借貸期內(nèi)農(nóng)戶還款行為分析——基于農(nóng)村商業(yè)信貸微觀數(shù)據(jù)的Cox模型實(shí)證研究

葉初升，鄒　欣

（武漢大學(xué)　經(jīng)濟(jì)發(fā)展研究中心/經(jīng)濟(jì)與管理學(xué)院，湖北　武漢　430072）

?

借貸期內(nèi)農(nóng)戶還款行為分析——基于農(nóng)村商業(yè)信貸微觀數(shù)據(jù)的Cox模型實(shí)證研究

葉初升，鄒欣

（武漢大學(xué)經(jīng)濟(jì)發(fā)展研究中心/經(jīng)濟(jì)與管理學(xué)院，湖北武漢430072）

摘要：涉農(nóng)不良貸款率偏高是困擾農(nóng)村金融服務(wù)的重要問(wèn)題。大多數(shù)研究文獻(xiàn)聚焦于分析不良貸款原因、討論違約損失率及不良貸款處置這樣的源頭與末端問(wèn)題，鮮有文獻(xiàn)動(dòng)態(tài)地研究借貸期內(nèi)借款人行為這個(gè)中間環(huán)節(jié)。從金融風(fēng)險(xiǎn)管理的角度看，這個(gè)被眾多研究者忽略的中間環(huán)節(jié)卻是非常關(guān)鍵的。利用中國(guó)農(nóng)業(yè)銀行某支行的農(nóng)戶商業(yè)信貸數(shù)據(jù)，圍繞借貸期內(nèi)銀行能夠掌握并有數(shù)據(jù)記載的借款人最近行為——第一次還款，引入重要的時(shí)間信息，以動(dòng)態(tài)的眼光，用Kaplan-Meier生存分析和Cox模型對(duì)數(shù)據(jù)進(jìn)行深度挖掘與信息解讀，力圖為預(yù)判不良貸款發(fā)生的可能性、預(yù)警和防范貸款到期后的違約風(fēng)險(xiǎn)提供可靠依據(jù)。

關(guān)鍵詞：不良貸款；農(nóng)戶商業(yè)信貸還款行為；Cox模型

近年來(lái)，我國(guó)涉農(nóng)金融機(jī)構(gòu)堅(jiān)持服務(wù)“三農(nóng)”的市場(chǎng)定位，不斷推進(jìn)農(nóng)村金融產(chǎn)品和服務(wù)創(chuàng)新，使農(nóng)村金融服務(wù)可獲得性有了較大的提升。不過(guò)，農(nóng)村金融仍然是我國(guó)金融體系中的薄弱環(huán)節(jié)，“成本高、風(fēng)險(xiǎn)高”依舊是困擾農(nóng)村金融服務(wù)“慢性重癥”。這種“慢性重癥”的一個(gè)突出表現(xiàn)就是不良貸款率居高不下?！吨袊?guó)農(nóng)村金融服務(wù)報(bào)告》（2012）顯示，截至2012年底，金融機(jī)構(gòu)涉農(nóng)貸款不良率2.4％，農(nóng)村信用社（含農(nóng)村商業(yè)銀行、農(nóng)村合作銀行）涉農(nóng)貸款不良率更是高達(dá)5.4％，遠(yuǎn)遠(yuǎn)高于我國(guó)商業(yè)銀行不良貸款率0.95％、銀行業(yè)金融機(jī)構(gòu)總體不良貸款率1.56％的水平。涉農(nóng)不良貸款率偏高，會(huì)嚴(yán)重地影響農(nóng)村金融機(jī)構(gòu)的可持續(xù)發(fā)展能力，削弱金融機(jī)構(gòu)發(fā)揮原本就不太健全的服務(wù)農(nóng)村經(jīng)濟(jì)的功能的積極性，因此，受到政府、金融界和學(xué)術(shù)界的高度關(guān)注。

值得注意的是，如果把不良貸款從形成到處置看做是一個(gè)過(guò)程，大多數(shù)研究文獻(xiàn)集中于分析不良貸款原因這樣的源頭問(wèn)題，也有不少文獻(xiàn)討論違約損失率及不良貸款處置這樣的末端問(wèn)題，但極少有文獻(xiàn)動(dòng)態(tài)地研究借貸期內(nèi)借款人行為這個(gè)中間環(huán)節(jié)，以及由此產(chǎn)生的不良貸款風(fēng)險(xiǎn)的預(yù)測(cè)評(píng)估問(wèn)題。

