宏觀經(jīng)濟對我國商業(yè)銀行信用風(fēng)險的影響

文/周維維 何云（四川師范大學(xué)）

隨著世界金融經(jīng)濟全球化進程的加快、國際大型商業(yè)銀行跨國貿(mào)易活動的發(fā)展，在新經(jīng)濟背景下,我國商業(yè)銀行的信用風(fēng)險管理問題越來越突出。近年來，受國家宏觀經(jīng)濟政策方面的影響，短期內(nèi)部分領(lǐng)域風(fēng)險仍然處于相對釋放階段,帶動著商業(yè)銀行不良貸款的增長，對于商業(yè)銀行的不良貸款率控制和信用風(fēng)險問題仍需加以重點關(guān)注。

一、文獻綜述

國內(nèi)外研究商業(yè)銀行信用風(fēng)險和宏觀經(jīng)濟因素方面的研究成果較多，但主要是研究宏觀經(jīng)濟因素對某個商業(yè)銀行不良貸款率的影響，且沒有具體說明哪些宏觀經(jīng)濟變量對銀行信用風(fēng)險的影響最大，這就有進一步研究的必要。

銀行信用風(fēng)險與不良貸款率?，F(xiàn)代金融理念認為，銀行是一個“風(fēng)險機器”，將風(fēng)險、風(fēng)險管理、風(fēng)險轉(zhuǎn)化和風(fēng)險再加工轉(zhuǎn)化為金融產(chǎn)品。世界銀行對全球銀行危機的研究表明，信用風(fēng)險是促使銀行倒閉的最常見的原因。有學(xué)者認為，金融體系的脆弱性的根本性原因是銀行的不良貸款率，這種不良貸款率會影響銀行信用風(fēng)險，可能導(dǎo)致銀行信用危機（曾詩鴻，2015）。對于銀行業(yè)而言,信貸資產(chǎn)質(zhì)量處于重中之重的地位,銀行的穩(wěn)定性、資金流動性以及盈利性等都受到不良貸款率變化的影響（王一臣，2018）。

宏觀經(jīng)濟對銀行不良貸款的影響。國外有學(xué)者指出，指出宏觀經(jīng)濟波動范圍深度和持續(xù)時間是影響信貸成本的主要因素,經(jīng)濟波動會直接影響信貸成本，繼而影響銀行貸款的質(zhì)量（Bernanke，1983)。有學(xué)者通過實證研究發(fā)現(xiàn)以不良貸款率表示的我國信貸風(fēng)險和經(jīng)濟周期之間存在一定關(guān)系（符林,邱田振，2009）。宏觀經(jīng)濟變動對信用風(fēng)險模型的度量結(jié)果有影響（賈文學(xué)，2012）。

銀行信用風(fēng)險與宏觀經(jīng)濟變量的關(guān)系。許多學(xué)者都對違約率、違約損失率等信用風(fēng)險與宏觀經(jīng)濟之間的關(guān)系進行了實證研究。通過對英國企業(yè)貸款違約率的研究，發(fā)現(xiàn)利率、GDP 等宏觀經(jīng)濟變量對違約率確實存在影響（Vlieghe，2001），貨幣供應(yīng)量可以以銀行為途徑來影響實體經(jīng)濟（Diamond D W.，Rajan R G.,2013）。這說明了宏觀經(jīng)濟變量可以通過商業(yè)銀行內(nèi)部因素來對商業(yè)銀行風(fēng)險產(chǎn)生影響，說明銀行的脆弱性具有內(nèi)生性，在外部沖擊下產(chǎn)生放大效應(yīng)，使得銀行面臨更高的風(fēng)險，進而可能引發(fā)金融危機。從國內(nèi)外研究商業(yè)銀行不良貸款率和宏觀經(jīng)濟因素關(guān)系的文獻來看，運用宏觀經(jīng)濟因子建立信用風(fēng)險測度模型的研究成果較多，目前我國關(guān)于宏觀經(jīng)濟對商業(yè)銀行信用風(fēng)險的影響方面的實證研究還比較少，大多數(shù)文獻都只分析了銀行信貸風(fēng)險的原因以及應(yīng)對措施，主要采用定性分析，忽視了定量分析。

