國(guó)有商業(yè)銀行不良貸款上升的因素分析

陳澤龍，饒海琴

（上海理工大學(xué)管理學(xué)院，上?！?00093）

改革實(shí)踐

國(guó)有商業(yè)銀行不良貸款上升的因素分析

陳澤龍，饒海琴

（上海理工大學(xué)管理學(xué)院，上海200093）

銀行不良貸款會(huì)增加其信用風(fēng)險(xiǎn)，制約銀行的放貸能力與盈利能力。四大國(guó)有商業(yè)銀行是中國(guó)銀行業(yè)的四個(gè)龐然大物，在中國(guó)銀行業(yè)的所有資產(chǎn)中占有非常大的比重，而且中、農(nóng)、工、建四大行的不良貸款總額占我國(guó)銀行業(yè)總的不良貸款的比重超過(guò)了一半。通過(guò)收集整理2011年一季度到2016年一季度的數(shù)據(jù)，運(yùn)用stata、spss等軟件進(jìn)行實(shí)證分析。實(shí)證結(jié)果得出，手續(xù)費(fèi)及傭金凈收入增長(zhǎng)率、GDP增長(zhǎng)速度、貸款撥備覆蓋率、鋼鐵企業(yè)凈利潤(rùn)、煤炭企業(yè)凈利潤(rùn)、資本充足率、銀行利潤(rùn)增長(zhǎng)率、廣義貨幣供應(yīng)量與銀行不良貸款存在相關(guān)關(guān)系。

四大國(guó)有商業(yè)銀行；不良貸款額；影響因素

中國(guó)經(jīng)濟(jì)的融資渠道主要是間接融資，在這些融資過(guò)程中，銀行信貸提供了社會(huì)融資規(guī)模的八成以上。根據(jù)新浪財(cái)經(jīng)網(wǎng)4月7日?qǐng)?bào)道，中國(guó)銀行、建設(shè)銀行、農(nóng)業(yè)銀行、工商銀行、在融資中最具有代表性，截止2015年年度這四家國(guó)有銀行的信貸資產(chǎn)余額超過(guò)了40萬(wàn)億。因此本文選用這四家銀行作為研究對(duì)象。根據(jù)中國(guó)銀行業(yè)監(jiān)督管理委員會(huì)公布的統(tǒng)計(jì)數(shù)據(jù)顯示，自從四大國(guó)有商業(yè)銀行的不良貸款經(jīng)過(guò)幾次的剝離之后，我國(guó)商業(yè)銀行的不良貸款率就沒(méi)有高過(guò)3%，最高的是2016一季度農(nóng)業(yè)銀行的不良貸款率，其值為2.39%，但是商業(yè)銀行的不良貸款總額卻一直是居高不下，這嚴(yán)重的阻礙了我國(guó)經(jīng)濟(jì)的可持續(xù)發(fā)展。我國(guó)四大國(guó)有商業(yè)銀行2016年一季度不良貸款余額為7 385.35億元，這一數(shù)額已經(jīng)占到2016一季度我國(guó)國(guó)內(nèi)生產(chǎn)總值的4.66%。因此研究四大行的不良貸款具有十分重要的現(xiàn)實(shí)意義。當(dāng)我們研究銀行的資產(chǎn)的質(zhì)量的時(shí)候，只研究銀行的不良貸款率是不合理的，應(yīng)該關(guān)注銀行的不良貸款的余額，如果這些不良貸款處理不當(dāng)?shù)脑?，將?huì)引發(fā)新一輪的金融風(fēng)暴，甚至導(dǎo)致經(jīng)濟(jì)危機(jī)的產(chǎn)生。2008年美國(guó)的金融危機(jī)就是由于銀行的不良資產(chǎn)的暴增導(dǎo)致的。因此銀行業(yè)的管理者不能簡(jiǎn)單地認(rèn)為我國(guó)銀行的不良貸款率低于國(guó)際上的警戒線就放松警惕，應(yīng)該重視我國(guó)高額的不良貸款余額。

