基于復雜網絡視角的 企業信用風險及關注度測評研究

山東銀監局課題組

摘 要：近年來，受周期性、結構性、機制性因素作用，山東省企業信用風險頻發高發，影響區域性金融安全甚至社會穩定。打好防范化解金融風險攻堅戰首要的是穩妥有序應對處置信用風險。為提升信用風險防控工作質效，本文提出“信用風險關注度”概念，依托銀企信用風險復雜網絡論證其合理性，選取統計指標構建“信用風險關注度”測評體系，定量測度企業信用風險等級，為分層級、精準化、針對性地促進信用風險“出清”提供信息支撐和決策依據。

關鍵詞：信用風險關注度；復雜網絡；測評體系

中圖分類號：F830 文獻標識碼：B 文章編號：1674-2265（2018）07-0054-08

DOI：10.19647/j.cnki.37-1462/f.2018.07.008

一、引言

金融安全是國家總體安全大局的重要組成部分。防控金融風險首先要找準著力點和突破口。近年來，由于多重因素共同作用，山東銀行業信用風險形勢復雜嚴峻，部分地區不良貸款易發頻發，特別是與大型企業（集團）有關的信用風險暴露，已成為觸發區域性系統性金融風險的重大不確定因素，甚至可能影響經濟社會發展穩定大局。因此，加強理論和實踐研究，促進信用風險穩妥有序防范處置，在當前形勢下顯得尤為必要與迫切。從目前來看，信用風險防范處置相關研究主要在國內。陳育林（2015）基于“公地悲劇”理論，研究闡釋了大額授信形成機理，認為要建立約束機制，搭建政、銀、企競合平臺，消除“授信公地悲劇”發生的基礎，防范大額授信風險。王兆星（2015）認為處置與退出機制建設要把握強化市場紀律、防范道德風險與維護金融穩定的平衡，在隔離和高效處置金融風險的同時，為優勝劣汰市場紀律發揮作用留出空間。陳育林（2015）梳理分析山東省信用風險總體情況和主要特點，闡述了風險產生背后的機理，并就找準各方定位推進風險化解作了思考探索。蘇保祥（2016）在總結重大信用風險處置過程所表現出的不足基礎上，指出應按照“政府主導、銀行主體、企業配合以及監管協調”的思路開展重大信用風險處置機制設計。尹程和張秀民（2017）運用數理建模與調查問卷相結合的研究方法，定量測算了信用風險生成因素貢獻度及交互作用，提出逆周期調節、改革激勵機制、強化銀企互動等六方面風險防控機制。

可以看出，針對信用風險的防范處置研究逐步拓展，但總體看仍有較多不足，主要表現為：一是大多偏重分析信用風險的“事前”成因，所提“事后”處置措施操作性不強；二是僅關注信用風險本身，對經濟社會影響、區域風險承擔、外溢傳染、處置難度等與信用風險緊密關聯的方面考慮不足；三是未探索建立統計指標體系，對不同企業信用風險等級進行定量測評。此外，近幾年風險處置工作雖然很大程度上拓展了“政監銀企”關于統籌合力、分工協作的認識，積累了不少成熟的經驗和模式，但也存在對風險響應過度和響應不足的問題，特別是在處置資源有限的條件下，大幅弱化了風險處置整體質效。本文在總結“政監銀企”信用風險防控實踐基礎上，研究建立銀企信用風險復雜網絡，揭示信用風險外溢擴散的內在機理，構建“信用風險關注度”測評指標體系，定量測度企業信用風險程度，為建立分層級、精準化、針對性的信用風險防范化解機制提供信息支撐和決策依據。

二、企業信用風險關注度概念及合理性探討

本文創新性地提出“信用風險關注度”概念，將其定義為：不同企業因其信貸規模和信用風險狀況，對某一區域金融體系和經濟社會產生或可能產生沖擊的嚴重程度。可以看出，該定義下，信用風險內涵大為拓寬，既考量企業信用風險狀況因素，又考量企業信貸規模因素；既考量對金融體系的影響，又考量對區域經濟社會穩定的影響。從性質上而言，信用風險關注度屬于比較性、相對性概念。對不同企業風險關注度進行橫向比較和縱向分層，繼而科學配置風險防控資源，實施針對性的化解處置策略，這是本文提出“信用風險關注度”概念的根本出發點和落腳點。那么，信用風險關注度是否有意義，不同風險關注等級的企業是否會對銀行體系、經濟社會產生不同的影響？本文構建銀企信用風險復雜網絡對其進行驗證。

