方云玲

[摘要]本文以F銀行貸后檢查執(zhí)行率和逾期貸款金額為樣本數(shù)據(jù)，運用長期均衡模型和脈沖響應(yīng)分析評價貸后管理效果，并運用泰爾指數(shù)、探索性空間數(shù)據(jù)和時空躍遷等分析方法，對貸后檢查執(zhí)行率的區(qū)域差異和時空演化特征進行分析，有針對性地提出改進貸后管理的有關(guān)建議。

[關(guān)鍵詞]商業(yè)銀行 ? 貸后管理 ? 時空特征

2017年以來，商業(yè)銀行由于貸后管理不到位，

面臨的監(jiān)管處罰風(fēng)險和逾期風(fēng)險日益加大，審計過程中重點關(guān)注貸后管理相關(guān)制度的執(zhí)行情況、貸款用途真實性、貸后管理流程有效性、風(fēng)險管理和資產(chǎn)質(zhì)量狀況等就顯得十分迫切。

一、貸后管理效用評價

貸后管理是指商業(yè)銀行對信貸業(yè)務(wù)客戶自授信放款起到授信業(yè)務(wù)結(jié)束的全流程管理過程，貸后管理內(nèi)容包括但不限于客戶經(jīng)營管理狀況、擔(dān)保物、風(fēng)險分類、信貸資產(chǎn)質(zhì)量、本息回收、風(fēng)險預(yù)警及處理、不良資產(chǎn)處置及保全、審計等內(nèi)外部監(jiān)督檢查、檔案管理等方面。

由于貸后檢查執(zhí)行率是落實貸后管理的重要體現(xiàn)，也是商業(yè)銀行加強信貸資產(chǎn)管理的重要手段。因此，本文以F銀行企業(yè)貸款為例，通過建立VAR模型，定量分析企業(yè)貸款貸后檢查執(zhí)行率及其逾期貸款的長期均衡模型與脈沖響應(yīng)。

（一）長期均衡模型分析

由于VAR模型要求研究變量必須是平穩(wěn)的，非平穩(wěn)的變量時間序列數(shù)據(jù)會導(dǎo)致模型失真，且擬合的結(jié)果難以科學(xué)、客觀地解釋實際情況，對于非平穩(wěn)的變量可通過差分獲得平穩(wěn)的變量數(shù)據(jù)。因此，本文首先對企業(yè)貸款的貸后檢查執(zhí)行率和逾期金額兩個變量進行標(biāo)準化，其次對標(biāo)準化后的變量數(shù)據(jù)進行平穩(wěn)性檢驗，最后運用Stata軟件進行單位根平穩(wěn)性（ADF）檢驗。檢驗結(jié)果如表1所示。

由表1可知，F(xiàn)銀行企業(yè)貸款業(yè)務(wù)逾期金額（Y）檢驗的統(tǒng)計量值為-3.38，在5%的臨界值-3.05水平下，拒絕原假設(shè)H0，說明原數(shù)據(jù)為平穩(wěn)時間序列;F銀行企業(yè)貸款業(yè)務(wù)的貸后執(zhí)行率（X1）變量為非平穩(wěn)的時間序列數(shù)據(jù)，但通過一階差分后，能夠在5%的顯著水平下拒絕原假設(shè)，差分后的變量數(shù)據(jù)成為平穩(wěn)的時間序列。

運用最小二乘法，對差分后平穩(wěn)的F銀行企業(yè)貸款的貸后執(zhí)行率和逾期貸款兩個變量構(gòu)建協(xié)整方程，形成的協(xié)整方程為式（1），該方程T統(tǒng)計量值為-3.6276，P值為0.0018，通過Johansen協(xié)整方程檢驗。

sY=-0.6397sX （1）

協(xié)整方程式（1）表明，2015年1季度至2019年4季度期間，F(xiàn)銀行企業(yè)貸款貸后檢查執(zhí)行率與逾期貸款金額成反比關(guān)系，系數(shù)為-0.6397，說明提高貸后檢查執(zhí)行率能夠及早發(fā)現(xiàn)存量客戶的風(fēng)險，并采取有效防范措施降低逾期貸款，從而有效提升資產(chǎn)業(yè)務(wù)資產(chǎn)質(zhì)量。

