本文關(guān)鍵詞：影響商業(yè)銀行信用風(fēng)險(xiǎn)的宏觀經(jīng)濟(jì)因素分析，由筆耕文化傳播整理發(fā)布。

當(dāng)前所在位置：中國論文網(wǎng) > 管理論文發(fā)表 > 宏觀經(jīng)濟(jì)因素對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)的影響分析

宏觀經(jīng)濟(jì)因素對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)的影響分析

發(fā)布日期： 2012-03-10 發(fā)布：  

  2010年第3期目錄       本期共收錄文章20篇

　　摘 要:文章主要研究近幾年中國宏觀經(jīng)濟(jì)變量分別對(duì)于國有商業(yè)銀行與股份制商業(yè)銀行不良貸款率的影響。尤其在美國次貸危機(jī)爆發(fā)以后,國內(nèi)的宏觀經(jīng)濟(jì)因素波動(dòng)劇烈,在此情況下,研究國內(nèi)商業(yè)銀行對(duì)于宏觀經(jīng)濟(jì)波動(dòng)的反應(yīng),具有一定的現(xiàn)實(shí)意義。
中國論文網(wǎng)
　　關(guān)鍵詞:不良貸款率 宏觀經(jīng)濟(jì)變量 主成分分析
　　中圖分類號(hào):F830文獻(xiàn)標(biāo)識(shí)碼:A
　　文章編號(hào):1004-4914(2010)03-202-03
　　
　　一、引言
　　對(duì)于銀行來說,風(fēng)險(xiǎn)是與生俱來的,它不僅承擔(dān)風(fēng)險(xiǎn)、管理風(fēng)險(xiǎn),還將風(fēng)險(xiǎn)進(jìn)行轉(zhuǎn)化。在銀行面臨的各種風(fēng)險(xiǎn)中,信用風(fēng)險(xiǎn)是最重要的風(fēng)險(xiǎn),而不良貸款率是衡量商業(yè)銀行信用風(fēng)險(xiǎn)最直接的指標(biāo)。普遍觀點(diǎn)認(rèn)為銀行較高的不良貸款主要是由于金融機(jī)構(gòu)自身經(jīng)營方式存在的弊端和金融監(jiān)管體制的不到位造成的。然而,2007年爆發(fā)的美國次貸危機(jī),使美國經(jīng)濟(jì)發(fā)生了大幅波動(dòng),各大商業(yè)銀行貸款的違約率直線上升,實(shí)體經(jīng)濟(jì)的惡化對(duì)商業(yè)銀行體系產(chǎn)生了不利影響。回顧歷史,1929年10月的美國,20世紀(jì)80年代的日本,以及1997年亞洲金融危機(jī)之后的韓國等都在經(jīng)歷了一個(gè)經(jīng)濟(jì)快速增長、資產(chǎn)價(jià)格快速上揚(yáng)和信用快速擴(kuò)張的階段之后,金融體系卻遭遇了一場全面危機(jī)。由此可以看出,宏觀經(jīng)濟(jì)的波動(dòng)會(huì)通過許多相關(guān)因素傳遞給金融體系,對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)具有極其巨大的影響。
　　本文主要研究宏觀經(jīng)濟(jì)波動(dòng)對(duì)我國商業(yè)銀行的不良貸款存在哪些影響,對(duì)于經(jīng)濟(jì)可能發(fā)生的轉(zhuǎn)變,我國商業(yè)銀行需要吸取各國之經(jīng)驗(yàn)教訓(xùn),提前做好準(zhǔn)備,控制信用風(fēng)險(xiǎn),防患于未然。
　　二、關(guān)于不良貸款率的文獻(xiàn)回顧及研究中存在的問題
　　(一)相關(guān)文獻(xiàn)回顧
