信贷风险管理中财务预警模型应用探究.doc

信贷风险管理中财务预警模型应用探究一、信贷风险管理中引入财务预警模型的必要性 （一）信贷风险管理中的问题信贷风险是银行经营面临的主要风险，是由于债务人信用等级、履约能力的下降，违约或者利率、汇率等的变化而给银行信贷资产带来的负面影响，导致银行信贷资产或收益发生损失并最终引起信贷资产价值甚至银行整体价值下降的可能性。目前，我国商业银行现行的信贷风险管理中存在一个主要问题，即只注重授信前对贷款人信用的评价，而对发放贷款后企业的财务状况关注不够，起不到对贷款企业进行风险预测的功能。尤其在贷款企业违约之前，无法对其进行准确及时的风险预警。 （二）引入财务预警模型的必要性随着近年来国内对企业财务预警理论的研究不断深入和完善，为商业银行弥补上述不足，对贷款企业进行财务预警提供了可以借鉴的思路。将企业财务预警理论应用到商业银行信贷风险管理中，从商业银行信贷风险管理者的角度，构建预警模型来预测贷款企业财务状况，以期为商业银行信贷决策提供建议，减少信贷资产损失。 由于利益的不同，商业银行信贷管理者看待企业财务危机的观点，既不同于一般的权益投资者，也不同于企业的内部经营管理者。企业财务危机可描述为企业无力偿还全部本息的状态，或企业的现金净流量低，资产配置的流动性差，无法变现用于抵偿到期债务的本息。在信贷风险管理过程中，商业银行通常要在信贷计划中对本金和利息偿还做出详细的安排，而每期本息的偿还情况又与当期贷款企业的现金流量情况密切相关，即与其一定期间内的偿还能力密切相关。同时，由于财务状况恶化是一个渐近的过程，因而在信贷管理中，加强对贷款企业财务状况的跟踪分析，预测其陷入财务危机的可能性并加以量化，是十分必要的。 银行家“小心谨慎”的天性，导致商业银行信贷风险管理中的财务危机观念，更加注重企业的偿债能力和盈利能力。一个发展前景良好的企业，如果到期不能还本付息，在商业银行看来，都是信贷风险的源泉。同时对于银行而言，贷款企业债务的偿还最主要的还是依靠企业的现金流量。因此，在构建预警模型时，要选取体现企业偿债能力和现金流量状况的财务指标，对企业的财务状况进行预测分析。 二、财务预警模型简介 （一）判别分析模型 Altman最早将多元线性判别方法引入到财务危机预警领域，建立了著名的Z-score模型（即多元线性判别模型MDA），目前该模型已成为财务危机预警最常用的方法。它通过多元判别模型产生一个总的判别分值，称为Z值，并依据Z值进行判断。该模型判别方程如下： Z=1.2x1+1.4x2+3.3x3+0.3x4+0.999x5 式中：Z为判别函数值；x1为（期末流动资产-期末流动负债）/期末总资产；x2为期末留存收益/期末总资产；x3为息税前利润/期末总资产；x4为期末股东权益的市场价值/债务总额的账面价值；x5为本期销售收入/总资产。 根据模型计算结果，Z值应在1.81～2.99之间，等于2.675时居中。如果企业的Z值大于2.675，表明企业财务状况良好，不会破产；如果Z值小于1.81，则企业存在很大的破产风险；如果Z值处于1.81～2.675之间，称之为“灰色地带”，处在这个区间，则表示企业财务状况是极不稳定的。研究表明x1、x4和x5三个财务指标预测能力比较强，预测精度高达94%。 多元判别模型因其假设前提过于苛刻，影响了它的判别效果和实用性。但该模型能包涵反映企业财务状况的多个指标，并且可以了解哪个财务指标最具判别能力。这对于银行的信贷风险管理有非常重要的意义，银行对于企业信用状况的评定主要依靠对企业财务报表的分析，而如何从庞杂的财务指标体系中选取最能反映企业财务状况的指标是问题的关键。 （二）Logistic回归模型 Logistic模型是一种非线性分类的统计方法。1980年Ohlson首次使用多元逻辑回归（Logistic）方法对公司财务状况进行预测，他发现用公司规模、资本结构、业绩和当前的变现能力进行财务危机的预测准确率高达96.12%。Logistic模型的计算公式为： Logit（p）=ln（）=a0+b1x1+b2x2+…+bnxn 该模型假设企业财务危机的概率P，在模型拟合之前，对于发生财务危机的公司，P值取1，否则取0，判别规则是：如果P值大于0.5，则判定企业陷入财务危机；如果P值小于0.5，则判定企业财务正常。 Logistic预警模型的目标是寻求被观察对象的条件概率，从而据此判断被观察对象的财务状况。Logistic模型最大的优点是没有严格的假设条件，具有广泛的适用范围。 三、信贷风险管理中应用财务预警模型的实证分析及比较研究 （一）研究样本与财务指标选择结合我国的具体国情以及本文的研究目的，将我国上市公司中的ST公司界定为财务危机