基于VEC模型對(duì)商業(yè)銀行不良貸款率影響因素的計(jì)量分析

邢澤斌

【摘 要】基于2011-2018年我國(guó)商業(yè)銀行相關(guān)季度數(shù)據(jù)，從宏觀經(jīng)濟(jì)與商業(yè)銀行微觀運(yùn)營(yíng)兩方面選擇指標(biāo)，通過(guò)建立向量誤差修正模型對(duì)影響商業(yè)銀行不良貸款率的相關(guān)因素進(jìn)行計(jì)量分析。結(jié)果表明：商業(yè)銀行不良貸款率與GDP增速、廣義貨幣供應(yīng)量增長(zhǎng)率正相關(guān)，與商業(yè)銀行存貸比、資本充足率負(fù)相關(guān)。存貸比為影響商業(yè)銀行不良貸款率的主要因素。根據(jù)實(shí)證結(jié)果，為降低商業(yè)銀行不良貸款率提出合理建議。

【關(guān)鍵詞】不良貸款率；影響因素；VEC模型；脈沖響應(yīng)

在商業(yè)銀行經(jīng)營(yíng)過(guò)程中，不良貸款率是評(píng)價(jià)一家銀行風(fēng)險(xiǎn)管理、盈利水平的重要監(jiān)管指標(biāo)。如果商業(yè)銀行在經(jīng)營(yíng)過(guò)程中出現(xiàn)貸款風(fēng)險(xiǎn)，容易造成群眾擠兌，進(jìn)而發(fā)生金融危機(jī)，危害國(guó)民經(jīng)濟(jì)發(fā)展與社會(huì)安定，因此不良貸款的風(fēng)險(xiǎn)控制尤為重要。充分了解影響商業(yè)銀行不良貸款率變化的相關(guān)因素，精確地執(zhí)行防范和解決不良貸款的相關(guān)政策，對(duì)推動(dòng)商業(yè)銀行穩(wěn)健發(fā)展具有相當(dāng)價(jià)值的現(xiàn)實(shí)指導(dǎo)意義。

目前，國(guó)內(nèi)外學(xué)者對(duì)商業(yè)銀行不良貸款率的影響因素有所研究。在國(guó)外，Salas和Saurina（2002）[1]通過(guò)建立面板數(shù)據(jù)模型針對(duì)西班牙商業(yè)銀行進(jìn)行研究，發(fā)現(xiàn)國(guó)民經(jīng)濟(jì)增長(zhǎng)是影響不良貸款率的重要因素。Allan Kearns（2004）[2]對(duì)愛(ài)爾蘭商業(yè)銀行進(jìn)行壓力測(cè)試，發(fā)現(xiàn)失業(yè)率對(duì)不良貸款率的沖擊最大。Jimenez與Saurina（2005）[3]對(duì)西班牙商業(yè)銀行實(shí)證分析，得出貨幣供應(yīng)量的變化對(duì)不良貸款率起決定性作用。在國(guó)內(nèi)，郭耀中（2012）[4]通過(guò)構(gòu)建多元線性回歸統(tǒng)計(jì)模型對(duì)中國(guó)商業(yè)銀行不良貸款率下降的影響因素進(jìn)行實(shí)證分析，結(jié)果表明宏觀經(jīng)濟(jì)的健康運(yùn)行、國(guó)有企業(yè)利潤(rùn)、金融體制改革都對(duì)商業(yè)銀行不良貸款率的下降有正向促進(jìn)作用。黃琦等（2013）[5]采用縣域的面板數(shù)據(jù)，建立計(jì)量經(jīng)濟(jì)模型，發(fā)現(xiàn)縣域商業(yè)銀行經(jīng)營(yíng)狀況的改善對(duì)降低不良貸款率有重大作用。由于在研究中較少考慮滯后影響，因此本文基于上述研究成果，建立向量自回歸修正模型，結(jié)合實(shí)際對(duì)商業(yè)銀行不良貸款率影響因素的滯后影響進(jìn)行計(jì)量分析，以期發(fā)現(xiàn)商業(yè)銀行經(jīng)營(yíng)過(guò)程中存在的問(wèn)題并加以解決。