　　對(duì)于不良貸款,國內(nèi)的許多學(xué)者對(duì)其成因都做了較為深入的研究。吳曉靈(1995)認(rèn)為不良貸款產(chǎn)生的主要因素歸于企業(yè)的過度負(fù)債,其因果關(guān)系實(shí)質(zhì)上是一個(gè)問題的兩個(gè)方面;林毅夫(1998)認(rèn)為其重要成因之一是可貸資金投向了效益低的行業(yè)和企業(yè),解決關(guān)鍵是調(diào)整優(yōu)化產(chǎn)業(yè)結(jié)構(gòu);王瑞(2001)以法律的視角探尋癥結(jié)之所在與產(chǎn)生的體制原因,指出應(yīng)彌補(bǔ)債權(quán)保護(hù)的法律缺陷;施華強(qiáng)(2004)在雙重軟預(yù)算約束框架下分析不良貸款的內(nèi)生性,指出應(yīng)硬化銀行軟預(yù)算約束預(yù)期;劉青等(2007)用統(tǒng)計(jì)的手段實(shí)證銀行高層的更替與其對(duì)不良貸款的處理方式具有顯著的相關(guān)關(guān)系。
　　另外,也有部分學(xué)者研究了各種因素對(duì)不良貸款的影響。比如,李江等(2007)應(yīng)用主因子分析對(duì)國有商業(yè)銀行企業(yè)不良貸款的相關(guān)要素進(jìn)行分析;蔣鑫(2008)研究了影響商業(yè)銀行信用風(fēng)險(xiǎn)的宏觀經(jīng)濟(jì)因素分析;譚燕芝、張運(yùn)東(2009)基于中國、美國、日本部分銀行的基礎(chǔ)數(shù)據(jù)對(duì)這三個(gè)國家的信用風(fēng)險(xiǎn)水平與宏觀經(jīng)濟(jì)變量進(jìn)行了實(shí)證研究。本文的研究也是受到這些學(xué)者研究成果的啟發(fā),但在深入研究過程中發(fā)現(xiàn)由于我國原有的四大國有商業(yè)銀行不良貸款曾進(jìn)行過政策性剝離,如果僅僅基于官方公布的不良貸款數(shù)據(jù)進(jìn)行分析,忽略國有商業(yè)銀行不良貸款的政策性剝離,勢(shì)必導(dǎo)致實(shí)證的結(jié)果出現(xiàn)偏差,為提高研究結(jié)果的精確度,本文將國有商業(yè)銀行不良貸款的政策性剝離這一重要因素考慮進(jìn)去,對(duì)國有商業(yè)銀行的不良貸款率單獨(dú)進(jìn)行計(jì)算,以期得到更加準(zhǔn)確的結(jié)果。
　　(二)我國商業(yè)銀行不良貸款率研究中存在的問題
　　迄今為止,對(duì)我國商業(yè)銀行不良貸款率的研究中存在幾個(gè)比較突出的問題。一是多種口徑混用。商業(yè)銀行的不良貸款有不良貸款、呆壞賬、不良債務(wù)等多種提法,由于概念的不同導(dǎo)致計(jì)算口徑的不同,因而不良貸款率的估算差異較大。二是不良貸款認(rèn)定標(biāo)準(zhǔn)的變化影響了數(shù)據(jù)的可比性。2000年之前,我國商業(yè)銀行一直采用期限分類法(即通常所說的四級(jí)分類法),2000年之后陸續(xù)采用風(fēng)險(xiǎn)分類法(即通常所說的五級(jí)分類法),貸款分類標(biāo)準(zhǔn)的變化導(dǎo)致數(shù)據(jù)即使口徑一致也不完全可比。三是對(duì)于國有商業(yè)銀行的政策性剝離,影響了各行之間和剝離前后不良貸款數(shù)據(jù)的可比性。中央政府于2004年、2005年和2008年分別對(duì)四大國有商業(yè)銀行的不良貸款進(jìn)行了集中剝離。對(duì)同一家銀行而言,政策性剝離影響了剝離前后數(shù)據(jù)的可比性;對(duì)不同的商業(yè)銀行而言,政策性剝離的時(shí)間差異和剝離數(shù)額的差異也影響了各行之間數(shù)據(jù)的可比性。
　　其中,time表示2003-2009年季度;y代表官方網(wǎng)站公布的我國國有商業(yè)銀行不良貸款率;y1表示剔除政策性剝離后我國國有商業(yè)銀行實(shí)際不良貸款率;y2表示官方網(wǎng)站公布的我國股份制銀行不良貸款率。
　　三、對(duì)我國商業(yè)銀行不良貸款率的實(shí)證分析
　　(一)變量選擇
　　不良貸款率的高低與生產(chǎn)、消費(fèi)以及政策導(dǎo)向等因素有密切聯(lián)系,因此本文選取y1(國有商業(yè)銀行剔除政策性剝離后不良貸款率)、y2(股份制商業(yè)銀行不良貸款率)為被解釋變量,解釋變量則分別選取GDP(國民生產(chǎn)總值)、invest(投資)、consum(消費(fèi))、CPI(居民消費(fèi)物價(jià)指數(shù))四個(gè)與生產(chǎn)、消費(fèi)有關(guān)的變量,i(7天同業(yè)拆借利率)、rm2(M2增長率)兩個(gè)與政策導(dǎo)向有關(guān)的變量,以及ru(失業(yè)率)。
