经济周期对信贷风险的影响研究论文设计

1、经济周期对信贷风险影响的实证研究 内容摘要:宏观经济的健康发展是商业银行经营的基础，银行的信贷功能对于经济的发展有着极强的促进作用，对于经济波动日渐复杂的国际经济环境下，众多的外在因素影响了银行信贷业务风险的加剧。为了提高我国商业银行应对宏观经济波动风险的能力，引导商业银行健康发展，实现跨越经济周期的、可持续的成长，本文主要通过分析信贷活动中银行、借款人、监管者的心理与行为模式，研究经济周期性对其影响，并通过面板数据模型进行验证分析，进而提出控制信贷风险的对策建议。 关键词：经济周期 信贷风险 银行 金融系统 周期性 一、绪论 防范信贷风险是抵御金融危机的重要任务之一。总体来看，造成银行信贷风

2、险的因素主要有两大类：一是非系统因素，即通过采取一定的措施，可以被消除的影响因素；二是系统因素，主要是指宏观经济周期性波动造成的影响因素，这类因素很难被完全消除。如何最大限度降低系统因素的消极影响，是学术界与金融界关注的一个重点。2014年发布的新巴塞尔协议，将信贷风险的关注重点放在不同宏观经济周期下的信贷风险特征上，也就是重点关注其周期性特征。具体而言，就是在社会经济的上行阶段，银行的不良贷款相对较少，信贷风险相应就降低；当社会经济处于下行阶段时，银行的不良贷款会随下行幅度的扩大而不断增大，银行面临的信贷风险也就不断增加。应当说，巴塞尔协议找准了信贷风险与宏观经济周期相关性的关键点。由于我国

3、商业银行的起步较晚，并未将宏观经济周期性变动纳入到信贷风险评估系统中，因而往往使信贷风险不能及时发现，有效防范 岳蓓蓓,郑循刚.经济增长与商业银行不良贷款率波动的VAR模型分析J. 金融与经济. 2011(01)。针对这种情况，深入分析信贷风险与宏观经济周期之相关性，将有利于改善我国商业银行的信贷经营模式，提高信贷风险的管控能力。二、经济周期对信贷风险影响的研究 1、从银行角度探讨经济周期与信贷风险的关系。Katalin（2003）认为，正是商业银行在不同的经济周期下，采用的信贷政策存在巨大差异，因此而使信贷风险形成周期性特征 Katalin Mero and Maxianna Endresz

4、 Valentinyi. The Role of Foreign Banks in Five Central and Eastern European Countries R. Magyar Nemzeti Bank Working Paper, 2003.。银行信贷经常体现出羊群效应。作为商业银行，贷款发放之前本应对客户的信用情况展开深入调查，以此来决定是否发放贷款，但是调查客户信用情况花费较大，很多银行不重视，仅仅追随那些完成客户调查的银行行为，使借款人可以比较轻易地获得重复的、过量的信贷资源。这就导致在经济发展繁荣时期，银行普遍放松信贷标准，难免在经济发展中埋下潜在风险。2从监管层的角度

5、探析经济周期与信贷风险的关系。Gordy、Howells（2006）研究指出，新巴塞尔协议中，对资本的要求，具有亲周期性特征，因而使得银行的贷款准备计提，也呈现出周期性特征。也就是说，当经济繁荣时，对资本的要求相对较低，当经济萧条时，对资本的要求就会提高 Gordy M, Howells B. Procyclicality in Basel II: can we treat the disease without killing the patient. Journal of Financial Intermediation 2006,15 (3) : 395 -417。借款人普遍具备较高信用

6、水平与还债能力，而商业银行也会出现降低不良贷款比率的趋势。出于刺激经济增长和商业银行的盈利需求，监管当局对于银行计提风险准备的要求也会有所放松。如果宏观经济进入下行，借款人的盈利水平下降，还债能力降低，相应地不良贷款比率出现上升的趋势。由于风险的暴露，监管层会更重视商业银行计提贷款风险，这就导致商业银行缺少可贷款资金，不得不缩减信贷规模。所以，金融监管机构监管活动也明显存在周期性特征，具体体现在计提贷款损失、监管资本等方面。3、从违约概率角度研究经济周期与信贷风险的关系。Altman、Brady（2001）就美国信贷风险展开研究发现，当美国经济呈现衰退时，银行的贷款回收率低于30%，在美国经济

7、繁荣阶段，银行的贷款回收率则在30%以上 Altman E I, Brady B. Resti A, et al. The Link between Default and Recovery Rates: Theory, Empirical Evidence, and Implications. The Journal of Business，2005, 78 (6) : 2203-2228。商业银行贷款对象的选取主要依靠信用等级来衡量，一般会倾向于财务状况优良且具备偿还能力的优质企业。但对于企业来说，财务状况也会直接受到宏观经济周期的影响。从我国的实际情况来看，由于经济发展周期存在差异，商业

