基于CPV模型的城鎮(zhèn)化國內(nèi)貸款信用風(fēng)險分析

白建琨,魏曉琴*

中國海洋大學(xué)經(jīng)濟(jì)學(xué)院,山東青島266100

?

基于CPV模型的城鎮(zhèn)化國內(nèi)貸款信用風(fēng)險分析

白建琨,魏曉琴*

中國海洋大學(xué)經(jīng)濟(jì)學(xué)院,山東青島266100

摘要:城鎮(zhèn)化是我國重要的發(fā)展戰(zhàn)略，當(dāng)前我國城鎮(zhèn)化建設(shè)最大的問題就是資金不足，我國城鎮(zhèn)化資金來源分為自籌資金、國內(nèi)貸款、國家預(yù)算資金、利用外資和其他資金五種。首先，本文分析了城鎮(zhèn)化進(jìn)程中資金的均衡關(guān)系，發(fā)現(xiàn)我國城鎮(zhèn)化建設(shè)中資金供應(yīng)嚴(yán)重不足。其次，設(shè)計了解決供求資金缺口的方案——調(diào)整資金供應(yīng)內(nèi)部結(jié)構(gòu)，增加國內(nèi)貸款，尤其是增加制造業(yè)，交通運(yùn)輸、倉儲和郵政業(yè)，房地產(chǎn)業(yè)這三項行業(yè)的貸款。最后，建立CPV模型研究城鎮(zhèn)化貸款總量和主要行業(yè)貸款的信用風(fēng)險，證實(shí)解決城鎮(zhèn)化供求資金缺口方案——增加國內(nèi)貸款，尤其是三個主要行業(yè)的貸款總量——可行性。

關(guān)鍵詞:CPV模型;城鎮(zhèn)化;國內(nèi)貸款;信用風(fēng)險

1　研究背景

1.1城鎮(zhèn)化資金供求均衡分析

1.1.1我國城鎮(zhèn)化資金需求預(yù)測以2012年為基期，通過增長率公式Y(jié)n=Y0(1+X)n可以計算得2013～2020年的城鎮(zhèn)固定投資需求（固定資產(chǎn)投資增長率以20%計[1]。）。

1.1.2城鎮(zhèn)化資金總供給預(yù)測我國城鎮(zhèn)化資金來源可分為自籌資金、國內(nèi)貸款、國家預(yù)算資金、利用外資和其他資金五種。

國內(nèi)貸款和自籌資金，需選取自回歸方法對其分別進(jìn)行預(yù)測。分別得到回歸方程：Ln(Yt)=-2.58+0.66ln(XGDP)+0.45ln(Yt-1)，Ln(Yt)=0.63+0.96ln(Yt-1)。

根據(jù)上述分析，代入數(shù)據(jù)可得2013～2020年城鎮(zhèn)化資金供求情況[2,3]：自2013年起，城鎮(zhèn)化資金出現(xiàn)供不應(yīng)求的情況，并在未來持續(xù)了這個局面；自籌資金在城鎮(zhèn)化建設(shè)資金來源中占比約70%，并且有逐年增加的趨勢；而國內(nèi)貸款只占10%左右，并且有逐年被自籌資金擠占的趨勢，占比過小。

1.2城鎮(zhèn)化供需資金缺口方案設(shè)計

1.2.1城鎮(zhèn)化資金來源設(shè)計針對上文所述供求缺口問題，可以從兩方面入手：增加整體資金來源進(jìn)行；對資金來源的結(jié)構(gòu)進(jìn)行內(nèi)部調(diào)整，增加總量，達(dá)到城鎮(zhèn)化建設(shè)的供求均衡[4]。如表1所示，根據(jù)歷年我國資金來源的均值，結(jié)合當(dāng)前國際經(jīng)濟(jì)形式，我們可以設(shè)計出供求均衡的方案——重點(diǎn)增加國內(nèi)貸款的部分[5,6]，達(dá)到供求均衡。

表1　2003～2012年我國城鎮(zhèn)化建設(shè)資金供求均衡方案Table 1 Design of the supply and demand of urbanization fund

