上市銀行不良貸款研究——基于面板數(shù)據(jù)模型

文/龍思思

?

上市銀行不良貸款研究——基于面板數(shù)據(jù)模型

文/龍思思

上海大學

近年來，中國宏觀經(jīng)濟形勢下行、房地產(chǎn)剛性泡沫、利率市場化和社會杠桿率大，眾多商業(yè)銀行的不良貸款率又呈現(xiàn)回升趨勢。首先，本文介紹了不良貸款，再而通過對上市銀行的現(xiàn)狀分析，選取了制造業(yè)采購經(jīng)理人指數(shù)PMI、廣義M2增長率、凈利差和銀行撥備覆蓋率作為解釋變量進行實證分析。分析結(jié)果表明，除制造業(yè)采購經(jīng)理人指數(shù)PMI對上市銀行不良貸款率不產(chǎn)生顯著性影響，其他解釋變量皆與不良貸款率呈負相關(guān)關(guān)系且顯著，即廣義M2增長率越大、凈利差越大和銀行撥備覆蓋率越大，銀行的不良貸款率就越低，反之越高。最后，在理論和實證分析的基礎(chǔ)上，結(jié)合當代經(jīng)濟形勢和金融背景，從存量化解和風險防范的角度提出解決措施。

不良貸款率；固定效應(yīng)面板模型；不良資產(chǎn)證券化

1 緒論

盡管中國各銀行的不良貸款被政府一直高度重視,但是從目前來看，不良貸款的問題依然是值得我們高度重視的。尤其是近幾年，經(jīng)濟形勢下行，鋼鐵、紡織和有色金屬等眾多行業(yè)的過剩產(chǎn)能，制造業(yè)低迷，都在一定程度上使我國銀行的不良貸款出現(xiàn)新的“回升”。截至2015年末,商業(yè)銀行不良貸款問題依然十分顯目,尤其是農(nóng)業(yè)銀行不良貸款問題尤其突出。

不良貸款的現(xiàn)狀和所處的宏觀環(huán)境與以往相比較而言，其現(xiàn)狀更為嚴重，所處宏觀環(huán)境更為復(fù)雜。經(jīng)濟形勢下行、行業(yè)過剩產(chǎn)能、房地產(chǎn)泡沫、制造業(yè)低迷、利率市場化、國企改革和社會、企業(yè)、政府去杠桿等宏觀復(fù)雜經(jīng)濟環(huán)境。

表1 變量的屬性

變量符號變量名稱頻率單位數(shù)據(jù)來源更新時間屬性 BLR不良貸款率年%WIND2017/3/8被解釋變量 PMI制造業(yè)采購經(jīng)理人指數(shù)年%WIND2017/3/8解釋變量 GPCR對數(shù)撥備覆蓋率年%WIND2017/3/8解釋變量 NIM凈利差年%WIND2017/3/8解釋變量 M2M2年度增長率年%WIND2017/3/8解釋變量

2 我國上市銀行不良貸款現(xiàn)狀分析

本文選擇其中18家上市銀行為樣本，以行業(yè)分類的方式對上市銀行貸款結(jié)構(gòu)進行分析。發(fā)現(xiàn)我國銀行貸款主要集中于制造業(yè)，其次是交通運輸、倉儲和郵政業(yè)行業(yè)以及房地產(chǎn)業(yè)

并且基本了解到，我國股份制商業(yè)銀行的不良貸款從規(guī)模和比率上均低于我國五大行；我國上市銀行的貸款主要分布于制造業(yè)，其次是交通運輸、倉儲和郵政業(yè)和房地產(chǎn)業(yè)。

3 實證分析

本文數(shù)據(jù)主要來源于WIND金融客戶端，基于數(shù)據(jù)的可得性和可比性，本文選取近8年的年度數(shù)據(jù)進行一個實證分析。為了驗證各種宏觀因素與微觀因素對不良貸款率的關(guān)系與影響程度，本文選取面板模型來進行實證分析，分析各變量對不良貸款的影響關(guān)系。

不良貸款率:不良貸款率=不良貸款/總貸款

制造業(yè)采購經(jīng)理人指數(shù)：PMI是一項比較全面的經(jīng)濟指標，代表了就業(yè)、制造業(yè)整體狀況及物價表現(xiàn)，在全球是最受關(guān)注的經(jīng)濟變量之一。如果指數(shù)低于50%，特別是非常接近40%時，則會有經(jīng)濟蕭條的憂慮。一般在40~50之間的時候，說明制造業(yè)正處于衰退，但是整體經(jīng)濟還是在擴張。

廣義貨幣M2年度增長率：廣義貨幣M2年度增長率=本期M2貨幣總量/上年M2貨幣總量

對數(shù)撥備覆蓋率：對數(shù)撥備覆蓋率=ln(撥備覆蓋率)，撥備覆蓋率=(一般準備+專項準備+特種準備)/(次級類貸款+可疑類貸款+損失類貸款)×100%

凈利差：凈利差=生息率-付息率

建立面板模型：

BLRi,t=αi+β1iPMIt+β2iM2t+β3iGPCRi,t+β4iNIMi,t+εi,t

(i=其中i=1,2,3...N,i表示研究銀行的樣本數(shù)，t=1,2...T表示年度數(shù)，εi,t為隨機誤差)

3.1 描述性統(tǒng)計

我國上市銀行的不良貸款率近8年來平均為1.38%，更有銀行不良貸款率達到23.57%。上市銀行的凈利差在近8年平均為2.56%，最小為1.38%，最大為4.49%，各大銀行凈利差相差較大；對數(shù)撥備覆蓋率平均為5.42%，最小為3.98%，最大為6.42%；PMI平均為51.30%，最小為49.91%，最大達到53.76%；廣義M2增長率平均為16.55%，最小為12.32%，最大為26.50%，近年來M2增長速度不斷放緩。