1　文獻(xiàn)綜述

近些年來(lái)，商業(yè)銀行不良貸款這個(gè)課題備受國(guó)內(nèi)外金融界、學(xué)術(shù)界的關(guān)注，我國(guó)國(guó)內(nèi)的很多專家學(xué)者們也對(duì)此發(fā)表了自己的看法，并且他們之中的大部分人都對(duì)如何分析不良貸款、防控不良貸款以及化解不良貸款提出了相應(yīng)的解決辦法。謝冰（2009）從宏觀經(jīng)濟(jì)的角度分析其對(duì)銀行不良貸款產(chǎn)生的影響，認(rèn)為國(guó)內(nèi)生產(chǎn)總值、社會(huì)消費(fèi)品零售額、社會(huì)固定資產(chǎn)投資額等對(duì)銀行不良貸款的產(chǎn)生具有一定的影響［1］。肖梓光（2013）通過(guò)實(shí)證分析的方法分析得出銀行不良貸款的形成與區(qū)域經(jīng)濟(jì)具有很強(qiáng)的相關(guān)性，東部地區(qū)銀行不良貸款率與GDP呈負(fù)相關(guān)，與進(jìn)出口貿(mào)易成正比。中部地區(qū)銀行不良貸款率與本地區(qū)私營(yíng)經(jīng)濟(jì)固定資產(chǎn)投資總量呈負(fù)相關(guān)關(guān)系。西部地區(qū)銀行不良貸款率與本區(qū)域GDP、公有經(jīng)濟(jì)固定資產(chǎn)投資總量的負(fù)相關(guān)性［2］。盧盼盼（2012）通過(guò)運(yùn)用向量自回歸模型分析了利率與商業(yè)銀行不良貸款率之間的關(guān)系，得出提高利率會(huì)推高銀行的不良貸款率［3］。郭耀中（2012）通過(guò)實(shí)證分析的方法得出國(guó)有企業(yè)的利潤(rùn)是影響銀行不良貸款率的重要因素，并得出外資銀行在華資產(chǎn)占比對(duì)國(guó)內(nèi)商業(yè)銀行的不良貸款率沒(méi)有顯著的影響［4］。劉妍（2014）通過(guò)運(yùn)用主成分分析的辦法得出房地產(chǎn)行業(yè)狀況、我國(guó)國(guó)內(nèi)生產(chǎn)總值、居民消費(fèi)價(jià)格指數(shù)、一年期貸款基準(zhǔn)利率等因素均對(duì)不良貸款率產(chǎn)生重要影響［5］。譚勁松、簡(jiǎn)宇寅、陳穎（2012）通過(guò)實(shí)證分析的方法研究了政府干預(yù)與不良貸款的關(guān)系。政府干預(yù)是銀行產(chǎn)生不良資產(chǎn)的主要原因［6］。

2　國(guó)有商業(yè)銀行不良貸款的現(xiàn)狀

2.1不良貸款率和不良貸款余額出現(xiàn)“雙升”

20世紀(jì)末以及21世紀(jì)初的幾年間，我國(guó)為了提高商業(yè)銀行的國(guó)際競(jìng)爭(zhēng)力，防范和化解不良貸款帶來(lái)的金融風(fēng)險(xiǎn)，保證銀行業(yè)的持續(xù)健康發(fā)展。政府通過(guò)組建四大資產(chǎn)管理公司，對(duì)我國(guó)四大商業(yè)銀行的不良貸款進(jìn)行剝離，使得銀行的不良貸款和不良貸款率出現(xiàn)了一段時(shí)間“雙降”的現(xiàn)象。但自從2011年底銀行不良貸款出現(xiàn)探底之后，近四年多以來(lái)我國(guó)商業(yè)銀行不良貸款余額呈現(xiàn)出持續(xù)上漲的趨勢(shì)，并在最近幾個(gè)季度出現(xiàn)不良貸款余額和不良貸款率“雙升”的現(xiàn)象。四大國(guó)有商業(yè)銀行在中國(guó)的銀行體系中占有非常大的比重。截至2016年一季度末，商業(yè)銀行的不良貸款余額為13 921億元，四大國(guó)有商業(yè)銀行不良貸款余額為7 385.35億元，占全國(guó)銀行不良貸款總額的53.05%。一季度四大國(guó)有商業(yè)銀行不良貸款較上季末增加492.79億元，四大國(guó)有商業(yè)銀行的不良貸款率為1.778%，較上季末上升0.053個(gè)百分點(diǎn)。從不良貸款率上來(lái)看，農(nóng)業(yè)銀行不良貸款率上升的速度最快。截止2016一季度，農(nóng)業(yè)銀行不良貸款率上升至2.39%，工商銀行不良貸款率上升至1.66%，中國(guó)銀行不良貸款率上升至1.43%，建設(shè)銀行不良貸款率上升至1.63%。中國(guó)四大國(guó)有商業(yè)銀行的不良貸款率和不良貸款余額情況如圖1。

