商業銀行不良貸款成因實證淺析

蔣亮 何永鋒 郭曉蓓

摘 ? 要：黨的十九大報告將防范化解重大風險列為三大攻堅戰的第一位。不良貸款已成為當前的主要金融風險隱患，這輪不良的產生主要源自外部宏觀經濟的變化和產業變化，商業銀行面臨的風險主要是信用風險。本文利用省級面板數據對宏觀經濟變化和產業調整對不良貸款形成進行了實證分析，建議：加大逆周期調節力度，應對經濟下行壓力;以科技為引領，加快產業結構轉型升級;進一步深化金融供給側結構性改革，促進金融回歸本源。

關鍵詞：不良貸款;信貸風險;經濟周期;產業調整

黨的十九大報告將防范化解重大風險列為三大攻堅戰的第一位。截至2019年三季度，我國銀行業不良貸款率為1.86%，不良貸款率比上年末上升0.03個百分點，整個商業銀行的不良信貸規模高達2.37萬億元，不良貸款成為當前的主要金融風險隱患。

歷史上看，我國銀行體系共經歷過兩輪不良貸款快速生成的時期。1983年“撥改貸”政策實施后，政府不再參與企業撥款，而是由銀行提供債權性融資，對國有企業的預算具備約束力的主體由國家財政部門轉向銀行;90年代我國先后經歷了經濟過熱和緊縮的大幅度變動，大量的資產泡沫逐漸導致這一時期銀行資產負債表中累積了不良信貸。1998年亞洲地區其他鄰國爆發的金融危機，對我國的銀行體系帶來了巨大的警醒作用。自1999年開始，我國利用十年的時間對整個銀行業進行整頓，將3.4萬億元的壞賬從銀行資產中剝離出去。自2011年4季度以來，隨著經濟增長下行，商業銀行不良貸款進入新的擴張階段，不良率逐步上升。必須注意的是，這輪不良的產生主要源自外部宏觀經濟的變化和產業變化，商業銀行面臨的風險主要是信用風險，是經濟周期和特殊時期政策方面因素疊加所致。認真研究分析此輪不良貸款特點和成因，對于防控商業銀行不良貸款風險，打贏風險攻堅戰具有十分重要的意義。

一、當前商業銀行不良貸款的主要特點

（一）不良貸款總額增長較快

2011年一季度，我國銀行業不良貸款總額為4333億元，四季度開始不良貸款進入擴張階段。截至2019年三季度，不良貸款總額達到了2.37萬億元，比2011年末增加1.94萬億元;不良率1.86%，比2011年末提高0.86個百分點。其中，次級貸款9710億元，占比0.76%，可疑貸款10176億元，占比0.80%，損失貸款3786億元，占比0.30%。另外，關注貸款3.82萬億元，占比3.00%。

（二）行業分布高度集中

當前，我國商業銀行的不良信貸行業分布特征明顯。從上市銀行2019年中報來看，不良額最高的四個行業是：制造業、批發和零售業、交通運輸倉儲、租賃和商務服務業，不良額占比分別是45.93%、20.55%、7.43%和7.06%，合計占比超過80%，其中制造業和批發零售業合計達到66.5%。

工行、建行、農行的批發零售業不良貸款率分別為9.31%、5.65%和7.91%，興業、浦發、中信和華夏的批發零售業不良貸款率也分別為6.86%、7.09%、8.07%和5.52%。

從制造業看，工行、建行和農行的制造業不良貸款率分別為5.82%、7.20%和4.97%;股份銀行的不良率也較高：招商6.57%、興業3.49%、浦發6.37%、中信7.50%、浙商4.51%、平安6.16%、華夏4.92%。

地方性銀行在批發零售業、制造業兩個行業的貸款質量同樣較差。例如，上海銀行在批發零售業和制造業上的貸款不良率分別高達10%和3.94%，南京銀行分別為1.54%和3.65%，天津銀行為6.46%和5.24%，成都銀行為10.07%和6.13%，中原銀行為8.25%和7.35%，重慶農商行為4.01%和3.56%。

