基于小波分析的我國不良貸款問題研究

□ 徐鋮

一、前言

銀行向?qū)嶓w經(jīng)濟貸款的能力受到銀行貸款組合質(zhì)量的極大影響，而不良貸款對銀行創(chuàng)造貸款的能力有負面影響。因此，銀行有必要根據(jù)不良貸款的風險程度采取不同措施，化解和防控信貸風險。

自改革開放以來，我國實現(xiàn)了從傳統(tǒng)的計劃經(jīng)濟轉(zhuǎn)變?yōu)槭袌鼋?jīng)濟的深刻轉(zhuǎn)變，銀行的改革在這一偉大進程中起到了關鍵作用。1998年，中央推出了幾項關于管理不良貸款和防范金融風險的重大舉措，四項主要措施如下：（1） 向國有銀行注資；（2） 要求銀行業(yè)針對不良貸款采用國際分類標準；（3） 僅發(fā)放商業(yè)目的貸款；（4） 嚴格限制地方政府干涉銀行的貸款業(yè)務。為落實第一項措施，中央政府于1998年8月發(fā)行了2700億元人民幣（325億美元）的特別債券，旨在為國有銀行補充資本。同時，存款準備金也被要求降低。第二項措施則由中國人民銀行參照國際慣例，結(jié)合中國國情，制定了《貸款分類指導原則》，按風險程度將貸款劃分為五類：正常、關注、次級、可疑、損失，后三種為不良貸款。第三項重大改革涉及廢除信貸計劃。中國人民銀行從1998年1月1日起取消對國有商業(yè)銀行貸款限額的控制，推行資產(chǎn)負債比例管理與風險管理，標志著中央銀行宏觀調(diào)控由直接調(diào)控向間接調(diào)控轉(zhuǎn)換。最后一項改革措施主要涉及中國人民銀行的重組，銀行的監(jiān)督和審查職能得到了加強，減少了政府的干預。

必須強調(diào)的是，2001年以后，外國投資者開始大舉收購我國的不良債券。特別是隨著國家不斷簡化收購程序和擴大市場準入，投資我國不良貸款對外國投資者極具吸引力。近年來，我國持續(xù)加快銀行業(yè)改革，解決過去累積的不良貸款正是重點工作之一。盡管做出了很多努力，但深刻的結(jié)構(gòu)性問題仍然給整個中國銀行業(yè)的發(fā)展前景造成了巨大的阻礙。因此，為了更好地研究我國的不良貸款問題，有必要了解世界范圍內(nèi)不良貸款的發(fā)展和分類，以提出可行的建議。

國際貨幣基金組織在《貨幣與金融統(tǒng)計編制指南》中首次對不良貸款下了定義。“當利息和/或本金的支付逾期90天及以上，或相當于90天及以上的利息支付已被資本化、再融資或通過協(xié)議延遲，或付款逾期不到90天，但有充分的理由（如債務人申請破產(chǎn)）懷疑其無法全額支付時，該貸款即為不良貸款。被列為不良貸款后，直到注銷或收到該貸款或替代原貸款的利息和/或本金，該貸款（和/或任何替代的貸款）將一直被認定為不良貸款”。歐洲中央銀行（ECB）于2017年3月將不良貸款定義為：（1）逾期90天以上的重大貸款；（2）無論任何逾期金額或逾期天數(shù)，債務人被評估為不可能在不變現(xiàn)抵押品的情況下全額履行其信貸義務”。

我國于2007年由銀行業(yè)監(jiān)督管理委員會（CBRC）頒布了《貸款風險分類指引》，以規(guī)范對不良貸款的認定，并明確規(guī)定了要及時足額計提貸款損失準備，核銷貸款損失。為促進商業(yè)銀行準確評估信用風險,真實反映資產(chǎn)質(zhì)量，中國銀行保險監(jiān)督管理委員會（CBIRC）于2019年4月公布了《商業(yè)銀行金融資產(chǎn)風險分類暫行辦法》（以下簡稱《辦法》）。該辦法規(guī)定的分類方法主要為以下幾種：（1）金融資產(chǎn)逾期后應至少歸為關注類；（2）逾期90天以上應至少歸為次級類；（3）逾期270天以上應至少歸為可疑類；（4）逾期360天以上應歸為損失類。一旦辦法實施后，逾期90天以上的債權(quán)，即使抵押擔保充足，也應歸為不良。此外，如果一個非零售業(yè)借款人逾期90天以上的貸款總額超過銀行總貸款額的5%，所有銀行都應將該借款人的貸款列為不良貸款。在發(fā)布辦法草案的同時，銀保監(jiān)會鼓勵銀行將逾期60天以上的企業(yè)貸款也視為不良貸款。