2.2區(qū)域分布以及行業(yè)分布十分的明顯

從區(qū)域分布上看，四大國(guó)有商業(yè)銀行的不良貸款主要集中在珠江三角洲、長(zhǎng)江三角洲以及環(huán)渤海等經(jīng)濟(jì)發(fā)達(dá)的地區(qū)。相比較而言，西部地區(qū)、中部地區(qū)以及東北地區(qū)的不良貸款率要明顯低于上述三個(gè)區(qū)域。以建設(shè)銀行為例，2015年年末建設(shè)銀行在西部地區(qū)和中部地區(qū)的不良貸款率分別為1.37%和1.11%。然而，建設(shè)銀行在珠江三角洲和長(zhǎng)江三角洲的不良貸款率卻高達(dá)2.11%和2.5%。但是隨著我國(guó)經(jīng)濟(jì)步入新常態(tài)，中西部地區(qū)經(jīng)濟(jì)增速放緩，將會(huì)導(dǎo)致中西部地區(qū)不良貸款率的不斷攀升。同時(shí)也有例外出現(xiàn)，從銀行的報(bào)表中發(fā)現(xiàn)，東北地區(qū)的不良貸款率處于較低的水平，這與目前我國(guó)東北地區(qū)的經(jīng)濟(jì)發(fā)展形勢(shì)不相符。例如，2015年年末，工商銀行在東北地區(qū)的不良貸款率僅為1.27%，明顯低于珠江三角洲地區(qū)的1.94%，同時(shí)建設(shè)銀行和農(nóng)業(yè)銀行的不良貸款率分布呈現(xiàn)出這樣的特征。

從行業(yè)分布來(lái)看，四大國(guó)有商業(yè)銀行的不良貸款主要集中在制造業(yè)、批發(fā)零售業(yè)和采礦業(yè)。在四大行中批發(fā)零售業(yè)、制造業(yè)以及采礦業(yè)的不良貸款率分別位于第一位、第二位和第三位。以農(nóng)業(yè)銀行為例，2015年年末，批發(fā)零售業(yè)務(wù)在農(nóng)業(yè)銀行的不良貸款率高達(dá)12.31%，制造業(yè)的不良貸款率達(dá)到5.45%，采礦業(yè)的不良貸款率占比達(dá)到3.14%。在批發(fā)零售業(yè)務(wù)上不良貸款率最低的是中國(guó)銀行，但是其值也達(dá)到4.14%，遠(yuǎn)高于銀行業(yè)整體的不良貸款率。

3　國(guó)有商業(yè)銀行不良貸款的形成原因分析

3.1國(guó)內(nèi)經(jīng)濟(jì)增速放緩，鋼鐵煤炭企業(yè)利潤(rùn)下降

隨著我國(guó)經(jīng)濟(jì)結(jié)構(gòu)的不斷調(diào)整，我國(guó)經(jīng)濟(jì)增長(zhǎng)速度明顯減慢。2011年我國(guó)經(jīng)濟(jì)的增長(zhǎng)速度為9.5%，2014年下降到7.3%，2016年一季度為6.7%，而且預(yù)計(jì)全年的經(jīng)濟(jì)增長(zhǎng)速度大約在6.5%左右，經(jīng)濟(jì)下行的壓力不容忽視。由于我國(guó)經(jīng)濟(jì)增長(zhǎng)速度放緩，鋼鐵煤炭行業(yè)受到?jīng)_擊，現(xiàn)金流受到影響，凈利潤(rùn)增速下降明顯，很多企業(yè)的利潤(rùn)增長(zhǎng)速度甚至出現(xiàn)負(fù)增長(zhǎng)，嚴(yán)重影響了銀行的貸款質(zhì)量，導(dǎo)致四大國(guó)有商業(yè)銀行不良貸款暴增。因此這是影響銀行不良貸款上升的重要因素。

