銀行不良貸款論文

1、 銀行不良貸款問題摘要商業(yè)銀行是對項目建設、固定資產(chǎn)投資等進行貸款。雖然我國銀行貸款額平穩(wěn)增長，但是商業(yè)銀行普遍存在的比例較高的呆、壞帳和逾期貸款等不良貸款問題，使不良貸款率過高，給銀行貸款業(yè)務的發(fā)展帶來較大壓力。 問題一，收集四大行相關數(shù)據(jù)資料，建立時間與銀行不良貸款的預測模型。通過散點圖的分布形狀，預測該模型為一元二次回歸模型。通過Matlab擬合出建行，農(nóng)行，工行，中行時間與貸款余額的估計參數(shù)的預測模型為y1=50328085.72-50078.38t+12.46t2 ，y2=646935273.85-643013.07t+159.78t2 y3=100682366.24-100140.

2、72t+24.9t2 ，y4=42237689.66+42006.36t+10.44t2 經(jīng)檢驗相關系等驗證模型在一定范圍內(nèi)成立。該模型可以預測未來近幾年的不良貸款的數(shù)額。 問題二：解決業(yè)績增速、凈息差變化與不良貸款的增長之間是否存在聯(lián)系，用Matlab對業(yè)績增速、凈息差變化與不良貸款的增長進行逐步回歸，通過Stepwise Plot圖發(fā)現(xiàn)建設銀行，工商銀行，農(nóng)業(yè)銀行的不良貸款增長與凈息差變化存在線性關聯(lián)。問題三：不良貸款是多方面因素造成的，通過數(shù)據(jù)查找，收集了相關資料，預測凈息差，貸存比，資本充足率，不良貸撥備覆蓋率，GDP增長率，CPI計通脹年增可能對不良貸款有一定作用，采用建立逐步回歸進

3、行篩選，發(fā)現(xiàn)不良貸撥備覆蓋率，GDP增長率對不良貸款存在線性關系，通過Matlab擬合出關系式為：y=1240.81-3.64*x4+25.09*x5見檢驗符合條件，該模型成立。因為實際情況GDP呈現(xiàn)增長率前進發(fā)展趨勢，所以可以有效控制不良貸撥備覆蓋率，來調(diào)節(jié)不良貸款余額。關鍵字：Matlab 逐步回歸 擬合函數(shù) Stepwise Plot圖目錄一、問題重述2二、 問題分析3三、 模型假設與符號說明63.1模型的假設63.2符號說明6四、模型的建立與求解74.1.1問題一模型的分析74.1.2問題一模型的建立74.1.3問題一模型的求解84.2.1問題二模型的分析94.2.2問題二模型的建立9

4、4.2.3問題二模型的求解94.3.1問題三模型的分析104.3.2問題三模型的建立104.3.3問題三模型的求解10五、模型的檢驗與分析11六、 模型的評價與改進12七、 參考文獻12八、附錄13一、問題重述 商業(yè)銀行主要業(yè)務之一就是對項目建設、固定資產(chǎn)投資等進行貸款。目前較為突出的的問題是雖然我國銀行貸款額平穩(wěn)增長，但是商業(yè)銀行普遍存在的比例較高的呆、壞帳和逾期貸款等不良貸款問題，使不良貸款率過高，給銀行貸款業(yè)務的發(fā)展帶來較大壓力。截至2014年4月29日晚間，工農(nóng)中建四大行的一季報出齊。雖然四家銀行的業(yè)績增速、凈息差變化不盡相同，但是卻暴露出了同一個問題不良貸款余額進一步增加，不良貸款率

5、幾乎都在攀升。這也是幾乎所有上市銀行面臨的窘境。 在資產(chǎn)質(zhì)量方面，從一季報可以看出，隨著經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型推進，去產(chǎn)能化和去杠桿化等各種因素對包括四大行在內(nèi)的商業(yè)銀行的資產(chǎn)質(zhì)量構(gòu)成影響。雖然信貸質(zhì)量總體保持穩(wěn)定，但四家銀行的不良貸款余額都在進一步增加。而不良貸款率僅農(nóng)行與去年年末持平，其余三家均進一步上升。按照貸款質(zhì)量五級分類，工行不良貸款余額為1005.50億元，比上年末增加68.61億元；農(nóng)行不良貸款余額919.91億元，比上年末增加42.10億元；中行不良貸款余額803.2億元，較2013年底增加70.49億元；建行不良貸款余額908.08億元，較上年末增加55.44 億元。其中，工行不良貸款

