商业银行信贷风险评价及预警研究

2015-05-30 04:38罗婵
2015年45期
关键词:ARIMA模型信贷风险主成分分析

罗婵

摘要:信贷风险关乎整个银行业的生存和发展,然而商业银行不良贷款率处于增加态势,这就要求商业银行必须从深度和广度上加强对信贷风险的管理。文章着力于商业银行信贷风险研究。通过构建商业银行信贷风险指标体系,对风险进行判定。建立ARIMA预警模型,并根据商业银行信贷风险现状及问题,提出对商业银行信贷风险管理的一些建议。

关键词:商业银行;信贷风险;主成分分析;ARIMA模型

1.引言

银行业发展至今,信贷风险一直是其经营过程中中面临的主要不确定性风险因素。目前,我国商业银行信贷风险存在诸多如不良贷款余额及占比偏高、资产运营渠道单一、贷款结构不合理等问题。虽然我国商业银行已开始注重信贷风险的管理,但是防范机制不够健全,信贷风险化解措施比较落后,整体来说有待进一步的改善。存贷差依然是银行利润的主要来源,所以防范和化解信贷风险是银行经营管理核心。

商业银行信用风险控制技术和度量方法,在发达国家已经具有很长的研究历史。J.P.摩根和“30集团”提出了测量风险的VaR方法,是目前金融机构测量风险的主要使用的方法。Beaver(1967)利用企业年报中的大量财务数据,利用财务指标的门阀值来对企业是否会出现违约进行判断。我国在信用风险控制与量化方面的研究尚处于比较初级的阶段,无论预警方法、预警系统、预警实践都处于起步阶段。陈秀英(1998)建立了20个指标体系来作为预警体系的检测标准。孙志娟(2013)将灰色理论应用在商业银行信贷风险预警中,通过对商业银行信贷过程中的财务与非财务等各指标的构建与计算,构建商业银行的信贷风险预警模型。

在以往的研究基础上,本文拟从借款方公司的还款能力入手,通过分析借款方公司的财务数据,建立一个风险评估系统,来判断商业银行某项贷款的风险等级,了解借款方公司风险变化。并在风险评价的基础上,建立风险预警模型,更好判断贷款的未来走势。

2.信贷风险评估研究

我们的信贷风险评价主要侧重于借款方公司还款能力,来判断商业银行某项贷款的风险等级。考虑到数据的可获得性,我们将借款方对象限制于上市公司,并以S上市公司为例进行深入研究,从公司的经营情况推测出公司未来的违约风险。为全面反映S公司的综合经营情况,我们选取了能够全面反映企业的偿债能力、获利能力、运营能力、发展能力四个方面的14个财务指标,对S公司违约风险进行综合分析。分别选取流动比率、速动比率、资产负债率、产权比率来反映公司偿债能力;选取存货周转率、应收账款周转率、总资产周转率衡量公司运营能力;选取营业利润率、成本费用利润率、总资产报酬率、净资产报酬率评价公司获利能力;净利润增长率、总资产增长率、营业收入增长率,来衡量公司成长能力。

2.1信贷风险评估模型的建立

对S上市公司14个财务指标进行主成分分析,根据各主成分提取原则,提取了特征值累计贡献率为89.972%的前四个主成分,这四个主成分可以解释所有财务指标所反应信息的89.972%。然后确定各财务指标在四个主成分中所占权重,再通过各主成分的特征根来确定各主成分所占权重,计算出主成分为:

2.2实证结果及其分析

根据上述表达式,将各季度数据带入方程,得出Y1、Y2、Y3、Y4及Y的结果,将得出结果按时间顺序绘成趋势图如下:

由上述趋势图看出,Y1、Y2与最终风险Y变化趋势基本相似,变化范围在0-5之间,三者中间Y1变化最为明显。Y3、Y4出现负值,变化幅度大致在-2-2之间。得出结果后,为了对得出的最终结果值进行风险比较,将上述结果进行归一化处理,将风险值转化为0-1之间的数,虽不能直接对风险进行评级,但是通过对比各个季度的风险大小,判断出差异,能很好的帮助商业银行判断贷款公司财务变化,并找出变化原因,从而控制住贷款风险。这里归一化采用表达式:

按照贷款五级分类标准,将贷款分为正常类、关注类、次级类、可以类、损失类,分别对应低风险、中低风险、中等风险、中高风险、高风险。这里我们采用不同时间的纵向对比,也将归一化的风险值进行上述划分。由于我们选取的14个指标全部为区间型指标(如速动比率、流动比率等)和极大型指标(流动资产周转率等),所以最终风险得出的值越大越好说明风险越低,这里我们定义0-0.2之间为高风险,0.2-0.4为中高风险,0.4-0.6之间为中等风险,0.6-0.8之间为中低风险,0.8-1.0之间为低风险(这里的风险高低并非绝对的高低,而是在于对比各个季度的风险值,强调变化)。

3.商业银行信贷风险预警研究

对样本企业的综合信贷风险值进行评估后,应用时间序列模型ARIMA(自回归移动平均模型)对样本企业的风险值做预测,即在已有风险值的基础上,预测未来风险值,本文将对已评估出的风险值用此模型做预测,这也将验证模型预测的准确性。对样本企业的信贷风险评估值进行平稳性检验,ADF检验结果表明序列为平稳序列。所以ARIMA(p,d,q)中d值为0。对序列進行相关性分析,并做自相关图和偏自相关图,自相关图基本落在95%置信区间内,偏自相关图在第四阶和第五阶不显著,故初步认定模型为ARIMA(4,0,0)或ARIMA(5,0,0),再根据信息准则进一步发现,ARIMA(4,0,0)模型的AIC值小于ARIMA(5,0,0)的值。

对模型残差进行相关性分析,结合其自相关图和偏自相关图表明残差不存在相关性,不存在有用的信息没有被利用,故模型合理。根据上述模型,对样本企业的风险值进行预测,预测结果和实际值结果如下:

图4显示了商业银行风险预测值与实际值得走势图,由于模型为AR(4)忽略前三期,我们发现之后期两序列走势发展基本相同,尤其在第十期之后。从整体预测趋势上看,预测精度比较好。

根据国内外专家学者建议,将预测精度划分为四级,误差率分别为5%,20%,30%,40%,如果超过40%则视为预测的准确度较差。误差率在5%以内,视为预测精准,其余视为可接受。由上表结果可知误差率最大的是2012年第四季度,其次是2009年第一节度和2008年第一季度。误差率在20%以内,有7个,占25%,误差率在40%以内有18个,占比64%。从整体上看预模型测精确度有待提高,在预测风险走势上比较准确。

4.结论

根据前面风险管理的问题我们知道,银行存在经营管理水平不高、风险防范能力不强、信贷资产结构信贷风险集中、不良贷款率高等问题。为了更好地管理信贷资产,首先,银行要想建立全面的风险管理体系需要依靠深厚的财务金融、数理和计算机的技术。所以选拔并且培养合适的人才,引进风险管理技术人才,营造良好的风险管理文化氛围,对商业银行风险管理而言显得尤为重要。其次,扩大对中小企业和其他行业的贷款支持,合理配置信贷资金,减小贷款过度集中所带来的风险。高度重视中长期贷款过快的增长,总体上把控贷款期限结构,严格贷款发放。另外,本文建立的信贷风险监测指标体系主要针对公司财务指标方面,完善的体系根据自身风险偏好,确立全面风险管理战略。要做到贷前全面综合调查,贷中严格审查,贷后耐心检查、细心追踪。并且银行应制定自身风险可承受范围内的业绩发展目标,在保证资本金充足的前提下去扩张银行业务,并确保有能力内部消化因承受风险所面临的潜在损失,最终确保银行业务均衡配置,整个银行可持续发展。(作者单位:武汉大学经济与管理学院)

参考文献:

[1]阙斯洋.基于ARIMA的商业银行信贷风险预警研究.D.2012(6)

[2]王晓宇.浅谈商业银行信贷风险(J).金融研究.2011(03).63-64

[3]吴冲、张波、潘启树.商业银行信用风险的综合模糊评判.[J]统计与决策.2004(1)

[4]何书元.应用时间序列分析[M].北京大学出版社.2004

猜你喜欢
ARIMA模型信贷风险主成分分析
商业银行信贷风险影响因素分析
基于多元线性回归分析的我国商业银行信贷风险防范研究
主成分分析法在大学英语写作评价中的应用
江苏省客源市场影响因素研究
SPSS在环境地球化学中的应用
四川农户小额信贷风险防范研究
地方性商业银行防范和化解信贷风险的思考