趙宇翔

摘要：本文利用Logit模型和多元回歸模型，分析了宏觀經(jīng)濟(jì)變量對(duì)企業(yè)總體和個(gè)體信用風(fēng)險(xiǎn)的影響，認(rèn)為相對(duì)于個(gè)體信用風(fēng)險(xiǎn)而言，宏觀經(jīng)濟(jì)變量對(duì)總體信用風(fēng)險(xiǎn)的影響更加顯著。

關(guān)鍵詞：企業(yè)信用風(fēng)險(xiǎn)；宏觀經(jīng)濟(jì)變量；相關(guān)性

Abstract：The paper using statistic models analyses relations between enterprise credit risks and macroeconomic variables. Comparing individual credit risk, gross credit risk is prone to be influenced by macroeconomic variables substantially.

Key Words: enterprise credit Risks，macroeconomic variables，relations

中圖分類號(hào)：F830文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1674-2265（2009）05-0053-03

一、引言

對(duì)企業(yè)信用風(fēng)險(xiǎn)的判斷是預(yù)測(cè)銀行風(fēng)險(xiǎn)非常關(guān)鍵的一環(huán)。傳統(tǒng)方法對(duì)企業(yè)信用風(fēng)險(xiǎn)的計(jì)量主要基于財(cái)務(wù)信息和市場(chǎng)數(shù)據(jù)，這兩種方法都存在明顯的弊端。為了提高企業(yè)信用風(fēng)險(xiǎn)判斷的準(zhǔn)確性，許多學(xué)者開始關(guān)注并研究宏觀經(jīng)濟(jì)變量與企業(yè)信用風(fēng)險(xiǎn)的關(guān)系。宏觀經(jīng)濟(jì)變量的重要性不言而喻，一方面能夠改變企業(yè)的經(jīng)營(yíng)和財(cái)務(wù)狀況，從而對(duì)信用風(fēng)險(xiǎn)產(chǎn)生直接影響，另一方面能夠改變企業(yè)的外部環(huán)境，從而對(duì)信用風(fēng)險(xiǎn)產(chǎn)生間接影響。Wison（1998）最早運(yùn)用系統(tǒng)信用風(fēng)險(xiǎn)的多因素模型，驗(yàn)證了宏觀經(jīng)濟(jì)變量對(duì)信用風(fēng)險(xiǎn)的影響。Bangia等人（2002）最早建立了基于經(jīng)濟(jì)周期的風(fēng)險(xiǎn)轉(zhuǎn)移矩陣，證實(shí)了宏觀經(jīng)濟(jì)變量對(duì)解釋企業(yè)信用風(fēng)險(xiǎn)的重要性，Berger和Udell（2003）、Figlewski（2006）隨后又從不同角度研究了經(jīng)濟(jì)周期因素與企業(yè)信用風(fēng)險(xiǎn)的關(guān)系。Borio等人（2001）、Pederzoli和Torricelli（2005）的研究表明，在經(jīng)濟(jì)衰退時(shí)企業(yè)面臨著較高的信用風(fēng)險(xiǎn)，但這種信用風(fēng)險(xiǎn)是由于經(jīng)濟(jì)擴(kuò)張時(shí)無限制的金融信用膨脹引起的。Rosch（2003）的研究表明，在經(jīng)濟(jì)下滑時(shí)企業(yè)之間信用風(fēng)險(xiǎn)的相關(guān)性增加。

為了論證上述觀點(diǎn)在我國(guó)的適用情況，本文選擇主要宏觀經(jīng)濟(jì)變量，采取數(shù)理統(tǒng)計(jì)的方法，證明宏觀經(jīng)濟(jì)變量是

判斷企業(yè)信用風(fēng)險(xiǎn)的重要因素，說明哪些宏觀經(jīng)濟(jì)變量與企業(yè)信用風(fēng)險(xiǎn)存在顯著的相關(guān)性。