8、银行选择贷款对象也存在差异，贷款结构也有所不同：如果宏观经济发展繁荣，银行选择的贷款对象是以周期性行业为主，贷款以长期贷款为主；相反，如果宏观经济发展迟缓，银行选择的贷款对象是以非周期性行业为主，贷款以短期贷款为主。这种基于借款人自身特点的信贷倾向助长了银行的顺周期性，进一步导致银行信贷风险的积累。目前，我国的主要上市银行基本都完成了IRB(内部评级法)的初级应用，部分大银行已经开始进入高级法达标阶段。初级法中的违约损失比率、违约概率等指标都具有周期性特征，而高级法的顺周期性更强。5、从政府干预的角度进行研究。银行信贷政策通常会体现出明显的周期性特征。当经济发展繁荣，则贷款人信用状态良好，具有

9、较强的获利能力，偿还借款能力较强，对银行来说不良贷款的比率也随之下降，银行此时会认为具备发展前景，所以不断扩大贷款标准，以此来获取更多利润。由于经济发展持续加热，很多经济实体开始展现出较好的发展前景，此时资产价格保持在一定高位，银行为了谋求高利润，会尝试将信贷标准放松，将信贷规模扩大。随着经济进入宏观收缩状态，此时经济发展繁荣时期潜伏的信贷风险开始凸现出来，主要表现为不良信贷资产。商业银行为了减低信贷风险，则会快速的出台紧缩性信贷制度，降低信贷风险。而这种紧缩，会导致企业获得信贷资金的成本提高，进一步加重企业的经营困难，从而使得不良贷款风险加剧，从本质上导致信贷紧缩加重。所以，不良贷款和信贷紧

10、缩之间关系非常密切，其互动最容易导致恶性循坏。Kashyap 和 Stein（1994）认为，一个国家或地区的经济增长真实的受到银行信贷变动的影响，必须符合以下条件：（1）价格调整存在粘性；（2）一些企业的融资渠道非常有限，只限于银行信贷；（3）银行的信贷供给受政府或是中央银行的控制 Kashyap A K, Stein J C.“Credit conditions and the cyclical behavior of inventoris”，The Quarterly Journal of Economics，1994，Vol 109：pp.565-592.。6、从GDP增长率的角度研究

11、。Repullo和Saurina (2011)对多个国家1986-2009年信贷/GDP比率指标的实证考察发现,在许多国家,该指标对其长期趋势的偏离度和实际GDP增长率是负相关的。当GDP增长率较高时,信贷/GDP的偏离度(Credit-to-GDP gap)趋于降低,而当GDP增长率下降时,该偏离度趋向上升 Repullo R, Saurina J. The Countercyclical Capital Buffer of Basel III: A Critical Assessment. CEMFI Working Paper, No. 1102,2011。在新巴塞尔协议中，重点提及商业

12、银行充足资本的比例受到宏观经济周期的影响，由于经济周期处于不同发展阶段，导致资本需求存在不同，并引申出了逆周期资本缓释要求，但仍然缺乏具体的逆周期资本缓冲措施还处在空白阶段。 三、宏观经济周期与信贷风险相关性的实证研究（1）数据统计及指标选取银行信贷策略的不同，主要表现为信贷结构的差异。从近10年来我国经济发展的特点来看，制造业和房地产业在银行信贷中占据了较大比重。因此，本文选取了银行充足率、贷款与总负债比例、银行相对规模、不良贷款的拨备覆盖率作为银行层面的研究因素，以此来反映银行发展的状况；国内生产总值增长率、货币供应量增长率作为宏观的经济因素，以此反映当前经济的发展状况；汇率水平以及PMI

13、指数作为制造业的研究指标，以房地产市场住房价格、3年期国债利率作为房地产行业的研究指标，以此反映当前物价市场的变化情况。根据银行信贷政策的不同，将这30家银行选取在沪深及香港上市的30家国内银行2005-2015年的经营数据，分别是北京银行、农业银行、常熟农商行、平安银行、工商银行、浦发银行、光大银行、青岛银行、贵阳银行、盛京银行、哈尔滨银行、天津银行、华夏银行、兴业银行、徽商银行、招商银行、建设银行、浙商银行、江苏银行、郑州银行、江阴银行、中信银行、交通银行、中国银行、锦州银行、重庆银行、民生银行、重庆农商行、南京银行、宁波银行。后文的宏观经济数据同样是选择2005-2015年之间。数据来源

14、是wind数据库及上市企业年报。按照在房地产和制造业信贷投放的侧重划分为房地产行业银行与制造业行业银行。(2)对宏观经济周期性与银行贷款多因子描述性分析本文选用了STATA13.0分析软件以及excel作为本文的数据研究工具；为了消除异方差，对企业资产进行取对数后作为企业相对规模的指标，对房地产市场住房价格取对数之后作为衡量房地产市场的主要指标：表格 1 衡量房地产市场的主要指标变量类型变量缩写观测值平均值标准差最小值最大值银行特定变量银行不良贷款率nrlr3000.01380.018700.2357资本充足率crar2410.12170.0304-0.04560.3067贷款与负债比例loa

