中国农业银行不良贷款率影响因素研究

田园

由于多种经济因素的共同作用，农业银行的不良贷款率高居国有商业银行的首位，对我国金融秩序和经济运行都造成了巨大威胁，其防范和化解任务十分艰巨。首先，本文阐述了不良贷款的定义和分类，介绍了不良贷款的基本理论，并探讨了中国农业银行不良贷款的现状与发展。其次，选取了GDP增长率、货币供应量增长率、资本充足率、银行规模、拨备覆盖率和净利差六个经济指标。最后，对影响农业银行不良贷款率的经济因素进行实证分析，得出中国农业银行不良贷款率受此六个因素影响，并均与之呈负相关关系。其中净利差、自身规模对不良贷款率的影响关系较大，GDP增长率影响较小。根据回归结果，又进一步对农业银行下一步如何控制不良贷款率提出了几点建议：提高自身盈利能力，增强自身在市场中的核心竞争力；控制规模，提高内部管理效率；提高拨备覆盖率，增强风险应对能力。

引言

选题背景

在现代经济社会中，金融业占据着无比重要的地位，金融业的稳定与否极大地影响着整体经济的运行。而在金融业中，商业银行是经济市场化的产物，是在社会化大生产和市场经济发展的需要下形成的一种金融组织。

自2004年以来四大国有银行陆续上市开始，我国已初步建立起一个多层次、竞争性和市场化的商业银行体系。经过十几年的发展，中国的商业银行在平均资本上已经达到了世界先进水平，工商银行更是在2013年英国《银行家》杂志的全球银行排名中位居第一，标志着我国的商业银行发展进入了崭新的阶段。

然而，在我国商业银行的资产规模不断扩大的同时，资本质量却没有明显的改善。根据中国银监会发布的数据，2016年第三季度，我国银行体系不良贷款余额已达到14937亿元，其中农村商业银行不良贷款率最高，达到2.74%，已大大超过银行业风险2%的警戒线。总体来看，我国商业银行的不良贷款率已创七年来新高，并仍有不断攀升的趋势。

纵观全球曾经发生过的金融危机，大多都与银行贷款违约相关。以2008年美国次贷危机为例，这场蔓延全球，引起多家金融机构倒闭、被收购的金融风暴，最初就起源于美国次级房屋信贷行业违约剧增。尽管美国政府采取了多种措施，试图降低这场危机的破坏力，但仍旧无法阻止这场危机升级、扩散。甚至直到今天全球经济依然没能完全从这场风暴的阴影中走出来。

在不良贷款率不断升高的今天，我国的金融秩序也面临着巨大的威胁。因此，探明不良贷款率的影响因素无疑是迫在眉睫的重要议题。

由表1可以看出，占据总不良贷款余额之比最大的是大型商业银行，超过了半数。而在大型商业银行中，中国农业银行的不良贷款率始终处于最高水平。（见图1）作为我国重要的国际化商业银行，农业银行的不良贷款水平将很大程度上影响我国的整体金融秩序，为了缓解我国的不良贷款压力，解决农业银行的不良贷款问题将是一条必经之路。

选题意义

理论意义。目前已有的研究多是以不良贷款本身的影响和作用机制为着眼点，而分析不良贷款的影响因素的较少。本文将在总结、分析前人研究成果的基础上，从描述性分析和实证分析两个角度出发，建立多元线性模型，深入剖析农业银行不良贷款率的影响因素，在一定程度上弥补这一研究空缺，具有理论意义。

现实意义。不良贷款的不断攀升使我国的金融秩序面临着严峻挑战，为了解决这一问题，就必须要探明不良贷款的成因，了解各影响因素所在，进而有针对性地出台相关治理政策，维护我国经济正常运转。因此，本文所探究的以农业银行为代表的不良贷款的影响因素对于改善我国金融现状具有现实意义。

文献综述

国外相关文献综述。在国外的研究中，Bernanke（1983）最早从外部环境的角度来探究不良贷款与宏观经济环境之间的关系，发现经济运行的波动性是影响信贷成本增加或减少的重要因素，从而对企业还款能力产生影响，使得银行不良贷款随之恶化或好转。自此，许多国外学者将目光投向这一领域，并作出了一些研究成果。