二、理論分析與假設(shè)提出

在研究商業(yè)銀行信用風(fēng)險時，涉及了較多宏觀經(jīng)濟變量，基于相關(guān)理論，對宏觀經(jīng)濟變量與銀行不良貸款率之間的關(guān)系作出了假設(shè)。

（一）理論分析

1.銀行信用風(fēng)險與不良貸款率

信用風(fēng)險，即交易對手不能完全履行合同的風(fēng)險?，F(xiàn)代意義上的信用風(fēng)險，包括由借款人直接違約造成的投資組合損失風(fēng)險和因為借款人違約概率的可能性變化而造成的損失風(fēng)險。如果不能夠及時地進行資產(chǎn)損失確認，商業(yè)銀行就可能面臨嚴重的信用風(fēng)險問題，從而陷入信用危機。

不良貸款是指按照貸款風(fēng)險分類標(biāo)準對銀行貸款質(zhì)量進行評估的五類貸款，分別為：正常、關(guān)注、次級、可疑和損失的貸款，其中后三類合稱為不良貸款（見表1）。不良貸款率指金融機構(gòu)不良貸款占總貸款余額的比重。不良貸款率=（次級類貸款+可疑類貸款+損失類貸款）/各項貸款×100%=貸款撥備率/撥備覆蓋率×100%。商業(yè)銀行的不良貸款率是衡量商業(yè)銀行信貸資產(chǎn)安全狀況的重要指標(biāo)之一。不良貸款率越高，對應(yīng)著可能不能收回的貸款占總貸款的比例越大，其相應(yīng)的信用風(fēng)險水平就越高；不良貸款率越低，代表著商業(yè)銀行無法收回的貸款占銀行總貸款的比例越小，其相應(yīng)的信用風(fēng)險水平就越低。

表1 不良貸款的五級分類

2.宏觀經(jīng)濟與銀行信用風(fēng)險

宏觀經(jīng)濟指總量經(jīng)濟活動，是指整個國民經(jīng)濟及其經(jīng)濟活動和經(jīng)濟狀況。宏觀經(jīng)濟環(huán)境與不良貸款的關(guān)系植根于經(jīng)濟周期理論：經(jīng)濟運行處于上升階段時，商業(yè)銀行傾向于擴張信貸，并開始向信用等級較低的借款人發(fā)放貸款，推動經(jīng)濟持續(xù)高漲甚至過熱，但此時無論是企業(yè)還是個人都有比較充裕的收入來償還債務(wù)；而當(dāng)經(jīng)濟下滑時，商業(yè)銀行則通常會收縮信貸，從而抑制消費和投資，加劇經(jīng)濟衰退，企業(yè)經(jīng)營狀況不佳，盈利水平下降，銀行不良貸款亦隨之增加。

（二）假設(shè)提出

國內(nèi)生產(chǎn)總值增長率(GDPR)，是反映一個國家經(jīng)濟增長和宏觀經(jīng)濟周期運行的核心指標(biāo)，當(dāng)GDP增長率處在一個較高的水平，宏觀經(jīng)濟普遍繁榮，企業(yè)的盈利能力和居民的收入水平也會在一定程度提高，貸款者的還款能力增強，從而降低了商業(yè)銀行的不良貸款率。據(jù)此提出假設(shè)1：商業(yè)銀行不良貸款率NPLR 與宏觀經(jīng)濟變量國內(nèi)生產(chǎn)總值增長率GDPR呈現(xiàn)負相關(guān)關(guān)系。

居民消費價格指數(shù)（CPI），可以反映家庭購買消費品和支付服務(wù)價格的趨勢，是衡量通貨膨脹程度的有效指標(biāo)之一，當(dāng)物價水平上漲時，居民手中的錢發(fā)生貶值，還款能力下降，從而提高了商業(yè)銀行的不良貸款率。據(jù)此提出假設(shè)2:商業(yè)銀行不良貸款率NPLR 與宏觀經(jīng)濟變量居民消費價格指數(shù)CPI 呈現(xiàn)正相關(guān)關(guān)系。

