企業(yè)信用風險與宏觀經濟變量的相關性研究

趙宇翔

摘要：本文利用Logit模型和多元回歸模型，分析了宏觀經濟變量對企業(yè)總體和個體信用風險的影響，認為相對于個體信用風險而言，宏觀經濟變量對總體信用風險的影響更加顯著。

關鍵詞：企業(yè)信用風險；宏觀經濟變量；相關性

Abstract：The paper using statistic models analyses relations between enterprise credit risks and macroeconomic variables. Comparing individual credit risk, gross credit risk is prone to be influenced by macroeconomic variables substantially.

Key Words: enterprise credit Risks，macroeconomic variables，relations

中圖分類號：F830文獻標識碼：A文章編號：1674-2265（2009）05-0053-03

一、引言

對企業(yè)信用風險的判斷是預測銀行風險非常關鍵的一環(huán)。傳統(tǒng)方法對企業(yè)信用風險的計量主要基于財務信息和市場數據，這兩種方法都存在明顯的弊端。為了提高企業(yè)信用風險判斷的準確性，許多學者開始關注并研究宏觀經濟變量與企業(yè)信用風險的關系。宏觀經濟變量的重要性不言而喻，一方面能夠改變企業(yè)的經營和財務狀況，從而對信用風險產生直接影響，另一方面能夠改變企業(yè)的外部環(huán)境，從而對信用風險產生間接影響。Wison（1998）最早運用系統(tǒng)信用風險的多因素模型，驗證了宏觀經濟變量對信用風險的影響。Bangia等人（2002）最早建立了基于經濟周期的風險轉移矩陣，證實了宏觀經濟變量對解釋企業(yè)信用風險的重要性，Berger和Udell（2003）、Figlewski（2006）隨后又從不同角度研究了經濟周期因素與企業(yè)信用風險的關系。Borio等人（2001）、Pederzoli和Torricelli（2005）的研究表明，在經濟衰退時企業(yè)面臨著較高的信用風險，但這種信用風險是由于經濟擴張時無限制的金融信用膨脹引起的。Rosch（2003）的研究表明，在經濟下滑時企業(yè)之間信用風險的相關性增加。

為了論證上述觀點在我國的適用情況，本文選擇主要宏觀經濟變量，采取數理統(tǒng)計的方法，證明宏觀經濟變量是

判斷企業(yè)信用風險的重要因素，說明哪些宏觀經濟變量與企業(yè)信用風險存在顯著的相關性。

二、數據與模型

根據《巴塞爾新資本協(xié)議》規(guī)定和我國銀行業(yè)實際情況，違約就意味著信用風險已經產生。本文將違約發(fā)生情況作為考察企業(yè)信用風險的指標，其中個體信用風險定義為某一時期內該企業(yè)是否存在無法足額歸還銀行貸款本金及利息的情況，總體信用風險則定義為某一時期貸款由正常調整為逾期戶數占貸款到期總戶數的比例。本文將個體信用風險和總體信用風險作為計量模型的因變量，具體計算時，被解釋變量數據全部來自銀行信貸登記咨詢系統(tǒng)中山東的數據。對于個體信用風險而言，采用了2004-2006年間參加評級的貸款企業(yè)相關數據，如在評級當年，銀行信貸登記咨詢系統(tǒng)反映企業(yè)的任意一筆貸款發(fā)生了不良，則視為高信用風險，否則為低。對于總體信用風險而言，采用了2002-2006年間以季度為單位的時間序列數據。