Vasicek（1987）运用单因素模型，探明了GDP增长率对不良贷款率具有显著影响，这是首次在实证角度证实宏观经济对于不良贷款率的影响。

随后，研究方向趋向于同时考虑多个因素对不良贷款的影响，以获得更加丰富的结果。Salas和Saurian（2002）通過面板计量模型对1985-1997年的数据进行分析，以期探究西班牙银行不良贷款率的影响因素，结果显示经济增长政策、管理激励、信贷组合、市场支配能力对不良贷款率均有显著影响；Barros c.P.等（2012）对日本银行数据进行了研究，结果发现国内外的宏观经济因素均与不良贷款率有着密切影响。

为应对不同的写作背景，许多学者还创造性地提出了不同的模型，例如麦肯锡于1997年提出了CPV模型，以研究宏观经济变量指标对不良贷款率的影响；Pesaran于2006年提出了GVAR模型，创新性地将全球经济冲击因素考虑在影响因素之内。

国内相关文献综述。相比较于国外，国内对于此问题的研究起步较晚，但仍取得了一定成果。

谢冰（2009）以2004年第一季度到2009年第一季度的数据为研究样本，运用主成分分析的方法，得出了宏观经济指标与不良贷款的余额存在负向关系这一猜想，并指出商业银行的不良贷款总额一直居高不下已成为制约中国商业银行发展的重要因素之一。

李美芳（2013）收集了中国农业银行2008-2012年的数据，运用实证分析的方法，探明不良贷款率与GDP增长率负相关，与货币增长率正相关。

陈金媛（2015）运用多元线性回归模型分析了2008-2014年我国17家上市银行季度数据，得出我国商业银行不良贷款率在宏观层面受GDP增长率、贷款利率水平、货币供应量M1和贷款总量影响，且呈负相关关系的结论。

陈奕羽（2015）则着眼于将微观与宏观因素相结合，采用2009年第一季度到2014年第二季度的数据，表明M2增长率、资本充足率及银行资产规模对不良贷款率有显著的正向影响，银行自身的成本收入比、存贷比对不良贷款率的影响并不显著。

文献评述。由上文综述可以看出，国内外学者虽然对不良贷款率的影响因素作出了许多分析，但仍存在如下问题：

首先，国外研究起步较早，较多地运用了数学模型，而国内学者则较多地着眼于定性分析和描述性分析，定量分析研究则比较少；其次，大多数研究都着眼于宏观经济因素对不良贷款率的影响，对微观因素却没有过多考虑。

因此，本文將在借鉴国内外学者研究成果的基础上，尝试将宏观经济指标与银行自身经营数据相结合，探究这两者对不良贷款率的共同影响，以补充当前的研究不足，并为中国农业银行下一步的发展方向提出一些建议。

商业银行不良贷款概述

不良贷款定义及分类

不良贷款定义。所谓商业银行不良贷款，即银行的不良资产，主要是指偿还出现问题，无法按时支付利息甚至连本金都难以收回的贷款。贷款作为商业银行的主要盈利业务，它的质量很大程度上决定了行业银行的盈利能力。因此，不良贷款成为评价商业银行资产质量的重要指标之一。

相比较于不良贷款额，不良贷款率是一个相对值，能够更好地反映出商业银行的贷款结构。在不同规模的银行中，不良贷款额会有很大差别，大型商业银行的不良贷款额一般均会高于规模较小的商业银行，但这并不能说明规模越大的银行信贷质量越差。因此，在银行规模不同时，采用不良贷款率作为商业银行信贷质量的衡量值相对比较合理。

不良贷款分类。针对不良贷款的分类，普遍采用的是以美国为代表的“贷款风险五级分类法”的解释，即为了贷款风险管理的需要，对未到期的信贷资产划分为五类：正常（Pass）、关注（Specialmention）、次级（Substandard）、可疑（Doubtful）、损失（Loss），后三类贷款被称为不良贷款（Non-performingloans），也称为银行的不良资产。各级贷款具体定义如下：

