不良貸款率和經濟增長的關系范文

本站小編為你精心準備了不良貸款率和經濟增長的關系參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:

我國商業銀行不良貸款率自2014年起兩年內連續出現了逐步上升態勢。商業銀行作為重要的經濟部門，不良貸款率的高低影響著我國經濟風險的大小。通過建立理論模型和VAR實證模型，對商業銀行的不良貸款率與經濟增長的關系及其原因進行分析。兩種模型的分析結果都顯示:經濟增長率的變動會引起不良貸款率趨勢的同向變動;不良貸款率的波動會引起經濟增長率的反向變動。同時，利用VAR模型的脈沖響應分析對當前不良貸款率的成因做了解釋，并預測了不良貸款率可能對未來經濟增長的影響。

關鍵詞:

不良貸款率;經濟增長;理論模型;VAR模型

我國商業銀行不良貸款率在近十年來總體上呈現不斷下降的態勢。自2014年起，我國商業銀行的不良貸款率便呈現出上升的態勢。根據2015年中國銀行業監督管理委員會數據顯示，商業銀行整體不良貸款率從2014年末的1．25%上升至2015年9月的1．59%。不良貸款率的水平影響著一國金融業風險水平的高低，也是一國經濟能否健康發展的關鍵。隨著我國經濟發展進入新常態，經濟增長速度的放緩是否會影響著商業銀行不良貸款率的水平是學界所關注的話題。本文通過建立簡化的經濟模型分析兩者之間的關系，采用VAR模型去估計兩者之間的滯后影響，通過脈沖響應模擬沖擊，試圖解釋當前不良貸款率提升的原因。

一、文獻綜述

關于商業銀行不良貸款與經濟增長的關系，國外學者獲得了不少研究成果。Kaminsky和Reinhart(1999)分析指出，商業銀行不良貸款率的提高使銀行的資產結構惡化，進而減弱銀行融資和資產管理能力，最終導致銀行愿意投放的貸款減少，經濟增長下降，當該效應嚴重時，會導致金融危機的出現。［1］但是我國商業銀行資本充足率較高，銀行監管較為嚴格，并且我國政府對銀行業的管控能力較強，因此，這種分析思路對我國商業銀行的發展缺乏實際意義。Bercoff(2002)分析了阿根廷銀行系統的脆弱性，并運用生存分析法得出了不良貸款率受到GDP等宏觀因素的影響。但是對于該種影響的具體形式，滯后性等問題沒有做出具體的說明。［2］Jimenez和Gabriel等(2005)收集了1984至2004年西班牙商業銀行不良貸款率的數據，該研究發現GDP增長率，信貸條件和實際利率對不良貸款率都有一定程度的影響。但是對GDP增長率，實際利率等因素對于商業銀行不良貸款率的影響路徑等問題并沒有說明。［3］國內有不少學者對此作了深入的研究。謝冰(2009)利用回歸分析方法和主成分分析方法，利用2004—2008年的數據，建立模型分析，認為GDP等宏觀經濟指標對不良貸款率有顯著的影響。［4］岳蓓蓓和鄭循剛(2011)建立VAR模型分析不良貸款的波動與GDP同比增長率之間的關系，認為商業銀行不良貸款率是GDP的增長率變動的格蘭杰原因，而反之不成立。但是，該文中采用的GDP同比增長數據具有較差的連續性和說明性，本文將采用GDP環比增長的季度調整數據以改進該缺點。［5］張漢飛和李宏瑾(2014)對142個經濟體進行面板數據分析，結果顯示，經濟增長對不良貸款率有著密切的正向關系。通過對該模型的進一步分析，不同國家的制度差異也會導致其國內商業銀行的不良貸款率的差異。［6］肖浩(2015)從國際數據推導了宏觀經濟與不良貸款率的關系，認為推行量化寬松政策可以緩解商業銀行的不良貸款率上升問題。［7］從已有文獻中可以發現，目前關于商業銀行不良貸款率和經濟增長關系的研究使用的方法各有優劣，分析的角度也各有不同，然而得到的結論卻是有所不同的。本文將基于之前學者的研究，建立簡單的理論模型和VAR模型，探討該模型所能帶來的意義。

