基于巴塞爾協(xié)議_內(nèi)部評級法構(gòu)建我國商業(yè)銀行中小企業(yè)貸款信用風險有效度量和預警指標

1、 26 基于巴構(gòu)建我國商業(yè)銀行中小企業(yè)貸款信用風險有效度量和預警指標體系總第 7 期張學明劉暢郭敏莫鈮摘要: 本文從商業(yè)銀行內(nèi)部評級的角度出發(fā)，針對現(xiàn)階段我國中小企業(yè)信用風險的特征和存在的問題，首先提出了一個較為全面覆蓋我國中小企業(yè)信用風險特征的度量指標備 選池，其后結(jié)合巴塞爾協(xié)議中內(nèi)部評級法的標準和方法論進行分析，最終在實證中反復篩 選出包含六個維度的有效度量指標體系，為我國商業(yè)銀行度量中小企業(yè)信用風險的指標選 取提供理論框架和實證支持。關鍵詞: 中小企業(yè); 信用風險度量; 指標體系; 商業(yè)銀行一、引言2012 年金融工作會議的召開，再次強調(diào)要讓金融資源特別是信貸資源更好地服務于實 體經(jīng)濟，

2、并向中小企業(yè)傾斜。隨著我國金融市場的發(fā)展，開拓中小企業(yè)市場對于我國商業(yè)銀 行來說已不僅是為響應政策，更多的是出于自身發(fā)展的戰(zhàn)略需要來考慮。目前，我國商業(yè)銀 行在試圖大力開展作為利潤潛在增長點的中小企業(yè)授信業(yè)務時，仍未擺脫兩難的境地: 一方 面，隨著改革開放的不斷深入，我國中小企業(yè)數(shù)量呈幾何級增加，它們對國民經(jīng)濟的影響日 益重要，已經(jīng)成為國民經(jīng)濟發(fā)展中的重要組成部分，但與此同時，它們在發(fā)展過程中越來越 受制于資金的短缺和相關政策的缺位，需要得到資金支持和政策扶持; 另一方面，當前我國2012 年第 7 期27 金融市場發(fā)展的階段性特點決定了在短期內(nèi)我國中小企業(yè)的融資方式仍將以商業(yè)銀行貸款為主。而

3、后者作為營利性的商業(yè)機構(gòu)，在從事中小企業(yè)授信業(yè)務的過程中，其積極性將受到 國家信貸導向政策的影響以及商業(yè)銀行自身對于中小企業(yè)貸款風險的防控能力等多方面的 制約。中小企業(yè)在發(fā)展過程中，普遍存在管理不完善和信息不透明等諸多問題，由這些問題導致的貸款信用風險與大型企業(yè)貸款的信用風險是不同的。因此，選擇針對中小企業(yè)的風險 度量和預警指標，對中小企業(yè)貸款信用風險進行準確的度量，形成一套有別于其他類型企業(yè) 的評級系統(tǒng)，其現(xiàn)實意義和指導價值不容小覷。但是，由于缺乏歷史數(shù)據(jù)儲備、貸款雙方信息不對稱等諸多問題，過去針對中小企業(yè)信 用風險度量所采用的指標體系，對受信企業(yè)違約率估算或是直接借用大型企業(yè)的風險評估 系

4、統(tǒng)，或是指標選取方法過于主觀，使得難以對中小企業(yè)貸款信用風險進行準確分析和度 量，導致商業(yè)銀行在授信決策和貸后管理上困難重重，主觀上發(fā)放中小企業(yè)貸款得不到有效 激勵，最終使中小企業(yè)的間接融資渠道發(fā)揮不了應有的作用。二、相關方法和模型概述在國外，很早就有學者專門對中小企業(yè)信用風險度量指標體系進行過研究。Keasey 和 Watson( 1987) 利用一些非財務變量建立模型，認為將總體經(jīng)濟變量納入財務危機預測模型， 比僅由財務比率建立的模型( Altman，1968) 更能準確預測小公司的破產(chǎn)。1995 年，F(xiàn)airIsaac and Company( FIC) 開發(fā)出第一個中小企業(yè)信用 評 分

