信用風(fēng)險視角下城市商業(yè)銀行貸款管理與對策

　　內(nèi)容摘要：本文以新興城市商業(yè)銀行為定量研究對象，采用收益模型法分析指標(biāo)數(shù)據(jù)，并提出對于城市商業(yè)銀行風(fēng)險現(xiàn)狀與貸款選擇的實證描述和結(jié)論。研究發(fā)現(xiàn)，目前我國商業(yè)銀行，特別是較小的城市商業(yè)銀行，風(fēng)險管理與貸款策略選擇尚未形成完整的科學(xué)體系。我國信用風(fēng)險防控工作必須內(nèi)外兼施，才能做出最優(yōu)的貸款策略選擇，確保我國銀行業(yè)持續(xù)穩(wěn)定發(fā)展。

　　關(guān)鍵詞：信用風(fēng)險；城市商業(yè)銀行；風(fēng)險管理；貸款策略；收益模型法

　　城市商業(yè)銀行信用風(fēng)險

　?。ㄒ唬┬庞蔑L(fēng)險成因

　　第一，人為因素主要是指參與個體為實現(xiàn)自身利益最大化而產(chǎn)生的機會主義行為，通過向銀行騙貸、尋求漏洞等，使銀行因信用風(fēng)險產(chǎn)生巨額損失。多數(shù)信用風(fēng)險案件的形成往往是由于人為因素的作用，可以分為主客觀兩方面：客觀原因即還款能力風(fēng)險，這是借款人客觀財務(wù)狀況與按時足額還款能力的體現(xiàn)。個人借貸信用風(fēng)險的大小和借款人的家庭、工作、收入等因素密不可分，一旦借款人因自身客觀原因而無法按期還款時，銀行就會面臨違約風(fēng)險。主觀原因即還款意愿的風(fēng)險，即借款人對償還貸款所持態(tài)度。借款人可能會選擇篡改個人信息來欺詐銀行，從而加大銀行面臨的還款意愿風(fēng)險。但是實際上，很多借款人根本不具備按期還款的經(jīng)濟能力，由美國次貸危機引發(fā)的金融危機就是典型例子。第二，經(jīng)濟環(huán)境因素。隨著我國信息化、網(wǎng)絡(luò)化的發(fā)展，金融行業(yè)對于外部市場環(huán)境等宏觀經(jīng)濟環(huán)境的特有敏感度決定銀行業(yè)信用風(fēng)險不定期爆發(fā)的現(xiàn)實必然性。因而，關(guān)于經(jīng)濟環(huán)境因素對于信用風(fēng)險的影響也不容小覷。經(jīng)濟運行具有一定周期性，實踐證明，信用風(fēng)險與經(jīng)濟發(fā)展程度是反向相關(guān)的。

　　實證研究

　?。ㄒ唬┠Ｐ蜆?gòu)建和數(shù)據(jù)選取

　　受制于數(shù)據(jù)可得性，本文主要利用銀行基礎(chǔ)業(yè)務(wù)數(shù)據(jù)，并采用收益模型法進行計量，分析城市商業(yè)銀行信用風(fēng)險及其貸款策略。其中，收益模型法是指將影響銀行整體效益的因素分為可以由常規(guī)因素描述的部分和不能夠由常規(guī)因素描述的部分，然后著重于計量其中的組成比例。由此，可以得到如下一般方程形式：

　?。ǘ┠Ｐ突貧w結(jié)果與修正

　　利用Eviews8.0軟件對變截距個體隨機效應(yīng)模型的回歸結(jié)果如表2所示。

　　其中，擬合優(yōu)度R2=0.557，說明模型中自變量并不能很好解釋因變量。

　　由表2可知，在對參數(shù)進行T檢驗時，只有不良貸款率（R）通過T檢驗，據(jù)此可以判斷該模型中的各個變量組件顯著存在多重共線性。為了克服多重共線性的影響，需要對模型進行逐步回歸來修正。首先刪去T檢驗結(jié)果中置信度最低的DV項，回歸結(jié)果如表3所示。

　　由表3可知，刪去DV后，在不良貸款率（R）依舊顯著的情況下，GDP的T檢驗值產(chǎn)生較大幅度增加，總體擬合效果得到優(yōu)化。因此，繼續(xù)刪去R1，結(jié)果如表4所示。

　　由表4可知，除了LDR外，其余變量均通過T檢驗，在此基礎(chǔ)上繼續(xù)刪去LDR，檢驗結(jié)果如表5所示。

　　由表5可知，參數(shù)均能通過T檢驗，且置信度為0.000，即其F檢驗顯著。此時模型中解釋變量能較好解釋被解釋變量。R2值為0.6376，調(diào)整的R2值為0.5897，較之前有所提高，說明修正模型中自變量與前模型相比能更好解釋因變量。

