徐春紅，路正南

(江蘇大學(xué)a.財(cái)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(shí)到了風(fēng)險(xiǎn)管理的重要性。信用風(fēng)險(xiǎn)是目前我國商業(yè)銀行的主要風(fēng)險(xiǎn)，對(duì)信用風(fēng)險(xiǎn)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(jī)，甚至生死存亡并將影響我國整個(gè)金融體系的穩(wěn)定。信用風(fēng)險(xiǎn)識(shí)別是信用風(fēng)險(xiǎn)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(xiǎn)識(shí)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(yùn)用。目前，我國商業(yè)銀行信用風(fēng)險(xiǎn)的識(shí)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(dòng)態(tài)風(fēng)險(xiǎn)管理的需要。構(gòu)建適合我國的信用風(fēng)險(xiǎn)識(shí)別模型，提高商業(yè)銀行信用風(fēng)險(xiǎn)識(shí)別水平成為我國金融界一個(gè)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(jì)法進(jìn)行參數(shù)估計(jì)，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(shí)中我國信用數(shù)據(jù)的真實(shí)情況相吻合。但Logistic回歸法要求各個(gè)變量相互獨(dú)立，而我國的信用數(shù)據(jù)具有高相關(guān)性和高維性，各個(gè)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(huì)增加估計(jì)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(chǎng)所傳達(dá)的一種信號(hào)，上市公司被ST后會(huì)大大加大貸款銀行的風(fēng)險(xiǎn)。我國上市公司被ST的原因包括財(cái)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(cè)，故本文以滬、深A(yù)股市場(chǎng)2007年因財(cái)務(wù)狀況異常被ST的40家上市公司和隨機(jī)抽選的40家非ST公司作為訓(xùn)練樣本，以滬A股市場(chǎng)2008年上半年因財(cái)務(wù)狀況異常被ST的15家上市公司和隨機(jī)抽選的15家非ST公司作為測(cè)試樣本，模型樣本總計(jì)為110家上市公司。ST企業(yè)被視為是高信用風(fēng)險(xiǎn)企業(yè)，將其定義為0；非ST企業(yè)被視為是低信用風(fēng)險(xiǎn)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(píng)級(jí)指標(biāo)體系后，本次采用涵蓋上市公司盈利性、流動(dòng)性、償債能力、資產(chǎn)管理效率和成長(zhǎng)性等方面的10個(gè)財(cái)務(wù)指標(biāo)，分別是資產(chǎn)收益率X1、主營業(yè)務(wù)利潤(rùn)率X2、流動(dòng)比率X3、速動(dòng)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(zhǎng)率X8、凈利潤(rùn)增長(zhǎng)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(cè)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(rùn)分配表和現(xiàn)金流量表。

2 模型的構(gòu)建與實(shí)證分析

2.1 普通Logistic識(shí)別模型

（1）模型的建立

以80個(gè)訓(xùn)練樣本為基礎(chǔ)，運(yùn)用SPSS13.0統(tǒng)計(jì)軟件對(duì)10個(gè)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(cái)務(wù)數(shù)據(jù)，可以預(yù)測(cè)其信用風(fēng)險(xiǎn)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(xiǎn)類企業(yè)；反之則歸入高風(fēng)險(xiǎn)類企業(yè)。

（2）模型的檢驗(yàn)與測(cè)試

誤判分為兩類：第一類誤判稱為“拒真”，將高信用風(fēng)險(xiǎn)企業(yè)誤判為低信用風(fēng)險(xiǎn)企業(yè)；第二類誤判稱為“納偽”，將低信用風(fēng)險(xiǎn)企業(yè)誤判為高信用風(fēng)險(xiǎn)企業(yè)。第二類誤判只會(huì)使銀行損失一定的收益，而第一類誤判會(huì)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(jià)要高得多。