5、 系 統(tǒng) ( SEM) ，在銀行實務中投入運行。 近年來，美國的許多銀行采用了通用的、支持信貸決策的小型企業(yè)信用評分系統(tǒng) ( SBCS) 。 SBCS 是專門針對信息透明度低的中小企業(yè)借貸而開發(fā)的新技術，它利用小型企業(yè)及其業(yè)主 的相關資料和統(tǒng)計方法，給出關于借款者未來貸款績效的預期結(jié)果，銀行則可據(jù)此作出批準 或拒絕貸款的決策( Edmister，1972; Frame、Padhi 和 Woolsey，2004 ) 。另外，巴塞爾委員會也 對信用風險模型有一定調(diào)研和指導( 1999 和 2006) 。相對于國外研究，我國對中小企業(yè)信用風險指標體系的研 究 較 晚。馬 九 杰、郭 宇 輝 和 朱勇

6、( 2004 ) 將中小企業(yè)信用評分的指標體系 分 為 三 類: 企 業(yè) 財 務 狀 況、企業(yè)主個人特征、 地區(qū)經(jīng)濟環(huán)境。而糜仲春、申義和張學農(nóng)( 2007 ) 將 中 小 企 業(yè) 信用評分的指標體系概括成 兩個方面: 財務指標體系和非財 務 指 標 體 系，其中非財務指標體系從行業(yè)環(huán)境、企 業(yè) 經(jīng) 營 管理水平、經(jīng)營者經(jīng)驗與素質(zhì)、信用品質(zhì)四方面進行評估。郭 小 波、王 婉 婷 和 周 欣 ( 2011 ) 以北京地區(qū)中小企業(yè)信貸數(shù)據(jù) 為 基 礎，采用定量數(shù)據(jù)和定性數(shù)據(jù)的分析方法對我國中小 28 基于巴構(gòu)建我國商業(yè)銀行中小企業(yè)貸款信用風險有效度量和預警指標體系總第 7 期企業(yè)信用風險進 行 識

7、 別，得 出“傳統(tǒng)財務指標并不 能有效預測中小企業(yè)違約行為 ”的 結(jié)論?；趯＜以u分等定性的信用風險研究還包括鄧超、胡 威 和 唐 瑩 ( 2010 ) ，以 及 程 建 和 連玉君( 2007 ) 。綜上所述，國內(nèi)商業(yè)銀行在對中小企業(yè)進行信用評級時，偏重于企業(yè)償債和盈利能力， 而沒有注重發(fā)展、創(chuàng)新能力以及企業(yè)成長和市場狀況等方面因素，缺乏針對中小企業(yè)所制訂 的專門信用評級指標體系。雖然國內(nèi)已有學者對中小企業(yè)特有風險因素進行了相關的研究 和探討，但是尚未提出一整套覆蓋中小企業(yè)特有風險因素、專門針對中小企業(yè)風險度量的指 標體系，也沒有提出一套系統(tǒng)的方法對中小企業(yè)的風險因素進行有效的識別。三、中小

8、企業(yè)信用風險度量指標體系整體框架的構(gòu)建本文把對中小企業(yè)信用風險度量指標體系的構(gòu)建分為兩個部分: 第一部分，根據(jù)中小企 業(yè)信用風險特征，開發(fā)指標備選池; 第二部分，基于巴塞爾協(xié)議內(nèi)部評級法，選擇 LOGIT 模 型構(gòu)建定量、定性評價模型，通過單因素分析、多因素分析、相關檢驗和驗證，篩選出最優(yōu)度 量指標體系( 見圖 1) 。( 一) 開發(fā)指標備選池根據(jù)我國中小企業(yè)信用風險度量的特殊性，我們依照以下原則對中小企業(yè)信用風險指 標進行選擇: 具有可操作性和系統(tǒng)科學性的定量指標與定性指標相結(jié)合、風險度量方法與度 量目的相結(jié)合、企業(yè)整體信用與局部信用相協(xié)調(diào)。在選擇度量指標時注重中小企業(yè)的發(fā)展、 創(chuàng)新和成長，