失業(yè)率(UR) 是指失業(yè)人口占勞動人口的比率(一定時期滿足全部就業(yè)條件的就業(yè)人口中仍未有工作的勞動力數(shù)字)，當(dāng)失業(yè)率較高時，失業(yè)者的收入水平降低，貸款者的還款能力降低，或者傾向于貸款消費，從而引起商業(yè)銀行不良貸款率的增加。據(jù)此提出假設(shè)3:商業(yè)銀行不良貸款率NPLR 與宏觀經(jīng)濟變量失業(yè)率UR 呈現(xiàn)負相關(guān)關(guān)系。

廣義貨幣供給量增長率（M2R），該指標(biāo)代表了貨幣政策狀況，反映每年貨幣供應(yīng)量的變化情況。當(dāng)貨幣供給量增加時，流通中的貨幣增多，一方面，在一定程度上使貸款者還款能力增強；另一方面，銀行用于放款的貨幣金額增加，從而降低了商業(yè)銀行的不良貸款率。據(jù)此提出假設(shè)4:商業(yè)銀行不良貸款率NPLR 與宏觀經(jīng)濟變量廣義貨幣供應(yīng)量增長率M2R 呈現(xiàn)負相關(guān)關(guān)系。

三、研究樣本與模型設(shè)定

為了建立銀行信用風(fēng)險水平與宏觀經(jīng)濟變量之間的實證關(guān)系，本文通過參考國內(nèi)外文獻資料，并對我國商業(yè)銀行信用風(fēng)險與宏觀經(jīng)濟運行的特點綜合考慮，選取了2012年到 2020 年全國性股份制商業(yè)銀行不良貸款率年度數(shù)據(jù)和相關(guān)的宏觀經(jīng)濟變量數(shù)據(jù)。

（一）研究樣本與數(shù)據(jù)來源

由于我國四大國有商業(yè)銀行的不良貸款會受到一些特殊政策方面的影響，比如信達、東方、長城、華融四大資產(chǎn)管理公司對四大國有商業(yè)銀行不良貸款的操作與剝離，國家及政府為四大國有商業(yè)銀行股份制改建而實行的巨額斥資，促使這些銀行的不良貸款率受到國家政策等非市場因素的影響。而全國性股份制商業(yè)銀行的不良貸款基本上靠自身消化，受歷史因素和國家操控的影響較小，所以本文的研究樣本選取是十二家全國性股份制商業(yè)銀行。在被解釋變量方面，選取我國商業(yè)銀行的信用風(fēng)險作為被解釋變量，不良貸款率作為其衡量指標(biāo)，不良貸款率越高，代表銀行的信用風(fēng)險水平就越高。商業(yè)銀行的樣本包括了共12 家全國性股份制商業(yè)銀行的年度不良貸款率（見表2）。在解釋變量方面，選取的是2012 年到2020 年中國的國內(nèi)生產(chǎn)總值增長率（GDPR）、居民消費價格指數(shù)（CPI）、失業(yè)率（UR）和廣義貨幣增長率（M2R）四個宏觀經(jīng)濟變量數(shù)據(jù)（見表3）。其中，失業(yè)率選取的是城鎮(zhèn)登記失業(yè)率數(shù)據(jù)。

表2 2012-2020 年各商業(yè)銀行年度不良貸款率數(shù)據(jù)

表3 2012-2020 年部分宏觀經(jīng)濟變量年度數(shù)據(jù)

（二）指標(biāo)選取與模型設(shè)定

1.指標(biāo)選取

研究選取信用風(fēng)險為被解釋變量，以不良貸款率（NPLR）作為衡量商業(yè)銀行信用風(fēng)險水平的標(biāo)準。在解釋變量方面，選取四個宏觀經(jīng)濟變量，分別是：國內(nèi)生產(chǎn)總值增長率（GDPR）、居民消費價格指數(shù)（CPI）、失業(yè)率（UR）和廣義貨幣供應(yīng)量增長率（M2R）（見表4）。

表4 變量定義表

2.模型設(shè)定

綜合上述被解釋變量和解釋變量的選取，本文將研究模型設(shè)置為多元線性回歸模型，回歸方程如下：

式中，β0，β1，β2，β3，β4是 模型的參數(shù)；ε為隨機誤差項。

通過SPSS 軟件操作，對影響商業(yè)銀行信用風(fēng)險的宏觀經(jīng)濟變量進行了篩選。該模型旨在解釋：商業(yè)銀行的信用風(fēng)險水平是否受宏觀經(jīng)濟變量的影響；對商業(yè)銀行的信用風(fēng)險有著顯著影響的是宏觀經(jīng)濟中的哪些變量。

