(中山大學(xué)嶺南學(xué)院,廣東 廣州 510000;中國(guó)工商銀行股份有限公司廣州五羊支行,廣東 廣州 510000)
中國(guó)商業(yè)銀行不良貸款與貨幣流動(dòng)速度相互影響的實(shí)證研究
羅偉聰
(中山大學(xué)嶺南學(xué)院,廣東 廣州 510000;中國(guó)工商銀行股份有限公司廣州五羊支行,廣東 廣州 510000)
在“中國(guó)經(jīng)濟(jì)新常態(tài)”的大背景下,經(jīng)濟(jì)增速放緩的影響已經(jīng)從實(shí)體經(jīng)濟(jì)傳導(dǎo)到金融系統(tǒng),中國(guó)銀行業(yè)受不良貸款比例攀升困擾。另外,中國(guó)貨幣供應(yīng)量迅速增長(zhǎng),在衡量貨幣流動(dòng)性的指標(biāo)M2/GDP比率上,中國(guó)已是世界最高的國(guó)家之一。本文基于VAR模型的格蘭杰因果關(guān)系檢驗(yàn)和脈沖響應(yīng)函數(shù)定量分析兩者之間的關(guān)系。發(fā)現(xiàn)貨幣流速與商業(yè)銀行不良貸款比例互為格蘭杰原因;貨幣流速與商業(yè)銀行不良貸款比例兩個(gè)變量在短期有顯著正向相關(guān)的相互作用,這種作用的程度會(huì)在到達(dá)峰值后,逐漸削弱至受到?jīng)_擊前的水平。最后提出建議。
不良貸款比例;VAR模型;貨幣流通速度
根據(jù)貨幣數(shù)量說的費(fèi)雪方程式MV=PY,推導(dǎo)出貨幣流動(dòng)速度V=PY/M。據(jù)中國(guó)統(tǒng)計(jì)局公布數(shù)據(jù),中長(zhǎng)期來看中國(guó)貨幣流動(dòng)速度出于下降趨勢(shì)。中國(guó)2015年貨幣流動(dòng)速度為0.49。這反映了貨幣的使用效率不高,社會(huì)輿論普遍認(rèn)為我國(guó)存在貨幣“超發(fā)”現(xiàn)象。另外,即使中國(guó)商業(yè)銀行的信貸風(fēng)險(xiǎn)管能力不斷提升,但不良貸款比例和不良貸款余額亦難以在短期內(nèi)扭轉(zhuǎn)“雙升”的局面,不良貸款的控制成為中國(guó)銀行業(yè)重大挑戰(zhàn)。
在中國(guó)商業(yè)銀行基本上是國(guó)有控股企業(yè),而向銀行貸款是企業(yè)融資的主要渠道。商業(yè)銀行在貨幣政策傳導(dǎo)到實(shí)體經(jīng)濟(jì)的過程中起著重要的作用,政府透過商業(yè)銀行將貨幣流動(dòng)性注入實(shí)體經(jīng)濟(jì)。而實(shí)體經(jīng)濟(jì)的盈利能力則影響信貸資金能否正?;厥?。商業(yè)銀行的信用風(fēng)險(xiǎn)和貨幣流動(dòng)性之間有著不可分割的聯(lián)系。
程飛陽(yáng),宋策,朱家明(2016)運(yùn)用季度數(shù)據(jù)構(gòu)建經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)回歸模型并進(jìn)行自相關(guān)、格蘭杰因果關(guān)系檢驗(yàn)。實(shí)證結(jié)果表明,貸款基準(zhǔn)利率提高會(huì)使不良貸款顯著提高,存款準(zhǔn)備金率調(diào)高不良貸款顯著降低;貸款利率、存款準(zhǔn)備金率與銀行不良貸款之間互為格蘭杰因果關(guān)系。