3.2存貸利差的不斷縮小，銀行核銷不良貸款的能力下降

2016年一季度四大行的中間業(yè)務(wù)占比大約只占到22%，因此存貸利差仍然是四大行獲得收益的主要來(lái)源。但是自2015年10.24日起，中央銀行決定放開(kāi)存款利率浮動(dòng)上限，標(biāo)志著我國(guó)進(jìn)行多年的利率市場(chǎng)化改革宣告完成。在中國(guó)開(kāi)展利率市場(chǎng)化之前，中國(guó)銀行主要是靠存貸利差來(lái)獲利的，但是隨著利率市場(chǎng)化進(jìn)程的不斷推進(jìn)，銀行的存貸利差收窄，這嚴(yán)重影響了銀行自身的盈利能力。由于銀行沒(méi)有過(guò)多的利潤(rùn)來(lái)核銷不良貸款，所以導(dǎo)致銀行不良貸款的持續(xù)增加。因此存貸利差收窄也是銀行不良貸款增加的影響因素之一。

3.3銀行經(jīng)營(yíng)管理者的風(fēng)險(xiǎn)意識(shí)薄弱

銀行是一個(gè)經(jīng)營(yíng)風(fēng)險(xiǎn)的金融機(jī)構(gòu)，如果銀行管理人員沒(méi)有形成正確的防范風(fēng)險(xiǎn)意識(shí)，對(duì)不良貸款的形成沒(méi)有足夠的認(rèn)識(shí)，會(huì)導(dǎo)致銀行不良貸款的上升。作為銀行管理人員要時(shí)刻關(guān)注能夠反映銀行信貸風(fēng)險(xiǎn)的指標(biāo)，例如存貸比、貸款撥備覆蓋率等重要指標(biāo)，一般來(lái)說(shuō)，銀行的存貸比不能超過(guò)75%，超過(guò)這個(gè)量就說(shuō)明銀行已經(jīng)存在很大的風(fēng)險(xiǎn)。對(duì)于那些風(fēng)險(xiǎn)喜好型的管理者來(lái)說(shuō)，其所在的銀行一般會(huì)擴(kuò)大信貸規(guī)模，抵御風(fēng)險(xiǎn)的能力會(huì)大大降低；對(duì)于風(fēng)險(xiǎn)規(guī)避型的管理者來(lái)說(shuō)，其所處銀行的信貸規(guī)模一般會(huì)處在相對(duì)比較穩(wěn)定的水平上，銀行抵御風(fēng)險(xiǎn)的能力比較強(qiáng)。

4　實(shí)證分析

4.1數(shù)據(jù)的收集和說(shuō)明

本文選取鋼鐵煤炭行業(yè)作為四大國(guó)有商業(yè)銀行不良貸款上升的研究對(duì)象，主要是因?yàn)榻鼛啄陙?lái)，我國(guó)鋼鐵煤炭行業(yè)受國(guó)內(nèi)外經(jīng)濟(jì)不景氣的影響，導(dǎo)致出現(xiàn)嚴(yán)重的產(chǎn)能過(guò)剩，使得鋼鐵煤炭行業(yè)面臨資金鏈斷裂的風(fēng)險(xiǎn)，并且我國(guó)的鋼鐵煤炭企業(yè)大多數(shù)是國(guó)有企業(yè)，其生產(chǎn)經(jīng)營(yíng)過(guò)程中的貸款的主要來(lái)自商業(yè)銀行，所以鋼鐵煤炭行業(yè)成為四大行產(chǎn)生不良貸款的高危行業(yè)。凈利潤(rùn)是衡量一家企業(yè)經(jīng)營(yíng)狀況的重要指標(biāo)，因此選取鋼鐵煤炭企業(yè)的凈利潤(rùn)作為研究銀行不良貸款上升的影響因素。另外本文還從宏觀和微觀的角度來(lái)對(duì)銀行不良貸款的影響因素進(jìn)行分析。文章選取2011一季度到2016一季度的經(jīng)濟(jì)數(shù)據(jù)，具體的各自變量和因變量的解釋如表1所示。