從金融風(fēng)險(xiǎn)管理的角度看，這個(gè)被眾多研究者忽略的中間環(huán)節(jié)卻是非常關(guān)鍵的。作為巴塞爾新資本協(xié)議三大支柱的關(guān)鍵因素之一，衡量不良資產(chǎn)的損失金額在風(fēng)險(xiǎn)不良資產(chǎn)所占比例的違約損失率，是在貸款到期之后才可以統(tǒng)計(jì)計(jì)算的。但是，從防范風(fēng)險(xiǎn)、降低風(fēng)險(xiǎn)的角度看，如果銀行能夠以某種方式根據(jù)借款人在借貸期內(nèi)泄露的某種信息，盡早發(fā)現(xiàn)和預(yù)判不良貸款發(fā)生的可能性，就可以及時(shí)地預(yù)警風(fēng)險(xiǎn)，并進(jìn)行有針對(duì)的處置和防范，從而降低不良貸款實(shí)際發(fā)生率。不僅如此，從這些信息中還能抽象出不良貸款風(fēng)險(xiǎn)的某些一般特征，從而為金融機(jī)構(gòu)評(píng)估借款人的信用水平，為銀行確定貸款額度、利率和貸款方式等提供依據(jù)。因此，剖析這一環(huán)節(jié)的理論意義與現(xiàn)實(shí)意義是不言而喻的。

當(dāng)然，眾多研究者忽略這個(gè)中間環(huán)節(jié)也是有原因的：其一，相對(duì)于宏觀數(shù)據(jù)而言，刻畫(huà)個(gè)體借貸行為的微觀數(shù)據(jù)本身就非常難得；其二，不同于借貸行為兩端的數(shù)據(jù)，借款人在借貸期內(nèi)的行為信息或數(shù)據(jù)更加難得；其三，分析處理借貸期內(nèi)的行為信息需要超越傳統(tǒng)的實(shí)證分析方法。在借貸期內(nèi)，不僅借款人的還款行為本身是重要信息，而且還款行為發(fā)生的時(shí)間也是非常重要的信息，但是，現(xiàn)有研究不良貸款文獻(xiàn)的一個(gè)共同的特征，就是靜態(tài)分析而非動(dòng)態(tài)研究，比如采用OLS或mlogit回歸等一般的實(shí)證分析方法，就會(huì)損失時(shí)間這樣的重要的信息。

利用中國(guó)農(nóng)業(yè)銀行某支行的農(nóng)戶商業(yè)信貸數(shù)據(jù)，圍繞借貸期內(nèi)銀行能夠掌握并有數(shù)據(jù)記載的借款人最近行為——第一次還款，引入重要的時(shí)間信息，以動(dòng)態(tài)的眼光，用Kaplan-Meier生存分析和Cox模型對(duì)數(shù)據(jù)進(jìn)行深度挖掘與信息解讀，試圖為預(yù)判不良貸款發(fā)生的可能性、預(yù)警和防范貸款到期后的違約風(fēng)險(xiǎn)提供可靠依據(jù)。

基本思路是，第一步，通過(guò)Cox模型，從貸款合同、農(nóng)戶自身狀況、還款情況以及所處宏觀環(huán)境四個(gè)方面，對(duì)影響農(nóng)戶商業(yè)信貸還款行為的因素進(jìn)行實(shí)證分析；第二步，分析農(nóng)戶第一次還款的發(fā)生與按期還款的相關(guān)性，若是第一次還款的發(fā)生與按期還款密切相關(guān)，那么銀行可以將對(duì)農(nóng)戶第一次還款行為的評(píng)估作為農(nóng)戶能否按期還款的事先預(yù)測(cè)，并由此建立一套預(yù)緊機(jī)制。結(jié)構(gòu)如下：第二部分對(duì)相關(guān)的文獻(xiàn)進(jìn)行了回顧和評(píng)價(jià)；第三部分介紹使用的模型、方法與數(shù)據(jù)。第四部分是數(shù)據(jù)說(shuō)明和變量的選??；第五部分是實(shí)證分析；最后是相應(yīng)的結(jié)論和政策建議。

一、文獻(xiàn)述評(píng)

不良貸款是影響銀行盈利能力的重要因素，也是誘發(fā)金融危機(jī)的重要指標(biāo)，因而一直是國(guó)內(nèi)外金融界和學(xué)術(shù)界密切關(guān)注的焦點(diǎn)問(wèn)題之一。如果把不良貸款從產(chǎn)生、形成到處置看做是一個(gè)過(guò)程，在研究不良貸款問(wèn)題的文獻(xiàn)中，絕大部分學(xué)者都把關(guān)注的焦點(diǎn)放在了這一過(guò)程的兩極。

現(xiàn)有文獻(xiàn)主要從三個(gè)角度研究了不良貸款的形成原因。其一，影響還款能力的宏觀因素，比如，經(jīng)濟(jì)增長(zhǎng)水平[1](p119-138)、實(shí)際利率[2](p65-76)和失業(yè)率[3](p1012-1027)等。其二，銀行層面因素。比如，銀行資本與貸款質(zhì)量、成本效率之間的因果關(guān)系[4](p849-870)，銀行內(nèi)部管理問(wèn)題[5](p135-148)，以及銀行的資本比率、規(guī)模、所有權(quán)集中度[6](p399-408)等。其三，借款者個(gè)人因素。比如，收入和健康狀況[7](p107-140)、還款記錄與信用等級(jí)[8](p1-47)。

