文/喬玉丹，上海大學(xué)經(jīng)濟(jì)學(xué)院

我國(guó)商業(yè)銀行信貸風(fēng)險(xiǎn)的實(shí)證研究

文/喬玉丹，上海大學(xué)經(jīng)濟(jì)學(xué)院

本文摘要：伴隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展和轉(zhuǎn)型升級(jí)，再加上近年來(lái)我國(guó)改革開放的力度進(jìn)一步加大。我國(guó)商業(yè)銀行在經(jīng)營(yíng)的過(guò)程中對(duì)于如何度量和管理信貸風(fēng)險(xiǎn)成為亟待解決的問(wèn)題，面臨的信貸風(fēng)險(xiǎn)越來(lái)越大和復(fù)雜，備受銀行體系以及經(jīng)濟(jì)主體和監(jiān)管當(dāng)局的關(guān)注。本文從商業(yè)銀行作為貸款者的角度出發(fā)，來(lái)對(duì)貸款企業(yè)的信貸風(fēng)險(xiǎn)進(jìn)行度量和管理，希望能為我國(guó)商業(yè)銀行在信貸方面提供一定的幫助和支持。

本文首先界定了信貸風(fēng)險(xiǎn)的概念，對(duì)信貸風(fēng)險(xiǎn)的國(guó)內(nèi)外研究進(jìn)行了歸納和梳理，以便更好的建立我國(guó)商業(yè)銀信貸風(fēng)險(xiǎn)的評(píng)價(jià)指標(biāo)體系。本文共選取了94家上市公司的年報(bào)數(shù)據(jù)，其中ST公司47家和與其對(duì)應(yīng)的非ST公司47家，首先選取了16個(gè)財(cái)務(wù)比率指標(biāo)，通過(guò)進(jìn)行單樣本的T檢驗(yàn)分析，最終選取了11個(gè)財(cái)務(wù)比率指標(biāo)，然后進(jìn)行因子分析，通過(guò)因子分析得出各因子得分，以各因子得分作為新變量，進(jìn)行Logistic回歸分析，進(jìn)而判斷上市公司信用狀況的好壞，從而為商業(yè)銀行在信貸之前提供可靠的判斷依據(jù)。

商業(yè)銀行；信貸風(fēng)險(xiǎn)；因子分析；Logistic回歸

近年來(lái)我國(guó)商業(yè)銀行在社會(huì)經(jīng)濟(jì)的發(fā)展過(guò)程中扮演者越來(lái)越重要的角色，為更加有效的實(shí)施宏觀經(jīng)濟(jì)政策提供了有力保障?？偹苤?，商業(yè)銀行是特殊的企業(yè)，其生產(chǎn)和經(jīng)營(yíng)的產(chǎn)品是貨幣，與一般的企業(yè)所最追求的目標(biāo)一樣，商業(yè)銀行通過(guò)自身的管理和經(jīng)營(yíng)來(lái)獲得最大的利潤(rùn)，因此在這個(gè)過(guò)程中，商業(yè)銀行必然會(huì)遇到各種各樣的問(wèn)題，對(duì)于商業(yè)銀行來(lái)說(shuō)，面臨的最大問(wèn)題就是信貸企業(yè)的違約，從而導(dǎo)致商業(yè)銀行的不良資產(chǎn)的增加，給商業(yè)銀行帶來(lái)巨大的損失。對(duì)于如何更好的評(píng)價(jià)信貸企業(yè)的信用風(fēng)險(xiǎn)，成為各家商業(yè)銀行亟待解決的問(wèn)題，近年來(lái)商業(yè)銀行也在不斷提升自身的風(fēng)險(xiǎn)管理水平，意識(shí)到風(fēng)險(xiǎn)管理的重要性。信用風(fēng)險(xiǎn)是商業(yè)銀行所面臨的主要風(fēng)險(xiǎn)之一，為了更好的減少和規(guī)避信用風(fēng)險(xiǎn)給商業(yè)銀行帶來(lái)的損失，有必要對(duì)商業(yè)銀行的信貸企業(yè)進(jìn)行更加深入的研究，預(yù)測(cè)其信用風(fēng)險(xiǎn)的大小。伴隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，越來(lái)越多的企業(yè)需要大量融資來(lái)不斷拓展自己的規(guī)模和競(jìng)爭(zhēng)力，同時(shí)我國(guó)改革開放的步伐進(jìn)一步加大，也吸引了不少外資銀行，外資銀行的進(jìn)入一方面有利于為金融市場(chǎng)的全面開放奠定基礎(chǔ)，但另一方面又會(huì)給我國(guó)銀行業(yè)帶來(lái)前所未有的挑戰(zhàn)。商業(yè)銀行如何提升自己的風(fēng)險(xiǎn)管理水平，減少由于風(fēng)險(xiǎn)管理不當(dāng)所帶來(lái)的損失顯得尤為重要。而我國(guó)商業(yè)銀行目前正缺乏良好的風(fēng)險(xiǎn)管理能力，風(fēng)險(xiǎn)管理的意識(shí)與國(guó)外相比還有一定的差距，因此，有必要為我國(guó)商業(yè)銀行設(shè)計(jì)出一套行之有效的信貸風(fēng)險(xiǎn)預(yù)警模型，解決商業(yè)銀行信貸風(fēng)險(xiǎn)方面的難題.