總之，相較2007年的文件，《辦法》關于風險分類的“新”主要體現(xiàn)在五個方面：一是將風險分類對象由貸款擴展至承擔信用風險的全部金融資產(chǎn)，適用機構(gòu)范圍也由存款類金融機構(gòu)擴展至受銀行業(yè)監(jiān)督管理機構(gòu)監(jiān)管的所有金融機構(gòu)。二是將風險分類由以金融資產(chǎn)為中心升級為以債務人為中心，債務人的實際履約能力而非資產(chǎn)的擔保緩釋程度成為風險分類的首要關注。三是明確了逾期天數(shù)、逾期債務占比、資產(chǎn)減值、外部評級等客觀指標與風險分類等級的對應關系，并以信用減值為核心重新定義了風險五級分類。四是對資管和資產(chǎn)證券化產(chǎn)品提出穿透分類要求。五是明確和細化了對重組資產(chǎn)及其相關概念如財務困難和合同調(diào)整形式的定義，對于重組資產(chǎn)的觀察期和風險分類要求等也做了更為細致的規(guī)定。然而，由于新冠疫情的爆發(fā)，不但《辦法》的實施被迫擱置，而且為了支持中小企業(yè)渡過難關，國家允許銀行業(yè)提高對受影響的中小企業(yè)不良貸款的容忍度。

考慮到國際貨幣基金組織、歐洲央行和銀保監(jiān)會都根據(jù)同樣的一般原則來確認不良貸款，即以90天的逾期期限作為標準劃分不良貸款，因此本文采用2008年第1季度至2021年第1季度的季度數(shù)據(jù)，通過小波相干性分析研究中國的不良貸款率和宏觀經(jīng)濟變量，即GDP增長率、消費者價格指數(shù)（CPI）和經(jīng)濟政策不確定性指數(shù)（EPU）三者間的關系。選擇這三個宏觀經(jīng)濟變量的考量主要基于對中國1994年至今的不良貸款比率的變化趨勢的圖表分析。

小波分析不僅可對信號實施局部分析，可在任意的時間或空間域中分析信號，還能夠發(fā)現(xiàn)其他信號分析方法所不能識別的、隱藏于數(shù)據(jù)之中的表現(xiàn)結(jié)構(gòu)特性的信息。本文的創(chuàng)新之處在于應用小波分析法研究中國的宏觀經(jīng)濟變量。

