时间:2023-03-29 09:20:51
绪论:在寻找写作灵感吗?爱发表网为您精选了8篇信用风险论文,愿这些内容能够启迪您的思维,激发您的创作热情,欢迎您的阅读与分享!
20世纪50年代,冯·纽曼和摩根斯坦(VonNeumannMorgenstem)在公理化假设的基础上建立了不确定条件下对理性人(rationalactor)选择进行分析的框架,即期望效用函数理论。阿罗和德布鲁(Arrow,Debreu)后来发展并完善了一般均衡理论,成为经济学分析的基础,从而建立了经济学统一的分析范式。这个范式也成为金融学分析理性人决策的基础。1952年马克威茨(Markowi)发表了著名的论文“portfoliosdeefion”,建立了现代资产组合理论,标志着现代金融学的诞生。此后,莫迪戈里安尼和米勒(Modigliani-Miller)建立了MM定理,开创了公司金融学,成为现代金融学的一个重要分支。自上个世纪60年代夏普和林特纳等(Sharp-Limner),建立并扩展了资本资产定价模型(CAPM)至布莱克、斯科尔斯和莫顿(Black-Scholes-Merton)建立了期权定价模型(OPM),至此,现代金融学,已经成为一门逻辑严密的具有统一分析框架的学科。
随着金融市场上各种异常现象的累积,模型和实际的背离使得传统金融理论的理性分析范式陷入了尴尬境地。20世纪80年代,通过对传统金融学的反思和修正,行为金融理论悄然兴起,并开始动摇了CAMP和EMH的权威地位。行为金融理论在博弈论和实验经济学被主流经济学接纳之际,对人类个体和群体行为研究的日益重视,促成了传统的力学研究范式向以生命为中心的非线性复杂范式的转换,使得我们看到了金融理论与实际的沟壑有了弥合的可能。1999年克拉克奖得主马修(MatthewRabin)和2002年诺贝尔奖得主丹尼尔·卡尼曼(DanielKahneman)和弗农·史密斯(VemonSmith),都是这个领域的代表人物,为这个领域的基础理论作出了重要贡献。国外将这一领域称之为behaviorfinance,国内大多数的文献和专著将其称为“行为金融学”。
行为金融学发现,人在不确定条件下的决策过程中并不是完全理性的,会受到过度自信、代表性、可得性、锚定和调整、损失规避等信念影响,出现系统性认知偏差。而传统金融学是基于理性人假设,认为理性人在不确定条件下的决策是严格依照贝叶斯法则计算的期望效用函数进行决策的。即使有些人非理性,这种非理性也是非系统性的,会彼此抵消,从而在总体上是理性的;如果这种错误不能完全相互抵消,套利者的套利也会淘汰这些犯错误的决策者,使市场恢复到均衡状态,达到总体理性。
2行为金融对信用风险管理的影响
2.1风险偏好
根据行为金融学的基本理论,投资者的风险偏好不同于传统金融学理论下风险偏好是不变的,而是变化的,是会随着绝对财富等一些其他因素的改变而发生改变的。因此,我们就没有理由相信借款人是特殊的群体,他们借款的目的大多都是为了投资,也是众多投资者中的一部分,他们的风险偏好也会发生改变。风险偏好的改变就会直接影响到他们面临的风险,最终会影响贷款方面临的信用风险。
2.2过度自信
过度自信或许是人类最为稳固的心理特征,人们在作决策时,对不确定性事件发生的概率的估计过于自信。投资者可能对自己驾驭市场的能力过于自信,在投资决策中过高估计自己的技能和预测成功的趋势,或者过分依赖自己的信息而忽视公司基本面状况从而造成决策失误的可能性。这种过度自信完全有可能导致大量盲目投资的产生,盲目的多元化和贪大求全。
2.3羊群行为
企业决策由于存在较大的不确定性并涉及较多的技术环节,其决策往往由决策团体共同协商作出,主要属于群体决策,而群体决策有可能导致羊群行为(HerdBehaviors)的发生。羊群行为主要是指投资者在掌握信息不充分情况下,行为受到其他投资者的影响而模仿他人决策的行为。在企业决策中,羊群行为的表现可能是决策团体中多数人对团体中领导者的遵从,也可能是领导者对决策团体中多数人的遵从,而且是一种盲目的遵从。决策中的羊群行为可能造成决策失误。
