經(jīng)濟增長與城商行不良貸款率的實證研究

應海芬

（臺州職業(yè)技術學院管理學院，浙江臺州318000）

金融發(fā)展關系著國民經(jīng)濟的健康發(fā)展，當前國民經(jīng)濟發(fā)展處于新常態(tài)，國內生產(chǎn)總值（GDP）增速降低。2015年第三季度的統(tǒng)計數(shù)據(jù)表明，GDP累計值為487 773.5億元，比上年同期增長了6.9%，當季值為173 595.3億元，比上年同期增長了6.9%。從2011年第三季度至2015年第三季度的GDP環(huán)比增長率均值為1.78%，最高值為2013年第三季度的2.2%，最低為2015年第一季度的1.3%。這幾年的數(shù)據(jù)顯示，自然年度內的GDP季度環(huán)比增長率的最高點與最低點均呈現(xiàn)下滑的趨勢，由此可見經(jīng)濟下行壓力明顯。同時，經(jīng)濟結構面臨轉型升級、金融業(yè)態(tài)更加多樣化，銀行業(yè)面臨著前所未有的挑戰(zhàn)，監(jiān)管層對金融穩(wěn)定、銀行資產(chǎn)質量非常關注。

關于經(jīng)濟增長、商業(yè)銀行不良貸款率的研究一直是學術界的研究熱點。經(jīng)濟呈周期型發(fā)展，在不同發(fā)展階段，社會投資、消費、出口表現(xiàn)不同，經(jīng)濟的增速也不同。一種觀點認為，我國商業(yè)銀行不良貸款與經(jīng)濟增長正相關關系，在經(jīng)濟增長各個階段，每個國家的不良貸款率顯現(xiàn)出不同的特征（李宏瑾）。另一種觀點認為，不良貸款率制約著經(jīng)濟增長，經(jīng)濟增長對不良貸款率的波動作用不明顯，但影響其向下的變動（岳蓓蓓、鄭循剛）。研究的角度不同，結果也不一致，但是值得肯定的是，不良貸款率是銀行業(yè)普遍關注的指標，認清不良貸款率對銀行業(yè)的影響，防止商業(yè)銀行不良競爭導致風險負擔過大（彭建剛、鄒克、張倚勝）?，F(xiàn)有的實證研究大多以商業(yè)銀行作為一個整體進行研究，而較少分類、單獨研究城市商業(yè)銀行，原因主要在于其發(fā)展歷史較短，公開的財務數(shù)據(jù)及其他監(jiān)管數(shù)據(jù)獲取較難。然而不可否認的是，城市商業(yè)銀行與其他商業(yè)銀行比較，在客戶群、經(jīng)營策略等方面有明顯的區(qū)別，且已經(jīng)開始在我國金融系統(tǒng)中發(fā)揮越來越重要的作用。本文以城市商業(yè)銀行為研究對象，分析其不良貸款率與經(jīng)濟增長之間的聯(lián)系，為城市商業(yè)銀行防范風險提出建議。

一、城市商業(yè)銀行及其發(fā)展現(xiàn)狀

城市商業(yè)銀行（以下簡稱“城商行”）從城市信用社發(fā)展而來，后來城信社不良貸款高企、風險問題突出。1994年經(jīng)過清理整頓后，全國5 200余家城信社有很多不良貸款率超過50%，仍面臨嚴峻考驗。后經(jīng)國務院決策，經(jīng)過重組合并，轉制為城市合作銀行，再整體更名為城商行。城商行是以服務地方經(jīng)濟為主，主要為中小企業(yè)提供中介服務的金融機構，是地方金融系統(tǒng)中的重要組成部分，提升了我國金融市場的活力。根據(jù)銀監(jiān)會統(tǒng)計口徑，我國商業(yè)銀行有五類。截至2014年底，我國城市商業(yè)銀行共有133家，在商業(yè)銀行的總量中占比較高（見圖1）。

