本文選題：不良貸款率 + 不良貸款率差分值�。� 參考：《金融理論與實(shí)踐》2017年02期

【摘要】：首次利用2005—2014年省級(jí)面板數(shù)據(jù)實(shí)證分析不良貸款率的影響因素,主要使用不良貸款率的差分值作為被解釋變量,運(yùn)用了雙向固定效應(yīng)模型、基于GMM的動(dòng)態(tài)面板模型相結(jié)合的方法。得出:寬松的貨幣政策、較高的經(jīng)濟(jì)增速與經(jīng)濟(jì)發(fā)展水平有利于不良貸款率的降低,過快的信貸增長(zhǎng)與過高的存貸余額比例不利于不良貸款率的降低,金融深化程度加大有利于不良貸款率的降低,地方政府財(cái)政收支壓力過大會(huì)導(dǎo)致不良貸款率相對(duì)上升,產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化降低了因第二產(chǎn)業(yè)占比過高導(dǎo)致的不良貸款率上升。不良貸款率變化趨勢(shì)一定程度上反映系統(tǒng)性風(fēng)險(xiǎn)的積累,十分有必要加強(qiáng)控制不良貸款率。目前,貨幣政策能夠發(fā)揮積極效應(yīng),同時(shí)應(yīng)通過結(jié)構(gòu)優(yōu)化保持較快的經(jīng)濟(jì)增速、控制信貸過快增長(zhǎng)、化解地方政府性債務(wù)風(fēng)險(xiǎn),需要注意的是,在調(diào)控過程中要處理好相關(guān)政策的反作用。
[Abstract]:For the first time, using the provincial panel data from 2005 to 2014, this paper empirically analyses the influencing factors of the bad loan rate, mainly using the difference value of the bad loan rate as the explanatory variable. Using the two-way fixed effect model and the dynamic panel model based on GMM, the loose monetary policy, the higher economic growth and the economic development water are obtained. It is conducive to the reduction of the non-performing loan rate, the excessive credit growth and the high proportion of the loan balance are not conducive to the reduction of the non-performing loan ratio, the increase of financial deepening is beneficial to the reduction of the non-performing loan rate. The local government financial revenue and expenditure pressure has led to the relative rise of the non-performing loan rate, and the optimization of the industrial structure has reduced the second industry. It is necessary to strengthen the rate of controlling non-performing loans to some extent. At present, it is necessary to strengthen the control of the bad loan rate. At present, the monetary policy can play a positive effect. At the same time, the monetary policy can play a positive effect, at the same time, it should keep fast economic growth, control the rapid growth of credit and resolve local administration through structural optimization. The risk of government debt should be noted that the relevant policies should be handled well in the process of regulation.
【作者單位】： 湖南大學(xué)金融與統(tǒng)計(jì)學(xué)院;
【分類號(hào)】：F832.33

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前3條

1 王千紅;樊新民;;第二章 對(duì)國(guó)際金融危機(jī)下中國(guó)銀行業(yè)不良貸款率下降問題的分析[A];國(guó)際金融危機(jī)與中國(guó)企業(yè)發(fā)展：中國(guó)企業(yè)管理研究會(huì)年度報(bào)告（2009～2010）[C];2009年

2 朱蓉;;制度合法性對(duì)中國(guó)上市銀行不良貸款率的影響研究[A];Proceedings of the 4th International Conference on Engineering and Business Management[C];2013年

3 劉江會(huì);劉興堂;;銀行俘獲行為與監(jiān)管者聲譽(yù)關(guān)系研究[A];上海市經(jīng)濟(jì)學(xué)會(huì)學(xué)術(shù)年刊（2010）[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 但有為;9月末國(guó)開行不良貸款率降至0.66%[N];上海證券報(bào);2007年

2 楊繼紅;山西建行不良貸款率首次降到2%以下[N];山西日?qǐng)?bào);2010年

3 通訊員 金王周　黃嬋;省建行不良貸款率歷史最低[N];湖南日?qǐng)?bào);2010年

4 上海金融與法律研究院研究員 傅蔚岡;不良貸款率上升不是大事[N];東方早報(bào);2012年

5 記者 夏心愉;銀行不良貸款率十年之變：從“求低”走向“求平衡”[N];第一財(cái)經(jīng)日?qǐng)?bào);2012年

6 記者 丁大偉;西班牙不良貸款率再創(chuàng)新高[N];人民日?qǐng)?bào);2012年

7 記者 孟揚(yáng);凈利潤(rùn)增速放緩 不良貸款率“爬坡”[N];金融時(shí)報(bào);2013年

8 國(guó)家信息中心預(yù)測(cè)部世界經(jīng)濟(jì)研究室副主任、中國(guó)國(guó)際問題研究基金會(huì)研究員 張茉楠;賬面不良貸款率低估真實(shí)風(fēng)險(xiǎn)[N];中國(guó)財(cái)經(jīng)報(bào);2013年

9 國(guó)家信息中心預(yù)測(cè)部 張茉楠;警惕隱性不良貸款率大幅上升風(fēng)險(xiǎn)[N];中國(guó)證券報(bào);2013年

10 證券時(shí)報(bào)記者 曾炎鑫　劉曉暉;6家銀行首季盈利增長(zhǎng)近一成[N];證券時(shí)報(bào);2014年

相關(guān)碩士學(xué)位論文 前10條

1 高麗麗;興業(yè)銀行不良貸款率影響因素分析[D];內(nèi)蒙古大學(xué);2015年

2 劉田;次貸危機(jī)后我國(guó)商業(yè)銀行不良貸款率的宏觀經(jīng)濟(jì)壓力測(cè)試研究[D];云南財(cái)經(jīng)大學(xué);2015年

3 陳奕羽;我國(guó)商業(yè)銀行不良貸款率的影響因素分析[D];南京理工大學(xué);2015年

4 陳茜;信貸擴(kuò)張對(duì)我國(guó)商業(yè)銀行不良貸款率的影響分析[D];南京財(cái)經(jīng)大學(xué);2014年

5 范勇;商業(yè)銀行不良貸款率影響因素研究[D];重慶大學(xué);2015年

6 宋娟;次貸危機(jī)以來(lái)我國(guó)商業(yè)銀行不良貸款率行業(yè)因素分析[D];蘇州大學(xué);2016年

7 邰永玉;商業(yè)銀行不良貸款影響因素實(shí)證分析[D];山東大學(xué);2016年

8 李夢(mèng)雅;我國(guó)商業(yè)銀行不良貸款率的影響因素分析[D];重慶大學(xué);2016年

9 徐曉通;中國(guó)銀行業(yè)不良貸款率的影響因素實(shí)證研究[D];山東財(cái)經(jīng)大學(xué);2015年

10 劉茹;我國(guó)商業(yè)銀行不良貸款率影響因素分析[D];東北財(cái)經(jīng)大學(xué);2014年

，

本文編號(hào)：1932042