夏佳佳，王守龍

(安徽商貿(mào)職業(yè)技術(shù)學(xué)院，安徽 蕪湖 241002)

近年來，商業(yè)銀行杠桿率持續(xù)上升，這一現(xiàn)象受到國(guó)家及社會(huì)的廣泛關(guān)注。2016年，習(xí)近平總書記提出“三去一降一補(bǔ)”為重點(diǎn)的供給側(cè)結(jié)構(gòu)性改革政策。在新常態(tài)的經(jīng)濟(jì)發(fā)展形式中，我國(guó)商業(yè)銀行面臨著機(jī)遇和挑戰(zhàn)?！叭诏B加”期間，商業(yè)銀行的資產(chǎn)質(zhì)量出現(xiàn)了逐年下降的勢(shì)頭，2018年我國(guó)商業(yè)銀行不良貸款率為1.89%[1]。不良貸款率作為衡量資產(chǎn)質(zhì)量的重要指標(biāo)，反映了商業(yè)銀行資產(chǎn)質(zhì)量正在逐年下滑，提升商業(yè)銀行資產(chǎn)質(zhì)量變得刻不容緩，稍有閃失將引發(fā)銀行系統(tǒng)性風(fēng)險(xiǎn)。因此，分析影響我國(guó)商業(yè)銀行資產(chǎn)質(zhì)量的因素，提出提升資產(chǎn)質(zhì)量的建議，對(duì)于打贏金融攻堅(jiān)戰(zhàn)有著十分重要的意義。

一、文獻(xiàn)回顧及評(píng)述

目前國(guó)內(nèi)外對(duì)商業(yè)銀行資產(chǎn)質(zhì)量提升的研究主要集中在不良貸款的影響因素上。Leo Onyiriuba認(rèn)為，企業(yè)拖延還貸款的時(shí)間是其本性所致，這往往會(huì)破壞銀行正常經(jīng)營(yíng)秩序，而銀行部分員工違規(guī)發(fā)放貸款，凸顯了銀行存在的系統(tǒng)性風(fēng)險(xiǎn)，且這些都將使不良貸款發(fā)生率大大上升，降低了商業(yè)銀行資產(chǎn)質(zhì)量。[2]David Byrne 和Zivile Zekaite認(rèn)為,歐洲貨幣政策對(duì)貸款利率有著非常重要的影響，實(shí)證顯示歐洲企業(yè)的融資組合嚴(yán)重依賴銀行信貸。[3]陳璐分析了經(jīng)濟(jì)因素對(duì)不良貸款率的影響，實(shí)證結(jié)果顯示宏觀經(jīng)濟(jì)因素對(duì)不良貸款影響遠(yuǎn)大于其他因素，且選取了多個(gè)經(jīng)濟(jì)變量，制定模型，實(shí)證分析，找到提升資產(chǎn)質(zhì)量的方案。[4]許媛媛從發(fā)行地方債對(duì)于商業(yè)銀行資產(chǎn)質(zhì)量的影響角度進(jìn)行分析，指出只有完善地方債的發(fā)行制度才能合理地進(jìn)行商業(yè)銀行資產(chǎn)配置，將地方債券的價(jià)格水平控制在合理范圍之內(nèi)才可以提升商業(yè)銀行資產(chǎn)質(zhì)量。[5]張玉婷選取了對(duì)不良貸款影響最大的經(jīng)濟(jì)指標(biāo)，構(gòu)建回歸模型，實(shí)證分析結(jié)果表明，經(jīng)濟(jì)新常態(tài)主要是以GDP等宏觀因素方式影響不良貸款率，且不良貸款率受經(jīng)濟(jì)周期影響較大。[6]

從國(guó)內(nèi)外的研究可以看出，多是選用不良貸款率衡量宏觀及微觀因素。資產(chǎn)質(zhì)量的傳統(tǒng)評(píng)價(jià)指標(biāo)主要有不良貸款率、資本充足率、撥備覆蓋率，而不良貸款率是衡量銀行資產(chǎn)質(zhì)量最重要的指標(biāo)。[7]受此啟發(fā)，本研究選用不良貸款率作為衡量銀行資產(chǎn)質(zhì)量的變量，以2008年第一季度到2018年第三季度的季度數(shù)據(jù)構(gòu)建VAR模型，將國(guó)內(nèi)生產(chǎn)總值、廣義貨幣供應(yīng)量、產(chǎn)能利用率、信貸規(guī)模、杠桿率、不良貸款率放在研究框架中，實(shí)證分析六個(gè)變量之間的動(dòng)態(tài)關(guān)系，運(yùn)用脈沖響應(yīng)分析法分析每個(gè)變量的具體影響。

