基于复杂网络视角的 企业信用风险及关注度测评研究

山东银监局课题组

摘 要：近年来，受周期性、结构性、机制性因素作用，山东省企业信用风险频发高发，影响区域性金融安全甚至社会稳定。打好防范化解金融风险攻坚战首要的是稳妥有序应对处置信用风险。为提升信用风险防控工作质效，本文提出“信用风险关注度”概念，依托银企信用风险复杂网络论证其合理性，选取统计指标构建“信用风险关注度”测评体系，定量测度企业信用风险等级，为分层级、精准化、针对性地促进信用风险“出清”提供信息支撑和决策依据。

关键词：信用风险关注度；复杂网络；测评体系

中图分类号：F830 文献标识码：B 文章编号：1674-2265（2018）07-0054-08

DOI：10.19647/j.cnki.37-1462/f.2018.07.008

一、引言

金融安全是国家总体安全大局的重要组成部分。防控金融风险首先要找准着力点和突破口。近年来，由于多重因素共同作用，山东银行业信用风险形势复杂严峻，部分地区不良贷款易发频发，特别是与大型企业（集团）有关的信用风险暴露，已成为触发区域性系统性金融风险的重大不确定因素，甚至可能影响经济社会发展稳定大局。因此，加强理论和实践研究，促进信用风险稳妥有序防范处置，在当前形势下显得尤为必要与迫切。从目前来看，信用风险防范处置相关研究主要在国内。陈育林（2015）基于“公地悲剧”理论，研究阐释了大额授信形成机理，认为要建立约束机制，搭建政、银、企竞合平台，消除“授信公地悲剧”发生的基础，防范大额授信风险。王兆星（2015）认为处置与退出机制建设要把握强化市场纪律、防范道德风险与维护金融稳定的平衡，在隔离和高效处置金融风险的同时，为优胜劣汰市场纪律发挥作用留出空间。陈育林（2015）梳理分析山东省信用风险总体情况和主要特点，阐述了风险产生背后的机理，并就找准各方定位推进风险化解作了思考探索。苏保祥（2016）在总结重大信用风险处置过程所表现出的不足基础上，指出应按照“政府主导、银行主体、企业配合以及监管协调”的思路开展重大信用风险处置机制设计。尹程和张秀民（2017）运用数理建模与调查问卷相结合的研究方法，定量测算了信用风险生成因素贡献度及交互作用，提出逆周期调节、改革激励机制、强化银企互动等六方面风险防控机制。

可以看出，针对信用风险的防范处置研究逐步拓展，但总体看仍有较多不足，主要表現为：一是大多偏重分析信用风险的“事前”成因，所提“事后”处置措施操作性不强；二是仅关注信用风险本身，对经济社会影响、区域风险承担、外溢传染、处置难度等与信用风险紧密关联的方面考虑不足；三是未探索建立统计指标体系，对不同企业信用风险等级进行定量测评。此外，近几年风险处置工作虽然很大程度上拓展了“政监银企”关于统筹合力、分工协作的认识，积累了不少成熟的经验和模式，但也存在对风险响应过度和响应不足的问题，特别是在处置资源有限的条件下，大幅弱化了风险处置整体质效。本文在总结“政监银企”信用风险防控实践基础上，研究建立银企信用风险复杂网络，揭示信用风险外溢扩散的内在机理，构建“信用风险关注度”测评指标体系，定量测度企业信用风险程度，为建立分层级、精准化、针对性的信用风险防范化解机制提供信息支撑和决策依据。

二、企业信用风险关注度概念及合理性探讨

本文创新性地提出“信用风险关注度”概念，将其定义为：不同企业因其信贷规模和信用风险状况，对某一区域金融体系和经济社会产生或可能产生冲击的严重程度。可以看出，该定义下，信用风险内涵大为拓宽，既考量企业信用风险状况因素，又考量企业信贷规模因素；既考量对金融体系的影响，又考量对区域经济社会稳定的影响。从性质上而言，信用风险关注度属于比较性、相对性概念。对不同企业风险关注度进行横向比较和纵向分层，继而科学配置风险防控资源，实施针对性的化解处置策略，这是本文提出“信用风险关注度”概念的根本出发点和落脚点。那么，信用风险关注度是否有意义，不同风险关注等级的企业是否会对银行体系、经济社会产生不同的影响？本文构建银企信用风险复杂网络对其进行验证。

