（金融学专业论文）Logistic模型在我国银行信用风险管理中的运用.pdf

s t i cm o d e it o f o rb a n k s 特此声明 人在导师的指导 已经注明引用的 发表或撰写过的 贡献的个人和集 识到本声明的法 学位论文作者签名：厄任m 衫加忉年岁月刀日 学位论文版权使用授权书 本人完全了解对外经济贸易大学关于收集、保存、使用学 位论文的规定，同意如下各项内容：按照学校要求提交学位论 文的印刷本和电子版本；学校有权保存学位论文的印刷本和电 子版，并采用影印、缩印、扫描、数字化或其它手段保存论文； 学校有权提供目录检索以及提供本学位论文全文或部分的阅 览服务；学校有权按照有关规定向国家有关部门或者机构送交 论文；在以不以赢利为目的的前提下，学校可以适当复制论文 的部分或全部内容用于学术活动。保密的学位论文在解密后遵 守此规定。 学位论文作者签名：忍刚形泐年，月哆日 导师签名。凇强砷年岁月7 日 摘要 在商业银行面临的诸多风险中，信用风险是商业银行面临的最严峻的风险之 一。由于信贷风险源于借款人的不良表现，尤其是借款人的财务状况，因而任何 一家银行，如何很好的预测客户的财务风险从而防范信用风险是一个很重要的课 题。如何科学地度量和有效地管理信用风险是商业银行要迫切解决的问题。本文 选取s t 公司作为财务危机企业，采取1 ：l 配对原则选取非s t 公司，利用这些 公司的财务数据构建l o g i s t i c 模型，实证结果表明，该模型可以作为银行较为理 想的工具来控制其信用风险。 关键词：银行信用风险，信用风险管理，财务预警模型，l o g i s t i c 模型 a b s t r a c t b a n k i n gi sa l li n d u s t r yw i t hh i g hr i s k s t h em a n a g e m e n t o fc r e d i tr i s ki sc r u c i a lt ot h e d e v e l o p m e n to fc o m m e r c i a lb a n k s t h ep u r p o s eo ft h i sp a p e ri st oa p p l yl o g i s t i c m o d e lt op r e d i c tt h ef i n a n c i a lc o n d i t i o no ft h el o a n o r t h ep a p e l c h o o s e ss t c o m p a n i e s8 8t h es a m p l e so ff i n a n c i a ld i s t r e s sc o m p a n i e s f o ro v e r c o m i n gs o m e d e v i a t i o n , t h ep a p e rc h o o s e sh e a l t h yl i s t e dc o m p a n i e s e x p e r i m e n t a lr e s u l t sp r o v e t h a t t h i sm o d e lc a ns e r v ea sa ni d e a lp r e d i c t i n gi n s t r u m e n ti nc r e d i tr i s kc o n t r o l l i n g k e y w o r d ：c r e d i tc r i s i so fc o m m e r c i a lb a n k , m a n a g e m e n to fc r e d i tc r i s i s ，f i n a n c i a l c r i s i sm o d e l ，l o g i s t i cm o d e l 目录 第1 章序论1 1 1 论文选题的意义1 1 2 信用风险衡量及其发展2 1 2 1 传统的信用风险评价方法2 1 2 2 现代信用风险度量模型3 1 3 研究内容及篇章结构5 第2 章国内外有关信用风险预测的文献回顾7 2 1 国外有关信用风险预测的文献回顾7 2 2 国内有关财务风险预测的文献回顾8 第3 章l o g i s t i c 模型在我国信用风险管理中的应用1 0 3 1l o g i s t i c 模型的基本思想1 0 3 2l o g i s t i c 模型在我国的适用性1 1 第4 章实证分析1 2 4 1 样本、数据1 2 4 i 1 样本的选取1 2 4 1 2 指标的筛选1 3 4 i 3 研究方法1 3 4 2 模型建立和预测1 4 4 2 i 提前两年建模和预测1 4 4 2 2 引入非财务指标后的模型l6 4 3 结论1 7 第5 章我国商业银行信用风险管理现状分析1 8 5 1 我国商业银行信用风险管理现状1 8 5 2 对我国商业银行信用风险管理工作的建议1 9 致谢2 2 参考文献2 3 附录2 5 个人简历2 8 1 1 论文选题的意义 第1 章序论 信用风险是各类企业出现流动性危机的主要根源，也是导致区域性乃至全球 性金融危机的根本原因之一。