公眾預(yù)期與不良貸款

鄧啓平

【摘要】經(jīng)濟(jì)新常態(tài)下銀行業(yè)要充分認(rèn)識不良貸款反彈的趨勢，切實(shí)防范化解風(fēng)險隱患。但是目前還未有從公眾預(yù)期角度來分析商業(yè)銀行不良貸款波動趨勢的研究。本文借助中國人民銀行調(diào)查統(tǒng)計司對儲戶、銀行家、企業(yè)家等公眾的問卷調(diào)查季度數(shù)據(jù)，運(yùn)用VAR模型進(jìn)行實(shí)證，試圖做出嘗試。結(jié)果表明，公眾的就業(yè)、收入信心對不良貸款率波動趨勢的影響最強(qiáng)；銀行家對行業(yè)的信心同時影響著商業(yè)銀行信貸行為的決策，企業(yè)的貸款需求與不良貸款率正向相關(guān)。為降低商業(yè)銀行的不良貸款率，應(yīng)對公眾預(yù)期進(jìn)行顯性刻畫，運(yùn)用針對性的措施糾正公眾的預(yù)期偏差以控制商業(yè)銀行的信貸風(fēng)險。

【關(guān)鍵詞】公眾預(yù)期 不良貸款 時間序列 協(xié)整分析 VAR模型

一、引言

金融資產(chǎn)質(zhì)量是實(shí)體經(jīng)濟(jì)運(yùn)行的風(fēng)向標(biāo)。近年來實(shí)體經(jīng)濟(jì)積累的一些壓力已經(jīng)越來越多反映到銀行信貸質(zhì)量上，典型表現(xiàn)就是銀行業(yè)不良貸款余額和比率持續(xù)“雙升”。截至2014年末，我國商業(yè)銀行不良貸款余額達(dá)8426億元，已連續(xù)12個季度上升；不良貸款率為1.25%，較年初上升0.22個百分點(diǎn)。要清醒地認(rèn)識到，未來一段時期，經(jīng)濟(jì)運(yùn)行中的困難可能在金融領(lǐng)域進(jìn)一步顯現(xiàn)。

衡量商業(yè)銀行金融資產(chǎn)質(zhì)量的直接指標(biāo)就是不良貸款率，然而不良貸款成因與對策的研究始終是業(yè)界研究的焦點(diǎn)，許多學(xué)者從不同理論與實(shí)踐角度，分析和闡述了造成商業(yè)銀行不良貸款形成原因，但是鮮有學(xué)者從公眾預(yù)期層面對不良貸款的影響效應(yīng)進(jìn)行分析，故本文的研究角度具有明顯的新意。

本文基于中國人民銀行調(diào)查統(tǒng)計司對儲戶、銀行家、企業(yè)家等公眾的問卷調(diào)查的2009Q1-2015Q3的季度數(shù)據(jù)，借助時間序列模型，通過實(shí)證分析發(fā)現(xiàn)：公眾對未來的就業(yè)信心、收入預(yù)期、銀行景氣信心及企業(yè)家對企業(yè)未來的發(fā)展前景、貸款需求程度、資金周轉(zhuǎn)效率對商業(yè)銀行的不良貸款率的波動有著明顯的影響。進(jìn)一步地，公眾的就業(yè)、收入信心對不良貸款率波動趨勢的影響最強(qiáng)；銀行家對行業(yè)的信心同時影響著商業(yè)銀行信貸行為的決策，企業(yè)的貸款需求與不良貸款率正向相關(guān)。在實(shí)體經(jīng)濟(jì)不振情況下，公眾行為成為了商業(yè)銀行經(jīng)營困境一個重要關(guān)注點(diǎn)。

論文的結(jié)構(gòu)安排如下：第二部分進(jìn)行相關(guān)研究回顧；第三部分是變量解釋與實(shí)證過程；第四部分是結(jié)論與啟示。

二、相關(guān)文獻(xiàn)綜述

國內(nèi)外大量的實(shí)證研究結(jié)果表明，商業(yè)銀行不良貸款產(chǎn)生的原因是多方面的，既有體制方面的原因，也有經(jīng)營方面的原因?？傮w來說，大致分為銀行外部因素和內(nèi)部因素的影響。