（一）构建银企信用风险复杂网络

复杂网络理论是基于系统论的观点，运用概率、图论、微分方程、仿真模拟等数理统计方法，研究具有相互关系的大量事物之间联系、发展动态规律的理论和体系。本文将银企信用风险复杂网络设定为无标度网络，网络拓扑结构如图1所示：

1.网络中的“点”。网络中的“点”代表银行和企业，由于规模和性质差异，对银行和企业予以分类。对于银行分为两类：一类是大型银行，资产规模大、客户数量多，具有较高的抗风险能力；一类是中小型银行，资产规模小，客户数量相对较少，损失吸收和风险应对能力较弱。对于企业，按照融资规模和度①的不同，分为两类：一类是大型企业（集团），信贷融资体量大、关联②企业多，信用风险关注度高；一类是信贷融资体量小，关联企业数量相对较少，信用风险关注度低。

2. 网络中的“边”。网络中的“边”代表“点”之间的相互关系，主要有银企关系、企企关系、银银关系。银企关系，实际中除银行机构被动持有企业股权外，主要是通过表内外授信业务形成的信贷关系。企企关系，主要包括由生产销售所形成的经营关系，由担保与被担保所形成的信用关系，由控制或关联所形成组织关系。银银关系，主要是基于资金往来、交叉业务、发起设立③等所形成的同业关系。

[企业

1][企业

12][企业

11][企业

10][企业

9][企业

7][企业

6][企业

5][企业

4][企业

3][企业

2][企业

8][银行 6][银行 4][银行 3][银行 5][银行 1][银行 2][?] [?][?][?][?][?][◢][◢][◢][◢][◢][◢][◢][◣][◣][◥][◥][◥][◥][◤][◤][◤][◢][◤][▼][▼][◤]

注： 代表大型银行， 代表中小型银行； 代表大中型企业集团， 代表小微型企业。

图1：银企信用风险传染复杂网络拓扑结构（局部）

（二）银企信用风险复杂网络仿真模拟

1. 参数设定。为简单起见，本文简化银行资产负债表结构，资产端只考虑贷款、同业资产和其他资产，负债端只考虑存款、同业负债，权益方只考虑风险资本和其他所有者权益。

表1：银行机构资产负债表结构

[资产 负债+所有者权益 对企业贷款[α]

同业资产[β]

其他资产[δ] 负债[R] 存款[η]

同业负债[μ] 所有者权益[O] 风险资本[ρ]

其他所有者权益[τ] ]

假设各银行总资产为[AZi]，[i=1…N]，[N]为银行机构总数，[AZi?N（μ，σ）]；[αi=j=1j=Mlij]为银行[i]的贷款总额，[M]为企业总数，其中[lij=0]表示企业[j]未在银行[i]取得贷款；[βi=z=1j=Ntziz]为银行[i]的同业资产总额，其中[tziz=0]表示银行[z]未从银行[i]借款；[μi=z=1j=Ntfiz]为银行[i]的同业负债总额，其中[tfiz=0]表示银行[i]未从银行[z]借款；设监管资本充足率要求为[εi]，则[ρi=εi×AZi]。銀行同业资产负债规模与总资产规模成正比，贷款规模与企业资产规模成正比。根据复杂网络拓扑结构，银行[i]和银行[z]之间边的权重[wiz]可以用[i]对[z]的负债占比表示，则：

[wiz=tzizβi]

类似地，银行[i]和企业[j]之间边的权重[dij]可以用[i]对[j]的贷款占比表示：

[dij=lijαi]

按照会计恒等式“资产=负债+所有者权益”，确定其他财务指标，则有：

[δi=AZi-αi-βi]

[ηi=AZi-Oi-tfi]

[τi=Oi-ρi]

以上，银行机构资产负债表的重要参数均已全部设定。

2. 传染模型构建。按照贷款五级分类标准，[t]时刻企业[j]在银行[i]的贷款信用风险状态变量[Iij（t）]表示为：

[Iij（t）=1，正常2，关注3，次级4，可疑5，损失]

[Rij（t）]表示[t]时刻企业[j]在银行[i]的贷款是否实际违约：

[Rij（t）=1，违约0，不违约]

