鄧啓平

【摘要】經(jīng)濟新常態(tài)下銀行業(yè)要充分認識不良貸款反彈的趨勢，切實防范化解風險隱患。但是目前還未有從公眾預期角度來分析商業(yè)銀行不良貸款波動趨勢的研究。本文借助中國人民銀行調(diào)查統(tǒng)計司對儲戶、銀行家、企業(yè)家等公眾的問卷調(diào)查季度數(shù)據(jù)，運用VAR模型進行實證，試圖做出嘗試。結果表明，公眾的就業(yè)、收入信心對不良貸款率波動趨勢的影響最強；銀行家對行業(yè)的信心同時影響著商業(yè)銀行信貸行為的決策，企業(yè)的貸款需求與不良貸款率正向相關。為降低商業(yè)銀行的不良貸款率，應對公眾預期進行顯性刻畫，運用針對性的措施糾正公眾的預期偏差以控制商業(yè)銀行的信貸風險。

【關鍵詞】公眾預期 不良貸款 時間序列 協(xié)整分析 VAR模型

一、引言

金融資產(chǎn)質量是實體經(jīng)濟運行的風向標。近年來實體經(jīng)濟積累的一些壓力已經(jīng)越來越多反映到銀行信貸質量上，典型表現(xiàn)就是銀行業(yè)不良貸款余額和比率持續(xù)“雙升”。截至2014年末，我國商業(yè)銀行不良貸款余額達8426億元，已連續(xù)12個季度上升；不良貸款率為1.25%，較年初上升0.22個百分點。要清醒地認識到，未來一段時期，經(jīng)濟運行中的困難可能在金融領域進一步顯現(xiàn)。

衡量商業(yè)銀行金融資產(chǎn)質量的直接指標就是不良貸款率，然而不良貸款成因與對策的研究始終是業(yè)界研究的焦點，許多學者從不同理論與實踐角度，分析和闡述了造成商業(yè)銀行不良貸款形成原因，但是鮮有學者從公眾預期層面對不良貸款的影響效應進行分析，故本文的研究角度具有明顯的新意。

本文基于中國人民銀行調(diào)查統(tǒng)計司對儲戶、銀行家、企業(yè)家等公眾的問卷調(diào)查的2009Q1-2015Q3的季度數(shù)據(jù)，借助時間序列模型，通過實證分析發(fā)現(xiàn)：公眾對未來的就業(yè)信心、收入預期、銀行景氣信心及企業(yè)家對企業(yè)未來的發(fā)展前景、貸款需求程度、資金周轉效率對商業(yè)銀行的不良貸款率的波動有著明顯的影響。進一步地，公眾的就業(yè)、收入信心對不良貸款率波動趨勢的影響最強；銀行家對行業(yè)的信心同時影響著商業(yè)銀行信貸行為的決策，企業(yè)的貸款需求與不良貸款率正向相關。在實體經(jīng)濟不振情況下，公眾行為成為了商業(yè)銀行經(jīng)營困境一個重要關注點。

論文的結構安排如下：第二部分進行相關研究回顧；第三部分是變量解釋與實證過程；第四部分是結論與啟示。

二、相關文獻綜述

國內(nèi)外大量的實證研究結果表明，商業(yè)銀行不良貸款產(chǎn)生的原因是多方面的，既有體制方面的原因，也有經(jīng)營方面的原因。總體來說，大致分為銀行外部因素和內(nèi)部因素的影響。

（一）外部因素與不良貸款

第一，政府行政干預。李建軍等（1998）分析認為，政府主導型經(jīng)濟發(fā)展模式是國有商業(yè)銀行不良信貸資產(chǎn)產(chǎn)生的根源。政治晉升的激勵、地方分權和財政分成制的改革構成了政府干預的動機和能力

第二，社會信用基礎薄弱，，企業(yè)逃廢債嚴重.由于市場經(jīng)濟體制不完善，信用文化在我國一直處于較薄弱的狀態(tài)，主要表現(xiàn)在商業(yè)銀行信用風險管理觀念的落后、信用評級體系的嚴重匱乏，整體社會信用道德相對較低等幾個方。

第三，金融體系不健全，金融風險過度集中于間接融資體系。盡管社會對信用的需求多樣化，但我國的融資體制由國家通過國有銀行高度壟斷，大多數(shù)信用需求最終都只能由銀行貸款或間接性貸款來滿足。