四、實證結(jié)果與分析

以不良貸款率作為商業(yè)銀行信用風(fēng)險的指標(biāo)研究商業(yè)銀行的信用風(fēng)險與宏觀經(jīng)濟變量之間的關(guān)系，利用SPSS 軟件對銀行不良貸款率和宏觀經(jīng)濟變量進行描述性統(tǒng)計分析、相關(guān)性分析和多元回歸分析，進而確定宏觀經(jīng)濟變量的變化對我國商業(yè)銀行信用風(fēng)險的影響關(guān)系。

（一）描述性統(tǒng)計分析

為了研究商業(yè)銀行的信用風(fēng)險與宏觀經(jīng)濟變量之間的關(guān)系，對銀行不良貸款率和宏觀經(jīng)濟變量進行描述性統(tǒng)計分析，分別得到銀行不良貸款率的描述性統(tǒng)計分析（見表5）和宏觀經(jīng)濟變量指標(biāo)的描述性統(tǒng)計分析（見表6）。

表5 銀行不良貸款率的描述性統(tǒng)計分析

表6 宏觀經(jīng)濟變量指標(biāo)的描述性統(tǒng)計分析

從表5 可以看出，在分布的集中趨勢方面，就均值而言，浙商銀行和渤海銀行的不良貸款率處于較低水平，廣發(fā)銀行和華夏銀行的不良貸款率處于較高的平均水平。在分布的離散程度方面，就波動范圍而言，廣發(fā)銀行、渤海銀行的不良貸款率波動范圍較大，其中廣發(fā)銀行的最高不良貸款率達到2.85%。中信銀行和華夏銀行的不良貸款率的波動范圍較小，總體來說相對比較穩(wěn)定；就標(biāo)準差來看，商業(yè)銀行不良貸款率的標(biāo)準差在0.5 左右；從方差來看，渤海銀行的不良貸款率的波動最為劇烈，華夏銀行的不良貸款率的波動最小，不及渤海銀行的三分之一。在分布的形狀方面，大部分銀行呈中度偏態(tài)分布，其中廣發(fā)銀行、平安銀行、恒豐銀行的偏度系數(shù)絕對值大于1，呈高度偏態(tài)分布；中信銀行和華夏銀行的偏度系數(shù)絕對值小于0.5，呈低偏態(tài)分布。

從表6 宏觀經(jīng)濟變量指標(biāo)的描述性統(tǒng)計分析可以看出，近9 年來，我國GDP 增長率均值在8.2%的水平上，屬于GDP 增速較為快速的國家之一；標(biāo)準差、方差數(shù)值均較小，表明我國GDP 增長率相對穩(wěn)定。同時，我國的居民消費價格指數(shù)CPI的均值為2.722，方差為4.017，表明我國的GPI 指數(shù)波動較為劇烈且處于比較高的水平。我國失業(yè)率水平的均值在4%左右，標(biāo)準差為0.087，明顯小于失業(yè)率的均值，這表明我國失業(yè)率處于穩(wěn)定狀態(tài)，波動較為平穩(wěn)。我國的廣義貨幣增長率均值為15.889，明顯高于GDP 的增長率，是GDP 增長率的近兩倍左右；且其波動范圍較大，標(biāo)準差、方差數(shù)值較高，波動較為劇烈。

（二）相關(guān)性分析

相關(guān)分析就是對兩個變量之間線性關(guān)系的描述和度量。在進行回歸分析之前，應(yīng)該先考察被解釋變量和解釋變量之間的相關(guān)關(guān)系。只有當(dāng)解釋變量與被解釋變量之間具有較強的相關(guān)性時，才能進行回歸分析。同時，有必要對解釋變量與被解釋變量之間的相關(guān)關(guān)系進行研究，在這個時候，需要要求的是各解釋變量之間相關(guān)系數(shù)的絕對值較小，從而避免多重共線性的問題。