數(shù)據(jù)的來(lái)源，不良貸款余額、手續(xù)費(fèi)及傭金的凈增長(zhǎng)率、貸款撥備覆蓋率、銀行資本充足率、凈利潤(rùn)增長(zhǎng)率是通過(guò)整理四家上市銀行的財(cái)務(wù)報(bào)表整理得到，GDP增長(zhǎng)速度來(lái)自中國(guó)國(guó)家統(tǒng)計(jì)局官方網(wǎng)站（http://www.stats.gov.cn），鋼鐵煤炭企業(yè)主要研究的上市企業(yè)，其來(lái)源于東方財(cái)富網(wǎng)板塊的劃分，其中有兩家企業(yè)數(shù)據(jù)缺失，本文在這里將其舍棄，凈利潤(rùn)主要是通過(guò)從企業(yè)財(cái)務(wù)報(bào)表中整理得到。廣義貨幣供應(yīng)量來(lái)自中國(guó)人民銀行官方網(wǎng)站（http://www. pbc.gov.cn）的數(shù)據(jù)整理得到。本文主要使用的統(tǒng)計(jì)分析軟件有SPSS、stata。表2為回歸樣本的描述性統(tǒng)計(jì)。

4.2建立模型

①構(gòu)建被解釋變量不良貸款余額與8個(gè)解釋變量之間的函數(shù)關(guān)系，確定自變量和因變量之間的有關(guān)性。由下面的各個(gè)解釋變量與不良貸款余額的散點(diǎn)圖能夠初步判斷他們之間是否存在一定的相關(guān)性，然后再對(duì)各個(gè)自變量進(jìn)行初步的一元線性回歸，回歸的結(jié)果如表3所示，被解釋變量與各個(gè)解釋變量之間不存在線性關(guān)系，為了防止建立模型時(shí)變量過(guò)多，于是對(duì)上述的8個(gè)解釋變量做相應(yīng)的線性轉(zhuǎn)換。

②解釋變量的非線性變換。根據(jù)不良貸款與各個(gè)解釋變量的相關(guān)關(guān)系對(duì)這些不成線性關(guān)系的解釋變量進(jìn)行函數(shù)變換，變換的結(jié)果如表4，得到8個(gè)新的解釋變量X11、X22、X33、X44、X55、X66、X77、X88。通過(guò)非線性變換之后被解釋變量不良貸款余額與各個(gè)解釋變量之間都呈現(xiàn)出線性關(guān)系。然后對(duì)各個(gè)自變量與因變量做線性回歸。

③構(gòu)建不良貸款余額的回歸模型。將自變量與因變量進(jìn)行回歸，回歸的結(jié)果如表5所示。有回歸的結(jié)果知，R2=0.996 3，調(diào)整后的R2=0.993 8，表明自變量與因變量擬合的很好，通過(guò)查表得出t0.025= 1.859 5，由表5可以看出大部分解釋變量的t檢驗(yàn)值均小于1.859 5，說(shuō)明此回歸結(jié)果沒(méi)有通過(guò)t檢驗(yàn)，檢驗(yàn)結(jié)果不顯著，因變量之間可能存在比較嚴(yán)重的多種共線性。進(jìn)行多重共線性檢驗(yàn)，由共線性診斷結(jié)果得出得出，VIF88=24.85、VIF77=21.78、VIF33=14、VIF22=13.90、VIF44=8.27、VIF11=7.11、VIF66= 5.19、VIF55=3.14，各個(gè)解釋變量的方差擴(kuò)大因子多大于10，可以得出各個(gè)解釋變量之間存在嚴(yán)重的多重共線性。因此，本文采用主成分分析的方法來(lái)消除多重共線性的影響。

各解釋變量之間的相關(guān)系數(shù)，由表6可知，手續(xù)費(fèi)及傭金凈收入增長(zhǎng)率、GDP增長(zhǎng)速度、貸款撥備覆蓋率、銀行的資本的充足率、鋼鐵行業(yè)凈利潤(rùn)、煤炭行業(yè)凈利潤(rùn)、廣義貨幣供應(yīng)量、銀行凈利潤(rùn)增長(zhǎng)率之間存在高度的相關(guān)性，因此對(duì)這8個(gè)高度相關(guān)的解釋變量進(jìn)行主成分分析。