本研究充分考慮經(jīng)濟(jì)新常態(tài)下的銀行質(zhì)量的影響因素，將杠桿率這一內(nèi)生指標(biāo)引入模型作為內(nèi)生變量，考察其對(duì)于銀行資產(chǎn)質(zhì)量的影響。本研究以2016年實(shí)施“去杠桿”政策為時(shí)間節(jié)點(diǎn)，考察“去杠桿”政策是否讓經(jīng)濟(jì)結(jié)構(gòu)產(chǎn)生顯著變化，將時(shí)間分為兩個(gè)時(shí)間段考察經(jīng)濟(jì)模型，描述國(guó)內(nèi)生產(chǎn)總值、貨幣供應(yīng)量、產(chǎn)能利用率、信貸規(guī)模、杠桿率對(duì)銀行資產(chǎn)質(zhì)量的影響。

二、實(shí)證分析

本研究運(yùn)用Stata 15軟件測(cè)算VAR模型中國(guó)內(nèi)生產(chǎn)總值、廣義貨幣供應(yīng)量、產(chǎn)能利用率、信貸規(guī)模、杠桿率水平與被解釋變量之間的關(guān)系。

(一)變量選擇及說明

1.國(guó)內(nèi)生產(chǎn)總值(GDP)

GDP反映的是某個(gè)國(guó)家或地區(qū)經(jīng)濟(jì)活動(dòng)的綜合實(shí)力，主要用于衡量國(guó)內(nèi)經(jīng)濟(jì)狀況。GDP增長(zhǎng)率高，表示該國(guó)家或地區(qū)經(jīng)濟(jì)發(fā)展較為活躍，反之表明經(jīng)濟(jì)發(fā)展較為遲緩。因此，本研究選取GDP作為衡量我國(guó)經(jīng)濟(jì)狀況的指標(biāo)。

2.廣義貨幣供應(yīng)量(M2)

M2即M1加上居民儲(chǔ)蓄和企業(yè)定期儲(chǔ)蓄。它是央行用于調(diào)控金融市場(chǎng)的重要工具，它的增幅應(yīng)當(dāng)控制在一定范圍之內(nèi)，它是中央銀行重要的貨幣政策操作目標(biāo)。因此，本研究選擇M2來反映我國(guó)貨幣政策的執(zhí)行。

3.產(chǎn)能利用率(CAP)

CAP是指實(shí)際產(chǎn)能和設(shè)計(jì)產(chǎn)能的比值，它用來反映企業(yè)生產(chǎn)產(chǎn)能和設(shè)計(jì)產(chǎn)能之間的比例關(guān)系。本研究選取CAP來衡量企業(yè)產(chǎn)能利用的情況，反映企業(yè)生產(chǎn)經(jīng)營(yíng)能力。[8]

4.信貸規(guī)模(CDIM)

參照現(xiàn)有研究成果，本研究選取商業(yè)銀行貸款余額反映企業(yè)信貸規(guī)模，是指一定時(shí)點(diǎn)上商業(yè)銀行信貸總余額，即總存量。[9]

5.杠桿率水平(LEV)

商業(yè)銀行與其他生產(chǎn)企業(yè)最大的區(qū)別在于商業(yè)銀行需要利用負(fù)債撬動(dòng)資產(chǎn)業(yè)務(wù)從而獲得盈利，其核心資本遠(yuǎn)遠(yuǎn)小于資產(chǎn)規(guī)模，這就導(dǎo)致其杠桿率水平處于高位，隨之也提升了產(chǎn)生不良貸款的風(fēng)險(xiǎn)。杠桿率為權(quán)益資本與資產(chǎn)總負(fù)債表中總資產(chǎn)的比率，它在一定程度上反映了商業(yè)銀行的財(cái)務(wù)狀況。

6.不良貸款率(NPL)

