商業銀行信貸業務中企業財務危機識別研究

【摘要】 通過建立財務危機識別模型，從商業銀行信貸風險防范的角度對企業財務危機進行識別和分析。為企業的財務狀況提供建議，在實際操作中具有一定的參考性。

【關鍵詞】 信貸風險;財務危機;判別分析

一、商業銀行信貸風險防范中存在的問題及進行財務危機識別的重要性

經過多年的實踐，商業銀行已經建立起了以“統一授信、審貸分離、分級審批、責權分明”為核心內容的信貸業務運作和防范體制，成立了相關的防范機構如風險防范委員會等。

在實際操作過程中我國商業銀行風險防范中主要還存在以下問題:銀行與企業之間的信息分布、信息溝通、信息識別、信息處理等，對于防范和化解信貸風險，支持市場經濟發展，都具有十分重要的意義。我國商業銀行一直缺乏有效的風險監測和控制手段，使得我們的風險判斷表面化和風險反應滯后。目前商業銀行的內部信貸評級方法基本上沒有對現金流量的預測，因而難以反映評級對象將來的真實償債能力。

財務危機識別在協助商業銀行甄別、選擇客戶，幫助公司改善生產、經營管理，提高經濟效益和競爭能力等方面的積極作用十分明顯。一方面它有助于商業銀行合理確定貸款期限和額度、提高貸中審批工作效率，加強貸后管理，優化、整合整個信貸流程;另一方面可以幫助商業銀行識別公司信息造假、降低銀企間的信息不對稱，甄別、選擇客戶，提高公司的還貸能力。

二、財務危機識別模型的構建

1.研究樣本和數據來源

本文選取了2007年滬深兩市A股因財務狀況而首次被退市風險警示的公司90家為樣本選取范圍。選擇正常公司的配對標準是同行業和同時間窗，而將公司資產規模作為一變量放入模型中考慮。在選定危機型公司后。按1:1的配對原則選擇行業相同的健康型上市公司作為配對樣本，對這90家上市公司按其功能進行分組:估計樣本組和檢驗樣本組。

前者用于構建識別模型，為使模型識別能力增強，應該在大樣本(樣本數大于或等于30)下進行，故從中選取危機型和健康型公司中各選取30家共60家作為估計樣本;后者用于檢驗所構建模型的準確性或者說是有效性。由于樣本有限，將剩下的危機型和健康型各15家共30家作為檢驗樣本，如果檢驗結果超過80%則認為是可以接受。

2.財務識別指標的篩選

在借鑒現有研究成果的基礎土，結合實際問題加以改進，選用符秩(Wilcoxon)檢驗方法對在財務危機類公司和財務健康類公司間存在顯著差異的每個財務指標變量進行篩選。檢驗結果表明:財務危機發生的前3年，共有8個指標(資產收益率X1、凈資產收益率X2、每股收益X6、流動比率X12、利潤增長率X21、現金債務總額比X24、全部資產現金回收率X26、公司規模X28)通過了0.05水平的顯著性檢驗，即利用這8個指標能將對財務危機公司和財務健康公司進行識別。

3.模型檢驗

(1)變量在不同類中均值相等的檢驗

為了對判別函數的有效性進行檢驗，應采用統計檢驗量對模型進行統計檢驗――顯著性檢驗，以判斷該判別函數能否將財務危機和財務健康兩類公司很好地分開。

當λ值為1時，各組均值相等，表中8個指標的λ值均小于1，表明各組均值不等;8個變量顯著性水平均小于0.05，因此可拒絕各組均值相等的零假設，即在0.05的顯著性水平下8個指標的均值有顯著性差異，可進行判別分析。

(2)判別模型顯著性檢驗

檢驗結果表明，判別模型在兩組之間的判別顯著，即該判別函數能較好地將財務危機公司和財務健康公司區分開。通過上述對模型建立的統計量檢驗，可以認為所建立的判別函數在統計上是有效的。

