張淼

摘 要：期貨作為最基本也是最重要的金融衍生品之一，在整個金融市場，乃至國民經(jīng)濟中占有舉足輕重的地位。在我國期貨市場近30年快速擴張發(fā)展的背后，期貨行業(yè)卻存在諸多問題，其根源在于期貨公司對自身風(fēng)險水平的認(rèn)知和風(fēng)險管理能力的不足?；诖?，從期貨行業(yè)發(fā)展和監(jiān)管現(xiàn)狀入手，分析現(xiàn)有兩套風(fēng)險管理體系各自的優(yōu)勢和不足，并以logistic回歸方法建立風(fēng)險預(yù)警系統(tǒng)，將現(xiàn)有兩類監(jiān)管體系的優(yōu)勢相結(jié)合，通過兩步法有效區(qū)分不同期貨公司的風(fēng)險管理能力和風(fēng)險水平差異，對風(fēng)險管理能力較差、風(fēng)險水平較高的公司發(fā)出預(yù)警信號，以此實現(xiàn)對我國期貨行業(yè)中公司風(fēng)險管理能力和風(fēng)險水平的動態(tài)實時監(jiān)控和提前預(yù)警，防止風(fēng)險擴散，避免危機發(fā)生。

關(guān)鍵詞：期貨行業(yè)；風(fēng)險預(yù)警系統(tǒng)；logistic回歸模型

中圖分類號：F830.91 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-291X（2018）20-0140-03

我國期貨市場的發(fā)展開始于20世紀(jì)90年代，與美國等發(fā)達(dá)國家相比相對較晚。但由于我國投資者基數(shù)眾多、投資需求巨大，期貨市場擴張速度極快，在短短30年的發(fā)展歷程中，整個市場從無序走向有序，其基本功能的發(fā)揮日益穩(wěn)定，對其他金融市場和國民經(jīng)濟的影響日益凸顯。但我們也要注意到，在期貨市場快速擴張發(fā)展的同時，我國期貨行業(yè)存在“大市場、小行業(yè)”、同質(zhì)化競爭嚴(yán)重以及監(jiān)管手段單一、公司風(fēng)險管理理念薄弱等問題。其根源在于期貨公司的風(fēng)險評估和管理體系不完善，現(xiàn)有證監(jiān)會主導(dǎo)的以凈資本為核心的風(fēng)險控制指標(biāo)監(jiān)管體系和期貨業(yè)協(xié)會主導(dǎo)的期貨公司分類監(jiān)管體系各有側(cè)重，在實際應(yīng)用中各有優(yōu)劣。

以中國證監(jiān)會為主導(dǎo)的凈資本為核心的風(fēng)險控制指標(biāo)監(jiān)管體系是由證監(jiān)會對凈資本規(guī)模、凈資本與凈資產(chǎn)比例等6項指標(biāo)提出預(yù)警標(biāo)準(zhǔn)和監(jiān)管標(biāo)準(zhǔn)，將業(yè)務(wù)范圍與凈資本水平相匹配。但由于其主要側(cè)重于監(jiān)管期貨公司經(jīng)營過程中各風(fēng)險監(jiān)管指標(biāo)的合規(guī)性，而對各期貨公司在行業(yè)中橫向?qū)Ρ鹊膶嶋H風(fēng)險管理能力和風(fēng)險水平并沒有明確的評價。

以中國期貨業(yè)協(xié)會為主導(dǎo)的期貨公司分類監(jiān)管體系則是每年以期貨公司風(fēng)險管理能力為基礎(chǔ)，結(jié)合公司市場競爭力、培育和發(fā)展機構(gòu)投資者狀況、持續(xù)合規(guī)狀況等方面，對各期貨公司在上一年度的風(fēng)險管理能力和風(fēng)險水平進行評價。但由于其是以年度測評，是一種事后評估辦法，在時效性上具有很大缺陷，難以實現(xiàn)風(fēng)險動態(tài)監(jiān)控和預(yù)警的目的。

針對以上問題，本文嘗試將風(fēng)險預(yù)警概念引入期貨行業(yè)，運用logistic回歸方法將我國現(xiàn)有指標(biāo)監(jiān)管體系和分類評級監(jiān)管體系相結(jié)合構(gòu)建適用于我國期貨行業(yè)的風(fēng)險預(yù)警系統(tǒng)。通過對期貨公司風(fēng)險的預(yù)測并對潛在風(fēng)險水平較高的公司及時發(fā)出預(yù)警信號，促使管理者提前采取控制措施，避免風(fēng)險事件的發(fā)生和擴散，從而保障我國期貨行業(yè)可以健康、穩(wěn)定、有序發(fā)展，促進我國期貨市場可以穩(wěn)定、有效地發(fā)揮其基本功能，從而更好地服務(wù)于實體經(jīng)濟，提升國際影響力。

