基于類別不平衡的企業(yè)信用風(fēng)險違約測度探索
——以制造業(yè)上市公司為例

郭 暢

(安徽大學(xué) 經(jīng)濟學(xué)院，合肥 230601)

0 引 言

信用風(fēng)險是商業(yè)銀行面臨的主要風(fēng)險之一，并且隨著“互聯(lián)網(wǎng)+”時代的到來，互聯(lián)網(wǎng)金融行業(yè)蓬勃發(fā)展，越來越多的金融產(chǎn)品走向市場。然而信貸業(yè)務(wù)不僅限于商業(yè)銀行，也開始有了越來越多的選擇，對于互聯(lián)網(wǎng)金融公司，機遇的同時面臨著極大的挑戰(zhàn)。不管是銀行還是互聯(lián)網(wǎng)金融行業(yè)，信用風(fēng)險的管控都是不可逃避的關(guān)鍵環(huán)節(jié)和決策的主要依據(jù)。之前安然事件引發(fā)了J.P摩根和花旗集團的信用風(fēng)險，使得J.P摩根對安然的無擔(dān)保貸款高達5億美元；由于信用風(fēng)險監(jiān)管缺失，德隆系(與新疆德隆有關(guān)的上市公司)在銀行的貸款高達200～300億元，造成銀行信貸危機。近年來， P2P(互聯(lián)網(wǎng)金融點對點借貸平臺)的破產(chǎn)事件引起了社會極大關(guān)注，不可避免的原因在于大多 P2P平臺借助各方擔(dān)保，這加速了平臺信用風(fēng)險的醞釀和積累。

可見不管是銀行還是互聯(lián)網(wǎng)金融業(yè)，“風(fēng)險管控”都是必經(jīng)之路，而“征信系統(tǒng)”的完善更是要共同追求的目標(biāo)。如何構(gòu)建高效的信用風(fēng)險評估系統(tǒng)，從企業(yè)的角度防范信用風(fēng)險是研究的重點。而制造業(yè)是我國國民經(jīng)濟的重要組成部分，制造業(yè)是立國之本、強國之本、富民之本。在“中國制造2025”強國戰(zhàn)略實施背景下，關(guān)注制造企業(yè)發(fā)展及其資金借貸狀況顯得尤為重要。然而制造業(yè)企業(yè)整體信用風(fēng)險偏高，是商業(yè)銀行不良貸款的主要來源，因此需要針對制造業(yè)企業(yè)的特點，合理構(gòu)建企業(yè)信貸的風(fēng)險評估方法，完善企業(yè)風(fēng)險預(yù)警機制，提升違約風(fēng)險識別的精度是研究的重點內(nèi)容。

1 文獻綜述

岳愛東[1]使用2004年至2012年9年的財務(wù)指標(biāo)數(shù)據(jù)計算出指標(biāo)的WOE值和IV值，初步篩選變量，再選擇其中不同的變量組合，分別建立Logistic回歸模型，通過比較模型的預(yù)測結(jié)果反推出可納入信用風(fēng)險模型的優(yōu)良定量指標(biāo)。由于傳統(tǒng)的logistic回歸模型因為其解釋性強、預(yù)測能力較好且穩(wěn)定性較高的原因常常被用來建立信用評分模型，但由于個人信用評估的數(shù)據(jù)一般較大，涉及變量較多，指標(biāo)之間往往存在多重共線性，此時，傳統(tǒng)的邏輯回歸會因為變量間的相關(guān)性導(dǎo)致模型性能較差，不再適用，而進行變量子集選擇后的逐步回歸傾向于保留部分不重要的變量，使模型準(zhǔn)確率大打折扣，因此很有必要進行有效的變量選擇。方匡南等[2]基于logistic回歸模型的優(yōu)點，結(jié)合變量篩選的目的將Lasso-logistic模型應(yīng)用于信用風(fēng)險的評估取得較優(yōu)預(yù)測結(jié)果。

通過梳理信用風(fēng)險評估方面文章[3-5]可以發(fā)現(xiàn)，對于企業(yè)信用評估，由于其指標(biāo)往往具有強相關(guān)性，在建模之前需要進行指標(biāo)篩選。然而LASSO(Least Absolute Shrinkage and Selection Operator)就是一種變量選擇和參數(shù)估計相結(jié)合的方法。它的原理是在模型的損失函數(shù)上增加一個正則化項，通過對模型系數(shù)的壓縮，實現(xiàn)控制模型復(fù)雜度的效果。由于其特殊的性質(zhì)，方法兼具嶺回歸和子集選擇的優(yōu)點。因此，采用具有變量篩選功能的Lasso-logistic模型作為子模型再對不同子模型的預(yù)測概率進行集成，與不同的單個模型進行對比，研究模型的預(yù)測效果。