2.4资本结构与公司价值
1958年,美国经济学家费朗哥·莫迪格里安尼(FraneoModigliani)和默顿·米勒(MertonMiller)在《美国经济评论》发表了题为《资本成本、公司财务和投资理论》的论文,提出了著名的MM定理,主要内容是:在市场完全的前提下,企业的资本结构与企业的市场价值无关。即企业价值与企业是否负债无关,不存在最佳资本结构问题。如果证券价格准确地反映了公司未来现金收入流量的值,那么不管发行的是什么类型的证券,只要把公司发行的所有证券的市场价值加在一起,一定等于这个公司未来利润的现值。无风险套利活动也使得资本结构无关紧要,如果两个本质完全相同的公司因资本结构不同在市场上卖出的价格不一样的话,套利者就可以将更便宜的公司的证券全部买下,然后在价格相对较高的市场上卖出。因此,公司的资本结构就不再是不相干的问题。不同的现金收入流量对不同的投资者的吸引力也会各不相同,这些投资者对于他们感兴趣的现金收入流量愿意付出高价。特别是由于噪声交易者的存在,套利仍充满风险。所以,不同的资本结构,其公司价值显然是不同的,其信用风险必然不同。
3行为金融对金融租赁公司信用风险管理的启示
金融租赁业务由于涉及交易环节较多,交易结构较为复杂,不但面临客户(承租企业)不能按时履约的信用风险,也存在供货商不能按时履约的信用风险,因此,相对于商业银行传统信贷,其信用风险更大。
遗憾的是,很多金融租赁机构依然照搬商业银行机构那套传统的信用风险管理模式。在按传统金融理论进行信用风险管理时,基于理性人的基本假设,对投资者的风险偏好、过度自信、羊群行为以及公司的资本结构均没有涉及。但是,基于行为金融学理论,表明这些因素的影响是存在的,这就启示我们在进行信用风险管理时就不能回避这些因素了,这既对信用风险管理提出了新的要求,也为金融租赁机构信用风险管理研究指明了方向。
信用风险,也称违约风险,一般是指借款人到期不能或不愿履行还贷付息协议而使银行面临贷款损失的可能性。信用风险是指信贷资金安全系数的不确定性,表现为企业由于各种原因,不愿意或无力偿还银行贷款本息,使银行贷款无法回收,形成呆帐的可能性(Murphy,2003)。具体的讲,信用风险可以分为两种情况:一是借款人或债务人没有能力或者没有意愿履行还款义务而给债权人造成损失的可能性;另一个是指由于债务人信用等级或信贷资产评级的下调、信贷利差的扩大导致资产的经济价值或者市值下降的可能性。前者主要着眼于贷款是否违约,称为违约风险。信用风险根据其定义,具有如下特征。
第一,非系统性与系统性。借款人的还款能力和还款意愿受多种因素的影响,一方面债务人自身的财务状况、投资策略和经营能力等因素决定了其能否按期履约还款。而另一方面,除了借款人自身的非系统风险之外,系统风险的也会对债务人违约产生影响,包括宏观经济状况、行业发展状态和政策法律等因素。
第二,道德风险与信息不对称对信用风险的形成具有重要作用。债权人与债务人的信用交易通常是在信息不对称的条件下进行的。债权人经常对债务人的信息掌握缺乏或者掌握错误信息,在信息掌握失衡的情况下,债务人为了实现自身的利益最大化,道德风险发生的可能性变大,即产生违约倾向,最终形成信用风险。
第三,信用风险收益的非对称性。信用风险收益的分布具有典型的非对称性,信用风险分布的偏峰厚尾特征决定了简单的应用均值和方差来衡量风险的大小是不充分的。
第四,信用风险作用于银行信贷经营的全过程,只有及时、准确地发现信用风险的诱导因素并系统、连续地掌握信用风险的特征、大小、属性及变动趋势,才能防范和化解风险。
二、信用风险四个量化因子