信用风险直接影响社会经济生活的各个方面，影响 一国的宏观经济决策和经济发展，甚至影响全球经济的稳定与发展。自金融机构 产生以来，信用风险就与之相伴。随着国际金融市场一体化的不断发展和市场竞 争的加剧，金融机构风险也呈现出复杂多变的特征。在商业银行面临的诸多风险 中，信用风险是商业银行面临的主要风险。信用风险是指债务人或交易对手未能 履行合同所规定的义务或信用质量发生变化，影响金融工具价值，从而给债权人 或金融工具持有人带来损失的风险。传统的观点认为，信用风险是指交易对象无 力履约的风险，即债务人未能如期偿还其债务造成违约，而给经济主体经营带来 风险。信用风险存在于商业银行的所有业务中，包括商业银行账户、交易账户及 表外业务。如今，商业银行正越来越多地面临着除贷款之外的其他金融工具中所 包括的信用风险。但是，目前大多数商业银行，尤其是对于绝大多数国内商业银 行而言，贷款是最大、最明显的信用风险来源。因而，本文研究的商业银行信用 风险，主要是指其借款人发生财务危机而不能履约偿还贷款而给银行带来呆、坏 账的风险，即本文所研究的信用风险指信贷风险。由于信贷风险源于借款人的不 良表现，尤其是借款人的财务状况，因而任何一家银行，如何很好的预测客户的 财务风险从而防范信用风险是一个很重要的课题。为了预防财务危机的发生，如 果能够有效地预测借款人的财务风险是很有意义的。 商业银行的经营面临着各种风险，长期以来，信用风险一直是各银行经营风 险中最主要的来源，一旦借款人发生违约，便产生巨额的呆账与损失，能否很好 地管理信用风险将关系到商业银行的生存和发展。近年来，我国商业银行的信贷 风险管理水平逐步提升，体现出从传统信贷风险管理阶段向现代风险管理阶段过 渡的明显特征。随着我国金融业对外资银行的开放，我国商业银行所面临的国内 和国际同业竞争越来越激烈，在内外形势的考验下，为了实现与国际接轨，应对 来自国外金融机构的竞争，我们更是迫切需要借鉴国际上的先进技术，引入科学 方法，建立以计量模型为核心的信用风险管理系统，使商业银行对信用风险的管 理能做到有前瞻性及定量化，从而实现内部风险的全面控制。有效的信用风险预 警模型可以用来估算借款者的违约概率，若违约概率值高于警戒值则对银行提出 警讯，以便于银行进行避险操作。 1 2 信用风险衡量及其发展 1 2 1 传统的信用风险评价方法 传统的信用风险分析方法主要包括：专家系统模型法、信用评分法和贷款评 级等。 专家系统模型法是由一些专家凭借自己的专业技能和主观判断，对借款人的 一些关键因素权衡后，评估其信用风险。目前在我国许多银行中仍居主导地位。 主要包括五c 法，财务比率综合分析法等。 五c 法，即从借款人的品质( c h a r a c t e r ) 、资金实力( c a p i t a l ) 、能力( c a p a c i t y ) 、 担保( c o l l a t e r a l ) 、经营条件和商业周期( c o n d i t i o n ) 五方面，对借款人的财务 报表进行审核，由专家做出主观判断以确定是否给予发放贷款。其中“品质”是 借款人诚实守信的程度或按借款合同偿还债务意愿的集中反映。这是建立良好信 用关系、保证债务安全的首要因素。评价借款人品质的客观依据主要是履行合约 的历史纪录，包括与银行及其他企业的往来关系和偿债纪录。“能力通常包括 法律上和经济上两个方面的含义。从法律的含义上讲，是指借款人是否具有独立 承担借款的法律义务的资格：从经济含义上讲，是指借款人是否有按期清偿债务 的能力。“资本”是民事主体权利和独立承担民事责任的物质基础。资本要素分 析主要包括资本的数量与质量，其中资本的数量既能反映借款人抵御风险、承担 亏损的能力，又能体现借款人经营成就、财富积累和潜在创造收入的能力。“担 保 是授信方为补偿可能发生的损失而采取的一种防御措施。担保因素分析主要 是对保证人的资信，对抵押品的权属与价值以及实现抵押权、质押权的可行性进 行审查和评估。“环境指企业自身的经营状况和影响其经营活动的经济环境或 借款人所处的就业环境。环境分析着重于了解企业所在行业的特点，包括该行业 产品的发展前景，市场需求，借款企业在同行业中的地位等。此种定性分析方法 要求信贷人员要有很强的专业素质和职业道德，能对借款人的财务状况和历史信 用做出准确的判断，受人为因素的影响很大。 财务比率综合分析法就是将各项财务分析指标作为一个整体，系统、全面、 综合地对企业财务状况和经营情况进行剖析、解释和评价。这类方法的主要代表 有杜邦财务分析体系和沃尔比重评分法。杜邦财务分析体系是以净值报酬率为龙 头，以资产净利润率为核心，重点揭示企业获利能力及其前因后果；沃尔比重评 分法，将选定的七项财务比率分别给予各自的分数权重，通过与标准进行比较， 确定各项指标的得分以及总体指标的累计分数，从而得到公司财务状况的综合评 价，以确定其信用评级。 2 贷款评级分级法实际上是针对资产及资产组合的信用状况进行评级，并针对 不同级别的贷款提取不同的损失准备。