银行不良贷款论文.doc

1、 银行不良贷款问题摘要商业银行是对项目建设、固定资产投资等进行贷款。虽然我国银行贷款额平稳增长，但是商业银行普遍存在的比例较高的呆、坏帐和逾期贷款等不良贷款问题，使不良贷款率过高，给银行贷款业务的发展带来较大压力。 问题一，收集四大行相关数据资料，建立时间与银行不良贷款的预测模型。通过散点图的分布形状，预测该模型为一元二次回归模型。通过Matlab拟合出建行，农行，工行，中行时间与贷款余额的估计参数的预测模型为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 经检验相关系等验证模型在一定范围内成立。该模型可以预测未来近几年的不良贷款的数额。 问题二：解决业绩增速、净息差变化与不良贷款的增长之间是否存在联系，用Matlab对业绩增速、净息差变化与不良贷款的增长进行逐步回归，通过Stepwise Plot图发现建设银行，工商银行，农业银行的不良贷款增长与净息差变化存在线性关联。问题三：不良贷款是多方面因素造成的，通过数据查找，收集了相关资料，预测净息差，贷存比，资本充足率，不良贷拨备覆盖率，GDP增长率，CPI计通胀年增可能对不良贷款有一定作用，采用建立逐步回归进

3、行筛选，发现不良贷拨备覆盖率，GDP增长率对不良贷款存在线性关系，通过Matlab拟合出关系式为：y=1240.81-3.64*x4+25.09*x5见检验符合条件，该模型成立。因为实际情况GDP呈现增长率前进发展趋势，所以可以有效控制不良贷拨备覆盖率，来调节不良贷款余额。关键字：Matlab 逐步回归 拟合函数 Stepwise Plot图目录一、问题重述2二、 问题分析3三、 模型假设与符号说明63.1模型的假设63.2符号说明6四、模型的建立与求解74.1.1问题一模型的分析74.1.2问题一模型的建立74.1.3问题一模型的求解84.2.1问题二模型的分析94.2.2问题二模型的建立9

4、4.2.3问题二模型的求解94.3.1问题三模型的分析104.3.2问题三模型的建立104.3.3问题三模型的求解10五、模型的检验与分析11六、 模型的评价与改进12七、 参考文献12八、附录13一、问题重述 商业银行主要业务之一就是对项目建设、固定资产投资等进行贷款。目前较为突出的的问题是虽然我国银行贷款额平稳增长，但是商业银行普遍存在的比例较高的呆、坏帐和逾期贷款等不良贷款问题，使不良贷款率过高，给银行贷款业务的发展带来较大压力。截至2014年4月29日晚间，工农中建四大行的一季报出齐。虽然四家银行的业绩增速、净息差变化不尽相同，但是却暴露出了同一个问题不良贷款余额进一步增加，不良贷款率

5、几乎都在攀升。这也是几乎所有上市银行面临的窘境。 在资产质量方面，从一季报可以看出，随着经济结构转型推进，去产能化和去杠杆化等各种因素对包括四大行在内的商业银行的资产质量构成影响。虽然信贷质量总体保持稳定，但四家银行的不良贷款余额都在进一步增加。而不良贷款率仅农行与去年年末持平，其余三家均进一步上升。按照贷款质量五级分类，工行不良贷款余额为1005.50亿元，比上年末增加68.61亿元；农行不良贷款余额919.91亿元，比上年末增加42.10亿元；中行不良贷款余额803.2亿元，较2013年底增加70.49亿元；建行不良贷款余额908.08亿元，较上年末增加55.44 亿元。其中，工行不良贷款

6、率为0.97%，较去年年末上升0.03个百分点；农行不良贷款率最高，为1.22%，与上年末持平；中行0.98%，略升0.02个百分点；建行不良贷款率1.02%，较上年末上升0.03个百分点。建模问题：1. 利用网络等渠道收集有关数据资料，建立银行不良贷款的预测模型，并分析模型的误差和可信度。2. 银行的业绩增速、净息差变化与不良贷款的增长之间是否存在联系，试进行实证分析。3. 不良贷款是多方面因素造成的，试通过相关的数据作定量分析，帮银行找出控制不良贷款的途径和办法。二、 问题分析本题是一个关于影响银行不良贷款因素预测类的问题，从所收集的数据观察，可进行数据分析。本文最终目标在于如何进行影响因