（一）構建銀企信用風險復雜網絡

復雜網絡理論是基于系統論的觀點，運用概率、圖論、微分方程、仿真模擬等數理統計方法，研究具有相互關系的大量事物之間聯系、發展動態規律的理論和體系。本文將銀企信用風險復雜網絡設定為無標度網絡，網絡拓撲結構如圖1所示：

1.網絡中的“點”。網絡中的“點”代表銀行和企業，由于規模和性質差異，對銀行和企業予以分類。對于銀行分為兩類：一類是大型銀行，資產規模大、客戶數量多，具有較高的抗風險能力；一類是中小型銀行，資產規模小，客戶數量相對較少，損失吸收和風險應對能力較弱。對于企業，按照融資規模和度①的不同，分為兩類：一類是大型企業（集團），信貸融資體量大、關聯②企業多，信用風險關注度高；一類是信貸融資體量小，關聯企業數量相對較少，信用風險關注度低。

2. 網絡中的“邊”。網絡中的“邊”代表“點”之間的相互關系，主要有銀企關系、企企關系、銀銀關系。銀企關系，實際中除銀行機構被動持有企業股權外，主要是通過表內外授信業務形成的信貸關系。企企關系，主要包括由生產銷售所形成的經營關系，由擔保與被擔保所形成的信用關系，由控制或關聯所形成組織關系。銀銀關系，主要是基于資金往來、交叉業務、發起設立③等所形成的同業關系。

[企業

1][企業

12][企業

11][企業

10][企業

9][企業

7][企業

6][企業

5][企業

4][企業

3][企業

2][企業

8][銀行 6][銀行 4][銀行 3][銀行 5][銀行 1][銀行 2][?] [?][?][?][?][?][◢][◢][◢][◢][◢][◢][◢][◣][◣][◥][◥][◥][◥][◤][◤][◤][◢][◤][▼][▼][◤]

注： 代表大型銀行， 代表中小型銀行； 代表大中型企業集團， 代表小微型企業。

圖1：銀企信用風險傳染復雜網絡拓撲結構（局部）

（二）銀企信用風險復雜網絡仿真模擬

1. 參數設定。為簡單起見，本文簡化銀行資產負債表結構，資產端只考慮貸款、同業資產和其他資產，負債端只考慮存款、同業負債，權益方只考慮風險資本和其他所有者權益。

表1：銀行機構資產負債表結構

[資產 負債+所有者權益 對企業貸款[α]

同業資產[β]

其他資產[δ] 負債[R] 存款[η]

同業負債[μ] 所有者權益[O] 風險資本[ρ]

其他所有者權益[τ] ]

假設各銀行總資產為[AZi]，[i=1…N]，[N]為銀行機構總數，[AZi?N（μ，σ）]；[αi=j=1j=Mlij]為銀行[i]的貸款總額，[M]為企業總數，其中[lij=0]表示企業[j]未在銀行[i]取得貸款；[βi=z=1j=Ntziz]為銀行[i]的同業資產總額，其中[tziz=0]表示銀行[z]未從銀行[i]借款；[μi=z=1j=Ntfiz]為銀行[i]的同業負債總額，其中[tfiz=0]表示銀行[i]未從銀行[z]借款；設監管資本充足率要求為[εi]，則[ρi=εi×AZi]。銀行同業資產負債規模與總資產規模成正比，貸款規模與企業資產規模成正比。根據復雜網絡拓撲結構，銀行[i]和銀行[z]之間邊的權重[wiz]可以用[i]對[z]的負債占比表示，則：

[wiz=tzizβi]

類似地，銀行[i]和企業[j]之間邊的權重[dij]可以用[i]對[j]的貸款占比表示：

[dij=lijαi]

按照會計恒等式“資產=負債+所有者權益”，確定其他財務指標，則有：

[δi=AZi-αi-βi]

[ηi=AZi-Oi-tfi]

[τi=Oi-ρi]

以上，銀行機構資產負債表的重要參數均已全部設定。

2. 傳染模型構建。按照貸款五級分類標準，[t]時刻企業[j]在銀行[i]的貸款信用風險狀態變量[Iij（t）]表示為：

[Iij（t）=1，正常2，關注3，次級4，可疑5，損失]

[Rij（t）]表示[t]時刻企業[j]在銀行[i]的貸款是否實際違約：

[Rij（t）=1，違約0，不違約]

