中國商業(yè)銀行不良貸款與貨幣流動速度相互影響的實證研究

(中山大學嶺南學院，廣東 廣州 510000；中國工商銀行股份有限公司廣州五羊支行，廣東 廣州 510000)

中國商業(yè)銀行不良貸款與貨幣流動速度相互影響的實證研究

羅偉聰

(中山大學嶺南學院，廣東 廣州 510000；中國工商銀行股份有限公司廣州五羊支行，廣東 廣州 510000)

在“中國經(jīng)濟新常態(tài)”的大背景下，經(jīng)濟增速放緩的影響已經(jīng)從實體經(jīng)濟傳導到金融系統(tǒng)，中國銀行業(yè)受不良貸款比例攀升困擾。另外，中國貨幣供應量迅速增長，在衡量貨幣流動性的指標M2/GDP比率上，中國已是世界最高的國家之一。本文基于VAR模型的格蘭杰因果關系檢驗和脈沖響應函數(shù)定量分析兩者之間的關系。發(fā)現(xiàn)貨幣流速與商業(yè)銀行不良貸款比例互為格蘭杰原因；貨幣流速與商業(yè)銀行不良貸款比例兩個變量在短期有顯著正向相關的相互作用，這種作用的程度會在到達峰值后，逐漸削弱至受到?jīng)_擊前的水平。最后提出建議。

不良貸款比例；VAR模型；貨幣流通速度

一、引言

根據(jù)貨幣數(shù)量說的費雪方程式MV=PY，推導出貨幣流動速度V=PY/M。據(jù)中國統(tǒng)計局公布數(shù)據(jù)，中長期來看中國貨幣流動速度出于下降趨勢。中國2015年貨幣流動速度為0.49。這反映了貨幣的使用效率不高，社會輿論普遍認為我國存在貨幣“超發(fā)”現(xiàn)象。另外，即使中國商業(yè)銀行的信貸風險管能力不斷提升，但不良貸款比例和不良貸款余額亦難以在短期內(nèi)扭轉“雙升”的局面，不良貸款的控制成為中國銀行業(yè)重大挑戰(zhàn)。

在中國商業(yè)銀行基本上是國有控股企業(yè)，而向銀行貸款是企業(yè)融資的主要渠道。商業(yè)銀行在貨幣政策傳導到實體經(jīng)濟的過程中起著重要的作用，政府透過商業(yè)銀行將貨幣流動性注入實體經(jīng)濟。而實體經(jīng)濟的盈利能力則影響信貸資金能否正?；厥铡Ｉ虡I(yè)銀行的信用風險和貨幣流動性之間有著不可分割的聯(lián)系。

二、文獻綜述

程飛陽，宋策，朱家明(2016)運用季度數(shù)據(jù)構建經(jīng)典計量經(jīng)濟學回歸模型并進行自相關、格蘭杰因果關系檢驗。實證結果表明，貸款基準利率提高會使不良貸款顯著提高，存款準備金率調(diào)高不良貸款顯著降低；貸款利率、存款準備金率與銀行不良貸款之間互為格蘭杰因果關系。

陳茜(2013)指出經(jīng)濟增長對不良貸款比例的影響途徑有兩種。直接的影響，是經(jīng)濟波動使企業(yè)居民的還貸能力削弱，導致銀行的風險增大。間接影響是政府為了熨平經(jīng)濟波動推出對應的貨幣政策，對銀行風險的反向影響。作者通過協(xié)整和方差分解分析發(fā)現(xiàn)：直接的影響比間接大。從而得出結論，經(jīng)濟不景氣時，雖然政府采取寬松的貨幣政策，對宏觀經(jīng)濟對銀行的沖擊有削弱作用，但總的疊加效應仍然是負面的。

在90年代，較高的M2/GDP比率或較低的貨幣流速曾經(jīng)被認為是金融深化的標志。但在亞洲金融危機爆發(fā)以后，盧靜(2006)認為這是金融危機的標志，通過公式推導發(fā)現(xiàn)，只是不良貸款的出現(xiàn)就可以導致經(jīng)濟增長率的下降，投資下降，從而導致M2/GDP比率的上升。

