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

當前所在位置：中國論文網(wǎng) > 管理論文發(fā)表 > 宏觀經(jīng)濟因素對商業(yè)銀行信用風險的影響分析

宏觀經(jīng)濟因素對商業(yè)銀行信用風險的影響分析

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)濟變量分別對于國有商業(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爆發(fā)以后,國內(nèi)的宏觀經(jīng)濟因素波動劇烈,在此情況下,研究國內(nèi)商業(yè)銀行對于宏觀經(jīng)濟波動的反應,具有一定的現(xiàn)實意義。
中國論文網(wǎng)
　　關(guān)鍵詞:不良貸款率 宏觀經(jīng)濟變量 主成分分析
　　中圖分類號:F830文獻標識碼:A
　　文章編號:1004-4914(2010)03-202-03
　　
　　一、引言
　　對于銀行來說,風險是與生俱來的,它不僅承擔風險、管理風險,還將風險進行轉(zhuǎn)化。在銀行面臨的各種風險中,信用風險是最重要的風險,而不良貸款率是衡量商業(yè)銀行信用風險最直接的指標。普遍觀點認為銀行較高的不良貸款主要是由于金融機構(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,使美國經(jīng)濟發(fā)生了大幅波動,各大商業(yè)銀行貸款的違約率直線上升,實體經(jīng)濟的惡化對商業(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80年代的日本,以及1997年亞洲金融危機之后的韓國等都在經(jīng)歷了一個經(jīng)濟快速增長、資產(chǎn)價格快速上揚和信用快速擴張的階段之后,金融體系卻遭遇了一場全面危機。由此可以看出,宏觀經(jīng)濟的波動會通過許多相關(guān)因素傳遞給金融體系,對商業(yè)銀行信用風險具有極其巨大的影響。
　　本文主要研究宏觀經(jīng)濟波動對我國商業(yè)銀行的不良貸款存在哪些影響,對于經(jīng)濟可能發(fā)生的轉(zhuǎn)變,我國商業(yè)銀行需要吸取各國之經(jīng)驗教訓,提前做好準備,控制信用風險,防患于未然。
　　二、關(guān)于不良貸款率的文獻回顧及研究中存在的問題
　　(一)相關(guān)文獻回顧
　　對于不良貸款,國內(nèi)的許多學者對其成因都做了較為深入的研究。吳曉靈(1995)認為不良貸款產(chǎn)生的主要因素歸于企業(yè)的過度負債,其因果關(guān)系實質(zhì)上是一個問題的兩個方面;林毅夫(1998)認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,指出應彌補債權(quán)保護的法律缺陷;施華強(2004)在雙重軟預算約束框架下分析不良貸款的內(nèi)生性,指出應硬化銀行軟預算約束預期;劉青等(2007)用統(tǒng)計的手段實證銀行高層的更替與其對不良貸款的處理方式具有顯著的相關(guān)關(guān)系。
　　另外,也有部分學者研究了各種因素對不良貸款的影響。比如,李江等(2007)應用主因子分析對國有商業(yè)銀行企業(yè)不良貸款的相關(guān)要素進行分析;蔣鑫(2008)研究了影響商業(yè)銀行信用風險的宏觀經(jīng)濟因素分析;譚燕芝、張運東(2009)基于中國、美國、日本部分銀行的基礎(chǔ)數(shù)據(jù)對這三個國家的信用風險水平與宏觀經(jīng)濟變量進行了實證研究。本文的研究也是受到這些學者研究成果的啟發(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)進行分析,忽略國有商業(yè)銀行不良貸款的政策性剝離,勢必導致實證的結(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去,對國有商業(yè)銀行的不良貸款率單獨進行計算,以期得到更加準確的結(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,對我國商業(yè)銀行不良貸款率的研究中存在幾個比較突出的問題。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、不良債務等多種提法,由于概念的不同導致計算口徑的不同,因而不良貸款率的估算差異較大。二是不良貸款認定標準的變化影響了數(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(即通常所說的四級分類法),2000年之后陸續(xù)采用風險分類法(即通常所說的五級分類法),貸款分類標準的變化導致數(shù)據(jù)即使口徑一致也不完全可比。三是對于國有商業(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年分別對四大國有商業(yè)銀行的不良貸款進行了集中剝離。對同一家銀行而言,政策性剝離影響了剝離前后數(shù)據(jù)的可比性;對不同的商業(yè)銀行而言,政策性剝離的時間差異和剝離數(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、對我國商業(yè)銀行不良貸款率的實證分析
　　(一)變量選擇
　　不良貸款率的高低與生產(chǎn)、消費以及政策導向等因素有密切聯(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)、CPI(居民消費物價指數(shù))四個與生產(chǎn)、消費有關(guān)的變量,i(7天同業(yè)拆借利率)、rm2(M2增長率)兩個與政策導向有關(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)會官方網(wǎng)站,因為國有商業(yè)銀行在2003―2009年進行過不良貸款的政策性剝離,所以本文應用施華強《國有商業(yè)銀行賬面不良貸款、調(diào)整因素和嚴重程度》(2005)的統(tǒng)計方法,對國有商業(yè)銀行不良貸款季度數(shù)據(jù)進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)銀行實際的不良貸款率。宏觀經(jīng)濟指標基礎(chǔ)數(shù)據(jù)來自于2003年―2009年中國經(jīng)濟統(tǒng)計年鑒和國家統(tǒng)計局官方網(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。所有應用于計量模型的數(shù)據(jù)均是在以上基礎(chǔ)數(shù)據(jù)經(jīng)過數(shù)學計算所得到的。
　　(二)描述性統(tǒng)計
　　圖1為投資、消費以及GDP的曲線圖,由該圖可以看出這三個變量都是隨著季節(jié)周期性變化的,這種變動要素往往掩蓋了經(jīng)濟發(fā)展中的客觀變化,因此,在做計量分析之前應先剔除其中的周期性變動要素。
　　通過進行季節(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、消費以及GDP平滑曲線圖,該圖客觀反映了投資、消費以及GDP真實變動情況。
　　本文使用的計量軟件是SPSS 17.0 for Windows,首先將所有數(shù)據(jù)進行描述性統(tǒng)計,如表2。其中,失業(yè)率標準差最小,其波動強度也最弱;投資標準差最大,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)濟變量有直接關(guān)系,運用Pearson模型進行變量間的相關(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物價指數(shù)、GDP、投資及消費強負相關(guān);貸款利率及失業(yè)率對不良貸款率沒有顯著性影響;M2增長率與國有商業(yè)銀行不良貸款率負相關(guān)性較強,而對股份制商業(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)濟指標間有較強的相關(guān)關(guān)系,而且,一些經(jīng)濟指標間也存在較強的正相關(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)的絕對值較大,同時各個解釋變量間相關(guān)系數(shù)的絕對值較小,因此,采用主成分分析的方法,將七個解釋變量通過提取主成分,達到數(shù)據(jù)縮減的目的,以剔除造成多重共線性的經(jīng)濟指標。