陳茜(2013)指出經(jīng)濟(jì)增長(zhǎng)對(duì)不良貸款比例的影響途徑有兩種。直接的影響,是經(jīng)濟(jì)波動(dòng)使企業(yè)居民的還貸能力削弱,導(dǎo)致銀行的風(fēng)險(xiǎn)增大。間接影響是政府為了熨平經(jīng)濟(jì)波動(dòng)推出對(duì)應(yīng)的貨幣政策,對(duì)銀行風(fēng)險(xiǎn)的反向影響。作者通過協(xié)整和方差分解分析發(fā)現(xiàn):直接的影響比間接大。從而得出結(jié)論,經(jīng)濟(jì)不景氣時(shí),雖然政府采取寬松的貨幣政策,對(duì)宏觀經(jīng)濟(jì)對(duì)銀行的沖擊有削弱作用,但總的疊加效應(yīng)仍然是負(fù)面的。
在90年代,較高的M2/GDP比率或較低的貨幣流速曾經(jīng)被認(rèn)為是金融深化的標(biāo)志。但在亞洲金融危機(jī)爆發(fā)以后,盧靜(2006)認(rèn)為這是金融危機(jī)的標(biāo)志,通過公式推導(dǎo)發(fā)現(xiàn),只是不良貸款的出現(xiàn)就可以導(dǎo)致經(jīng)濟(jì)增長(zhǎng)率的下降,投資下降,從而導(dǎo)致M2/GDP比率的上升。
張細(xì)松(2013)探討商業(yè)銀行不良貸款對(duì)貨幣供應(yīng)量的影響。實(shí)證分析中建立M0、M1、M2對(duì)商業(yè)銀行關(guān)注類、可疑類、不良類貸款的回歸模型,并進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)、脈沖響應(yīng)函分析、方差分解。得出結(jié)論是損失類貸款是M1、M2的格蘭杰原因,可疑類貸款是M2的格蘭杰原因;損失類貸款的沖擊對(duì)M1、M2有負(fù)的影響,可疑類貸款的沖擊也對(duì)M2有負(fù)的影響。
國(guó)內(nèi)外已經(jīng)有不少學(xué)者研究過貨幣流動(dòng)性及不良貸款兩個(gè)主題。研究主要集中在宏觀經(jīng)濟(jì)對(duì)貨幣流動(dòng)速度及不良貸款的因素,很少關(guān)注他們之前的相互影響。本文認(rèn)為在商業(yè)銀行貸款為中國(guó)企業(yè)及居民主要融資渠道的情況下,兩者之間存在某種相互影響關(guān)系。
1.數(shù)據(jù)處理。
選取的為2004年1季度至2016年2季度數(shù)據(jù)作為樣本。我國(guó)商業(yè)銀行不良貸款比例季度數(shù)據(jù)由中國(guó)銀行業(yè)監(jiān)督委員會(huì)網(wǎng)站獲得;GDP、M2季度數(shù)據(jù)由國(guó)家統(tǒng)計(jì)局網(wǎng)站獲得。由于原始數(shù)據(jù)由歷史趨勢(shì)和季節(jié)性波動(dòng),因此在建模分析前,需要對(duì)原始數(shù)據(jù)進(jìn)行整理。由于本文采用的是季度數(shù)據(jù),再對(duì)數(shù)據(jù)進(jìn)行4期滯后的差分及取對(duì)數(shù)的處理,得到變量:
Δ4ln(Vt)=ln(Vt)-ln(Vt-4)
Δ4ln(nonpert)=ln(nonpert)-ln(nonpert-4)
