商業(yè)銀行信貸管理中行業(yè)風(fēng)險評價研究

【摘 要】 行業(yè)風(fēng)險的預(yù)測和評價是商業(yè)銀行信貸管理中的重點(diǎn)和難點(diǎn)。文章從償債能力、資產(chǎn)流動性、盈利能力、資產(chǎn)運(yùn)營能力、市場競爭情況、股本結(jié)構(gòu)、勞動效率和創(chuàng)新能力八個方面，構(gòu)建了行業(yè)風(fēng)險預(yù)測指標(biāo)體系，并針對預(yù)測指標(biāo)間存在的多重共線性，運(yùn)用嶺回歸方法篩選指標(biāo)，建立了行業(yè)風(fēng)險預(yù)測評價模型。此方法可以幫助商業(yè)銀行在信貸管理中及時、準(zhǔn)確地評價某個行業(yè)未來所面臨的風(fēng)險程度。

【關(guān)鍵詞】 商業(yè)銀行； 行業(yè)風(fēng)險評價； 風(fēng)險預(yù)測指標(biāo)； 嶺回歸

一、引言

進(jìn)入后金融危機(jī)時代以后，商業(yè)銀行所面臨的競爭壓力日益增大，各項(xiàng)業(yè)務(wù)所蘊(yùn)含的風(fēng)險也越來越大，尤其是信貸風(fēng)險。對商業(yè)銀行而言，信貸風(fēng)險防范的基礎(chǔ)就是對信貸風(fēng)險進(jìn)行準(zhǔn)確的度量與預(yù)警。一個行業(yè)的經(jīng)營情況好壞會影響其內(nèi)部企業(yè)的經(jīng)營情況，進(jìn)而影響到銀行信貸資金的安全。因此，武劍（2003）認(rèn)為行業(yè)風(fēng)險分析應(yīng)作為銀行內(nèi)部風(fēng)險評級與信貸管理的一項(xiàng)重要內(nèi)容。一方面，通過對行業(yè)風(fēng)險的分析，商業(yè)銀行可以掌握行業(yè)長期的發(fā)展趨勢，預(yù)測未來可能出現(xiàn)的行業(yè)風(fēng)險；另一方面，根據(jù)不同行業(yè)間風(fēng)險的差異，實(shí)行差異化的信貸策略。這樣，商業(yè)銀行既可以盡可能地避免未來的行業(yè)信貸風(fēng)險，又可以保證利潤的最大化。

從現(xiàn)有理論研究和實(shí)踐來看，國內(nèi)外商業(yè)銀行和一些學(xué)者多注重對單個企業(yè)的信用風(fēng)險管理和研究，對商業(yè)銀行信貸企業(yè)所處的行業(yè)風(fēng)險研究并不是很多，僅限于定性的分析和管理，定量測度的研究還很少。現(xiàn)有研究大部分是從定性的角度，對某一個具體的行業(yè)進(jìn)行研究，或是對行業(yè)的某一影響影響因素進(jìn)行相關(guān)分析和研究。國外方面，美國哈佛大學(xué)產(chǎn)業(yè)經(jīng)濟(jì)學(xué)權(quán)威Joe S. Bain、Scherer在19世紀(jì)30年代提出了結(jié)構(gòu)—行為—績效（SCP）分析模型，用于揭示行業(yè)的發(fā)展現(xiàn)狀，進(jìn)而對企業(yè)的行為和績效進(jìn)行探討。該模型主要是研究行業(yè)內(nèi)部的影響因素，而對行業(yè)外部的影響因素考慮的較少；美國學(xué)者M(jìn)ichael Porter于20世紀(jì)80年代提出了波特理論，他認(rèn)為企業(yè)的利潤受行業(yè)競爭結(jié)構(gòu)影響很大。Schwartz和Altman （1973）著重研究了行業(yè)股價指數(shù)的波動規(guī)律，發(fā)現(xiàn)不同的行業(yè)、在不同時間其股價指數(shù)波動的規(guī)律差異顯著；Kelly（1995）通過研究愛爾蘭服務(wù)業(yè)的行業(yè)結(jié)構(gòu)，認(rèn)為行業(yè)結(jié)構(gòu)對行業(yè)發(fā)展的影響顯著；Kuo等（2002）運(yùn)用人工神經(jīng)網(wǎng)絡(luò)（ANN）的方法和多變量分析法對行業(yè)市場的分割情況進(jìn)行了研究。

