【金融統(tǒng)計探析課程論文：我國上市商業(yè)銀行信用風(fēng)險的影響因素探析6300字】

金融統(tǒng)計分析課程論文：我國上市商業(yè)銀行信用風(fēng)險的影響因素分析目錄一、 引言 )在本文中，混合樣本回歸與固定效應(yīng)回歸的選擇可以通過統(tǒng)計量來判斷，經(jīng)分析，值為23.83，對應(yīng)的值為0.0000，拒絕原假設(shè)，表明應(yīng)該選擇固定效應(yīng)模型。接下來考慮固定效應(yīng)模型與隨機效應(yīng)模型哪個最優(yōu)，經(jīng)過Hausman檢驗可知，統(tǒng)計量為3.16，對應(yīng)的值為0.6755，不能拒絕原假設(shè)，表明應(yīng)當(dāng)選擇隨機效應(yīng)模型。實證檢驗和結(jié)果分析相關(guān)性分析實證分析前需要考察自變量之間的相關(guān)系數(shù)，以避免出現(xiàn)嚴(yán)重的多重共線性。自變量的相關(guān)系數(shù)矩陣如表3所示。相關(guān)系數(shù)矩陣表明，解釋變量之間的相關(guān)系數(shù)的絕對值均在0.5以下，表明可以入選實證模型。表SEQ表\*ARABIC3：自變量相關(guān)系數(shù)矩陣NIMloan_ratioDebt_Asset_ratiooperating_margingrowth_gdpgrowth_m2BCINIM1-0.36***0.02-0.020.35***0.45***0.19***loan_ratio-0.32***1-0.50***-0.21***-0.40***-0.34***-0.05Debt_Asset_ratio-0.05-0.47***10.18***0.39***0.31***0.04operating_margin-0.03-0.11***0.12***10.47***0.29***0.21***growth_gdp0.16***-0.24***0.27***0.34***10.63***0.38***growth_m20.42***-0.32***0.30***0.28***0.17***10.18***BCI0.22***-0.050.07*0.23***0.28***0.23***1注：***，**和*分別表示1%，5%和10%水平上顯著基準(zhǔn)回歸本文根據(jù)隨機效應(yīng)面板數(shù)據(jù)模型，首先給出微觀因素和宏觀因素對上市商業(yè)銀行的整體效應(yīng)結(jié)果，如表4。表SEQ表\*ARABIC4：基準(zhǔn)回歸結(jié)果表變量(1)(2)(3)混合樣本回歸固定效應(yīng)回歸隨機效應(yīng)回歸NIM-0.016-0.148***-0.136***(-0.41)(-4.35)(-4.15)loan_ratio0.005***0.003***0.003***(4.26)(2.86)(2.98)Debt_Asset_ratio-0.112***-0.148***-0.145***(-8.55)(-9.92)(-10.14)operating_margin-0.013***-0.014***-0.014***(-7.99)(-7.74)(-8.11)growth_gdp0.041***0.046***0.045***(6.96)(10.08)(10.09)growth_m2-0.0000.013**0.012**(-0.05)(2.24)(2.05)BCI-0.026***-0.025***-0.025***(-9.39)(-13.61)(-13.72)_cons13.604***17.124***16.820***(10.89)(12.24)(12.53)N6086086080.390.50注：***，**和*分別表示1%，5%和10%水平上顯著；括號中為值基準(zhǔn)回歸結(jié)果表明，本文選取的自變量系數(shù)在統(tǒng)計上均顯著，對商業(yè)銀行的信用質(zhì)量都能產(chǎn)生顯著的影響。凈利差（NIM）、資產(chǎn)負債率（Debt_Asset_ratio）、營業(yè)利潤率（operating_margin）和銀行業(yè)景氣指數(shù)（BCI）對應(yīng)的系數(shù)在統(tǒng)計上均顯著為負。