銀行不良貸款影響因素的線性回歸分析

(西安財經(jīng)大學(xué) 陜西 西安 710000)

一、引言

(一)不良貸款的概念

不良貸款指非正常貸款或有問題貸款,是指借款人未能按原定的貸款協(xié)議按時償還商業(yè)銀行的貸款本息,或者已有跡象表明借款人不可能按原定的貸款協(xié)議按時償還商業(yè)銀行的貸款本息而形成的貸款。不良貸款是激化銀行信貸風(fēng)險的導(dǎo)火索,屬于銀行信貸的消極產(chǎn)物,也相繼成為控制風(fēng)險的關(guān)鍵點,不良貸款的產(chǎn)生與發(fā)展,使商業(yè)銀行貸款作為主力業(yè)務(wù)承載的銀行生產(chǎn)力逐漸被削減。部分積極因素的出現(xiàn)在一定程度上實現(xiàn)了不良貸款“搬家”,但仍未取得革命性進(jìn)展,不良貸款問題依然棘手。

(二)不良貸款產(chǎn)生的背景

近年來,國內(nèi)經(jīng)濟(jì)持續(xù)迅猛發(fā)展,經(jīng)濟(jì)體制改革日益完善,經(jīng)濟(jì)局勢逐漸轉(zhuǎn)好。與此同時,國際經(jīng)濟(jì)形勢也呈現(xiàn)大好局面,世界一體化趨勢的風(fēng)潮依舊不減,各國之間的聯(lián)系越發(fā)密切,在整個大的經(jīng)濟(jì)體系中各國資本迅速流轉(zhuǎn),全球經(jīng)濟(jì)在大方向上呈現(xiàn)優(yōu)勢發(fā)展。然而,在經(jīng)濟(jì)優(yōu)勢發(fā)展的同時,引發(fā)的泡沫經(jīng)濟(jì)問題相當(dāng)嚴(yán)峻,并隨之帶來了相當(dāng)多的不良影響。尤其是我國的金融體系,在全球資本的夾擊下存在巨大的風(fēng)險。由于我國銀行業(yè)處于該形勢下,不可避免地產(chǎn)生了難以預(yù)料的不良貸款問題。

由于我國經(jīng)濟(jì)仍處于加速發(fā)展階段,市場機(jī)制尚不健全,使經(jīng)濟(jì)運(yùn)營面臨著極其復(fù)雜的局面。政策面上政府鼓勵商業(yè)銀行加大信貸力度以扶持市場中的中小企業(yè)和某些重點行業(yè),比如光伏、船舶等信貸風(fēng)險“高?！毙袠I(yè),使大量風(fēng)險轉(zhuǎn)移給了商業(yè)銀行,由此也惡意破壞了行業(yè)“優(yōu)勝略汰”的發(fā)展模式。與此同時,大批的商業(yè)銀行為了增加貸款業(yè)務(wù),信貸業(yè)務(wù)大多一味追求數(shù)量,而忽視業(yè)務(wù)水平，導(dǎo)致許多惡意信貸的滋生。而且一些銀行貸款機(jī)制落后,經(jīng)營管理存在許多漏洞,出現(xiàn)放款緊收款松,追蹤機(jī)制不到位的問題,進(jìn)一步誘發(fā)不良貸款的出現(xiàn)及日益猖獗。

(三)需要解決的問題

首先，要借助可靠的網(wǎng)絡(luò)等媒介搜尋相關(guān)數(shù)據(jù)資料。

其次，熟悉并學(xué)習(xí)相關(guān)數(shù)學(xué)模型,選擇建立合適的數(shù)學(xué)模型,對將討論的問題進(jìn)行研究,尋求不良貸款趨增的內(nèi)在原因。