（三）不同類型金融機構分化明顯

從上市銀行的2018年、2019年一季度、2019年二季度的不良率來看，分別為1.54%、1.5%和1.48%，不同類型銀行分化較為明顯，大行分別為1.5%、1.48%和1.44%，股份制銀行分別為1.68%、1.66%和1.62%;城商行分別為1.32%、0.95%和1.31%;農商行分別為1.94%、1.91%和1.39%。

從不良生成率1來看，2018年和2019年上半年：大行的不良生成率為0.72%和0.55%;股份行為1.67%和1.77%;城商行為1.18%和0.94%;農商行為1.37%和1.29%。

（四）地域分布較為集中

從10家全國性上市銀行2019年中報看，不良貸款主要集中在兩個地區，即東北地區和環渤海地區，這兩個地區的不良貸款率明顯高于其他地域。除這兩個地域外，建行、招商等銀行的不良貸款還分布于中西部等地區，而中信銀行與浙商兩行的珠三角貸款質量也相對不高。

從地方性銀行來看，雖然其異地機構較少，但不良貸款地域分布卻和全國性銀行相似：上海銀行在環渤海和中西部地區貸款的不良率分別為2.12%和1.56%，大幅度高于上海本地的1.24%;南京銀行在北京地區的貸款不良率高達2.99%，遠遠高于江蘇的0.92%;寧波銀行的不良貸款率整體僅為0.78%，但在廣東、北京的不良貸款率則分別達到了2.42%和1.44%。

（五）部分地方銀行零售貸款質量較低

總的來說，大多數銀行的零售貸款質量要高于公司貸款，但一些地方銀行零售貸款不良率較高，尤其在個人經營性貸款和消費貸款方面，比如寧波銀行和哈爾濱銀行的零售貸款不良率分別為1.02%和2.29%，遠高于其0.78%和1.89%的整體不良率。個人經營貸款不良率方面：盛京銀行17.06%，天津銀行4.71%，成都銀行16.08%，青島銀行5.67%，中原銀行3.79%，鄭州銀行3.05%，重慶銀行3.23%，廣州農商行2.83%，均較高。消費貸款方面，成都銀行和鄭州銀行的不良率分別達到了19.43%和3.05%。

二、不良貸款的宏觀成因

（一）經濟周期的影響

銀行是強周期行業，經濟周期通過銀行信貸和資本監管兩個渠道進行“金融加速”，放大沖擊，使銀行風險出現周期性波動。因此，銀行資產質量和宏觀經濟增長密切相關，在經濟上行期不良率一路走低，到經濟下行期，不良率較快攀升，隨著經濟復蘇，不良率又逐漸下降。在市場經濟情況下，此特點表現尤其明顯，以英美為例：美國從2004年起，GDP（不變價）同比增速從3.8%一路下滑到2009年的-2.54%，在此期間銀行業不良貸款率從0.8%上升到5%，而后經濟逐漸恢復增長到2017年的2.22%，銀行業不良貸款率才逐步下降到1.13%;英國同樣如此，經濟增長在2005年達到3.15%，銀行業不良率在2006年、2007年降到最低0.8%，隨著經濟增長放緩，2009年最低至-4.25%，不良率逐步上升，2010年和2011年不良升至3.95%、3.96%，后面隨著經濟增長恢復，2014年、2015年增長分別達到2.95%、2.35%，不良率在2016年、2017年分別降到0.94%和0.73%。

從本輪不良貸款形成來看，經濟增長下行是銀行資產質量下降和不良貸款增長的主要原因。2012-2018年，我國經濟同比增長從7.9%下滑到2018年的6.4%，2019年一、二、三季度，進一步下滑到6.4%、6.2%和6.0%，給商業銀行形成了較大的不良壓力。根據中國人民銀行《中國金融穩定報告2019》顯示，在GDP同比增速下降至5.3%的宏觀輕度沖擊下，30家銀行不良率會從1.46%升至5.42%，資本充足率會下降2.2個百分點。在GDP同比增速下降至4.15%的宏觀重度沖擊下，不良率會升高到7.38%，資本充足率會下降3.92個百分點。在宏觀重度沖擊下，30家參試銀行有17家無法通過壓力測試。重度沖擊下30家銀行中全部損失的80%來自于信用風險。而市場風險對30家銀行影響非常有限，重度沖擊下，賬戶利率、債券投資影響銀行資本充足率只有0.54和0.64個百分點。