NPL是指金融機(jī)構(gòu)不良貸款占總貸款余額的比重，是評(píng)估銀行貸款質(zhì)量的主要指標(biāo)。因此，本研究選擇NPL作為衡量商業(yè)銀行資產(chǎn)質(zhì)量的指標(biāo)。[10]

(二)數(shù)據(jù)來源及處理

本研究選取2008年第一季度到2018年第三季度的43組季度數(shù)據(jù)作為樣本。國(guó)內(nèi)生產(chǎn)總值、廣義貨幣供應(yīng)量、產(chǎn)能利用率、信貸規(guī)模、杠桿率水平、不良貸款率數(shù)據(jù)分別來源于國(guó)家統(tǒng)計(jì)局、銀監(jiān)會(huì)、中國(guó)人民銀行及Wind數(shù)據(jù)庫。其中，杠桿率水平是由中國(guó)銀行、農(nóng)業(yè)銀行、交通銀行、江蘇銀行、南京銀行、北京銀行等26家上市商業(yè)銀行杠桿率加權(quán)平均計(jì)算得到季度數(shù)據(jù)，反映我國(guó)商業(yè)銀行杠桿率水平。

本研究選取的數(shù)據(jù)頻率為季度，為了使時(shí)間序列變化趨勢(shì)盡可能少受季節(jié)性因素(如天氣、行政、固定假日、移動(dòng)假日等)變化的影響，本研究運(yùn)用census X 12進(jìn)行季節(jié)性調(diào)整。經(jīng)過季節(jié)性調(diào)整后，時(shí)間序列已經(jīng)沒有明顯的季節(jié)特征。

(三)VAR模型的建立

1.時(shí)間段的劃分

2008年，金融危機(jī)對(duì)全球影響較大，我國(guó)采取了“四萬億計(jì)劃”的經(jīng)濟(jì)刺激政策，擴(kuò)張的貨幣政策導(dǎo)致經(jīng)濟(jì)加杠桿迅速，且范圍廣、力度大。2013年之后，金融行業(yè)由于受到經(jīng)濟(jì)政策影響，杠桿率快速上升，這大大增加了金融系統(tǒng)性風(fēng)險(xiǎn)的概率，也使得商業(yè)銀行資產(chǎn)規(guī)模迅速擴(kuò)張，資產(chǎn)質(zhì)量較不穩(wěn)定，杠桿率大大提升。2016年以來，央行開始實(shí)行審慎政策，銀監(jiān)會(huì)開展了“三套利、四不當(dāng)”等一系列去杠桿行動(dòng)，金融行業(yè)進(jìn)入了去杠桿階段，緊縮的經(jīng)濟(jì)政策加速了商業(yè)銀行資產(chǎn)規(guī)模收縮，緩解了商業(yè)銀行資產(chǎn)質(zhì)量快速下滑的情況?；谖覈?guó)金融系統(tǒng)杠桿政策的轉(zhuǎn)變，本研究將時(shí)間段劃分為2008—2015年、2016—2018年，利用結(jié)構(gòu)變動(dòng)法觀察杠桿政策因素是否對(duì)商業(yè)銀行資產(chǎn)質(zhì)量變化有影響。

對(duì)于時(shí)間序列而言，模型系數(shù)的穩(wěn)定性很重要。本研究采取虛擬變量法進(jìn)行基于杠桿政策調(diào)整帶來模型結(jié)構(gòu)性變動(dòng)檢驗(yàn)，設(shè)定虛擬變量，變量定義如下：D在2016年取值為1，D在2008—2016年之間取值為0。得到2016年斷點(diǎn)F值為0.1，該檢驗(yàn)P值為0.998，所以在1%顯著性水平上接受“沒有結(jié)構(gòu)變動(dòng)”的原假設(shè)，即中國(guó)的GDP、M2、CAP、CDIM、LEV、NPL在2016年沒有發(fā)生結(jié)構(gòu)性變動(dòng)，所以可以將時(shí)間段合并為2008—2018年。

2.單位根檢驗(yàn)