在不良貸款的末端，違約損失率是巴塞爾新資本協(xié)議三大支柱的關(guān)鍵因素之一，因此受到銀行界和學(xué)術(shù)界的高度關(guān)注。這些研究主要集中于違約損失率或相對(duì)應(yīng)的回收率的影響因素以及對(duì)其進(jìn)行模擬和預(yù)測(cè)。影響違約損失率或回收率的因素有經(jīng)濟(jì)周期、GDP增長(zhǎng)率、就業(yè)率等宏觀因素[9](p171-182)；資產(chǎn)類型[10](p811-833)和合約年限[11](p923-933)等貸款特征等。關(guān)于對(duì)違約損失率或回收率的建模與預(yù)測(cè)方法，近幾年一直在不斷改進(jìn)中：Loterman等認(rèn)為非線性模型能夠顯著提高預(yù)測(cè)效果[12](p161-170)，Tobback等則對(duì)不同方法進(jìn)行了比較研究[13](p376–392)。另外，還有不少學(xué)者研究不良資產(chǎn)處置的問(wèn)題[14](p4-12)。

同時(shí)，也有一些學(xué)者研究了還款的主要影響因素。在貸款合同方面，Nawai和Shariff發(fā)現(xiàn)總貸款額度對(duì)還款有正向影響。[15](p806-811)Kar和Swain對(duì)71個(gè)國(guó)家2003年到2008年379個(gè)小微金融項(xiàng)目的研究發(fā)現(xiàn)，在利率的某個(gè)上限之內(nèi)，利率和還款績(jī)效之間呈顯著的正向關(guān)系；一旦超過(guò)這個(gè)上限，小微金融機(jī)構(gòu)的營(yíng)利能力會(huì)變?cè)?，欠款率?huì)增加。[16](p87-106)在借款人特征方面，Besley和Coate的研究發(fā)現(xiàn)，群體借貸對(duì)還款既有正效應(yīng)，也有負(fù)效應(yīng)：群體中營(yíng)利的成員可能愿意為沒(méi)有還款能力的成員還款（正效應(yīng)）；但是，一旦群體所有人都違約，那些在個(gè)人借貸中能還款的人也可能不會(huì)還款（負(fù)效應(yīng)）。[17](p1-18)Godquin在分析孟加拉國(guó)群體信貸還款時(shí)，發(fā)現(xiàn)群體年齡、貸款規(guī)模對(duì)還款有負(fù)向影響，但群體的同質(zhì)性對(duì)還款的影響并不顯著。[18](p1909-1926)Bhatt and Tang發(fā)現(xiàn)教育水平越高，借款人還款的可能性越高。[19](p360-376)Lyons和Fisher發(fā)現(xiàn)相對(duì)于非離異家庭而言，離異更可能發(fā)生違約行為，而小孩的撫養(yǎng)和老人的贍養(yǎng)則對(duì)違約率沒(méi)有影響。[20](p324-346)在制度與環(huán)境方面，研究者發(fā)現(xiàn)，商業(yè)正規(guī)性對(duì)還款有正向影響[15](p806-811)。Bhattacharjee和Rajeev在印度的實(shí)證表明，受過(guò)良好教育的借款者更愿意到正規(guī)信貸部分借款并及時(shí)還款；正規(guī)部門(mén)的生產(chǎn)資本貸款還款可能性比其他貸款要低。[21](p270-295)在促進(jìn)還款激勵(lì)的方式上，Bond和Rai認(rèn)為可循環(huán)貸款可以作為促進(jìn)借款者還款的有效激勵(lì)[22](p185-191)；違約代價(jià)越高，借款人還款的可能性越高[19](p360-376)；Cadot認(rèn)為抵押品，特別是土地抵押，可以促進(jìn)還款。[23](p344-358)

無(wú)論是分析不良貸款形成的原因，還是違約率或回收率及處置，都是一種總結(jié)教訓(xùn)、評(píng)估損失的事后分析。在方法論上，這些研究文獻(xiàn)有一個(gè)共同的特征，就是靜態(tài)分析而非動(dòng)態(tài)研究。在這些文獻(xiàn)中，因變量要么是二值變量，比如是否還款，要么就是多值變量，比如采用mlogit時(shí)，因變量為按時(shí)還款、拖欠或者違約，只考慮是否還款等離散狀態(tài)，沒(méi)有還款時(shí)間這樣的重要信息。

二、Cox模型

要分析借款人在時(shí)間窗口內(nèi)從借款到第一次還款轉(zhuǎn)換的影響因素及其影響程度，Cox模型提供便捷的分析工具。其因變量包括了首次還款是否發(fā)生，以及這種狀態(tài)轉(zhuǎn)換所需的時(shí)間。

假設(shè)為借款人第一次還款行為發(fā)生時(shí)間點(diǎn)。借款人在時(shí)尚未發(fā)生第一次還款，那么，在時(shí)間段內(nèi)第一次還款發(fā)生概率的極限，即時(shí)刻第一次還款的（瞬時(shí)）概率為：

