中國民生銀行不良貸款率影響因素的實證分析

張藝凡

(安徽財經(jīng)大學)

中國民生銀行不良貸款率影響因素的實證分析

張藝凡

(安徽財經(jīng)大學)

根據(jù)國內(nèi)外的經(jīng)驗教訓表明，商業(yè)銀行不良貸款率過高一直是導致銀行破產(chǎn)和金融危機的重要原因之一，同時不良貸款率也是影響銀行盈利能力和競爭力的重要影響因素.為了研究中國民生銀行的不良貸款率的影響因素，選取了非利息收入占比、撥備覆蓋率(PRC)、貸存比以及實際GDP季調(diào)值(2015年價格)來共同解釋民生銀行不良貸款率的變動，通過運用Eviews6.0，對影響不良貸款率的因素進行分析，找出顯著影響民生銀行不良貸款率的變量以及各個變量間的關系，來更好地為降低不良貸款率提供實證基礎.

不良貸款率；回歸分析；多重共線性；異方差；自相關

0 引言

“回歸本源”、支持實體經(jīng)濟，是今年金融機構發(fā)展的主旋律.服務實體經(jīng)濟也是今年金融工作會議提出的三大任務之一.從上市銀行近期公布的半年報數(shù)據(jù)看，多家銀行正在調(diào)整結構，向?qū)嶓w經(jīng)濟傾斜.銀監(jiān)會《關于銀行業(yè)風險防控工作的指導意見》中指出，銀行業(yè)金融機構要嚴格落實信貸資產(chǎn)的分類標準和操作流程，真實準確動態(tài)地反映資產(chǎn)分類狀況.隨著銀行業(yè)對資產(chǎn)分類認定趨嚴，部分股份行不良率壓力較大.

1 中國民生銀行的不良貸款率現(xiàn)狀及研究意義

截止2017年第一季度，商業(yè)銀行不良率為1.74%，與2016年末持平，比去年同期下降1bps.自2016年第一季度以來，商業(yè)銀行不良貸款率維持在1.74%～1.76%區(qū)間，扭轉了之前逐季上升的趨勢，呈現(xiàn)企穩(wěn)向好之勢.中國民生銀行股份公司是我國大陸第一家由民間資本設立的全國性商業(yè)銀行，8月29日，民生銀行發(fā)布半年報.從資產(chǎn)質(zhì)量來看，截至6月末，民生銀行不良貸款率1.69%，比上年末上升0.01個百分點.

表1 2016年第四季度、2017年第一季度，民生銀行與國有五大行的不良貸款率對比情況表

由表1可以看出，民生銀行在2016Q4與2017Q1兩個季度，不良貸款率均超過了國有五大行中的四家銀行，截至2017年6月，民生銀行不良貸款余額達456.10億元，環(huán)比上漲了19.783%，為2007年來最高水平，不良貸款狀況不容忽視.因此，有必要對民生銀行不良貸款率的影響因素進行分析研究.

2 實證分析

2.1 變量的選取和數(shù)據(jù)的處理

該文研究對象為民生銀行不良貸款率，選擇了4個變量：非利息收入占比、撥備覆蓋率(PRC)、貸存比以及實際GDP季調(diào)值(2015年價格)，揭示不良貸款率與對其顯著影響的變量之間的關系.該文選取從2006年6月至2017年3月的季度數(shù)據(jù)為樣本，共44個樣本，數(shù)據(jù)來源于中國銀監(jiān)會網(wǎng)站、中國國家統(tǒng)計局以及Wind資訊.

2.2 模型的提出

不良貸款率影響因素模型如下：

Yt=β0+β1X1t+β2X2t+β3X3t+β4X4t+ut

其中被解釋變量：不良貸款率/%(Y)，解釋變量：非利息收入占比/%(X1)、撥備覆蓋率/%(X2)、貸存比/%(X3)、實際GDP季調(diào)值(X4)，ut為隨機擾動項.

2.3 回歸分析

通過Eviews建立多元線性回歸模型，運用OLS估計法對參數(shù)進行估計，結果見表2.

