宏觀經濟的週期波動和商業銀行經營表現之間存在密切的聯絡。從商業銀行存貸款業務來看，息差收入的波動和資產質量的變化是決定最終經營成果的兩大主要因素。

本文將分析宏觀經濟環境與商業銀行資產質量之間的關聯，包括分部門、分行業不良貸款週期和影響因素的差異。

不良貸款率、不良貸款增速、貸款撥備率（也稱“撥貸比”）和撥備覆蓋率等指標均可用於衡量商業銀行的貸款質量。從定義來看，不良貸款率衡量不良貸款在貸款總額中的佔比，不良貸款增速反映不良貸款規模的變動；後者對資產質量的變動更為靈敏。從指標間關係來看，撥貸比=不良貸款率*撥備覆蓋率，因而，撥貸比、不良貸款率和撥備覆蓋率三個指標的走勢之間存在較強的相關關係。考慮到不良貸款增速可以較好地反映資產質量變化，本文選取不良貸款增速作為主要分析指標。

不良貸款率在不同年度間波動幅度較小，且受到不良處置速度和信貸總量增長的影響。2016年至2019年，我國銀行業不良貸款率大致保持在1.70%至1.90%區間內。2020年以來，商業銀行不良貸款率先上後下。2020年9月，商業銀行不良貸款率最高達到1.96%以後整體下行，2024年9月商業銀行不良貸款率錄得1.56%。不良貸款率近年來實現穩中有降，與銀行業加大了不良資產處置力度有關。自2020年開始，銀行業不良資產處置規模由2萬億元左右上升至3萬億元左右。2024年末，不良貸款餘額3.4萬億元，當年不良資產處置規模超過3萬億元。

相較於不良貸款率，不良貸款增速對於資產質量的變化更為靈敏。2020年6月，不良貸款增速最高上行至22.4%。2020年6月至2021年9月不良貸款增速小幅回落，2021年9月，不良貸款增速增速錄得-0.1%。2021年9月以來，不良貸款增速再次上行，2024年9月，不良貸款增速錄得4.7%。

貸款撥備率與不良貸款率的走勢大致相同。2020年以後，貸款撥備率先於不良貸款率見頂，在2020年6月達到3.65%後波動下行，2024年9月商業銀行貸款撥備率錄得3.27%。

撥備覆蓋率與不良貸款率呈反向變動。2020年9月，撥備覆蓋率錄得低點179.9%，隨後撥備覆蓋率開始上行，2024年9月商業銀行撥備覆蓋率錄得209.5%。

整體來看，由於不良資產處置力度加大使得不良貸款率自2020年9月以來呈單邊下行態勢，而貸款撥備率、撥備覆蓋率與不良貸款率走勢高度相關，不良貸款增速或是更好的商業銀行貸款質量觀測指標。本文將主要探索宏觀經濟指標與不良貸款增速之間的關係。

從資產質量指標之間的領先滯後關係來看，商業銀行關注類貸款增速領先大致領先不良貸款增速6個月。根據《商業銀行金融資產風險分類辦法》（銀保監會 人民銀行令2023年第1號），金融資產根據風險程度從低到高可以劃分為正常類、關注類、次級類、可疑類和損失類，其中，後三類為不良貸款。從歷史資料來看，關注類貸款增速的變化可以作為不良貸款增速的領先指標，二者之間存在6個月左右的領先滯後關係。不過，考慮到分行業資料的可得性，本文仍以不良貸款增速作為主要分析指標。

從宏觀經濟影響銀行資產質量的邏輯來看，主要包括兩個方面：一是非金融部門的基本面因素變化，例如，在庫存週期的被動補庫和主動去庫階段，隨著企業盈利增速的放緩，銀行資產質量下行，往往對應著不良增速的高點；二是貨幣信貸環境的變化，例如，在流動性寬鬆、信貸投放加快的環境下，借款人的融資條件改善，推動銀行資產質量的好轉。在企業財務報表層面，前者體現為盈利的提升（下降）和經營現金流的改善（惡化）；後者體現為付息壓力的緩解（上升）和籌資活動現金流的好轉（惡化）。二者共同推動償債能力指標（如EBITDA/利息費用）的變化。

