宏觀經濟波動視角下商業銀行信用風險評價方法研究

王俠

摘 要：充分認識及合理度量宏觀經濟波動給商業銀行業帶來的潛在風險，是提高商業信用風險管理的重要內容。本文將宏觀經濟分析和信用風險度量有機結合，在商業銀行信用風險評價方法中納入宏觀經濟環境因素，該方法可以應用于我國商業銀行的信用風險度量實務，能有效量化宏觀經濟波動對商業銀行信用風險的影響，有助于商業銀行提高信用風險控制能力，提高宏觀審慎監管的效率。

關鍵詞：商業銀行；宏觀經濟波動；信用風險評價；Logistic模型

現代金融觀念中把銀行看作是一部風險機器，銀行不僅承擔經營風險、管理風險、轉化風險，還將風險融入各種金融產品進行再加工。銀行風險管理的主要內容是對信用風險的管理，信用風險也是商業銀行的最主要風險。與其他工商企業相比較，商業銀行的特征是“少本經營”，彼得·S.羅斯（2001）指出，這種“少本經營”意味著相對少量金額的貸款違約就可能導致商業銀行資本不足，使其無法沖銷損失并面臨破產倒閉的危險”。根據世界銀行對全球銀行危機的相關研究結果，信用風險是導致銀行破產的最普遍原因。因此，設定科學合理的商業銀行信用風險評價方法對于優化商業銀行信用風險管理至關重要。

一、研究綜述

Beaver（1966）對公司破產及信用風險分析進行了開創性工作，使企業信用風險評價方法研究得到了飛速的發展構建了含由5個參數變量的Z值模型對美國制造業進行了判別研究，該方法被廣泛應用于企業的信用風險評價之后，Altman又建立了Z-score模型以及ZETA模型用于分析公司財務困境風險。通過采用單變量分析法對30多個財務比率進行研究發現，現金流與總負債之比兩個指標對企業破產的解釋力最強從己有的信用風險度量技術上看，傳統的商業銀行信用風險度量方法主要包括專家判斷方法（如5C分析法）、判別模型（多元判別模型，線性回歸模型、Logit回歸模型和Probit回歸模型）及神經網絡模型。為了解決我國商業銀行面對的貸款違約率不易進行數學變換，無法納入廣義線性模型框架的困難，所以把判別模型引入到我國商業銀行信用風險度量中。陳浩等（2009）和唐躍（2009）分別利用判別模型對銀行面對的企業是否面臨違約進行了實證研究。從國內外的文獻研究來看，對于企業是否違約的判別模型主要包括Logistic模型、Probit模型、貝葉斯判別分析模型等參數模型和支持向量機、神經網絡等非參數模型。本文研究的商業銀行信用風險正是指企業是否違約的風險，考慮到Logistic模型是判別模型的典型方法，并廣泛應用于商業銀行信用風險的評價和度量。因此，本文將對Logistic模型進行改進，加入宏觀經濟波動因素的考量，構建一個包含宏觀經濟波動因素的商業銀行信用風險Logistic模型分析框架。

二、商業銀行信用風險的評價指標體系

要建立新的Logistic模型分析框架，首先需要構建商業銀行信用風險評估指標體系。商業銀行信用風險主要是指狹義上的信貸風險，Svoronos（2002）的研究表明，在銀行面臨的各類風險中，信用風險是最主要風險，在各類風險中的比例約為60%，而操作風險、市場風險與其他風險（如信譽風險、流動性風險、利率風險等）所占比重較低，分別約為30%、5%和5%。因此，商業銀行信用風險作為一種客觀存在的風險，受到借款人的行為和宏觀經濟環境的不確定性的影響。因此，本文將商業銀行信用風險的影響因素概括為借款人（企業）因素和宏觀經濟因素兩部分。借款人的信用程度，主要包含企業的信用能力和企業的信用意愿兩方面，對借款人可信程度的評估基本從企業素質、資金信用、經營管理、經濟效益、發展前景幾個方面考慮。宏觀經濟因素對商業銀行信用風險的影響來自于商業銀行在進行信貸活動決策時需要參考目前和未來時期的總體宏觀經濟環境預測，諸如國家宏觀調控政策、國際貿易環境、經濟景氣度水平、通貨膨脹或緊縮的可能性等。如華曉龍（2009）通過建立宏觀宏觀壓力測試模型來評估我國商業銀行的信用風險，結果認為：GDP、通貨膨脹率、一年期流動資金貸款的名義平均利率是影響中國銀行體系穩定性的重要因素。

