我國商業(yè)銀行不良率與證劵化的關系

梁璐璐+林舒+張之

摘要：近年，國內(nèi)資產(chǎn)證券化業(yè)務蓬勃發(fā)展。文章引入我國商業(yè)銀行動態(tài)面板數(shù)據(jù)，采用2SLS估計、差分GMM估計及系統(tǒng)GMM估計三種方式，實證檢驗我國商業(yè)銀行不良貸款率與證券化變量之間的內(nèi)在關系。結果表明，不良貸款率與證券化變量之間的系數(shù)不顯著，表明目前我國商業(yè)銀行在發(fā)行資產(chǎn)證券化產(chǎn)品時不存在逆向選擇、“以次充好”的現(xiàn)象。這主要是由于我國商業(yè)證券化發(fā)展還處于起步階段，銀行更多地會按照行業(yè)、地域、分散度、利率、期限等出發(fā)篩選貸款進行產(chǎn)品結構設計。文章最后建議為了防范證券化業(yè)務中的逆向選擇，應加強相關機構的信息披露監(jiān)管要求。

關鍵詞：資產(chǎn)證券化；不良貸款率；動態(tài)面板模型

一、引言

對監(jiān)管機構來說.事后探索已發(fā)生危機的信用風險誘導因素是一個非常重要的議題。眾所周知.銀行的不良貸款率是銀行體系內(nèi)最重要的指標之一.不良貸款的一些特征可用來觀測潛在的銀行危機。在許多宏觀經(jīng)濟或銀行相關問題的研究中.也常把銀行不良貸款率作為其中一個解釋變量。

2008年次貸危機之后.銀行體系的金融穩(wěn)定性問題引起廣泛關注.其中證券化和不良貸款率之間的微妙關系十分值得商榷。許多人認為證券化是引發(fā)次貸危機的元兇.一些學者的研究結果表明.在危機前銀行就已經(jīng)觀測到了貸款不良率的上升.但依然會選擇將資產(chǎn)進行證券化操作，這種操作進一步加大了體系內(nèi)風險。進一步地，假設銀行已知曉貸款質(zhì)量發(fā)生惡化.是否會在具備天然信息優(yōu)勢的情況下.傾向于選擇這類低質(zhì)貸款進行證券化操作。由于資產(chǎn)證券化業(yè)務產(chǎn)品結構相對復雜.目前僅能依靠評級機構、律師事務所等專業(yè)的中介機構進行發(fā)行前盡調(diào).同時評級機構出具評級報告的盡調(diào)、評估及模擬計算過程對于大多數(shù)投資者來說又是“黑匣子”。因此.這個問題目前從操作層面無法取得令人滿意的答案。很多文獻嘗試從數(shù)據(jù)分析的角度.佐證銀行是否在證券化操作中存在這類“逆向選擇”的問題。

2015年之后.證券化業(yè)務在我國發(fā)展如火如荼。信貸資產(chǎn)證券化經(jīng)過近10年的穩(wěn)步發(fā)展和近兩年的爆發(fā)式增長.2016年信貸資產(chǎn)化的總體發(fā)行規(guī)模達到了3868.73億元.截至2015年.信貸資產(chǎn)證券化一直是發(fā)行量最大的品種。以CLO為代表的銀行資產(chǎn)證券化業(yè)務.近幾年也呈現(xiàn)出基礎資產(chǎn)愈發(fā)豐富的現(xiàn)象.囊括了個人住房抵押貸款支持證券（RMBS）、個人汽車抵押貸款支持證券（Auto-ABS）、租賃ABS、消費性貸款ABS、信用卡貸款ABS和不良貸款ABS等幾大類型。

因此.研究我國銀行信貸資產(chǎn)證券化業(yè)務中.不良率與資產(chǎn)證券化指標的邏輯關系、商業(yè)銀行是否在證券化操作中存在“逆向選擇”問題具備一定的現(xiàn)實意義。美國數(shù)據(jù)顯示.使用差分GMM估計方法對銀行不良貸款率與銀行證券化資產(chǎn)的關系進行的實證研究研究結果顯示.美國的中小型銀行不良貸款率與證券化資產(chǎn)總額存在顯著負相關.即美國的中小銀行更傾向于選擇低質(zhì)貸款進行證券化：而美國的大型銀行則并沒有這種情況。本文則結合動態(tài)面板數(shù)據(jù)模型.引入我國商業(yè)銀行不良貸款率及證券化數(shù)據(jù).分析我國銀行證券化操作與不良貸款率的相關性。

本文結構安排如下：第一部分為引言：第二部分為模型構建：第三部分為實證結果與分析：第四部分為結論與政策建議。

二、動態(tài)面板模型的構建

有關銀行逆向選擇問題的論證.一方面可以通過微觀視角即借款企業(yè)的角度來分析。一方面可以通過宏觀視角即貸款整體質(zhì)量來分析。但考慮到企業(yè)內(nèi)部信息獲取難度較大.因此此類分析一般也都采用從貸款質(zhì)量的角度人手.分析逆向選擇和道德風險問題的存在。