第四，國家宏觀經(jīng)濟結構的調(diào)整和經(jīng)濟形勢變化的影響。宏觀貨幣政策與銀行風險承擔呈顯著的負相關關系，規(guī)模越大、資本越充足的銀行抵御風險的能力越強，擴張性的貨幣政策會刺激銀行風險；同時，法律保護水平越高，銀行信貸規(guī)模越大，銀行業(yè)績也更好國內(nèi)生產(chǎn)總值、財政收入、居民消費價格指數(shù)、貨幣供應量股票價格指數(shù)、國有企業(yè)利潤等宏觀經(jīng)濟因素與商業(yè)銀行的不良貸款率都存在較強的負相關關系房價與銀行信貸風險存在著正相關關系在我國，提高利率會推高商業(yè)銀行不良貸款率

（二）內(nèi)部因素與不良貸款

第一，國有商業(yè)銀行產(chǎn)權結構不合理。產(chǎn)權制度的不合理是導致國有商業(yè)銀行效率低下的一個根本性問題，產(chǎn)權關系不明晰是國有商業(yè)銀行巨額不良貸款存在的根源目前國有商業(yè)銀行的產(chǎn)權是以行政授予而非資產(chǎn)授權實現(xiàn)的，其產(chǎn)權為臨時產(chǎn)權，國家仍是單一的所有者，，最終導致無約束的信貸管理。其嚴重后果是信貸在不斷擴張的同時，不良貸款也在不斷產(chǎn)生此外，股權集中度與不良貸款存在顯著的關聯(lián)關系，相對集中的股權與不良貸款率呈負相關。

第二，銀行效率、多元化水平、資本充足率等特征因素也能顯著影響上市銀行不良貸款水平。更進一步地，銀行的利潤效率的提高可以顯著降低其不良貸款水平，而多元化水平與銀行不良貸款之間卻存在顯著的正相關關系。

盡管以上的研究因素已經(jīng)涉及到多個方面，卻沒有與公眾預期相關的任何描述，因此還需要新的研究思路。

三、變量解釋與實證分析

（一）變量解釋

在變量的選擇上，本文選取中國人民銀行公布的全國商業(yè)銀行的平均不良貸款率（用B-loan表示）為模型的被解釋變量，來反映商業(yè)銀行的信貸風險狀況。解釋變量則從中國人民銀行調(diào)查統(tǒng)計司在每季度對公民所做的調(diào)查問卷“城鎮(zhèn)儲戶問卷”、“企業(yè)家問卷”、“銀行家問卷”中選取了反映公眾預期的6個指標：未來收入信心指數(shù)、未來就業(yè)預期指數(shù)、銀行業(yè)景氣指數(shù)、貸款總體需求指數(shù)、資金周轉指數(shù)、經(jīng)營景氣指數(shù)。由于數(shù)據(jù)的量差影響了數(shù)據(jù)的可比性，不便于趨勢觀察，本文將（各指數(shù)-50）作為新的解釋變量，即收入信心指數(shù)（用income表示）、就業(yè)預期指數(shù)（用employment表示）、銀行景氣指數(shù)（用bank表示）、貸款需求指數(shù)（用loan表示）、資金周轉效率（用fund表示）、經(jīng)營景氣程度（用manage表示）。

為排除金融危機對序列的影響，本文樣本數(shù)據(jù)選取了2009年第一季度到2015年第3季度的季度數(shù)據(jù)。本文收集的商業(yè)銀行不良貸款率數(shù)據(jù)均來自中國銀行監(jiān)督委員會的官網(wǎng)。

（二）實證過程

本文運用Eviews7.2軟件對樣本數(shù)據(jù)進行分析。

由于選用的樣本數(shù)據(jù)是時間序列，為避免出現(xiàn)偽回歸現(xiàn)象，首先要多變量進行平穩(wěn)性檢驗。

平穩(wěn)性檢驗。 分別對各變量作ADF檢驗，檢驗結果見表2。

表1 序列平穩(wěn)性檢驗

注：檢驗類型（C，T，P）中C、T、P分別代表帶有常數(shù)項、趨勢項和所采用的滯后階數(shù)，滯后期根據(jù)AIC信息準則取值最小原則確定。

如表1所示，在5%的顯著性水平下，所選變量大都不能拒絕原假設，其中bank、loan、manage、B-loan均為非平穩(wěn)時間序列。

因此，對檢驗非平穩(wěn)的時間序列進行一階差分轉換，對各變量的一階差分序列進行檢驗，檢驗結果見表2檢驗結果顯示，在5%的顯著性水平下，所有變量的一階差分序列在ADF檢驗中都拒絕了存在單位根的假設，說明原序列的一階差分序列是平穩(wěn)的，也即原序列是一階單整時間序列。

