基于logistic模型商业银行借款企业违约概率的度量

— — 以制造业上市公司为例

随着利率市场化改革的推进、《新巴塞尔协议》 的着重要求、资本项目的逐步开放、以及银行业与国际接轨的不断深入，商业银行加强风险管理变得愈加重要，而我国在实际信贷管理中存在信贷评估与管理的错位和脱节，对贷款风险尚没有合理的量化，因此，作为信用风险管理的主要内容，能够建立合理考虑违约风险的贷款定价机制以及风险防范机制，是亟待解决的现实问题。而关于商业银行借款企业违约概率的度量，相对于国外先进银行仍处于一个相对落后的地位，因此，应深入研究贷款违约风险度量问题，建立违约风险的定量测试和评估系统，实行“一户一定”精细化贷款风险管理，加强风险前控，充实风险量化技术，这有利于我国商业银行进行贷款风险定价，对于提高我国商业银行的风险管理水平以及贷款定价能力，有效防范信用风险，均具有重要的理论及现实意义。

(一)数据来源及样本数据选择

1．数据的来源

本文数据来源于国泰安研究服务中心数据库中国上市公司财务指标分析数据库。A股市场的ST制造类上市公司几乎涉及了制造业的各二级下属行业，如：食品制作类企业、饮料制作类企业、家具工艺企业、纸制品企业、石油炼化和核燃料操作企业、药物研发企业、非金属矿物加工企业、有色金属精炼以及压延制作企业、金属加工品业、通用器材加工企业、专用器材加工企业、交通运输器材加工企业、电气机械器材加工企业、通信工具计算机以及其它电子器材制作企业、仪器仪表和书写办公用器材制作企业等，这极大的保证了样本的全面性及代表性，提高了研究的准确度。

2．样本数据的选择

鉴于借款企业信息的保密，商业银行不对外公布相关数据，这就导致违约数据难以获得。ST(*

ST)上市公司通常是连续两年(三年)出现亏损或者最近一个会计年度每股净资产低于股票面值，而且上市公司的财务数据经过审计后，其数据信息相对于非上市公司更为可靠；而且据2014年资料显示，制造业上市公司占我国上市公司总数的比重约80％ ，且占财务危机企业的比重较大，制造业企业在我国上市公司中具有一定的代表性。因此，本文在一千多家制造业A股上市公司中随机选取了2014年至2017年之间由于财务情况异常而特别处理的30家ST企业，以及89家非ST企业，按季度收集119家企业一年（即一家企业四组）的数据指标，其中30家ST企业在哪一年被标为ST，就搜集前一年的四个季度的数据，89家非ST企业在四年中随机选取一年四季度的数据。

文章中分别将每家企业前三个季度的数据作为训练集，第四个季度的数据作为测试集。其中有两家企业缺少第四季度数据，两家企业缺少第一季度数据，三家企业同时缺少第一季度和第二季度数据，一家企业只有第四季度数据，还有一家企业第二季度和第四季度指标缺失值比较多，所以将这家企业这两个季度的数据删除。整理后共有352组数据用于训练，113组数据用于测试。

（二）指标的选择与筛选

在影响企业信用风险的众多财务指标中，本文选取了13个指标，包括长期偿债能力指标，短期偿债能力指标，股东获利能力指标和发展能力指标，详细财务指标如下表1所示：

（三）模型的构建与分析

1.建立模型

借款企业违约概率的度量，即对借款企业发生违约的概率进行测度，一般分为“违约”和“未违约”两种状况，应该理性的综合上市公司各种财务指标的基础上对借款企业的违约概率进行判断，这是一个典型的二元决策问题。因此，本文采用logistic回归模型对商业银行借款企业的违约概率进行测度，选择上市公司财务指标作为模型中的解释变量，以公司是否违约作为被解释变量(发生违约即ST公司则为l，未发生违约即非ST公司则为零)，为确定对借款企业具有显著性影响的财务变量，构建如下Logistic回归模型。用Logistic回归模型分析违约概率，首先需要对

