公文素材库 首页

基层银行不良贷款清收中的问题及对策

时间:2019-05-29 12:20:35 网站:公文素材库

基层银行不良贷款清收中的问题及对策

基层银行不良贷款清收中存在的问题及对策

不良贷款居高不下,不仅制约着基层银行的生存和发展,而且也影响到银行对农村经济活动的信贷再投能力,而盘活不良贷款的困难重重,又是让当前银行各级行都感到头疼的突出问题。笔者所在的*行,尽管每年都要投入大量的人力、物力、财力等清收盘活不良贷款,但相对于全行*亿元的不良贷款,收效甚微。因此,深入地剖析清收不良贷款难的原因,对症下药,进行综合治理,便成为摆在当前基层银行面前迫在眉睫的严峻课题。那么,清收不良贷款缘何难呢?根据笔者多年的观察和体验认为,不仅有贷户拖欠赖债的原因,更有银行自身管理存在的弊端及社会信用环境差等诸多问题。

──封建残余思想根深蒂固,为清收设下“层峦叠障”。由于受政治、经济体制的影响以及社会思想根源的长期积淀,一些贷户总觉得在集体或国家的大锅里舀饭吃理直气壮,天经地义。于是,便认为贷款是国家的钱,能拖则拖,能赖则赖。更有的靠“耍赖皮”过活,无钱靠“东西”跑套取贷款,有钱则在布置安乐窝上胡思乱想,而对还贷款却熟视无睹。笔者曾遇到不少这样的贷户:高楼大厦住着,鸡鸭鱼肉吃着,手机用着,汽车坐着,潇洒自在,游哉悠哉,而贷款一催再催却久拖不还,或兜圈子,或耍嘴皮,或瞪眼睛,颇令催收人员困惑不堪。个别甚至对信贷人员大打出手,表现出十足的流氓意识。

──还款困难的贷款户,索性“破罐子破摔”,使清收进退维谷。有些贷户负债累累,家徒四壁,反正“面朝黄土背朝天”,一滴汗水摔八瓣挣点钱还贷款也杯水车薪。不如挣了花了心安理得,“虱多不

咬,帐多不愁!”也有些贷户还贷款无能为力,清收人员的“难听话”听多了,便不耐烦了,索性“豁出去”算了,贷款者成千上万,又不止我一人,反正法不责众,我无钱你无法,动用家产也好,依法起诉也罢,只要你讨不回债,我受点委屈或遭点冷遇也“划算”。

──“贷款难”使一些贷户还贷款顾虑重重,使清收雪上加霜。时下“贷款难”的呼声日趋高涨,银行从贷款的安全性、流动性、效益性方面考虑,发放贷款时往往把关严格,谨小慎微,一些贷户“求爷爷告奶奶”求得贷款后,为免遭再度求贷的难题,即使能归还贷款也顾虑重重,犹豫再三。虽然贷款利息让一些贷户“包袱”沉重,他们也心甘情愿。一位个体企业老板曾直言不讳地告诉笔者:不是我们不愿归还贷款,只是贷款归还了,“求爷爷告奶奶”是否还能贷出款来?贷不出款,生产资金就难以为继,企业就要面临“半死不活”和破产倒闭,“贷款难”让我们害怕啊!

──“执行难”是不争的事实,使清收“四面楚歌”。一方面在贷款管理中,由于法制不健全和不完善,造成某些方面无法可依,执法部门由于对某些问题感到棘手,又无规可循,往往退避三舍。另一方面,有法不依、有法难依的现象更为严重,尽管《经济合同法》、《借款合同法》、《企业破产法》等法律法规早已颁布实施,但执行起来仍困难重重,执行部门在处理经济(贷款)案件中,由于人情的、行政的和经济利益等原因,执行起来,弹性较大。加之不少贷款依法起诉后,有些虽“赢了官司”,但诉讼成本较高,银行得不偿失;有些虽也判银行“有理”,但却未能执行回任何资产和现金,还使银行

“得罪”了贷户,为此,银行有苦难言,慢慢地对依法起诉感到厌倦。近年来,银行依法起诉了不少贷款,但真正强制收回的却微乎其微,更多的不良贷款则“棚架”、“悬空”,将盘活清收推向尴尬境地。找贷户,贷户因银行将其推向法庭愤愤不平,哪愿积极归还陈欠;找法院,法院以已判决而一推而之。有些不良贷款虽被执法部门强制收回了,但由于多方面原因致使款项长期到不了银行帐上,足见“执行难”之一斑。

不良贷款居高不下,不仅严重制约着银行的信贷再投能力及资金效益,而且也妨碍到银行的生存和发展。那么,基层银行面对不良贷款清收困难的原因,怎样采取行之有效的措施,努力降低不良贷款呢?