假定當資產損失超過其風險資本時，銀行發生違約，用[Qi（t）]表示[t]時刻銀行[i]是否違約：

[Qi（t）=1，違約0，不違約]

假定當資產損失超過風險資本的一定比例時，銀行發生資產拋售行為，用[Q′i（t）]表示[t]時刻銀行[i]是否發生拋售資產情況：

[Q′i（t）=1，是0，否]

假設銀行貸款信用風險遷徙概率矩陣[A]為：

[A=a11…a15???a51…a55]

據此可推導得到[t+1]時刻的貸款信用風險等級[Pt+1=A×Pt]，進而確定任意時刻企業[j]在銀行[i]的貸款信用風險等級。設貸款信用風險五級分類的違約概率分別為[pk]，[k=1，2，3，4，5]，則[t]時刻企業[j]在銀行[i]的貸款違約概率為：

[Pij（t）=pWij（t）+?+φ×k∈⊙Rk（t）×Qk（t）×Q′k（t）]

其中，[?]表示外部形勢變化對貸款違約的影響；[φ]表示信用風險傳染過程中預期反饋效應，即銀行抽貸、正常企業跟隨式違約、擔保企業脫保等因素引起的違約概率上升。另假定違約損失率為[γ]，銀行[i]的資產損失由兩部分組成，一部分是企業真實發生違約導致的貸款損失，用[LOSScorpi]表示；另一部分是其他銀行違約導致的損失，用[LOSSbanki]表示。[LOSScorpi]、[LOSSbanki]表達式如下：

[LOSScorpi（t）=j=1Mγ×lij（t）×Rij（t）]

[LOSSbanki（t）=j=1Nγ×tzij（t）×Qij（t）]

銀行[i]的總損失即為[LOSSitotal（t）=LOSScorpi（t）+LOSSbanki（t）]。

3. 仿真模擬。通過上述銀企信用風險傳染數學模型，利用仿真模擬法定量反映不同關注度企業信用風險的影響，將相關參數作如下設定：企業總數[M=1000]，其中大型企業100個，中小型企業900個，大型企業資產服從高斯分布[N（500，50）]，中小型企業資產服從高斯分布[N（100，10）]；銀行總數[N=20]，其中大型銀行5家，中小型銀行15家；總貸款筆數為2000筆，貸款總額100億元，按照貸款行與企業資產比例分配；銀行是否拋售資產的臨界參數為0.5；[?]、[φ]初始設定為0；信用風險五級分類違約概率參照撥備計提標準分別設定為0、2%、25%、50%和100%④；以2017年山東轄區⑤銀行業貸款平均遷徙狀況設定貸款信用風險等級遷徙概率矩陣；不考慮信貸資產保全措施，違約貸款全部損失，違約損失率[γ=1]。另外，假定初始企業貸款質量均為正常類，仿真模擬次數5000次。模擬得出如下三個主要結論：

一是大型企業（集團）信用風險影響程度高。分別對大型企業和中小型企業施加初始風險沖擊，計算最終的銀行體系總損失，如圖2所示。可以看到，大型企業出現信用風險時所引起的銀行體系總損失要遠大于中小型企業。

[圖2：不同企業類型引發的信用風險損失模擬結果]

二是企業風險程度越高對信用風險影響越大。分別將初始企業貸款質量設定為正常類、關注類、次級類和可疑類，計算觀察對最終銀行體系總損失的影響，結果如圖3所示。可以看到，隨著初始貸款質量逐級劣化，銀行體系總損失相應遞增，表明企業風險程度與信用風險傳染顯著正相關，風險程度越高，信用風險傳染應對程度越高。

[圖3：不同貸款等級引發的信用風險損失模擬結果]

三是銀企渠道是信用風險外溢擴散的主要渠道。分別用[LOSScorpi（t）/LOSSitotal（t）]和[LOSSbanki（t）/LOSSitotal（t）]代表銀企渠道和銀銀渠道對信用風險總損失貢獻度。圖4展示了銀企渠道損失占總損失比重的仿真模擬結果，可以清晰地看到，銀企渠道風險所引起的損失占銀行體系總損失的比重超過銀銀渠道，銀企渠道是信用風險傳染的主要渠道。這也說明，銀行機構信用等級高，對信用風險影響程度低于企業，與現實情形基本一致。

[圖4：不同渠道引發的信用風險損失模擬結果]