再次，銀行應(yīng)該比照自身的現(xiàn)狀,仔細(xì)選擇變量,進(jìn)行相應(yīng)的定量分析,尋找遏制這一問題的有效方法。

最后，進(jìn)行全面的分析總結(jié),深化理解。

(四)問題的理解

本文重點在于討論影響不良貸款的因素,并著眼于如何有效解決不良貸款問題。分析研究問題的基礎(chǔ)在于收集真實可靠的數(shù)據(jù),然后是甄選指標(biāo),也就是預(yù)測影響因素。由于個人信息來源以及信息面的限制,眾多因素之中,為了得到精確可靠的信息以及避免失誤情況的發(fā)生,應(yīng)挑選相關(guān)性較強(qiáng)、易理解的指標(biāo),但這也是本文的難點所在。本文中挑選的指標(biāo)都是相對具有說服力的,其中的奇異數(shù)據(jù)已被剔除,孤偏指標(biāo)不予以采用。但是所選擇的因素具有一定的偏向性,這是本文的不足。挑選數(shù)據(jù)以及選定因素之后,將重點放在對影響銀行不良貸款的因素進(jìn)行分析,預(yù)測何種因素對于不良貸款問題最具影響,由此便可輕松衍生出合理的解決方案。

二、一元回歸模型

(一)所用指標(biāo)的選取

上文已經(jīng)提到,影響銀行不良貸款的因素繁多,因此具體哪些影響因素能夠?qū)刂撇涣假J款起到有效作用,如何選取這一問題尤為關(guān)鍵。反復(fù)考量過后,最終在眾多數(shù)據(jù)概念中選取總資產(chǎn)以及銀行經(jīng)營管理業(yè)務(wù)四大重要指標(biāo)。其一是信用風(fēng)險指標(biāo),具體選用撥備覆蓋率、貸款撥備率;其二是流動性指標(biāo),具體選用存貸比;其三是效益型指標(biāo),具體選用凈息差;其四是資本充足指標(biāo),具體是選用資本充足率。此四項指標(biāo)作為研究不良貸款影響因素的對象,具有切實的可操作性以及實際的數(shù)學(xué)意義。

(二)模型要求

1.數(shù)據(jù)真實可靠,已剔除異常數(shù)據(jù)。

2.所取指標(biāo)與不良貸款之間具有較穩(wěn)定關(guān)系,能切實反映不良貸款情況。

3.短期不存在人民幣大幅波動現(xiàn)象以及其他變動,并對于所取指標(biāo)沒有顯著影響。

4.不考慮銀行經(jīng)營變動等其他不可預(yù)測波動。

5.不考慮銀行業(yè)內(nèi)部的相對競爭。

6.假設(shè)銀行對不良貸款預(yù)測呈線性彈性需求。

(三)變量選取以及指標(biāo)介紹

我們在選擇實證模型指標(biāo)的時候,在充分考慮指標(biāo)的代表性及其實際意義的同時,還要考慮其相應(yīng)數(shù)據(jù)的可獲得性。我們可以在一定程度上參考其他文章對于模型解釋變量的選取。經(jīng)過反復(fù)的考量后,選擇以下的指標(biāo)。

Y不良貸款額；

X1總資產(chǎn)；

X2撥備覆蓋率；

X3貸款撥備率；

X4存貸比；

X5凈息差；

X6資本充足率。

三、建立回歸模型，改進(jìn)回歸模型

(一)建模思路

根據(jù)上文的內(nèi)容已挑選出的六項指標(biāo)作為建模因素,首先我們要采用一元線性回歸模型逐一分析上述六項指標(biāo)對于不良貸款余額的影響。然后進(jìn)一步采用多元線性回歸模型來探究這些指標(biāo)綜合起來及彼此間相互作用對不良貸款可能會產(chǎn)生的影響,并且從其中篩選出影響力最強(qiáng)的指標(biāo)。

(二)數(shù)據(jù)整理

通過中國銀行業(yè)監(jiān)督委員會查詢了主要商業(yè)銀行(建設(shè)銀行、工商銀行、農(nóng)業(yè)銀行等)近八年來的不良貸款相關(guān)數(shù)據(jù),見表3-1。

表3-1 主要商業(yè)銀行不良貸款相關(guān)數(shù)據(jù)

(三)一元線性回歸分析

1.繪制散點圖

在SPSS程序中導(dǎo)入相關(guān)的數(shù)據(jù),輸入相關(guān)程序代碼得到散點圖：

圖3-1 X1與Y的簡單散點圖 圖3-2 X2與Y的簡單散點圖

圖3-3 X3與Y的簡單散點圖 圖3-4 X4與Y的簡單散點圖

圖3-5 X5與Y的簡單散點圖 圖3-6 X6與Y的簡單散點圖

觀察散點圖我們可以發(fā)現(xiàn),前三個變量與因變量成明顯的線性關(guān)系,而后三個變量與因變量線性關(guān)系不明顯,因此建立的一元回歸模型就沒有實際的意義。