　　由以上對于修正后模型的討論，在模型檢驗都通過后，得到個體隨機效應(yīng)回歸的擬合優(yōu)度，即R2值為0.6376。代表城市商業(yè)銀行凈利潤中可以被信用風(fēng)險解釋的波動為63.76%，在城市商業(yè)銀行波動中占較高比例。利用已經(jīng)確定的模型和信用風(fēng)險計算方法，研究并比較不同地域城市商業(yè)銀行信用風(fēng)險水平，根據(jù)樣本選取時劃分的四個地域（東北地區(qū)、京津冀地區(qū)、長三角地區(qū)和珠三角地區(qū)），具體結(jié)果如表6所示。

　　其中，R2是整體擬合優(yōu)度，σT代表該地區(qū)城市商業(yè)銀行凈利潤波動，σ2代表由信用風(fēng)險造成的凈利潤波動值，CRisk代表信用風(fēng)險值。四個地區(qū)的操作風(fēng)險估計結(jié)果如表6所示，在四個抽樣地區(qū)中，信用風(fēng)險對銀行經(jīng)營效益的波動影響最大的是長三角地區(qū)城市商業(yè)銀行，約占整體波動的48.8%；其余三個地區(qū)操作風(fēng)險的占比從高到低分別為珠三角地區(qū)的34.68%、東北地區(qū)的24.2%和京津冀地區(qū)的12.8%，較全國平均水平都有較大幅度降低。

　　因此，根據(jù)以上模型與數(shù)據(jù)分析，可以得出：第一，長三角地區(qū)城市商業(yè)銀行信用風(fēng)險管控有較大漏洞，在進行貸款策略選擇時，長三角地區(qū)城市商業(yè)銀行應(yīng)關(guān)注信用風(fēng)險管理與防控，建立健全客戶信用識別機制，制定明確細致的貸款擔(dān)保。第二，東北地區(qū)、京津冀地區(qū)與珠三角地區(qū)信用風(fēng)險水平相較于長三角地區(qū)而言較低，其中京津冀地區(qū)由于完善的市場金融體制的存在，使其信用風(fēng)險值遠低于其他三個地區(qū)和全國平均水平。

　　結(jié)論

　　城市商業(yè)銀行作為我國金融市場最具活力的部分，近些年發(fā)展成果顯著，在推進區(qū)域經(jīng)濟社會發(fā)展等方面產(chǎn)生了重要作用，彌補了大型商業(yè)銀行在部分經(jīng)營領(lǐng)域的很多空白，是我國金融市場中不可或缺的一部分。但是由于歷史與現(xiàn)實等多重因素的影響，其還需要在資本規(guī)模、資產(chǎn)規(guī)模、業(yè)務(wù)種類、市場定位、公司治理以及發(fā)展戰(zhàn)略等諸多方面進行改進。本文在分析信用風(fēng)險變化和城市商業(yè)銀行的貸款策略選擇時，得出以下結(jié)論：

　　城市商業(yè)銀行會采取幾乎相同的貸款策略，會對客戶做出幾乎相同的還款能力評價，會付出幾乎相同的貸款投放成本，會提出幾乎相同的貸款發(fā)放條件。城市商業(yè)銀行的貸款策略是要求較低還款能力的客戶接受更苛刻的貸款發(fā)放條件，要求提交價值更高的抵押物，以彌補未能如約收回貸款的損失。當(dāng)經(jīng)濟環(huán)境發(fā)生變化的時候，需要城市商業(yè)銀行積極調(diào)整貸款策略，在挑戰(zhàn)中尋找發(fā)展機遇，及時有效的對經(jīng)濟環(huán)境變化做出應(yīng)對。主要應(yīng)做到對經(jīng)濟環(huán)境變化及時做出調(diào)整，合理估計客戶提供的抵押物價值，根據(jù)客戶特點制定貸款策略。

　　參考文獻：

　　1.謝志楓.風(fēng)險管理視角下城市商業(yè)銀行面臨的突出問題及應(yīng)對[J].經(jīng)貿(mào)導(dǎo)刊（中），2019（5）

　　2.蘇彤，彭恂.經(jīng)濟增速對城商行不良貸款率影響分析[J].科技經(jīng)濟導(dǎo)刊，2020，28（03）

　　3.涂開均，楊帆.我國城市商業(yè)銀行金融風(fēng)險管理研究[J].西南金融，2018（10）

　　4.李燕.廣西城市商業(yè)銀行風(fēng)險成因及對策分析[J].現(xiàn)代營銷（下旬刊），2018（12）

　　5.付蓉，徐瑩敏.銀行業(yè)競爭、所有權(quán)結(jié)構(gòu)與風(fēng)險承擔(dān)—基于利率市場化背景的實證研究[J].商業(yè)經(jīng)濟研究，2015（13）

　　梁夕言陳真子教授

《信用風(fēng)險視角下城市商業(yè)銀行貸款管理與對策》

上一篇：蕪湖城市軌道交通2號線總體技術(shù)研究

下一篇：舟山市發(fā)展城市軌道交通的探索與研究