APP下载

宏观经济对我国商业银行信用风险的影响

2022-01-06周维维何云四川师范大学

品牌研究 2021年28期
关键词:宏观经济价格指数信用风险

文/周维维 何云(四川师范大学)

随着世界金融经济全球化进程的加快、国际大型商业银行跨国贸易活动的发展,在新经济背景下,我国商业银行的信用风险管理问题越来越突出。近年来,受国家宏观经济政策方面的影响,短期内部分领域风险仍然处于相对释放阶段,带动着商业银行不良贷款的增长,对于商业银行的不良贷款率控制和信用风险问题仍需加以重点关注。

一、文献综述

国内外研究商业银行信用风险和宏观经济因素方面的研究成果较多,但主要是研究宏观经济因素对某个商业银行不良贷款率的影响,且没有具体说明哪些宏观经济变量对银行信用风险的影响最大,这就有进一步研究的必要。

银行信用风险与不良贷款率。现代金融理念认为,银行是一个“风险机器”,将风险、风险管理、风险转化和风险再加工转化为金融产品。世界银行对全球银行危机的研究表明,信用风险是促使银行倒闭的最常见的原因。有学者认为,金融体系的脆弱性的根本性原因是银行的不良贷款率,这种不良贷款率会影响银行信用风险,可能导致银行信用危机(曾诗鸿,2015)。对于银行业而言,信贷资产质量处于重中之重的地位,银行的稳定性、资金流动性以及盈利性等都受到不良贷款率变化的影响(王一臣,2018)。

宏观经济对银行不良贷款的影响。国外有学者指出,指出宏观经济波动范围深度和持续时间是影响信贷成本的主要因素,经济波动会直接影响信贷成本,继而影响银行贷款的质量(Bernanke,1983)。有学者通过实证研究发现以不良贷款率表示的我国信贷风险和经济周期之间存在一定关系(符林,邱田振,2009)。宏观经济变动对信用风险模型的度量结果有影响(贾文学,2012)。

银行信用风险与宏观经济变量的关系。许多学者都对违约率、违约损失率等信用风险与宏观经济之间的关系进行了实证研究。通过对英国企业贷款违约率的研究,发现利率、GDP 等宏观经济变量对违约率确实存在影响(Vlieghe,2001),货币供应量可以以银行为途径来影响实体经济(Diamond D W.,Rajan R G.,2013)。这说明了宏观经济变量可以通过商业银行内部因素来对商业银行风险产生影响,说明银行的脆弱性具有内生性,在外部冲击下产生放大效应,使得银行面临更高的风险,进而可能引发金融危机。从国内外研究商业银行不良贷款率和宏观经济因素关系的文献来看,运用宏观经济因子建立信用风险测度模型的研究成果较多,目前我国关于宏观经济对商业银行信用风险的影响方面的实证研究还比较少,大多数文献都只分析了银行信贷风险的原因以及应对措施,主要采用定性分析,忽视了定量分析。

二、理论分析与假设提出

在研究商业银行信用风险时,涉及了较多宏观经济变量,基于相关理论,对宏观经济变量与银行不良贷款率之间的关系作出了假设。

(一)理论分析

1.银行信用风险与不良贷款率

信用风险,即交易对手不能完全履行合同的风险。现代意义上的信用风险,包括由借款人直接违约造成的投资组合损失风险和因为借款人违约概率的可能性变化而造成的损失风险。如果不能够及时地进行资产损失确认,商业银行就可能面临严重的信用风险问题,从而陷入信用危机。

不良贷款是指按照贷款风险分类标准对银行贷款质量进行评估的五类贷款,分别为:正常、关注、次级、可疑和损失的贷款,其中后三类合称为不良贷款(见表1)。不良贷款率指金融机构不良贷款占总贷款余额的比重。不良贷款率=(次级类贷款+可疑类贷款+损失类贷款)/各项贷款×100%=贷款拨备率/拨备覆盖率×100%。商业银行的不良贷款率是衡量商业银行信贷资产安全状况的重要指标之一。不良贷款率越高,对应着可能不能收回的贷款占总贷款的比例越大,其相应的信用风险水平就越高;不良贷款率越低,代表着商业银行无法收回的贷款占银行总贷款的比例越小,其相应的信用风险水平就越低。

表1 不良贷款的五级分类

2.宏观经济与银行信用风险

宏观经济指总量经济活动,是指整个国民经济及其经济活动和经济状况。宏观经济环境与不良贷款的关系植根于经济周期理论:经济运行处于上升阶段时,商业银行倾向于扩张信贷,并开始向信用等级较低的借款人发放贷款,推动经济持续高涨甚至过热,但此时无论是企业还是个人都有比较充裕的收入来偿还债务;而当经济下滑时,商业银行则通常会收缩信贷,从而抑制消费和投资,加剧经济衰退,企业经营状况不佳,盈利水平下降,银行不良贷款亦随之增加。