假定当资产损失超过其风险资本时，银行发生违约，用[Qi（t）]表示[t]时刻银行[i]是否违约：

[Qi（t）=1，违约0，不违约]

假定当资产损失超过风险资本的一定比例时，银行发生资产抛售行为，用[Q′i（t）]表示[t]时刻银行[i]是否发生抛售资产情况：

[Q′i（t）=1，是0，否]

假设银行贷款信用风险迁徙概率矩阵[A]为：

[A=a11…a15???a51…a55]

据此可推导得到[t+1]时刻的贷款信用风险等级[Pt+1=A×Pt]，进而确定任意时刻企业[j]在银行[i]的贷款信用风险等级。设贷款信用风险五级分类的违约概率分别为[pk]，[k=1，2，3，4，5]，则[t]时刻企业[j]在银行[i]的贷款违约概率为：

[Pij（t）=pWij（t）+?+φ×k∈⊙Rk（t）×Qk（t）×Q′k（t）]

其中，[?]表示外部形势变化对贷款违约的影响；[φ]表示信用风险传染过程中预期反馈效应，即银行抽贷、正常企业跟随式违约、担保企业脱保等因素引起的违约概率上升。另假定违约损失率为[γ]，银行[i]的资产损失由两部分组成，一部分是企业真实发生违约导致的贷款损失，用[LOSScorpi]表示；另一部分是其他银行违约导致的损失，用[LOSSbanki]表示。[LOSScorpi]、[LOSSbanki]表达式如下：

[LOSScorpi（t）=j=1Mγ×lij（t）×Rij（t）]

[LOSSbanki（t）=j=1Nγ×tzij（t）×Qij（t）]

银行[i]的总损失即为[LOSSitotal（t）=LOSScorpi（t）+LOSSbanki（t）]。

3. 仿真模拟。通过上述银企信用风险传染数学模型，利用仿真模拟法定量反映不同关注度企业信用风险的影响，将相关参数作如下设定：企业总数[M=1000]，其中大型企业100个，中小型企业900个，大型企业资产服从高斯分布[N（500，50）]，中小型企业资产服从高斯分布[N（100，10）]；银行总数[N=20]，其中大型银行5家，中小型银行15家；总贷款笔数为2000笔，贷款总额100亿元，按照贷款行与企业资产比例分配；银行是否抛售资产的临界参数为0.5；[?]、[φ]初始设定为0；信用风险五级分类违约概率参照拨备计提标准分别设定为0、2%、25%、50%和100%④；以2017年山东辖区⑤银行业贷款平均迁徙状况设定贷款信用风险等级迁徙概率矩阵；不考虑信贷资产保全措施，违约贷款全部损失，违约损失率[γ=1]。另外，假定初始企业贷款质量均为正常类，仿真模拟次数5000次。模拟得出如下三个主要结论：

一是大型企业（集团）信用风险影响程度高。分别对大型企业和中小型企业施加初始风险冲击，计算最终的银行体系总损失，如图2所示。可以看到，大型企业出现信用风险时所引起的银行体系总损失要远大于中小型企业。

[图2：不同企业类型引发的信用风险损失模拟结果]

二是企业风险程度越高对信用风险影响越大。分别将初始企业贷款质量设定为正常类、关注类、次级类和可疑类，计算观察对最终银行体系总损失的影响，结果如图3所示。可以看到，随着初始贷款质量逐级劣化，银行体系总损失相应递增，表明企业风险程度与信用风险传染显著正相关，风险程度越高，信用风险传染应对程度越高。

[图3：不同贷款等级引发的信用风险损失模拟结果]

三是银企渠道是信用风险外溢扩散的主要渠道。分别用[LOSScorpi（t）/LOSSitotal（t）]和[LOSSbanki（t）/LOSSitotal（t）]代表银企渠道和银银渠道对信用风险总损失贡献度。图4展示了银企渠道损失占总损失比重的仿真模拟结果，可以清晰地看到，银企渠道风险所引起的损失占银行体系总损失的比重超过银银渠道，银企渠道是信用风险传染的主要渠道。这也说明，银行机构信用等级高，对信用风险影响程度低于企业，与现实情形基本一致。

[图4：不同渠道引发的信用风险损失模拟结果]