二、數(shù)據(jù)與模型

根據(jù)《巴塞爾新資本協(xié)議》規(guī)定和我國(guó)銀行業(yè)實(shí)際情況，違約就意味著信用風(fēng)險(xiǎn)已經(jīng)產(chǎn)生。本文將違約發(fā)生情況作為考察企業(yè)信用風(fēng)險(xiǎn)的指標(biāo)，其中個(gè)體信用風(fēng)險(xiǎn)定義為某一時(shí)期內(nèi)該企業(yè)是否存在無法足額歸還銀行貸款本金及利息的情況，總體信用風(fēng)險(xiǎn)則定義為某一時(shí)期貸款由正常調(diào)整為逾期戶數(shù)占貸款到期總戶數(shù)的比例。本文將個(gè)體信用風(fēng)險(xiǎn)和總體信用風(fēng)險(xiǎn)作為計(jì)量模型的因變量，具體計(jì)算時(shí)，被解釋變量數(shù)據(jù)全部來自銀行信貸登記咨詢系統(tǒng)中山東的數(shù)據(jù)。對(duì)于個(gè)體信用風(fēng)險(xiǎn)而言，采用了2004-2006年間參加評(píng)級(jí)的貸款企業(yè)相關(guān)數(shù)據(jù)，如在評(píng)級(jí)當(dāng)年，銀行信貸登記咨詢系統(tǒng)反映企業(yè)的任意一筆貸款發(fā)生了不良，則視為高信用風(fēng)險(xiǎn)，否則為低。對(duì)于總體信用風(fēng)險(xiǎn)而言，采用了2002-2006年間以季度為單位的時(shí)間序列數(shù)據(jù)。

本文根據(jù)已有的研究，選擇了四類主要宏觀經(jīng)濟(jì)變量指標(biāo)作為解釋變量。第一類為國(guó)民預(yù)算平衡表中的部分指標(biāo)，包括國(guó)內(nèi)生產(chǎn)總值、物價(jià)指數(shù)、進(jìn)出口、財(cái)政收支、居民收入和消費(fèi)等，數(shù)據(jù)來自山東統(tǒng)計(jì)月報(bào)。第二類為通貨膨脹指標(biāo)，包括消費(fèi)物價(jià)指數(shù)、廣義貨幣供應(yīng)量等，消費(fèi)物價(jià)指數(shù)來自山東統(tǒng)計(jì)月報(bào)，廣義貨幣供應(yīng)量來自人民銀行網(wǎng)站。第三類為金融市場(chǎng)指標(biāo)，包括短期國(guó)債利率、長(zhǎng)期國(guó)債利率、國(guó)債融資額、人民幣對(duì)美元匯率、股票指數(shù)等，相關(guān)數(shù)據(jù)整理自中國(guó)債券網(wǎng)、人民銀行網(wǎng)站；第四類為銀行貸款增量指標(biāo)，數(shù)據(jù)來自銀行信貸登記咨詢系統(tǒng)。對(duì)于各解釋變量，采取了與被解釋變量相匹配的原則，盡可能采用山東的數(shù)據(jù)，兼顧數(shù)據(jù)的可獲得性，同時(shí)考慮了解釋變量對(duì)被解釋變量的滯后影響，將宏觀經(jīng)濟(jì)變量范圍擴(kuò)展至2000-2006年的時(shí)間序列數(shù)據(jù)，即考察兩年的影響。各被解釋變量的計(jì)算詳見表1。

鑒于個(gè)體信用風(fēng)險(xiǎn)的被解釋變量為二值虛擬變量，本文采用逐步去掉不顯著變量的Logit模型和年度數(shù)據(jù)，考察解釋變量對(duì)當(dāng)年、滯后1年及滯后2年被解釋變量的影響。鑒于總體信用風(fēng)險(xiǎn)的被解釋變量為時(shí)間序列數(shù)據(jù)，本文采用逐步進(jìn)入的多元回歸方法和季度數(shù)據(jù)，考察解釋變量對(duì)同期、滯后1季度至8季度被解釋變量的影響。