普通Logistic模型的檢驗(yàn)與測(cè)試結(jié)果見表1，基于普通方法對(duì)訓(xùn)練樣本進(jìn)行回代檢驗(yàn)，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(duì)測(cè)試樣本進(jìn)行預(yù)測(cè)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(cè)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(duì)測(cè)試樣本的預(yù)測(cè)準(zhǔn)確率大大低于對(duì)訓(xùn)練樣本的回代識(shí)別準(zhǔn)確率，說明模型的穩(wěn)定性相對(duì)不足。究其原因，我們發(fā)現(xiàn)10個(gè)指標(biāo)中進(jìn)入模型的只有2個(gè)，分別是凈資產(chǎn)收益率X1和主營業(yè)務(wù)利潤(rùn)率X2。因此，逐步回歸法在消除多重共線性的同時(shí)，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(cè)能力。

表1 普通Logistic模型的檢驗(yàn)與測(cè)試結(jié)果

2.2 主成分Logistic混合識(shí)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(gè)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(duì)應(yīng)的特征值大于1，前m個(gè)主成分的累計(jì)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(gè)財(cái)務(wù)指標(biāo)中提取了4個(gè)主成分，即m=4，依次為Y1、Y2、Y3和Y4，它們的累計(jì)方差貢獻(xiàn)率為85.708%，包含了原始財(cái)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(gè)主成分進(jìn)行Logistic回歸，本模型選擇enter，即強(qiáng)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(xiǎn)類企業(yè)；反之，則歸入高風(fēng)險(xiǎn)類。

（3）模型的檢驗(yàn)與測(cè)試

主成分Logistic模型的檢驗(yàn)與測(cè)試結(jié)果見表3，模型對(duì)訓(xùn)練樣本進(jìn)行回代檢驗(yàn)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(duì)測(cè)試樣本進(jìn)行預(yù)測(cè)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(duì)訓(xùn)練樣本和測(cè)試樣本的識(shí)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(qiáng)。

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(shí)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(diǎn)，以主成分分析得到的主成分作為L(zhǎng)ogistic回歸的解釋變量而構(gòu)建的主成分Logistic混合識(shí)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(shí)別模型不僅精度高，而且穩(wěn)定性好，是現(xiàn)階段對(duì)我國商業(yè)銀行信用風(fēng)險(xiǎn)進(jìn)行量化識(shí)別的一個(gè)有效手段。