如：凈利差（NIM）的系數(shù)為-0.136，表明在1%的顯著性水平下對銀行信用風(fēng)險產(chǎn)生負影響，這是因為凈利差代表了銀行的盈利能力，NIM越大表明銀行的收益水平就越高，能夠有效抵御信用風(fēng)險，因此兩者之間呈現(xiàn)負相關(guān)關(guān)系。資產(chǎn)負債率（Debt_Asset_ratio）對信用風(fēng)險具有明顯的負效應(yīng)，一般情況下，資產(chǎn)負債率較低表明其資本收益較少，可能導(dǎo)致銀行面臨較高的風(fēng)險。而存貸款比例（loan_ratio）、GDP增速（growth_gdp）和M2增速（growth_m2）系數(shù)均為正值。存貸款比例越高，表明銀行負債對應(yīng)的貸款資產(chǎn)較多，降低銀行的流動性，進一步增加銀行的不良貸款比例，從而影響其信用質(zhì)量。而外部經(jīng)濟變量GDP增速和M2增速均對不良貸款率產(chǎn)生顯著的正效應(yīng)，貨幣供給速度越快，宏觀經(jīng)濟體系中的貨幣需求猛增，經(jīng)濟過熱，這將導(dǎo)致商業(yè)銀行擴大其信貸業(yè)務(wù)規(guī)模，但無疑會產(chǎn)生信用風(fēng)險問題。分組回歸為進一步研究不同類型的商業(yè)銀行的不良貸款率影響因素之間的差異，本文分別對上述3種銀行類型進行回歸，分組回歸結(jié)果見表5。表SEQ表\*ARABIC5：分組回歸結(jié)果(1)(2)(3)國有大型商業(yè)銀行股份制商業(yè)銀行城市商業(yè)銀行NIM-0.202*-0.246***-0.117(-1.87)(-4.68)(-1.19)loan_ratio-0.0080.004**-0.001(-1.14)(2.52)(-0.31)Debt_Asset_ratio-0.127***-0.083**-0.156***(-3.63)(-1.98)(-3.16)operating_margin0.009-0.016***-0.015***(1.08)(-3.12)(-3.79)growth_gdp0.0070.028**0.043***(0.96)(2.40)(5.60)growth_m2-0.009-0.0160.015(-0.74)(-0.97)(1.47)BCI-0.029***-0.029***-0.020***(-2.89)(-11.36)(-6.15)_cons15.808***11.920***17.795***(4.93)(3.28)(3.73)N96144368注：***，**和*分別表示1%，5%和10%水平上顯著；括號中為值圖SEQ圖\*ARABIC1：不同銀行類型的回歸系數(shù)估計值差異圖圖1直觀地展示了不同銀行類型的回歸系數(shù)差異，三類商業(yè)銀行主要在凈利差與資產(chǎn)負債率上的估計系數(shù)差異較大。分銀行類型來看，對于凈利差的系數(shù)而言，股份制商業(yè)銀行、國有大型商業(yè)銀行、城市商業(yè)銀行依次減小，股份制商業(yè)銀行類對不良貸款率的影響最大，這歸因于其市場規(guī)模較大、市場競爭較強，因此需要更謹(jǐn)慎地考慮不良貸款可能帶來的影響。穩(wěn)健性檢驗為驗證回歸的穩(wěn)健性，本文選取資本充足率作為不良貸款率的替代變量，同時分別進行全樣本隨機效應(yīng)回歸、分銀行類型回歸，回歸結(jié)果見表6。表SEQ表\*ARABIC6：穩(wěn)健性檢驗回歸表全樣本回歸分組回歸隨機效應(yīng)回歸國有大型商業(yè)銀行股份制商業(yè)銀行城市商業(yè)銀行NIM0.0410.469**0.520-0.057(0.23)(2.05)(1.55)(-0.30)loan_ratio-0.0060.008-0.003-0.004(-1.20)(0.72)(-1.51)(-0.28)Debt_Asset_ratio-0.892***-1.194***-0.971***-0.712***(-10.16)(-8.69)(-7.35)(-5.50)operating_margin0.008-0.034***0.0210.006(1.23)(-2.61)(1.07)(0.76)growth_gdp-0.067***-0.087***-0.058***-0.053**(-3.66)(-5.57)(-3.75)(-2.17)growth_m2-0.122***-0.124***-0.149**-0.106***(-3.99)(-2.71)(-2.22)(-2.81)BCI-0.0070.004-0.031**0.001(-1.02)(0.28)(-2.04)(0.12)_cons98.248***126.591***105.146***80.885***(11.85)(10.07)(8.95)(6.40)N60896144368注：***，**和*分別表示1%，5%和10%水平上顯著；括號中為值對于表4和表5，可以得出變量的顯著性基本一致，表明本文的模型具有一定的現(xiàn)實解釋能力，結(jié)論依然成立。