我国商业银行信贷风险影响因素的实证研究

　　第 4 章 我国商业银行信贷风险影响因素的实证研究

　　4.1 实证研究模型简介。

　　4.1.1 面板数据模型。

　　具有三维（截面、时期、变量）信息的数据结构被称为面板数据（paneldata）。

　　设有因变量ity与 k  1维解释变量向量 x（x,,x,,,x,）it1it2itkit=L ,满足线性关系itititit= a+x ?b+uity, i = 1, 2,3L,N,t = 1, 2,3L,T,.上式是当考虑到 k 个经济指标在 N 个截面成员以及 T 个时间点的变动关系。

　　4.1.2 Hausman 检验。

　　Hausman 检验是区分固定影响模型和随机影响模型的检验，它假定在后者中个体影响和解释变量无相关性。Hausman 检验的目的是为了证明在检验过程中所构造的统计量服从自由度为解释变量个数的 x2分布。

　　4.2 模型变量的选取及理论假设。

　　4.2.1 不良贷款率。

　　不良贷款率是商业银行不良贷款（次级类、可疑类和损失类不良贷款额合计）占总贷款余额的比重，是衡量商业银行信贷风险以及不良贷款水平的核心标准尺度，综合反映了银行在日常经营管理中的信贷风险，本文中不良贷款率用BLR表示。

　　4.2.2 GDP 增长率。

　　GDP 指国内生产总值，GDP 增长率被认为是衡量一个国家和地区经济发展的最佳指标，不仅可以反映一个国家或地区的经济表现，还可以体现其所有的财富及实力，本文选取 GDP 增长率来衡量宏观经济水平变化对于不良贷款的影响程度，模型中以 GDP 表示，模型假设 GDP 增长率越高，银行产生沉淀不良贷款越多，即 GDP 增长率和不良贷款率呈正相关关系。

　　4.2.3 商品房平均销售价格。

　　商品房平均销售价格是指商品房年平均售价，反映了一个国家或地区一定时期内所有商品房销售价格的平均水平，文中以 CHP 表示商品房平均销售价格，拟定商品房平均售价和不良贷款率呈负相关关系，即商品房平均销售价格越高，不良贷款率越低。

　　4.2.4 社会消费品零售总额同比增长率。

　　社会消费品零售总额是批发零售业、住宿餐饮业以及其他行业直接售给城乡居民和社会集团的消费品零售额。社会消费品零售总额同比增长率是表现国内消费需求最直接的数据，它是根植于研究市场变化和经济景气指数的风向标。社会消费品零售总额同比增长率在本文以 CSR 表示，模型假设社会消费品零售总额同比增长率与不良贷款率呈负相关关系。

　　4.2.5 资产负债率。

　　资产负债率是负债总额同资产总额之比，是评价银行资产负债水平的综合指标，也是衡量商业银行经营情况的重要核心指标，反映了银行信贷安全程度，文中以 ABR 表示，银行的资产负债率越高，说明银行的负债越多或资产越少，不良贷款率越高。

　　4.2.6 贷款总额。

　　贷款总额是商业银行在一个完整会计年度贷款总额数据，反映了银行的贷款规模和相应面对的信贷风险大小，文中以 LA 表示商业银行贷款总额，假定贷款总额与商业银行不良贷款率呈负相关关系，贷款总额越大，不良贷款率越高。

　　4.3 数据的来源。

　　在模型中，五家大型商业银行为：中国银行、中国建设银行、中国工商银行、中国农业银行和交通银行。五家股份制商业银行为：招商银行、兴业银行、民生银行、浦发银行和中信银行。

　　本文中不良贷款率、资产负债率、贷款总额的数据均选取自 2004 年至 2013年五家大型商业银行及五家股份制商业银行在其年报中公布的数据统计整理统计；GDP 增长率、商品房平均销售价格、社会消费品零售总额同比增长率统计数据均来源于国家统计局网站。

　　其中，Y-不良贷款率；X1-GDP 增长率；X2-商品房平均销售价格；X3-社会消费品零售总额同比增长率；X4-资产负债率；X5-贷款总额。

　　4.4 基于面板数据模型下我国商业银行信贷风险的影响因素分析。

　　4.4.1 单位根检验。

　　在用面板数据进行计量分析时，首先要对数据进行平稳性检验，如果不平稳，那么"伪回归"问题就会相伴而生。鉴于此，首先要进行相同单位根检验的 Levin,Lin & Chu t*检验和不同单位根检验的 PP-Fisher Chi-square 检验。

