我国商业银行信用风险顺周期性的实证研究

【摘要】经济事实表明,我国商业银行的信贷活动具有明显的顺周期性,由此决定了其信用风险也具有某种周期性的特征。2007年底由次贷危机引发的全球金融危机,对我国银行业也产生了不小的冲击。在此背景下,研究我国商业银行信用风险与宏观经济周期之间的关联性具有重要的现实意义。本文运用面板分析方法,通过分析2002年到2008年间我国主要商业银行的数据源,试图对我国商业银行信用风险可能存在的顺周期性进行探讨。

【关键词】信用风险 贷款损失准备金 经济周期

近年来,关于银行行为可能发生的顺周期风险问题引起了学术界和政策制定者的广泛关注。一方面,如果经济周期对银行确实存在影响,当处于经济衰退期时,对于系统本身更显薄弱的银行来说,财政监管就需要进一步加强。另一方面,如果银行对宏观经济波动的反应加剧了经济低迷期的影响,就适合于建立旨在减小银行行为的顺周期风险的规则和制度。事实表明,我国商业银行的信贷活动也具有明显的顺周期性,很多经济现象及研究都证明了这一点。例如,在1992和1993年的经济上行期时,我国商业银行大多存在过度信贷现象,而在1998年经济运行处于下行区间时,商业银行又普遍收紧信贷。商业银行信贷活动的这种顺周期性不仅影响着宏观经济的稳定运行,而且导致其信用风险也呈现出一定的顺周期性特征。本文延用了Mario Quagliariello(2006)的研究思路,采用面板分析的方法,探讨了我国商业银行信用风险可能存在的这种顺周期性。

一、数据与样本

为了延续已有的研究成果,本文将分析的重点集中在了商业银行贷款损失准备金的演变过程上,试图检验其是否表现出预期的周期性特征。本文选取了我国的14家上市商业银行作为研究对象,得到了其自2002至2008年间至少连续4年以上的财务数据,由此而产生的样本,覆盖了我国整个银行体系总资产50%以上的比例。在变量的选取方面,本文将研究所选变量主要分为两大类:银行特定变量(BVS)和宏观经济变量(MV)。由于本文的研究重点主要是信用风险在经济周期中的演变问题,较长的时间跨度更适合于观察的频率,因此所有的数据均为年度数据。表1给出了模型中所选变量类型。

有关变量的具体描述如下。

1、模型中包括的银行特定变量(BSV)

(1)CIR(成本收入比率)。该比率通常被用作银行效率的反映指标;指标值较高的银行有可能是在借款人的选择方面缺乏效率的,从而保有数额较高的准备金;同时,效率低的银行可能倾向于从事风险更高的贷款业务。此外,有些学者一直在讨论一个问题,即那些决定在改进其借款人的选择方法上进行高额投资的银行,几乎没有风险投资组合。如果这是事实,该变量则可能取负值。

(2)ROA(资产回报率)。该比率是对贷款损失准备记录在资产负债表中赢利能力的度量;因而主要可用于检验银行是否运用准备金稳定其收入。如果该假设成立,则其取值将会是正的。

(3)NPLR(不良贷款率)。该比率是银行投资组合整体质量的度量指标。客户的信用价值越低,不良贷款就越多。该比率的一阶滞后也包含在模型中。

(4)PCR(拨备覆盖率)。(也称为“拨备充足率”),实际上是银行贷款可能发生的呆、坏帐准备金的使用比率,它是衡量商业银行贷款损失准备金计提是否充足的一个重要指标。该项指标从宏观上反应银行贷款的风险程度及社会经济环境、诚信等方面的情况。

2、模型中包括的宏观经济变量(MV)

(1)LTBR(长期国债利率)。一方面由于较高的利率水平使得借款者的债务负担加重,因而家庭户与企业在偿还贷款上面临更大的困难,尤其对巨额负债者更是如此;另一方面,在经济繁荣期利率显著偏高,而准备金更有可能会降低;因此该变量的符号不确定。

(2)GDPR(实际GDP年增长率)。是对经济活动总量最主要和最直接的度量。依据通行的观点,即在经济繁荣期银行不提取准备金,则它与贷款损失准备之间存在着反向联系。该变量的两期滞后值和现值都包含在模型中,以便理解实体经济状况的恶化对信用变化的延迟冲击。