3.2 平穩(wěn)性檢驗

（1）首先對被解釋變量不良貸款率進行單位根檢驗，被解釋變量t統(tǒng)計值的概率小于0.05，拒絕原假設(shè)，被解釋變量水平平穩(wěn)。（2）對解釋變量凈利差進行單位根檢驗，凈利差t值概率小于0.05，拒絕原假設(shè)，凈利差變量水平平穩(wěn)。（3）對解釋變量對數(shù)撥備覆蓋率進行單位根檢驗，對數(shù)撥備覆蓋率t值概率小于0.05，拒絕原假設(shè)，對數(shù)撥備覆蓋率變量水平平穩(wěn)。（4）對解釋變量制造業(yè)采購經(jīng)理人指數(shù)進行單位根檢驗，制造業(yè)采購經(jīng)理人指數(shù)t值概率小于0.05，拒絕原假設(shè)，制造業(yè)經(jīng)理人指數(shù)變量水平平穩(wěn)。（5）對解釋變量廣義M2增長率進行單位根檢驗，M2增長率的t值概率小于0.05，拒絕原假設(shè)，廣義M2增長率水平平穩(wěn)。解釋變量和被解釋變量皆水平平穩(wěn)，無需進一步做協(xié)整檢驗，則繼續(xù)進行后面的模型選擇。

3.3 模型選擇

1）首先判斷面板模型是固定效應(yīng)模型還是混合模型，采用F檢驗的方法。如下圖所示，原假設(shè)假定模型為混合模型，而F檢驗值概率小于0.05，故拒絕原假設(shè)，該模型為固定效應(yīng)模型。

2）判斷模型是固定效應(yīng)還是隨機效應(yīng)，采用豪斯曼檢驗法。如下圖所示，原假設(shè)假定模型為隨機效應(yīng)，檢驗的概率小于0.05，拒絕原假設(shè)，模型為固定效應(yīng)模型。

綜合以上檢驗，我們接下來建立固定效應(yīng)面板模型。

3.4 模型估計

建立固定效應(yīng)面板模型，進行回歸， F統(tǒng)計值概率為2.9889e-05，說明模型顯著。除了PMI（制造業(yè)采購經(jīng)理人指數(shù)）其他解釋變量的t統(tǒng)計值的均小于0.05，系數(shù)顯著，并且各變量的估計系數(shù)都為負數(shù)，說明對被解釋變量存在負相關(guān)關(guān)系。

3.5 實證結(jié)論

通過F檢驗和豪斯曼檢驗，本文建立固定效應(yīng)面板模型。固定效應(yīng)面板模型估計結(jié)果顯示，各解釋變量對被解釋變量皆存在負相關(guān)關(guān)系，除了PMI變量不顯著外，其他皆顯著，與我們前面的理論分析的結(jié)果基本一致。PMI系數(shù)不顯著可能是因為各大上市銀行貸款最大的行業(yè)并不都是制造業(yè)，前文在分析銀行貸款的行業(yè)分布的時候，發(fā)現(xiàn)絕大多數(shù)銀行貸款規(guī)模最大的為制造業(yè)，但是也有一部分銀行貸款規(guī)模最大的并非是制造業(yè)，而是礦業(yè)等其他行業(yè)，故PMI對不良貸款率沒有顯著的負相關(guān)關(guān)系也是具有一定道理的。其他解釋變量對解釋變量相關(guān)關(guān)系為負且顯著，凈利差越大，銀行盈利能力越強，內(nèi)部風險管控標準相應(yīng)更加嚴格，不良貸款率相應(yīng)變低；每增加1%的凈利差，貸款不良率降低1.76%。撥備覆蓋率越大，對銀行的貸款的覆蓋程度越強，防范貸款不良化的效果更明顯；每增加對數(shù)撥備覆蓋率的1%，銀行貸款不良率降低1.36%。廣義貨幣M2增長率越大，銀行信貸供給越大，企業(yè)貸款利率相對較低，負債壓力減少，盈利能力增強，更具有一定的能力保障其償還貸款，從而降低銀行不良貸款率；M2增長率每增加1%，銀行不良貸款率降低0.17%。銀行應(yīng)該更加完善風險預(yù)警、風險評估和風險防范機制，在合理的范圍內(nèi)擴大其表外業(yè)務(wù)，增加其盈利能力。

4 措施與建議

1、三大存量化解措施?？梢酝ㄟ^債轉(zhuǎn)股（銀行主導(dǎo)型市場化債轉(zhuǎn)股模式）、不良資產(chǎn)證券化（多方合作共贏應(yīng)最優(yōu)模式）以及在銀行內(nèi)部打造專業(yè)化的信貸風險管理團隊等措施來化解存量不良貸款問題。

2、三大防范措施。從銀行內(nèi)部角度：建立前瞻性的主動信貸風險管理系統(tǒng)。其次，積極開展中間業(yè)務(wù)，提升自身盈利水平。最后，從銀行外部角度：優(yōu)化不良貸款宏觀環(huán)境。

[1]Rajan R,Sarat C.Dhal. Nonperforming loans and terms of credit of public sector banks in india :an empirical assessment[J],occasional paper ,2003.

[2]李松青.國有銀行信貸風險管理研究.2005

[3]閻炯智.我國商業(yè)銀行不良資產(chǎn)證券化研究.2010

龍思思（1994-）女，湖南衡陽人，上海大學2016級金融專業(yè)碩士研究生，研究方向：金融。