选取我国2014年3月至2019年9月在中国银行保险监督委员会官网披露的数据,选择监管统计指标季度情况表内指标,时间跨度为23个季度。GDP、工业增加值增长率来自中国统计数据应用支持系统,银行家信心指数来自中经网数据库。

商业银行不良贷款问题的产生也受到多方面因素的共同影响,主要有来自宏观经济环境、商业银行自身以及贷款企业等多个方面。本研究在参考现有文献的基础上,着重研究宏观经济因素与商业银行内部管理对商业银行不良贷款率的影响。从宏观经济指标、信用风险指标、流动性指标、资本充足指标四个方面选取12个因子建立影响因素体系,从而对商业银行不良贷款率情况进行综合分析。

(1)宏观经济指标。银行生存的外在环境即为宏观经济环境,宏观经济周期对不良贷款率有明显影响。GDP是衡量经济增长的重要指标,同时GDP指标按照最高统计频率可搜集到季度数据,而本文选取研究样本为月度数据,因此选择工业增加值当月同比增长率作为衡量经济增长的指标^[10]。银行家信心指数是银行家问卷调查中对本季经济形势持正常态度的银行家占比和预期占比的算术平均数,从银行家的角度对经济发展走势的预测和对宏观经济的信心。银行家信心指数取值在0～1,大于0.5说明经济活动处于扩张期,小于0.5说明经济活动缺乏活力,一定程度可以反映商业银行的发展环境。

(2)信用风险指标。不良贷款余额可以直观反应出不良贷款的增减情况,而商业为避免陷入经营困境与重大风险,在估计风险与损失的基础上,提取资产损失准备金,因此贷款损失准备从侧面反映出商业银行对不良贷款情况的规避情况。拨备覆盖率是贷款损失准备对不良贷款的比率,反映了商业银行对贷款损失的弥补能力和对贷款风险的防范能力。

(3)流动性指标。在去杠杆的大环境下,企业贷款难与还款难制约着自身发展进而影响到商业银行的发展。商业银行流动性为资金满足一切灵活需求的程度,一般经济形势向好时某银行资金流动性较大,而当经济下行时,企业借款难,国民不愿意存款,会导致资金流动性降低。存贷比则可以用来衡量商业银行对市场风险的偏好程度,存贷比高的银行往往注意规避风险采取保守策略,而存贷比低的银行偏好风险,因此与不良贷款率息息相关。

(4)资本充足指标。资本净额可以反映出商业银行的综合发展能力与风险兜底能力,资本充足率为商业银行以自有资本承担损失的程度,可以反映商业银行对待不良贷款等风险的态度。在去杠杆和经济下行的情况下,风控薄弱与监管缺失的企业往往承受不住资金链吃紧、流动性变差的压力,被迫信用违约^[8],从而给商业银行的发展带来困难。

依据上述指标建立影响因素体系(表1)。

表1 商业银行不良贷款率影响因素指标体系

灰色关联度分析是基于灰色系统理论的一种方法,常用于定量比较或者描述系统与各个因素之间的相关度,可以利用较少的数据分析出解释变量与参考变量之箭的关联程度^[11]。模型可用来分析各个因素随时间变化的曲线变化情况,认为曲线的几何相似度与关联程度成正比^[12]。因此可以利用灰色关联度分析方法分析出商业银行每个季度不良贷款率与各个影响因素之间的关联度,并根据关联度对各个影响因素进行排名,可以直观地看出各个影响因素对商业银行不良贷款率的影响。

结合灰色关联度分析结果,为着重研究关联度较大的指标与商业银行不良贷款率的影响方向与冲击力度,建立VAR模型并运用脉冲响应分析进行研究,按照如下步骤进行。

(1)确定参考序列与比较序列。假设分析对象有i个,影响因素有j个,选定参考序列为X₀={X₀(m)m=1,2,3,…j},比较序列为X_x={X_x(m)m=1,2,3,…j,x=1,2,3,…i}。X₀(m)表示参考对象在第m项指标的取值,X_x(m)表示第x个比较对象在第m项指标的取值。选择当季商业银行不良贷款率为参考序列,其他12个影响因素为比较序列。

(2)数据的无量纲化处理。数据量纲不统一可能会造成模型结果的偏差,因此可以对参考序列及比较序列的数据进行无量纲化处理,如不良贷款余额与不良贷款率等,其单位不在同一量级。本文采取“归一化”处理,即:

Y_x(m)=(X_x(m))/(∑ⁱ_x=1X_x(m)),

(m=1,2,3,…j,x=1,2,3,…i.)(1)

(3)计算关联系数。关联系数指参考序列与比较序列之间在某一时刻的关联程度,关联系数计算公式:

ξ_x(m)=(min_x min_mY₀(m)-Y_x(m)+ρmax_x max_mY₀(m)-Y_x(m))/(Y₀(m)-Y_x(m)+ρmax_x max_mY₀(m)-Y_x(m))(2)

式中,ρ为分辨系数,0<ρ≤1,一般取ρ=0.5,ξ_x(m)表示不同时刻特征序列与影响因素之箭的关联程度,min_x min_mY₀(m)-Y_x(m)表示不同时刻两级最小差,max_x max_mY₀(m)-Y_x(m)则表示不同时刻两级最大差。

(4)计算关联度。关联系数只显示出某一时刻两序列间的关联程度,为了从整体数据的角度分析参考序列与比较序列之间的关联度,本研究以二级指标的算术平均值作为一级指标的关联度^[13]。运用MATLAB软件对数据进行处理,可以得到2014年3月至2019年9月商业银行不良贷款率影响因素的关联度及排名。

(5)重要指标脉冲响应分析。进一步分析重要指标与商业银行不良贷款率的影响方向与冲击力度,挑选重要指标:存贷比、流动性比例、资本充足率、资本净额和杠杆率。针对重要指标和商业银行不良贷款率进行脉冲响应分析可以清晰看出长期及短期内指标间的反应程度。

VAR模型是指系统内每个方程有相同的等号右侧变量,这些右侧变量包括所有内生变量的滞后值。一般N阶无约束VAR模型表达式可表示为:

y_t=A₁y_t-1+…+A_Ny_t-N+B₁x_t-1+…B_Nx_t-N+ε_t(3)

式中,y_t表示一个内生变量列向量,x_t表示外生变量向量,A₁…A_N和B₁…B_N是待估的系数矩阵,ε_t为误差向量。误差向量内的误差变量之间允许相关,但这些误差变量不存在自相关,与y_t-1,…,y_t-N和x_t-1,…,x_t-N也不相关。

根据灰色关联度分析,提取出和商业银行不良贷款率关联度最大的5个指标,确定VAR模型。在模型的准备中,确定最优滞后阶数为2的VAR(2)模型。

(1)描述性统计。研究样本的描述性统计结果如表2所示。为方便统计,记商业银行不良贷款率为y。

表2 数据描述性统计

GDP与资本净额存在显著差异,其中GDP标准差为225 047.564 4,资本净额标准差为34 039.641 3。不良贷款余额、贷款损失准备也存在一定的差异性,由于数据未经处理,不在同一量级,相互之间没有较强的可比性。

(2)相关性分析。利用SPSS软件对选取的数据进行Pearson相关性分析,结果见表3。

表3 各项指标相关性分析

由表3可知,资本净额与贷款损失准备的相关系数最高,为0.995 2,资本净额的增加会使得贷款损失准备相应增加。不良贷款余额与资本充足率与资本净额相关系数较高,可见我国商业银行在面对增长的不良贷款时不断提高资本充足率以规避不良贷款带来的风险^[14]。除了有明显因果关系的指标间相关性系数较大,其余指标间相关性系数都较小,说明指标选取科学且可以进一步分析。

(3)关联度结果。根据2014年3月至2019年9月季度商业银行数据,从宏观经济发展、信用风险、流动性与资本重组指标四个方面做灰色关联度分析,结果见表4。

表4 商业银行不良贷款率影响因素关联度及排序

(4)关联度结果分析。由表4可知,一级指标对商业银行不良贷款率的影响程度排序依次为资本充足指标、流动性指标、信用风险指标和宏观经济指标。具体的影响因素排序依次为存贷比、流动性比例、资本充足率、资本净额、杠杆率、成本收入比、贷款损失准备、工业增加值增长率、银行家信心指数、不良贷款余额、拨备覆盖率和GDP。

