影响因素研究
何杰坤
黄大金
(湖南农业大学经济学院湖南长沙410128)
摘要：近年来，农商行不良贷款问题令人担忧。为寻遏制农商行不良贷款率上升的对策，基于2011—2018年53家农商行面板数据，建立动态面板模型，使用系统GMM 估计研究宏观环境变量、地方政府变量和银行变量3个方面的因素对农商行不良贷款率的影响。结果表明，经济发展水平越低和M2增速越低，农商行不良贷款率越高；地方政府干预程度越低和财政收支压力越高，农商行不良贷款率越
高；拨备覆盖率越低、盈利能力越低，农商行不良贷款率越高；农商行股票公开上市有利于遏制不良贷款率上升。在此基础上，提出加大逆周期调节力度、降低农商行上市难度、提高农商行盈利能力和引入金融科技等的建议。
关键词：农商行；不良贷款率；银行风险；动态面板模型；系统GMM
开放科学(资源服务)标识码(OSID):
Study on the Impact Factors of Non-performing Loan Rates
of Rural Commercial Banks Based on System GMM
He Jiekun,Huang Dajin
(Economic College,Hunan Agricultural University,Changsha 410128,Hunan
)
In recent years,the problem of non-performing loans in rural commercial banks is worrying.In
order to find countermeasures to curb the increase of non-performing loan rates of rural commercial banks,a dynamic panel model was built based on panel data of 53rural commercial banks from 2011to 2018,and the effects of macro-environmental variables,local government variables,and bank variables on non-performing loan (NPL)rates of rural commercial banks was studied by using system GMM estimation.The results showed that the lower the level of economic development and the lower the M2growth rate,the higher the non-performing loan rate was;the lower the level of local governme
nt intervention and the higher the pressure on income and expenditure,the higher the non-performing loan rate was;the lower the provision coverage ratio and the lower the profitability,the higher the non-performing loan rate was;the public listing of rural commercial banks was conducive to curbing the increase of non-performing loan rate.On this basis,measures were put forward to increase countercyclical conditions,reduce the difficulty of listing rural commercial banks,improve their profitability and introduce financial
technology.
ruralcommercialbank;non-performingloanrate;bankrisk;dynamicpanelmodel;systemGMM