本文根據已有的研究，選擇了四類主要宏觀經濟變量指標作為解釋變量。第一類為國民預算平衡表中的部分指標，包括國內生產總值、物價指數、進出口、財政收支、居民收入和消費等，數據來自山東統(tǒng)計月報。第二類為通貨膨脹指標，包括消費物價指數、廣義貨幣供應量等，消費物價指數來自山東統(tǒng)計月報，廣義貨幣供應量來自人民銀行網站。第三類為金融市場指標，包括短期國債利率、長期國債利率、國債融資額、人民幣對美元匯率、股票指數等，相關數據整理自中國債券網、人民銀行網站；第四類為銀行貸款增量指標，數據來自銀行信貸登記咨詢系統(tǒng)。對于各解釋變量，采取了與被解釋變量相匹配的原則，盡可能采用山東的數據，兼顧數據的可獲得性，同時考慮了解釋變量對被解釋變量的滯后影響，將宏觀經濟變量范圍擴展至2000-2006年的時間序列數據，即考察兩年的影響。各被解釋變量的計算詳見表1。

鑒于個體信用風險的被解釋變量為二值虛擬變量，本文采用逐步去掉不顯著變量的Logit模型和年度數據，考察解釋變量對當年、滯后1年及滯后2年被解釋變量的影響。鑒于總體信用風險的被解釋變量為時間序列數據，本文采用逐步進入的多元回歸方法和季度數據，考察解釋變量對同期、滯后1季度至8季度被解釋變量的影響。

三、回歸結果

（一）個體信用風險

表2反映了宏觀經濟變量與個體信用風險的Logit模型回歸結果，Nagelkerke R Square值僅為0.01，說明宏觀經濟指標對個體信用風險的影響并不顯著，且能對個體信用風險產生顯著影響的指標較少，僅包括消費物價指數、出口增長率指標及短期利率三項指標。

首先，短期國債利率與個體信用風險呈顯著的正相關關系，這反映了短期利率上升會增加企業(yè)融資成本，從而增加企業(yè)信用風險。同時，這種影響也可能來自擠出效應，即較低的國債利率增加財政融資規(guī)模，擠占企業(yè)的資金，增加企業(yè)融資成本和信用風險，本文將在下面加以印證。其次，出口增長率能夠對滯后1年的個體信用風險產生顯著的負相關影響，這說明出口的增加改善了企業(yè)的未來收益，能夠降低企業(yè)信用風險。最后，消費物價指數與滯后2年的個體信用風險呈顯著的負相關關系。對于企業(yè)個體而言，通貨膨脹如果同等比例地增加了企業(yè)的收入和成本，兩者相抵反而會增加企業(yè)的凈利潤，降低信用風險。

（二）總體信用風險

表3反映了宏觀經濟變量與總體信用風險的多元回歸模型結果。較個體信用風險而言，影響總體信用風險的宏觀經濟變量較多，包括進出口增長率、匯率、財政收支、物價指數、居民消費、股票指數等指標，而且這些指標對總體信用風險影響程度較高，除t-1期解釋能力較低，t-2期、t-3期、t-5期無顯著變量可以解釋外，其他時期解釋能力均較高，其中t-3、t-4期分別達到了0.717、0.836。

即期時，出口增長率和匯率對總體信用風險的影響方向一致，與Logit呈顯著的正相關關系，這說明出口增長和匯率貶值短期內會增加企業(yè)成本，提高企業(yè)的信用風險。

就1年期看，財政支出與滯后1季度的總體信用風險呈顯著的負相關關系，說明財政支出能夠促進經濟增長，降低企業(yè)信用風險；長期國債利率與滯后4季度的總體信用風險呈顯著的負相關關系，這與Logit模型中反映短期國債利率對個體信用風險的影響正好相反；消費物價指數與滯后4季度的總體信用風險呈顯著的正相關關系，說明較高的通貨膨脹率會增加總體信用風險，也與Logit模型結果相反；新增貸款增長率與滯后4季度的總體信用風險呈顯著的正相關關系，說明貸款總量的增長會在一年后影響企業(yè)的信用狀況，這與實際情況一致。

在更長的時期，宏觀經濟變量對總體信用風險的影響又呈現新的特點。首先，進口增長率與滯后6季度和滯后7季度的總體信用風險呈顯著的正相關關系，說明進口企業(yè)隨著付款期限的到來，面臨較高的還款壓力，形成較高的信用風險。通過比較滯后6季度與滯后7季度的系數和t值，發(fā)現進口增長率對信用風險的影響隨時間推移而減弱。

