简述商业银行基于统计分析办法商业银行不良贷款不足浅析结论

论文导读：2），第三产业从业人员比重（X3），第三产业产值比重（X4），失业率（X5）。通过商业银行历年不良贷款率与宏观经济指标数据用eviews进行相关分析，由相关系数矩阵可以看出，不良贷款率Y与国内生产总值定基发展速度（X1）以及第三产业从业人口比重（X3）存在着显著的相关性，都为负相关，另外，第三产业产值比重（X4）与不良贷款率Y也有较强的相关
作者简介：曾燕（1990.1-），性别：女，籍贯：四川内江，学校（或单位）：西南财经大学统计学院统计学 12级硕士研究生。
摘要：本文从不良贷款的概念及其分类出发，分析了我国不良贷款现状，指出我国商业银行不良贷款从2002年至今的一些发展趋势，并利用计量经济学中的简单回归方法对我国不良贷款率与一些宏观经济发展指标间的关系进行了定性分析，得出部分宏观经济指标与不良贷款率确实存在一定关系，最后运用多元统计分析中的判别分析的思想对银行放贷企业的财务状况进行了大致分析，并提出要使用该方法改善不良贷款现状应该要注意的问题。
关键词：不良贷款现状；宏观经济发展；财务分析

一、商业银行不良贷款概述及我国商业银行不良贷款现状

存贷款业务一直以来就是我国商业银行的主要业务，存贷款的利息差构成了我国商业银行的主要利润来源。因此，贷款风险就成为了我国商业银行的主要风险。在追逐高收益的情况下，贷款风险也逐渐加大，对不良贷款问题的思考也显得越来越重要。我国自2002年起实行贷款五级分类制度，该制度按照贷款的风险程度，将银行信贷资产分为五类：正常、关注、次级、可疑、损失。不良贷款主要指次级、可疑和损失类贷款。
据了解，我国商业银行2012年年末的不良贷款余额为4929亿元，同比上升647亿元，不良贷款率为0.95%，同比下降0.01个百分点，经过这么多年来银行及相关部门的改革，我们看到了商业银行在控制不良贷款方面取得的进步，表现为我国商业银行的不良贷款率自2003年至今一直处于下降趋势，只是在不同的年份区间下降的幅度有所差异，从2003年至2006年四年间不良贷款下降幅度最大，从原先的1

7.8%下源于：论文封面格式www.7ctime.com

降到了10%这一国际警戒线一下。由于我国的宏观货币环境紧缩，2007年我国商业银行在高速增长过程中所积累的信贷风险显现， 2007年年末的不良贷款率较2006年年底有所降低，从7.09%下降到了6.17%，但是不良贷款余额却比2006年增加了982.4亿，不良贷款率的降低有部分原因是由总的贷款增加的28580.1亿元稀释得来的。自2008年至今，不良贷款率缓慢下降，特别是近两年以来不良贷款率在1%左右徘徊，有的季度甚至也出现不良贷款率上升的情况，这可能是由于商业银行现在的不良贷款率已接近在现阶段经济发展状况下的极限值，唯有经济健康持续的发展不良贷款率或有可能进一步下降。

二、不良贷款与经济发展状况

为了说明经济发展状况与经济发展的关系，本文借鉴现有的研究成果，选取我国商业银行的不良贷款率作为因变量Y，以宏观经济指标为自变量建立宏观经济模型，宏观经济指标包括；国内生产总值定基发展速度（以2002年数据为基期）（X1）、贷款增长率（X2），第三产业从业人员比重（X3），第三产业产值比重（X4），失业率（X5）。通过商业银行历年不良贷款率与宏观经济指标数据用eviews进行相关分析，由相关系数矩阵可以看出，不良贷款率Y与国内生产总值定基发展速度（X1）以及第三产业从业人口比重（X3）存在着显著的相关性，都为负相关，另外，第三产业产值比重（X4）与不良贷款率Y也有较强的相关性。通过多种试验选择不同的指标作为自变量对不良贷款率进行回归，比较不同的结果发现仅国内生产总值定基发展速度和第三产业从业人员这两个指标分别与不良贷款率的回归结果显著。由eviews的输出结果可以看出，两个回归模型都通过了检验，分别得回归方程模型如下：
模型一：Y=-0.124X1+28.624
模型二：Y=-

