賀培誼 河南財(cái)經(jīng)政法大學(xué)

一、研究背景及意義

（一）選題背景

20世紀(jì)以來，金融危機(jī)和商業(yè)銀行倒閉頻繁發(fā)生，使得許多金融機(jī)構(gòu)認(rèn)識(shí)到信用風(fēng)險(xiǎn)管理在銀行風(fēng)險(xiǎn)管理體系中占有十分重要的地位。信用風(fēng)險(xiǎn)可以說是銀行面臨的最直接、最主要、最難以控制的風(fēng)險(xiǎn)，如果不注意風(fēng)險(xiǎn)防范，將會(huì)造成十分嚴(yán)重的后果，甚至引發(fā)一系列經(jīng)濟(jì)危機(jī)。

由于商業(yè)銀行以經(jīng)營存貸款業(yè)務(wù)為主，而不良貸款額增加是影響商業(yè)銀行正常運(yùn)營的最大因素，因此有效防范信用風(fēng)險(xiǎn)，是決定我國商業(yè)銀行能夠持續(xù)發(fā)展的關(guān)鍵因素。當(dāng)違約風(fēng)險(xiǎn)可以通過某種技術(shù)量化時(shí)，銀行就有充分的準(zhǔn)備金來應(yīng)對(duì)，此時(shí)違約風(fēng)險(xiǎn)就是可控的。因此構(gòu)建信用風(fēng)險(xiǎn)度量模型具有至關(guān)重要的意義。

（二）研究意義

由于我國市場經(jīng)濟(jì)體制建立較晚，市場經(jīng)濟(jì)體系還不健全，許多金融機(jī)構(gòu)沒有建立起完備的內(nèi)部管理體系和風(fēng)險(xiǎn)控制方案，導(dǎo)致我國的很多商業(yè)銀行內(nèi)部沒有構(gòu)建起有效的風(fēng)險(xiǎn)預(yù)防、風(fēng)險(xiǎn)控制和風(fēng)險(xiǎn)處理機(jī)制。

因此從我國商業(yè)銀行實(shí)際情況出發(fā)，在學(xué)習(xí)國外高效的信用風(fēng)險(xiǎn)度量技術(shù)的基礎(chǔ)上不斷創(chuàng)新，使之更好的適用于我國商業(yè)銀行的風(fēng)險(xiǎn)管理顯得尤為重要。

二、我國商業(yè)銀行信用風(fēng)險(xiǎn)形成的原因

（一）外部原因

首先，銀行是順周期產(chǎn)業(yè)，外部市場環(huán)境對(duì)其影響非常大。當(dāng)宏觀經(jīng)濟(jì)或者政策形勢發(fā)生改變時(shí)，企業(yè)的運(yùn)營能力和盈利水平都會(huì)受到影響，從而造成違約風(fēng)險(xiǎn)的提高。其次，企業(yè)內(nèi)部出現(xiàn)經(jīng)營決策失誤或者內(nèi)部管理不到位，直接導(dǎo)致個(gè)別企業(yè)資金周轉(zhuǎn)困難，這將影響銀行不良貸款額的增加，違約風(fēng)險(xiǎn)提高。最后，當(dāng)國際形勢發(fā)生變化時(shí)也會(huì)影響國內(nèi)金融業(yè)的動(dòng)蕩。隨著全球化的推進(jìn)，國內(nèi)外貿(mào)易頻繁，交易量也越來越大，當(dāng)國外經(jīng)濟(jì)秩序不穩(wěn)定時(shí)可能會(huì)導(dǎo)致國內(nèi)整個(gè)金融業(yè)面臨諸多風(fēng)險(xiǎn)。

（二）內(nèi)部原因

銀行面臨信用風(fēng)險(xiǎn)的內(nèi)部原因主要是銀行內(nèi)部經(jīng)營管理不到位造成的，即銀行自身經(jīng)營出現(xiàn)問題而對(duì)客戶違約，比如貸前調(diào)查不到位、貸后追蹤不及時(shí)及資金運(yùn)營結(jié)構(gòu)不合理，或者風(fēng)險(xiǎn)防范和風(fēng)險(xiǎn)控制存在問題等都會(huì)直接加大銀行自身的信用風(fēng)險(xiǎn)。

三、我國商業(yè)銀行信用風(fēng)險(xiǎn)度量的實(shí)證研究

（一）財(cái)務(wù)指標(biāo)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(cái)務(wù)正常公司，將*ST和ST類上市公司定義為財(cái)務(wù)非正常公司，這類公司違約風(fēng)險(xiǎn)較高。研究樣本從2020年中國證券交易所上市公司隨機(jī)選取59個(gè)財(cái)務(wù)正常公司樣本，并在2020年被ST和*ST處理的上市公司中隨機(jī)選取16個(gè)財(cái)務(wù)非正常公司樣本。

本文將上市公司劃分為財(cái)務(wù)正常公司和財(cái)務(wù)非正常公司兩種類型，認(rèn)為前者資信狀況良好，后者違約風(fēng)險(xiǎn)較高。將0-1變量作為被解釋變量，前者取0、后者取1。

2.財(cái)務(wù)指標(biāo)的選擇

通過查閱和借鑒文獻(xiàn)中的企業(yè)信用評(píng)估指標(biāo)體系，從反映盈利能力、償債能力、運(yùn)營能力和發(fā)展?jié)摿Φ乃拇箢惼髽I(yè)財(cái)務(wù)指標(biāo)中共選取13個(gè)財(cái)務(wù)比率指標(biāo)進(jìn)行初步分析。

樣本數(shù)據(jù)均來源于各個(gè)上市公司的2020年財(cái)務(wù)報(bào)表。初步選取的13個(gè)財(cái)務(wù)指如表1所示：