二、理論模型

張漢飛和李宏瑾(2014)運用了簡單的理論模型分析不同國家的商業銀行不良貸款率的異同，本文借鑒其理論模型，將資本市場的投資組合分析擴展到我國的宏觀經濟中，借此分析我國商業銀行不良貸款率與經濟增長率之間的關系。［6］具體而言，把我國經濟的增長率可以視為大量項目收益率的加總，而不良貸款率則可以視為當項目收益率低于出現違約的投資回報率時的項目違約率。

三、實證分析

(一)變量的選取與數據來源上述理論模型的缺點在于并沒有將時間因素考慮在內，雖然得到了表面上較有道理的結論，但是依然不足以闡述經濟增長與商業銀行不良貸款率的關系，尤其是對二者滯后影響的闡述。為了進一步證實上述理論分析的結論，本文采用VAR模型對商業銀行不良貸款率與經濟增長率之間的關系作分析。為了分離理論模型中所提出的兩種不同的沖擊，我們將商業銀行不良貸款率做Hodrick－Prescott濾波分解為趨勢和波動兩個分量，并用GDP季度數據作為經濟增長的變量。此時，模型將能夠很好的揭示上述理論分析的結論。本文在GDP季度數據的選取上，采用的是環比增長率，同時分析商業銀行不良貸款率趨勢項與GDP的關系以及波動項與GDP的關系。本文的VAR模型設立和分析建立在來自Wind數據庫的商業銀行不良貸款率和國內生產總值環比增長率數據的基礎上。我國在2003年之后才正式要求商業銀行統計不良貸款率，在此之前的數據沒有準確的統計，因此本文選擇的是2003年第四季度到2013年第四季度的商業銀行不良貸款率和國內生產總值環比增長率的季度數據。

(二)數據處理與檢驗首先，針對我國商業銀行不良貸款率(下簡稱NPL)的季度數據做Hodrick－Prescott濾波分解，HP濾波的具體參數設置為1600。本文將平穩的趨勢性數據命名為NPL_sm，將波動命名為NPL_cy。圖一是分解前后的圖形。本文將上方較平穩的虛線Trend命名為NPL_sm，其代表了不良貸款率的趨勢。將下方虛線Cy-cle命名為NPL_cy，其代表了不良貸款率的波動。其次，由于國內生產總值的環比數據是季度數據，具有十分顯著的季節性影響，因此需要做季節處理，本文采用的X12的處理方法，將得到的數據命名為RGDP。為了設立VAR模型和作格蘭杰因果關系檢驗，首先需要對分解得到的新數據進行單位根檢驗。單位根檢驗的結果如下所示。其中結果全部小于0．01，即在99%的置信水平下，拒絕不平穩的原假設。由此可知，所有變量都是平穩的。

(三)VAR模型的設立由于NPL_sm與NPL_cy兩個變量是來自NPL數據的濾波分析，因此對作共線性分析可知二者具有較強的共線性，因此不能講上述的三個變量放于同一個VAR模型。所以，本文需要對NPL_sm與RGDP，NPL_cy與RGPD分別設立兩個VAR模型以達到研究目的。據此將NPL_sm與RGDP的模型設立為模型一，將NPL_cy與RGPD的模型設立為模型二。在模型設立之前，為避免模型出現偽回歸問題，首先對已經平穩的兩組數據做Johansen協整檢驗，報告結果如表2、表3所示。從表中可知，兩組數據的P值都趨近于0，因此拒絕不存在協整關系的原假設，即兩個模型不存在偽回歸問題，可以構建VAR模型。基于AIC信息準則對兩個模型進行最優滯后階數確定的結果，可以得出兩個VAR模型同時顯示四階滯后為最優選擇。由于模型設立的目的不是為了研究具體的回歸函數形式，本文對于具體VAR模型的函數形式不再加以深究。對于模型是否能夠進行脈沖分析和方差分解，兩個模型還需要通過VAR模型的平穩性檢驗。對兩個模型所有滯后項根模的倒數的檢驗顯示兩個VAR模型中的所有滯后項根模的倒數都小于1，表明兩個VAR模型都較為穩定，并且脈沖響應分析的標準誤差是有效的。因此可以對兩個VAR模型進行有效的脈沖響應分析。

