田浩 羅方

【摘要】運用統(tǒng)計學中的因子分析法及財務管理相關知識，在上市公司財務報表中找出最能反映企業(yè)償債能力的財務指標，建立銀行信貸風險預警模型，并提出在使用該預警模型時應注意的問題。

【關鍵詞】因子分析法 信貸風險預警模型 應用分析

信貸風險是銀行面臨的最主要的風險，表示債務人未能如期償還其債務而給銀行經(jīng)營帶來的風險。銀行對信貸風險的評估和控制能力關系到銀行體系的穩(wěn)定和國民經(jīng)濟的發(fā)展。2008年的全球金融危機大爆發(fā)，主要原因就是由于金融機構對信貸風險的評估不力造成的。

我國商業(yè)銀行一直存在信貸資產質量較差，資產利潤低，不良貸款率較高的弱點。據(jù)銀監(jiān)會公布資料顯示：2015年銀行業(yè)不良貸款余額為1.96萬億元，不良貸款率1.94%，其中農業(yè)銀行不良貸款額為2129億元，不良貸款率達2.39.突破銀監(jiān)會2%的監(jiān)管紅線。2016-2017年，隨著國家對銀行業(yè)嚴控監(jiān)管措施力度的不斷加大，各商業(yè)銀行通過貸款規(guī)模持續(xù)擴張稀釋、提高撥備覆蓋率以及采取清收、壞賬核銷、處置不良資產等方式，使不良貸款余額和不良貸款率呈“雙下降”趨勢，截至2017年末，我國商業(yè)銀行不良貸款余額為1.71萬億元，不良貸款率降至1.74%。

但筆者認為，要解決國有商業(yè)銀行不良貸款率居高不下的困境，僅僅依靠以上“事后堵漏”措施是遠遠不夠的。如果不采取有效的方法加以監(jiān)控和防范，新的不良貸款仍會持續(xù)產生，我國商業(yè)銀行不良貸款將陷入“年年清舊賬，新賬年年生”的惡性循環(huán)。應考慮建立信貸風險預警系統(tǒng)，及時發(fā)出信貸風險預警信號并采取各種措施加以防范，方能實現(xiàn)真正意義的“治本”。因此，如何建立一套行之有效的銀行信貸風險預警系統(tǒng)，在銀行信貸風險管控中顯得尤為重要。

鑒于影響企業(yè)償債能力的因素眾多，任何一套預警模型都不可能全部涵蓋，而且模型建立太過復雜也不利于實際操作。筆者嘗試用統(tǒng)計學中的因子分析法來解決這一問題。因子分析法是多元統(tǒng)計分析技術的一個分支，其基本思想是：首先，通過對變量相關程度的研究，找出能控制變量的幾個主要因子；其次，根據(jù)這些因子建立模型，達到解釋整個問題的目的。這樣更容易抓住問題的主要矛盾，使分析簡化易操作。

一、具體思路和方法

根據(jù)以上描述，筆者設想：首先，根據(jù)上市公司公布的財務報表，運用因子分析法和財務管理知識，在眾多變量中找出最能反映企業(yè)償債能力的幾個企業(yè)信貸風險指標，并進行相關度分析；其次，建立信貸風險預警模型并檢驗，確定信貸指標的風險評價值標準；最后，對企業(yè)信貸風險進行瓶別，確定預警度并發(fā)出報警信號。

（一）企業(yè)信貸風險指標的選取及相關度分析

我國證監(jiān)會規(guī)定：上市公司在年報中必須披露的財務指標主要有下表五類15個。本文嘗試用因子分析法從這15個指標中找出最能代表企業(yè)財務風險的指標。

根據(jù)1998年5月中國人民銀行制定并頒布的《貸款分類指導原則》，商業(yè)銀行按風險程度將貸款劃分為五類：正常、關注、次級、可疑、損失，后三種為不良貸款。本文從中國農業(yè)銀行云南省分行中選取被評為損失類的40個企業(yè)作為信貸風險最大組，假設其對應的因變量為0，從被評為正常類的40個企業(yè)作為作為信貸風險最小組，假設其對應的因變量為1。將80個企業(yè)的上述15個財務指標使用SPSS12.0軟件進行樣本分析，得出結果見下表。