綜合上述分析和仿真模擬結果，信用風險傳染主要在于企業端信貸違約，且關聯關系復雜、融資體量大、風險程度高的企業（集團），對銀企復雜網絡產生重大影響，信用風險關注度相應較高。由此，可認為企業信用風險關注度概念具有較強的合理性，對于科學識別評估企業信用風險狀況，分類開展信用風險防控化解亦具有十分重要的現實價值。

三、企業信用風險關注度測評指標體系構建及應用

本文選取統計指標建立企業信用風險關注度測評指標體系，運用熵值法計算指標權重，根據評價結果劃分關注等級區間，并利用債委會企業數據進行測算和驗證。

（一）測評體系構建

信用風險關注度內涵豐富，由多方面因素共同決定或影響。本文遵循相關性、重要性、可得性、全面性原則，分別從區域經濟重要性、經營財務狀況、企業信用規模、企業信貸風險、外部傳染隱患五個維度，研究選取24個統計指標，建立二級信用風險關注度測評指標體系，全面刻畫和反映企業（集團）信用風險受各方關注的程度。其中，“區域經濟重要性”從區域重要性的視角，衡量所在地政府處置化解企業（集團）信用風險的財政實力，以及企業（集團）信貸體量在當地的“分量”；“經營財務狀況”從財務經營視角，衡量杠桿水平、盈利狀況、償債能力以及風險的自我稀釋能力；“企業信用規模”從存量信用的視角，衡量企業（集團）信貸和債券融資總體規模；“企業信貸風險”從信貸風險的視角，衡量企業（集團）現時或潛在信用風險的嚴重程度，這也是企業（集團）引起關注的主要方面；“外部傳染隱患”從傳導觸發的視角，衡量企業（集團）面臨的外部風險隱患，以及引起不利沖擊的可能性。指標體系具體見表2。

（二）數據來源與處理

選取24個統計指標，包括經濟類指標3個，采集自山東省統計信息網；信貸類指標19個，基礎數據來源于山東銀監局非現場監管信息系統、客戶風險統計系統和萬得數據庫，并按指標公式加工整理得到；信息類指標2個，通過爬蟲程序采集自互聯網公開渠道。全部數據均為2017年10月末時點債委會企業（集團）數據。

（三）權重測度

熵值法是目前應用較為普遍的客觀賦權方法之一，本文選擇該方法進行各層級指標權重測算，具體結果見表3。

表3顯示，在信用風險關注度測評指標體系中，各級指標權重呈現比較明顯的差異，企業融資體量和風險狀況是關注度最主要的影響因素。從一級指標情況看，權重由大到小依次為：企業信用規模（33.47%）、外部傳染隱患（30.44%）、企業信貸風險（25.9%）、區域經濟重要性（5.59%）、經營財務狀況（4.62%）。從二級指標情況看，區域經濟重要性、經營財務狀況兩個維度下，各二級指標權重較為接近，均在1.0%—1.5%區間；企業信用規模維度，各二級指標權重均較大，其中授信總額、貸款余額、授信銀行家數權重超過5%，分別達9.95%、8.64%、6.21%；企業信貸風險維度，4個二級指標權重均超過5%；外部傳染隱患維度，擔保貸款不良余額、擔保貸款逾期余額、對外擔保余額、是否出現負面輿情權重較大，分別為7.26%、6.49%、5.34%、5.12%。

由此可以得到企業信用風險關注度綜合測評表達式：

企業信用風險關注度=5.59%×區域經濟重要性+4.62%×經營財務狀況+33.47%×企業信用規模+25.9%×企業信貸風險+30.44%×外部傳染隱患

其中，區域經濟重要性=1.17%×GDP+1.16%×GCY+1.12%×SSS+1.07%×ZCZ+1.07%×DKZ

經營財務狀況=1.41%×ZCF+1.04%×GGL+1.04%×ZCL+1.13%×LZB

企業信用規模=6.21%×SXJ+9.95%×SXZ+8.64%×DKY+3.78%×BWY+4.89%×ZQY

企業信貸風險=5.24%×GZL+7.97%×BLL+6.94%×YQY+5.75%×YJD

外部傳染隱患=2.71%×DWD+5.34%×DWY+7.26%×DBZ+6.49%×DBY+5.12%×CXY+3.52%×AJS （1）

（四）評價應用與等級分類

將樣本企業指標數據代入（1）式，可以得到各家企業（集團）的信用風險關注度綜合評價得分。綜合評價得分越高，企業（集團）信用風險關注度越高。為擴大綜合評價得分數值差異程度，將得分結果擴大100倍，并將綜合評價得分區間劃分成五段，對企業（集團）實行信用風險關注度分級管理，即2500分以上為一級關注度，（1500，2500]為二級關注度，（1000，1500]為三級關注度，（500，1000]為四級關注度，（100，500]為五級關注度。

