基于Logit模型對我國商業(yè)銀行信用風(fēng)險(xiǎn)評估的實(shí)證研究

翟清蘭

（巢湖學(xué)院管理系，安徽 巢湖 238000）

基于Logit模型對我國商業(yè)銀行信用風(fēng)險(xiǎn)評估的實(shí)證研究

翟清蘭

（巢湖學(xué)院管理系，安徽 巢湖 238000）

隨著金融的全球化趨勢和金融市場的波動性加劇，各國銀行和投資者受到了前所未有的信用風(fēng)險(xiǎn)的挑戰(zhàn)。信用風(fēng)險(xiǎn)評估方法也不斷推陳出新，管理技術(shù)正日臻完善，許多定量技術(shù)、支持工具和軟件已付諸商業(yè)應(yīng)用。然而，我國商業(yè)銀行和金融市場尚處轉(zhuǎn)軌和新興發(fā)展階段，信用風(fēng)險(xiǎn)管理技術(shù)較為落后。針對于此，本文從商業(yè)銀行角度，研究借款人（上市公司）信用風(fēng)險(xiǎn)評估的方法和應(yīng)用問題。利用SPSS軟件對企業(yè)的多維財(cái)務(wù)指標(biāo)進(jìn)行t檢驗(yàn)和主成份分析得到了7個(gè)能夠反映企業(yè)信用風(fēng)險(xiǎn)高低的關(guān)鍵財(cái)務(wù)指標(biāo)，并利用這7個(gè)指標(biāo)建立了Logit模型，結(jié)果表明，利用建立的Logit對我國商業(yè)銀行的信用風(fēng)險(xiǎn)評估中具有較高的預(yù)測準(zhǔn)確率，從而為我國商業(yè)銀行信用風(fēng)險(xiǎn)評估方法從傳統(tǒng)的定性分析法向定量分析法邁進(jìn)起到了一定的借鑒作用。

商業(yè)銀行；信用風(fēng)險(xiǎn)；Logit模型

1 引言

現(xiàn)代商業(yè)銀行在社會經(jīng)濟(jì)發(fā)展過程中，發(fā)揮著創(chuàng)造貨幣存款、實(shí)現(xiàn)金融政策效率和社會實(shí)現(xiàn)等方面的作用，[1]是國民經(jīng)濟(jì)的“總樞紐”和“調(diào)節(jié)器”，然而，近年來，隨著金融的全球化趨勢及金融市場波動性的加劇，商業(yè)銀行所面臨的風(fēng)險(xiǎn)是與日俱增，成為風(fēng)險(xiǎn)聚焦的焦點(diǎn)。在商業(yè)銀行所面臨的眾多風(fēng)險(xiǎn)中，信用風(fēng)險(xiǎn)占有特殊的地位。上個(gè)世紀(jì)80年代，美國不少儲蓄和貸款機(jī)構(gòu)主要因信用風(fēng)險(xiǎn)而倒閉，世界銀行對全球銀行業(yè)危機(jī)的研究表明，導(dǎo)致銀行破產(chǎn)的最常見原因就是信用風(fēng)險(xiǎn)。[2]因此，國際國內(nèi)金融界近年來對信用風(fēng)險(xiǎn)的關(guān)注日益加強(qiáng)。

Logit回歸是一種非線性分類的統(tǒng)計(jì)方法，用于因變量為定性指標(biāo)的問題。王春峰和萬海暉（1998）[3]將判別分析法應(yīng)用于我國商業(yè)銀行信用風(fēng)險(xiǎn)評估，通過與Logit方法相比較,研究了判別分析法的有效性。張貴清和劉樹林（2005）[4]采用聚類分析、多元判別和Logit回歸方法構(gòu)建了我國商業(yè)銀行的信用風(fēng)險(xiǎn)評級模型。Ohlson（1980）[6]構(gòu)建了 Logit識別模型，吳世農(nóng)、盧賢義（2001）[7]采用逐步回歸法從21個(gè)財(cái)務(wù)指標(biāo)中選取6個(gè)指標(biāo)對財(cái)務(wù)困境問題進(jìn)行研究，結(jié)果表明Logit模型優(yōu)于線性判別模型，李萌（2005）[8]利用主成份分析法和Logit判別方法構(gòu)造了商業(yè)銀行信用風(fēng)險(xiǎn)評估的Logit模型，研究結(jié)果表明Logit模型具有非?？尚诺淖R別、預(yù)測和推廣能力，是商業(yè)銀行信用風(fēng)險(xiǎn)評估的有效工具。方洪全和曾勇（2004）[9]討論了基于不同評價(jià)體系的判別模型和Logit模型的預(yù)測精度問題，說明了線性判別模型和Logit回歸模型的預(yù)測精度高低與所選擇的評價(jià)體系顯著相關(guān)。Logit模型不要求線性判別模型的假設(shè)，是商業(yè)銀行較理想的信用風(fēng)險(xiǎn)評估工具。