6、率為0.97%，較去年年末上升0.03個百分點；農(nóng)行不良貸款率最高，為1.22%，與上年末持平；中行0.98%，略升0.02個百分點；建行不良貸款率1.02%，較上年末上升0.03個百分點。建模問題：1. 利用網(wǎng)絡等渠道收集有關數(shù)據(jù)資料，建立銀行不良貸款的預測模型，并分析模型的誤差和可信度。2. 銀行的業(yè)績增速、凈息差變化與不良貸款的增長之間是否存在聯(lián)系，試進行實證分析。3. 不良貸款是多方面因素造成的，試通過相關的數(shù)據(jù)作定量分析，幫銀行找出控制不良貸款的途徑和辦法。2、 問題分析本題是一個關于影響銀行不良貸款因素預測類的問題，從所收集的數(shù)據(jù)觀察，可進行數(shù)據(jù)分析。本文最終目標在于如何進行影響因

7、素的選擇，才能使得某影響因素對銀行不良貸款進行控制，從而使銀行貸款穩(wěn)定增長并產(chǎn)生最大的經(jīng)濟效益。銀行貸款預測是銀行每年進行的重要預策，直接關系到銀行的當年經(jīng)濟效益和長遠發(fā)展戰(zhàn)略。 我們在收集數(shù)據(jù)的基礎上，對問題進行了以下分析： 針對問題一，要求收集四大行相關數(shù)據(jù)資料，建立時間與銀行不良貸款的預測模型，通過散點圖的分布形狀，預測該模型為一元二次回歸模型，通過分析模型的誤差和可信度，此模型在誤差范圍內(nèi)可行，通過Matlab列出四大行時間與貸款余額的具體函數(shù)關系式，建立預測模型。相關數(shù)據(jù)： 銀行年份工行中行建行農(nóng)行20141005.50/0.97%803.20/0.98%908.08/1.02%91

8、9.91/1.22%2013936.89/0.94%732.71/0.96%852.64/0.99%877.81/1.22%2012729.58/0.85%637.45/0.95%746.18/0.99%818.40/1.33%2011730.00/0.94%620.31/1.00%689.45/1.09%836.82/1.55%2010715.32/1.08%624.70/1.10%629.97/1.14%971.97/2.03%2009859.81/1.54%747.18/1.52%703.94/1.50%1204.02/2.91%20081015.85/2.29%845.26/2.65%

9、814.07/2.21%1339.27/4.32%20071084.37/2.74%859.40/3.12%827.64/2.60%8179.73/23.50%20061377.00/3.79%944.36/4.04%945.33/3.29%7355.69/23.43% 針對問題二，要對銀行的業(yè)績增速、凈息差變化與不良貸款的增長之間是否存在聯(lián)系，對業(yè)績增速、凈息差變化與不良貸款的增長進行逐步回歸，發(fā)現(xiàn)建設銀行，工商銀行，農(nóng)業(yè)銀行的不良貸款增長與凈息差變化存在聯(lián)系。相關數(shù)據(jù)：中行業(yè)績增速/凈增長率（%）凈息差（%）凈息差變化（%）不良貸不良貸增長額201325.472.240.09732.719

10、5.26201211.512.150.03637.4517.14201118.832.120.05620.31-4.39201028.522.070.03624.70-122.48200931.162.04-0.59747.18-98.0820084.982.63-0.13845.26-14.14200729.052.760.32859.40-84.96200652.382.440.08944.36-49.81工行業(yè)績增速/凈增長率（%）凈息差凈息差變化不良貸不良貸增長額201310.22.57-0.09936.89207.31201214.52.660.05729.58-0.42201125

11、.552.610.26730.0014.68201028.352.350.19715.32-144.49200916.372.16-0.64859.81-156.04200835.572.800.131015.85-68.52200765.852.670.351084.37-292.63200630.542.32-0.211377.00-167.17農(nóng)行業(yè)績增速/凈增長率（%）凈息差凈息差變化不良貸不良貸增長額201314.522.79-0.02877.8159.41201219.002.81-0.04818.40-18.42201128.52.850.28836.82-135.1520104