9、并考慮宏觀經(jīng)濟的影響，達到極端情形模擬中風險可控。第一，根據(jù)中小企業(yè)管理不完善，信息不透明及其貸款需求的短、小、頻、快等特點，探索 導致中小企業(yè)信用風險的特有因素。第二，在吸收借鑒已有信貸信用風險管理模型的基礎上，依據(jù)形成中小企業(yè)信用風險的特有因素，初步選擇度量指標。這些指標不僅關注中小企業(yè)的財務信息，而且更加注重中小 企業(yè)的個性特征等非財務信息，如企業(yè)管理者的個性品質(zhì)，行業(yè)前景及產(chǎn)品市場狀況，有無 擔保、聯(lián)保、抵押等。第三，為了全面綜合評價中小企業(yè)主要領導者及企業(yè)管理者素質(zhì)、市場競爭力、銀行信 用狀態(tài)、償債能力、盈利能力、規(guī)模及經(jīng)營能力、發(fā)展能力以及擔保和抵押情況，我們對初步 確立的度量指標

10、進行精選，選定了六個維度共 39 個指標，其中包含 22 個定性指標、17 個定 量指標，組成風險度量指標池( 見表 1) 。2012 年第 7 期29 圖 1: 中小企業(yè)信用風險度量指標體系構(gòu)建流程和框架 30 基于巴構(gòu)建我國商業(yè)銀行中小企業(yè)貸款信用風險有效度量和預警指標體系總第 7 期表 1: 中小企業(yè)信用風險度量指標池第一層維度具體指標指標性質(zhì)多 維 度 定 性 和 定 量 指 標 層 次 表企 業(yè) 素 質(zhì)企業(yè)管理者的能力管理層平均受教育程度 Elead1定性法人年齡 Elead2定量領導者能力 Elead3定性企業(yè)生產(chǎn)經(jīng)營情況領導者經(jīng)歷 ECP1定性工序能力指數(shù) ECP定量技術設備能力

11、 Eset定性企業(yè)員工基礎能力員工年齡 Ework1定量員工薪酬 Ework2定量員工人數(shù) Ework3定量員工技術文化能力 Ework4定性員工幸福指數(shù) Ework5定性銀企關系與銀行合作的緊密度 ECT定性市 場 評 價內(nèi)部市場容量 Mcap定性資源供給情況 MSup定性銷售增長率 Msi定量外部行業(yè)景氣指數(shù) Mphi定量產(chǎn)業(yè)政策支持 Mpol定性財 務 評 價定量財務資產(chǎn)負債率 Fin1定量流動比率 Fin2定量營業(yè)收入對債務的覆蓋率 Fin3定量權益凈利率 Fin4定量總資產(chǎn)周轉(zhuǎn)率 Fin5定量營運資本 / 總資產(chǎn) Fin6定量凈資產(chǎn)增長率 Fin7定量應收賬款周轉(zhuǎn)率 Fin8定量定性

12、財務會計報表年審情況 Flad定性常年性多于季節(jié)性融資 Flsc定性發(fā)展 創(chuàng)新 評價創(chuàng)新研發(fā)人員占公司員工比例 Dlwk定量研發(fā)經(jīng)費占銷售收入比例 Dlsl定量企業(yè)擁有核心技術與專利權情況 Dlpa定性發(fā)展產(chǎn)品知名度 Dlfa定性生產(chǎn)原料消耗量趨勢 Dlus定性擔保 抵押主要抵押物的抵押情況 MW1定性是否存在擔保 MW2定性是否存在信貸違約記錄 MW3定性宏觀 經(jīng)濟 評價中央中央貨幣政策 Mmo定性中央財政政策 Mfi定性銀行信貸政策 Mcr定性地方地方政府和中介服務( 金融、法律服務健全性) Min定性2012 年第 7 期31 為盡量充分覆蓋影響中小企業(yè)貸款信貸風險的因素，我們不僅選用了

13、常用的定量指標，而且從中小企業(yè)的特點和數(shù)據(jù)可得性角度出發(fā)，備選了部分定性指標進行編碼 ( 見表 2) 。表 2: 定性指標說明指標名含義取值說明Elead1管理層平均受教育程度0 = 高中及以下; 1 = 本科; 2 = 碩士研究生及以上Elead3領導者能力0 = 未知; 1 = 全省 500 強管理經(jīng)歷; 2 = 全 國 500 強 管 理 經(jīng) 歷; 3 = 全球 500 強管理經(jīng)歷ECP1領導者經(jīng)歷0 = 未知; 1 = 較弱; 2 = 一般; 3 = 豐富Eset技術設備能力0 = 未知; 1 = 國內(nèi)領先; 2 = 國際領先Ework4員工技術文化能力0 = 本科學歷以上 占 比 小