值得注意的是，從我國的情況來看，2020年以前，寬信用時期，不良貸款增速往往下行。而在2020年以後，情況卻發生了變化，緊信用時，不良貸款增速整體下行，而寬信用時，不良貸款增速卻有所上行。這可能與2020年以來貸款審批條件整體較為寬鬆有關。2020年以來，儘管PMI中樞整體較2020年以前回落，貸款審批條件卻整體上行，表明融資環境較為寬鬆，在此情況下，不良貸款增速波動幅度較2020年以前大幅縮窄。

Albertazzi et al（2009）指出，一方面，銀行壞賬損失和GDP負相關；另一方面，銀行壞賬損失和貨幣市場利率正相關，後者和明斯基的“金融不穩定”假說一致。在我國金融市場上，也可以觀察到企業債信用利差和不良貸款增速之間，存在較為一致的正相關關係，而企業債融資市場和信貸市場共同受到流動性環境的影響，流動性持續寬鬆往往推動信用利差收窄、信貸質量改善。

Bohachova（2008）在研究指出，銀行風險與商業週期呈負相關，在經濟活動放緩時上升。不過，銀行業風險增加並不僅僅歸因於週期性的衰退，同時也反映了在商業週期上升期間建立起來的銀行風險結構的弱點。有證據表明，金融體系傾向於順週期執行，即商業週期和金融週期同步執行。在銀行的風險實踐中，在當經濟表現較好，抵押品價值較高時，銀行更容易借出資金，信貸增長加速，但這就可能埋下過度信貸風險的種子，一旦銀行借款人的盈利能力惡化，貸款償還能力以及押品價值下降，這種風險將在經濟衰退中暴露。

從分部門的情況來看，我們發現，個人貸款和企業貸款的資產質量週期整體較為一致，個人住房貸款的不良週期相較於房地產開發貸略有滯後；在企業貸款中，基建領域貸款和其他企業貸款的週期存在錯位。

根據人民銀行公佈的最新分部門不良貸款資料，2022年，商業銀行不良貸款餘額為2.98萬億元，其中個人、企業不良貸款餘額分別為0.49萬億元、2.49萬億元，佔比分別為16.40%、83.60%。從分部門不良貸款率水平來看，2022年商業銀行不良貸款率為1.63%，其中個人貸款不良率為0.90%，企業貸款不良率約為1.94%。

進一步地，考慮到基建領域貸款和政府部門的行為較為相關，我們將企業貸款劃分為基建貸款與剔除基建的企業貸款。其中，我們定義基建行業包括交通運輸、倉儲和郵政業，電力、熱力、燃氣及水生產和供應業，以及水利、環境和公共設施管理業共3個行業。2022年，基建與剔除基建的企業不良貸款餘額分別為0.23萬億元、2.26萬億元，其對應的不良貸款率分別為0.57%、2.59%。可以看出，基建類貸款呈現出貸款規模較大、不良率水平相對較低的特徵。

個人貸款方面，信用卡和消費貸款的不良率高於個人住房貸款。我們在此前研究中曾分析過信用卡不良貸款的宏觀影響因素，後文將重點討論個人住房貸款。2022年信用卡、汽車以及住房按揭不良貸款餘額分別為1789.8億元、49.7億元、1822.2億元，對應的不良貸款率2.1%、1.3%、0.5%。信用卡方面，我們在2024年1月釋出的《宏觀指標與信用卡不良的關係探析》中提到，企業稅收、就業、居民收入、核心CPI等情況與信用卡不良率的走勢較為一致。工業企業收入庫存同比差值、M1、國內信貸同比、票據融資增量、國房景氣指數分別領先信用卡不良率3個月、6個月、12個月、12個月與6個月。其中，汽車不良貸款餘額規模較小，本文不作展開。