1.2.2城鎮(zhèn)化資金使用方向均衡設(shè)計由2003年～2014年歷史數(shù)據(jù)可得，我國固定資產(chǎn)投資比較大的投向是制造業(yè)，交通運(yùn)輸、倉儲和郵政業(yè)，房地產(chǎn)業(yè)這三項行業(yè)，歷年占比均值均超過10%。下文將通過分析信用風(fēng)險，得出增加向這三個行業(yè)發(fā)放貸款的可行性。

2　研究方法

2.1CPV模型的基本原理和框架

本文選用Credit Portfolio View模型（以下簡稱CPV模型），對支持城鎮(zhèn)化建設(shè)的3項較大的貸款項目進(jìn)行信用風(fēng)險的評估。它是一種離散化的多時期計量模型[7]。

CPV與其他幾種信用風(fēng)險度量方法不同的是，在CPV模型中，決定違約概率的不是經(jīng)驗(yàn)參數(shù)或隨機(jī)的模擬結(jié)果，而是宏觀經(jīng)濟(jì)變量。應(yīng)用CPV模型可以有效地避開目前應(yīng)用信用風(fēng)險模型，管理支持城鎮(zhèn)化的貸款信用風(fēng)險的兩個主要困難：一是缺乏數(shù)據(jù)問題，二是模型的有效性和擬合度難以檢驗(yàn)的問題。

模型中Logistic函數(shù)的估計結(jié)果與實(shí)際數(shù)據(jù)的擬合度相對比較高，應(yīng)用性強(qiáng)；在Logistic模型中引入宏觀因素、行業(yè)指標(biāo)等經(jīng)濟(jì)指標(biāo)，有利于使CPV模型的預(yù)測結(jié)果更精確、更符合我國的實(shí)際情況。

在CPV模型中，違約概率由如下對數(shù)方程計算得來，在時期t某特定貸款組合的違約概率為Pj,t：

Yj,t是由如下多因素模型給出的宏觀經(jīng)濟(jì)指數(shù)：

其中，Xj,m,t是j國家（或行業(yè)）的m個宏觀經(jīng)濟(jì)變量，βj,m是j國家（或行業(yè)）的m個宏觀經(jīng)濟(jì)變量的相關(guān)系數(shù)。uj,t是與宏觀經(jīng)濟(jì)變量Xj,m,t無關(guān)的隨機(jī)項，要求服從正態(tài)分布，并且有ut~N(0，∑u)，ut是指標(biāo)創(chuàng)新uj,t的堆疊矢量，∑u是uj,t的方差-協(xié)方差矩陣。

另外，CPV模型還假定各個宏觀經(jīng)濟(jì)變量Xj,m,t服從AR（2），即

其中，Xj,m,t是在時間t的第j個區(qū)段中第m個宏觀變量的值，rj,m,0代表需要估計的對過去信息的敏感度。同樣，是服從正態(tài)分布的隨機(jī)項。

上述三個方程定義了一個國家（或行業(yè)）貸款違約率和相關(guān)宏觀變量的聯(lián)合演變的系統(tǒng)，但它需要進(jìn)行校準(zhǔn)，特別是對于總體創(chuàng)新矢量：

其中Et是整個方程體系的(j+i)*1創(chuàng)新矢量，而Σ是宏觀變量預(yù)測誤差u和區(qū)段特定投機(jī)性違約率沖擊ε的(j+i)*(i+j)協(xié)方差矩陣?！苪,ε是交叉相關(guān)系數(shù)矩陣。校正之后，利用Cholesky分解，即：∑=AAT

為模擬投資級違約概率，首先抽取隨機(jī)變量Zt~N(0,1)，式中每一個分量都服從正態(tài)分布N(0,1)，然后計算Et=ATZt這是誤差項ut和ej,m,t的向量。利用誤差項的實(shí)際值可以推出對應(yīng)的Y和X的值。

2.2變量的選擇及數(shù)據(jù)來源

由于本文要研究增加城鎮(zhèn)化建設(shè)貸款的信用風(fēng)險，選定的宏觀指標(biāo)為：GDP、GDP增長速度、CPI指數(shù)、城鎮(zhèn)固定資產(chǎn)投資、城鎮(zhèn)化率、產(chǎn)業(yè)的企業(yè)景氣指數(shù)。數(shù)據(jù)來源于《中國統(tǒng)計年鑒》、《中國金融年鑒》。

