我國(guó)商業(yè)銀行不良率與證劵化的關(guān)系

梁璐璐+林舒+張之

摘要：近年，國(guó)內(nèi)資產(chǎn)證券化業(yè)務(wù)蓬勃發(fā)展。文章引入我國(guó)商業(yè)銀行動(dòng)態(tài)面板數(shù)據(jù)，采用2SLS估計(jì)、差分GMM估計(jì)及系統(tǒng)GMM估計(jì)三種方式，實(shí)證檢驗(yàn)我國(guó)商業(yè)銀行不良貸款率與證券化變量之間的內(nèi)在關(guān)系。結(jié)果表明，不良貸款率與證券化變量之間的系數(shù)不顯著，表明目前我國(guó)商業(yè)銀行在發(fā)行資產(chǎn)證券化產(chǎn)品時(shí)不存在逆向選擇、“以次充好”的現(xiàn)象。這主要是由于我國(guó)商業(yè)證券化發(fā)展還處于起步階段，銀行更多地會(huì)按照行業(yè)、地域、分散度、利率、期限等出發(fā)篩選貸款進(jìn)行產(chǎn)品結(jié)構(gòu)設(shè)計(jì)。文章最后建議為了防范證券化業(yè)務(wù)中的逆向選擇，應(yīng)加強(qiáng)相關(guān)機(jī)構(gòu)的信息披露監(jiān)管要求。

關(guān)鍵詞：資產(chǎn)證券化；不良貸款率；動(dòng)態(tài)面板模型

一、引言

對(duì)監(jiān)管機(jī)構(gòu)來(lái)說(shuō).事后探索已發(fā)生危機(jī)的信用風(fēng)險(xiǎn)誘導(dǎo)因素是一個(gè)非常重要的議題。眾所周知.銀行的不良貸款率是銀行體系內(nèi)最重要的指標(biāo)之一.不良貸款的一些特征可用來(lái)觀測(cè)潛在的銀行危機(jī)。在許多宏觀經(jīng)濟(jì)或銀行相關(guān)問題的研究中.也常把銀行不良貸款率作為其中一個(gè)解釋變量。

2008年次貸危機(jī)之后.銀行體系的金融穩(wěn)定性問題引起廣泛關(guān)注.其中證券化和不良貸款率之間的微妙關(guān)系十分值得商榷。許多人認(rèn)為證券化是引發(fā)次貸危機(jī)的元兇.一些學(xué)者的研究結(jié)果表明.在危機(jī)前銀行就已經(jīng)觀測(cè)到了貸款不良率的上升.但依然會(huì)選擇將資產(chǎn)進(jìn)行證券化操作，這種操作進(jìn)一步加大了體系內(nèi)風(fēng)險(xiǎn)。進(jìn)一步地，假設(shè)銀行已知曉貸款質(zhì)量發(fā)生惡化.是否會(huì)在具備天然信息優(yōu)勢(shì)的情況下.傾向于選擇這類低質(zhì)貸款進(jìn)行證券化操作。由于資產(chǎn)證券化業(yè)務(wù)產(chǎn)品結(jié)構(gòu)相對(duì)復(fù)雜.目前僅能依靠評(píng)級(jí)機(jī)構(gòu)、律師事務(wù)所等專業(yè)的中介機(jī)構(gòu)進(jìn)行發(fā)行前盡調(diào).同時(shí)評(píng)級(jí)機(jī)構(gòu)出具評(píng)級(jí)報(bào)告的盡調(diào)、評(píng)估及模擬計(jì)算過(guò)程對(duì)于大多數(shù)投資者來(lái)說(shuō)又是“黑匣子”。因此.這個(gè)問題目前從操作層面無(wú)法取得令人滿意的答案。很多文獻(xiàn)嘗試從數(shù)據(jù)分析的角度.佐證銀行是否在證券化操作中存在這類“逆向選擇”的問題。

2015年之后.證券化業(yè)務(wù)在我國(guó)發(fā)展如火如荼。信貸資產(chǎn)證券化經(jīng)過(guò)近10年的穩(wěn)步發(fā)展和近兩年的爆發(fā)式增長(zhǎng).2016年信貸資產(chǎn)化的總體發(fā)行規(guī)模達(dá)到了3868.73億元.截至2015年.信貸資產(chǎn)證券化一直是發(fā)行量最大的品種。以CLO為代表的銀行資產(chǎn)證券化業(yè)務(wù).近幾年也呈現(xiàn)出基礎(chǔ)資產(chǎn)愈發(fā)豐富的現(xiàn)象.囊括了個(gè)人住房抵押貸款支持證券（RMBS）、個(gè)人汽車抵押貸款支持證券（Auto-ABS）、租賃ABS、消費(fèi)性貸款A(yù)BS、信用卡貸款A(yù)BS和不良貸款A(yù)BS等幾大類型。