VAR模型的前提條件為時(shí)間序列是平穩(wěn)的，所以需要對(duì)數(shù)據(jù)序列的平穩(wěn)性進(jìn)行檢驗(yàn)。[11]本研究選用單位根檢驗(yàn)對(duì)樣本數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。為了有效降低樣本數(shù)據(jù)異方差，對(duì)樣本數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理。模型中六個(gè)內(nèi)生變量的單位根檢驗(yàn)結(jié)果表明：在5%的顯著性水平下，所有變量都接受存在單位根的原假設(shè)，證明樣本數(shù)據(jù)穩(wěn)定性較低，但是在一階條件下，在5%的顯著性水平下拒絕原假設(shè)，所有變量單整過程均為I(1)過程。

3.構(gòu)建VAR模型

根據(jù)信息準(zhǔn)則，將VAR模型滯后階數(shù)確定為4階，以lnGDP、lnM2、lnCAP、lnCDIM、lnLEV、lnNPL六個(gè)內(nèi)生變量構(gòu)建模型，寫成公式(1)：

(1)

對(duì)四階向量自回歸模型進(jìn)行檢驗(yàn)估計(jì)，回歸結(jié)果見表1。

表1 VAR滯后階數(shù)檢驗(yàn)估計(jì)結(jié)果

由表1可以看出所有特征值均小于1，即所有特征值均落在單位圓之內(nèi)，滿足VAR模型平穩(wěn)條件，所有特征值落于圓內(nèi)，所以VAR系統(tǒng)是穩(wěn)定的。

4.協(xié)整分析

由樣本數(shù)據(jù)單位根檢驗(yàn)得知，lnGDP、lnM2、lnCAP、lnCDIM、lnLEV、lnNPL六個(gè)變量均為一階單整序列，且存在時(shí)間趨勢(shì)[12]，所以滿足協(xié)整檢驗(yàn)的條件，可以進(jìn)行協(xié)整檢驗(yàn)。協(xié)整檢驗(yàn)結(jié)果表明，存在三個(gè)線性無關(guān)的協(xié)整向量，而最大特征值檢驗(yàn)也表明，在5%的水平上拒絕“協(xié)整秩為0”的原假設(shè)，所以協(xié)整秩為3，見表2和表3。

由表2和表3可知，lnGDP、lnM2、lnCAP、lnCDIM、lnLEV、lnNPL六個(gè)變量存在三個(gè)協(xié)整關(guān)系，由此可以看出lnGDP、lnM2、lnCAP、lnCDIM、lnLEV、lnNPL之間存在長(zhǎng)期均衡關(guān)系。

表2 ln GDP、ln M2、ln CAP、ln CDIM、ln LEV、ln NPL

注：時(shí)間趨勢(shì)不變，樣本數(shù)量為38，樣本數(shù)據(jù)為2009年第二季度至2018年第三季度數(shù)據(jù)，階數(shù)為4

表3 ln GDP、ln M2、ln CAP、ln CDIM、ln LEV、ln NPL

注：時(shí)間趨勢(shì)不變，樣本數(shù)量為38，樣本數(shù)據(jù)為2009年第二季度至2018年第三季度數(shù)據(jù)，階數(shù)為4

5.格蘭杰因果檢驗(yàn)

格蘭杰因果檢驗(yàn)是為了確定變量之間動(dòng)態(tài)相關(guān)關(guān)系，表明一個(gè)變量是否對(duì)另一變量有“預(yù)測(cè)能力”[13]。由于樣本數(shù)據(jù)為平穩(wěn)時(shí)間序列，所以可以進(jìn)行格蘭杰因果檢驗(yàn)，檢驗(yàn)結(jié)果見表4。

表4 格蘭杰因果檢驗(yàn)結(jié)果

由表4可以看出，在5%的顯著性水平下，國(guó)內(nèi)生產(chǎn)總值(lnGDP)、廣義貨幣供應(yīng)量(lnM2)、產(chǎn)能利用率(lnCAP)、信貸規(guī)模(lnCDIM)、杠桿率(lnLEV)的概率值均小于0.05，說明這五個(gè)變量均是不良貸款率的格蘭杰原因，五大因素對(duì)不良貸款率的影響較為顯著。

6.脈沖響應(yīng)分析

利用脈沖響應(yīng)函數(shù)可以看出施加一個(gè)隨機(jī)誤差項(xiàng)且是標(biāo)準(zhǔn)差大小的沖擊，對(duì)內(nèi)生變量的當(dāng)前和未來的影響程度。五幅圖分別表示的是國(guó)內(nèi)生產(chǎn)總值(lnGDP)、廣義貨幣供應(yīng)量(lnM2)、產(chǎn)能利用率(lnCAP)、信貸規(guī)模(lnCDIM)、杠桿率(lnLEV)對(duì)不良貸款率沖擊的脈沖響應(yīng)函數(shù)，滯后期選取為8期，見圖1。

