張玉如，侯為波（淮北師范大學(xué) 數(shù)學(xué)科學(xué)學(xué)院，安徽 淮北 235000）

基于CPV模型的商業(yè)銀行信貸風(fēng)險實證分析

張玉如，侯為波
（淮北師范大學(xué) 數(shù)學(xué)科學(xué)學(xué)院，安徽 淮北 235000）

文章主要依據(jù)Credit Portfolio View模型（以下簡稱為CPV模型）的理論思想，對商業(yè)銀行信貸風(fēng)險度量模型進(jìn)行實證分析.實證結(jié)果表明，貨幣供應(yīng)量、居民消費價格指數(shù)、城鎮(zhèn)固定資產(chǎn)投資、社會消費品零售總額、一年期利率以及企業(yè)景氣指數(shù)這6個宏觀經(jīng)濟(jì)指標(biāo)較好地協(xié)同擬合宏觀經(jīng)濟(jì)指數(shù)，進(jìn)而在預(yù)測商業(yè)銀行信貸違約率方面具有較好的效果.

商業(yè)銀行；CPV模型；違約率；信貸風(fēng)險

0 引言

商業(yè)銀行的資金主要來源于廣大存款者的存款，利潤則主要來源于向資金短缺者貸款賺取的利息.這使得其想要達(dá)到盈利的目標(biāo)，必須承擔(dān)風(fēng)險且經(jīng)營好風(fēng)險，然而信貸風(fēng)險是商業(yè)銀行面臨的重要風(fēng)險之一，所以銀行對信貸風(fēng)險的控制和管理關(guān)乎到銀行體系的穩(wěn)定乃至國民經(jīng)濟(jì)的發(fā)展.目前，度量信貸風(fēng)險違約率的模型有很多且大多數(shù)適合西方國家，因此，應(yīng)用適合我國實際情形的現(xiàn)代化計量模型管理我國商業(yè)銀行信貸風(fēng)險具有舉足輕重的意義.

Altman和Saunders整理總結(jié)過去20年發(fā)表在各類刊物上關(guān)于信用風(fēng)險度量模型的文章，并進(jìn)行剖析［1］.謝赤等［2］對比分析Credit Metrics模型與CPV模型（Credit Portfolio View模型，簡稱CPV模型）各自的特點，指出CPV模型解決Credit Metrics模型評級轉(zhuǎn)移矩陣在不同時期一成不變的弊端，所以CPV模型準(zhǔn)確度更優(yōu)，認(rèn)為CPV模型可以說是Credit Metrics模型的增補(bǔ)和完善.程嬋娟等［3］認(rèn)為，銀行風(fēng)險管理關(guān)鍵疑難是如何準(zhǔn)確計算貸款違約率，運用CPV模型進(jìn)行回歸分析，指出可以使用次貸款率去替代貸款違約率.同時結(jié)果顯示，對貸款違約率起作用的關(guān)鍵成分就是各個宏觀經(jīng)濟(jì)因子，這極大地肯定CPV模型的適用性.文獻(xiàn)［4］為證明CPV模型在探索宏觀經(jīng)濟(jì)指標(biāo)更改能相應(yīng)地改變商業(yè)銀行信用風(fēng)險大小方面是行之有效的，分別從理論與實證兩個方面進(jìn)行闡述說明，具有較高的說服性.文獻(xiàn)［5］篩選出享有典型的國內(nèi)外宏觀經(jīng)濟(jì)變量，然后利用CPV模型實行回歸解析，指出符合中國實際商業(yè)銀行情況的計算貸款違約率的辦法，恰當(dāng)應(yīng)用CPV模型去經(jīng)營和治理商業(yè)銀行信貸風(fēng)險卓有成效.

本文主要依據(jù)CPV模型的思想，依照現(xiàn)實廣泛選取多達(dá)十個變量對宏觀經(jīng)濟(jì)指數(shù)進(jìn)行擬合，然后利用多重共線性原理得到6因素模型.結(jié)果表明，對于研究商業(yè)銀行信貸的信用風(fēng)險來說是較佳的指標(biāo)體系.另外，為彌補(bǔ)CPV模型在分析中需要用到EVIEWS7.2進(jìn)行回歸，使得時間觀測值選擇的差異性有可能導(dǎo)致模型回歸不準(zhǔn)確，本文選取已被證實的最佳時間序列長度9年36個日期觀測值，得到的結(jié)果較為精確.