二、文獻綜述與提出假設

本文的研究基于三個假設：

假設1：GDP增長率顯著影響不良貸款，GDP的增長將導致不良貸款減少

假設2：通貨膨脹對銀行不良貸款影響不明確

假設3：EPU指數(shù)與銀行不良貸款正相關

（一）假設1：GDP增長率顯著影響不良貸款，GDP的增長將導致不良貸款減少

很多文獻認為不良貸款通常受到諸多宏觀經(jīng)濟變量，如GDP、消費者價格指數(shù)、利率以及與銀行相關的微觀變量的影響。例如，Klein認為，歐元區(qū)的GDP增長率導致了不良貸款減少。Nouaili（2015）等人發(fā)現(xiàn)宏觀經(jīng)濟發(fā)展與資產(chǎn)和信貸風險質(zhì)量之間存在雙向的、高度非線性的關系。Ahmed等人（2021）研究了宏觀和微觀經(jīng)濟變量，分析了2008年至2018年巴基斯坦的GDP和銀行不良貸款的因素如何影響商業(yè)銀行的發(fā)展。結(jié)果同樣顯示，GDP的增長導致了不良貸款的減少。Kartal等人（2021）研究了土耳其的不良貸款和經(jīng)濟增長之間的關系，認為GDP在長期內(nèi)對不良貸款有很大影響。還有幾項研究集中于中國的不良貸款。例如Arestis等人（2019）利用宏觀經(jīng)濟壓力測試，研究了中國商業(yè)銀行對宏觀經(jīng)濟條件變化的敏感性。Arham等（2020）考察了宏觀經(jīng)濟和國家治理指標兩類變量對銀行不良貸款的影響。本文不僅希望得到與以上文獻一致的結(jié)論，更希望得到有關變量之間的協(xié)同變化以及短期和長期因果關系的新發(fā)現(xiàn)。

（二）假設2：通貨膨脹對銀行不良貸款的影響不明確

通貨膨脹對不良貸款的影響可能是不確定的（負向或正向）。一些文獻指出了這種通貨膨脹與不良貸款間的模糊性或不確定性。Wood和Skinner（2018）認為，高通貨膨脹率與較高的風險溢價有關，因此借款人的現(xiàn)金流減少降低了他們償還貸款的能力。Rajha（2016）認為，經(jīng)濟增長和通貨膨脹率對約旦銀行業(yè)的不良貸款有負面影響，但是上升的通貨膨脹率可以通過減少未償債務的實際價值來提高借款人的貸款支付能力，從而減少不良貸款。Farhan等（2012）指出巴基斯坦銀行業(yè)的不良貸款與通貨膨脹率、失業(yè)率、利率、能源危機和匯率有明顯的正向關系?；谶@些文獻結(jié)論各異，本文提出通貨膨脹對銀行不良貸款的影響不明確這一假設。通貨膨脹通過降低未償貸款的實際價值使償債變得更容易，但當工資收入停滯時，它也會導致借款人減少收入。

（三）假設3:EPU指數(shù)與銀行不良貸款正相關

經(jīng)濟政策不確定性指數(shù)（EPU）在很多文獻中都有出現(xiàn)，無論政府頻繁的政策變化所導致的不確定性，還是在執(zhí)行過程中反對政策的立場，毫無疑問是影響經(jīng)濟發(fā)展的一個重要因素。例如，孫雅婷（2021）考察了EPU對銀行信貸風險和貸款決策的影響。結(jié)果顯示，EPU與不良貸款、貸款集中度和正常遷移率之間存在正相關關系。本文希望通過變量和EPU在短期和長期因果關系中影響不良貸款的能力來區(qū)分關聯(lián)性，甚至希望得出不良貸款對該指數(shù)有影響的相反結(jié)論。

綜上所述，本文采用2008第1季度至2021年第1季度季度的數(shù)據(jù)，通過小波相干性分析研究中國的不良貸款率和宏觀經(jīng)濟變量之間的關系，希望進一步觀察到它們的因果關系以及短期和長期的聯(lián)系。本文的創(chuàng)新點主要有兩點：一是深入探討了不良貸款與GDP增長率、消費者價格指數(shù)（CPI）和經(jīng)濟政策不確定性指數(shù)（EPU）三個宏觀經(jīng)濟變量之間的關系。因為這些變量之間的關系還沒有在其他研究中通過小波分析法研究過，所以對管理者、投資者和學者來說都具有重要價值；二是本文采用了基于時間和頻率的因果關系方法，與時域因果關系方法相比，小波分析對具有非線性和混亂維度的時間序列因素能夠給出更有效的結(jié)果。

三、數(shù)據(jù)和方法

（一）數(shù)據(jù)

數(shù)據(jù)集由2008/Q1至2021/Q1的27個季度觀測值組成。變量是不良貸款比率、季度GDP增長率、EPU指數(shù)和消費者價格指數(shù)。數(shù)據(jù)來源于世界銀行、OECD（經(jīng)濟合作與發(fā)展組織）和EPU指數(shù)。

