《经济周期_经济转型与企业信用风险评估_基于系统性风险.pdf》由会员分享，可在线阅读，更多相关《经济周期_经济转型与企业信用风险评估_基于系统性风险.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/2010年第2期经济经纬 ECONOM IC SURVEYNo.22010经济周期、经济转型与企业信用风险评估 基于系统性风险的Logistic模型改进李关政,彭建刚(湖南大学 金融学院,湖南 长沙410079)摘 要:笔者针对传统Logistic模型在信用风险评估时忽略系统性风险的不足,根据我国国情,从经济周期和经济转型两个方面引入系统性风险因子,结合财务因子,构建了新的Logistic模型。笔者采用上市公司的数据对新
2、的Logistic模型进行分行业检验,发现模型具有较好的拟合效果,经济周期和经济转型因子均对企业信用风险有重要影响。新的Logistic模型比传统的Logistic模型具有更高的准确度,能有效提高对企业信用风险的判别能力。关键词:经济周期;经济转型;系统性风险;Logistic模型;ROC检验基金项目:教育部科学技术研究重大项目(309023);教育部博士点基金项目(20060532011);湖南省研究生科研创新项目(CX2009B062)。作者简介:李关政(1982-),男,广东茂名人,湖南大学金融学院博士研究生,主要从事金融管理研究;彭建刚(1955-),男,湖南长沙人,经济学博士,湖南大
3、学金融管理研究中心主任、金融学院教授、博士研究生导师,主要从事金融管理研究。中图分类号:F270 文献标识码:A 文章编号:1006-1096(2010)02-0087-04收稿日期:2010-01-14 在内部评级法下,银行可以利用自身设计的信用风险模型评估贷款企业的信用风险。信用风险评估的主流模型有多元判别分析模型、数学规划模型、回归分析模型、神经网络模型等,而回归分析模型中的Logistic模型是应用最为广泛的模型之一。大量的实证研究表明,Logistic模型具有比其他模型更强的判别能力(Martin,1977;West,2000;吴世农等,2001)。彭建刚等(2009)对Logist
4、ic模型作了进一步的扩展并引入了ROC检验方法,进一步提高了模型的判别能力。然而,商业银行在运用Logistic模型进行信用风险评估时主要考察企业的财务指标,而对系统性风险则普遍没有达到精确量化的程度,而且也主要考察经济周期因素,往往对经济转型因素不够重视。我国正处于经济转型阶段,而且经济转型对企业信用风险也有重要影响。所以,本文从经济转型和经济周期两个方面引入系统性风险因子,并结合财务因子,构造出新的Logistic模型,以实现对企业信用风险的全面、准确度量。一、Logistic模型原理Logistic模型是基于Logistic分布来构建的。Logistic函数的形式如下P=11+e-Y(1
5、)由(1)式可知其取值范围是在0和1之间,而且是严格单调递增的。而Logistic模型就是利用了Logistic函数的这些特性。不同于Logistic函数中的因变量是连续变量,Logis2tic模型中的因变量是离散的,最为典型的是二分离散变量,如银行的借款企业只有“不违约”或者“违约”这两种状态。下面就以此为例,说明如何利用Logistic模型来评估企业的信用风险。在Logistic模型中,银行根据历史数据可以观察到的因变量P就是企业“不违约”和“违约”,分别记为1和0;而自变量X则是可能影响企业信用风险的特征变量,如大多数研究采用的财务指标等。现假设有一个理论上存在的连续反应变量P3代表企业
6、的信用水平。当企业的信用水平低于一个临界点E,便意味着企业会出现违约,则P3和P的关系如下P=1,P3E0,P3E(2)而P3则服从Logistic分布,其中Y的表达式如下Y=0+ni=1i3Xi(3)其中Xi(i=1,2,n)即决定企业信用水平的特征变量,i是待估计参数。对于任意一家企业而言,P3越大,表示企业违约的可能性越小;反之,则该企业违约的可能性越大。银行可以依据P3值来确定企业的信用风险水平。二、企业风险特征变量的选择Logistic模型的预测能力和选取的企业风险特征变量有关。本文将分别从异质风险和系统性风险两个角度选择企业的风险特征变量,其中异质风险由企业的财务因子反映。本文利用
7、因子分析法,将上市公司提供的5大类51个财务指标转化为12个财务主因子,分别用F01、F02、F12表示。系统性风险则从经济周期和经济转型两个方面进行考察。(一)经济周期因子对经济周期因子,在借鉴相关模型的基础上,选择GDP78 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/增长率和通货膨胀率两个最重要的指标。1.GDP增长率(GDP Growth Rate,GDPGR)是反映一国经济状况的核心指标,在相关实证研究中也被普遍采用。GDP增长率可以反映一国企业总体产出的