15、nstodebt3000.51120.108900.717企业相对规模size3008.61771.9513012.3109不良贷款拨备准备率provision_rate2772.42621.23650.05087.1868财务杠杆率lev3000.06921.898-32.67860.6362宏观经济变量GDP增长率gdp_growth2700.13630.05590.06450.2315货币增长率money_growth2700.16840.04750.11010.2842汇率水平exchange_rate2406.44770.27586.09696.8346采购经理指数pmi3000.5

16、0590.03940.4120.561房地产市场住房价格house_price3008.51630.22998.12178.82363年期长期国债利率longterm_rate2700.03060.00840.0140.0442从上表来看，10年间不良贷款为1.38%，最小值为0，最大值为23.57%，可见，在不同年份不同银行的不良贷款率存在在较大差异。但是不良率的标准差并不大，可以判断银行的系统相对比较完善，出现最大值与最小值差异较大可能是极端值引起的。从不良贷款的拨备准备率来看，平均的拨备准备率为2.4262，即商业银行为可能发生的不良贷款准备了2.4262倍的资金来回转，甚至有些企业达到

17、了7.1868，从资本的成本来看，这一比例的增加使得贷款的资本成本加大。从银行的杠杆率来看，平均值为6.92%，但是最大值63.62%，最小值为-3267.86%，可见这一波动范围比较大，这也无形的增加了企业的资本成本，进一步影响到了银行的不良贷款率。从整体的经济指标来看，整体的经济还处于一个稳定增长的阶段，汇率水平和PMI的变动较大。(3)宏观经济周期性与信贷风险相关性分析nrlrcrarloanstodebtsizeprovision_ratelevgdp_growthmoney_growthexchange_ratepminrlr1crar-0.2383*1loanstodebt0.10

18、96*-0.114*1size0.03910.030.2578*1provision_rate-0.377*0.252*-0.2349*-0.08581lev-0.00380.2495*-0.0215-0.0012-0.2833*1gdp_growth0.2213*-0.06260.219*-0.2558*-0.1716*0.1737*1money_growth0.0566-0.11050.3079*-0.1791*-0.1915*0.2267*0.1715*1exchange_rate0.3312*-0.11430.2962*-0.2145*-0.4194*0.2902*0.3298*0.7

19、551*1pmi-0.0386-0.1211*0.0258-0.05370.0224-0.0224-0.06280.4225*-0.05321 注：*，*，*分别表示在10%，5%，1%显著性水平下显著从下面的相关性分析结果可以看出，银行的资本充足率、不良贷款拨备率、房地产市场价格都与不良贷款率呈显著的负向相关关系；而贷款占负债比例、GDP增长率、外汇水平都与不良贷款率呈现显著的正向相关关系。（4）回归分析在对模型进行整体回归之前先对模型进行整体数据进行豪斯曼检验，得到的检验值并未拒绝原假设，对应的P值=0.99560.1，因此无法拒绝随机效应优于固定效应的原假设，整体回归选择随机效应模型。对

20、模型的变量进行整体的回归，结果如下:表格 2 回归模型变量表nrlrcoefStd.err.zP|z|Conf.Intervaljcrar-.0631983.0335461-1.880.060-.1289474.0025509loanstodebt-.0124389.0082173-1.510.130-.028545.0036666size-.0001028.0004-0.260.797-.0008868.0006812Provision-coverage-.003141.0005626-5.580.000-.0042436-.0020384lev-.0211369.0198412-1.120

21、.264-.0582609.0159871Gdp-growth-.003086.0152461-0.200.840-.0329678.0267958Money-growth-.0156765.0241762-0.650.517-.0630609.031708Exchange-rate.0079536.0059721.330.183-.0037513.0196585pmi-.0537106.0298947-1.800.072-.1123031.004882House-price.0000474.01170130.000.997-.0228867.0229815Longterm-rate.0155

22、519.13356570.120.907-.246232.2773359-cons.0163957.12203130.130.893-.2227811.2555726从上面的模型整体回归结果来看，模型整体通过了Wald chi2(11)检验，对应的P值为0.0000.1，因此在1%的显著性水平下拒绝了原假设，因此模型整体的回归是显著的。从整体的估计R平方来看，整体的R平方为43.94%，说明模型整体的拟合效果可以，处于一个正常水平。从各个变量的回归结果来看，银行的资本充足率与不良贷款率之间呈现显著的负向相关关系，银行的不良贷款拨备准备率也与不良贷款之间存在显著的负向相关关系，采购商经理指数也是与不良贷款率呈现显著负向相关关系。1) 拨备覆盖率越高，说明银行对于不良贷款的准备也就越高，化解不良的能力相应增强，能够缓释不良资产对银行利润、资本乃至正常经营德尔侵蚀。同样资产充足率越高，也说明银行有较多的资本应对不良贷款。因此与不良贷款率呈现负向相关关系。2) 而货币供应增长率越高，说明我们的经济大环境越好，资金的投入机会也就越大，产出也就越大