由此，可以得到企業（集團）信用風險各維度評價得分以及相應的信用風險關注度等級，且比較而言，企業信用風險關注度測評等級與企業（集團）實際風險狀況高度吻合。具體地看，一級關注度企業均為轄內大型企業集團或龍頭企業，信貸總量巨大，且信貸質量已出現劣變，或風險暫未充分暴露，但部分已發生重大輿情、資金鏈可能斷裂等風險癥候，可能進一步加劇實質性風險。該類企業規模龐大，具有極高的經濟社會貢獻度，本身融資總量和風險超出銀行機構、地市政府可承受的風險防控能力，處置不當極易誘發區域性風險，對當地經濟金融和社會秩序穩定影響巨大。

二級關注度企業大部分為大中型企業或集團，信貸總量較大，相當部分企業信貸質量劣化，個別企業雖未發生不良或逾期等顯性風險信號，但信貸分類下遷存在較大可能，一些企業發生負面輿情等外部事件，短期內形成實質性風險的概率較高。該類企業具有較高的經濟社會影響度，若爆發較為嚴重的風險事件，單憑銀行機構自身力量難以實現有效控制，需要政府協調牽頭處置。

三級關注度企業絕大部分為中等規模企業集團，信貸規模較大，除部分企業信用風險較高外，大部分企業風險相對可控，該類企業對當地經濟金融和社會秩序穩定會產生一定影響。

四級關注度企業為中小規模企業，信貸體量較小，信貸質量基本穩定，短期內存在形成實質性風險的可能但概率不高，對經濟金融環境和社會秩序穩定的影響有限。

五級關注度企業信貸規模較小，經營運行比較平穩，未發現輿情、政策不利等明顯的外部風險信號，信貸資產質量較好，即使企業發生信用突變導致風險暴露，授信銀行完全可以通過采取相關措施實現“自我化解”。

四、企業信用風險關注度測評功效驗證

測評結果給出了企業信用風險關注度定量得分和劃分級別，特別是一級和二級關注度等級基本覆蓋近年來轄區風險監管和銀行業風險防控的重點企業，也與企業自身區域影響程度、融資體量、風險狀況等要素大致匹配，顯示出構建的關注度指標體系和權重測度方法具有較好的識別和評價功效。為進一步檢驗上述測評過程的科學性和合理性，本文將測評結果與企業債委會判斷結果進行驗證性對應比較。企業債委會判斷結果是企業債委會成員行綜合區域經濟重要性、經營財務狀況、企業信用規模、企業信貸風險、外部傳染隱患及其他因素形成的關注度分類結果，屬于專家判斷法，具有一定的主觀性，本文運用“主成分+多分類Logistic模型”，盡可能消除專家判斷的主觀成分，在此基礎上與測評結果比較。

（一）主成分降維

企業風險關注等級評定因素較多，而且有關因素之間存在一定的共線性問題，會降低統計模型的擬合優度，為此首先運用主成分分析法對全部影響因素進行降維，解決多重共線性問題，選擇前6個主成分作為中間變量參與后續多分類Logistic建模，前6個主成分方差貢獻度達84%，已經提取數據絕大部分信息，表達式如下：

[FACTOR1=-0.149×GDP-0.155×GCY-0.151×SSS-0.145×ZCZ-0.137×DKZ+0.01×ZCF-0.016×GGL+0.006×ZCL+0.02×LZB+0.071×SXJ+0.001×SXZ+0.033×DKY+0.019×BWY-0.007×ZQY+0.089×GZL+0.101×BLL+0.114×YQL+0.075×YJD+0.1×DWD+0.082×DWY+0.117×DBZ+0.12×DBY+0.016×CXY+0.036×AJS]

[FACTOR2=0.125×GDP+0.129×GCY+0.143×SSS+0.145×ZCZ+0.147×DKZ+0.007×ZCF+0.022×GGL-0.004×ZCL-0.002×LZB+0.095×SXJ+0.111×SXZ+0.126×DKY+0.088×BWY+0.093×ZQY+0.104×GZL+0.105×BLL+0.117×YQL+0.069×YJD+0.104×DWD+0.104×DWY+0.124×DBZ+0.137×DBY+0.07×CXY+0.007×AJS]