以和分別表示借款人在內(nèi)第一次還款發(fā)生的概率密度函數(shù)和累積分布函數(shù)：

于是，借款人i在Ti≥t未發(fā)生第一次還款的狀態(tài)函數(shù)（即生存分析中的生存狀態(tài)函數(shù)或生存率）①即借款持續(xù)狀態(tài)，所以，生存分析的生存率（survival rate），應(yīng)該是借款存續(xù)率。Si（Ti）為：

假設(shè)X=（x1，L，xk）是影響借款人第一次還款的因素。令hi（t|X1）表示在各種因素的影響下，借款人i在t時(shí)刻第一次還款發(fā)生概率；h0（t）為基準(zhǔn)概率。

根據(jù)Cox模型，不同借款人具有成比例的還款概率函數(shù)，即對(duì)于任意兩個(gè)協(xié)變量Xi=（xi1，L，xik）和Xj=（xj1，L，xjk），hi（t|X1）|hj（t|Xj）不隨時(shí)間的改變而變化，該比值保持一個(gè)恒定比例（在生存分析中，該假定被稱之為比例風(fēng)險(xiǎn)假定）。如果時(shí)間是分布連續(xù)的，第一次還款發(fā)生概率函數(shù)可以表達(dá)為：

其中β1，L，βk是待估參數(shù)。Cox模型對(duì)h0的分布沒(méi)有任何限制。

Cox提出使用極大偏似然法來(lái)估計(jì)β1，L，βk值，其偏似然函數(shù)如下：

其中，δi=1，如果事件發(fā)生；δi=0，如果事件刪截。Yij=1，如果觀測(cè)j發(fā)生在觀測(cè)i之后，即Tj≥Ti；Yij=0，如果觀測(cè)j發(fā)生在觀測(cè)i之前，即Tj

通過(guò)對(duì)偏似然函數(shù)求導(dǎo)可得到β1，L，βk的估計(jì)值，Λ，若，Λ值越大，則表示第一次還款發(fā)生的可能性或者傾向越大；exp（），Λ，exp（）是估計(jì)參數(shù)，Λ，的第一次還款可能性比率②也就是風(fēng)險(xiǎn)比率（hazard ratio）。的估計(jì)值，表示在其他因素不變時(shí)，自變量每變化一個(gè)單位，第一次還款發(fā)生可能性比率的變化程度，該值永遠(yuǎn)大于零。

三、數(shù)據(jù)與變量描述

數(shù)據(jù)來(lái)源于中國(guó)農(nóng)業(yè)銀行湖北省某分行對(duì)有信貸往來(lái)的農(nóng)戶所做的統(tǒng)計(jì)。經(jīng)過(guò)剔除無(wú)效樣本等相關(guān)處理后，有效樣本量共計(jì)6635戶，具體的變量含義見(jiàn)表1，由于篇幅限制，描述性統(tǒng)計(jì)略。

表1　變量描述

數(shù)據(jù)的起始時(shí)間是2008年12月23日，樣本的合同期基本上都在2年及以內(nèi)，以1年為主?？紤]到樣本的分布，將樣本的時(shí)間窗口③由于樣本的合同期基本上都在2年以內(nèi)，以1年為主，而實(shí)際獲得的樣本信息比時(shí)間窗口長(zhǎng)，所以可以知道農(nóng)戶在時(shí)間窗口后的按期還款情況。設(shè)定在2008 年12月23日到2012年12月31日內(nèi)。

四、實(shí)證分析

表2　實(shí)證結(jié)果①因篇幅關(guān)系，報(bào)告的是系數(shù)β1，L，βk，而非風(fēng)險(xiǎn)比率exp（β1）L exp（βk）。

（一）第一次還款可能性的影響因素。

回歸結(jié)果如表2所示。模型1是基準(zhǔn)模型，借款金額及其平方項(xiàng)、執(zhí)行利率、第一次還款的額度（是否全額還款）、是否到期、第一次還款是否全額與是否到期的交互項(xiàng)、1978年之后出生相對(duì)于1978年之前出生、抵押、area4以及area5，對(duì)第一次還款可能性的影響都是1％顯著水平下顯著；執(zhí)行利率相對(duì)基準(zhǔn)利率上浮比率、人均資產(chǎn)和area6對(duì)第一次還款可能性的影響是5％顯著水平下顯著；area2和area3對(duì)第一次還款可能性的影響是10％顯著水平下顯著。

教育程度對(duì)農(nóng)戶第一次還款可能性的影響不顯著，說(shuō)明農(nóng)戶的受教育水平不影響農(nóng)戶提前還款。向銀行借款之前是否負(fù)債在所有的模型中也都不顯著，說(shuō)明農(nóng)戶的負(fù)債情況對(duì)提前還款沒(méi)有影響。

