我国商业银行不良贷款影响因素实证分析——以平安银行为例

杨姝琴

（广州市委党校，广东 广州 510070）

1 不良贷款的影响因素分析

一是经济增长。银行的经营具有周期性的特点，当宏观经济水平平稳运行时，银行会对后续的发展具有比较高的信心，增加贷款的规模。企业也就可得到充足的资金进行生产，增强盈利能力和变现能力，资金回笼速度也较快，还款能力也随之增强。商业银行的信用风险就低，不良贷款率也就低。

二是经济政策。当政府采取扩张性的货币政策时，市场上的流通资金就会增加，商业银行用于放贷的资金总量也就越大，企业的融资成本就相对降低，有利于企业的生产经营，还贷款的能力也会提高，银行的不良贷款率就会下降；反之亦然。

三是产能过剩。从2015年到2018年我国的煤炭开采、土木工程建筑玻璃钢铁和有色金属等行业一直都出现了产能过剩的情况，直接影响了企业偿还贷款的能力，导致债权人不能按时收回欠款，引发不良贷款的发生[1]。

四是拨备覆盖率。它是针对不良贷款发生所采取的一种措施，指银行是否有充足的贷款损失准备金，也是银行经营过程中重要的指标之一。一般认为一个银行的拨备覆盖率为100%即达到了最佳状态，目前我国的拨备覆盖率正常标准是在120%-150%之间。如果某个银行的拨备覆盖率处于较低的状态，也就意味着损失准备金不够充足，出现不良贷款时，也就不能及时弥补坏账损失，导致银行不良贷款率的上升。

2 平安银行不良贷款现状和影响因素分析

2.1 平安银行不良贷款率现状

2.1.1 平安银行不良贷款规模递增。从2014年开始的近五年报表显示，不良贷款总额增加了244亿元，不良贷款率一直为增加趋势。其原因在于，经济大环境影响下的中小企业在发展过程中受到大型国有企业的排挤以至发展困难，甚至破产，而平安银行的大部分企业客户属于小微企业，其不良贷款余额和不良贷款两个方面存在不稳定现象，而且呈逐步上升趋势，严重影响着平安银行的发展。

2.1.2 平安银行不良贷款率结构分布。平安银行的贷款总额从2014年到2018年这五年间由最初的10247 亿元快速增长至19975 亿元。在贷款总额增加的同时，不良贷款余额也增长至224 亿元，总体增长了0.7 个百分点。它的不良贷款资产中，有大部分的资产属于损失贷款，到期后即使有抵押和担保也不能收回贷款，会造成银行资产的损失。

2.1.3 平安银行不良贷款率行业分布。2018年末不良贷款主要集中在制造业和商业，占不良贷款余额的46%。2016-2017，平安银行的制造业不良贷款率占的比重最大分别是11.67%和8.33%，虽然相较于2016年有所下降，但自2014年以来占比却一直呈现上升趋势，可见其最近几年的生产经营活动不如以前，产业结构化改革已被提上了日程，高成本、低附加值的企业经营逐渐乏力。在这种情况之下，商业银行应该调整对这些企业的贷款标准，提高担保和抵押物的价值，降低不良贷款率。其次是商业和房地产业分别占比10.07%和9.94%，采掘业和建筑业占的比重虽然不及前两者，但是在整个银行的不良贷款分布中，也占有相当大的一部分。

2.1.4 平安银行不良贷款率地区分布。由于受交通、资源、人口、教育等情况的影响，我国经济发展东西不平衡，实体经济东西差距较大。西部地区的产业主要以重工业、高污染、高能耗、低产业附加值的第二产业比较多，企业抵抗风险的能力较弱。平安银行的财报也可以看出，西部地区的不良贷款率明显高于东部和南部地区。北部地区由于东北老工业基地也面临着产业单一、产能过剩、人才流失等问题，不良贷款率仅次于西部地区。