（二）產業供給結構的影響

從行業的角度來看，經濟周期的影響主要體現在兩個方面：一是出口導向型的傳統制造業日漸式微。傳統的制造業依托人口紅利、規模化效應等因素，以出口為導向，為我國賺取了大量外匯，創造很多就業崗位，對我國經濟做出了很大貢獻，也為我國贏得“世界工廠”稱號。但是由于近幾年的產能過剩而外部的需求增長停滯，加之貿易摩擦，外貿出口增速下降，特別是加工貿易下降更為明顯，勞動密集型產業進入了通縮階段，制造業對中國經濟的貢獻持續下降，不良率從東南沿海外向型企業開始暴露，外貿出口占比較大的地區不良率明顯偏高。

二是傳統制造業變化，帶動了其上游的煤礦、鋼鐵、有色金屬等資源性采礦行業相應的變化，也帶動了其下游的批發零售，以及個人的就業和未來預期收入的變化。因此，采礦業投資占固定資產投資比例高的地區，以及和制造業聯系緊密的批發零售行業不良率也相應較高，部分地區的個人經營貸款和消費貸款不良上升。

（三）宏觀經濟政策及地方債務積累和投資扭曲

一是特殊時期的宏觀經濟政策帶來的貸款增長速度的非正常變化。2008-2010年的“四萬億”刺激政策，對于應對危機、穩定我國以及世界經濟都起到了關鍵作用，但也產生了較強的負面作用，形成了大量低效投資。為了抑制經濟過熱，2010年央行連續提高準備金率和利率。另外，我國的供給側與需求側嚴重不匹配，中低端產品過剩，高端產品供給不足。從2015年開始，從中央到地方陸續開展以去產能、去庫存、去杠桿、降成本、補短板為重點的供給側結構性改革，部分生產經營困難、尤其所處行業中抗風險能力較弱的地方中小微企業，由于新進入者頻率加快，其市場退出速度變快，不可避免地會使銀行形成一部分不良貸款，這也是造成近年來農商行不良貸款率偏高的重要原因。從直接表現來看，貸款增速的變化與不良貸款率有著顯著的負相關關系。

二是地方政府投資沖動帶來的地方債務積累和投資扭曲。由于地方政府業績考核存在較強的“GDP增長導向”，各地地方政府存在較強的投資驅動增長沖動，特別是經濟不發達地區，更有動力通過平臺公司籌集資金，用大量的負債投資推動當期經濟增長。然而較多地方投資項目，從項目立項到最終決定，地方政府扮演了主要角色，銀行僅僅扮演貸款人的角色。一旦決策出現偏差，立項不合理，或者外部經濟條件出現波動，往往導致項目難以正常投產，或者由于重復性建設，導致最終產品的嚴重積壓，無法達到項目預期的產能和效益。這對銀行來說，回收貸款存在難度，造成大量的呆壞賬，形成不良資產。

三、實證分析

（一）數據說明、變量選取和模型設定

1.數據說明和變量選取

綜合考慮本輪不良貸款的形成原因與數據的可得性，本文利用Wind數據庫收集了2005-2017年度省級面板數據作為樣本，進行實證研究。本文被解釋變量為不良貸款率，主要解釋變量說明如下：

GDP增速：GDP增速是判斷經濟增長水平的動態指標，GDP增速的趨勢性變化代表了經濟周期。當經濟周期處于復蘇和繁榮階段時信貸質量趨于好轉，當經濟周期處于衰退和蕭條階段時信貸質量趨于惡化。

