王俠

摘 要：充分認(rèn)識及合理度量宏觀經(jīng)濟(jì)波動給商業(yè)銀行業(yè)帶來的潛在風(fēng)險，是提高商業(yè)信用風(fēng)險管理的重要內(nèi)容。本文將宏觀經(jīng)濟(jì)分析和信用風(fēng)險度量有機(jī)結(jié)合，在商業(yè)銀行信用風(fēng)險評價方法中納入宏觀經(jīng)濟(jì)環(huán)境因素，該方法可以應(yīng)用于我國商業(yè)銀行的信用風(fēng)險度量實務(wù)，能有效量化宏觀經(jīng)濟(jì)波動對商業(yè)銀行信用風(fēng)險的影響，有助于商業(yè)銀行提高信用風(fēng)險控制能力，提高宏觀審慎監(jiān)管的效率。

關(guān)鍵詞：商業(yè)銀行；宏觀經(jīng)濟(jì)波動；信用風(fēng)險評價；Logistic模型

現(xiàn)代金融觀念中把銀行看作是一部風(fēng)險機(jī)器，銀行不僅承擔(dān)經(jīng)營風(fēng)險、管理風(fēng)險、轉(zhuǎn)化風(fēng)險，還將風(fēng)險融入各種金融產(chǎn)品進(jìn)行再加工。銀行風(fēng)險管理的主要內(nèi)容是對信用風(fēng)險的管理，信用風(fēng)險也是商業(yè)銀行的最主要風(fēng)險。與其他工商企業(yè)相比較，商業(yè)銀行的特征是“少本經(jīng)營”，彼得·S.羅斯（2001）指出，這種“少本經(jīng)營”意味著相對少量金額的貸款違約就可能導(dǎo)致商業(yè)銀行資本不足，使其無法沖銷損失并面臨破產(chǎn)倒閉的危險”。根據(jù)世界銀行對全球銀行危機(jī)的相關(guān)研究結(jié)果，信用風(fēng)險是導(dǎo)致銀行破產(chǎn)的最普遍原因。因此，設(shè)定科學(xué)合理的商業(yè)銀行信用風(fēng)險評價方法對于優(yōu)化商業(yè)銀行信用風(fēng)險管理至關(guān)重要。

一、研究綜述

Beaver（1966）對公司破產(chǎn)及信用風(fēng)險分析進(jìn)行了開創(chuàng)性工作，使企業(yè)信用風(fēng)險評價方法研究得到了飛速的發(fā)展構(gòu)建了含由5個參數(shù)變量的Z值模型對美國制造業(yè)進(jìn)行了判別研究，該方法被廣泛應(yīng)用于企業(yè)的信用風(fēng)險評價之后，Altman又建立了Z-score模型以及ZETA模型用于分析公司財務(wù)困境風(fēng)險。通過采用單變量分析法對30多個財務(wù)比率進(jìn)行研究發(fā)現(xiàn)，現(xiàn)金流與總負(fù)債之比兩個指標(biāo)對企業(yè)破產(chǎn)的解釋力最強(qiáng)從己有的信用風(fēng)險度量技術(shù)上看，傳統(tǒng)的商業(yè)銀行信用風(fēng)險度量方法主要包括專家判斷方法（如5C分析法）、判別模型（多元判別模型，線性回歸模型、Logit回歸模型和Probit回歸模型）及神經(jīng)網(wǎng)絡(luò)模型。為了解決我國商業(yè)銀行面對的貸款違約率不易進(jìn)行數(shù)學(xué)變換，無法納入廣義線性模型框架的困難，所以把判別模型引入到我國商業(yè)銀行信用風(fēng)險度量中。陳浩等（2009）和唐躍（2009）分別利用判別模型對銀行面對的企業(yè)是否面臨違約進(jìn)行了實證研究。從國內(nèi)外的文獻(xiàn)研究來看，對于企業(yè)是否違約的判別模型主要包括Logistic模型、Probit模型、貝葉斯判別分析模型等參數(shù)模型和支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等非參數(shù)模型。本文研究的商業(yè)銀行信用風(fēng)險正是指企業(yè)是否違約的風(fēng)險，考慮到Logistic模型是判別模型的典型方法，并廣泛應(yīng)用于商業(yè)銀行信用風(fēng)險的評價和度量。因此，本文將對Logistic模型進(jìn)行改進(jìn)，加入宏觀經(jīng)濟(jì)波動因素的考量，構(gòu)建一個包含宏觀經(jīng)濟(jì)波動因素的商業(yè)銀行信用風(fēng)險Logistic模型分析框架。