不良贷款成因理论

信用论。金融活动实质上是一种信用过程，信用是包括时间长度在内的一种预期。因此，任何一种金融活动中事实上都包含不确定性。信用是商业银行赖以生存的基础和保障，它既负有向公众存款还本付息的义务，又拥有向借款人索要贷款本金和利息的权利。但由于金融活动存在不确定的影响因素，例如通胀、汇率、利率等的变化，导致这些指标的实际值偏离了借款人的预期，借款人的预期收益下降，最终导致其无力偿还银行贷款，导致违约。这种违约也就导致了商业银行不良贷款的产生。

可以说，不良贷款的存在是必然的，商业银行贷款借出与偿还之间的时间差距就足以证明这一点。现代经济社会是用信用连接起来的整体，即使仅仅是某一个环节遭到破坏，也将会引起整个系统的混乱，信用不佳的企业将把信用良好的企业也拖入泥沼，从而导致整个金融系统的崩溃。因此，商业银行的不良贷款本身就存在着蔓延的趋势，需要尽快出台调控措施。

金融脆弱性理论。金融脆弱性理论的观点是金融脆弱性的根源是宏观经济，它的论证思路是探寻宏观经济环境的变化与银行不良贷款的变化之间的关系。

（1）明斯基的“金融脆弱性假说”。明斯基的“金融脆弱”理论认为，银行不良贷款的产生涉及宏观经济周期、银行和企业三方面因素。银行是一个以吸收存款发放贷款为主要业务的特殊企业，自有资金少，资产负债率高是其一大特点，同时也是银行风险产生的主要原因，具有天然的金融脆弱性。

当经济处于繁荣期时，企业预期利润上升，投机性企业和庞氏企业借款需求也随之上升，使得银行向高风险水平的企业发放贷款的比重加大，导致更严重的金融脆弱性；当经济走势趋缓走向反面时，此类高风险企业收入降低，将出现违约和破产的可能性，不良贷款不断扩大将导致银行破产，进而引发新一轮的金融危机。

（2）“安全边界说”（Margins ofSafety）理论。商业银行进行资金借贷不可避免地会产生不良贷款，但一般都应控制在一定的范围之内，在及时解决存量不良贷款的同时，一般都会采取措施，控制不良贷款增量的上升。具体来讲，遵循谨慎性原则的银行，为了防止自身产生经济损失，即防止发放给企业的贷款无法顺利收回，往往会选择采取一种安全措施，以保证银行的经济利益在一定的安全边界范围之内不受损失。

因此，当经济繁荣时，借款企业大多信用较好，银行所接受的安全边界会随之降低，那些本来不能通过审核的高风险企业也能获得贷款；当经济衰退时，那些高风险企业将无法偿还贷款，从而导致不良贷款的增加，金融脆弱性加大。

贷款客户关系理论。在70年代，JohnH.Woo提出了贷款客户关系理论。该理论的内容主要是：银行为了长期保持贷款的需求，追求其长期利润最大化的目标，往往会降低贷款利率，扩大贷款规模，以保持与客户的关系，由此导致银行倾向于采取以扩张贷款量为特点的激进型贷款策略。这样，首先银行的贷款质量会受到影响，其次银行的收益也会随之降低，银行的风险承受能力相对被削弱，因而，银行不良贷款风险也就增加。

中国农业银行不良贷款的影响因素理论分析

中国农业银行不良贷款状况

中国农业银行不良贷款现状。截止到2016年6月30日，中国农业银行发放的贷款总额为人民币2，253.89亿元，比上年末增加125.22亿。其贷款的五级分类情况见表3。

可以看出，2014-2016年，中国农业银行的贷款总余额逐年上升，由人民币7.661，924亿元上升至8.778，451亿元，不良贷款率也逐年上升，由1.54%到2.39%，再到2016年的2.4%。同时，不良贷款的内部结构也在恶化，损失部分相对占比上升。

中国农业银行不良贷款发展状况。由图2可以看出，由2008-2013年，中国农业银行的不良贷款率始终处于下降状态。这是由于中国农业银行在过去一直在政府的主导下对乡镇企业和农村基础建设项目提供信用贷款，背上了沉重的历史包袱，而近些年这种情况有所改善，三农金融业务的占比逐年下降。但截至2016年6月30日，中国农业银行对三农金融业务款和垫款总额仍高达31，208.38亿元，占发放贷款和垫款总额的32.44%，这部分的不良贷款率为3.04%，比总不良贷款率高0.65%。这也是中国农业银行不良贷款率始终处于我国四大商业银行之首的重要原因。

