信貸需求變動與銀行的應對

楊旸 申爍

近年來，我國經濟步入高質量發展階段，信貸需求總量和結構均發生明顯變化，成為影響金融服務實體經濟質效的關鍵變量。

近年來信貸需求變化的特點

回顧社會融資規模同比增長上行周期，驅動因素有兩點：基建是信貸需求上行的主力驅動因素；房地產是信貸需求回升的重要驅動因素。信貸需求上行可以總結為政府基建（驅動對公信貸需求）加居民購房（先拉動個貸，后間接拉動對公信貸需求）的雙輪驅動模式。但隨著房地產市場供求關系發生深刻變化，原有的雙輪驅動模式發生明顯變化，主要體現為客戶類型、行業、區域等層面的貸款投放出現變動。

從客戶類型看，企業貸款的增長情況明顯好于個人貸款，2022年以來尤為明顯。商品房銷售的走弱是個人新增貸款占比下降的重要原因，疫情暴發以來，居民杠桿率的上升明顯放緩。同時，伴隨逆周期政策的發力，非金融企業杠桿率明顯攀升，企業貸款保持高位（見圖1）。

從行業看，制造業（特別是高技術制造業）、“三農”等領域的貸款余額增速呈上升趨勢，房地產貸款余額增速總體下行。截至2023年9月末，制造業中長期貸款余額同比增長38.2%，比各項貸款增速高27.3個百分點；基礎設施業中長期貸款余額同比增長15.1%，比各項貸款增速高4.2個百分點；“專精特新”中小企業貸款余額同比增長18.6%，比各項貸款增速高7.7個百分點；普惠小微貸款余額同比增長24.1%，比各項貸款增速高13.2個百分點。

從區域看，長三角地區信貸增速整體領先。長三角地區長期保持較高的貸款增速，2023年10月達13.28%；珠三角地區2021年以來整體增速有所下滑，2023年10月降至11.44%。華東地區（蘇、浙、魯、皖、贛、閩、滬）2021年以來貸款增長均值為13.73%，2023年10月達到12.46%；西南地區（滇、川、黔、渝、藏）受成渝經濟區輻射影響，貸款余額維持較高增長，2023年10月末同比增長12.27%；華南地區（粵、桂、瓊）2020年以來增長均值（15%以上）逐步下滑，2023年10月末降至11.08%；華中地區（鄂、湘、豫）與華南的波動趨勢相似，2023年10月末降至10.42%；華北地區（津、京、晉、冀、內蒙古）2020—2022年增速維持在8.8%左右，到2023年10月末提升到11.73%；西北地區（新、陜、甘、寧、青）與東北地區（黑、吉、遼）始終維持較低增速，2023年10月貸款增速分別為9.59%和4.43%（見圖2）。

當前，隨著房地產市場供求關系發生重大變化，房地產銷售和投資降速，導致信貸需求發生變化。信貸需求與宏觀政策的密切度有所提高；信貸增長中樞可能趨勢性下移；信貸需求在結構上呈現更加發散的特點。商業銀行需要深入研究行業、企業和個人客戶的貸款需求。

信貸需求變動對應的宏觀釋義

貸款需求與哪些宏觀變量更為相關？本文運用多維面板固定效應模型，以31個省份年度貸款增量作為企業中長期貸款的代理變量，對2003—2021年企業中長期貸款與多個宏觀經濟變量進行回歸分析。

對公信貸需求的來源分析

其中p、y分別表示省份和年份；DKZLpy表示p省份在y年的貸款增量，GDPpy表示p省份在y年的GDP 值，GDZCTZpy表示p省份在y年的固定資產投資額，?XFPLSpy表示p省份在y年的社會消費品零售額，CKpy 表示p省份在y年的出口額；表示宏觀維度的控制變量；ηp、λt分別表示省份、時間固定效應；ξy表示隨機誤差項；ε代表常數項。在回歸模型運算過程中，分別對被解釋變量貸款增量，解釋變量GDP、固定資產投資、出口、消費品零售額取對數。

