孫佳怡
(上海工程技術大學,上海 201620)
當前,中國宏觀經濟正在從高速增長期轉移到中高速增長期。商業(yè)銀行的不良貸款有上升趨勢,不良貸款涉及經濟周期性變動和經濟發(fā)展水平,與兩者同處于反向變化趨勢,同時與經濟的周期性繁榮、產業(yè)鏈位置、產業(yè)競爭力和中國家庭的產業(yè)政策密切相關,還與企業(yè)自身管理和商業(yè)銀行運營機制有關。中國經濟已經進入“新常態(tài)”了,經濟的轉換和產業(yè)結構的調整導致了不良貸款的增加。這不僅會影響商業(yè)銀行的流動性、利潤和安全程度,還不利于我國的金融系統穩(wěn)定。
我國改革開放已經進入深水期,經濟上升速度已經明顯放緩,并且國家在井然有序地調整經濟架構,供給側改革也日漸深入。商業(yè)銀行的日常運營工作受不良貸款問題影響嚴重,經常性地會引發(fā)銀行危機。在經濟發(fā)展轉換、換代期間,我國經濟體由于相關制度和技術的原因,產生了大量的不良貸款。受我國國情和目前的經濟發(fā)展狀況影響,商業(yè)銀行的不良貸款率持續(xù)上升,影響了整個金融行業(yè)。目前,如何解決不良貸款問題成為商業(yè)銀行發(fā)展的瓶頸。應盡快制定應對風險的對策,增強金融部門快速發(fā)展的能力。
時值2016 年年底,15 123 億元的不良貸款是由我國所給出,這還導致了1.81%的不良貸款率,這是近7年來的最高金額。截至2018 年年底,中國商業(yè)銀行的不良貸款率正在逐步邁向2%水平線,這是十分危險的信號。我國商業(yè)銀行貸款中,正常類貸款占比95.31%、剩余占比4.69%是余下四類不良貸款率的總和。在2019 年年末,我國商業(yè)銀行不良貸款已經高達2.41 萬億元,較上季度上升463 億元,商業(yè)銀行不良貸款率達到1.86%。近年來,中國商業(yè)銀行的不良貸款比例不斷上升。預防金融危害的首要方法就是要減少不良貸款,這也是確保改革能夠有效推行的重要因素。本文從銀行日常經營管理出發(fā),分析市場法則,探究為何近年來不良貸款率逐漸上升,背后是哪些因子在起作用,只有這樣,才能有的放矢,解決不良貸款率的問題。
為了進行商業(yè)銀行不良貸款率的影響成因實證分析,本文摘取2011—2018 年間,16 家上市商業(yè)銀行的各項數據,采用平衡面板數據建立回歸模型,同時對所有數據取對數以更準確地得出回歸結果。本文以2011—2018 年的季度數據為樣本,共計1 392 個觀測數據,進行平均化處理。實際操作方法是,把16 家上市銀行的不良貸款率平均化處理后用作被解釋變量NPL,以制造業(yè)貸款需求指數INDEX、存貸比LDR、撥備覆蓋率PCR、成本收入比CIR、資本充足率CAR、凈息差NIM、貨幣供給增長率M2、匯率水平EXRATE、總資產SIZE、GDP 增長率作為解釋變量,創(chuàng)建回歸模型以此研究,這些因子的變動是否會對不良貸款率產生影響。在這些數據里,制造業(yè)貸款需求指數、貨幣供給增加量M2 數據來源于中國人民銀行官網,GDP 數據來源于中國統計局官網,其他數據均來自16 家銀行年報和半年報,見下頁表1。
表1 變量與指標選取
解釋變量1:國內生產總值增長率。本文選擇國內生產總值增長率,用這個標志來量度國內國民經濟。國內生產總值增長率越大,那么不良貸款率越小。
解釋變量2:貨幣供應量增長率。選擇這一標志是用來量度國民經濟政策變化的一個指標。
解釋變量3:撥備覆蓋率。如果一個銀行本身的風險防范意識較弱,那么不良貸款就會乘虛而入,悄然形成。所以,本文選擇撥備覆蓋率作為量度銀行防范危險的一個標志。
解釋變量4:資本充足率。資本水平較弱的銀行更容易產生較大的不良貸款。所以,本文用一個量度資本水平的標志,那就是資本充足率。
解釋變量5:成本收入比。不良貸款的提高一定程度上受到銀行成本效能變小的作用。所以本文采用成本收入比作為量度商業(yè)銀行的管理效率的指標。
解釋變量6:存貸比。有一些喜好風險的銀行,它的不良貸款率往往會大于不喜歡風險的銀行的不良貸款率。所以,本文選取存貸比作為量度銀行風險喜好的指標。
解釋變量7:凈息差。凈息差越大,不良貸款率越小。
解釋變量8:銀行規(guī)模。如果一個銀行只顧追求拓寬自身規(guī)模,卻忽視對于自己風險的防控,那么它一定會導致不良貸款的增大。所以,本文選取銀行資產規(guī)模,用來表示銀行資產規(guī)模的大小。
解釋變量9:匯率水平,即每單位美元可兌換的人民幣數額。如果匯率水平下降了,就表明人民幣將升值。如果國家的經濟發(fā)展前景十分良好,那么不良貸款將變小,不良貸款率就會下降。
解釋變量10:制造業(yè)貸款需求指數。制造業(yè)貸款數額占比最大且連年上升。
本文選取的都是平衡面板數據,通過這些數據,建立相關模型如下:
本文利用此模型,對于所選取的數據進行多元回歸分析,研究各類影響因子對于不良貸款率的作用程度。
經由Eviews 軟件,選擇OLS 最小二乘法對32 個樣本點數據進行回歸分析,具體的回歸結果如表2 所示。
表2 多元回歸分析結果
在顯著水平=5%的情況下,PCR、LDR、SIZE、GDP增長率、貨幣供應量增長率M2,共5 項數據的收尾值從上表中可以看出,分別是0.0000、0.0048、0.0250、0.0162、0.0001,都比0.1 小,基本上都檢驗合格,但是匯率水平、成本收入比、凈息差、資本充足率、制造業(yè)貸款需求指數收尾值分別為0.6693、0.4355、0.3170、0.1750、0.8307,這些數值都比0.1 大,沒有承受住顯著性差異的檢驗。不過根據這個模型的整體回歸情況判斷,P 值比0.1小。因此,雖然這5 個解釋變量并沒有經受住檢驗,但它們5 個并沒有影響到這個模型整體的準確程度。
本文在保持其他的幾個變量不變動的情形下,可以發(fā)現解釋變量廣義貨幣M2 增長率、銀行規(guī)模、國內生產總值增長率、存貸比、撥備覆蓋率、分別對解釋變量“不良貸款率”有著明顯有關的線性關系。而另外5個解釋變量,資本充足率、成本收入比、凈息差、匯率水平、制造業(yè)貸款需求指數相較而言對不良貸款率這一被解釋變量沒有作用因素。
由本文表2 中變量的估值系數可以得出多元線性回歸模型如下:
從所得到的回歸方程來看,PCR、M2 與GDP 的相關影響系數分別為-0.005419、-0.300361、-0.088963。即撥備覆蓋率、貨幣供應量增長率和GDP 增長率與不良貸款率變現出負面有關這樣一個情況,也就是說,當這3 個變量加大的時候,不良貸款率開始逐步慢慢減小。LDR 和SIZE 的相關影響系數分別為0.931886和0.007264,也就是說,存貸比和銀行規(guī)模與不良貸款率表現為正面有關;資本充足率CAR、成本收入比CIR和凈息差NIM 對不良貸款率NPL 有著正面作用,匯率水平EXRATE 對不良貸款率NPL 起到負影響。
通過對影響我國商業(yè)銀行不良貸款率的成因進行理論分析和實證研究,本文發(fā)現變現宏觀經濟政策和國民經濟的影響因子,微觀程度上銀行的經營管理影響因子和存在于制造業(yè)需求指數對制造市場的反應,這些因素都與商業(yè)銀行不良貸款的產生和加速有相關。因此,各個因素對不良貸款率具有以下影響。
宏觀經濟因素層面上,人民幣匯率與銀行的不良貸款率呈不顯著負相關關系;廣義貨幣供應量、GDP 增長率和商業(yè)銀行不良貸款率表現為負面有關。銀行層面上,撥備覆蓋率和商業(yè)銀行不良貸款率表現為負面有關也影響程度很大,銀行規(guī)模SIZE、存貸比LDR 和不良貸款率表現出來正面有關。制造業(yè)市場這一層面上,制造業(yè)貸款需求指數與不良貸款率呈不顯著正相關關系。
但成本收入比CIR、凈息差NIM 和資本充足率CAR對于商業(yè)銀行不良貸款率沒有發(fā)現較為明顯的影響。
綜上所述,國家宏觀經濟發(fā)展和經濟政策的變動,商業(yè)銀行日常經營管理和防范化解風險的能力以及制造業(yè)需求都會對商業(yè)銀行產生對應程度的影響。通過整理各影響因子對不良貸款率的不同程度的變動,可以發(fā)現,宏觀經濟調控和發(fā)展作用與不良貸款率的影響程度整體較大。不過對于有效控制不良貸款率這一方面,商業(yè)銀行主要得從自我出發(fā),著重關注自身影響不良貸款率的因素,及時調度和控制影響因子以達到削弱不良貸款率的目的。
商業(yè)銀行最主要的收益方法就是通過賺取銀行客戶存取和貸款的利益差。第十九次人民代表大會上,明確提出要去產能、去杠桿、去庫存、降成本以及把推動發(fā)展綠色企業(yè)這一觀點植入人心,也就意味著原來這些行業(yè)的企業(yè)政策導向減弱,政策推動力度肯定受到影響。對高污染的企業(yè)貸款過多,保有的利益只有減弱的趨勢,進一步影響到商業(yè)銀行的經營管理業(yè)績。商業(yè)銀行應清理“兩高一?!鳖愋偷钠髽I(yè),選擇效益高或者是由政府援助的綠色企業(yè),繼續(xù)改善完備貸款制度。
商業(yè)銀行的不良貸款能不能在一定期限內回收,這一點主要取決于發(fā)放貸款的公司的經營狀況和盈利能力。為了能有效合理地實施金融政策,應根據社會景氣循環(huán),不斷整頓貸款制度。
商業(yè)銀行應嘗試新型金融產品來減少不良貸款率的不利程度,發(fā)展擔保業(yè)務、承諾業(yè)務等,推動外部業(yè)務,擴大商業(yè)銀行收益渠道,調整業(yè)務體系。在此基礎上,商業(yè)銀行要逐步改善產業(yè)金融體系,逐漸消除金融杠桿帶來的負擔,使自身業(yè)務更好地發(fā)展。