采礦業占固定資產投資比重：反映了資源型產業或傳統產業在投資結構中的比重。傳統產業投資比重較大的地區，可能信貸質量較差。

人民幣各項貸款增速：代表貨幣政策、信貸政策和宏觀經濟政策的松緊程度。積極的貨幣政策和信貸政策有利于經濟發展進而使信貸質量好轉。

廣義政府負債比：是指政府財政收支缺口和國有企業負債之和對GDP的比重，反映公共部門的負債壓力，可能是地方政府債務更好的衡量指標。

除以上主要解釋變量外，還考慮了凈出口占GDP比重、人均GDP（對數形式）和城鎮登記失業率等控制變量。

2.模型設定

（二）實證結果

利用隨機效應模型的 LM 檢驗和固定效應模型的 F 檢驗，檢驗結果均顯示模型存在個體效應，不應使用混合 OLS 回歸1。另外豪斯曼（Hausman）檢驗的結果顯示，由于p值為0.0000，故拒絕模型應包括個體隨機效應的原假設，因此應該使用固定效應模型而不是隨機效應模型。回歸結果見表4。

模型3固定效應回歸結果表明：GDP增速和不良貸款率負相關，且在5%的顯著水平上顯著，即：GDP增速高則不良貸款率趨于下降，GDP增速低則不良貸款率趨于上升。采礦業占固定資產投資比重和不良貸款率正相關，但是這種影響不太顯著。人民幣各項貸款增速和不良貸款率負相關，且在1%的顯著水平上顯著，即：貸款增速高則不良貸款率趨于下降，反之，則不良貸款率上升。廣義政府負債比和不良貸款率正相關，且在1%的顯著水平上顯著，反映出公共部門的負債壓力越大，不良貸款率也會提高。另外，凈出口占GDP比重則對不良貸款率有正向影響，這種影響在10%的顯著水平上顯著，這說明凈出口對GDP貢獻越大，受國際貿易的形勢影響越大，不良貸款率反而會上升;人均GDP水平以及城鎮登記失業率和不良貸款率負相關，表明經濟發展水平和就業狀況也會影響不良貸款率。上述實證結果符合前文對不良貸款率形成原因的分析和預期。作為參照，表4給出了混合 OLS 模型和隨機效應模型回歸的結果。實證結果不太符合預期。

四、對策建議

（一）加大逆周期調節力度，引導融資結構優化調整

一是加大逆周期調節力度，繼續實施積極的財政政策和穩健的貨幣政策，確保經濟運行在合理區間。財政政策、貨幣政策要同消費、投資、就業、產業、區域等政策形成合力，引導資金投向供需共同受益、具有乘數效應的先進制造、民生建設、基礎設施短板等領域，促進產業和消費“雙升級”。要充分挖掘超大規模市場優勢，發揮消費的基礎作用和投資的關鍵作用。

一方面，鞏固和拓展減稅降費成效。2019年我國減稅降費力度空前，涉及增值稅、個稅等12個稅種，養老保險等19個費種，規模超過2萬億元，對財政收支平衡構成較大壓力，加之減稅降費政策具有疊加累積效應，企業減負會越來越明顯，下一步，要圍繞完善結構性減稅政策展開，以加強對小微、民企的支持。比如推進增值稅、個人所得稅及資源稅等領域改革，完善消費稅制度，調整征收范圍、優化稅率結構等。

另一方面，下大力氣疏通貨幣政策傳導，堅持用市場化改革辦法促進實際利率水平明顯降低。要下決心解決貨幣政策傳導不暢的問題。疏通貨幣政策傳導機制必須要以市場化改革手段推進，其核心在于完善LPR形成機制，推動LPR運用，加快推進利率市場化改革。尤其是在大部分新增貸款已實現與LPR掛鉤的背景下，穩妥有序推進存量浮動利率貸款定價基準向LPR的平穩轉換，并引導LPR利率繼續小步、分次下行。LPR利率的下行將通過影響商業銀行貸款定價行為促進企業貸款利率下行，使實體經濟受益。

