我国银行业不良贷款问题实证研究+以中国农业银行为例.docx
《我国银行业不良贷款问题实证研究+以中国农业银行为例.docx》由会员分享，可在线阅读，更多相关《我国银行业不良贷款问题实证研究+以中国农业银行为例.docx（15页珍藏版）》请在冰豆网上搜索。
我国银行业不良贷款问题实证研究+以中国农业银行为例
摘要
银行业大规模出现不良贷款问题时，整个国家的金融安全和市场繁荣都会受到严峻挑战。
依据相关的统计数据资料，中国农业银行在不良贷款问题上是一个典型的代表，本文将通过构建一个多元回归模型，采用2008-2015年的宏观经济数据和农业银行财务报表中的数据，借此来解释为什么中国农业银行的不良贷款率高于其他银行水平这一问题。
本文希望通过研究农行的不良贷款问题形成原因和影响因素，为全银行业降低不良贷款带来启示。
经过实证研究，银行业首先要注重改善自身的经营管理行为，尤其是要保证能够维持一个较高的资本充足率；其次商业银行需要发掘新的金融业务增长点，增强自身的盈利能力，这也可以提高商业银行对于抵御风险资产的能力。
关键词：
商业银行；不良贷款；中国农业银行；实证分析
Abstract
In2015,theAgriculturalBankofChinanon-performingloansinthemaintenanceoflow-runningformanyyearsafterthesuddenrapidincreaseinthetrend,thethirdquarterof2015becameChina'sonlynon-performingloanratioofmorethan2%oflistedbanksinChina'scommercialbanksinthenon-performingloanrateTop.Inthispaper,thedefinitionandclassificationmethodsofNPLsareclearlydefined,andthedataof2008-2015areanalyzedthroughthemultipleregressionmodel.Theresultsshowthatthenon-performingloanratioofAgriculturalBankofChinaisnegativelyrelatedtothegrowthrateofGDP,themoneysupplyM2,thebank'scapitaldebtratio,thebank'sprovisioncoverageratioandthebank'snetinterestmargin.Theratioofloanstototalliabilitiesispositivelycorrelatedwithloans.Inordertopreventanddissolvethenon-performingloans,themostimportantthingistoraisethecapitaladequacyratio,strengthentheabilityofresistingrisksandcontrolthecreditrisk.Improvingthemanagementleveloftheagriculturalbankcanhelpdecreasethenon-performingloanratiooftheAgriculturalBankofChina.
Keywords:
Commercialbank,Non-performingloans,AgriculturalBankofChina,Empiricalanalysis
1引言
1.1研究背景及意义
当银行业大规模地出现不良贷款问题时，整个国家的金融安全和市场繁荣都会受到威胁。
在目前的实际情形中，中国银行的不良贷款问题具有一定的严重性，但是中国农业银行在这一问题上比中国银行更加严重。
截止到二零一六年年底，中国农业银行的不良贷款的数额已经高达二千三百零八点三四亿元人民币，而不良贷款占到中国农业银行总贷款额度的百分之二点三七[1]，而为什么中国农业银行的贷款问题最严重的，是因为这两项数据在中国的十六家大型商业银行中间是最高的。
考虑到中国农业银行在中国银行业举足轻重的地位和庞大的资产规模，研究解决农业银行的不良贷款问题变得更加具有代表意义。
并且本文希望通过研究农行的不良贷款问题形成原因和影响因素，能够为中国的银行从业者们预防、解决不良贷款问题带来启发。
1.2文献综述
1.2.1对于影响商业银行不良贷款的因素分析
