银行不良贷款与贷款总额的比率（百分比）
Bank nonperforming loans to total gross loans (%)
下载数据指标解释
World Bank official description / 世界银行官方说明
The indicator measures the proportion of a deposit taker’s loan portfolio that is impaired or at risk of default. It is calculated as the ratio of non-performing loans (NPLs) to total gross loans, where NPLs are defined as loans that are past due by 90 days or more or are otherwise considered unlikely to be repaid in full without the realization of collateral. Both non-performing loans and total gross loans should be reported at their gross book value, without deducting for loan-loss provisions or collateral. This indicator provides a key measure of asset quality and potential credit risk in the banking system.
可供参考的中文翻译：该指标衡量存款吸收机构贷款组合中受损或存在违约风险的贷款比例。计算方式为不良贷款（NPLs）与贷款总额的比值，其中不良贷款定义为逾期90天及以上的贷款，或其他被认定为不太可能在未实现抵押品情况下全额偿还的贷款。不良贷款和贷款总额均按账面总值报告，不扣除贷款损失准备金或抵押品。该指标提供了银行体系资产质量和潜在信用风险的关键衡量标准。
数据口径与风险提示
- 数据范围和覆盖程度因国家金融监管体系和报告标准差异而存在显著差异
- 不同国家对不良贷款的定义和分类标准可能存在差异，包括逾期天数阈值、重组贷款处理方式等
- 部分发展中国家和小型经济体的数据可能存在报告延迟或不完整问题
- 该指标为比例指标而非绝对规模，不能直接用于评估贷款组合的绝对风险敞口
- 贷款分类的严格程度受监管环境、会计准则和银行风险管理文化影响
- 经济周期波动会影响不良贷款率的时序可比性
- 跨境银行的数据可能存在合并报表与独立报告的统计口径差异
- 数据来源于各国监管机构和央行的报告体系，更新频率可能不一致
中国趋势
中国银行业不良贷款率在2010至2021年间呈现先降后升再稳步回落的趋势。2010年初始值为1.13%，2012年降至最低点0.95%后开始持续上升，于2019年达到峰值1.86%。此后进入下降通道，2021年回落至1.73%。整个观察期内共包含12个年度数据点，最新数据年份为2021年。2010至2021年间不良贷款率累计增长约0.60个百分点，最新值与首年相比约为1.53倍。近期（2020至2021年）变化显示微幅下降约0.02个百分点，表明资产质量管控初见成效。该指标的变动趋势可能反映宏观经济周期波动、企业经营状况变化以及银行信贷风险管理策略调整等多重因素的共同作用。
- 2010年不良贷款率为1.13%，为该时期内较低水平
- 2012年降至0.95%，为整个观察期最低点
- 2014年回升至1.25%
- 2015年上升至1.67%，接近翻倍增长
- 2019年达到峰值1.86%，为观察期内最高水平
- 2021年回落至1.73%，最新数据显示不良率已脱离峰值
- 仅反映不良贷款率比例而非不良贷款绝对金额
- 数值较低时可能反映银行资产质量较好，也可能是贷款分类标准宽松或不良贷款处置政策差异所致
全球趋势
世界银行汇总数据在当前指标中缺乏足够数据点支撑趋势分析。全球层面不良贷款率的分布呈现高度不均衡特征，主要高值国家集中在东欧、中亚、非洲和部分小岛屿国家地区。2023年最新数据显示，乌克兰以37.35%的不良贷款率位居首位，其后依次为乍得31.51%、赤道几内亚31.15%等。这种分布格局可能反映了不同国家经济结构、银行业成熟度、金融监管框架以及历史债务处置传统的差异。
- 2023年最高值为乌克兰37.35%
- 前五名国家不良贷款率均超过20%
- 中高水平国家（5%-10%）包括希腊、塞浦路斯、约旦等
- 多数国家不良贷款率处于较低水平
- 该排名仅为描述性排序，不代表好坏对错的价值判断
- 不同国家数据年份可能存在差异，不宜做严格的同期横向比较
- 统计口径差异可能影响跨国可比性
- 部分小型经济体的极端值可能受样本量影响
每十年变化摘要
| 十年区间 | 中国变化 | 世界变化 | 提示 |
|---|---|---|---|
| 1960-1969 | - | - | 该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。 |
| 1970-1979 | - | - | 该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。 |
| 1980-1989 | - | - | 该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。 |
| 1990-1999 | - | - | 该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。 |
| 2000-2009 | - | - | 该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。 |
| 2010-2019 | 1.6x | - | 该阶段只有中国具备可比变化率，适合先观察本国供需结构变化，不宜直接推断全球差异。 该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。 |