在分析貸款質(zhì)量時.可以直接對比證券化后的貸款質(zhì)量和非證券化的貸款質(zhì)量。還有一種方法是從時間維度.探索銀行證券化變量對于銀行不良貸款的內(nèi)在影響機制。

第一種量化思路即直接對比證券化后的貸款質(zhì)量和非證券化的貸款質(zhì)量.這類方法首先需要對比標的證券化貸款質(zhì)量在證券化操作前后的變化.但這一分析無法直接得出貸款質(zhì)量的變化是由于證券化操作等外生因素導致.還是由于銀行在發(fā)現(xiàn)貸款質(zhì)量下降后傾向于將這類貸款資產(chǎn)證劵化的結論。因此.還同時需要比較分析證劵化的貸款質(zhì)量與同類非證券化的貸款質(zhì)量。這種研究邏輯的難點在于，很難找到同質(zhì)且可比的貸款.且貸款層面仍需要企業(yè)的一些微觀數(shù)據(jù)。因此.本文選取第二種研究思路.引入動態(tài)面板數(shù)據(jù)模型.研究銀行證券化業(yè)務是否存在逆向選擇。

1.模型的構建。動態(tài)面板模型中.解釋變量包含了被解釋變量的滯后值。一般地，動態(tài)面板模型可以刻畫為：

如果將水平方程（1）與差分方程（2）作為一個方程系統(tǒng)進行GMM估計，則成為“系統(tǒng)GMM”估計。假設前提是利率變動率.選取一個資產(chǎn)證券化變量.即可以構建如下動態(tài)面板模型：

2.樣本選擇與數(shù)據(jù)。本研究從我國商業(yè)銀行中選取了提供有效的不良貸款率數(shù)據(jù)且開展表外證券化資產(chǎn)的13家銀行2014年至2016年的季度數(shù)據(jù)作為樣本進行研究.數(shù)據(jù)均來自Wind數(shù)據(jù)庫。不良貸款率NPL選擇了標的銀行所披露的季度不良貸款率.具體算法為該銀行當期逾期90天以上的貸款額除以當期貸款總額。由于只有年度數(shù)據(jù).因此我們按照國內(nèi)研究的慣例.采用工業(yè)增加值作為替代。失業(yè)率變量UN選取我國城鎮(zhèn)登記失業(yè)率。市場利率采用短期貸款利率：6個月（含）。同時，作為最為重要的資產(chǎn)證券化變量.考慮到我國并沒有現(xiàn)成的資產(chǎn)證券化數(shù)據(jù)，因此我們將各銀行近年來發(fā)行的企業(yè)貸款、消費貸款、不良貸款等數(shù)據(jù)加總作為各銀行表內(nèi)的資產(chǎn)證券化總量。

這些證券化參與度較高的銀行不良貸款率的描述性統(tǒng)計變量如表1。結果顯示我國商業(yè)銀行不良率在國有銀行、股份制銀行、城商行中呈現(xiàn)階梯型下降的趨勢。這與美國商業(yè)銀行的情況截然相反。從直觀上判斷.由于不良率會隨著貸款數(shù)量的增加而增長，最終到達穩(wěn)態(tài)。我國國有商業(yè)銀行從歷史上看一直在市場中處于壟斷地位.整體貸款的體量較大。而無論是股份制銀行還是城商行，由于都處于貸款數(shù)量上升階段.不良貸款率仍處于低位水平。而美國大型商業(yè)銀行的壟斷程度較低.因此在不良貸款分布上與我國情況有所出入。endprint

考慮到我國銀行開展證券化的歷史年限較短.銀行數(shù)量體量較小.且目前并非所有大中小型銀行均有開展表內(nèi)證券化業(yè)務。因此結合我國的數(shù)據(jù)體量很難將數(shù)據(jù)分為大型、中型、小型銀行三類建立動態(tài)面板模型進行研究。并且.考慮到不良貸款率與各期滯后宏觀經(jīng)濟指標的相關性并不是本文重點.且依據(jù)作者多次回歸的比較結果得出.加入各宏觀經(jīng)濟變量滯后變量對模擬回歸結果并無裨益.因此本文基于以上原因對模型進行調(diào)整.即：

三.實證結果

1.模型的構建。為了觀察不同估計下參數(shù)的差異.我們采用2SLS估計、差分GMM估計及系統(tǒng)GMM估計。相關系數(shù)估計結果見表2。結果表明.依據(jù)我國目前的數(shù)據(jù)來看.三種估計方法計算得出的銀行證券化指標與不良貸款率指標均不存在顯著的相關性。這也就意味著.目前我國商業(yè)銀行在資產(chǎn)證券化業(yè)務中并不存在逆向選擇、“以次充好”的現(xiàn)象。從估計結果來看，不良貸款變量ANPL與銀行資產(chǎn)證券化指標SECi的當期值、滯后一階值均呈負向的相關關系.說明我國商業(yè)銀行的不良貸款率會隨著證券化規(guī)模的擴大而減小.這表明.銀行有可能通過證券化剝離了一部分質(zhì)量較低的貸款.從而降低銀行的不良率。但由于系數(shù)并不顯著.因此.基于目前我國的已有數(shù)據(jù)該判斷無法成為定論。

