論城市商業銀行授信風險控制模型的建模與應用問題

［摘 要］ 城市商業銀行作為承擔多重經營風險的金融企業，如何規避風險是其在經營中求發展的關鍵；而如何創建和應用有效的度量風險的模型，并用以防范和控制各類風險更是銀行業經營的核心。本文對兩種風險度量模型，即多元線性判別分析以及其改進形式——主成分分析進行了有益的探索，并進行了相應的應用測試；從理論上與實踐上論證了其有效性和實用性。

［關鍵詞］ 城市商業銀行；授信風險控制模型；多元線性判別分析；主成分分析

［中圖分類號］F830.33；F224.0［文獻標識碼］A［文章編號］1673-0194（2008）09-0069-03

城市商業銀行面臨的風險主要有三大類：信用風險、流動性風險和利率風險；其中信用風險占總體風險的50%左右。這就更加突出了研究信用風險的重要性。信用風險是指在商品交易中，債務人一方由于信用質量下降，導致其在商品交易期限內違約或違約的概率增加，從而使得債權人一方應該從事先約定的交易中得到的預期現金流量值減少。而信貸風險是一種狹義的信用風險，是指銀行貸款頭寸的價值隨其客戶信用質量的變化而遭受損失的風險。

度量商業銀行的個體信貸風險就是計算個體貸款在一定期限內的預期損失和非預期損失。銀行個體貸款的預期損失取決于借款企業的預期違約概率等因素。

下面就企業預期違約率的度量模型，即“判別分析”和“主成分分析”方法在信貸風險模型中的應用問題進行探討。本文主要研究“判別分析”的應用問題，而“主成分分析”可作為其輔助和補充方法。

1. 判別分析的思想。當被解釋變量是屬性變量，而解釋變量是度量變量時，判別分析是合適的統計分析方法。

2. 判別分析的基本要求：①分組類型在兩組以上；每組案例的規模必須至少在一個以上；解釋變量必須可測量。②每一個解釋變量不能是其他判別變量的線性組合。否則無法估計判別函數，而且誤差將更大。③各組變量的協方差矩陣相等。因為判別分析最簡單最常用的是線性函數，它們是判別變量的簡單線性組合并可以進行顯著性檢驗。④各組變量具有正態分布。如違背上述要求，計算的概率將非常不準確。

3. 判別分析的步驟：要求進行選擇樣本空間、選取解釋變量、模型分析、模型檢驗幾個步驟。下面舉例說明對企業預期違約率的度量模型應用多元判別分析的具體操作步驟：

（1）選擇樣本空間：以企業的資產總量價值作為標準來選擇違約企業。

（2）選取解釋變量：從資產負債表、利潤表和現金流量表出發選取財務比率或相關指標。

（3）模型分析：運用多元判別分析選取最優判別財務指標體系，將其轉化成唯一的企業信用狀況判別值，并在此基礎上度量企業的預期違約概率。

（4）模型檢驗：預測被檢測企業違約的評價或判斷。

以下本文就城市商業銀行授信風險控制與管理模型的應用問題進行初步探討。

一、城市商業銀行授信風險控制模型的樣本選擇問題

模型總樣本包括經營失敗組和經營正常組兩組，由在深滬兩市公開上市的186家公司的數據資料組成，經營失敗組企業和經營正常組企業各占一半。經營失敗組選擇了深滬兩市2000年至2002年間A 股交易被特別處理（ST）的93家上市公司。被ST的原因在于：①公司連續兩年虧損；②公司的每股凈資產低于其股票面值；③因前一期財務報告被出具無法表示意見或否定意見的審計報告；④以上多種原因。本文在選擇被特別處理的上市公司進入經營失敗組時，剔除了由第三種原因導致“ST”的公司和其他一些存在明顯經營違規和弄虛作假的公司22家。這樣做的目的是將虛假的或是有虛假嫌疑的企業數據排除在模型之外。剔除這22家公司之后，經營失敗組的有效樣本變為71家；模型在剩余的上市公司中另行選擇。