（二）脈沖響應(yīng)分析

協(xié)整方程式（1）體現(xiàn)出長期均衡情況下，貸后檢查執(zhí)行率與逾期貸款金額之間存在長期穩(wěn)態(tài)關(guān)系。但國內(nèi)外經(jīng)濟、金融環(huán)境的快速變化，影響了企業(yè)的生產(chǎn)經(jīng)營，只有加強貸后管理，提高貸后檢查執(zhí)行力度和頻次，才能及時發(fā)現(xiàn)企業(yè)風(fēng)險點。因此，需要了解貸后檢查執(zhí)行率的波動沖擊對逾期貸款金額的影響。脈沖響應(yīng)分析是給予貸后檢查執(zhí)行率一個誤差項的標(biāo)準差沖擊，分析該沖擊對逾期貸款金額的影響。本文運用Eviews軟件，分析貸后檢查執(zhí)行率對逾期貸款金額的脈沖響應(yīng)分析，分析結(jié)果如圖1所示。

由圖1可知，當(dāng)在本期給貸后檢查執(zhí)行率一個正沖擊后，逾期貸款金額在當(dāng)期降低到最低點，第二期回升至最高點，第三期又開始下降，且長期趨于穩(wěn)定的反向影響;反之，在本期給貸后檢查執(zhí)行率一個負沖擊后，逾期貸款金額在當(dāng)期上升至最高點，第二期下降至最低點，第三期又開始上升，且長期趨于穩(wěn)定的正向影響。這表明通過提高貸后檢查執(zhí)行率，無論是短期還是長期，對壓降逾期貸款金額、提高資產(chǎn)質(zhì)量的作用是顯現(xiàn)的，這一結(jié)論與協(xié)整方程式（1）表明的兩個變量之間的長期關(guān)系相一致。

二、貸后執(zhí)行率的時空特征分析

整體來看，提高F銀行企業(yè)貸款的貸后檢查執(zhí)行率，能夠提升貸款的資產(chǎn)質(zhì)量水平，但由于F銀行各地區(qū)分行的經(jīng)營管理特點不同，貸后檢查執(zhí)行率的地域差異較大，且隨著時間的推移，地域差異還存在一定的演化特征。因此，研究F銀行企業(yè)貸款貸后檢查執(zhí)行率的時空特征，能夠因地制宜地給出相關(guān)審計建議和對策，縮小區(qū)域差異，優(yōu)化空間布局，對促進F銀行企業(yè)貸款業(yè)務(wù)高質(zhì)量發(fā)展具有重要意義。

（一）貸后檢查執(zhí)行率的區(qū)域差異分析

本文運用空間統(tǒng)計分析中的泰爾指數(shù)，對F銀行31個省份的貸后檢查執(zhí)行率進行測算，測算結(jié)果如表2所示。

由表2可知，2015年F銀行企業(yè)貸款貸后檢查執(zhí)行率的總泰爾指數(shù)為0.324，2019年為0.741，說明整體上貸后檢查執(zhí)行率的地區(qū)總差異呈現(xiàn)大幅上升趨勢。對總差異進行進一步分解發(fā)現(xiàn)，區(qū)域間的變動軌跡與地區(qū)總差異的變動軌跡相反，呈現(xiàn)縮小趨勢;區(qū)域內(nèi)的變動軌跡與地區(qū)總差異的變動軌跡相同，呈現(xiàn)大幅上升趨勢。從差異的貢獻率情況來看，區(qū)域間貢獻率從2015年的9.99%下降至2019年的0.81%，區(qū)域內(nèi)貢獻率從2015年的90.01%上升至2019年的99.19%，且區(qū)域間貢獻率均小于區(qū)域內(nèi)貢獻率，說明區(qū)域內(nèi)差異是造成地區(qū)總差異的主要原因。