2.2 平安银行不良贷款率影响因素分析

2.2.1 GDP 增长对平安银行不良贷款率的影响。我国经济一直在正增长，2018年GDP 总量高达900309 亿元，但受到最近几年金融危机、欧债危机等全球经济不良事件的影响，我国GDP 增速在放缓。十九大报告中将经济发展从“又快又好”改为了“又好又快”，我国的GDP 增长率从2010年的10.64%逐年下降到2018年的6.6%。平安银行的不良贷款率跟国家的GDP 增长率大致呈反向变动的关系。

2.2.2 货币供应量对平安银行不良贷款率的影响。M2 主要反映基础货币的投放速度和货币乘数的速度，2014年到2018年我国基础货币的投放量基本稳定，导致M2 增速放缓的主要原因是货币乘数的降低。它反应的是，我国正进行的金融去杠杆化和挤压资产泡沫的相关处理、规范金融市场监管措施、防止经济脱实为虚等现实情况。从下图可以看出，2014-2018年五年时间里，平安银行的不良贷款率和M2 的增长率呈现负相关的关系。这种情况下，平安银行应该配合国家的相关政策来调整经营策略，减少不必要的不良贷款。

图1 M2 增长率对平安银行不良贷款影响

2.2.3 制造业PMI 指数对平安银行不良贷款率的影响。该指数即采购经理指数，是通过对采购经理的月度调查汇总出来的，在一定程度上可反映出经济的变化趋势。图2可看出2014年到2018年我国制造业经理指数和平安银行的不良贷款率大致呈正相关关系。当制造业PMI 指数上升时，平安银行不良贷款率呈现上升的趋势，说明我国制造业虽然在总量上呈增长的趋势，但是其实企业的净利润在降低[2]。根据国家统计局数据，我国的工业利润增长率从2010年的34.89%下降到2017年的6.48%。或可说明我国制造业的发展前景不容乐观，企业净利润逐年下滑，违约风险增大，导致了平安银行的不良贷款率呈现大致上升的一个趋势。

图2 制造业PMI 对平安银行不良贷款影响

2.2.4 拨备覆盖率对平安银行不良贷款的影响。平安银行的不良贷款率和拨备覆盖率呈负相关。平安银行2013年2014年的拨备覆盖率一直保持在200%左右，2015年急剧下降了35.04 个百分点。但当年银行在各种经济情况频出的状态下没有及时作出应对措施，不良贷款率增加了0.45%，从2014年的1.02%逐渐增加到了2018年的1.75%。

图3 拨备覆盖率对平安银行不良贷款率影响

3 平安银行不良贷款率影响因素实证分析

3.1 变量选取

本文把我国GDP 增长率、 制造业采购经理指数、货币供应增长率和平安银行自身的拨备覆盖率作为模型的解释变量，把平安银行不良贷款率作为模型的被解释变量。导入Eviews 软件进行描述统计、相关分析、在考虑变量的平稳性和协整问题最后进行多元线性回归分析[3]。

3.2 研究假设

根据以上分析，本文以13年到18年五年间平安银行的季度和年报数据一共22 组进行分析，研究假设如下：GDP 增长率与平安银行不良贷款率的变动方向相反；货币供应量的增长率和平安银行的不良贷款率的变动方向相反；制造业采购经理指数和平安银行的不良贷款率的变动方向一致；拨备覆盖率和不良贷款率的变动方向相反。

3.3 数据来源

本文从GDP 增长率、M2 增长率、制造业采购经理指数以及平安银行自身的拨备覆盖率四个维度选取变量来研究对平安银行不良贷款率的影响。数据来自国家统计局、中国人民银行和平安银行的年报，并对从2013年第一季度到2018年第二季度一共22 组共100 个数据做回归分析。

3.4 描述统计

在数据的处理上由于统计的结果均是时间顺势，所以采用时间序列分析导入Eviews 软件。为了适应软件的输出，把变量用字母来代替，平安银行不良贷款率用Y 表示、GDP 增长率用X1表示、M2增长率用X2表示、 制造业采购人经理指数用X3表示、拨备覆盖率用X4表示。对变量进行描述后，变量均值也随之产生，其中包括中位数、最大值、最小值等参数。最终给出了雅克-贝拉检验结果，来判断样本的数据是否具有符合正态分布的偏度以及峰度。根据雅克贝拉检验结果（原假设：数据服从正态分布），得出变量均满足正态分布，原因在于所有P值都大于0.1。

