我國商業(yè)銀行不良貸款率與經(jīng)濟(jì)增長關(guān)系的實證分析

袁鳳嬌

【摘 要】自2014年起我國商業(yè)銀行不良貸款率連續(xù)兩年逐步上升。商業(yè)銀行在我國的經(jīng)濟(jì)中起著重要作用，不良貸款率的高低直接影響我國經(jīng)濟(jì)的運行及金融業(yè)的風(fēng)險水平，同時金融業(yè)風(fēng)險的高低在經(jīng)濟(jì)發(fā)展的影響下又反作用于經(jīng)濟(jì)發(fā)展。本文以我國2011-2017年的季度數(shù)據(jù)為樣本，通過構(gòu)建VAR模型，運用脈沖響應(yīng)和方差分解方法，分析兩者間的動態(tài)關(guān)系。結(jié)果顯示：商業(yè)銀行不良貸款率會制約經(jīng)濟(jì)增長的速度，而經(jīng)濟(jì)增長對不良貸款率本身波動的影響不大，只是對不良貸款率向下的變動趨勢有明顯影響。

【關(guān)鍵詞】不良貸款率;經(jīng)濟(jì)增長;VAR模型

一、引言

自1998年我國對貸款進(jìn)行分類調(diào)整及對國有銀行資產(chǎn)剝離之后，隨著經(jīng)濟(jì)的發(fā)展，我國商業(yè)銀行不良貸款率較低，總體態(tài)勢良好。但從2014年起，我國商業(yè)銀行的不良貸款余額和不良貸款率便開始上升。由2017年中國銀行業(yè)監(jiān)督管理委員會公布的數(shù)據(jù)可知：我國商業(yè)銀行不良貸款余額由2014年末的8426億元增加到2017年末的17057億元，增加了8631億元;不良貸款率從2014年末的1.25%上升至2017年末的1.74%，升高了0.49%。從目前來看，我國經(jīng)濟(jì)下行壓力大，經(jīng)濟(jì)增長緩慢，未來年我國銀行業(yè)不良貸款率將持續(xù)增加，潛在風(fēng)險壓力不容忽視。

不良貸款的高低及變化直接影響著銀行的穩(wěn)定性、流動性及盈利水平，甚至影響金融體系的運作進(jìn)而影響經(jīng)濟(jì)的持續(xù)穩(wěn)定發(fā)展。目前，伴隨著我國經(jīng)濟(jì)進(jìn)入新常態(tài)，經(jīng)濟(jì)增長與商業(yè)銀行不良貸款率之間的關(guān)系日益成為學(xué)界關(guān)注的熱點。本文以我國2011至2017年的季度數(shù)據(jù)為樣本，在對數(shù)據(jù)進(jìn)行處理后，運用VAR模型，實證檢驗商業(yè)銀行不良貸款率與經(jīng)濟(jì)增長之間的關(guān)系，并對原因進(jìn)行分析，從而提出有針對性的對策建議。

二、理論分析

經(jīng)濟(jì)增長對銀行不良貸款率的影響機理，主要包括三個渠道：一是企業(yè)財務(wù)狀況，在經(jīng)濟(jì)下行的期間，借款方的經(jīng)營會更加困難，企業(yè)財務(wù)狀況會惡化，盈利水平、還款能力及意愿都會表現(xiàn)出不同程度的下降;二是資產(chǎn)價值，在經(jīng)濟(jì)下行階段，資產(chǎn)會發(fā)生減值，從而降低企業(yè)的還款能力，導(dǎo)致不良貸款的產(chǎn)生;三是銀行自身所具有的“親周期”性的特征影響不良貸款率，即在經(jīng)濟(jì)景繁榮階段，銀行往往過度樂觀，會降低對抵押品的要求、借貸門檻，盲目増加信貸，使得在經(jīng)濟(jì)下行階段出現(xiàn)更多的不良貸款，導(dǎo)致不良貸款率上升。