本文進一步對F銀行東、中、西部的企業(yè)貸款貸后執(zhí)行率進行深入分析，結(jié)果如表3所示。

由表3可知，2015年和2019年西部地區(qū)差異最大，東部地區(qū)次之，中部地區(qū)最小，且2015年東、中、西部地區(qū)的差異均小于2019年東、中、西部地區(qū)的差異。結(jié)合逾期貸款金額指標(biāo)來看，2019年末，西部地區(qū)的四川、甘肅逾期貸款金額分別為4.2億元、2.5億元，在全國分別排在第4位、第5位，而西部地區(qū)的寧夏、新疆逾期貸款金額分別為0.26億元、0.16億元，在全國分別排在第28位、第29位，西部地區(qū)內(nèi)的差異較大。

（二）貸后檢查執(zhí)行率的時空演化特征分析

2015年，F(xiàn)銀行企業(yè)貸款貸后檢查執(zhí)行率較高的地區(qū)有福建、重慶、甘肅、寧夏、遼寧、湖北、吉林、河南8個地區(qū)分行，貸后檢查執(zhí)行率均超過10%;貸后檢查執(zhí)行率較低的地區(qū)有上海、西藏、青海、天津、山東、陜西、黑龍江、新疆8個地區(qū)分行，貸后檢查執(zhí)行率均低于5%。2019年，F(xiàn)銀行企業(yè)貸款貸后檢查執(zhí)行率較高的地區(qū)有江西、湖南、甘肅、福建、重慶、吉林、廣東、海南、江蘇、貴州10個地區(qū)分行，貸后檢查執(zhí)行率均超過40%;貸后檢查執(zhí)行率較低的地區(qū)有西藏、湖北、安徽、新疆、四川5個地區(qū)分行，貸后檢查執(zhí)行率均低于10%。

總體而言，2015年至2019年，F(xiàn)銀行企業(yè)貸款貸后檢查執(zhí)行率得到了大幅提升。2019年，貸后檢查執(zhí)行率較低的地區(qū)集中在中部和西部地區(qū)的5家分行，其逾期貸款金額合計12.52億元，占全國的25.48%，大幅超過平均水平（16.13%），進一步說明貸后檢查執(zhí)行率對逾期貸款金額產(chǎn)生重要影響。

運用GeoDa軟件對2015年、2019年F銀行轄內(nèi)31個省分行企業(yè)貸款貸后檢查執(zhí)行率的全局空間相關(guān)性進行分析，如表4所示。

由表4可知，2015年、2019年F銀行企業(yè)貸款貸后檢查執(zhí)行率的Moran，s I指數(shù)值均為正數(shù)，分別為0.085、0.036，說明F銀行省域間的企業(yè)貸款貸后檢查執(zhí)行率存在空間正相關(guān)性，且呈現(xiàn)下降趨勢，均未通過顯著性檢驗，表明F銀行省域間的企業(yè)貸款貸后檢查執(zhí)行率不存在顯著的空間正相關(guān)關(guān)系（高高或低低聚集特征不明顯），進一步說明各省分行的貸后管理方式和執(zhí)行效果不同，但未能影響到其他省份。