④主成分回歸建模。通過(guò)SPSS進(jìn)行因子分析（主成分分析）。在檢驗(yàn)的過(guò)程中進(jìn)行KMO（Kaiser-Meyer-Olkin）檢驗(yàn)和巴特利球度（Bartlett）檢驗(yàn)，由檢驗(yàn)結(jié)果得出，KMO值=0.819＞0.8，Bartlett值=201.815非常大，P=0.00＜0.01，說(shuō)明變量之間存在存在較強(qiáng)的相關(guān)關(guān)系，可以運(yùn)用主成分分析。運(yùn)用統(tǒng)計(jì)軟件SPSS對(duì)解釋量X11，X22，…，X88進(jìn)行主成分分析，統(tǒng)計(jì)分析結(jié)果見(jiàn)表7。

表7是主成分的累積方差，根據(jù)特征值（合計(jì)）大于1的原則，只需要提取1個(gè)因子作為公共因子，用F1表示，F(xiàn)1=6.285，由第一個(gè)公共因子的方差累計(jì)百分比為78.563%＞70%，說(shuō)明這這個(gè)公共因子的主要成分基本包含了全部變量大部分的信息。將這個(gè)公共因子命名為風(fēng)險(xiǎn)因子，用F1表示

由于第一個(gè)初始特征值的累計(jì)貢獻(xiàn)率已經(jīng)高達(dá)78.563%，固只需要提取前一個(gè)主成分，即風(fēng)險(xiǎn)因子的線性組合。（自變量前的系數(shù)是通過(guò)成分矩陣表中的數(shù)據(jù)除以根號(hào)下主成分對(duì)應(yīng)的特征值得到的）：

回歸方程分析。對(duì)風(fēng)險(xiǎn)因子F1和被解釋變量之間作多元線性回歸，回歸結(jié)果如表8。

從而可得不良貸款余額與風(fēng)險(xiǎn)因子的回歸方程如下:

由回歸結(jié)果可知，F(xiàn)=265.54，P=0.000＜0.01，R2=0.933 2調(diào)整后的判定系數(shù)R2=0.929 7，擬合的很好，回歸方程通過(guò)顯著性檢驗(yàn)。常數(shù)項(xiàng)的p值= 0.000＜0.05，F(xiàn)1的p值=0.000＜0.05所以變量通過(guò)顯著性檢驗(yàn)。分別將式（1）代入（2），并將其結(jié)果加總得因變量不良貸款余額與風(fēng)險(xiǎn)因子之間的回歸方程:

（保留小數(shù)點(diǎn)后四位）

5　結(jié)論與對(duì)策建議

5.1結(jié)論

①由上面的結(jié)果可知，鋼鐵煤炭行業(yè)的狀況、銀行的資本充足率、我國(guó)國(guó)內(nèi)經(jīng)濟(jì)增長(zhǎng)速度、廣義貨幣供應(yīng)量等因素均對(duì)四大國(guó)有商業(yè)銀行的不良貸款產(chǎn)生影響，其中手續(xù)費(fèi)及傭金凈收入增長(zhǎng)率、GDP增長(zhǎng)速度、貸款撥備覆蓋率、鋼鐵行業(yè)凈利潤(rùn)、煤炭行業(yè)凈利潤(rùn)和銀行利潤(rùn)增長(zhǎng)率這幾個(gè)自變量均有降低銀行不良貸款的作用。銀行資本充足率、廣義貨幣供應(yīng)量這兩個(gè)自變量對(duì)銀行不良貸款起到正向的促進(jìn)作用。并且，GDP的增長(zhǎng)速度、銀行的盈利能力對(duì)降低銀行不良貸款的程度的影響最大，GDP每增長(zhǎng)1%會(huì)導(dǎo)致銀行不良貸款大約降低0.463 9%，銀行的利潤(rùn)增長(zhǎng)率每增加1%會(huì)導(dǎo)致銀行不良貸款平均降低0.011 3%左右。這兩個(gè)因素對(duì)降低銀行不良貸款的影響效果是最好的，貢獻(xiàn)程度也是最大的。其主要原因是在一個(gè)經(jīng)濟(jì)持續(xù)高速增長(zhǎng)的經(jīng)濟(jì)環(huán)境中，企業(yè)盈利能力會(huì)不斷增強(qiáng)，企業(yè)償還貸款的能力也會(huì)不斷地增強(qiáng)，銀行的信貸風(fēng)險(xiǎn)不斷降低。銀行自身的盈利能力下降的時(shí)候，銀行就沒(méi)有足夠的利潤(rùn)來(lái)核銷不良貸款，從而使得銀行的不良貸款增加。