8、增长情况,而企业的产出决定企业的经营收益,也就影响着企业的偿债能力。2.通货膨胀率(Inflation,I NF)也是反映经济周期的一个重要指标。一般情况下,通货膨胀会影响企业的经营成本和收益水平,进而影响企业的信用风险。(二)经济转型因子我国经济转型的内涵十分丰富。考虑数据的可得性,本文主要从以下3个方面来构建经济转型因子。1.企业所有制多元化指数(Enterprise Ownership Diver2sity Index,EOD I)。我国经济转型过程中,国有企业正不断深化改革,转变为股份制企业,而非国家控股的股份制企业、民营企业、外资企业等非国有经济也得到迅速的发展。所以本文设计了企业所
9、有制多元化指数(EOD I)来反映企业所有制的多元化。EOD I的计算公式如下:EOD I=总工业增加值-国有及国有控股企业增加值总工业增加值(4)2.外贸依存度(Foreign Trade Dependence,FTD)。对外开放是我国经济转型的重要内容,并体现为对外贸易在国民经济中地位的提高。我国企业在开拓国际市场的同时,也意味着越来越暴露在国际市场风险之下,而且还面临着跨国企业的冲击。因此,对外开放的程度会影响我国企业信用风险水平。本文采用外贸依存度(FTD)作为对外开放的代表性指标,用进出口总额除以名义GDP表示。3.金 融 市 场 化 指 数(Financial Liberaliza
10、tionIndex,FL I)。由金融体制改革推动的金融市场化进程正逐步打破国有企业和国有银行之间的刚性依赖,改变了企业的融资环境,进而影响企业的风险水平。本文采用Groenewold等(2008)提出的FL I指标来反映金融市场化的程度。本文的FL I指标包含有金融监管、利率市场化、金融机构、金融市场、金融对外开放、金融法规和金融政策等7个方面的内容。首先采用德尔非法对金融市场化在这7个方面的改革事件给予合理赋值,然后通过因子分析法生成FL I指数。三、实证分析(一)实证数据说明与行业选择我国没有公开的企业违约数据库,也无法从商业银行获得满足条件的数据。本文选择上市企业作为实证样本,是因为我
11、国目前在大陆上市的企业已达一千多家,而且遍及各个行业和地区,不仅在数量上能满足实证要求,而且能充分反映系统性风险因子对企业信用风险的影响。上市企业违约与否则根据上市状态(正常还是被特别处理)来确定。我国对上市企业实行“ST”制度。大量学者在实证研究中将ST企业作为违约企业(吴世农 等,2001;石晓军,2006),本文也采用这一方法。本文实证样本为从1998年到2008年的年度数据,数据来源是国家统计局、人民银行和锐思数据库。实证所用软件为SPSS13.0。因为不同行业的企业对系统性风险的敏感程度不一样,而且Logistic模型要求实证样本中正常企业和违约企业的比例要在一定的范围之内,所以本文
12、采用分行业数据来进行实证分析。剔除掉金融业、不存在违约企业或者正常企业比重过大的行业,还要对企业数量过少的部分行业进行合并,最后一共选定了14个行业。(二)Logistic模型回归结果分析本文的实证选择LR检验和Conditional检验作为自变量选择的依据,向后逐步剔除不显著的变量。分别对每个行业进行回归,即可以得到14个拟合的Logistic模型。由于篇幅所限,只报告各个行业方程中经济周期因子和经济转型因子的估计参数,如表1所示。SPSS还提供了3个反映方程拟合程度的检验指标:-23 对数似然比值(-2LL)、Cox和Snell R2(CS R2)和Nagelkerke R2(N R2),
13、在表1右侧列出。-2 LL是针对最大似然估计的检验;模型的拟合程度越好,-2LL值越小,最小值为0。CS R2、N R2统计量的取值范围在0和1之间;模型的拟合程度越好,它们的值就越大。如表1所示,5个系统性风险因子在不同行业方程中的显著性并不一致,而且对企业信用风险的影响也是不同的。下面分别考察它们对不同行业企业信用风险的影响。GDP增长率在3个行业方程当中通过显著性检验,而且其参数均为正值,说明它们受宏观经济周期的影响要比其他行业更加显著。GDP增长率在部分行业方程中并不显著,这可能是因为经济周期因素已经部分反映在企业的财务因子当中。通货膨胀率对企业信用水平的影响则相对更加普遍。其中通货膨
14、胀率在5个行业方程中的参数为负,说明通货膨胀增加了这些行业的成本压力,压缩了其盈利空间,从而增加了企业的信用风险;而在服装、电力和社会服务业的方程中的参数为正值,说明这些行业更多受益于通货膨胀。企业所有制多元化指数共进入了5个行业方程,并且在大多数方程中参数为正,说明企业所有制的多元化在总体上有利于提高企业的信用水平,即降低企业的信用风险。一方面,民营企业、外资企业等非国有经济可以凭借相对更加灵活的机制和更高的运营效率提高企业总体的盈利能力和信用水平;另一方面,国有企业改革也发挥了重要作用,落后的国有企业在“抓大放小”政策之下破产或者被收购,而国家重点支持的国有企业则通过改革走出了困境,经营绩
15、效不断改善,相应地提升了我国企业的总体信用水平。企业所有制多元化指数在农业方程中的参数为负,说明农业并没能受惠于企业所有制的多元化。农业属于高风险、低收入行业,在市场化改革当中还需要更多的政策扶持。外贸依存度在4个行业方程中参数为正,而在另外4个方程中的参数为负,说明对外开放是机遇与挑战并存:一方面有利于提高企业的盈利能力和信用水平;另一方面也导致更激烈的市场竞争,冲击了部分行业。此次美国金融危机对我国的出口产业造成较大影响,也暴露了我国部分产业抗风险能力低下的问题。金融市场化指数在电机器材及仪表机械业、其他制造业的方程中参数符号均为正,但是在房地产业的方程中参数为负,说明在金融体系市场化改革