回歸結果顯示（見表1），年度的企業中長期貸款增量與名義GDP增長率在1%的水平上顯著為正。這與央行所提社會融資規模增速同名義經濟增速基本匹配的政策基調是吻合的。從支出法“三駕馬車”的角度進一步拆分，年度的企業中長期貸款增量與固定資產投資增長率在5%的水平上顯著為正，與出口增長率在1%的水平上顯著為正，與社會消費品零售總額增長率在1%的水平上顯著為正。從數據分析的結果看，“三駕馬車”均對信貸需求有驅動作用。

從經濟周期的角度來看，基建投資在經濟復蘇和信貸需求的恢復中，確實起到了“打頭陣”的作用。個人和企業的決策都帶有一定的順周期特點，順周期意味著“滯后”。政府最適宜作出“領先”的逆周期行為，通過逆周期的支出率先發力，并通過產業鏈的傳導效應，帶動居民收入的提高、企業利潤的好轉，并最終推動整個經濟向好、信貸需求回暖。而在每一輪房地產銷售的回暖過程中，房地產開發貸款都是對公信貸需求的重要驅動因素。

個人信貸需求的來源分析

運用多維面板固定效應模型對個人貸款與多個宏觀經濟變量進行回歸分析，結果顯示出兩個特點：一是中長期個人貸款與商品房銷售的線性正相關關系非常明顯；二是短期個人貸款的需求來源不如長期個貸集中和明顯。2021年以前，以互聯網銷售為主渠道、品牌集中度高、頭部品牌市場占有率高的消費品類，與短期個人貸款的相關度相對更高；2021年以后，銀行互聯網貸款新規出臺，短期個人貸款的投放渠道變得更加多元化。這種情況的主要原因可能在于：一是短期貸款的需求相對多元化和分散化，不同個體在不同時點的貸款需求帶有一定的隨機性，不如對公貸款集中。二是個人貸款的定價在大多數情況下與個人存款保持正向利差，居民難以利用個人貸款再進行金融套利，不存在基于套利活動的行為一致性。三是考慮到便利度和時效性，短期貸款需求與各類支出場景緊密相關。特別是偏小額的個人貸款，居民貸款行為多綁定特定的支付行為，通過支付行為和貸款申請的便捷一體化流程完成貸款，而不會專門到銀行申請一筆短期貸款。所以，短期個人貸款的行為與場景支出、特別是基于網絡的場景支出關系較為密切。

此外，除傳統的消費行為，基于個人置業、消費、經營等行為而產生的短暫的“過橋”類純信用貸款需求，也是短期個人貸款的一個重要來源。

從上述回歸結果看（見表2、表3），前瞻性地準確把握宏觀經濟走勢和各分項變動的特點，是把握信貸需求總量和結構變動的最核心方法。

商業銀行的應對策略

短期看，商業銀行應掌握信貸需求邊際變動的高頻觀測方法?；谏鲜龇治?，使用年度“三駕馬車”的數據與企業中長期貸款的回歸效果很好。但如果使用月度、季度數據，相關性明顯變差。這可能主要與信貸投放和經濟運行各自的季節性規律有關。首先，銀行的信貸投放有著較為明顯的季節性規律。每年第一季度為“開門紅”，貸款增量占全年的比例可達40%左右或更高，而第四季度為全年最低點，考慮到撥備計提因素，?銀行貸款投放的意愿相對弱，近年來，四季度貸款增量在全年的占比基本沒有超過16%。其次，經濟數據也有自身的規律。以固定資產投資為例，四個季度的固定資產投資數額在全年的占比相對固定，呈現出前低后高的季節性特征。過去五年，一至四季度固定資產投資在全年的占比均值分別為18%、23%、32%和27%。工業增加值的占比在四個季度中相對平衡，但四季度占比最高，?一季度占比最低。信貸投放的高峰與經濟數據的高峰有明顯的錯位，所以使用月度或季度數據的回歸效果并不好。僅依靠月度經濟指標預測月度信貸需求有一定的難度，線性關系較弱。在實際工作過程中如何提前捕捉信貸需求的拐點是一個關鍵問題?；诶碚摲治雠c經驗總結，以下方法可以為提前判斷信貸需求提供一定的輔助作用。

