论文部分内容阅读
摘 要：本文建立了经济增长与不良贷款率波动的VAR模型，运用脉冲响应函数及方差分解方法分析了经济增长与商业银行不良贷款率波动之间的相关性。
关键词：经济增长 不良贷款率波动 脉冲响应函数 方差分解
一、国内外研究现状及背景
长期以来，信货风险一直是商业银行，整个金融业乃至社会、经济生活中最主要的风险。因此，对信货风险的识别、测度、合理管理直接影响到经济生活的各个方面，由此产生的房地产信贷风险给商业银行带来了深刻的影响，不利于信贷市场的健康稳定发展。本文研究的目的旨在通过论述和分析目前我国商业银行中的房地产信贷业务风险状况，具体对我国房地产贷款中主要业务及其风险点的分析，提出在当前经济形势下商业银行如何对房地产信贷主要业务风险和银行内部操作风险进行管理。
目前国内的研究主要集中在：（1）个人住房抵押贷款风险微观特征研究。这些微观特征研究主要集中在三个维度上，即融资风险维度、财产风险维度和借款人风险维度；（2）期权理论在个人住房抵押贷款风险管理中的应用研究。（3）模型定量分析。国外银行在个人住房抵押贷款风险管理经历了数十年的积累，其数据资料完整连续使应用模型进行科学化定量分析成为可能。应用各种模型分析宏微观指标特征与住房抵押贷款违约风险之间的关系为进一步降低银行住房抵押贷款风险；从已有的研究看，公司抵押贷款研究主要集中于风险管理体系的识别阶段，而对于如何对风险采取有效方法进行评估等风险管理的后續步骤在已有的研究中很少涉及。国内目前关于房地产贷款风险的研究主要集中在贷款风险的分类、贷款风险产生的一般原因帅定性的模式研究层面：对于房地产贷款风险的实证研究则基于国外成熟的模型，用小规模的样本进行统计分析，通过量化指标得出风险控制要素。这种实证分析方法由于样本采集的规模、样本的数据质量等原因，可能会影响分析结果的准确性；对于房地产贷款风险管理的对策研究多为宏观的政策、金融体系、法律体系的建设等宏观经济环境的完善的建议性措施，缺少对现有商业银行微观风险管理体系的系统分析与考察，较少提出具有可操作性的风险管理措施。
国外学者的研究中，重点是从技术层面开展研究，既涉及了房地产金融的一般理论，又涉及了金融风险度量的具体模型和方法。有关个人住房抵押贷款风险管理方面，国外银行已经积累了数十年的经验，应用各种模型分析宏微观指标特征与住房抵押贷款违约风险之间的关系，为进一步降低银行住房抵押贷款风险，制定科学合理的指标体系提供了科学的依据，从而使科学研究与风险管理形成一个良胜循环的互动过程。
二、商业银行不良贷款率波动关系的实证分析
VAR 是基于数据的统计性质建立模型，把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR模型的数学表达式如下：
yt =A1yt-1 +…+ AN yt-n + Bxt +εt
yt 是一个内生变量向量，xt 是外生变量向量，A1， …， AN 和B 是待估的系数矩阵，εt 是误差向量。N是滞后阶数，VAR 模型的滞后阶数的选取可以依据LR统计量法、AIC统计量法和SC准则。
本文选取国内房地产不良贷款率（NPL）为因变量，商品房价格指数（hpi），贷款利率（R），货币供应量增速（GM），同比居民消费价格指数（CPI）。
为了后续工作的方便，对经X-11 季节调整后的变量均采用原符号表示。调整后发现hpi，gm，cpi有明显季节性，同时分离不可比因素。数据序列的平稳性检验采用ADF 检验，显著性水平取0.05。ADF 分析结果表明，原序列都是非平稳序列。经一阶差分后，除贷款利率外其余序列平稳，贷款利率二阶差分后达到平稳。
通过数据分析，HPI在变动过程中趋势走向很明显，为避免趋势走向影响分析结果，在此运用Hodrick—Prescott滤波，将趋势从HPI序列中分解出，在原数据序列的基础上得到经滤波后的另一组数据CHPI。这组数据只显示自身波动性。以商品房价格指数与不良贷款率之间的传导关系为例，因为贷款利率由国家政策所定，故作为外生变量。先选择滞后阶数，计算AIC，SC，HQ，根据最小原则，数据支持VAR（2），即建立VAR（2）模型。从而计算特征根，得到root=0.045062+，0.045062-，0.911264i，0.911264i，均落在单位圆范围内，从而确定模型平稳。
Y =0.001356y-1 +0.128502 yt-2 – 1.294887 x1（-1）-4.568416x1（-2）+38.549814+0.041265R
通过格兰杰因果关系分析，可以得出（1）当滞后阶数为1阶时，NPI与HPL互为变动原因在期望95&下可以接受，HPI与NPL不存在格兰杰因果关系；（2）当滞后阶数为2阶时，p值为0387/0.7821，F校验值为2.0158/0.1642，前者（HPI不是NPL变动原因）可以接受，后者不可接受（NPL不是HPI变动原因），因此HPI是NPL的单向格兰杰因果关系。由此可见，HPI对NPL有很大的制约作用，NPL对HPI的影响却不明显.
