徐春紅，路正南

(江蘇大學(xué)a.財經(jīng)學(xué)院；b.工商管理學(xué)院，江蘇 鎮(zhèn)江 212013)

席卷全球的金融風(fēng)暴使銀行業(yè)遭遇重創(chuàng)，讓全球各商業(yè)銀行意識到了風(fēng)險管理的重要性。信用風(fēng)險是目前我國商業(yè)銀行的主要風(fēng)險，對信用風(fēng)險進(jìn)行有效管理將直接關(guān)系到商業(yè)銀行的經(jīng)營業(yè)績，甚至生死存亡并將影響我國整個金融體系的穩(wěn)定。信用風(fēng)險識別是信用風(fēng)險管理的基礎(chǔ)和關(guān)鍵環(huán)節(jié)，國外商業(yè)銀行的信用風(fēng)險識別技術(shù)得到了飛速發(fā)展，由于存在數(shù)據(jù)和人才的瓶頸制約，國外成熟和先進(jìn)的模型并不能直接在中國運用。目前，我國商業(yè)銀行信用風(fēng)險的識別仍以定性分析為主，難以適應(yīng)現(xiàn)代商業(yè)銀行全面和動態(tài)風(fēng)險管理的需要。構(gòu)建適合我國的信用風(fēng)險識別模型，提高商業(yè)銀行信用風(fēng)險識別水平成為我國金融界一個最為緊迫的研究課題。

1 研究方法、樣本與指標(biāo)

Logistic回歸采用最大似然估計法進(jìn)行參數(shù)估計，不要求樣本數(shù)據(jù)呈正態(tài)分布，不要求變量服從協(xié)方差矩陣，這與現(xiàn)實中我國信用數(shù)據(jù)的真實情況相吻合。但Logistic回歸法要求各個變量相互獨立，而我國的信用數(shù)據(jù)具有高相關(guān)性和高維性，各個變量之間存在一定程度的線性依存關(guān)系即多重共線性,這會增加估計參數(shù)的均方誤差和標(biāo)準(zhǔn)誤,引起Logistic回歸模型擬合上的不合理，需要設(shè)法加以消除。

特別處理（ST）是經(jīng)營很差或經(jīng)營中出現(xiàn)重大問題的上市公司向市場所傳達(dá)的一種信號，上市公司被ST后會大大加大貸款銀行的風(fēng)險。我國上市公司被ST的原因包括財務(wù)狀況異常和其他狀況異常兩種，后者具有較大的不確定性，難以預(yù)測，故本文以滬、深A(yù)股市場2007年因財務(wù)狀況異常被ST的40家上市公司和隨機抽選的40家非ST公司作為訓(xùn)練樣本，以滬A股市場2008年上半年因財務(wù)狀況異常被ST的15家上市公司和隨機抽選的15家非ST公司作為測試樣本，模型樣本總計為110家上市公司。ST企業(yè)被視為是高信用風(fēng)險企業(yè)，將其定義為0；非ST企業(yè)被視為是低信用風(fēng)險企業(yè)，將其定義為1。

在借鑒了國內(nèi)外研究成果和穆迪、標(biāo)準(zhǔn)普爾等公司資信評級指標(biāo)體系后，本次采用涵蓋上市公司盈利性、流動性、償債能力、資產(chǎn)管理效率和成長性等方面的10個財務(wù)指標(biāo)，分別是資產(chǎn)收益率X1、主營業(yè)務(wù)利潤率X2、流動比率X3、速動比率X4、資產(chǎn)負(fù)債率X5、總資產(chǎn)周轉(zhuǎn)率X6、應(yīng)收賬款周轉(zhuǎn)率X7、主營業(yè)務(wù)收入增長率X8、凈利潤增長率X9和股東權(quán)益比率X10。訓(xùn)練樣本采用2006年末數(shù)據(jù)，測試樣本為2007年末數(shù)據(jù)，數(shù)據(jù)來自于上市公司的資產(chǎn)負(fù)債表、利潤分配表和現(xiàn)金流量表。

2 模型的構(gòu)建與實證分析

2.1 普通Logistic識別模型

（1）模型的建立

以80個訓(xùn)練樣本為基礎(chǔ)，運用SPSS13.0統(tǒng)計軟件對10個指標(biāo)的數(shù)據(jù)進(jìn)行普通Logistic回歸，本模型選擇Forward:LR，即逐步向前回歸法，以消除多重共線性，普通Logistic回歸方程為：