對公信貸需求的高頻判斷

一是緊盯企業中長期貸款占比指標和票據利率走勢?；仡欉^去三輪社會融資規模增長率的上升周期，伴隨著信貸需求的回升，貸款結構都呈現逐漸“變實”的特點——即中長期貸款占比逐步提升。所以中長期貸款的占比是指示對公信貸需求的一個非常重要的指標。但疫情暴發以來，商業銀行持續加大對實體部門的金融支持力度，貸款投放的總量持續保持在高位。當需求不足而商業銀行放貸總量訴求又比較強的時候，可能會使用票據沖抵規模，票據利率甚至降低至零。當上述情景出現時，就可能有如下現象：貸款總量提升時，企業中長期貸款占比下降；貸款總量下降時，企業中長期貸款占比明顯上升。但這種情況下，企業中長期貸款占比的上升并不是真正反映企業信貸需求的好轉（因為沒有量的配合），?實際的情況是企業信貸需求一直在低位，是貸款總量的變動導致了中長期貸款占比的變動。所以分析當前的企業信貸需求，需要將中長期貸款占比、貸款總量、票據利率三個指標合并觀測。當貸款總量、企業中長期貸款占比都上升時（此時往往也伴隨著票據利率的上升），方可指示企業信貸需求回暖（見圖3、圖4、圖5）。

二是對基層經營機構進行高頻調研。對基層進行調研是提前判斷信貸需求最直接的方法之一，其有效性也相對較高。商業銀行可以向轄內的分支機構發放自行設計的關于信貸需求的問卷，并提高調查的頻率，例如每月2—3次，及時把握信貸需求的最新動向。

央行每季度會向各商業銀行發放《銀行家問卷調查》，問卷中包含一項關鍵數據即各行業的信貸需求指數?；乜催^去十幾年的信貸需求指數與中長期貸款占比（見圖6），能夠較為準確地反映全社會的對公信貸需求，也證明了使用問卷調查的方法可以有效地判斷貸款需求。但該問卷調查的頻率可能無法滿足商業銀行日常經營的高頻需求，所以需要商業銀行自行設計更為高頻的調查問卷。

三是緊跟政策鏈條。在房地產下行周期的大背景下，財政支出成為重要的逆周期托底力量，也成為對公信貸需求的重要來源。所以要緊跟政策動向，特別是國家出臺大的增量財政政策、產業政策，財政支出加速的階段，對公信貸需求可能會上行。例如，2022年6月，?國務院常務會議提出設立第一批政策性開發性金融工具3000億元；2022年8月，國務院常務會議提出在第一批的基礎上，再增加3000億元以上額度。兩批金融工具落地后對促信貸需求和促投資的效果非常明顯，2022年8 月至12月，企業貸款增量和企業中長期貸款增量同比雙雙提升，企業中長期貸款占比也保持高位，是企業信貸需求回暖的一個印證。

四是密切觀察企業信用債利率的拐點，并從貸款與信用債替代關系的角度出發，預測信貸需求是否會發生變化。2022年末，隨疫情防控轉段，房地產支持政策密集出臺和資金利率中樞抬升，債券市場發生調整，?銀行理財產品凈值化轉型后收益回撤明顯，引發投資者贖回潮，銀行理財被迫拋售資產導致債券收益率大幅上行，信用債收益率在短短一兩個月內上行了70—120 個基點，取消發行、推遲發行的案例陡然上升。而經過短期急速上行后，信用債的發債利率迅速超過了貸款利率，企業也迅速調整融資策略，轉向銀行貸款。2022年12月至2023年3月，央行口徑下企業貸款月度增量持續保持同比多增，且中長期貸款占比持續保持在高位。