三、回歸結(jié)果

（一）個(gè)體信用風(fēng)險(xiǎn)

表2反映了宏觀經(jīng)濟(jì)變量與個(gè)體信用風(fēng)險(xiǎn)的Logit模型回歸結(jié)果，Nagelkerke R Square值僅為0.01，說明宏觀經(jīng)濟(jì)指標(biāo)對(duì)個(gè)體信用風(fēng)險(xiǎn)的影響并不顯著，且能對(duì)個(gè)體信用風(fēng)險(xiǎn)產(chǎn)生顯著影響的指標(biāo)較少，僅包括消費(fèi)物價(jià)指數(shù)、出口增長(zhǎng)率指標(biāo)及短期利率三項(xiàng)指標(biāo)。

首先，短期國(guó)債利率與個(gè)體信用風(fēng)險(xiǎn)呈顯著的正相關(guān)關(guān)系，這反映了短期利率上升會(huì)增加企業(yè)融資成本，從而增加企業(yè)信用風(fēng)險(xiǎn)。同時(shí)，這種影響也可能來自擠出效應(yīng)，即較低的國(guó)債利率增加財(cái)政融資規(guī)模，擠占企業(yè)的資金，增加企業(yè)融資成本和信用風(fēng)險(xiǎn)，本文將在下面加以印證。其次，出口增長(zhǎng)率能夠?qū)?年的個(gè)體信用風(fēng)險(xiǎn)產(chǎn)生顯著的負(fù)相關(guān)影響，這說明出口的增加改善了企業(yè)的未來收益，能夠降低企業(yè)信用風(fēng)險(xiǎn)。最后，消費(fèi)物價(jià)指數(shù)與滯后2年的個(gè)體信用風(fēng)險(xiǎn)呈顯著的負(fù)相關(guān)關(guān)系。對(duì)于企業(yè)個(gè)體而言，通貨膨脹如果同等比例地增加了企業(yè)的收入和成本，兩者相抵反而會(huì)增加企業(yè)的凈利潤(rùn)，降低信用風(fēng)險(xiǎn)。

（二）總體信用風(fēng)險(xiǎn)

表3反映了宏觀經(jīng)濟(jì)變量與總體信用風(fēng)險(xiǎn)的多元回歸模型結(jié)果。較個(gè)體信用風(fēng)險(xiǎn)而言，影響總體信用風(fēng)險(xiǎn)的宏觀經(jīng)濟(jì)變量較多，包括進(jìn)出口增長(zhǎng)率、匯率、財(cái)政收支、物價(jià)指數(shù)、居民消費(fèi)、股票指數(shù)等指標(biāo)，而且這些指標(biāo)對(duì)總體信用風(fēng)險(xiǎn)影響程度較高，除t-1期解釋能力較低，t-2期、t-3期、t-5期無顯著變量可以解釋外，其他時(shí)期解釋能力均較高，其中t-3、t-4期分別達(dá)到了0.717、0.836。

即期時(shí)，出口增長(zhǎng)率和匯率對(duì)總體信用風(fēng)險(xiǎn)的影響方向一致，與Logit呈顯著的正相關(guān)關(guān)系，這說明出口增長(zhǎng)和匯率貶值短期內(nèi)會(huì)增加企業(yè)成本，提高企業(yè)的信用風(fēng)險(xiǎn)。