4.判別分析模型的建立

下面取*ST公司為1，非*ST公司為0作為因變量值，以篩選出的8個指標作為識別最終變量，采用60家估計樣本被*ST前t-3年的數據，建立Fisher兩類判別分析模型。

據分析得到財務健康公司前t-3年的判別函數為:

Y0=-5.057+1.233X1+0.187X2-0.878X6+2.716X12–1.558X21–9.037X24–0.625X26+0.587X28

財務危機公司前t-3年的判別函數為:

Y1=-3.564+0.807X1+0.346X2-0.276X6+3.172X12–21–1.316X7.346X24–0.226X26+0.356X28

根據費雪線性判別模型，我們可以計算出兩類樣本的均值Y1和Y0，由于*ST和非*ST兩組選擇的樣本是按1:1選取的，所以閥值點可根據對稱分類原則確定:Y*=(Y0 + Y1)/2，我們將每個公司的Y分值與閥值點Y*進行比較，如果Y

據分析結果，*ST和非*ST組公司均值為0.479和-0.479，閥值點Y*=(Y0 +Y1)/2=0，當把待判別公司的財務指標數據代入判別函數得到Y分值，再與Y*=0比較就可以判別其是屬于財務危機公司還是財務健康公司了。

三、判別模型識別效果的檢驗

對于判別分析，人們最關心的是建立的判別函數用來進行判別時準確度如何。判別函數效果的驗證方法主要有:自身驗證、外部數據驗證、樣本二分法、交互驗證法等。本文首先采用自身驗證和交互驗證，再將t-3年的數據代入驗證。

1.自身驗證

自身驗證是將構造函數所使用的訓練樣本依次代入判別函數，以判斷模型的效果。(自身驗證的結果見表3)。其中，“Original”表示原始組，“Predicted Group”表示預測組。

ses correctly classified.

從表中可看出，判別分析的結果為，30個財務健康公司的有24個分類正確，分類正確率為83.3%;30個財務危機公司的有26個分類正確，分類正確率為90.0%。總體分類正確率為86.7%，由此可見，模型的判別能力較好。

2.交互驗證

交互驗證是近年來逐漸發展起來的一種非常重要的判別效果驗證技術。具體方法就是在建立判別函數時依次從每一類中去掉一例，然后用建立起來的判別函數對該例進行判別，用這種方法可以非常有效地避免強影響點的干擾(交互驗證的結果如表4)。

從交互驗證的結果中可知，對財務健康公司、財務危機公司的分類正確率分別為76.7%、86.7%，總的判定正確率為81.7%。

3.模型外部數據回代驗證

判別函數建立完成后，重新再收集一部分樣本數據，用判別函數進行判別，檢驗判別效果，這種檢驗方法稱為外部數據回代驗證。將驗證樣本組的30家上市公司的財務指標代入模型中進行驗證，這一過程也叫做“回代”。從表5可知，對這30個公司的識別結果為:15個財務健康公司正確識別12個，正確率為80%;15個財務危機公司正確識別13個，正確率為86.7%;對全部30個公司正確識別出25個，正確率為83.3%。

通過各種方法檢驗，判別分析模型對財務危機公司和財務健康公司識別的正確率都達到了80%以上。在實際操作中具有一定的參考性，這也證明了本研究所建立的實證模型具有一定的實用價值，可以為商業銀行構建企業危機識別模型并用來分析、預測和監督信貸企業的財務狀況提供建議。

參考文獻

[1]中國注冊會計師協會.財務成本管理.經濟科學出版社，2007

[2]王宗軍，李志生，崔鑫.深圳證券市場系統風險分析.華中科技大學學報(自然科學版).2002(8):88～90

[3]黃國良，潘華，鐘曉東.基于企業核心能力培育的財務戰略研究[J] .當代財經.2004(5)

[4]柳絮.企業商業信用管理方法與策略研究.中國知網優秀博士學位論文全文數據庫.2005