此外还可以看出，在2013年之后，中国农业银行的不良贷款率开始逐年上升，并且上升速度越来越快。这种上升是在多种因素的共同作用下导致的，为了找到究竟是哪些原因影响了不良贷款率，本文将继续做出探究。

中国农业银行不良贷款率影响因素的实证分析

模型变量选取及结果假设

本文将采用多元线性回归的方式来分析中国农业银行不良贷款率的影响因素和影响程度。

为了得出适当的研究成果，本文将农业银行的不良贷款率作为被解释变量，宏观经济指标选择GDP增长率和M2增长率，微观方面选择银行自身的资本充足率、拨备覆盖率、净利差、银行规模（各年总资产的自然对数）作为解释变量。

解释变量1：国内生产总值增长率。本文采用这一指标来代表整体宏观经济情况的代表。基于国内外的研究成果及前文的分析可知，GDP增长率与不良贷款率之间呈负相关关系。

解释变量2：货币供应量（M2）增长率。本文采用这一指标作为宏观经济政策走向的代表。假设M2增长率对商业银行不良贷款率的影响为负。

解释变量3：中国农业银行拨备覆盖率。拨备覆盖率能反映银行贷款的风险程度和社会信用情况。假设拨备覆盖率与不良贷款率为负相关关系。

解释变量4：资本充足率。资本充足率是衡量银行抵御风险能力的指标。假设农业银行资本充足率与不良贷款率负相关。

解释变量5：银行规模自然对数。根据前文的分析，银行规模对不良贷款率的影响还与银行内部的管理结构相关，需要具体分析，因此在此先不作出假设。

解释变量6：净利差。净利差是国内商业银行也是农业银行最主要的收入来源，体现了农业银行的盈利能力和风险管理能力。假设农业银行净利差与不良贷款率负相关。

数据来源

文章研究的对象主要是中国农业银行不良贷款率，此次实证分析考察的样本期间为2010年第3季度至2016年第3季度的25组季度样本数据，回归中所用到的银行数据均由中国农业银行各年季报、中报与年报中搜集整理而成，GDP增长率和M2增长率则来源于国家统计局官网。具体数据见表4。

实证分析

多元回归模型的设计。所谓回归分析法，是在掌握大量观察数据的基础上，利用数理统计方法建立因变量与自变量之间的回归关系函数表达式（称回归方程式）。社会经济现象之间的相关关系往往难以用确定性的函数关系来描述，它们大多是随机性的，要通过统计观察才能找出其中规律。回归分析是利用统计学原理描述随机变量间相关关系的一种重要方法。

根据前文的分析，本文选取了6个变量进行分析，以此建立不良贷款率与GDP增长率（GDP）、货币供应量增长率（M2）、拨备覆盖率（BBFG）、资本充足率（zBCZ）和银行规模（sIZE）、净利差（JLC）的多元线性回归模型，其回归方程可以写为：

Y=CI+C2*GDP+C3*M2+C4*BBFG+C5*ZBCZ+C6*SIZE+C7*JLC+U

其中，C1-C7为分别对应的各个变量模型的估计系数，u为残差项。

变量的平稳性检验。为了使回归结果是有意义的，首先需要对模型中的各时间序列进行单位根检验，以确定其平稳性。将25组数据导入Eviews进行ADF检验，变量及其一阶差分的ADF檢验结果如下：

从运行结果来看，各变量的P值均大于0.05，即在5%的置信水平下接受原假设，存在单位根，时间序列是非平稳的。将各变量进行一阶差分后再做ADF检验，得出的P值除拨备覆盖率大于0.05外，其余均小于0.05，即拒绝原假设，不存在单位根，时间序列平稳。对拨备覆盖率进行2次差分后，P值降为0.0016，拒绝原假设，时间序列平稳。

