趙晶
(連云港財經(jīng)高等職業(yè)技術(shù)學校,江蘇 連云港222000)
金融機構(gòu)信用風險管理工作,以金融機構(gòu)內(nèi)部謀劃情況和外部市場情況為根本,尤其是金融機構(gòu)之間競爭關(guān)系的理順,按照金融機構(gòu)的“利潤”與“風險收益比較”為導向,并結(jié)合新巴塞爾協(xié)議的內(nèi)部信用風險尺度標準,以此構(gòu)建信用風險評估模型,就能夠順應金融機構(gòu)內(nèi)部謀劃和外部競爭的環(huán)境。筆者認為,金融機構(gòu)信用風險評估模型的構(gòu)建,并非僅僅為了金融機構(gòu)某項業(yè)務的信用風險評估,而是立足于國內(nèi)外金融市場,綜合考量金融機構(gòu)內(nèi)部業(yè)務在金融市場中的定位情況,以此所構(gòu)成的風險評估結(jié)果,方可順應金融機構(gòu)的內(nèi)外部環(huán)境。
金融機構(gòu)信用風險評估模型的構(gòu)建,必須適應風險全方位管理的需求,比方貸款的定價、貸款的方法、貸款的檢查等,期間所引入的風險因素定性分析和定量計算,可較為精準測定出貸款者違約的概率大小,以及計算出違約時的損失累計,從而為貸款的科學決策,供以強有力的撐持。金融機構(gòu)信用風險評估具有復雜性特征,在貸款之前未能分析借款人的財務狀況,并設置貸款企業(yè)的財務指標,就無法因子分析估計樣本,適時貸款將存在較大的風險。而能夠適應風險全方位管理需求的金融機構(gòu)信用風險評估模型,建立起貸款水平與財務指標間的線性判斷函數(shù),并計算出待估企業(yè)的財務指標,就可以得出待估企業(yè)的信用風險等級。
金融機構(gòu)信用風險一般劃分為正常和違約兩個等級,即正常借款和違約貸款,而鑒于樣本容量比較小,估計區(qū)間與檢驗區(qū)間的樣本總量之差,可能在150個左右波動,針對這種情況,所構(gòu)建的金融機構(gòu)信用風險評估模型,就必須克服這種容量缺陷,借助獨立的多元統(tǒng)計技術(shù),形成多個水平的數(shù)學模型,這樣進行信用風險評估,就能夠選取更多的財務指標作為分析變量,將原來的風險等級,拓展為正常借款、逾期貸款、欠息貸款、呆滯貸款、呆賬貸款等領域,以便在選擇樣本時,可選取更多的估計和檢驗樣本,模型預測的穩(wěn)定性也能夠因此得以提高。
金融機構(gòu)信用評估數(shù)據(jù)的分析,其基礎是確保數(shù)據(jù)的有效性,而金融機構(gòu)信用風險評估相關(guān)的數(shù)據(jù),來自于貸款的形態(tài)表,其中涉及了貸款企業(yè)所在行業(yè)的市場行情,以及該企業(yè)的經(jīng)營規(guī)模等。在此以某金融機構(gòu)共420筆貸款作為樣本數(shù)據(jù),并根據(jù)貸款的常見狀況,將這些貸款分類為正常貸款、逾期貸款、欠息貸款、呆滯貸款和呆賬貸款五種類型,其中200筆為估計樣本,220筆為檢驗樣板,而估計樣本又分為63筆正常貸款、34筆逾期貸款、24筆欠息貸款、19筆呆賬貸款、60筆呆滯貸款,檢驗樣本又分為66筆正常貸款、34筆逾期貸款、32筆欠息貸款、28筆呆賬貸款、60筆呆滯貸款。在分類好貸款之后,以資產(chǎn)負債表、利潤表、現(xiàn)金流量表等形式,形成信用風險評估模型的初始指標集。
首先是因子的分析,羅列出可以代表各種類型信息的綜合指標,分別確定原始變量和主成分,然后以矩陣的形式,表示各個因子與原始變量之間的關(guān)系,經(jīng)分析,可看出原始變量向量的大小,與公因子負荷系數(shù)矩陣、公因子向量、殘差向量相關(guān),屬于正交模型,也是主成分分析的結(jié)果,及結(jié)果可根據(jù)因子荷載矩陣求解得出,最終通過比較觀測變量之間的簡單相關(guān)系數(shù),找出不合適做因子分析的變量。其次是逐步判別模型,檢測模型中判別力貢獻最大的變量,并剔除出模型中不匹配的變量,同步采用逐步判別分析的方法,形成判據(jù)統(tǒng)計量,得出存貨周轉(zhuǎn)率、流動比率、應收債款周轉(zhuǎn)率、銷售毛利率、固定資產(chǎn)比率、主營業(yè)務利潤率、總資產(chǎn)周轉(zhuǎn)率等變量方差分析結(jié)果,進而確定正常借款、逾期貸款、欠息貸款、呆滯貸款、呆賬貸款等函數(shù),通過逐步判別和預測分類,就可以比較得出錯判率。
對于金融機構(gòu)信用風險評估模型的檢驗,一方面是檢驗線性判別模型,根據(jù)確定的判別函數(shù),重點檢查檢驗樣本,代入各個判別函數(shù)后,根據(jù)函數(shù)值的大小,確定所屬樣本的類別,根據(jù)判斷,線性判別模型對檢驗樣本的總體判別準確率達到了64%左右,尤其針對正常貸款、逾期貸款和欠息貸款,其判別準確率最高,而對于其他類型的貸款,預測的準確率并不高,其中估計樣本中的正常貸款68.1%、逾期貸款83.3%、欠息貸款76.0%、呆賬貸款37.5%、呆滯貸款51.5%,檢驗樣本的正常貸款68.8%、逾期貸款84.8%、欠息貸款76.0%、呆賬貸款16.7%、呆滯貸款50.7%;另一方面是Logistic回歸模型的檢驗,其檢驗結(jié)果表示所有樣本預測準確率高達68%左右,尤其是正常貸款和呆滯貸款的樣本,其預測準確率最高,其中估計樣本中正常貸款88.0%、逾期貸款76.7%、欠息貸款86.0%、呆賬貸款22.5%、呆滯貸款78.5%,檢驗樣本中正常貸款84.7%、逾期貸款65.3%、欠息貸款36.3%、呆賬貸款36.7%、呆滯貸款75.9%,由此說明這種類型的風險評估模型較為適用于當前金融機構(gòu)信用風險的評估。
綜上所述,金融機構(gòu)信用風險管理,需要通過樣本數(shù)據(jù)和指標的選取,進而構(gòu)建評估模型,然后對模型進行檢驗,以分析模型的準確性。文章通過研究,基本明確了金融機構(gòu)信用風險評估模型的構(gòu)建方法,但鑒于金融機構(gòu)信用風險的多變性和復雜性,因此以上方法還需要根據(jù)金融機構(gòu)業(yè)務的風險類型和特征,予以靈活的應用。
[1]柳凌燕,王憲明,胡繼成.基于免疫規(guī)劃的金融機構(gòu)信用風險評估方法研究[J].經(jīng)濟研究參考,2014(20)∶25-31.
[2]李倩,蘇越良.基于供應鏈金融的金融機構(gòu)信用風險評估[J].價值工程,2014 (8)∶31-34.
[3]陳宜成.基于宏觀壓力測試的我國金融機構(gòu)信用風險評估[J].哈爾濱商業(yè)大學學報∶社會科學版,2014(4)∶10-17.