综合上述分析和仿真模拟结果，信用风险传染主要在于企业端信贷违约，且关联关系复杂、融资体量大、风险程度高的企业（集团），对银企复杂网络产生重大影响，信用风险关注度相应较高。由此，可认为企业信用风险关注度概念具有较强的合理性，对于科学识别评估企业信用风险状况，分类开展信用风险防控化解亦具有十分重要的现实价值。

三、企业信用风险关注度测评指标体系构建及应用

本文选取统计指标建立企业信用风险关注度测评指标体系，运用熵值法计算指标权重，根据评价结果划分关注等级区间，并利用债委会企业数据进行测算和验证。

（一）测评体系构建

信用风险关注度内涵丰富，由多方面因素共同决定或影响。本文遵循相关性、重要性、可得性、全面性原则，分别从区域经济重要性、经营财务状况、企业信用规模、企业信贷风险、外部传染隐患五个维度，研究选取24个统计指标，建立二级信用风险关注度测评指标体系，全面刻画和反映企业（集团）信用风险受各方关注的程度。其中，“区域经济重要性”从区域重要性的视角，衡量所在地政府处置化解企业（集团）信用风险的财政实力，以及企业（集团）信贷体量在当地的“分量”；“经营财务状况”从财务经营视角，衡量杠杆水平、盈利状况、偿债能力以及风险的自我稀释能力；“企业信用规模”从存量信用的视角，衡量企业（集团）信贷和债券融资总体规模；“企业信贷风险”从信贷风险的视角，衡量企业（集团）现时或潜在信用风险的严重程度，这也是企业（集团）引起关注的主要方面；“外部传染隐患”从传导触发的视角，衡量企业（集团）面临的外部风险隐患，以及引起不利冲击的可能性。指标体系具体见表2。

（二）数据来源与处理

选取24个统计指标，包括经济类指标3个，采集自山东省统计信息网；信贷类指标19个，基础数据来源于山东银监局非现场监管信息系统、客户风险统计系统和万得数据库，并按指标公式加工整理得到；信息类指标2个，通过爬虫程序采集自互联网公开渠道。全部数据均为2017年10月末时点债委会企业（集团）数据。

（三）权重测度

熵值法是目前应用较为普遍的客观赋权方法之一，本文选择该方法进行各层级指标权重测算，具体结果见表3。

表3显示，在信用风险关注度测评指标体系中，各级指标权重呈现比较明显的差异，企业融资体量和风险状况是关注度最主要的影响因素。从一级指标情况看，权重由大到小依次为：企业信用规模（33.47%）、外部传染隐患（30.44%）、企业信贷风险（25.9%）、区域经济重要性（5.59%）、经营财务状况（4.62%）。从二级指标情况看，区域经济重要性、经营财务状况两个维度下，各二级指标权重较为接近，均在1.0%—1.5%区间；企业信用规模维度，各二级指标权重均较大，其中授信总额、贷款余额、授信银行家数权重超过5%，分别达9.95%、8.64%、6.21%；企業信贷风险维度，4个二级指标权重均超过5%；外部传染隐患维度，担保贷款不良余额、担保贷款逾期余额、对外担保余额、是否出现负面舆情权重较大，分别为7.26%、6.49%、5.34%、5.12%。

由此可以得到企业信用风险关注度综合测评表达式：

企业信用风险关注度=5.59%×区域经济重要性+4.62%×经营财务状况+33.47%×企业信用规模+25.9%×企业信贷风险+30.44%×外部传染隐患

其中，区域经济重要性=1.17%×GDP+1.16%×GCY+1.12%×SSS+1.07%×ZCZ+1.07%×DKZ

经营财务状况=1.41%×ZCF+1.04%×GGL+1.04%×ZCL+1.13%×LZB

企业信用规模=6.21%×SXJ+9.95%×SXZ+8.64%×DKY+3.78%×BWY+4.89%×ZQY

企业信贷风险=5.24%×GZL+7.97%×BLL+6.94%×YQY+5.75%×YJD

外部传染隐患=2.71%×DWD+5.34%×DWY+7.26%×DBZ+6.49%×DBY+5.12%×CXY+3.52%×AJS （1）

（四）评价应用与等级分类

将样本企业指标数据代入（1）式，可以得到各家企业（集团）的信用风险关注度综合评价得分。综合评价得分越高，企业（集团）信用风险关注度越高。为扩大综合评价得分数值差异程度，将得分结果扩大100倍，并将综合评价得分区间划分成五段，对企业（集团）实行信用风险关注度分级管理，即2500分以上为一级关注度，（1500，2500]为二级关注度，（1000，1500]为三级关注度，（500，1000]为四级关注度，（100，500]为五级关注度。