一、分类施策,多策并举,是盘活清收不良贷款的首要方法。不良贷款形成情况复杂,原因各异,必须认真分析每笔不良贷款形成的成因,抓住症结,对症下药。对赖债户,钉子户,可通过依法起诉,强制清收;对棘手户、难缠户,可通过行政、经济的、法律的等手段多策并举,扫除障碍;对老村组集体贷款和死亡绝户贷款,通过地方政府和村委会能落实的,想方设法予以落实,无法落实的,进入呆帐,逐级报批核销;对找不到借款人的,可列为“黑名单”,通过公安机关或上网查找,搜集线索,捕捉信息,不留清收盘活“遗忘角落”;对一些一时难以归还的,可通过充电、供氧、补血等,以贷养贷,增强“造血”功能,培养还贷能力;对行政干预贷款,可通过加强同地方政府、社会各部门的联系,磋商协调,千方百计为盘活不良贷款打

开“突破口”。

二、金融联手,多方制裁,是清收盘活不良贷款的重要方法。许多贷款户想方设法逃避债务,是清收不良贷款的一大障碍。对此,基层银行一方面要同各金融机构联起手来,建立逃废债务单位档案,定期进行监督,通过金融债权管理工作联席会议,确定逃废债及恶意欠息者名单,向社会公开“曝光”,并采取停放贷款、冻结帐户等联合制裁措施。另一方面,要加强同地方政府、社会各部门的联系沟通,使他们联合起来,通过种种手段,落实银行的债权。能通过兼并、重组、分立等方式盘活的,可通过转化,化解风险;能通过法律制裁盘活的,强制收回;能通过租赁、出租、承包或拍卖等方式清收盘活的,加快处置步伐;对一些贷款欠息大户或多头贷款户,可实行清收人员蹲点跟踪,促其还贷,从而维护银行的合法权益,确保银行信贷资产不受损失。

三、关心支持,全力配合,是清收盘活不良贷款的不容忽视的方法。清收盘活工作涉及面广、情况复杂,仅靠银行一家去唱“独角戏”,显然孤掌难鸣,力不从心。为此,社会各部门要关心重视银行清收盘活工作,密切配合,通力协作,才能使盘活清收工作取得突破性进展。一是要加强同地方党政部门的联系,通过沟通协商,使他们主动过问自己经手、担保或辖内企业、个人形成的不良贷款;二是要积极同公、检、法、司、工商、税务等部门搞好关系,千方百计为银行盘活不良贷款提供极大“便利”;三是银行自身要搞好资产保全和“门前清”工作。对手续不合规、不完善贷款,应尽快健全手续,保全资产,避

免诉讼时效丧失;对银行职工自贷、担保或为亲属、朋友介绍、担保发放的人情、关系、跨区、顶名等贷款,调查摸底,登记造册,采取联系工资、离岗收贷、行政处分、解除劳动合同、追究法律责任等措施,限期收回;四是健全金融法律管理体系,组建金融法庭,为清收盘活工作开辟“通道”,以维护基层银行的合法权益。

四、严格管理,绩效论酬,是清收盘活不良贷款行之有效的方法。一方面,严把贷款投放关,通过择优扶持,寻找新的经济增长点,从源头上控制不良贷款,新形成的不良贷款,根据调查、审查、审批人员的责任,严格责任追究,坚决推行风险贷款赔偿制度,不心慈手软,不留情面;另一方面,建立降低不良贷款激励约束机制,给清收人员分配降低不良贷款的目标任务,建立新老划断、余额和占比三项考核,并推行任务完成优劣与个人收入直接挂钩的激励机制,按月考核,奖优罚劣;对连续三个月完不成清收盘活任务的,亮出“黄牌”,对连续半年完不成任务的,给其“断奶”,对清收盘活进展缓慢或收效甚微的,予以下岗辞退,从而调动清收人员的盘活清收积极性和创造力。

扩展阅读:银行不良贷款问题

选题:论文名称:学院:参赛组别:组员:电话:电子邮箱:提交日期:

乐山师范学院201*年数学建模竞赛论文

B题银行不良贷款问题

数信学院学院专科组魏仙(09级)_________________

罗秀玲(09级)___________________高敏(09级)______________

15228188993308856417@qq.com201*.5.