目前商業(yè)銀行的盈利主要來(lái)自于貸款，因而對(duì)于貸款對(duì)象的合理選擇就顯得尤為重要，對(duì)于商業(yè)銀行來(lái)說(shuō)，如何能夠準(zhǔn)確的判斷貸款對(duì)象的信用情況，把貸款貸給高信用的貸款對(duì)象，只有這樣才能使商業(yè)銀行減少貸款違約的損失，增加商業(yè)銀行的盈利水平，從而增強(qiáng)自身的綜合競(jìng)爭(zhēng)力水平，擴(kuò)大在銀行業(yè)中的影響力。

經(jīng)過(guò)實(shí)證分析和對(duì)模型的檢驗(yàn)，本文建立的基于因子分析的Logistic回歸模型在預(yù)測(cè)上市公司信用風(fēng)險(xiǎn)的準(zhǔn)確度高達(dá)94.1%。因此在預(yù)測(cè)一家上市公司的信用好壞，流動(dòng)比率、速動(dòng)比率、凈資產(chǎn)收益率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、銷售毛利率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率這8個(gè)財(cái)務(wù)比率指標(biāo)有著顯著的判別作用。它們分別從上市公司的償債能力、盈利能力、營(yíng)運(yùn)能力等方面來(lái)比較全面的反映上市公司中信用較差的公司和信用較好的公司，因此這些財(cái)務(wù)比率能夠比較全面的分析上市公司的信用狀況。

1 Logistic回歸分析的基本原理及模型

在許多領(lǐng)域分析中，都能碰到因變量只能取二值得情形，比如是與否、有效與無(wú)效等。對(duì)于這種問(wèn)題要建立回歸模型，通常先將取值在實(shí)數(shù)范圍內(nèi)的值通過(guò)Logit變換轉(zhuǎn)化為目標(biāo)概率值，然后進(jìn)行回歸分析，即Logistic回歸。

2 商業(yè)銀行信貸風(fēng)險(xiǎn)的實(shí)證分析

2.1 樣本的選取

本文將被證監(jiān)會(huì)認(rèn)定為ST的公司（包括*ST公司），也就是信用較差的公司，而非ST公司，也就是信用較好的公司確定為所要研究的對(duì)象。由于ST公司數(shù)量不是很多，而非ST公司卻擁有眾多的數(shù)量，因此需要對(duì)非ST公司進(jìn)行進(jìn)一步的篩選，為了確保篩選的合理性和準(zhǔn)確性，在篩選過(guò)程中應(yīng)當(dāng)遵循以下原則：（1）同規(guī)模，即所選擇的ST公司和與其對(duì)應(yīng)的非ST公司的資產(chǎn)規(guī)模應(yīng)當(dāng)差不多，主營(yíng)業(yè)務(wù)收入也應(yīng)該相差不大；（2）同行業(yè)，即ST公司和與其對(duì)應(yīng)的非ST公司所屬的行業(yè)應(yīng)當(dāng)保持一致；（3）同時(shí)期，即ST公司和與其對(duì)應(yīng)的非ST公司所選取的財(cái)務(wù)指標(biāo)的數(shù)據(jù)要保持在同一時(shí)期。根據(jù)以上原則以及排除由于非財(cái)務(wù)因素而被認(rèn)定為ST的公司，本文共選取了2013年和截止到2014年4月30日滬深A(yù)股股市中的47家ST公司（其中2013年被認(rèn)定為ST的有20家，截至2014年4月30日被認(rèn)定為ST的有27家）和47家非ST公司的2012年年末和2013年年末的財(cái)務(wù)比率。