通過變量相關(guān)性分析可以看出，各大商業(yè)銀行的不良貸款率都與GDP 增長率的相關(guān)性較高且顯著，相關(guān)系數(shù)在-0.7 左右，在一定程度上呈負相關(guān)，CPI、失業(yè)率、廣義貨幣增長率與某些銀行的不良貸款率也有一定的相關(guān)關(guān)系，因此本文建立的模型是有意義的。同時，GDP增長率與CPI、失業(yè)率、廣義貨幣增長率的相關(guān)系數(shù)較小，在0.3左右，說明解釋變量之間不存在較強的相關(guān)性，多重共線性較弱，可視為不相關(guān)，可以同時引入回歸模型。

（三）回歸分析

回歸分析側(cè)重于通過一定的數(shù)學(xué)表達式考察變量之間的數(shù)量關(guān)系，進而確定解釋變量的變化對被解釋變量的影響程度。運用德國科學(xué)家卡爾·高斯的OLS 方法進行回歸分析，得到回歸結(jié)果（見表7）。

從表7 的回歸結(jié)果可以看出：

（1）十二家商業(yè)銀行的不良貸款率均與GDP 增長率呈現(xiàn)負相關(guān)關(guān)系，且樣本中超過90%的銀行（渤海銀行除外）t 統(tǒng)計量絕對值大于2，通過了t 檢驗，即認為在其他解釋變量不變的情況下GDP 增長率對商業(yè)銀行不良貸款率的影響是顯著的。這表明GDP 增長率越高，銀行不良貸款率越低；GDP 增長率越低，相應(yīng)地，商業(yè)銀行的不良貸款率在一定程度上也會上升。從側(cè)面表明了宏觀經(jīng)濟形勢較好能夠有效降低銀行的不良貸款率。（2）十二家商業(yè)銀行的不良貸款率均與居民消費價格指數(shù)呈現(xiàn)正相關(guān)關(guān)系，且樣本中超過70%的銀行t 統(tǒng)計量絕對值大于2，通過了t 檢驗，即認為在其他解釋變量不變的情況下消費者價格指數(shù)對商業(yè)銀行不良貸款率的影響是顯著的。這表明居民消費價格指數(shù)越高，銀行不良貸款率越高；居民消費價格指數(shù)越低，商業(yè)銀行的不良貸款率在一定程度上也會下降。（3）十二家商業(yè)銀行的不良貸款率均與失業(yè)率呈現(xiàn)正相關(guān)關(guān)系，但大多數(shù)銀行未通過t 檢驗，即認為失業(yè)率對我國商業(yè)銀行不良貸款率的影響是不顯著的。（4）十二家商業(yè)銀行的不良貸款率均與廣義貨幣增長率呈現(xiàn)負相關(guān)關(guān)系，但大多數(shù)銀行未通過t 檢驗，即認為廣義貨幣增長率對我國商業(yè)銀行不良貸款率的影響是不顯著的。

（四）實證結(jié)果分析與解釋

實證研究結(jié)果表明：我國銀行業(yè)的信用風(fēng)險水平受GDP 增長率的影響較大，而且呈現(xiàn)較強的負相關(guān)關(guān)系，即GDP 增長率越低，我國商業(yè)銀行的不良貸款率越高，其面臨的信用風(fēng)險也越高；GDP 增長率越高，我國商業(yè)銀行的不良貸款率越低，其面臨的信用風(fēng)險也越低。居民消費價格指數(shù)CPI 對我國商業(yè)銀行信用風(fēng)險的影響是正相關(guān)關(guān)系。對此結(jié)果的解釋是：

當(dāng)GDP 增長率處在一個較高的水平，此時，宏觀經(jīng)濟普遍繁榮，商業(yè)銀行和金融市場都很樂觀，銀行準備大量放貸以獲取利息，企業(yè)準備大量借款贏得利潤，由于宏觀經(jīng)濟市場的繁榮景象，企業(yè)的盈利能力也會在一定程度提高，其還款能力隨著財務(wù)指標(biāo)狀況向好，從而降低了企業(yè)不良貸款，在分子增大分母減小的情境下，商業(yè)銀行的不良貸款率自然也相應(yīng)程度地降低；而在GDP 增長率下降時，一般象征著宏觀經(jīng)濟相對的緊縮，此時，不管是作為商業(yè)銀行還是企業(yè)，其對未來的預(yù)期呈消極模式，致使一方面商業(yè)銀行不愿意或者沒有能力為企業(yè)發(fā)放更多貸款，一方面企業(yè)由于自身盈利能力下降甚至是投機思想上的故意違約，都會造成商業(yè)銀行的不良貸款率上升。