(3)SICR(上证指数年变动率)。该比率是证券交易指数的年增值(贬值)率,是金融市场健康状况的一个粗略反映指标。一方面,牛市中家庭和企业的净资产会增加,这使得金融债务价值很容易下降(反向联系);另一方面,当间接价值显著增加时,银行可能试图去降低其筛选标准,以获得其投资组合的客户(正向联系)。此外,在金融市场中资产价格出现大幅下降之前,通常是牛市阶段;依据这种观点,可以认为该变量的当期系数是正的,而其滞后系数是负的。

(4)SPR(存贷利差)。是银行风险偏好行为的反映指标,同时该变量也受信贷市场竞争水平的影响。

二、经济计量方法

本文首先从静态回归开始,在回归变量和误差项之间的相互关系上没有严格的限制条件。依照已有研究分析得出的结论,本文选取了开始部分的回归变量。一般认为有几个变量,如GDP、投资、消费等,应该被选取用以反映经济周期的不同阶段;但初步研究却发现,使用实际GDP的年增长率作为总体经济活动的反映指标更为恰当。在选定该指标的同时,本文还选取了其它宏观经济指标:长期国债利率、存贷利差和上证指数年变动率。这些指标本身不能直接反映经济周期的变化,但却可以反映出信用市场的竞争状况、家庭的债务负担、以及企业的财务健康状况等。因此,它们可以提供有关宏观经济环境对银行信贷冲击的额外信息。考虑到宏观经济波动对银行冲击可能产生的延迟问题,解释变量的当期值及其滞后一期值都出现在回归模型中。由于已有研究表明,实际GDP的增长对银行的冲击往往表现出较长的持续期,所以该指标的滞后二期值也被引入了模型中。依据广义简化方法,在每一步中剔除次要变量,最终在5%的显著性水平下确定了一系列回归变量。当滞后因变量被用作解释变量时,由于回归变量与误差项之间不再保持独立性,最小二乘估计法不再是一致估计。为了解决这个问题,本文引入一阶差分模型,然后运用相应的工具变量,来对模型进行估计。为了进一步揭示变量所具有的系统性联系,本文通过引入动态规则,对贷款损失准备金模型重新进行了估计。

以下(1)、(2)、(3)分别给出了贷款损失准备金的静态模型、动态模型和一阶差分模型。

LLPit=?琢+BSVit-j?茁+MVt-j?啄+ui+?着it(1)

LLPit=?琢+∑?酌jLLPit-j+BSVit-j?茁+MVt-j?啄+ui+?着it(2)

?驻LLPit=∑?酌j?驻LLPit-j+?驻BSVit-j?茁+?驻MVt-j?啄+?驻?着it(3)

(i=1,...,14(ui取值到13);t=2002,...,2008;j=0,1,2,3(取决于不同变量)

其中,LLP表示贷款损失准备金率;BSV表示银行特定变量;MV表示宏观经济指标;u表示独立且不可观测的影响;?着为误差项。

由于在整个研究期间内存在变量的数据缺失,本文还采用了涵盖4家主要上市商业银行的小型面板进行稳健性检验,而这些银行的数据在整个实验期间(7年)都是完整的。通过检验,试图揭示以下两方面问题:一是模型的估计结果是否普遍适用于所有的银行个体;二是GDP增长所带来的宏观经济冲击,对银行业绩的影响是否具有非对称性,即其在经济上行和下行区间的表现是否是一致的。

三、结论

已有研究表明,银行信用表现出的明显的顺周期性,主要产生于贷款损失准备金的周期性波动。本文延续了这种研究框架,并将其用于我国商业银行信用风险顺周期性的实证研究。计量分析结果证实,我国商业银行的贷款损失准备金的确随着经济的周期性波动而变化,由此显示我国商业银行的信用风险也呈现出明显的顺周期性特点;并且这种特点在经济萧条期更为明显也更持久。因此,为了更好地避免经济下行区间商业银行信用风险的顺周期性对宏观经济环境的反作用,应该加强对银行风险的逆周期性监管。

【参考文献】

[1] 李悦:经济周期对信用风险的影响[J].浙江金融,2006(8).

[2] 谢清河:金融经济周期与商业银行信用风险管理研究[J].经济体制改革,2009(4).

[3] 温信祥:银行资本监管顺周期性及其对经济波动的影响[J].经济问题探索,2006(6).

[4] 孙连友、胡海鸥:宏观经济波动与信用风险:结构模型[J].财经理论与实践,2005(1).

[5] 罗平:资本监管制度的顺周期性及其补救方法[J].国际金融研究,2009(6).

[6] Mario Quagliariello:Bank’s riskiness over the business cycle:A panel analysis on Italian intermediaries”[J].the Temi di discussione series,2006(9).