農(nóng)戶所處的年齡群組，以1978年改革開(kāi)放作為分界點(diǎn)?？梢钥吹?，相對(duì)于改革開(kāi)放以前的農(nóng)戶而言，改革開(kāi)放以后的農(nóng)戶第一次還款的可能性下降12.52％。也就是說(shuō)，改革開(kāi)放前的農(nóng)戶更愿意提前還款。這一現(xiàn)象可以從兩個(gè)方面來(lái)解釋：一方面，可能是因?yàn)閭鹘y(tǒng)觀念的影響，年長(zhǎng)的農(nóng)戶更不愿意負(fù)債，他們只要有了一定的現(xiàn)金就會(huì)提前將償還一部分貸款；另一方面，改革開(kāi)放后出生的農(nóng)民可能對(duì)金融有一個(gè)更深的認(rèn)識(shí)，市場(chǎng)經(jīng)濟(jì)意識(shí)更強(qiáng)，因而對(duì)借款的利用也更充分。

家庭平均年收入對(duì)農(nóng)戶第一次還款可能性的影響不顯著，而人均資產(chǎn)的影響則是顯著的：人均資產(chǎn)每增加1元，農(nóng)戶第一次還款的可能性增加6.24％。這正好從另一個(gè)角度說(shuō)明，農(nóng)戶借款與流動(dòng)性收入的多少?zèng)]有直接的關(guān)聯(lián)，而家庭富裕程度（人均資產(chǎn)水平）在一定程度上決定了農(nóng)戶的還款能力與還款意愿。借款金額對(duì)農(nóng)戶第一次還款可能性的影響是非線性的，呈現(xiàn)U型：隨著借款金額的增加，農(nóng)戶第一次還款的傾向先是下降；當(dāng)借款金額超過(guò)某個(gè)拐點(diǎn)之后，第一次還款傾向開(kāi)始上升。在模型1中，借款金額的樣本拐點(diǎn)是221260元，約為借款金額樣本均值的4.5倍左右。借款金額超過(guò)這個(gè)閥值之后，利息以及違約代價(jià)等因素造成的心理壓力超出了借款人可能承受的范圍，從而迫使借款人傾向于盡早還款。

執(zhí)行利率越高，則農(nóng)戶第一次還款的可能性越低。執(zhí)行利率每增加1％，農(nóng)戶第一次還款可能性下降20.32％。這個(gè)結(jié)果似乎有悖于人們的日常經(jīng)驗(yàn)直覺(jué)。要解釋這一現(xiàn)象，需要說(shuō)明一個(gè)現(xiàn)實(shí)背景：農(nóng)行針對(duì)農(nóng)戶的商業(yè)貸款利率（年利率大概7％左右），遠(yuǎn)遠(yuǎn)低于農(nóng)戶從其他金融機(jī)構(gòu)借貸的利率（年利率一般在15％-25％之間，民間高利貸則可能在40％以上）。在這一現(xiàn)實(shí)背景下，如果農(nóng)行提高利率，可以看做是整體金融形勢(shì)緊縮的信號(hào)，此時(shí)其他銀行業(yè)也會(huì)相應(yīng)提高利率；即使整體金融形勢(shì)沒(méi)有變化，農(nóng)行只是針對(duì)某個(gè)客戶個(gè)體提高利率，在相同的情況下，該農(nóng)戶在其他金融機(jī)構(gòu)貸款的利率也會(huì)提高。因此，當(dāng)農(nóng)行提高利率時(shí)，只要農(nóng)行利率仍然低于其他金融機(jī)構(gòu)的借貸利率，具備還款能力的農(nóng)戶會(huì)優(yōu)先考慮歸還其他金融機(jī)構(gòu)更高利率的借款。另外，執(zhí)行利率相對(duì)基準(zhǔn)利率浮動(dòng)比率每增加1％，借款人第一次還款的可能性上升1.26％，這說(shuō)明農(nóng)村借款人對(duì)利率的浮動(dòng)比較敏感。相對(duì)于單人擔(dān)保而言，抵押的擔(dān)保方式會(huì)使農(nóng)戶第一次還款的可能性增加62.48％，而多人擔(dān)保和個(gè)人信用則不顯著。

為了探究農(nóng)戶所在地區(qū)經(jīng)濟(jì)環(huán)境因素對(duì)農(nóng)戶第一次還款可能性的影響，將七個(gè)樣本地區(qū)2009-2012年的人均GDP均值排序：area7＞area6＞area5＞area4＞area3＞area2＞area1。實(shí)證分析結(jié)果表明，相對(duì)于人均GDP最低地區(qū)的農(nóng)戶而言，地區(qū)2、地區(qū)7、地區(qū)4的農(nóng)戶第一次還款的可能性更高，而地區(qū)6和地區(qū)3的農(nóng)戶第一次還款的可能性則更低。這說(shuō)明農(nóng)戶所在地區(qū)經(jīng)濟(jì)環(huán)境對(duì)農(nóng)戶的還款會(huì)有一定影響，但是，農(nóng)戶第一次還款的意向與其所在地區(qū)經(jīng)濟(jì)發(fā)展水平并不存在某種因果聯(lián)系，倒是地區(qū)間的其他差異，比如文化、習(xí)俗、政策等，對(duì)農(nóng)戶的還款行為可能更有影響。