二是引導金融機構調整優化融資結構和信貸結構。中央經濟工作會議與央行貨幣政策委員會2019年第四季度例會均強調，引導大銀行服務重心下沉，推動中小銀行聚焦主責主業，優化融資結構和信貸結構，加大對推動高質量發展的支持力度。應該進一步引導銀行業金融機構加大對實體經濟特別是小微、民營企業的支持力度，著力提高制造業中長期貸款和信用貸款占比，回歸服務實體經濟本源，圍繞制造業、民企、中小微企業及“三農”等薄弱群體和普惠金融領域融資需求特點，充分發揮貨幣信貸政策導向作用，并通過機制創新提高金融服務實體經濟的能力和意愿。

三是平衡好穩增長和防風險的關系。防范化解重大風險是決勝全面建成小康社會三大攻堅戰的首要戰役，就金融系統而言，需重點關注中小銀行風險壓力。央行《中國金融穩定報告（2019）》指出，穩妥化解中小銀行局部性、結構性流動性風險。國務院金融穩定發展委員會第十次會議再次關注中小銀行改革問題。中小銀行自身體量較小，資本補充能力不足，風險管理能力偏弱，易受到經濟下行沖擊，有必要多渠道增強資本實力。未來需要出臺更多政策支持中小銀行外源性資本補充。中小銀行自身則應補足流動性風險管理短板，修煉好“內功”，防范流動性風險暴露。

（二）以科技為引領，加快產業結構轉型升級

化解銀行不良貸款風險需要推動產業結構轉型升級。要全面貫徹新發展理念，實現產業高質量發展，建設現代化產業體系。

一是要把握好世界科技發展大勢，深入研究解決經濟和產業發展急需的科技問題。跟蹤全球科技發展方向，努力趕超，力爭縮小關鍵領域差距，形成比較優勢。堅持問題導向，從國情出發確定跟進和突破策略，按照主動跟進、精心選擇、有所為有所不為的方針，明確我國科技創新主攻方向和突破口。

二是以重大科技創新為引領，推動科技成果轉移轉化。圍繞促進轉方式調結構、培育戰略性新興產業、發展現代服務業等需求，構建現代產業新體系，加快科技創新成果向現實生產力轉化，推動產業和產品向價值鏈中高端躍升。打通科技成果的供給方和需求方對接，讓科學研究面向經濟生產，鼓勵和扶持各類企業不斷增加創新研發投入，加強創新平臺建設，培養創新人才隊伍，促進創新鏈、產業鏈、市場需求有機銜接，形成企業研發機構與科研機構、高校功能互補、良性互動的協同創新格局。

三是激發調動全社會創新創業活力。加快形成以創新為主要引領和支撐的經濟體系。為創新企業的發展營造良好環境，大力培育創新文化，營造敢為人先、寬容失敗的良好氛圍。支持科技企業孵化器和眾創空間建設，增強孵化能力和運營水平，做好產業基金管理運營，完善科技企業孵化育成體系。要著眼國家戰略需求，主動承接國家重大科技項目，引進國內外頂尖科技人才，加強對中小企業創新支持，培育更多具有自主知識產權和核心競爭力的創新型企業。

（三）深化金融供給側結構性改革，促進金融回歸本源

一是通過發展多層次資本市場降低企業杠桿率。不良貸款的爆發往往與實體經濟部門杠桿率過高相關聯，而我國金融市場以銀行間接融資為主體，企業對銀行信貸依賴程度高。因而，需要加強對實體部門的杠桿率、利潤率和銀行部門的不良貸款率的關注，避免商業銀行受到實體經濟收縮時產生的沖擊。同時，在風險可控的前提下，加快發展中小銀行和多層次資本市場，擴展企業融資渠道，從根本上解決實體經濟部門杠桿率過高的問題。

二是引導各類金融機構走“差異化”發展路徑。政策性銀行應充分發揮開發性金融支持“三農”發展的重要作用，在全面建成小康社會、脫貧攻堅中體現責任擔當。大型商業銀行應充分發揮客戶、資金、牌照、數據等優勢，并借助金融科技前沿技術優勢，二者的融合有利于拓展商業銀行服務半徑（空間維度）、提高服務效率（時間維度），并呈現出數字化、網絡化、智能化、生態化趨勢。中小銀行和地方銀行要仍須堅守地方經濟，專注服務民營、小微企業，立足自身特色，實現差異化競爭，走出有自己特色的經營道路。