二、商業(yè)銀行信用風(fēng)險的評價指標(biāo)體系

要建立新的Logistic模型分析框架，首先需要構(gòu)建商業(yè)銀行信用風(fēng)險評估指標(biāo)體系。商業(yè)銀行信用風(fēng)險主要是指狹義上的信貸風(fēng)險，Svoronos（2002）的研究表明，在銀行面臨的各類風(fēng)險中，信用風(fēng)險是最主要風(fēng)險，在各類風(fēng)險中的比例約為60%，而操作風(fēng)險、市場風(fēng)險與其他風(fēng)險（如信譽(yù)風(fēng)險、流動性風(fēng)險、利率風(fēng)險等）所占比重較低，分別約為30%、5%和5%。因此，商業(yè)銀行信用風(fēng)險作為一種客觀存在的風(fēng)險，受到借款人的行為和宏觀經(jīng)濟(jì)環(huán)境的不確定性的影響。因此，本文將商業(yè)銀行信用風(fēng)險的影響因素概括為借款人（企業(yè)）因素和宏觀經(jīng)濟(jì)因素兩部分。借款人的信用程度，主要包含企業(yè)的信用能力和企業(yè)的信用意愿兩方面，對借款人可信程度的評估基本從企業(yè)素質(zhì)、資金信用、經(jīng)營管理、經(jīng)濟(jì)效益、發(fā)展前景幾個方面考慮。宏觀經(jīng)濟(jì)因素對商業(yè)銀行信用風(fēng)險的影響來自于商業(yè)銀行在進(jìn)行信貸活動決策時需要參考目前和未來時期的總體宏觀經(jīng)濟(jì)環(huán)境預(yù)測，諸如國家宏觀調(diào)控政策、國際貿(mào)易環(huán)境、經(jīng)濟(jì)景氣度水平、通貨膨脹或緊縮的可能性等。如華曉龍（2009）通過建立宏觀宏觀壓力測試模型來評估我國商業(yè)銀行的信用風(fēng)險，結(jié)果認(rèn)為：GDP、通貨膨脹率、一年期流動資金貸款的名義平均利率是影響中國銀行體系穩(wěn)定性的重要因素。

遵循科學(xué)性、系統(tǒng)性、層次性和實用性等商業(yè)銀行對企業(yè)信用風(fēng)險評價指標(biāo)體系的構(gòu)建原則，通過借鑒相關(guān)研究成果，本文從企業(yè)盈利能力、償債能力、資產(chǎn)管理能力、現(xiàn)金流量能力四個基本角度出發(fā)，并納入宏觀經(jīng)濟(jì)因子指標(biāo)，構(gòu)建商業(yè)銀行信用風(fēng)險評價指標(biāo)體系，見表1。