7、素的选择，才能使得某影响因素对银行不良贷款进行控制，从而使银行贷款稳定增长并产生最大的经济效益。银行贷款预测是银行每年进行的重要预策，直接关系到银行的当年经济效益和长远发展战略。 我们在收集数据的基础上，对问题进行了以下分析： 针对问题一，要求收集四大行相关数据资料，建立时间与银行不良贷款的预测模型，通过散点图的分布形状，预测该模型为一元二次回归模型，通过分析模型的误差和可信度，此模型在误差范围内可行，通过Matlab列出四大行时间与贷款余额的具体函数关系式，建立预测模型。相关数据： 银行年份工行中行建行农行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% 针对问题二，要对银行的业绩增速、净息差变化与不良贷款的增长之间是否存在联系，对业绩增速、净息差变化与不良贷款的增长进行逐步回归，发现建设银行，工商银行，农业银行的不良贷款增长与净息差变化存在联系。相关数据：中行业绩增速/净增长率（%）净息差（%）净息差变化（%）不良贷不良贷增长额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工行业绩增速/净增长率（%）净息差净息差变化不良贷不良贷增长额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农行业绩增速/净增长率（%）净息差净息差变化不良贷不良贷增长额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建行业绩增速/净增长率（%）净息差净息差变化不良贷不良贷增长额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 针对问题三，不良贷款是多方面因素造成的，通过数据查找，收集了相关资料，预测净息差，贷存比，资本充足率不良贷拨备覆盖率可能对不良贷款有一定作用，采用建立逐步回归进行筛选，建立线性相关模型，在小范围内对不良贷款进行简单地控制。相关数据：中行净息差（%）贷存比（%）资本充足率（%）不良贷拨备覆盖率（%）GDP增长率（%）按CPI计通胀年增率（%）20132.2472.5212.46229.3

14、513.23.8820122.1571.9913.63236.308.61.8220112.1268.7712.97220.757.11.4620102.0771.7212.58196.676.24.7520092.0472.0411.14151.172.45.8620082.6363.7113.43121.721.6-0.720072.7664.7813.34108.181.13.3120062.4459.4513.5996.001.15.4120052.3260.4210.4280.550.92.6520042.1564.2210.0468.0212.63三、 模型假设与符号说明3.1模型

15、的假设1. 假设所收集的数据都具有真实性和权威性；2. 忽略社会经济变化对银行的影响；3. 假设政府对银行实施的贷款政策在一定时间内不变；4. 忽略突发事件对银行贷款的影响（例如：金融危机）3.2符号说明时间变量工行不良贷款余额农行不良贷款余额中行不良贷款余额建行不良贷款余额，为工行回归方程参数，为农行回归方程参数，为中行回归方程参数，为建行回归方程参数为回归方程参数四、模型的建立与求解4.1.1问题一模型的分析 针对问题一，要建立银行不良贷款的预测模型，我们利用MATLAB对所收集的数据进行拟合，所得出的图像近似为一元二次回归函数。所以我们采用一元二次回归模型。4.1.2问题一模型的建立对工

16、行、农行、中行、建行分别建立一元二次回归方程：工行：农行：中行：建行：有n组独立观测值（x1，y1），（x2，y2），（xn，yn） 设 记 最小二乘法就是选择和的估计，使得 解得: 经检验的回归方程对回归方程的显著性检验，归结为对假设 进行检验. 假设被拒绝，则回归显著，认为y与x存在线性关系，所求的线性回归方程有意义；否则回归不显著，y与x的关系不能用一元线性回归模型来描述，所得的回归方程也无意义.当成立时， F（1，n-2） 其中 （回归平方和）故F，拒绝，否则就接受.4.1.3问题一模型的求解 分别Matlab模拟出各银行时间与贷款余额的散点图分布，发现散点图近似符合二次函数分布，采用