本文運用局部空間自相關(guān)分析法對F銀行各省分行企業(yè)貸款貸后檢查執(zhí)行率的局部空間特征進行分析，分析結(jié)果如表5所示。

由表5可知，2015年、2019年四個象限的省分行個數(shù)相近，說明F銀行全國各地區(qū)分行企業(yè)貸款貸后執(zhí)行率呈現(xiàn)出“集聚”與“分異”并存的現(xiàn)狀。湖南、福建、廣東、吉林和遼寧5個省分行長期處于第一象限，說明這5個地區(qū)分行自身的企業(yè)貸款貸后檢查執(zhí)行率較高，并易于向周邊地區(qū)擴散，但2019年位于第一象限的省分行個數(shù)較2015年減少3個，總計7個，說明該7個省分行與周邊省分行的空間差異較小;僅黑龍江省分行長期保持在第二象限，2019年位于第二象限的省分行個數(shù)較2015年增加1個，總計7個，說明該7個省分行企業(yè)貸款的貸后檢查執(zhí)行率水平較低，其相鄰省分行貸后檢查執(zhí)行率較高，但擴散效應(yīng)未能帶動該7個地區(qū)分行貸后檢查率水平的提高;2019年較2015年貸后檢查率處于第三象限的省分行個數(shù)減少1個，總計8個，山西、西藏、天津、青海、河北5個省分行長期處于第三象限，說明該5個分行企業(yè)貸款貸后檢查執(zhí)行率還處于較低水平，以低低水平集聚為主;2019年較2015年位于第四象限的省分行個數(shù)增加3個，總計9個，云南、甘肅、重慶和北京4個分行長期處于第四象限，說明該4個地區(qū)分行的企業(yè)貸款貸后檢查執(zhí)行率較高，但未能充分發(fā)揮其擴散效應(yīng)，周邊地區(qū)難以受益。

基于上文空間關(guān)聯(lián)模式分析結(jié)果，本文進一步運用時空躍遷法分析F銀行企業(yè)貸款的貸后檢查執(zhí)行率的時空躍遷情況，分析結(jié)果如表6所示。

由表6可知，2015—2019年期間，F(xiàn)銀行企業(yè)貸款的貸后檢查執(zhí)行率有15個省（市、區(qū)）未發(fā)生躍遷（即屬于Ⅳ類型），St值為48.39%，說明F銀行企業(yè)貸款的貸后檢查執(zhí)行率的空間穩(wěn)定性一般，不具備高度的路徑鎖定特征，導(dǎo)致一半數(shù)量的省分行的貸后檢查執(zhí)行率在2015—2019年期間發(fā)生了躍遷，表明各省分行的貸后檢查管理和執(zhí)行情況有較大的變化。

三、主要結(jié)論與對策建議

（一）主要結(jié)論

本文從審計角度深入研究分析影響貸后管理水平的指標(biāo)以及對商業(yè)銀行資產(chǎn)質(zhì)量的影響，得出以貸后檢查執(zhí)行率指標(biāo)來綜合評價貸后管理水平，并以該指標(biāo)對商業(yè)銀行信貸業(yè)務(wù)資產(chǎn)質(zhì)量的影響進行研究，得出以下結(jié)論：（1）貸后檢查執(zhí)行率對逾期貸款產(chǎn)生長期負向影響;（2）區(qū)域內(nèi)差異是造成地區(qū)總差異的主要因素;（3）西部地區(qū)的分行差異最大，東部地區(qū)次之，中部地區(qū)最小;（4）2019年較2015年，F(xiàn)銀行企業(yè)貸款的貸后檢查執(zhí)行率水平大幅提升;（5）F銀行省域間的企業(yè)貸款貸后檢查執(zhí)行率不存在顯著的空間正相關(guān)關(guān)系，各省分行的貸后管理方式和執(zhí)行效果不同，但未影響到其他省份;（6）F銀行全國各地區(qū)分行企業(yè)貸款貸后執(zhí)行率呈現(xiàn)“集聚”與“分異”并存的現(xiàn)狀;（7）F銀行企業(yè)貸款的貸后檢查執(zhí)行率空間穩(wěn)定性一般，不具備高度的路徑鎖定特征，導(dǎo)致一半數(shù)量省分行的貸后檢查執(zhí)行率發(fā)生了躍遷，各省分行的貸后檢查管理和執(zhí)行情況出現(xiàn)較大變化。

（二）對策建議

為促進商業(yè)銀行貸后檢查執(zhí)行率水平的提升，減少地區(qū)差異，形成強化貸后管理思想，及早防范信貸業(yè)務(wù)風(fēng)險，壓降逾期貸款金額，提出以下政策建議。