3　商業(yè)銀行調(diào)整投融資結(jié)構(gòu)的實(shí)證分析

3.1增加國內(nèi)貸款的信貸風(fēng)險分析

3.1.1 Logistic轉(zhuǎn)換首先把統(tǒng)計的實(shí)際違約率（由于數(shù)據(jù)缺乏，本文使用中國銀監(jiān)會網(wǎng)站公布的不良貸款率代替）帶入公式（1），進(jìn)行Logistic轉(zhuǎn)換，將實(shí)際違約率Pj,t轉(zhuǎn)換成Yj,t值，得出的結(jié)論如表3所示。

表3　通過計算得Yj,t值Table 3 The results of Yj,t

3.1.2回歸分析使用eviews6.0，利用Yj,t和GDP、城鎮(zhèn)固定資產(chǎn)投資、城鎮(zhèn)化率、CPI對（2）式Y(jié)j,t=βj,0+βj,1Xj,1,t+βj,2Xj,2,t+…+βj,mXj,m,t+uj,t進(jìn)行回歸，得出的結(jié)論如表4所示。

表4　貸款總量信用風(fēng)險eviews6.0回歸結(jié)果Table 4 The equation of the risk of loans

根據(jù)回歸結(jié)果顯示，R2為0.972547，調(diào)整后的R2為0.96078，該回歸結(jié)果有很好的擬合優(yōu)度。D-W統(tǒng)計量顯示為1.75492，表示時間序列變量沒有自相關(guān)。F統(tǒng)計量的值為82.66003，表示該模型的顯著性較好。由此可以得出：Yj,t=-0.26XGDP+0.21X城鎮(zhèn)固定資產(chǎn)投資+0.10XCPI-9.52 3.1.3驗(yàn)證模型2014年，我國GDP、城鎮(zhèn)固定資產(chǎn)投資、CPI代入模型，計算得Y=-4.7791814；將Y值帶入公式（1）得，P=0.01，與實(shí)際值相符。因此，上述回歸方程在現(xiàn)實(shí)中實(shí)用性較強(qiáng)。3.1.4根據(jù)模型預(yù)測國內(nèi)貸款的信用風(fēng)險分別將2015~2020年GDP、城鎮(zhèn)固定資產(chǎn)投資、CPI指數(shù)預(yù)測值代入模型，得到Y(jié)2015=-4.24，Y2016=-4.27，Y2017=-4.71，Y2018=-4.88，Y2019=-5.09，Y2020=-5.59；再將Y值帶入到（1），分別得到P2015=1.4%，P2016=1.3%，P2017=0.9%，P2019=0.7%，P2019=0.6% P2020=0.4%貸款違約率有逐年遞減的趨勢。因此，增加國內(nèi)貸款總量可行。

3.2主要行業(yè)貸款的信用風(fēng)險分析

根據(jù)上述方法同理可得制造業(yè)，房地產(chǎn)行業(yè)，交通運(yùn)輸、倉儲和郵政業(yè)的貸款信用風(fēng)險模型。制造業(yè):Yj,t,制造業(yè)=-0.22XGDP+0.013X制造業(yè)景氣指數(shù)+0.08XCPI+0.51X城鎮(zhèn)化率-29.41，預(yù)測得Y2015=-4.33，Y2016=-4.71，Y2017=-5.10，Y2018=-5.61，Y2019=-6.12，Y2020=-6.68，再將Y值帶入到公式（1）中，分別得到P2014=1.6%，P2015=1.2%，P2016=0.8%，P2017=0.6%，P2018=0.3%，P2019=0.2%，P2020=0.1%貸款違約率有下降趨勢。

房地產(chǎn)業(yè)：Yj,t=-0.25XGDP+0.016X房地產(chǎn)業(yè)景氣指數(shù)+0.10XCPI+0.65X城鎮(zhèn)化率-37.71，預(yù)測得Y2015=-4.98，Y2016=-5.04，Y2017=-5.38，Y2018=-5.85，Y2019=-6.21，Y2020=-6.76；再將Y值帶入到公式（1）中，分別得到Y(jié)2015=-4.98，Y2016=-5.04，Y2017=-5.38，Y2018=-5.85，Y2019=-6.21，P2020=0.2%。與往年持平，并略有下降。

