新冠肺炎疫情對農村商業銀行的信用風險沖擊與異質性檢驗
——以山東省110家農村商業銀行為例

鄭錄軍 孫 毅

（中國人民銀行濟南分行，山東 濟南 250021）

一、引言

2020年初新冠肺炎疫情（以下簡稱疫情）的暴發對我國經濟社會造成了較大沖擊，在此過程中，實體經濟風險不斷向銀行業金融機構傳導，特別是對農村商業銀行（以下簡稱農商行）的資產質量構成了嚴峻挑戰。農商行不僅是銀行業生態必須配置的要素，更是發展普惠金融的重要載體，作為金融支持“三農”、民營企業和小微企業的主力軍，發揮著不可替代的作用。科學評估疫情對農商行的影響，預測和準確識別其信用風險水平的變化，對于農商行的改革發展、完善風險處置預案及維護金融穩定具有重要意義。

本文以山東省110 家農商行為例，從理論分析出發，通過數理模型研究疫情對農商行的風險沖擊及異質性和監管部門的政策效應。本文可能的貢獻在于：一是從實證分析角度，檢驗了農商行信用風險受到疫情的影響及異質性，評估其經營穩健性和風險管理水平；二是以疫情為樣本，利用風險沖擊評估結果和金融機構抗風險能力等結論，為中小金融機構提供了應對公共事件沖擊影響的策略方案和轉型路徑。

二、文獻綜述

重大突發公共衛生事件因其所獨有的緊迫性和特殊性給宏觀經濟波動造成巨大的沖擊，而這種宏觀經濟波動的加劇必然會帶來一系列的溢出效應，尤其是宏觀經濟波動對銀行業風險的影響，受到學界的廣泛關注（沈麗和米映靜，2021）。

關于疫情對金融系統的影響，現有文獻主要側重對金融市場、銀行業的初步分析。Bartscher 等（2020）認為疫情導致利率水平大幅下降且一般持續時間較長，余湄等（2022）發現疫情后超過半數樣本國出現股市與匯市的雙向格蘭杰因果，與疫情前相比聯動性顯著增強。趙強（2020）指出疫情對中小銀行風險化解帶來諸多挑戰，如資產增長放緩、資產質量問題凸顯、股權結構變動頻繁、資金補充和盈利能力堪憂等。

在農商行信用風險的影響因素方面，若不考慮經濟周期和外部沖擊的影響，相關研究認為主要因素為治理機制不完善、信用風險控制不到位、經營管理粗放等。如王倩等（2016）以石嘴山農商行為對象，認為體制不健全、缺乏信貸風險預警、風險意識薄弱、客戶信用體系不完善等是該行信貸風險的主要成因。崔鈞等（2016）認為，改革發展緩慢、經營能力較差、自我管理能力不強、不良貸款賬面反映失真等原因造成農信社不良貸款的激增。董翠英（2017）從內外部兩個方面分析了農信社不良貸款的成因，其中內部原因為風險識別機制不健全、經營管理粗放、貸款管理體制不完善、責任追究不到位等。孫光林等（2017）通過研究我國31 個省份的年度數據，分析得出政府的過度干涉會加大銀行的信貸風險。

后疫情時代，金融機構如何應對疫情所帶來的風險沖擊也是學者研究和關注的重點，相關研究主要集中于應急機制建設、業務模式創新、風險管理、轉型化發展等。李建紅（2020）認為后疫情時代商業銀行運營管理應保持適度安全冗余，積極探索線上線下一體化運營，實現集約運營向智慧運營升級。黃雋和孫九倫（2021）從公司治理、資本補充、金融科技應用和金融服務等方面構建了中小銀行風險管理的長效機制。王俊壽（2021）指出，后疫情時代銀行保險業機構應在聚焦“雙循環”新發展格局、突出高頻化金融服務場景、厘清差異化實施路徑、筑牢信息安全基礎、提升金融監管水平等方面優化改進，加快推動數字化轉型。

通過梳理文獻發現，目前關于疫情對銀行業機構的影響的研究較少，尤其是關注中小銀行機構的文獻明顯不足。此外，關于銀行機構應對疫情沖擊的策略路徑方面，現有研究更多側重于系統性的趨勢展望，缺乏微觀聚焦，導致策略可能出現“水土不服”的現象，這給本文的研究提供了空間。