本文選用ADF檢驗(yàn)。首先選取有常數(shù)項(xiàng)和時(shí)間趨勢(shì)項(xiàng)的模式,通過比對(duì)后發(fā)現(xiàn)常數(shù)項(xiàng)和時(shí)間趨勢(shì)項(xiàng)均不顯著。隨后選擇沒有常數(shù)項(xiàng)和時(shí)間趨勢(shì)項(xiàng)的模式。滯后長(zhǎng)度按照則按照經(jīng)修正的SIC準(zhǔn)則選取,選取的滯后階數(shù)為0。所得的最終結(jié)果:Δ4ln(Vt)的t統(tǒng)計(jì)量為-1.7963,p值為0.0691;Δ4ln(nonpert)的t統(tǒng)計(jì)量為-1.6427,p值為0.0942。結(jié)果表明,在10%顯著水平下,拒絕序列有單位根的原假設(shè)。認(rèn)為兩個(gè)被處理后的時(shí)間序列變量Δ4ln(Vt)、Δ4ln(nonpert)不存在單位根,是平穩(wěn)的時(shí)間序列。
2.模型擬合。
在本文中,使用了AIC、SC和LR方法選取最優(yōu)的滯后長(zhǎng)度。通過比對(duì),最終參照AIC和SC準(zhǔn)則,選擇滯后期數(shù)較少的VAR(2)模型。在模型擬合的結(jié)果中可以發(fā)現(xiàn),大部分的系數(shù)是顯著的,而且兩個(gè)方程調(diào)整后的R2分別為82.73%和76.22%。該模型的擬合程度良好,有一定解釋能力。整理得出以下VAR模型:
對(duì)擬合的模型進(jìn)行通過分析單位根倒數(shù),發(fā)現(xiàn)全部落在單位圓內(nèi),該模型穩(wěn)定,可作進(jìn)一步分析。
3.格蘭杰因果關(guān)系檢驗(yàn)。
Δ4ln(Vt)、Δ4ln(nonpert)是平穩(wěn)的時(shí)間序列,可以直接使用格蘭杰因果關(guān)系檢驗(yàn)進(jìn)行分析;在本文中選擇滯后期數(shù)為2的VAR模型,在格蘭杰因果關(guān)系檢驗(yàn)中將滯后期數(shù)設(shè)置為2。從檢驗(yàn)結(jié)果來看,在原假設(shè)“Δ4ln(nonpert)不是Δ4ln(Vt)的格蘭杰原因”時(shí)候,p值(0.0023)十分顯著,拒絕原假設(shè),認(rèn)為Δ4ln(nonpert)是Δ4ln(Vt)的格蘭杰原因。而當(dāng)原假設(shè)為“Δ4ln(Vt)不是Δ4ln(nonpert)的格蘭杰原因”時(shí)候,p值(0.0543)稍大于5%,但在10%的置信水平下仍然拒絕原假設(shè),認(rèn)為Δ4ln(Vt)是Δ4ln(nonpert)的格蘭杰原因。
綜上所述,商業(yè)銀行業(yè)不良貸款比例與中國(guó)貨幣流速互為格蘭杰原因。
4.脈沖響應(yīng)函數(shù)。
本文通過脈沖響應(yīng)函數(shù)進(jìn)一步分析商業(yè)銀行業(yè)不良貸款比例與中國(guó)貨幣流速之間的動(dòng)態(tài)相互影響。
不良貸款比例對(duì)貨幣流速?zèng)_擊為正值,并且在沖擊輸入的前4期顯著大于0。沖擊的累積影響隨時(shí)間推移逐漸增長(zhǎng),并在第5期到達(dá)最大值0.035;隨后慢慢消減,而且這種累積影響也開始變得不顯著大于0;隨著時(shí)間推移,累積效應(yīng)漸漸接近至0水平。這表明了不良貸款比例的提高會(huì)在短時(shí)間內(nèi)令貨幣流速顯著地提高。但隨著時(shí)間推移,貨幣流速又逐漸復(fù)原到收到?jīng)_擊前的水平。貨幣流速對(duì)不良貸款比例沖擊也是為正值,并且在沖擊輸入的前3期顯著大于0。沖擊的累積影響隨時(shí)間推移逐漸增長(zhǎng),并在第4期到達(dá)最大值0.193;隨后慢慢消減,而且這種累積影響也開始變得不顯著大于0;隨著時(shí)間推移,累積效應(yīng)漸漸接近至0水平。這表明了貨幣流速的加快會(huì)在短時(shí)間內(nèi)令不良貸款比例顯著地提高。但隨著時(shí)間推移,不良貸款比例又逐漸復(fù)原到收到?jīng)_擊前的水平。