2.分析相關(guān)性

利用數(shù)據(jù)對模型進(jìn)行一元線性回歸分析,采用SPSS統(tǒng)計軟件進(jìn)行數(shù)據(jù)擬合,進(jìn)而分析Y與X1的線性相關(guān)性。

表3-2 不良貸款額與總資產(chǎn)的線性相關(guān)性

觀察擬合結(jié)果,sig.=0.011<0.05,回歸方程為

Y=0.827X1-331554.615.

所建立的回歸方程顯著。

同理我們就可以觀察出Y與X2、X3的相關(guān)關(guān)系：

Y=-0.806X2+324205.815

Y=0.889X3-1195399.465

所建立的回歸方程顯著。

(四)模型的改進(jìn)

在上述的一元回歸線性模型中,根據(jù)相關(guān)數(shù)據(jù),我們可以分別計算出X1、X2、X3與Y的相關(guān)性及線性方程,但是由于一元線性回歸模型忽略了這三個因素綜合起來及彼此相互作用對不良貸款可能產(chǎn)生的影響,所以我們將模型改進(jìn)為多元線性回歸方程的預(yù)測。通過多元線性回歸分析,計算因素綜合的影響。分析如下。

表3-3 因變量Y與自變量X1、X2、X3的線性相關(guān)性

CoefficientsaModelUnstandardizedCoefficientsBStd.ErrorStandardizedCoefficientsBetatsig.1(Constant)-3422001.0401416822.144-2.4150.043X10.4620.1270.4253.6370.030X2484264.126120503.9251.5314.0180.021X39.846E72.041E71.9744.8240.011a.DependentVariable:Y

觀察擬合結(jié)果分析,sig.=0.029<0.05,顯著性檢驗可知有統(tǒng)計學(xué)意義,所以我們由此可知建立Y與X1、X2、X3的多元線性回歸方程是有意義的。其標(biāo)準(zhǔn)化方程為Y=0.425X1+1.531X2+1.974X3。

觀察前文所做的分析,我們得出所取指標(biāo)中三項因素綜合起來會對不良貸款產(chǎn)生影響的結(jié)論,但我們需要進(jìn)一步討論,在此三項影響因素中哪項因素起決定作用,所以我們選擇采用多元線性逐步回歸的方法。選擇最優(yōu)多元線性回歸的統(tǒng)計,篩選出與Y確實相關(guān)的因素。

表3-3 自變量最優(yōu)檢驗

CoefficientsaModelUnstandardizedCoefficientsBStd.ErrorStandardizedCoefficientsBetatsig.1(Constant)-1.195E6273365.818-4.3730.005X34.436E79.319E60.8894.7600.003a.DependentVariable:Y

參考回歸結(jié)果我們發(fā)現(xiàn)得出結(jié)果,X3對Y確實有線性相關(guān)。由上可知,從我們選擇的指標(biāo)來看,影響不良貸款的主要原因是總資產(chǎn)(X1)、撥備覆蓋率(X2)、貸款撥備率(X3),其中重要影響指標(biāo)是貸款撥備率(X3),貸款撥備率與不良貸款額呈正相關(guān),貸款撥備率越高,不良貸款額就越高。

上述模型所用的各項重要參數(shù)以及數(shù)據(jù)來自中國銀行監(jiān)督委員會官方網(wǎng)站,數(shù)據(jù)可靠,參數(shù)有意義。對于根據(jù)實際需要建立的數(shù)學(xué)模型,使用SPSS軟件進(jìn)行統(tǒng)計分析,借助一元及多元線性分析進(jìn)行求解。通過對六項指標(biāo)的分析,相對精確地實現(xiàn)探究目的。前三項指標(biāo)與不良貸款的關(guān)系呈線性,后三項呈非線性,不需予以討論。詳細(xì)來說,總資產(chǎn)、撥備覆蓋率、貸款撥備率對于不良貸款余額具有顯著影響,其中貸款撥備率最為有影響。由于個人水平以及學(xué)術(shù)深度的局限,未對模型進(jìn)行更深刻的研究。