表2 OLS方法下的多元線性模型估計結果

根據(jù)表1的初步估計結果，建立不良貸款率與各個影響因素的線性回歸方程如下：

Yt=0.614991-0.002226X1t-0.003393X2t+0.005414X3t+5.96E-06X4t

t=(1.220452)(-0.556195)(-10.73395)

(0.968865)(4.984545)

3 模型的檢驗

3.1 經(jīng)濟意義檢驗

根據(jù)回歸結果可以看出，民生銀行的不良貸款率與存貸比、實際GDP季調(diào)值成正相關關系，與非利息收入占比、撥備覆蓋率成負相關關系.這與理論分析和經(jīng)驗判斷相一致.

3.2 統(tǒng)計推斷檢驗

3.3 檢驗與修正

3.3.1 多重共線性

計算各解釋變量的相關系數(shù)，得相關系數(shù)矩陣，其中X2與X3的相關系數(shù)為-0.719208，X1與X4的相關系數(shù)為0.883392，證實確實存在一定的多重共線性故用逐步回歸法進行修正.

由t檢驗得知，撥備覆蓋率(X2)對不良貸款率(Y)的影響較為顯著，所以以X2為基礎，依次將X1、X3、X4引入方程，回歸結果顯示，Y、X2、X4進行擬合所得到的回歸模型的擬合優(yōu)度R2=0.880351，擬合程度相對較高，并通過了t檢驗以及F檢驗.當繼續(xù)增加解釋變量X1、X3進行逐步回歸時，兩種情況均未通過t檢驗，因此，在對模型進行多重共線性的修正后，得到回歸方程為：

Y=1.110036-0.003571X2t+5.21E-06X4t

t=(14.51818) (-16.24347) (9.798491)

3.3.2 異方差

使用Eviews軟件進行懷特(White)異方差檢驗方法對模型進行檢驗，見表3.

表3 White檢驗結果

3.3.3 自相關

運用偏相關系數(shù)檢驗，觀察圖1可知，模型存在一階自相關.

圖1 偏相關系數(shù)檢驗結果

為解決自相關問題，采用科克倫-奧克特迭代法作廣義差分回歸，在7次迭代后收斂，估計結果中DW=1.716620，可以判斷du≈1.610，du

表4科克倫-奧克特法估計結果

在對最初建立的模型(1)式進行了經(jīng)濟意義檢驗、統(tǒng)計推斷以及關于模型的多重共線性、異方差、自相關性的檢驗和修正后，得到了最終關于影響民生銀行不良貸款率的線性回歸方程：

Y=0.807632-0.003080X2t+6.56E-06X4t

t=(2.259696)(-6.022036)(3.109934)

298.308,DW=1.716620

3.3.4 因果關系

通過格蘭杰因果關系檢驗可知變量之間短期內(nèi)的因果關系，選擇最大滯后階數(shù)為2期，對Y、X2、X4進行格蘭杰因果檢驗，得到表5.

表5 對Y、X2、X4格蘭杰因果檢驗結果

由表5所列結果可得以下結論：

(1)不良貸款率的變動短期內(nèi)不會影響撥備覆蓋率與實際GDP季調(diào)值，不是其變化的Granger原因.

(2)短期內(nèi)撥備覆蓋率不是導致不良貸款率變化的Granger原因.

(3)實際GDP季調(diào)值會導致不良貸款率的變化，其伴隨概率為0.02093，會在短期內(nèi)對其產(chǎn)生影響.

4 民生銀行降低不良貸款率的政策與建議

通過以上分析了解到，中國民生銀行不良貸款率與撥備覆蓋率、實際GDP季調(diào)值密切相關.不良貸款率與撥備覆蓋率呈反向變動，撥備覆蓋率每增加1%，不良貸款率降低0.003080%.與此同時，不良貸款率的變動不僅與銀行的經(jīng)營管理水平、銀行的資產(chǎn)質(zhì)量密切相關，還與我國宏觀經(jīng)濟運行情況相關，在GDP逐年上升的經(jīng)濟環(huán)境下，作為拉動經(jīng)濟增長的三駕馬車中的重要一輛馬車——投資，也在一定程度上影響著商業(yè)銀行的不良貸款率.希望從增量防范和存量化解兩個層面有效合理地降低不良貸款率[1].該文就此問題給出如下建議.