在历史上，贷款内部评级分级模型首先是 在美国金融机构在美国货币管理办公室最早开发的评级系统提出的。最早将贷款 分为五级t 即正常贷款、关注贷款、次级贷款、可疑贷款、损失贷款。目前，国 际上一些金融机构把贷款分级划分的更细，分为九级或十级。现在，我国商业银 行推行的是贷款五级分类办法。 1 2 2 现代信用风险度量模型 为了克服传统定性分析方法过于主观的不足，与银行授信风险评估相关的财 务风险和风险预警的研究也经过了从单变量的判别分析发到各学科融合的多种 现代分析方法的演变。b e a v e r ( 1 9 6 6 ) 提出了单变量判定模型，他应用统计方法 研究1 9 5 4 1 9 6 4 年间7 9 家失败企业，并以单变量分析法建立财务危机预测模型。 单一变量模型存在着较多的弊端，其主要弊端是不能反映变量之间的相互关联性 和多种因素共同作用的效果。为了克服这种弊端，a l t m a n ( 1 9 6 8 ) 率先引入了多 元线性判定模型用于预测财务困境公司，他根据行业和资产规模，为3 3 家破产 企业选择了3 3 家非破产配对企业，确定了资产营运资本率、资产留存收益率、 资产报酬率和总资产周转率等5 个变量作为判别变量，产生了一个总的判别企业 财务状况恶化程度的概率值即z 计分模型。而后，a l t m a n 、h a l e d m a n 、和n a r a y a n a n ( 1 9 7 7 ) 在对z 计分模型进行修正的基础上，建立了z e t a 模型。z e t a 模型的变 量为7 个。此外，这类多变量财务风险模型还有l o g i s t i c 模型、p r o b i t 模型，线 性概率模型。 近年来，随着资本市场的迅速发展，融资的非中介化及证券化趋势明显加快， 同时随着国际金融市场业务的复杂化及金融创新工具的大量涌现，财务风险的复 杂性日益显著。现代信用风险量化管理模型在国际金融界得到了高度重视和极大 的发展，各种新方法和新技术不断涌现。由于以财务比率为基础的统计分析方法 不能反映借款人和证券发行人的资产在资本市场上快速变化的动态价值，一系列 以资本市场理论和信息技术为支撑的衡量财务风险的新方法相继提出。目前，由 中介机构和金融机构向公众发布的比较有影响力的财务风险度量模型主要包括 四个：k m v 公司( 1 9 9 3 ) 开发的k m v 模型；j pm o r g a n ( 1 9 9 7 ) 推出的信用度 量术模型( c r e d i tm e t r i c s ) m c k i n s e y 公司( 1 9 9 7 ) 研究出的信用组和观点( c r e d i t p o r t f o l i ov i e w ) 模型以及瑞士银行金融产品部c s f p ( 1 9 9 7 ) 开发的信用风险附 加度量( c r e d i tr i s k + ) 模型。 以期权定价模型为基础的k m v 模型。k m v 模型考虑了企业的负债水平、 股价及其浮动情形，比以往的仅依靠公司财务数据所做的评价更准确。该模型认 3 为一家公司或企业的资产市场价值下降到负债的账面价值以下，丧失偿债能力就 可能导致违约。它利用b l a c k s c h o l e s ( 1 9 7 3 ) ，m e r t o n ( 1 9 7 4 ) 以及h u l l 和w 1 l i t e ( 1 9 9 5 ) 的期权定价模型估计出公司的资产价值和波动率，然后，定义了违约距 离，最后给出预期违约概率。 基于在险价值的信用度量术( c r e d i tm e t r i c s ) 模型。该模型是1 9 9 7 年j p m o r g a n 银行邀请美洲银行、德意志摩根建富、瑞士银行公司以及k m v 公司共 同研发的，此后j o n e sa n dm i n g o ( 19 9 9 ) ，n y f e l c r ( 2 0 0 0 ) ，f o r e s ta n dk p m e c p e a t ( 2 0 0 0 ) 对此作了进一步解释和拓展。该模型基于借款人的信用评级、评级转移 矩阵、违约贷款的回收率、信用风险价差来计算贷款、私募债券等非交易型资产 的价值和风险。其核心是计算贷款和私募债券这类资产的在险价值。该模型以信 用评级为基础，依赖于信用等级的转换矩阵，模型中涉及的转换概率、远期贴现 结构、相关性等都与所选定的信用评级系统有关，因此，模型在运用时，须先确 定操作过程中的评级系统。 以宏观经济环境为基础的信用组合观点( c r e d i tp o r t f o l i ov i e w ) 模型。该模 型是应用计量经济学理论与基本动力学理论，从宏观经济环境的角度来分析借款 人的信用等级迁移，而开发的一个多因素信用风险量化模型。该模型提出将宏观 经济因素与违约概率以及信用等级转移概率相联系，应用计量经济学和蒙特卡罗 模拟实现模拟违约的联合条件概率分布，直接将转移概率与宏观经济因素之间的 关系模型化，通过宏观因素对模型的修正来模拟信用转移概率的演变，模型应用 过程中，将过去的样本区间划分为衰退期和非衰退期，分别计算这两个时期的信 用转移矩阵，以得到两种不同的v a r 结果。