企業短期貸款違約預測Ｂａｙｅｓ模型構建

摘要：目前，企業違約預測模型距離實際應用還具有一定差異，表現在：(1)模型所使用的樣本基本都是配對模式，與現實情況不符；(2)模型沒有考慮到誤判成本的非對稱性。針對以上問題，本文運用SAS統計軟件對某國有商業銀行的2003年全部短期貸款企業的財務數據進行分析，摒棄以往配對模式，采用全樣本進行分析，篩選出11個財務比率指標作為企業信用風險評價函數的計量參數。應用Bayes判別原理，引入誤判成本和先驗概率，構建了一個簡明的違約判別模型，經檢驗模型是統計有效的，判別結果也是較好的。

關鍵詞：Bayes模型；違約預測；短期貸款

中圖分類號：F830．3

文獻標識碼：A

文章編號：1002—2848—2006(01)—0041—04

一、引 言

20世紀80年代末以來，隨著金融的全球化趨勢及金融市場的波動性加劇，各國銀行和投資者面臨嚴峻的金融風險。為了加強銀行的信用風險監管，1988年巴塞爾委員會提出了巴塞爾資本協議，要求成員國銀行滿足8％的最低資本充足串。但是由于亞洲金融危機和金融創新的迅速發展，使得原協議已不再適合銀行監管的要求，于是巴塞爾委員會2004年6月發布了巴塞爾新資本協議。從國內銀行業來看，一方面，我國四大國有商業銀行的資產質量較差，資產利潤率低，不良貸款比率一直較高：2000年為29．12％，2001年為25．14％，2002年為20．19％。我國國有銀行的不良資產比例大大高于國際警戒線水平(國際警戒線一般為10％左右)，另一方面，我國已經加入世界貿易組織并且承諾2006年全面開放金融業，這意味著中國商業銀行已經不再有以前的壟斷特權，必須參與同國外銀行平等的競爭。因此研究和探討更加科學、更加有效的違約預測方法，是當前信用風險研究的重大課題。

國外關于違約預測研究，主要集中于定量方法的探索。Altman使用多元線性判別分析得到Z－score模型和ZETA模型。Horriganc利用多元回歸模型來判別企業違約。Ohlson則利用假設條件比較寬松的Iogistic分析來建立預測模型。Alt-man對意大利公司財務危機預測中應用了神經網絡分析法。

國內學者針對企業違約與否所做的預測，大致也是遵循國外學者的研究模式進行，所不同的是對于違約或企業困境的定義。限于國內資料的取得困難，國內學者對企業違約的預測一般可分為兩類：一類是上市公司的財務困境預測(屬于違約的一種)，主要因為上市公司的資料容易獲得；另一類是商業銀行內部客戶的違約預測，通過內部渠道獲取銀行內部客戶資料。王春峰應用多元線性判別模型對某國有商業銀行的企業客戶短期貸款的償還情況進