②銀行資本充足率、廣義貨幣供應(yīng)量這兩個(gè)自變量對(duì)銀行不良貸款起到正向的促進(jìn)作用主要是因?yàn)閺V義貨幣供應(yīng)量的持續(xù)增加，會(huì)引發(fā)新一輪的通貨膨脹，加之之前就已經(jīng)產(chǎn)生的通貨膨脹，這會(huì)增加企業(yè)的生產(chǎn)成本，影響企業(yè)的生存和發(fā)展，當(dāng)企業(yè)面臨嚴(yán)重的資金困難的時(shí)候，就會(huì)增加企業(yè)償還貸款的難度，會(huì)導(dǎo)致銀行不良貸款的上升。資本充足率較高的銀行一般會(huì)認(rèn)為自身的信貸風(fēng)險(xiǎn)比較小，安全性高，在放貸的時(shí)候放貸人員通常只考慮其盈利性，對(duì)貸款的安全性意識(shí)不足，將導(dǎo)致銀行不良貸款的產(chǎn)生。

③以煤炭鋼鐵行業(yè)為代表的行業(yè)整體狀況對(duì)四大國(guó)有商業(yè)銀行的不良貸款產(chǎn)生的影響。由上面結(jié)論可知，鋼鐵煤炭行業(yè)獲得的凈利潤(rùn)越多，銀行的不良貸款就會(huì)越少。國(guó)內(nèi)煤炭鋼鐵企業(yè)要進(jìn)行持續(xù)的經(jīng)營(yíng)就必須依賴銀行提供一定的金融支持。四大行的系統(tǒng)風(fēng)險(xiǎn)隨著鋼鐵煤炭行業(yè)的依賴程度的不斷加大而變得越來(lái)越大，而且鋼鐵煤炭行業(yè)的融資風(fēng)險(xiǎn)和投資風(fēng)險(xiǎn)也比較容易集中到四大國(guó)有商業(yè)銀行，從而出現(xiàn)煤炭鋼鐵行業(yè)的波動(dòng)對(duì)四大行的信貸產(chǎn)生巨大的影響。因此隨著近幾年來(lái)鋼鐵煤炭行業(yè)出現(xiàn)產(chǎn)能過(guò)剩，利潤(rùn)大幅度下滑使得銀行的不良貸款余額節(jié)節(jié)攀升。

5.2對(duì)策建議

①鋼鐵煤炭行業(yè)是我國(guó)產(chǎn)能過(guò)剩十分嚴(yán)重的行業(yè)，銀行應(yīng)加強(qiáng)對(duì)這兩個(gè)行業(yè)的風(fēng)險(xiǎn)監(jiān)測(cè)。鋼鐵煤炭行業(yè)是我國(guó)四大國(guó)有商業(yè)銀行不良貸款產(chǎn)生的高發(fā)地帶，四大行必須加強(qiáng)對(duì)這兩個(gè)行業(yè)的監(jiān)控，制定有關(guān)行之有效的措施，在貸款前要盡量限制對(duì)這兩個(gè)行業(yè)貸款，當(dāng)貸款發(fā)生時(shí)，要及時(shí)防范不良貸款產(chǎn)生的風(fēng)險(xiǎn)，在不良貸款產(chǎn)生后要想辦法消減這部分不良貸款，例如國(guó)家最近提出的將不良貸款證券化，這是銀行減少高額的不良貸款的一個(gè)切實(shí)可行的辦法，不過(guò)在實(shí)行過(guò)程中會(huì)遇到很多困難，銀行要提前做好應(yīng)對(duì)。

②擴(kuò)大內(nèi)需，促進(jìn)經(jīng)濟(jì)增長(zhǎng)。自2008年全球金融危機(jī)爆發(fā)以來(lái)，全球的經(jīng)濟(jì)一直不景氣，我國(guó)以出口型為導(dǎo)向的增長(zhǎng)模式面臨著巨大的壓力，在這種情況下，我國(guó)政府提出了擴(kuò)大內(nèi)需，以內(nèi)需來(lái)拉動(dòng)國(guó)內(nèi)經(jīng)濟(jì)的增長(zhǎng)。經(jīng)濟(jì)增長(zhǎng)有利于企業(yè)提高其自身的盈利能力，增強(qiáng)企業(yè)的還貸能力，降低銀行的信貸風(fēng)險(xiǎn)。