X9（每股负债）的系数为0.172，对制造业企业发生违约贷款具有正向的影响。每股负债实际就是债务股本比，也称为负债股权比率。每股负债比=负债总额 /（每股价格*股份总量）*100％每股负债比是衡量公司财务杠杆的指标，即公司资金来源中股本与债务的比例。可用来显示在与股东权益相比时，一家公司的借贷是否过高，是衡量一个企业是否健康的标准。当该比率升高或较高时，企业的偿债风险会增大，就会提高企业违约贷款发生的可能性。

X6（主营业务利润占比）的系数为-0.111，对制造业企业发生违约贷款具有负向的影响。主营业务利润率是指企业一定时期主营业务利润同主营业务收入净额的比率。它表明企业每单位主营业务收入能带来多少主营业务利润，反映了企业主营业务的获利能力，是评价企业经营效益的主要指标。主营业务利润率是主营业务利润与主营业务收入的百分比。该指标越高，说明企业产品或商品定价科学，产品附加值高，营销策略得当，主营业务市场竞争力强，发展潜力大，获利水平高，该企业发生违约贷款的可能性就越小。

X7（每股收益）的系数为-3.329，对制造业企业发生违约贷款具有负向的影响，且影响最为显著。每股收益又称每股盈利即EPS，通常被用来反映企业的经营成果，衡量普通股的获利水平及投资风险，该比率越高，表明每股创造的税后利润越多，该企业的盈利能力越强，成长潜力越大，该企业发生违约贷款的可能性就越小。

X8（每股净资产）的系数为-1.017，对制造业企业发生违约贷款具有负向的影响。每股净资产是指股东权益与总股数的比率。其计算公式为：每股净资产= 股东权益 / 总股数。这一指标反映每股股票所拥有的资产现值。每股净资产越高，股东拥有的每股资产价值越多；每股净资产越少，股东拥有的每股资产价值越少。通常每股净资产越高，该企业发生违约贷款的可能性就越小。

（4）预测模型正确性检验

测试集共有113组数据，其中ST有30家非ST有83家，测试集的测试结果如下表7所示，在30家ST企业中，预测为ST（即原来是1模型预测为1）的有20家，正确率为66.7%，在83家非ST企业中，预测为非ST（即原来是0模型预测为0）的有78家，正确率为94.0%，总的正确率为86.7%，与训练集的88.6%的综合正确率相比来看，相差不是很多，，这说明本文的逻辑回归预测模型基本正确。

结论及对策建议

(一) 结论

本文通过实证发现，商业银行借款企业的违约概率与主营业务利润占比、每股收益、每股净资产、每股负债四个变量的关系显著，这四个变量分别反映了偿债能力、股东获利能力等方面的情况。所得到的预测模型既有利于商业银行对借款企业的违约概率及预期损失进行更精确的度量，也有利于商业银行进一步对其经济资本的计算提供依据。值得注意的是，实证中采用上市公司的财务数据是有效的，但是由于样本选取的局限性以及上市公司披露虚假财务数据情况的可能，这可能对违约风险模型的准确性造成影响，从而影响对商业银行借款企业违约概率度量的研究。

(二) 对策建议

构建贷前风险评估体系。随着利率市场化的逐渐完成，获得自主定价权的商业银行要想在金融市场日趋激烈环境中生存和发展，其在制定贷款价格时就必须考虑借款企业的信用风险，而本文通过对借款企业违约风险进行度量，有利于商业银行对借款企业进行信用风险评估，构建贷前风险评估体系，进而为商业银行对借款企业实行差别化的贷款定价策略提供依据，增强定价灵活性，也有利于对客户实行精细化营销，在竞争中占据优势。

进一步提高风险计量水平。用量化的数学模型对风险进行模拟与预测是商业银行进行信用风险管理的必然趋势，而我国商业银行现阶段对与信用风险的计量仍大多停留在定性分析，采用的量化工具也比较落后，远不能满足现代风险管理的要求，因此，商业银行应进一步提高风险计量水平，加快从经验判断法和财务指标分析法向模型分析法转变，侧重对违约概率和违约损失率测度模型的研宄、开发和应用，形成与国际接轨的现代化信用风险管理制度。

检验信用风险度量模型的合理性。目前已有不少学者对商业银行借款企业的违约概率进行度量，但是所得到模型的合理性以及准确性仍需要进行更加深入的研究与鉴定，这样才能更快的投入到商业银行贷款定价及信用风险评估的实际应用中，增强商业银行的风险防范能力。