使用重复的蒙特卡洛模拟法生成宏 观的冲击和贷款组合损失或贷款价值的分布，进一步算出风险价值。 以保险精算方法为基础的信用风险附加度量模型( c r e d i tr i s k + ) 模型。该 模型只考虑违约，不考虑降级风险。该模型假设违约次数服从泊松分布，即对于 大量的贷款人群体，在各个不重叠时间段内的违约个数相互独立，在相同时间段 内贷款违约概率相同。模型只对违约风险进行建模，而不考虑信用等级变化，而 且违约风险与资本结构无关。 以上四种模型的比较：( 1 ) k m v 模型可以充分利用资本市场上的信息，对 所有上市公司进行信用风险的量化和分析。该模型所获取的数据来自股票市场的 资料，而非公司的历史数据，因而更能反映公司当前的信用状况，具有前瞻性， 其预测能力更强，更及时。( 2 ) c r e d i tm e t r i c s 模型一经推出便得到高度评价和赞 赏，但该模型仍有许多技术问题亟待解决。该模型假设等级迁移改良服从稳定的 m a r k o v 过程，即贷款或债券目前等级迁移与其过去的迁移概率不相关。但实际 的历史数据证明，一笔贷款过去如果发生过违约事件，那么它目前的等级下降的 4 概率要比那些没有发生过违约行为的贷款要高。模型度量信用风险的期间为1 年，不能根据贷款或债券的及时变化对其风险价值作用作相应的调整。在计算贷 款的v a r 时，假设等级迁移矩阵是稳定的，即不同借款人之间，不同时期之间， 其等级迁移概率是不变的，而实际上，行业因素，国家因素及商业周期因素会对 等级迁移矩阵产生重要影响。( 3 ) c r e d i tr i s k + 模型存在与c r e d i tm e t r i c s 模型相 同的缺项，该模型假设无市场风险。此外，该模型不适用于非线性非金融产品， 如期权和外汇互换。( 4 ) c r e d i tp o r t f o l i ov i e w 模型给出了具体的损失分布，对所 有的风险暴露都采取m t m 方法，适用于单个债务人和一组债务人，能够刻画回 收率的不确定性和因国家风险带来的损失。并且该模型，可以应用于不同国家， 不同行业。 除了上述静态模型，还有人工神经网络分析方法这样的动态模型。神经网络 是从神经心理学和认识科学研究成果出发，应用数学方法发展起来的一种并行分 布模式处理系统。神经网络最大的缺陷是其工作的随机性较强。要得到一个较好 的神经网络结构，需耗费人力与时间去调试。 1 3 研究内容及篇章结构 我国尚未建立完善的信用体系，企业的违约信息很难获知。在1 9 9 8 年，我 国开始对“异常状况”的上市公司的股票进行特别处理( s t ，, q p e c i a lt r e a t m e n t ) 。 本文设计两个样本组，将我国上市公司中的s t 公司作为财务危机企业样本组， 按照配对原则选取与这些s t 公司同行业、资产规模相近的非s t 公司作为配对 公司，这些配对公司作为财务状况正常企业样本组。按照我国现行的股票上市规 则，被s t 的公司主要有两类原因：一类是财务状况原因，即最近两年连续亏损 ( 以最近两年年度报告披露的当年经审计净利润为负为依据) 或因财务会计报告 存在重大会计差错或虚假记载，公司主动改正或被证监会责令改正后，对以前年 度财务会计报告进行追溯调整，导致最近两年连续亏损；另一类是非财务原因， 如未在法定期限内披露年度报告或中期报告且公司股票已停牌两个月等。本文选 取的s t 公司是由于财务状况异常而被警示的公司，主要是因为最近两年连续亏 损而被s t 的情形，而将因为会计师出具无法表示意见或否定意见的审计报告等 其他状况异常公司剔除出样本，即本文所选取的s t 股票是基于财务状况方面。 本文采用l o g i s t i c 模型进行分析。 本文从银行的角度出发研究贷款企业的信用风险，建立能够有效预测贷款企 业信用风险的预警模型。 本文一共五个部分：第一部分是序论，主要说明了论文的选题意义、信用风 险衡量及其发展和本文的篇章结构；第二部分是文献综述，主要对国内外有关信 5 用风险预测的文献进行回顾；第三部分是l o g i s t i c 模型在我国信用风险管理中的 应用，主要介绍了l o g i s t i c 模型的基本思想，及其在我国的适用性；第四部分是 实证分析，主要介绍本文样本、指标的选择，以及本文的构思和所用的方法，建 立模型得出结论：第五部分是对我国商业银行信用风险管理工作的现状进行了分 析，然后对商业银行信用风险管理工作提出了一些建议。 6 第2 章国内外有关信用风险预测的文献回顾 2 1 国外有关信用风险预测的文献回顾 f i t z p a r t r i c k ( 1 9 3 2 ) 用单变量模型进行破产预测研究。他选择了1 9 家公司 作为样本，运用单个财务比率将样本划分为破产组合非破产组，得出结论：判断 能力最高的指标是净利润股东权益和股东权益负债两个比率。 b e a v e r ( 1 9 6 6 ) 提出单变量判定模型。