43
金融观察与经济视野
我国自从实行金融创新以来，商业银行的不良贷款率在不断地下降，然而这个指标仍然处于一个较高的水平，国内学者针对银行不良贷款率的研究上起步较晚。刘妍（2014）认为我国国内生产总值等其他因素对我国商业银行所积累的不良贷款率具有一定程度的影响，并且认为它们两者之间的相关性为负相关。陈奕羽（2015）在进行实证分析时得出了自己的结论，他也认为，在大方向上看，考虑到国内生产总值这一指标对经济起着极大衡量性的作用，GDP 的增长率变动将会影响银行的选择。他认定，不良贷款率会随国内生产总值增长率的上升而下降。M2的供应量增加率的上升也会引起不良贷款率的下降。拨备覆盖率和银行自身的资本充足率升高会导致不良贷款的减少。梁秋霞（2012）则认为，一个国家的经济发展水平影响银行的抗风险能力。GDP 的增长会导致我国商业银行的不良贷款率变低；货币供应量的增长也会引起不良贷款的增加。马振国（2015）认为，中央银行发行的M2增加会使得银行的不良贷款减少。李美芳（2013）认为银行的坏账准备是否充足影响银行不良贷款的增减变动。总之，从我国学者的研究可以发现，我国商业银行的不良贷款率与我国宏观经济密切相关，同时也受到银行自身行为的影响，如银行的风险监测、防范及分散能力等。
一、我国商业银行不良贷款的现状（一）我国商业银行不良贷款情况
我国的大型商业银行不良贷款金额相较于其他类型银行是数额最大的，高达7744亿元人民币，占整个银行业总额的38%左右。因为其规模较大，所以与其他银行相比，比例最大。农村商业银行的不良贷款为5354亿元，占比为26.44%。股份制银行和城市商业银行不良贷款分别为4388亿元和2660亿元，占比21.67%和13.13%。民营银行和外资银行的不良贷款所占比例较小。
（二）我国大型商业银行各项指标情况
本文选取我国大型商业银行2012-2018年相关数据进行分析。如下表2所示，我国商业银行年不良贷款各季度占比分别为1.5%、1.48%、1.47%和1.41%。尽管所占总贷款比例在逐季度下降，但是不良贷款所占的总体比例较大并且其下降的幅度不明显。不良贷款的内容包括：次级类贷款、可疑类贷款和损失类贷款。次级类贷款指借贷款者要利用营业收入才能够归还贷款，银行在这种贷款类型上损失的概率为0.3-0.5。通过处置资产等方式也不能还本付息的不良贷款属于可疑类，其中还存在以下情况：银行有不确定事项、未决诉讼事项没有处理，而这些事项通常导致银行没有办法准确地估计银行到底存在多少损失。所以贷款损失概率处于50%至5%区间。损失贷款是指借款人无论使用什么方式，都完全没有偿还贷款本息的能力。即使能收
摘要：本文在国内学者研究成果的基础之上，将理论与实际结合做出详细的分析，探求我国大型商业银行不良贷款率浮动的原因，并结合某特定时段商业银行不良贷款率及其他指标，通过实证分析得出结果：
商业银行不良贷款率的波动与拨备覆盖率、资本充足率和国内生产总值增长率、广义的货币供应量M2增长率等这些增长率的变动与有一定的相关性。
关键词：商业银行；不良贷款；影响因素
影响银行不良贷款率的因素分析
——以我国大型商业银行为例
肖文娟
（湖北经济学院会计硕士教育中心）
回贷款、其金额或者抵押物的价值也极小。这种贷款的损失程度较大，一般在百分之七十五到百分百。在下表中可以看出，其中可疑类贷款占不良贷款总额比重最大，我国商业银行2018年的拨备覆盖率在2左右。从一季度的198.96%上涨至四季度的220.08%。2018年度我国商业银行的资本充足率从14.63%上涨至15.70%。这些数据说明2018年度我国商业银行抵御风险的能力在不断地加强。
二、我国商业银行不良贷款影响因素的实证检验（一）变量选择1.变量的说明
本文将我国大型商业银行不良贷款率作为此次的因变量。国内生产总值GDP 增长率、货币供应量M2季度同比增长率、商业银行的资产负债率、资产充足率和拨备覆盖率这些指标作为此次的五个自变量。
