宏观经济因素对我国商业银行信贷风险的影响——基于VAR模型的实证研究

2022-10-02

一、前言

近年来, 我国供给侧结构性改革不断深化, 但从宏观上看, 经济增长并没出现拐点, 改革使我国正处经济结构调整的持续阵痛期, 商业银行要消化大量前期存量的、隐性的不良资产, 同时在“僵尸企业”加速出清、煤炭钢铁等传统行业去产能的过程中, 部分非金融企业的应收账款周转速度降低, 银行的逾期贷款增加。在国内外错综复杂的经济金融形势影响下, 当前我国商业银行资产质量管理面临较大压力, 强监管依然是主旋律, 从资源配置结构来看, 商业银行资产投放向信贷业务回归, 但截至2018年末, 我国商业银行不良贷款余额达2万亿, 比2017年上涨近3000亿元, 不良率小幅上涨0.15%, 信贷业务存在较大的风险隐患。

银行经营的是信用, 管理的是风险, 银行业是典型的周期性行业, 信贷则是商业银行传统业务中最主要、核心的业务, 因此宏观经济的周期波动对不良贷款率和不良贷款结构产生一定影响, 近年来互联网技术的快速发展也冲击着商业银行的传统业务。本文利用VAR模型实证分析国内生产总值增长率、居民消费价格指数和货币供应量增长率对我国商业银行信贷风险的影响, 希望能针对我国商业银行降低经营风险、维持信贷结构稳定提出可行建议。

二、文献综述

20世纪末至今, 商业银行信贷风险及其影响因素深受国内外学者关注, 相对而言, 西方经济学家起步较早, 主要从商业银行间竞争、企业信用、监管标准等角度, 通过构建单因素模型、面板模型、VAR模型, 实证分析了GDP、CPI、M2、利率、汇率、股指等经济因子及金融危机对银行业信贷风险的影响, 取得了丰硕的研究成果。

21世纪以来, 国内学者结合我国国情展开了一系列研究。理论研究方面, 王莉珊 (2010) 从银行信贷扩张行为约束乏力、低息背景、净息差减少等方面进行研究, 得出新形势下我国商业银行信贷风险会在流动性管理难度加大、信贷结构数量不均衡、利润同信贷额增长不成正比等情况出现时增大的结论。王倩 (2018) 分析了宏观经济波动下我国商业银行信贷风险现状和信贷风险管理现状, 指出宏观经济的不稳定会增加商业银行的信贷风险, 商业银行需要密切关注宏观政策变化, 及时合理应对宏观经济波动, 建立健全风险预警机制, 调整信贷资产配置, 加强风险管控, 防范信贷风险。实证研究方面, 张欣 (2014) 通过对2004—2013年的季度数据用分布滞后模型进行分析, 发现宏观经济的周期性波动对商业银行不良贷款率有非常显著的负相关影响, 而且宏观经济波动对股份制商业银行不良贷款率的影响明显弱于对国有商业银行不良贷款率的影响。叶伟超 (2016) 采用固定效应的估计方法分析15家上市商业银行的面板数据, 指出商业银行规模、收入结构、营业成本、居民购买力、货币政策都与商业银行信贷风险呈正相关关系, 贷款规模、财政政策、经济发展状况与商业银行信贷风险呈负相关关系, 通货膨胀与商业银行信贷风险关系不显著。

从各位学者的研究成果来看, 宏观经济因素对商业银行信贷风险影响的研究方法不同, 得出的结论也不同, 本文拟在此基础上, 利用VAR模型, 实证研究我国国内生产总值增长率、居民消费价格指数及货币供应量增长率三个宏观经济指标周期波动对信贷风险的影响。

三、宏观经济因素对商业银行信贷风险影响机制分析

大量研究成果表明, 不良贷款率周期性很强。经济上行时期金融需求旺盛, 银行对未来经济形势较为乐观, 为增强同业竞争力, 会降低信贷投放的门槛, 不断扩大放贷规模, 借款人凭此实现对企业发展的融资, 市场经济整体向好, 企业盈利能力显著提升, 此时因经营不善导致破产的企业数量大大降低, 不良贷款率较低, 银行信贷业务繁荣。但当社会总需求大于总供给, 市场过热或价格出现泡沫, 会引发通货膨胀, 这时政府会采取紧缩性政策进行调控, 宏观经济进入下行周期, 企业因产能过剩, 经营利润减少, 无力偿还贷款, 信贷风险就会暴露出来, 不良贷款率显著上升, 特别是当风险相互传染时, 不良贷款比率也会波动较大。