1 商業(yè)銀行信貸風(fēng)險解析

商業(yè)銀行在經(jīng)營信貸業(yè)務(wù)的活動中，不免會發(fā)生規(guī)章制度不完備、政策施行不貫徹或者外界環(huán)境發(fā)生改變等相關(guān)情況.信貸風(fēng)險［6］即是指由于商業(yè)銀行受到以上一種或多種綜合不確切因素的作用，導(dǎo)致金融機(jī)構(gòu)信貸資產(chǎn)最終得到的實際收益與預(yù)期能夠獲得的收益存在一定的誤差甚至本金發(fā)生虧損的可能性.

我國商業(yè)銀行信貸風(fēng)險的影響因素繁雜，內(nèi)因和外因共同作用，其中外部環(huán)境因素主要包括：政府過度干預(yù)；法律制度不健全；社會信用環(huán)境不完善；金融市場發(fā)育遲緩且不規(guī)范等.銀行自身也存在較多問題，主要體現(xiàn)在：信貸集中于大企業(yè)、大行業(yè)和大城市；貸款資金趨向長期化；信貸流程存在缺陷；風(fēng)險控制的理念存在偏差；滯后的信貸風(fēng)險防范制度建設(shè)；缺乏完善的風(fēng)險對沖機(jī)制；人才管理激勵與約束機(jī)制尚待完善；內(nèi)部風(fēng)險管理制度落后等.

目前，度量現(xiàn)代商業(yè)銀行信貸風(fēng)險的模型［7］主要有4種，分別是期權(quán)定價模型（即KMV模型）、信用度量模型（即Credit Metrics模型，以下簡稱為CM模型）、信用風(fēng)險附加模型（即Credit Risk Plus模型，以下簡稱為CRP模型）和宏觀經(jīng)濟(jì)模擬模型（即Credit Portfolio View模型，以下簡稱為CPV模型）.

跟其他3種風(fēng)險度量模型相比，CPV模型的主要優(yōu)點［8］有：首先，中國征信體系建立的時間較短，在風(fēng)險度量與預(yù)測研究領(lǐng)域，大量的經(jīng)濟(jì)數(shù)據(jù)匱乏，而公開的宏觀經(jīng)濟(jì)數(shù)據(jù)給 CPV模型提供需要使用的絕大多數(shù)數(shù)據(jù)，這使得CPV模型數(shù)據(jù)的取得相對來說比較充裕且簡易；其次，商業(yè)銀行信貸風(fēng)險跟宏觀經(jīng)濟(jì)形勢關(guān)聯(lián)密切，然而在研究宏觀經(jīng)濟(jì)因素與信貸違約率間關(guān)系的模型中唯有CPV模型相吻合；另外，CPV模型不但具有盯市的作用，而且具備違約模型的功能，即該模型既可以度量商業(yè)銀行信貸風(fēng)險，也能預(yù)測商業(yè)銀行信貸風(fēng)險.

綜上所述，CPV模型更適合于我國具體國情的商業(yè)銀行信貸風(fēng)險管理.

2 基于CPV模型的商業(yè)銀行信貸風(fēng)險度量模型實證研究

首先根據(jù)CPV模型的要求，選擇一組宏觀經(jīng)濟(jì)指標(biāo)作為初始變量，然后收集相應(yīng)數(shù)據(jù)并對其進(jìn)行調(diào)整，排除多重共線性后，得到模型所需要的指標(biāo)體系，構(gòu)建相應(yīng)的CPV模型，最后對模型進(jìn)行實證預(yù)測與檢驗.

2.1 變量選取

在4種現(xiàn)代信貸風(fēng)險度量模型中，CPV模型是唯一一個用宏觀經(jīng)濟(jì)狀況去擬合違約概率的模型.本文首先從消費者需求情況、行業(yè)波動處境、市場發(fā)展情形和國家宏觀經(jīng)濟(jì)狀態(tài)4方面著手，選取10個經(jīng)濟(jì)變量建立模型指標(biāo)體系，詳盡包羅國內(nèi)生產(chǎn)總值增長速度、貨幣供應(yīng)量、一美元兌人民幣匯率、一年期利率、工業(yè)增加值增加速度、固定資產(chǎn)投資、國房景氣指數(shù)、社會消費品零售總額、企業(yè)景氣指數(shù)以及居民消費價格指數(shù).

