商业银行信贷风险评价及预警研究

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