三、實證分析

（一）變量的選取及數(shù)據(jù)來源

本文選取國內(nèi)生產(chǎn)總值環(huán)比增長率（RGDP）來衡量我國的經(jīng)濟(jì)增長、商業(yè)銀行不良貸款率（NPL）來衡量商業(yè)銀行不良貸款;數(shù)據(jù)來自歷年中國統(tǒng)計年鑒、中國銀監(jiān)會數(shù)據(jù)庫;時間截取2011年第1季度到2017年第4季度。

（二）數(shù)據(jù)處理

1.census×12平滑指數(shù)法

因為本文所采用的是季度數(shù)據(jù)，其在季節(jié)上有一定的階段性性、波動性，會影響模型擬合的真實性，進(jìn)一步影響實證結(jié)果的有效性、準(zhǔn)確性，因此在序列的處理上，本文采用census×12平滑指數(shù)法對NPL、RGDP進(jìn)行季節(jié)調(diào)整，從而使序列趨于平穩(wěn)。

2.Hodrick-Prescott濾波

通過分析調(diào)整后的數(shù)據(jù)，可以發(fā)現(xiàn)不良貸款率的變動存在顯著的趨勢走向，為避免趨勢走向?qū)嵶C結(jié)果的影響，本文采用Hodrick-Prescott濾波，把趨勢項從NPL序列中分解出去，得到另外一組僅顯示本身波動性的數(shù)據(jù)CNPL。本文將分析CNPL和RGDP的相互影響關(guān)系。

（三）單位根（ADF）檢驗

時間序列本身所具有的波動性會使實證結(jié)果不能反映出經(jīng)濟(jì)運行的實際情況，因而，在使用時間序列時，首先要檢驗序列的平穩(wěn)性，以此避免產(chǎn)生偽回歸。從下表可知，各時間序列均平穩(wěn)，可以進(jìn)行協(xié)整檢驗。

（四）Johansen協(xié)整檢驗

對于經(jīng)濟(jì)時間序列，可以通過協(xié)整檢驗判斷各變量間是否具有長期、穩(wěn)定的線性關(guān)系。本文采用Johansen協(xié)整檢驗方法對經(jīng)濟(jì)增長與不良貸款率之間的關(guān)系進(jìn)行檢驗，檢驗結(jié)果顯示：在5%的顯著性水平下，原假設(shè)“不存在協(xié)整關(guān)系”的值為0.0007，拒絕原假設(shè);原假設(shè)“至多存在一個協(xié)整關(guān)系”的值為0.0699，接受原假設(shè)，表明CNPL和RGDP之間存在唯一的協(xié)整關(guān)系。

（五）格蘭杰因果檢驗

格蘭杰因果關(guān)系檢驗的主要任務(wù)就是檢驗過去變量能在多大程度上解釋現(xiàn)在變量，由前面的協(xié)整檢驗可知CNPL和RGDP存在唯一的協(xié)整關(guān)系，利用Eviews7.2對CNPL和RGDP進(jìn)行格蘭杰因果檢驗，結(jié)果顯示：在5%的顯著性水平下，對于零假設(shè)CNPL不是RGDP變動的原因，P值為0.0314，拒絕原假設(shè);對于RGDP不是CNPL變動的原因，P值為0.2021，接受原假設(shè)，從而可知：不良貸款率（CNPL）是經(jīng)濟(jì)增長率（RGDP）的格蘭杰原因，經(jīng)濟(jì)增長率（RGDP）不是不良貸款率（CNPL）的格蘭杰原因。

（六）VAR模型的構(gòu)建

1.滯后階數(shù)P的確定

不同的滯后階數(shù)會對VAR模型實證結(jié)果的準(zhǔn)確性及信息反饋的有效性產(chǎn)生影響。因此，本文依據(jù)LR統(tǒng)計量、FPE準(zhǔn)則、AIC準(zhǔn)則、SC準(zhǔn)則和HQ信息準(zhǔn)則5個常用的準(zhǔn)則來確定VAR模型的最優(yōu)滯后階數(shù)。通過實證檢驗滯后期分別為0、1、2期時LR、FPE、AIC、SC、HQ準(zhǔn)則對應(yīng)的值并進(jìn)行分析可判斷出該向量自回歸模型的最優(yōu)滯后階數(shù)為一階。