2003年SimonH.Kwan在《OperatingperformanceofbanksamongAsianeconomies:
Aninternationalandtimeseriescomparison》中对亚洲七个国家银行业从1995-2003年的经营绩效进行分析后，银行的不良贷款率和银行的各种经营成本有十分密切的联系[2]。
在二零零五年的时候，学者施华强在他的文章《国有商业银行账面不良贷款、调整因素和严重程度:
1994-2004》中整理报道了在一九九四年到二零零五年的时候中国农业银行的不良贷款率，并且还分析了银行贷款类别划分手段以及政策性剥离等方面因素对于不良贷款率上的影响[3]。
文章最后他得出结论：
不良贷款的问题若继续保持高位增长将成为制约银行业繁荣的重要因素[4]。
在二零一四年的时候，刘妍学者在她的《我国商业银行不良贷款成因及相关因素分析》一书中，首先把房地产行业作为首要的研究对象，采纳并分析了在二零零六年到二零一二年七年的宏观经济数据以及相关行业的数据指标，作者得出结论：
推动国民经济又好又快发展，提高收入分配的公平性，打击房地产行业的泡沫这些举措对于降低银行不良贷款率有很大帮助[5]。
在二零一二年的时候，学者张婷婷、彭振江以及屈松三个人在联合完成的文章中谈到，他们认为在金融危机的浪潮退去之后，中国的银行业的信用贷款数额的快速增加将会导致银行业未来的不良资产率迅速上升。
当中国的政府实施相对宽松的货币政策的时候，中国的银行业的不良贷款率在通常情况下都会和国家的货币供给量成反比[6]。
1.2.2对减少不良贷款的措施和建议的研究
在一九九五年的时候MinskyHymanP.在其文章《Longerwavesinfinancialrelations:
financialfactorsinthemoreseveredepressionsII》中认为银行在经济繁荣时期为追逐利润过度负债，当经济萧条时又没有足够现金流去支撑债务的偿还而导致通货紧缩，从而导致了不良贷款率的提高。
Minsky将企业划分成为三类：
抵补性的借款企业（Hedge-FinancedFirm）、投机性借款企业（Speculative-FinancedFirm）和庞氏企业（PonziFirm）。
这些企业的大量存在，使得金融市场的安全受到挑战，不良贷款率因此而提高[7]。
在二零一零年的时候，陈璐学者在她的文章里面就写到，通过利用推动经济发展、提升政府收入以及健全市场的信用管理体制等手段能够有效地降低银行的不良贷款率[8]。
在二零一四年的时候，赵一阳在他的文章里面就给出了一系列有关降低银行的不良贷款率的方法以及手段。
他认为银行行业可以建立一系列科学有效的信用贷款资产封信管理体制，而这一风险管理体制可以由不良的信用贷款的防御开始一直到出现不良资产后银行的处理规则作为结束，让各个管理部门协调一致地妥善处置银行不良贷款[9]。
在查阅了上述文献之后，我认为要研究银行业不良贷款问题的影响因素需要从宏观经济因素和商业银行自身的管理方式这两方面做起。
另外银行自身的经营管理的好坏也能够促使不良贷款利率的上升。
因此银行的净利差、资本充足率、拨备覆盖率等衡量商业银行盈利能力和处理风险信贷资产能力的指标，也是不良贷款率的重要影响变量。
1.3研究内容
文章共分为五部分：
第一部分为论文的引言部分。
主要包括论文的研究背景及意义、国内外研究现状、文章的研究内容及研究方法。
第二部对不良贷款的定义及分类方法进行明确说明。
第三部分对中国的四大国有商业银行的不良贷款率的现状进行分析研究，明确了中国农业银行不良贷款的特殊性，并且在后文中对其进行论证分析。
第四部分研究剖析影响中国农业银行不良贷款率的原因，利用相关方法检验各种影响因素对中国农业银行不良贷款率的影响程度。
第五部分是根据一系列的研究以及得出的结论提出相关建议。
2有关不良贷款的定义及分类方法
不良贷款又名问题贷款或者不良资产。
不良贷款故名意思即借款人不能按时在协议期限内偿付本息的贷款[10]。
在大部分情况下，若是借款人拖欠银行的贷款的本金以及利息达到三个月或以上的时候，银行的系统就会将这一贷款自动归类到不良贷款一类。
现在“贷款风险五级分类法”是国际上使用最普遍的关于不良贷款的分类方法，该方法对于我国相关法律中关于不良贷款的概念界定和分类规则也有很大影响。
“五级分类法”就是把还没有到达期限的信用贷款资产划分成五个类别：
第一类是正常，第二类是关注，第三类是次级，第四类是可疑，第五类是损失，在这五种类别中门后面三种类别的贷款一概被称为不良贷款。