國內(nèi)方面，李萬興（2001）研究發(fā)現(xiàn)，貸款客戶的財務(wù)狀況受所處行業(yè)的發(fā)展?fàn)顩r影響很大。因此通過對行業(yè)發(fā)展趨勢、行業(yè)不同發(fā)展階段的特征的把握，可以幫助商業(yè)銀行信貸風(fēng)險決策；武劍（2003）將Michael Porter的“競爭優(yōu)勢理論”應(yīng)用到行業(yè)分析中；張蔚等（2003）對行業(yè)分析的理論和方法進(jìn)行了分析，認(rèn)為在行業(yè)分析時要關(guān)注行業(yè)的宏觀環(huán)境和微觀環(huán)境；馮娟（2005）利用某省39個工業(yè)二級子行業(yè)和26家投資企業(yè)的數(shù)據(jù)進(jìn)行了實(shí)證分析，結(jié)果表明了行業(yè)之間具有明顯差異，行業(yè)間的優(yōu)勢特征各不相同；尹占華等（2008）設(shè)計了一種能夠反映行業(yè)風(fēng)險變化的預(yù)警系統(tǒng)，并采用支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)等多種模型同時對樣本行業(yè)進(jìn)行批量處理和交叉檢驗(yàn)。實(shí)證結(jié)果顯示，支持向量機(jī)模型的預(yù)測效果優(yōu)于其他模型。張波（2010）以行業(yè)風(fēng)險為研究對象，在全面分析行業(yè)風(fēng)險影響因素的基礎(chǔ)上，利用各行業(yè)的定性數(shù)據(jù)和定量數(shù)據(jù)，構(gòu)建了基于Logit回歸的行業(yè)風(fēng)險度量模型，并在此基礎(chǔ)上對我國商業(yè)銀行防范行業(yè)信貸風(fēng)險的提出了相關(guān)對策；陳紅艷、王加中（2010）在行業(yè)風(fēng)險測度指標(biāo)體系設(shè)計的基礎(chǔ)上，提出了PCA-Logit風(fēng)險測度模型，并將其應(yīng)用到制造業(yè)中。實(shí)證結(jié)果顯示，其相對風(fēng)險的判斷結(jié)果可為銀行貨款結(jié)構(gòu)的優(yōu)化調(diào)整提供依據(jù)；陳紅艷等（2012）結(jié)合行業(yè)特征，構(gòu)建了一套適合行業(yè)信貸風(fēng)險測度的指標(biāo)體系，并對指標(biāo)的量化進(jìn)行了詳細(xì)的說明；趙坤、張迪（2012）在機(jī)械工業(yè)行業(yè)協(xié)會的信用評級指標(biāo)體系中加入了“外部行業(yè)風(fēng)險”指標(biāo)，并運(yùn)用層次分析法和模糊綜合法確定了“外部行業(yè)風(fēng)險”指標(biāo)權(quán)重。

從現(xiàn)有研究成果來看，對于行業(yè)風(fēng)險的定量分析主要有兩種方法：第一種是統(tǒng)計方法，由于行業(yè)風(fēng)險的預(yù)測指標(biāo)很多，而且相關(guān)性強(qiáng)，會產(chǎn)生多重共線性，因此需要對預(yù)測指標(biāo)降維或進(jìn)行逐步回歸，但這樣會丟掉一些與行業(yè)風(fēng)險有關(guān)的信息；第二種是支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)挖掘方法，這種方法的適應(yīng)性好，但處理結(jié)果近似于黑箱，不便于解釋。針對行業(yè)風(fēng)險預(yù)測指標(biāo)的多重共線性問題，本文擬采用嶺回歸分析方法，進(jìn)行行業(yè)風(fēng)險預(yù)測指標(biāo)的篩選，并建立行業(yè)風(fēng)險預(yù)測模型。