银行不良贷款问题

摘要

不良贷款率高,最大的危害是影响银行对经济的支持能力。中国的银行对贷款极其谨慎小心,就是因为不良贷款太多,影响了银行放款能力。如果靠发行基础货币来解决不良贷款问题,容易引发通货膨胀。如果对之掉以轻心,不良贷款的大量发生还会诱发社会道德风险,如果加大处理不良贷款的力度又可能会引起企业连锁倒闭破产,增加财政风险和社会危机。为了解决以上问题,所以银行必须制定良好的方案。

本文通过分析不良贷款与各项贷款余额,本年累计应收贷款,贷款项目,本年固定资产投资额之间在自然现象中普遍存在相关关系,我们将用回归分析处理变量之间的相关关系,根据初步的作图分析,不良贷款受几个影响因素主次难以区分,这时采用一元回归分析预测法进行预测是难以奏效的,我们需要采用多元回归分析预测法。多元线性回归预测首先是不良因素与其有关影响因素之间线性关系的数学模型。然后通过对各影响因素未来值的预测推算出不良贷款的预测值。

对于问题一、我们利用题中某银行一年贷款主要业务数据(附表6),根据表中数据分别用Excel作出不良贷款与各项贷款余额,本年累计应收贷款,贷款项目,本年固定资产投资额散点图(附图1,2,3,4),根据图和专业知识可得他们之间存在不确定的相关关系,所以对于问题一要讨论不良贷款与几个影响因素之间的相关关系,建立多元线性回归模型,利用Matlab编程确定回归系数(b0,b1,b2,b3,b4),以及R和F的值,由F分布表

2查得F0.05(1,25)=4.24,由于F=22.6335>F0.05(1,25),说明回归方程的线性回归效果显著,确定回归方程模型(1),然后通过逐步对回归系数进行检验得出自变量(x3)对因变量y的影响比较小,考虑剔除自变量(x3),得到最优回归方程,建立模型(2)。再通过最优回归方程对题目中某银行一年贷款主要业务数据进行预测,预测值y与数据中不良贷款数据基本符合,说明此模型具有一定的实用性。

对于问题二是在问题一的基础上,根据问题一建立的模型可知对不良贷款的影响不大的是贷款项目。可以知道哪些因素对降低不良贷款有促进作用或抑制作用,从而给出建议。

经检验,本文的模型简单易懂,具有很强的推广性和可行性,对于控制不良贷款的发生额有较强的控制性。

关键字:银行不良贷款多元线性回归逐步回归法最优回归方程

一、问题提出

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。近年

来,银行贷款额平稳增长,但不良贷款也有较大比例的提高,给银行贷款业务的发展带来较大压力。请您:

1.利用网络等收集有关数据资料,建立合适的数学模型帮助银行控制不良贷款的发生金额;

2.不良贷款是多方面因素造成的,银行希望利用自己业务的有关数据做些定量分析,以便找出控制不良贷款的办法。下表是某商业银行25家分行一年的主要业务数据:见图6

二、问题分析

控制银行不良贷款的发生金额问题;是在着重考虑不良贷款与各项贷款余额,本年累计应收贷款,贷款项目,本年固定资产投资额之间是否存在着必要的联系的基础上建立模型。

对于问题一,首先根据图6作出散点图(见附表图1、2、3、4)帮助分析,结合散点图与用Excel计算出的相关系数(见附表5)分析的结果中,建立不良贷款多元线性回归模型(1)。从而得出上面四个因素与不良贷款金额之间存在的线性关系。又因银行要控制不良贷款金额,我们应该找出对他影响不大的因素,从而银行可以适当的调节贷款主要业务,控制或减少不良贷款的金额,进而使银行损失减到最小,通过观察置信区间是否包含零点,考虑利用逐步回归法剔出对不良贷款影响较小的变量,由此建立模型(2)得到最优回归方程,以获得较精确的结果。从而得出控制不良贷款金额的有效办法。