因此.研究我國(guó)銀行信貸資產(chǎn)證券化業(yè)務(wù)中.不良率與資產(chǎn)證券化指標(biāo)的邏輯關(guān)系、商業(yè)銀行是否在證券化操作中存在“逆向選擇”問題具備一定的現(xiàn)實(shí)意義。美國(guó)數(shù)據(jù)顯示.使用差分GMM估計(jì)方法對(duì)銀行不良貸款率與銀行證券化資產(chǎn)的關(guān)系進(jìn)行的實(shí)證研究研究結(jié)果顯示.美國(guó)的中小型銀行不良貸款率與證券化資產(chǎn)總額存在顯著負(fù)相關(guān).即美國(guó)的中小銀行更傾向于選擇低質(zhì)貸款進(jìn)行證券化：而美國(guó)的大型銀行則并沒有這種情況。本文則結(jié)合動(dòng)態(tài)面板數(shù)據(jù)模型.引入我國(guó)商業(yè)銀行不良貸款率及證券化數(shù)據(jù).分析我國(guó)銀行證券化操作與不良貸款率的相關(guān)性。

本文結(jié)構(gòu)安排如下：第一部分為引言：第二部分為模型構(gòu)建：第三部分為實(shí)證結(jié)果與分析：第四部分為結(jié)論與政策建議。

二、動(dòng)態(tài)面板模型的構(gòu)建

有關(guān)銀行逆向選擇問題的論證.一方面可以通過(guò)微觀視角即借款企業(yè)的角度來(lái)分析。一方面可以通過(guò)宏觀視角即貸款整體質(zhì)量來(lái)分析。但考慮到企業(yè)內(nèi)部信息獲取難度較大.因此此類分析一般也都采用從貸款質(zhì)量的角度人手.分析逆向選擇和道德風(fēng)險(xiǎn)問題的存在。

在分析貸款質(zhì)量時(shí).可以直接對(duì)比證券化后的貸款質(zhì)量和非證券化的貸款質(zhì)量。還有一種方法是從時(shí)間維度.探索銀行證券化變量對(duì)于銀行不良貸款的內(nèi)在影響機(jī)制。

第一種量化思路即直接對(duì)比證券化后的貸款質(zhì)量和非證券化的貸款質(zhì)量.這類方法首先需要對(duì)比標(biāo)的證券化貸款質(zhì)量在證券化操作前后的變化.但這一分析無(wú)法直接得出貸款質(zhì)量的變化是由于證券化操作等外生因素導(dǎo)致.還是由于銀行在發(fā)現(xiàn)貸款質(zhì)量下降后傾向于將這類貸款資產(chǎn)證劵化的結(jié)論。因此.還同時(shí)需要比較分析證劵化的貸款質(zhì)量與同類非證券化的貸款質(zhì)量。這種研究邏輯的難點(diǎn)在于，很難找到同質(zhì)且可比的貸款.且貸款層面仍需要企業(yè)的一些微觀數(shù)據(jù)。因此.本文選取第二種研究思路.引入動(dòng)態(tài)面板數(shù)據(jù)模型.研究銀行證券化業(yè)務(wù)是否存在逆向選擇。

1.模型的構(gòu)建。動(dòng)態(tài)面板模型中.解釋變量包含了被解釋變量的滯后值。一般地，動(dòng)態(tài)面板模型可以刻畫為：

如果將水平方程（1）與差分方程（2）作為一個(gè)方程系統(tǒng)進(jìn)行GMM估計(jì)，則成為“系統(tǒng)GMM”估計(jì)。假設(shè)前提是利率變動(dòng)率.選取一個(gè)資產(chǎn)證券化變量.即可以構(gòu)建如下動(dòng)態(tài)面板模型：

2.樣本選擇與數(shù)據(jù)。本研究從我國(guó)商業(yè)銀行中選取了提供有效的不良貸款率數(shù)據(jù)且開展表外證券化資產(chǎn)的13家銀行2014年至2016年的季度數(shù)據(jù)作為樣本進(jìn)行研究.數(shù)據(jù)均來(lái)自Wind數(shù)據(jù)庫(kù)。不良貸款率NPL選擇了標(biāo)的銀行所披露的季度不良貸款率.具體算法為該銀行當(dāng)期逾期90天以上的貸款額除以當(dāng)期貸款總額。由于只有年度數(shù)據(jù).因此我們按照國(guó)內(nèi)研究的慣例.采用工業(yè)增加值作為替代。失業(yè)率變量UN選取我國(guó)城鎮(zhèn)登記失業(yè)率。市場(chǎng)利率采用短期貸款利率：6個(gè)月（含）。同時(shí)，作為最為重要的資產(chǎn)證券化變量.考慮到我國(guó)并沒有現(xiàn)成的資產(chǎn)證券化數(shù)據(jù)，因此我們將各銀行近年來(lái)發(fā)行的企業(yè)貸款、消費(fèi)貸款、不良貸款等數(shù)據(jù)加總作為各銀行表內(nèi)的資產(chǎn)證券化總量。

