【金融统计探析课程论文：我国上市商业银行信用风险的影响因素探析6300字】

金融统计分析课程论文：我国上市商业银行信用风险的影响因素分析目录一、 引言 )在本文中，混合样本回归与固定效应回归的选择可以通过统计量来判断，经分析，值为23.83，对应的值为0.0000，拒绝原假设，表明应该选择固定效应模型。接下来考虑固定效应模型与随机效应模型哪个最优，经过Hausman检验可知，统计量为3.16，对应的值为0.6755，不能拒绝原假设，表明应当选择随机效应模型。实证检验和结果分析相关性分析实证分析前需要考察自变量之间的相关系数，以避免出现严重的多重共线性。自变量的相关系数矩阵如表3所示。相关系数矩阵表明，解释变量之间的相关系数的绝对值均在0.5以下，表明可以入选实证模型。表SEQ表\*ARABIC3：自变量相关系数矩阵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*分别表示1%，5%和10%水平上显著基准回归本文根据随机效应面板数据模型，首先给出微观因素和宏观因素对上市商业银行的整体效应结果，如表4。表SEQ表\*ARABIC4：基准回归结果表变量(1)(2)(3)混合样本回归固定效应回归随机效应回归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*分别表示1%，5%和10%水平上显著；括号中为值基准回归结果表明，本文选取的自变量系数在统计上均显著，对商业银行的信用质量都能产生显著的影响。净利差（NIM）、资产负债率（Debt_Asset_ratio）、营业利润率（operating_margin）和银行业景气指数（BCI）对应的系数在统计上均显著为负。如：净利差（NIM）的系数为-0.136，表明在1%的显著性水平下对银行信用风险产生负影响，这是因为净利差代表了银行的盈利能力，NIM越大表明银行的收益水平就越高，能够有效抵御信用风险，因此两者之间呈现负相关关系。资产负债率（Debt_Asset_ratio）对信用风险具有明显的负效应，一般情况下，资产负债率较低表明其资本收益较少，可能导致银行面临较高的风险。而存贷款比例（loan_ratio）、GDP增速（growth_gdp）和M2增速（growth_m2）系数均为正值。存贷款比例越高，表明银行负债对应的贷款资产较多，降低银行的流动性，进一步增加银行的不良贷款比例，从而影响其信用质量。而外部经济变量GDP增速和M2增速均对不良贷款率产生显著的正效应，货币供给速度越快，宏观经济体系中的货币需求猛增，经济过热，这将导致商业银行扩大其信贷业务规模，但无疑会产生信用风险问题。分组回归为进一步研究不同类型的商业银行的不良贷款率影响因素之间的差异，本文分别对上述3种银行类型进行回归，分组回归结果见表5。表SEQ表\*ARABIC5：分组回归结果(1)(2)(3)国有大型商业银行股份制商业银行城市商业银行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*分别表示1%，5%和10%水平上显著；括号中为值图SEQ图\*ARABIC1：不同银行类型的回归系数估计值差异图图1直观地展示了不同银行类型的回归系数差异，三类商业银行主要在净利差与资产负债率上的估计系数差异较大。分银行类型来看，对于净利差的系数而言，股份制商业银行、国有大型商业银行、城市商业银行依次减小，股份制商业银行类对不良贷款率的影响最大，这归因于其市场规模较大、市场竞争较强，因此需要更谨慎地考虑不良贷款可能带来的影响。稳健性检验为验证回归的稳健性，本文选取资本充足率作为不良贷款率的替代变量，同时分别进行全样本随机效应回归、分银行类型回归，回归结果见表6。表SEQ表\*ARABIC6：稳健性检验回归表全样本回归分组回归随机效应回归国有大型商业银行股份制商业银行城市商业银行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*分别表示1%，5%和10%水平上显著；括号中为值对于表4和表5，可以得出变量的显著性基本一致，表明本文的模型具有一定的现实解释能力，结论依然成立。研究结论本文建立商业银行信用风险影响因素模型，通过随机效应面板模型发现商业银行微观因素（净利差、存贷款比例、资产负债率与营业利润率）和外部宏观因素（GDP增速、M2增速与银行业景气指数）都会不同程度地影响银行的不良贷款率和资本充足率，进而影响银行的信贷质量。分银行类型来看，相比于其他类型的商业银行，国有大型商业银行市场基础稳固、占有率和影响力都比较高，信贷风控机制完善，因此应对信贷风险的能力更强大。因此商业银行在进行信贷时，需要考虑各方面的因素。首先是外部经济环境关注央行货币政策，了解当下经济运行的特征和社会货币需求，降低高风险信贷，合理配置信贷资本。此外要完善内部风险控制体系，建立核心风控技术，提高风险管理和应对能力，调整产品战略，改进收入结构，实现稳定市场情绪和金融市场稳健运行。参考文献曹道胜,何明升.商业银行信用风险模型的比较及其借鉴[J].金融研究,2006(10):90-97.徐忠,沈艳,王小康,沈明高.市场结构与我国银行业绩效:假说与检验[J].经济研究,2009,44(10):75-86.吴军,张继宝.信用风险量化模型比较分析[J].国际金融研究,2004(08):50-54.李硕,侯晓辉.流动性风险、信用风险与商业银行流动性创造[J].经济经纬,2020,37(04):168-176.李晟,张宇航.中国上市商业银行信用风险分析及比较——基于KMV模型及面板数据[J].中央财经大学学报,2016(10):31-38.周爱民,刘欣蕊.经济政策不确定性、银行集中度与银行风险[J].经济理论与经济管理,2021,41(03):10-25.顾文涛,潘莉燕,李恒奎.经济政策不确定性、银行信贷与企业投资:基于企业异质性视角的实证分析[J].投资研究,2017,36(02):17-32.刘志洋.商业银行流动性风险、信用风险与偿付能力风险[J].中南财经政法大学学报,2016(03):52-59+159-160.饶品贵,姜国华.货币政策波动、银行信贷与会计稳健性[J].金融研究,2011(03):51-71.谭小芬,张文婧.经济政策不确定性影响企业投资的渠道分析[J].世界经济,2017,40(12):3-26.中国工商银行环境因素压力测试课题组,张红力,周月秋,马骏,殷红,马素红,乐宇,杨荇,邱牧远.环境因素对商业银行信用风险的影响——基于中国工商银行的压力测试研究与应用[J].金融论坛,2016,21(02):3-16.樊桂岭,笪凤媛.商业银行信用风险产生机制与管理研究——基于博弈论视角[J].技术经济与管理研究,2017(10):72-76.曾嵘欣.基于BP神经网络的商业银行信用风险度量模型研究[J].金融发展研究,2018(06):68-73.附录：程序代码*===============*-