圖1 全國銀行業(yè)金融機構法人機構數(shù)（截至2014年底）

圖2 商業(yè)銀行市場份額占比（按資產(chǎn)，2003—2014年）

從發(fā)展歷史來看，城商行是為了服務個體戶和民營企業(yè)應運而生的，其戰(zhàn)略定位與大型商業(yè)銀行、股份制商業(yè)銀行不同，其發(fā)展的優(yōu)勢在于提供特色化、差異化的服務，在競爭中地毯式搶占客戶，取得優(yōu)勢。全國銀行業(yè)金融機構的資產(chǎn)結構趨于合理化，銀行業(yè)競爭更加激烈。從圖2可知，近十多年來，大型商業(yè)銀行的市場份額雖然曾經(jīng)占據(jù)半壁江山，但份額已逐年減少，而股份制銀行、城商行等中小商業(yè)銀行的市場份額在逐年擴大。銀行業(yè)金融機構資產(chǎn)規(guī)模逐年穩(wěn)步上升，2014年底總資產(chǎn)規(guī)模達到172萬億元，比上年同期增長了13.86%（見圖3）。其中，城商行總資產(chǎn)規(guī)模的市場份額為10.49%，且份額有逐年上升趨勢。到2015年第三季度，城商行總資產(chǎn)規(guī)模為21.2萬億元，市場份額為11%（見圖4）。將三類銀行的資產(chǎn)對比來看，大型商業(yè)銀行資產(chǎn)總值最高，城商行排在最后，但其總資產(chǎn)與股份制商業(yè)銀行較為接近，與大型商業(yè)銀行差距較大（見圖5）。從三類銀行資產(chǎn)每年的增速來看，大型商業(yè)銀行的增速近幾年已降至10%以下，低于城商行與股份制商業(yè)銀行。城商行近年來資產(chǎn)增速較快，超越股份制商業(yè)銀行。一方面與城商行資產(chǎn)的基數(shù)相對較小有關，而另一方面也說明了受政策利好，城商行的資產(chǎn)擴張速度較快。從圖5、圖6可以看出，雖然近年來，商業(yè)銀行的資產(chǎn)呈總體上升的趨勢，2009—2010年資產(chǎn)增速達到頂峰，之后，這三類銀行的資產(chǎn)增速均出現(xiàn)了連續(xù)下降。

圖3 銀行業(yè)金融機構總資產(chǎn)與總負債（2003—2014年）

圖4 城商行總資產(chǎn)與總負債（2005Q1—2015Q3）

圖5 商業(yè)銀行總資產(chǎn)（2004—2014年，單位：億元）

圖6 商業(yè)銀行總資產(chǎn)年增速（2004—2014年）

圖7 城商行不良貸款余額、不良貸款率（2005Q1—2015Q3）

二、城商行不良貸款率影響因素分析

依據(jù)商業(yè)銀行貸款的風險程度，不良貸款率如下：

當商業(yè)銀行不良貸款率上升時，意味著該銀行信用風險增加，將會有更多貸款收不回來，銀行資產(chǎn)會遭受更多損失。從圖7可知，2005年第一季度起，城商行的不良貸款余額與不良貸款率均呈下降趨勢，直到2011—2012年出現(xiàn)轉折，2013年第一季度開始至2015年第三季度出現(xiàn)了不良貸款余額與不良貸款率的持續(xù)“雙升”，表現(xiàn)堪憂。在各類商業(yè)銀行中，城商行的不良貸款率相對較低，2015年第三季度各商業(yè)銀行不良貸款率從低到高排，分別為城商行1.44%、股份制商業(yè)銀行1.49%、大型商業(yè)銀行1.54%、農(nóng)村商業(yè)銀行2.35%。除農(nóng)商行外，各類商業(yè)銀行不良貸款的排序與資產(chǎn)規(guī)模基本呈正向關聯(lián)。一般情況下，資產(chǎn)規(guī)模較大的商業(yè)銀行，發(fā)放的貸款總額也較大，而貸款總額大了，不良貸款自然也更多。對比五類商業(yè)銀行可以看出，城商行在不良貸款余額與不良貸款率的控制方面明顯優(yōu)于農(nóng)村商業(yè)銀行，不完全是因為資產(chǎn)規(guī)模小的因素（見表1）。

