我國商業銀行對制造業的信貸風險分析

武丹丹

一般意義上的信貸風險可以解釋為貸款企業未能及時、足額償還銀行貸款而違約的可能性。我國商業銀行信貸風險的問題究其原因主要還是信貸管理機制不健全導致的。目前我國商業銀行主要采取的手段有：貸前的資格審查、貸中的強化風險分析以及貸后的繼續跟蹤調查。然而，由于自身經濟發展程度的影響及我國商業銀行在信貸風險量化管理方法上的落后，導致在信貸風險控制上顯現出一些弊端，如事前風險防范意識薄弱、缺乏有效的預警機制，過多的定性分析信貸風險的識別和衡量但卻忽視了信貸風險的定量分析。要想做好信貸風險控制，僅僅著眼于理論研究是不夠的，于是在信貸風險控制領域不僅要注重預防和控制還應找到信貸風險和盈利的平衡點。

商業銀行信貸風險的防范，其實主要是不良信貸的防范。上表1反映出來近年來我國商業銀行不良貸款的大體情況，表中不難看出從2007年至2012年，隨著商業銀行貸款數量的不斷增大，不良貸款的數量并沒有隨著貸款的數量不斷擴大，不良貸款率在逐年降低，但不良貸款中的次級類、可疑類和損失類貸款并不是一直保持遞減的趨勢，而是在某些年度出現反彈的趨勢，說明我國在信貸風險控制上有著自己的經驗和方法的同時還存有很多疏漏。

1. 信貸風險的Z評分模型

目前，我國商業銀行信貸風險控制已儼然成為信貸業務中必須盡早解決的難題，當然，我們知道信貸風險是不可能完全被徹底消除的，因此引入適當有效的定量分析方法，使信貸風險降低到可控范圍內便是我國商業銀行在處理信貸業務時的重中之重了。我國可借鑒國際權威的Z評分模型來作為研究商業銀行信貸風險控制管理體系的方法。

Z評分模型是由奧特曼于1968年利用多元判別式法建立并提出的，模型首先需要從上市公司的年度財務報告中計算出反映企業財務風險程度的經濟指標，緊接著利用這些經濟指標對財務風險影響的大小賦予不同的權重，最后加權所得便是這個企業的信貸風險Z的評估值。

奧特曼提出的Z評分模型就包括了以上變量中的五個：

X1=流動資金/總資產

X2=未分配利潤（留存收益）/總資產

X3=息稅前利潤/總資產

X4=股權市值/總負債賬面價值

X5=銷售收入/總資產

Z評分模型如下：

Z=1.2（X1）+1.4（X2）+3.3（X3）+0.6（X4）+0.999（X5）

在這一模型中，分類臨界值為： Z<2.675，則為破產企業；Z≥2.675，則為非破產企業。奧特曼發現Z值主要分布在1.81-2.99之間，即Z的分值高于2.99為非破產企業，低于1.81就存在著潛在的破產風險，貸款損失的概率會很高。借助Z評分模型，一方面可以初步估計該企業的收入水平和預期還貸能力，從而達到貸前風險控制的目的；另一方面可以通過貸款企業的年報信息，運用Z評分模型幫助分析項目和資產中高風險的成分，降低銀行的信貸風險。

我國商業銀行信貸風險所造成的損失主要集中在制造業、批發和零售業、房地產業、以及信用卡等。下文將以制造業信貸風險為研究對象，選取10家制造業上市公司的2012年年度數據構建Z評分模型。

2. Z評分模型評價結果

將貸款企業的相關財務數據錄入模型即可得到Z的評分結果。Z值越大說明資信水平越好；Z值越小則信貸風險就越大。若Z值大于或高于預先設定的特定數值或范圍，就推斷該家企業的財務狀況良好或銀行能夠接受這樣的信貸風險水平；若Z值小于預先設定的特定數值或范圍，則推斷該企業可能無法按時歸還貸款，甚至虧損破產。

由上表分析結果可以得出，在10所上市公司中，前五只股票的Z值都在1.81以上，破產率較低，貸款損失率也相對較低。其中中穎電子業績表現優秀，Z值為17.127；美菱電器雖不在破產率高的行列，但潛在風險明顯比其他四只股票大。后五只股票即績差股，在檢測結果Z值上明顯不足，而其他績優股則能表現出良好的結果，即有著良好的預期還款能力。 其中SST華塑的檢測值-1.79694，相對其他績差股所存在的破產風險最大；而*ST株冶在2012年度的經營活動中業績好轉，Z評分模型檢測結果為1.896467，有望扭虧。

根據以上研究發現，企業財務數據在Z評分模型中的各項指標對Z 值影響最大的指標是X1，即流動資金/總資產，這說明一個企業的流動性對該企業的信用風險有著相當大的影響。通常情況下，一家企業若遭遇業績不斷下滑或者重大損失，那么流動性資產一定會萎縮，企業的信貸風險也將不斷增大。

3. 結論

歸根究底，我國商業銀行首先應對貸款企業數據信息的準確性和全面性進行嚴格把關；其次，通過Z評分模型可對貸款企業的信用度、風險度、還款可能性等數據進行一系列評估；最后，商業銀行自身通過Z評分模型將貸款企業進行合理分類排序，大大減少信貸業務的繁瑣程序，降低評估成本和所要面臨的信貸風險。

建立健全信貸風險控制系統和信貸管理機制，依靠專業的評分機構，在完善基礎數據庫的同時探索適合中國自身國情的Z評分模型，現階段的評價體系所評估出來的結果還不夠精確，只能從側面反映出企業的信貸風險，需要今后基于龐大的企業數據得到合適的評分模型，這也可成為信貸風險的新研究方向。