（一）外部因素與不良貸款

第一，政府行政干預(yù)。李建軍等（1998）分析認(rèn)為，政府主導(dǎo)型經(jīng)濟(jì)發(fā)展模式是國有商業(yè)銀行不良信貸資產(chǎn)產(chǎn)生的根源。政治晉升的激勵、地方分權(quán)和財政分成制的改革構(gòu)成了政府干預(yù)的動機(jī)和能力

第二，社會信用基礎(chǔ)薄弱，，企業(yè)逃廢債嚴(yán)重.由于市場經(jīng)濟(jì)體制不完善，信用文化在我國一直處于較薄弱的狀態(tài)，主要表現(xiàn)在商業(yè)銀行信用風(fēng)險管理觀念的落后、信用評級體系的嚴(yán)重匱乏，整體社會信用道德相對較低等幾個方。

第三，金融體系不健全，金融風(fēng)險過度集中于間接融資體系。盡管社會對信用的需求多樣化，但我國的融資體制由國家通過國有銀行高度壟斷，大多數(shù)信用需求最終都只能由銀行貸款或間接性貸款來滿足。

第四，國家宏觀經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整和經(jīng)濟(jì)形勢變化的影響。宏觀貨幣政策與銀行風(fēng)險承擔(dān)呈顯著的負(fù)相關(guān)關(guān)系，規(guī)模越大、資本越充足的銀行抵御風(fēng)險的能力越強(qiáng)，擴(kuò)張性的貨幣政策會刺激銀行風(fēng)險；同時，法律保護(hù)水平越高，銀行信貸規(guī)模越大，銀行業(yè)績也更好國內(nèi)生產(chǎn)總值、財政收入、居民消費(fèi)價格指數(shù)、貨幣供應(yīng)量股票價格指數(shù)、國有企業(yè)利潤等宏觀經(jīng)濟(jì)因素與商業(yè)銀行的不良貸款率都存在較強(qiáng)的負(fù)相關(guān)關(guān)系房價與銀行信貸風(fēng)險存在著正相關(guān)關(guān)系在我國，提高利率會推高商業(yè)銀行不良貸款率

（二）內(nèi)部因素與不良貸款

第一，國有商業(yè)銀行產(chǎn)權(quán)結(jié)構(gòu)不合理。產(chǎn)權(quán)制度的不合理是導(dǎo)致國有商業(yè)銀行效率低下的一個根本性問題，產(chǎn)權(quán)關(guān)系不明晰是國有商業(yè)銀行巨額不良貸款存在的根源目前國有商業(yè)銀行的產(chǎn)權(quán)是以行政授予而非資產(chǎn)授權(quán)實(shí)現(xiàn)的，其產(chǎn)權(quán)為臨時產(chǎn)權(quán)，國家仍是單一的所有者，，最終導(dǎo)致無約束的信貸管理。其嚴(yán)重后果是信貸在不斷擴(kuò)張的同時，不良貸款也在不斷產(chǎn)生此外，股權(quán)集中度與不良貸款存在顯著的關(guān)聯(lián)關(guān)系，相對集中的股權(quán)與不良貸款率呈負(fù)相關(guān)。

第二，銀行效率、多元化水平、資本充足率等特征因素也能顯著影響上市銀行不良貸款水平。更進(jìn)一步地，銀行的利潤效率的提高可以顯著降低其不良貸款水平，而多元化水平與銀行不良貸款之間卻存在顯著的正相關(guān)關(guān)系。

盡管以上的研究因素已經(jīng)涉及到多個方面，卻沒有與公眾預(yù)期相關(guān)的任何描述，因此還需要新的研究思路。

三、變量解釋與實(shí)證分析

（一）變量解釋

在變量的選擇上，本文選取中國人民銀行公布的全國商業(yè)銀行的平均不良貸款率（用B-loan表示）為模型的被解釋變量，來反映商業(yè)銀行的信貸風(fēng)險狀況。解釋變量則從中國人民銀行調(diào)查統(tǒng)計司在每季度對公民所做的調(diào)查問卷“城鎮(zhèn)儲戶問卷”、“企業(yè)家問卷”、“銀行家問卷”中選取了反映公眾預(yù)期的6個指標(biāo)：未來收入信心指數(shù)、未來就業(yè)預(yù)期指數(shù)、銀行業(yè)景氣指數(shù)、貸款總體需求指數(shù)、資金周轉(zhuǎn)指數(shù)、經(jīng)營景氣指數(shù)。由于數(shù)據(jù)的量差影響了數(shù)據(jù)的可比性，不便于趨勢觀察，本文將（各指數(shù)-50）作為新的解釋變量，即收入信心指數(shù)（用income表示）、就業(yè)預(yù)期指數(shù)（用employment表示）、銀行景氣指數(shù)（用bank表示）、貸款需求指數(shù)（用loan表示）、資金周轉(zhuǎn)效率（用fund表示）、經(jīng)營景氣程度（用manage表示）。