三、理論假說

（一）疫情加劇農商行信用風險

疫情的持續發展以及各種政策手段的常態化管控，在一定程度上削弱了農商行主要客戶群體的還款能力和還款意愿，增加了農商行信用風險水平。

從貸款主體來看，小微企業、個體工商戶是農商行的主要客戶群體。對于小微企業，疫情通過各個生產要素沖擊其正常的生產經營活動，短期內對小微企業的資金狀況造成重大壓力，對于以小微企業為客戶主體的農商行，其資產端和負債端的流動性勢必受到影響（吳鑫，2021）；對于個體工商戶，由于消費者收入減少導致消費欲望下降，使得個體工商戶收入銳減，還款能力減弱，信用風險加大。

分地域來看，農商行的客戶群體主要分布在縣域。一方面，縣域信用生態環境相對較差，逃廢債現象時常發生，而追索成本較高，由此帶來“破窗效應”，使得部分企業還款意愿不強；另一方面，在疫情影響下，即使原本有還款意愿的企業也可能無法按時足額還款。

根據前文分析，本文提出假設：

H1：疫情導致農商行信用風險水平上升。

（二）中央銀行貨幣政策工具對疫情沖擊具有抑制效應

結構性貨幣政策是中央銀行進行宏觀流動性管理的工具，最直接的作用是向商業銀行提供流動性，進而解決流動性結構性缺口問題。中央銀行與金融機構之間一對一的操作或者公開市場流動性調節工具的運用，一方面，豐富了商業銀行獲得流動性的渠道，提高了銀行的流動性水平；另一方面，能有效調節市場短期和長期資金供給，熨平突發性、臨時性因素導致的市場資金供求的大幅波動（盧嵐和鄧雄，2015）。結構性貨幣政策的頻繁使用還可以穩定市場預期，構建利率走廊機制，有助于提高銀行流動性風險的承擔能力（王倩等，2016）。最重要的是，結構性貨幣政策通過釋放流動性對商業銀行信貸行為產生“規模效應”；同時，通過降低貨幣市場利率對信貸行為產生“價格效應”，引導商業銀行加大對疫情相關行業企業的資金支持，緩解疫情對經濟的影響（郝慧剛和孫坤鑫，2020）。另外，對于以小微企業為主要客戶群體的農商行來說，中國人民銀行相繼出臺普惠小微企業貸款延期支持工具、無還本續貸等政策，發揮金融逆周期調節作用，通過緩解企業現金流壓力，為中小微企業繼續生存提供緩沖期，進而為農商行信用風險防控提供磨合期（李明肖，2020）。

根據前文分析，本文提出假設：

H2：中央銀行貨幣政策工具的應用一定程度上降低了農商行因疫情而升高的不良貸款率，政策對疫情沖擊具有抑制性。

（三）疫情對農商行的沖擊效應存在異質性

雖然疫情對所有農商行都會造成沖擊，但影響程度卻取決于農商行自身固有的承壓能力。疫情前風險水平高的農商行由于其本身存在客戶資質較差、資產質量較差、內部風控管理不佳等問題，一旦出現疫情等突發公共事件，客戶流動性缺失將很容易傳導至這部分農商行。而疫情前風險水平較低的農商行在面臨疫情沖擊時，即使部分客戶因疫情出現債務違約情況，由于其具有較高的承壓能力和完整有效的風控制度，因疫情導致的資產質量下降的程度將遠小于前者。

分區域來看，不同地區農商行信用風險受疫情沖擊的程度也存在較大差異。面對突發公共事件的沖擊，經濟韌性的強弱決定了區域抗風險能力的大小。經濟活力較好的地區具有較強的風險緩釋能力，農商行資產質量也相對較好，能較好地抵御疫情的沖擊；而對于經濟活力弱、產業轉型壓力大的中西部地區而言，經濟抗風險能力相對較差且農商行自身基礎較差，疫情會加劇其經營壓力。