三是引入新型平臺化信貸市場和資本市場，著力破解民營經濟融資難融資貴問題，促進金融有效供給與實體經濟有效需求的匹配。將金融供給方與需求方有效鏈接，打通資金渠道，整合政府、銀行、企業、征信等多方力量和資源，打造一站式線上融資智能生態圈，提供全方位、一站式產品服務體系和綜合服務，提升金融機構精準獲客、信用評估和風險管理水平，降低信息不對稱程度，精準高效匹配資金雙方供求，從而解決民營企業融資難融資貴問題。運用數字科技促進我國加快發展直接融資，打造21世紀全球新型數字化資本市場，鏈接民企民眾，讓廣大優質民企都能快捷低成本上市融資，破解民營企業股本性資金的籌集難、籌集貴的“痼疾”，以及廣大民眾財富保值增值渠道單一且風險不透明問題。

四是加快風險控制體系建設。健全風險識別和防控機制。強化宏觀審慎政策與微觀審慎監管相結合，根據金融體系運行特點，健全金融機構內部及金融體系風險識別和預警機制，及時發現、跟蹤、處置金融風險。充分利用大數據、區塊鏈等金融科技，在監管部門之間、金融市場之間、金融機構之間、金融部門與實體經濟部門之間健全風險聯防聯控機制。

五是加快社會信用體系建設。充分利用大數據、區塊鏈等信息技術，健全信息收集體系，將政府各部門的分散數據整合至統一信息平臺，豐富信息內容，強化信用約束，改善市場信用環境，防范信用風險。推動地方政府成立政策性融資擔保機構，中央層面成立政策性再擔保機構，與金融機構建立風險共擔機制;推進市場化風險補償機制建設。防止金融風險的傳遞和蔓延，降低風險的破壞性和沖擊力度。

參考文獻

[1]曹國華，劉睿凡.供給側改革背景下我國商業銀行信貸風險的防控[J].財經科學，2016，（4）：22-30.

[2]陳雄兵，鄧偉.商業銀行表外業務與貨幣政策信貸傳導[J].國際金融研究，2016，（12）：38-45.

[3]丁爽.城市商業銀行貸款質量問題現狀——基于四家上市城市商業銀行的年報分析[J].時代金融，2018，（17）：113-114.

[4]韓曉宇.嚴監管下的中國銀行業——基于2017年上市銀行年報的分析[J].銀行家，2018，（5）：10.

[5]紀秀平.新常態下我國商業銀行不良貸款探析[J].經濟研究導刊，2018，（14）：22-26.

[6]單科舉.農商行不良貸款率上升原因[J].中國金融，2018，（22）：109.

[7]楊升.淺析我國商業銀行不良資產現狀與趨勢[J].時代金融，2018，（36）：68.

[8]趙雨絲.利潤下降和不良貸款上升倒逼銀行結構性改革[J].時代金融，2018，（36）：81-82.

Abstract：In the report of the 19th National Congress of the Communist Party of China， the defense and resolution of major risks are listed as the first in the three major battles. The non-performing loan has become the main financial risk. This round of non-performing mainly comes from the changes of external macro-economy and industrial changes. The risks faced by commercial banks are mainly credit risks， which are caused by the superposition factors such as economic cycle and policy of special period. It is of great significance to study and analyze the characteristics and causes of this round of non-performing loans for preventing and controlling the risk of non-performing loans of commercial banks and winning the battle of risk. This paper uses provincial panel data to analyze the formation of non-performing loans by macro-economic changes and industrial adjustment. It is suggested that we should strengthen the counter cyclical adjustment to cope with the downward pressure of the economy， accelerate the transformation and upgrading of industrial structure with science and technology as the guide， and further deepen the structural reform of the financial supply side and promote the return of finance to its original source.

Key words： non-performing loan; credit risk; economic cycle; industrial adjustment

責任編輯、校對：錢曉東