運(yùn)用格蘭杰因果關(guān)系檢驗(yàn)方法,發(fā)現(xiàn)貨幣流速與商業(yè)銀行不良貸款比例互為格蘭杰原因。通過脈沖響應(yīng)函數(shù)的分析,貨幣流速與商業(yè)銀行不良貸款比例兩個(gè)變量在短期有顯著正向相關(guān)的相互作用,但這種作用會(huì)隨著時(shí)間的推移而變得不顯著。而且,這種作用的程度會(huì)在到達(dá)峰值后,逐漸削弱至受到?jīng)_擊前的水平。
商業(yè)銀行在信貸管理的過程中,應(yīng)時(shí)刻關(guān)注貨幣流動(dòng)性的指標(biāo),為自身經(jīng)營(yíng)策略調(diào)整提前做好準(zhǔn)備。例如,當(dāng)發(fā)現(xiàn)貨幣流速有加速的變化,商業(yè)銀行應(yīng)該迅速調(diào)整信貸的政策,適度提高信貸客戶準(zhǔn)入門檻。這就可以降低在經(jīng)濟(jì)過熱時(shí)期投放潛在風(fēng)險(xiǎn)貸款的風(fēng)險(xiǎn)。定性分析結(jié)果顯示,貨幣流速對(duì)不良貸款比例影響的效應(yīng)在第1至4期有顯著的作用。這就要求商業(yè)銀行增強(qiáng)信貸政策的靈活性,對(duì)宏觀經(jīng)濟(jì)情況變化快速反應(yīng)。
另外,中央銀行通過降低我國(guó)商業(yè)銀行不良貸比例的波動(dòng)能穩(wěn)定貨幣流動(dòng)速度,從而使貨幣政策傳導(dǎo)的效果更佳。貨幣流通速度的變化會(huì)令貨幣乘數(shù)也產(chǎn)生變化,而貨幣流速的變化可能要比貨幣政策的傳導(dǎo)的速度快。所以不良貸款比例的不穩(wěn)定變化可能通過影響貨幣流速,最終干擾貨幣政策的傳導(dǎo)。
[1] 盧靜,銀行不良貸款對(duì)宏觀經(jīng)濟(jì)運(yùn)行的負(fù)面影響,現(xiàn)代財(cái)經(jīng)[J].2006(3):13-16.
[2] 張細(xì)松,商業(yè)銀行不良貸款對(duì)貨幣流動(dòng)性的影響分析[J].金融教育研究,2013(4):3-8.
[3] 施其武,許姍姍,基于信貸管理視角下的不良貸款反思:成因與出路,中國(guó)銀行業(yè)監(jiān)督委員會(huì)工作論文,2014.
[4] 程飛陽(yáng),宋策,朱家明,貨幣政策對(duì)銀行風(fēng)險(xiǎn)影響的實(shí)證分析[J].赤峰學(xué)院學(xué)報(bào),2016(4):120-123.
[5] 魯?shù)细瘛ざ喽鞑际?,斯坦利·費(fèi)希爾,理查德·斯塔茲.宏觀經(jīng)濟(jì)學(xué).(第十版).北京.中國(guó)人民大學(xué)出版社,273-281,331-333.
[6] 陳茜,宏觀經(jīng)濟(jì)與貨幣政策對(duì)商業(yè)銀行不良貸率的影響分析[J].時(shí)代經(jīng)貿(mào),2013(14):86.
[7] 魯?shù)细瘛ざ喽鞑际?,斯坦利·費(fèi)希爾,理查德·斯塔茲.宏觀經(jīng)濟(jì)學(xué).(第十版).北京.中國(guó)人民大學(xué)出版社,273-281,331-333.