2.2 模型構(gòu)建

運用計量經(jīng)濟(jì)學(xué)的辦法，CPV模型將違約概率轉(zhuǎn)化為Logit函數(shù)［9］的表觀形式，表達(dá)式如下：

其中，Pj,t表示借款人的條件違約概率；Yj,t是由如下多因素模型給出的宏觀經(jīng)濟(jì)變量相關(guān)指數(shù)［5］：

其中，Xj,m,t表示在時間t國家（或行業(yè)）j的m個宏觀經(jīng)濟(jì)變量，βj,m是國家（或行業(yè)）j的m個宏觀經(jīng)濟(jì)變量對應(yīng)的相關(guān)系數(shù)，ε是誤差項.

此前已有學(xué)者利用CPV模型研究違約率與宏觀經(jīng)濟(jì)的關(guān)系，但大多數(shù)在確定宏觀經(jīng)濟(jì)因素時，人為因素比重較大.本文依照現(xiàn)實廣泛選取多達(dá)十個變量對宏觀經(jīng)濟(jì)指數(shù)進(jìn)行擬合，使選取變量時主觀性有所降低.基于CPV模型的基礎(chǔ)思想，本文建構(gòu)如下的商業(yè)銀行信貸風(fēng)險回歸模型：其中，Y為宏觀經(jīng)濟(jì)指數(shù)；β0為固定常數(shù)，代表排除模型中篩選出的十個變量之外，其他經(jīng)濟(jì)變量對宏觀經(jīng)濟(jì)指數(shù)的綜合影響；β1、β2、…、β10分別為10個自變量對因變量的影響能力大??；X1為國內(nèi)生產(chǎn)總值增長速度；X2為居民消費價格指數(shù)；X3為工業(yè)增加值增加速度；X4為貨幣供應(yīng)量；X5為城鎮(zhèn)固定資產(chǎn)投資；X6為一年期利率；X7為社會消費品零售總額；X8為一百美元兌人民幣匯率；X9為國房景氣指數(shù)；X10為企業(yè)景氣指數(shù)；ε為誤差項.

不良貸款率具體數(shù)據(jù)源自于中國銀行業(yè)監(jiān)督管理委員會網(wǎng)站，其余宏觀經(jīng)濟(jì)變量數(shù)據(jù)來自于中國國家統(tǒng)計局網(wǎng)站.其中，我國銀行業(yè)的違約概率數(shù)據(jù)難以獲取，故采用不良貸款率替代違約率.

2.3 模型修正與檢驗

首先回歸分析2006年第一季度到2014年第四季度的36組數(shù)據(jù)，然后通過對比2015年第一季度的違約率預(yù)測值與實際值進(jìn)行方程有效性檢驗.應(yīng)用Eviews7.2經(jīng)濟(jì)計量軟件對以上構(gòu)建的商業(yè)銀行信貸風(fēng)險模型進(jìn)行多元線性回歸，有如下結(jié)果見表1.

表1 10元線性模型回歸結(jié)果

其中，擬合系數(shù)用來判斷模型擬合優(yōu)度，數(shù)值越接近1表示模型模擬優(yōu)度越高，當(dāng)數(shù)值為1時，表示模型與被模擬量完全一致；校正后的決定系數(shù)表示剔除因自變量個數(shù)的增加使擬合系數(shù)增大的因素后的擬合優(yōu)度，更具有代表性和說服力；回歸標(biāo)準(zhǔn)誤差用來判斷其平均數(shù)對各變量值的代表性能力強(qiáng)弱；F統(tǒng)計量可以說明模型的整體顯著性情況，一般來說F越大模型越顯著；德賓-沃森檢驗值用來說明相鄰殘差之間存在正相關(guān)的程度，當(dāng)數(shù)值接近2時，說明相鄰殘差之間只存在程度較輕的正相關(guān)；T統(tǒng)計量的伴隨概率值，當(dāng)數(shù)值小于或等于0.025時，表明通過T檢驗.