脉冲响应函数描述的是 VAR 模型中的一个内生变量的冲击对其他内生变量所带来的影响。而方差分解（Variance decomposition）是通过分析每一个结构冲击对内生变量变化的贡献度，进一步评价不同结构冲击的重要性。因此，方差分解给出对于 VAR 模型中的变量产生影响的每个随机扰动的相对重要性信息。
脉冲响应函数通过分析，发现HPI对NPI有反冲效果，并在20期以后达到最大，达到-0.1%，随后维持并上下波动，而方差分解得出来的结果同时印证了这一点：HPI对NPL反方向作用，其贡献从第3期开始以较快的速率增大，该贡献率到第20期开始趋于稳定，达到20%的水平。
对其他因素进行格兰杰因果关系检验，发现1、NPL与货币供给增速GM之间存在单向Granger因果关系，货币供给量发生变化也会带来不良贷款率的变化；2、NPL与城市居民居住消费价格指数存在单向的Granger 因果关系检验。NPL发生变化时也会造成城市居民居住消费价格指数的变化。
对各个变量做脉冲响应函数分析，CPI在前5期有正向效果，随后反冲效果，并且保持在-0.07%左右，而货币增长有微弱正冲，持续在0.05%上下，因此，我们可以得出以下结论：M对NPL的冲击大，尤其在前期影响非常大，且其影响一直延续到20 期之后； CPI存在一定的冲击。
三、结语
通过对商业银行不良贷款率波动NPL研究，得到以下两方面结论：
1.商品房价格对不良贷款率有反向冲击的效果，且逐渐增大。我国各银行去除趋势的银行不良贷款率波动进行计算机模拟与预测，发现不良贷款率波动具有明显变动趋势时，应及时采取有效措施进行控制。
2.货币增长以及消费者价格指数对商业银行不良贷款率波动有作用。国家在不良贷款率进行调控时需要注意这些因素的影响。
参考文献：
[1]John S：Jordan.Problem Loans at New EnglandB—anks，1989 to1992：Evidence of Aggressive Lo anPolicies [J].New England Economic Review，1998.
[2]张淼.银行不良贷款率与经济发展状况[J].上海统计，2002，（11）.
[3]周浔倩.商业银行不良贷款影响因素分析及防范措施[D].重庆大学，2005.
[4]李勇.商业银行个人住房贷款风险分析.财会月刊（综合），2014（6）.
[5]田杰，景侠.信息化时代房地产信贷风险防范研究.商业经济，2014（10）.
关键词：经济增长 不良贷款率波动 脉冲响应函数 方差分解
一、国内外研究现状及背景
长期以来，信货风险一直是商业银行，整个金融业乃至社会、经济生活中最主要的风险。因此，对信货风险的识别、测度、合理管理直接影响到经济生活的各个方面，由此产生的房地产信贷风险给商业银行带来了深刻的影响，不利于信贷市场的健康稳定发展。本文研究的目的旨在通过论述和分析目前我国商业银行中的房地产信贷业务风险状况，具体对我国房地产贷款中主要业务及其风险点的分析，提出在当前经济形势下商业银行如何对房地产信贷主要业务风险和银行内部操作风险进行管理。
目前国内的研究主要集中在：（1）个人住房抵押贷款风险微观特征研究。这些微观特征研究主要集中在三个维度上，即融资风险维度、财产风险维度和借款人风险维度；（2）期权理论在个人住房抵押贷款风险管理中的应用研究。（3）模型定量分析。国外银行在个人住房抵押贷款风险管理经历了数十年的积累，其数据资料完整连续使应用模型进行科学化定量分析成为可能。应用各种模型分析宏微观指标特征与住房抵押贷款违约风险之间的关系为进一步降低银行住房抵押贷款风险；从已有的研究看，公司抵押贷款研究主要集中于风险管理体系的识别阶段，而对于如何对风险采取有效方法进行评估等风险管理的后續步骤在已有的研究中很少涉及。国内目前关于房地产贷款风险的研究主要集中在贷款风险的分类、贷款风险产生的一般原因帅定性的模式研究层面：对于房地产贷款风险的实证研究则基于国外成熟的模型，用小规模的样本进行统计分析，通过量化指标得出风险控制要素。这种实证分析方法由于样本采集的规模、样本的数据质量等原因，可能会影响分析结果的准确性；对于房地产贷款风险管理的对策研究多为宏观的政策、金融体系、法律体系的建设等宏观经济环境的完善的建议性措施，缺少对现有商业银行微观风险管理体系的系统分析与考察，较少提出具有可操作性的风险管理措施。
国外学者的研究中，重点是从技术层面开展研究，既涉及了房地产金融的一般理论，又涉及了金融风险度量的具体模型和方法。有关个人住房抵押贷款风险管理方面，国外银行已经积累了数十年的经验，应用各种模型分析宏微观指标特征与住房抵押贷款违约风险之间的关系，为进一步降低银行住房抵押贷款风险，制定科学合理的指标体系提供了科学的依据，从而使科学研究与风险管理形成一个良胜循环的互动过程。
二、商业银行不良贷款率波动关系的实证分析
