宏观经济因素及商业银行信用风险关系探究.docVIP

宏观经济因素及商业银行信用风险关系探究摘要:文章利用多元线性回归模型,对宏观经济因素与我国商业银行信用风险之间的关系进行了实证研究,表明宏观经济因素对商业银行信用风险有比较显著的影响,并对改善我国商业银行信用风险提出了几点建议。 关键词:宏观经济;银行危机;不良贷款率 一、引言 自20世纪70年代末,英、美等发达国家开始放松金融监管,也由此加剧了银行危机。尤其是90年代以来,金融危机更是频频爆发,1992年的英镑危机、1994年的美国利率风暴及中南美洲比索风暴、1997年的亚洲金融危机,特别是2007年始于美国的次贷危机最终演变成全球性的金融危机。这些危机的产生,很大一部分都是由银行的信用风险直接导致的。巴塞尔银行监督委员会秘书处成员Svoronos(2002)指出,银行面临的风险中以信用风险的比例最高,约占60%。信用风险已成为银行风险监管的最主要方面。 从宏观的角度来看,一个国家的宏观经济条件、宏观经济政策以及金融监管等在很大程度上决定该国商业银行风险的大小。宏观经济中的通货膨胀和经济周期等是影响商业银行信用风险的主要因素。下面本文就宏观经济因素与我国商业银行信用风险的关系进行研究。 二、相关文献回顾 近年来,已有国内学者研究了宏观经济因素与商业银行风险之间的关系。蒋鑫(2008年)对我国商业银行信用风险与宏观经济因素之间的关系进行了研究,表明我国商业银行信用风险具有亲周期性的特征。谭燕芝、张运东(2009)基于中国、美国、日本部分银行的基础数据对影响银行信用风险的宏观经济因素进行了研究,表明我国银行信用风险与失业率呈显著负相关关系。李红梅、李剑(2010)研究了宏观经济变量对国有商业银行和股份制商业银行信用风险的影响。本文利用2005-2009年的季度基础数据研究我国商业银行不良贷款率与宏观经济因素之间的关系。 三、模型建立与实证分析 本文利用宏观经济因素来分析我国商业银行(国有商业银行、股份制商业银行、城市商业银行、农村商业银行和外资银行)的信用风险,宏观经济因素包括:物价(用CPI来表示)、M2增长率(M2R)、国内生产总值增长率(GDPR)、失业率(UN)。商业银行的信用风险用不良贷款率(NPLR)来衡量。宏观经济变量的数据来自《中国统计年鉴》和国研网宏观经济数据库,不良贷款率的数据来自中国人民银行和中国银行业监督管理委员会网站,经整理而成。在此基础上,建立多元线性回归模型,模型如下: NPLR=β0+β1CPI+β2M2R+β3GDPR+β4UR+u 通过EVIEWS5.0对模型进行回归,结果如下: NPLR=52.31-0.76CPI+0.28M2R- (9.62)(-8.24) (3.62) 0.59GDPR+0.07UN+u (-2.81)(1.34) 由上式可以发现模型中CPI、M2R和GDPR均通过置信度为5%的t检验,说明它们对被解释变量NPLR有显著影响;而UN没有通过t检验,说明它对NPLR没有显著影响。CPI、GDPR均与NPLR呈负相关关系,它们越大,NPLR越小;M2R与NPLR呈正相关性,它越大,NPLR也越大。消费者价格指数较高时,信用风险较小,此时,政府会进行有效调控,来降低消费者价格指数,经济增速放缓,违约概率开始上升。GDP增长率较高时,信用风险小,但随着信贷的不断增加,至经济增长放缓时,原来累积的风险将释放出来,信用风险增大;当经济增长较慢,政府将采取较为积极的货币政策来刺激经济,M2供给迅速增加,同时违约风险也增大。 四、结论和建议 通过上面的研究可以发现,总体上宏观经济因素对商业银行的信用风险有显著影响,当宏观经济处于繁荣期时,信贷质量良好,违约概率低;而当经济处于衰退期时,信贷质量较差,违约概率较高,即商业银行的信用风险表示出一种亲周期性。 针对以上研究结论,现提出以下几点建议供我国商业银行参考:一是加大对宏观经济形势及国家相关政策的研究。我国商业银行的不良贷款率受宏观经济波动的影响比较大,因此商业银行应密切关注反映宏观经济变动的指标,特别是那些能够提前反映宏观经济变化趋势的指标。二是改进不良贷款的分类方法,现行的五级分类法已不能够有效区分正常贷款与不良贷款,应制定更加精细、有效的分类方法。目前,中国银行、中国工商银行等银行正在尝试在现在五级分类法的基础上,将贷款细化为十二级分类,这是一个发展的方向。三是进一步量化风险管理,商业银行在构建信用风险度量模型时,应该把宏观经济因素考虑进去,提高模型的准确度。 参考文献: 1、蒋鑫.影响商业银行信用风险的宏观经济因素分析[J].财经研究,2008. 2、谭燕芝,张运东.信用风险水平与宏观经济变量的实证研究―