銀行不良貸款比率通過識別貸款組合中資產(chǎn)質(zhì)量問題來衡量銀行的健康和效率水平。根據(jù)國際準則，當貸款的利息和本金支付逾期超過90天，或者預計未來無法收到全額付款時，就會認定為不良貸款。GDP 和 CPI 是根據(jù)季度調(diào)整后的數(shù)據(jù)和與前一季度相比的百分比變化而確定的增長率。

為了盡量準確測量中國的EPU，Davis等人（2019）曾量化了1949年以來中國的經(jīng)濟和政治不確定性。這些不確定性主要是通過兩份官方報紙《人民日報》和《光明日報》得出的 。本文使用自然語言處理工具來識別和選擇與政策相關的詞匯。

出于方法上的考量，不良貸款比率和EPU變量被轉(zhuǎn)化為基于上一季度的增長率。

由圖1可知，根據(jù)中國央行統(tǒng)計數(shù)據(jù)，1999年中國銀行業(yè)的不良貸款率為35%，隨后呈穩(wěn)步下降趨勢，在2012年降至0.95%，在2013-2020年期間略有增加（見圖2）。

圖1 1994年至2010年中國的不良貸款比率

圖2 2010-2020年中國、美國、德國的不良貸款比率

從圖2可知，近幾年中國不良貸款比率與美國、德國（歐洲代表）的呈相反趨勢。2012年前中國不良貸款比率的急劇下降有兩個原因：一是政府組建了資產(chǎn)管理公司（AMC），國有資產(chǎn)管理公司從國有商業(yè)銀行接管了不良貸款；二是中國建立了更加完備的監(jiān)督體系和措施，以監(jiān)督銀行業(yè)的發(fā)展。

圖3比較了中國、美國、歐盟的EPU指數(shù)。根據(jù)圖示，中國、歐洲和美國的EPU指數(shù)高度相關，而中國指數(shù)的平均值和波動性更高。因此，我們必須研究EPU對中國不良貸款的影響，以評估政府推出的各種經(jīng)濟政策工具的有效性。

圖3 中國、美國和歐盟的EPU指數(shù)對比

如前文所述，有文獻指出通貨膨脹率與不良貸款有顯著的負向關聯(lián)。圖4顯示了幾次全球金融危機期間中國消費者價格指數(shù)的走勢。圖5顯示了中國2020年第1季度的GDP增長率受新冠疫情影響的變化。

圖4 基于季度數(shù)據(jù)的消費者價格指數(shù)增長率與上一季度相比的百分比變化

圖5 2008年第1季度至2021年第1季度中國GDP增長率和消費者價格指數(shù)的趨勢比較

（二）方法

本文使用的研究方法是小波分析法。小波方法是基于一個連貫的數(shù)學理論。與傅里葉變換相比，小波變換是時間（空間）頻率的局部化分析，它通過伸縮平移運算對信號(函數(shù))逐步進行多尺度細化，最終達到高頻處時間細分，低頻處頻率細分，能自動適應時頻信號分析的要求，從而可聚焦到信號的任意細節(jié)，解決了傅里葉變換的困難問題，成為繼傅里葉變換以來在科學方法上的重大突破。分析的起點是所謂的母小波ψ，之后通過縮放和平移可以產(chǎn)生各種小波。

離散時間變換（DWR）和連續(xù)小波變換（CWT）是小波變換的兩種形式。連續(xù)小波變換是經(jīng)濟、金融等領域的一個重要分析工具。它是二維的，但取決于一維的信號。在連續(xù)小波變換中，當進入更大的尺度時，相鄰尺度之間的差異很小，而且在任何固定的大尺度上都有緩慢的跨時變化。