2020-07-03
何杰坤(1996—)，男，广东肇庆人，主要研究方向为公司金融,E -mail :*****************；通信作者黄大金
(1964—)，男，湖南澧县人，博士，教授，主要研究方向为农村与区域发展与农业科技管理,E -mail :
***************
0引言
农村商业银行(以下简称“农商行”)是农村地
区服务“三农”和小微企业的重要金融机构，对农村
地区经济发展和人民生活水平提高有重要作用。作为
浙江省招生考试信息网金融扶贫的主力军，农商行出资建设金融扶贫服务站
2020河南省考成绩的占比约为70%，大大超过其他类型的金融机构。通
过金融扶贫服务站，农商行使贫困户获得更便捷的扶
贫金融服务，此外还通过搜集农户信用评级数据和宣
传金融知识等方式完善当地基础性金融服务[1]。在金融扶贫中，农商行虽然劳苦功高，但是近年来不良贷
款问题却令人担忧。
根据中国银行保险监督管理委员会(以下简称“银保监会”)数据,2011—2019年，农商行不良贷款率呈现总体上升态势，在2017年第四季度突破3%，在2018年和2019年共有4个季度突破4%。与之相比，其他类型商业银行在2011—2019年的不良贷款率从未突破2.5%。由此可见，对比其他类型的商业银行，农商行存在更高的信贷风险。不良贷款率攀升不仅会降低农商行在公众心中的形象，还会阻碍农商行在农村地区经济发展发挥更积极的作用，影响农村金融可持续发展，不利于贯彻落实党的十九大报告中提出的防控金融风险和避免系统性金融风险的要求。为深入认识农商行不良贷款问题，本研究基于53家农商行动态面板数据，剖析农商行不良贷款率的影响因素，结合实证结果，提出供农商行遏制不良贷款率上升的对策建议。
1研究进展
不良贷款率是不良贷款余额和总贷款余额的比
值。在评估贷款情况时，商业银行按照五级分类法将
贷款分为正常、关注、次级、可疑和损失五类。其
中，次级、可疑和损失贷款合称不良贷款。商业银行
不良贷款率越高，则贷款质量越差，信用风险越高。
近年来，国内外学者对商业银行不良贷款问题进行实
证研究时，主要将不良贷款问题影响因素分为宏观环
境因素、地方政府因素和银行因素3个方面。
宏观环境因素对商业银行不良贷款问题影响方
面，谢冰使用最小二乘法(OLS)回归分析发现，商
非师范考教师资格证需要什么条件业银行不良贷款余额和国内生产总值、社会固定资产
投资总额和货币供应量等变量相关性强[2]。该文献是国内较有影响力的不良贷款问题的研究文献，作者提出分析宏观因素对商业银行不良贷款的影响，在当时
具有一定开创性，但是其实证分析方法具有一定的局
限性。Ali Shingjergji使用OLS回归分析阿尔巴尼亚
银行体系中主要宏观经济变量对不良贷款水平的影响
时，将欧元汇率和基准利率纳入研究变量[3]。对比谢冰的研究,Ali Shingjergji的研究具有国际视角，但是
其研究结果对国内农商行和农信社等农村金融机构是
否有指导意义值得商榷。田雅使用固定效应研究
49家农商行情况，发现价格竞争与不良贷款率呈U 型关系[4]，该研究侧重利率市场化背景下不良贷款率所受的影响，具有一定的创新性，但研究过程中未重视对不良贷款率延续性的探究。
地方政府因素对商业银行不良贷款问题影响方
面，祝继高等研究城商行数据发现，如果第一大股东
股权性质为地方政府，则银行不良贷款率最高[5]，该研究较早关注政府和商业银行不良贷款的关系。孙娟娟指出行政干预等因素对不良贷款有影响[6]，得出类似结论的还有谭劲松等[7]和Shihong Zeng[8]
。不难看出，越来越多的学者关注地方问题和行政干预问题对商业银行不良贷款率的影响，但是较多学者仅从宏观层面或者区域层面研究这些影响，未重视微观层面的研究。段军山等将地方金融监管程度纳入解释变量[9]，丰富了地方政府对商业银行不良贷款率影响的研究视角，但是其研究未考虑银行因素。
银行因素对商业银行不良贷款问题影响方面,
Dimitrios P.Louzis等采用动态面板模型，对希腊银行业的不良贷款(NPLs)的决定因素进行了研究，发现业绩指标(如ROE和ROA)与抵押贷款和消费贷款的不良贷款显著负相关，但与商业贷款间的相关性不显著[10]。该文献的研究方法考虑了不良贷款率的延续性，但其结论在中国的适用性值得商榷。索有基于沪深两市14家上市银行相关数据，研究得出部分和Dimitrios P.Louzis等的研究相悖的结论[11]，是国内较早使用动态面板模型研究不良贷款率的文献，但该研究使用了估计效率较低的差分GMM估计。张海亮等使用系统GMM方法分析认为，收益的激励效应对非上市的城商行和农商银行的不良贷款率影响更大[12]，该研究使用的估计方法可较好地解决内生性问题，但是其研究未充分聚焦农商行的特殊性。
