中国农业银行不良贷款影响因素实证分析
中国农业银行不良贷款影响因素实证分析
【摘要】千金归来的大结局 不良贷款是商业银行信贷风险的消极产物，作为国有五大商业银行之一的中国农业银行，与其他三家银行相比，不良贷款率位居首位，资产质量最差。文章结合中国农业银行不良贷款的现状，从几个方面对中国农业银行不良贷款的影响因素进行实证分析，得出了GDP增长率、货币供应量增长率、资产负债率、贷款与总负债比例和银行相对规模与农业银行不良贷款率的相关关系。
【关键词】 中国农业银行 不良贷款 影响因素 实证分析
一、中国农业银行不良贷款的基本情况
中国农业银行是新中国设立的第一家商业银行，于2009年1月15日整体改制为股份有限公司。2010年7月15日和16日，中国农业银行在上海证券交易所和香港联合交易所挂牌上市，完成了向公众持股银行的跨越。截至2011年末，农业银行总资产116775.77亿元，各项贷款和垫款净额53988.63亿元，资本充足率11.94%，不良贷款率1.55%。全年实现净利润1219.56亿元，平均总资产回报率、加权平均净资产收益率分别达到1.11%和20.46%。
中国农业银行是我国国有的五大商业银行之一，由于国家宏观政策、行政干预以及农业银行自身管理体制的原因，农业银行的资产质量是所有国有商业银行中最差也最难处置的。
本文主要选取在资产实力方面相当的中、农、工、建四大国有商业银行的数据进行比较。2011年农业银行与其他三家国有商业银行相比，总资产相差不多，但是利润最少，并且不良贷款率为1.55%，远远高于其他三家国有商业银行（中国银行为1%，工商银行0.94%，建设银行1.09%三国演义人物评价），资产质量比较差。
二、中国农业银行不良贷款影响因素的实证分析
1、变量选取
文章采用多元回归模型来分析中国农业银行不良贷款的影响因素和影响程度。在选择实证模型的解释变量时，主要选取了不良贷款率作为被解释变量，选取国内生产总值GDP增长率、货币供应量（M2）、中国农业银行的资产负债率、贷款占银行总负债的比例、银行的相对规模指标作为解释变量并用相应的类型符号代之以方便研究（见表1）。思想汇报2011
国内生产总值GDP增长率（X1）代表了我国整体的经济发展水平，由国内外学者对经济周
期影响不良贷款理论的探讨及实证研究表明，GDP增长率越大，不良贷款率越小，因此文中假设GDP增长率对农业银行不良贷款率有负向影响。货币供应量M2增长率（X2）反映我国的货币政策走向。本文采用广义货币供应量M2增长率作为货币供应量增长率，假定货币供应量增长率与不良贷款率呈负相关关系。银行资产负债率（X3）=总负债/总资产，是评价公司负债水平的综合指标。本文假定农业银行的资产负债率与不良贷款率呈正相关关系。银行贷款与总负债比例（X4）=贷款总额/总负债，指农业银行总负债中贷款所占的份额，这一指标反映银行资金运用于贷款的比重以及贷款能力的大小。本文假定农业银行贷款与总负债比率与不良贷款率正相关。银行相对规模（X5）=Ln（银行总资产）。银行相对规模在国外文献中常被用来反映银行风险分散能力。本文采用银行相对规模指标衡量银行风险分散水平，并假定银行相对规模和不良贷款率呈正相关。
2、数据来源和分析
文章研究的对象主要是中国农业银行不良贷款率，此次实证分析考察的样本期间为2007年第一季度至2012年第四季度的24组季度样本数据，数据来源于国家统计局网站和中国农业银行网站及中国银监会网站发布的相关报告。
黄晓明秦岚为何分手
3、实证分析
（1）变量的平稳性检验。本文采用ADF检验，首先对模型中的各时间序列进行单位根检验，以确定其平稳性。利用eviews6.0对各个变量做ADF检验，从运行结果来看，6个时间序列X1，X2，X3，X4，X5和Y都存在单位根，时间序列是非平稳的。需要进一步进行一阶差分检验，输出结果ADF检验值均小于5%临界值，表明时间序列通过ADF检验，6个时间序列都是一阶单整的。