中国目前运用的不良贷款的划分方法也与这种分类法相似[11]。
3中国农业银行不良贷款现状
国外的著名金融杂志《银行家》根据银行的资本能力、盈利能力及竞争表现对于世界银行进行了综合排名，在二零一六年的时候的排名中中国农业银行位居世界第九位、中国第三位。
把农业银行与四大行余下三家二零一六年的时候的经营数据作比较（见下表3-1），我们可以发现农行和其他大银行资产总额相差不大；但是净利润排名仅仅为第三名；农行的不良贷款率为百分之二点三七，远高于其他三家国有商业银行，综合来看农业银行的资产质量比较差[12]。
下表是中国农业银行二零一四年到二零一六年的三年内里面的五类贷款统计表。
截止到二零一六年年末，中国农业银行发行的不良贷款总额就高达两千一百二十八点六七亿元人民币，与二零一四年的数据相比，中国农业银行的不良贷款总额上升了一千二百四十九亿元人民币，不良贷款率达到百分之二点三九，同比上升了百分之一点一七。
从图3-1以及图3-2中我们可以看出尽管农业银行近年来在完善内部经营管理体制和建立高效内部风险管理系统等方面有所建树，但是依然没能改变农业银行不良贷款余额严重的问题。
4中国农业银行不良贷款率产生原由
4.1模型变量选取
在查阅了上述相关的资料以及文献之后，我认为要研究银行业不良贷款问题的影响因素必需要从宏观经济因素和商业银行自身的管理方式这两方面做起。
综合多方面的因素，我最后选择了国民生产总值（GDP）同比增长率、广义货币供给量、中国农业银行平均资本充足率、中国农业银行平均贷款/总负债比、中国农业银行不良贷款拨备覆盖率和中国农业银行平均净利差六个变量作为解释变量，而把中国农业银行的不良贷款率则当作研究里面被解释的变量。
4.2影响中国农业银行不良贷款率相关因素剖析
（1）国民生产总值增长率与银行不良贷款率两者之间的联系
在国民生产总值增长较快的时期，企业会主动扩大生产以争取创造更多利润，这就增加了企业的资金需求，银行的信贷规模会进一步扩大。
与此同时因为企业的净利润较高，所以企业有更好的现金流量控制，这会使企业的偿付贷款本息的能力增加，因此农业银行的不良贷款率降低了。
反之如果国民生产总值增长率下降，说明经济萧条，企业的营业收入不景气，甚至会发生现金流紧张的情况，企业违约的风险也增加了。
（2）货币供应量增长率与银行不良贷款率两者之间的联系
在经济发展低迷的时候，国家出于拉动投资、扩大内需、刺激经济发展的考虑，经常会采用宽松的货币政策即增加货币的供应量。
因此企业的融资成本减少了，这对于企业扩大生产和提高营业收入有很大帮助，而且企业的流动性安全也可以得到保证，所以银行的信贷资产出现不良贷款的概率较小；反之，在经济发展过热的时期，国家为了稳定物价，消除市场泡沫会实行紧缩的货币政策即减少货币的供应量。
此时企业的融资成本增加引发了连锁反应。
企业很可能发生资金链紧张的情况。
因此这一时期银行信贷资产很容易出现不良贷款。
（3）农业银行资本充足率与不良贷款率两者之间的联系
当农业银行的资本充足率良好时，银行的资本总额足够应付风险资产的冲击，换言之银行可以在不良信贷资产形成的时后，能够利用自身良好的资本余额进行处理以及解决。
这是一种间接降低银行不良贷款存量的方式。
反之，若银行不能保证拥有良好健康的资本充足率时，当信贷违约的危机发生时，银行正常的经营运作会受到很大冲击。
（4）农业银行贷款与总负债比例和不良贷款率两者之间的联系
当银行的贷款与总负债比例较高时，银行的信贷规模过大，这就意味着银行的资产结构不合理，银行也会面临很大的经营风险。
银行的信贷资产中出现不良贷款的概率会上升；反之，当银行的贷款/总负债比例较低时，银行信贷资产的结构性和安全性就越好。
银行的信贷资产组合中出现不良贷款的概率会下降。
（5）农业银行不良贷款拨备覆盖率与不良贷款率
如果农业银行的不良贷款拨备覆盖率处于较高水平的阶段，那么它对于信贷资产违约风险的准备和预防就应该越充分。
银行可以利用贷款损失准备金或是利润盈余对不良贷款的损失进行吸收消化。
反之，如果商业银行的信贷资产管理水平较低，损失准备金不够弥补信贷资产违约的损失，那么不良贷款率会上升。
（6）农业银行净利差和不良贷款率两者之间的联系
我们都知道衡量商业银行的净利息的收入水平最常用的就是净利差指标。
当净利差较高的情况出现的时后，银行的利润和流动性现金就会十分充裕。
所以在出现不良贷款形成以后，银行的利润可以与不良贷款的损失进行对冲，这就会间接地减少银行不良贷款的数量。
反之，净利差越低，银行的经营状况就越不理想，银行的利润就很难抵御信贷违约的风险。
4.3数据来源
附录中记录了这个回归模型所采用的具体数据。