他就1 9 5 4 - 1 9 6 4 年间选择了7 9 对样 本公司( 7 9 家经营失败的公司和7 9 家经营正常的公司) ，分别检验了反映公司 不同财务状况的6 组3 0 个变量，研究发现现金流量和负债总额比率能够很好地 判定公司的财务状况。b l u m ( 1 9 7 4 ) 在财务危机预测的自变量中引入“现金流 量负债总额 的现金流量相关信息，并发现该变量是最具区别能力的财务比率 之一。g e n t r y ，n e w b o l d & w h i t f o r d ( 1 9 8 5 ) 选取了8 个现金流量相关变量：来自 营业活动的现金流量、营运资金、融资、固定设备成本、资本支出、股利、其他 资产与负债的资金流量，以及现金与有价证券的变动等，用于对破产的预测。实 证结果显示，来自营业活动的现金流量无法改善整体分类的准确度，但是现金股 利的减少对财务危机具有十分显著的预测能力。 a i r m a n ( 1 9 6 8 ) ，率先将逐步多元判别分析法应用于财务危机、公司破产以 及违约风险分析。以1 9 4 6 1 9 6 5 年中宣告破产的3 3 家公司作为研究样本组，再 按各样本的行业与规模寻找类似的对照公司进行配对比较，从选定的2 2 个指标 中选取5 个指标构建了多元判别模型。由于a l t m a n 的多元判别模型的判别正确 率要明显高于单变量模型，之后还有很多学者运用这一方法进行了研究。d e a k i n ( 1 9 7 7 ) 的概率模型，e d m i s t e r ( 1 9 7 2 ) 的小企业研究模型等都运用了此种方法。 由于a l t m a n 的多元判别分析模型假设自变量为多元正态分布且不存在高度 共线性，同时其配对的两样本协方差矩阵也相同。而事实上，经营失败的企业与 正常经营的企业之间的协方差并不同。o h l s o n ( 1 9 8 0 ) 建立了有条件的逻辑模型 ( c o n d i t i o n a ll o g i tm o d e l ) 。他选取1 9 7 0 到1 9 7 6 年间1 0 5 家破产公司和2 0 5 8 家非破产公司进行研究。通过9 个解释变量建立三个预测模型来预测公司经营失 败，实证研究结果显示这三个模型的预测准确率分别是9 6 1 2 、8 5 5 5 、9 2 8 4 。 c o l l i n s 、g r e e n ( 1 9 8 2 ) 证明l o g i s t i c 模型预测效果较多元判别分析方法更 佳。l o ( 1 9 8 6 ) 的研究，发现若样本数据符合正态分布，则多元判别分析模型 预测效果高出l o g i s t i c 模型。但若样本数据不服从正态分布时，l o g i s t i c 预测效 果要优于多元判别分析模型。 7 t a m & k i a n g ( 1 9 9 2 ) 利用三层b p 神经网络来训练预测模型，根据输入到 网络的样本训练出神经网络的一套期权，在网络训练之后，可以将任何新输入公 司划分为破产或非破产。 2 2 国内有关财务风险预测的文献回顾 国内也有很多学者对信用风险预测进行了研究，这些研究大多都是在1 9 9 8 年证监会推出“s t 制度之后进行的。 陈静( 1 9 9 9 ) 选择了1 9 9 8 年2 7 家“s t ”公司和2 7 家非“s t 公司，使用 1 9 9 5 1 9 9 7 年的财务报表数据，进行了单变量分析和多变量线性判定分析。使用 资产负债率、净资产收益率、总资产收益率、流动比率、运营资本总资产、总 资产周转率等6 个变量建立的模型对样本进行判别，在发生财务危机的前一年总 体判别正确率为9 2 6 。 吴世农、卢贤义( 2 0 0 1 ) 选取了7 0 家处于财务困境的公司和7 0 家财务正常 的公司为样本，研究财务困境出现前5 年内各年这两类公司2 1 个财务指标的差 异，最后选定6 个为预测指标，应用f i s h e r 线性判定分析、多元线性回归分析和 l o g i s t i c 回归分析三种方法，分别建立三种预测财务困境的模型。其研究表明： 在财务困境发生前两年或一年，有1 6 个财务指标的信息时效性强；三种模型在 财务困境发生前四年的判别正确率均在7 2 以上；相对于同一信息集而言， l o g i s t i c 预测模型的误判率最低，财务困境发生前一年的正确率为9 3 5 3 。 杨星、张义强( 2 0 0 4 ) 采用了一个基于期权理论的信用风险管理方法的分析 框架，利用外国上市公司1 9 9 7 2 0 0 1 年股票价格波动的时间序列和截面数据，对 中国上市公司的违约概率进行了实证分析。研究结果表明：上市公司的股票价格 波动与该公司的预期违约概率显著相关，且呈负相关关系；上市公司的预期违约 概率与该公司的信用资质变化吻合，并载有公司未来前景的情报性信号。 刘展、冯宗宪( 2 0 0 4 ) 针对我国目前缺乏适用的、高效的系统信用评估模型 的现状，研究了由希腊学者提出的m h d i s 信用评估模型。