(二)假设提出

国内生产总值增长率(GDPR),是反映一个国家经济增长和宏观经济周期运行的核心指标,当GDP增长率处在一个较高的水平,宏观经济普遍繁荣,企业的盈利能力和居民的收入水平也会在一定程度提高,贷款者的还款能力增强,从而降低了商业银行的不良贷款率。据此提出假设1:商业银行不良贷款率NPLR 与宏观经济变量国内生产总值增长率GDPR呈现负相关关系。

居民消费价格指数(CPI),可以反映家庭购买消费品和支付服务价格的趋势,是衡量通货膨胀程度的有效指标之一,当物价水平上涨时,居民手中的钱发生贬值,还款能力下降,从而提高了商业银行的不良贷款率。据此提出假设2:商业银行不良贷款率NPLR 与宏观经济变量居民消费价格指数CPI 呈现正相关关系。

失业率(UR) 是指失业人口占劳动人口的比率(一定时期满足全部就业条件的就业人口中仍未有工作的劳动力数字),当失业率较高时,失业者的收入水平降低,贷款者的还款能力降低,或者倾向于贷款消费,从而引起商业银行不良贷款率的增加。据此提出假设3:商业银行不良贷款率NPLR 与宏观经济变量失业率UR 呈现负相关关系。

广义货币供给量增长率(M2R),该指标代表了货币政策状况,反映每年货币供应量的变化情况。当货币供给量增加时,流通中的货币增多,一方面,在一定程度上使贷款者还款能力增强;另一方面,银行用于放款的货币金额增加,从而降低了商业银行的不良贷款率。据此提出假设4:商业银行不良贷款率NPLR 与宏观经济变量广义货币供应量增长率M2R 呈现负相关关系。

三、研究样本与模型设定

为了建立银行信用风险水平与宏观经济变量之间的实证关系,本文通过参考国内外文献资料,并对我国商业银行信用风险与宏观经济运行的特点综合考虑,选取了2012年到 2020 年全国性股份制商业银行不良贷款率年度数据和相关的宏观经济变量数据。

(一)研究样本与数据来源

由于我国四大国有商业银行的不良贷款会受到一些特殊政策方面的影响,比如信达、东方、长城、华融四大资产管理公司对四大国有商业银行不良贷款的操作与剥离,国家及政府为四大国有商业银行股份制改建而实行的巨额斥资,促使这些银行的不良贷款率受到国家政策等非市场因素的影响。而全国性股份制商业银行的不良贷款基本上靠自身消化,受历史因素和国家操控的影响较小,所以本文的研究样本选取是十二家全国性股份制商业银行。在被解释变量方面,选取我国商业银行的信用风险作为被解释变量,不良贷款率作为其衡量指标,不良贷款率越高,代表银行的信用风险水平就越高。商业银行的样本包括了共12 家全国性股份制商业银行的年度不良贷款率(见表2)。在解释变量方面,选取的是2012 年到2020 年中国的国内生产总值增长率(GDPR)、居民消费价格指数(CPI)、失业率(UR)和广义货币增长率(M2R)四个宏观经济变量数据(见表3)。其中,失业率选取的是城镇登记失业率数据。

表2 2012-2020 年各商业银行年度不良贷款率数据

表3 2012-2020 年部分宏观经济变量年度数据

(二)指标选取与模型设定

1.指标选取

研究选取信用风险为被解释变量,以不良贷款率(NPLR)作为衡量商业银行信用风险水平的标准。在解释变量方面,选取四个宏观经济变量,分别是:国内生产总值增长率(GDPR)、居民消费价格指数(CPI)、失业率(UR)和广义货币供应量增长率(M2R)(见表4)。

表4 变量定义表

2.模型设定

综合上述被解释变量和解释变量的选取,本文将研究模型设置为多元线性回归模型,回归方程如下:

式中,β0,β1,β2,β3,β4是 模型的参数;ε为随机误差项。

通过SPSS 软件操作,对影响商业银行信用风险的宏观经济变量进行了筛选。该模型旨在解释:商业银行的信用风险水平是否受宏观经济变量的影响;对商业银行的信用风险有着显著影响的是宏观经济中的哪些变量。

四、实证结果与分析

以不良贷款率作为商业银行信用风险的指标研究商业银行的信用风险与宏观经济变量之间的关系,利用SPSS 软件对银行不良贷款率和宏观经济变量进行描述性统计分析、相关性分析和多元回归分析,进而确定宏观经济变量的变化对我国商业银行信用风险的影响关系。