第一,违约概率(ProbabilityofDefault,PD),是指银行的交易对手(债务人)在未来一段时间内发生违约的可能性。对违约概率进行量化,需要我们对违约进行具体的界定。长期以来对违约的定义没有一个统一的标准,不同的用途有时会采取的不同的违约定义。新巴塞尔协议提供了违约的参考定义,违约是指以下两种情况的一种或者两者同时出现:一是银行认定除非采取追索措施,如变现抵质押品(如果存在的话),借款人可能不能全额偿还对银行集团的债务;二是借款人对银行集团的实质性信贷债务逾期90天以上。对于“不能全额偿还”,新协议又进行了六点详细阐述:一是银行停止对贷款表内计息,即借款人的贷款转为表外计息;二是由于信贷质量大幅下降,银行核销了贷款或计提了专项准备;三是银行将借款人贷款出售并相应承担了较大经济损失;四是银行同意对借款人进行消极债务重组而发生本金、利息或费用等较大规模的减免或推迟偿还造成债务规模的减少;五是就借款人对银行集团债务而言,银行将债务人列为破产或类似状况;六是借款人破产或申请破产或处于类似保护状态,由此不能履行或需要延期履行银行集团债务。
第二,违约损失率(LossGivenDefault,LGD),是指债务人一旦违约将给银行(债权人)造成的损失数额占风险暴露的百分比,它衡量了损失的严重程度,并且有违约损失率=1-回收率。对违约损失率进行量化需要我们对损失进行具体的界定。损失的界定即损失计算的范围,对此银行业实际业务中缺乏统一定义,往往根据具体目的和需要确定,一般损失的内容包括以下几个方面:本金的损失、利息的损失、违约债务持有成本和清收费用(如托收费、律师诉讼费)等。
第三,违约风险暴露(ExposureAtDefault,EAD),也称违约敞口,指信用暴露中面临违约风险的部分。关于违约敞口最重要的一点是它是未来的敞口,即在将来面临信用风险的头寸规模。由于提款和还款的方式不同,加上存在其他不确定性因素,在贷款到期之前信用敞口经常随着时间的推移而改变。
第四,有效期限(Maturity,M),是指当前与贷款或债券到期偿还日的时间间隔。向企业放贷对银行来说是一种投资行为,与其他形式的投资一样,银行这一投资的收益受其时间价值的影响。贷款的期限越长,债务在到期之前面临的不确定性越大,风险自然也就越大。在最新的巴塞尔新资本协议中,明确的提到了期限的处理问题。
三、信用风险损失的计量
对信用风险的四个量化因子进行研究,主要目的是对信用风险可能带来的损失进行计量。对信用风险损失的计量标准有两种方法,一是基于违约式模型下的损失,即债务人已发生的违约行为而给债权人(这里主要说的是商业银行)带来的损失;二是盯市模型下的损失,即除了违约行为之外,债务人信用等级的降低或资信质量的恶化导致的潜在损失,这是因为即使在借款人信用状况恶化的情况下并没有发生违约,但是信用资产的经济价值也会因借款人信誉发生变化而受到影响。目前,对于信用风险损失的计量主要考虑预期损失、非预期损失和损失不足三种情况。
1、预期损失(EL)。预期损失是银行在经营活动中可以预期到的损失。银行在事前计提损失准备金来抵御预期损失,或者在贷款定价时将预期损失作为成本(如通过贷款利率)予以考虑。预期损失是损失的期望水平,没有考虑不确定性因素的影响。因此银行须将预期损失视为经营的成本,在贷款的定价或事前损失拨备中予以考虑。预期信用风险损失率等于违约损失率和违约概率的积。进行违约概率和违约损失率测度,可以有效提升信用风险管理水平。
2、非预期损失(UL)。又称意外损失,非预期损失是指因经济环境或市场状况异常波动等非预期事件造成的实际损失对预期损失的偏离。如果组合损失分布服从正态分布,预期损失和非预期损失的分布将与组合信用损失分布一致,因为已知一阶矩和二阶矩即可确定正态分布,那么非预期损失一般可以用预期损失的标准差来描述。但信用风险的损失分布并不服从正态分布,而是具有明显的有偏和非对称性特征。此时非预期损失对应于在险价值(VaR)与期望损失之差。
3、损失不足(ES)。意外损失不包括极端事件,极端事件指VaR置信水平以外的概率发生的损失,尽管股市崩盘、金融危机发生的概率很小,但是其造成的损失是投资者不能忽视的,而一般的统计规律不能估计极端损失,这需要采用压力检测分析这一问题,相应的提出了极值理论和一致性风险度量。损失不足即是度量超出VaR置信水平下最严重损失的平均值,它能够满足对极端损失的关注,在连续分布下,还满足次可加性、齐次性、单调性和无风险条件四个公理,是一致性风险度量手段。
四、经济资本与经风险调整收益率