在对该模型的详细 介绍的基础上，选用了我国5 5 家上市公司1 9 9 9 年财务数据作为训练样本，利用 m a t l a b 软件根据m h d i s 模型的基本思想，构建了经验信用评估曲线，并利用 6 0 家上市公司2 0 0 0 年财务数据为检测样本进行检验，获得了较好的实证检测效 果。通过研究分析，文章提出该模型适合我国基本国情，具有良好的推广前景。 傅强、李永涛( 2 0 0 5 ) 通过对上市公司年报数据的处理，建立了判断上市公 司信用状况的l o g i s t i c 模型，得出结论：上市公司一年后的信用状况与前二年的 利息保障倍数和存货周转率关系密切。利息保障倍数越大，存货周转率越大，企 业的信用风险越小，对企业债权人、投资的保障程度越高。 8 对k m v 模型的深入研究集中出现在2 0 0 3 2 0 0 5 年间。薛锋等( 2 0 0 3 ) 在介 绍模型基本内容的基础上，讨论了运用k m v 模型分析我国上市公司信用风险的 优缺点和运用前景。柴俊武等( 2 0 0 4 ) 阐述了k m v 模型的理论基础，并对模型 的优点和需要修正的缺点进行了论述。程鹏等( 2 0 0 2 ) 选取了1 5 家上市公司将 其分为绩优股、绩差股和高科技股三个组，对各组平均d d 值比较的结果表明该 值可基本反映信用状况。研究还发现，根据k m v 模型求得公司资产市场价值， 大于公司账面总资产和公司总值，但与公司总市值比较接近。鲁炜( 2 0 0 3 ) 以 2 6 家上市公司1 9 9 6 到2 0 0 0 年的数据为基础，得出了适应中国市场的资产市值 波动率和股价波动率的关系函数。杨星等( 2 0 0 4 ) 利用了1 9 9 7 到2 0 0 1 年股票价 格波动的时间序列和截面数据，对1 1 4 家上市公司的e d f 值进行了实证分析。 结果表明上市公司的股票价格波动与该公司的e d f 值显著相关，且呈负相关关 系；上市公司的预期违约频率与公司的信用资质变化吻合，并载有公司未来前景 的情报性信号。张绍敏( 2 0 0 7 ) 利用k m v 模型针中国资本市场全市场数据进行 研究，基于2 0 0 4 年数据和2 0 0 6 年上市公司s t 情况，结合违约距离和财务指标， 利用判别分析的方法建立了财务预警模型，对全市场的财务风险状况进行了分析 和预测，得出结论：就单一指标而言，违约距离比判别分析更有效；违约距离作 用有限，无论从总体预测准确率还是预期错判成本，违约距离对于提高原判别模 型预测准确率的作用都非常有限；离违约时间越近，违约距离越有效；长期负债 对k m v 模型预测能力的影响不大。 杨淑娥、王乐平( 2 0 0 7 ) 以t - 2 、t - 3 期财务数据组合的面板数据作为研究 样本，构建b p 神经网络模型对上市公司的财务状况进行预测。结果表明：使用 面板数据进行的b p 神经网络预警分析显示出稳定、连续的预测性能，这正好适 合构建具有实际应用价值的中长期预警模型，使模型具有广泛的实践应用价值； 模型提前三年、四年的预测能力分别为8 8 1 5 、7 5 1 6 。 刘瑞霞、张晓丽、陈小燕、郝艳丽( 2 0 0 8 ) 选择了2 0 0 6 年5 3 家上市公司为 样本，将1 7 个财务指标分为6 个组，在对样本企业进行因子分析的基础上，建 立了多元有序l o g i t 回归模型，验证了该模型的有效性。 刘莎( 2 0 0 9 ) 选取了2 0 0 7 年以前上市的1 0 3 家中小企业上市公司、非财务 危机公司为实验样本。以1 l 家2 0 0 8 年因连续亏损而被风险警示的公司( s t ) 公司作为财务危机样本公司，运用z 计分模型验证了信用风险预测模型对中国 市场的有效性。 9 第3 章l o g i s t i c 模型在我国信用风险管理中的应用 3 1l o g i s t i c 模型的基本思想 本文采用了l o g i s t i c 模型来对商业银行借款人的财务风险进行预测，因此这 部分将对l o g i s t i c 模型的基本思想及结构等进行阐述。 l o g i s t i c 模型最早是由m a r t i n ( 1 9 7 7 ) 用来预测公司的破产及违约概率。他 从1 9 7 0 1 9 7 7 年间大约5 7 0 0 家美联储成员银行中介订出5 8 家困境银行，并从2 5 个财务指标中选取总资产净利率等8 个财务比率，用来预测公司的破产及违约概 率，建立了l o g i s t i c 回归模型。根据银行、投资者的风险偏好设定风险警戒线， 以此对分析对象进行风险定位和决策。他还将z - s c o r e 模型、z e t a 模型和l o g i s t i c 模型的预测能力进行了比较，结果发现l o g i s t i c 模型优于z s c o r e 模型和z e t a 模 型。o h l s o n ( 1 9 8 0 ) 也将l o g i s t i c 模型应用于信用风险分析。m a d a l l a ( 1 9 8 3 ) 采 用l o g i s t i c 模型区别违约与非违约贷款申请人。其研究结果表明，当违约概率 p t 0 5 5 1 时是风险贷款，当p o 5 5 1 时是非风险贷款。 