商業銀行不良貸款與宏觀經濟因素關聯分析

楊正梅

（江蘇銀行淮安分行風險合規部，江蘇 淮安 223001）

一、引言

目前我國對于商業銀行的資產管理也越來越重視，自1999年起，政府曾多次出面對商業銀行進行壞賬剝離，國有銀行的壞賬數額在其中是占了絕大多數。目前四家國有商業銀行均已上市，資產狀況良好，同時我國的股份制商業銀行的發展也呈現出良好的態勢，不良貸款余額和比例連續保持“雙降”。本文將以一個不同的視角，從宏觀經濟的層面對不良貸款進行深度剖析，從而對其有一個更為深刻地了解，也對商業銀行貸款的管理提出相應建議。

二、文獻綜述

（一）傳統的不良貸款產生理論

銀行之間的貸款競爭模型是在1986年提出的，該理論的核心觀點可表述為，銀行在貸款市場開展的競爭，促使銀行通過貸款而獲取的利潤減少，降低了銀行的收益率和獲利能力，最終導致利潤為零，嚴重削弱了銀行的抗風險能力和謀求發展的能力。

勉強貸款是指銀行在一定利率水平下向借款人提供超過其意愿需求的貸款。勉強貸款形成的原因大致有兩個：一是能促進出口時，銀行傾向于提供超量跨國貸款；二是當銀行經理的升遷與其經營業績緊密相關，而衡量經營業績的一個重要指標是貸款量的情況下，銀行經理傾向于超量貸款。

（二）宏觀層面分析

中國人民銀行淮南市中心支行課題組針對淮南市這一特定的對象做了不良貸款與宏觀經濟的灰色關聯分析。

李紅梅、李劍采用國民生產總值、投資、消費、居民消費物價指數，分別對剔除政策性壞賬剝離因素的國有商業銀行不良貸款率以及股份制商業銀行不良貸款率進行實證分析，并提出了相應的對策及建議。

三、理論基礎與數據來源

（一）理論基礎

宏觀經濟指標是體現經濟情況的一種方式，主要指標包括國民生產總值、通貨膨脹與緊縮、投資指標、消費、金融以及財政指標等。

（二）數據來源

本文應用施華強《固有商業銀行賬面不良貸款、調整因素和嚴重程度》的統計方法進行調整得出調整后數據，即從2004年開始每年不良貸款余額均加上18756億元，2005年開始不良貸款余額再加7050億元，從而得到剔除剝離影響后的不良貸款余額及不良貸款率。

四、實證檢驗與結果分析

（一）相關性檢測

GDP和投資、消費有很強的相關性，7天同業拆借利率和貨幣供應量增長率有一定的相關性，CPI和失業率的相關性也較為顯著。以下，本文將嘗試用兩種不同的方法去除多重共線性，優化擬合曲線。

（二）逐步回歸分析去除多重共線性

在GDP、投資和消費中選擇擬合程度最好的GDP為這一組的代表性變量，而其余四個變量由于相關性不是很強，難以確定是否能夠相互替代，故本文將變量逐一加入，逐步回歸。

找出最簡單的回歸形式，作NPLR2與GDP的回歸：

NPLR2 = 53.85 ! 0.0004GDP

選該方程為初始的回歸模型。

因此，最終的國有商業銀行不良貸款率函數應以NPLR2 =f ( GDP，I，UR )為最優，擬合結果如下：

（三）主成分分析去除多重共線性

解釋變量與主成分之間的線性方程組，假設提取出來的兩個主成分分別為F1、F2，則構造出來的線性方程組如下：

F1 = 0.3GDP + 0.124CPI + 0.296INVEST+

0.299CONSUME + 0.04I + 0.147M2R + 0.005UR

F2 =-0.008GDP - 0.341CPI + 0.03INVEST +

0.022CONSUME - 0.351I + 0.281M2R + 0.436UR

通過以上方程組可以看到，F1對于GDP、投資和消費的指標顯示出較強的關系，因此F1可以作為描述宏觀經濟發展趨勢的變量，而F2對于CPI、利率、M2增長率以及失業率顯示出較強的關系，F2則顯示出國家政策導向和宏觀經濟發展的波動情況。

五、總結與建議

根據實證分析表明，我國的國有商業銀行不良貸款間接受宏觀經濟因子的影響，因此，要降低商業銀行不良貸款余額，首先需要加大對宏觀經濟形勢及國家相關政策的研究，尤其是那些能夠提前反映宏觀經濟變動的指標，加強政府對經濟的宏觀調控。其次要大力發展經濟，擴大內需，拉動消費，間接降低不良貸款。另外，同時還要加強改善國有商業銀行外部環境，發揮政府在處理不良貸款中的引導作用，給予政策、資金等方面的支持，緩解不良貸款。最后，還要完善相關的法律制度，積極支持銀行部門保全資產，規范市場經濟秩序，完善社會信用體系，為商業銀行提供良好的信用環境。

[1]高鐵梅.計量經濟分析方法與建模——Eviews應用及實例（第二版）[M].北京：清華大學出版社，2011.

[2]胡冰星.商業銀行不良貸款管理的理論與實踐[M].上海：復旦大學出版社，1999.

[3]李子奈.計量經濟學 [M].2版.北京：高等教育出版社，2009.

[4]李紅梅，李劍.宏觀經濟因素對商業銀行信用風險的影響分析[J].經濟師，2010（03）.