從估計結果來看.三種方法各個系數(shù)的估計值差距不大。2SLS估計、差分GMM估計中，不良貸款率指標ANPL。與其一階滯后值ANPL系數(shù)顯著且為負.這與美國數(shù)據(jù)的實證結果一致.我們認為這也與銀行控制不良貸款率的動機及機制相關。一般地.如果某商業(yè)銀行當期不良貸款率相對較低，銀行會傾向于放松貸款放貸標準、擴大信貸規(guī)模，這就會導致下一期的不良貸款率有一定程度的上升：如果銀行當期不良貸款率較高.銀行信貸部門會基于監(jiān)管考核的壓力收緊信貸.從而降低下一年的不良貸款率指標。前一期壞賬沖銷處理.也會使得當期不良貸款率降低。

從其他宏觀變量的系數(shù)估計結果來看.不良貸款變量ANPL與AGDP的系數(shù)為正，說明隨著我國GDP的增長.企業(yè)貸款數(shù)量和體量會隨之增加.在其他變量不變的情況下.不良貸款率會隨之上升.這也與我們對信貸業(yè)務的直覺判斷基本相符。△UN與ANPL。的系數(shù)均不顯著且系數(shù)絕對值較小，說明不良貸款率與失業(yè)率的關系較弱。AINR與不良貸款變量AINR估計得到的系數(shù)為負，即貸款利率的上升，會導致不良率的下降。

2.檢驗。那么，以上三種估計枋法是否均適用？為了驗證這個問題，我們對估計方法進行了自相關檢驗。從Arel-lano-Bond檢驗的估計結果來看.采用2SLS這種估計方法更為合適。三中估計方法下所有變量均通過Sargan檢驗.表明工具變量的選擇是合適的.不存在過度識別的問題。

四、結論與政策建議

本研究采用動態(tài)面板模型.引入我國商業(yè)銀行不良貸款率及資產(chǎn)證券化數(shù)據(jù).通過2SLS估計、差分GMM估計及系統(tǒng)GMM估計三種估計方法.研究我國商業(yè)銀行不良貸款率與資產(chǎn)證券化指標的內(nèi)在關系.深入探討我國商業(yè)銀行在資產(chǎn)證券化操作中是否存在“逆向選擇”的問題。估計結果表明.我國商業(yè)銀行證券化指標與不良貸款率指標不存在顯著的相關性。這也就意味著.目前我國商業(yè)銀行在資產(chǎn)證券化業(yè)務中并不存在逆向選擇、“以次充好”的現(xiàn)象。

作者認為.這一方面是由于我國資產(chǎn)證券化業(yè)務處于起步階段.各銀行在發(fā)行信貸資產(chǎn)證券化、信用卡資產(chǎn)證券化、住房抵押貸款資產(chǎn)證券化等產(chǎn)品時.更多地會從行業(yè)、地域、分散度、利率、期限等出發(fā)篩選貸款進行產(chǎn)品結構設計：另一方面也由于目前參與資產(chǎn)證券化的銀行相對較少、資產(chǎn)證券化開展年份相對較短、體量較小，因此“逆向選擇”的問題在目前的數(shù)據(jù)規(guī)模中并不凸顯。

盡管目前我國商業(yè)銀行在發(fā)行證券化產(chǎn)品時.并沒有“以次充好”的現(xiàn)象。為防患于未然.我國監(jiān)管機構已經(jīng)采取多方措施進一步規(guī)范資產(chǎn)證券化業(yè)務的信息披露。銀行間交易商協(xié)會4月19日和5月11日分別發(fā)布《不良貸款資產(chǎn)支持證券信息披露指引（試行）》和《信貸資產(chǎn)支持證券信息披露工作評價規(guī)程（征求意見稿）》，10月14日又再次發(fā)布了《微小企業(yè)貸款資產(chǎn)支持證券信息披露指引（試行）》。要求相關承銷商及中介機構，在注冊環(huán)節(jié)、發(fā)行環(huán)節(jié)及存續(xù)期等環(huán)節(jié)充分披露貸款資產(chǎn)支持證券相關信息。可見我國監(jiān)管機構在加強商業(yè)銀行的相關監(jiān)管、提高證券化操作過程中的透明度方面的決心。未來.監(jiān)管當局應繼續(xù)提高評級、律師等中介機構的盡調(diào)要求.規(guī)范信貸資產(chǎn)證券化業(yè)務信息披露的操作準則.促進信貸資產(chǎn)證券化市場健康有序發(fā)展。endprint