為排除金融危機(jī)對序列的影響，本文樣本數(shù)據(jù)選取了2009年第一季度到2015年第3季度的季度數(shù)據(jù)。本文收集的商業(yè)銀行不良貸款率數(shù)據(jù)均來自中國銀行監(jiān)督委員會的官網(wǎng)。

（二）實(shí)證過程

本文運(yùn)用Eviews7.2軟件對樣本數(shù)據(jù)進(jìn)行分析。

由于選用的樣本數(shù)據(jù)是時間序列，為避免出現(xiàn)偽回歸現(xiàn)象，首先要多變量進(jìn)行平穩(wěn)性檢驗(yàn)。

平穩(wěn)性檢驗(yàn)。 分別對各變量作ADF檢驗(yàn)，檢驗(yàn)結(jié)果見表2。

表1 序列平穩(wěn)性檢驗(yàn)

注：檢驗(yàn)類型（C，T，P）中C、T、P分別代表帶有常數(shù)項(xiàng)、趨勢項(xiàng)和所采用的滯后階數(shù)，滯后期根據(jù)AIC信息準(zhǔn)則取值最小原則確定。

如表1所示，在5%的顯著性水平下，所選變量大都不能拒絕原假設(shè)，其中bank、loan、manage、B-loan均為非平穩(wěn)時間序列。

因此，對檢驗(yàn)非平穩(wěn)的時間序列進(jìn)行一階差分轉(zhuǎn)換，對各變量的一階差分序列進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果見表2檢驗(yàn)結(jié)果顯示，在5%的顯著性水平下，所有變量的一階差分序列在ADF檢驗(yàn)中都拒絕了存在單位根的假設(shè)，說明原序列的一階差分序列是平穩(wěn)的，也即原序列是一階單整時間序列。

表2 一階差分平穩(wěn)性檢驗(yàn)

協(xié)整分析：

（1）協(xié)整檢驗(yàn)：經(jīng)過以上的分析，可以看到，B-loan、income、employment、bank、loan、fund、manage存在著一階差分平穩(wěn)的現(xiàn)象，而使用差分形式變換為平穩(wěn)序列會忽略了原序列中所包含的有用信息，使得差分形式的關(guān)系式所描述的經(jīng)濟(jì)現(xiàn)象只是短期狀態(tài)，因而需進(jìn)行協(xié)整檢驗(yàn)，以判斷所研究變量間是否存在長期穩(wěn)定關(guān)系。協(xié)整關(guān)系確定結(jié)果如表3、表4所示：

表3 Johansen協(xié)整檢驗(yàn)結(jié)果（跡檢驗(yàn)）

注：None表示不存在協(xié)整關(guān)系，At most 1表示至多存在一個協(xié)整關(guān)系，以此類推；*表示在5%顯著性水平下拒絕原假設(shè)

表4 Johansen協(xié)整檢驗(yàn)結(jié)果（最大特征值檢驗(yàn)）

注：None表示不存在協(xié)整關(guān)系，At most 1表示至多存在一個協(xié)整關(guān)系，以此類推；*表示在5%顯著性水平下拒絕原假設(shè)

表3和表4的檢驗(yàn)結(jié)果表明：在給定5%的顯著性水平下，無論是跡檢驗(yàn)還是最大特征檢驗(yàn)，檢驗(yàn)結(jié)果都接受B-loan、income、employment、bank、loan、fund、manage 7個變量間至少存在一個協(xié)整關(guān)系，我們通常取第一個似然比協(xié)整關(guān)系，協(xié)整回歸結(jié)果如下：