二、行業(yè)風(fēng)險預(yù)測指標(biāo)體系構(gòu)建

（一）行業(yè)風(fēng)險程度判斷指標(biāo)的確定

對于商業(yè)銀行來說，行業(yè)風(fēng)險就是某行業(yè)中企業(yè)違約的比例。這里，由于商業(yè)銀行的信貸數(shù)據(jù)難以取得，本文參考前人的研究成果，將行業(yè)虧損情況作為衡量行業(yè)信貸風(fēng)險的指標(biāo)。行業(yè)虧損情況一般有三個指標(biāo)，一是表示行業(yè)虧損面的指標(biāo)：虧損企業(yè)個數(shù)占行業(yè)內(nèi)全部企業(yè)個數(shù)的比率；另外兩個是表示行業(yè)虧損度的指標(biāo)：即虧損總額占全行業(yè)主營業(yè)務(wù)收入比率和虧損總額占全行業(yè)利潤總額比率。在這里，本文參考前人的研究成果，也將行業(yè)虧損面即虧損企業(yè)個數(shù)占行業(yè)內(nèi)全部企業(yè)個數(shù)的比率作為判斷行業(yè)風(fēng)險高低的標(biāo)準(zhǔn)。

（二）行業(yè)風(fēng)險預(yù)測指標(biāo)體系

國內(nèi)外很多學(xué)者都是參考企業(yè)財務(wù)風(fēng)險的研究成果，從財務(wù)指標(biāo)和非財務(wù)指標(biāo)兩個方面，構(gòu)建了行業(yè)風(fēng)險預(yù)測指標(biāo)體系。財務(wù)指標(biāo)主要是資產(chǎn)結(jié)構(gòu)、償債能力、營運(yùn)能力、盈利能力等方面指標(biāo)，非財務(wù)指標(biāo)主要是行業(yè)發(fā)展情況、政策影響情況、競爭情況等。本文參考前人的研究成果，按照理論依據(jù)充分、敏感性好、代表性強(qiáng)、可行性高的原則，從償債能力、資產(chǎn)流動性、盈利能力、資產(chǎn)運(yùn)營能力、市場競爭情況、股本結(jié)構(gòu)、勞動效率和創(chuàng)新能力八個方面構(gòu)建了行業(yè)風(fēng)險預(yù)測指標(biāo)體系（見表1）。為了避免定性指標(biāo)的主觀性，對于非財務(wù)指標(biāo)，沒有采用傳統(tǒng)的打分法，而是采用代理變量。其中，營業(yè)費(fèi)用占主營業(yè)務(wù)收入比率代表了行業(yè)的市場競爭情況，國家資本比例代表了行業(yè)的股本情況，新產(chǎn)品營業(yè)收入比例代表了行業(yè)的創(chuàng)新能力。

三、實(shí)證設(shè)計

（一）嶺回歸分析方法

由于用于預(yù)測行業(yè)風(fēng)險的指標(biāo)大多為財務(wù)指標(biāo)，其反映的內(nèi)容相關(guān)性較高，存在著多重共線性，會影響后續(xù)建模的穩(wěn)定性和精確性。傳統(tǒng)的解決辦法是采用主成分降為維后，再進(jìn)行OLS回歸。但主成分分析只是將預(yù)測指標(biāo)變量的絕大部分信息進(jìn)行保留，可能會丟掉與風(fēng)險變量有關(guān)的信息。而嶺回歸方法是通過最小二乘法的改進(jìn)允許回歸系數(shù)的有偏估計量存在而補(bǔ)救多重共線性的方法，采用它可以通過允許小的誤差而換取高于無偏估計量的精度，因此它接近真實(shí)值的可能性較大。嶺回歸分析將所有的變量引入模型中，比逐步回歸分析、主成分分析能夠提供更多的信息。因此，本文采用嶺回歸分析方法，進(jìn)行變量的篩選，并建立預(yù)測模型。

嶺回歸分析是一種改良的最小二乘法，可以從根本上消除復(fù)共線性影響。嶺回歸模型通過在相關(guān)矩陣中引入一個很小的嶺參數(shù)k，并將它加到主對角線元素上，降低了參數(shù)的最小二乘估計中復(fù)共線特征向量的影響，減小復(fù)共線變量系數(shù)最小二乘估計的方法，以保證參數(shù)估計更接近真實(shí)情況。嶺回歸估計表達(dá)式為：

■（k）=（X'X+kI）-1X'Y （1）

因?yàn)閹X參數(shù)k不是唯一確定的，所以得到的嶺回歸估計k實(shí)際是回歸參數(shù)β的一個估計族。當(dāng)k=0時就是普通最小二乘估計，一般對于嶺參數(shù)k的選擇并沒有公認(rèn)的最優(yōu)標(biāo)準(zhǔn)，主要有嶺跡法、方差擴(kuò)大因子法、均方誤差H（K）最小值等。由于嶺跡法比較簡便、直觀，因此，本文采用嶺跡法來確定k值。

