劉藝川/ 文

一、中國農(nóng)業(yè)銀行不良貸款的現(xiàn)狀和特點

中國農(nóng)業(yè)銀行是我國四大國有商業(yè)銀行之一。截至2017年末中國農(nóng)業(yè)銀行總資產(chǎn)210533.82 億元，發(fā)放貸款和墊款107206.11 億元，吸收存款161942.79 億元，資本充足率13.74%，不良資產(chǎn)率1.81%，全年實現(xiàn)凈利潤1931.33 億元。

由于農(nóng)業(yè)銀行貸款特點以及管理體制等歷史原因，農(nóng)業(yè)銀行的不良貸款率一直是同類國有商業(yè)銀行中最高的。2016 年，農(nóng)業(yè)銀行的不良貸款率一度位列所有A 股上市銀行之首，高于全國同期商業(yè)銀行的平均水平1.74%。農(nóng)業(yè)銀行的不良貸款情況，值得深入而謹慎的討論和研究。

1. 中國農(nóng)業(yè)銀行不良貸款的現(xiàn)狀

中國農(nóng)業(yè)銀行在2017 年的貸款發(fā)放總額是107206.11 億元，相比2016 年的97196.39 億元同比增長10.30%。不良貸款率為1.81%，相比2016 年下降0.56%。附圖顯示了農(nóng)業(yè)銀行2012- 2017 年的不良貸款率與全國商業(yè)銀行平均水平的對比數(shù)據(jù)。通過對比，筆者發(fā)現(xiàn)雖然在某些年度有一些起伏，但是農(nóng)業(yè)銀行不良貸款率整體是上升的。從具體數(shù)據(jù)來看，2012 年農(nóng)業(yè)銀行的不良貸款率為1.33%，在經(jīng)過2013 年的小幅下降以后，隨即快速爬升，最終在2015 年達到最高點2.39%，遠遠高于此時的全國同期水平1.73%，即使在2017 年出現(xiàn)了較大幅度的下降，也仍然高于全國平均1.74%的不良貸款率。

附圖 中國農(nóng)業(yè)銀行2012-2017 年不良貸款率與全國商業(yè)銀行平均水平對比

2016 年，農(nóng)業(yè)銀行不良貸款的總額為2308.34 億元，占貸款總額的2.37%，其中次級貸款金額為575.50 億元，占貸款總額的0.59%；可疑類貸款為1515.87 億元，占比為1.56%；損失類貸款為216.97 億元，占到貸款余額的0.22%。

2017 年，由于宏觀經(jīng)濟形勢趨向好轉(zhuǎn)，且農(nóng)業(yè)銀行加大了對不良貸款的核銷力度，故截至2017 年末，不良貸款總額為1940.32 億元，減少368.02 億元，占貸款發(fā)放總額的1.81%，其中：次級貸款為388.77 億元，比2016 年減少186.73 億元，占各項貸款余額的0.36%，與2016 年相較減少0.25 個百分點；可疑貸款為1314.79 億元，與2016 年相比減少201.08 億元，占貸款余額的1.23%，同比下降0.33%；但是損失貸款數(shù)額為236.76 億元，比2016 年上升19.79 億元（見表1）。

通過兩組數(shù)據(jù)對比，可以發(fā)現(xiàn)除了損失類貸款總額上升，其他細分不良貸款都出現(xiàn)了不同程度的下降。這說明農(nóng)業(yè)銀行的資產(chǎn)質(zhì)量得到好轉(zhuǎn)，但這僅僅是兩年的數(shù)據(jù)對比，在2012- 2016 年間，農(nóng)業(yè)銀行的不良貸款的各類數(shù)據(jù)都呈現(xiàn)較大幅度的上升趨勢。因此農(nóng)業(yè)銀行的不良貸款問題還是客觀存在的，如何將下降趨勢保持下去，并且達到低于類似規(guī)模的同類商業(yè)銀行的目標，還需要我們深入探討。

表1 中國農(nóng)業(yè)銀行貸款五級分類情況

2. 中國農(nóng)業(yè)銀行不良貸款的地區(qū)分布

從表2 農(nóng)業(yè)銀行不良貸款的地區(qū)分布來看，農(nóng)業(yè)銀行發(fā)放的貸款主要集中于長三角地區(qū)和西部地區(qū)，且近年來有逐漸向西北地區(qū)和東北地區(qū)轉(zhuǎn)移的趨勢，這可能與國家支持西部大開發(fā)和振興東北老工業(yè)基地的政策導(dǎo)向有關(guān)。以2017 年為例，不良貸款率最高的地區(qū)為西北地區(qū)，不良貸款余額為593.14 億元，占不良貸款總額的30.6%，不良貸款率則為2.46%，比平均高出0.66 個百分點；其次是環(huán)渤海和東北地區(qū)，不良貸款率分別為2.32%和1.97%，高于平均水平。從表2 中，我們可以得出以下幾點信息，首先在2015 年- 2016 年，中部地區(qū)的不良貸款率高于東北地區(qū)，但是在2017 年，東北地區(qū)的不良貸款率成為第三高值。這說明東北地區(qū)如今面臨著不良貸款的較大壓力，因為東北地區(qū)傳統(tǒng)的鋼鐵制造業(yè)占比較大，這些產(chǎn)業(yè)通常產(chǎn)能過剩，面臨著虧損的局面，因此使得不良貸款率比較突出。其次值得注意的是長三角地區(qū)則是相反的情況，雖然不良貸款余額較大，但因為整體貸款發(fā)放規(guī)模高，占農(nóng)行貸款發(fā)放規(guī)模的近四分之一，且新興產(chǎn)業(yè)發(fā)達，因此2017 年不良貸款率僅為1.22%，低于平均值0.59 個百分點。這說明農(nóng)行雖然整體不良率呈下降趨勢，但仍需注意對地域風(fēng)險的防范，在今后的貸款發(fā)放和支持中做出合理的調(diào)整。