一、指標(biāo)選取與相關(guān)性分析

（一）指標(biāo)選取

本文將我國(guó)商業(yè)銀行不良貸款率Y（%）作為被解釋變量。影響商業(yè)銀行不良貸款率的解釋變量從宏觀經(jīng)濟(jì)與商業(yè)銀行微觀運(yùn)營(yíng)兩方面選取。

在宏觀經(jīng)濟(jì)方面，GDP增長(zhǎng)率可以反映一個(gè)國(guó)家或地區(qū)宏觀經(jīng)濟(jì)發(fā)展的周期變化以及增長(zhǎng)速度，是評(píng)價(jià)國(guó)民經(jīng)濟(jì)運(yùn)行是否穩(wěn)定、健康的重要指標(biāo)之一；央行主要通過(guò)改變廣義貨幣供應(yīng)量來(lái)實(shí)施其貨幣政策，以調(diào)節(jié)經(jīng)濟(jì)的健康運(yùn)行，因此選擇GDP當(dāng)期增長(zhǎng)率（%）、廣義貨幣供應(yīng)量M2的當(dāng)期增長(zhǎng)率（%）作為衡量中國(guó)宏觀經(jīng)濟(jì)發(fā)展程度的指標(biāo)，記作X1、X2。

在商業(yè)銀行微觀運(yùn)營(yíng)方面，選取商業(yè)銀行撥備覆蓋率X3（%）、存貸比X4（%）、資產(chǎn)利潤(rùn)率X5（%）、成本收入比X6（%）、資本充足率X7（%）作為商業(yè)銀行經(jīng)營(yíng)績(jī)效指標(biāo)，通過(guò)這些指標(biāo)可以大體看出商業(yè)銀行在經(jīng)營(yíng)過(guò)程中的相關(guān)情況。

本文數(shù)據(jù)來(lái)源中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)，樣本區(qū)間為2011年至2018年的所有季度數(shù)據(jù)，共32組數(shù)據(jù)。

（二）相關(guān)性分析

利用SPSS軟件對(duì)這些數(shù)據(jù)進(jìn)行Person相關(guān)性分析，以確定影響我國(guó)商業(yè)銀行不良貸款率的關(guān)鍵指標(biāo)。Person相關(guān)性分析結(jié)果見(jiàn)表1。

由表1可知，X1、X2、X4、X7是影響商業(yè)銀行不良貸款率的高度相關(guān)指標(biāo)。因此保留這4個(gè)相關(guān)性強(qiáng)的指標(biāo)，剔除其余指標(biāo)，以提高模型的擬合精度。

由于本文選取指標(biāo)數(shù)據(jù)為季度數(shù)據(jù)，直接使用建立模型可能會(huì)與實(shí)際情況發(fā)生較大偏離。為消除季節(jié)對(duì)不良貸款率的影響，特別利用Census X12季節(jié)調(diào)整方法對(duì)數(shù)據(jù)進(jìn)行調(diào)整，處理后的時(shí)間序列分別記為YSA、X1SA、X2SA、X4SA、X7SA。

二、實(shí)證分析

（一）ADF平穩(wěn)性檢驗(yàn)

為防止出現(xiàn)“偽回歸”現(xiàn)象，首先利用ADF單位根檢驗(yàn)法對(duì)變量數(shù)據(jù)進(jìn)行檢驗(yàn)，若ADF檢驗(yàn)值大于5%臨界值，表示序列不平穩(wěn)；反之則表示序列平穩(wěn)。Eviews檢驗(yàn)結(jié)果見(jiàn)表2。

由表2可知，原序列不平穩(wěn)。經(jīng)過(guò)一階差分后的△YSA、△X1SA、△X2SA、△X4SA、△X7SA序列平穩(wěn)。這表明原始序列均是一階單整序列。