表1 指標(biāo)體系

3.財(cái)務(wù)指標(biāo)的篩選

根據(jù)SPSS軟件運(yùn)行結(jié)果，對(duì)初始的13個(gè)二級(jí)指標(biāo)進(jìn)行篩選，將與其他所有指標(biāo)的相關(guān)性均小于0.3的指標(biāo)去除，從而可以進(jìn)一步進(jìn)行因子分析。因?yàn)閼?yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率和營業(yè)收入增長率與其他指標(biāo)間的相關(guān)系數(shù)均小于0.3，故剔除這三個(gè)財(cái)務(wù)指標(biāo)。

（二）因子分析

1.KMO和Bartlett球形檢驗(yàn)

將75家上市公司的10個(gè)財(cái)務(wù)指標(biāo)數(shù)據(jù)應(yīng)用SPSS軟件得出結(jié)果如表2：

表2 KMO及Bartlett球形檢驗(yàn)

首先通過KMO及Bartlett球形檢驗(yàn)，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(jìn)行因子分析；Bartlett球形檢驗(yàn)結(jié)果為0.000＜0.05，拒絕原假設(shè)，認(rèn)為變量之間有相關(guān)關(guān)系，適合因子分析。

如表3所示，四個(gè)公共因子的方差貢獻(xiàn)率為84.723%，說明這四個(gè)公共因子可以解釋原來10項(xiàng)財(cái)務(wù)指標(biāo)的84.723%的信息，接近85%，說明公共因子的解釋能力較強(qiáng)。

表3 旋轉(zhuǎn)后的因子載荷矩陣的各項(xiàng)指標(biāo)數(shù)據(jù)

2.因子旋轉(zhuǎn)系數(shù)矩陣的求解

如表4所示，根據(jù)旋轉(zhuǎn)之后的因子載荷矩陣可以得出，第一公共因子與X4（資產(chǎn)負(fù)債率）、X5（流動(dòng)比率）、X6（速動(dòng)比率）和X7（現(xiàn)金流量比率）的相關(guān)系數(shù)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(chǎn)收益率）、X2（總資產(chǎn)報(bào)酬率）和X3（銷售凈利率）的相關(guān)系數(shù)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(chǎn)周轉(zhuǎn)率）、X9（流動(dòng)資產(chǎn)周轉(zhuǎn)率）相關(guān)系數(shù)較大，說明第三公共因子主要綜合了反映上市公司運(yùn)營能力的信息，將其命名為運(yùn)營能力因子。第四公共因子與X13（凈利潤增長率）相關(guān)系數(shù)大，說明第四公共因子主要綜合了反映上市公司發(fā)展?jié)摿Φ男畔ⅲ瑢⑵涿麨榘l(fā)展?jié)摿σ蜃?。所以，載荷系數(shù)矩陣經(jīng)旋轉(zhuǎn)后每個(gè)公因子的含義都比較明確。

表4 旋轉(zhuǎn)后的因子載荷系數(shù)

3.因子得分

F1表示償債能力因子，F(xiàn)2表示盈利因子，F(xiàn)3表示運(yùn)營能力因子，F(xiàn)4表示發(fā)展?jié)摿σ蜃印?個(gè)公共因子的均值為0，方差為1，對(duì)每個(gè)上市公司計(jì)算在各個(gè)因子上的得分，正值表示高于平均水平，負(fù)值表示低于平均水平。

因子得分的計(jì)算結(jié)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(lián)網(wǎng)絡(luò)公司在第一個(gè)因子和第二個(gè)因子上的得分均較高，說明該公司具有較高的負(fù)債能力和盈利水平，違約風(fēng)險(xiǎn)較低；而*ST東洋在前三個(gè)因子上的得分均較低，第四個(gè)因子上的得分較高，說明該公司在負(fù)債能力、盈利水平和內(nèi)部經(jīng)營能力均較弱，但發(fā)展?jié)摿^大，有一定的違約風(fēng)險(xiǎn)。而其他的ST公司綜合得分均不高，也反映了這些企業(yè)財(cái)務(wù)狀況存在一定問題，具有較高的違約風(fēng)險(xiǎn)。

四、總結(jié)

1.上文以因子分析模型為基礎(chǔ)，對(duì)于我國ST類和非ST類共75家上市公司的信用風(fēng)險(xiǎn)狀況進(jìn)行了實(shí)證分析。在借鑒文獻(xiàn)的基礎(chǔ)上構(gòu)建指標(biāo)體系，共提取13個(gè)二級(jí)指標(biāo)。接著對(duì)二級(jí)指標(biāo)進(jìn)行相關(guān)性檢驗(yàn)，將相關(guān)程度較弱的3個(gè)指標(biāo)剔除。

2.對(duì)剩余的10個(gè)指標(biāo)進(jìn)行因子分析，通過提取4個(gè)公共因子對(duì)原始變量降維，這 4 個(gè)公共因子分別代表償債能力、盈利能力、運(yùn)營能力和發(fā)展?jié)摿?。進(jìn)而計(jì)算各上市公司在 4 個(gè)公共因子上的得分，可以得到ST類上市公司在4個(gè)因子上的得分均低于平均水平，即違約風(fēng)險(xiǎn)較高，說明因子分析模型的適配度良好，可以進(jìn)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(duì)行業(yè)和區(qū)域進(jìn)行細(xì)分，難免存在一定的局限性，而且樣品總量為75個(gè)上市公司，判別分析的預(yù)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(qū)分。另外，還可以加入一些非財(cái)務(wù)指標(biāo)，比如宏觀經(jīng)濟(jì)變量等宏觀經(jīng)濟(jì)因素進(jìn)行分析，以進(jìn)一步提高模型的準(zhǔn)確性和適用性。