羅嬋

摘要：信貸風險關乎整個銀行業(yè)的生存和發(fā)展，然而商業(yè)銀行不良貸款率處于增加態(tài)勢，這就要求商業(yè)銀行必須從深度和廣度上加強對信貸風險的管理。文章著力于商業(yè)銀行信貸風險研究。通過構建商業(yè)銀行信貸風險指標體系，對風險進行判定。建立ARIMA預警模型，并根據商業(yè)銀行信貸風險現狀及問題，提出對商業(yè)銀行信貸風險管理的一些建議。

關鍵詞：商業(yè)銀行；信貸風險；主成分分析；ARIMA模型

1.引言

銀行業(yè)發(fā)展至今，信貸風險一直是其經營過程中中面臨的主要不確定性風險因素。目前，我國商業(yè)銀行信貸風險存在諸多如不良貸款余額及占比偏高、資產運營渠道單一、貸款結構不合理等問題。雖然我國商業(yè)銀行已開始注重信貸風險的管理，但是防范機制不夠健全，信貸風險化解措施比較落后，整體來說有待進一步的改善。存貸差依然是銀行利潤的主要來源，所以防范和化解信貸風險是銀行經營管理核心。

商業(yè)銀行信用風險控制技術和度量方法，在發(fā)達國家已經具有很長的研究歷史。J.P.摩根和“30集團”提出了測量風險的VaR方法，是目前金融機構測量風險的主要使用的方法。Beaver（1967）利用企業(yè)年報中的大量財務數據，利用財務指標的門閥值來對企業(yè)是否會出現違約進行判斷。我國在信用風險控制與量化方面的研究尚處于比較初級的階段，無論預警方法、預警系統(tǒng)、預警實踐都處于起步階段。陳秀英（1998）建立了20個指標體系來作為預警體系的檢測標準。孫志娟（2013）將灰色理論應用在商業(yè)銀行信貸風險預警中，通過對商業(yè)銀行信貸過程中的財務與非財務等各指標的構建與計算，構建商業(yè)銀行的信貸風險預警模型。

在以往的研究基礎上，本文擬從借款方公司的還款能力入手，通過分析借款方公司的財務數據，建立一個風險評估系統(tǒng)，來判斷商業(yè)銀行某項貸款的風險等級，了解借款方公司風險變化。并在風險評價的基礎上，建立風險預警模型，更好判斷貸款的未來走勢。

2.信貸風險評估研究

我們的信貸風險評價主要側重于借款方公司還款能力，來判斷商業(yè)銀行某項貸款的風險等級?？紤]到數據的可獲得性，我們將借款方對象限制于上市公司，并以S上市公司為例進行深入研究，從公司的經營情況推測出公司未來的違約風險。為全面反映S公司的綜合經營情況，我們選取了能夠全面反映企業(yè)的償債能力、獲利能力、運營能力、發(fā)展能力四個方面的14個財務指標，對S公司違約風險進行綜合分析。分別選取流動比率、速動比率、資產負債率、產權比率來反映公司償債能力；選取存貨周轉率、應收賬款周轉率、總資產周轉率衡量公司運營能力；選取營業(yè)利潤率、成本費用利潤率、總資產報酬率、凈資產報酬率評價公司獲利能力；凈利潤增長率、總資產增長率、營業(yè)收入增長率，來衡量公司成長能力。

2.1信貸風險評估模型的建立

對S上市公司14個財務指標進行主成分分析，根據各主成分提取原則，提取了特征值累計貢獻率為89.972%的前四個主成分，這四個主成分可以解釋所有財務指標所反應信息的89.972%。然后確定各財務指標在四個主成分中所占權重，再通過各主成分的特征根來確定各主成分所占權重，計算出主成分為：

2.2實證結果及其分析

根據上述表達式，將各季度數據帶入方程，得出Y1、Y2、Y3、Y4及Y的結果，將得出結果按時間順序繪成趨勢圖如下：

由上述趨勢圖看出，Y1、Y2與最終風險Y變化趨勢基本相似，變化范圍在0-5之間，三者中間Y1變化最為明顯。Y3、Y4出現負值，變化幅度大致在-2-2之間。得出結果后，為了對得出的最終結果值進行風險比較，將上述結果進行歸一化處理，將風險值轉化為0-1之間的數，雖不能直接對風險進行評級，但是通過對比各個季度的風險大小，判斷出差異，能很好的幫助商業(yè)銀行判斷貸款公司財務變化，并找出變化原因，從而控制住貸款風險。這里歸一化采用表達式：