我們使用上市商業銀行半年報和年報披露的資料來獲得分部門不良貸款增速。可以發現，該增速與央行公佈的分部門不良貸款增速整體走勢一致，表明樣本銀行的不良貸款情況在一定程度上能夠代表各部門不良貸款的分佈情況。

從分部門不良貸款增速走勢來看，個人不良貸款增速與企業不良貸款增速的走勢整體一致；不過，在不良貸款增速上行期，個人不良貸款增速往往更高。這可能是由於經濟週期同時影響企業經營和居民收入，當企業償債困難時，往往無法按時發放工資，員工受此影響也可能同時無法償還貸款，反之亦然。當個人、企業不良貸款增速上行時，個人不良貸款增速往往高於企業不良貸款增速，這可能是由於個人不良貸款較為分散，債務化解和處置難度更大；對比而言，企業不良貸款的處置較為成熟，同時還可能受益於政策當局的行業信貸政策變化或一攬子債務化解方案（詳見後文第三部分）。

從房地產開發貸和個人住房貸款來看，個人住房貸款不良率的絕對水平低於房地產開發貸，且個人住房貸款不良暴露節奏滯後於房地產開發貸。從歷史資料來看，個人住房貸款不良率的絕對水平低於房地產開發貸， 2023年末，房地產開發貸的不良率高點達到了3.69%左右，此後開始回落；2024年6月，個人住房貸款不良率繼續上升，達到0.56%。其中，個人住房貸款方面，2018年有資料以來，個人住房貸款與城鎮調查失業率走勢相關性較高，這是由於就業是收入的核心來源。

從企業貸款來看，類似地，我們使用上市商業銀行公佈的分行業不良貸款來獲得半年度基建不良貸款增速，即合計加總上述3個行業不良貸款餘額得到基建不良貸款餘額，進而得到基建不良貸款增速。

基建領域貸款投放與財政發力週期較為一致，基建貸款和其他企業不良貸款增速存在週期錯位現象，同時，地方政府債務監管政策對基建領域資產質量也有重要影響。在政策“穩增長”的時期，基建投資通常發揮託底經濟作用，基建不良貸款增速和基建投資增速負相關。這使得基建領域的信貸投放和其他企業貸款存在錯位，不良風險暴露的時點也相應存在錯位。同時，地方政府債務監管政策的變化直接影響著廣義政府部門再融資的難度，進而體現在基建貸款的資產質量之中。

不良貸款規模最高的前三大行業是批發和零售業、製造業和房地產業。根據人民銀行公佈的最新分行業不良貸款資料，從絕對規模來看，2022年，不良貸款餘額最高的行業為批發和零售業，規模為5678.8億元；製造業次之，不良貸款餘額規模為5230.9億元。房地產開發貸不良貸款餘額同樣規模較高，為3501.6億元。其餘各行業不良貸款餘額規模均低於2000億元。從不良貸款率水平來看，農、林、牧、漁業與住宿和餐飲業不良貸款率均為4.30%，高於其他各行業。採礦業、房地產業不良貸款率分別為3.60%、3.50%，略低於上述兩個行業。其餘各行業不良貸款率水平在3.00%以下。

與上文類似，我們使用上市商業銀行公佈的分行業不良貸款來獲得半年度分行業不良貸款增速。由於資料可得性，批發和零售業不良貸款增速僅使用8個樣本銀行合計不良貸款規模計算增速獲得。綜合來看，我們可以發現使用樣本銀行分行業不良貸款規模計算的增速與央行公佈的分行業不良貸款增速整體走勢一致，表明樣本銀行的不良貸款情況在一定程度上能夠代表各行業不良貸款的分佈情況。