2.数据来源
本文的样本数据为我国大型商业银行从2012到2018年间的每季度银行指标，包括我国大型商业银行不良贷款额和不良贷款率；2012年到2018年国内生产总值GDP 增长率、货币供应量M2季度同比增长率、商业银行的资产负债率、资产充足率和拨备覆盖率。数据来源于中国银监会和国家外汇管理局门户网站。
3.实证假设
（1）GDP 增长率=本季度较上季度国内生产总值增加值/上季度GDP 总值。我国大型商业银行不良贷款率与GDP 增长率负相关。
（2）货币供应量M2同比增长率=本季度较上季度货币供给量增加值/上季度货币供给量。我国大型商业银行不良贷款率与货币供应量M2同比增长率负相关。
（3）银行资产负债率=负债总额/资产总额。我国大型商业银行不良贷款率与银行资产负债率正相关。
（4）银行资本充足率=资本/风险资产总额。我国大型商业银行不良贷款率与银行资本充足率负相关。
（5）银行拨备覆盖率=资产减值准备/不良贷款总额。我国大型商业银行不良贷款率与银行拨备覆盖率负相关。
三、实证分析过程（一）模型拟合
以上几节内容中所涉及的五个因素为自变量，不良贷款率为此次的因变量。利用多元线性回归检验上一节所作假设是否成立。
表1模型摘要
模型R R 方调整后R 方标准估算的误差德宾-沃森1
0.997
0.993
0.9920.0002644  1.630
（下转42页）
金融观察与经济视野
（三） 完善内部监督机制，提高内部监督的独立性
商业银行内部控制管理工作中，仅仅依靠外部力量是难以做好的，自身的力量是完善内部控制管理体系的关键。内部审计部门和监督部门的执行力度是内部控制体系的关键因素。首先，要对相关岗位的职责进行明确，做到权责分明确保责任落实到个人，避免出现“甩锅”现象。其次，商业银行要加强岗位控制，保证职责分离，同时保持岗位间存在相互制约。例如，商业银行在开展某项特殊的业务，银行管理者要保证参与人员之间可以相互制约、相互监督，不然就极其容易发生舞弊现象。第三，银行要建立轮岗制，不定期对关键岗位进行轮换，岗位轮换制可以在一定程度上降低发生舞弊现象。第四，商业银行要提高监督部门的独立性，确保监督部门的独立性不受到管理者的影响，可以实现有效的监督。最后，审计部门要严格落实事后监督的情况，在法律法规的框架下开展审查工作，评价风险情况，对在业务中发现的问题及时提出修改意见。
（四） 加强外部监管机构的合作，运用科技化的监管技术
随着互联网技术的迅猛发展，大数据时代宣布到来，世界俨然成为数字世界。各商业银行依托互联网技术很大程度上加速了其业务规模的扩大。在各家商业银行业务扩大的同时，金融风险也应运而生。商业银行为了应对互联网带来的金融风险，纷纷采取了一系列的控制措施。然而仅仅依靠一家商业银行的力量是无法做抵御金融带来的各种风险。各外部监管机构应该加强交流合作，打破数字壁垒，共同研究对
商业银行内部控制管理的监督对策，完善我国商业银行内部控制管理体系，从总体上防控银行业的风险，促进我国金融市场的稳定发展。
四、总结
现今，随着科技的发展，经济全球化交流的加强，我国的商业银行面临着激烈的市场竞争。为抢占市场份额，我国商业银行致力于金融科技的发展，努力打造零售银业，争取实现场景化金融运营模式。但是，科学技术的应用也给我国的商业银行带来了许多隐形的风险。为此，我国商业银行正在积极的创新内部控制体系，致力于降低各项风险发生的可能性。与此同时，外部监管机构在积极地探索监管策略，共同致力于减少商业银行运营风险，维护金融市场的稳定。相信在不久的将来，我国的商业银行能建立完善的内部控制制度，用先进的、符合时代发展的度量方式对商业银行的发展风险进行预测，并针对存在的问题进行高效的防范，促使我国商业银行在全球竞争激烈经济环境下处于领先地位。
参考文献：
[1]许振慧.商业银行强化内控的着力点[J].中国金融，2019（24）：41-43.