表1 各類商業(yè)銀行排序（截至2015Q3）

撥備覆蓋率是影響商業(yè)銀行不良貸款率的重要指標，它通過衡量商業(yè)銀行貸款損失準備金來考察銀行風險的可控程度，計算公式如下：

如果撥備覆蓋率過低，則說明計提的貸款損失準備金過少，而銀行在應對風險損失時無法彌補，進而引起不良貸款率上升，但是過高又會降低商業(yè)銀行的盈利能力。我國商業(yè)銀行2015年前3季度的平均撥備覆蓋率為200.38%，而城市商業(yè)銀行的平均撥備覆蓋率為222.01%，為商業(yè)銀行中最高，城商行在風險抵補方面具有優(yōu)勢。

城商行的貸款集中度也會影響其貸款的收回，貸款集中度可以衡量貸款在地區(qū)、行業(yè)、客戶的分布情況是否合理。與投資分散原則一樣，貸款如果不分散，風險就會更大。除此之外，城商行的利潤表里面的數(shù)據(jù)對不良貸款率的影響也比較大，例如凈利差、凈息差、非利息收入占比等。凈利差高則意味著銀行的利息收入與利息支出差距較大，貸款的定價高，不良風險會增加。凈息差與凈利差比較類似，但不同的是，前者為利息凈收入與銀行生息資產(chǎn)的比值，而后者是與總資產(chǎn)之比。銀行的營業(yè)利潤成分里面還有手續(xù)費及傭金凈收入、投資凈收益、其他業(yè)務凈收入等，而這幾項收入中除債券投資利息收入之外，均作為商業(yè)銀行非利息收入。通常認為，銀行的非利息收入占比大的，則銀行的業(yè)務創(chuàng)新能力比較好，資產(chǎn)的安全性也更高。

城商行的不良貸款率既受自身因素的影響，也受外部因素的影響，例如經(jīng)濟發(fā)展、貨幣供應、基準利率水平、政府干預行為、銀行定位和發(fā)展戰(zhàn)略等（程惠芳、姚遙）。

三、經(jīng)濟增長率與城商行不良貸款率的實證分析

（一）數(shù)據(jù)來源與模型構建

本文實證分析部分所使用的樣本的時間段為2005年第一季度至2015年第三季度，數(shù)據(jù)頻度為季度，城商行不良貸款率（以下用NPLR表示）的數(shù)據(jù)取自中國銀監(jiān)會統(tǒng)計平臺，經(jīng)濟增長率（以下用GDPGR表示）的數(shù)據(jù)取自國家統(tǒng)計局數(shù)據(jù)平臺。對該時間段的NPLR與GDPGR繪制折線圖，可以看出，受國際金融危機影響GDPGR波動較大，最高值出現(xiàn)在2007年第二、三季度，最低值在2009年第一季度，且近幾年數(shù)值向最低值靠近。而NPLR的表現(xiàn)比較平緩，出現(xiàn)大幅下降后，又逐漸緩慢上升。由于GDPGR在前面幾年出現(xiàn)大幅波動，但后幾年顯示兩者有明顯的反向變動關系，因此可以通過實證研究來驗證反向關系否長期存在（見下頁圖8）。

實證研究中所考察的回歸模型如下：

其中，NPLR為因變量，GDPGR為解釋變量。

本文應用格蘭杰提出的因果關系檢驗方法（Granger，1969[5]）對時間序列經(jīng)濟變量進行分析，檢驗變量之間是否存在因果關系。首先建立回歸方程如下：