2 Logit模型的建立及實(shí)證分析

本研究選取上海證券交易所A股市場上2002-2004年的在我國商業(yè)銀行均有貸款且財(cái)務(wù)報(bào)表齊全的200家上市公司，3年共得到600個(gè)樣本，其中2002-2003年的400個(gè)樣本作為訓(xùn)練樣本，2004年的樣本作為預(yù)測樣本。數(shù)據(jù)主要來源于wind資訊和上海證券交易所所提供的數(shù)據(jù)。

本研究從反映公司財(cái)務(wù)狀況的23個(gè)財(cái)務(wù)指標(biāo)，然后對這23個(gè)指標(biāo)進(jìn)行獨(dú)立樣本t檢驗(yàn)選取了21個(gè)指標(biāo)，這21個(gè)指標(biāo)在兩類企業(yè)之間是具有顯著差異的，然后再對這些指標(biāo)進(jìn)行主成份分析，從而得到了幾個(gè)關(guān)鍵的財(cái)務(wù)指標(biāo)。這些財(cái)務(wù)指標(biāo)綜合反映了公司的盈利能力、償還能力和流動能力、資本結(jié)構(gòu)與財(cái)務(wù)杠桿、資產(chǎn)管理效率、成長能力等五個(gè)方面的財(cái)務(wù)狀況。

Logit模型也稱Logit回歸模型，是指因變量為二級計(jì)分或二類評定的回歸分析，這種方法對獨(dú)立變量進(jìn)行加權(quán)，并以破產(chǎn)概率的形式賦值給各企業(yè)一個(gè)Z-score值，該方法的長處在于，它無需像判別分析那樣假設(shè)多元正態(tài)性并具有相同的協(xié)方差矩陣。這與現(xiàn)實(shí)中企業(yè)財(cái)務(wù)指標(biāo)的真實(shí)情況相吻合。運(yùn)用Logit模型進(jìn)行信用風(fēng)險(xiǎn)評估的實(shí)證研究也成為信用風(fēng)險(xiǎn)評估研究中多變量分析方法的主要分支之一。Logit分析將非線性效果一體化，并將Logistic累計(jì)函數(shù)應(yīng)用于對企業(yè)的違約預(yù)測。

假設(shè)企業(yè)違約概率為P，則1-P為企業(yè)如期歸還貸款的概率，定義[8]

式（2）即為 Logit回歸模型，式中的 X1，X2，…Xn即為企業(yè)的財(cái)務(wù)指標(biāo)。

與線性判別模型不同，[8]Logit模型沒有理論上的閾值，閾值完全需要根據(jù)研究目標(biāo)來選擇。本文研究選擇0.5為閾值，即通過Logit模型計(jì)算出公司的違約概率大于或等于0.5，則將公司判定為高風(fēng)險(xiǎn)企業(yè)，否則判定為低風(fēng)險(xiǎn)企業(yè)。

使用Logit模型方法建立我國商業(yè)銀行信用風(fēng)信評估模型需要設(shè)置因變量和自變量，因變量是指上市公司是高風(fēng)險(xiǎn)企業(yè)還是低風(fēng)險(xiǎn)企業(yè)，自變量是指各公司的財(cái)務(wù)指標(biāo)。為了便于研究，本文對高風(fēng)險(xiǎn)企業(yè)賦值為1，低風(fēng)險(xiǎn)企業(yè)賦值為 0。

本次研究共引入600個(gè)樣本，其中高風(fēng)險(xiǎn)企業(yè)246個(gè)，低風(fēng)險(xiǎn)企業(yè)354個(gè)，對這600個(gè)樣本進(jìn)行獨(dú)立樣本t檢驗(yàn)，發(fā)現(xiàn)兩類企業(yè)具有顯著差異的指標(biāo)共21個(gè)，然后再對這21個(gè)財(cái)務(wù)指標(biāo)進(jìn)行主成份分析得到7個(gè)主成份。根據(jù)主成份負(fù)荷矩陣和因子得分系數(shù)矩陣可了解各主成份與原始指標(biāo)間的關(guān)系。當(dāng)對訓(xùn)練樣本建立Logit模型時(shí)，進(jìn)入模型中的指標(biāo)是通過SPSS軟件中提供的自變量強(qiáng)制進(jìn)入回歸方程的六種方法中的Forward:Conditional(以假定參數(shù)為基礎(chǔ)作似然比概率檢驗(yàn)，向前逐步選擇自變量)，通過這種方法最后這7個(gè)指標(biāo)全部進(jìn)入了Logit模型。