[FACTOR3=-0.076×GDP-0.075×GCY-0.071×SSS-0.047×ZCZ-0.043×DKZ+0.008×ZCF+0.011×GGL+0.001×ZCL-0.063×LZB+0.082×SXJ+0.206×SXZ+0.2×DKY+0.217×BWY+0.204×ZQY-0.062×GZL-0.169×BLL-0.157×YQL-0.098×YJD+0.052×DWD+0.14×DWY-0.135×DBZ-0.099×DBY+0.123×CXY-0.094×AJS]

[FACTOR4=-0.082×GDP-0.061×GCY-0.047×SSS+0.013×ZCZ+0.014×DKZ+0.34×ZCF+0.173×GGL-0.275×ZCL-0.247×LZB-0.328×SXJ+0.183×SXZ+0.103×DKY-0.064×BWY+0.242×ZQY+0.001×GZL+0.161×BLL+0.114×YQL+0.029×YJD-0.26×DWD-0.125×DWY+0.036×DBZ-0.048×DBY+0.036×CXY+0.264×AJS]

[FACTOR5=0.006×GDP+0.001×GCY-0.029×SSS+0.024×ZCZ+0.031×DKZ+0.412×ZCF+0.486×GGL-0.178×ZCL+0.3×LZB+0.134×SXJ-0.21×SXZ-0.022×DKY+0.093×BWY-0.255×ZQY+0.116×GZL-0.191×BLL-0.135×YQL+0.111×YJD+0.178×DWD+0.136×DWY-0.14×DBZ-0.057×DBY+0.132×CXY+0.22×AJS]

[FACTOR6=-0.011×GDP-0.002×GCY+0.019×SSS-0.033×ZCZ-0.03×DKZ+0.037×ZCF+0.12×GGL-0.131×ZCL+0.59×LZB-0.097×SXJ+0.082×SXZ-0.046×DKY+0.215×BWY+0.104×ZQY-0.425×GZL+0.238×BLL+0.113×YQL-0.415×YJD-0.037×DWD-0.035×DWY+0.188×DBZ+0.079×DBY-0.112×CXY-0.11×AJS]

（二）多分類Logistic修正初始判斷

盡管各地債委會企業按照全面性原則，形成并報送了企業風險關注等級信息，但由于判斷缺乏客觀且一致的數據和標準支撐，難免導致等級信息內生地存在認定不一、尺度不一的問題。因此，首先在定量數據和建立的6個主成分基礎上，運用多分類Logistic模型對債委會等級信息數據予以調整修正，以減少主觀判斷的差異性，增強校驗結果的準確性。在建模過程中，把6個主成分變量作為協變量，債委會關注等級信息設定為分類變量，分別以“1”、“2”、“3”、“4”、“5”代表一級關注度、二級關注度、三級關注度、四級關注度、五級關注度。通過SPSS18.0統計軟件執行建模程序，以五級關注度為參考類別，得到各級關注度概率表達式：

[G1=-469.148+184.26×FACTOR1+52.427×FACTOR2+24.507×FACTOR3+45.194×FACTOR4+0.086×FACTOR5-14.194×FACTOR6]

[G2=10.102+25.879×FACTOR1+18.792×FACTOR2+3.363×FACTOR3+1.067×FACTOR4+2.293×FACTOR5-4.301×FACTOR6]

[G3=14.155+23.213×FACTOR1+16.562×FACTOR2+3.088×FACTOR3+0.907×FACTOR4+1.948×FACTOR5-3.891×FACTOR6]

[G4=15.474+18.354×FACTOR1+12.852×FACTOR2+2.255×FACTOR3+0.145×FACTOR4+1.18×FACTOR5-2.925×FACTOR6]

[G5=0]

將企業基礎指標數據代入6個主成分和關注度模型表達式，即可得到每家企業表達式數值，[G1]、[G2]、[G3]、[G4]和[G5]數值中最大的對應的分類就是調整修正后的債委會關注等級。

（三）測評結果交叉驗證

通過多分類Logistic回歸模擬，本文獲得修正后的債委會人工信用風險關注等級，并以此為比較基礎，與企業信用風險關注度測評結果交叉驗證，檢驗定量測評功效，比較結果見表4。