預(yù)測制造業(yè)上市公司信用違約情況的目標(biāo)是提前預(yù)知哪些企業(yè)更傾向于違約，發(fā)生違約的企業(yè)往往占少數(shù)，因此上市公司財務(wù)數(shù)據(jù)呈現(xiàn)出類別不平衡的結(jié)構(gòu)。常用的信用風(fēng)險評估模型Logistic回歸等模型的基本假設(shè)是各個類別數(shù)目分布比例大致均等，因此，對不平衡數(shù)據(jù)的處理也顯得尤為重要。建立在不平衡數(shù)據(jù)集上的機器學(xué)習(xí)算法性能引起了越來越多學(xué)者的高度關(guān)注。其中最受關(guān)注的方法分為數(shù)據(jù)和算法層面的處理，數(shù)據(jù)層面即從抽樣方法上進行處理，通常采用欠采樣(Under Sampling)和過采樣(Over Sampling)的方法。Under Sampling顧名思義就是減少數(shù)據(jù)集中多數(shù)類的樣本來平衡分布；Over Sampling是對數(shù)據(jù)集中的少數(shù)類樣本進行重復(fù)抽樣至數(shù)據(jù)平衡。然而，前者損失了大部分的樣本信息，后者又容易造成模型過擬合。基于過采樣方法的弊端，Chawla等[6]提出基于k近鄰，利用線性插值法合成少數(shù)類樣本數(shù)據(jù)的SMOTE(Synthetic Minority Over Sampling Technique)方法。現(xiàn)今，研究者們?nèi)匀粚Α皵?shù)據(jù)”層面處理不平衡的基礎(chǔ)算法進行不斷改進。陳啟偉等[7]從欠抽樣方法入手，在多數(shù)類樣本中反復(fù)抽取和少數(shù)類樣本量相等的子樣本組成多個子數(shù)據(jù)集，對多個數(shù)據(jù)子集建立模型并采用簡單平均集成得到較好的預(yù)測性能。

通過梳理文獻，還未有文章結(jié)合lasso指標(biāo)篩選和不平衡處理進行集成的信用違約測度方法，鑒于此，選擇滬深A(yù)股上市的2 042家制造業(yè)上市公司在償債能力、盈利能力、營運能力、發(fā)展能力、現(xiàn)金流能力5個方面22個財務(wù)指標(biāo)數(shù)據(jù)，先通過計算WOE和IV值，剔除風(fēng)險識別能力和穩(wěn)定性較差的變量，再同時從“數(shù)據(jù)”的修正和“算法”的改進入手，將改進的Batch-US-LLR模型與單模型進行對比并研究模型在不平衡制造業(yè)上市公司財務(wù)數(shù)據(jù)上的違約預(yù)測效果。

2 方法與模型

2.1 Lasso-logistic (LLR)模型

Batch-US-LLR模型的算法設(shè)計如下：

Lasso方法的本質(zhì)是在損失函數(shù)上增加正則化項，在進行參數(shù)估計時，系數(shù)會被壓縮，部分系數(shù)甚至可以壓縮到0來實現(xiàn)特征選擇。對于信用違約預(yù)測，其因變量是否違約屬于二分類變量，因而應(yīng)該在Logistic模型損失函數(shù)增加lasso正則項即使用Lasso-logistic模型。

假設(shè)樣本數(shù)據(jù)為(xi,yi)i=1,2,…,n，其中xi=(xi1,xi2,…,xip)和yi分別是預(yù)測變量和目標(biāo)變量，并且是二元離散數(shù)據(jù)變量取值為0,1，則logistic回歸模型的條件概率為

(1)

(2)

式(2)中為

Lasso-logistic模型中參數(shù)估計寫成如式(3)的形式:

(3)

2.2 Batch-US-LLR模型

Batch-US-LLR模型的算法設(shè)計如下：

算法:Batch-US-LLR集成模型(圖1)。

輸入:數(shù)據(jù)集D={(xi,yi),i=1,2,…,N,yi∈{0,1}}，多數(shù)類樣本數(shù)記Nm，稀有類樣本記Ns，Nm+Ns=N，采樣率記為SR，k為lasso-logistic子模型個數(shù)。

算法步驟:

(1) 將數(shù)據(jù)集中多數(shù)類樣本和少數(shù)類樣本分別記為Sm和Ss，k=ceil(Sm/Ss)；

(2) forj=1,2,…,kdo

(3) 從1～(Ns-i+1)中隨機抽樣，取出對應(yīng)序號的樣本x′；

(4) 在類0樣本中取出所選樣本Ss=Ss-x′；

(7) end for；

圖1 Batch-US-LLR集成模型框架Fig. 1 Batch-US-LLR integrated model structure

3 研究設(shè)計

3.1 指標(biāo)選取及解釋

選取我國上海證交所和深圳證交所所有A股市場上的制造業(yè)上市企業(yè)作為研究樣本。由于ST、*ST、S*ST企業(yè)都為特殊處理的公司(下文簡稱ST類)，ST股為經(jīng)營連續(xù)2 a虧損的公司；*ST股為經(jīng)營連續(xù)3 a虧損、有退市預(yù)警的公司，S*ST為連續(xù)3 a虧損、有退市預(yù)警且未完成股改的公司，一般ST類企業(yè)財務(wù)風(fēng)險較為嚴(yán)重，因此將其作為違約對照組，非ST類的公司作為正常組樣本。

企業(yè)的財務(wù)狀況和經(jīng)營狀況體現(xiàn)在企業(yè)對債務(wù)的償付能力、資產(chǎn)運營管理能力以及企業(yè)的盈利水平、企業(yè)發(fā)展?jié)摿Φ榷鄠€方面，因此，從國泰安數(shù)據(jù)庫(http://www.gtarsc.com/)，選取了2017-06-30—2018-06-30的2 394家制造業(yè)上市公司的償債能力、盈利能力、營運能力、發(fā)展能力、現(xiàn)金流能力5個方面共24個財務(wù)指標(biāo)數(shù)據(jù)。其中，根據(jù)統(tǒng)計的樣本數(shù)據(jù)的某些會計年度數(shù)據(jù)的缺失情況，對每個方面財務(wù)指標(biāo)數(shù)據(jù)中樣本會計年度缺失值大于20%的指標(biāo)直接刪除，由于不考慮風(fēng)險積累的時間序列影響，故對其剩余取值做均值處理匯總成截面數(shù)據(jù)，最終選取2 042家制造業(yè)上市公司21個財務(wù)指標(biāo)作為自變量，按其是否違約作為因變量。具體變量說明如表1所示。

表1 變量說明表Table 1 Variable description

對數(shù)據(jù)做基礎(chǔ)的描述性統(tǒng)計發(fā)現(xiàn)，數(shù)據(jù)存在明顯的異常值，使用R語言編寫蓋帽法函數(shù)對數(shù)據(jù)進行修正。

3.2 變量檢驗及篩選

3.2.1 變量統(tǒng)計檢驗

要研究預(yù)測變量與目標(biāo)變量之間的關(guān)聯(lián)，由于目標(biāo)變量是分類變量,因此采用方差分析查看變量是否通過檢驗。方差分析結(jié)果見表2，除了變量X11，X12，X14，X20沒有通過檢驗，說明4個變量對企業(yè)是否違約影響不大，考慮剔除。

表2 各變量與是否違約的方差分析檢驗表Table 2 Variance analysis test of each variable and whether default

3.2.2 變量初篩

根據(jù)所取得的上市公司財務(wù)指標(biāo)數(shù)據(jù)，并根據(jù)所計算的指標(biāo)的WOE變動和IV值結(jié)合變量壞賬率圖形，進行變量初篩。WOE(Weight Of Evidence)含義為證據(jù)權(quán)重。IV(Information Value)即為信息價值，衡量自變量對因變量的影響能力。

經(jīng)驗證，所有變量的IV值見表3，剔除IV值小于0.3的變量，其余自變量對是否違約均產(chǎn)生影響。結(jié)合WOE趨勢不符的變量共有:X11,X12,X20?？紤]變量的統(tǒng)計檢驗將X14剔除。對剩余變量進一步檢查變量相關(guān)性，做變量相關(guān)圖2，可見部分變量間存在明顯的相關(guān)性，有必要對其進行變量篩選，因此選擇Lasso-logistic模型作子模型。

表3 變量IV值和WOE變動Table 3 IV and WOE of variables

圖2 變量相關(guān)圖Fig. 2 Variable correlation

4 模型建立與評價

由于違約事件的發(fā)生是少量的，獲取的 2 042 家制造業(yè)上市公司的財務(wù)指標(biāo)數(shù)據(jù)正負樣本占比分別為96%和4%，數(shù)據(jù)存在嚴(yán)重不均衡，傳統(tǒng)的基于準(zhǔn)確率的模型評價指標(biāo)已經(jīng)不再適用。基于此，選取ROC曲線下面積AUC來評價模型的預(yù)測性能，KS值來評價模型風(fēng)控能力。