連續(xù)小波變換Wx(r,s)，是將x(t)投影集合（Ψτ,s}上得到的，其中*表示復共軛：

連續(xù)小波變換在頻域中可表示為：

其中X(ω)表示x(t)的傅里葉變換，ω是角頻率，表示為：

本文嘗試使用了小波（Ψ），小波方法包含在Morlet小波譜系中。由于Morlet小波是復值小波，可以分析相位差，比如領先-滯后的結(jié)構(gòu)。

本文采用了小波功率譜（WPS）如下：

交叉小波（連續(xù)小波變換）減少了時間序列因素如下，其中*表示復共軛：

交叉小波功率譜如下：

兩個時間序列x和y之間的小波相干性可以被認定為局部相關。小波相干性的方程如下：

其中S是一個關于時間和尺度的平滑算子，R2(s)代表0到1之間的數(shù)字。當R2(s)接近1時，表明時間序列因素在某一特定維度上有聯(lián)系。這個維度被黑條所包圍，并以紅色顯示。當R2(s)接近于0，則序列之間無任何聯(lián)系，并以藍色顯示。為了得到更完整的結(jié)果，本文使用了小波相干相位差，描繪了相關變量的兩個時間序列之間的振蕩延遲（周期）的細節(jié)，將小波相干的相位差表示為：

由粗黑邊框包圍的箭頭表示因果關系重要性的幅度。指向左邊的箭頭揭示了各因素之間存在負向關聯(lián)，而指向右邊的箭頭則表示正向關聯(lián)。向上、右上或左下的箭頭表明第二個變量決定了第一個變量，而向下、右下或左上的箭頭則表明第一個變量對第二個變量有顯著的促進作用。

本文應用小波方法研究了中國的不良貸款和三個不同的宏觀變量之間的時間-頻率關系，進一步分析了各變量之間的短期和長期關系。值得注意的是，小波相干性分析只限于兩個變量，無法應用于三個及以上變量。因此，本文的目的就是分析和理解一對變量之間的關系，以正確解釋每個變量對另一個變量影響的方向和力度。

四、結(jié)果和穩(wěn)健性檢驗

（一）結(jié)果

圖6顯示了自2008年第一季度以來中國的不良貸款率和GDP增長率的變化。除了新冠疫情爆發(fā)初期的一段時間，經(jīng)濟增長總體為正，且在一段時間內(nèi)幾近穩(wěn)定。

圖6 不良貸款比率和GDP增長率的比較

鑒于不良貸款率居高不下，中國銀行業(yè)監(jiān)督管理委員會（CBRC）于2007年頒布了《貸款風險分類指引》。一直到2014年，不良貸款率持續(xù)下降，之后再次增長。

中國的不良貸款率反映的是銀行業(yè)的健康狀況。較高的不良貸款率表明，銀行在向客戶回收利息和本金上存在困難，如不加監(jiān)管可能導致中國的銀行利潤下降，甚至導致銀行破產(chǎn)。因此，探討不良貸款與GDP、不良貸款與CPI、不良貸款與EPU之間的關系不僅對中國，對所有國家都是有著重要意義。首先，小波分析能夠捕捉變量的短期和長期關系，目前還沒有被應用到任何關于中國不良貸款和宏觀變量關系的研究中。其次，該方法結(jié)合了基于時域和頻域的因果關系分析，不僅能夠捕捉更大圖像的局部圖像區(qū)域，更重要的是能夠評估不同頻率下的協(xié)動程度。因此，本文使用了基于小波時間和頻率模型的方法來填補這一學術(shù)空白。

總之，本文致力于確定中國的不良貸款與GDP、與CPI、與EPU之間的關系，以及確定這些關系是短期還是長期的協(xié)同運動。以下的圖7-10顯示了不良貸款、GDP、CPI和EPU的小波功率譜。為使數(shù)據(jù)同質(zhì)化，EPU和不良貸款數(shù)據(jù)被轉(zhuǎn)換為季度增長率。

圖中顏色較暖的區(qū)域（紅色）代表有明顯相互關系的區(qū)域，而較冷的顏色（藍色）代表關系較弱。在較冷區(qū)域之外的冷區(qū)域代表時間和頻率上不存在任何相關性。小波相干圖的箭頭表示所考察的序列是否處于領先/落后的相位關系。當兩個時間序列的相位差為零時，它們在一個特定的尺度上一起移動。當時間序列處于相位時，箭頭指向右邊；當時間序列處于反相位時，箭頭指向左邊。當兩個變量同相時，它們向同一方向移動，反之向相反方向移動。此外，箭頭的方向表明領先的變量是誰：當箭頭指向右下或左上時，則第一個變量領先，而當箭頭指向右上或左下時，則第二個變量領先。橫軸為時間；縱軸為頻率（頻率越低，比率越高）。小波相干性定位了兩個時間序列在時間-頻率空間中協(xié)動的區(qū)域。

