我国的商业银行信用风险混合识别模型及其实证分析——以山东省24家上市公司为例.pdfVIP

我国商业银行信用风险混合识别模型及实证分析 ——以山东省24家上市公司为例 焦继文，郭春媛 （山东大学管理学院，山东 济南，250100） 摘要：随着世界金融一体化趋势和金融市场波动性的加剧，商业银行风险管理已成为国内外政府、金融机 构乃至企业关注的焦点问题。因此，对商业银行信用风险进行有效监管就显得非常迫切。本文以上海证券 交易所上市的山东板块的24家公司作为样本，通过选取相对合理的指标体系，使用主成分分析法对指标数 据信息进行有效的压缩，进而构建了主成分分析与神经网络技术相结合的混合识别模型。实证结果表明， 该种混合模型的识别误差很小且效率较高，为商业银行进行信用风险评估和识别提供了一种可行的方法。 关键词：商业银行；信用风险；主成分分析；神经网络；混合识别模型 中图分类号：F830.33 文献标识码：A 1.引言 信用风险的评估是商业银行信用风险管理的基础和关键环节。世界银行对全球银行业危 ① 机的研究表明，导致银行破产的最常见的原因就是信用风险 。从历史上看，银行损失风险 ② 也主要来源于信用损失 （Cantor ，2001 ） 。对此，国内外许多专家学者在商业银行信用风 险分析和评估指标体系、风险度量模型以及方法等方面都做了大量研究，并取得了许多有价 值和行之有效的结果。 自上个世纪30年代以来，商业银行信用风险的评估方法大致经历了比例分析、统计分析 和人工智能三个发展阶段。在传统的比例分析法之后，应用最为广泛的就是统计分析法，而 ③ 统计分析法中最为常用的当属多元判别法 （Multivariate Discriminant Analysis ，MDA ) 。其 基本思路是，根据历史样本 （违约类和非违约类）建立判别模型，以对新样本进行分类。 MDA的最大优点就是它具有较好的解释性和简明性，缺陷是严格的前提条件——要求数据 ④ 服从多元正态分布和协方差矩阵相等，而现实中大量情形违背上述假定 。早期的信用风险 ⑤ 模型主要集中在违约（信用评估）的可能性的预测上，从最早的Patrick （1932） 试图使用 ⑥ 比率分析来预测经营失败（corporate failure）开始，到后来被Beaver （1966） 做了拓展，并 发展了关于破产的多变量分析的一个框架，将通常所使用的超过30个财务比率系统地分成6 组，并逐个检验了其预测能力，效果不错，证实了可以使用财务比率来预测破产。然而，由 于Beaver 的研究依赖于单个比率，而不是利用可以共同来预测未来经营失败的众多的可能因 素，结果是多元判别模型（MDA）占据了破产预测文献的主导地位。其中以Altman （1968， ⑦ 1983）最先使用多变量工具，即所谓的Z-score模型来预测破产的概率 。Z-score模型是同时 分析一组财务比率，并获得单一的数字来预测一个特定公司的整体的财务状况。相对于传统 的比率分析，其优点是它同时可以考虑到流动性、资产管理、债务管理、收益性以及市场价 值。Z-score模型仍被会计研究者、从业人员以及教育家引证和使用，而且超过了任何其他 ⑧ 的破产预测模型（Altman1993 ） 。Altman 的论文特别是对存款机构在利用类似的方法论进 行研究的热潮中起着主导作用，这其中还包括Stuhr和van Wicklen(1974)⑨，Sinkey(1975，