模型中应用的与宏观经济相关的数据均来源于中国国家统计局官网。
其余的有关中国农业银行的经营数据则来自于中国农业银行官网上发布的年度财报等资料文件，另外，所有的数据都是以季度为时间单位的。
4.4实证分析
4.4.1多元回归模型的设计
那么下面我们就能够构建一个多元线性的回归模型了。
假定国民生产总值同比增长率为模型的一个解释变量，就用X1来表示
假定货币供给量同比增长率为模型的一个解释变量，就用X2来表示
假定中国农业银行平均资本充足率为模型的一个解释变量，就用X3来表示
假定中国农业银行平均贷款/总负债比为模型的一个解释变量，就用X4来表示
假定中国农业银行平均不良贷款拨备覆盖率为模型的一个解释变量，就用X5来表示
假定中国农业银行平均净利差为模型的一个解释变量，就用X6指代
假定中国农业银行不良贷款率为模型的被解释变量，就用y指代
那么回归方程就能够表达为:
y=c+c1X1+c2X2+c3X3+c4X4+c5X5+c6X6+u公式
（1）
其中，c，c1，c2，c3，c4，c5，c6这七个解释变量代表的是从X1到X6不同的解释变量的估值系数，其中u代表的是残差项。
4.4.2回归分析
使用最小二乘法对查找到的相关数据资料（详细资料见附录）进行回归分析。
回归结果见下表4-3。
表4-3
R-squared
0.940708
Meandependentvar
0.020969
AdjustedR-squared
0.926478
S.D.dependentvar
0.009993
S.E.ofregression
0.002710
Akaikeinfocriterion
-8.793419
Sumsquaredresid
0.000184
Schwarzcriterion
-8.472789
Loglikelihood
147.6947
F-statistic
66.10671
Durbin-Watsonstat
1.448752
Prob（F-statistic）
0.000000
表4-3里记录了本模型中的相关估计量与参数值，模型修正后的决定系数（R2）是92.65%，这说明该模型的拟合程度比较好。
模型的D.W.统计值=1.448752>R2。
这就说明这一相关数据模型的构建是科学有效的，具有一定的研究意义。
另外我们可以依据模型所得到的的统计数值F=66.10671，P=0.000000，那么我们就可以知道回归模型通过了F检验的显著性水平测试。
说明选择的变量“国民生产总值同比增长率X1”、“货币供给量同比增长率X2”“中国农业银行平均资本充足率X3”、“贷款/总负债X4”、“不良贷款拨备覆盖率X5”和“银行净利差X6”整体上对中国农业银行的不良贷款率y造成了显著性的影响。
我们建立公式
（1），运用eviews的方法来进行多元线性回归分析，所得出的结果见下表（4-4）。
表4-4回归分析结果
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
0.110535
0.009204
12.00959
0.0000
X1
-0.156700
0.042715
-3.668535
0.0012
X2
-0.050351
0.014052
-3.583049
0.0014
X3
-0.506404
0.067434
-7.509570
0.0000
X4
0.010403
0.006899
1.507912
0.1441
X5
-0.004039
0.000931
-4.339600
0.0002
X6
-0.242061
0.121456
-1.992990
0.0473
通过表4-4我们可以看出，在显著水平α=0.05时，X1、X2、X3、X5和X6的P值（收尾概率）分别为0.0012、0.0014、0.0000、0.0002和0.0473均小于0.05，用T形的方式就可以使我们了解到解释变量X1、X2、X3、X5和X6均通过了检查。
但是解释变量X4，也就是贷款与总负债比例的P的值（收尾概率）为0.1441>0.05，这就说明了解释变量X4没有通过T形的检查。
不过该线性回归模型的整体上的P值<0.05，所以这就表明了解释变量X4不会影响模型整体上的准确性。
经过实验分析证明，我们可以得出以下结论：
在其他解释变量保持不变的条件下，“国民生产总值年度同比增长率（X1）”、“货币供应量同比增长率（X2）”、“中国农业银行平均资本充足率（X3）”、“中国农业银行平均不良贷款拨备覆盖率（X5）”和“中国农业银行平均净利差（X6）”等解释变量分别对于被解释变量“中国农业银行不良贷款率”造成了显著性影响，而解释变量“中国农业银行平均贷款/总负债比例（X4）”并没有对中国农业银行的不良贷款率产生较大影响。