四、基于VAR模型的实证研究

本文使用VAR模型分析宏观经济因素对我国商业银行信贷风险的影响, 在做变量选择时, 以Y表示我国商业银行不良贷款率, 用作被解释变量反映我国商业银行信贷风险水平, 以GDP表示国内生产总值增长率、CPI表示居民消费价格指数、M2表示货币供应量增长率, 作为解释变量反映我国宏观经济的变动。本文采用2011年1季度到2018年2季度的季度数据作为样本区间, 数据来源于中国银监会、中国人民银行及国家统计局等官方网站。

(一) 平稳性分析

VAR模型要求所需要的数据是平稳的, 若数据非平稳, 往往出现“虚假回归”, 利用Eviews8.0软件对上述变量及其一阶差分序列做ADF检验, 检验结果如表1所示。

在5%显著性水平下, 所有序列都拒绝了原假设, 说明它们的一阶差分为平稳的时间列。

(二) 协整性检验

协整传递出一种长期均衡关系, 对各变量进行Johansen协整检验, 结果如表2所示。

在5%的显著性水平下, Y与GDP、CPI、M2之间存在稳定的长期协整关系, 可以建立VAR模型进行实证分析。

(三) Granger因果关系检验

分别对被解释变量和选取的解释变量进行Granger检验, 检验结果如表3所示。

由表可知, 被解释变量与各解释变量之间均存在双向因果关系, 可建立VAR模型。

(四) VAR模型

运用Eviews8.0建立VAR模型, 并对模型平稳性进行检验, 得到估计结果如表4所示。

分析上述结果可知, 该模型拟合效果非常好, 且从单位根分布图可知特征根都位于单位圆内, 满足稳定性条件, 由此说明GDP、M2的变化是Y变化的影响因素, 而CPI变动对Y影响并不显著, 总体来说, 该模型主要检验值比较理想。

五、结论与建议

根据上述的理论研究和实证分析我们可以得出, 宏观经济波动对我国商业银行信贷风险具有一定的影响, 相对而言, 国内生产总值增长率和货币供应量增长率对不良贷款贡献程度较大, 居民消费价格指数贡献程度较小, 即经济发展状况和货币政策的变化对商业银行信贷风险有较大影响, 而通货膨胀影响并不显著。从相关关系上看, 宏观经济波动与商业银行不良贷款率呈负相关关系, 经济向好时, 信贷风险也会减小。基于宏观经济波动与我国商业银行信贷风险之间这种长期稳定的相关关系, 本文提出以下建议:

(一) 加强对国内外宏观经济波动情况的研究

商业银行应时刻密切关注国内外经济运行状况, 加强对国家产业政策的研究, 增强忧患意识, 以便准确判断未来经济走势, 更好应对未来的机遇或风险。我国政府会根据国内外经济形势, 制定确保经济平稳运行的政策, 商业银行需要认真分析每一个行业相关政策, 预估新政策对自身信贷业务的影响, 并对贷出资金进行跟踪监督, 了解投放行业的市场现状和发展前景, 在大背景下调整资源配置方向, 有效防范经济下行对信贷业务造成的冲击, 实现宏观经济波动下稳健经营。

(二) 构建资本逆周期监管机制及全面风险管理体系

在当前货币政策和宏观审慎政策双支柱调控框架下, 应在经济周期的不同阶段对商业银行实施差别化和动态化的监管, 同时采用动态拨备制度, 商业银行在经济繁荣时期计提资金, 用于弥补经济衰退时的损失。针对不同类型商业银行的发展要求, 采取差异化的逆周期资本监管政策, 进一步提高监管效率。另一方面, 要确立全方位的风险管理流程并探索全新的风险管理手段, 使风险管理在业务的每一个环节均得到体现, 为达到“风险可控”的目的, 商业银行需要沿着流程模块, 对不同环节所面临不同的风险进行选择、过滤以及管理。此外, 还应培养全员的风险管理文化, 银行风险管理应当覆盖所有的部门、岗位和人员。

(三) 规范放贷行为, 加强贷后管理

商业银行与借款人之间的信息永远是不对称的。因此商业银行在放贷之前要全面、真实了解借款人的借款用途、还款来源以及担保措施等情况, 并对借款人未来还款的可能性做出评估, 重视合同的签订, 贷款放出后同样要根据客户生意特点设计监控方向和时间, 不被客户正常还款迷惑。在放贷对象的选择上, 要做到风险分散, 加强对我国小微企业的扶持。

摘要：信贷业务是商业银行的主营业务之一, 因此, 维持我国银行体系稳定需要对信贷风险加以关注。本文从理论成果和实证研究两方面入手, 首先综述国内外学者研究成果, 提出宏观经济因素对信贷风险的影响机制, 再基于2011年1季度至2018年2季度的季度数据, 运用Eviews8.0软件构建VAR模型进行实证分析, 最后针对研究结论提出降低我国商业银行信贷风险的相关建议。

关键词：VAR模型,宏观经济因素,商业银行,信贷风险