圖7表明，2009年之前，不良貸款的小波功率譜很高，具有統(tǒng)計顯著性。2009年后，功率有所降低。圖中的藍色部分表示低功率，紅色表示高功率。黑線內(nèi)的區(qū)域表示具有5%的顯著性水平。

圖7 不良貸款率增長率的小波功率譜

GDP增長率的小波功率譜（圖8)并沒有隨著時間的推移而發(fā)生很大的變化。波動最大的時期是2019年第4季度至2020年。頻譜的最高點大約為0-3季度左右的周期。由于零填充或反射，白線以外的區(qū)域（“影響錐”）的數(shù)據(jù)不可靠 ，并被排除于本文研究之外。

圖8 GDP增長率的小波功率譜

圖9顯示，2008年至2013年的CPI顯示出較高的波動性，但只有2011年至2013年期間才顯示出統(tǒng)計顯著性。2013年后的波動性較弱。

圖9 消費者價格指數(shù)的小波功率譜

圖10顯示，EPU增長率在3-6個季度的規(guī)模上具有很高的功率，表明在2015-2020年期間，中國存在不確定性。

圖10 EPU指數(shù)的小波功率譜

小波分析觀察了中國的不良貸款和三個宏觀經(jīng)濟變量之間的協(xié)同運動。圖11揭示了中國的不良貸款和GDP之間的相關性程度。結(jié)果顯示，不良貸款和實際GDP之間的一致性隨時間發(fā)送變化。2009-2010年，在第3和第4季度的頻率內(nèi)存在相關性。2011-2012年以及2015年的所有季度，這種關聯(lián)性又被打破了。從最近幾年來看，在第8季度有關聯(lián)性?？傊?，GDP可能不是決定不良貸款的一個重要因素。圖中影響范圍外的冷區(qū)域代表變量在時間和頻率上沒有關系。

就不良貸款和CPI之間的R2(s)相關性而言，鮮紅色表示相關性較高。圖中顯著區(qū)域內(nèi)的箭頭是影響錐。箭頭的方向表示不良貸款和GDP之間的因果關系或相關性的方向。

圖11 不良貸款與GDP的小波相干性功率譜

圖12顯示，2011年第1季度至2012年第3季度的箭頭指向左下方，意味著時間序列是反相的，朝相反的方向移動。而2014年第1季度至2015年第1季度期間，箭頭指向上和右，意味著時間序列在同一方向（相位）移動，第一個序列領先于第二個序列。因此，兩個變量的關系顯然隨時間變化。

圖12 不良貸款和CPI的小波相干性功率譜

圖13為中國不良貸款和EPU的小波相干性。由圖可知，2010年第3季度至2012年第3季度期間，箭頭在第7和12個季度（低頻）的刻度上指向下方和左邊，意味著在中期內(nèi)，EPU對于預測中國的不良貸款變化起到重要作用。另一方面，2014年第1季度至2016年第2季度期間，箭頭指向下方，但在0-3季度（高頻）的頂部，即在短期內(nèi)，不良貸款增長是領先EPU增長的。

圖13 不良貸款和EPU小波相干性功率譜

（二）穩(wěn)健性檢驗

基于以上結(jié)果，本文通過線性格蘭杰因果關系檢驗進行了穩(wěn)健性分析。對于兩個靜止的序列，Xt和Yt，線性因果關系檢驗以兩個序列的向量自回歸模型（VAR）表示，如下所示：

其中m是Xt和Yt變量的滯后長度。在這種情況下，我們根據(jù)施瓦茲信息準則選擇確定滯后長度的標準。通過檢驗，本文確定了兩個無效假設：(1）X不導致Y，表示為H01= b1 = ... = bm = 0；（2）Y不導致X，表示為H01= c1 = ... = cm = 0。在第一個假設中，當拒絕零假設時，因果關系從Yt到Xt；在第二個假設中，當拒絕零假設時，因果關系從Xt到Y(jié)t；最后，雙變量因果關系意味著兩個假設都被拒絕。