一、基于logistic方法構(gòu)建期貨行業(yè)風(fēng)險預(yù)警模型

（一）模型選擇與預(yù)警系統(tǒng)構(gòu)建思路

本文選擇用廣義線性方法中的logistic回歸方法構(gòu)建我國期貨公司的風(fēng)險預(yù)警系統(tǒng)，這種方法中的名義變量可以設(shè)定為企業(yè)的風(fēng)險水平等級，如破產(chǎn)/未破產(chǎn)（傅庚，2006）、財務(wù)困境/經(jīng)營良好（方匡南、范新妍和馬雙鴿，2016）等，通過logistic回歸分析各項風(fēng)險因素對企業(yè)風(fēng)險情況變化概率的影響程度和方向。擬采用兩步法構(gòu)建我國期貨公司風(fēng)險預(yù)警系統(tǒng)，其框架如圖1所示。第一步，基于logistic方法，依據(jù)全樣本指標(biāo)計算全部期貨公司的風(fēng)險管理能力和風(fēng)險水平判別值，將其與0.5臨界線進行比較，大于0.5即認(rèn)定為該期貨公司的風(fēng)險管理能力較差、風(fēng)險水平較高，系統(tǒng)發(fā)出預(yù)警信號，而判定值小于0.5的公司進入第二步判定；第二步，基于logistic方法，以第一步中未發(fā)出預(yù)警信號的公司為樣本，計算其風(fēng)險管理能力和風(fēng)險水平判別值，同樣與0.5進行比較，大于0.5即認(rèn)定為該期貨公司風(fēng)險管理能力和風(fēng)險水平一般，處于行業(yè)平均水平，而判定值小于0.5即認(rèn)定為該公司風(fēng)險管理能力突出、風(fēng)險水平較低，經(jīng)營狀況良好。

（二）變量設(shè)置及風(fēng)險因素的篩選

本文選取2013—2016年間我國149家期貨公司為樣本數(shù)據(jù)，共596組數(shù)據(jù)。以證監(jiān)會發(fā)布的我國期貨公司分類監(jiān)管評級作為度量期貨公司風(fēng)險等級的指標(biāo)。在證監(jiān)會發(fā)布的《期貨公司分類監(jiān)管規(guī)定》中，期貨公司的評級共分為5類11級，其中E級為已被采取停業(yè)整頓，其他機構(gòu)接管等風(fēng)險處置措施的公司，不在本文樣本的范圍之內(nèi)。

在期貨公司的風(fēng)險影響因素方面，如表1所示。本文主要從財務(wù)數(shù)據(jù)入手，從期貨公司的及時償付和變現(xiàn)能力、流動性風(fēng)險控制能力、營利能力、持續(xù)營利和發(fā)展能力和期貨業(yè)務(wù)能力5個角度選取6個指標(biāo)考察其對期貨公司整體風(fēng)險的影響，從而制定其風(fēng)險預(yù)警系統(tǒng)。

運用多元logistic回歸方法分析各項指標(biāo)對我國期貨公司風(fēng)險管理能力和風(fēng)險水平的影響，選取有效指標(biāo)，從而構(gòu)建風(fēng)險預(yù)警系統(tǒng)中的風(fēng)險識別子系統(tǒng)。通過多元logistic回歸分析，在現(xiàn)有指標(biāo)體系中剔除在各類分組中均不顯著的流動風(fēng)險控制能力指標(biāo)，保留顯著性較高的指標(biāo)，組成本文預(yù)警系統(tǒng)中風(fēng)險識別子系統(tǒng)的指標(biāo)體系。

（三）期貨公司風(fēng)險預(yù)警系統(tǒng)的構(gòu)建及準(zhǔn)確率檢驗

1.第一步風(fēng)險預(yù)警判定

首先，本文以二元logistic回歸方法構(gòu)建期貨公司風(fēng)險初步判定模型。根據(jù)證監(jiān)會發(fā)布的《期貨公司分類監(jiān)管規(guī)定》，評級在B級以上為風(fēng)險控制較好，風(fēng)險程度較低的期貨公司，①因此本部分被解釋變量Yi=1時標(biāo)明該期貨公司的年度評級低于B類，反之Yi=0。基于二元logistic回歸方法以及時償付和資產(chǎn)變現(xiàn)能力、流動性風(fēng)險控制能力、盈利能力、業(yè)務(wù)擴展能力、持續(xù)發(fā)展能力和期貨業(yè)務(wù)能力6個角度選取的期貨公司經(jīng)營與風(fēng)險指標(biāo)為基礎(chǔ)構(gòu)建的期貨公司風(fēng)險評價系統(tǒng)對期貨公司有較好的區(qū)分度。第一步判別公式為：