張細松(2013)探討商業(yè)銀行不良貸款對貨幣供應量的影響。實證分析中建立M0、M1、M2對商業(yè)銀行關注類、可疑類、不良類貸款的回歸模型，并進行格蘭杰因果關系檢驗、脈沖響應函分析、方差分解。得出結論是損失類貸款是M1、M2的格蘭杰原因，可疑類貸款是M2的格蘭杰原因；損失類貸款的沖擊對M1、M2有負的影響，可疑類貸款的沖擊也對M2有負的影響。

國內(nèi)外已經(jīng)有不少學者研究過貨幣流動性及不良貸款兩個主題。研究主要集中在宏觀經(jīng)濟對貨幣流動速度及不良貸款的因素，很少關注他們之前的相互影響。本文認為在商業(yè)銀行貸款為中國企業(yè)及居民主要融資渠道的情況下，兩者之間存在某種相互影響關系。

三、實證分析

1.數(shù)據(jù)處理。

選取的為2004年1季度至2016年2季度數(shù)據(jù)作為樣本。我國商業(yè)銀行不良貸款比例季度數(shù)據(jù)由中國銀行業(yè)監(jiān)督委員會網(wǎng)站獲得；GDP、M2季度數(shù)據(jù)由國家統(tǒng)計局網(wǎng)站獲得。由于原始數(shù)據(jù)由歷史趨勢和季節(jié)性波動，因此在建模分析前，需要對原始數(shù)據(jù)進行整理。由于本文采用的是季度數(shù)據(jù)，再對數(shù)據(jù)進行4期滯后的差分及取對數(shù)的處理，得到變量：

Δ4ln(Vt)=ln(Vt)-ln(Vt-4)

Δ4ln(nonpert)=ln(nonpert)-ln(nonpert-4)

本文選用ADF檢驗。首先選取有常數(shù)項和時間趨勢項的模式，通過比對后發(fā)現(xiàn)常數(shù)項和時間趨勢項均不顯著。隨后選擇沒有常數(shù)項和時間趨勢項的模式。滯后長度按照則按照經(jīng)修正的SIC準則選取，選取的滯后階數(shù)為0。所得的最終結果：Δ4ln(Vt)的t統(tǒng)計量為-1.7963，p值為0.0691；Δ4ln(nonpert)的t統(tǒng)計量為-1.6427，p值為0.0942。結果表明，在10%顯著水平下，拒絕序列有單位根的原假設。認為兩個被處理后的時間序列變量Δ4ln(Vt)、Δ4ln(nonpert)不存在單位根，是平穩(wěn)的時間序列。

2.模型擬合。

在本文中，使用了AIC、SC和LR方法選取最優(yōu)的滯后長度。通過比對，最終參照AIC和SC準則，選擇滯后期數(shù)較少的VAR(2)模型。在模型擬合的結果中可以發(fā)現(xiàn)，大部分的系數(shù)是顯著的，而且兩個方程調(diào)整后的R2分別為82.73%和76.22%。該模型的擬合程度良好，有一定解釋能力。整理得出以下VAR模型：

對擬合的模型進行通過分析單位根倒數(shù)，發(fā)現(xiàn)全部落在單位圓內(nèi)，該模型穩(wěn)定，可作進一步分析。

3.格蘭杰因果關系檢驗。

Δ4ln(Vt)、Δ4ln(nonpert)是平穩(wěn)的時間序列，可以直接使用格蘭杰因果關系檢驗進行分析；在本文中選擇滯后期數(shù)為2的VAR模型，在格蘭杰因果關系檢驗中將滯后期數(shù)設置為2。從檢驗結果來看，在原假設“Δ4ln(nonpert)不是Δ4ln(Vt)的格蘭杰原因”時候，p值(0.0023)十分顯著，拒絕原假設，認為Δ4ln(nonpert)是Δ4ln(Vt)的格蘭杰原因。而當原假設為“Δ4ln(Vt)不是Δ4ln(nonpert)的格蘭杰原因”時候，p值(0.0543)稍大于5%，但在10%的置信水平下仍然拒絕原假設，認為Δ4ln(Vt)是Δ4ln(nonpert)的格蘭杰原因。