允許循環(huán)貸款可以看作是銀行對(duì)農(nóng)戶遵守合約的獎(jiǎng)勵(lì)。盡管這一因素在統(tǒng)計(jì)意義上并不顯著，但其符號(hào)是正的，在一定程度上說(shuō)明可重復(fù)貸款對(duì)農(nóng)戶第一次還款有促進(jìn)作用。為了進(jìn)一步分析允許循環(huán)貸款對(duì)農(nóng)戶還款的影響，在模型2中放棄對(duì)擔(dān)保方式和農(nóng)戶所在地區(qū)這兩組變量的控制。模型2的實(shí)證結(jié)果表明，放棄控制擔(dān)保方式和農(nóng)戶所在地區(qū)之后，是否可循環(huán)貸款對(duì)農(nóng)戶第一次還款可能性的影響由不顯著轉(zhuǎn)為顯著。這說(shuō)明允許循環(huán)貸款這項(xiàng)激勵(lì)機(jī)制對(duì)農(nóng)戶第一次還款可能性的影響，在相當(dāng)大的程度上是與擔(dān)保方式或農(nóng)戶所在地區(qū)相聯(lián)系。樣本數(shù)據(jù)顯示：多人擔(dān)保、個(gè)人信用、抵押的農(nóng)戶中是可循環(huán)貸款的比例分別為95.97％、96.44％和71.58％；經(jīng)濟(jì)發(fā)達(dá)的地區(qū)，例如area6和area7，可循環(huán)貸款的比例分別為93.63％和99.03％。由此，可以做出一個(gè)推論，實(shí)施允許循環(huán)貸款這種激勵(lì)機(jī)制與擔(dān)保措施配合起來(lái)，一方面可以在一定程度上降低不良貸款的風(fēng)險(xiǎn)，另一方面，還可以進(jìn)一步刺激農(nóng)戶的貸款需求，更好地服務(wù)“三農(nóng)”。

考慮到農(nóng)村金融中農(nóng)業(yè)貸款與非農(nóng)業(yè)貸款可能存在差異，為了分析貸款用途對(duì)農(nóng)戶第一次還款可能性的影響，根據(jù)貸款用途將樣本分為六組：農(nóng)業(yè)生產(chǎn)、辦廠、建筑工程、生活性消費(fèi)、做小生意和其他。按貸款用途分組后的實(shí)證分析結(jié)果見(jiàn)模型3和模型4。

模型3只是簡(jiǎn)單考慮貸款是否用于農(nóng)業(yè)生產(chǎn)，實(shí)證分析結(jié)果在統(tǒng)計(jì)意義上并不顯著。模型4細(xì)分了具體的貸款用途，令人驚訝的是，相對(duì)于基組農(nóng)業(yè)生產(chǎn)而言，用于辦廠、建筑工程、生活性消費(fèi)、做小生意等不同的貸款用途對(duì)農(nóng)戶第一次還款可能性的影響都不顯著。而且，與基準(zhǔn)模型1的分析結(jié)果比較可見(jiàn)，控制了貸款用途變量之后，其他變量的影響系數(shù)及其統(tǒng)計(jì)顯著性也沒(méi)有太大的變動(dòng)。這就是說(shuō)，農(nóng)戶的還款意愿與貸款用途不僅不存在直接的關(guān)系，間接的關(guān)聯(lián)也不明顯。

（二）第一次還款與按期還款。

分析第一次還款的可能性及其影響因素，目的在于提前對(duì)到期還款的可能性進(jìn)行事前評(píng)估、做出預(yù)判，以便銀行對(duì)貸款客戶進(jìn)行分類管理，以降低不良貸款的風(fēng)險(xiǎn)。那么，農(nóng)戶第一次還款與按期還款之間具有較強(qiáng)的相關(guān)性嗎？實(shí)證分析的答案是肯定的。

由表3可知，第一次還款行為的發(fā)生與按期還款之間存在強(qiáng)相關(guān)性。模型5中，在時(shí)間窗口內(nèi)發(fā)生第一次還款行為的農(nóng)戶，其按期還款的概率為0.778+9.9*10-14=0.778。相對(duì)于在時(shí)間窗口內(nèi)第一次還款未發(fā)生的農(nóng)戶而言，有過(guò)第一次還款的農(nóng)戶最后相按期還款的概率增加0.778，并且其在1％的顯著水平下是顯著的。模型6考察了農(nóng)戶第一次還款發(fā)生對(duì)按期還款的影響。結(jié)果表明，第一次還款發(fā)生的農(nóng)戶的按期還款的概率為:

表3　第一次還款與按期還款OLS回歸結(jié)果

第一次還款發(fā)生相較于第一次還款未發(fā)生的農(nóng)戶按期還款的概率增加0.765，依然非常顯著。這說(shuō)明不管農(nóng)戶第一次還款的金額是多少，是否是全額還款，農(nóng)戶的第一次還款行為發(fā)生本身與農(nóng)戶按期還款之間存在密切的正向關(guān)系。