　　本文收集的不良貸款余額數(shù)據(jù)來自中國銀監(jiān)會(huì)官方網(wǎng)站,因?yàn)閲猩虡I(yè)銀行在2003―2009年進(jìn)行過不良貸款的政策性剝離,所以本文應(yīng)用施華強(qiáng)《國有商業(yè)銀行賬面不良貸款、調(diào)整因素和嚴(yán)重程度》(2005)的統(tǒng)計(jì)方法,對(duì)國有商業(yè)銀行不良貸款季度數(shù)據(jù)進(jìn)行政策性不良貸款剝離的剔除,得到了剔除政策因素后的國有商業(yè)銀行實(shí)際的不良貸款率。宏觀經(jīng)濟(jì)指標(biāo)基礎(chǔ)數(shù)據(jù)來自于2003年―2009年中國經(jīng)濟(jì)統(tǒng)計(jì)年鑒和國家統(tǒng)計(jì)局官方網(wǎng)站,金融季度基礎(chǔ)數(shù)據(jù)則來自于中國人民銀行官方網(wǎng)站。所有應(yīng)用于計(jì)量模型的數(shù)據(jù)均是在以上基礎(chǔ)數(shù)據(jù)經(jīng)過數(shù)學(xué)計(jì)算所得到的。
　　(二)描述性統(tǒng)計(jì)
　　圖1為投資、消費(fèi)以及GDP的曲線圖,由該圖可以看出這三個(gè)變量都是隨著季節(jié)周期性變化的,這種變動(dòng)要素往往掩蓋了經(jīng)濟(jì)發(fā)展中的客觀變化,因此,在做計(jì)量分析之前應(yīng)先剔除其中的周期性變動(dòng)要素。
　　通過進(jìn)行季節(jié)分解(X11),可以得到如圖二所示的剔除季節(jié)變化因素的投資、消費(fèi)以及GDP平滑曲線圖,該圖客觀反映了投資、消費(fèi)以及GDP真實(shí)變動(dòng)情況。
　　本文使用的計(jì)量軟件是SPSS 17.0 for Windows,首先將所有數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì),如表2。其中,失業(yè)率標(biāo)準(zhǔn)差最小,其波動(dòng)強(qiáng)度也最弱;投資標(biāo)準(zhǔn)差最大,說明在宏觀環(huán)境穩(wěn)定的情況下,投資的增長速度很快。國有商業(yè)銀行與股份制銀行比較來說,兩者不良貸款率的波動(dòng)程度近似,但國有商業(yè)銀行的不良貸款率一直較高。
　　(三)相關(guān)性分析
　　為了證明不良貸款率是否與上面所選擇的經(jīng)濟(jì)變量有直接關(guān)系,運(yùn)用Pearson模型進(jìn)行變量間的相關(guān)分析,分析結(jié)果見表3。
　　結(jié)果表明,兩類商業(yè)銀行的不良貸款率均與消費(fèi)物價(jià)指數(shù)、GDP、投資及消費(fèi)強(qiáng)負(fù)相關(guān);貸款利率及失業(yè)率對(duì)不良貸款率沒有顯著性影響;M2增長率與國有商業(yè)銀行不良貸款率負(fù)相關(guān)性較強(qiáng),而對(duì)股份制商業(yè)銀行影響不顯著。
　　(四)主成分分析
　　從表3可以看出不僅不良貸款率與某些經(jīng)濟(jì)指標(biāo)間有較強(qiáng)的相關(guān)關(guān)系,而且,一些經(jīng)濟(jì)指標(biāo)間也存在較強(qiáng)的正相關(guān)關(guān)系,即模型存在多重共線性問題。為消除模型的多重共線性,即要求解釋變量與被解釋變量間相關(guān)系數(shù)的絕對(duì)值較大,同時(shí)各個(gè)解釋變量間相關(guān)系數(shù)的絕對(duì)值較小,因此,采用主成分分析的方法,將七個(gè)解釋變量通過提取主成分,達(dá)到數(shù)據(jù)縮減的目的,以剔除造成多重共線性的經(jīng)濟(jì)指標(biāo)。

