我國商業銀行信用風險度量研究

賀培誼 河南財經政法大學

一、研究背景及意義

（一）選題背景

20世紀以來，金融危機和商業銀行倒閉頻繁發生，使得許多金融機構認識到信用風險管理在銀行風險管理體系中占有十分重要的地位。信用風險可以說是銀行面臨的最直接、最主要、最難以控制的風險，如果不注意風險防范，將會造成十分嚴重的后果，甚至引發一系列經濟危機。

由于商業銀行以經營存貸款業務為主，而不良貸款額增加是影響商業銀行正常運營的最大因素，因此有效防范信用風險，是決定我國商業銀行能夠持續發展的關鍵因素。當違約風險可以通過某種技術量化時，銀行就有充分的準備金來應對，此時違約風險就是可控的。因此構建信用風險度量模型具有至關重要的意義。

（二）研究意義

由于我國市場經濟體制建立較晚，市場經濟體系還不健全，許多金融機構沒有建立起完備的內部管理體系和風險控制方案，導致我國的很多商業銀行內部沒有構建起有效的風險預防、風險控制和風險處理機制。

因此從我國商業銀行實際情況出發，在學習國外高效的信用風險度量技術的基礎上不斷創新，使之更好的適用于我國商業銀行的風險管理顯得尤為重要。

二、我國商業銀行信用風險形成的原因

（一）外部原因

首先，銀行是順周期產業，外部市場環境對其影響非常大。當宏觀經濟或者政策形勢發生改變時，企業的運營能力和盈利水平都會受到影響，從而造成違約風險的提高。其次，企業內部出現經營決策失誤或者內部管理不到位，直接導致個別企業資金周轉困難，這將影響銀行不良貸款額的增加，違約風險提高。最后，當國際形勢發生變化時也會影響國內金融業的動蕩。隨著全球化的推進，國內外貿易頻繁，交易量也越來越大，當國外經濟秩序不穩定時可能會導致國內整個金融業面臨諸多風險。

（二）內部原因

銀行面臨信用風險的內部原因主要是銀行內部經營管理不到位造成的，即銀行自身經營出現問題而對客戶違約，比如貸前調查不到位、貸后追蹤不及時及資金運營結構不合理，或者風險防范和風險控制存在問題等都會直接加大銀行自身的信用風險。

三、我國商業銀行信用風險度量的實證研究

（一）財務指標的分析和處理

1.研究樣本的選取

本文將非ST類上市公司定義為財務正常公司，將*ST和ST類上市公司定義為財務非正常公司，這類公司違約風險較高。研究樣本從2020年中國證券交易所上市公司隨機選取59個財務正常公司樣本，并在2020年被ST和*ST處理的上市公司中隨機選取16個財務非正常公司樣本。

本文將上市公司劃分為財務正常公司和財務非正常公司兩種類型，認為前者資信狀況良好，后者違約風險較高。將0-1變量作為被解釋變量，前者取0、后者取1。

2.財務指標的選擇

通過查閱和借鑒文獻中的企業信用評估指標體系，從反映盈利能力、償債能力、運營能力和發展潛力的四大類企業財務指標中共選取13個財務比率指標進行初步分析。

樣本數據均來源于各個上市公司的2020年財務報表。初步選取的13個財務指如表1所示：

表1 指標體系

3.財務指標的篩選

根據SPSS軟件運行結果，對初始的13個二級指標進行篩選，將與其他所有指標的相關性均小于0.3的指標去除，從而可以進一步進行因子分析。因為應收賬款周轉率、存貨周轉率和營業收入增長率與其他指標間的相關系數均小于0.3，故剔除這三個財務指標。

（二）因子分析

1.KMO和Bartlett球形檢驗

將75家上市公司的10個財務指標數據應用SPSS軟件得出結果如表2：

表2 KMO及Bartlett球形檢驗

首先通過KMO及Bartlett球形檢驗，分析變量是否適合因子分析。KMO值為0.648，說明效果理想，可以進行因子分析；Bartlett球形檢驗結果為0.000＜0.05，拒絕原假設，認為變量之間有相關關系，適合因子分析。

如表3所示，四個公共因子的方差貢獻率為84.723%，說明這四個公共因子可以解釋原來10項財務指標的84.723%的信息，接近85%，說明公共因子的解釋能力較強。

表3 旋轉后的因子載荷矩陣的各項指標數據

2.因子旋轉系數矩陣的求解

如表4所示，根據旋轉之后的因子載荷矩陣可以得出，第一公共因子與X4（資產負債率）、X5（流動比率）、X6（速動比率）和X7（現金流量比率）的相關系數大，說明第一公共因子主要綜合了反映上市公司償債能力信息，將其命名為償債能力因子。第二公共因子與X1（凈資產收益率）、X2（總資產報酬率）和X3（銷售凈利率）的相關系數大，說明第二公共因子主要綜合了反映上市公司盈利能力的信息，將其命名為盈利因子。第三公共因子與X8（總資產周轉率）、X9（流動資產周轉率）相關系數較大，說明第三公共因子主要綜合了反映上市公司運營能力的信息，將其命名為運營能力因子。第四公共因子與X13（凈利潤增長率）相關系數大，說明第四公共因子主要綜合了反映上市公司發展潛力的信息，將其命名為發展潛力因子。所以，載荷系數矩陣經旋轉后每個公因子的含義都比較明確。

表4 旋轉后的因子載荷系數

3.因子得分

F1表示償債能力因子，F2表示盈利因子，F3表示運營能力因子，F4表示發展潛力因子。4個公共因子的均值為0，方差為1，對每個上市公司計算在各個因子上的得分，正值表示高于平均水平，負值表示低于平均水平。

因子得分的計算結果（只選取部分上市公司的因子得分）如表5所示：

表5 因子得分

可以看出，億聯網絡公司在第一個因子和第二個因子上的得分均較高，說明該公司具有較高的負債能力和盈利水平，違約風險較低；而*ST東洋在前三個因子上的得分均較低，第四個因子上的得分較高，說明該公司在負債能力、盈利水平和內部經營能力均較弱，但發展潛力較大，有一定的違約風險。而其他的ST公司綜合得分均不高，也反映了這些企業財務狀況存在一定問題，具有較高的違約風險。

四、總結

1.上文以因子分析模型為基礎，對于我國ST類和非ST類共75家上市公司的信用風險狀況進行了實證分析。在借鑒文獻的基礎上構建指標體系，共提取13個二級指標。接著對二級指標進行相關性檢驗，將相關程度較弱的3個指標剔除。

2.對剩余的10個指標進行因子分析，通過提取4個公共因子對原始變量降維，這 4 個公共因子分別代表償債能力、盈利能力、運營能力和發展潛力。進而計算各上市公司在 4 個公共因子上的得分，可以得到ST類上市公司在4個因子上的得分均低于平均水平，即違約風險較高，說明因子分析模型的適配度良好，可以進行深入分析研究。

3.由于以上研究得到的樣本僅限于上市公司，沒有對行業和區域進行細分，難免存在一定的局限性，而且樣品總量為75個上市公司，判別分析的預測精度不是很高。所以在今后的研究中，可以考慮增加樣本容量，搜集更多有顯著差異的樣品，使得不同類型的上市公司有較大的區分。另外，還可以加入一些非財務指標，比如宏觀經濟變量等宏觀經濟因素進行分析，以進一步提高模型的準確性和適用性。