圖1 脈沖響應(yīng)函數(shù)分析結(jié)果

(1)國(guó)內(nèi)生產(chǎn)總值對(duì)于不良貸款率的脈沖分析。國(guó)內(nèi)生產(chǎn)總值對(duì)商業(yè)銀行不良貸款率的影響是負(fù)向的。原因如下：一方面，我國(guó)目前正處于數(shù)字金融的經(jīng)濟(jì)新常態(tài)下，“互聯(lián)網(wǎng)+”的經(jīng)濟(jì)模式滲透到了金融、物流等各個(gè)行業(yè)，“互聯(lián)網(wǎng)+”的行業(yè)迅速蓬勃發(fā)展帶來了我國(guó)經(jīng)濟(jì)發(fā)展的良好形勢(shì)，經(jīng)濟(jì)的發(fā)展為企業(yè)創(chuàng)造了更多的生產(chǎn)規(guī)模擴(kuò)張機(jī)會(huì)，增加了企業(yè)對(duì)于資金的需求，企業(yè)的生產(chǎn)經(jīng)營(yíng)效率提升，不良貸款率下降。另一方面，互聯(lián)網(wǎng)金融的發(fā)展帶動(dòng)了商業(yè)銀行開展互聯(lián)網(wǎng)和移動(dòng)端的金融業(yè)務(wù)，部分機(jī)構(gòu)選擇進(jìn)軍商務(wù)領(lǐng)域，通過電子平臺(tái)為互聯(lián)網(wǎng)金融業(yè)務(wù)反向沉淀消費(fèi)者數(shù)據(jù)，由此鞏固了對(duì)客戶的信用監(jiān)管，降低了不良貸款率。因此，GDP的增加會(huì)導(dǎo)致商業(yè)銀行不良貸款率下降。

(2)廣義貨幣供應(yīng)量對(duì)于不良貸款率的脈沖分析。M2對(duì)不良貸款率的影響由正向再轉(zhuǎn)變?yōu)殚L(zhǎng)期負(fù)向影響。主要原因如下：從長(zhǎng)期來看，寬松的貨幣政策帶來了低利率，投資和貸款得到擴(kuò)張，企業(yè)在市場(chǎng)中得到的機(jī)會(huì)更多，發(fā)展空間更大，競(jìng)爭(zhēng)使得優(yōu)質(zhì)企業(yè)存活，這些優(yōu)質(zhì)企業(yè)會(huì)在這種環(huán)境中利用融資支撐發(fā)展，形成良性循環(huán)，從而降低不良貸款率；而從短期來看(第1期)，在迅速擴(kuò)張的時(shí)候，有些企業(yè)進(jìn)行盲目投資，容易發(fā)生投資失敗，導(dǎo)致不良貸款率上升。

(3)產(chǎn)能利用率對(duì)于不良貸款率的脈沖分析。產(chǎn)能利用率對(duì)不良貸款率的影響是負(fù)向的。究其原因主要是2008年我國(guó)實(shí)行的“四萬億”貨幣政策導(dǎo)致后期的產(chǎn)能過剩、產(chǎn)能利用率過低、市場(chǎng)出現(xiàn)供大于求的局面，行業(yè)的營(yíng)利能力大大降低，甚至很多企業(yè)出現(xiàn)虧損，難以維持企業(yè)生存，導(dǎo)致不良貸款出現(xiàn)。因此，產(chǎn)能利用率的提升將會(huì)導(dǎo)致不良貸款率下降。