在式（4）中加入X的滯后變量，得到回歸方程：

式（5）中設置零假設為H0：β1=β2=…βq=0

其中，n為樣本數(shù)量，q為約束條件的數(shù)量，p+q為式（5）回歸系數(shù)的數(shù)量。

圖8 經(jīng)濟增長率與城商行不良貸款率（2005Q1—2015Q3）

根據(jù)F檢驗統(tǒng)計量的式（6），如果在顯著水平α下，如果F＞F[q，n－（p+q）]，則拒絕零假設，那么X是Y的Granger原因。

（二）變量的平穩(wěn)性檢驗

本文采用的實證樣本數(shù)據(jù)為時間序列，首先要對經(jīng)濟變量進行平穩(wěn)性進行分析。如果檢驗的結果顯示滿足平穩(wěn)性的條件，可以直接采用回歸方法進行分析。如果不滿足，但經(jīng)過差分后的序列是平穩(wěn)的，且兩個變量差分的次數(shù)相同，那么就說明這兩個變量是在同階達到平穩(wěn)的變量，就可以運用協(xié)整檢驗來對模型進行分析。

使用ADF單位根檢驗方法驗證變量平穩(wěn)性比較普遍，此方法原假設為變量含有單位根（即非平穩(wěn)），如果檢驗后的結果顯示是拒絕原假設，那么可以判斷變量是平穩(wěn)的，否則就是非平穩(wěn)的。使用Eview7.0軟件，分別對變量NPLR、GDPGR的平穩(wěn)性進行檢驗，結果進行匯總后（如表2所示）。

從表2的匯總結果中可以看出，對于NPLR存在單位根假設的檢驗，檢驗的統(tǒng)計量值為－0.517956，Prob.值大于0.05，應在5%顯著水平下接受原假設，說明城商行不良貸款率NPLR是非平穩(wěn)序列。同理，經(jīng)濟增長率GDPGR也是非平穩(wěn)的。再對兩個變量差分序列的平穩(wěn)性進行檢驗，根據(jù)當期減去上一期能夠得到一階差分序列DNPLR、DGDPGR，結果（如下頁表3所示）。

從表3差分序列檢驗匯總表結果看出，對DNPLR含有單位根這一原假設的檢驗，它檢驗的統(tǒng)計量值顯示為-3.537200，而在5%水平下檢驗的臨界值數(shù)據(jù)是-2.951125，小于臨界值，而概率Prob.值是0.0129，小于0.05，這說明在5%水平下不應該接受DNPLR含有單位根這一假設，說明DNPLR是平穩(wěn)的時間序列；使用同樣方法，表明DGDPGR是平穩(wěn)的序列。

表3 DNPLR、DGDP的平穩(wěn)性檢驗

檢驗結果表明，NPLR和GDPGR均為一階平穩(wěn)的變量，是同階單整的，因此接下來可以采用協(xié)整檢驗方法進行繼續(xù)分析。

（三）協(xié)整檢驗

采用Johansen協(xié)整檢驗方法對城商行不良貸款率與經(jīng)濟增長率的關系進行分析，研究不同經(jīng)濟變量之間是否存在長期穩(wěn)定的均衡關系。

首先要確定檢驗的滯后階數(shù)，協(xié)整檢驗的滯后期等于LR、FPE、AIC、SC、HQ等五個準則所得的最優(yōu)滯后期減去1，得到最優(yōu)滯后期選擇結果（如表4所示）。由表4可知，五個準則選擇的滯后階數(shù)都為5，故協(xié)整檢驗的滯后階數(shù)就為5-1=4。

運用Eviews軟件，滯后期選擇4，得到最大特征根檢驗結果（如表5所示）。實證結果表明，當原假設為“NPLR與GDPGR之間不存在協(xié)整關系”時，協(xié)整檢驗的最大特征根統(tǒng)計量值大于5%顯著性水平下的臨界值，且對應P值為0.0000，小于0.05，故在5%顯著水平下應該拒絕該假設。再對“At most 1”假設進行檢驗得到對應P值為0.0565，大于0.05，因此應該接受該假設，即NPLR與GDPGR之間在5%顯著水平下存在協(xié)整關系，表明城商行不良貸款率與經(jīng)濟增長率之間存在長期穩(wěn)定的關系。