（2）回归分析。利用计量经济学软件EViews6.0，使用广义最小二乘法（GLS）对24个样本点数据进行回归分析。各统计指标数值为：R2=0.881923，F=26.88850，P=0.000000。从模型参数中我们可以看出，模型的决定系数R2=0.881923，调整后的R2统计量值为0.849123，该模型变量的可解释程度为84.91%，模型对样本的拟合程度比较好。除此之外，模型的统计量F=26.88850，相对应的P=0.000000，该回归模型通过了F检验。说明选择的变量“GDP增长率X1”，“货币供给量X2”，“资产负债率X3”，“贷款与总负债比率X4”和“银行相对规模X5”整体上对“不良贷款率y”有高度显著的线性影响。
首先通过上表我们可以看出，在显著水平α=0.05时，X1，X2，X3和X5的P值（收尾概率）
分别为0.0052，0.0010，0.0014和0.0002，均小于0.05，各个解释变量的t检验基本通过，其中解释变量X4，即贷款与总负债比率的收尾概率为0.3600，大于0.05没有通过显著性检验，但由于模型的整体P值<0.05，所以这一变量不能影响模型的显著性与准确性。
最后从表3的第二列各个变量的估值系数可以得出线性回归模型为：y=-0.260263-1.307472X1-1.014519X2+0.369761X3+
0.026951X4+2.428325X5+u。从回归方程中可以看到，X1和X2低级格式化对于农业银行的不良贷款率y来说起到负影响，相关影响系数分别为-1.307472和-1.014519；X3，X4和X5对于农行的不良贷款率y起到正影响，相关影响系数分别为0.369761，0.026951和2.428325。
模型结论与假设一致。
三、实证分析结论
由实证结果可以看到，除了银行贷款与总负债比率对中国农业银行不良贷款率没有产生显著性影响外，其他变量均对农业银行不良贷款率产生了显著性影响。
属牛人2013年运势
综合实证研究结果的模型回归系数可以得出，银行相对规模对于农业银行不良贷款率的影响最大，各季度农行的相对规模每增长1%，平均说来中国农业银行的不良贷款率就增加2.428325%，因此，农业银行可以通过合理抑制盲目扩大的银行规模来减少不良贷款的产生。其次，中国农业银行不良贷款率对于宏观指标GDP增长率和货币供应量的增长率比较敏感，各季度GDP每增长1%，平均说来中国农业银行的不良贷款率就减少1.307472%；各季度货币供应量每增长1%，平均说来中国农业银行的不良贷款率就减少1.014519%。因此，从宏观因素方面来说，加快经济发展，提升整体国民经济水平，增加广义的货币供给量能为中国农业银行处置不良贷款营造良好的外部环境。
从对中国农业银行不良贷款影响因素的实证分析中我们可以看出，不良贷款的产生是与一国的经济状况、银行对风险的偏好、银行对贷款风险的控制能力、银行风险分散能力以及银行的相对规模紧密相关。也即，中国农业银行不良贷款的形成除了政策性、制度性因素影响外，还受到经济发展、银行自身行为等因素的影响。银行可以通过对宏观经济或地区经济发展分析、对风险偏好的机制约束、提高对贷款分析控制能力、分散能力等方面来分析和研究不良贷款风险，着力构建科学有效的风险预警机制，积极采取针对性强、可操作性好、果断有力的风险防范处理措施，从而进一步控制不良贷款的形成。
【参考文献】
[1] 刘彤彤：农业银行不良贷款问题研究[D].山东农业大学，2009.
[2] 祁振汗：关于深化农业银行内部三项制度改革的设想[J].农村金融研究，2000（5）.
[3] 邓少春：商业银行不良贷款的形成原因及处理对策[J].时代金融，2009（2）.
[4] 王继军：新形势下农业发展银行控降不良贷款之我见[J].金融纵横，2008（7）.
[5] 黄友志：论金融机构不良贷款处理的新途径[J].商业文化，2009（1）.
[6] 袁霞：国有商业银行不良贷款的成因分析及对策建议[J].山东经济战略研究，2007（8）.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。