居民消費價格指數(shù)在一定程度上代表著通貨膨脹率，即物價的增長程度。當(dāng)物價水平高，居民用于購買日常消費品后余下的可用收入變少，可能會傾向于貸款消費，同時貸款者的還款能力減弱，從而引起商業(yè)銀行的不良貸款率增加，所以居民消費價格指數(shù)對商業(yè)銀行的不良貸款率的影響符號是正向的。

五、研究結(jié)論與政策建議

通過對影響銀行信用風(fēng)險的宏觀經(jīng)濟因素進行實證研究，對研究結(jié)果中顯著影響我國商業(yè)銀行不良貸款率的宏觀經(jīng)濟變量提出了一定的政策建議，以降低由于宏觀經(jīng)濟波動引起的銀行信用風(fēng)險。

（一）研究結(jié)論

基于2012-2020 年我國股份制商業(yè)銀行的不良貸款率數(shù)據(jù)，研究商業(yè)銀行的信用風(fēng)險與宏觀經(jīng)濟變量之間的關(guān)系，結(jié)果表明：第一，GDP 增長率對我國商業(yè)銀行的信用風(fēng)險水平的影響較大，而且呈現(xiàn)較強的負相關(guān)關(guān)系，即GDP 增長率越低，我國商業(yè)銀行的不良貸款率越高，其面臨的信用風(fēng)險也越高；GDP 增長率越高，我國商業(yè)銀行的不良貸款率越低，其面臨的信用風(fēng)險也越低。第二，居民消費價格指數(shù)在一定程度上代表著通貨膨脹率，居民消費價格指數(shù)CPI 對我國商業(yè)銀行信用風(fēng)險的影響是正相關(guān)關(guān)系，即居民消費價格指數(shù)CPI 越大，對應(yīng)著不良貸款率越高，商業(yè)銀行的信用風(fēng)險也越高；居民消費價格指數(shù)CPI 越小，相應(yīng)地，商業(yè)銀行的不良貸款率越低。第三，失業(yè)率對我國商業(yè)銀行信用風(fēng)險的影響不具有顯著的相關(guān)關(guān)系。第四，廣義貨幣供應(yīng)量增長率對我國商業(yè)銀行的不良貸款率的影響不具有顯著的相關(guān)關(guān)系。

（二）政策建議

針對以上研究，從宏觀經(jīng)濟變量方面對降低我國銀行業(yè)的信用風(fēng)險提出以下建議：(1)促進我國宏觀經(jīng)濟良好運行和GDP 的穩(wěn)速增長。無論是作為放款的商業(yè)銀行，還是作為借款的企業(yè)和個人，都有利于降低商業(yè)銀行的不良貸款率，從而降低銀行的信用風(fēng)險；(2)關(guān)注通貨膨脹水平的穩(wěn)定。商業(yè)銀行在控制整體信貸規(guī)模和風(fēng)險控制水平時，應(yīng)考慮社會物價因素，對企業(yè)當(dāng)前的原材料和勞動力成本作出合理估計，并對未來經(jīng)營利潤和現(xiàn)金流量有一定了解和預(yù)期；（3）當(dāng)宏觀經(jīng)濟發(fā)展良好、GDP 高位穩(wěn)定增長時，商業(yè)銀行可以適度放寬信貸規(guī)模，適應(yīng)宏觀經(jīng)濟的發(fā)展，從而提高商業(yè)銀行的盈利能力。

通過對我國全國性股份制商業(yè)銀行不良貸款率與宏觀經(jīng)濟變量之間關(guān)系的研究，得出顯著影響我國商業(yè)銀行信用風(fēng)險的兩個宏觀經(jīng)濟變量，并對相應(yīng)宏觀經(jīng)濟變量提出政策建議，以降低由于宏觀經(jīng)濟波動引起的銀行信用風(fēng)險，這對于現(xiàn)階段我國商業(yè)銀行信用風(fēng)險管理和提高我國商業(yè)銀行業(yè)的穩(wěn)健性及其競爭力具有非常重要的意義。