遵循科學性、系統性、層次性和實用性等商業銀行對企業信用風險評價指標體系的構建原則，通過借鑒相關研究成果，本文從企業盈利能力、償債能力、資產管理能力、現金流量能力四個基本角度出發，并納入宏觀經濟因子指標，構建商業銀行信用風險評價指標體系，見表1。

三、商業銀行信用風險的評價方法

20世紀80年代之后Llogistic回歸分析法逐步取代了傳統判別分析方法，成為度量企業違約風險的主流方法，傳統判別分析法假定企業破產或經營失敗的概率服從二項分布，該假設對于企業經驗風險的度量過于粗糙，而Logistic回歸分析則將該假定優化為服從Logistic分布。90年代之后，信息化的發展使得數據挖掘技術在商業銀行信用風險度量中普遍運用。大量文獻的實證研究證明，Logistic模型對實際數據的擬合結果更好，預測能力更強。1977年，Martin從25個財務指標中選取總資產、凈利潤率等8個財務比率指標，使用Logistic模型預測了公司的破產及違約概率，通過與Z-Score模型和ZETA模型的預測效果比較，證明Logistic模型預測效果最優。WestDavid（2000）進一步比較了5種統計分類模型和5種神經網絡模型在違約概測算中的判別效果，結果依然表明Logistic模型的判別準確率最高的。然而，相關研究普遍存在一個缺陷，即在公司的破產及違約風險判別中僅僅選取了借款企業的財務指標，而沒有定量考察宏觀經濟因素，導致Logistic模型在計算違約概率時缺乏精確性。基于此，本文將結合包含宏觀經濟因素的商業銀行信用風險評價體系和Logistic模型相結合，構建新的商業銀行信用風險評價模型。

假設被解釋變量用Y來表示，解釋變量用Xi來表示，C表示理論上存在的代表借款企業的信用水平的連續變量，當C小于某個臨界點E時，借款企業便會發生違約。因此，C和Y可建立如下關系：

所以，C服從Logistic分布，即：

可以看出，上述模型中不僅包含了傳統的影響企業違約率的企業經營因素，還考察了宏觀經濟系統運行風險對企業違約的影響。模型修正后所考察的影響因素更加全面，有利于輔助商業銀行更加科學、精確地預測企業違約風險。

四、結論

本文根據我國的現實情況，考慮宏觀經濟波動對商業銀行信用風險的影響，在此基礎上構建了基于宏觀經濟波動因素的商業銀行信用風險度量模型。本文測定出影響我國商業銀行信用風險的五個宏觀經濟因子，分別是GDP增長率、通貨膨脹率、一年期貸款利率、增長率和房地產價格指數。基于宏觀經濟因素的Logistic模型比傳統的Logistic模型具有更高的風險判別能力，該模型可以更加客觀、及時地反映宏觀經濟波動變化對企業違約概率的影響。因此結合對宏觀經濟的監測，商業銀行可以更科學地度量信用風險。

參考文獻：

[1]Beaver W H. Financial ratios as predictors of failure[J]. Journal of accounting research， 1966： 71-111.

[2]Landry C. The creative city： A toolkit for urban innovators[M]. Earthscan， 2008.

[3]Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy[J]. The journal of finance， 1968， 23（4）： 589-609.

[4]Altman E I， Haldeman R G， Narayanan P. ZETA< sup> TM