根據前文分析，本文提出假設：

H3：疫情對農商行的沖擊效應存在顯著的機構差異，疫情前風險水平高的農商行受疫情沖擊更為嚴重。

H4：疫情對農商行的沖擊效應存在顯著的地域差異，欠發達地區的農商行受疫情沖擊更為嚴重。

四、研究設計

（一）模型設定

本文研究目的主要有兩個：一是刻畫疫情對農商行的沖擊效應，主要通過實證觀察系統性風險暴露前后農商行風險水平的變化情況，評估各農商行的抗風險能力；二是評估兩項工具對農商行的政策效應，分析政策的實施是否有效緩解企業還款壓力，從而降低疫情對農商行的風險沖擊。初始模型為：

此外，考慮到風險水平不僅受當期信貸行為的影響，還與歷史數據相關，借鑒宋娟（2016）的處理方法，加入風險水平的一階滯后項，設定如下模型：

其中，risk為農商行在時刻的風險水平，covid為疫情的沖擊（疫情前=0，疫情后=1）；dds和clsp分別為延期還本付息和信用貸款支持計劃兩項貨幣政策工具的發放情況，考慮到兩項政策工具作為疫情后出臺的貨幣政策調節工具，其本身的顯著性即可代表政策的有效性，因此，本文將不再設立政策交互項； X為一組與風險水平有關的控制變量；ε表示隨機擾動項。

（二）數據來源及變量選取

本文以山東省110 家農商行為樣本，選取其2017—2021年9月末經營、信貸、監管等指標數據和所在縣（區）的宏觀經濟數據，以及2020年6月后對兩項工具的使用數據，數據頻度為季度。

在因變量選取方面，考慮到貸款是農商行最主要的業務，而不良貸款是銀行信貸業務損失的來源。因此，本文基于Delis 和Kouretas（2011）的研究，選取不良貸款率作為衡量農商行風險水平的代表因素，不良貸款率越大，表明銀行風險水平越高。

控制變量選取方面，本文主要考慮農商行風險的影響因素。學者們將銀行風險歸結為外部風險和內部風險，外部風險主要與經濟環境、貨幣政策等因素有關（劉厚平，1999；汪偉舵等，2018），內部風險則源于銀行自身行為，主要包括資產風險（丁振輝和韓佩穎，2016）、操作風險（蔡衛星和高明華，2010）和盈利性風險（熊曉煉和向菊）等。借鑒上述研究，本文控制了加權風險資產（ra）、小微企業貸款占比（rl）、獨立董事數量（indep）、高管持股比例（esecu）、凈利潤（profit）、撥備覆蓋率（pc）、GDP增長率（GDP）、消費價格指數（CPI）和再貸款（ref）。具體變量描述如表1所示。

表1：變量選取及具體解釋

將被解釋變量與控制變量代入模型（2）中，最終模型設定如下：

（三）估計方法的選擇

模型（3）因存在被解釋變量滯后項，被稱為動態面板模型。這類模型的OLS估計是非一致的，極大似然估計雖然可以得到一致估計量，但估計量的一致性取決于初值的設置，錯誤的初值條件會導致參數的估計存在偏誤?；诖?，本文選擇廣義矩估計（GMM）方法。

在使用GMM 估計時需考慮兩個方面：一是擾動項不存在自相關，此為GMM 作為一致估計的前提，因此，在參數估計后，需進行擾動項的自相關性檢驗；二是由于GMM 估計使用工具變量數量較多，需進行過度識別檢驗。

五、實證分析

（一）描述性統計分析

所有樣本數據描述性統計結果見表2，從標準差和極值數據看，各農商行不良貸款率差異較大，控制變量數據之間也存在較大差距。

表2：描述性統計

（二）疫情對農商行不良貸款率的影響分析

本文分別對樣本數據進行差分GMM 估計和系統GMM 估計。在首次回歸中，GDP 增長率變量不顯著，這與現有文獻研究結論不一致?？紤]到GDP 增長率可能與不良貸款率之間存在非線性關系，因此，在方程中引入GDP 增長率的二次項，最終參數估計結果見表3。從表3可以看出，差分GMM估計和系統GMM 估計的參數存在一定差異，如對疫情這一關鍵解釋變量的估計，差分GMM 估計結果顯示疫情對農商行不良貸款率有顯著影響，而系統GMM 估計結果則表明疫情并沒有對農商行不良貸款率帶來顯著影響。從統計量看，兩個估計的F 統計量均顯著，表明本文設定的模型在兩種估計方法下均有較好的整體擬合效果。sargan 統計量均不顯著，說明無法拒絕原假設，兩種估計方法均不存在過度識別問題。在得到估計結果后，本文進一步對擾動項自相關性進行檢驗，結果如表4所示。

