我国商业银行对制造业的信贷风险分析

武丹丹

一般意义上的信贷风险可以解释为贷款企业未能及时、足额偿还银行贷款而违约的可能性。我国商业银行信贷风险的问题究其原因主要还是信贷管理机制不健全导致的。目前我国商业银行主要采取的手段有：贷前的资格审查、贷中的强化风险分析以及贷后的继续跟踪调查。然而，由于自身经济发展程度的影响及我国商业银行在信贷风险量化管理方法上的落后，导致在信贷风险控制上显现出一些弊端，如事前风险防范意识薄弱、缺乏有效的预警机制，过多的定性分析信贷风险的识别和衡量但却忽视了信贷风险的定量分析。要想做好信贷风险控制，仅仅着眼于理论研究是不够的，于是在信贷风险控制领域不仅要注重预防和控制还应找到信贷风险和盈利的平衡点。

商业银行信贷风险的防范，其实主要是不良信贷的防范。上表1反映出来近年来我国商业银行不良贷款的大体情况，表中不难看出从2007年至2012年，随着商业银行贷款数量的不断增大，不良贷款的数量并没有随着贷款的数量不断扩大，不良贷款率在逐年降低，但不良贷款中的次级类、可疑类和损失类贷款并不是一直保持递减的趋势，而是在某些年度出现反弹的趋势，说明我国在信贷风险控制上有着自己的经验和方法的同时还存有很多疏漏。

1. 信贷风险的Z评分模型

目前，我国商业银行信贷风险控制已俨然成为信贷业务中必须尽早解决的难题，当然，我们知道信贷风险是不可能完全被彻底消除的，因此引入适当有效的定量分析方法，使信贷风险降低到可控范围内便是我国商业银行在处理信贷业务时的重中之重了。我国可借鉴国际权威的Z评分模型来作为研究商业银行信贷风险控制管理体系的方法。

Z评分模型是由奥特曼于1968年利用多元判别式法建立并提出的，模型首先需要从上市公司的年度财务报告中计算出反映企业财务风险程度的经济指标，紧接着利用这些经济指标对财务风险影响的大小赋予不同的权重，最后加权所得便是这个企业的信贷风险Z的评估值。

奥特曼提出的Z评分模型就包括了以上变量中的五个：

X1=流动资金/总资产

X2=未分配利润（留存收益）/总资产

X3=息税前利润/总资产

X4=股权市值/总负债账面价值

X5=销售收入/总资产

Z评分模型如下：

Z=1.2（X1）+1.4（X2）+3.3（X3）+0.6（X4）+0.999（X5）

在这一模型中，分类临界值为： Z<2.675，则为破产企业；Z≥2.675，则为非破产企业。奥特曼发现Z值主要分布在1.81-2.99之间，即Z的分值高于2.99为非破产企业，低于1.81就存在着潜在的破产风险，贷款损失的概率会很高。借助Z评分模型，一方面可以初步估计该企业的收入水平和预期还贷能力，从而达到贷前风险控制的目的；另一方面可以通过贷款企业的年报信息，运用Z评分模型帮助分析项目和资产中高风险的成分，降低银行的信贷风险。

我国商业银行信贷风险所造成的损失主要集中在制造业、批发和零售业、房地产业、以及信用卡等。下文将以制造业信贷风险为研究对象，选取10家制造业上市公司的2012年年度数据构建Z评分模型。

2. Z评分模型评价结果

将贷款企业的相关财务数据录入模型即可得到Z的评分结果。Z值越大说明资信水平越好；Z值越小则信贷风险就越大。若Z值大于或高于预先设定的特定数值或范围，就推断该家企业的财务状况良好或银行能够接受这样的信贷风险水平；若Z值小于预先设定的特定数值或范围，则推断该企业可能无法按时归还贷款，甚至亏损破产。

由上表分析结果可以得出，在10所上市公司中，前五只股票的Z值都在1.81以上，破产率较低，贷款损失率也相对较低。其中中颖电子业绩表现优秀，Z值为17.127；美菱电器虽不在破产率高的行列，但潜在风险明显比其他四只股票大。后五只股票即绩差股，在检测结果Z值上明显不足，而其他绩优股则能表现出良好的结果，即有着良好的预期还款能力。 其中SST华塑的检测值-1.79694，相对其他绩差股所存在的破产风险最大；而*ST株冶在2012年度的经营活动中业绩好转，Z评分模型检测结果为1.896467，有望扭亏。

根据以上研究发现，企业财务数据在Z评分模型中的各项指标对Z 值影响最大的指标是X1，即流动资金/总资产，这说明一个企业的流动性对该企业的信用风险有着相当大的影响。通常情况下，一家企业若遭遇业绩不断下滑或者重大损失，那么流动性资产一定会萎缩，企业的信贷风险也将不断增大。

3. 结论

归根究底，我国商业银行首先应对贷款企业数据信息的准确性和全面性进行严格把关；其次，通过Z评分模型可对贷款企业的信用度、风险度、还款可能性等数据进行一系列评估；最后，商业银行自身通过Z评分模型将贷款企业进行合理分类排序，大大减少信贷业务的繁琐程序，降低评估成本和所要面临的信贷风险。

建立健全信贷风险控制系统和信贷管理机制，依靠专业的评分机构，在完善基础数据库的同时探索适合中国自身国情的Z评分模型，现阶段的评价体系所评估出来的结果还不够精确，只能从侧面反映出企业的信贷风险，需要今后基于庞大的企业数据得到合适的评分模型，这也可成为信贷风险的新研究方向。