　　表4顯示了主成分的統(tǒng)計(jì)信息,得到了各主成分的貢獻(xiàn)率及累計(jì)貢獻(xiàn)率。第一主成分的特征值為4.204,它解釋了7個(gè)原變量的總方差的60.051%;第二主成分的特征值為2.032>1,它解釋了7個(gè)原變量的總方差的29.028%。前兩個(gè)特征值的累計(jì)貢獻(xiàn)率為89.079%,即前兩個(gè)主成分包含了原有7個(gè)變量的89.079%的信息,所以取前兩個(gè)主成分來代替原有的7個(gè)指標(biāo)變量。圖3為所有主成分的碎石圖,從中也可看出前兩個(gè)主成分的特征值均高于1,進(jìn)一步說明應(yīng)取前兩個(gè)主成分。
　　(五)主成分回歸分析
　　將提取出來的主成分與各解釋變量運(yùn)用主成分回歸分析方法,得到以下成分得分系數(shù)矩陣,如表5。
　　由此可以構(gòu)建一個(gè)各解釋變量與主成分之間的線性方程組,假設(shè)提取出來的兩個(gè)主成分分別為z1、z2,則構(gòu)造的線性方程組如下:
　　z1=0.054i+0.068rm2-0.124ru+0.234GDP+0.228invest+0.233consum+0.232CPI
　　z2=-0.43i+0.385rm2+0.368ru+0.036GDP+0.115invest+0.081consum-0.047CPI(1)
　　通過方程組(1)可以看到,z1對(duì)于GDP、投資、消費(fèi)及CPI指標(biāo)顯示出較強(qiáng)的關(guān)系,因此z1可以作為描述宏觀經(jīng)濟(jì)發(fā)展趨勢(shì)的變量,而z2對(duì)于M2、失業(yè)率顯示出較強(qiáng)的相關(guān)關(guān)系,因此z2代表與國家政策導(dǎo)向相關(guān)的變量。
　　接下來再將這兩個(gè)主成分z1、z2與被解釋變量y1、y2進(jìn)行線性回歸,得到如下回歸方程,其中Y^1、Y^2、分別是y1、y2的估計(jì)量。
　　Y^1=18.881-2.702z2Y^2=4.094-2.109z2(2)
　　最后,再將方程組(1)代入到(2)中去,就可得到如下線性方程組(3),該方程組說明7個(gè)解釋變量與兩個(gè)別解釋變量之間的線性關(guān)系。
　　Y^=18.881+0.02265i-0.33466rm2+0.19079ru-0.64638GDP-0.66114invest-066132consum-0.60844CPI
　　Y^=4.094+0.02359i-0.22426rm2+0.18424ru-0.50107GDP-0.505invest-0.50841consum-047942CPI(3)
　　四、結(jié)論及建議
　　(一)實(shí)證分析結(jié)論
　　基于2003―2009年中國商業(yè)銀行不良貸款季度數(shù)據(jù),本文對(duì)影響銀行不良貸款率的宏觀經(jīng)濟(jì)因素進(jìn)行了實(shí)證研究和兩類所有制銀行的比較,結(jié)果表明:1.我國商業(yè)銀行的不良貸款率與GDP、投資、消費(fèi)及CPI這些反映經(jīng)濟(jì)大環(huán)境的因素都存在較強(qiáng)的負(fù)相關(guān)關(guān)系,但相對(duì)來說,股份制商業(yè)銀行的回歸系數(shù)絕對(duì)值低于國有商業(yè)銀行的回歸系數(shù)絕對(duì)值,在經(jīng)濟(jì)快速增長,總體經(jīng)濟(jì)形勢(shì)良好的情況下,銀行的不良貸款率呈下降趨勢(shì);當(dāng)經(jīng)濟(jì)處于衰退期時(shí),不良貸款便會(huì)增加,不良貸款率也隨之上升;2.與譚燕芝等人研究結(jié)果不同,本文在近幾年季度數(shù)據(jù)的實(shí)證基礎(chǔ)上得到不良貸款率與失業(yè)率呈正向關(guān)系,即失業(yè)率增加,不良貸款率也會(huì)隨之增加,這一點(diǎn)國有商業(yè)銀行與股份制商業(yè)銀行的結(jié)果是一致的;3.對(duì)于M2增長率,國有商業(yè)銀行與之有著更強(qiáng)的負(fù)相關(guān)關(guān)系。我國的貨幣投放在很大程度上受到政策的影響,當(dāng)經(jīng)濟(jì)增速放緩,政府鑒于維持經(jīng)濟(jì)穩(wěn)定的考慮,采用更加積極的貨幣政策,加大貨幣投放,來刺激經(jīng)濟(jì),這也說明了國有商業(yè)銀行是受到國家政策影響更為顯著的。