從10元線性模型回歸結(jié)果可以看出，擬合系數(shù)達(dá)到0.985 988，即模型模擬優(yōu)度為98.598 8%，校正后的決定系數(shù)也達(dá)到0.980 383，即調(diào)整后的擬合優(yōu)度為98.038 3%，模型對樣本的擬合程度較高.回歸標(biāo)準(zhǔn)誤差值較小為0.147 763，表明其平均數(shù)對各變量值的代表性較強(qiáng).F統(tǒng)計量為175.916 4，說明模型整體顯著性良好.德賓-沃森檢驗值為1.611 652，接近于2，即相鄰殘差之間只存在程度較輕的正相關(guān).但是，可以看到部分變量的T統(tǒng)計量的伴隨概率值偏大，未能通過T檢驗，說明這些指標(biāo)對因變量沒有顯著影響，因此需要針對多重共線性對指標(biāo)進(jìn)行篩選.

本文所釆用的指標(biāo)篩選方法是逐步回歸法，回歸結(jié)果如表2.

表2 6元線性模型回歸結(jié)果

剔除GDP增長速度、工業(yè)增加值增速、國房景氣指數(shù)和一百美元兌人民幣匯率這4個指標(biāo)之后，擬合系數(shù)達(dá)到0.985 581，雖然降低0.000 407，但是校正后的決定系數(shù)達(dá)到0.982 597，反而增加0.002 214，故模型對樣本的模擬優(yōu)度有所提升.回歸標(biāo)準(zhǔn)誤差值有所下降變?yōu)?.139 174，表明其平均數(shù)對各變量值的代表性更強(qiáng).F統(tǒng)計量從175.916 4大幅度提升至330.365 4，說明模型整體顯著性明顯增強(qiáng)，顯著性甚為理想.德賓-沃森統(tǒng)計量顯示為1.503 750，仍接近于2，相鄰殘差之間只存在程度較輕的正相關(guān).T統(tǒng)計量顯示變量基本通過T檢驗.顯然，排除多重共線性后，回歸結(jié)果從各個方面都得到較好的改善.

為更直觀清晰地看出模型的擬合程度，宏觀經(jīng)濟(jì)指數(shù)的擬合值和實際值的對比圖以及殘差如圖1所示.

圖1 宏觀經(jīng)濟(jì)指數(shù)的實際值和擬合值的趨勢對比及殘差

從圖1可以看出，Y的實際值與擬合值的曲線在絕大多數(shù)地方都基本吻合.因此，根據(jù)以上實證分析的過程可以認(rèn)為，最終確定的這6個指標(biāo)對宏觀經(jīng)濟(jì)指數(shù)Y有很好的解釋作用.因此本文構(gòu)建的商業(yè)銀行信貸風(fēng)險回歸模型為：

2.4 模型預(yù)測與分析

為檢驗所構(gòu)建模型的現(xiàn)實意義，將2015年第一季度各宏觀經(jīng)濟(jì)變量數(shù)值代入前面計算出的宏觀經(jīng)濟(jì)系數(shù)的表達(dá)式，計算出Y的值為-4.13，然后將該值代入模型公式中，計算出估計的違約率為0.015 8，根據(jù)銀監(jiān)會公布的數(shù)據(jù)，實際商業(yè)銀行貸款的違約率為0.013 9，可以得到估計值與實際值相差僅0.001 9，誤差較小，因此認(rèn)為本文構(gòu)建的模型預(yù)測效果較好.

3 商業(yè)銀行管理信貸風(fēng)險對策建議

針對我國商業(yè)銀行信貸風(fēng)險的具體情況，可以采用內(nèi)部和外部管理相結(jié)合的方法.一方面，從內(nèi)部管理出發(fā)，商業(yè)銀行可以致力于培養(yǎng)有高素質(zhì)的專業(yè)風(fēng)險管理人才，著重對風(fēng)險管理文化進(jìn)行建立與豐富［10］，強(qiáng)化商業(yè)銀行的內(nèi)部控制體系建設(shè).另一方面，從外部管理考慮，應(yīng)該抓緊完善數(shù)據(jù)基礎(chǔ)，搭建數(shù)據(jù)共享平臺，加強(qiáng)信用風(fēng)險管理相關(guān)法律法規(guī)建設(shè)，加快社會信用體系建設(shè).

