我国小微企业信贷违约概率模型研究以宁夏为例.docVIP

屮国集体经济2017,34,81-82 我国小微企业信贷违约概率模型研究 以宁夏为例 田雅琼 中国人民银行银川中心支行 导出/ 关注 分享 收藏打印 文章给岀一种针对我国小微企业的信贷违约概率模型。考虑到小微企业财务数据 匮乏且真实性不足，文章以非财务数据为主展开分析，经多轮筛选确定了区分 性强且适合我国小微企业违约概率研究的指标。然后，分别建立边界logistic 模型和一般logistic模型。最后，通过显著性检验、H-L检验，以及笔者设计 的误判统计量，并确定了最优违约概率临界点，进而得出最优模型。 关键词: 小微企业；信贷违约；模型; 一、研究现状 国内对于小微企业的定量研究鲜见，可借鉴的关于中小企业信贷评估研究，主 要探讨指标体系、信贷评估模型的应用和改进。指标体系方面，业界普遍认为屮 小企业评估指标体系与大型企业存在较大差别。如糜仲春等(2007),朱向华、 曹莲(2009)从财务和非财务因素着手对指标体系选择进行了探讨。张燕卿 （2010）等通过因子分析法、层次分析法、模糊综合评价法等对指标的优化做了 研究。经典模型的应用和改进方面，学者们的研究主要集中于对国外经典模型的 应用或对我国中小企业的适用性探讨。如田秋丽（2010）对Logistic和Logit 模型进行了实证研究和精度评估。 国外学者在信贷违约概率计量和风险评估模型的理论研究和实际应用方而起步 早于国内，发展也快于国内。19世纪70年代前，大多商业银行基本都是依据专 家经验、主观分析和简单破产预测模型来判别破产和违约，如5C分析法、Z计 分和Zela模型等。19世纪70年代后，主要以多元统计方法为基础的传统的统 计模型或人工智能算法模型、多元判别分析模型、神经网络和支持向量机（SVM） 等。20世纪90年代以来，基于期权组合理论的Credit Metrics模型、KMV模型、 CPV模型、Credit Risk+模型发展起来。但具体操作程序复杂抽象，不符合我国 小微企业信贷“短、小、频、急”的现实特征。 二、实证分析 本文将基于《巴塞尔新资本协议》提出的违约概率是信用风险评估的核心这一观 点，利用边界Logistic模型估计宁夏小微企业信贷的违约概率，并选择最合适 的违约概率临界点，以此为依据决定是否放贷。 （一）建立边界Logistic模型 以是否违约这二分类变量为因变量，以筛选所得的21个二分类变量和18个连续 变量为初始自变量，构建边界Logistic模型和一般Logistic模型。模型如下 R= W l+exp(—[3)  其中，Pi为违约概率，3为违约概率边界，w E [0, 1] 0 一方面，边界logistic 模型在一般logistic模型的基础上增加了一个显示概率取值边界的参数，使得 违约概率Pi的取值在（0, 3）;另一方面，边界logistic模型定义了抽样分布 的广义logistic形式。当3二1时，为一般Logistic模型；当0 w 1时，为边 界Logistic模型。 （二）确定最优违约概率分界点 以往研究中多都默认分界点为0. 5,隐含的假定是违约与非违约的误判成木一 样，但事实并非如此。研究表明，临界点的选择对模型误判率有很人影响，临界 点与违约和非违约企业的误判率呈函数关系。临界点在[0, 1]取值，其取值越接 近1,误判率会越高，反之越低。1987年Theofanis指出，最优临界点会随一类 错误成本增加而下降，并提岀了使用Logistic违约概率模型时的最优分界点公 P=y Ln QI。 式，即 - Q2*C2。式中，P为临界违约概率，Ql、Q2分别为违约企 业与非违约企业的先验概率，以往研究通常使用上市公司中违约与非违约企业 的大致比例来替代;Cl、C2分别是两类错误的成木。 根据Altman等(1977)估计，C1/C2/在［1/2, 1/38］区间内取值，本文采用以往 研究中选择的三个典型1/2、1/20、1/38,并进行对比选择最优值。本文根据某 银行内部数据，对其屮200旷2015年小型企业的年违约率求平均，以近似Q1, 1-Q1即为Q2。本文违约企业包括所有逾期还款和无法偿还的企业。最终求得 Ql=0.00958, Q2=0. 99042o 表1临界值计算表 Q1/Q2 C]/C2 临界值 103.36 1/2 0.856661 1/20 0.356661 1/38 0.217284 Bas委员会实证研究小组指出，AR和R0C指标有较好的统计特性且更有效。笔 者借鉴R0C曲线及其AUC值概念，定义判断统计量F。 t=1 .if xi=yi=l (r, = 1 .if xi=yi=() T二工J即完全分类正确的违约企业数;V二工Oi即完全分类正确的非违约企业 数。