的不良貸款率水平隨著分母貸款總額增加有所下降。此外，數(shù)據(jù)顯示金融深度因素對(duì)不良貸款率的影響并不顯著。

從銀行特征因素出發(fā)，cl、gt、dl的系數(shù)均為正，即在外部環(huán)境相同的條件下，銀行貸款投向集中、信用貸款及互保聯(lián)保貸款占比過(guò)大、多元化經(jīng)營(yíng)都會(huì)增大銀行的經(jīng)營(yíng)風(fēng)險(xiǎn)，使不良貸款率攀升，與前文的總結(jié)較為一致。

四、結(jié)論與啟示

本文較為全面地從三個(gè)角度探討影響農(nóng)村商業(yè)銀行不良貸款率的因素，并用2010～2018年9家不同地域農(nóng)村商業(yè)銀行的面板數(shù)據(jù)進(jìn)行了實(shí)證檢驗(yàn)。通過(guò)將不良貸款率和不良貸款率變動(dòng)趨勢(shì)(即差分值)作為解釋變量，運(yùn)用基于GMM方法的動(dòng)態(tài)模型進(jìn)行回歸得出：農(nóng)業(yè)發(fā)展?fàn)顩r、信貸擴(kuò)張、銀行多元化經(jīng)營(yíng)水平、貸款的集中程度與擔(dān)保方式都會(huì)對(duì)農(nóng)村商業(yè)銀行不良貸款率產(chǎn)生顯著性影響。具體看，農(nóng)業(yè)產(chǎn)值增長(zhǎng)、信貸規(guī)模擴(kuò)大對(duì)農(nóng)村商業(yè)銀行不良貸款率的降低有正向作用，銀行業(yè)務(wù)范圍過(guò)寬、貸款投向集中、信用貸款及互保聯(lián)保貸款占比過(guò)大都會(huì)增大銀行經(jīng)營(yíng)壓力，不利于降低不良貸款率水平，而經(jīng)濟(jì)總產(chǎn)值增長(zhǎng)快、就業(yè)形勢(shì)好的地方農(nóng)村商業(yè)銀行不良貸款率無(wú)顯著變動(dòng)趨勢(shì)。

基于以上實(shí)證檢驗(yàn)結(jié)果，聯(lián)系農(nóng)村商業(yè)銀行經(jīng)營(yíng)現(xiàn)狀和中國(guó)經(jīng)濟(jì)新常態(tài)的發(fā)展背景，得出如下啟示。

第一，政府應(yīng)完善政策，加大支農(nóng)力度。農(nóng)村商業(yè)銀行貼近社區(qū)，在服務(wù)“三農(nóng)”方面發(fā)揮著積極作用。受制于農(nóng)業(yè)固有的弱質(zhì)性，農(nóng)村商業(yè)銀行的支農(nóng)貸款不良率也相對(duì)較高，政府部門(mén)可以向農(nóng)村商業(yè)銀行投放專(zhuān)項(xiàng)資金用于農(nóng)戶貸款，并就自然災(zāi)害等因素造成的風(fēng)險(xiǎn)損失給予銀行一定的補(bǔ)償，從而加大對(duì)農(nóng)村商業(yè)銀行、農(nóng)村經(jīng)濟(jì)的支持。

第二，銀行監(jiān)管部門(mén)應(yīng)強(qiáng)化資本約束，實(shí)現(xiàn)貸款平穩(wěn)增長(zhǎng)。根據(jù)以上分析，信貸規(guī)模擴(kuò)張雖然會(huì)使當(dāng)期不良貸款率有所下降，但同時(shí)會(huì)帶來(lái)隱性不良貸款的增加，加劇銀行未來(lái)的信貸違約風(fēng)險(xiǎn)。因此，銀行監(jiān)管部門(mén)應(yīng)當(dāng)充分重視對(duì)銀行信貸投規(guī)模的監(jiān)督管理。首先，可以使用一些審慎監(jiān)管工具控制經(jīng)濟(jì)周期各階段內(nèi)的信貸投放量，避免發(fā)生過(guò)度借貸；其次，信貸增速可以被列為銀行不良貸款率的預(yù)警指標(biāo)，幫助監(jiān)管部門(mén)提前實(shí)施干預(yù)；最后，強(qiáng)化各項(xiàng)風(fēng)險(xiǎn)指標(biāo)，將銀行不良貸款率、核心資本充足率嚴(yán)格限定在可控水平范圍內(nèi)，并定期對(duì)影響長(zhǎng)期經(jīng)營(yíng)的指標(biāo)進(jìn)行檢查，全面提高銀行信貸資產(chǎn)質(zhì)量。

第三，農(nóng)村商業(yè)銀行應(yīng)實(shí)施精準(zhǔn)管控，增強(qiáng)風(fēng)險(xiǎn)抵御能力。從農(nóng)村商業(yè)銀行自身角度來(lái)說(shuō)，可以基于以往積累的業(yè)務(wù)數(shù)據(jù)，依托新興的互聯(lián)網(wǎng)大數(shù)據(jù)、云計(jì)算等手段，構(gòu)建小微企業(yè)信用評(píng)分模型，實(shí)現(xiàn)精準(zhǔn)放貸、實(shí)時(shí)追蹤。此外，基于前文分析，信貸維度拓寬會(huì)加劇經(jīng)營(yíng)的不穩(wěn)定性，農(nóng)村商業(yè)銀行應(yīng)嚴(yán)格遵守跨區(qū)經(jīng)營(yíng)限制，把經(jīng)營(yíng)注意力放在當(dāng)?shù)亍叭r(nóng)”上，把經(jīng)營(yíng)重心放在當(dāng)?shù)禺a(chǎn)業(yè)經(jīng)濟(jì)上，避免盲目的業(yè)務(wù)擴(kuò)張。最后，新常態(tài)下面對(duì)宏觀經(jīng)濟(jì)增速放緩、企業(yè)違約風(fēng)險(xiǎn)加劇，農(nóng)村商業(yè)銀行應(yīng)努力提高自有資本充足率以及撥備覆蓋率，一旦損失實(shí)際發(fā)生，銀行可以依托自身財(cái)力化解風(fēng)險(xiǎn)。

注 釋?zhuān)?/p>

①數(shù)據(jù)來(lái)源于前瞻數(shù)據(jù)庫(kù)。