14、 于 20% ; 1 = 本科學歷以上占比大 于 20% 小于 40% ; 2 = 本科學歷以上占比大于 40%Ework5員工幸福指數(shù)0 = 指數(shù)得分低于 60; 1 = 指數(shù)得分高于 60 且 低 于 70; 2 =指數(shù)得分高于 70ECT與銀行合作的緊密度0 = 與銀行合作 小 于 1 年; 1 = 與銀行合作大于 1 年 小 于 3年; 2 = 與銀行合作大于 3 年Mcap市場容量0 = 壟斷市場; 1 = 壟斷競爭; 2 = 接近完全競爭MSup資源供給情況0 = 短缺; 1 = 充分Mpol產(chǎn)業(yè)政策支持，例如寫入 “十二 五” 規(guī)劃0 = 明確淘汰落后產(chǎn)能產(chǎn)業(yè); 1 = 未提及;

15、 2 = 明確支持產(chǎn)業(yè) 和朝陽產(chǎn)業(yè)Flad會計報表年審情況0 = 未審計; 1 = 每年審計Flsc常年性多于季節(jié)性融資0 = 常年性多余季節(jié)性; 1 = 季節(jié)性多于常年性Dlpa企業(yè)擁有核心技術與專利權情況0 = 無; 1 = 有Dlfa產(chǎn)品知名度0 = 不知名; 1 = 省內(nèi)知名; 2 = 國內(nèi)知名Dlus生產(chǎn)原料消耗量趨勢0 = 下降趨勢; 1 = 無明顯變化; 2 = 上升趨勢MW1主要抵押物的抵押情況0 = 無抵押; 1 = 不足額抵押; 2 = 足額抵押MW2是否存在擔保0 = 不存在; 1 = 存在MW3是否存在信貸違約記錄0 = 沒有; 1 = 有Mmo中央貨幣政策0 = 緊縮

16、; 1 = 穩(wěn)健; 2 = 擴張Mfi中央財政政策0 = 緊縮; 1 = 穩(wěn)健; 2 = 擴張Mcr銀行信貸政策0 = 緊縮; 1 = 穩(wěn)健; 2 = 擴張Min地方政府和中介服務 ( 金融、法律服務健全性)0 = 不健全; 1 = 一般; 2 = 健全 32 基于巴構(gòu)建我國商業(yè)銀行中小企業(yè)貸款信用風險有效度量和預警指標體系總第 7 期( 二) 基于 IRB 的中小企業(yè)信用風險度量指標體系的構(gòu)建1.單因素分析第一，模型構(gòu)建。我們將指標池表 1 中的指標分為定量和定性指標，并分別分析 ( 以下的步驟都將定量、定性指標分開進行分析處理) 。選取指標池單個指標為自變量 ，以企 業(yè)貸款違約數(shù)據(jù) ( 違

17、約取 1，非違約取 0) 為因變量構(gòu)建 LOGIT 模型。= e( + X) / ( 1 + e( + X) )Y = f ( X)( 1)第二，篩選指標。巴塞爾委員會在其 2005 年的第 14 號工作論文中對違約概率模型的驗證強調(diào)其區(qū)分能力，指出模型的關鍵在于良好的預測區(qū)分能力和嚴格的統(tǒng)計過程來檢驗選擇的變量。我們在進行單因素分析的時候，著重于指標的區(qū)分能力( AR 值)和統(tǒng)計意( T 檢驗) 來進行篩選。義圖 2: Power Curve 曲線圖 2 為基于 Power Curve 曲線的 AR 值的計算。中間曲線為所建立 Logistic 模型的預測圖，最上邊曲線為理想預測模型結(jié)果，下

18、邊曲線為隨機預測模型結(jié)果，其中 AR 值 = A 面積 /( A + B)面積，AR 值越大表示指標區(qū)分度越好。我們初步選擇變量的保留標準為:( 1)AR 值大于 10% 的變量;( 2)T 檢驗 P 值小于5% 但是 AR 值接近 10% 的變量。此外的其他變量予以刪除。由此我們得到了進行多因素分析的備選變量。2.多因素分析第一，相關性檢驗。對所有的備選變量 ( 定量和定性指 標 分 別 處 理) 進 行 相 關 性 分析，并在此基礎上進行選擇刪除: 如果兩個變量的相關系數(shù)大于 50% ，則認定為具有顯著 相關性，同時出現(xiàn)在模型中會影響模型的可靠性，應排除一個變量; 排除的標準是，處于 同一