分行業來看，製造業方面，製造業不良的變化可以分為兩個階段：第一階段，即2019年前，信貸政策對製造業貸款沒有結構性的傾斜，此時製造業貸款的資產質量與朱格拉週期相關；第二階段，即2019年以來，在加大製造業中長期貸款投放的政策導向下，製造業貸款資產質量持續改善。2011年至2020年期間製造業不良貸款增速與裝置利用水平之間呈負相關關係。2020年以來，製造業裝置利用水平回落至低位。不過，自2019年開始，政策當局加大了對製造業信貸投放的支援力度，2019年第一季度的MPA考核中納入了製造業中長期貸款。2020年人民銀行第三季度例會提到[1]，“引導金融機構加大對實體經濟的支援力度，確保新增融資重點流向製造業、中小微企業”。2021年初，財政部、稅務總局釋出《關於進一步完善研發費用稅前加計扣除政策的公告》，製造業企業研發費用加計扣除比例在2021年1月1日之後提高到了100%，並且對於形成無形資產的研發費用，攤銷比例也提高到了200%。在政策支援下，2020年以後製造業不良貸款增速在負區間執行，不良貸款規模持續減少。

批發和零售業方面，批發和零售業不良貸款增速與PPI負相關。我們用批發和零售業指數（883023.WI）中成分股的財報來獲得行業的營業利潤增速。我們可以注意到當營業利潤增速下行時，企業償付能力下降，不良貸款增速上行。而工業品價格則是批發和零售業營業利潤的重要影響因素之一，我們可以觀察到批發和零售業不良貸款增速與PPI同比整體呈反向變動。

房地產業方面，房地產業不良貸款增速與商品房庫銷比相關性較高；2022年開始，在“金融16條”等政策影響下，房地產開發貸不良增速回落。我們用房地產業指數（883028.WI）中成分股的財報來獲得各自行業的營業利潤增速，同樣地，營業利潤增速下行時，企業償付能力下降，不良貸款增速上行。商品房庫銷比可以用來衡量商品房供需情況，當庫銷比上行時，表明房企庫存去化壓力較大，此時房企現金流與營收均可能受到影響，帶動房地產不良貸款增速上行。不過，進入2022年，儘管房企庫存去化壓力仍然較大，在“金融16條”政策下，房地產企業融資環境改善，房地產不良貸款增速回落。

建築業方面，建築業貸款的資產質量同時受到基建與房地產的影響。我們用建築業指數（883022.WI）中成分股的財報來獲得行業的營業利潤增速，營業利潤增速下行時，企業償付能力下降，不良貸款增速上行。房屋新開工與建築業營收相關性較高，新開工增加時建築業營收表現較好。我們可以注意到2022年下半年開始，儘管建築業營業利潤增速繼續下行，但建築業不良貸款增速卻不升反降，這可能與2022年下半年推出的“金融16條”有關。2022年11月，人民銀行、銀保監會發布《關於做好當前金融支援房地產市場平穩健康發展工作的通知》，提到穩定建築企業信貸投放。在流動性支援下，建築業不良貸款整體回落。

綜合來看，我們可以發現上述行業大部分不良貸款增速表現與行業自身盈利水平相關性較高，而其盈利則受到不同型別宏觀指標的影響。在行業盈利回落的情況下，假如行業仍然可以獲得充足的流動性支援，償債壓力減輕，相關行業貸款資產質量仍可能得到改善。

1.Albertazzi,U., & L. Gambacorta, Bank profitability and the business cycle, Journal of Financial Stability,2009.

2.Lown, C., & D. Morgan: The Credit Cycle and the Business Cycle: New Findings Using the Loan Officer Opinion Survey, Journal of Money, Credit, and Banking, September 2006, Vol. 38, No. 6

3.Olga, B.: The Impact of Macroeconomic Factors on Risks in the Banking Sector: A Cross-country Empirical Assessment, 2008, IAW Diskussionspapiere, No. 44.