黃海文

【摘要】近年來我國(guó)金融行業(yè)發(fā)展迅速，特別是銀行這一重要的金融機(jī)構(gòu)，其在調(diào)節(jié)社會(huì)資金余缺，實(shí)現(xiàn)資源合理配置，促進(jìn)經(jīng)濟(jì)發(fā)展的同時(shí)，也存在著不良貸款率逐年走高的風(fēng)險(xiǎn)。本文首先通過對(duì)浦發(fā)銀行自身不良貸款的分析，發(fā)現(xiàn)浦發(fā)銀行存在著這樣不良貸款和不良貸款率雙升的趨勢(shì)，且比較其他同性質(zhì)商業(yè)銀行，可得出浦發(fā)銀行不良貸款太過密集;然后選擇GDP增長(zhǎng)率、M2增長(zhǎng)率、撥備覆蓋率、成本收入比、最大10家客戶貸款比例、存貸比這六個(gè)因素作為解釋變量，建立多元線性回歸模型進(jìn)行分析，可得到如下結(jié)論：GDP增長(zhǎng)率、撥備覆蓋率跟不良貸款率為負(fù)相關(guān)的，存貸比跟不良貸款率為正相關(guān)的，而M2增長(zhǎng)率、成本收入比、最大10家客戶貸款比對(duì)不良貸款率的影響并不明顯。

【關(guān)鍵詞】浦發(fā)銀行? 不良貸款率? 多元線性回歸分析? 影響因素

一、引言

眾所周知，商業(yè)銀行是一個(gè)能調(diào)整整個(gè)社會(huì)資金，實(shí)現(xiàn)社會(huì)資源合理配置的金融中介機(jī)構(gòu)，其對(duì)于一個(gè)國(guó)家的作用可想而知。但是，商業(yè)銀行運(yùn)營(yíng)的業(yè)務(wù)很特別，導(dǎo)致其在運(yùn)營(yíng)的過程中會(huì)碰到很多種類的風(fēng)險(xiǎn)。而浦發(fā)銀行與其他同性質(zhì)的商業(yè)銀行之中不良率為最高，這大大的損害了浦發(fā)銀行的市場(chǎng)核心競(jìng)爭(zhēng)力和形象力。 本文主要是：通過探索和分析浦發(fā)銀行現(xiàn)在面臨的不良貸款現(xiàn)實(shí)狀況，因此可以從理論上得出影響其不良貸款率的可能因素。通過對(duì)可能會(huì)影響浦發(fā)銀行不良貸款率的各個(gè)變量構(gòu)建多元線性回歸進(jìn)行統(tǒng)計(jì)分析，可以得到具體影響不良率的變量。

從國(guó)家的角度上來說，商業(yè)銀行作為一個(gè)十分重要的金融中介機(jī)構(gòu)，降低其不良貸款率不僅能保持其在金融市場(chǎng)的核心地位，還能維持國(guó)家的金融穩(wěn)定和促進(jìn)經(jīng)濟(jì)的發(fā)展。從銀行本身角度上而言，銀行對(duì)不良貸款的管理能力是其生存與發(fā)展的最關(guān)鍵的能力之一，對(duì)商業(yè)銀行的不良貸款率的影響因素進(jìn)行統(tǒng)計(jì)分析并提出相對(duì)合理的解決方案對(duì)于控制銀行的流動(dòng)性風(fēng)險(xiǎn)以及信用風(fēng)險(xiǎn)具有重大的意義，減少商業(yè)銀行的不良貸款的比例除了能增加商業(yè)銀行的收益之外，還可以有效的減少金融風(fēng)險(xiǎn)發(fā)生的可能性，從而使其促進(jìn)實(shí)體經(jīng)濟(jì)更快的向好的方向成長(zhǎng)。

二、浦發(fā)銀行不良貸款現(xiàn)狀

2016年浦發(fā)銀行的各種類型的貸款額都在比上一年增多，而且各類不良貸款占的比例也較上年上升。2015年不良貸款率為1.56%，但是2016年不良貸款率是1.89%，升0.33個(gè)百分點(diǎn)。尤其是損失類貸款上升所占的比重很大，比2015年上升了177.24%。因此，從近兩年貸款五級(jí)分類來看，浦發(fā)銀行不良貸款數(shù)值和比率都在上升。然后從浦發(fā)銀行2016年的財(cái)務(wù)報(bào)告數(shù)據(jù)可以發(fā)現(xiàn)，企業(yè)類貸款占總貸款的62.66%，由此可見其貸款的對(duì)象主要是企業(yè)貸款，浦發(fā)銀行對(duì)于公司類貸款比較密集，主要表現(xiàn)于制造業(yè)、批發(fā)零售業(yè)、以及房地產(chǎn)業(yè)，這些行業(yè)的不良貸款率分別為4.87%、5.48%、0.27%，雖然采礦業(yè)占比不高，但是不良率為5.93%，遠(yuǎn)遠(yuǎn)超過了浦發(fā)銀行不良貸款比例2.39%這一比例，說明了浦發(fā)銀行貸款不夠分散，而且這些行業(yè)特別是采礦業(yè)具有很大的違約可能性。

從收集的數(shù)據(jù)可以看出浦發(fā)銀行在2011-2016年的最大客戶貸款比例雖然每年都下降，但是比重都在10%以上，比重較高，說明浦發(fā)銀行的貸款過于集中，這很有可能導(dǎo)致銀行貸款損失較大，從而使得不良貸款的比例上升。