按照貸款五級分類標準，將貸款分為正常類、關注類、次級類、可以類、損失類，分別對應低風險、中低風險、中等風險、中高風險、高風險。這里我們采用不同時間的縱向對比，也將歸一化的風險值進行上述劃分。由于我們選取的14個指標全部為區(qū)間型指標（如速動比率、流動比率等）和極大型指標（流動資產周轉率等），所以最終風險得出的值越大越好說明風險越低，這里我們定義0-0.2之間為高風險，0.2-0.4為中高風險，0.4-0.6之間為中等風險，0.6-0.8之間為中低風險，0.8-1.0之間為低風險（這里的風險高低并非絕對的高低，而是在于對比各個季度的風險值，強調變化）。

3.商業(yè)銀行信貸風險預警研究

對樣本企業(yè)的綜合信貸風險值進行評估后，應用時間序列模型ARIMA（自回歸移動平均模型）對樣本企業(yè)的風險值做預測，即在已有風險值的基礎上，預測未來風險值，本文將對已評估出的風險值用此模型做預測，這也將驗證模型預測的準確性。對樣本企業(yè)的信貸風險評估值進行平穩(wěn)性檢驗，ADF檢驗結果表明序列為平穩(wěn)序列。所以ARIMA（p，d，q）中d值為0。對序列進行相關性分析，并做自相關圖和偏自相關圖，自相關圖基本落在95%置信區(qū)間內，偏自相關圖在第四階和第五階不顯著，故初步認定模型為ARIMA（4，0，0）或ARIMA（5，0，0），再根據信息準則進一步發(fā)現，ARIMA（4，0，0）模型的AIC值小于ARIMA（5，0，0）的值。

對模型殘差進行相關性分析，結合其自相關圖和偏自相關圖表明殘差不存在相關性，不存在有用的信息沒有被利用，故模型合理。根據上述模型，對樣本企業(yè)的風險值進行預測，預測結果和實際值結果如下：

圖4顯示了商業(yè)銀行風險預測值與實際值得走勢圖，由于模型為AR（4）忽略前三期，我們發(fā)現之后期兩序列走勢發(fā)展基本相同，尤其在第十期之后。從整體預測趨勢上看，預測精度比較好。

根據國內外專家學者建議，將預測精度劃分為四級，誤差率分別為5%，20%，30%，40%，如果超過40%則視為預測的準確度較差。誤差率在5%以內，視為預測精準，其余視為可接受。由上表結果可知誤差率最大的是2012年第四季度，其次是2009年第一節(jié)度和2008年第一季度。誤差率在20%以內，有7個，占25%，誤差率在40%以內有18個，占比64%。從整體上看預模型測精確度有待提高，在預測風險走勢上比較準確。

4.結論

根據前面風險管理的問題我們知道，銀行存在經營管理水平不高、風險防范能力不強、信貸資產結構信貸風險集中、不良貸款率高等問題。為了更好地管理信貸資產，首先，銀行要想建立全面的風險管理體系需要依靠深厚的財務金融、數理和計算機的技術。所以選拔并且培養(yǎng)合適的人才，引進風險管理技術人才，營造良好的風險管理文化氛圍，對商業(yè)銀行風險管理而言顯得尤為重要。其次，擴大對中小企業(yè)和其他行業(yè)的貸款支持，合理配置信貸資金，減小貸款過度集中所帶來的風險。高度重視中長期貸款過快的增長，總體上把控貸款期限結構，嚴格貸款發(fā)放。另外，本文建立的信貸風險監(jiān)測指標體系主要針對公司財務指標方面，完善的體系根據自身風險偏好，確立全面風險管理戰(zhàn)略。要做到貸前全面綜合調查，貸中嚴格審查，貸后耐心檢查、細心追蹤。并且銀行應制定自身風險可承受范圍內的業(yè)績發(fā)展目標，在保證資本金充足的前提下去擴張銀行業(yè)務，并確保有能力內部消化因承受風險所面臨的潛在損失，最終確保銀行業(yè)務均衡配置，整個銀行可持續(xù)發(fā)展。（作者單位：武漢大學經濟與管理學院）

參考文獻：

[1]闕斯洋.基于ARIMA的商業(yè)銀行信貸風險預警研究.D.2012（6）

[2]王曉宇.淺談商業(yè)銀行信貸風險（J）.金融研究.2011（03）.63-64

[3]吳沖、張波、潘啟樹.商業(yè)銀行信用風險的綜合模糊評判.[J]統(tǒng)計與決策.2004（1）

[4]何書元.應用時間序列分析[M].北京大學出版社.2004