12、6.012.570.29971.97-232.05200926.332.28-0.751204.02-135.25200817.513.030.211339.27-6840.462007127.172.82-8179.73824.042006456.22-7355.69-48.56建行業(yè)績增速/凈增長率（%）凈息差凈息差變化不良貸不良貸增長額201311.122.56-0.19852.64106.46201214.262.750.05746.1856.73201125.482.700.21689.4559.48201026.392.490.08629.97-73.97200915.322.41

13、-0.69703.94-110.13200833.993.100.03814.07-13.57200749.273.070.38827.64-117.692006-1.652.69-0.01945.331.26 針對問題三，不良貸款是多方面因素造成的，通過數(shù)據(jù)查找，收集了相關資料，預測凈息差，貸存比，資本充足率不良貸撥備覆蓋率可能對不良貸款有一定作用，采用建立逐步回歸進行篩選，建立線性相關模型，在小范圍內(nèi)對不良貸款進行簡單地控制。相關數(shù)據(jù)：中行凈息差（%）貸存比（%）資本充足率（%）不良貸撥備覆蓋率（%）GDP增長率（%）按CPI計通脹年增率（%）20132.2472.5212.46229.3

14、513.23.8820122.1571.9913.63236.308.61.8220112.1268.7712.97220.757.11.4620102.0771.7212.58196.676.24.7520092.0472.0411.14151.172.45.8620082.6363.7113.43121.721.6-0.720072.7664.7813.34108.181.13.3120062.4459.4513.5996.001.15.4120052.3260.4210.4280.550.92.6520042.1564.2210.0468.0212.633、 模型假設與符號說明3.1模型

15、的假設1. 假設所收集的數(shù)據(jù)都具有真實性和權(quán)威性；2. 忽略社會經(jīng)濟變化對銀行的影響；3. 假設政府對銀行實施的貸款政策在一定時間內(nèi)不變；4. 忽略突發(fā)事件對銀行貸款的影響（例如：金融危機）3.2符號說明時間變量工行不良貸款余額農(nóng)行不良貸款余額中行不良貸款余額建行不良貸款余額，為工行回歸方程參數(shù)，為農(nóng)行回歸方程參數(shù)，為中行回歸方程參數(shù)，為建行回歸方程參數(shù)為回歸方程參數(shù)四、模型的建立與求解4.1.1問題一模型的分析 針對問題一，要建立銀行不良貸款的預測模型，我們利用MATLAB對所收集的數(shù)據(jù)進行擬合，所得出的圖像近似為一元二次回歸函數(shù)。所以我們采用一元二次回歸模型。4.1.2問題一模型的建立對工

16、行、農(nóng)行、中行、建行分別建立一元二次回歸方程：工行：農(nóng)行：中行：建行：有n組獨立觀測值（x1，y1），（x2，y2），（xn，yn） 設 記 最小二乘法就是選擇和的估計，使得 解得: 經(jīng)檢驗的回歸方程對回歸方程的顯著性檢驗，歸結(jié)為對假設 進行檢驗. 假設被拒絕，則回歸顯著，認為y與x存在線性關系，所求的線性回歸方程有意義；否則回歸不顯著，y與x的關系不能用一元線性回歸模型來描述，所得的回歸方程也無意義.當成立時， F（1，n-2） 其中 （回歸平方和）故F>，拒絕，否則就接受.4.1.3問題一模型的求解 分別Matlab模擬出各銀行時間與貸款余額的散點圖分布，發(fā)現(xiàn)散點圖近似符合二次函數(shù)分

17、布，采用二次函數(shù)模型進行回歸分析，使用MAtlab得到相關系數(shù)的估計值，得到四大行的函數(shù)關系式為：建行： y1=50328085.72-50078.38t+12.46t2 農(nóng)行： y2=646935273.85-643013.07t+159.78t2 工行：y3=100682366.24-100140.72t+24.9t2中行：y4=42237689.66+42006.36t+10.44t2運用MATLAB對各組數(shù)據(jù)得到的函數(shù)估計式在數(shù)據(jù)散點圖上進行擬合，分別得到建，農(nóng)，工，中銀行的函數(shù)圖像如下：（從左到右，從上到下） 4.2.1問題二模型的分析 針對問題二，要對銀行的業(yè)績增速、凈息差變化與不