数据预处理*===============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*

预处理encode

bank,

gen

(id)encode

date,

gen

(Date)*

把字符型日期转为数值型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*因变量的时间趋势图xtline

NPLxtline

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

实证分析*===============*面板平稳性检验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"*相关分析pwcorr_a

$x,

star1(0.01)

star5(0.05)

star10(0.1)*混合回归reg

NPL

$x,

rest

store

OLS*固定效应回归xtreg

NPL

$x,

fe

est

store

fe//F统计量对应的P值为0，拒绝原假设，应该选择固定效应模型*随机效应回归xtreg

NPL

$x,

re

est

store

re*随机效应或混合回归xttest0//P值为0，拒绝原假设，选择随机效应模型*豪斯曼检验hausman

fe

re,

constant

sigmamore

//不能拒绝原假设，选择随机效应模型*汇报结果esttab

OLS

fe

re,

r2

ar2*分组回归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*系数可视化coefplot

///(group_A,

label("国有大型商业银行")

pstyle(p3))

///(group_B,

label("股份制商业银行")

pstyle(p4))

///(group_C,

label("城市商业银行")

pstyle(p5)),

///drop(_cons)

xline(0,

lp(dash)

lc(black*0.3))

///format(%9.2f)

scheme(s1mono)

esttab

group_A

group_B

group_C*稳健性检验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*===============*-

分析结果输出*===============*

1.输出基本统计量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.输出相关系数矩阵corr2docx

$x

///using

相关系数表.docx,

///fmt(%9.2f)

///replace

star

note(*