交通運(yùn)輸、倉儲和郵政業(yè)：Yj,t=-0.023X企業(yè)景氣指數(shù)+0.027X交通業(yè)景氣指數(shù)+-0.13X城鎮(zhèn)固定資產(chǎn)投資+0.29X城鎮(zhèn)化率-15.59，預(yù)測得Y2015=-5.07，Y2016=-511，Y2017=-5.12，Y2018=-5.16，Y2019=-5.21，Y2020=-5.25；再將Y值帶入到公式（1）中，分別得到P2014=0.6%，P2015=0.6%，P2016=0.6%，P2017=0.6%，P2018=0.6%，P2019=0.4%，P2020=0.5%，持續(xù)歷年來的下降趨勢。

綜上，上述三個行業(yè)應(yīng)得到國內(nèi)貸款的資金支持。

3.3城鎮(zhèn)化資金國內(nèi)貸款的信用風(fēng)險分析總結(jié)

根據(jù)上文分析隨著我國經(jīng)濟(jì)的發(fā)展和城鎮(zhèn)化的不斷推進(jìn)，城鎮(zhèn)化建設(shè)國內(nèi)貸款資金違約率并不會增加。其中，城鎮(zhèn)化建設(shè)中占比比較大的幾個行業(yè)——制造業(yè)、房地產(chǎn)業(yè)、交通運(yùn)輸和郵政業(yè)——的貸款的違約風(fēng)險是逐年下降的。影響上述貸款的主要的宏觀經(jīng)濟(jì)衡量指標(biāo)有城鎮(zhèn)固定資產(chǎn)投資、GDP、企業(yè)景氣指數(shù)、不同行業(yè)的企業(yè)景氣指數(shù)、城鎮(zhèn)化率和CPI指數(shù)，銀行應(yīng)該根據(jù)各指標(biāo)的變化情況，管理貸款投向。

參考文獻(xiàn)

[1]楊毓.商業(yè)銀行支持新型城鎮(zhèn)化建設(shè)的思考[J].金融縱橫,2013(3):4-7

[2]王文波,鐘守洋.中國統(tǒng)計摘要[M].北京:中國統(tǒng)計出版社,2013

[3]中華人民共和國國家統(tǒng)計局.中國統(tǒng)計年鑒[M].北京:中國統(tǒng)計出版社,2015

[4]郭全新.農(nóng)業(yè)銀行支持城鎮(zhèn)化的原則及對策[J].青海金融,2001(3):9-11

[5]宗良.銀行應(yīng)防控城鎮(zhèn)化業(yè)務(wù)潛在風(fēng)險[N].中國城鄉(xiāng)金融報,2013-02-04(A06)

[6]馬鵬飛,付強(qiáng),卜俊豐.新型城鎮(zhèn)化建設(shè)下商業(yè)銀行的發(fā)展機(jī)遇[J].銀行家,2014(10):68-71

[7]齊雅坤.基于CPV模型對我國商業(yè)銀行信用風(fēng)險的研究[D].長春:吉林大學(xué),2009(5):15-27

Analysis on the Credit Risk of Domestic Loans in Urbanization Construction Based on CPV Model

BAI Jian-kun, WEI Xiao-qin*

College of Economics, Ocean University of China, Tsingdao 266100, China

Abstract:Urbanization is an important development strategy in our country. The biggest problem of urbanization is insufficient funds. The funds of urbanization construction include self-financing, domestic loans, state budget funds, foreign investment and other funds. The issue has a very close relationship with commercial banks. Firstly, the paper analyzed the balance of supply and demand of the capital for urbanization to find that the urbanization construction was in a serious shortage of funds. Secondly, the paper designed a scheme adjusting the internal financing structure and increasing the domestic lending, especially the three main sectors to solve the supply and demand gap. Thirdly, the paper studied the loans’credit risk based on the CPV model, which confirmed the feasibility of the above programs.

Keywords:CPV model; urbanization; domestic loans; credit risk

*通訊作者:Author for correspondence. E-mail:lightningbai@126.com

作者簡介:白建琨(1992-),女,回族,碩士研究生. E-mail:xiaobaijk@qq.com

基金項目:2011年教育部人文社科研究規(guī)劃基金一般項目(11YJA790160)

收稿日期:2015-06-26修回日期: 2015-07-20

中圖法分類號:F832.48

文獻(xiàn)標(biāo)識碼:A

文章編號:1000-2324(2015)04-0636-04