在本文中對這600個(gè)樣本進(jìn)行分類，分為訓(xùn)練樣本（2002年和2003年的上市公司）400個(gè)和測試樣本（2004年的上市公司）200個(gè)，建立Logit模型進(jìn)行研究。一般認(rèn)為，國際上的優(yōu)質(zhì)商業(yè)銀行不良貸款率在3%以下，中等商業(yè)銀行在5%左右，[5]因此本文以不良貸款率5%作為高風(fēng)險(xiǎn)企業(yè)與低風(fēng)險(xiǎn)企業(yè)的分界線。根據(jù)以上分組標(biāo)準(zhǔn)，訓(xùn)練樣本中，高風(fēng)險(xiǎn)企業(yè)174個(gè)，低風(fēng)險(xiǎn)企業(yè)226個(gè)；測試樣本中，高風(fēng)險(xiǎn)企業(yè)72個(gè)，低風(fēng)險(xiǎn)企業(yè)128個(gè)。當(dāng)訓(xùn)練樣本為400個(gè)時(shí)，進(jìn)入Logit模型的主成份共 7 個(gè)， 按順序依次為 Y1、Y6、Y5、Y4、Y2、Y7、Y3， 經(jīng) SPSS 分析得到的 Logit模型參數(shù)為如表1所示。

根據(jù)表1，Logit回歸函數(shù)為

引入上市公司的財(cái)務(wù)數(shù)據(jù)并根據(jù)函數(shù)（3）預(yù)測信用風(fēng)險(xiǎn)時(shí)，如果計(jì)算得出的結(jié)果小于0.5，則該上市公司被判定為低風(fēng)險(xiǎn)企業(yè)；反之，該上市公司被定義為高風(fēng)險(xiǎn)企業(yè)。

表1 Logit模型參數(shù)表

表2說明，由訓(xùn)練樣本建立的Logit模型對訓(xùn)練樣本的平均準(zhǔn)確率為90.5%，其中對低風(fēng)險(xiǎn)企業(yè)判別的準(zhǔn)確率為92.5%，對高風(fēng)險(xiǎn)企業(yè)判別的準(zhǔn)確率為87.9%。

表2 Logit模型對訓(xùn)練樣本的判定結(jié)果

結(jié)果表明本文建立的Logit模型對高風(fēng)險(xiǎn)企業(yè)判定的準(zhǔn)確率比前人所研究的要高，且對低風(fēng)險(xiǎn)企業(yè)判定的準(zhǔn)確率比前人的研究要高，模型總體的準(zhǔn)確率為90.5%，也比前人的研究要高；且對低風(fēng)險(xiǎn)企業(yè)判定的準(zhǔn)確率要高于對高風(fēng)險(xiǎn)企業(yè)判定的準(zhǔn)確率。

采用400個(gè)訓(xùn)練樣本建立的Logit模型對200個(gè)測試樣本的檢驗(yàn)結(jié)果見表3。

表3 Logit模型對測試樣本的預(yù)測結(jié)果

結(jié)果表明，由訓(xùn)練樣本建立的Logit模型來判定測試樣本企業(yè)的信用風(fēng)險(xiǎn)狀況，發(fā)現(xiàn)模型對測試樣本的整體的判定準(zhǔn)確率為86.5%；同訓(xùn)練樣本相差甚小，其中對低風(fēng)險(xiǎn)企業(yè)的檢驗(yàn)準(zhǔn)確率為86.7%，對高風(fēng)險(xiǎn)企業(yè)的檢驗(yàn)準(zhǔn)確率為86.1%，Logit模型對訓(xùn)練樣本和測試樣本的判定結(jié)果基本一致，模型比較穩(wěn)定。

由于進(jìn)入Logit模型的自變量的個(gè)數(shù)比前人研究的要多，選取的樣本也比前人的要多，故本文中所建立的Logit模型對商業(yè)銀行的預(yù)測精度比以前的研究要高。

3 結(jié)論

本文圍繞利用Logit模型來研究商業(yè)銀行的信用風(fēng)險(xiǎn)評估問題，取得了一定的效果?？偨Y(jié)本文可得到以下這些結(jié)論：

1、Logit分析法由于具備對數(shù)據(jù)自學(xué)習(xí)和自適應(yīng)能力，對非正態(tài)分布的數(shù)據(jù)可以達(dá)到很好的分類效果。

2、Logit分析法能夠比較完善、迅速地解決問題。Logit模型具有較強(qiáng)的透明度，是一種“白盒技術(shù)”，因此，Logit模型也就比較容易解釋。模型中變量的系數(shù)都具有一定的涵義，代表了指標(biāo)的重要性程度，可以比較各個(gè)變量對模型貢獻(xiàn)的大小。