（二）最優(yōu)滯后期定階

基于SC與AIC準(zhǔn)則測(cè)定模型的最優(yōu)滯后期，即SC、AIC在各滯后檢驗(yàn)中的數(shù)值最小。檢驗(yàn)結(jié)果見(jiàn)表3。由表可知，VAR模型最優(yōu)滯后期為3。

（三）向量誤差修正模型的建立

由于商業(yè)銀行不良貸款率與各影響因素之間存在著長(zhǎng)期均衡關(guān)系，因此在研究各變量之間短期波動(dòng)變化關(guān)系的基礎(chǔ)上，通過(guò)構(gòu)造誤差修正項(xiàng)來(lái)對(duì)商業(yè)銀行不良貸款率影響因素的長(zhǎng)期波動(dòng)進(jìn)行分析。利用Eviews軟件在VAR模型的基礎(chǔ)上增加協(xié)整約束，得到VEC模型。結(jié)果如下：

△YSA=0.079996ECMt-1-0.00104ECM2t-1+0.0011ECM3t-1+

0.019699△X1SA（-1）+0.045365△X1SA（-2）-0.008△X2SA（-1）-

0.00223△X2SA（-2）-0.00992△X4SA（-1）-0.01492△X4SA（-2）+

0.048147△X7SA（-1）+0.078692△X7SA（-2）+0.166272△YSA（-1）+

0.518585△YSA（-2）+0.020962 （2）

其中，

ECMt-1=X1SA（-1）+0.114967+1.037684YSA（-1）-10.10974 （3）

ECM2t-1=X2SA（-1）+3.040140X7SA（-1）+4.946145YSA（-1）-55.75458 （4）

ECM3t-1=X4SA（-1）-7.176093X7SA（-1）+1.089977YSA（-1）+23.15260 （5）

上述方程的可決系數(shù)R2=0.965278，F(xiàn)=32.07736，十分顯著，表明建立的模型較為合理、穩(wěn)定。

（四）脈沖響應(yīng)函數(shù)分析

利用脈沖響應(yīng)函數(shù)分析商業(yè)銀行不良貸款率與各影響因素之間的動(dòng)態(tài)變化關(guān)系，結(jié)果見(jiàn)圖2。

如圖2所示，當(dāng)期一單位GDP增速對(duì)商業(yè)銀行不良貸款率的沖擊表現(xiàn)為正向效應(yīng)。從第1期沖擊響應(yīng)程度開(kāi)始增強(qiáng)，并在第8期達(dá)到最大值后趨于平穩(wěn)。其主要原因可能在于國(guó)民經(jīng)濟(jì)發(fā)展呈現(xiàn)良好態(tài)勢(shì)的同時(shí)，企業(yè)團(tuán)體、公眾個(gè)人對(duì)商業(yè)貸款的需求量增加，但是由于投資者未能準(zhǔn)確判斷未來(lái)經(jīng)濟(jì)形勢(shì)，當(dāng)經(jīng)濟(jì)出現(xiàn)波動(dòng)時(shí)，則會(huì)引起投資者還款能力減弱，使得商業(yè)銀行不良貸款率提高。

當(dāng)前一單位廣義貨幣供應(yīng)量增速對(duì)不良貸款率的沖擊綜合表現(xiàn)為正效應(yīng)，但在第二期出現(xiàn)了減小的趨勢(shì)，之后又逐漸變大并趨于穩(wěn)定。造成該現(xiàn)象的原因可能是國(guó)家在實(shí)行寬松的貨幣政策時(shí)，短期內(nèi)使得投資者的資金周轉(zhuǎn)能力增強(qiáng)，償還貸款能力有所上升，這可以促使不良貸款率的下降。