VAR 是基于数据的统计性质建立模型，把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR模型的数学表达式如下：
yt =A1yt-1 +…+ AN yt-n + Bxt +εt
yt 是一个内生变量向量，xt 是外生变量向量，A1， …， AN 和B 是待估的系数矩阵，εt 是误差向量。N是滞后阶数，VAR 模型的滞后阶数的选取可以依据LR统计量法、AIC统计量法和SC准则。
本文选取国内房地产不良贷款率（NPL）为因变量，商品房价格指数（hpi），贷款利率（R），货币供应量增速（GM），同比居民消费价格指数（CPI）。
为了后续工作的方便，对经X-11 季节调整后的变量均采用原符号表示。调整后发现hpi，gm，cpi有明显季节性，同时分离不可比因素。数据序列的平稳性检验采用ADF 检验，显著性水平取0.05。ADF 分析结果表明，原序列都是非平稳序列。经一阶差分后，除贷款利率外其余序列平稳，贷款利率二阶差分后达到平稳。
通过数据分析，HPI在变动过程中趋势走向很明显，为避免趋势走向影响分析结果，在此运用Hodrick—Prescott滤波，将趋势从HPI序列中分解出，在原数据序列的基础上得到经滤波后的另一组数据CHPI。这组数据只显示自身波动性。以商品房价格指数与不良贷款率之间的传导关系为例，因为贷款利率由国家政策所定，故作为外生变量。先选择滞后阶数，计算AIC，SC，HQ，根据最小原则，数据支持VAR（2），即建立VAR（2）模型。从而计算特征根，得到root=0.045062+，0.045062-，0.911264i，0.911264i，均落在单位圆范围内，从而确定模型平稳。
Y =0.001356y-1 +0.128502 yt-2 – 1.294887 x1（-1）-4.568416x1（-2）+38.549814+0.041265R
通过格兰杰因果关系分析，可以得出（1）当滞后阶数为1阶时，NPI与HPL互为变动原因在期望95&下可以接受，HPI与NPL不存在格兰杰因果关系；（2）当滞后阶数为2阶时，p值为0387/0.7821，F校验值为2.0158/0.1642，前者（HPI不是NPL变动原因）可以接受，后者不可接受（NPL不是HPI变动原因），因此HPI是NPL的单向格兰杰因果关系。由此可见，HPI对NPL有很大的制约作用，NPL对HPI的影响却不明显.
脉冲响应函数描述的是 VAR 模型中的一个内生变量的冲击对其他内生变量所带来的影响。而方差分解（Variance decomposition）是通过分析每一个结构冲击对内生变量变化的贡献度，进一步评价不同结构冲击的重要性。因此，方差分解给出对于 VAR 模型中的变量产生影响的每个随机扰动的相对重要性信息。
脉冲响应函数通过分析，发现HPI对NPI有反冲效果，并在20期以后达到最大，达到-0.1%，随后维持并上下波动，而方差分解得出来的结果同时印证了这一点：HPI对NPL反方向作用，其贡献从第3期开始以较快的速率增大，该贡献率到第20期开始趋于稳定，达到20%的水平。
对其他因素进行格兰杰因果关系检验，发现1、NPL与货币供给增速GM之间存在单向Granger因果关系，货币供给量发生变化也会带来不良贷款率的变化；2、NPL与城市居民居住消费价格指数存在单向的Granger 因果关系检验。NPL发生变化时也会造成城市居民居住消费价格指数的变化。
对各个变量做脉冲响应函数分析，CPI在前5期有正向效果，随后反冲效果，并且保持在-0.07%左右，而货币增长有微弱正冲，持续在0.05%上下，因此，我们可以得出以下结论：M对NPL的冲击大，尤其在前期影响非常大，且其影响一直延续到20 期之后； CPI存在一定的冲击。
三、结语
通过对商业银行不良贷款率波动NPL研究，得到以下两方面结论：
1.商品房价格对不良贷款率有反向冲击的效果，且逐渐增大。我国各银行去除趋势的银行不良贷款率波动进行计算机模拟与预测，发现不良贷款率波动具有明显变动趋势时，应及时采取有效措施进行控制。
2.货币增长以及消费者价格指数对商业银行不良贷款率波动有作用。国家在不良贷款率进行调控时需要注意这些因素的影响。
参考文献：
[1]John S：Jordan.Problem Loans at New EnglandB—anks，1989 to1992：Evidence of Aggressive Lo anPolicies [J].New England Economic Review，1998.
[2]张淼.银行不良贷款率与经济发展状况[J].上海统计，2002，（11）.
[3]周浔倩.商业银行不良贷款影响因素分析及防范措施[D].重庆大学，2005.
[4]李勇.商业银行个人住房贷款风险分析.财会月刊（综合），2014（6）.
[5]田杰，景侠.信息化时代房地产信贷风险防范研究.商业经济，2014（10）.