因此，可以將農(nóng)戶第一次還款和按期還款對(duì)接起來(lái)。相對(duì)于直接評(píng)估農(nóng)戶是否按期還款這種事后評(píng)價(jià)，評(píng)估農(nóng)戶的第一次還款行為，可以看做是對(duì)農(nóng)戶能否按期還款的事先預(yù)測(cè)。并且，通過(guò)分析農(nóng)戶第一次還款的影響因素，也可以促使銀行對(duì)可能發(fā)生違約的客戶有針對(duì)性地建立一套預(yù)緊機(jī)制。

五、結(jié)論及政策建議

利用中國(guó)農(nóng)業(yè)銀行某支行的農(nóng)戶商業(yè)信貸數(shù)據(jù)，圍繞借貸期內(nèi)銀行能夠掌握并有數(shù)據(jù)記載的借款人最近行為——第一次還款，引入重要的時(shí)間信息，以動(dòng)態(tài)的眼光，用Kaplan-Meier生存分析和Cox模型對(duì)數(shù)據(jù)進(jìn)行深度挖掘與信息解讀，力圖為預(yù)判不良貸款發(fā)生的可能性、預(yù)警和防范貸款到期后的違約風(fēng)險(xiǎn)提供可靠依據(jù)。實(shí)證分析的主要結(jié)論是：

第一，農(nóng)戶第一次還款行為與按期還款之間有著較強(qiáng)的相關(guān)性，所以，分析農(nóng)戶的第一次還款的影響因素與分析農(nóng)戶按期還款的影響因素是一致的。

第二，貸款合同方面，隨著貸款金額的增加，農(nóng)戶第一次還款的可能性是先降后升的，拐點(diǎn)大概在貸款金額均值的4.5倍左右的位置；執(zhí)行利率每增加1％，農(nóng)戶第一次還款可能性下降20.32％，并且農(nóng)戶對(duì)于利率的浮動(dòng)較為敏感，執(zhí)行利率相對(duì)基準(zhǔn)利率浮動(dòng)比率每增加1％，借款人第一次還款的可能性上升1.26％。抵押的擔(dān)保方式相對(duì)于單人擔(dān)保，農(nóng)戶第一次還款的可能性增加62.48％。

第三，就農(nóng)村貸款人特征而言，農(nóng)戶流動(dòng)性收入對(duì)農(nóng)戶第一次還款沒(méi)有影響，而固定資產(chǎn)影響顯著。相對(duì)于改革開(kāi)放前出生的農(nóng)村貸款人而言，改革開(kāi)放以后新生代的農(nóng)村貸款人第一次還款的可能性下降12.52％。

第四，地區(qū)的宏觀環(huán)境對(duì)農(nóng)戶還款行為有一定的影響，但地區(qū)的經(jīng)濟(jì)發(fā)展?fàn)顩r與農(nóng)戶的還款行為之間沒(méi)有直接聯(lián)系。

通過(guò)實(shí)證分析，政策建議如下：

首先，鑒于農(nóng)戶首次還款行為的發(fā)生與農(nóng)戶能否按期還款有著密切的相關(guān)性，商業(yè)銀行可以通過(guò)分析影響農(nóng)戶首次還款的因素對(duì)農(nóng)戶能否按期還款做出一定的評(píng)估。對(duì)于那些可能違約的農(nóng)戶進(jìn)行重點(diǎn)監(jiān)測(cè)，以降低農(nóng)戶違約可能造成的損失。

其次，商業(yè)銀行在貸款合同的設(shè)計(jì)方面，要注意貸款的額度、執(zhí)行利率的定位、利率上浮空間以及擔(dān)保方式的選擇。農(nóng)戶對(duì)這些變量都比較敏感，貸款額度的選擇和執(zhí)行利率的定位和利率的上浮空間都要控制在合理范圍內(nèi)，不宜過(guò)高，否則農(nóng)戶發(fā)生違約的可能性會(huì)大大增加。同時(shí)，商業(yè)銀行可以對(duì)其提供的貸款產(chǎn)品進(jìn)行創(chuàng)新，比如可以提供額度小并且周期短的業(yè)務(wù)、創(chuàng)新多元化的擔(dān)保方式等。

再次，在貸款對(duì)象的選擇方面，商業(yè)銀行可以更加關(guān)注農(nóng)戶的固定資產(chǎn)狀況，對(duì)于那些固定資產(chǎn)較多的農(nóng)戶可以適當(dāng)提高授信額度。流動(dòng)性資產(chǎn)和教育程度對(duì)還款概率的影響并不如預(yù)期那樣顯著。

最后，地區(qū)經(jīng)濟(jì)發(fā)展并不必然改善地區(qū)居民的信用意識(shí)，因此，在發(fā)展地區(qū)經(jīng)濟(jì)的同時(shí)，要重視金融生態(tài)建設(shè)。

參考文獻(xiàn)：

[1]Quagliarello, M. Banks’Riskiness over the Business Cycle: A Panel Analysis on Italian Intermediaries [J]. Applied Financial Economics，2007，17 （2）.

[2]Berge，T O，Boye，K G. An Analysis of Bank’s Problem Loans [J]. Norges Bank Economic Bulletin，2007，78（2）.