因此，为了使回归结果有意义，应当采用不良贷款率、GDP增长率、M2增长率、资本充足率、规模、净利差的一阶差分，以及拨备覆盖率的二次差分进行回归。

回归分析。为了减少时间序列的异方差影响，在Eviews中用广义最小二乘法对25组数据进行回归，并检验了模型的拟合优度、模型显著性和变量的显著性。回归结果见表7。

从参数中可以看出，模型决定系数R2=0.962864，调整后的R2统计量为0.948938，也就是修正可决系数为94.89%，该模型对样本的拟合程度较好，说明模型所选择的解释变量是被解释变量的原因。

又可以看出，模型的F统计量为69.141171，模型通过了F检验，犯错误的概率仅为1.52乘以10的负10次方，说明所选择的因变量总体上对自变量有显著的线性影响。

回归结果见表8。

表中可以看出，备变量回归结果的P值均小于0.05，即说明各个解释变量均通过了t检验。从第二列的各个变量估计值可以得出线性回归模型为：

DY=0.001268-0.25809DGDP-O.039672DM2-0.038647DSIZE-0.076141DZBCZ-0.006064DDBBFG-0.776069DπC+u

由模型结果可以看出，中国农业银行不良贷款率受GDP增长率影响，并与之呈负相关；受货币增长速度影响，并与之呈负相关；受其自身的规模大小影响，并与之呈负相关；受资本充足度影响，并与之呈负相关；受拨备覆盖率影响，并与之呈负相关；受净利差影响，并与之呈负相关。回归结果与前文理论分析结果基本相符。

降低不良贷款率的措施

观察分析结果可以看出，规模大小与净利差的T值较小，即与不良贷款率的关系最为密切。所以，农业银行要想防范和化解不良贷款，首先要提高自身盈利能力和对风险的防控能力，增强中国农业银行在金融市场的核心竞争力；其次要控制规模的盲目扩张，改善内部管理体系，提高行政效率。

此外，拨备覆盖率对不良贷款率的作用也比较明显，说明中国农业银行应当适当提高拨备覆盖率，增强对不良贷款的应对措施。

在所有的自变量中，GDP增长率变化的影响相对较小，这说明中国农业银行的不良贷款率上升虽然与总体经济下行有关，但这种下行并不是不可抗的，农行仍然可以从内部进行实施一些措施进行改善。

由于多种经济因素的共同作用，农业银行的不良贷款率高居国有商业银行的首位，截止到2016年中期，中国农业银行的不良贷款仍高达2，253.89亿元，其防范和化解任务十分艰巨。

文章首先对不良贷款的定义和分类进行了说明，介绍了三个不良贷款的相关基础理论：信用论、金融脆弱论和贷款客户关系理论。紧接着，探究了中国农业银行的不良贷款现状和发展情况，发现其不良贷款率呈现抛物线形，2013年之前逐年下降，2013年后逐年上升，而且从农业银行贷款五级分类情况表中发现，不良贷款结构也在逐年恶化。2013年前的下降可以归因于国家对于其支持三农金融业务的强制性要求，2013年以后的上升则将在后文中从理论和实证角度进行探究。

其次，对影响中国农业银行不良贷款率的宏微观经济因素进行理论分析，主要从影响农业银行不良贷款率的宏观经济周期和农业银行自身经营行为出发，最终选取了GDP增长率、货币供应量增长率、资本充足率、银行规模、拨备覆盖率和净利差六个经济指标。

最后，对影响农业银行不良贷款率的经济因素进行实证分析。进一步证实选取的七个变量与农业银行不良贷款率相关关系。得出中国农业银行不良贷款率受GDP增长率影响，并与之呈负相关；受货币增长速度影响，并与之呈负相关；受其自身的规模大小影响。并与之呈负相关；受资本充足度影响，并与之呈负相关；受拨备覆盖率影响，并与之呈负相关；受净利差影响，并与之呈负相关的结论。根据回归结果，又进一步对农业银行下一步如伺控制不良贷款率提出了几点建议：提高自身盈利能力，增强自身在市场中的核心竞争力；控制规模，提高内部管理效率；提高拨备覆盖率，增强风险应对能力。为中国农业银行的下一步发展作出一定的参考和借鉴。