3、信用分析與決策的科學(xué)是防范商業(yè)銀行信貸風(fēng)險(xiǎn)的關(guān)鍵。完全依賴實(shí)踐經(jīng)驗(yàn)與主觀判斷能力，決策結(jié)果會因人而異；而實(shí)行貸款的量化管理，改變貸款決策中的主觀臆斷因素，可逐步提高信貸決策的科學(xué)水平，在很大程度上可以起到防范信貸風(fēng)險(xiǎn)的作用。

4、樣本的選取需要更加合理化。本研究中只采用了上海證券交易所的200家上市公司的財(cái)務(wù)數(shù)據(jù)，且選擇的進(jìn)入模型的變量（財(cái)務(wù)指標(biāo)）有7個(gè)，而實(shí)際中上市公司的財(cái)務(wù)指標(biāo)遠(yuǎn)遠(yuǎn)不止這么多。如果允許的話，可以考慮公司的資產(chǎn)規(guī)模、上市公司受保護(hù)的程度等方面影響上市公司信用風(fēng)險(xiǎn)高低的因素。

5、實(shí)證模型來源于實(shí)際樣本數(shù)據(jù)，其可靠性、有效性是以樣本數(shù)據(jù)為基礎(chǔ)的，它存在著一定的時(shí)效性和條件性。隨著時(shí)間的推移，當(dāng)數(shù)據(jù)環(huán)境條件發(fā)生較大變化，對實(shí)證模型產(chǎn)生重大影響時(shí)，實(shí)證模型的修改、補(bǔ)充和完善是必須的。

[1]曾國堅(jiān)，何五星.銀行風(fēng)險(xiǎn)論[M].中國計(jì)劃出版社，1995.

[2]世界銀行.新興市場經(jīng)濟(jì)中的商業(yè)銀行[M].中國計(jì)劃出版社，1995.

[3]王春峰，萬海暉，張維.商業(yè)銀行信用風(fēng)險(xiǎn)評估及其實(shí)證研究[J].管理科學(xué)學(xué)報(bào)，1998.

[4]張貴清，劉樹林.我國商業(yè)銀行信用風(fēng)險(xiǎn)評級實(shí)證分析[]河北經(jīng)貿(mào)大學(xué)學(xué)報(bào)，2005.

[5]SueyoushiT.ExtendedDEA—DiscriminantAnalysis，EuropeanJournalofOperationalOperationalResearch[J].2001，131:324-351.

[6]Ohlson J.Financial ratios and the probabilistic prediction of bankruptcy,Journal of Accounting Research,Vol.18,1980.

[7]吳世農(nóng)，盧賢義.我國上市公司財(cái)務(wù)困境的預(yù)測模型研究[J].經(jīng)濟(jì)研究，2001.

[8]李萌.Logit模型在商業(yè)銀行信用風(fēng)險(xiǎn)評估中的應(yīng)用研究[J].管理科學(xué)，2005.

[9]方洪全，曾勇.對銀行信用風(fēng)險(xiǎn)評價(jià)體系的比較[J].系統(tǒng)工程理論方法，2004.

AN EMPIRICAL STUDY OF CREDIT RISK ASSESSMENT BASED ON LOGIT MODEL IN CHINA'S COMMERCIAL BANKS

ZHAI Qing-lan
（Department of management， Chaohu College， Chaohu Anhui 238000）

The globalization and fluctuation in financial world have brought big challenge to bankers and investors all around the world.Many new methods are introduced into the credit risk evaluation area and a lot of quantitative techniques have put into the market.Comparing with famous international commercial banks,banks in China have a long way to go.By summarizing and analyzing the main approaches and models in the area of evaluating borrowers(listed company) for commercial banks,Combined with t-test and principal component analysis for listed company’s multidimensional financial ratio with SPSS,we get seven critical principal component which reflect the credit risk and established Logit model with them.results from empirical analysis of the model are shown as follows:Logit technical is applied to commercial banks,credit risk assessment is a high accuracy rate on forecast, so this paper has played a important role on credit risk assessment methods from traditional qualitative analysis to quantitative analysis for commercial banks in China.

commercial bank；credit risk；Logit model

F224.0

A

1672－2868（2009）01－0039－04

2009－10－07

巢湖學(xué)院科研課題（項(xiàng)目編號：XWQ－200818）。

翟清蘭（1979－），女，安徽巢湖人。巢湖學(xué)院管理系，碩士研究生。研究方向：數(shù)量經(jīng)濟(jì)。

責(zé)任編輯：宏 彬