研究結(jié)論本文建立商業(yè)銀行信用風(fēng)險影響因素模型，通過隨機效應(yīng)面板模型發(fā)現(xiàn)商業(yè)銀行微觀因素（凈利差、存貸款比例、資產(chǎn)負債率與營業(yè)利潤率）和外部宏觀因素（GDP增速、M2增速與銀行業(yè)景氣指數(shù)）都會不同程度地影響銀行的不良貸款率和資本充足率，進而影響銀行的信貸質(zhì)量。分銀行類型來看，相比于其他類型的商業(yè)銀行，國有大型商業(yè)銀行市場基礎(chǔ)穩(wěn)固、占有率和影響力都比較高，信貸風(fēng)控機制完善，因此應(yīng)對信貸風(fēng)險的能力更強大。因此商業(yè)銀行在進行信貸時，需要考慮各方面的因素。首先是外部經(jīng)濟環(huán)境關(guān)注央行貨幣政策，了解當(dāng)下經(jīng)濟運行的特征和社會貨幣需求，降低高風(fēng)險信貸，合理配置信貸資本。此外要完善內(nèi)部風(fēng)險控制體系，建立核心風(fēng)控技術(shù)，提高風(fēng)險管理和應(yīng)對能力，調(diào)整產(chǎn)品戰(zhàn)略，改進收入結(jié)構(gòu)，實現(xiàn)穩(wěn)定市場情緒和金融市場穩(wěn)健運行。參考文獻曹道勝,何明升.商業(yè)銀行信用風(fēng)險模型的比較及其借鑒[J].金融研究,2006(10):90-97.徐忠,沈艷,王小康,沈明高.市場結(jié)構(gòu)與我國銀行業(yè)績效:假說與檢驗[J].經(jīng)濟研究,2009,44(10):75-86.吳軍,張繼寶.信用風(fēng)險量化模型比較分析[J].國際金融研究,2004(08):50-54.李碩,侯曉輝.流動性風(fēng)險、信用風(fēng)險與商業(yè)銀行流動性創(chuàng)造[J].經(jīng)濟經(jīng)緯,2020,37(04):168-176.李晟,張宇航.中國上市商業(yè)銀行信用風(fēng)險分析及比較——基于KMV模型及面板數(shù)據(jù)[J].中央財經(jīng)大學(xué)學(xué)報,2016(10):31-38.周愛民,劉欣蕊.經(jīng)濟政策不確定性、銀行集中度與銀行風(fēng)險[J].經(jīng)濟理論與經(jīng)濟管理,2021,41(03):10-25.顧文濤,潘莉燕,李恒奎.經(jīng)濟政策不確定性、銀行信貸與企業(yè)投資:基于企業(yè)異質(zhì)性視角的實證分析[J].投資研究,2017,36(02):17-32.劉志洋.商業(yè)銀行流動性風(fēng)險、信用風(fēng)險與償付能力風(fēng)險[J].中南財經(jīng)政法大學(xué)學(xué)報,2016(03):52-59+159-160.饒品貴,姜國華.貨幣政策波動、銀行信貸與會計穩(wěn)健性[J].金融研究,2011(03):51-71.譚小芬,張文婧.經(jīng)濟政策不確定性影響企業(yè)投資的渠道分析[J].世界經(jīng)濟,2017,40(12):3-26.中國工商銀行環(huán)境因素壓力測試課題組,張紅力,周月秋,馬駿,殷紅,馬素紅,樂宇,楊荇,邱牧遠.環(huán)境因素對商業(yè)銀行信用風(fēng)險的影響——基于中國工商銀行的壓力測試研究與應(yīng)用[J].金融論壇,2016,21(02):3-16.樊桂嶺,笪鳳媛.商業(yè)銀行信用風(fēng)險產(chǎn)生機制與管理研究——基于博弈論視角[J].技術(shù)經(jīng)濟與管理研究,2017(10):72-76.曾嶸欣.基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險度量模型研究[J].金融發(fā)展研究,2018(06):68-73.附錄：程序代碼*===============*-

