因子分析法在农业银行信贷风险预警模型中的应用分析

1、    因子分析法在农业银行信贷风险预警模型中的应用分析    田浩 罗方【摘要】运用统计学中的因子分析法及财务管理相关知识，在上市公司财务报表中找出最能反映企业偿债能力的财务指标，建立银行信贷风险预警模型，并提出在使用该预警模型时应注意的问题。【关键词】因子分析法 信贷风险预警模型 应用分析信贷风险是银行面临的最主要的风险，表示债务人未能如期偿还其债务而给银行经营带来的风险。银行对信贷风险的评估和控制能力关系到银行体系的稳定和国民经济的发展。2008年的全球金融危机大爆发，主要原因就是由于金融机构对信贷风险的评估不力造成的。我国商业银行一直存在信贷资产

2、质量较差，资产利润低，不良贷款率较高的弱点。据银监会公布资料显示：2015年银行业不良贷款余额为1.96万亿元，不良贷款率1.94%，其中农业银行不良贷款额为2129亿元，不良贷款率达2.39.突破银监会2%的监管红线。2016-2017年，隨着国家对银行业严控监管措施力度的不断加大，各商业银行通过贷款规模持续扩张稀释、提高拨备覆盖率以及采取清收、坏账核销、处置不良资产等方式，使不良贷款余额和不良贷款率呈“双下降”趋势，截至2017年末，我国商业银行不良贷款余额为1.71万亿元，不良贷款率降至1.74%。但笔者认为，要解决国有商业银行不良贷款率居高不下的困境，仅仅依靠以上“事后堵漏”措施是远远

3、不够的。如果不采取有效的方法加以监控和防范，新的不良贷款仍会持续产生，我国商业银行不良贷款将陷入“年年清旧账，新账年年生”的恶性循环。应考虑建立信贷风险预警系统，及时发出信贷风险预警信号并采取各种措施加以防范，方能实现真正意义的“治本”。因此，如何建立一套行之有效的银行信贷风险预警系统，在银行信贷风险管控中显得尤为重要。鉴于影响企业偿债能力的因素众多，任何一套预警模型都不可能全部涵盖，而且模型建立太过复杂也不利于实际操作。笔者尝试用统计学中的因子分析法来解决这一问题。因子分析法是多元统计分析技术的一个分支，其基本思想是：首先，通过对变量相关程度的研究，找出能控制变量的几个主要因子；其次，根据这

4、些因子建立模型，达到解释整个问题的目的。这样更容易抓住问题的主要矛盾，使分析简化易操作。一、具体思路和方法根据以上描述，笔者设想：首先，根据上市公司公布的财务报表，运用因子分析法和财务管理知识，在众多变量中找出最能反映企业偿债能力的几个企业信贷风险指标，并进行相关度分析；其次，建立信贷风险预警模型并检验，确定信贷指标的风险评价值标准；最后，对企业信贷风险进行瓶别，确定预警度并发出报警信号。（一）企业信贷风险指标的选取及相关度分析我国证监会规定：上市公司在年报中必须披露的财务指标主要有下表五类15个。本文尝试用因子分析法从这15个指标中找出最能代表企业财务风险的指标。根据1998年5月中国人民银

5、行制定并颁布的贷款分类指导原则，商业银行按风险程度将贷款划分为五类：正常、关注、次级、可疑、损失，后三种为不良贷款。本文从中国农业银行云南省分行中选取被评为损失类的40个企业作为信贷风险最大组，假设其对应的因变量为0，从被评为正常类的40个企业作为作为信贷风险最小组，假设其对应的因变量为1。将80个企业的上述15个财务指标使用spss12.0软件进行样本分析，得出结果见下表。相关度分析：由于假定了风险程度最大为0，最小为1，说明显著性水平越接近0则代表该财务指标与风险相关程度越大，反之则越小。上表中显著性水平排序明显分为三档：排名1-4位为第一档，数值在0.0000-0.0031之间，说明影响

6、程度最大属高度相关；5-9位为第二档，数值在0.0387-0.0913之间，说明有一定影响属显著相关；10-15位为第三档，数值在0.1601-0.9497之间，说明影响程度不大属低度相关。结论：从以上分析可以看出，x12每股净资产率、x10流动负债比率、x15总资产增长率、x7存货周转率四个指标与财务风险相关程度最高，均为高度相关，分别从资本结构、偿债能力、发展能力和经营能力四个方面反映企业的现状，可以作为最能评价企业财务风险的代表性因子指标。（二）建立信贷风险预警模型并检验1.建立模型。将上述80个企业的上述四个代表性因子指标带入spss12.0软件中进行样本分析，建立如下回归模型：y=0

7、.704+0.121x12-0.006x10+0.004x+0.111x72.检验。在农业银行云南省分行所掌握的五类（正常、关注、次级、可疑、损失）企业中，每类选取20个样本，将上述四个指标带入该模型中进行检验，结果显示：该模型的的拟合度为0.675，较为理想，各类企业评价值y值呈由小到大顺序排列，大致分布为：正常（0<y<0.1）、关注（0.1<y<0.2）、次级（0.2<y<0.5）、可疑（0.5<0.8）、损失（0.8<y< p>（三）确定评价值及预警划分警度将样本中各企业的相关指标评分结果，按下表划分出预警等级。二、使用预警模

8、型时应注意的问题1.该模型仅起到“报警器”作用，不能作为评判企业信贷风险的确切标准和依据。在现实生活中，影响企业是否能按期足额偿还债务的因素很多，不能简单指望依据几个财务指标的变化就能准确判断和预测企业偿债能力，笔者建立此预警模型的初衷，仅希望该模型能提前发出预警信号，使银行产生警觉，继而对企业资本结构、偿债能力、发展能力和经营能力等各方面情况进行综合评估，达到事前监控及预防的目的。2.本预警模型数据来源于上市企业公开财务报表，即假定了该企业财务指标数据真实有效，在我国大多数企业并未上市，其财务报表数据的真实性无法确保的情况下，将直接影响该预测模型预测结果。因此，在使用此预警模型之前，应尽可能使企业财务报表数据真实可信，否则，极易出现信息失真而发出错误预警信号的情况。结语：如何控制商业银行信贷风险一直以来都是银行业研究的热点和难点问题之一。本文仅只尝试在因子分析法的基础上，建立信贷风险预警模型，对企业的财务状况进行评价并发出预警信号。受个人能力、数据来源较为单一等多方面因素的限制，本文存在一定的局限性，所设想的信贷风险预警模型精准度也不可避免受到一定程度影响，但仍希望本文能对推动我国商业银行信贷风险控制的研究做出一点贡献。参考文献1周旺.基于因子分析模型的商业银行信用风险测度分析.长春师范大学学报