　　表4顯示了主成分的統(tǒng)計信息,得到了各主成分的貢獻率及累計貢獻率。第一主成分的特征值為4.204,它解釋了7個原變量的總方差的60.051%;第二主成分的特征值為2.032>1,它解釋了7個原變量的總方差的29.028%。前兩個特征值的累計貢獻率為89.079%,即前兩個主成分包含了原有7個變量的89.079%的信息,所以取前兩個主成分來代替原有的7個指標變量。圖3為所有主成分的碎石圖,從中也可看出前兩個主成分的特征值均高于1,進一步說明應取前兩個主成分。
　　(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對于GDP、投資、消費及CPI指標顯示出較強的關(guān)系,因此z1可以作為描述宏觀經(jīng)濟發(fā)展趨勢的變量,而z2對于M2、失業(yè)率顯示出較強的相關(guān)關(guān)系,因此z2代表與國家政策導向相關(guān)的變量。
　　接下來再將這兩個主成分z1、z2與被解釋變量y1、y2進行線性回歸,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個解釋變量與兩個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),本文對影響銀行不良貸款率的宏觀經(jīng)濟因素進行了實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、消費及CPI這些反映經(jīng)濟大環(huán)境的因素都存在較強的負相關(guān)關(guān)系,但相對來說,股份制商業(yè)銀行的回歸系數(shù)絕對值低于國有商業(yè)銀行的回歸系數(shù)絕對值,在經(jīng)濟快速增長,總體經(jīng)濟形勢良好的情況下,銀行的不良貸款率呈下降趨勢;當經(jīng)濟處于衰退期時,不良貸款便會增加,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,不良貸款率也會隨之增加,這一點國有商業(yè)銀行與股份制商業(yè)銀行的結(jié)果是一致的;3.對于M2增長率,國有商業(yè)銀行與之有著更強的負相關(guān)關(guān)系。我國的貨幣投放在很大程度上受到政策的影響,當經(jīng)濟增速放緩,政府鑒于維持經(jīng)濟穩(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,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)對策及建議
　　近年來,隨著全球經(jīng)濟波動劇烈,我國商業(yè)銀行所面臨的信用風險也不斷加劇,商業(yè)銀行的不良貸款問題也成為國內(nèi)一些學者關(guān)注的焦點。本文出于提高我國銀行業(yè)不良貸款管理水平的目的,通過實證分析,提出以下政策建議:
　　第一,應對不良貸款的分類方法進行改進,精確地評價銀行的信用風險狀況。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,但隨著銀行不良貸款率的降低,特別是當不良貸款率低于5%時,現(xiàn)行的五級分類法區(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分類的基礎(chǔ)上,將貸款細化為12級分類,更加細化和更加科學的不良貸款分類方法值得我們?nèi)ヌ剿鳌?
　　第二,加大對宏觀經(jīng)濟形勢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)濟波動的影響較大,因此商業(yè)銀行應密切關(guān)注反映宏觀經(jīng)濟波動的指標,特別是那些能夠提前反映宏觀經(jīng)濟走勢的指標,將會對商業(yè)銀行下一步的信貸政策提供指引。
　　第三,進一步完善風險量化管理。商業(yè)銀行在構(gòu)建信用風險度量模型時,不僅要從受信企業(yè)各相關(guān)指標入手,更要將宏觀經(jīng)濟波動因素考慮進去,最終要做到對信用風險的可量化與可控化。
　　第四,加快金融創(chuàng)新。我國商業(yè)銀行業(yè)務的單調(diào),受經(jīng)濟波動的影響極大,要不斷進行金融創(chuàng)新探索出適應我國情況的新產(chǎn)品、新工具,以更好的適應經(jīng)濟的波動。
　　
　　參考文獻:
　　1.謝平.融資結(jié)構(gòu)、不良資產(chǎn)與中國M2/GDP[J].經(jīng)濟研究,2007(2)
　　2.施華強.國有商業(yè)銀行賬面不良貸款,調(diào)整因素和嚴重程度1994-
　　2004[J].金融研究,2005(12)
　　3.蔣鑫.影響商業(yè)銀行信用風險的宏觀經(jīng)濟因素分析[J].財經(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)計與管理,2007(1)
　　5.譚燕芝,張運東.信用風險水平與宏觀經(jīng)濟變量的實證研究――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:遼寧大學數(shù)學院 遼寧沈陽 110000)
　　(責編:廉靖)

轉(zhuǎn)載請注明來源。：

 

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

本文編號：113065