采用上式，引入商業(yè)銀行貸款企業(yè)的財務(wù)數(shù)據(jù)，可以預(yù)測其信用風(fēng)險狀況。判別的標(biāo)準(zhǔn)是：P值大于0.5的企業(yè)被判定為低風(fēng)險類企業(yè)；反之則歸入高風(fēng)險類企業(yè)。

（2）模型的檢驗與測試

誤判分為兩類：第一類誤判稱為“拒真”，將高信用風(fēng)險企業(yè)誤判為低信用風(fēng)險企業(yè)；第二類誤判稱為“納偽”，將低信用風(fēng)險企業(yè)誤判為高信用風(fēng)險企業(yè)。第二類誤判只會使銀行損失一定的收益，而第一類誤判會使商業(yè)銀行因無法收回貸款而面臨重大損失，因此，第一類誤判的代價要高得多。

普通Logistic模型的檢驗與測試結(jié)果見表1，基于普通方法對訓(xùn)練樣本進(jìn)行回代檢驗，模型的總誤判率為5%，其中第一類誤判率為7.5%，第二類誤判率為2.5%。模型對測試樣本進(jìn)行預(yù)測的總誤判率為16.7%，其中第一類誤判率為20%，第二類誤判率為13.3%?？梢?，訓(xùn)練樣本和測試樣本的第一類誤判率都要高于第二類誤判率，而且模型對測試樣本的預(yù)測準(zhǔn)確率大大低于對訓(xùn)練樣本的回代識別準(zhǔn)確率，說明模型的穩(wěn)定性相對不足。究其原因，我們發(fā)現(xiàn)10個指標(biāo)中進(jìn)入模型的只有2個，分別是凈資產(chǎn)收益率X1和主營業(yè)務(wù)利潤率X2。因此，逐步回歸法在消除多重共線性的同時，數(shù)據(jù)和信息丟失嚴(yán)重，影響了模型的穩(wěn)定性和預(yù)測能力。

表1 普通Logistic模型的檢驗與測試結(jié)果

2.2 主成分Logistic混合識別模型

（1）主成分分析

表2 主成分分析的總方差解釋

以80個訓(xùn)練樣本為基礎(chǔ)進(jìn)行主成分分析，本文采用主成分對應(yīng)的特征值大于1，前m個主成分的累計方差貢獻(xiàn)率不低于85%的標(biāo)準(zhǔn)提取主成分（見表2）?；谝陨蠘?biāo)準(zhǔn)，從10個財務(wù)指標(biāo)中提取了4個主成分，即m=4，依次為Y1、Y2、Y3和Y4，它們的累計方差貢獻(xiàn)率為85.708%，包含了原始財務(wù)指標(biāo)中的大部分信息。

（2）模型的建立

將上文主成分分析得到的四個主成分進(jìn)行Logistic回歸，本模型選擇enter，即強迫引入法，全部被選變量一次性進(jìn)入回歸模型，根據(jù)回歸結(jié)果，主成分Logistic回歸方程為：

同樣，p值大于0.5的企業(yè)被判定低風(fēng)險類企業(yè)；反之，則歸入高風(fēng)險類。

（3）模型的檢驗與測試

主成分Logistic模型的檢驗與測試結(jié)果見表3，模型對訓(xùn)練樣本進(jìn)行回代檢驗的總誤判率為12.5%，其中第一類誤判率為12.5%，第二類誤判率也為12.5%。模型對測試樣本進(jìn)行預(yù)測的總誤判率13.3%，其中第一類誤判率為0，第二類誤判率為26.7%。主成分Logistic模型對訓(xùn)練樣本和測試樣本的識別結(jié)果基本一致，且第一類誤判率都不高于第二類誤判率，模型比較穩(wěn)定，推廣能力強。

2.3 結(jié)論

Logistic回歸分析的許多假設(shè)比較符合信用數(shù)據(jù)的分布規(guī)律，這使得該模型的識別準(zhǔn)確率較高。我國的信用數(shù)據(jù)具有高相關(guān)性和高維性等特點，以主成分分析得到的主成分作為Logistic回歸的解釋變量而構(gòu)建的主成分Logistic混合識別模型，有效地解決了多重共線性問題，較好地保留了原始數(shù)據(jù)信息，提高了模型的穩(wěn)定性，降低了誤判率，尤其是第一類誤判率。因此，主成分Logistic混合識別模型不僅精度高，而且穩(wěn)定性好，是現(xiàn)階段對我國商業(yè)銀行信用風(fēng)險進(jìn)行量化識別的一個有效手段。