4 結(jié)論

此前已有學(xué)者利用CPV模型研究違約率與宏觀經(jīng)濟(jì)的關(guān)系，本文在此基礎(chǔ)之上，為排除在確定宏觀經(jīng)濟(jì)因素時人為因素比重較大的影響，依照現(xiàn)實廣泛選取多達(dá)10個變量對宏觀經(jīng)濟(jì)指數(shù)進(jìn)行擬合，降低變量選取的主觀性.在最終建立的指標(biāo)體系中，多數(shù)文章回歸得到三因素、四因素和五因素模型，為避免較少因素的局限性，本文利用多重共線性原理最終將指標(biāo)體系里的因素擴(kuò)展到6個.結(jié)果表明，對于研究商業(yè)銀行信貸的信用風(fēng)險來說它是較好的指標(biāo)體系.另外，為彌補(bǔ)CPV模型研究在時間觀測值的選取上大多較少，時間序列的差異性有可能導(dǎo)致模型回歸不準(zhǔn)確的缺憾，本文選取已被證實的最佳時間序列長度36個時間觀測值，得到的結(jié)果較精確.

［1］ALTMAN E I，SAUNDERS A.Credit risk measurement：Developments over the last 20 years［J］.Journal of Banking&Fi?nance，1997，21（11/12）：1721-1742.

［2］謝赤，徐國嘏.銀行信用風(fēng)險度量Credit Metrics模型與CPV模型比較研究［J］.湖南大學(xué)學(xué)報（自然科學(xué)版），2006，33 （2）：135-137.

［3］程嬋娟，鄒海波.CPV模型在銀行貸款違約概率計算中的應(yīng)用研究［J］.當(dāng)代經(jīng)濟(jì)科學(xué)，2009，31（5）：15-20.

［4］何清.基于CPV模型對我國商業(yè)銀行信用風(fēng)險的管理研究［D］.北京：北京林業(yè)大學(xué)，2012：37.

［5］劉星宇.我國商業(yè)銀行房地產(chǎn)信貸的風(fēng)險度量及管理研究［D］.成都：西南交通大學(xué)，2015：46-54.

［6］王超.我國商業(yè)銀行風(fēng)險管理研究及對策［J］.赤峰學(xué)院學(xué)報（自然科學(xué)版），2014，30（6）：114-118.

［7］曹云峰.我國中小商業(yè)銀行信用風(fēng)險管理研究［D］.北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，2015：28-32.

［8］尹航.基于CPV模型的我國商業(yè)銀行房地產(chǎn)信貸風(fēng)險研究［D］.楊凌：西北農(nóng)林科技大學(xué)，2011：15-16.

［9］白建琨，魏曉琴.基于CPV模型的城鎮(zhèn)化國內(nèi)貸款信用風(fēng)險分析［J］.山東農(nóng)業(yè)大學(xué)學(xué)報（自然科學(xué)版），2015，46（4）：636-639.

［10］譚斌.基于CPV模型的商業(yè)銀行信貸風(fēng)險研究［D］.南京：南京理工大學(xué)，2012：13.

Empirical Analysis on the Risk of Credit Loan of the Commercial Bank Based on the CPV Model

ZHANG Yuru，HOU Weibo
（School of Mathematical Sciences，Huaibei Normal University，235000，Huaibei Anhui，China）

Based on the theory of the credit portfolio view model（hereafter called the CPV model），this pa?per makes an empirical analysis on the credit risk measurement model of commercial banks.Results show that the six macroeconomic indicators，which are the money supply、consumer price index、urban fixed asset investment、total retail sales of social consumer goods、the one-year interest rate and the business climate in?dex，well fit the macroeconomic index and have a good effect on the prediction of commercial banks′credit default rates.

commercial bank；credit portfolio view model；default rates；credit risk

F 832.45；F 224.0

A

2095-0691（2017）02-0036-05

2016-12-26

張玉如（1993— ），女，安徽阜南人，碩士生，研究方向：金融數(shù)學(xué).

侯為波（1963— ），男，安徽無為人，博士，教授，研究方向為金融數(shù)學(xué).