从表4-4中我们计算出了各个解释变量的估值系数，得到了一个数学表达式：
y=0.110535-0.156700X1-0.050351X2-0.506404X3+0.010403X4-0.004039X5-0.242061X6+u公式
（2）
从公式
（2）中可以看出，国内生产总值同比增长率（X1）、货币供应量同比增长率（X2）、中国农业银行平均资本充足率（X3）、中国农业银行平均不良贷款拨备覆盖率（X5）和中国农业银行平均净利差（X6）对于解释变量中国农业银行不良贷款率（y）贡献了负的贡献值，相关影响系数分别为-0.156700、-0.050351、-0.506404、-0.004039和-0.242061；中国农业银行平均贷款/总负债比例（X4）对于解释变量中国农业银行不良贷款率（y）贡献了正的贡献值，X4的相关影响系数分别为0.010403。
这个模型的实验结果和之前的相关推测基本上是相同的。
4.4.3实证研究结论
经过一些列的实验调查，我们可以知道国内生产总值同比增长率（X1）、货币供应量同比增长率（X2）、中国农业银行平均资本充足率（X3）、中国农业银行平均不良贷款拨备覆盖率（X5）和中国农业银行平均净利差（X6）对于解释变量中国农业银行不良贷款率（y）具有较大的负面上的影响。
另外解释变量“中国农业银行平均贷款/总负债比例（X4）”并没有给中国农业银行的不良贷款率带来较大的冲击。
下列是关于一些相关系数的估值补充：
（1）在其他变量不变的前提下，每季度的国民生产总值同比增长百分之一，中国农业银行的不良贷款率就平均减少百分之零点一五六七。
（2）在其他变量不变的条件下，季度平均货币供应量每增长百分之一，中国农业银行的不良贷款率就平均减少百分之零点零五零三五一。
（3）假定其他条件不变，中国农业银行的平均资本充足率每增长百分之一，中国农业银行的不良贷款率就平均减少百分之零点五零六四零四。
（4）中国农业银行的贷款占总负债比例对农业银行不良贷款率产生显著性影响，在其他变量不变的前提之下，每季度中国农业银行的平均贷款占总负债比例每增长百分之一，中国农业银行的不良贷款率就平均增加百分之零点零一零四零三。
（5）假定其他变量不变，中国农业银行的平均拨备覆盖率每增加百分之一，中国农业银行的不良贷款率就平均减少百分之零点零零四零三九。
（6）假定其他条件不变的情况下，中国农业银行的平均净利差每增加百分之一，中国农业银行的不良贷款率就会平均减少百分之零点二四二零六一。
5结论及建议
经过实证研究在众多的影响因素中，农业银行还是要首先注重改善自身的经营管理行为，尤其是要保证能够维持一个较高的资本充足率，这可以极大地强化农业银行应对风险资产的处理能力。
农业银行还需建立一个完善的信贷资产风险预防机制，提高自身的经营管理水平，吸取其他大型商业银行在预防处理不良贷款方面的经验心得。
其次，商业银行需要努力扩大自身的资产规模和营业收益，如果银行业能够保持一个较高的净利差，银行刨去基本经营成本后的利润盈余就可以抵御信贷违约的风险。
另外尽管在理论上银行保持较高的拨备覆盖率，银行的损失准备金可以弥补信贷资产违约的损失，但是经过实证研究，这样的理论太理想化了。
如果出现损失金错配的情况，即使银行保持较高拨备覆盖率也很难依靠自身的力量消化不良贷款。
最合理的策略是提升信贷资产管理水平。
例如将准备损失金与违约风险较高的信贷资产进行匹配，将少部分损失金分配到违约风险低的信贷资产。
最后希望中国银行业可以进一步降低不良贷款率，这对于维护我国金融市场秩序，促进中国经济继续快速发展都具有重大的意义。
作者签名：
参考文献
[1]周浔倩．商业银行不良贷款影响因素及防范措施[D]．重庆：
重庆大学经济工商管理学院，2005．
[2]SimonH.Kwan．OperatingperformanceofbanksamongAsianeconomies:
Aninternationalandtimeseriescomparison[J]．JournalofBanking&Finance，2003（9）：
99-103．
[3]施华强.国有商业银行账面不良贷款、调整因素和严重程度:
1994-2004[J].金融研究,2005,12:
25-39.
[4]谢冰．商业银行不良贷款的宏观经济影响因素分析[J]．财经理论与实践，2009（6）：
44-46．
[5]刘妍.我国商业银行不
升级会员 