18、良貸款的增長之間是否存在聯(lián)系，對業(yè)績增速、凈息差變化與不良貸款的增長進行逐步回歸，發(fā)現(xiàn)建設銀行，工商銀行，農(nóng)業(yè)銀行的不良貸款增長與凈息差變化存在聯(lián)系。4.2.2問題二模型的建立 建立業(yè)績增速、凈息差變化兩個自變量關于不良貸款的線性函數(shù)關系式，判斷兩個自變量是否與不良貸款的增長存在線性相關性。4.2.3問題二模型的求解對四大行分別對各個的業(yè)績增速、凈息差變化進行逐步回歸分析，分別得到建，農(nóng)，工，中Stepwise Plot圖如下：通過Stepwise Plot圖分析得到：凈息差變化和不良貸款增長存在相關聯(lián)系，并且是線性關系。4.3.1問題三模型的分析 不良貸款是多方面因素造成的，通過數(shù)據(jù)查找，收

19、集了相關資料，預測凈息差，貸存比，資本充足率，不良貸撥備覆蓋率，GDP增長率，CPI計通脹年增可能對不良貸款有一定作用，采用建立逐步回歸進行篩選，建立線性相關模型，在小范圍內(nèi)對不良貸款進行簡單地控制。4.3.2問題三模型的建立綜合問題一與問題二類似模型4.3.3問題三模型的求解 對預測凈息差，貸存比，資本充足率，不良貸撥備覆蓋率，GDP增長率按，CPI計通脹年增率對不良貸款余額進行逐步回歸，得到如下圖：通過Stepwise Plot圖看出不良貸撥備覆蓋率，GDP增長率與不良貸款余額存在線性相關性，理論上可以通過控制不良貸撥備覆蓋率，GDP增長率，來調(diào)節(jié)不良貸款余額，因為實際情況GDP呈現(xiàn)增長率

20、前進發(fā)展趨勢，所以可以有效控制不良貸撥備覆蓋率，來調(diào)節(jié)不良貸款余額。用Matlab擬合出不良貸撥備覆蓋率，GDP增長率與不良貸款余額的線性回歸方程：y=1240.81-3.64*x4+25.09*x5五、模型的檢驗與分析對上述三個問題 ，模型建立，估計的函數(shù)關系式，通過程序得出來的結(jié)果對相關系數(shù)分析，相關系數(shù)r2越接近1，說明回歸方程越顯著；F > F1-（k，n-k-1）時拒絕H0，F(xiàn)越大，說明回歸方程越顯著；與F對應的概率p時拒絕H0，回歸模型成立。四大行分別殘差分析，作殘差圖，利用Matlab得如下四圖：（分別為建農(nóng)工中銀行）從殘差圖可以看出，得到的回歸模型顯著性較好。通過Matl

21、ab得相關系數(shù)分別為0.836 0.800 0.9688 0.8691都比較理想，F(xiàn)值也滿足要求比較顯著，與F對應的概率p模型成立。6、 模型的評價與改進1.本文選用了線性回歸模型的思路，根據(jù)表中合理的數(shù)據(jù)及特點構(gòu)建成了線性回歸模型，從兩個方面對此模型進行了數(shù)據(jù)分析，得出了較為正確，合理的結(jié)論。2.本模型不僅可用于評判幾種影響不良貸款的因素的 合理性，還可以將進出口總額、貨幣供應量、股票價格指數(shù)作為變量，同時討論對不良貸款的進一步影響的的合理性。3.本模型還可以進一步優(yōu)化，為我股經(jīng)濟發(fā)展，做些詳情預測?？傊?，本模型有極強的可推廣性，適合大多數(shù)的評判問題。4.本模型數(shù)據(jù)全部由表格處理，簡單明了，

22、通俗易懂 。5.因為知識范圍的局限性，本模型只適合理想狀態(tài)下，問題一的模型適合未來近幾年大概預測模型，精確度在不是很高，模型適合大概了解不良貸款的人員用，不適合統(tǒng)計局或?qū)I(yè)銀行專門用來預測不良貸款的模型。7、 參考文獻1. 江春、許立誠，2005, 金融發(fā)展的政治經(jīng)濟學，中國第二屆金融學年會會議論 文。2.3聶慶平我國銀行不良貸款與銀行改革政策的建議J經(jīng)濟科學，2002,(3)：23-32.3. 2闕方平國有商業(yè)銀行不良資產(chǎn)及其處置的制度性再思考J金融理論與實踐，2003,(4)：2-384. 趙慶森. 商業(yè)銀行信貸風險與行業(yè)分析.金融論壇.2004,(12):285. 26.李麟，索彥峰:經(jīng)

