基于判别分析和logistic回归分析城市商业银行信用风险度量.docVIP

基于判别分析和logistic回归分析城市商业银行信用风险度量 　　一、引言 　　 　　信用风险，指的是在商业交易中由于交易一方的违约，使交易另一方应得的预期现金流量的现值减少而遭受损失的风险。信用风险是商业银行面临的主要风险之一，信用风险的度量是商业银行进行信用管理的核心问题, 对信用风险的准确度量和有效管理, 有利于商业银行经营的安全性, 也有利于金融体系整体的稳定和国民经济的持续健康发展。违约率、赔付率和违约相关性是衡量信用风险大小的主要参数，其中违约率是度量和管理信用风险的出发点和关键。 　　信用风险度量模型又可以称为企业财务困境研究，二者的本质相同，只是出发点不同。由于企业在银行的债务和履约情况的数据很难得到，以往大多数研究集中于企业财务困境研究。对企业财务困境研究最早的是Fitzpatrick(1932)，他发现破产企业的财务比率一般较差，Beaver(1966)、Altman(1968)分别采用单变量分析法和多变量分析法对企业的财务比率进行了研究，后者还建立了由五个参数组成的Z-Score 模型。除了传统的判别分析外，Martin (1977)建立了logistic模型用来预测企业的破产和违约概率，Ohlson(1980)建立了Logit模型，Zmijewski (1984) 使用Probit分析模型，Libby（1975）第一次将主成分分析方法引入了判别分析模型以克服自相关问题。而且近年来基于市场价值的现代信用风险度量模型在国际金融界得到很高的重视和相当大的发展，包括KMV推出的期望违约概率模型，JP摩根银行推出的以VAR为基础的credit metics模型等。 　　随着商业银行信用风险管理在国内商业银行风险管理中重要性的日益显现，国内关于商业银行信用风险管理的文献大量涌现，王春峰等(1998)将判别分析法应用于我国商业银行信用风险评估，通过与Logit方法相比较,研究了判别分析法的有效性。梁琪（2005）结合主成分分析法构造了logistic回归分析模型，发现该方法优于简单的logistic模型。吴世农、卢贤义（2001）利用1998-200年A股市场ST公司数据，比较了多元判别分析、线性概率模型和Logistic模型的预测效果，发现logsitic模型的预测能力最强。此外，还有陈静（1999）、张玲（2000）、梁琪（2003）、柯孔林和薛锋（2004）、李???辉和李萌（2005）等，均从不同侧面使用判别模型或扩展后的判别模型对我国的商业银行信用作了实证分析。马九杰，郭宇辉，朱勇（2004）通过问卷调查方式，利用所得资料采用logit模型对我国县域中小企业贷款违约情况进行实证分析，但是存在样本过小的问题。 　　总体而言，由于搜集非上市公司的财务数据异常困难，以往的研究主要从上市公司中选取样本; 且因受数据来源所限(上市公司的履约情况和债项特征属于内部机密, 一般研究人员很难获得) , 几乎所有研究都是以上市公司被宣布特别处理（ST）作为财务困境标志，建立的评估模型以线性判别分析为主。由于样本地选择缺乏代表性，由模型估计所得到的结果很大程度上不能真实反映影响商业银行预期违约概率的主要指标，从而得出的结论缺乏应用性。而本文以甘肃某城市商业银行2005年诚信企业和违约企业财务数据为基础，并对指标进行严格筛选，以贷款企业违约与否作为信用风险高低的衡量标准,运用判别分析和logistic 回归分析，得出影响我国城市商业银行贷款企业预期违约概率的的最具解释能力的财务指标，从而对城市商业银行有效地识别和评估信用风险以及做出合理的贷款决策具有重要的应用价值。 　　本文即是从贷款企业的财务指标入手，通过判别分析和logistic 回归分析，构建衡量企业信用状况的模型，并通过实征研究考察模型的适用性。本文的结构安排如下：第二部分样本选取与建模变量筛选；第三部分运用判别分析和logistic回归分析方法进行实证分析；第四部分对实证结果给出进一步的分析；第五部分给出结论并总结全文。 　　 　　二、样本选取与建模变量筛选 　　 　　（一）指标的选取 　　研究选择的财务数据全部来自于贷款企业的财务报表，在参考了已有文献以及考虑到实际数据可得性的基础上，本文选取了21个能够反映企业景气、流动性、盈利性、清偿性、成长性以及其他初始指标，指标名称、财务比率名称以及符号具体见表一。 　　由于X19股东权益比率，X20负债合计/资本和X13资产负债率存在多重共线性，因此剔除X19，X20，同时由于数据存在较多缺失，剔除X17财务杠杆效应，X18企业留存/总资产，X21流通股股本的市场价值/总负债。因此，模型最初选取了景气指标、流动性指标、盈利性指标、清偿性指标、增长型指标等五大类共计16个指标。 　　 　　（