(4)商業(yè)銀行貸款余額對(duì)于不良貸款率的脈沖分析。商業(yè)銀行貸款余額對(duì)不良貸款率短期內(nèi)呈現(xiàn)正向影響。在經(jīng)濟(jì)新常態(tài)下，擴(kuò)張的貨幣政策增加了貸款數(shù)量，但是隨著競(jìng)爭(zhēng)程度深入，很多企業(yè)無法承受風(fēng)險(xiǎn)，面臨倒閉和破產(chǎn)，從而提升了不良貸款率。長(zhǎng)期看，隨著企業(yè)的優(yōu)勝劣汰及自身的調(diào)整，優(yōu)質(zhì)企業(yè)被保留，新增貸款數(shù)量會(huì)使得不良貸款率降低，新增貸款余額增加會(huì)導(dǎo)致不良貸款率所占份額減少。因此，短期商業(yè)銀行貸款余額對(duì)不良貸款率是正向影響，長(zhǎng)期商業(yè)銀行貸款余額對(duì)不良貸款率是負(fù)向影響。

(5)杠桿率對(duì)于不良貸款率的脈沖分析。杠桿率對(duì)不良貸款率的影響如下：短期看，銀行杠桿率水平的上升可以使得其風(fēng)險(xiǎn)偏好轉(zhuǎn)好，愿意接受的風(fēng)險(xiǎn)總量上升，這使得市場(chǎng)處于積極上升狀態(tài)，企業(yè)有更多的融資投入生產(chǎn)經(jīng)營(yíng)，在資金鏈正常運(yùn)轉(zhuǎn)的時(shí)候企業(yè)更有機(jī)會(huì)獲得利潤(rùn)，由此良性循環(huán)，杠桿率水平上升降低了企業(yè)不良貸款概率；但是長(zhǎng)期看，商業(yè)銀行為了維持其利潤(rùn)，將會(huì)提高杠桿率，收縮表內(nèi)業(yè)務(wù)，降低貸款額度，已經(jīng)發(fā)放過的企業(yè)貸款在面臨商業(yè)銀行的高杠桿續(xù)貸的時(shí)候，常常會(huì)出現(xiàn)資金鏈無法銜接，從而產(chǎn)生不良貸款的局面。

7.方差分解分析

VAR模型也可以用于預(yù)測(cè)，利用方差分解確定被解釋變量對(duì)解釋變量向前一期的影響程度，滯后期選為8期。從表5可以看出，向前做8個(gè)季度的預(yù)測(cè)，不良貸款率對(duì)其自身影響在第1期最高，為70%左右，隨后開始下降，即使在第8期也有53%的預(yù)測(cè)能力；而GDP對(duì)不良貸款率的貢獻(xiàn)率呈現(xiàn)下降的趨勢(shì)，最高貢獻(xiàn)率在48%左右，在第7期貢獻(xiàn)率最低，為20%左右；M2對(duì)不良貸款影響較為顯著，在第5期達(dá)到峰值82%左右，在后幾期保持著46%的貢獻(xiàn)率；CAP對(duì)不良貸款貢獻(xiàn)率影響效果不顯著，且呈現(xiàn)持續(xù)下降的趨勢(shì)，在后三期影響概率穩(wěn)定在0.3%左右；CDIM的貢獻(xiàn)率在第4期達(dá)到峰值，為39%左右，后開始下降；LEV這一指標(biāo)在第1期貢獻(xiàn)率最高，為56.295%，隨后逐年遞減，在最后一期穩(wěn)定在8.02%水平上。以上方差分解分析結(jié)果和脈沖響應(yīng)分析結(jié)果一致。因此，在所有指標(biāo)中，應(yīng)當(dāng)關(guān)注不良貸款率對(duì)其自身的影響，以及國(guó)內(nèi)生產(chǎn)總值、廣義貨幣供應(yīng)量及杠桿率水平對(duì)其的影響。

表5 NPL方差分解分析

三、實(shí)證結(jié)論分析

本研究選取了2008年第一季度到2018年第三季度數(shù)據(jù)，利用VAR模型實(shí)證分析了新常態(tài)國(guó)內(nèi)生產(chǎn)總值、廣義貨幣供應(yīng)量、產(chǎn)能利用率、信貸規(guī)模、杠桿率對(duì)商業(yè)銀行資產(chǎn)質(zhì)量的影響，選取不良貸款率作為衡量商業(yè)銀行資產(chǎn)質(zhì)量的指標(biāo)，得出以下結(jié)論： 第一，宏觀經(jīng)濟(jì)因素中，GDP對(duì)不良貸款率影響為負(fù)；M2對(duì)不良貸款率的影響短期為正，長(zhǎng)期為負(fù)。第二，企業(yè)經(jīng)營(yíng)因素中，企業(yè)的產(chǎn)能利用率對(duì)不良貸款率的影響長(zhǎng)期為負(fù)。第三，銀行因素中，商業(yè)銀行貸款余額對(duì)不良貸款率的影響短期為正，長(zhǎng)期為負(fù)；銀行杠桿率水平對(duì)不良貸款率的影響短期為負(fù)，長(zhǎng)期為正。