③從四大行的角度來(lái)看，應(yīng)該完善其自身的信貸管理機(jī)制。銀行在進(jìn)行放貸的時(shí)候，應(yīng)該主動(dòng)加強(qiáng)放貸人員的控制風(fēng)險(xiǎn)和風(fēng)險(xiǎn)識(shí)別的意識(shí)，同時(shí)建立行之有效的懲罰機(jī)制和獎(jiǎng)勵(lì)機(jī)制，對(duì)及時(shí)發(fā)現(xiàn)信貸風(fēng)險(xiǎn)的信貸人員給予一定的獎(jiǎng)勵(lì)，對(duì)由于信貸人員的過(guò)失而導(dǎo)致不良貸款產(chǎn)生的人員給予一定的處罰，通過(guò)這種措施來(lái)降低銀行的信貸風(fēng)險(xiǎn)。同時(shí)銀行管理人員必須強(qiáng)化對(duì)不良貸款的認(rèn)識(shí)，不能為了眼前的利益而不顧自身的可持續(xù)發(fā)展，及時(shí)的調(diào)整銀行的資產(chǎn)結(jié)構(gòu)，建立科學(xué)有效的不良貸款管理體系。

［1］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(cái)政理論與實(shí)踐（雙月刊），2009（6）：22-25.

［2］肖梓光.銀行不良貸款形成與區(qū)域經(jīng)濟(jì)相關(guān)性的實(shí)證分析［J］財(cái)經(jīng)縱橫，2013（15）：171-173.

［3］盧盼盼.利率與商業(yè)銀行不良貸款率波動(dòng)研究［J］.銀行管理，2012：50-53.

［4］郭耀中.商業(yè)銀行不良貸款率下降影響因素研究［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2012（1）:62-63.

［5］劉妍.我國(guó)商業(yè)銀行不良貸款成因及相關(guān)因素分析［J］.系統(tǒng)工程，2014（5）:66-74.

［6］譚勁松，簡(jiǎn)宇寅，陳穎.政府干預(yù)與不良貸款［J］.管理世界，2012（7）：29-43.

［7］姜冉.商業(yè)銀行不良貸款上升的原因及對(duì)策建議［J］.金融研究，2014（9）：161-162.

［8］韓笑，徐少君.我國(guó)宏觀經(jīng)濟(jì)對(duì)商業(yè)銀行不良貸款影響因素的實(shí)證分析［J］.經(jīng)管研究，2015（7）：88-95.

［責(zé)任編輯：路實(shí)］

Analysis on the Factors of the Four Major State-owned Commercial Banks'Bad Loans

CHENZe-long，RAOHai-qin
（College ofManagement，UniversityofShanghai for Science and Technology，Shanghai 200093，China）

The bank bad loan can increase its credit risk，restrict the bank lending ability and the profit ability.The four major state-owned commercial banks is four giants of China's banking industry，occupies a very large proportion in all assets of China's banking industry，and Bank of China，Agricultural Bank，Industrial and Commercial Bank，Construction Bank four lines of non-performing loans accounted for the proportion of China's banking industry total non-performing loans more than half.In this paper，through the collection and collation of the fourth quarter of 2011 to the first quarter of 2016 data，the use of SPSS，Stata and other software for empirical analysis.Empirical results showthat net fee and commission income growth rate，GDP growth rate，loan provision coverage，iron and steel enterprises net profit，net profit of coal enterprises，capital adequacy，bank profit growth rate，broad money supply and bank non-performing loans exist correlation.

Four State-owned Commercial Banks；Bad Loan Amount；Influence Factor

F832.4

A

1673-5919（2016）05-0026-06

10.13691/j.cnki.cn23-1539/f.2016.05.007

2016-07-12

陳澤龍（1990-），男，河南信陽(yáng)人，碩士研究生。

饒海琴（1958-），女，上海市人，副教授。研究方向：財(cái)政學(xué)，稅務(wù)學(xué)。