2.VAR模型平穩(wěn)性檢驗

在運用VAR模型進(jìn)行實證分析前，我們需要先保證VAR模型具有整體穩(wěn)定性，對模型的穩(wěn)定性展開檢驗，如果模型全部根模的倒數(shù)都小于1，表明模型的穩(wěn)定性較好。VAR模型平穩(wěn)性檢驗結(jié)果顯示：VAR模型特征根的模的倒數(shù)均小于1，這說明VAR模型穩(wěn)定。

（七）脈沖響應(yīng)分析和方差分解

由前面的分析，我們已經(jīng)知道不良貸款率（CNPL）是經(jīng)濟(jì)增長率（RGDP）的格蘭杰原因，，但要想進(jìn)一步了解兩者之間的相互影響關(guān)系及影響程度還需要我們以下分析：

1.脈沖響應(yīng)函數(shù)分析

脈沖響應(yīng)函數(shù)可以客觀的描述變量之間所具有的動態(tài)關(guān)系以及所產(chǎn)生的效應(yīng)。為了考察不良貸款率對RGDP水平影響的動態(tài)效應(yīng)，需要建立脈沖響應(yīng)函數(shù)，本次脈沖響應(yīng)的追蹤期數(shù)為10期。

從圖1可以看出：經(jīng)濟(jì)增長率先對對商業(yè)銀行不良貸款率的沖擊產(chǎn)生正向響應(yīng)，在持續(xù)了約2.1期即6個多月，就呈現(xiàn)負(fù)向響應(yīng)，這種對經(jīng)濟(jì)增長的遏制到第4期即12個月達(dá)到最大，之后隨著時間的推移這種反向影響逐漸縮小，并在第10期實現(xiàn)長期均衡。

從圖2可以發(fā)現(xiàn)：從總體上來說，經(jīng)濟(jì)增長率波動對商業(yè)銀行不良貸款率的沖擊較小，只產(chǎn)生了小幅度的正向響應(yīng)，且這種幅度逐漸變小。在第1期，商業(yè)銀行不良貸款率對經(jīng)濟(jì)增長率的波動并沒有回應(yīng)，但在第2期開始產(chǎn)生正向回應(yīng)，之后是負(fù)向回應(yīng)，并在第4期后逐漸趨于平穩(wěn)。由此可以看出經(jīng)濟(jì)增長影響不良貸款率主要表現(xiàn)在不良貸款率下降的趨勢上，對不良貸款率的波動并無明顯影響。

2.方差分解

方差分解是研究其他內(nèi)生變量的結(jié)構(gòu)沖擊對目標(biāo)內(nèi)生變量影響的貢獻(xiàn)度。為了更加直觀明了的反應(yīng)RGDP對不良貸款率的影響大小，我們將基于VAR模型來對NPL進(jìn)行方差分解，本文采用預(yù)測方差分解技術(shù)對CNPL對RGDP變化的貢獻(xiàn)度進(jìn)行分析。

從圖3可得，在第1-3期CNPL對RGDP的貢獻(xiàn)率較低，大約為22%，且相對平穩(wěn)，之后從第4期起逐漸增大，且該貢獻(xiàn)率在第7期達(dá)到最大25%，之后趨于穩(wěn)定。

由圖4可以看出，RGDP對CNP的貢獻(xiàn)率接近0，基本上沒有貢獻(xiàn)，這進(jìn)一步表明經(jīng)濟(jì)增長影響不良貸款率主要表現(xiàn)在對不良貸款率下降趨勢的作用上，對不良貸款率波動的影響較小。