对于问题二,根据一建立的模型,已经得出四个自变量中哪一个对不良贷款金额影响较小,那么银行就可以适当考虑对四个业务的重新分配问题,进而使银行的损失降到最小。

三、模型假设

1、假设题目给定的数据具有代表性和现实性,可以作为模型计算的依据。2、假设不良贷款与各项贷款余额、本年累计应收贷款、贷款项目、本年固定资产投资额存在线性函数关系。

3、假设不良贷款是随机变量服从均值为零的正态分布。

四、符号说明

Y:不良贷款为研究指标;

x:各项贷款余额;

1x:本年累计应收贷款;

2x:贷款项目;

3

x:本年固定资产投资额分别为自变量.;

4b,b,b,b,b01234:回归系数;

F:统计量值(F0.05(1,25)=4.24);

R

2:回归方程的决定系数;

p:统计量对应的概率值

五、模型的建立与求解

1、据图分析y与x1和x2的关系,利用表中的数据分别作出他们之间的散点图(见图1、2)从图1、2可以发现,随着x1、x2,的增加,y值有明显的增长趋势。利用Excel计算出相关系数(见表5),由图可知x1,x2,x3,x4与y的相关系数r≠0,根据相关系数的取值范围及意义,则可说明它们与y存在线性相关系,从而建立如下线性回归模型:

Y=b0b1x1b2x2b3x3b4x4(1)

~N(0,)

直接利用Matlab统计工具箱中的命令regress求解,相关程序见(附表6)得出结果建立表格如下;

参数参数估计值参数置信区间-1.3299[-2.85740.1977]b02b10.02860.2174-0.0167-0.0005R2=0.8191F=22.6335p

六、结果分析

由表得出线性回归方程Y=-1.3299+0.0286x1+0.2174x2

-0.0167x3-0.0005x4,成立。表中数据显示,R=0.8191指因变量y(不良贷

2款)的81.91%可由模型确定,F=22.6335》F0.05(1,25)=4.24,p

由上表的回归系数中b0=-1.3299,b1=0.0286,b2=0.2174,b3=-0.0167,

b4=-0.0005检查他们的置信区间可知,只有b3的置信区间包含0点,由附

表(去掉x3的)知变量x3(对因变量y的影响)不是太显著的,则考虑经过筛选变量x3这一过程(逐步回归法)建立最优回归方程:

yb0b1x1b2x2b4x4。(2)

直接利用Matlab统计工具箱中的命令regress求解剔除变量x3的相关程序见(附表7),得出结果建立表格如下;参数参数估计值参数置信区间[-2.7511-0.0576][0.01510.0394]b0b1b2b4-1.40400.02720.2160-0.0005R2=0.8185F=31.5774p22.6335》p

八、模型优缺点评价

1、对于模型(1)的结果可知,不良贷款与各项贷款余额、本年累计应收贷款、贷款项目、本年固定资产投资额都存在着一定的联系,但是其中有些项目与不良贷款的联系并不明显,因此银行在控制不良贷款金额方面没有确切的方法。

2对模型(2)信预测区间与模型(1)的结果相比,区间长度明显缩小,F比模型1大大提高,表明回归直线对样本数据点的拟合程度很高,说明回归方程线性回归显著。由此可以看出投资项目对不良贷款的影响不显著,则银行可以根据模型二制定控制不良贷款的方案。

给银行的建议

根据模型(1)和模型(2)所得不良贷款余额与各项贷款余额、本年累计应收贷款、贷款项目、本年固定资产投资额的线性回归方程显示,其变量前系数为负时,说明自变量对降低不良贷款余额均有正向促进作用,其变量前系数为正时,说明自变量对降低不良贷款余额均有负向抑制作用,由模型可知,其中各项贷款余额、本年累计应收贷款、本年固定资产投资额的增加对降低商业银行不良贷款都有影响,但贷款项目对其影响不显著,因此,为了发展经济、保持经济持续稳定增长,银行应该增加贷款项目,同时扩大对固定资产的投资,保持各项贷款余额、本年累计应收贷款的稳定,从而间接降低商业银行的不良贷款余额。