表2 一階差分平穩(wěn)性檢驗

協(xié)整分析：

（1）協(xié)整檢驗：經(jīng)過以上的分析，可以看到，B-loan、income、employment、bank、loan、fund、manage存在著一階差分平穩(wěn)的現(xiàn)象，而使用差分形式變換為平穩(wěn)序列會忽略了原序列中所包含的有用信息，使得差分形式的關系式所描述的經(jīng)濟現(xiàn)象只是短期狀態(tài)，因而需進行協(xié)整檢驗，以判斷所研究變量間是否存在長期穩(wěn)定關系。協(xié)整關系確定結果如表3、表4所示：

表3 Johansen協(xié)整檢驗結果（跡檢驗）

注：None表示不存在協(xié)整關系，At most 1表示至多存在一個協(xié)整關系，以此類推；*表示在5%顯著性水平下拒絕原假設

表4 Johansen協(xié)整檢驗結果（最大特征值檢驗）

注：None表示不存在協(xié)整關系，At most 1表示至多存在一個協(xié)整關系，以此類推；*表示在5%顯著性水平下拒絕原假設

表3和表4的檢驗結果表明：在給定5%的顯著性水平下，無論是跡檢驗還是最大特征檢驗，檢驗結果都接受B-loan、income、employment、bank、loan、fund、manage 7個變量間至少存在一個協(xié)整關系，我們通常取第一個似然比協(xié)整關系，協(xié)整回歸結果如下：

表5 標準化協(xié)整回歸結果

協(xié)整方程為：B-loan=0.001737*manage-0.00271*fund+

0.00048*loan-0.001461*bank-0.003158*employment+0.0046

*income

從協(xié)整方程可以看出，employment、bank、fund與B-loan是呈負相關的，manage、loan、income都影響著B-loan。收入信心指數(shù)彈性為0.0046，表明收入信心指數(shù)每增長一個百分點，不良貸款率將提高0.0046%；其余結果以此類推，不再贅述。6個指標的結果在統(tǒng)計學上具有顯著意義，因此它們間存在穩(wěn)定的長期相關關系，可用VAR模型研究其內(nèi)在機理。

（2）格蘭杰因果檢驗。為確定變量間是否存在因果關系，對選取的被解釋變量與各解釋變量進行Granger因果關系檢驗。

如表6所示，在滯后2期、5%的置信區(qū)間的情況下，B-loan與各解釋變量間均存在單向因果關系，即income、employment、bank、loan、fund、manage的變化都會引起B(yǎng)-loan的變化。

表6 格蘭杰因果關系檢驗結果

VAR模型：

本文選用VAR模型來具體分析各解釋變量對B-loan的影響。VAR模型是通過把系統(tǒng)內(nèi)每一個變量作為系統(tǒng)中所有內(nèi)生變量滯后值的函數(shù)來構造模型以動態(tài)地分析系統(tǒng)內(nèi)各變量相關關系和動態(tài)預測各變量之間的相互關系。

（1）模型滯后階數(shù)的確定。本文采取AIC和SC最小的準則確定滯后階數(shù)，在Eviews7.2中輸入最大的滯后階數(shù)，結果如表7所示，表7給出了直至最大滯后階數(shù)的各種信息標準，用*表示從每一列標準中選的滯后階數(shù)。

表7 VAR模型滯后階數(shù)檢驗結果

由表可知，根據(jù)AIC和SC原則，結果都顯示合理階數(shù)為2階，所以本文的VAR模型選用的階數(shù)為2階。最終得到如下VAR方程：

B-loan=-0.000816*income（-1）-0.000171*income（-2）+

0.000434*employment（-1）+0.000169*employment（-2）+0.000069

*bank（-1）+0.000085*bank（-2）-0.000122*loan（-1）-0.000112

*loan（-2）-0.000331*fund（-1）-0.000066*fund（-2）+0.000178

*manage（-1）-0.000024*manage（-2）+0.238922*B-loan（-1）+

0.633110*B-loan（-2）+0.009867

其中，R-squared為0.994，Adj.R-squared為0.986，Log likelihood為127.666，表明模型擬合良好。

（2）VAR模型的平穩(wěn)性檢驗。VAR模型的穩(wěn)定性要求其所有根模的倒數(shù)都小于1，即位于單位圓內(nèi)，如果模型不滿足穩(wěn)定性的條件，許多VAR分析將會失效。直觀起見，本文用Eviews7.2做出了單位圓的圖形，如圖1所示，滿足穩(wěn)定性條件，說明所建立的VAR模型是可靠的。