23、濟波動、不良貸款與銀行業(yè)系統(tǒng)性風險J，載國際金融研 究2009年第6期:5563頁。6. 王自力:金融穩(wěn)定與貨幣穩(wěn)定關系論J1，載金融研究2005年第5期7. 謝冰:商業(yè)銀行不良貸款的宏觀經(jīng)濟影響因素分析J，載財經(jīng)理論與實踐(雙 月刊 )2009年第 162期8.中國年鑒2005-2014年9.曹艷紅:銀行不良資產(chǎn)定價與評估的探討J1，載湖南有色金屬2002年第4 期10.舍鷺莎:國有商業(yè)銀行不良貸款的成因及應對策略研究J，載華商2008年第18期11.中國人民銀行金融市場司編:中國資產(chǎn)證券化:從理論走向?qū)嵺`(2006年版)【M， 北京，中國金融出版社.八、附錄四大銀行的不良貸款殘差和最后回歸

24、方程程序：Jianhang x=2005:2014'%輸入x的值X=ones(10,1) x x.2;%輸出一個30*2的矩陣，第一列是1，第二列是x的值 Y=944.07 945.33 827.64 814.07 703.94 629.97 689.45 746.18 852.64 908.08'%輸入y的值b,bint,r,rint,stats=regress(Y,X);%求回歸系數(shù)的點估計和區(qū)間估計b,bint,statsfigure(1);rcoplot(r,rint)%畫出殘差及其置信區(qū)間z=b(1)+b(2)*x+b(3)*x.2;figure(2);plot(x,

25、Y,'k+',x,z,'b')Nongxangx=2005:2014'%輸入x的值X=ones(10,1) x x.2;%輸出一個30*2的矩陣，第一列是1，第二列是x的值>> Y=7404.25 7355.69 8179.73 1339.27 1204.02 971.97 836.82 818.40 877.81 919.91'>> %輸入y的值b,bint,r,rint,stats=regress(Y,X);%求回歸系數(shù)的點估計和區(qū)間估計b,bint,statsfigure(1);rcoplot(r,rint)%畫出殘

26、差及其置信區(qū)間z=b(1)+b(2)*x+b(3)*x.2;figure(2);plot(x,Y,'k+',x,z,'y')Gonghang x=2005:2014'%輸入x的值X=ones(10,1) x x.2;%輸出一個30*2的矩陣，第一列是1，第二列是x的值 Y=1544.17 1377.00 1084.37 1015.85 859.81 715.32 730.00 729.58 936.89 1005.50'%輸入y的值b,bint,r,rint,stats=regress(Y,X);%求回歸系數(shù)的點估計和區(qū)間估計b,bint,sta

27、tsfigure(1);rcoplot(r,rint)%畫出殘差及其置信區(qū)間z=b(1)+b(2)*x+b(3)*x.2;figure(2);plot(x,Y,'k+',x,z,'k')Zhonghang x=2005:2014'%輸入x的值X=ones(10,1) x x.2;%輸出一個30*2的矩陣，第一列是1，第二列是x的值>> Y=994.17 944.36 859.40 845.26 747.18 624.70 620.31 637.45732.71 803.20'>> %輸入y的值b,bint,r,rint,s

28、tats=regress(Y,X);%求回歸系數(shù)的點估計和區(qū)間估計b,bint,statsfigure(1);rcoplot(r,rint)%畫出殘差及其置信區(qū)間z=b(1)+b(2)*x+b(3)*x.2;figure(2);plot(x,Y,'k+',x,z,'r')用逐步回歸分析判斷不良貸款關系程序：Jianghang x1=-1.65 49.27 33.99 15.32 26.39 25.48 14.26 11.12'x2=-0.01 -0.03 0.69 -0.08 -0.21 -0.05 0.19 2.56'y=1.26 13.57 110.13 73.97 -59.48 -56.73 -106.46 852.64'x=x1 x2;stepwise(x,y)Nonghangx1=456.22 127.17 17.51 26.33 46.01 28.5 19.00 14.52'x2=0 0 0.75 -0.29 -0.28 0.04 0.02 2