其次，從1年半開始，連續(xù)三個季度消費者支出增長率與總體信用風險呈顯著的負相關關系，且隨著時間的推移，影響程度逐步減弱。這說明消費支出的增加，一方面促進了經濟增長，為企業(yè)創(chuàng)造了更好的經營環(huán)境，另一方面增加了產品需求，擴大了企業(yè)的市場空間和盈利空間，降低了企業(yè)的信用風險。

再次，財政收入增長率與滯后8季度的總體信用風險呈顯著的負相關關系，這說明財政收入增加導致財政支出增加，進而促進經濟增長，降低企業(yè)信用風險。此外，國債融資發(fā)行量與滯后7季度的企業(yè)信用風險呈顯著的正相關關系，在一定程度上印證了前述存在擠出效應的觀點。

最后，深圳成指與滯后6季度總體信用風險呈顯著的負相關關系，證明了資本市場波動會對企業(yè)信用風險產生一定影響，一般而言資本市場的繁榮，在今后一段時期內會降低企業(yè)信用風險，反之亦反是。

四、結論與建議

綜上所述，本文得出以下結論：宏觀經濟變量能夠對企業(yè)總體信用風險產生顯著影響，但對個體信用風險的影響并不顯著；出口增長短期內會增加企業(yè)信用風險，長期則相反，進口增長會在一段時期后帶來信用風險，匯率波動通過進出口變動影響信用風險，與傳統(tǒng)匯率理論一致；財政收入增加能夠促進財政支出，進而促進經濟發(fā)展，改善企業(yè)經營環(huán)境，降低信用風險，但財政融資會擠占企業(yè)資金，增加企業(yè)信用風險。短期利率上升會增加企業(yè)的信用風險，但長期利率則相反，通貨膨脹能夠降低個體信用風險，但會增加總體信用風險。消費者支出增長會降低企業(yè)信用風險，但隨著時間的推移，影響程度逐步減弱；銀行信貸規(guī)模的增長會增加企業(yè)信用風險，而資本市場的繁榮，會降低企業(yè)信用風險，這與普遍認識一致。

本文建議要高度關注宏觀經濟變量的影響，并在實際工作中加以應用。首先，商業(yè)銀行和信用評價機構在判斷個體信用風險時，應將部分宏觀經濟變量引入風險決策模型，并實時關注宏觀經濟對總體信用風險的影響。其次，中央銀行不僅要在宏觀調控、貨幣政策決策執(zhí)行等方面重視宏觀經濟變量，而且要應用到金融穩(wěn)定等工作中，以提高對系統(tǒng)性信用風險判斷的準確度。最后，與微觀經濟變量比較而言，宏觀經濟變量的波動更加難以預期，因此有關機構應加強對宏觀經濟變量的理論和應用研究，增強對信用風險的預測能力。

參考文獻：

[1]Diana Bonfim，“Credit risk drivers: evaluating the contribution of firm level information and of macroeconomic dynamics”，working paper.

[2]Donald P.Morgan，“The Credit Effects of Monetary Policy， Evidence Using Loan Commitments”， Journal of Money Credit and Banking， Feb. 1998.

[3]Korajczyk， R.A. and Levy， A.， “Capital structure choice：macroeconomic conditions and financial constraints”

，Journal of Financial Economics，2003，68.

[4]Pederzoli，C.and Torricelli，C.“Capital requirements and business cycle regimes：forward-looking modelling of default probabilities”， Journal of Banking and Finance，2005， No.29.

[5]Wilson，T.“Portfolio credit risk”，Federal Reserve Board of New York Economic Policy Review， October 1998.

[6]中國人民銀行濟南分行課題組.征信過程中的信息篩選與共享半徑研究[J].金融發(fā)展研究.2008，（12）.

（特約編輯 齊稚平）