17、二次函数模型进行回归分析，使用MAtlab得到相关系数的估计值，得到四大行的函数关系式为：建行： y1=50328085.72-50078.38t+12.46t2 农行： 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运用MATLAB对各组数据得到的函数估计式在数据散点图上进行拟合，分别得到建，农，工，中银行的函数图像如下：（从左到右，从上到下） 4.2.1问题二模型的分析 针对问题二，要对银行的业绩增速、净息差变化与不良贷款的

18、增长之间是否存在联系，对业绩增速、净息差变化与不良贷款的增长进行逐步回归，发现建设银行，工商银行，农业银行的不良贷款增长与净息差变化存在联系。4.2.2问题二模型的建立 建立业绩增速、净息差变化两个自变量关于不良贷款的线性函数关系式，判断两个自变量是否与不良贷款的增长存在线性相关性。4.2.3问题二模型的求解对四大行分别对各个的业绩增速、净息差变化进行逐步回归分析，分别得到建，农，工，中Stepwise Plot图如下：通过Stepwise Plot图分析得到：净息差变化和不良贷款增长存在相关联系，并且是线性关系。4.3.1问题三模型的分析 不良贷款是多方面因素造成的，通过数据查找，收集了相关

19、资料，预测净息差，贷存比，资本充足率，不良贷拨备覆盖率，GDP增长率，CPI计通胀年增可能对不良贷款有一定作用，采用建立逐步回归进行筛选，建立线性相关模型，在小范围内对不良贷款进行简单地控制。4.3.2问题三模型的建立综合问题一与问题二类似模型4.3.3问题三模型的求解 对预测净息差，贷存比，资本充足率，不良贷拨备覆盖率，GDP增长率按，CPI计通胀年增率对不良贷款余额进行逐步回归，得到如下图：通过Stepwise Plot图看出不良贷拨备覆盖率，GDP增长率与不良贷款余额存在线性相关性，理论上可以通过控制不良贷拨备覆盖率，GDP增长率，来调节不良贷款余额，因为实际情况GDP呈现增长率前进发展

20、趋势，所以可以有效控制不良贷拨备覆盖率，来调节不良贷款余额。用Matlab拟合出不良贷拨备覆盖率，GDP增长率与不良贷款余额的线性回归方程：y=1240.81-3.64*x4+25.09*x5五、模型的检验与分析对上述三个问题 ，模型建立，估计的函数关系式，通过程序得出来的结果对相关系数分析，相关系数r2越接近1，说明回归方程越显著；F F1-（k，n-k-1）时拒绝H0，F越大，说明回归方程越显著；与F对应的概率p时拒绝H0，回归模型成立。四大行分别残差分析，作残差图，利用Matlab得如下四图：（分别为建农工中银行）从残差图可以看出，得到的回归模型显著性较好。通过Matlab得相关系数分别

21、为0.836 0.800 0.9688 0.8691都比较理想，F值也满足要求比较显著，与F对应的概率p模型成立。六、 模型的评价与改进1.本文选用了线性回归模型的思路，根据表中合理的数据及特点构建成了线性回归模型，从两个方面对此模型进行了数据分析，得出了较为正确，合理的结论。2.本模型不仅可用于评判几种影响不良贷款的因素的 合理性，还可以将进出口总额、货币供应量、股票价格指数作为变量，同时讨论对不良贷款的进一步影响的的合理性。3.本模型还可以进一步优化，为我股经济发展，做些详情预测。总之，本模型有极强的可推广性，适合大多数的评判问题。4.本模型数据全部由表格处理，简单明了，通俗易懂 。5.因

22、为知识范围的局限性，本模型只适合理想状态下，问题一的模型适合未来近几年大概预测模型，精确度在不是很高，模型适合大概了解不良贷款的人员用，不适合统计局或专业银行专门用来预测不良贷款的模型。七、 参考文献1. 江春、许立诚，2005, 金融发展的政治经济学，中国第二届金融学年会会议论 文。2.3聂庆平我国银行不良贷款与银行改革政策的建议J经济科学，2002,(3)：23-32.3. 2阙方平国有商业银行不良资产及其处置的制度性再思考J金融理论与实践，2003,(4)：2-384. 赵庆森. 商业银行信贷风险与行业分析.金融论坛.2004,(12):285. 26.李麟，索彦峰:经济波动、不良贷款与