回測2020年二季度至2023年二季度的數據，對企業貸款加權平均利率與3年AA+信用債估值收益率季度均值進行相關性分析，結果顯示，二者的相關系數為0.54（P值小于0.05），有較為顯著的正相關關系。

個人信貸需求的高頻判斷

根據上述對于個人信貸需求來源的分析，判斷個人信貸需求主要有三個渠道。

一是緊盯房地產銷售高頻數據（例如30個大中城市的銷售面積數據、各類二手房交易數據等），可以及時判斷個人按揭的需求，而個人按揭是中長期個人貸款最重要的組成部分。

二是通過月度的社會消費品零售總額增長數據，以及各高頻的銷售數據，及時跟蹤與短期個人貸款高度相關的重點商品和服務品類的銷售情況，據此判斷個人貸款需求。

三是電商的大促銷活動也與短期個貸的增長密切相關。電商大促銷活動的時間安排，也是提前預判短期個人貸款需求的重要前瞻性指標。

商業銀行應通過及時準確研判貸款需求變動的拐點，更好地進行資源配置，從而提升經營質效。從長遠看，商業銀行應緊跟時代大勢進行適應性的調整和轉變，以切實提升服務實體經濟的質效。在我國經濟轉型的過程中，特別是在房地產市場供求關系發生重大變化的新形勢下，對公信貸需求未來大概率將呈現趨勢性回落。信貸需求的回落直接影響商業銀行的凈息差水平。低利率、低息差的環境下，傳統的經營模式、信貸模式、風控模式都會面臨一定的挑戰。商業銀行需要苦練內功，順勢轉型。

一要進行宏觀經濟金融形勢的前瞻性研判。配備專業的團隊持續跟蹤并預判宏觀經濟金融形勢、利率走勢，并根據研判結論合理制定、不斷調整業務發展目標，動態進行資源分配。特別是在經濟、金融、利率的拐點，要及時調整經營策略、定價策略、資產負債策略，穩住息差，切實提升可持續經營的能力，更好地服務實體經濟。

二要緊跟政策導向。在經濟轉型的過程中，財稅、產業等穩增長政策對經濟的托底作用非常重要，沿其鏈條所衍生出來的對公信貸和客戶綜合融資的業務機會值得密切關注。2023年召開的中央金融工作會議提出，要“優化資金供給結構，把更多金融資源用于促進科技創新、先進制造、綠色發展和中小微企業，大力支持實施創新驅動發展戰略、區域協調發展戰略，確保國家糧食和能源安全等”，要“做好科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章”。政策引導支持的重點領域和薄弱環節必將成為商業銀行貸款投放的重點方向。

三要做實行業研究。產業轉型過程中，隨著舊有主導產業的衰落，新的產業正在逐步壯大，并最終會成長為新的主導產業。產業的更替對商業銀行造成挑戰，但也蘊含機遇。商業銀行不能固守在舊有的經驗冊和功勞簿上，而應不斷拓展行業研究的邊界，拓展對新科技、新賽道、新市場的認知深度，利用好行業研究的成果，根據行業、企業成長的階段不同，適配不同類型、不同風險暴露度的融資產品，做到與企業共同成長。

四要大力發展零售信貸業務。成熟經濟體的驅動力中，消費是占比最高的部分，也是經濟最可依賴的內生增長動力之一。隨著共同富裕目標的推進，消費在經濟中占比提升，零售信貸業務的增長空間是非常廣闊的，值得商業銀行持續精耕細作。

五要精進數字化風控手段。隨著全社會數字化程度的提升，可收集利用的數據資源也在不斷積累。當前人工智能領域技術不斷突破，基于大數據和人工智能的風控模型未來大有可為，可能會實質性突破此前由于地域、認知和經驗的限制而設定的能力邊界，這也是商業銀行未來競爭突圍的重點方向。

（本文僅代表作者個人觀點，與所在單位無關）

（作者單位：中信銀行資產負債部，中信銀行博士后科研工作站）

責任編輯：楊生恒