銀行不良貸款影響因素的線性回歸分析

(西安財經大學 陜西 西安 710000)

一、引言

(一)不良貸款的概念

不良貸款指非正常貸款或有問題貸款,是指借款人未能按原定的貸款協議按時償還商業銀行的貸款本息,或者已有跡象表明借款人不可能按原定的貸款協議按時償還商業銀行的貸款本息而形成的貸款。不良貸款是激化銀行信貸風險的導火索,屬于銀行信貸的消極產物,也相繼成為控制風險的關鍵點,不良貸款的產生與發展,使商業銀行貸款作為主力業務承載的銀行生產力逐漸被削減。部分積極因素的出現在一定程度上實現了不良貸款“搬家”,但仍未取得革命性進展,不良貸款問題依然棘手。

(二)不良貸款產生的背景

近年來,國內經濟持續迅猛發展,經濟體制改革日益完善,經濟局勢逐漸轉好。與此同時,國際經濟形勢也呈現大好局面,世界一體化趨勢的風潮依舊不減,各國之間的聯系越發密切,在整個大的經濟體系中各國資本迅速流轉,全球經濟在大方向上呈現優勢發展。然而,在經濟優勢發展的同時,引發的泡沫經濟問題相當嚴峻,并隨之帶來了相當多的不良影響。尤其是我國的金融體系,在全球資本的夾擊下存在巨大的風險。由于我國銀行業處于該形勢下,不可避免地產生了難以預料的不良貸款問題。

由于我國經濟仍處于加速發展階段,市場機制尚不健全,使經濟運營面臨著極其復雜的局面。政策面上政府鼓勵商業銀行加大信貸力度以扶持市場中的中小企業和某些重點行業,比如光伏、船舶等信貸風險“高危”行業,使大量風險轉移給了商業銀行,由此也惡意破壞了行業“優勝略汰”的發展模式。與此同時,大批的商業銀行為了增加貸款業務,信貸業務大多一味追求數量,而忽視業務水平，導致許多惡意信貸的滋生。而且一些銀行貸款機制落后,經營管理存在許多漏洞,出現放款緊收款松,追蹤機制不到位的問題,進一步誘發不良貸款的出現及日益猖獗。

(三)需要解決的問題

首先，要借助可靠的網絡等媒介搜尋相關數據資料。

其次，熟悉并學習相關數學模型,選擇建立合適的數學模型,對將討論的問題進行研究,尋求不良貸款趨增的內在原因。

再次，銀行應該比照自身的現狀,仔細選擇變量,進行相應的定量分析,尋找遏制這一問題的有效方法。

最后，進行全面的分析總結,深化理解。

(四)問題的理解

本文重點在于討論影響不良貸款的因素,并著眼于如何有效解決不良貸款問題。分析研究問題的基礎在于收集真實可靠的數據,然后是甄選指標,也就是預測影響因素。由于個人信息來源以及信息面的限制,眾多因素之中,為了得到精確可靠的信息以及避免失誤情況的發生,應挑選相關性較強、易理解的指標,但這也是本文的難點所在。本文中挑選的指標都是相對具有說服力的,其中的奇異數據已被剔除,孤偏指標不予以采用。但是所選擇的因素具有一定的偏向性,這是本文的不足。挑選數據以及選定因素之后,將重點放在對影響銀行不良貸款的因素進行分析,預測何種因素對于不良貸款問題最具影響,由此便可輕松衍生出合理的解決方案。

二、一元回歸模型

(一)所用指標的選取

上文已經提到,影響銀行不良貸款的因素繁多,因此具體哪些影響因素能夠對控制不良貸款起到有效作用,如何選取這一問題尤為關鍵。反復考量過后,最終在眾多數據概念中選取總資產以及銀行經營管理業務四大重要指標。其一是信用風險指標,具體選用撥備覆蓋率、貸款撥備率;其二是流動性指標,具體選用存貸比;其三是效益型指標,具體選用凈息差;其四是資本充足指標,具體是選用資本充足率。此四項指標作為研究不良貸款影響因素的對象,具有切實的可操作性以及實際的數學意義。