[2]董普，李京，王琳.A商业银行内部控制探究[J].财务与会计，2017（19）：56-58.
[3]杨蔡明.基层商业银行操作风险与案件防控对策研究[J].西南金融，2018（01）：36-40.
[4]张晋，许达.商业银行内部控制与风险管理能力——基于我国上市商业银行的实证分析[J].武汉金融，2019（06）：66-70.
[5]栾甫贵，田丽媛.国有商业银行内部控制实质性漏洞披露问题研究——基于工商银行的案例分析[J].财会通讯，2015（24）：90-93.
[6]王补荣.商业银行内部控制环境建设存在的问题及对策研究[J].中国集体经济，2018（30）：89-90.
作者简介：
李墩源（1995-），男，中南财经政法大学会计学院硕士研究生，研究方向：内部控制与风险管理。
（上接43页）
在这个模型摘要表中不难发现，从R方为0.993可以看出这个模型的线性拟合的程度是比较好的。表中所示，调整后R方的数值为0.992.这意味着，这个比例是接近于100%的。证明这个模型可以在99.2%的程度上反映这五个变量对不良贷款率这一因变量的关系是相关的。标准估算的误差的数值非常小，dw系数为1.630，是比较接近2这个标准值的。如果这个数据大于2，则表示该模型所涉及的因素之间存在序列相关，是伪回归，不能做回归分析。但是在这里dw系数是小于2并且接近2的，在财务数据中是比较好的，是不存在伪回归的，可以在接下来过程进行实证分析。
（二）ANOVA检验
此处所涉及的原假设是，本模型中所涉及到的五个自变量每一个都不会对唯一的这个因变量产生影响作用。为了推翻这个假设，证明这五个自变量中至少有一个自变量会对这个因变量产生影响。ANOVA检验得出的结果是，在回归和残差下的平方和、均方都是0.000；自由度分别为5和22，总计27；回归的F值是661.376，显著性为0.000我们就可以通过中的显著性数据看出，这个数据是远远小于0.05这个标准数值的，所以拒绝原假设。
农村商业银行贷款（三）构建回归方程
系数为负的变量有GDP增长率、货币供应量增长率、资产充足率和拨备覆盖率。系数为正的有资产负债率。这些变量的标准误差和t值都在标准范围之内。数据的显著性除了资产负债率都要小于0.05，这说明假设的证明是成立的，即在这五个变量中至少有一个对因变量产生影响。常量、GDP增长率、货币供应量增长率、资产负债率、资产充足率和拨备覆盖率的B系数分别为0.1443、-0.0267、-0.1601、0.0057、-0.4469、-0.0005。标准误差分别为0.020813、0.054553、0.022570、0.002149、0.128191、0.002231。t值分别为6.936674、-2.491245、-2.111596、0.004429、-3.086397、-2.037102。显著性分别为0.0000、0.0321、0.0403、0.9965、0.0145、0.0466。我们可以做一个回归方程：y=0.1443-0.0267x1-0.1601x2+0.0057x3-0.4469x4-
0.0005x5。
四、结论
本文通过实证分析得出结论：我国大型商业银行的不良贷款率会受到国内生产总值增长率的负向影响，我国大型商业银行的不良贷款率会受到广义货币供应量增长率的负向影响、我国大型商业银行的不良贷款率会受到资产充足率的负向影响、我国大型商业银行的不良贷款率会受到拨备覆盖率的负向影响；正向影响我国银行不良贷款率的因素有资产负债率。以上结果说明了本次实验的结果是：我国大型商业银行的不良贷款率，除与资产负债率无关以外，确乎与我国的国内生产总值的增长率、广义货币供应量的增长率、资产充足率还有拨备覆盖率具有紧密相连的相关性。
参考文献：
[1]刘妍.我国商业银行不良贷款成因及相关因素分析[J]系统工程2014（5）
[2]陈奕羽.我国商业银行不良贷款率的影响因素分析[D]南京：南京理工大学，2015.
[3]李美芳.中国农业银行不良贷款率影响因素分析[D]哈尔滨：东北农业大学，2013
作者简介：
肖文娟（1996—），女，湖北黄冈人，湖北经济学院会硕中心硕士研究生，研究方向：金融企业会计。
42