| 2020-2029 | 0.9x | - | 该阶段只有中国具备可比变化率，适合先观察本国供需结构变化，不宜直接推断全球差异。 该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。 |
2023 年全部国家排名
排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。
使用建议、常见误用与研究场景
数值较高通常意味着什么
不良贷款率升高通常意味着贷款组合中受损或高风险资产占比增加，反映借款人偿付能力下降或抵押品价值减损的风险积累，可能预示信用风险上升和资产质量恶化压力。但需注意不同国家不良贷款认定标准差异，以及不良贷款率可能因贷款分类标准趋严而人为升高。
数值较低通常意味着什么
不良贷款率降低通常表示资产质量改善、贷款回收情况好转或新增不良贷款减少，反映银行风险管理能力提升或经济运行环境向好。但低不良贷款率也可能源于宽松的贷款标准、隐匿的不良资产或有效的贷款核销政策，不宜仅凭单一数值判断资产质量真实状况。
鍙ｅ緞闄愬埗
- 该指标为比例指标，无法反映不良贷款的绝对规模变化
- 不同国家监管标准和会计制度差异影响数据可比性
- 逾期90天门槛可能遗漏展期后暂时正常但仍存风险的贷款
- 不良贷款认定受主观判断和银行风险偏好影响较大
- 数据更新频率为年度，存在一定时滞
- 部分国家可能存在统计报告延迟或数据缺失
- 不良贷款率下降可能是真实改善，也可能是核销政策或贷款结构调整所致
- 无法反映表外业务和或有负债中的潜在风险
使用建议
- 使用时需同时考察不良贷款绝对金额和贷款总额规模变化
- 应结合银行资本充足率、拨备覆盖率等指标综合评估资产质量
- 跨国比较时应优先选择统计口径相近的国家样本
- 分析时应关注不良贷款的行业分布和借款人类型结构
- 宜结合宏观经济指标评估经济周期对资产质量的影响
- 考察时应区分不良贷款率变化的不同驱动因素
- 建议结合该国金融监管环境和会计准则理解数据特征
- 使用时应在报告中明确说明数据局限性和解读边界
常见错误用法
错误做法：直接比较中国与邻国不良贷款率数值，得出中国银行体系风险更高的结论
正确做法：在比较前先核实各国不良贷款定义标准是否一致，优先选择统计口径相近的国家，并结合不良贷款绝对金额和贷款规模综合评估
不同国家对逾期期限、重组贷款处理、抵押品价值评估等标准存在差异，直接比较数值可能产生误导性结论
错误做法：将不良贷款率上升简单归因于银行风险管理不善
正确做法：应分析不良贷款率上升背后的具体驱动因素，包括宏观经济环境变化、行业景气度、借款人财务状况以及贷款分类标准调整等
不良贷款率变化受多重因素影响，简单归因可能导致对银行经营状况的错误解读
错误做法：用不良贷款率高低直接评判银行经营好坏
正确做法：应结合银行盈利能力、资本充足率、流动性指标以及业务模式特征综合评估银行整体经营状况
不良贷款率只是资产质量的单一维度指标，低不良贷款率可能伴随其他风险或代价
错误做法：认为不良贷款率越低越好，忽视其下降背后的风险
正确做法：分析不良贷款率下降原因，区分是真实改善还是贷款结构调整、宽松分类标准或集中核销等因素
不良贷款率过度压降可能反映银行在风险识别和确认上过于保守，或通过转移而非化解的方式处理问题资产
实际应用场景
- 银行业系统性风险监测：研究中国银行业系统性风险积累和传导机制时，可将该指标作为被解释变量或风险信号指标，考察其与宏观经济增长、房地产价格波动、企业杠杆率等变量的联动关系 被解释变量 建议使用时结合不良贷款生成率和处置率拆解分析，关注不良贷款率变化的结构性成因，而非仅看期末余额
- 国际银行业资产质量比较研究：进行跨国银行效率或稳定性比较时，可将该指标作为核心控制变量或比较基准，考察不同国家银行体系的资产质量差异及影响因素 比较变量 需对样本国家进行分类处理，将统计口径差异作为控制因素，可考虑使用监管一致性指数进行加权调整
- 货币政策传导效果评估：评估货币政策通过银行信贷渠道对实体经济的传导效果时，可将该指标作为中间目标变量或传导机制变量，考察宽松或紧缩政策对银行贷款质量的影响 机制变量 应注意识别货币政策影响银行资产质量的时滞效应，可构建向量自回归模型分析变量间的动态关系
- 金融稳定与经济增长关系检验：实证检验金融体系稳定性对经济增长质量的影响时，可将该指标作为金融稳定的核心代理变量，考察其与GDP增速、投资效率、产业结构升级等变量的因果关系 解释变量 需处理内生性问题，建议使用工具变量法或自然实验设计，同时关注金融稳定对经济影响的非线性特征
银行不良贷款与贷款总额的比率（百分比）常见问题
中国银行不良贷款率多少算正常范围
中国银行业不良贷款率并无统一的"正常"标准，2010至2021年间该指标波动于0.95%至1.86%之间。不同时期的合理区间受经济周期、信贷政策、行业特征等多因素影响。建议将该指标与同类银行或行业均值比较，同时结合资本充足率、拨备覆盖率等指标综合判断。
不良贷款率2%意味着什么
不良贷款率2%表示每100元贷款中有2元为逾期90天以上或难以回收的高风险贷款。这一比例属于中等偏上水平，提示银行资产质量存在一定压力。但具体含义还需结合贷款总额、不良贷款余额变化趋势、行业分布以及银行自身风险承受能力综合解读。
中国的不良贷款率为什么比发达国家高
中国不良贷款率相对较高可能与多方面因素相关：信贷快速增长阶段的风险暴露滞后效应、贷款分类标准的相对审慎、不良贷款认定门槛的差异、以及银行风险文化和管理模式差异等。同时也要注意统计口径差异，不宜简单做跨国直接比较。
不良贷款率下降说明什么
不良贷款率下降可能反映三种情况：资产质量真实改善（新增不良减少或回收增加）、风险识别标准松动（部分问题贷款未被确认）、或集中核销处置（通过拨备核销或资产转让方式出表。需结合不良贷款余额变化、核销规模和新增贷款质量综合判断下降的真实原因。
下载数据
免费获取世界银行WDI完整数据集，包含银行不良贷款与贷款总额的比率（百分比）等所有指标，支持按国家、指标或主题下载CSV、Excel和XML格式数据。
下载数据