我国农林牧渔业短期贷款企业违约判别实证研究.docVIP

我国农林牧渔业短期贷款企业违约判别实证研究* 管七海* 北京大学、招商银行博士后科研工作站 518040 摘要：近几年，我国农林牧渔业短期贷款企业的违约严重程度一直居所有行业之首，从跨行业的角度评估该行业短期贷款企业的违约具有重要的意义。论文基于全国跨金融机构的贷款企业海量数据库样本，针对农林牧渔业的短期贷款企业进行了分规模和分地区样本的多元判别分析模型、Logistics模型与神经网络模型等的构建与实证探索，进而找出了影响我国农林牧渔业企业违约的关键变量，构建了最佳违约判别模型，这些关键变量和判别模型对中国人民银行和商业商业银行监测该行业企业的信用风险具有重要的参考价值。 关键词：农林牧渔业 违约模型 实证研究 Empirical Study on Default Discriminant for the Short time Loan Firms in Agriculture, Forestry , Grass, and Fishery Industry Default severity degree of the Short time Loan Firms of Agriculture, Forestry , Grass , and Fishery Industry is highest in all industries of China, so it is essential to evaluate the default situation of Agriculture, Forestry, Grass ,and Fishery Industry from across industry point. Based on the huge database of “Bank Credit Registering Consultation System”, the paper builds and tests default Classification discriminant models for the short-period loans’ firm samples in Agriculture, Forestry , Grass , and Fishery Industry which is divided into four scale and three districts in mainland China, including Multi-Discriminant Analysis Model, Logistic Model and Neural Network Model. Then, the paper finds the key variables, selects the higher-accuracy model as the final model. The people’s bank of China and Commercial banks can use these key variables and models to supervise default situation of this industry. Key words : Agriculture, Forestry, Grass, and Fishery Industry; Default Model; Empirical Study 一、问题提出 据近几年来从全国跨行业和跨金融机构对各个行业短期贷款企业违约测度发现，我国农林牧渔业短期贷款企业的违约严重程度一直居所有行业中之首，因此从跨行业的角度研究评估该行业短期贷款企业的违约以及构建违约判别模型对中国人民银行和各个商业银行监测该行业的信用风险来说具有重要的应用价值。 目前关于企业的违约判别模型主要是把企业违约评估看成是模式识别的分类问题，尽管有人将这类方法称为“粗暴的经验主义方法”【1】,但在目前的金融理论下它可能是最有效的方法，也是国际金融界和学术界视为主流的方法，目前企业的信用风险判别模型种类很多，发展也较成熟，有各种统计判别模型、非参数的方法、人工智能模型、线性规划和降维方法等。 从国内外信用风险模型的应用来看，主要流行实用的方法要数多元判别模型、Logistic回归模型和神经网络模型。多元判别模型典型的代表有Altman的Z-Score模型和ZETA模型对制造业违约与非违约临界值的确定【2】，王春峰，万海晖，张维等人（1998）应用多元线性判别模型对某国有商业银行的企业客户短期贷款的偿还情况的分类分析【3】；Logistic回归模型方面，Ohlson首先将Logistic回归模型LR应用于信用风险评估领域【4】，Mad