19、維度的變量以 AR 值較大者為標準，處于不同維度的變量以加大指標覆蓋面為標準。2012 年第 7 期33 第二，多因素模型構(gòu)建。構(gòu)建多因素 LOGIT 模型，使用窮舉法在所有可能的變量組合中尋找最優(yōu)的模型。基本原則是，變量類型的覆蓋面要廣，即每一維度的指標都要選取， 但不能選取太多; 同時總變量個數(shù)不少于 4 個，但不多于 8 個。在上述原則下，選取所有 可能的模型。模型 的 表 現(xiàn) 取 AR，每種模型都計算模型 輸 出，然 后 計 算 AR 值，AR 值 越 大，模型的表現(xiàn)越好。f( x1，x2xm)e( 2)Y =1 + ef( x1，x2xm)其中，f( x1 ，x2 xm )( 3)=

20、 0 + 1 X1 + 2 X2 + + m Xm根據(jù) AR 值變現(xiàn)，我們挑選了前幾名的模型作為候選檢驗和驗證的模型。3.檢驗和驗證這一步進行符合巴塞爾協(xié)議內(nèi)部評級的模型驗證。巴塞爾協(xié)議指出，銀行能否滿足監(jiān)管當局要求，取決于模型或程序是否有好的預測能力，以及使用模型或程序后監(jiān)管資 本要求能否不被歪曲。模型輸入的變量必須形成一整套合理的預測指標?？傮w來說，對于 不同的借款人或銀行貸款，模型必須準確，并且不會有已知的重要偏差。同時，還要建立 嚴格的統(tǒng)計過程 ( 包括利用模型時間段之外和樣本之外的數(shù)據(jù)對模型效果進行檢測) 來驗 證選擇的解釋變量。這里，區(qū)分能力指標是采用 AR 值進行挑選。對于模型的

21、準確性和穩(wěn) 定性的測試，則采用以下模 型檢驗和驗證方法: K-fold 測 試、Man-Whitney 測 試、Out-of- time 測試、Out-of-sample 測試。其中，在模型穩(wěn)定性測試中，較為常用的方法是 K-fold 方法，又稱交叉檢驗，就是把 原始的數(shù)據(jù)隨機分成 K 個部分。交叉檢驗的過程實際上是把實驗重復做 K 次，每次實驗 都從 K 個部分中選擇一個不同的部分作為測試數(shù)據(jù) ( 保證 K 個部分的數(shù)據(jù)都分別做過測 試數(shù)據(jù)) ，剩下的 K 1 個當作建模數(shù)據(jù)進行實驗。最終可以觀測 K 個模型對違約率的區(qū) 分能力，得到該模型對數(shù)據(jù)變動的穩(wěn)定性。這里，令 K = 4。巴塞爾協(xié)議

22、中對 IRB 的要求還包括了模型可擴展性穩(wěn)定測試。該測試不僅包括了對 歷史數(shù)據(jù)穩(wěn)定性的測試，還加入了對樣本外數(shù)據(jù)和時間點外數(shù)據(jù)的測試，可以很全面地觀 測模型和指標在面對新的數(shù)據(jù)時，是否具備可操作性和可靠性。這里我們采用 Out-of-time 測試和 Out-of-sample 測試來驗證模型的可擴展性。Out-of-sample 測試已包含在 K-fold 測試 中; 而 Out-of-time 測試的基本方法，則是把數(shù)據(jù)分為不同年限的兩個部分，以其中一個年 份的數(shù)據(jù)進行建模，另一個年份的數(shù)據(jù)進行驗證，以檢驗模型的穩(wěn)定性和可擴展性。另外，Man-Whitney 測試是檢驗模型 AR 值可靠性