3. 中國農(nóng)業(yè)銀行不良貸款的行業(yè)分布

中國農(nóng)業(yè)銀行的公司類貸款的不良貸款余額為80.59%，不良貸款率為2.54%，大大高于1.81%的總體水平，相比較而言，個人貸款不良貸款余額342.04 億元，不良貸款率僅為0.86%。所以公司類貸款是農(nóng)業(yè)銀行不良貸款的主要來源。因此下面我們就主要研究公司類貸款的結(jié)構(gòu)構(gòu)成。

表3 是2016- 2017 年農(nóng)業(yè)銀行不良貸款的行業(yè)分布，其中不良貸款率較高的行業(yè)有制造業(yè)、批發(fā)與零售業(yè)、建筑業(yè)和采礦業(yè)，以2017 年為例，不良貸款率分別為5.7%、12.05%、2.54%和4.62%。這些行業(yè)大多屬于傳統(tǒng)行業(yè)，產(chǎn)能過剩，受宏觀經(jīng)濟下行趨勢的影響比較明顯，因而抵御風(fēng)險的能力較差，伴隨著我國經(jīng)濟轉(zhuǎn)型的不斷發(fā)展，未來的行業(yè)發(fā)展前景不明，不良貸款率還有可能繼續(xù)呈上升趨勢。其中，批發(fā)零售業(yè)的不良貸款率尤其值得注意，從2012 年的2.45%到最高時達到15.62%，大大超過其他行業(yè)的增長速度，這可能是因為上游制造業(yè)的發(fā)展同樣受到挑戰(zhàn)，并且出口市場萎縮，銷售低迷且市場集中度低。從目前來看，傳統(tǒng)行業(yè)如制造業(yè)、采礦業(yè)等的貸款總額占全行總額的近80%，貸款發(fā)放的行業(yè)分散度不夠，這使農(nóng)行的不良貸款目前仍處于較高水平。

表3 農(nóng)業(yè)銀行不良貸款行業(yè)分布情況

二、農(nóng)業(yè)銀行不良貸款率影響因素實證分析

1. 模型變量選取

根據(jù)對前人研究成果的解讀和對影響銀行不良貸款的理論機制的分析，筆者以不良貸款率為被解釋變量，選取了以下幾個變量作為解釋變量，包括GDP 增長率（X1），貨幣供應(yīng)M2的增長率（X2），PMI 指數(shù)（X3），以及銀行自身的撥備覆蓋率（X4）。

2. 數(shù)據(jù)來源

本文主要以中國農(nóng)業(yè)銀行為例來研究商業(yè)銀行的不良貸款率，因此數(shù)據(jù)樣本的選取范圍是2010 年第一季度至2017 年第四季度的32 組數(shù)據(jù)，宏觀經(jīng)濟數(shù)據(jù)的主要來源是中國人民銀行官網(wǎng)和國家統(tǒng)計局的統(tǒng)計數(shù)據(jù)，以及銀行自身的經(jīng)營數(shù)據(jù)整理計算得出。

3. ADF 單位根檢驗

本文采用eviews 軟件對32 組樣本數(shù)據(jù)進行ADF 單位根檢驗，檢驗結(jié)果顯示在5%的顯著性水平下，原始序列具有一致的長期趨勢，是平穩(wěn)的時間序列，可以繼續(xù)進行多元回歸線性分析。

其中X1、X2、X3、X4分別代表GDP 增長率、廣義貨幣供應(yīng)量增長率、PMI 指數(shù)和撥備覆蓋率，C、C1、C2、C3、C4分別代表每個變量的系數(shù)，U 則代表殘差項。通過eviews 軟件對32 組樣本數(shù)據(jù)進行了廣義最小二乘法（GLS）的回歸分析之后，回歸結(jié)果見表4。

表4 回歸系數(shù)表

通過分析各類統(tǒng)計量的參數(shù)值，得出系數(shù)R2=0.998939，調(diào)整后的R2系數(shù)為0.998781，也就是說這個模型中所有變量能夠被解釋的程度有99.87%，對樣本數(shù)據(jù)有較好的擬合程度，說明解釋變量就是被解釋變量的原因。另外在回歸結(jié)果中D- W 的統(tǒng)計值為1.426326＞R2，說明回歸結(jié)果是可信的，不存在偽回歸現(xiàn)象。最后我們根據(jù)建立的模型，得出回歸方程如下：