相關度分析：由于假定了風險程度最大為0，最小為1，說明顯著性水平越接近0則代表該財務指標與風險相關程度越大，反之則越小。上表中顯著性水平排序明顯分為三檔：排名1-4位為第一檔，數(shù)值在0.0000-0.0031之間，說明影響程度最大屬高度相關；5-9位為第二檔，數(shù)值在0.0387-0.0913之間，說明有一定影響屬顯著相關；10-15位為第三檔，數(shù)值在0.1601-0.9497之間，說明影響程度不大屬低度相關。

結論：從以上分析可以看出，X12每股凈資產率、X10流動負債比率、X15總資產增長率、X7存貨周轉率四個指標與財務風險相關程度最高，均為高度相關，分別從資本結構、償債能力、發(fā)展能力和經(jīng)營能力四個方面反映企業(yè)的現(xiàn)狀，可以作為最能評價企業(yè)財務風險的代表性因子指標。

（二）建立信貸風險預警模型并檢驗

1.建立模型。將上述80個企業(yè)的上述四個代表性因子指標帶入SPSS12.0軟件中進行樣本分析，建立如下回歸模型：

Y=0.704+0.121X12-0.006X10+0.004X+0.111X7

2.檢驗。在農業(yè)銀行云南省分行所掌握的五類（正常、關注、次級、可疑、損失）企業(yè)中，每類選取20個樣本，將上述四個指標帶入該模型中進行檢驗，結果顯示：該模型的的擬合度為0.675，較為理想，各類企業(yè)評價值Y值呈由小到大順序排列，大致分布為：正常（0

（三）確定評價值及預警劃分警度

將樣本中各企業(yè)的相關指標評分結果，按下表劃分出預警等級。

二、使用預警模型時應注意的問題

1.該模型僅起到“報警器”作用，不能作為評判企業(yè)信貸風險的確切標準和依據(jù)。在現(xiàn)實生活中，影響企業(yè)是否能按期足額償還債務的因素很多，不能簡單指望依據(jù)幾個財務指標的變化就能準確判斷和預測企業(yè)償債能力，筆者建立此預警模型的初衷，僅希望該模型能提前發(fā)出預警信號，使銀行產生警覺，繼而對企業(yè)資本結構、償債能力、發(fā)展能力和經(jīng)營能力等各方面情況進行綜合評估，達到事前監(jiān)控及預防的目的。

2.本預警模型數(shù)據(jù)來源于上市企業(yè)公開財務報表，即假定了該企業(yè)財務指標數(shù)據(jù)真實有效，在我國大多數(shù)企業(yè)并未上市，其財務報表數(shù)據(jù)的真實性無法確保的情況下，將直接影響該預測模型預測結果。因此，在使用此預警模型之前，應盡可能使企業(yè)財務報表數(shù)據(jù)真實可信，否則，極易出現(xiàn)信息失真而發(fā)出錯誤預警信號的情況。

結語：如何控制商業(yè)銀行信貸風險一直以來都是銀行業(yè)研究的熱點和難點問題之一。本文僅只嘗試在因子分析法的基礎上，建立信貸風險預警模型，對企業(yè)的財務狀況進行評價并發(fā)出預警信號。受個人能力、數(shù)據(jù)來源較為單一等多方面因素的限制，本文存在一定的局限性，所設想的信貸風險預警模型精準度也不可避免受到一定程度影響，但仍希望本文能對推動我國商業(yè)銀行信貸風險控制的研究做出一點貢獻。

參考文獻

[1]周旺.基于因子分析模型的商業(yè)銀行信用風險測度分析.長春師范大學學報.2017年第8期.

[2]劉耀成.商業(yè)銀行風險預警指標體系構建.南京審計學院學報.2010年第2期.

[3]王千紅.我國銀行業(yè)不良貸款率下降的理性思考.中國市場.2010年第14期

[4]彭朝暉.因子分析法在商業(yè)銀行信貸風險中的研究.長沙理工大學學報.2010年第1期.

作者簡介：田浩（1971-），男，漢族，云南文山人，碩士，云南開放大學經(jīng)濟與管理學院教師，講師，研究方向：統(tǒng)計分析和統(tǒng)計教學；羅方（1975-），女，漢族，云南文山人，本科，中國農業(yè)銀行云南省分行，會計師，研究方向：金融學。