23、的一種方法，如果 AR 值比較可靠， 34 基于巴構(gòu)建我國商業(yè)銀行中小企業(yè)貸款信用風險有效度量和預警指標體系總第 7 期則會給出一個較小的置信區(qū)間。經(jīng)過以上檢驗和驗證，我們確定選取了定量和定性兩個最終模型，而模型中所包含的 指標就是嚴格區(qū)分意義和嚴格統(tǒng)計意義上的最優(yōu)中小企業(yè)信用風險度量指標。由此，我們 得出了一整套能夠有效識別風險因子且符合內(nèi)部評級法標準的系統(tǒng)方法，從而建立起了一 套符合巴塞爾協(xié)議和銀監(jiān)會監(jiān)管政策框架的、適用于我國中小企業(yè)特點和商業(yè)銀行信貸 審批流程實際情況的風險度量指標體系。四、實證在前面深入分析如何構(gòu)建多維度信用風險度量指標體系的方法設計基礎上，結(jié)合我國 商業(yè)銀行風險管理經(jīng)

24、驗特點和數(shù)據(jù)結(jié)構(gòu)，我們以某股份制商業(yè)銀行為例，對該行 2009 年 和 2010 年共 100 個樣本中的小企業(yè)數(shù)據(jù)進行實證研究。( 一) 單因素分析實證結(jié)果采用上述方法，我們用 Matlab 編程以指標池指標數(shù)據(jù)和中小企業(yè)貸款違約數(shù)據(jù)構(gòu)建 LOGIT 模型，共進行 38 次回歸得到各個指標回歸的系數(shù)和 T 檢驗 P 值，并通過構(gòu)造 Power Curve 曲線計算出各自指標的 AR 值，對指標進行篩選 ( 因篇幅所限，這里直接給出我們 最終篩選的 14 個定量指標) 。表 3 : 定量指標單因素分析結(jié)果定量指標名稱指標性質(zhì)企業(yè)素質(zhì)法人年齡 Elead2定量工序能力指數(shù) ECP定量員工薪酬 E

25、work2定量員工人數(shù) Ework3定量市場評價銷售增長率 Msi定量行業(yè)景氣指數(shù) Mphi定量財務評價資產(chǎn)負債率 Fin1定量流動比率 Fin2定量權益凈利率 Fin4定量營運資本 / 總資產(chǎn) Fin6定量凈資產(chǎn)增長率 Fin7定量應收賬款周轉(zhuǎn)率 Fin8定量發(fā)展創(chuàng)新評價研發(fā)經(jīng)費占銷售收入比例 Dlsl定量研發(fā)人員占公司員工比例 Dlwk定量2012 年第 7 期35 ( 二) 多因素分析實證結(jié)果1. 相關性分析對定量指標和數(shù)據(jù)展開相關性分析，計算一個 14 14 相關系數(shù)矩陣。從相關系數(shù)矩 陣中，得出了相關系數(shù)較高 ( 大于 0. 5) 的幾個組合。結(jié)果表明: 銷售增長率明顯與法人 年齡、

26、工序能力、員工平均年齡、員工平均薪酬、員工人數(shù)的相關度過高，可以考慮剔除 銷售增長率這個解釋變量。類似地，我們剔除了研發(fā)人員占公司員工比例這個指標。通過上述方法篩選指標后，可以獲得進入多因素分析的候選指標。2.多因素模型構(gòu)建此后，為了平滑數(shù)據(jù)的異常波動，一般需對初始的財務比率變量進行變換。這里我們使用 LOESS 非參數(shù)回歸方法，即把每一個選中的財務比率進行排序，等距分段，然 后 計 算每一段的實際違約率，接著用一條非線性的曲線 ( 一般是單調(diào)的) 進行回歸，最后用這 條回歸平滑過的值替代原有的初始變量。采用窮舉法針對每種變量組合，運用 LOGIT 回歸的方法建立模型，計算每個模型的 AR 值

27、，排序結(jié)果見圖 3。圖 3: 窮舉法下 AR 的表現(xiàn)根據(jù) AR 的表現(xiàn)，我 們 挑 出 了 前 6 名 的 模 型 ( 見 表 4 ) 。六 個 模 型 的 AR 值 分 別 是:0. 65456、0. 63344、0. 63121、0. 62632、0. 61179、0. 60027。我 們 可 以 發(fā) 現(xiàn)，六 個 變 量 組 合幾乎覆蓋了所有維度，而且選取的五個模型變量組合比較類似。這說明，模型的方法論 比較可靠，結(jié)果不會產(chǎn)生較大的差異。 36 基于巴構(gòu)建我國商業(yè)銀行中小企業(yè)貸款信用風險有效度量和預警指標體系總第 7 期表 4:定量指標備選模型注: 括號里面是 P 值。( 三) K-fol