數(shù)據(jù)預(yù)處理*===============cd

"D:\stata

files"clear

allimport

excel

"D:\stata

files\data.xlsx",

sheet("Sheet

1")

firstrow*

查看是否有缺失值*

ssc

install

mdescmdesc*

預(yù)處理encode

bank,

gen

(id)encode

date,

gen

(Date)*

把字符型日期轉(zhuǎn)為數(shù)值型gen

ymd

=

date(date,

"YMD")format

ymd

%tdgen

yt

=

year(ymd)

//

提取年份gen

mt

=

month(ymd)

//

提取月份keep

if

mt

==

6

|

mt

==

12

gen

halfyearid

=

1replace

halfyearid

=

2

if

mt

==

12gen

myhalfyear

=

yh(yt,

halfyearid)format

myhalfyear

%thxtset

id

myhalfyearxtdescribe*因變量的時間趨勢圖xtline

NPLxtline

CAR*===============*-

實證分析*===============*面板平穩(wěn)性檢驗xtset

id

myhalfyearxtunitroot

llc

BCI,

trend

demeanxtunitroot

ips

NPL,

trend

demeanglobal

x

"NIM

loan_ratio

Debt_Asset_ratio

operating_margin

growth_gdp

growth_m2

BCI"*相關(guān)分析pwcorr_a

$x,

star1(0.01)

star5(0.05)

star10(0.1)*混合回歸reg

NPL

$x,

rest

store

OLS*固定效應(yīng)回歸xtreg

NPL

$x,

fe

est

store

fe//F統(tǒng)計量對應(yīng)的P值為0，拒絕原假設(shè)，應(yīng)該選擇固定效應(yīng)模型*隨機效應(yīng)回歸xtreg

NPL

$x,

re

est

store

re*隨機效應(yīng)或混合回歸xttest0//P值為0，拒絕原假設(shè)，選擇隨機效應(yīng)模型*豪斯曼檢驗hausman

fe

re,

constant

sigmamore

//不能拒絕原假設(shè)，選擇隨機效應(yīng)模型*匯報結(jié)果esttab

OLS

fe

re,

r2

ar2*分組回歸xtset

id

myhalfyearxtreg

NPL

$x

if

bank_type

==

"A",

re

rest

store

group_Axtreg

NPL

$x

if

bank_type

==

"B",

re

rest

store

group_Bxtreg

NPL

$x

if

bank_type

==

"C",

re

rest

store

group_C*系數(shù)可視化coefplot

///(group_A,

label("國有大型商業(yè)銀行")

pstyle(p3))

///(group_B,

label("股份制商業(yè)銀行")

pstyle(p4))

///(group_C,

label("城市商業(yè)銀行")

pstyle(p5)),

///drop(_cons)

xline(0,

lp(dash)

lc(black*0.3))

///format(%9.2f)

scheme(s1mono)

esttab

group_A

group_B

group_C*穩(wěn)健性檢驗xtset

id

myhalfyearxtreg

CAR

$x,

re

rvifest

store

re_robustxtset

id

myhalfyearxtreg

CAR

$x

if

bank_type

==

"A",

re

rest

store

group_A_rxtreg

CAR

$x

if

bank_type

==

"B",

re

rest

store

group_B_rxtreg

CAR

$x

if

bank_type

==

"C",

re

rest

store

group_C_resttab

re_robust

group_A_r

group_B_r

group_C_r*===============*-

分析結(jié)果輸出*===============*

1.輸出基本統(tǒng)計量sum2docx

NPL

CAR

$x

///using

描述性分析表.docx,

///replace

stats(N

mean(%9.2f)

sd

min(%9.0g)

median(%9.0g)

max(%9.0g))*

2.輸出相關(guān)系數(shù)矩陣corr2docx

$x

///using

相關(guān)系數(shù)表.docx,

///fmt(%9.2f)

///replace

star

note(*