就1年期看，財(cái)政支出與滯后1季度的總體信用風(fēng)險(xiǎn)呈顯著的負(fù)相關(guān)關(guān)系，說明財(cái)政支出能夠促進(jìn)經(jīng)濟(jì)增長(zhǎng)，降低企業(yè)信用風(fēng)險(xiǎn)；長(zhǎng)期國(guó)債利率與滯后4季度的總體信用風(fēng)險(xiǎn)呈顯著的負(fù)相關(guān)關(guān)系，這與Logit模型中反映短期國(guó)債利率對(duì)個(gè)體信用風(fēng)險(xiǎn)的影響正好相反；消費(fèi)物價(jià)指數(shù)與滯后4季度的總體信用風(fēng)險(xiǎn)呈顯著的正相關(guān)關(guān)系，說明較高的通貨膨脹率會(huì)增加總體信用風(fēng)險(xiǎn)，也與Logit模型結(jié)果相反；新增貸款增長(zhǎng)率與滯后4季度的總體信用風(fēng)險(xiǎn)呈顯著的正相關(guān)關(guān)系，說明貸款總量的增長(zhǎng)會(huì)在一年后影響企業(yè)的信用狀況，這與實(shí)際情況一致。

在更長(zhǎng)的時(shí)期，宏觀經(jīng)濟(jì)變量對(duì)總體信用風(fēng)險(xiǎn)的影響又呈現(xiàn)新的特點(diǎn)。首先，進(jìn)口增長(zhǎng)率與滯后6季度和滯后7季度的總體信用風(fēng)險(xiǎn)呈顯著的正相關(guān)關(guān)系，說明進(jìn)口企業(yè)隨著付款期限的到來，面臨較高的還款壓力，形成較高的信用風(fēng)險(xiǎn)。通過比較滯后6季度與滯后7季度的系數(shù)和t值，發(fā)現(xiàn)進(jìn)口增長(zhǎng)率對(duì)信用風(fēng)險(xiǎn)的影響隨時(shí)間推移而減弱。

其次，從1年半開始，連續(xù)三個(gè)季度消費(fèi)者支出增長(zhǎng)率與總體信用風(fēng)險(xiǎn)呈顯著的負(fù)相關(guān)關(guān)系，且隨著時(shí)間的推移，影響程度逐步減弱。這說明消費(fèi)支出的增加，一方面促進(jìn)了經(jīng)濟(jì)增長(zhǎng)，為企業(yè)創(chuàng)造了更好的經(jīng)營(yíng)環(huán)境，另一方面增加了產(chǎn)品需求，擴(kuò)大了企業(yè)的市場(chǎng)空間和盈利空間，降低了企業(yè)的信用風(fēng)險(xiǎn)。

再次，財(cái)政收入增長(zhǎng)率與滯后8季度的總體信用風(fēng)險(xiǎn)呈顯著的負(fù)相關(guān)關(guān)系，這說明財(cái)政收入增加導(dǎo)致財(cái)政支出增加，進(jìn)而促進(jìn)經(jīng)濟(jì)增長(zhǎng)，降低企業(yè)信用風(fēng)險(xiǎn)。此外，國(guó)債融資發(fā)行量與滯后7季度的企業(yè)信用風(fēng)險(xiǎn)呈顯著的正相關(guān)關(guān)系，在一定程度上印證了前述存在擠出效應(yīng)的觀點(diǎn)。

最后，深圳成指與滯后6季度總體信用風(fēng)險(xiǎn)呈顯著的負(fù)相關(guān)關(guān)系，證明了資本市場(chǎng)波動(dòng)會(huì)對(duì)企業(yè)信用風(fēng)險(xiǎn)產(chǎn)生一定影響，一般而言資本市場(chǎng)的繁榮，在今后一段時(shí)期內(nèi)會(huì)降低企業(yè)信用風(fēng)險(xiǎn)，反之亦反是。