綜上所述，商業(yè)銀行業(yè)不良貸款比例與中國貨幣流速互為格蘭杰原因。

4.脈沖響應函數(shù)。

本文通過脈沖響應函數(shù)進一步分析商業(yè)銀行業(yè)不良貸款比例與中國貨幣流速之間的動態(tài)相互影響。

不良貸款比例對貨幣流速沖擊為正值，并且在沖擊輸入的前4期顯著大于0。沖擊的累積影響隨時間推移逐漸增長，并在第5期到達最大值0.035；隨后慢慢消減，而且這種累積影響也開始變得不顯著大于0；隨著時間推移，累積效應漸漸接近至0水平。這表明了不良貸款比例的提高會在短時間內(nèi)令貨幣流速顯著地提高。但隨著時間推移，貨幣流速又逐漸復原到收到?jīng)_擊前的水平。貨幣流速對不良貸款比例沖擊也是為正值，并且在沖擊輸入的前3期顯著大于0。沖擊的累積影響隨時間推移逐漸增長，并在第4期到達最大值0.193；隨后慢慢消減，而且這種累積影響也開始變得不顯著大于0；隨著時間推移，累積效應漸漸接近至0水平。這表明了貨幣流速的加快會在短時間內(nèi)令不良貸款比例顯著地提高。但隨著時間推移，不良貸款比例又逐漸復原到收到?jīng)_擊前的水平。

四、結論及建議

運用格蘭杰因果關系檢驗方法，發(fā)現(xiàn)貨幣流速與商業(yè)銀行不良貸款比例互為格蘭杰原因。通過脈沖響應函數(shù)的分析，貨幣流速與商業(yè)銀行不良貸款比例兩個變量在短期有顯著正向相關的相互作用，但這種作用會隨著時間的推移而變得不顯著。而且，這種作用的程度會在到達峰值后，逐漸削弱至受到?jīng)_擊前的水平。

商業(yè)銀行在信貸管理的過程中，應時刻關注貨幣流動性的指標，為自身經(jīng)營策略調(diào)整提前做好準備。例如，當發(fā)現(xiàn)貨幣流速有加速的變化，商業(yè)銀行應該迅速調(diào)整信貸的政策，適度提高信貸客戶準入門檻。這就可以降低在經(jīng)濟過熱時期投放潛在風險貸款的風險。定性分析結果顯示，貨幣流速對不良貸款比例影響的效應在第1至4期有顯著的作用。這就要求商業(yè)銀行增強信貸政策的靈活性，對宏觀經(jīng)濟情況變化快速反應。

另外，中央銀行通過降低我國商業(yè)銀行不良貸比例的波動能穩(wěn)定貨幣流動速度，從而使貨幣政策傳導的效果更佳。貨幣流通速度的變化會令貨幣乘數(shù)也產(chǎn)生變化，而貨幣流速的變化可能要比貨幣政策的傳導的速度快。所以不良貸款比例的不穩(wěn)定變化可能通過影響貨幣流速，最終干擾貨幣政策的傳導。

[1] 盧靜，銀行不良貸款對宏觀經(jīng)濟運行的負面影響，現(xiàn)代財經(jīng)[J].2006(3)：13-16.

[2] 張細松，商業(yè)銀行不良貸款對貨幣流動性的影響分析[J].金融教育研究，2013(4)：3-8.

[3] 施其武，許姍姍，基于信貸管理視角下的不良貸款反思：成因與出路，中國銀行業(yè)監(jiān)督委員會工作論文，2014.

[4] 程飛陽，宋策，朱家明，貨幣政策對銀行風險影響的實證分析[J].赤峰學院學報，2016(4)：120-123.

[5] 魯?shù)细瘛ざ喽鞑际玻固估べM希爾，理查德·斯塔茲.宏觀經(jīng)濟學.(第十版).北京.中國人民大學出版社，273-281，331-333.

[6] 陳茜，宏觀經(jīng)濟與貨幣政策對商業(yè)銀行不良貸率的影響分析[J].時代經(jīng)貿(mào)，2013(14)：86.

[7] 魯?shù)细瘛ざ喽鞑际?，斯坦利·費希爾，理查德·斯塔茲.宏觀經(jīng)濟學.(第十版).北京.中國人民大學出版社，273-281，331-333.