(1)提高民生銀行自身撥備覆蓋率的管理水平

2016年，撥備覆蓋率被納入了央行的監(jiān)管視野，按照相關監(jiān)管規(guī)定，銀行的撥備覆蓋率不低于150%，據(jù)分析，部分銀行的撥備覆蓋率被下調(diào)至140%或130%，而民生銀行的指標要求依舊為150%，這就要求民生銀行自身完善考核撥備覆蓋率的方案，提高撥備水平，降低風險可能性，以達到有效地降低不良貸款率.

(2)充分運用供給側改革的兩只手——“債轉股”、“資產(chǎn)證券化”

適當調(diào)整民生銀行債轉股資本占用，通過債轉股的手段，商業(yè)銀行可以有效防范因不良資產(chǎn)率過高而引發(fā)的金融危機，避免負債壓力過重，銀行大面積倒閉的局面，對維持宏觀經(jīng)濟平穩(wěn)運行發(fā)揮了重要作用[2].

資產(chǎn)證券化的目的是提高資產(chǎn)的流動性，主要是指將缺乏流動性、但具有可預期收入的資產(chǎn)，通過在資本市場上發(fā)行證券的方式，予以出售并獲取融資.由于銀行有短存長貸的矛盾，資產(chǎn)管理公司有回收不良資產(chǎn)的壓力，通過資產(chǎn)證券化的手段，將缺乏流動性的資產(chǎn)提前變現(xiàn)，解決流動性風險[3].

(3)把握宏觀經(jīng)濟運行，有效預知風險所在，提高風險預警能力

民生銀行應該有效合理地把握宏觀經(jīng)濟運行趨勢，利用技術的優(yōu)勢，配套以科學完整的風險管理體系，提高風險警覺能力，降低風險發(fā)生的可能性以及提高風險發(fā)生時的處理能力[4].同時，定期嚴查財務狀況，從根本上減少呆賬的發(fā)生.

[1] 李洋,劉美爽. 我國城鎮(zhèn)居民消費水平的計量經(jīng)濟模型分析[J]. 商業(yè)時代,2014(34):6-8.

[2] 袁瑞. 不良貸款率影響因素的實證分析[D].西南財經(jīng)大學,2016.

[3] 劉小鋼. 電力行業(yè)財務公司流動性風險及防范措施探討[J]. 金融經(jīng)濟,2013(14):255-256.

[4] 王光偉,童元松. 我國商業(yè)銀行不良貸款率的影響因素研究——基于2005～2013年宏觀季度數(shù)據(jù)的實證分析[J]. 湖北工業(yè)職業(yè)技術學院學報,2014,27(03):50-54.

EmpiricalAnalysisontheInfluencingFactorsofNPLRatioofMinshengBankofChina

Zhang Yifan

(Anhui Finance and Economics University)

Experience and lessons at home and abroad show that the high proportion of non-performing loans of commercial banks has been one of the main cause of the bank bankruptcy and the financial crisis, an important factor while non-performing loan ratio also affect bank profitability and competitiveness. In order to research the factors affecting the rate of non-performing loans of the Minsheng Bank Chinese, the proportion of non interest income, the provision coverage ratio (PRC), loan deposit ratio and the actual value of the GDP season (2015 prices)are to explain the Minsheng Bank Non-performing loan rate, through the use of Eviews6.0, the influence factors of the non-performing loan ratio are analyzed to identify the significant impact on the livelihood of silver. The variables of non-performing loan ratio and the relationship among various variables can provide an empirical basis for reducing the non-performing loan ratio.

NPL ratio; Regression analysis; Multicollinearity; Heteroscedasticity; Autocorrelation

季春陽)

F832.4

A

1000-5617(2017)04-0021-05

2017-06-21