在l o g i s t i c 模型中，违约概率的预测被看作一个虚拟变量问题。虚拟变量指 的是一种取值为0 或1 的变量。在经济模型中，如季节、民族、自然灾害等变量 都能成为影响某个因变量的重要因素。这些变量所反映的并不是数量，而是某种 性质或属性。为研究方便，构造了一种特殊变量，只取1 和o 两个值，并且规定 当变量值取l 时，表示存在某种性质或属性，取0 时表示不存在某种性质或属性。 l o g i s t i c 模型假设因变量发生的概率与其各影响因素间呈现如下非线性关 系： e = f ( = 百 其中p i 即为二元l o g i s t i c 概率函数待求的违约概率，x i 为自变量( 本文中为 各项财务指标x = b 0 + 岛五+ 6 2 ：恐+ + 吃矗 为所选变量的共同作用。随着 x i 的值从负无穷变到正无穷，p i 的值则从0 变化到1 。当x i = o 时，p i = 1 2 。两边 取对数，于是便有线性回归模型： n 砌( 导) = z j - - - b o + b l x i + b 2 x 2 + + b n x n i p i 在建立l o g i s t i c 模型时，要使计算结果具有较强的代表性，所采用的样本须 包含不同行业，不同客户的数据。在选取l o g i s i t c 模型所需变量时，要尽可能全 面地反映企业的偿债能力。l o g i s t i c 财务预警模型的目标是寻求被观测对象的条 1 0 件概率，从而依此判断被观察对象的财务状况和经营风险。l o g i s t i c 模型最大的 优点是，模型建立在累计概率函数的基础上，不需要自变量服从多元正态分布和 两组间协方差相等的条件。不需要严格的假设条件，不用假设变量必须服从正态 分布，协方差也不要求必须相等。这克服了线性方程受统计假设约束的局限性， 具有广泛的适用范围。但该模型也有其局限性：该模型只考虑了违约与不违约两 种极端情况，忽略中间各种可能情形；缺乏足够的解释赋予变量权重的经济理由； 忽略了一些难于量化的因素。 3 2l o g i s t i c 模型在我国的适用性 首先，一般的判别分析方法要求变量服从多元正态分布，现实中一般达不到 这个要求，而l o g i s t i c 回归对于变量的分布没有具体要求，适用范围更广，与现 实更吻合。 其次，l o g i s t i c 模型建立后，将受评公司的指标变量带入模型后得到的是一 个表示该公司处于各个信用级别的概率值，给人直观明了的感觉，在实际运用中 非常简单、方便。 最后，由于该模型的输入变量是各项财务指标，因此它可以被用于任何上市 公司。我国证券市场经过多年发展，上市公司的数量众多，为该模型的运用奠定 了坚实的基础。 4 1 样本、数据 4 1 1 样本的选取 第4 章实证分析 本文的数据全部来源于w i n d 数据库。本文的数据从我国沪深两市在2 0 0 5 年至2 0 0 9 年期间所有a 股上市公司的财务数据中选取。 对于“财务危机 的界定有很多种，考虑到我国的具体情况，本文将我国上 市公司中的s t 公司界定为财务危机企业。我国尚未建立完善的信用体系，公司 的违约信息很难获知。1 9 9 8 年，我国开始对“状况异常”的上市公司的股票交 易实行特别处理制度( s t ，s p e c i a lt r e a t m e n t ) 。而且上市公司因财务状况异常被 实行特别处理具有很高的可度量性，因而比较容易确定样本。根据2 0 0 4 年、2 0 0 6 年、2 0 0 8 年上海证券交易所和深圳证券交易所股票上市规则的相关规定，被予 以退市风险警示的公司主要有两类原因，一类是财务状况原因，即最近两年连续 亏损( 以最近两年年度报告披露的当年经审计净利润为负为依据) 或因财务会计 报告存在重大会计差错或虚假记载，公司主动改正或被证监会责令改正后，对以 前年度财务会计报告进行追溯调整，导致最近两年连续亏损；另一类是非财务原 因，如未在法定期限内披露年度报告或中期报告且公司股票已停牌两个月等。本 文选取的s t 公司是由于财务状况异常而被警示的的公司，而将因为会计师出具 无法表示意见或否定意见的审计报告等其他状况异常公司剔除出样本，即本文所 选取的s t 上市公司是基于财务状况方面。 本文采取配对原则选取样本，并且分年度进行。下面以选取2 0 0 7 年样本公 司为例进行说明。首先选取2 0 0 7 年因财务原因而被s t 的公司，按照配对原则 选取与这些s t 公司同行业、资产规模相近的非s t 公司作为配对公司，行业的 分类是按照证监会行业分类的标准，这些s t 公司及与其配对的公司共同构成 2 0 0 7 年样本公司。这样做的缺陷在于：被选中的非财务危机企业具有很大的偶 然性，不一定能代表该类企业；配对抽样的结果只能成对的对比研究得出结论， 而不能根据单个公司的研究得出结论。但是，相对非配对抽样，配对抽取可以有 效的降低由于财务危机企业组与正常企业组在会计报告年度、行业特征和公司规 模等的差异所导致的模型偏差。