總體來講,所建立的模型在很大程度上能夠確切反映六項指標(biāo)對于不良貸款的影響,準(zhǔn)確率較高。但是畢竟所取的因素只有六項,相當(dāng)多的可能因素被忽視,難免具有些許偏向性,對于模型的選擇與規(guī)劃存在不足,未能做到全面分析,給接下來深度研究問題帶來風(fēng)險與挑戰(zhàn)。

四、針對性給予我國不良貸款問題的建議

通過數(shù)據(jù)我們了解到總資產(chǎn)、撥備覆蓋率、貸款撥備率對于不良問題的重要影響。也就是說,要想進(jìn)一步緩解或者有效解決不良貸款的現(xiàn)狀,商業(yè)銀行此時應(yīng)注重這三項指標(biāo),力求平衡。具體來講,商業(yè)銀行在發(fā)展日常業(yè)務(wù)的同時,應(yīng)加快對中間業(yè)務(wù)的發(fā)展,最大化實現(xiàn)總資產(chǎn)。與此同時,銀行應(yīng)重點緊密觀測撥備覆蓋率這項指標(biāo),根據(jù)相關(guān)數(shù)據(jù)進(jìn)行準(zhǔn)備金的調(diào)整,此外也是用以防范銀行業(yè)績過失。商業(yè)銀行應(yīng)進(jìn)一步提高撥備覆蓋率,此舉的目的在于能夠更加有效地對不良貸款的發(fā)生加以防范并最大化降低損失。準(zhǔn)備金所衡量的層面不僅包括已發(fā)生的不良信貸,還涵蓋未來可能發(fā)生的不良貸款,過高準(zhǔn)備金勢必增加銀行的經(jīng)營成本,在平衡上述兩者之余,適當(dāng)降低貸款撥備率能間接降低不良貸款。

五、全文總結(jié)

通過全文的分析，我們可以知道總資產(chǎn)、撥備覆蓋率、貸款撥備率對于不良貸款的現(xiàn)狀有著重要的影響，我們?nèi)粝刖徑饣蛘哂行У亟鉀Q不良貸款的現(xiàn)狀，商業(yè)銀行應(yīng)該著重注意這三項指標(biāo)，在日常發(fā)展業(yè)務(wù)的時候應(yīng)該加快對中間業(yè)務(wù)的發(fā)展，實現(xiàn)總資產(chǎn)的最大化。與此同時，銀行應(yīng)重點緊密觀測撥備覆蓋率這項指標(biāo),根據(jù)相關(guān)數(shù)據(jù)進(jìn)行準(zhǔn)備金的調(diào)整,此外也是用以防范銀行業(yè)績過失。再者，商業(yè)銀行應(yīng)進(jìn)一步提高撥備覆蓋率,這種做法能夠更加有效地對不良貸款的發(fā)生加以防范且能夠最大化地降低損失。準(zhǔn)備金所衡量的層面不僅包括已發(fā)生的不良信貸,還涵蓋未來可能會發(fā)生的不良貸款,所以過高準(zhǔn)備金勢必會增加銀行的經(jīng)營成本,在平衡上述兩種情況之余,應(yīng)該適當(dāng)?shù)亟档唾J款撥備率使其能間接降低不良貸款。

關(guān)于不良貸款問題的研究良久,但是依舊缺乏革命性的高效解決方案,這也是目前現(xiàn)階段針對性研究的主要方向。本文對于不良貸款的影響指標(biāo)進(jìn)行簡要分析,利用數(shù)學(xué)建模比較得出影響力較強(qiáng)的指標(biāo),并進(jìn)一步得出最佳指標(biāo),根據(jù)軟件計算所得的結(jié)論闡述相應(yīng)的解決方案。

未來對于不良貸款問題的解決也應(yīng)該著眼于多個方面,綜合各類解決方案?，F(xiàn)在已經(jīng)有對于不良貸款研究的理論知識且較為完備,下一步的研究重點在于應(yīng)用現(xiàn)有工具,在逐步完善工具的基礎(chǔ)上,對理論知識進(jìn)行客觀的研究說明,然后就可以針對性地給出解決方案。并且應(yīng)對其他領(lǐng)域進(jìn)行深化認(rèn)識,結(jié)合各科的幫助解決現(xiàn)有問題。