由此，可以得到企业（集团）信用风险各维度评价得分以及相应的信用风险关注度等级，且比较而言，企业信用风险关注度测评等级与企业（集团）实际风险状况高度吻合。具体地看，一级关注度企业均为辖内大型企业集团或龙头企业，信贷总量巨大，且信贷质量已出现劣变，或风险暂未充分暴露，但部分已发生重大舆情、资金链可能断裂等风险症候，可能进一步加剧实质性风险。该类企业规模庞大，具有极高的经济社会贡献度，本身融资总量和风险超出银行机构、地市政府可承受的风险防控能力，处置不当极易诱发区域性风险，对当地经济金融和社会秩序稳定影响巨大。

二級关注度企业大部分为大中型企业或集团，信贷总量较大，相当部分企业信贷质量劣化，个别企业虽未发生不良或逾期等显性风险信号，但信贷分类下迁存在较大可能，一些企业发生负面舆情等外部事件，短期内形成实质性风险的概率较高。该类企业具有较高的经济社会影响度，若爆发较为严重的风险事件，单凭银行机构自身力量难以实现有效控制，需要政府协调牵头处置。

三级关注度企业绝大部分为中等规模企业集团，信贷规模较大，除部分企业信用风险较高外，大部分企业风险相对可控，该类企业对当地经济金融和社会秩序稳定会产生一定影响。

四级关注度企业为中小规模企业，信贷体量较小，信贷质量基本稳定，短期内存在形成实质性风险的可能但概率不高，对经济金融环境和社会秩序稳定的影响有限。

五级关注度企业信贷规模较小，经营运行比较平稳，未发现舆情、政策不利等明显的外部风险信号，信贷资产质量较好，即使企业发生信用突变导致风险暴露，授信银行完全可以通过采取相关措施实现“自我化解”。

四、企业信用风险关注度测评功效验证

测评结果给出了企业信用风险关注度定量得分和划分级别，特别是一级和二级关注度等级基本覆盖近年来辖区风险监管和银行业风险防控的重点企业，也与企业自身区域影响程度、融资体量、风险状况等要素大致匹配，显示出构建的关注度指标体系和权重测度方法具有较好的识别和评价功效。为进一步检验上述测评过程的科学性和合理性，本文将测评结果与企业债委会判断结果进行验证性对应比较。企业债委会判断结果是企业债委会成员行综合区域经济重要性、经营财务状况、企业信用规模、企业信贷风险、外部传染隐患及其他因素形成的关注度分类结果，属于专家判断法，具有一定的主观性，本文运用“主成分+多分类Logistic模型”，尽可能消除专家判断的主观成分，在此基础上与测评结果比较。

（一）主成分降维

企业风险关注等级评定因素较多，而且有关因素之间存在一定的共线性问题，会降低统计模型的拟合优度，为此首先运用主成分分析法对全部影响因素进行降维，解决多重共线性问题，选择前6个主成分作为中间变量参与后续多分类Logistic建模，前6个主成分方差贡献度达84%，已经提取数据绝大部分信息，表达式如下：

[FACTOR1=-0.149×GDP-0.155×GCY-0.151×SSS-0.145×ZCZ-0.137×DKZ+0.01×ZCF-0.016×GGL+0.006×ZCL+0.02×LZB+0.071×SXJ+0.001×SXZ+0.033×DKY+0.019×BWY-0.007×ZQY+0.089×GZL+0.101×BLL+0.114×YQL+0.075×YJD+0.1×DWD+0.082×DWY+0.117×DBZ+0.12×DBY+0.016×CXY+0.036×AJS]

[FACTOR2=0.125×GDP+0.129×GCY+0.143×SSS+0.145×ZCZ+0.147×DKZ+0.007×ZCF+0.022×GGL-0.004×ZCL-0.002×LZB+0.095×SXJ+0.111×SXZ+0.126×DKY+0.088×BWY+0.093×ZQY+0.104×GZL+0.105×BLL+0.117×YQL+0.069×YJD+0.104×DWD+0.104×DWY+0.124×DBZ+0.137×DBY+0.07×CXY+0.007×AJS]