4. 實證研究結(jié)論

（1）GDP 增長率對于銀行不良貸款率的影響程度最大。GDP 增速每提高一個百分點，不良貸款率減少0.1274%。這說明一家銀行的不良貸款狀況在很大程度上是受到外部宏觀經(jīng)濟環(huán)境影響的。

（2）PMI 指數(shù)與銀行的撥備覆蓋率對于不良貸款的影響并不如GDP 增長率顯著，但在實證結(jié)果中也呈現(xiàn)與假設(shè)相同的負向關(guān)系。PMI 與撥備覆蓋率每提高一個百分點，銀行貸款率分別下降0.006 和0.0003 個百分點。

（3）通過實證分析，可以看出M2與不良貸款率是呈正相關(guān)關(guān)系的，這與之前的假設(shè)不符。當(dāng)M2每增長一個百分點，不良貸款增加0.0289 個百分點。但是在之前的理論分析中，長期來看，M2的增速的持續(xù)上揚可能使銀行放松信貸管理，從而使得不良貸款率上升，由結(jié)果可得，M2增速的上揚對銀行資產(chǎn)質(zhì)量的負面影響是大于正面影響的。

三、中國農(nóng)業(yè)銀行不良貸款的化解對策分析

通過以上理論及實證分析，可以看到導(dǎo)致中國農(nóng)業(yè)銀行不良貸款較高的原因是多方面的，既會受到宏觀經(jīng)濟波動的影響，也有來自銀行內(nèi)部管理體制、風(fēng)險控制不完善帶來的影響。因此農(nóng)業(yè)銀行不良貸款的化解對策也應(yīng)該從宏觀和微觀兩個層面去考慮，在宏觀層面上，加強信用建設(shè)，創(chuàng)造一個更好的社會環(huán)境。在銀行自身層面應(yīng)從多方面去考慮，一方面，要加大對過往已存在的不良貸款的核銷力度，另一方面要健全管理體制，繼續(xù)完善貸前調(diào)查，貸中審查，和貸后檢查工作，減少新的不良貸款出現(xiàn)。

1. 分散貸款集中度，優(yōu)化信貸結(jié)構(gòu)

由于農(nóng)業(yè)銀行自身的經(jīng)營特點和業(yè)務(wù)范圍，使其貸款業(yè)務(wù)范圍的政策導(dǎo)向性比較明顯，貸款的行業(yè)集中度較高，以制造業(yè)、零售批發(fā)業(yè)為主。因此為了達到降低不良貸款率的目的，農(nóng)業(yè)銀行仍然需要在貸款結(jié)構(gòu)上繼續(xù)進行優(yōu)化，減少批發(fā)零售業(yè)、采礦業(yè)等產(chǎn)能過剩的行業(yè)所占的貸款比例，加強對這些行業(yè)的貸款信額管理，適當(dāng)增加對新興的，有發(fā)展前景的產(chǎn)業(yè)或者行業(yè)龍頭的貸款發(fā)放。

2. 合理制定撥備覆蓋率，完善不良貸款管理制度

由于不良貸款具有較強的順周期性，且撥備覆蓋率和不良貸款率呈負相關(guān)，因此商業(yè)銀行應(yīng)建立動態(tài)的不良貸款損失準備，根據(jù)經(jīng)濟形勢的變動合理選擇撥備覆蓋率，增強對經(jīng)濟周期的適應(yīng)能力和應(yīng)對能力。此外，最重要的還是銀行應(yīng)該進一步完善內(nèi)部控制系統(tǒng)，建立風(fēng)險控制預(yù)警機制，從而提高對于資產(chǎn)的利用率，盡量減少常見的存貸款資產(chǎn)錯配問題，發(fā)展多元化的銀行業(yè)務(wù)。

3. 嚴格貸款審批制度，提高信貸人員的整體素質(zhì)

農(nóng)業(yè)銀行由于自身特質(zhì)，網(wǎng)點眾多且很多網(wǎng)點分布于基層地區(qū)，在面向廣大農(nóng)村地區(qū)的時候存在一定的政策傾斜，這就會導(dǎo)致信貸人員的專業(yè)素質(zhì)參差不齊，如果能夠加強對工作人員綜合素質(zhì)、專業(yè)技能的培訓(xùn)，采取激勵措施吸引更多優(yōu)秀人才服務(wù)于農(nóng)業(yè)銀行，將會形成良性循環(huán)。此外，人員的管理制度上也應(yīng)該作出更合適的調(diào)整，比如避免“一人多崗”，人浮于事的情況，對于貸前調(diào)查，貸中審查，貸后檢查這三個重要的環(huán)節(jié)，要多投入人力成本，嚴格審批，避免因為調(diào)查不當(dāng)以及裙帶關(guān)系造成更大額度的損失。