三、商業(yè)銀行信用風(fēng)險的評價方法

20世紀(jì)80年代之后Llogistic回歸分析法逐步取代了傳統(tǒng)判別分析方法，成為度量企業(yè)違約風(fēng)險的主流方法，傳統(tǒng)判別分析法假定企業(yè)破產(chǎn)或經(jīng)營失敗的概率服從二項分布，該假設(shè)對于企業(yè)經(jīng)驗風(fēng)險的度量過于粗糙，而Logistic回歸分析則將該假定優(yōu)化為服從Logistic分布。90年代之后，信息化的發(fā)展使得數(shù)據(jù)挖掘技術(shù)在商業(yè)銀行信用風(fēng)險度量中普遍運用。大量文獻(xiàn)的實證研究證明，Logistic模型對實際數(shù)據(jù)的擬合結(jié)果更好，預(yù)測能力更強(qiáng)。1977年，Martin從25個財務(wù)指標(biāo)中選取總資產(chǎn)、凈利潤率等8個財務(wù)比率指標(biāo)，使用Logistic模型預(yù)測了公司的破產(chǎn)及違約概率，通過與Z-Score模型和ZETA模型的預(yù)測效果比較，證明Logistic模型預(yù)測效果最優(yōu)。WestDavid（2000）進(jìn)一步比較了5種統(tǒng)計分類模型和5種神經(jīng)網(wǎng)絡(luò)模型在違約概測算中的判別效果，結(jié)果依然表明Logistic模型的判別準(zhǔn)確率最高的。然而，相關(guān)研究普遍存在一個缺陷，即在公司的破產(chǎn)及違約風(fēng)險判別中僅僅選取了借款企業(yè)的財務(wù)指標(biāo)，而沒有定量考察宏觀經(jīng)濟(jì)因素，導(dǎo)致Logistic模型在計算違約概率時缺乏精確性?；诖?，本文將結(jié)合包含宏觀經(jīng)濟(jì)因素的商業(yè)銀行信用風(fēng)險評價體系和Logistic模型相結(jié)合，構(gòu)建新的商業(yè)銀行信用風(fēng)險評價模型。

假設(shè)被解釋變量用Y來表示，解釋變量用Xi來表示，C表示理論上存在的代表借款企業(yè)的信用水平的連續(xù)變量，當(dāng)C小于某個臨界點E時，借款企業(yè)便會發(fā)生違約。因此，C和Y可建立如下關(guān)系：

所以，C服從Logistic分布，即：

可以看出，上述模型中不僅包含了傳統(tǒng)的影響企業(yè)違約率的企業(yè)經(jīng)營因素，還考察了宏觀經(jīng)濟(jì)系統(tǒng)運行風(fēng)險對企業(yè)違約的影響。模型修正后所考察的影響因素更加全面，有利于輔助商業(yè)銀行更加科學(xué)、精確地預(yù)測企業(yè)違約風(fēng)險。

四、結(jié)論

本文根據(jù)我國的現(xiàn)實情況，考慮宏觀經(jīng)濟(jì)波動對商業(yè)銀行信用風(fēng)險的影響，在此基礎(chǔ)上構(gòu)建了基于宏觀經(jīng)濟(jì)波動因素的商業(yè)銀行信用風(fēng)險度量模型。本文測定出影響我國商業(yè)銀行信用風(fēng)險的五個宏觀經(jīng)濟(jì)因子，分別是GDP增長率、通貨膨脹率、一年期貸款利率、增長率和房地產(chǎn)價格指數(shù)?；诤暧^經(jīng)濟(jì)因素的Logistic模型比傳統(tǒng)的Logistic模型具有更高的風(fēng)險判別能力，該模型可以更加客觀、及時地反映宏觀經(jīng)濟(jì)波動變化對企業(yè)違約概率的影響。因此結(jié)合對宏觀經(jīng)濟(jì)的監(jiān)測，商業(yè)銀行可以更科學(xué)地度量信用風(fēng)險。

參考文獻(xiàn)：

[1]Beaver W H. Financial ratios as predictors of failure[J]. Journal of accounting research， 1966： 71-111.

[2]Landry C. The creative city： A toolkit for urban innovators[M]. Earthscan， 2008.

[3]Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy[J]. The journal of finance， 1968， 23（4）： 589-609.

[4]Altman E I， Haldeman R G， Narayanan P. ZETA< sup> TM