我国上公司信用风险预警研究-宏观经济研究院.pdfVIP

2011年第1期 我国上市公司信用风险预警研究 张新红 王瑞晓 内容提要 本文以我国上市公司作为研究样 级法、以专家判断为基础的定性评级法，及以神经网 本，构建基于组合预测模型的我国商业银行信用风 络为基础的智能方法。目前，使用的统计分析模型主 险管理预警系统。在结合目前国内外各商业银行信 要是线性判别分析、Z评分模型、多元判别分析 用风险预警指标体系的基础上，筛选构建较为合理 （MDA）模型、逻辑回归模型等，这些模型已经得到 并适合我国国情的信用风险预警指标体系；进而选 了广泛的应用，但存在的问题是其过于严格的前提 择传统数理统计模型Logistic回归模型和人工智能 条件，如应用MDA必须满足多元正态分布、等协方 模型RBF神经网络模型建立组合预测预警模型，以 差、已知先验概率和误判代价等要求。神经网络模型 求能够组合不同单一模型的优点，解决信用风险预 用于企业财务状况研究时，一方面利用其映射能力， 警模型的准确性和稳定性兼顾的问题，仿真结果表 另一方面主要利用其泛化能力，即在经过一定数量 明：组合预测模型解决了单一模型应用中精确性和 带噪声的样本训练之后，网络可以抽取样本所隐含 第二类问题处理能力不能同时兼得的问题，达到了 的特征关系，并对新情况下的数据进行内插和外推 预期的效果。 以推断其属性。单纯从理论上说，非线性的神经网络 关键词 信用风险 预警模型 Logistic回归 方法在应用于信用风险分析问题时，应该是优于依 RBF神经网络 组合预测模型 赖距离测度的统计方法。在实际研究中尽管神经网 络在大多数情况下都优于统计方法，但情况也并不 总是这样,这可能是由于使用了不合理的网络结构 一、引言 和学习算法。此外神经网络技术仍然存在许多缺 点，如结构确定的困难性（隐层单元数）、训练效率问 近年来，我国商业银行的风险管理一直是国际 题及收敛性问题等。 国内金融界关注的焦点。在商业银行面临的诸多金 上述各种方法各有优缺点和适用条件，因此对 融风险中(信用风险、利率/ 汇率风险、流动性风险 于特定的数据集合选择哪一种方法是一个非常棘手 和操作风险等)信用风险占有特殊的地位。信用风险 的问题。组合预测是将各种预测组合加权重组而得 是指：借款人由于种种原因，不愿或无力偿还银行贷 到结果。一般认为，由于组合预测的方法利用了更 款本息，使银行贷款无法收回，形成呆账损失的可能 多的信息，其精度要比单一的某种预测方法得到的 性。世界银行对全球银行业危机的研究表明，信用 结果好。因此本文选择目前信用风险评估的两类主 风险是导致银行破产的最常见原因。建立商业银行 要方法——统计方法中Logistic回归模型和神经网 信用风险预警系统是防范银行信用风险，避免发生 络方法中RBF神经网络模型作为组合预测的单一模 银行信用危机爆发的重要环节。研究如何完善商业 型,构建我国信用风险组合预测预警管理系统。 银行信用风险预警管理，并找到适合我国国情的商 业银行信用风险预警系统，对推进和深化我国商业 二、信用风险预警指标体系设计 银行信用风险的理论研究，增强我国商业银行抵御 风险的能力，具有重要意义。 （一）样本选取 从国际银行界及现有文献研究来看，信用风险 由于一般企业的财务数据基本不公开，本文选 预警常用的方法分为三类：以统计为基础的模型评 取上市公司作为研究样本，上市公司的年报