(四)格蘭杰因果檢驗VAR模型的脈沖響應分析還需要結合兩個變量之間的格蘭杰因果關系。以下分別對兩個模型作格蘭杰因果關系檢驗，其P值報告如表4所示。從上表中可以得出如下結論:模型一中RGDP與NPL_sm互為格蘭杰因果;模型二中，NPL_cy是RGDP的格蘭杰原因，RGDP不是NPL_cy的格蘭杰原因。該結論說明，GDP的環比增長率與不良貸款率的趨勢在時間上具有明顯相互影響的關系。而不良貸款率的波動會影響未來時期的RGDP水平。脈沖響應與方差分解。脈沖響應圖可以對各個模型不同變量之間的關系作出形象直觀的分析。根據以上的分析，模型一和模型二具有良好的性質以進行脈沖響應分析和方差分解。圖1為RGDP的變動對NPL_sm的影響。來自國內生產總值增長率的正向沖擊會引起不良貸款率趨勢的先快速增加，后緩慢下降，并且在第四年至第五年之間出現峰值。圖2為不良貸款率趨勢的沖擊對GDP增長率的影響。雖然格蘭杰因果檢驗認可了這一影響，但是從脈沖分析中可以發現，該影響十分微弱。對模型一的方差分解中更可以清楚的看到，不良貸款率趨勢的變動對GDP增長率的變動影響非常小，而反之GDP增長率對不良貸款率趨勢的沖擊影響卻比較大。因此從模型一中，我們可以得到以下結論:GDP增長率的變動對未來商業銀行不良率趨勢有著正向的長期影響，該影響在第四至五年達到峰值，并且該影響在之后很長時間內逐步減弱為零。其次，通過格蘭杰因果關系檢驗可知，模型二中不良貸款率的波動是GDP增長率的格蘭杰原因，因此本文只報告了具有顯著格蘭杰關系的脈沖響應函數和方差分解，如下圖所示。該脈沖響應函數和方差分解證實了商業銀行不良貸款率對GDP的增長率有著復雜的關系，不良貸款率的波動的正向沖擊在短期內提高了GDP增長率，但在第三季度的時候就對GDP增長率產生了負向的沖擊，使得GDP增長率有下降的趨勢。因此，通過模型二，可以得到以下結論:商業銀行不良貸款率的波動使得GDP增長率先在短期內同向變動后在長期內反向變動，最終在第四年左右，該影響消失。

(五)模型意義首先，以上兩個VAR模型不但證明了理論模型的結論，并且描述了兩者之間沖擊的時間過程。該實證模型證明了:經濟增長率的變動會引起不良貸款率的同向變動，外界因素對不良貸款率造成波動的同時，會引起經濟增長率的反向變動。其次，通過模型一的脈沖分析可以用來解釋2014年后不良貸款率上漲趨勢的原因。根據模型一中得出的結論，GDP增長率的變動會導致不良貸款率的同向變動，并與第四年至第五年達到峰值。根據數據顯示，2007年我國GDP的增長率從年初的14．2%下降至9．6%，之后便穩步下降。根據模型一的結論，在四年后即2012年左右，來自2007年GDP增長率的沖擊會導致的我國的不良貸款率降低至一個最低水平，之后該沖擊帶來的影響便會拉升不良貸款率。來自07年之后年份的沖擊也會不斷沖擊不良貸款率，不斷使不良貸款率先下降至一個最低點后拉升。據此推斷，07年之后GDP不斷降低增速的沖擊結果就導致了2014年之后，不良貸款率上漲的趨勢。模型一還可以結合當前我國進入新常態，經濟增長速度放緩的經濟形勢作合理的推測。經濟增長速度的平穩，會使得不良貸款率也趨于一個平穩的數值。若經濟增長率下滑，會對不良貸款率起到降低的作用。因此，未來不良貸款率將會穩定在某一水平。最后，根據模型二得出的結論，不良貸款率偏離趨勢的波動會在非常短的時期內先導致GDP增長率的同向變動，隨后反向變動。結合實際，當前我國商業銀行不良貸款率偏離了不斷下降的不良貸款率趨勢，出現的不斷上升的波動。該波動對于今后的GDP增長在不到一年的時間內有促進的作用，隨后便會在較長的一斷時期內阻礙GDP的增長。總之，實證模型不但證實了理論模型的結論，而且揭示了如下兩個結論:2007年之后幾年的經濟增長率的下滑導致了2014年不良貸款率的上升態勢;當前的不良貸款率的上升，又會對以后經濟增長起到先促進后抑制的作用。