四、結(jié)論與建議

綜上所述，本文得出以下結(jié)論：宏觀經(jīng)濟(jì)變量能夠?qū)ζ髽I(yè)總體信用風(fēng)險(xiǎn)產(chǎn)生顯著影響，但對(duì)個(gè)體信用風(fēng)險(xiǎn)的影響并不顯著；出口增長(zhǎng)短期內(nèi)會(huì)增加企業(yè)信用風(fēng)險(xiǎn)，長(zhǎng)期則相反，進(jìn)口增長(zhǎng)會(huì)在一段時(shí)期后帶來信用風(fēng)險(xiǎn)，匯率波動(dòng)通過進(jìn)出口變動(dòng)影響信用風(fēng)險(xiǎn)，與傳統(tǒng)匯率理論一致；財(cái)政收入增加能夠促進(jìn)財(cái)政支出，進(jìn)而促進(jìn)經(jīng)濟(jì)發(fā)展，改善企業(yè)經(jīng)營(yíng)環(huán)境，降低信用風(fēng)險(xiǎn)，但財(cái)政融資會(huì)擠占企業(yè)資金，增加企業(yè)信用風(fēng)險(xiǎn)。短期利率上升會(huì)增加企業(yè)的信用風(fēng)險(xiǎn)，但長(zhǎng)期利率則相反，通貨膨脹能夠降低個(gè)體信用風(fēng)險(xiǎn)，但會(huì)增加總體信用風(fēng)險(xiǎn)。消費(fèi)者支出增長(zhǎng)會(huì)降低企業(yè)信用風(fēng)險(xiǎn)，但隨著時(shí)間的推移，影響程度逐步減弱；銀行信貸規(guī)模的增長(zhǎng)會(huì)增加企業(yè)信用風(fēng)險(xiǎn)，而資本市場(chǎng)的繁榮，會(huì)降低企業(yè)信用風(fēng)險(xiǎn)，這與普遍認(rèn)識(shí)一致。

本文建議要高度關(guān)注宏觀經(jīng)濟(jì)變量的影響，并在實(shí)際工作中加以應(yīng)用。首先，商業(yè)銀行和信用評(píng)價(jià)機(jī)構(gòu)在判斷個(gè)體信用風(fēng)險(xiǎn)時(shí)，應(yīng)將部分宏觀經(jīng)濟(jì)變量引入風(fēng)險(xiǎn)決策模型，并實(shí)時(shí)關(guān)注宏觀經(jīng)濟(jì)對(duì)總體信用風(fēng)險(xiǎn)的影響。其次，中央銀行不僅要在宏觀調(diào)控、貨幣政策決策執(zhí)行等方面重視宏觀經(jīng)濟(jì)變量，而且要應(yīng)用到金融穩(wěn)定等工作中，以提高對(duì)系統(tǒng)性信用風(fēng)險(xiǎn)判斷的準(zhǔn)確度。最后，與微觀經(jīng)濟(jì)變量比較而言，宏觀經(jīng)濟(jì)變量的波動(dòng)更加難以預(yù)期，因此有關(guān)機(jī)構(gòu)應(yīng)加強(qiáng)對(duì)宏觀經(jīng)濟(jì)變量的理論和應(yīng)用研究，增強(qiáng)對(duì)信用風(fēng)險(xiǎn)的預(yù)測(cè)能力。

參考文獻(xiàn)：

[1]Diana Bonfim，“Credit risk drivers: evaluating the contribution of firm level information and of macroeconomic dynamics”，working paper.

[2]Donald P.Morgan，“The Credit Effects of Monetary Policy， Evidence Using Loan Commitments”， Journal of Money Credit and Banking， Feb. 1998.

[3]Korajczyk， R.A. and Levy， A.， “Capital structure choice：macroeconomic conditions and financial constraints”

，Journal of Financial Economics，2003，68.

[4]Pederzoli，C.and Torricelli，C.“Capital requirements and business cycle regimes：forward-looking modelling of default probabilities”， Journal of Banking and Finance，2005， No.29.

[5]Wilson，T.“Portfolio credit risk”，F(xiàn)ederal Reserve Board of New York Economic Policy Review， October 1998.

[6]中國(guó)人民銀行濟(jì)南分行課題組.征信過程中的信息篩選與共享半徑研究[J].金融發(fā)展研究.2008，（12）.

（特約編輯 齊稚平）