因子分析法在農業銀行信貸風險預警模型中的應用分析

田浩 羅方

【摘要】運用統計學中的因子分析法及財務管理相關知識，在上市公司財務報表中找出最能反映企業償債能力的財務指標，建立銀行信貸風險預警模型，并提出在使用該預警模型時應注意的問題。

【關鍵詞】因子分析法 信貸風險預警模型 應用分析

信貸風險是銀行面臨的最主要的風險，表示債務人未能如期償還其債務而給銀行經營帶來的風險。銀行對信貸風險的評估和控制能力關系到銀行體系的穩定和國民經濟的發展。2008年的全球金融危機大爆發，主要原因就是由于金融機構對信貸風險的評估不力造成的。

我國商業銀行一直存在信貸資產質量較差，資產利潤低，不良貸款率較高的弱點。據銀監會公布資料顯示：2015年銀行業不良貸款余額為1.96萬億元，不良貸款率1.94%，其中農業銀行不良貸款額為2129億元，不良貸款率達2.39.突破銀監會2%的監管紅線。2016-2017年，隨著國家對銀行業嚴控監管措施力度的不斷加大，各商業銀行通過貸款規模持續擴張稀釋、提高撥備覆蓋率以及采取清收、壞賬核銷、處置不良資產等方式，使不良貸款余額和不良貸款率呈“雙下降”趨勢，截至2017年末，我國商業銀行不良貸款余額為1.71萬億元，不良貸款率降至1.74%。

但筆者認為，要解決國有商業銀行不良貸款率居高不下的困境，僅僅依靠以上“事后堵漏”措施是遠遠不夠的。如果不采取有效的方法加以監控和防范，新的不良貸款仍會持續產生，我國商業銀行不良貸款將陷入“年年清舊賬，新賬年年生”的惡性循環。應考慮建立信貸風險預警系統，及時發出信貸風險預警信號并采取各種措施加以防范，方能實現真正意義的“治本”。因此，如何建立一套行之有效的銀行信貸風險預警系統，在銀行信貸風險管控中顯得尤為重要。

鑒于影響企業償債能力的因素眾多，任何一套預警模型都不可能全部涵蓋，而且模型建立太過復雜也不利于實際操作。筆者嘗試用統計學中的因子分析法來解決這一問題。因子分析法是多元統計分析技術的一個分支，其基本思想是：首先，通過對變量相關程度的研究，找出能控制變量的幾個主要因子；其次，根據這些因子建立模型，達到解釋整個問題的目的。這樣更容易抓住問題的主要矛盾，使分析簡化易操作。

一、具體思路和方法

根據以上描述，筆者設想：首先，根據上市公司公布的財務報表，運用因子分析法和財務管理知識，在眾多變量中找出最能反映企業償債能力的幾個企業信貸風險指標，并進行相關度分析；其次，建立信貸風險預警模型并檢驗，確定信貸指標的風險評價值標準；最后，對企業信貸風險進行瓶別，確定預警度并發出報警信號。

（一）企業信貸風險指標的選取及相關度分析

我國證監會規定：上市公司在年報中必須披露的財務指標主要有下表五類15個。本文嘗試用因子分析法從這15個指標中找出最能代表企業財務風險的指標。

根據1998年5月中國人民銀行制定并頒布的《貸款分類指導原則》，商業銀行按風險程度將貸款劃分為五類：正常、關注、次級、可疑、損失，后三種為不良貸款。本文從中國農業銀行云南省分行中選取被評為損失類的40個企業作為信貸風險最大組，假設其對應的因變量為0，從被評為正常類的40個企業作為作為信貸風險最小組，假設其對應的因變量為1。將80個企業的上述15個財務指標使用SPSS12.0軟件進行樣本分析，得出結果見下表。

相關度分析：由于假定了風險程度最大為0，最小為1，說明顯著性水平越接近0則代表該財務指標與風險相關程度越大，反之則越小。上表中顯著性水平排序明顯分為三檔：排名1-4位為第一檔，數值在0.0000-0.0031之間，說明影響程度最大屬高度相關；5-9位為第二檔，數值在0.0387-0.0913之間，說明有一定影響屬顯著相關；10-15位為第三檔，數值在0.1601-0.9497之間，說明影響程度不大屬低度相關。

結論：從以上分析可以看出，X12每股凈資產率、X10流動負債比率、X15總資產增長率、X7存貨周轉率四個指標與財務風險相關程度最高，均為高度相關，分別從資本結構、償債能力、發展能力和經營能力四個方面反映企業的現狀，可以作為最能評價企業財務風險的代表性因子指標。

（二）建立信貸風險預警模型并檢驗

1.建立模型。將上述80個企業的上述四個代表性因子指標帶入SPSS12.0軟件中進行樣本分析，建立如下回歸模型：

Y=0.704+0.121X12-0.006X10+0.004X+0.111X7

2.檢驗。在農業銀行云南省分行所掌握的五類（正常、關注、次級、可疑、損失）企業中，每類選取20個樣本，將上述四個指標帶入該模型中進行檢驗，結果顯示：該模型的的擬合度為0.675，較為理想，各類企業評價值Y值呈由小到大順序排列，大致分布為：正常（0

（三）確定評價值及預警劃分警度

將樣本中各企業的相關指標評分結果，按下表劃分出預警等級。

二、使用預警模型時應注意的問題

1.該模型僅起到“報警器”作用，不能作為評判企業信貸風險的確切標準和依據。在現實生活中，影響企業是否能按期足額償還債務的因素很多，不能簡單指望依據幾個財務指標的變化就能準確判斷和預測企業償債能力，筆者建立此預警模型的初衷，僅希望該模型能提前發出預警信號，使銀行產生警覺，繼而對企業資本結構、償債能力、發展能力和經營能力等各方面情況進行綜合評估，達到事前監控及預防的目的。

2.本預警模型數據來源于上市企業公開財務報表，即假定了該企業財務指標數據真實有效，在我國大多數企業并未上市，其財務報表數據的真實性無法確保的情況下，將直接影響該預測模型預測結果。因此，在使用此預警模型之前，應盡可能使企業財務報表數據真實可信，否則，極易出現信息失真而發出錯誤預警信號的情況。

結語：如何控制商業銀行信貸風險一直以來都是銀行業研究的熱點和難點問題之一。本文僅只嘗試在因子分析法的基礎上，建立信貸風險預警模型，對企業的財務狀況進行評價并發出預警信號。受個人能力、數據來源較為單一等多方面因素的限制，本文存在一定的局限性，所設想的信貸風險預警模型精準度也不可避免受到一定程度影響，但仍希望本文能對推動我國商業銀行信貸風險控制的研究做出一點貢獻。

參考文獻

[1]周旺.基于因子分析模型的商業銀行信用風險測度分析.長春師范大學學報.2017年第8期.

[2]劉耀成.商業銀行風險預警指標體系構建.南京審計學院學報.2010年第2期.

[3]王千紅.我國銀行業不良貸款率下降的理性思考.中國市場.2010年第14期

[4]彭朝暉.因子分析法在商業銀行信貸風險中的研究.長沙理工大學學報.2010年第1期.

作者簡介：田浩（1971-），男，漢族，云南文山人，碩士，云南開放大學經濟與管理學院教師，講師，研究方向：統計分析和統計教學；羅方（1975-），女，漢族，云南文山人，本科，中國農業銀行云南省分行，會計師，研究方向：金融學。