2.2 Logistic回歸模型的檢驗(yàn)及結(jié)果

為了檢驗(yàn)該模型的有效性，根據(jù)上面所建立的模型，將測(cè)試樣本帶入到上述公式中，計(jì)算出相應(yīng)的因子得分，然后將Z2和Z4的因子得分帶入到Logistic回歸模型中計(jì)算相應(yīng)的概率，根據(jù)概率值與0.5的大小來(lái)判定該上市公司是信用較好型還是信用較差型。結(jié)果顯示：在所有17家非ST公司中，只有一家非ST公司被判為ST公司，模型對(duì)非ST公司的判定準(zhǔn)確率為94.1%，在所有17家ST公司中，只有一家ST公司被判為非ST公司，模型對(duì)ST公司的判定準(zhǔn)確率達(dá)到了94.1%，模型的總體的判定準(zhǔn)確度達(dá)到了94.1%。

3 結(jié)論

目前商業(yè)銀行的盈利主要來(lái)自于貸款，因而對(duì)于貸款對(duì)象的合理選擇就顯得尤為重要，對(duì)于商業(yè)銀行來(lái)說(shuō)，如何能夠準(zhǔn)確的判斷貸款對(duì)象的信用情況，把貸款貸給高信用的貸款對(duì)象，只有這樣才能使商業(yè)銀行減少貸款違約的損失，增加商業(yè)銀行的盈利水平，從而增強(qiáng)自身的綜合競(jìng)爭(zhēng)力水平，擴(kuò)大在銀行業(yè)中的影響力。

由于商業(yè)銀行在信貸過(guò)程中，面臨較多的問(wèn)題和挑戰(zhàn)，有必要為商業(yè)銀行建立一個(gè)信貸風(fēng)險(xiǎn)判定模型。因此本文就如何構(gòu)建商業(yè)銀行信貸判定模型進(jìn)行了實(shí)證分析，并對(duì)模型效果進(jìn)行了檢驗(yàn)，本文首先主要通過(guò)單變量的t檢驗(yàn)來(lái)檢測(cè)開始所選擇的16個(gè)財(cái)務(wù)比率指標(biāo)，將不能夠有效區(qū)分ST公司和非ST公司的財(cái)務(wù)比率指標(biāo)進(jìn)行剔除，之后對(duì)剩下的顯著性財(cái)務(wù)指標(biāo)進(jìn)行因子分析，通過(guò)因子分析得出各因子得分，將各因子得分作為新變量，進(jìn)行Logistic回歸分析，根據(jù)回歸分析的結(jié)果，進(jìn)而判斷上市公司信用狀況的好壞。

經(jīng)過(guò)實(shí)證分析和對(duì)模型的檢驗(yàn)，本文建立的基于因子分析的Logistic回歸模型在預(yù)測(cè)上市公司信用風(fēng)險(xiǎn)的準(zhǔn)確度高達(dá)94.1%。因此在預(yù)測(cè)一家上市公司的信用好壞，流動(dòng)比率、速動(dòng)比率、凈資產(chǎn)收益率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、銷售毛利率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率這8個(gè)財(cái)務(wù)比率指標(biāo)有著顯著的判別作用。它們分別從上市公司的償債能力、盈利能力、營(yíng)運(yùn)能力等方面來(lái)比較全面的反映上市公司中信用較差的公司和信用較好的公司，因此這些財(cái)務(wù)比率能夠比較全面的分析上市公司的信用狀況。

本文構(gòu)建的基于因子分析的Logistic回歸模型其判定效果較好以及預(yù)測(cè)的準(zhǔn)確性也相當(dāng)高，能夠?yàn)樯虡I(yè)銀行很好的區(qū)分一些上市公司的信用好壞。商業(yè)銀行可以通過(guò)該模型來(lái)對(duì)所要貸款的公司進(jìn)行信用狀況好壞的判定，從而進(jìn)一步?jīng)Q定是否貸款給該公司。商業(yè)銀行運(yùn)用該模型來(lái)判別貸款公司的信用，能夠有效的降低商業(yè)銀行的貸款風(fēng)險(xiǎn)，減少商業(yè)銀行由于貸款企業(yè)的違約而給自身帶來(lái)的損失。因此，本文構(gòu)建的基于因子分析的Logistic回歸模型在商業(yè)銀行的實(shí)踐中具有極其重要的意義，指導(dǎo)著商業(yè)銀行信貸判定、預(yù)測(cè)以及對(duì)信貸的管理。

[1]陳曉，陳治.企業(yè)財(cái)務(wù)理論、方法及應(yīng)用[J].投資研究，2000(02).

[2] 王春峰，萬(wàn)海暉，張維.基于神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估[J].系統(tǒng)工程理論與實(shí)踐，1999(09).

[3] 龐素琳.Logistic回歸模型在信用風(fēng)險(xiǎn)分析中的應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2007.(10)

[4]傅強(qiáng)，李永濤.基于灰色聚類法的上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)[J].財(cái)會(huì)月刊，2006（01）.

[5] 孫文會(huì).企業(yè)核心競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系的研究[J].企業(yè)活力，2008(05).