商業銀行信用風險識別的模型構建與政策建議

徐春紅，路正南

(江蘇大學a.財經學院；b.工商管理學院，江蘇 鎮江 212013)

席卷全球的金融風暴使銀行業遭遇重創，讓全球各商業銀行意識到了風險管理的重要性。信用風險是目前我國商業銀行的主要風險，對信用風險進行有效管理將直接關系到商業銀行的經營業績，甚至生死存亡并將影響我國整個金融體系的穩定。信用風險識別是信用風險管理的基礎和關鍵環節，國外商業銀行的信用風險識別技術得到了飛速發展，由于存在數據和人才的瓶頸制約，國外成熟和先進的模型并不能直接在中國運用。目前，我國商業銀行信用風險的識別仍以定性分析為主，難以適應現代商業銀行全面和動態風險管理的需要。構建適合我國的信用風險識別模型，提高商業銀行信用風險識別水平成為我國金融界一個最為緊迫的研究課題。

1 研究方法、樣本與指標

Logistic回歸采用最大似然估計法進行參數估計，不要求樣本數據呈正態分布，不要求變量服從協方差矩陣，這與現實中我國信用數據的真實情況相吻合。但Logistic回歸法要求各個變量相互獨立，而我國的信用數據具有高相關性和高維性，各個變量之間存在一定程度的線性依存關系即多重共線性,這會增加估計參數的均方誤差和標準誤,引起Logistic回歸模型擬合上的不合理，需要設法加以消除。

特別處理（ST）是經營很差或經營中出現重大問題的上市公司向市場所傳達的一種信號，上市公司被ST后會大大加大貸款銀行的風險。我國上市公司被ST的原因包括財務狀況異常和其他狀況異常兩種，后者具有較大的不確定性，難以預測，故本文以滬、深A股市場2007年因財務狀況異常被ST的40家上市公司和隨機抽選的40家非ST公司作為訓練樣本，以滬A股市場2008年上半年因財務狀況異常被ST的15家上市公司和隨機抽選的15家非ST公司作為測試樣本，模型樣本總計為110家上市公司。ST企業被視為是高信用風險企業，將其定義為0；非ST企業被視為是低信用風險企業，將其定義為1。

在借鑒了國內外研究成果和穆迪、標準普爾等公司資信評級指標體系后，本次采用涵蓋上市公司盈利性、流動性、償債能力、資產管理效率和成長性等方面的10個財務指標，分別是資產收益率X1、主營業務利潤率X2、流動比率X3、速動比率X4、資產負債率X5、總資產周轉率X6、應收賬款周轉率X7、主營業務收入增長率X8、凈利潤增長率X9和股東權益比率X10。訓練樣本采用2006年末數據，測試樣本為2007年末數據，數據來自于上市公司的資產負債表、利潤分配表和現金流量表。

2 模型的構建與實證分析

2.1 普通Logistic識別模型

（1）模型的建立

以80個訓練樣本為基礎，運用SPSS13.0統計軟件對10個指標的數據進行普通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，引入商業銀行貸款企業的財務數據，可以預測其信用風險狀況。判別的標準是：P值大于0.5的企業被判定為低風險類企業；反之則歸入高風險類企業。

（2）模型的檢驗與測試

誤判分為兩類：第一類誤判稱為“拒真”，將高信用風險企業誤判為低信用風險企業；第二類誤判稱為“納偽”，將低信用風險企業誤判為高信用風險企業。第二類誤判只會使銀行損失一定的收益，而第一類誤判會使商業銀行因無法收回貸款而面臨重大損失，因此，第一類誤判的代價要高得多。

普通Logistic模型的檢驗與測試結果見表1，基于普通方法對訓練樣本進行回代檢驗，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%。模型對測試樣本進行預測的總誤判率為16.7%，其中第一類誤判率為20%，第二類誤判率為13.3%。可見，訓練樣本和測試樣本的第一類誤判率都要高于第二類誤判率，而且模型對測試樣本的預測準確率大大低于對訓練樣本的回代識別準確率，說明模型的穩定性相對不足。究其原因，我們發現10個指標中進入模型的只有2個，分別是凈資產收益率X1和主營業務利潤率X2。因此，逐步回歸法在消除多重共線性的同時，數據和信息丟失嚴重，影響了模型的穩定性和預測能力。