表1 雅克贝拉检验

3.5 相关分析

这个主要给出各个变量之间是否存在关联。本文采用了皮尔逊相关系数（PPMCC）来分析平安银行不良贷款率和GDP 增长率、M2 的增长率、制造业采购经理指数、和拨备覆盖率之间的相关性。可以看出Y 和X1的皮尔逊相关系数是-0.47，显著水平为0.05，说明GDP 增长率在0.05 的水平下下显著。

X2和Y 之间的皮尔逊相关系数为-0.29564，显著水平不明显；

X3和Y 的皮尔逊相关系数为0.428792，显著水平较低，说明制造业采购经理在0.05 的水平上显著；

X4和Y 的皮尔逊相关系数为-0.88472，显著水平为0.01，说明拨备覆盖率在0.01 的水平上显著。

可以看出，Y 和大部分自变量均存在显著的相关性，其中Y 和X1，X4负相关，和X3正相关。

表2 相关性分析

3.6 平稳性检验

进行回归分析很可能会受到伪回归现象的影响，因此在进行分析之前首先要对相关变量进行平稳性分析。下表中标量X1，X2，X3平稳性较好，而X4和Y 则属于一阶差分后平稳，针对非平稳系列，需要结合同阶单整属性来分析相互之间的均衡关系。通过Johansen 协整检验确定变量间的相互关系，发现原假设与变量之间不存在直接关联，协整关系不存在。在0.05 水平下检验统计量值明显高于临界值，原假设不成立，从侧面反衬出变量间的协整关系。

表3 平稳性检验

3.7 回归分析

回归分析作为统计学中的一部分，在进行分析统计时需要两种或两种以上的定量关系作为支撑。本论文中有关GDP 增长率、M2 增长率、制造业采购经理指数和拨备覆盖率对平安银行不良贷款率的影响变化情况作者采用了回归分析法进行分析。回归方程建立为：Y=C1X1+C2X2++C3X3+C1X4+C

由输出结果可得下式模型方程：

Y=-0.390494X1-0.019863X2+0.087113X3-0.015409X1+0.003426

（-1.939428）（-0.843713）（1.986983）（-7.250012）（0.146356）

R2=0.857942=0.824517 F=25.66741

3.8 模型检验

3.8.1 经济意义检验。从回归结果可以看出X1的偏回归系数为-0.390，X1和Y 负相关，说明我国GDP 增长率增加一个单位，平安银行的不良贷款率减少0.390 个单位；X2的偏回归系数为负，X2与Y呈负相关，说明我国M2 增长率增加一个单位，平安银行的不良贷款率减少0.0199 个单位；X3的偏回归系数为0.087，X3与Y 呈正相关，说明制造业PMI指数增加一个单位，平安银行的不良贷款率增加0.087 个单位；X4的偏回归系数为-0.015，X4与Y 负相关，说明平安银行的拨备覆盖率增加一个单位，不良贷款率减少0.015 个单位。

3.8.2 统计检验。先是拟合优度。可决系数R2=0.857942，R2=0.824517，两者较为接近约等于1，说明该模型拟合优度很高，回归直线对观测值的拟合程度较好，说明这些因素对平安银行不良贷款率有着较大的影响。结合上述对所建模型整体进行综合分析，进而判断其拟合度优劣。再是F 检验。当显著性水平α 为0.05 时，F 值为25.66741，根据自由度在Fα分布表中所规定的临界值，求得回归方程=25.66741＞F（3，18）=3.16，从而分析“制造业采购经理指数”、“平安银行拨备覆盖率”变量对“平安银行不良贷款率”的各项影响。最后是T 检验。显著性水平用α 进行表示，其值为0.05，进而结合t 分布表进行分析，以此来确定自由度的临界值（n-k）=1.734，从拟合模型回归结果可以得知，因素X1、X3、X4的T 检验统计量绝对值均大于T 分布临界值1.734，即“GDP 增长率”、“制造业采购经理指数”、“平安银行拨备覆盖率”变量对“平安银行不良贷款率”存在显著影响，而X2的T 检验统计量小于临界值，这说明M2 的增长率对平安银行不良贷款率不存在显著影响。