(一)描述性统计分析

为了研究商业银行的信用风险与宏观经济变量之间的关系,对银行不良贷款率和宏观经济变量进行描述性统计分析,分别得到银行不良贷款率的描述性统计分析(见表5)和宏观经济变量指标的描述性统计分析(见表6)。

表5 银行不良贷款率的描述性统计分析

表6 宏观经济变量指标的描述性统计分析

从表5 可以看出,在分布的集中趋势方面,就均值而言,浙商银行和渤海银行的不良贷款率处于较低水平,广发银行和华夏银行的不良贷款率处于较高的平均水平。在分布的离散程度方面,就波动范围而言,广发银行、渤海银行的不良贷款率波动范围较大,其中广发银行的最高不良贷款率达到2.85%。中信银行和华夏银行的不良贷款率的波动范围较小,总体来说相对比较稳定;就标准差来看,商业银行不良贷款率的标准差在0.5 左右;从方差来看,渤海银行的不良贷款率的波动最为剧烈,华夏银行的不良贷款率的波动最小,不及渤海银行的三分之一。在分布的形状方面,大部分银行呈中度偏态分布,其中广发银行、平安银行、恒丰银行的偏度系数绝对值大于1,呈高度偏态分布;中信银行和华夏银行的偏度系数绝对值小于0.5,呈低偏态分布。

从表6 宏观经济变量指标的描述性统计分析可以看出,近9 年来,我国GDP 增长率均值在8.2%的水平上,属于GDP 增速较为快速的国家之一;标准差、方差数值均较小,表明我国GDP 增长率相对稳定。同时,我国的居民消费价格指数CPI的均值为2.722,方差为4.017,表明我国的GPI 指数波动较为剧烈且处于比较高的水平。我国失业率水平的均值在4%左右,标准差为0.087,明显小于失业率的均值,这表明我国失业率处于稳定状态,波动较为平稳。我国的广义货币增长率均值为15.889,明显高于GDP 的增长率,是GDP 增长率的近两倍左右;且其波动范围较大,标准差、方差数值较高,波动较为剧烈。

(二)相关性分析

相关分析就是对两个变量之间线性关系的描述和度量。在进行回归分析之前,应该先考察被解释变量和解释变量之间的相关关系。只有当解释变量与被解释变量之间具有较强的相关性时,才能进行回归分析。同时,有必要对解释变量与被解释变量之间的相关关系进行研究,在这个时候,需要要求的是各解释变量之间相关系数的绝对值较小,从而避免多重共线性的问题。

通过变量相关性分析可以看出,各大商业银行的不良贷款率都与GDP 增长率的相关性较高且显著,相关系数在-0.7 左右,在一定程度上呈负相关,CPI、失业率、广义货币增长率与某些银行的不良贷款率也有一定的相关关系,因此本文建立的模型是有意义的。同时,GDP增长率与CPI、失业率、广义货币增长率的相关系数较小,在0.3左右,说明解释变量之间不存在较强的相关性,多重共线性较弱,可视为不相关,可以同时引入回归模型。

(三)回归分析

回归分析侧重于通过一定的数学表达式考察变量之间的数量关系,进而确定解释变量的变化对被解释变量的影响程度。运用德国科学家卡尔·高斯的OLS 方法进行回归分析,得到回归结果(见表7)。

从表7 的回归结果可以看出:

(1)十二家商业银行的不良贷款率均与GDP 增长率呈现负相关关系,且样本中超过90%的银行(渤海银行除外)t 统计量绝对值大于2,通过了t 检验,即认为在其他解释变量不变的情况下GDP 增长率对商业银行不良贷款率的影响是显著的。这表明GDP 增长率越高,银行不良贷款率越低;GDP 增长率越低,相应地,商业银行的不良贷款率在一定程度上也会上升。从侧面表明了宏观经济形势较好能够有效降低银行的不良贷款率。(2)十二家商业银行的不良贷款率均与居民消费价格指数呈现正相关关系,且样本中超过70%的银行t 统计量绝对值大于2,通过了t 检验,即认为在其他解释变量不变的情况下消费者价格指数对商业银行不良贷款率的影响是显著的。这表明居民消费价格指数越高,银行不良贷款率越高;居民消费价格指数越低,商业银行的不良贷款率在一定程度上也会下降。(3)十二家商业银行的不良贷款率均与失业率呈现正相关关系,但大多数银行未通过t 检验,即认为失业率对我国商业银行不良贷款率的影响是不显著的。(4)十二家商业银行的不良贷款率均与广义货币增长率呈现负相关关系,但大多数银行未通过t 检验,即认为广义货币增长率对我国商业银行不良贷款率的影响是不显著的。