　　(二)對(duì)策及建議
　　近年來,隨著全球經(jīng)濟(jì)波動(dòng)劇烈,我國商業(yè)銀行所面臨的信用風(fēng)險(xiǎn)也不斷加劇,商業(yè)銀行的不良貸款問題也成為國內(nèi)一些學(xué)者關(guān)注的焦點(diǎn)。本文出于提高我國銀行業(yè)不良貸款管理水平的目的,通過實(shí)證分析,提出以下政策建議:
　　第一,應(yīng)對(duì)不良貸款的分類方法進(jìn)行改進(jìn),精確地評(píng)價(jià)銀行的信用風(fēng)險(xiǎn)狀況。從表1可以看到,我國商業(yè)銀行的不良貸款率基本上一直呈下降趨勢(shì),但隨著銀行不良貸款率的降低,特別是當(dāng)不良貸款率低于5%時(shí),現(xiàn)行的五級(jí)分類法區(qū)分不良貸款與正常貸款的能力也將隨之降低,過粗的分類不能充分滿足銀行有效信貸管理的需要。目前,中國銀行、工商銀行等一些大、中型銀行正在嘗試在原有五級(jí)分類的基礎(chǔ)上,將貸款細(xì)化為12級(jí)分類,更加細(xì)化和更加科學(xué)的不良貸款分類方法值得我們?nèi)ヌ剿鳌?
　　第二,加大對(duì)宏觀經(jīng)濟(jì)形勢(shì)以及國家政策的研究。從我國商業(yè)銀行不良貸款率與各經(jīng)濟(jì)變量之間關(guān)系方程可以看出,我國商業(yè)銀行的不良貸款受宏觀經(jīng)濟(jì)波動(dòng)的影響較大,因此商業(yè)銀行應(yīng)密切關(guān)注反映宏觀經(jīng)濟(jì)波動(dòng)的指標(biāo),特別是那些能夠提前反映宏觀經(jīng)濟(jì)走勢(shì)的指標(biāo),將會(huì)對(duì)商業(yè)銀行下一步的信貸政策提供指引。
　　第三,進(jìn)一步完善風(fēng)險(xiǎn)量化管理。商業(yè)銀行在構(gòu)建信用風(fēng)險(xiǎn)度量模型時(shí),不僅要從受信企業(yè)各相關(guān)指標(biāo)入手,更要將宏觀經(jīng)濟(jì)波動(dòng)因素考慮進(jìn)去,最終要做到對(duì)信用風(fēng)險(xiǎn)的可量化與可控化。
　　第四,加快金融創(chuàng)新。我國商業(yè)銀行業(yè)務(wù)的單調(diào),受經(jīng)濟(jì)波動(dòng)的影響極大,要不斷進(jìn)行金融創(chuàng)新探索出適應(yīng)我國情況的新產(chǎn)品、新工具,以更好的適應(yīng)經(jīng)濟(jì)的波動(dòng)。
　　
　　參考文獻(xiàn):
　　1.謝平.融資結(jié)構(gòu)、不良資產(chǎn)與中國M2/GDP[J].經(jīng)濟(jì)研究,2007(2)
　　2.施華強(qiáng).國有商業(yè)銀行賬面不良貸款,調(diào)整因素和嚴(yán)重程度1994-
　　2004[J].金融研究,2005(12)
　　3.蔣鑫.影響商業(yè)銀行信用風(fēng)險(xiǎn)的宏觀經(jīng)濟(jì)因素分析[J].財(cái)經(jīng)研究,2008
　　4.李江,馮宗憲,萬映紅.國有商業(yè)銀行企業(yè)不良貸款的主因子分析[J].數(shù)理統(tǒng)計(jì)與管理,2007(1)
　　5.譚燕芝,張運(yùn)東.信用風(fēng)險(xiǎn)水平與宏觀經(jīng)濟(jì)變量的實(shí)證研究――基于中國、美國、日本部分銀行的比較分析[J].國際金融研究,2009(4)
　　6.Basel Committee on Banking Supervision.Sound Credit Risk Assess
　　ment and Valuation for Loans[M].Bank for International Settlements Press &Communications,2006
　　(作者單位:遼寧大學(xué)數(shù)學(xué)院 遼寧沈陽 110000)
　　(責(zé)編:廉靖)

轉(zhuǎn)載請(qǐng)注明來源。：

 

  本文關(guān)鍵詞：影響商業(yè)銀行信用風(fēng)險(xiǎn)的宏觀經(jīng)濟(jì)因素分析，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：113065