表3 主成分Logistic模型的檢驗(yàn)與測(cè)試結(jié)果

3 政策建議

（1）加強(qiáng)信用風(fēng)險(xiǎn)識(shí)別模型的研究和開發(fā)。定量化、模型化代表了信用風(fēng)險(xiǎn)識(shí)別未來的發(fā)展方向，中國銀行業(yè)應(yīng)順應(yīng)這種趨勢(shì)。我國商業(yè)銀行應(yīng)加強(qiáng)對(duì)國外先進(jìn)信用風(fēng)險(xiǎn)識(shí)別模型的研究，掌握其構(gòu)建的思路和方法，結(jié)合我國實(shí)際情況，對(duì)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(xiǎn)識(shí)別模型的開發(fā)應(yīng)注意如下幾點(diǎn)：一是堅(jiān)持先易后難的原則。技術(shù)從落后到先進(jìn)不可能實(shí)現(xiàn)一步式跨越，會(huì)有一個(gè)很長(zhǎng)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(duì)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(jì)要根植于商業(yè)銀行的實(shí)踐，商業(yè)銀行在設(shè)有獨(dú)立的信用風(fēng)險(xiǎn)識(shí)別模型開發(fā)團(tuán)隊(duì)的同時(shí)，應(yīng)邀請(qǐng)經(jīng)驗(yàn)豐富的信用風(fēng)險(xiǎn)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(xiǎn)管理人員應(yīng)用于信用風(fēng)險(xiǎn)管理的實(shí)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(shí)與經(jīng)驗(yàn)、理論與實(shí)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(diǎn)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(shí)別模型；同一銀行內(nèi)部可根據(jù)不同的評(píng)價(jià)對(duì)象和評(píng)價(jià)目的，選取適合的信用風(fēng)險(xiǎn)識(shí)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(jī)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(xiǎn)特征，而銀行的風(fēng)險(xiǎn)管理系統(tǒng)沒有及時(shí)地改進(jìn)和完善，結(jié)果成了銀行風(fēng)險(xiǎn)管理系統(tǒng)無法識(shí)別和控制的怪獸。因此，模型的再建和完善將是風(fēng)險(xiǎn)管理業(yè)的一個(gè)永久性課題，隨著貸款客戶和業(yè)務(wù)的不斷變化以及識(shí)別過程中經(jīng)驗(yàn)的積累，商業(yè)銀行必須及時(shí)對(duì)模型進(jìn)行修正，以保持模型的時(shí)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(xiǎn)的識(shí)別和評(píng)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(shí)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(chǔ)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(xiǎn)識(shí)別技術(shù)的合理有效運(yùn)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(tái)相關(guān)法律，確保信息披露的及時(shí)、全面和準(zhǔn)確，同時(shí)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(jī)構(gòu)、非銀行金融機(jī)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(xiǎn)識(shí)別提供強(qiáng)大的數(shù)據(jù)支持。三是對(duì)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(shí)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(xiǎn)高級(jí)管理人才。信用風(fēng)險(xiǎn)識(shí)別知識(shí)含量高，汲取了現(xiàn)代金融理論、數(shù)學(xué)、統(tǒng)計(jì)方法和計(jì)算機(jī)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(xiǎn)識(shí)別和管理的現(xiàn)代化進(jìn)程。高素質(zhì)信用風(fēng)險(xiǎn)管理人才的獲得可以通過有以下幾個(gè)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(fèi)用和精力，加強(qiáng)對(duì)信用風(fēng)險(xiǎn)管理人員相關(guān)知識(shí)培訓(xùn)的力度，為信用風(fēng)險(xiǎn)量化識(shí)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(yàn)，開設(shè)風(fēng)險(xiǎn)管理、資信調(diào)查、資信評(píng)級(jí)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(xiǎn)識(shí)別技術(shù)先進(jìn)，信用風(fēng)險(xiǎn)管理經(jīng)驗(yàn)豐富、教訓(xùn)深刻。這次金融危機(jī)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(xiǎn)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(cái)務(wù)信息和非財(cái)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(shí)性也影響了其識(shí)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(yàn)證會(huì)最大限度地提高識(shí)別的準(zhǔn)確性。另一方面，定量模型并非萬能，對(duì)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(xiǎn)的工具，可以輔助專家決策；定性分析可以彌補(bǔ)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(xiǎn)識(shí)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(shí)，應(yīng)保持和發(fā)揚(yáng)我國商業(yè)銀行在定性分析上的傳統(tǒng)和優(yōu)勢(shì)，做到定量分析與定性分析的有機(jī)結(jié)合，全面準(zhǔn)確地反映借款人的信用風(fēng)險(xiǎn)狀況。

（5）內(nèi)部評(píng)級(jí)與外部評(píng)級(jí)相結(jié)合。當(dāng)國際知名評(píng)級(jí)機(jī)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(shí)就為國際金融危機(jī)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(píng)級(jí)方式的同時(shí)，鼓勵(lì)商業(yè)銀行建立健全內(nèi)部評(píng)級(jí)體系和開發(fā)使用信用風(fēng)險(xiǎn)內(nèi)部識(shí)別模型，這樣既可以對(duì)信用風(fēng)險(xiǎn)進(jìn)行更為精確的度量，也可減輕對(duì)外部評(píng)級(jí)機(jī)構(gòu)過度地依賴。我國內(nèi)部評(píng)級(jí)方法簡(jiǎn)單，又缺乏有效的外部評(píng)級(jí)機(jī)構(gòu)。我國在建立有效的信用風(fēng)險(xiǎn)內(nèi)部識(shí)別模型，完善內(nèi)部評(píng)級(jí)體系的同時(shí)，也要大力發(fā)展信用評(píng)估中介機(jī)構(gòu)，運(yùn)用外部力量加強(qiáng)對(duì)借款人信用的監(jiān)督與評(píng)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(xiǎn)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(jì)研究,2007,(2).

[3]于立勇.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)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.