(四)实证结果分析与解释

实证研究结果表明:我国银行业的信用风险水平受GDP 增长率的影响较大,而且呈现较强的负相关关系,即GDP 增长率越低,我国商业银行的不良贷款率越高,其面临的信用风险也越高;GDP 增长率越高,我国商业银行的不良贷款率越低,其面临的信用风险也越低。居民消费价格指数CPI 对我国商业银行信用风险的影响是正相关关系。对此结果的解释是:

当GDP 增长率处在一个较高的水平,此时,宏观经济普遍繁荣,商业银行和金融市场都很乐观,银行准备大量放贷以获取利息,企业准备大量借款赢得利润,由于宏观经济市场的繁荣景象,企业的盈利能力也会在一定程度提高,其还款能力随着财务指标状况向好,从而降低了企业不良贷款,在分子增大分母减小的情境下,商业银行的不良贷款率自然也相应程度地降低;而在GDP 增长率下降时,一般象征着宏观经济相对的紧缩,此时,不管是作为商业银行还是企业,其对未来的预期呈消极模式,致使一方面商业银行不愿意或者没有能力为企业发放更多贷款,一方面企业由于自身盈利能力下降甚至是投机思想上的故意违约,都会造成商业银行的不良贷款率上升。

居民消费价格指数在一定程度上代表着通货膨胀率,即物价的增长程度。当物价水平高,居民用于购买日常消费品后余下的可用收入变少,可能会倾向于贷款消费,同时贷款者的还款能力减弱,从而引起商业银行的不良贷款率增加,所以居民消费价格指数对商业银行的不良贷款率的影响符号是正向的。

五、研究结论与政策建议

通过对影响银行信用风险的宏观经济因素进行实证研究,对研究结果中显著影响我国商业银行不良贷款率的宏观经济变量提出了一定的政策建议,以降低由于宏观经济波动引起的银行信用风险。

(一)研究结论

基于2012-2020 年我国股份制商业银行的不良贷款率数据,研究商业银行的信用风险与宏观经济变量之间的关系,结果表明:第一,GDP 增长率对我国商业银行的信用风险水平的影响较大,而且呈现较强的负相关关系,即GDP 增长率越低,我国商业银行的不良贷款率越高,其面临的信用风险也越高;GDP 增长率越高,我国商业银行的不良贷款率越低,其面临的信用风险也越低。第二,居民消费价格指数在一定程度上代表着通货膨胀率,居民消费价格指数CPI 对我国商业银行信用风险的影响是正相关关系,即居民消费价格指数CPI 越大,对应着不良贷款率越高,商业银行的信用风险也越高;居民消费价格指数CPI 越小,相应地,商业银行的不良贷款率越低。第三,失业率对我国商业银行信用风险的影响不具有显著的相关关系。第四,广义货币供应量增长率对我国商业银行的不良贷款率的影响不具有显著的相关关系。

(二)政策建议

针对以上研究,从宏观经济变量方面对降低我国银行业的信用风险提出以下建议:(1)促进我国宏观经济良好运行和GDP 的稳速增长。无论是作为放款的商业银行,还是作为借款的企业和个人,都有利于降低商业银行的不良贷款率,从而降低银行的信用风险;(2)关注通货膨胀水平的稳定。商业银行在控制整体信贷规模和风险控制水平时,应考虑社会物价因素,对企业当前的原材料和劳动力成本作出合理估计,并对未来经营利润和现金流量有一定了解和预期;(3)当宏观经济发展良好、GDP 高位稳定增长时,商业银行可以适度放宽信贷规模,适应宏观经济的发展,从而提高商业银行的盈利能力。

通过对我国全国性股份制商业银行不良贷款率与宏观经济变量之间关系的研究,得出显著影响我国商业银行信用风险的两个宏观经济变量,并对相应宏观经济变量提出政策建议,以降低由于宏观经济波动引起的银行信用风险,这对于现阶段我国商业银行信用风险管理和提高我国商业银行业的稳健性及其竞争力具有非常重要的意义。

猜你喜欢

宏观经济价格指数信用风险
即时经济:一场实时革命将颠覆宏观经济实践 精读
1月巴西生产者价格指数上涨3.92%
大数据背景下的电子商务信用风险预警方法
主要宏观经济指标及债券指标统计表
全球宏观经济短期内的两条主线
基于模糊层次分析法的农户信用风险评级研究
基于模糊层次分析法的农户信用风险评级研究
主要宏观经济指标及债券指标统计表
8月百城价格指数环比连续16个月上涨
7月百城价格指数环比连续15个月上涨