表3：農商行動態面板數據的GMM參數估計

表4：自相關檢驗結果

自相關檢驗結果表明，系統GMM 擾動項存在一階自相關，不符合估計方法的前置條件，而差分GMM 估計則接受擾動項無自相關的假設，表明差分GMM 估計的參數較為合理?；诖耍韵路治鲋饕诓罘諫MM下進行。

從表3中看到，疫情對農商行不良貸款率有正向顯著影響，疫情導致農商行不良貸款率上升0.81個百分點，假設1 得證。另外，農商行不良貸款率確實受過去值的影響，說明了本文動態面板數據估計方法的合理性。從內部因素看，農商行不良貸款率受小微企業貸款占比、獨立董事數量、撥備覆蓋率影響，而加權風險資產、凈利潤等變量與不良貸款率無明顯關系。其中，不良貸款率與小微企業貸款占比呈正相關，表明當前小微企業貸款確實會給農商行帶來潛在不良貸款風險。從經濟環境因素看，GDP增長率的二次項，估計系數顯著為正，表明GDP 增長率與不良貸款率呈U 形關系。在GDP 增長率較低時，不良貸款率隨GDP 增長率的上升而下降；當GDP 增長率達到一定程度后，不良貸款率隨GDP 增長率的上升而上升。這表明，當經濟增長率控制在一定范圍內時，農商行信貸業務平穩發展，此時隨著經濟的逐漸增長，借貸主體產出增加（如企業的收入、個人的工資等），貸款劣變可能性降低，不良貸款率也隨之下降；當經濟過熱時，農商行也會盲目擴張，造成不良貸款率的上升。

進一步分析政策效應發現，延期還本付息政策可以降低農商行的不良貸款率，再貸款和信用貸款支持計劃則對農商行不良貸款率無顯著影響，假設2 得證。究其原因，一方面，延期還本付息政策是直接給予農商行資金支持，并可以用于不良貸款處置，而再貸款和信用貸款支持計劃則是給予農商行一定的低成本流動性資金，對不良貸款率的影響是間接的；另一方面，再貸款和信用貸款支持計劃對農商行并不具有普適性，只有評級達標才可申請政策支持。

（三）安慰劑檢驗

由于疫情變量屬于時間虛擬變量，本文借鑒林毅夫等（2020）的做法，采取假設將疫情暴發時間前移的方法進行安慰劑檢驗。考慮到因變量不良貸款率自身帶有一定的周期性特征（銀行一般集中在年底進行不良貸款處置），因此，在安慰劑檢驗中將疫情發生時間前移2年，即假設疫情暴發的時間為2018年第一季度。另外，為了規避由于過長時間跨度引起的不確定因素干擾，本文選取假設時間前后各1年的數據（即2017年第一季度—2018年第四季度，共8 期數據）進行檢驗。安慰劑檢驗結果如表5所示，可以看出變量covid 的系數并不顯著，說明農商行不良貸款率的提高的確是由疫情暴發造成的。

表5：疫情沖擊變量安慰劑檢驗結果

（四）疫情對不同風險水平農商行沖擊的異質性分析

為分析疫情對不同風險水平農商行影響的差異性，本文使用2019年4期評級結果進行分組，穩健組為2019年全年中央銀行評級結果在5 級之內（包括5級）的銀行，該組機構基本不存在風險；相對風險組為2019年至少有一次評級結果為6 級及以上的銀行，該組機構在某段時期內可能存在一定風險。穩健組機構數量為39 家，相對風險組機構數量為71 家，兩組樣本回歸結果如表6所示。

表6：不同風險水平農商行差分GMM估計結果

從表6看出，對于穩健組樣本數據，疫情對不良貸款率的影響不顯著，疫情并未對該類農商行的風險帶來沖擊；而對于相對風險組樣本，在疫情的影響下，該組農商行的不良貸款率明顯上升；從參數估計看，疫情因素導致相對風險組的整體不良貸款率上升1.14 個百分點，高于全樣本回歸結果，表明風險水平較高的農商行受疫情影響更為嚴重，假設H3得證。