23、银行业系统性风险J，载国际金融研 究2009年第6期:5563页。6. 王自力:金融稳定与货币稳定关系论J1，载金融研究2005年第5期7. 谢冰:商业银行不良贷款的宏观经济影响因素分析J，载财经理论与实践(双 月刊 )2009年第 162期8.中国年鉴2005-2014年9.曹艳红:银行不良资产定价与评估的探讨J1，载湖南有色金属2002年第4 期10.舍鹭莎:国有商业银行不良贷款的成因及应对策略研究J，载华商2008年第18期11.中国人民银行金融市场司编:中国资产证券化:从理论走向实践(2006年版)【M， 北京，中国金融出版社.八、附录四大银行的不良贷款残差和最后回归方程程序：Jian

24、hang x=2005:2014;%输入x的值X=ones(10,1) x x.2;%输出一个30*2的矩阵，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;%输入y的值b,bint,r,rint,stats=regress(Y,X);%求回归系数的点估计和区间估计b,bint,statsfigure(1);rcoplot(r,rint)%画出残差及其置信区间z=b(1)+b(2)*x+b(3)*x.2;figure(2);plot(x,Y,k+,x,z,b)Nongxa

25、ngx=2005:2014;%输入x的值X=ones(10,1) x x.2;%输出一个30*2的矩阵，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; %输入y的值b,bint,r,rint,stats=regress(Y,X);%求回归系数的点估计和区间估计b,bint,statsfigure(1);rcoplot(r,rint)%画出残差及其置信区间z=b(1)+b(2)*x+b(3)*x.2;figure(2);plot(x,Y,k+,x,z,y)Gon

26、ghang x=2005:2014;%输入x的值X=ones(10,1) x x.2;%输出一个30*2的矩阵，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;%输入y的值b,bint,r,rint,stats=regress(Y,X);%求回归系数的点估计和区间估计b,bint,statsfigure(1);rcoplot(r,rint)%画出残差及其置信区间z=b(1)+b(2)*x+b(3)*x.2;figure(2);plot(x,Y,k+,x,z,k)

27、Zhonghang x=2005:2014;%输入x的值X=ones(10,1) x x.2;%输出一个30*2的矩阵，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; %输入y的值b,bint,r,rint,stats=regress(Y,X);%求回归系数的点估计和区间估计b,bint,statsfigure(1);rcoplot(r,rint)%画出残差及其置信区间z=b(1)+b(2)*x+b(3)*x.2;figure(2);plot(x,Y,k+,x,z,r)用

28、逐步回归分析判断不良贷款关系程序：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 2.79

29、;y=-48.56 6840.46 135.25 232.05 135.15 18.42 -59.41 877.81;x=x1 x2;stepwise(x,y)Gonghangx1=30.54 65.85 35.57 16.37 28.35 25.55 14.5 10.2;x2=-0.21 -0.13 0.64 -0.19 -0.26 -0.05 0.09 2.57;y=-167.17 68.52 156.04 144.49 -14.68 0.42 -207.31 936.89;x=x1 x2;stepwise(x,y)Zhonghangx1=52.38 29.05 4.98 31.16 28

30、.52 18.83 11.51 25.47;x2=0.08 0.13 0.59 -0.03 -0.05 -0.03 -0.09 2.24;y=-49.81 -84.96 -14.14 -98.08 -122.48 -4.39 17.14 95.26;x=x1 x2;stepwise(x,y)不良贷款造成因素程序:x1=2.44 2.76 2.63 2.04 2.07 2.12 2.15 2.24 ;x2=59.45 64.78 63.71 72.04 71.72 68.77 71.99 72.52 ;x3=13.59 13.34 13.43 11.14 12.58 12.97 13.63 12

31、.46 ;x4=96.00 108.18 121.72 151.17 196.67 220.75 236.30 229.35 ;x5=1.1 1.1 1.6 2.4 6.2 7.1 8.6 13.2 ;x6=5.41 3.31 -0.7 5.86 4.75 1.46 1.82 3.88 ;y=944.36 859.40 845.26 747.18 624.70 620.31 637.45 732.71;x=x1 x2 x3 x4 x5 x6;stepwise(x,y)X=ones(8,1) x4 x5;b,bint,r,rint,stats=regress(y,X)word文档 可自由复制编辑