九参考文献

[1]廖铨生,概率与统计,上海:华东师范大学出版社,201*.5

[2]姜启元,数学建模与数学实验,北京:高等教育出版社,201*.8[3]付鹏,数学实验,北京:科学出版社,201*

400.0350.0300.0贷款余额250.0200.0150.0100.050.00.00.05.0不良贷款10.015.0

系列1图表1

30.025.0累计应收贷款20.015.010.05.00.00.02.04.06.08.010.012.014.0不良贷款系列1

图表2

40.035.030.0贷款项目个数25.020.015.010.05.00.00.02.04.06.08.010.012.014.0不良贷款系列1

图表3

180.0160.0140.0120.0100.080.060.040.020.00.00.02.04.06.08.0不良贷款10.012.014.0系列1固定资产投资额

图表4

用Excel计算x1,x2,x3,x4与y的相关系数矩阵如下:

图表5

分行不良贷款各项贷款余额本年累计应收贷贷款项目编号(亿元)Y(亿元)X1款(亿元)X2个数X3123456789101112131415

本年固定资产投资额(亿元)X451.9903973.714.563.22.220.243.855.964.342.776.722.8117.1146.70.91.14.83.27.82.71.612.512.60.340.83.510.267.3111.317380.8199.716.2107.4185.496.172.864.2132.258.6174.6263.510

6.819.87.77.216.52.210.727.11.79.12.111.2612.715.651617101911718101411231426

1617181920212223242530.20.416.811.61.61.27.23.279.314.873.524.7139.4368.295.7109.6196.2102.28.90.65.957.216.83.810.315.81215211428321014161029.942.125.313.464.3163.944.567.939.797.1图表6

Matlab计算模型(1)程序:>>x1=[0.963.76.8551.9;1.1111.319.8169039;4.81737.71773.7;3.280.87.21014.5;7.8199.716.51963.2;2.716.22.212.2;1.6107.410.71720.2;12.5185.427.11843.8;196.11.71055.9;2.672.89.11464.3;0.364.22.11176.7;4132.211.22376.7;0.858.661422.8;

3.5117.412.726117.1;10.2263.515.634146.7;379.38.91529.9;0.214.80.6242.1;0.473.55.91125.3;124.75413.4;

6.8139.47.22864.3;11.6368.216.832163.9;1.695.73.81044.5;1.2109.215.81639.7;7.2196.215.81639.7;3.2102.2121097.1];

>>X=[ones(size(x1(:,1))),x1(:,2:5)];Y=x1(:,1);

[b,brint,r,rint,stats]=regress(Y,X,0.05)b=

-1.32990.02860.2174-0.0167-0.0005

brint=

-2.85740.01120.0538-0.1633-0.0010r=

-0.96200.0115-0.17590.82500.17373.1054-2.17772.9513-0.59520.1345-0.4407-0.4663-0.6068-0.79691.23750.39021.0313-1.46070.60923.0744-0.6466-0.4465-3.7446-0.2365-0.7877

0.19770.04610.38110.1298-0.0001

rint=

-4.32462.4006-0.03530.0583-3.54823.1964-2.64804.2980-3.19693.54440.16166.0492-5.50401.14860.92354.9792-3.89722.7067-3.32483.5937-3.83452.9530-3.83622.9036-4.01792.8043-3.86832.2746-1.81374.2888-3.06853.8490-2.22854.2912-4.88331.9619-2.76503.98350.43105.7178-2.98351.6904-3.85012.9572-6.5527-0.9366-3.53563.0626-4.19242.6170

stats=

0.819122.63350.0000去掉x3的程序:

x1=[0.963.76.851.9;1.1111.319.89039;4.81737.773.7;3.280.87.214.5;7.8199.716.563.2;2.716.22.22.2;1.6107.410.720.2;12.5185.427.143.8;196.11.755.9;

2.828513

2.672.89.164.3;0.364.22.176.7;4132.211.276.7;0.858.6622.8;

3.5117.412.7117.1;10.2263.515.6146.7;379.38.929.9;0.214.80.642.1;0.473.55.925.3;124.7513.4;6.8139.47.264.3;11.6368.216.8163.9;1.695.73.844.5;1.2109.215.839.7;7.2196.215.839.7;3.2102.21297.1];