16、过程中,房地产业的风险在一定程度上被推高了。这是值得注意的。市场化改革进程中,金融机构在商业化经营压力之下,普遍因为房地产相关项目有较好的抵质押品而产生较强偏好,而我国房地产企业也普遍存在高杠杆经营的情况。所以,金融体系的市场化并不必然能规避房地产市场的风险,美国次贷危机就是明证。我国商业银行在市场化改革当中需要加强风险管理。然后考察模型的拟合程度。如表1所示,-2LL在1088 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/个行业中的统计值为0,在其他4个行业的统计
17、值也均属于可接受范围。CSR2除了在水电煤气行业的值较小之外,在其他行业的统计值均较大。而N R2的统计值也相应地在10个行业中等于1,普遍在0.7以上。各个行业模型的拟合效果都比较好。(三)模型判别能力检验加入系统性风险因子是否会影响Logistic模型的判别能力还需要检验。检验可以分为静态和动态两种方法。其中静态法是根据模型的预测结果和实际观察值之间的差异来考察模型的判别能力,如表2所示。表1Logistic模型拟合结果行业GDP增长率通货膨胀率企业所有制多元化指数外贸依存度金融市场化指数-2 LLCS R2N R2农业2065.42-1104.39543.420.000.591.00食品
18、饮料32.77-22.6251.240.390.73服装1232.10818.25-459.260.000.491.00石化塑胶-89.3828.7425.390.400.91电子制造业3261.910.000.431.00金属非金属-129.6923.2847.990.400.83普通机械109.970.000.291.00电机器材及仪表机械-283.07-97.3737.6418.240.500.91其他制造业-975.67383.880.000.451.00电力1053.860.000.181.00交通运输与仓储业4129.41-381.191003.600.000.381.00房地产业
19、442.24-121.360.000.401.00社会服务业2295.210.000.311.00传播与文化产业-829.510.000.681.00表2 模型判别能力的静态检验结果行业观察值预测值01正确率(%)总体准确率(%)农业0901001046100100食品饮料021387.511514490.5690.16服装0701001060100100石化塑胶030196.771931797.2397.19电子0501001058100100金属非金属032196.9611028396.5896.62普通机械0201001047100100电器仪表机械制造业0241961115899.40
20、98.90其他制造业0401001041100100电力03010010145100100交通运输和仓储业09010010132100100批发和零售贸易020676.91331999.197.40房地产业010010010131100100社会服务业05010010105100100传播与文化产业01401001042100100表2是各行业Logistic模型的预测值与实际观测值的比较。以食品饮料业为例,可以看到食品饮料业中24个违约企业有21个被准确预测,3个被误判为正常企业;159个正常企业中有144个被准确预测,而有15个被误判为违约企业,总体准确率为90.16%。14个行业当中总体
21、准确率为100%的有10个,而且总体准确率均在90%以上,普遍高于98 1994-2010 China Academic Journal Electronic Publishing House.All rights reserved.http:/West(2000)、吴世农等(2001)传统Logistic模型的准确率,说明新的Logistic模型具有更强的判别能力。下面进一步对模型进行动态检验,即ROC分析。ROC分析可以自动生成多个诊断阈值,并比较模型的敏感性以及特异性曲线的差异,因此是一种动态检验方法,而且可以消除临界点的主观设定对模型准确度的影响。ROC分析是以ROC曲线下方的面积(A
22、rea Under the Curve,AUC)作为评价模型的ROC曲线特性的参数;AUC值越接近1,说明模型的准确度越高。各个行业模型的ROC检验结果如表3所示。表3 模型ROC检验的AUC值行业AUC标准差显著性水平95%水平下的置信区间下限上限农业1.00000.00000.00001.00001.0000食品饮料0.95390.02380.00000.90721.0006服装1.00000.00000.00001.00001.0000石化塑胶0.99750.00170.00000.99421.0008电子1.00000.00000.00001.00001.0000金属非金属0.9876