2.941X3+10626

模型一说明，不良贷款率与国内生产总值定基发展速度负相关，国内生产总值发展速度每上升一个百分点，不良贷款率下降0.124个百分点。模型二说明，不良贷款率与第三产业就业人口比重也是负相关，第三产业人口比重每上升一个百分点，不良贷款率就下降2.941个百分点。在经济发展好的年份，通常会伴随着第三产业服务业的加速发展，在这个阶段，借款人盈利高，还款能力强，商业银行的不良贷款率就会有所降低，相反，在经济低迷的时期，也会常常伴随着第三产业的停滞不前，在这个阶段，借款人度日艰难，还款自然就遥遥无期，商业银行的不良贷款率就会升高。由此可以大致看出，我国不良贷款率论文导读：
确实与经济发展状况息息相关，银行不良贷款率对经济发展状况的变化反应是灵敏的，不过受数据个数限制，以及不同的发展时期经济会面临各种特殊情况，因此上述回归模型不是一尘不变的，反而应该是处于不断变化中的。各个商业银行应该根据自己情况建立最优的模型。

三、不良贷款控制浅议

现有文献对商业银行不良贷款形成的原因以及一些规避不良贷款风险的思路已经讨论得很多，例如对于商业银行不良贷款形成的原因，有文献指出既有银行内部的原因也有银行外部的原因，内部原因大致包括银行的趋利目标、银行之间的竞争关系、困境银行的特殊行为、商业银行经营管理决策失误等等，外部原因大致包括金融体系改革滞后于国有企业改革导致的制度不健全、政府的行政干预、各权利集团的利益纠葛、信息不对称、法制不健全金融监管不力、经济周期等等的影响；又例如对于如何改善不良贷款率方面，有文献指出应该要转变政府职能，规范政府行为，银行应分离呆坏账交给资金管理公司运行，准确计量不良贷款并且主动及时控制，完善银行内部管理机制，增强激励约束机制等等措施。笔者认为在众多调控措施之前首先应该要合理利用公司所披露的信息，对企业的综合情况进行评估是一个很基本很重要的方面，下文谨以2012年公司年报披露的信息，借鉴人民网上曾经公布的我国上市公司财务质量测评系统指标（反应偿债能力、盈利能力、成长能力、经营能力的四大财务指标），在经过分析剔除了财务比率间相关程度较高的指标后，最后以净资产收益率Z1、流动比率Z2、营运资金对资产总额比率Z3、资产负债率Z

4、留存收益资产比Z5作为判别分析分析变量，对公司财务状况进行判别分析。

本文选取的样本是证券交易所2012年被ST的A股上市公司随机50家以及没被ST的A股上市公司随机50家，数据来源于国泰安数据库（http：///p/sq/#57）。把被ST的50家上市公司分到标记为0的组，没被ST的50家上市公司分到标记为1的组。样本由上述净资产收益率Z1、流动比率Z2、营运资金对资产总额比率Z3、资产负债率Z4、留存收益资产比Z5五个变量组成。根据样本数据使用SPSS软件运行判别分析步骤，得出
判别函数的表达式为： Z=-0.025Z1+0.028Z2+0.151Z3-2.558Z4+0.689Z5+1.296，检验p值为0.01，可以看出该判别函数在0.01的检验水平下是显著的，，典型相关系数为0.435，表明该判别函数对上市公司的财务状况是有一定的解释能力的。可以用该判别函数作为典型判别模型对中国市场上市公司的财务状况进行分类。由Classification Results表可以看出，在被ST的上市公司所在组里运用该模型评判正确的概率为68%，在没被ST的上市公司所在组里使用该模型评判正确的概率为76%，综合起来评判正确的概率为72%。说明该模型的预测能力还是较好的。
上述模型的典型相关系数为0.435，且判断正确的概率为72%，并不是特别理想，可能是所选样本数据不够大，不能特别好的代表整体，如果在理想的状态下，这种方法对于上市公司情况的把握应该是有效的，是一种思路，只是说可能现在证券市场发展还不成熟，在方法的运用上有一定的局限性。然而，在假设这种方法可以广泛的运用于上市公司财务状况的估计的假设下，上市公司财务报表披露信息的真实性这一方面将会是最大的挑战。商业银行在获得公司真实的财务指标的情况下才能对财务状况进行掌握，以判断对公司的放贷情况，才能对不良贷款的控制起到实质性作用。因此，商业银行要降低不良贷款率首先要规范公司的行为。（作者单位：西南财经大学统计学院）