>>y=[0.91.14.83.27.82.71.612.512.60.340.83.510.230.20.416.811.61.61.27.23.2];X=x1(:,2:5);y=x1(:,1);Stepwise(X,y,[1,2,4],0.05)

CoefficientswithErrorBarsX1Coeff.t-statp-val0.03908754.78170.0001X20.1167451.52680.1417X30.01806120.21810.8296X4-0.100.10.20.3-0.0179954-1.35310.1904ModelHistory32101RMSE

图表7

CoefficientswithErrorBarsX1Coeff.t-statp-val0.02864243.4201*.0027X20.3353073.87360.0009X30.1512982.45280.0230X400.10.20.30.40.5-0.000700421-2.76410.0116ModelHistory43211RMSE

图表8

CoefficientswithErrorBarsX1Coeff.t-statp-val0.03884374.49670.0002X20.2174462.77230.0118X3-0.00142257-0.01770.9861X4-0.2-0.100.10.20.30.4-0.000279167-1.26970.2181ModelHistory32101RMSE

图表9

CoefficientswithErrorBarsX1Coeff.t-statp-val0.03352483.67840.0014X20.132911.67730.1083X3-0.0211015-0.26860.7909X4-0.2-0.100.10.20.3-0.000531827-2.50780.0209ModelHistory32101RMSE

图表10

CoefficientswithErrorBarsX1Coeff.t-statp-val0.02724674.65780.0001X20.4629446.03900.0000X30.1512982.45280.0230X400.10.20.30.40.50.6-0.000823649-2.99260.0067ModelHistory43211RMSE

图表11

CoefficientswithErrorBarsX1Coeff.t-statp-val0.03352483.67840.0014X20.2455842.68220.0136X30.1851012.68330.0136X400.10.20.30.4-0.000700421-2.76410.0116ModelHistory43211RMSE

图表12

模型(2)程序

x1=[0.963.76.851.9;1.1111.319.89039;4.81737.773.7;3.280.87.214.5;7.8199.716.563.2;2.716.22.22.2;1.6107.410.720.2;12.5185.427.143.8;196.11.755.9;2.672.89.164.3;0.364.22.176.7;4132.211.276.7;0.858.6622.8;

3.5117.412.7117.1;10.2263.515.6146.7;379.38.929.9;0.214.80.642.1;0.473.55.925.3;124.7513.4;6.8139.47.264.3;11.6368.216.8163.9;1.695.73.844.5;

17

1.2109.215.839.7;7.2196.215.839.7;3.2102.21297.1];

X=[ones(size(x1(:,1))),x1(:,2:4)];Y=x1(:,1);

[b,brint,r,rint,stats]=regress(Y,X,0.05)b=

-1.40400.02720.2160-0.0005

brint=

-2.75110.01510.0571-0.0010r=

-0.87250.0136-0.13340.85520.23303.1887-2.22243.0229-0.55170.0894-0.4579-0.5760-0.6763-0.97521.13350.33711.0937-1.45940.6583

-0.05700.03940.3749-0.00012.8851-0.5692-0.4004-3.7626-0.1330-0.7205

rint=

-4.2421-0.0355-3.4363-2.5330-3.08680.2512-5.47670.9740-3.7889-3.3001-3.7632-3.9890-4.0479-4.3359-1.9804-3.0616-2.1206-4.7902-2.6511-0.2137-2.9460-3.7381-6.4958-3.4696-4.0886

stats=

0.8185

2.49710.06283.16964.24353.55276.12611.03185.07182.68553.47882.84752.83692.69532.38554.24743.73594.30791.87153.96775.98391.80762.9372-1.02933.20362.647531.5774

0.00002.701519

友情提示:本文中关于《基层银行不良贷款清收中的问题及对策》给出的范例仅供您参考拓展思维使用,基层银行不良贷款清收中的问题及对策:该篇文章建议您自主创作。

  来源:网络整理 免责声明:本文仅限学习分享,如产生版权问题,请联系我们及时删除。


基层银行不良贷款清收中的问题及对策
由互联网用户整理提供,转载分享请保留原作者信息,谢谢!
http://m.bsmz.net/gongwen/698448.html
相关阅读
最近更新
推荐专题