我国上市公司贷款信用风险量化研究.doc

我国上市公司贷款信用风险量化研究摘要：本文运用logistic回归建立判别上市公司信用风险高低的数量经济模型，具有很强的操作意义。并在模型中确认了上市公司的发展能力、盈利能力、现金投资能力、股东获利能力是影响其信用的最主要因素。关键词：信用风险 多元统计 logistic回归自从1988年巴塞尔委员会首次颁布巴塞尔协议以来，信用风险一直是商业银行风险管理的重中之重。信用风险是指借款人不能按期还本付息而给贷款人造成损失的风险。随着现代风险环境的变化和风险管理技术的发展，信用风险的内涵和外延不断拓展，与传统的违约风险相比，现代意义上的信用风险包括了由交易对手直接违约和交易对手违约可能性变化而给投资组合造成损失的风险。新协议更是将其与市场风险和操作风险并成为银行面临的三大风险。1997年爆发的亚洲金融危机表明，银行信用风险不仅影响银行改革和发展，而且严重影响宏观经济健康运行，甚至导致和引发严重的金融危机和社会危机。麦肯锡公司对国际银行业实际风险资本配置的研究数据表明信用风险占银行总体风险的60.0%，而操作风险和市场风险则仅各占20.0%。由此可见，加强商业银行风险管理对银行的稳健经营和整个金融体系的安全具有重要的现实意义。一、研究背景随着我国市场化程度的提高，商业环境日益复杂和不确定，贷款对象的风险日益凸现。银行作为重要的金融中介，沟通资金需求者和寻求安全收益的投资者，连接微观经济主体的风险与金融系统，面临的信用风险随之增加，风险识别、评估和管理的难度和要求日益增加。而且在支持经济发展过程中，商业银行形成和积累了相当数量的风险资产。2006年末，国有商业银行不良贷款余额10534.9亿元，不良贷款率9.22%，同期国内外资银行不良贷款余额37.9亿元，不良贷款率0.78%。按照中国加入世界贸易组织(WTO)时所做的承诺，2007年我国银行业全面对外开放，这意味着海外银行将享受完全的国民待遇，意味着国内银行将在一个完全国际化的环境中，与强大的竞争对手进行全方位的比拼。因此，如何防范和化解银行的信用风险，是理论和实践都迫切需要解决的问题。国际金融业在信用风险管理方面运用一些先进技术，如 Credit Metrics 模型、KMV 模型、credit risk+模型以及 Credit Portfolio View 模型，力图通过模型化的方法来更精确的度量信用风险并确定监管资本要求。我国市场发育、金融机构的管理和宏观调控机制不尽完善，我国目前的信用风险分析仍是以定性分析为主，对风险度量的技术理论也在不断创新。本文从统计学和计量经济学的角度，主要运用logistic模型建立了我国上市公司的信用风险评价模型以期加强对我国上市公司的信用风险管理，同时对我国商业银行的信用风险模型提供借鉴与参考。二、实证研究1.研究对象本文的研究对象是2007年中，获得全国任意一家商业银行贷款的上市公司，共316家。运用其2007年财务年报数据进行分析。对于少数财务报表中的缺失数据，删除该公司的记录。在所有有效样本中st公司16家。由于银行在对企业放贷时，对放贷对象征信状况进行过调研，因此在此数据基础上再进行分析，可提高银行对上市公司放贷的风险控制能力，具有实际操作意义。2.数据处理首先对各项财务指标在SPSS中进行K-S检验，在置信水平为0.01时，Z统计量均大于1.63，拒绝原假设，每个指标的样本分布均不符合正态性假设。再对样本指标进行区分度检验。由于样本不服从正态分布，因此传统的两样本独立性t检验不适用。对两样本进行这类检验，本文采用Mann-Whitney U检验结合K-S检验。以是否ST公司为分组变量，对每个指标分两组，检验该指标对区分是否为ST公司敏感。检验结果显示，在35个变量中，有23个变量能够显著区分ST公司与非ST公司，23项指标如下表所列：能够区分st公司与非st公司的财务指标Mann-Whitney U检验m-w检验双侧P值Kolmogorov-Smirnov Z检验k-s检验双侧P值是否均通过检验短期偿债能力流动比率1902.0000.0011.4690.027是现金比率1338.5000.0002.1150.000是营运资比金率1902.0000.0011.4690.027是长期偿债能力资产负债率1604.0000.0002.1250.000是所有者权益比率1604.0000.0002.1250.000是现金流量能力现金流量对流动负债率2387.0000.0401.3990.040是每股经营活动现金流2250.0000.0171.6510.009是每股投资活动现金流1350.0000.0002.6360.000是每股筹资活动现金流2122.0000.0072.3240.000是股东获利能力每股营业收入1788.0000.0001.6980.006是每股收益1522.0000.0001.8900.002