资本充足指标与商业银行不良贷款率的整体关联度最强,为0.825 9,表明商业银行在发展过程中,资本充足指标对银行的稳定发展影响最大,符合实际情况。具体来看,资本充足率、资本净额、杠杆率和商业银行不良贷款率和的关联度分别为0.830 6、0.826 6和0.820 4,在影响因素中排名第3.第四和第五。金融杠杆一直被认为是风险集聚于金融危机爆发的隐患,在经济发展的不同阶段,杠杆率也应该周期性调整以实现经济良性发展^[15],因此政策引导与监管层面应有效控制金融机构杠杆率区间,加大对我国商业银行监管力度^[16]; 此外,资本充足率作为衡量商业银行稳定性的指标与其不良贷款率关联性较强,在2017年全国金融工作会议上,习近平总书记对强化金融监管,提高防范化解金融风险的能力做出多项重要指示,着重解决“去杠杆”和“控风险”的问题。去杠杆政策直击市场资金流动^[17],导致商业银行主要借款主体逾期率提高,可见商业银行资本充足指标对其发展有着至关重要的作用。

流动性因子与商业银行不良贷款率的整体关联度较高,为0.819 5,在大类指标中排名第二,表明流动性情况在商业银行的发展过程中也起着相当大的作用。银行流动性常常决定着资金链延续情况,符合经济意义检验。其中,存贷比和流动性比例在影响因素中排序第1.第二,分别为0.837 7、0.837 0,可见流动性对商业银行发展影响极大。银行资金正常流动是其运营的保证,一旦流动性受阻会导致取款人/借款人恐慌,对商业银行的发展极为不利^[7]。

信用风险指标及宏观经济指标与商业银行不良贷款率的关联度较之其他大类指标排名相对靠后,其具体的影响因素排名也较为靠后,表示这些因素在分析时间段内对商业银行不良贷款率的影响较小。贷款损失准备与工业增加值增长率和不良贷款率关联度较高,为0.769 6和0.758 1,位列所有影响因素排序第七与第八,可见商业银行的发展受到宏观经济环境的影响但是影响程度不强,而贷款损失准备在一定程度上反映出商业银行对不良贷款的预期反应^[18]。

在模型的准备中,根据AIC和SC取值最小准则,最终确定最优滞后阶数为2的VAR(2)模型。选取关联度最大的五个指标建立VAR模型,利用EViews6.0进行数据处理,得到如下多元线性回归方程:

[y

x₈

x₇

x₁₁

x₁₀

x₁₂]=[ -0.15

71.94

-18.94

3.72

-109 452

5.49]+[0.98 14.61 -2.84 0.76 -8 804.33 1.02

-0.03 0.77 0.47 0.09 1 615.99 0.05

0.01 0.07 0.08 0.01 311.16 0.02

0.16 -0.93 0.96 1.07 16 680.40 0.55

0.00 0.00 0.00 0.00 0.16 0.00

-0.13 3.96 2.99 -1.56 -20 843.71 -0.91]×[y

x₈

x₇

x₁₁

x₁₀

x₁₂]_t-1+

[-0.42 -14.73 -1.66 -0.68 11 758.84 -1.04

0.04 -0.40 0.11 0.07 755.21 0.00

-0.03 -0.19 0.12 0.09 1 069.82 0.00

0.09 -1.69 -0.85 -0.36 -6 229.73 -0.40

0.00 0.00 0.00 0.00 0.55 0.00

-0.27 2.08 -0.21 -0.73 -10 604.26 -0.09]×[y

x₈

x₇

x₁₁

x₁₀

x₁₂]+[ξ_y

ξ_x8

ξ_x7

ξ_x11

ξ_x10

ξ_x12](3)

运行结果显示,拟合优度R²=98.09%,说明模型的总体拟合度较好。在5%的显著水平下,方程的P值均等于0,说明均通过了显著性检验。给商业银行不良贷款率(y)、存贷比(x₈)、流动性比例(x₇)、资本充足率(x₁₁)、资本净额(x₁₀)和杠杆率(x₁₂)施加一个正标准差信息的冲击,各项指标的响应轨迹如图1所示。

图1 各项指标对一个标准差信息冲击下的响应

从图1可以看出,商业银行不良贷款率对自身的冲击力度呈现出递减的趋势,最终趋于0,可见不良贷款率从长期来看对自身的影响较为微弱。除了流动性比例对商业银行不良贷款率影响波动较大,起于指标对不良贷款率的影响都较为微弱,在(-0.01,0.01)区间波动,且长期较为稳定。

存贷比受自身及商业银行不良贷款率的推动作用较大。从长期来看,商业银行不良贷款率对存贷比的效应在短期内较大,后期影响逐渐减弱。存贷比受到国民投资意愿和风险规避程度的双重影响,存贷比初期对自身的效应为正,除了第4期出现负冲击效应,其余时间冲击效应皆为正,可见存贷比对后期投资者存款或者借款有一定的影响。此外流动性比例也对存贷比有一定的冲击效应,但是影响方向不稳定,在第4期达到最大值0.2左右。流动性是一个银行生存的标杆,可见流动性变化对银行存贷比有较强的影响^[11]。