表3 主成分Logistic模型的檢驗與測試結(jié)果

3 政策建議

（1）加強信用風(fēng)險識別模型的研究和開發(fā)。定量化、模型化代表了信用風(fēng)險識別未來的發(fā)展方向，中國銀行業(yè)應(yīng)順應(yīng)這種趨勢。我國商業(yè)銀行應(yīng)加強對國外先進(jìn)信用風(fēng)險識別模型的研究，掌握其構(gòu)建的思路和方法，結(jié)合我國實際情況，對有關(guān)模型進(jìn)行改進(jìn)，或開發(fā)新模型。我國信用風(fēng)險識別模型的開發(fā)應(yīng)注意如下幾點：一是堅持先易后難的原則。技術(shù)從落后到先進(jìn)不可能實現(xiàn)一步式跨越，會有一個很長的過渡期，不能操之過急。目前可從建立傳統(tǒng)的小規(guī)模模型開始，對于其他復(fù)雜的先進(jìn)模型，可以先做前期研究工作，并積累資料，再逐步應(yīng)用。二是注重模型的科學(xué)性。模型的設(shè)計要根植于商業(yè)銀行的實踐，商業(yè)銀行在設(shè)有獨立的信用風(fēng)險識別模型開發(fā)團(tuán)隊的同時，應(yīng)邀請經(jīng)驗豐富的信用風(fēng)險管理人員參與建模技術(shù)及方法的討論和模型變量的選擇過程。模型建成后由信用風(fēng)險管理人員應(yīng)用于信用風(fēng)險管理的實踐，其回饋意見用于未來模型的改進(jìn)和完善。只有做到知識與經(jīng)驗、理論與實踐的融合，才能保證模型的科學(xué)性。三是注意模型的差別性。由于不同商業(yè)銀行的業(yè)務(wù)特點和客戶群體有所區(qū)別，必須建立與本行業(yè)務(wù)、客戶和戰(zhàn)略相適應(yīng)的識別模型；同一銀行內(nèi)部可根據(jù)不同的評價對象和評價目的，選取適合的信用風(fēng)險識別技術(shù)和模型。四是做好模型的再建和完善工作。這次金融危機的教訓(xùn)之一就是金融衍生產(chǎn)品改變了金融資產(chǎn)的風(fēng)險特征，而銀行的風(fēng)險管理系統(tǒng)沒有及時地改進(jìn)和完善，結(jié)果成了銀行風(fēng)險管理系統(tǒng)無法識別和控制的怪獸。因此，模型的再建和完善將是風(fēng)險管理業(yè)的一個永久性課題，隨著貸款客戶和業(yè)務(wù)的不斷變化以及識別過程中經(jīng)驗的積累，商業(yè)銀行必須及時對模型進(jìn)行修正，以保持模型的時效性。

（2）完善信用基礎(chǔ)數(shù)據(jù)庫的建設(shè)。商業(yè)銀行信用風(fēng)險的識別和評估是以大量基礎(chǔ)數(shù)據(jù)作支撐的，數(shù)據(jù)的數(shù)量和質(zhì)量決定了識別結(jié)果的有效性。目前我國商業(yè)銀行征信缺乏有效渠道，信用數(shù)據(jù)儲備嚴(yán)重不足，數(shù)據(jù)質(zhì)量不高，數(shù)據(jù)管理不科學(xué)，嚴(yán)重制約了先進(jìn)信用風(fēng)險識別技術(shù)的合理有效運用。我國信用基礎(chǔ)數(shù)據(jù)庫的建設(shè)可從以下幾方面入手：一是進(jìn)一步規(guī)范信息披露工作。盡快出臺相關(guān)法律，確保信息披露的及時、全面和準(zhǔn)確，同時保護(hù)好信用主體的秘密和隱私。二是搭建以政府為主導(dǎo)的、各商業(yè)銀行為主體、多方參與的多渠道征信架構(gòu)。我國信用信息分布比較廣泛。可由中央銀行牽頭，在銀行已擁有信息的基礎(chǔ)上，將各公共機構(gòu)、非銀行金融機構(gòu)和其他渠道的信息集中起來，形成統(tǒng)一的數(shù)據(jù)庫，由各方共同使用，也為商業(yè)銀行信用風(fēng)險識別提供強大的數(shù)據(jù)支持。三是對數(shù)據(jù)庫數(shù)據(jù)進(jìn)行科學(xué)管理。制定數(shù)據(jù)管理規(guī)章，實行嚴(yán)格、一致的數(shù)據(jù)標(biāo)準(zhǔn)，確保信息管理的安全、可靠，避免信息傳遞過程的理解偏差。