28、d 測試和 Man-Whitney 測試實證結(jié)果對于 K-fold 檢驗，我們把數(shù)據(jù)隨機分成三份進行驗證，實證結(jié)果如下:解釋變量模型一模型二模型三模型四模型五模型六常數(shù)項62. 5323( 0. 0320)178. 1935( 0. 0002)62. 40422( 0. 0000)1. 3440( 0. 0128)2. 0785( 0. 0001)25. 5721( 0. 0186)法人年齡 Elead2工序能力指數(shù) ECP 8. 7520( 0. 0034) 26. 5701( 0. 0001) 8. 97832( 0. 0000)26. 1776( 0. 0001) 2. 2894( 0.

29、 0000) 10. 4411( 0. 0002)員工人數(shù) Ework30. 0001( 0. 1231) 10. 6189( 0. 0008)0. 0020( 0. 0001)0. 0006( 0. 2382)員工薪酬 Ework2 0. 0025( 0. 1161)0. 0011( 0. 0145)行業(yè)景氣指數(shù) Mphi 0. 4157( 0. 0000) 1. 3272( 0. 0000) 0. 41049( 0. 0012) 8. 6751( 0. 0162) 1. 1681( 0. 0000) 8. 6356( 0. 0002)資產(chǎn)負債率 Fin117. 1218( 0. 0216)

30、流動比率 Fin2 2. 8750( 0. 0027) 2. 96476( 0. 2217) 2. 0403( 0. 1034) 0. 7787( 0. 1759)權益凈利率 Fin4 7. 5995( 0. 0000) 31. 0566( 0. 0000) 7. 7418( 0. 0000) 14. 1587( 0. 0140)1. 3503( 0. 0001) 2. 0679( 0. 0000)營運資本 / 總資產(chǎn) Fin6 4. 6254( 0. 0000) 25. 5049( 0. 0675) 15. 7415( 0. 0000) 18. 2248( 0. 0022) 13. 9724

31、( 0. 0000)凈資產(chǎn)增長率 Fin7 13. 5666( 0. 0000)應收賬款周轉(zhuǎn)率 Fin 0. 0435( 0. 1522) 0. 04715( 0. 0104) 0. 0222( 0. 0001) 18. 5683( 0. 0000)研發(fā)經(jīng)費占銷售收入 比例 Dlsl 5. 0368( 0. 0011)157. 8967( 0. 0000) 4. 09828( 0. 0172)10. 9958( 0. 0000)27. 6671( 0. 0003) 0. 0186( 0. 0003)2012 年第 7 期37 表 5:K-fold 測試和 Man-Whitney 測試實證結(jié)果K

32、-Fold 測試和 Man-Whitney 測試的結(jié)果顯示，六個模型均具備一定的可 靠 性 和 穩(wěn) 定性，模型 AR 值在一個比較合理的置信區(qū)間，也具備一定的可靠性; 但是，從模型回歸結(jié) 果來看，每個模型都有 P 值過大的現(xiàn)象。六個模型中，模型 1 檢驗結(jié)果表現(xiàn)最好，而模型2、3、4、5、6 都出現(xiàn)經(jīng)濟含義不正確的變量。第一，根據(jù)經(jīng)濟意義和 P 值分別刪除了兩個變 量: 員 工 人 數(shù) ( 系數(shù)符號經(jīng)濟含義錯 誤) ，應收賬款周轉(zhuǎn)率 ( P 值太大) 。第二，對刪除變量后的模型進行 K-Fold 測試和 Man-Whitney 測試。結(jié)果顯示，雖然模型變量減少，模型的表現(xiàn)有所下降，AR 值等

33、于 0. 61337 ( 原 先 等 于 0. 65456) ，但模型的各個變量符合各自的經(jīng)濟含義，且各個估計系數(shù)的可靠性較強。 同時，K-Fold 測試和 Man-Whitney 測試也表現(xiàn)出較好的穩(wěn)定性。據(jù)此，我們得到最終的定量模型如下:f ( x1 ，x2 xm )= 71. 71806 9. 52352Ecp 0. 50398Mpbi 2. 65656Fin2 7. 65459Fin4 15. 1667Fin6 20. 0099DIsl( 4)同理，經(jīng)過窮舉法和符合經(jīng)濟學意義與統(tǒng)計意義的適度考量優(yōu)化，可得定性模型的最優(yōu)模型:模型 1模型 2模型 3模型 4模型 5模型 6K-fold