從表4交叉驗證情況可以看出，基于本文構建的定量測評方法測算得到的企業信用風險關注度，與修正后的債委會關注等級整體契合度達到85.2%，表明企業信用風險關注度定量測評體系識別和評價功效較高，適宜作為分類防控化解企業信用風險的評判依據和決策支持。具體來看，除三級關注度契合度58.5%，相對較低外，其他四類關注度結果契合度均超過70%。其中，一級關注度分類完全一致，說明定量測評方法對最高信用風險關注等級企業的劃分效果極佳；二級關注度結果契合度70%；四級和五級關注度結果契合度分別達93.5%、86.1%，說明定量測評方法對低信用關注等級企業的劃分效果也較為優良。

五、結論與政策建議

本文全面分析了企業信用風險關注度理論，主要成果和結論如下：第一，創新性地提出企業“信用風險關注度”概念。在借鑒現有文獻及現實實踐的基礎上，首次引入并清晰定義了信用風險關注的多維內涵，豐富了信用風險研究體系。第二，構建起銀企信用風險復雜網絡，運用仿真模擬技術對信用風險關注度進行了合理性探討，仿真結果發現銀企渠道是信用風險外溢擴散的主要渠道，信用風險關注度可以綜合評判企業信用風險狀況。第三，圍繞區域經濟重要性、經營財務狀況、企業信用規模、企業信貸風險、外部傳染隱患等五個維度，研究選取24個統計指標建立信用風險關注度測評體系，運用債委會數據對指標權重和企業關注度進行了測算，給出了關注等級的分級區間，顯示關注度主要受企業融資體量和風險狀況影響，債委會企業關注度測評結果也較為符合實際情況。第四，運用“主成分+多分類Logistic模型”法，對信用風險關注度測評體系識別評估功效進行交叉驗證，結果表明測評等級與人工判斷等級契合度整體高達85.2%，適宜作為分類防控化解企業信用風險的評判依據，且測評體系對信用風險“兩頭”企業的評測準確性更高。

結合本文的研究結論，提出分級分類信用風險防控建議：第一，對于一級關注度企業，成立跨部門聯合參與的工作專班，研究制定“一企一策”的風險防控工作方案，強化內外信息的實時搜集和監測分析，形成上下順暢貫通、左右高效協同的周密完備防控格局。第二，對于二級和三級關注度企業，要參考一級關注度企業風險防控化解模式建立組織推進機制，各級監管部門強化指導協調，加大與政府工作組的協同配合力度，切實落實風險化解預案和措施，防止風險無序擴散升級。第三，對于四級和五級關注度企業，由銀行機構落實主體責任，關注生產經營及財務狀況變化，加強異常預警和風險監測，視情況組建多頭授信企業債委會，做好信息共享和聯合管理，保持授信額度合理適當；如發生風險，由銀行機構按照市場化原則采取相關措施，及時進行不良貸款核銷處置，自主承擔信貸損失。

注：

①度是復雜網絡理論的重要概念，表示網絡中與該企業直接關聯的銀行和其他企業的數量。

②具體包括擔保關聯、組織關聯、經營關聯等關系。

③目前主要指部分法人機構發起設立村鎮銀行。

④根據中國人民銀行《銀行貸款損失準備計提指引》（銀發[2002]98號），對正常類、關注類、次級類、可疑類、損失類貸款的撥備計提比例分別為0、2%、25%、50%和100%。

⑤不包含青島。

⑥指標屬性反映不同指標對企業信用風險關注度的影響方式，其中，正向指標表示該指標與企業信用風險關注度變化趨勢一致，即指標數值越大，企業信用風險關注度也越大；反向指標表示與企業信用風險關注度變化趨勢相反，即指標數值越小，企業信用風險關注度也越小。

參考資料：

[1]陳育林.大客戶授信風險的形成機理與管控研究——基于“公地悲劇”的視角[J].金融監管研究，2015，（4）.

[2]王兆星.高風險金融機構的處置與退出機制[J].中國金融，2015，（11）.

[3]陳育林.新形勢下信用風險暴露的特點、機理與防控研究[J].中國銀監會工作論文，2015，（3）.

[4]蘇保祥.銀行業重大信用風險處置機制研究[J].金融監管研究，2016，（5）.

[5]尹程，張秀民.信用風險的成因解構、定量測度與防控機制[J].金融監管研究，2017，（10）.