　　为了更好地探究不良贷款情况，先将各数据取对数后再进行单位根检验，其表示变量的变化率情况，结果如下表：

　　各变量通过显着性水平，则拒绝原假设 H0,因此最终变量 LNBLR、LNGDP、LNCHP、LNCSR、LNABR、LNLA 数据平稳，可用于模型估计。

　　4.4.2 面板模型。

　　由 Hausman 检验可知，模型一 p 值为 0.0000,拒绝原假设，采用固定模型模型二 p 值为 0.4869,接受原假设，采用随机效应模型。

　　由表 4.2 可知：

　　（1）模型一中 GDP 增长率变化 1%,不良贷款率变化 1.380003%,即 GDP 增长率与不良贷款率呈正相关关系；模型二中 GDP 增长率变化 1%,不良贷款率变化 0.3457354%,GDP 增长率与不良贷款率呈正相关关系。GDP 增长率越高，商业银行信贷业务中产生沉淀越高，不良贷款率越高。

　　（2）模型一中商品房平均销售价格变化 1%,不良贷款率变化-5.946089%,商品房平均销售价格与不良贷款率呈负相关关系；模型二中商品房平均销售价格变化 1%,不良贷款率变化-3.012287%,商品房平均销售价格与不良贷款率呈负相关关系，商品房平均销售价格越高，不良贷款率越低。

　　（3）模型一中社会消费品零售总额同比年增长率变化 1%,不良贷款率变化-0.6253091%,社会消费品零售总额同比年增长率与不良贷款率呈负相关关系；模型二中社会消费品零售总额同比年增长率变化 1%,不良贷款率变化-1.192255%,社会消费品零售总额同比年增长率与不良贷款率呈负相关关系，即社会消费品零售总额价格越高，不良贷款率越低，社会消费品零售总额价格越低，不良贷款率越高。

　　（4）模型一中资产负债率变化 1%,不良贷款率变化 6.330011%,资产负债率与不良贷款率呈正相关关系；模型二中资产负债率变化 1%,不良贷款率变化-7.515465%,资产负债率与不良贷款率呈负相关关系。资产负债率是负债同资产之比，资产负债率越低，说明银行的负债越少或资产越多，反之亦然，根据附表中的数据，五家大型商业银行和五家股份制商业银行的负债总额、资产总额以及由此计算的得出的资产负债率等数据来看，五家股份制商业银行在上述数据方面同五家大型商业银行相比，均出现了负债总额相比较高和资产总额相比较少，因而最后的计量结果出现了大型商业银行的资产负债率与不良贷款率正相关，股份制商业银行资产负债率与不良贷款率负相关的迥异情况。

　　（5）模型一中贷款总额变化 1%,不良贷款率变化 2.36585%贷款总额与不良贷款率呈负相关关系；模型二中贷款总额变化 1%,不良贷款率变化0.4092556%,贷款总额与不良贷款率呈负相关关系，即商业银行贷款总额越高，不良贷款率越低，银行贷款总额越低，不良贷款率越高。

　　4.5 结论。

　　本文以 2004 年至 2013 年为时间维度，选取了五家大型商业银行及五家股份制商业银行为代表，通过不良贷款率等变量对于影响商业银行信贷风险的因素进行了实证研究。

　　在模型中，GDP 增长率与不良贷款率正相关，即 GDP 增长率越高，商业银行信贷业务中产生的沉淀越高，不良贷款率越高；商品房平均销售价格与不良贷款率之间存在负相关关系，这种负相关关系非常清晰；同时，社会消费品零售总额同比年增长率与不良贷款率也存在负相关关系，社会消费品零售总额价格越高，不良贷款率越低，社会消费品零售总额价格越低，不良贷款率越高。

　　较为特殊的是，在面板模型结果中，资产负债率与不良贷款率之间的关系，在不同类别银行中出现了不一样的结果。对于大型商业银行而言，资产负债率与不良贷款率之间呈正相关关系，对于股份制商业银行，资产负债率与不良贷款率呈负相关关系。因为资产负债率是负债同资产之比，资产负债率越低，说明银行的负债越少或资产越多，反之亦然。根据原始数据对比以及由此计算出的资产负债率等数据对比来看，股份制商业银行在上述数据方面，与大型商业银行相比，出现了负债总额相比较高和资产总额相比较少，因而最后的计量结果出现了股份制商业银行资产负债率与不良贷款率负相关，大型商业银行的资产负债率与不良贷款率正相关的不同情况。

　　这就要求银行在日常经营活动中，不仅要考虑所处于的宏观经济环境及其变化，更要结合各行实际，从银行的各项实际指标出发，区别对待，将银行的微观实际同经济大环境的宏观实际相结合，并时刻注意可能存在的风险隐患和形势变化，审时度势地做好防控信贷风险工作，促进银行长远稳健发展。