以经营信贷资产为主要业务的商业银行,始终面临着风险和潜在损失问题,为了抵御这些损失的影响,银行必须配备一定的准备或者资本,又因其行业的特殊性,其资产资本构成与一般工商企业有较大的差异,银行的资本仅占其资产总额的很小一部分,同时银行除了自身主动提取风险准备以外,还要满足外部监管当局的资本要求。
第一,经济资本(EC)。经济资本是银行内部用以缓冲风险损失的权益资本。巴塞尔资本协议将经济资本笼统的定义为银行等金融机构在经营过程中所必须持有能够覆盖所有可能风险的资本数量,经济资本的数量由金融机构自己估计。经济资本的概念与在险价值(ValueatRisk,记为VaR)的概念实际上一致的。在险价值刻画了损失分布的尾部风险,其定义是在一定时期内,在某一置信水平下,投资组合的最大可能损失。事实上,银行内部测算的经济资本与外部监管当局所要求的监管资本常常是不一致的,这种不一致既可能是经济资本高于监管资本,也可能是经济资本低于监管资本。经济资本是银行内部为抵御风险而主动配备的资本,实际上是指所“需要的”资本或“应该有的”资本,不是银行已经拥有的资本,它不同于帐面资本和监管资本。虽然经济资本与监管资本都起到风险缓冲的作用,但前者是由银行管理者从内部来认定和安排的缓冲,它实际上反映了股东价值最大化对银行管理的要求;而后者则是银行业监管部门从行业监管的角度对银行资本金水平所做的要求。在风险定价方面,监管资本无法有效的区分暴露的风险差异,而经济资本做到了这一点,经济资本对风险的敏感性显著高于监管资本对风险的敏感性。所以,从理论上经营稳健的银行需要动态监测监管资本和经济资本,并保证经济资本大于等于监管资本。当经济资本高于监管要求的资本时,银行为了提高资本金的利用效率,会将超额的部分通过资本充足率的杠杆效应,扩大信贷投放;或者通过增加表外业务实现资本金的投资收益。最终使经济资本与监管资本趋于一致。当银行内部计算的经济资本要求,大大低于监管所规定的监管资本要求时,银行就会倾向于监管资本套利。监管资本套利的主要做法是通过资产证券化或其他金融创新工具将低风险资产从信贷组合中稀释出去,而从中获得收益。
第二,经风险调整收益率(RAROC)定义为净收益减去预期损失后与经济资本的比。该定义与资产组合理论中的风险收益比率即Sharp比率相似。银行除了重视估计风险潜在损失和进行经济资本配置以外,对银行的收益能力也十分重视。20世纪70年代末,美国信孚银行提出了RAROC,目的是为了度量银行信贷资产组合的风险和计算在特定损失率下为限制风险暴露必须的股权数量。后来许多大银行在此基础上纷纷对RAROC模型进行开发,从而逐渐改变了传统的以资产收益率和资本收益率为中心的业绩考核和管理体系,将风险因素充分考虑到银行的经营业务考核中。20世纪90年代,这项技术在不断完善的同时在国际上大银行间得到了广泛的推广,并逐渐成为当今金融理论界和实践中公认的最核心、最有效的经营业绩考核管理方法。我国银行业监管管理委员会在《商业银行市场风险管理指引》中指出,银行是经营特殊商品和服务的高风险企业,必须将风险因素引入到经营管理和绩效衡量中。实践表明,银行业要实施全面风险管理,就必须以经济资本为基础,建立一套有效的风险调整后的资本收益率管理体系。
【参考文献】
[1]MurphyA.:AnempiricalanalysisofthestructureofcreditriskpremiumsintheEurobondmarket[J].JournalofInternationalMoneyandFinance,2003(22).
[2]Stiglitz,J.E.,A.Weiss:CreditRationinginMarketswithImperfectInformation[J].TheAmericanEconomicReview,1981(71).
[3]李志辉:中国银行业风险控制和资本充足性管制研究[M].中国金融出版社,2007.
[4]孟庆福:信用风险管理[M].经济科学出版社,2006.
[5]叶蜀君:信用风险度量与管理[M].首都经济贸易大学出版社,2008.