表5 標(biāo)準(zhǔn)化協(xié)整回歸結(jié)果

協(xié)整方程為：B-loan=0.001737*manage-0.00271*fund+

0.00048*loan-0.001461*bank-0.003158*employment+0.0046

*income

從協(xié)整方程可以看出，employment、bank、fund與B-loan是呈負(fù)相關(guān)的，manage、loan、income都影響著B-loan。收入信心指數(shù)彈性為0.0046，表明收入信心指數(shù)每增長一個百分點(diǎn)，不良貸款率將提高0.0046%；其余結(jié)果以此類推，不再贅述。6個指標(biāo)的結(jié)果在統(tǒng)計學(xué)上具有顯著意義，因此它們間存在穩(wěn)定的長期相關(guān)關(guān)系，可用VAR模型研究其內(nèi)在機(jī)理。

（2）格蘭杰因果檢驗(yàn)。為確定變量間是否存在因果關(guān)系，對選取的被解釋變量與各解釋變量進(jìn)行Granger因果關(guān)系檢驗(yàn)。

如表6所示，在滯后2期、5%的置信區(qū)間的情況下，B-loan與各解釋變量間均存在單向因果關(guān)系，即income、employment、bank、loan、fund、manage的變化都會引起B(yǎng)-loan的變化。

表6 格蘭杰因果關(guān)系檢驗(yàn)結(jié)果

VAR模型：

本文選用VAR模型來具體分析各解釋變量對B-loan的影響。VAR模型是通過把系統(tǒng)內(nèi)每一個變量作為系統(tǒng)中所有內(nèi)生變量滯后值的函數(shù)來構(gòu)造模型以動態(tài)地分析系統(tǒng)內(nèi)各變量相關(guān)關(guān)系和動態(tài)預(yù)測各變量之間的相互關(guān)系。

（1）模型滯后階數(shù)的確定。本文采取AIC和SC最小的準(zhǔn)則確定滯后階數(shù)，在Eviews7.2中輸入最大的滯后階數(shù)，結(jié)果如表7所示，表7給出了直至最大滯后階數(shù)的各種信息標(biāo)準(zhǔn)，用*表示從每一列標(biāo)準(zhǔn)中選的滯后階數(shù)。

表7 VAR模型滯后階數(shù)檢驗(yàn)結(jié)果

由表可知，根據(jù)AIC和SC原則，結(jié)果都顯示合理階數(shù)為2階，所以本文的VAR模型選用的階數(shù)為2階。最終得到如下VAR方程：

B-loan=-0.000816*income（-1）-0.000171*income（-2）+

0.000434*employment（-1）+0.000169*employment（-2）+0.000069

*bank（-1）+0.000085*bank（-2）-0.000122*loan（-1）-0.000112

*loan（-2）-0.000331*fund（-1）-0.000066*fund（-2）+0.000178

*manage（-1）-0.000024*manage（-2）+0.238922*B-loan（-1）+

0.633110*B-loan（-2）+0.009867

其中，R-squared為0.994，Adj.R-squared為0.986，Log likelihood為127.666，表明模型擬合良好。

（2）VAR模型的平穩(wěn)性檢驗(yàn)。VAR模型的穩(wěn)定性要求其所有根模的倒數(shù)都小于1，即位于單位圓內(nèi)，如果模型不滿足穩(wěn)定性的條件，許多VAR分析將會失效。直觀起見，本文用Eviews7.2做出了單位圓的圖形，如圖1所示，滿足穩(wěn)定性條件，說明所建立的VAR模型是可靠的。

圖1 VAR模型的平穩(wěn)性檢驗(yàn)

（3）VAR模型方差分解分析。方差分解是通過分析每一個結(jié)構(gòu)沖擊對內(nèi)生變量變化的貢獻(xiàn)度，進(jìn)一步評價不同結(jié)構(gòu)沖擊的重要性。本文將利用方差分析的基本思想，分析income、emplo

-yment、bank、loan、fund、manage與B-loan對商業(yè)銀行不良貸款率變動的貢獻(xiàn)程度。運(yùn)用Eviews7.2進(jìn)行方差分析得到的結(jié)果如下。

表8 方差分解結(jié)果

對商業(yè)銀行不良貸款率影響程度主要受到income、employment、bank的影響，B-loan的自相關(guān)性下降明顯。Income、bank與B-loan之間的關(guān)聯(lián)性逐漸增強(qiáng)；其中收入信心指數(shù)的貢獻(xiàn)率超過了50%，是最強(qiáng)的，就業(yè)預(yù)期指數(shù)和銀行景氣指數(shù)次之；而貸款需求指數(shù)、資金周轉(zhuǎn)指數(shù)、經(jīng)營景氣指數(shù)與不良貸款率間的關(guān)聯(lián)性相對較弱，并且呈現(xiàn)逐漸減弱的趨勢。