[FACTOR3=-0.076×GDP-0.075×GCY-0.071×SSS-0.047×ZCZ-0.043×DKZ+0.008×ZCF+0.011×GGL+0.001×ZCL-0.063×LZB+0.082×SXJ+0.206×SXZ+0.2×DKY+0.217×BWY+0.204×ZQY-0.062×GZL-0.169×BLL-0.157×YQL-0.098×YJD+0.052×DWD+0.14×DWY-0.135×DBZ-0.099×DBY+0.123×CXY-0.094×AJS]

[FACTOR4=-0.082×GDP-0.061×GCY-0.047×SSS+0.013×ZCZ+0.014×DKZ+0.34×ZCF+0.173×GGL-0.275×ZCL-0.247×LZB-0.328×SXJ+0.183×SXZ+0.103×DKY-0.064×BWY+0.242×ZQY+0.001×GZL+0.161×BLL+0.114×YQL+0.029×YJD-0.26×DWD-0.125×DWY+0.036×DBZ-0.048×DBY+0.036×CXY+0.264×AJS]

[FACTOR5=0.006×GDP+0.001×GCY-0.029×SSS+0.024×ZCZ+0.031×DKZ+0.412×ZCF+0.486×GGL-0.178×ZCL+0.3×LZB+0.134×SXJ-0.21×SXZ-0.022×DKY+0.093×BWY-0.255×ZQY+0.116×GZL-0.191×BLL-0.135×YQL+0.111×YJD+0.178×DWD+0.136×DWY-0.14×DBZ-0.057×DBY+0.132×CXY+0.22×AJS]

[FACTOR6=-0.011×GDP-0.002×GCY+0.019×SSS-0.033×ZCZ-0.03×DKZ+0.037×ZCF+0.12×GGL-0.131×ZCL+0.59×LZB-0.097×SXJ+0.082×SXZ-0.046×DKY+0.215×BWY+0.104×ZQY-0.425×GZL+0.238×BLL+0.113×YQL-0.415×YJD-0.037×DWD-0.035×DWY+0.188×DBZ+0.079×DBY-0.112×CXY-0.11×AJS]

（二）多分类Logistic修正初始判断

尽管各地债委会企业按照全面性原则，形成并报送了企业风险关注等级信息，但由于判断缺乏客观且一致的数据和标准支撑，难免导致等级信息内生地存在认定不一、尺度不一的问题。因此，首先在定量数据和建立的6个主成分基础上，运用多分类Logistic模型对债委会等级信息数据予以调整修正，以减少主观判断的差异性，增强校验结果的准确性。在建模过程中，把6个主成分变量作为协变量，债委会关注等级信息设定为分类变量，分别以“1”、“2”、“3”、“4”、“5”代表一级关注度、二级关注度、三级关注度、四级关注度、五级关注度。通过SPSS18.0统计软件执行建模程序，以五级关注度为参考类别，得到各级关注度概率表达式：

[G1=-469.148+184.26×FACTOR1+52.427×FACTOR2+24.507×FACTOR3+45.194×FACTOR4+0.086×FACTOR5-14.194×FACTOR6]

[G2=10.102+25.879×FACTOR1+18.792×FACTOR2+3.363×FACTOR3+1.067×FACTOR4+2.293×FACTOR5-4.301×FACTOR6]

[G3=14.155+23.213×FACTOR1+16.562×FACTOR2+3.088×FACTOR3+0.907×FACTOR4+1.948×FACTOR5-3.891×FACTOR6]

[G4=15.474+18.354×FACTOR1+12.852×FACTOR2+2.255×FACTOR3+0.145×FACTOR4+1.18×FACTOR5-2.925×FACTOR6]

[G5=0]

将企业基础指标数据代入6个主成分和关注度模型表达式，即可得到每家企业表达式数值，[G1]、[G2]、[G3]、[G4]和[G5]数值中最大的对应的分类就是调整修正后的债委会关注等级。

（三）测评结果交叉验证

通过多分类Logistic回归模拟，本文获得修正后的债委会人工信用风险关注等级，并以此为比较基础，与企业信用风险关注度测评结果交叉验证，检验定量测评功效，比较结果见表4。