34、檢驗sampleARsampleARsampleARsampleARsampleARsampleARsubsample10. 52208subsample10. 49144subsample10. 49527subsample10. 48146subsample10. 50689subsample10. 48981subsample20. 56232subsample20. 56719subsample20. 56867subsample20. 54873subsample20. 56174subsample20. 55231subsample30. 57612subsample30. 572

35、98subsample30. 58691subsample30. 57254subsample30. 57548subsample30. 56811Man-Whitneylower limit0. 5821Lower limit0. 52931lower limit0. 51754lower limit0. 51181lower limit0. 50822lower limit0. 48129upper limit0. 72342upper limit0. 71948upper limit0. 70091upper limit0. 70012upper limit0. 69938upper l

36、imit0. 69012 38 基于巴構(gòu)建我國商業(yè)銀行中小企業(yè)貸款信用風險有效度量和預警指標體系總第 7 期f ( x1 ，x2 xm )= 5. 5978 2. 6270ECT 2. 3038Mcap 1. 8716Mpol+ 1. 9178FIsc 3. 3714DIpa 2. 5339DIfa + 1. 3079MW1 ( 5) 最后，我們通過 Out of time 測試對最終模型進行檢驗。方法是，將該 銀 行 100 個 樣本中小企業(yè)的數(shù)據(jù)分為 2009 年和 2010 年的數(shù)據(jù)。這里以定量模型為例: 用 2009 年的 數(shù)據(jù)進行 建 模， 用 2010 年 的數(shù)據(jù)進行驗 證， 通

37、過 構(gòu) 建 Power Curve 曲 線， 可 得 AR =0. 56781，可見模型在擴展數(shù)據(jù)特別是數(shù)據(jù)量較小的情況下，其 AR 值是可以接受的。五、結(jié)論本文在現(xiàn)有樣本下，選取了定量指標中的工序能力指數(shù)、行業(yè)景氣指數(shù)、流動比率、 權益凈利率、營運資本 / 總資產(chǎn)、研發(fā)經(jīng)費占銷售收入比例，定性指標中的與銀行合作的 緊密度、市場容量、常年性多于季節(jié)性融資、企業(yè)擁有核心技術與專利權情況、產(chǎn)品知名 度、主要抵押物的抵押情況、存在信貸違約記錄，作為我們最終的中小企業(yè)信用風險度量 指標體系。本文的實證結(jié)果表明，這套指標體系不僅表現(xiàn)出一定的區(qū)分和預測能力，也具 備了嚴格的統(tǒng)計意義、穩(wěn)定性和可擴展性，能較

38、為全面地覆蓋中小企業(yè)信用風險特征的六 個指標維度，也符合巴塞爾協(xié)議 ( 特別是內(nèi)部評級法的標準和方法論) 。另一方面，本 指標體系通過與 PD 計算的接口和一定映射函數(shù)，可以作為壓力測試的一個基礎模型，提 高本方法的可擴展性。參考文獻1. 程建、連玉君: 信用評分系統(tǒng)的建模及其驗證研究，國際金融研究，2007 年第 6 期，51 60。2. 鄧超、胡威、唐瑩: 國內(nèi)外小企業(yè)信用評分研究動態(tài)，國際金融研究，2010 年第 10 期，86 93。3. 郭小波、王婉婷、周欣:第 4 期，64 69。4. 馬九杰、郭宇輝、朱勇:5 期，64 72。5. 糜仲春、申義、張學農(nóng):3 期，23 27。我國中

39、小企業(yè)信貸風險識別因子的有效性分析，國際金融研究，2011 年縣域中小企業(yè)貸款違約行為與信用風險實證分析，管理世界，2004 年第我國商業(yè)銀行中小企業(yè)信貸風險評估體系的構(gòu)建，金融論壇，2007 年第6. Altman，E.，F(xiàn)inancial Ratios，Discriminate Analysis and the Prediction of Corporate Bankruptcy，Journal ofFinance，1968，23 ( 9) : 589 609.7. Basle Committee on Banking Supervision，An Explanatory Note on the Basel ，IRB Risk Weight Func- tion，July 2006， HYPERLINK :/www/ bis. org.2012 年第 7 期39 8. Basle Committ