表4 最優(yōu)滯后期

表5 Johansen協(xié)整檢驗結果

根據(jù)檢驗結果，得到的協(xié)整關系方程為：

根據(jù)方程（7）可以看出，GDPGR的估計系數(shù)為-0.855255，小于0，這說明城商行不良貸款率與經(jīng)濟增長率之間存在負相關關系，二者反向變動。

（四）Granger因果關系檢驗

以上分析表明NPLR與GDPGR之間存在聯(lián)系，但兩個變量的因果關系尚未確定，因此進一步使用Granger因果關系法進行檢驗。由上文分析可知最優(yōu)滯后期為5，因此運用軟件檢驗的結果（如表6所示）。

表6 Granger因果關系檢驗結果

由表6因果關系檢驗結果可得，關于“GDPGR does not Granger Cause NPLR”的假設，其檢驗的F統(tǒng)計量對應P值為小于0.05，因此拒絕5%顯著水平下的原假設，說明GDPGR是引起NPLR變化的Granger原因；同理，NPLR也是引起GDPGR變化的Granger原因。因此，城商行不良貸款率與經(jīng)濟增長率之間存在雙向因果關系。

四、實證結論

通過對城商行不良貸款率與經(jīng)濟增長率數(shù)據(jù)進行實證分析可知，城商行不良貸款率與經(jīng)濟增速存在長期協(xié)整關系，且兩者為負相關，同時兩者具有雙向因果關系。也就是說，當經(jīng)濟增速下降時，會對城商行不良貸款率有向上推動的影響，而經(jīng)濟增速提高時，會對城商行不良貸款率有向下降低的影響。反過來，當城商行不良貸款率的下降，對經(jīng)濟增長是有利的，而城商行不良貸款率的上升，對經(jīng)濟增長會起反作用。城商行面向地方經(jīng)濟、服務地方經(jīng)濟，因此其不良貸款的升高對地方的經(jīng)濟增長的反作用也會更大。

我國城商行整體上受到自身資本實力、市場定位及區(qū)域環(huán)境的影響，有產(chǎn)出不足的問題，但是通過跨區(qū)域經(jīng)營發(fā)展可以使銀行效率提升（吳俊、李菊）。當前經(jīng)濟處于合理區(qū)間，城商行更應當有危機意識，對不良貸款進行重組、轉讓或核銷，消化存量、減少增量；精準定位目標客戶，支持實體經(jīng)濟，積極服務中小微企業(yè)；開拓創(chuàng)新中間業(yè)務，提升非利息收入占比，使業(yè)務更加多元化；提高制度執(zhí)行力，嚴格把關信貸的審批環(huán)節(jié)，不盲目逐利，對信貸資金的合規(guī)使用進行監(jiān)管；加強銀行人員管理，防范內外勾結的違規(guī)操作導致的損失。此外，要建立良好的制度環(huán)境，減少經(jīng)濟發(fā)展中的系統(tǒng)性風險，從而降低城商行不良貸款率。

參考文獻：

[1] 李宏瑾.經(jīng)濟增長、經(jīng)濟自由與不良貸款[D].北京：中國人民大學，2008.

[2] 岳蓓蓓，鄭循剛.經(jīng)濟增長與商業(yè)銀行不良貸款率波動的VAR模型分析[J].金融與經(jīng)濟，2011，(1).

[3] 彭建剛，鄒克，張倚勝.不良貸款率對銀行業(yè)影響的統(tǒng)計關系檢驗[J].湖南大學學報：社會科學版，2015，(5).

[4] 程惠芳，姚遙.江浙滬城市商業(yè)銀行競爭力及其影響因素分析[J].經(jīng)濟地理，2013，(7).

[5] Granger C.W.J.Investigating Causal Relations by Econometric Models and Cross-spectral Models[J].Econometrica，1969，(37)：424-438.

[6] 吳俊，李菊.不良貸款約束下城市商業(yè)銀行跨區(qū)域發(fā)展的效率研究[J].南方金融，2014，(3).