（五）疫情對不同地區農商行沖擊的異質性分析

本部分將110 家農商行所在縣（區）域按照經濟發達程度劃分為發達地區和相對欠發達地區，觀察疫情變量對兩組樣本不良貸款率的影響是否存在顯著性差異。本文按照區域人均GDP 這一指標進行劃分，先算出2019年度各農商行所在縣（區）域整體的人均GDP，高于該值的歸為發達地區，反之為相對欠發達地區。發達地區農商行數量為34 家，相對欠發達地區農商行數量為76家，回歸結果如表7所示。

表7：不同地區農商行差分GMM估計結果

從現實來看，發達地區農商行由于具備經濟產出水平高的地域優勢，其不良貸款風險相對較低，數據樣本分布同樣證明了這一現實，發達地區樣本與穩健組樣本有高度的重合性。從表7中看出，疫情對發達地區的農商行并無明顯的沖擊，而相對欠發達地區農商行風險與疫情呈正相關關系，疫情導致其不良貸款率上升0.68個百分點，假設H4得證。

六、結論與建議

（一）研究結論

本文以山東省110 家農商行為樣本，從理論分析出發，實證研究了疫情對農商行的風險沖擊及異質性和監管部門的政策效應。GMM 估計模型結果表明：疫情對農商行不良貸款率有正向顯著影響，疫情導致農商行不良貸款率上升0.81個百分點。延期還本付息政策可以降低農商行的不良貸款率，再貸款和信用貸款支持計劃則對農商行不良貸款率無顯著影響。此外，疫情對農商行的風險沖擊效應存在異質性，其中，疫情對經營穩健的農商行不良貸款率的影響不顯著，而存在一定風險的農商行不良貸款率明顯上升；疫情對發達地區的農商行并無明顯的沖擊，而相對欠發達地區農商行風險與疫情呈正相關關系。

（二）政策建議

1.強化政策扶持，嚴防信用風險持續上升。一是考慮疫情因素，適當放寬不良貸款率等監管指標容忍度，制定差異化的監管政策，緩解農商行的運營成本和壓力。二是鼓勵經營效益好的農商行通過兼并、重組等方式入股高風險機構，通過優化股權結構，幫助高風險農商行完善公司治理結構，逐步提升管理水平。三是協調財稅部門適當放寬農商行貸款核銷的條件，繼續拓寬不良貸款處置方式，加大處置力度，提高回報率，降低不良貸款對農商行的經營影響和資本消耗。

2.加強流動性監測管理，拓展資本補充渠道。一是監管部門要密切做好農商行的監測預警。加強金融風險全方位掃描預警，堅決遏制風險反彈回潮；充分運用中央銀行評級結果，切實發揮中央銀行評級引導農商行審慎經營的作用；綜合運用多種貨幣政策工具，必要時給予再貸款、再貼現資金支持，發揮精準滴灌作用，保持流動性合理充裕；積極探索多渠道、多主體、多層次的小微企業金融服務方案，逐步降低小微企業貸款集中度。二是要豐富農商行資本補充工具。加強農商行上市輔導，支持符合條件的農商行通過新三板掛牌上市融入資金；優化優先股發行流程，降低發行門檻；加快推出轉股型二級資本債券、含定期轉股條款資本債券等創新型資本補充工具；拓展二級資本債投資主體，將主體范圍擴大至社?；稹⒈ｋU公司等；建議地方政府發揮屬地責任，積極發行特別地方債用于農商行資本補充。

：

①兩項工具指普惠小微企業貸款延期還本付息政策和普惠小微企業信用貸款支持計劃。

②兩項工具為2020年6月份后出臺，在安慰劑檢驗的時間區間內數據均為0，故在估計中將該變量剔除。

③中央銀行評級結果越低，表明銀行風險越小。

④本部分所指的穩健組和相對風險組是根據風險有無而設立的，相對風險組包含中央銀行評級中的黃區（存在一定風險但仍在安全邊際內）機構和高風險機構。