流动性比例对自身的反应总体处于递减趋势,商业银行不良贷款率对其推动力量波动性较强但是整体平稳,其他指标对其影响则相对稳定。流动性比例对自身的影响在第1期达到最大值为0.57左右,同时商业银行不良贷款率对其影响也达到最大值为-0.3左右,在短期内,流动性越高的银行发展态势越好,因此呈现出正效应,但是随着不良贷款率的变化,流动性比例不得不根据现实情况加以调整,导致后期其对自身的影响波动式下降。

资本充足率受各项指标的影响情况较为微弱,但是短期和长期内均显示出较强的波动性。其中,商业银行不良贷款率对资本充足率的影响波动性最强,在第5期时达到最大值0.04,但是第7期变成-0.55左右。各项指标对资本充足率的推动作用均在正负效应见波动,且没有一定的规律性。我国商业银行资本充足率收到监管层面的控制,在经济下行时期会迅速进行相应的调整,因此从脉冲响应分析层面没有太强的关联性。值得注意的是各项指标对资本充足率的影响都趋于0,我国资本充足率从远期来看受外界因素和银行内部因素影响不大。

资本净额对自身的影响整体处于递增态势且效应为正,从第1期的370左右升至第10期的600,可以看出资本净额的增加对后期资本进入提供了坚实的保障。杠杆率对其效应一直为负,第1期效应最大为-600,后期逐渐降低且整体平稳,杠杆率越高资本风险越大,因此杠杆率和资本净额呈现出反方向变动^[13]。此外存贷比对资本净额的影响又负效应变成正效应,可见在短期,存贷比的增加可能导致民众持谨慎态度不敢存入太多资本,随着后期安全性的加强会带来更多的资本存入,使得资本净额与存贷比呈正方向变动^[16]。

杠杆率在初期受商业银行不良贷款率、资本充足率和流动性比例影响较大,相比较于其他指标受影响情况而言其受冲击效应较为微弱。各项指标对其效应皆呈现出无规律正负波动,且除了商业银行不良贷款率指标,其余指标均在第4期左右就趋于0效应状态并保持稳定。

金融杠杆是金融风险的催化剂,也是商业银行不良贷款发生的一大主要原因。商业银行应控制杠杆率保持在合理区间范围,促进资金脱虚向实从而规避资本炒作。金融杠杆的有效控制是全面防范化解金融风险中重要环节,去杠杆直击市场的资金流动,因此政策与监管层面应效控制金融机构的杠杆率区间,加大对我国商业银行监管力度,商业银行自身也要树立金融杠杆风险意识,优化内部结构改革以稳定发展。

随着国际化进程的推进,我国商业银行业务不断开拓与创新,流动性风险如不能有效控制,将可能损害商业银行的清偿能力。流动性指标对商业银行不良贷款影响较大,银行流动性是稳定发展的保证,因此商业银行应该强化风险意识,建立完整的风险管理体系着重提高存贷比与成本收入比,从而稳定存款者信心。

银行不良贷款处置的及时性与主动性将影响到不良贷款重组的难度与成本,一般呈现出负相关关系。不良贷款的妥善处理将有利于缓释金融系统中的集聚风险,因此商业银行可以打造专业化团队清收不良贷款、处置相关企业。此外,可以利用信贷环境与大数据平台,公布不良贷款企业名单,通过舆论压力敦促企业提高信用等级。

随着我国市场经济体制改革的不断推进,商业银行面临的风险在数量与难度上不断攀升。因此,完备的风险管理制度和贷款审批制度将有利于商业银行健康发展,我国商业银行在追求利率和业绩的同时往往会从简贷款审批环节,应该公正客观地对借贷企业进行调研,充分暴露项目的潜在风险,并不断跟进项目完成情况,从而强化商业银行抵抗风险的能力,降低不良贷款发生的可能性。

商业银行应该建立健全经济形势预测机制,避免因误判周期性经济规律而带来的业务损失,在重大社会事件、国际事件发生时做到科学判断。在经济下行时,多数企业所有者违约概率更大、投资者投资更加谨慎和及理财产品收益下降等等都会对银行经营带来很大的影响。这要求商业银行对经济形势有较为准备的把握,以顺应经济发展周期,不断强化风险意识并做出正确反应,尽可能减少损失。