[3]Louzis，D P，Vouldis，A T，Metaxas，V L. Macroeconomic and Bank -specific Determinants of Non -performing Loans in Greece: A Comparative Study of Mortgage, Business and Consumer Loan Portfolios[J]. Journal of Banking and Finance，2012，36（4）.

[4]Berger，A，DeYoung，R. Problem Loans and Cost Efficiency in Commercial Banks [J]. Journal of Banking and Finance，1997，21（6）.

[5]Podpiera，J，Weill，L. Bad Luck or Bad Management·Emerging Banking Market Experience [J]. Journal of Financial Stability，2008，4（2）.

[6]Shehzad，C，Haan，J D，Scholtens，B. The Impact of Bank Ownership Concentration on Impaired Loans and Capital Adequacy [J]. Journal of Banking and Finance，2010，34（2）.

[7]Duygan-Bump，B，Grant，C. Household Debt Repayment Behaviour: What Role do Institutions Play [J]. Economic Policy，2009，24（57）.

[8]Mishra，S. Signaling and Indeterminacy of E－quilibria in Unsecured Credit and Insurance Markets [J]. The B.E. Journal of Economic Analysis & Policy，2010，10（1）.

[9]Bellotti，T，Crook，J. Loss Given Default Models Incorporating Macroeconomic Variables for Credit Cards[J]. International Journal of Forecasting，2012，28（1）.

[10]Schmit，M. Credit Risk in the Leasing Industry [J]. Journal of Banking and Finance，2004，28 （4）.

[11]Khieu, H, Mullineaux, D J，Yi，H. The Determinants of Bank Loan Recovery Rates [J]. Journal of Banking and Finance，2012，36（4）.

[12]Loterman，G，Brown，I，Martens，D，Mues，C，Baesens，B. Benchmarking Regression Algorithms for Loss Given Default Modeling[J]. International Journal of Forecasting, 2012, 28（1）.

[13]Tobback，E，Martens，D，Gestel，V T，Baesens，B. Forecasting Loss Given Default Models: Impact of Account Characteristics and the Macroeconomic State Journal of the Operational Research Society[J]，Journal of the Operational Research Society，2012, 65（9）.

[14]Karunakar，M.，K. Vasuki，Saravanan，S. AreNon-Performing Assets Gloomy or Greedy from Indian Perspective·Research Journal of Social Sciences，2008，3（7）.

[15]Nawai，N.，Shariff，M. Factors Affecting Repayment Performance in Microfinance Programs in Malaysia [J]. Social and Behavioral Sciences，2012，（62）.

[16]Kar，A K，Swain，R B. Interest Rates and Financial Performance of Microfinance Institutions: Recent Global Evidence[J]. European Journal of Development Research，2014，26（1）.

[17]Besley，T，Coate，S. Group Lending，Repayment Incentives and Social Collateral [J]. Journal of Development Economics, 1995, 46（1）.

[18]Godquin, M. Microfinance Repayment Performance in Bangladesh: How to Improve the Allocation of Loans by MFIs [J]. World Development, 2004, 32（11）.

[19]Bhatt, N, Tang, S Y. Determinants of Repayment in Microcredit: Evidence from Programs in the United States [J]. International Journal of Urban and Regional Research, 2002, 26（2）.

[20]Lyons, A C, Fisher, J. Gender Differences in Debt Repayment Problems after Divorce[J]. The Journal of Consumer Affair, 2006, 40（2）.

[21]Bhattacharjee，M，Rajeev，M. Modeling Loan Repayment Behavior in Developing Countries[J]. Applied Economic Perspectives and Policy，2013, 35 （2）.

[22]Bond, P, Rai, A S. Borrower Runs[J]. Journal of Development Economics, 2009, 88（2）.

[23]Cadot, J. Collateral, Bank Monitoring and Firm Performance: The Case of Newly Established Wine Farmers [J]. The Australian Journal of Agricultural and Resource Economics, 2013.

責(zé)任編輯郁之行

基金項(xiàng)目：國(guó)家社科基金后期資助項(xiàng)目“貧困與發(fā)展：以窮人為中心的發(fā)展經(jīng)濟(jì)學(xué)微觀分析”（12FJL012），教育部人文社會(huì)科學(xué)重點(diǎn)研究基地重大項(xiàng)目“當(dāng)代發(fā)展經(jīng)濟(jì)學(xué)前沿理論跟蹤研究”（13JJD790020）和中央高校基本科研業(yè)務(wù)費(fèi)武漢大學(xué)人文社會(huì)科學(xué)研究重點(diǎn)項(xiàng)目“農(nóng)村貧困、親貧制度創(chuàng)新與和諧發(fā)展”。

作者簡(jiǎn)介：葉初升（1963—），男，武漢大學(xué)經(jīng)濟(jì)發(fā)展研究中心/經(jīng)濟(jì)與管理學(xué)院教授、博導(dǎo)。鄒欣（1989—），女，武漢大學(xué)經(jīng)濟(jì)發(fā)展研究中心/經(jīng)濟(jì)與管理學(xué)院在讀博士。

中圖分類號(hào)：F832.4

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1003-8477(2016)03-0089-08