(二)模型要求

1.數據真實可靠,已剔除異常數據。

2.所取指標與不良貸款之間具有較穩定關系,能切實反映不良貸款情況。

3.短期不存在人民幣大幅波動現象以及其他變動,并對于所取指標沒有顯著影響。

4.不考慮銀行經營變動等其他不可預測波動。

5.不考慮銀行業內部的相對競爭。

6.假設銀行對不良貸款預測呈線性彈性需求。

(三)變量選取以及指標介紹

我們在選擇實證模型指標的時候,在充分考慮指標的代表性及其實際意義的同時,還要考慮其相應數據的可獲得性。我們可以在一定程度上參考其他文章對于模型解釋變量的選取。經過反復的考量后,選擇以下的指標。

Y不良貸款額；

X1總資產；

X2撥備覆蓋率；

X3貸款撥備率；

X4存貸比；

X5凈息差；

X6資本充足率。

三、建立回歸模型，改進回歸模型

(一)建模思路

根據上文的內容已挑選出的六項指標作為建模因素,首先我們要采用一元線性回歸模型逐一分析上述六項指標對于不良貸款余額的影響。然后進一步采用多元線性回歸模型來探究這些指標綜合起來及彼此間相互作用對不良貸款可能會產生的影響,并且從其中篩選出影響力最強的指標。

(二)數據整理

通過中國銀行業監督委員會查詢了主要商業銀行(建設銀行、工商銀行、農業銀行等)近八年來的不良貸款相關數據,見表3-1。

表3-1 主要商業銀行不良貸款相關數據

(三)一元線性回歸分析

1.繪制散點圖

在SPSS程序中導入相關的數據,輸入相關程序代碼得到散點圖：

圖3-1 X1與Y的簡單散點圖 圖3-2 X2與Y的簡單散點圖

圖3-3 X3與Y的簡單散點圖 圖3-4 X4與Y的簡單散點圖

圖3-5 X5與Y的簡單散點圖 圖3-6 X6與Y的簡單散點圖

觀察散點圖我們可以發現,前三個變量與因變量成明顯的線性關系,而后三個變量與因變量線性關系不明顯,因此建立的一元回歸模型就沒有實際的意義。

2.分析相關性

利用數據對模型進行一元線性回歸分析,采用SPSS統計軟件進行數據擬合,進而分析Y與X1的線性相關性。

表3-2 不良貸款額與總資產的線性相關性

觀察擬合結果,sig.=0.011<0.05,回歸方程為

Y=0.827X1-331554.615.

所建立的回歸方程顯著。

同理我們就可以觀察出Y與X2、X3的相關關系：

Y=-0.806X2+324205.815

Y=0.889X3-1195399.465

所建立的回歸方程顯著。

(四)模型的改進

在上述的一元回歸線性模型中,根據相關數據,我們可以分別計算出X1、X2、X3與Y的相關性及線性方程,但是由于一元線性回歸模型忽略了這三個因素綜合起來及彼此相互作用對不良貸款可能產生的影響,所以我們將模型改進為多元線性回歸方程的預測。通過多元線性回歸分析,計算因素綜合的影響。分析如下。

表3-3 因變量Y與自變量X1、X2、X3的線性相關性

CoefficientsaModelUnstandardizedCoefficientsBStd.ErrorStandardizedCoefficientsBetatsig.1(Constant)-3422001.0401416822.144-2.4150.043X10.4620.1270.4253.6370.030X2484264.126120503.9251.5314.0180.021X39.846E72.041E71.9744.8240.011a.DependentVariable:Y

觀察擬合結果分析,sig.=0.029<0.05,顯著性檢驗可知有統計學意義,所以我們由此可知建立Y與X1、X2、X3的多元線性回歸方程是有意義的。其標準化方程為Y=0.425X1+1.531X2+1.974X3。

觀察前文所做的分析,我們得出所取指標中三項因素綜合起來會對不良貸款產生影響的結論,但我們需要進一步討論,在此三項影響因素中哪項因素起決定作用,所以我們選擇采用多元線性逐步回歸的方法。選擇最優多元線性回歸的統計,篩選出與Y確實相關的因素。