按照此方法，依次选取2 0 0 8 、2 0 0 9 年的样本公 司。 本文把被s t 当年定义为第t 年，之前一年为第t _ 1 年，之前两年为第t - 2 年， 1 2 依此类推。从s t 制度的运作过程来看，第t 年被s t 的公司是由于其第t 2 年、 第t 1 年连续亏损，即当一家公司在第t 2 年亏损，在第t - 1 年继续亏损，其第t 年就会被s t ，因此，采取样本公司第t - 1 年的数据来预测其第t 年是否发生财务 危机是没有意义的。本文利用样本公司第t 2 年的数据来预测其第t 年是否发生 财务危机，即是否会被s t 。同时，为了更好地利用所建立的l o g i s t i c 模型对上 市公司财务风险进行预测，本文利用t 年样本公司的t - 2 年数据进行建模，利用 t + 1 年样本公司的t - 1 年数据进行预测。例如，利用2 0 0 8 年样本公司的2 0 0 6 年 数据进行建模，用2 0 0 9 年样本公司的2 0 0 7 年数据进行预测。 4 1 2 指标的筛选 本文所应用的指标财务指标包括盈利能力、偿债能力、营运能力、资本结构、 现金流量、市场因素六大类指标，共3 1 个指标；非财务指标3 个，分别为前十 大股东持股比例合计、机构持股比例和大股东持股比例。其中财务指标见附录附 表1 。 高培业( 2 0 0 0 ) 认为外国公司的财务报表数据存在不同程度的失真不会使判 别模型失效，利用会计数据建立服务于不同行业的具体形式判别模型是可行的。 因而本文直接采用上市公司公布的年报数据作为研究变量。 本文在选择指标时主要考虑的因素有：( 1 ) 上市公司出现信用危机的直接表 现是公司的财务和现金状况恶化，但深层次的原因来自于公司的经营方面，如公 司的盈利能力，资产管理效率的下降，本文力求能从反映公司财务和经营两方面 的财务指标中进行选择；( 2 ) 由于上市公司的经营方针和投资计划等重大事项需 由股东大会决定，此外，机构投资者的持股比例可从侧面反映出该上市公司的经 营状况及持续盈利能力，因此，关于股权结构方面的三个非财务因素应该进入到 指标体系，包括前十大股东持股比例合计、机构持股比例和大股东持股比例。 本文采用逐步回归法对这3 1 个指标进行选择，选取逐步回归法生成的r 2 最大的模型。经过筛选后的指标全部进入l o g i s t i c 模型的回归分析。 4 1 3 研究方法 本文采用l o g i s t i c 回归模型进行研究。当前，多变量财务风险预测模型的应 用是最广泛的，也是最有效的。关于l o g i s t i c 模型在中国的适用性前文已进行阐 述。 本文的研究思路如下：由于本文选取的被s t 公司是因为前两年连续亏损， 当一家公司2 0 0 5 、2 0 0 6 年连续两年亏损时，其2 0 0 7 年将会被s t ，即，当2 0 0 5 1 3 年亏损，2 0 0 6 年接着亏损时，其2 0 0 7 年将一定会被s t 。因此，用公司2 0 0 6 年 财务数据预测其2 0 0 7 年发生财务危机的可能性是无意义的。因此我们采用公司 t - 2 年的数据来预测t 年是否会被s t 。即用2 0 0 7 年样本公司的2 0 0 5 年数据来建 立模型，然后将2 0 0 8 年样本公司的2 0 0 6 年数据代入模型中对2 0 0 8 年样本公司 的危机和正常情况进行预测，再将预测结果与实际结果进行对比，以得出预测正 确率，同时也是对模型有效性的检验。同理，根据2 0 0 8 年样本公司的2 0 0 6 年数 据进行建模，将2 0 0 9 年样本公司的2 0 0 7 年数据代入模型进行预测，以得出对 2 0 0 9 年样本公司的预测正确率。通过两次建模和预测，来检验这一建立模型和 通过模型进行预测的过程在滚动的两年预测中是否具有稳定性。 4 2 模型建立和预测 4 2 1 提前两年建模和预测 通过利用2 0 0 7 年样本公司的2 0 0 5 年数据来建立模型，将2 0 0 8 年样本公司 的2 0 0 6 年数据代入模型中对2 0 0 8 年样本公司的危机和正常情况进行预测，再将 预测结果与实际结果进行对比，以得出预测正确率，同时也是对模型有效性的检 验。以此类推，根据2 0 0 8 年样本公司的2 0 0 6 年数据进行建立模型，将2 0 0 9 年 样本公司的2 0 0 7 年数据代入模型进行预测，以得出对2 0 0 9 年样本公司的预测正 确率。 l 、2 0 0 7 年样本建模，2 0 0 8 年样本预测 运用2 0 0 7 年样本的2 0 0 5 年数据建立l o 百s t i e 模型，将2 0 0 8 年样本的2 0 0 6 年数据代入模型，预测2 0 0 8 年样本属于哪一类别，与实际类别比较，以得到正 确判别率。 ( 1 ) 变量筛选 2 0 0 7 年沪深两市由于财务原因被s t 的公司共有2 5 家，按照配对原则选取 了与之配对的2 5 家财务正常的公司，一共5 0 个样本。用逐步回归法对2 0 0 7 年 样本的2 0 0 5 年数据进行挑选。采用s p s s 中逐步回归法筛选指标后，选择生成 模型r 2 最大的一