不良贷款回归模型不良到款模型

《不良贷款回归模型不良到款模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、不良贷款回归模型的建立一、研究的目的要求众所周知，贷款业务是商业银行的主要资产业务之一，也是银行资金运行的主要形式。商业银行通过发放贷款业务，将一定数量的资金进行循环使用，充分发展资金的使用效能，满足社会再生产过程中对资金的需求，促进国民经济的发展。由于贷款具有一定的风险,根据《金融企业会计制度》的规定,要求商业银行在期末分析各项贷款的可收回性,并预计可能产生的贷款损失,计提贷款损失准备。商业银行贷款损失准备是商业银行为抵御贷款风险而提取的用于弥补银行到期不能收回的贷款损失的准备金,用来应对未来对银行资本的潜在需求，具有防范银行信用风险与补充银行资本的特性，是目前我国

2、银行监管当局对商业银行监管的一个重点。银行应当按照谨慎会计原则合理估计贷款可能发生的损失及时计提贷款损失准备。为了研究影响银行贷款中不良贷款的主要原因，分析不良贷款与贷款余额、应收贷款、贷款项目的多少、固定资产投资等因素，预测预测出不良贷款，需要建立计量经济模型。影响银行不良贷款的因素很多，但据分析主要的因素可能有：（1）贷款余额。（2）应收贷款（3）贷款项目的多少。（4）固定资产投资。因此，可以从以上几个方面，分析各种因素对中国税收增长的具体影响。二、模型设定经分析，影响不良贷款的主要因素，除了贷款余额、应收贷款、贷款项目的多少、固定资产投资等因素等因素有关。为此，

3、考虑的影响因素主要有贷款余额x1、应收贷款x2、贷款项目的多少x3、固定资产投资x4等因素。为此设定了如下对数形式的计量经济模型：其中：Y——不良贷款X1——贷款余额——应收贷款——贷款项目的多少——固定资产投资为估计模型参数，收集该银行所属的25家分行2000年的有关业务数据。如表1-1所示:分行编号各项贷款余额（亿元）本年累计应收贷款（亿元）贷款项目个数（个）本年固定资产投资额（亿元）不良贷款（亿元）0102030405060708091011121314151617181920212223242567.3111.3173.080.8199.716.2107.41

4、85.496.172.864.2132.258.6174.6263.579.314.873.524.7139.4368.295.7109.6196.2102.26.819.87.77.216.52.210.727.11.79.12.111.26.012.715.68.90.65.95.07.216.83.810.315.812516171019117181014112314263415211428321014161051.990.973.714.563.22.220.243.855.964.342.776.722.8117.1146.729.942.125.313.4

5、64.3163.944.567.939.797.10.91.14.83.27.82.71.612.51.02.60.34.00.83.510.23.00.20.41.06.811.61.61.27.23.2(表1-1)三、估计参数利用EViews估计模型的参数，方法是：1、建立工作文件：启动excel，点击工具，再点击加载宏，在对话框“分析工具库”，点击“确定”。2、输入数据：点击工具，再点击数据分析，点击“数据分析”下拉菜单中的“回归”，出现“回归”窗口数据编辑框，点第一行与“y值输入区”对应的格，，并依此拉Y的数据。用同样方法在对应的列命名x1、x2、x3、x4，

6、并输入相应的数据。3、估计参数：得到下表根据表2-2中数据，模型估计的结果为：-0.9769+0.040107x1+0.148507x2+0.00942x3-0.02859x4（-1.1736）（3.7487）（1.8381）（0.1060）（-1.8169）0.7925，0.7488，F=18.1417SUMMARYOUTPUT回归统计MultipleR0.890225RSquare0.792501AdjustedRSquare0.748817标准误差1.823038观测值24方差分析　dfSSMSFSignificanceF回归分析4241.173760.2934

7、218.141712.77033E-06残差1963.145913.323469总计23304.3196　　　　Coefficients标准误差tStatP-valueLower95%Upper95%Intercept-0.97690.832391-1.173610.255054-2.7191159080.76531267.30.0401070.0106993.7487250.001360.0177140250.06256.80.1485070.0807911.8381660.081725-0.0205901040.31760350.009420.0