四、提升商業(yè)銀行資產(chǎn)質(zhì)量的建議

(一)把控全球宏觀經(jīng)濟(jì)走勢(shì)，善用利率控制行業(yè)風(fēng)險(xiǎn)

首先，目前我國(guó)正處于中美貿(mào)易戰(zhàn)層層夾擊之中，金融市場(chǎng)和經(jīng)濟(jì)形勢(shì)時(shí)刻變化，商業(yè)銀行應(yīng)當(dāng)對(duì)全球經(jīng)濟(jì)走勢(shì)及時(shí)做出分析，跟蹤各項(xiàng)指標(biāo)的動(dòng)向，并及時(shí)制定應(yīng)對(duì)策略，利用大數(shù)據(jù)算法根據(jù)現(xiàn)有數(shù)據(jù)預(yù)測(cè)未來經(jīng)濟(jì)走勢(shì)，具有前瞻性地制定信貸政策。

其次，房地產(chǎn)行業(yè)是杠桿率水平較高的行業(yè)，其不良貸款的發(fā)生率較高，產(chǎn)能過剩行業(yè)由于目前還有潛在未被吸收的產(chǎn)能，也是不良貸款率高發(fā)行業(yè)，商業(yè)銀行可以通過利率水平的調(diào)整，轉(zhuǎn)變信貸導(dǎo)向，嚴(yán)控高風(fēng)險(xiǎn)行業(yè)的利率管理，從源頭治理，調(diào)整利率政策，控制行業(yè)風(fēng)險(xiǎn)。

(二)維持適度杠桿率水平，引導(dǎo)銀企合作健康發(fā)展

商業(yè)銀行利用負(fù)債撬動(dòng)貸款的業(yè)務(wù)模式導(dǎo)致銀行成為高杠桿行業(yè)，然而過高的杠桿率水平將使得企業(yè)因?yàn)殡y以承受財(cái)務(wù)成本無法取得融資，影響企業(yè)發(fā)展，降低企業(yè)貸款意愿，增加風(fēng)險(xiǎn)發(fā)生概率，而過低的杠桿率水平將使得商業(yè)銀行贏利水平降低，降低其放貸意愿，增加信貸風(fēng)險(xiǎn)。因此，商業(yè)銀行應(yīng)當(dāng)制定合理的杠桿率水平，創(chuàng)建銀企合作的健康環(huán)境。

(三)建立全方位貸前貸中貸后審核、監(jiān)督機(jī)制

為了提升商業(yè)銀行資產(chǎn)質(zhì)量，降低不良貸款發(fā)生率，商業(yè)銀行應(yīng)當(dāng)利用大數(shù)據(jù)，讓借款主體的信用信息在平臺(tái)共享，貸前了解借款主體信息，避免一些信用老賴“騙貸”情形的發(fā)生。在貸中和貸后都要做好對(duì)借款主體的監(jiān)督，定期查看企業(yè)的財(cái)務(wù)資料，實(shí)地考察企業(yè)生產(chǎn)運(yùn)轉(zhuǎn)狀況，積極做好貸后管理工作，防范企業(yè)發(fā)生失信行為。

(四)利用互聯(lián)網(wǎng)技術(shù)收集更多有效數(shù)據(jù)，創(chuàng)新信用管理模式

商業(yè)銀行可以利用信息平臺(tái)挖掘更多優(yōu)質(zhì)客戶，此外還可以購(gòu)買信息技術(shù)或者收購(gòu)互聯(lián)網(wǎng)金融公司，讓銀行兼具信息收集和風(fēng)控職能。信息技術(shù)的發(fā)展降低了與客戶溝通和業(yè)務(wù)辦理的成本，利用技術(shù)的力量可以為風(fēng)控系統(tǒng)保駕護(hù)航，從多角度創(chuàng)新風(fēng)控的方式和信用管理模式，更加全面地進(jìn)行信用管理，有效降低不良貸款發(fā)生率。