表3-3 自變量最優檢驗

CoefficientsaModelUnstandardizedCoefficientsBStd.ErrorStandardizedCoefficientsBetatsig.1(Constant)-1.195E6273365.818-4.3730.005X34.436E79.319E60.8894.7600.003a.DependentVariable:Y

參考回歸結果我們發現得出結果,X3對Y確實有線性相關。由上可知,從我們選擇的指標來看,影響不良貸款的主要原因是總資產(X1)、撥備覆蓋率(X2)、貸款撥備率(X3),其中重要影響指標是貸款撥備率(X3),貸款撥備率與不良貸款額呈正相關,貸款撥備率越高,不良貸款額就越高。

上述模型所用的各項重要參數以及數據來自中國銀行監督委員會官方網站,數據可靠,參數有意義。對于根據實際需要建立的數學模型,使用SPSS軟件進行統計分析,借助一元及多元線性分析進行求解。通過對六項指標的分析,相對精確地實現探究目的。前三項指標與不良貸款的關系呈線性,后三項呈非線性,不需予以討論。詳細來說,總資產、撥備覆蓋率、貸款撥備率對于不良貸款余額具有顯著影響,其中貸款撥備率最為有影響。由于個人水平以及學術深度的局限,未對模型進行更深刻的研究。

總體來講,所建立的模型在很大程度上能夠確切反映六項指標對于不良貸款的影響,準確率較高。但是畢竟所取的因素只有六項,相當多的可能因素被忽視,難免具有些許偏向性,對于模型的選擇與規劃存在不足,未能做到全面分析,給接下來深度研究問題帶來風險與挑戰。

四、針對性給予我國不良貸款問題的建議

通過數據我們了解到總資產、撥備覆蓋率、貸款撥備率對于不良問題的重要影響。也就是說,要想進一步緩解或者有效解決不良貸款的現狀,商業銀行此時應注重這三項指標,力求平衡。具體來講,商業銀行在發展日常業務的同時,應加快對中間業務的發展,最大化實現總資產。與此同時,銀行應重點緊密觀測撥備覆蓋率這項指標,根據相關數據進行準備金的調整,此外也是用以防范銀行業績過失。商業銀行應進一步提高撥備覆蓋率,此舉的目的在于能夠更加有效地對不良貸款的發生加以防范并最大化降低損失。準備金所衡量的層面不僅包括已發生的不良信貸,還涵蓋未來可能發生的不良貸款,過高準備金勢必增加銀行的經營成本,在平衡上述兩者之余,適當降低貸款撥備率能間接降低不良貸款。

五、全文總結

通過全文的分析，我們可以知道總資產、撥備覆蓋率、貸款撥備率對于不良貸款的現狀有著重要的影響，我們若想緩解或者有效地解決不良貸款的現狀，商業銀行應該著重注意這三項指標，在日常發展業務的時候應該加快對中間業務的發展，實現總資產的最大化。與此同時，銀行應重點緊密觀測撥備覆蓋率這項指標,根據相關數據進行準備金的調整,此外也是用以防范銀行業績過失。再者，商業銀行應進一步提高撥備覆蓋率,這種做法能夠更加有效地對不良貸款的發生加以防范且能夠最大化地降低損失。準備金所衡量的層面不僅包括已發生的不良信貸,還涵蓋未來可能會發生的不良貸款,所以過高準備金勢必會增加銀行的經營成本,在平衡上述兩種情況之余,應該適當地降低貸款撥備率使其能間接降低不良貸款。

關于不良貸款問題的研究良久,但是依舊缺乏革命性的高效解決方案,這也是目前現階段針對性研究的主要方向。本文對于不良貸款的影響指標進行簡要分析,利用數學建模比較得出影響力較強的指標,并進一步得出最佳指標,根據軟件計算所得的結論闡述相應的解決方案。

未來對于不良貸款問題的解決也應該著眼于多個方面,綜合各類解決方案。現在已經有對于不良貸款研究的理論知識且較為完備,下一步的研究重點在于應用現有工具,在逐步完善工具的基礎上,對理論知識進行客觀的研究說明,然后就可以針對性地給出解決方案。并且應對其他領域進行深化認識,結合各科的幫助解決現有問題。