新时代中国农业银行不良贷款率影响因素分析

新时代中国农业银行不良贷款率影响因素分析
王嘉薇;朱家明
【摘要】基于2012～ 2017年季度数据,分别从宏观经济因素和微观经营行为选取解释变量,建立多元线性回归模型对中国农业银行不良贷款率的影响因素进行实证分析.运用多重共线性、异方差及自相关等多种计量检验方法修正模型,得出农业银行的不良贷款率与拨备覆盖率呈负相关、与存贷比呈正相关的结论.结合实际情况,从优化外部宏观环境、实施严格管理控制、建立健全运行机制三个角度提出化解商业银行不良贷款的政策建议,以期促进我国金融体系的健康发展.
【期刊名称】《哈尔滨师范大学自然科学学报》
【年(卷),期】2018(034)002
【总页数】5页(P7-11)
【关键词】不良贷款率;多元线性回归;实证分析
【作者】王嘉薇;朱家明
【作者单位】安徽财经大学;安徽财经大学
【正文语种】中文
【中图分类】F832.4
0 引言
不良贷款率是指金融机构不良贷款占总贷款的比重，是评价银行盈利水平及经营状况的重要指标，是影响一国金融市场稳定程度的重要因素，对银行自身的发展乃至
各国宏观经济都具有不容忽视的影响.中国农业银行作为五大国有商业银行之一，
是中国金融市场的重要组成部分.自2009年改制为现代股份制商业银行以来, 首次出现不良贷款率和不良贷款额的“双降”，然而信贷资金结构不佳、核心资本充足率低及自身管理体制限制等问题使其不良贷款率一直位于国有商业银行之首.因此，分析中国农业银行不良贷款率的影响因素，有针对性地提出不良贷款防范及化解的相关措施，对新时代背景下保证我国银行业健康稳定发展具有重要现实意义.
1 文献回顾
随着经济全球化进程的加深，一国金融危机可在短时间内蔓延到全球其他地区，不良资产波动严重影响了商业银行的健康运行.近年来，不良贷款问题已引起国内外
学者的普遍关注.研究内容大致可以分为以下几个方面：首先是不良贷款率影响因
素方面的研究.梁秋霞认为不良贷款是商业银行信贷风险的消极产物,其形成不仅受
政策性与制度性因素影响,还包括经济发展与银行自身行为等因素[12]；黄琦等从
县域金融总体与县域商业银行两个层面入手，发现商业银行运营能力对降低县域金融机构的不良贷款率有重要影响[2]；韩笑、徐少君基于VAR模型分析宏观因素与不良贷款之间的相关性，得出不良贷款率与货币供应量、社会消费品零售总额呈负相关的结论[3]；邹克、蔡晓春将双向固定效应模型与动态面板模型相结合，指出
宽松的货币政策与经济发展水平对不良贷款率有抑制作用,而过快的信贷增长不利
于不良贷款率的降低[8].
其次是关于不良贷款防范及化解对策的研究.韩伟认为剥离部分不良贷款有助于增
强国有商业银行竞争力,减轻企业债务负担,防范和化解金融风险[5]；郭民乐指出降低不良贷款发生率是维护商业银行信用及金融的稳定的关键，必须坚持宏观与微观审慎监管并举[6]；高睿联系不良贷款率的实际测算结果,提出从化解存量及控制增
量两方面解决不良贷款问题[7]；代玉簪基于资产证券化对银行稳定影响的两面性，指出资产证券化流动性增加功有助于加强风险分担与分散机制，促进银行业稳定及
不良贷款率的降低[8].
2 不良贷款率影响因素的实证分析
2.1 数据的选取及处理
鉴于数据的代表性与相关程度，结合经济新常态背景下农业银行实际运营情况，该文从宏观经济因素和微观经营行为两个角度选取如下变量：微观经营行为方面，选取存贷比(%)、资本充足率(%)、拨备覆盖率(%)为不良贷款的解释变量，分别记为X1,X2,X3,是评价风险抵御能力、衡量损失准备金充足性及体现银行信贷政策的重要指标；宏观经济方面，以国内生产总值/亿元、居民消费价格指数来解释不良贷款率的波动原因，分别记为X4,X5.
该文所选取数据均来自于国家统计局网站及中国金融年鉴，所有数据的样本区间均为2012年第一季度至2017年第四季度，共24组季度数据.
2.2 模型的建立
多元回归分析(Multiple Regression Analysis)是一种通过建立多变量之间线性或非线性数量关系式，利用样本数据描述随机变量关系的统计分析方法.为定量分析不良贷款率波动的影响因素，建立多元回归模型：
Yt=β0+β1X1t +β2X2t+β3X3t+β4X4t+
β5X5t+μt
其中，Yt为t时期农业银行的不良贷款率(%)，为随机扰动项.
利用EVIEWS软件生成样本数据，采用OLS方法估计模型参数，得到回归结果见表1.
表1 OLS参数回归结果表
Yt=8.8865+0.0124X1t-0.1889X2t-
0.007X3t+1.42E-06X4t+0.0383X5t
t=(5.2868) (0.0067) (0.1106)
(0.0007) (5.74E-07) (0.0403)
根据结果可知，农业银行在2012～2017年度不良贷款率与资本充足率和拨备覆盖率呈负相关，说明银行资本充足率和拨备覆盖率越高，银行抵御资金风险、应对损失能力越强，不良贷款率相应降低，符合经济意义.然而，不良贷款率与国民生产总值正相关、与居民消费指数负相关，显然与实际经验不符.因此，进一步对回归模型加以检验与修正.