下面將對(duì)浦發(fā)銀行不良貸款比例從橫向和縱向進(jìn)行比較。在各大同性質(zhì)商業(yè)銀行中，浦發(fā)銀行不良率較高，為2.35%，遠(yuǎn)遠(yuǎn)超過其他商業(yè)銀行，這對(duì)于浦發(fā)銀行作為國(guó)內(nèi)知名的較大型商業(yè)銀行是非常不利的，不良貸款率過高意味著其競(jìng)爭(zhēng)力較弱，這也在某些方面也說明其內(nèi)部管理機(jī)制很脆弱和貸款政策比較寬松。

上表反映了浦發(fā)銀行2011-2016年的不良貸款以及不良率呈現(xiàn)雙升態(tài)勢(shì)，近些年的不良貸款絕對(duì)值升的幅度大，遠(yuǎn)遠(yuǎn)超過了前幾年的水平，而且不良率上升較快。

三、 浦發(fā)銀行不良貸款率影響因素實(shí)證分析

本文采用線性回歸模型，把浦發(fā)銀行各個(gè)季度的不良貸款率設(shè)因變量，GDP的增長(zhǎng)率、M2增長(zhǎng)率、成本收入比、撥備覆蓋率、最大10家客戶貸款比例以及存貸比設(shè)自變量。本文的實(shí)證研究以2012年第4個(gè)季度到2017年第3季度的浦發(fā)銀行財(cái)報(bào)中展示的數(shù)據(jù)作為樣本。影響因素檢驗(yàn)結(jié)果如下：為了書寫簡(jiǎn)便，將設(shè)定的浦發(fā)銀行各季度的不良貸款率作為因變量，記為，GDP增長(zhǎng)率、M2增長(zhǎng)率、成本收入比、撥備覆蓋率、最大10家客戶貸款比例以及存貸比作為自變量，分別記為X1、X2、X3、X4、X5、X6，下面使用R軟件（該軟件主要功能是進(jìn)行數(shù)據(jù)探究、處理和分析的一種實(shí)用性較強(qiáng)的軟件）進(jìn)行操作，采用逐步回歸選擇合適的變量。

從圖1可得，各個(gè)變量的系數(shù)p值均小于0.05，通過了顯著性檢驗(yàn)，且可決系數(shù)為0.9954，整個(gè)方程通過了擬合優(yōu)度檢驗(yàn)。因此，最后模型為： Y=-0.0583162*X1-0.0033556*X4+ 0.0348631*

X6，接下來對(duì)模型Y=-0.0583162*X1-0.0033556*X4+ 0.0348631*

X6 進(jìn)行回歸診斷。經(jīng)過進(jìn)一步的殘差分析，殘差的齊性檢驗(yàn)，殘差的異方差檢驗(yàn)，發(fā)現(xiàn)該回歸模型不存在異方差。通過計(jì)算，解釋變量相關(guān)系數(shù)矩陣的條件數(shù)為99.84367，小于100，認(rèn)為多重共線性程度很小。因此，最后選擇的模型為：Y=-0.0583162*X1-0.0033556

*X4+0.0348631*X6

該模型表明：若GDP增長(zhǎng)率增加1單位，不良貸款率就降0.0583162個(gè)單位;若撥備覆蓋率增加1單位，不良貸款率就降0.0033556個(gè)單位;倘若存貸比增加1單位，那么不良貸款率就增加0.0348631個(gè)單位。

四、 結(jié)論

本文先對(duì)浦發(fā)銀行貸款五級(jí)分類情況、不良貸款行業(yè)分布情況運(yùn)用圖表分析，比較分析等一系列的分析方法對(duì)不良貸款的現(xiàn)狀進(jìn)行分析，最后我發(fā)現(xiàn)銀行的不良貸款率和不良貸款絕對(duì)值都在向上增大，且貸款較過于集中。其次構(gòu)建回歸分析模型對(duì)影響著浦發(fā)銀行不良貸款率的一些變量做了分析，挑選了6個(gè)解釋變量，但是最后只有3個(gè)變量通過了檢驗(yàn)，其是GDP增長(zhǎng)率、撥備覆蓋率和存貸比。其中，GDP增長(zhǎng)率跟撥備覆蓋率與不良貸款率之間是負(fù)相關(guān)的，而存貸比與其顯現(xiàn)正相關(guān)。這三個(gè)因素和不良貸款率之間的關(guān)系驗(yàn)證了理論的正確性，對(duì)于浦發(fā)銀行解決不良率問題具有現(xiàn)實(shí)意義。

參考文獻(xiàn)：

[1]劉藝川.中國(guó)農(nóng)業(yè)銀行不良貸款率影響因素分析[J].市場(chǎng)研究，2019，（05）.

[2]屠宇航.我國(guó)商業(yè)銀行不良貸款率的影響因素研究[J].生產(chǎn)力研究，2018，（12）.

[3]黃冬登.中國(guó)農(nóng)業(yè)銀行不良貸款率變動(dòng)影響因素分析[D].安徽農(nóng)業(yè)大學(xué)，2018.

[4]魏莉.我國(guó)商業(yè)銀行不良貸款影響因素分析[J].現(xiàn)代經(jīng)濟(jì)信息，2018，（09）.