四、結(jié)論與啟示

（一）實(shí)證檢驗(yàn)的結(jié)論

基于2009Q1-2015Q3我國商業(yè)銀行不良貸款率及公眾預(yù)期指標(biāo)數(shù)據(jù)分析結(jié)果表明：

我國商業(yè)銀行不良貸款率與未來收入信心指數(shù)、未來就業(yè)預(yù)期指數(shù)、銀行業(yè)景氣指數(shù)、貸款總體需求指數(shù)、資金周轉(zhuǎn)指數(shù)、經(jīng)營景氣指數(shù)間均存在長期穩(wěn)定的相關(guān)關(guān)系。

未來收入信心指數(shù)、貸款總體需求指數(shù)、企業(yè)經(jīng)營景氣指數(shù)與商業(yè)銀行不良貸款率呈正向相關(guān)，未來就業(yè)預(yù)期指數(shù)、銀行業(yè)景氣指數(shù)、企業(yè)資金周轉(zhuǎn)指數(shù)與不良貸款率有較強(qiáng)的負(fù)相關(guān)關(guān)系。

收入信心指數(shù)對不良貸款率波動的影響最強(qiáng)，就業(yè)預(yù)期指數(shù)和銀行景氣指數(shù)次之；而貸款需求指數(shù)、資金周轉(zhuǎn)指數(shù)、經(jīng)營景氣指數(shù)與不良貸款率間的關(guān)聯(lián)性相對較弱，并且呈現(xiàn)逐漸減弱的趨勢。

（二）啟示

經(jīng)濟(jì)發(fā)展仍然是中國未來的主旋律，但要把目標(biāo)重心從“總量的增長”轉(zhuǎn)換到“人均的增長”，但控制失業(yè)率仍然是宏觀政策的主要目標(biāo)。

加快金融業(yè)改革，經(jīng)濟(jì)新常態(tài)下銀行業(yè)要充分認(rèn)識到貸款增速回穩(wěn)、存貸利差收窄、社會融資方式轉(zhuǎn)變、不良貸款反彈、監(jiān)管“寬進(jìn)嚴(yán)管”五大趨勢，抓住機(jī)會，突破困境。

學(xué)習(xí)國外的先進(jìn)經(jīng)驗(yàn)，在宏觀經(jīng)濟(jì)預(yù)測模型中加入公眾預(yù)期的顯性刻畫；商業(yè)銀行應(yīng)隨著公眾預(yù)期的改變而調(diào)整自身的信貸風(fēng)險管理策略。

參考文獻(xiàn)：

[1] 李建軍，馮增煒，周學(xué)飛.國有商業(yè)銀行與全球同等規(guī)模商業(yè)銀行績效比較[J].金融時報，1998，（12）.

[2]陳暮紫.我國不良貸款違約損失率計量模型研究[D].中國科技大學(xué)博士論文，2010.

[3]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].財經(jīng)理論與實(shí)踐，2009.

[4]郭永濟(jì)，唐建民.房地產(chǎn)泡沫對商業(yè)銀行信貸風(fēng)險的影響研究[J].時代金融，2011，（12）.

[5]劉平，梁瑜.宏觀經(jīng)濟(jì)因素對商業(yè)銀行信貸風(fēng)險的影響分析[J].區(qū)域金融研究，2011，（2）.

[6]盧盼盼.利率與商業(yè)銀行不良貸款率波動研究[J].銀行管理，2012，（6）.

[7]王鵬.銀行風(fēng)險、貸款規(guī)模與法律保護(hù)水平[J].經(jīng)濟(jì)研究，2012，（5）.

[8]譚勁松，簡宇寅，陳穎.政府干預(yù)與不良貸款——以某國有商業(yè)銀行1988-2005年的數(shù)據(jù)為例[J].管理世界，2012，（7）.

[9]高宏霞，洪華霖，慕一君.股權(quán)集中度、貸款規(guī)模與銀行不良貸款率關(guān)系研究[J].財會研究，2013，（9）.

[10]索有.我國上市銀行不良貸款影響因素研究——基于動態(tài)面板數(shù)據(jù)模型[J].社會科學(xué)輯刊，2015，（2）.