由于采用的lasso-logistic基分類器具有變量篩選功能，因此將初篩后的全部變量納入模型。為了更好地進行模型評估將數(shù)據(jù)按7∶3的比例劃分為訓(xùn)練集和測試集。對處理后的數(shù)據(jù)建立5種單一模型:BP神經(jīng)網(wǎng)絡(luò)；AdaBoost；隨機森林；logistic回歸；Lasso-logistic 和提出的Batch-US-LLR集成模型進行對比分析。

由表4可得，單一模型中Lasso-logistic模型的AUC值達0.921 6，而使用Batch-US-LLR集成模型在所有對比模型中的AUC最高達到0.927 3，模型精度提升了0.57%，KS值約為0.77說明模型將“好”、“壞”客戶區(qū)分的程度也很高，使用模型對正負樣本精度和穩(wěn)定性的測度在6個模型中最好。

表4 模型結(jié)果匯總表Table 4 Summary of model result

5 結(jié) 論

5.1 變量篩選方面

研究并未摒棄傳統(tǒng)的信用風(fēng)險評分卡模型，而是采用傳統(tǒng)A卡(申請評分卡)中變量篩選方法，通過計算WOE和IV的值得到較高風(fēng)險識別能力和穩(wěn)定性的變量納入模型。以X3(資產(chǎn)負債率)、X6(資產(chǎn)報酬率)，X9(營業(yè)凈利率)為例，用R Studio做企業(yè)壞賬率圖可圖3、圖4、圖5。對于制造業(yè)來說，其資金占用量大，隨著企業(yè)資產(chǎn)負債率的上升，企業(yè)負擔(dān)較重，往往伴隨著企業(yè)違約率的上升。隨著營業(yè)資產(chǎn)報酬率的上升，營業(yè)凈利率的上升，企業(yè)壞賬率逐步降低，Ⅳ值分別達到1.074 2、1.453 6、1.793 3，說明這些變量對企業(yè)是否違約有著重要影響。

圖3 資產(chǎn)負債率和企業(yè)違約與否的壞賬率圖Fig. 3 Bad debt ratio chart of asset liability ratio and enterprise defaults or not

圖4 資產(chǎn)報酬率和企業(yè)違約與否的壞賬率圖Fig. 4 Bad debt ratio chart of return on assets and enterprise defaults or not

圖5 營業(yè)凈利潤率和企業(yè)違約與否的壞賬率圖Fig. 5 Bad debt rate chart of operating net profit margin and enterprise defaults or not

結(jié)合表2和表3，除去應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、固定資產(chǎn)周轉(zhuǎn)率和營運指數(shù)外的17個財務(wù)指標(biāo)均對是否違約有顯著影響。因此，建議企業(yè)關(guān)注反映企業(yè)盈利能力和償債能力的財務(wù)指標(biāo)，這些指標(biāo)能夠幫助銀行等貸款機構(gòu)提醒個別制造業(yè)企業(yè)盡早發(fā)現(xiàn)風(fēng)險隱患，幫助銀行及其他金融機構(gòu)制定預(yù)警機制，及時降低信用風(fēng)險發(fā)生的概率。

5.2 模型方面

對制造業(yè)上市公司的財務(wù)指標(biāo)不平衡數(shù)據(jù)，分別對Batch-US改進后的模型和未改進的單個模型進行對比，由表4可以看出，基于Batch-US-LLR集成的模型結(jié)果明顯優(yōu)于沒有處理不平衡數(shù)據(jù)的單個分類器建模結(jié)果。由于在互聯(lián)網(wǎng)風(fēng)控模型中千分之一的精度改變帶來的影響也是巨大的，可見對不平衡數(shù)據(jù)的處理具有一定意義。結(jié)合模型和實際企業(yè)信用評估對評分模型的實際需求，進一步將模型輸出的概率結(jié)果用壞賬率表和K-S 值分析，證實了Batch-US-LLR模型在實際業(yè)務(wù)中的可行性和有效性。因此，模型能夠幫助金融貸款機構(gòu)識別更多的違約企業(yè)，銀行或其他金融貸款機構(gòu)在制定信用風(fēng)險預(yù)警機制時可以結(jié)合此模型，注意處理數(shù)據(jù)呈現(xiàn)的明顯不平衡問題，并且對于企業(yè)財務(wù)數(shù)據(jù)指標(biāo)之間相關(guān)性較強的問題采取指標(biāo)篩選處理，并探索子模型集成的方法來降低銀行等金融機構(gòu)可能存在的信用違約風(fēng)險。