23、0.00890.00000.97021.0050普通机械1.00000.00000.01801.00001.0000电机器材及仪表机械0.99670.00270.00000.99141.0020其他制造业1.00000.00000.00111.00001.0000电力1.00000.00000.00301.00001.0000交通运输和仓储业1.00000.00000.00001.00001.0000批发和零售贸易0.96130.03100.00000.90051.0221房地产业1.00000.00000.00001.00001.0000社会服务业1.00000.00000.00001.00
24、001.0000传播与文化产业1.00000.00000.00001.00001.0000可以看到AUC的值在10个行业模型当中等于1,而且在所有行业模型中都在0.95以上,说明模型具有很高的准确度。所以,无论是静态检验还是动态检验,都证明了包含系统性风险因子的行业Logistic模型可以很准确地判别出样本企业是属于违约还是正常,因此在信用风险评估实务中具有较高的实用价值。四、结论本文针对传统Logistic模型只考虑异质风险的不足,将风险范围拓展到系统性风险,并且基于我国正处于经济转型阶段这一特殊国情,从经济转型和经济周期两个方面引入系统性风险因子,结合财务因子,构建了新的Logistic模
25、型。采用上市公司的数据对包含系统性风险因子的Logistic模型进行分行业检验,发现模型具有较好的拟合效果,各个系统性风险因子均显著进入方程并且具有经济学意义,而且模型比传统的Logistic模型具有更高的准确度,可以有效判别企业的信用风险。参考文献:彭建刚,屠海波,何婧,等.2009.有序多分类logistic模型在违约概率测算的应用J.财经理论与实践(4):2-7.石晓军.2006.Logistic违约率模型最优样本配比与分界点的模拟分析J.数理统计与管理(6):675-682.吴世农,卢贤义.2001.我国上市公司财务困境预测模型研究J.经济研究(6):46-55.GROENEWOLD
26、N,PENG J,L I G,et al.2008.Financial liberal2isation or financial development?Tests using a Delphi-based in2dex of liberalisation for China J.International Journal ofBank2ing and Finance,6(1):95-115.MARTI N D.1977.Earlywarning of bank failure:a logit regressionapproach J.Journal of Banking and Financ
27、e,1(3):249-276.WESTD.2000.Neural network credit scoring models J.Com2puter&Operations Research,27(11):1131-1152.(编校:沈 育)Econom ic Cycle,Econom ic Transition and Evaluation of Corporate Credit Risk An I mproved LogisticModelBased on Systemic RiskL I Guan2zheng,PENG Jian2gang(College of Finance,Hunan
28、University,Changsha410079,China)Abstract:To offset the shortcoming of traditionalLogistic model that neglects the systemic risk and considering Chinas special situa2tion of economic transition,the authors introduce systemic risk factors from the two aspects of economic cycle and economic transition,
29、and then in combinationwith corporate financial factors build a new Logisticmodel.Using the data of listed companies,the authors testthe new Logistic model in different industries and find that the model has a good fitting effect.The economic cycle factor and the eco2nomic transition factor both have significant influence on corporate credit risk.The new Logistic model ismore accurate than the tradi2tional one,so it can evaluate corporate credit risk more effectively.Key words:economic cycle;economic transition;systematic risk;Logistic model;ROC test09