這些證券化參與度較高的銀行不良貸款率的描述性統(tǒng)計(jì)變量如表1。結(jié)果顯示我國(guó)商業(yè)銀行不良率在國(guó)有銀行、股份制銀行、城商行中呈現(xiàn)階梯型下降的趨勢(shì)。這與美國(guó)商業(yè)銀行的情況截然相反。從直觀上判斷.由于不良率會(huì)隨著貸款數(shù)量的增加而增長(zhǎng)，最終到達(dá)穩(wěn)態(tài)。我國(guó)國(guó)有商業(yè)銀行從歷史上看一直在市場(chǎng)中處于壟斷地位.整體貸款的體量較大。而無(wú)論是股份制銀行還是城商行，由于都處于貸款數(shù)量上升階段.不良貸款率仍處于低位水平。而美國(guó)大型商業(yè)銀行的壟斷程度較低.因此在不良貸款分布上與我國(guó)情況有所出入。endprint

考慮到我國(guó)銀行開展證券化的歷史年限較短.銀行數(shù)量體量較小.且目前并非所有大中小型銀行均有開展表內(nèi)證券化業(yè)務(wù)。因此結(jié)合我國(guó)的數(shù)據(jù)體量很難將數(shù)據(jù)分為大型、中型、小型銀行三類建立動(dòng)態(tài)面板模型進(jìn)行研究。并且.考慮到不良貸款率與各期滯后宏觀經(jīng)濟(jì)指標(biāo)的相關(guān)性并不是本文重點(diǎn).且依據(jù)作者多次回歸的比較結(jié)果得出.加入各宏觀經(jīng)濟(jì)變量滯后變量對(duì)模擬回歸結(jié)果并無(wú)裨益.因此本文基于以上原因?qū)δＰ瓦M(jìn)行調(diào)整.即：

三.實(shí)證結(jié)果

1.模型的構(gòu)建。為了觀察不同估計(jì)下參數(shù)的差異.我們采用2SLS估計(jì)、差分GMM估計(jì)及系統(tǒng)GMM估計(jì)。相關(guān)系數(shù)估計(jì)結(jié)果見表2。結(jié)果表明.依據(jù)我國(guó)目前的數(shù)據(jù)來(lái)看.三種估計(jì)方法計(jì)算得出的銀行證券化指標(biāo)與不良貸款率指標(biāo)均不存在顯著的相關(guān)性。這也就意味著.目前我國(guó)商業(yè)銀行在資產(chǎn)證券化業(yè)務(wù)中并不存在逆向選擇、“以次充好”的現(xiàn)象。從估計(jì)結(jié)果來(lái)看，不良貸款變量ANPL與銀行資產(chǎn)證券化指標(biāo)SECi的當(dāng)期值、滯后一階值均呈負(fù)向的相關(guān)關(guān)系.說(shuō)明我國(guó)商業(yè)銀行的不良貸款率會(huì)隨著證券化規(guī)模的擴(kuò)大而減小.這表明.銀行有可能通過(guò)證券化剝離了一部分質(zhì)量較低的貸款.從而降低銀行的不良率。但由于系數(shù)并不顯著.因此.基于目前我國(guó)的已有數(shù)據(jù)該判斷無(wú)法成為定論。

從估計(jì)結(jié)果來(lái)看.三種方法各個(gè)系數(shù)的估計(jì)值差距不大。2SLS估計(jì)、差分GMM估計(jì)中，不良貸款率指標(biāo)ANPL。與其一階滯后值A(chǔ)NPL系數(shù)顯著且為負(fù).這與美國(guó)數(shù)據(jù)的實(shí)證結(jié)果一致.我們認(rèn)為這也與銀行控制不良貸款率的動(dòng)機(jī)及機(jī)制相關(guān)。一般地.如果某商業(yè)銀行當(dāng)期不良貸款率相對(duì)較低，銀行會(huì)傾向于放松貸款放貸標(biāo)準(zhǔn)、擴(kuò)大信貸規(guī)模，這就會(huì)導(dǎo)致下一期的不良貸款率有一定程度的上升：如果銀行當(dāng)期不良貸款率較高.銀行信貸部門會(huì)基于監(jiān)管考核的壓力收緊信貸.從而降低下一年的不良貸款率指標(biāo)。前一期壞賬沖銷處理.也會(huì)使得當(dāng)期不良貸款率降低。