（3）積極培育和引進(jìn)信用風(fēng)險高級管理人才。信用風(fēng)險識別知識含量高，汲取了現(xiàn)代金融理論、數(shù)學(xué)、統(tǒng)計方法和計算機技術(shù)等學(xué)科的最新研究成果，而我國這方面的人才匱乏，制約了我國商業(yè)銀行信用風(fēng)險識別和管理的現(xiàn)代化進(jìn)程。高素質(zhì)信用風(fēng)險管理人才的獲得可以通過有以下幾個途徑：一是商業(yè)銀行自行培養(yǎng)。商業(yè)銀行應(yīng)投入足夠的費用和精力，加強對信用風(fēng)險管理人員相關(guān)知識培訓(xùn)的力度，為信用風(fēng)險量化識別和模型構(gòu)建提供有力的智力支持。二是與高校合作培養(yǎng)。我國商業(yè)銀行應(yīng)與高等院校攜手創(chuàng)辦信用管理專業(yè)，借鑒歐美高校信用管理專業(yè)教育的經(jīng)驗，開設(shè)風(fēng)險管理、資信調(diào)查、資信評級等課程，培養(yǎng)信用管理的專業(yè)人才。三是從國外引進(jìn)。國外商業(yè)銀行信用風(fēng)險識別技術(shù)先進(jìn)，信用風(fēng)險管理經(jīng)驗豐富、教訓(xùn)深刻。這次金融危機爆發(fā)后，國內(nèi)商業(yè)銀行到華爾街去引進(jìn)人才，其中就以風(fēng)險管理人才為主。

（4）定量分析與定性分析相結(jié)合。信用信息包括財務(wù)信息和非財務(wù)信息或定性信息，而定性信息的很多內(nèi)容難以數(shù)字化，無法引入模型，且任何模型都有極限，模型原始數(shù)據(jù)的真實性也影響了其識別結(jié)果的準(zhǔn)確性，因此，定量模型不能取代傳統(tǒng)的定性分析，二者結(jié)果交相驗證會最大限度地提高識別的準(zhǔn)確性。另一方面，定量模型并非萬能，對于缺乏數(shù)據(jù)信息的新成立借款人的信用狀況及低概率超常事件的發(fā)生，也只能更多的依靠定性分析和信貸人員的主觀判斷。因此，模型是量化信用風(fēng)險的工具，可以輔助專家決策；定性分析可以彌補定量模型的缺陷與不足。我國商業(yè)銀行在進(jìn)行信用風(fēng)險識別模型開發(fā)并設(shè)法將更多的定性信息通過數(shù)字化引入模型的同時，應(yīng)保持和發(fā)揚我國商業(yè)銀行在定性分析上的傳統(tǒng)和優(yōu)勢，做到定量分析與定性分析的有機結(jié)合，全面準(zhǔn)確地反映借款人的信用風(fēng)險狀況。

（5）內(nèi)部評級與外部評級相結(jié)合。當(dāng)國際知名評級機構(gòu)為劇毒金融產(chǎn)品貼上無毒的標(biāo)簽，而各方不加甄別地加以采信時就為國際金融危機的爆發(fā)埋下了隱患?！缎掳腿麪栙Y本協(xié)議》在保留外部評級方式的同時，鼓勵商業(yè)銀行建立健全內(nèi)部評級體系和開發(fā)使用信用風(fēng)險內(nèi)部識別模型，這樣既可以對信用風(fēng)險進(jìn)行更為精確的度量，也可減輕對外部評級機構(gòu)過度地依賴。我國內(nèi)部評級方法簡單，又缺乏有效的外部評級機構(gòu)。我國在建立有效的信用風(fēng)險內(nèi)部識別模型，完善內(nèi)部評級體系的同時，也要大力發(fā)展信用評估中介機構(gòu)，運用外部力量加強對借款人信用的監(jiān)督與評估。

[1]馬睿宏,崔學(xué)蘭.金融業(yè)全面開放后商業(yè)銀行信用風(fēng)險及其防范[J].經(jīng)濟(jì)問題，2007,（9）.

[2]王全眾.兩類分析相關(guān)數(shù)據(jù)的Logistic回歸模型[J].統(tǒng)計研究,2007,(2).

[3]于立勇.商業(yè)銀行信用風(fēng)險評估[M].北京:北京大學(xué)出版社,2007.

[4]張紅兵,賈來喜,李璐.SPSS寶典[M].北京:電子工業(yè)出版社，2007.