(六)模型不足一國不良貸款率的影響因素有很多，特別是那些屬于貸款結構性的因素并沒有在該模型中加以分析。我國目前處于經濟發展新常態時期，其特點除了經濟平穩增長外，還有調整經濟發展結構，不斷深化改革的要求。對于銀行未來貸款結構調整的影響，該模型并不能做出解釋。由于數據的可得性，該模型收集樣本數據共有48個，雖然樣本數量足以得到顯著的VAR模型。但該模型的說服能力有待隨著樣本數量的增加而進一步提高。

四、結語

本文通過建立理論模型和兩個VAR模型分別研究商業銀行不良貸款率與經濟增長之間的關系。一方面，理論模型推導結果說明:經濟增長率的變動會引起不良貸款率的同向變動;除了經濟增長率之外的因素對不良貸款率造成沖擊的同時，會引起經濟增長率的反向變動。另一方面，實證模型檢驗顯示，GDP增長率的變動帶來不良貸款率趨勢的同向變動，并在第四年至第五年間達到最高影響水平，之后該同向影響便在長期內降低。而且來自商業銀行不良貸款率波動的沖擊會在一年內促進GDP增長，隨后在長期內阻礙GDP增長。這一結果與理論分析的結果相吻合。

從實證模型的脈沖響應分析中可知，當前不良貸款率的逐步升高是前六年GDP增長速度顯著放緩所帶來的影響，而這種影響不過是不良貸款率受GDP增長影響達到最低點之后的反彈，并不能反應當前經濟發展的狀態。但是，由于過去GDP增長速度的沖擊所帶來的不良貸款率波動的上漲，卻會對未來GDP的增長起到先短期促進后長期抑制的作用，從該角度來分析，我國需要對當前不良貸款率進行一定的管控。因此我們需要對當前不良貸款率的上漲有正確的認識，首先，不良貸款率上漲是以前而不是當前經濟增長放緩所導致的，不良貸款率只是一個經濟增長的滯后指標，所以不能因不良貸款率的提高而決定當前經濟運行的好壞。其次，不良貸款率的上漲對未來經濟的增長是不利的，必須給予重視。

參考文獻:

［1］KaminskyG．＆ReinhartC．Thetwincrises，thecausesofbankingandbalanceofpaymentsproblems［J］．A-mericanEconomicReview，1999，89(3)．

［2］BercoffMT＆PHILBERSG．Stresstestingfinancialsystems:whattodowhenthegovernorcalls［R］．IMFWorkingpaper，2002．

［3］Jimenez，Gabriel＆JSaurina，．Creditcycles，creditrisk，andprudentialregulation［J］．BancodeEspana，2005(1):10．

［4］謝冰．商業銀行不良貸款的宏觀經濟影響因素分析［J］．財經理論與實踐，2009(11):23．

［5］岳蓓蓓，鄭循剛．經濟增長與商業銀行不良貸款率波動的VAR模型分析［J］．金融與經濟，2011(1):28．

［6］張漢飛，李宏瑾．經濟增長的不良貸款效應及異常分野［J］．宏觀經濟研究，2014(3):11．

［7］肖浩．經濟增速、銀行業不良貸款率和量化寬松［J］．金融理論與實踐，2015(12):30．

作者：秦嵐川  袁旭睿  陸佳琪 單位：上海對外經貿大學 金融管理學院 會計學院