從其他宏觀變量的系數(shù)估計(jì)結(jié)果來(lái)看.不良貸款變量ANPL與AGDP的系數(shù)為正，說(shuō)明隨著我國(guó)GDP的增長(zhǎng).企業(yè)貸款數(shù)量和體量會(huì)隨之增加.在其他變量不變的情況下.不良貸款率會(huì)隨之上升.這也與我們對(duì)信貸業(yè)務(wù)的直覺判斷基本相符?！鱑N與ANPL。的系數(shù)均不顯著且系數(shù)絕對(duì)值較小，說(shuō)明不良貸款率與失業(yè)率的關(guān)系較弱。AINR與不良貸款變量AINR估計(jì)得到的系數(shù)為負(fù)，即貸款利率的上升，會(huì)導(dǎo)致不良率的下降。

2.檢驗(yàn)。那么，以上三種估計(jì)枋法是否均適用？為了驗(yàn)證這個(gè)問題，我們對(duì)估計(jì)方法進(jìn)行了自相關(guān)檢驗(yàn)。從Arel-lano-Bond檢驗(yàn)的估計(jì)結(jié)果來(lái)看.采用2SLS這種估計(jì)方法更為合適。三中估計(jì)方法下所有變量均通過(guò)Sargan檢驗(yàn).表明工具變量的選擇是合適的.不存在過(guò)度識(shí)別的問題。

四、結(jié)論與政策建議

本研究采用動(dòng)態(tài)面板模型.引入我國(guó)商業(yè)銀行不良貸款率及資產(chǎn)證券化數(shù)據(jù).通過(guò)2SLS估計(jì)、差分GMM估計(jì)及系統(tǒng)GMM估計(jì)三種估計(jì)方法.研究我國(guó)商業(yè)銀行不良貸款率與資產(chǎn)證券化指標(biāo)的內(nèi)在關(guān)系.深入探討我國(guó)商業(yè)銀行在資產(chǎn)證券化操作中是否存在“逆向選擇”的問題。估計(jì)結(jié)果表明.我國(guó)商業(yè)銀行證券化指標(biāo)與不良貸款率指標(biāo)不存在顯著的相關(guān)性。這也就意味著.目前我國(guó)商業(yè)銀行在資產(chǎn)證券化業(yè)務(wù)中并不存在逆向選擇、“以次充好”的現(xiàn)象。

作者認(rèn)為.這一方面是由于我國(guó)資產(chǎn)證券化業(yè)務(wù)處于起步階段.各銀行在發(fā)行信貸資產(chǎn)證券化、信用卡資產(chǎn)證券化、住房抵押貸款資產(chǎn)證券化等產(chǎn)品時(shí).更多地會(huì)從行業(yè)、地域、分散度、利率、期限等出發(fā)篩選貸款進(jìn)行產(chǎn)品結(jié)構(gòu)設(shè)計(jì)：另一方面也由于目前參與資產(chǎn)證券化的銀行相對(duì)較少、資產(chǎn)證券化開展年份相對(duì)較短、體量較小，因此“逆向選擇”的問題在目前的數(shù)據(jù)規(guī)模中并不凸顯。

盡管目前我國(guó)商業(yè)銀行在發(fā)行證券化產(chǎn)品時(shí).并沒有“以次充好”的現(xiàn)象。為防患于未然.我國(guó)監(jiān)管機(jī)構(gòu)已經(jīng)采取多方措施進(jìn)一步規(guī)范資產(chǎn)證券化業(yè)務(wù)的信息披露。銀行間交易商協(xié)會(huì)4月19日和5月11日分別發(fā)布《不良貸款資產(chǎn)支持證券信息披露指引（試行）》和《信貸資產(chǎn)支持證券信息披露工作評(píng)價(jià)規(guī)程（征求意見稿）》，10月14日又再次發(fā)布了《微小企業(yè)貸款資產(chǎn)支持證券信息披露指引（試行）》。要求相關(guān)承銷商及中介機(jī)構(gòu)，在注冊(cè)環(huán)節(jié)、發(fā)行環(huán)節(jié)及存續(xù)期等環(huán)節(jié)充分披露貸款資產(chǎn)支持證券相關(guān)信息。可見我國(guó)監(jiān)管機(jī)構(gòu)在加強(qiáng)商業(yè)銀行的相關(guān)監(jiān)管、提高證券化操作過(guò)程中的透明度方面的決心。未來(lái).監(jiān)管當(dāng)局應(yīng)繼續(xù)提高評(píng)級(jí)、律師等中介機(jī)構(gòu)的盡調(diào)要求.規(guī)范信貸資產(chǎn)證券化業(yè)務(wù)信息披露的操作準(zhǔn)則.促進(jìn)信貸資產(chǎn)證券化市場(chǎng)健康有序發(fā)展。endprint