圖1 VAR模型的平穩(wěn)性檢驗

（3）VAR模型方差分解分析。方差分解是通過分析每一個結構沖擊對內(nèi)生變量變化的貢獻度，進一步評價不同結構沖擊的重要性。本文將利用方差分析的基本思想，分析income、emplo

-yment、bank、loan、fund、manage與B-loan對商業(yè)銀行不良貸款率變動的貢獻程度。運用Eviews7.2進行方差分析得到的結果如下。

表8 方差分解結果

對商業(yè)銀行不良貸款率影響程度主要受到income、employment、bank的影響，B-loan的自相關性下降明顯。Income、bank與B-loan之間的關聯(lián)性逐漸增強；其中收入信心指數(shù)的貢獻率超過了50%，是最強的，就業(yè)預期指數(shù)和銀行景氣指數(shù)次之；而貸款需求指數(shù)、資金周轉指數(shù)、經(jīng)營景氣指數(shù)與不良貸款率間的關聯(lián)性相對較弱，并且呈現(xiàn)逐漸減弱的趨勢。

四、結論與啟示

（一）實證檢驗的結論

基于2009Q1-2015Q3我國商業(yè)銀行不良貸款率及公眾預期指標數(shù)據(jù)分析結果表明：

我國商業(yè)銀行不良貸款率與未來收入信心指數(shù)、未來就業(yè)預期指數(shù)、銀行業(yè)景氣指數(shù)、貸款總體需求指數(shù)、資金周轉指數(shù)、經(jīng)營景氣指數(shù)間均存在長期穩(wěn)定的相關關系。

未來收入信心指數(shù)、貸款總體需求指數(shù)、企業(yè)經(jīng)營景氣指數(shù)與商業(yè)銀行不良貸款率呈正向相關，未來就業(yè)預期指數(shù)、銀行業(yè)景氣指數(shù)、企業(yè)資金周轉指數(shù)與不良貸款率有較強的負相關關系。

收入信心指數(shù)對不良貸款率波動的影響最強，就業(yè)預期指數(shù)和銀行景氣指數(shù)次之；而貸款需求指數(shù)、資金周轉指數(shù)、經(jīng)營景氣指數(shù)與不良貸款率間的關聯(lián)性相對較弱，并且呈現(xiàn)逐漸減弱的趨勢。

（二）啟示

經(jīng)濟發(fā)展仍然是中國未來的主旋律，但要把目標重心從“總量的增長”轉換到“人均的增長”，但控制失業(yè)率仍然是宏觀政策的主要目標。

加快金融業(yè)改革，經(jīng)濟新常態(tài)下銀行業(yè)要充分認識到貸款增速回穩(wěn)、存貸利差收窄、社會融資方式轉變、不良貸款反彈、監(jiān)管“寬進嚴管”五大趨勢，抓住機會，突破困境。

學習國外的先進經(jīng)驗，在宏觀經(jīng)濟預測模型中加入公眾預期的顯性刻畫；商業(yè)銀行應隨著公眾預期的改變而調(diào)整自身的信貸風險管理策略。

參考文獻：

[1] 李建軍，馮增煒，周學飛.國有商業(yè)銀行與全球同等規(guī)模商業(yè)銀行績效比較[J].金融時報，1998，（12）.

[2]陳暮紫.我國不良貸款違約損失率計量模型研究[D].中國科技大學博士論文，2010.

[3]謝冰.商業(yè)銀行不良貸款的宏觀經(jīng)濟影響因素分析[J].財經(jīng)理論與實踐，2009.

[4]郭永濟，唐建民.房地產(chǎn)泡沫對商業(yè)銀行信貸風險的影響研究[J].時代金融，2011，（12）.

[5]劉平，梁瑜.宏觀經(jīng)濟因素對商業(yè)銀行信貸風險的影響分析[J].區(qū)域金融研究，2011，（2）.

[6]盧盼盼.利率與商業(yè)銀行不良貸款率波動研究[J].銀行管理，2012，（6）.

[7]王鵬.銀行風險、貸款規(guī)模與法律保護水平[J].經(jīng)濟研究，2012，（5）.

[8]譚勁松，簡宇寅，陳穎.政府干預與不良貸款——以某國有商業(yè)銀行1988-2005年的數(shù)據(jù)為例[J].管理世界，2012，（7）.

[9]高宏霞，洪華霖，慕一君.股權集中度、貸款規(guī)模與銀行不良貸款率關系研究[J].財會研究，2013，（9）.

[10]索有.我國上市銀行不良貸款影響因素研究——基于動態(tài)面板數(shù)據(jù)模型[J].社會科學輯刊，2015，（2）.