表1 普通Logistic模型的檢驗與測試結果

2.2 主成分Logistic混合識別模型

（1）主成分分析

表2 主成分分析的總方差解釋

以80個訓練樣本為基礎進行主成分分析，本文采用主成分對應的特征值大于1，前m個主成分的累計方差貢獻率不低于85%的標準提取主成分（見表2）。基于以上標準，從10個財務指標中提取了4個主成分，即m=4，依次為Y1、Y2、Y3和Y4，它們的累計方差貢獻率為85.708%，包含了原始財務指標中的大部分信息。

（2）模型的建立

將上文主成分分析得到的四個主成分進行Logistic回歸，本模型選擇enter，即強迫引入法，全部被選變量一次性進入回歸模型，根據回歸結果，主成分Logistic回歸方程為：

同樣，p值大于0.5的企業被判定低風險類企業；反之，則歸入高風險類。

（3）模型的檢驗與測試

主成分Logistic模型的檢驗與測試結果見表3，模型對訓練樣本進行回代檢驗的總誤判率為12.5%，其中第一類誤判率為12.5%，第二類誤判率也為12.5%。模型對測試樣本進行預測的總誤判率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模型對訓練樣本和測試樣本的識別結果基本一致，且第一類誤判率都不高于第二類誤判率，模型比較穩定，推廣能力強。

2.3 結論

Logistic回歸分析的許多假設比較符合信用數據的分布規律，這使得該模型的識別準確率較高。我國的信用數據具有高相關性和高維性等特點，以主成分分析得到的主成分作為Logistic回歸的解釋變量而構建的主成分Logistic混合識別模型，有效地解決了多重共線性問題，較好地保留了原始數據信息，提高了模型的穩定性，降低了誤判率，尤其是第一類誤判率。因此，主成分Logistic混合識別模型不僅精度高，而且穩定性好，是現階段對我國商業銀行信用風險進行量化識別的一個有效手段。

表3 主成分Logistic模型的檢驗與測試結果

3 政策建議

（1）加強信用風險識別模型的研究和開發。定量化、模型化代表了信用風險識別未來的發展方向，中國銀行業應順應這種趨勢。我國商業銀行應加強對國外先進信用風險識別模型的研究，掌握其構建的思路和方法，結合我國實際情況，對有關模型進行改進，或開發新模型。我國信用風險識別模型的開發應注意如下幾點：一是堅持先易后難的原則。技術從落后到先進不可能實現一步式跨越，會有一個很長的過渡期，不能操之過急。目前可從建立傳統的小規模模型開始，對于其他復雜的先進模型，可以先做前期研究工作，并積累資料，再逐步應用。二是注重模型的科學性。模型的設計要根植于商業銀行的實踐，商業銀行在設有獨立的信用風險識別模型開發團隊的同時，應邀請經驗豐富的信用風險管理人員參與建模技術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險管理人員應用于信用風險管理的實踐，其回饋意見用于未來模型的改進和完善。只有做到知識與經驗、理論與實踐的融合，才能保證模型的科學性。三是注意模型的差別性。由于不同商業銀行的業務特點和客戶群體有所區別，必須建立與本行業務、客戶和戰略相適應的識別模型；同一銀行內部可根據不同的評價對象和評價目的，選取適合的信用風險識別技術和模型。四是做好模型的再建和完善工作。這次金融危機的教訓之一就是金融衍生產品改變了金融資產的風險特征，而銀行的風險管理系統沒有及時地改進和完善，結果成了銀行風險管理系統無法識別和控制的怪獸。因此，模型的再建和完善將是風險管理業的一個永久性課題，隨著貸款客戶和業務的不斷變化以及識別過程中經驗的積累，商業銀行必須及時對模型進行修正，以保持模型的時效性。