（二）實(shí)證數(shù)據(jù)和來源

本文實(shí)證研究的樣本和數(shù)據(jù)均來源于國家統(tǒng)計局的《中國工業(yè)經(jīng)濟(jì)統(tǒng)計年鑒2009》、《中國工業(yè)經(jīng)濟(jì)統(tǒng)計年鑒2010》和《中國科技統(tǒng)計年鑒2009》。當(dāng)今行業(yè)劃分的類別比較多，有些行業(yè)又比較偏，為了便于研究，本文以國家統(tǒng)計局制定的《國民經(jīng)濟(jì)行業(yè)分類》作為基礎(chǔ)。在《中國工業(yè)經(jīng)濟(jì)統(tǒng)計年鑒》中，一共有39個行業(yè)。其中由于其他采礦業(yè)和廢棄資源和廢舊材料回收加工業(yè)比較偏，因此予以剔除，最終確定了工業(yè)大類中的37個細(xì)分行業(yè)作為研究對象。

為了保證行業(yè)風(fēng)險預(yù)測模型的時效，本文用上一年度的行業(yè)風(fēng)險預(yù)測指標(biāo)來預(yù)測本年度行業(yè)風(fēng)險情況，即把2009年的行業(yè)風(fēng)險預(yù)測指標(biāo)作為自變量，2010年的行業(yè)虧損面指標(biāo)作為因變量。

四、實(shí)證結(jié)果及分析

（一）行業(yè)風(fēng)險預(yù)測指標(biāo)變量的篩選

本文采用嶺回歸方法，對行業(yè)風(fēng)險預(yù)測指標(biāo)進(jìn)行篩選。首先，對相關(guān)變量進(jìn)行標(biāo)準(zhǔn)化處理，然后運(yùn)用馬克威分析系統(tǒng)5.0版進(jìn)行嶺回歸處理，設(shè)置嶺參數(shù)k從0.0到1.0，步長為0.1，得到標(biāo)準(zhǔn)化后的嶺回歸系數(shù)表和嶺跡圖。

由標(biāo)準(zhǔn)化回歸系數(shù)表2和嶺跡圖（圖1）可以看出，當(dāng)嶺參數(shù)k從0到0.3時，各變量的標(biāo)準(zhǔn)化回歸系數(shù)變化很大，特別是變量x1的標(biāo)準(zhǔn)化回歸系數(shù)由負(fù)值快速上升為正值，x2的標(biāo)準(zhǔn)化回歸系數(shù)則由正值快速下降為負(fù)值，這就是多重共線性所引起的異常變化。從圖1中還可以看到，變量x3、x5、x8、x9的標(biāo)準(zhǔn)化回歸系數(shù)隨著嶺參數(shù)k的增大趨于0，說明這幾個變量的預(yù)測作用很小，因此予以剔除。當(dāng)嶺參數(shù)k大于0.2以后，各變量的回歸系數(shù)變化減小，趨于穩(wěn)定。由于k值越大，模型的誤差就越大，因此，基于誤差最小化的原則，選擇0.2作為模型的嶺參數(shù)。

（二）行業(yè)風(fēng)險預(yù)測模型構(gòu)建

設(shè)定k=0.2，重新對剩下的五個變量進(jìn)行嶺回歸處理，得到嶺回歸估計結(jié)果（見表3）和行業(yè)預(yù)測風(fēng)險模型。

Y=15.624+0.046x1-0.062x2-0.361x4+0.341x6+

0.128x7 （2）

從嶺回歸估計結(jié)果和行業(yè)風(fēng)險預(yù)測模型可以看出，流動資產(chǎn)比例x2越高，下一年行業(yè)發(fā)生虧損的比例就越小，即風(fēng)險程度就越低。這表明提高資產(chǎn)的流動性能夠降低行業(yè)風(fēng)險；同樣，凈資產(chǎn)利潤率x4越高，風(fēng)險程度也越低。這表明利潤率指標(biāo)對行業(yè)風(fēng)險有正面作用；資產(chǎn)負(fù)債率x1越高，下一年行業(yè)發(fā)生虧損的比例就越大，即風(fēng)險程度就越高。這說明81013513405b52e56a2581842a991b530a2aa43090f93a783dbaada073a137a1負(fù)債過多會加大行業(yè)風(fēng)險；營業(yè)費(fèi)用占主營業(yè)務(wù)收入比例x6越高，風(fēng)險程度也越高。這說明行業(yè)競爭程度越高，行業(yè)風(fēng)險越大；國家資本比例x7越高，風(fēng)險程度也越高。這說明國家資本控股占主導(dǎo)地位的行業(yè)依賴性強(qiáng)，競爭力弱，行業(yè)風(fēng)險也相應(yīng)增大。