是每股净资产646.0000.0003.1730.000是市净率1087.0000.0002.5580.000是市盈率1398.0000.0051.7020.006是盈利能力营业毛利率1659.0000.0002.2170.000是资产报酬率1632.0000.0001.8510.002是总资产净利润率2386.0000.0401.4000.040是营运能力应付帐款周转率2263.0000.0201.5450.017是股东权益周转率2258.0000.0181.4930.023是发展能力资本保值增值率2229.0000.0151.4130.037是资本积累率2229.0000.0151.4130.037是总资产增长率1561.0000.0002.1740.000是净利润增长率2131.0000.0081.8680.002是财务数据指标间存在比较强的相关性，直接回归会带来不必要的复杂，为了尽量保存指标信息，采用多元统计中的因子分析方法，将高维数据降维，以特征根大于1并且累计贡献率大于80%为标准，分析结果表明，有 9个主成分可以代表原指标的绝大部分信息，并且各主成分之间相互独立。不同的主成分揭示了不同含义的指标：第一主成分主要揭示了资本保值增值率、资本累计率、总资本增长率、每股净资产、净利润增长率；第二主成分主要揭示了所有者权益比率、资产负债率；第三主成分主要揭示了总资产净利润率、每股收益、资产报酬率；第四主成分主要揭示了现金流量对流动负债率、流动比率；第五主成分主要揭示了营业毛利率、市盈率；第六主成分主要揭示了应付帐款周转率、现金比率、营运资金比率；第七主成分主要揭示了每股经营活动现金流、每股筹资活动现金流；第八主成分主要揭示了每股投资活动现金流；第九主成分主要揭示了市净率。3.模型建立依据上面分析结果中因子得分系数矩阵，分别计算出每个上市贷款公司的九个主成分得分，该结果SPSS可直接给出。再用这九个主成分的主成分得分作为自变量，以是否为st公司作为应变量进行logistic回归。在回归中，第一、三、八、九主成分的p值小于0.05，显著，故直接用这四个主成分回归，这样23个自变量降低至四个自变量，并且保留了80%以上的信息。回归结果见下表。 Logistic风险模型结果概率方程为：该模型以概率为0.1为判别点，当预测概率大于0.1时，判为ST公司。由此，将ST公司识别为ST公司的准确率为75%，将非ST公司识别为非ST公司的准确率为88.7%，总的准确率为87.9%。可见模型有较高的推广性。Logistic信用风险模型准确性第一主成分主要揭示了资本保值增值率、资本累计率、总资本增长率、每股净资产、净利润增长率，命名为发展能力因子；第三主成分主要揭示了总资产净利润率、每股收益、资产报酬率，命名为盈利能力因子；第八主成分主要揭示了每股投资活动现金流，命名为现金投资能力因子；第九主成分主要揭示了市净率，命名为股东获利能力因子。以下回归结果表明，现金投资能力增加1个单位，信用风险增加4.818单位；股东盈利能力增加1个单位，信用风险增加3.662单位；盈利能力增加1单位，信用风险下降1/0.470=2.128单位；发展能力增加1单位，信用风险下降5.376单位。可见，这四个因子与上市企业的信用状况紧密联系。这也和实际相吻合，当企业获得贷款现金之后，不断地用于投资和转化为股东利益，将使用于还款的金额减少，使银行的贷款风险增加；当企业获得现金贷款之后，注重盈利以及长期发展，将使得企业有质量更好的现金流和还款能力。由于样本量较大，文中不将预测概率和判别结果一一列出，通过非st和st公司的信用风险概率比较，可见st类公司风险概率均值为0.31675，而非st类公司风险概率均值为0.03990。即st类公司的信贷风险较高，当一家伤心公司向银行提出贷款请求时，通过该模型计算信用风险概率并识别是否大于0.1，大于0.1就可以75%的准确率识别出这家上市公司是否是信用高风险公司。可见，模型操作性很强。 在研究样本中，获得2007年银行贷款的上市公司仅有st公司16家，制造业14家、信息技术业2家、批发零售业2家、综合业2家、房地产业1家。由于除制造业外其他行业的st公司样本较少，不便于均值检验。这里仅将行业的信用风险概率均指比较如下图：三、研究结论本文提出了适合判别上市公司信用风险高低的模型，具有很强的操作意义。在模型中确认：当上市公司获得贷款现金之后，不断地用于投资和转化为股东利益，将使用于还款的金额减少，使银行的贷款风险增加；当上市公司获得现金贷款之后，注重盈利以及长期发展，将使得上市公司有质量更好的现金流和还款能力。上市公司的发展能力、盈利能力、现金投资能力、股东获利能力是影响其信用的最主要因素。该模型的其他优点在于大样本时可以在预测概率基础上进行行业信用风险比较、产业信用风险比较、地区信用风险比较、商业银行客户信用风险比较等深入挖掘。参考文献：