一是增強水平較高分行帶動水平較低分行力度，統(tǒng)一貸后管理要求。一方面，對于貸后檢查執(zhí)行率較高、逾期貸款金額低的分行，通過加強貸后管理模式、方法等培訓(xùn)指導(dǎo)，降低區(qū)域間貸后檢查執(zhí)行率差異度，整體提升貸后管理水平;另一方面，通過制定制度規(guī)范，統(tǒng)一貸后管理要求，加強貸后檢查執(zhí)行力度，強化實地檢查貸款客戶，獲取企業(yè)生產(chǎn)經(jīng)營狀況信息，收集增值稅發(fā)票、購銷合同等經(jīng)營性憑證，并及時分析，及早防范風(fēng)險，進一步降低區(qū)域內(nèi)貸后檢查執(zhí)行率差異。

二是以信息技術(shù)為支撐，建立有效的風(fēng)險信息監(jiān)測體系。一方面，商業(yè)銀行應(yīng)及時引入新的信息技術(shù)方法，并強化在貸后管理工作中的應(yīng)用。比如，在貸后的貸款用途和風(fēng)險監(jiān)測時，通過大數(shù)據(jù)技術(shù)分析，及時獲取外部信息，提早發(fā)現(xiàn)風(fēng)險點并予以防范處置。另一方面，不同區(qū)域的經(jīng)濟發(fā)展水平和商業(yè)銀行經(jīng)營管理具有一定的差異，企業(yè)應(yīng)結(jié)合區(qū)域特色，引入科學(xué)的風(fēng)險評價指標(biāo)，完善貸后風(fēng)險監(jiān)測體系，切實防范因貸后監(jiān)測不到位引發(fā)的貸款逾期風(fēng)險。

三是強化綜合性人才培養(yǎng)，打造專業(yè)化貸后管理團隊。隨著銀行業(yè)市場競爭的白熱化，商業(yè)銀行“重發(fā)展、輕管理”的現(xiàn)象依然存在，應(yīng)強化培養(yǎng)既掌握信貸業(yè)務(wù)又掌握風(fēng)險監(jiān)測防范的人才隊伍，打造專業(yè)化貸后管理團隊，提高貸后管理工作效率，提升商業(yè)銀行對外部經(jīng)濟環(huán)境、客戶經(jīng)營管理信息變動的全程動態(tài)化監(jiān)控，及時發(fā)現(xiàn)客戶逾期和不良苗頭，有針對性地制定應(yīng)對策略。

四是建立健全重大風(fēng)險事項報告和激勵約束機制。一方面，建立貸后管理發(fā)現(xiàn)重大風(fēng)險事項報告制度，成為防控信貸業(yè)務(wù)風(fēng)險的重要措施和方法，商業(yè)銀行貸后檢查人員應(yīng)本著高度的責(zé)任心，深入落實貸后管理工作，對貸后檢查發(fā)現(xiàn)的企業(yè)重大投資、變更、虧損等事項及時進行報告，才能有效防范風(fēng)險。另一方面，應(yīng)建立健全貸后管理人員績效考核制度，從貸后檢查工作量、質(zhì)量和效果進行全方位考核，對于發(fā)現(xiàn)風(fēng)險點并及時預(yù)警提示、采取有效措施化解風(fēng)險的貸后管理人員，應(yīng)給予獎勵;對于因貸后管理工作不到位、未扎實開展貸后檢查工作而造成未及時發(fā)現(xiàn)風(fēng)險點、形成貸款逾期和不良的，應(yīng)予以懲罰;對于因客觀原因造成的貸款逾期和不良，要根據(jù)實際情況，免除貸后管理人員責(zé)任認定，鼓勵貸后管理人員及時發(fā)現(xiàn)和預(yù)警提示風(fēng)險。

（作者單位：中國郵政儲蓄銀行審計局南昌分局，郵政編碼：330013，電子郵箱：452361603@qq.com）

主要參考文獻

劉霖. B銀行H分行公司授信業(yè)務(wù)貸后管理研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)， 2018

徐駿.中國建設(shè)銀行溫州分行貸后管理的研究[D].杭州：浙江理工大學(xué)， 2019

周武健.審計視角下對加強商業(yè)銀行貸后管理的方法探索[J].經(jīng)濟觀察， 2011（8）：91-92