?

互聯網指數對不良貸款率的實證分析

2019-06-14 08:06:15 商情 2019年13期

潘宇翔

【摘要】互聯網快速發展的宏觀環境下,聯系互聯網金融的概念、特征、發展狀況以及當前商業銀行不良貸款成因、現狀,理論分析兩者之間的關系和影響途徑,然后利用多元線性回歸模型實證分析互聯網指數對銀行不良貸款率造成的影響。通過多元線性回歸方法著重分析互聯網金融與上市商業銀行的因果關系,得到互聯網金融的發展與上市商業銀行不良貸款之間負的相關關系,即互聯網金融的發展可以降低商業銀行的不良貸款率。

【關鍵詞】互聯網金融;商業銀行不良貸款率;多元線性回歸

一、理論假設和模型設定

根據理論分析,本文提出假設:(1)互聯網發展與上市商業銀行不良貸款率之間存在相關關系:(2)互聯網發展與上市商業銀行不良貸款率之間存在線性關系。

本文的研究方法是以上市商業銀行寧波銀行為樣本,以2011Q1-2016Q3各季度的不良貸款率為因變量,以互聯網指數、權益乘數、總資產周轉率、存貸比作為自變量,推導建立回歸模型。由此,本文建立關于商業銀行不良貸款率的多元線性回歸模型:

二、估計結果和分析

將搜集的寧波銀行各季度的時間序列數據帶人公式中,利用sPss20.0軟件估計模型參數并進行檢驗。所選擇的變量中未出現被移去的變量,說明該模型的擬合效果佳。

此結果的多元相關系數(R)為0.948.判定系數(R平方)為O,899.說明選取的自變量對因變量的解釋度為89.9%。調整后R平方為0.870.說明其擬合程度還是可以接受的。這些值(除了隨機誤差的估計值)都是越大表明模型的效果越好,該模型效果良好。對于本文的多元線性回歸模型可解釋程度較高。

方差分析表表明了方差分析的結果。F值為89.678.其顯著性概率值小于0.01.說明回歸方程擬合效果很好,所以結果是放棄虛無假設,即因變量與自變量之間存在回歸關系。表明不良貸款率與存貸比、互聯網指數、總資產周轉率、權益乘數、ROE整體間有明顯回歸關系存在,該模型有顯著的統計意義。

最后的t檢驗結果中,常數項為0.645.其顯著性O,010

“互聯網指數”自變量的回歸系數為0.027.其顯著性0.003

“權益乘數”自變量的回歸系數為0.044.其顯著性0.044

本模型的擬合結果為:

經過上述多元回歸模型的分析可知:互聯網金融深化所帶來的影響能在一定程度上減少商業銀行不良貸款率。互聯網指數的發展會降低低商業銀行的不良貸款率。

三、結論和啟示

本文開篇聯系實際背景,從當今經濟環境下重新認識了互聯網金融和不良貸款。我們得出結論:存款業務方面,貨幣基金等互聯網理財產品的興起帶給商業銀行更多的是結構上的沖擊,即銀行存款業務中活期存款比例會不斷受到定期存款額上升所引起的擠壓現象。貸款業務方面,伴隨著商業銀行總貸款額度的銳減,則其不良貸款也具有不斷下降傾向。中間業務方面,隨著商業銀行對中間業務規模的側重,銀行或將適度縮減貸款業務,進而一定程度上降低銀行貸款總額,帶來銀行不良貸款率的降低。

(一)積極加強互聯網金融風險管理

互聯網金融帶來了大數據時代,大數據利用的核心在于對未知進行預測,銀行則可以充分結合大數據的應用來加強自身的貸款風險管理。銀行應綜合分析關于客戶、資產組合的表現、金融經濟形勢等數據,用以改善風險計量模型的準確性,時效性和前瞻性,這對有效降低銀行不良貸款率也是大有裨益的。

(二)精準營銷下的安全貸款

互聯網金融帶來的精準營銷可以在單個客戶的基礎上實現。銀行通過跟蹤客戶在網站上的點擊行為,及時更新客戶偏好和可信度水平并加以預測,使點對點的實時營銷成為可能。

?
(function(){ var bp = document.createElement('script'); var curProtocol = window.location.protocol.split(':')[0]; if (curProtocol === 'https') { bp.src = 'https://zz.bdstatic.com/linksubmit/push.js'; } else { bp.src = 'http://push.zhanzhang.baidu.com/push.js'; } var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s); })();
腾讯分分彩官网