3.9 实证结论

通过实证分析，GDP 增长率、 平安银行拨备覆盖率对平安银行不良贷款率呈反向变动影响。当国家宏观经济数据GDP 呈现增长的时候，平安银行的不良贷款率会有所降低；制造业采购经理指数和平安银行不良贷款率变化方向一致。可以看出其中影响最大的是GDP 增长率。其原因是目前我国的制造业规模在不断扩大，但最大的人口红利优势已经逐渐减退，制造业的利润增长率在逐年下降。平安银行应该根据国家宏观调控的相关政策，结合自身的发展情况和经营方式，采取不同的放贷模式：对传统的高能耗高污染等企业减少放贷额度，大力支持创新型科技型具有高产业附加值的企业，这既能增加企业和银行的利润，同时又可减少平安银行的不良贷款率，从而促进整个金融体系的发展。另外，平安银行也应该重视银行拨备覆盖率的变化情况，按照审慎原则计提各类损失贷款的损失准备金，使之保持在适合银行发展的正常水平，不能盲目地增加或减少损失准备金。

4 我国商业银行不良贷款防范措施和建议

4.1 政府方面

首先要建立健全相关政策。我国经济的快速发展使得市场环境结构不断发生改变，现行的规章制度有的已经不能适应新的发展需要，有关的法律制度更新比较滞后，存在一些漏洞和不合理之处。应该及时更新关于银行贷款的相关法律法规，降低商业银行的不良贷款率来保证我国银行业的良性正常发展。

其次要增强宏观调控的能力。市场经济下，政府的宏观调控职能应进一步加强。地方政府不能为了GDP 政绩去争夺信贷资源，要求企业为完成所谓的政绩目标而去扩大生产，或要求银行对企业加大放贷的力度，使企业和银行都面临巨大的风险。

最后要大力支持经济创新。我国不仅是农业大国，同时也是制造业强国，但目前钢铁、煤炭、水泥玻璃等行业的产能过剩问题比较严重，而且这些行业的特点是高能耗、高污染、低附加值、创新能力不够。在经济“新常态”的发展目标之下，政府应该大力倡导发展高新技术产业。

4.2 商业银行方面

首先要完善风险管理体系。发放贷款作为商业银行的主要业务和重要收入来源，银行在条件允许的范围内都会尽量加大贷款的投放力度。但由于银企信息不对称等因素的影响，企业为了获取更多的贷款融资往往会“美化”财务报表，银行在发放贷款的时候往往重视数量的多少，轻忽了贷款质量。银行自身的经营环境对不良贷款率具有影响，要完善自我约束机制，对贷款严格审查。从事放贷工作的人员必须具有相关的资质，具有风险转移和风险规避的意识。

其次要制定科学的贷款审批流程和监管制度。商业银行应调整信贷结构，制定科学的贷款审批流程和监管制度。在放贷前，不仅要对企业的经营状况和行业地位、主要业务、管理层背景、上下供应链企业的相关信息进行了解，还要对企业的担保和抵押物进行合理和多方评估，对不达标的企业追加担保和抵押物，或者拒绝向其发放贷款。贷款发放以后，银行应该对企业进行实时跟踪调查，对不同企业进行分类管理，违约风险高的企业增加监控的频率。合约到期时，要积极主动与企业进行沟通，催促企业偿还贷款，对不能按时偿还的企业进行损失种类评估，对抵押资产拍卖来偿还贷款，通过事前和事中的贷款流程和监管制度的合理优化，尽可能地把信用风险扼杀在“摇篮”里，减少银行不必要的损失贷款。

最后要合理处置不良贷款。现阶段我国商业银行主要采用清收、 转让两种方式来处理不良资产，或可适当借鉴国外先进的不良贷款证券化的处理方式，以债权转让、对不良资产进行拍卖和设立子公司的方式来处理不良贷款，从而降低银行的不良贷款率。