以0.5作為我國期貨公司風(fēng)險管理能力和風(fēng)險水平高低概率的分界線可以構(gòu)建風(fēng)險預(yù)警子系統(tǒng)，對于Probi小于0.5的期貨公司，預(yù)警系統(tǒng)判定其風(fēng)險管理水平較好，風(fēng)險在可控制范圍之內(nèi)，無須特別關(guān)注；對于Probi大于0.5的期貨公司，預(yù)警系統(tǒng)判定其風(fēng)險管理能力較差、風(fēng)險水平較高，系統(tǒng)向管理者發(fā)出預(yù)警信號。經(jīng)實證，第一步風(fēng)險預(yù)警系統(tǒng)的整體判定準(zhǔn)確率達(dá)到了86.56%，說明剔除由于違規(guī)等導(dǎo)致風(fēng)險分類降級的外部因素后，以二元logistic為基礎(chǔ)的初步風(fēng)險預(yù)警模型對于我國期貨公司的以B類為分界的風(fēng)險管理能力和風(fēng)險水平具有較高識別能力。至此，本文風(fēng)險評級預(yù)警系統(tǒng)已經(jīng)可以對期貨公司的C類風(fēng)險，即風(fēng)險管理能力較差、風(fēng)險水平較高進行有效預(yù)警。

2.第二步風(fēng)險預(yù)警判定

下一步，本文將結(jié)合指標(biāo)篩選中多元logistic結(jié)果對第一步中判定為B類及以上的公司進一步構(gòu)建細(xì)分風(fēng)險判定和預(yù)警子系統(tǒng)，和第一步的不同之處在于，多元logistic回歸結(jié)果中A類和B類分組時是以B類為基準(zhǔn)，因此本步判定期貨公司i的風(fēng)險管理能力和風(fēng)險水平屬于B類概率應(yīng)為：

在二元logistic回歸結(jié)果基礎(chǔ)上，針對系統(tǒng)判別評級在B類以上的期貨公司進行細(xì)分，構(gòu)建的風(fēng)險預(yù)警系統(tǒng)中風(fēng)險評價子系統(tǒng)的第二步判別模型區(qū)分效果較好。從判別結(jié)果的分布來看，判別值大于0.5的公司數(shù)量超過70%，符合我國實際情況，即分類監(jiān)管評級屬于B類的公司數(shù)目為A類公司數(shù)目的一倍以上。

接下來本文對該風(fēng)險預(yù)警系統(tǒng)的準(zhǔn)確率進行檢驗，剔除D類及外部違規(guī)事件等原因?qū)е陆导壍墓?，?jīng)實證本文構(gòu)建的我國期貨公司風(fēng)險預(yù)警系統(tǒng)對其不同風(fēng)險水平的預(yù)警成功率可以達(dá)到79.04%。此外，需要注意的是，本文的期貨公司風(fēng)險預(yù)警系統(tǒng)構(gòu)建主要是基于在行業(yè)內(nèi)公開披露的行業(yè)各家公司研究數(shù)據(jù)，而行業(yè)現(xiàn)有披露數(shù)據(jù)量有限，導(dǎo)致公司的總資產(chǎn)規(guī)模、總盈利規(guī)模和負(fù)債規(guī)模等數(shù)據(jù)無法獲取。但伴隨期貨行業(yè)不斷發(fā)展，上市期貨公司將不斷增多，公司數(shù)據(jù)的可獲得性逐漸提高，基于本文方法建立的期貨公司風(fēng)險預(yù)警系統(tǒng)的預(yù)警準(zhǔn)確度也將不斷完善、不斷提高。

二、結(jié)論

本文將風(fēng)險預(yù)警理念引入至我國期貨行業(yè)，提出以logistic回歸方法將現(xiàn)有兩類監(jiān)管體系結(jié)合，構(gòu)建基于兩步判定法的適用于我國期貨行業(yè)的風(fēng)險預(yù)警系統(tǒng)。首先以多元logistic回歸方法篩選出對我國期貨公司風(fēng)險管理能力和風(fēng)險水平具有顯著影響的指標(biāo)體系，隨后利用二元logistic回歸建立基于兩步法的風(fēng)險預(yù)警系統(tǒng)。本預(yù)警系統(tǒng)對風(fēng)險管理能力較差、風(fēng)險水平較高的期貨公司判定準(zhǔn)確率達(dá)到86.56%，對期貨公司三級風(fēng)險管理能力和風(fēng)險水平分類的整體判定準(zhǔn)確率達(dá)到79.04%。

此外，筆者注意到，從回歸結(jié)果顯著性和回歸系數(shù)看，在兩步判別的過程中，期貨公司的凈資本規(guī)模和凈資產(chǎn)收益率對其風(fēng)險管理能力和風(fēng)險水平的影響要強于其他指標(biāo)，凈資本規(guī)模越大、凈資產(chǎn)收益率越高的期貨公司，其風(fēng)險管理能力越強、風(fēng)險水平越低。因此，我國期貨公司在經(jīng)營和開展業(yè)務(wù)的過程中須格外注意自身的凈資本規(guī)模和凈資產(chǎn)收益率的水平。

參考文獻(xiàn)：

[1] 傅庚.美國銀行倒閉預(yù)警的實證研究[J].軟科學(xué)，2006，（2）：52-55.

[2] 方匡南，范新妍，馬雙鴿.基于網(wǎng)絡(luò)結(jié)構(gòu)Logistic模型的企業(yè)信用風(fēng)險預(yù)警[J].統(tǒng)計研究，2016，33（4）：50-55.