（2）完善信用基礎數據庫的建設。商業銀行信用風險的識別和評估是以大量基礎數據作支撐的，數據的數量和質量決定了識別結果的有效性。目前我國商業銀行征信缺乏有效渠道，信用數據儲備嚴重不足，數據質量不高，數據管理不科學，嚴重制約了先進信用風險識別技術的合理有效運用。我國信用基礎數據庫的建設可從以下幾方面入手：一是進一步規范信息披露工作。盡快出臺相關法律，確保信息披露的及時、全面和準確，同時保護好信用主體的秘密和隱私。二是搭建以政府為主導的、各商業銀行為主體、多方參與的多渠道征信架構。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上，將各公共機構、非銀行金融機構和其他渠道的信息集中起來，形成統一的數據庫，由各方共同使用，也為商業銀行信用風險識別提供強大的數據支持。三是對數據庫數據進行科學管理。制定數據管理規章，實行嚴格、一致的數據標準，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）積極培育和引進信用風險高級管理人才。信用風險識別知識含量高，汲取了現代金融理論、數學、統計方法和計算機技術等學科的最新研究成果，而我國這方面的人才匱乏，制約了我國商業銀行信用風險識別和管理的現代化進程。高素質信用風險管理人才的獲得可以通過有以下幾個途徑：一是商業銀行自行培養。商業銀行應投入足夠的費用和精力，加強對信用風險管理人員相關知識培訓的力度，為信用風險量化識別和模型構建提供有力的智力支持。二是與高校合作培養。我國商業銀行應與高等院校攜手創辦信用管理專業，借鑒歐美高校信用管理專業教育的經驗，開設風險管理、資信調查、資信評級等課程，培養信用管理的專業人才。三是從國外引進。國外商業銀行信用風險識別技術先進，信用風險管理經驗豐富、教訓深刻。這次金融危機爆發后，國內商業銀行到華爾街去引進人才，其中就以風險管理人才為主。

（4）定量分析與定性分析相結合。信用信息包括財務信息和非財務信息或定性信息，而定性信息的很多內容難以數字化，無法引入模型，且任何模型都有極限，模型原始數據的真實性也影響了其識別結果的準確性，因此，定量模型不能取代傳統的定性分析，二者結果交相驗證會最大限度地提高識別的準確性。另一方面，定量模型并非萬能，對于缺乏數據信息的新成立借款人的信用狀況及低概率超常事件的發生，也只能更多的依靠定性分析和信貸人員的主觀判斷。因此，模型是量化信用風險的工具，可以輔助專家決策；定性分析可以彌補定量模型的缺陷與不足。我國商業銀行在進行信用風險識別模型開發并設法將更多的定性信息通過數字化引入模型的同時，應保持和發揚我國商業銀行在定性分析上的傳統和優勢，做到定量分析與定性分析的有機結合，全面準確地反映借款人的信用風險狀況。

（5）內部評級與外部評級相結合。當國際知名評級機構為劇毒金融產品貼上無毒的標簽，而各方不加甄別地加以采信時就為國際金融危機的爆發埋下了隱患。《新巴塞爾資本協議》在保留外部評級方式的同時，鼓勵商業銀行建立健全內部評級體系和開發使用信用風險內部識別模型，這樣既可以對信用風險進行更為精確的度量，也可減輕對外部評級機構過度地依賴。我國內部評級方法簡單，又缺乏有效的外部評級機構。我國在建立有效的信用風險內部識別模型，完善內部評級體系的同時，也要大力發展信用評估中介機構，運用外部力量加強對借款人信用的監督與評估。

[1]馬睿宏,崔學蘭.金融業全面開放后商業銀行信用風險及其防范[J].經濟問題，2007,（9）.

[2]王全眾.兩類分析相關數據的Logistic回歸模型[J].統計研究,2007,(2).

[3]于立勇.商業銀行信用風險評估[M].北京:北京大學出版社,2007.

[4]張紅兵,賈來喜,李璐.SPSS寶典[M].北京:電子工業出版社，2007.