从表4交叉验证情况可以看出，基于本文构建的定量测评方法测算得到的企业信用风险关注度，与修正后的债委会关注等级整体契合度达到85.2%，表明企业信用风险关注度定量测评体系识别和评价功效较高，适宜作为分类防控化解企业信用风险的评判依据和决策支持。具体来看，除三级关注度契合度58.5%，相对较低外，其他四类关注度结果契合度均超过70%。其中，一级关注度分类完全一致，说明定量测评方法对最高信用风险关注等级企业的划分效果极佳；二级关注度结果契合度70%；四级和五级关注度结果契合度分别达93.5%、86.1%，说明定量测评方法对低信用关注等级企业的划分效果也较为优良。

五、结论与政策建议

本文全面分析了企业信用风险关注度理论，主要成果和结论如下：第一，创新性地提出企业“信用风险关注度”概念。在借鉴现有文献及现实实践的基础上，首次引入并清晰定义了信用风险关注的多维内涵，丰富了信用风险研究体系。第二，构建起银企信用风险复杂网络，运用仿真模拟技术对信用风险关注度进行了合理性探讨，仿真结果发现银企渠道是信用风险外溢扩散的主要渠道，信用风险关注度可以综合评判企业信用风险状况。第三，围绕区域经济重要性、经营财务状况、企业信用规模、企业信贷风险、外部传染隐患等五个维度，研究选取24个统计指标建立信用风险关注度测评体系，运用债委会数据对指标权重和企业关注度进行了测算，给出了关注等级的分级区间，显示关注度主要受企业融资体量和风险状况影响，债委会企业关注度测评结果也较为符合实际情况。第四，运用“主成分+多分类Logistic模型”法，对信用风险关注度测评体系识别评估功效进行交叉验证，结果表明测评等级与人工判断等级契合度整体高达85.2%，适宜作为分类防控化解企业信用风险的评判依据，且测评体系对信用风险“两头”企业的评测准确性更高。

结合本文的研究结论，提出分级分类信用风险防控建议：第一，对于一级关注度企业，成立跨部门联合参与的工作专班，研究制定“一企一策”的风险防控工作方案，强化内外信息的实时搜集和监测分析，形成上下顺畅贯通、左右高效协同的周密完备防控格局。第二，对于二级和三级关注度企业，要参考一级关注度企业风险防控化解模式建立组织推进机制，各级监管部门强化指导协调，加大與政府工作组的协同配合力度，切实落实风险化解预案和措施，防止风险无序扩散升级。第三，对于四级和五级关注度企业，由银行机构落实主体责任，关注生产经营及财务状况变化，加强异常预警和风险监测，视情况组建多头授信企业债委会，做好信息共享和联合管理，保持授信额度合理适当；如发生风险，由银行机构按照市场化原则采取相关措施，及时进行不良贷款核销处置，自主承担信贷损失。

注：

①度是复杂网络理论的重要概念，表示网络中与该企业直接关联的银行和其他企业的数量。

②具体包括担保关联、组织关联、经营关联等关系。

③目前主要指部分法人机构发起设立村镇银行。

④根据中国人民银行《银行贷款损失准备计提指引》（银发[2002]98号），对正常类、关注类、次级类、可疑类、损失类贷款的拨备计提比例分别为0、2%、25%、50%和100%。

⑤不包含青岛。

⑥指标属性反映不同指标对企业信用风险关注度的影响方式，其中，正向指标表示该指标与企业信用风险关注度变化趋势一致，即指标数值越大，企业信用风险关注度也越大；反向指标表示与企业信用风险关注度变化趋势相反，即指标数值越小，企业信用风险关注度也越小。

参考资料：

[1]陈育林.大客户授信风险的形成机理与管控研究——基于“公地悲剧”的视角[J].金融监管研究，2015，（4）.

[2]王兆星.高风险金融机构的处置与退出机制[J].中国金融，2015，（11）.

[3]陈育林.新形势下信用风险暴露的特点、机理与防控研究[J].中国银监会工作论文，2015，（3）.

[4]苏保祥.银行业重大信用风险处置机制研究[J].金融监管研究，2016，（5）.

[5]尹程，张秀民.信用风险的成因解构、定量测度与防控机制[J].金融监管研究，2017，（10）.