五、研究結(jié)論和不足

本文構(gòu)建了財務(wù)指標(biāo)和非財務(wù)指標(biāo)相結(jié)合的行業(yè)風(fēng)險預(yù)測指標(biāo)體系，運(yùn)用嶺回歸方法，篩選指標(biāo)，建立了行業(yè)風(fēng)險預(yù)測模型，從而得出以下結(jié)論：

1.嶺回歸方法可以直觀、有效地對行業(yè)風(fēng)險預(yù)測指標(biāo)進(jìn)行篩選，為后續(xù)實(shí)證建模打下基礎(chǔ)，還可以有效地解決指標(biāo)高度相關(guān)產(chǎn)生的多重共線性問題，從而保證模型的穩(wěn)定性和信息的完備性。

2.基于嶺回歸的行業(yè)風(fēng)險預(yù)測模型可以為商業(yè)銀行判斷行業(yè)風(fēng)險提供幫助。實(shí)證結(jié)果表明，加大資產(chǎn)的流動性，提高盈利能力，能夠減低行業(yè)風(fēng)險。而行業(yè)負(fù)債的增加，市場競爭強(qiáng)度的加大，國家控股比例提高，會相應(yīng)地增加行業(yè)風(fēng)險。

本文在研究中還存在一些不足：一是沒有商業(yè)銀行行業(yè)信貸違約情況的數(shù)據(jù)，只能用行業(yè)虧損面或虧損度指標(biāo)代替，因此實(shí)證的結(jié)果和精度可能受到影響；二是樣本只限于工業(yè)企業(yè)，因此，適用范圍會受到影響。這些會在后續(xù)的研究中加以完善。

【參考文獻(xiàn)】

[1] 武劍.論我國商業(yè)銀行的行業(yè)風(fēng)險評級與信貸管理[J].新金融，2003（2）：30-33 .

[2] 金碚.產(chǎn)業(yè)組織經(jīng)濟(jì)學(xué)[M].經(jīng)濟(jì)管理出版社，1999.

[3] 金碚.產(chǎn)業(yè)國際競爭力研究[J].經(jīng)濟(jì)研究，1996（11）：39-44，59.

[4] Schwartz RA，Altman E I. Volatility Behavior of Industrial Stock Price Indices[J]. Journal of Finance，1973（28）：957-971.

[5] Kelly，P.W.The Catering Industry in the Repubic of Ireland[J]. International Journal of Hospitality Management，1995，14（1）：25-37.

[6]Kuo，R.J，Ho，E.M，&Hu，C.M.Cluster Analysis in Industrial Market Segmentation Through Artificial Neural Network[J].Computers&Industrial Engineering，2002，42（2-4）：391-399.

[7]李萬興.國民經(jīng)濟(jì)的行業(yè)分析與商業(yè)銀行信貸經(jīng)營策略[J].金融論壇，2001（4）：12-15.

[8]張蔚，韓玨.行業(yè)分析的理論和方法初探[J].湖南商學(xué)院學(xué)報，2000（2）：78-79.

[9]馮娟.基于行業(yè)比較的風(fēng)險投資企業(yè)綜合評價研究[D].華中科技大學(xué)碩士學(xué)位論文，2005.

[10]尹占華，張文彬，王曉軍.基于支持向量機(jī)的行業(yè)預(yù)警系統(tǒng)研究及實(shí)證[J].統(tǒng)計與決策，2008（23）：46-48.

[11]張波.商業(yè)銀行信貸行業(yè)風(fēng)險的測量方法及其實(shí)證研究[D].云南大學(xué)碩士學(xué)位論文，2010.

[12]陳紅艷，王加中.銀行信貸中的行業(yè)風(fēng)險測度[J].金融論壇，2010（12）：30-36.

[13]陳紅艷，張琳，朱曉峰.基于行業(yè)視角的貸款風(fēng)險度量指標(biāo)體系設(shè)計[J].華東經(jīng)濟(jì)管理，2012（4）：157-160.

[14]趙坤，張迪.企業(yè)信用評級指標(biāo)體系中的行業(yè)風(fēng)險研究[J].會計之友，2012（34）：77-79.