涉农贷款违约的实证研究1122.ppt

贷款投向、货币政策和信贷风险 尹志超 西南财经大学金融学院 2011年11月22日 大纲（outline） 动机（Motivation） 文献（Literature） 模型（Model） 变量（Variable） 数据（Data） 实证结果（Empirical Results） 稳健性检验（Robust Check） 结论（Conclusion） 动机（Motivation） 银行体系中信贷风险的行业效应（industry effect）是金融学中一个广泛关注的问题（Allen和Saunders，2003）。 一般认为，由于农业面临的自然风险、农产品价格波动风险等风险，涉农贷款是高风险的贷款（Falkenheim和Powell，2001）。 截至2010年年底，全国涉农贷款余额11.77万亿元，占各项贷款的比重达23.11%。 动机（Motivation） 经济周期和宏观经济政策对贷款违约也具有重要影响（Allen and Saunders，2003）。 货币政策变动对贷款违约有什么样的影响？ 文献（Literature） Campbell and Dietrich(1983)运用美国数据进行多元Logit模型估计后发现，当期的支付收入比、贷款价值比率、失业率、贷款期限、初始贷款价值比率等对违约率都具有显著影响。 Berger and DeYoung(1997) 利用格兰杰因果检验发现，银行资本减少会增加不良贷款。 文献（Literature） Elsas and Krahnen(1998)认为公司的信用风险比非公司厂商要大，具有无限债务责任的合伙和独资经营所有者较少产生道德风险。 Berger and DeYoung(2001, 2006)认为地理距离使得信息搜集和监管呈高成本、低效率的状态，也就意味着贷款违约率随着借贷双方距离扩大而升高。 Jiménez, Saurina（2004）从西班牙征信银行调取1988-2000年期间西班牙信用机构的300多万个信贷数据，运用logit模型研究表明，抵押贷款有较高的违约率，储蓄银行发放的贷款风险更大，紧密的银企关系会增加银行承担更多风险的意愿。 文献（Literature） Landier et al.(2005), Liberti(2005)发现以信息为基础的贷款方法能缓解距离造成的无效率，使用信用评分模型的放款人面临较低的贷款违约率。 与之相反，Rossi(1998), Flannery and Samolyk(2006)却认为自动化贷款模式呈现规模经济效应，在信用评分模型的平衡点时贷款违约率可能更高。 DeYoung, et al. (2008)发现，距离和信用评级伴随着企业的高违约率。 Jiménez and Mencía (2009)发现违约率和经济周期有很强的相关性，生产、建设、消费贷款和抵押贷款有较高的信用损失。 文献（Literature） 关于宏观经济与贷款违约之间的关系，研究发现经济衰退时期的违约率有上升趋势（Allen and Saunders，2003），而且，贷款违约存在一定的“行业效应（industry effect）”。 Koopman和Lucas（2005）用美国1933-1997年的时间序列数据研究发现，企业违约率与宏观经济变量密切相关。 文献（Literature） Bangia，Diebold和Schuermann（2000） ，Nickell，Perraudin和Varotto（2000）发现了信用转化中的宏观经济和产业效应，在经济下降时期，信用评级下降和违约都更加可能出现。 Jiménez和Mencía （2009）发现违约率和经济周期有很强的相关性，生产、建设、消费贷款和抵押贷款有较高的信用损失。 文献（Literature） Carey（1998）发现在宏观经济“好”的年份和“差”的年份，违约率存在显著的不同。 Falkenheim和Powell（2001）用阿根廷的数据发现21个行业中有15个行业都与违约率正相关。 Bernanke和Blinder（1992）用美国联邦基金利率作为货币政策的代理指标 模型（Model） （1） （2） （3） 变量（Variables） 因变量(Dependent Variables) 违约(Default)：根据国际通行的做法，一般把贷款五级分类中的正常（Pass）和关注（Special-mention）两个形态的贷款归入正常类贷款（Non-Default），次级（Substandard）、可疑（Doubtful）、损失（Loss）三个形态归入不良贷款，即为违约（Default）。 变量（Variables） 关注变量(Focused Variable)： 涉农贷款：我们用中国人民银行的