選擇經營正常組企業時，除了考慮經營失敗組企業所處行業、資產規模等因素之外，還盡量使經營正常組企業的數量與經營失敗組3年間每年新增“ST”上市公司的數量基本保持一致，并在此基礎上采用了分層隨機抽樣的方法。經營正常組企業選擇了非“ST”上市公司73家，使得模型有效樣本總數由模型總樣本的186家減為144家。經營失敗組企業總資產的規模為1.5億元至65.3億元，均值為9.48億元。經營正常組企業總資產的規模為1.5億元至69.2億元，均值為10.18 億元。

從模型有效樣本的行業分類來看，經營失敗組企業來自18個行業部門。由于經營失敗組企業所處行業占據了證監會劃分的上市公司所有行業部門（共22個）的絕大部分，具有很強的代表性，因此模型結果具有普遍的適用性。

二、城市商業銀行授信風險控制模型解釋變量的選擇問題

盡管從企業財務報表和企業資本市場數據中可以提取的共同信息非常有限，但本文還是在這一領域做了新的嘗試。以現有的研究文獻、上市公司的財務報表和本研究內容需要為依據，從能夠反映企業盈利性、流動性、清償性、增長性、景氣和其他等六大類型指標體系中，初選了六大類30種企業財務比率。這些企業財務比率又可以被細分為主營業務收益指標、投資收益指標、資本收益指標、營運資本比率指標、現金流指標、債務比率指標、利息支付指標、增長指標、短期景氣指標、長期景氣指標、財務杠桿指標、 資本結構指標和資本市場指標等。

三、城市商業銀行授信風險控制模型的建模構架與思路

以上，本文應用多元判別分析法對公開披露財務報表的144家經營失敗和經營正常的股份公司的信用質量進行了判別分析，并利用經過行業均值修正后的標準財務比率，建立了一個包含6個判別指標的線性的行業相對判別方程。該方程模型對企業經營失敗前1~2年期具有較強的判別能力，對前3 年期則具有一定的預警能力。由于采用了行業修正等數據挖掘技術，因此判別方程也能夠適用于絕大多數的中小企業。企業信用判別值的時間序列數據有助于建立城市商業銀行授信經營失敗的概率數據庫，也是度量企業在一定時間期限內的預期違約概率的途徑之一。

四、城市商業銀行授信風險控制模型中主成分分析方法的輔助應用

主成分分析的基本理論是：設對某一事物的研究涉及p個指標，分別用X1，X2，…，Xp表示。這p個指標構成p維隨機變量。對X進行線性變換，可以形成新的綜合變量，新變量可以由原來的變量線性表示：

將判別分析應用主成分后對于反映企業經營狀況比以前更有說服力，且主成分分析不涉及總體分布的問題，即主成分分析不要求數據來自正態總體。將主成分分析與判別分析結合能夠得到更有效的判別結論。

首先，將模型樣本隨機劃分為估計樣本和測試樣本。估計樣本用來估計判別方程和檢驗分類準確率，測試樣本用來檢驗預測準確率。其估計樣本的總分類準確率一般為86.9%，測試樣本的總預測準確率一般為86.0%。

其次，建立在多元判別分析基礎上，同時結合主成分分析法的判別模型具有更好的預測和判別能力。這在一定程度上完善并解決了模型普遍適用的問題，為城市商業銀行建立了信貸風險管理與控制的數學模型；為分析評價中小企業的授信質量、風險控制和管理應用，提供了理論支撐和操作平臺。

主要參考文獻

［1］ 梁琪. 商業銀行信貸風險度量研究［M］. 北京：中國金融出版社，2005.

［2］ 何曉群. 多元統計分析［M］. 北京：中國人民大學出版社，2004.

［3］ 陳靜. 上市公司財務惡化預測的實證分析［J］. 會計研究，1999，（4）.

［4］ 楊力. 商業銀行風險管理［M］. 上海：上海財經大學出版社，1998.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”