四、結(jié)論及政策建議

（一）結(jié)論

本文基于我國2011年第一季度至2017年第四季度的28組季度面板數(shù)據(jù)，選取VAR模型對經(jīng)濟(jì)增長與商業(yè)銀行不良貸款率的關(guān)系進(jìn)行實證研究，得到以下結(jié)論：一方面，我國商業(yè)銀行不良貸款率對經(jīng)濟(jì)增長有著顯著的影響，在一定程度上會抑制經(jīng)濟(jì)增長的速度。因此，我國各銀行應(yīng)當(dāng)根據(jù)自己的信息數(shù)據(jù)庫，運用計算機模擬與預(yù)測不良貸款率，當(dāng)發(fā)現(xiàn)不良貸款率的波動較大時，應(yīng)立即采取措施，使不良貸款率保持在較低的水平，從而保證經(jīng)濟(jì)的持續(xù)、穩(wěn)定增長;另一方面經(jīng)濟(jì)增長對商業(yè)銀行不良貸款率波動的影響較小。而目前已有研究顯示經(jīng)濟(jì)增長會使不良貸款率先降后升，但根據(jù)本文的實證結(jié)果，可發(fā)現(xiàn)經(jīng)濟(jì)增長僅僅對不良貸款率向下的變動趨勢有顯著影響，對不良貸款率自身波動的反應(yīng)并不明顯。

（二）政策建議

以投資為主導(dǎo)的經(jīng)濟(jì)發(fā)展模式曾推動了我國經(jīng)濟(jì)的高速增長，但隨著時間的推移該種模式的弊端逐漸凸顯，阻礙了我國經(jīng)濟(jì)的持續(xù)、穩(wěn)定增長。目前，我國正處于轉(zhuǎn)型發(fā)展的關(guān)鍵期，經(jīng)濟(jì)亟需新的增長突破點。因此本文提出以下建議：首先要提高資本水平較低的商業(yè)銀行對于不良貸款危害的認(rèn)識;其次在現(xiàn)階段金融市場無法完善發(fā)展的情況下，為了減輕經(jīng)濟(jì)波動對信貸規(guī)模的影響，我國可以接受巴塞爾委員會所提出的逆周期資本緩沖要求，并設(shè)立信貸/GDP作為監(jiān)管指標(biāo);最后商業(yè)銀行應(yīng)加強關(guān)注并重視宏觀經(jīng)濟(jì)形勢的變動。國家宏觀經(jīng)濟(jì)形勢的變動、產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整及貨幣政策的取向等在很大程度上影響著商業(yè)銀行信貸資產(chǎn)的規(guī)模、質(zhì)量及投向。通過加強對經(jīng)濟(jì)周期及國家干預(yù)方向的預(yù)測，商業(yè)銀行可根據(jù)其變化做出與此相對應(yīng)的反應(yīng)，降低經(jīng)濟(jì)波動引發(fā)的信貸風(fēng)險，而央行在制定貨幣政策時，可根據(jù)對相關(guān)經(jīng)濟(jì)指標(biāo)的模擬預(yù)測來判斷并分析其帶來的影響，從而在不同時期實施不同的政策以促進(jìn)經(jīng)濟(jì)持續(xù)、健康發(fā)展。

【參考文獻(xiàn)】

[1]岳蓓蓓，鄭循剛.經(jīng)濟(jì)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(jì)2011（ 1） ： 28.

[2]孫光林，王海軍等. 經(jīng)濟(jì)波動、產(chǎn)能過剩與商業(yè)銀行不良貸款——基于PVAR模型的實證分析[J].經(jīng)濟(jì)問題探索，2017-06-01（6） ：140-142.

[3]鄒克，蔡曉春.不良貸款率影響因素的實證分析——基于2005—2014年省級面板數(shù)據(jù)[J].金融理論與實踐，2017（02）：10-18.

[4樂云.宏觀經(jīng)濟(jì)因素對我國商業(yè)銀行不良貸款率的影響研究[D].江西財經(jīng)大學(xué)，2017，30-39.

[5]崔傅成，陶浩.經(jīng)濟(jì)新常態(tài)下我國商業(yè)銀行不良貸款的成因及對策[J].經(jīng)濟(jì)體制改革，2018（04）：142-145.