2.3 模型的检验与修正
2.3.1 统计推断
模型的可决系数为R2=0.966528，修正后的可决系数统计量为74.8902，说明该模型整体拟合程度较好，变量联合起来对被解释变量有显著影响.当给定显著性水平α=0.05时，由t分布表得临界值为将各解释变量的t统计量的绝对值与临界值比较，仅有X3、X4的t统计量的绝对值大于2.093，分别为-9.549743和
2.468706.说明X3与X4通过t检验，即拨备覆盖率与GDP对银行不良贷款率存在显著影响，其余解释变量均未通过t检验，故推断模型可能存在多重共线性.
图1 残差分析图
2.3.2 逐步回归修正
由解释变量相关系数矩阵可得，X1与X4之间的相关系数为-0.798452，即存贷比与GDP之间确实存在一定的多重共线性，运用逐步回归法对其进行修正.由于拨备覆盖率的绝对值最大，对不良贷款率的影响最为显著，以变量X3为基础，依次将X1、X2、X4、X5引入方程.观察回归结果，由Y、X1、X3拟合所得回归模型的拟合优度最高，且通过F检验及t检验，故修正后的不良贷款率回归模型为：
Yt=2.820865+0.008325X1t-0.006094X3t
t=(5.798391)(3.160016)(-17.20473)
采用White异方差检验法对模型进行检验，结果见表2.在给定显著性水平
α=0.05下，由χ2分布表得临界值为χ2(5)=11.0705.由表2可得
nR2=4.309162<11.0705，伴随概率p=0.5058>0.05，故模型不存在异方差.
2.3.3 自相关检验
通过偏相关系数检验，观察PCA的绝对值，可知模型存在一阶自相关，如图2所示.采用科克伦—奥克特迭代法，利用残差et估计未知的系数ρ，然后再做广义差分回归.经过13次迭代后模型趋于收敛，此时DW=1.625653，可判断du=1.543，du<DW<4-du，表明在5%显著水平下广义差分模型已无自相关，可决系数、t、F统计量等也达到理想水平(见表3).
表2 异方差检验结果HeteroskedasticityTest：WhiteF-
statistic0．787828Prob．F(5，18)0．5719Obs∗R-
squared4．309162Prob．Chi-
Square(5)0．5058ScaledexplainedSS3．383149Prob．Chi-
Square(5)0．6411
图2 偏相关系数检验图
表3 科克伦—奥克特估算结果
在对模型进行一系列经济检验与计量检验的基础上，进一步对模型加以修正与完善，最终得到我国农业银行不良贷款率影响因素的回归方程如下：
Yt=3.390753+0.017572X1t-0.005912X3t
t=(9.302402) (4.4240446)
(-15.102900)
3 结论和建议
由实证分析可知，拨备覆盖率及存贷比例深刻影响着我国农业银行的不良贷款率.
拨备覆盖率对不良贷款的增长存在抑制作用，拨备覆盖率每增长1%，不良贷款率随即减少0.005912%；而不良贷款率与商业银行存贷比呈现正向关系，存贷比每
增加1%，不良贷款率将会增加0.017572%；与此同时，我国农业银行不良贷款
率还受到宏观经济发展、自身经营特点、金融市场稳定程度等多位因素影响.基于
以上结论，提出如下对策建议：
(1)优化外部宏观环境，促进经济健康发展
拉动我国经济增长的“三驾马车”分别是投资、消费与出口，当经济可持续发展时，企业运营状况良好，违约概率相应减小，有助于从源头上预防不良贷款的产生.全
面普及社会信用观念，加强经济主体自律意识，积极优化外部宏观环境，促进经济稳步增长，对决胜全面建成小康社会具有重要现实意义.
(2)实施严格管理控制，构建有效预警体系
当前我国商业银行普遍存在对风险重视程度不足、风险管理体系不够健全等问题，由此导致的资金风险来源也日趋多元化.提高拨备覆盖率有助于抑制不良贷款发生率，然而过高的拨备覆盖率会造成准备金积累，一定程度上导致银行利润虚减少.
银行应积极构建有效的风险预警体系，包括严格实施资产风险分类，完善授信决策程序，对贷款做好风险评价工作，加强对次级贷款的监管等一系列措施.
(3)建立健全运行机制，争取国家政策支持
相较于西方发达的资本市场，我国资本市场资金配置效率低、市场灵活性差且多样性欠缺.银行业在整个资本市场中占有绝对地位，导致其风险集中程度远远高于信托、证券等市场，增加了不良贷款发生的可能性.目前化解不良贷款的手段较为单一，主要是通过资产管理公司承接，经技术处理后将不良贷款打包出售.大力推动
金融产品创新、发展多层次的资本市场，将为企业提供灵活的融资渠道，在实现多样化经营的同时分散风险.
参考文献
【相关文献】
[1] 梁秋霞.我国商业银行不良贷款影响因素的实证分析[J].吉林工商学院学报,2012,28(1):69-74.
[2] 黄琦,陶建平,田杰.县域金融信贷风险的影响因素——基于全国2069个县(市)的样本分析[J].金融论坛,2013,18(10):9-15,+57.
[3] 韩笑,徐少君.我国宏观经济对商业银行不良贷款影响的实证分析[J].经营与管理,2015(7):88-95.
[4] 邹克,蔡晓春.不良贷款率影响因素的实证分析——基于2005～2014年省级面板数据[J].金融理论与实践,2017(2):10-18.
[5] 韩伟.“二次剥离”的可行性研究:国有商业银行不良贷款化解的现实设计[J].金融研
究,2003(11):104-110.
[6] 郭民乐.我国商业银行不良贷款产生的原因及防范措施[J].西安石油大学学报:社会科学
版,2016,25(4):32-36.
[7] 高睿. 我国商业银行不良贷款现状及处置方法研究[D].山东大学,2017.
[8] 代玉簪. 信贷资产证券化与中国商业银行稳定性研究[D].对外经济贸易大学,2017.。