當(dāng)期一單位存貸比對(duì)商業(yè)銀行不良貸款率的沖擊效應(yīng)為負(fù)，這種現(xiàn)象符合實(shí)際情況。

當(dāng)期一單位資本充足率對(duì)商業(yè)銀行不良貸款率的沖擊效應(yīng)表現(xiàn)為起初是負(fù)向影響，接著轉(zhuǎn)變?yōu)檎蛴绊?，最終轉(zhuǎn)變?yōu)樨?fù)向影響并趨于平穩(wěn)。

（五）方差分解

方差分解是分析目標(biāo)變量發(fā)生變化時(shí)，由哪些因素決定的方法。方差分解結(jié)果詳表6。

由表6可知，滯后10期時(shí)，X4SA對(duì)YSA預(yù)測(cè)方差的貢獻(xiàn)率為62.67%，其自身貢獻(xiàn)度為30.74%，X1SA對(duì)其貢獻(xiàn)率為3.99%，X2SA對(duì)其貢獻(xiàn)率為2.38%，X7SA對(duì)其影響僅有0.22%。該現(xiàn)象說(shuō)明存貸比是決定商業(yè)銀行不良貸款率變動(dòng)的關(guān)鍵因素。

三、結(jié)論與建議

本文通過(guò)建立向量誤差修正模型對(duì)中國(guó)商業(yè)銀行不良貸款率的影響因素進(jìn)行探究，得到結(jié)論：寬松貨幣政策在短期內(nèi)可以對(duì)不良貸款率有所抑制，但是長(zhǎng)期來(lái)看，不良貸款率仍然會(huì)反彈。合理控制存貸比可以有效抑制不良貸款率。資本充足率對(duì)不良貸款率的沖擊可能在短期表現(xiàn)為促進(jìn)作用，但長(zhǎng)期來(lái)看依然可以抑制不良貸款率的上升。

基于上述結(jié)論，為降低商業(yè)銀行的不良貸款率，提出以下建議：第一，政府相關(guān)部門(mén)應(yīng)該迅速推動(dòng)國(guó)民經(jīng)濟(jì)發(fā)展，采取寬松貨幣政策。當(dāng)國(guó)民經(jīng)濟(jì)迅速增長(zhǎng)時(shí)，企業(yè)團(tuán)體生產(chǎn)經(jīng)營(yíng)狀況改善，還款能力增強(qiáng)，從而有效地抑制不良貸款率的上升。因此政府需要積極提高經(jīng)濟(jì)增長(zhǎng)率，優(yōu)化宏觀經(jīng)濟(jì)環(huán)境，對(duì)在經(jīng)濟(jì)新常態(tài)背景下不良貸款率的下降有著重要意義。第二，商業(yè)銀行應(yīng)合理配置存貸規(guī)模，適當(dāng)控制資本充足率。商業(yè)銀行對(duì)經(jīng)濟(jì)形勢(shì)的主觀臆測(cè)失誤往往會(huì)導(dǎo)致信用風(fēng)險(xiǎn)的發(fā)生，因此商業(yè)銀行需要建立健全風(fēng)險(xiǎn)管理機(jī)制，通過(guò)客觀地定量分析經(jīng)濟(jì)指標(biāo)，從而確定合適的存貸規(guī)模以提高商業(yè)銀行的信貸質(zhì)量。

【參考文獻(xiàn)】

[1] Salas V， Saurina J. Credit Risk in Two Institutional Regimes： Spanish Commercial and Savings Banks [J]. Journal of Financial Services Research， 2002，22（3）：203-224.

[2]Kearns A. Loan losses and the macroeconomy： A frame work for stress testing credit institutions' financial well-being[J].Financial Stability Report，2004：111-121.

[3]Jimenez G， Saurina J.Credit Cycles， Credit risk， and prudential regulation[R].Banco de Espana Working Paper， No.0531， 2005.9-11.

[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)，2012，34（S1）：62-63.

[5]黃琦，陶建平，田杰.縣域金融信貸風(fēng)險(xiǎn)的影響因素——基于全國(guó)2069個(gè)縣（市）的樣本分析[J].金融論壇，2013，18（10）：9-15+57.