表1 線性格蘭杰因果關系檢驗

總之，線性格蘭杰因果關系的結(jié)果驗證了通過小波分析得到的結(jié)果。

五、總結(jié)

2007年，中國銀行業(yè)監(jiān)督管理委員會針對不良貸款的分類和不良貸款準備金的標準發(fā)布了指導方針。2019年，銀保監(jiān)會公布了與不良貸款監(jiān)管措施有關的《商業(yè)銀行金融資產(chǎn)風險分類暫行辦法》。然而由于新冠疫情的爆發(fā)，不但《辦法》的實施進程被擱置了，而且為了支持中小企業(yè)渡過難關，國家允許銀行業(yè)提高對受影響的中小企業(yè)不良貸款的容忍度。目前中國正在進入一個新的經(jīng)濟發(fā)展階段，由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，與此同時，一系列的產(chǎn)業(yè)結(jié)構(gòu)弱點逐漸凸顯，在原材料和能源價格上漲的推動下，通貨膨脹壓力正在加大。大眾對房地產(chǎn)等重點行業(yè)的資本流動性和巨大債務感到擔憂，一些大公司面臨破產(chǎn)的風險，行業(yè)正在經(jīng)歷一場深刻的危機。

我國政府早就關注相關行業(yè)的潛在問題，并制定了一系列規(guī)則和措施，以使其債務狀況恢復到可控的水平。然而，從深層次看，債務問題凸顯了相關行業(yè)的脆弱性，以及金融業(yè)存在多米諾骨牌效應的風險。鑒于這種情況，本文采用2008年第1季度至2021年第1季度的數(shù)據(jù)，通過小波相干性分析法研究了中國不良貸款和宏觀經(jīng)濟變量之間的因果關系以及短期、長期的關系。小波分析的主要優(yōu)勢在于能夠有效地分析不同頻率的時間序列運動的時間變化，也可以用來識別結(jié)構(gòu)性中斷，即相關關系的完全斷裂或相關頻段的轉(zhuǎn)移。本文的創(chuàng)新之處不僅在于小波分析法，也在于對EPU、CPI等在以往研究中從未涉及的宏觀經(jīng)濟變量的分析，更不用說針對中國的情況。

本文得出的結(jié)論如下：（1）不良貸款和GDP增長率之間可能不存在相關性。小波相干性圖表的零相位差，意味著這兩個變量在一個中等周期上一起移動，具有高度的相關性，但沒有顯示哪個變量處于領先地位。那么我們有理由假設：GDP可能不是影響中國不良貸款的決定因素。（2）不良貸款和CPI之間的關聯(lián)隨時間而變化，是高度動態(tài)的。在短時間內(nèi)，時間序列為反相的，長時間內(nèi)為同相，不良貸款領先于CPI。（3）EPU指數(shù)對不良貸款有明顯的影響。短期內(nèi)不良貸款和EPU的移動方向相同，不良貸款的增長會立即導致EPU指數(shù)增長；從長期來看，時間序列是反相的，意味著它們向相反的方向移動；指數(shù)（第二個變量）領先。簡而言之，EPU增加在長期內(nèi)會減少不良貸款，這可能是因為經(jīng)濟不確定性通過減少企業(yè)對新的信貸資金的需求和商業(yè)銀行的供應來影響銀行貸款的規(guī)模。每當EPU指數(shù)增加時，銀行會降低貸款規(guī)模，改善業(yè)績。EPU還可以被市場化水平和金融發(fā)展深度所調(diào)節(jié)，從而影響企業(yè)和政府的經(jīng)營行為。這些錯綜復雜的關系值得政策制定者關注。

當然，本文也存在局限性。一是只關注了中國的情況。比如我國的不良貸款率穩(wěn)步下降，在2012年達到0.95%的比率，在2013至2020年又小幅上升。與其他國家的不良貸款率相比，中國的趨勢有些特殊。二是沒有考慮其他可能影響不良貸款的變量，如失業(yè)率。