已有研究关于不良贷款问题的研究成果丰硕，但
主要关注商业银行整体情况，较少聚焦农商行的特殊
性。另外，研究过程中较少关注地方政府行为对农商
2021国家公务员职位一览表
行不良贷款率的影响，以及较少考虑农商行历史不良贷款率对当期不良贷款率的影响。因此，本研究选择2011—2018年53家农商行非平衡面板数据，使用系统广义矩估计(系统GMM)对农商行不良贷款率影响因素进行实证研究，并结合农商行自身特点提出降低不良贷款率的政策建议。
青海省事业单位考试信息网20222变量选取与模型构建
2.1变量选取
本研究选取宏观环境、地方政府和银行3个方面的变量来研究农商行不良贷款率的影响因素。
2.1.1宏观环境变量
影响不良贷款率的宏观环境变量甚多，其中国内生产总值(GDP)增速被不少研究设为宏观环境变量[13-
15]。经济繁荣时期，借款人有充裕资金还本付息，所以银行不良贷款率较低；而经济衰退时期，借款人偿债能力下降，引发大规模贷款违约，致使商业银行不良贷款率上升。因此，本研究提出假设H1：经济发展水平(GDP增速)和农商行不良贷款率负相关。M2增速会影响商业银行和借款人的经营情况，从而对商业银行不良贷款率造成影响。结合货币供应量顺周期性特点，本研究提出假设H2:M2增速和农商行不良贷款率负相关。
2.1.2地方政府变量
孙光林等考察政府干预的影响机制时提出，政府过度干预会导致金融资源配置效率降低，让信贷更多流入部分效率较低行业和部分，从而增大坏账的可能性[16]。借鉴段军山等的做法[9]，本研究以“地方财政支出/地区生产总值”作为地方政府干预程度的衡量公式，使用地方政府干预程度来捕捉地方政府干预对农商行不良贷款率的影响，提出假设H3：地方政府干预程度和农商行不良贷款率正相关。
邹克等指出，因为地方政府债务主要依靠银行贷款，所以地方政府在财政收支压力过大情况下会间接挤压其他部门的贷款额度，让银行更倾向于选择向更高风险项目来获得更高收益[17]。因此，借鉴其做法，用地方财政收支压力(地方财政支出/地区生产总值)来捕捉地方政府债务对农商行不良贷款率的影响，并提出假设H4：地方财政收支压力和农商行不良贷款率正相关。
适度金融监管能够降低商业银行不良贷款率。段军山等认为加强金融监管可使商业银行贷款审批时更
为谨慎，及时识别不合格借款人以降低贷款无法按时收回的可能[9]。本研究使用地方金融监管年支出同比增长率来衡量金融监管水平，并提出假设H5：地方金融监管水平和农商行不良贷款率负相关。
2.1.3银行变量
分析盈利能力和不良贷款率关系时，对于商业银行的盈利能力，不同学者给出了不同的指标，如资产收益率[15]、净资产收益率[11]和成本收入比[18]。本研究在对样本农商行财务报表阅览时发现，资产收益率数据较其他盈利指标数据完整，因此选择资产收益率表征商业银行的盈利能力。考虑农商行存在历史包袱，在存在外部监管条件和内部盈利要求下，农商行更有意愿提高管理水平来降低不良贷款率，而不是降低放贷标准来获取更多贷款利息。因此，本研究提出假设H6：资产收益率和农商行不良贷款率负相关。
拨备覆盖率是银保监会衡量商业银行信用风险的指标。崔苧心等认为拨备覆盖率过高会造成商业银行资金浪费，但在监管范围内，较高拨备覆盖率能让商业银行更加从容地面对信用风险[19]。因此，本研究提出假设H7：拨备覆盖率和农商行不良贷款率负相关。
高等教育自学考试服务平台农商行公开发行股票后，财务信息需要公开披露，因此更有动力提高经营管理水平，更审慎地进行贷前调查和运营管理。另外，公开上市让农商行获得更充足的资金来引进大数据、人工智能和区块链等科技手段，提高贷款欺诈识别能力[20]，有利于降低不良贷款率。因此，本研究提出假设H8：上市(A
股或H股)和农商行不良贷款率负相关。
2.2模型构建及说明
不良贷款率是本次实证研究的被解释变量。因为惯性或者部分调整，当期不良贷款率容易受过往不良贷款率的影响，参考张海亮等[12]、马斌等[13]的相关研究，本研究将不良贷款率滞后一期纳入解释变量，构建模型如下:
其中,i=1,2,…,N，代表各农商行,t代表所考察变量的时间,ε为扰动项,β值代表各变量参数，更具体的变量说明见表1。
该模型由于解释变量包含被解释变量滞后项，使用传统OLS估计方法无法解决内生性问题，会导致其估计结果有偏且非一致。为解决内生性影响,
Blundell 和Bond 提出系统GMM 方法，其核心思想是将关键变量的滞后项(又称“滞后变量”)作为工具变量来解决内生性问题。系统GMM 可分为一步法和两步法，两步法虽然渐进有效，但会高估系数显著性和标准差，会产生向下偏误[21]，因此，本研究主要参考一步法估计结果，设置不良贷款率滞后一期、拨
备覆盖率、资产收益率和上市情况的滞后项作为GMM 式工具变量。Bond 提出系统GMM 稳定性的甄别标志：被解释变量滞后项的系统GMM 的估计值处于以固定效应(FE )估计值为下界和混合效应(POLS )估计值为上界的区间[22]
。为确保系统GMM 的有效
性，本研究会报告固定效应和混合效应估值结果。
3
实证检验
3.1
数据来源与描述性统计
本研究以2011—2018年中国15省份的53家农
商行非平衡面板数据作为实证分析样本数据，样本观测值共312个。样本数据来源方面，宏观环境变量和地方政府变量数据来自国家统计局，银行变量数据来自国泰安数据库和前瞻数据库，数据缺失值的解决办法是查财务报表补充或使用插值法补充。为避免异常值对估计结果的影响，本研究对分别在第1百分位和第99百分位进行缩尾处理，样本农商行不良贷款率平均值为1.902%，最小值为0.42%，最大值为4.98%(表2)。3.2
实证分析
本研究使用不良贷款率滞后一期、经济发展水平、M2增速、地方政府干预程度、地方财政收支压
力、地方金融监管水平、拨备覆盖率、资产收益率和
上市情况作为不良贷款率的解释变量，并控制年度虚拟变量，使用Stata 16软件对53家农商行的动态面板数据进行估计(表3)。
根据一步法系统GMM 估计结果可以得出以下结论：不良贷款率滞后一期(L.npl )与不良贷款率显著正相关，不良贷款率滞后一阶每上升1个百分点，不良贷款率会提高0.586个百分点。不难看出，不良贷款率的动态变化存在强延续性(自相关性)。如今农商行不良贷款率问题和历史包袱不无关系，由于农商行大多背负着改制前遗留的不良贷款，所以近年其不良贷款率上升看似不足为奇，可能未引起部分管理层高度重视。
宏观环境方面。
(1)经济发展水平(gdpr )与
不良贷款率呈现显著负相关关系,H1得到验证。经
表1变量说明
Table 1Description of variables
表2样本描述性统计Table 2Sample statistical results
济发展水平每下降1个百分点，农商行不良贷款率会提高3.388个百分点，这说明经济增速下行是引起农商行不良贷款率上升的因素之一。经济快速发展时，借款人有充足资金偿还贷款，有利于不良贷款率下降，而经济不景气时，借款人经济来源受限，无法顺利还本付息，易引起贷款违约。(2)M2增速(m2r)与不良贷款率呈现显著负相关关系,H2得到验证。考虑到M2增速和货币政策息息相关，农商行不良贷款率上升可能和40000亿元刺激政策退潮有关。中国开展40000亿元刺激政策退潮过程中,2012—2018年M2增速总体逐年下降。在刺激政策中大力扩张的部分乡镇企业技术落后和管理落后问题凸显，叠加经济下行压力和融资难、融资贵问题，导致借款人财务困境问题抬头，无力归还贷款，引起农商行不良贷款率增加。
地方政府方面。(1)地方政府干预程度(gycd)与不良贷款率呈现显著负相关关系,H3未得到验证。估计结果中地方政府干预程度上升对农商行不良贷款率上升存在抑制作用，究其原因：一是可能当地企业在出现财务困境时，通过政府干预获得借新还旧的机会，从而使得农商行不良贷款率下降；二是农村地区可能存在严重信息不对称和高交易成本，当地借款人和银行关系需要政府干预这种特殊形式进行催化，政府介入干预过程中实际起到了甄别不合格借款人的一
表353家农商行动态面板数据估计结果
注:L.npl表示不良贷款率的滞后一期,Constant表示常数项；括号内数值为t统计量;***、**和*分别表示在1%、5%和10%水平上显著；以上模型已控制年度虚拟变量，但限于篇幅，未报告其结果;AR(2)和Hansen检验报告为P值。
发布评论