关键词:行为金融;信用风险;金融租赁
信用风险又称违约风险,是指借款人、证券发行人或交易对方由于种种原因,不愿或无力履行合同条款而构成违约,致使银行、投资者或交易对方遭受损失的可能性。基于传统金融学理论许多金融机构和研究者对信用风险管理作出积极探索并取得了卓有成效的计量模型和支持工具,但也存在明显缺陷。随着行为金融学的兴起和发展,为我们提供了新的视角来研究信用风险管理。
1行为金融学的产生
20世纪50年代,冯·纽曼和摩根斯坦(VonNeumannMorgenstem)在公理化假设的基础上建立了不确定条件下对理性人(rationalactor)选择进行分析的框架,即期望效用函数理论。阿罗和德布鲁(Arrow,Debreu)后来发展并完善了一般均衡理论,成为经济学分析的基础,从而建立了经济学统一的分析范式。这个范式也成为金融学分析理性人决策的基础。1952年马克威茨(Markowi)发表了著名的论文“portfoliosdeefion”,建立了现代资产组合理论,标志着现代金融学的诞生。此后,莫迪戈里安尼和米勒(Modigliani-Miller)建立了MM定理,开创了公司金融学,成为现代金融学的一个重要分支。自上个世纪60年代夏普和林特纳等(Sharp-Limner),建立并扩展了资本资产定价模型(CAPM)至布莱克、斯科尔斯和莫顿(Black-Scholes-Merton)建立了期权定价模型(OPM),至此,现代金融学,已经成为一门逻辑严密的具有统一分析框架的学科。
随着金融市场上各种异常现象的累积,模型和实际的背离使得传统金融理论的理性分析范式陷入了尴尬境地。20世纪80年代,通过对传统金融学的反思和修正,行为金融理论悄然兴起,并开始动摇了CAMP和EMH的权威地位。行为金融理论在博弈论和实验经济学被主流经济学接纳之际,对人类个体和群体行为研究的日益重视,促成了传统的力学研究范式向以生命为中心的非线性复杂范式的转换,使得我们看到了金融理论与实际的沟壑有了弥合的可能。1999年克拉克奖得主马修(MatthewRabin)和2002年诺贝尔奖得主丹尼尔·卡尼曼(DanielKahneman)和弗农·史密斯(VemonSmith),都是这个领域的代表人物,为这个领域的基础理论作出了重要贡献。国外将这一领域称之为behaviorfinance,国内大多数的文献和专著将其称为“行为金融学”。
行为金融学发现,人在不确定条件下的决策过程中并不是完全理性的,会受到过度自信、代表性、可得性、锚定和调整、损失规避等信念影响,出现系统性认知偏差。而传统金融学是基于理性人假设,认为理性人在不确定条件下的决策是严格依照贝叶斯法则计算的期望效用函数进行决策的。即使有些人非理性,这种非理性也是非系统性的,会彼此抵消,从而在总体上是理性的;如果这种错误不能完全相互抵消,套利者的套利也会淘汰这些犯错误的决策者,使市场恢复到均衡状态,达到总体理性。
2行为金融对信用风险管理的影响
2.1风险偏好
根据行为金融学的基本理论,投资者的风险偏好不同于传统金融学理论下风险偏好是不变的,而是变化的,是会随着绝对财富等一些其他因素的改变而发生改变的。因此,我们就没有理由相信借款人是特殊的群体,他们借款的目的大多都是为了投资,也是众多投资者中的一部分,他们的风险偏好也会发生改变。风险偏好的改变就会直接影响到他们面临的风险,最终会影响贷款方面临的信用风险。
2.2过度自信
过度自信或许是人类最为稳固的心理特征,人们在作决策时,对不确定性事件发生的概率的估计过于自信。投资者可能对自己驾驭市场的能力过于自信,在投资决策中过高估计自己的技能和预测成功的趋势,或者过分依赖自己的信息而忽视公司基本面状况从而造成决策失误的可能性。这种过度自信完全有可能导致大量盲目投资的产生,盲目的多元化和贪大求全。
2.3羊群行为
企业决策由于存在较大的不确定性并涉及较多的技术环节,其决策往往由决策团体共同协商作出,主要属于群体决策,而群体决策有可能导致羊群行为(HerdBehaviors)的发生。羊群行为主要是指投资者在掌握信息不充分情况下,行为受到其他投资者的影响而模仿他人决策的行为。在企业决策中,羊群行为的表现可能是决策团体中多数人对团体中领导者的遵从,也可能是领导者对决策团体中多数人的遵从,而且是一种盲目的遵从。决策中的羊群行为可能造成决策失误。
2.4资本结构与公司价值
1958年,美国经济学家费朗哥·莫迪格里安尼(FraneoModigliani)和默顿·米勒(MertonMiller)在《美国经济评论》发表了题为《资本成本、公司财务和投资理论》的论文,提出了著名的MM定理,主要内容是:在市场完全的前提下,企业的资本结构与企业的市场价值无关。即企业价值与企业是否负债无关,不存在最佳资本结构问题。如果证券价格准确地反映了公司未来现金收入流量的值,那么不管发行的是什么类型的证券,只要把公司发行的所有证券的市场价值加在一起,一定等于这个公司未来利润的现值。无风险套利活动也使得资本结构无关紧要,如果两个本质完全相同的公司因资本结构不同在市场上卖出的价格不一样的话,套利者就可以将更便宜的公司的证券全部买下,然后在价格相对较高的市场上卖出。因此,公司的资本结构就不再是不相干的问题。不同的现金收入流量对不同的投资者的吸引力也会各不相同,这些投资者对于他们感兴趣的现金收入流量愿意付出高价。特别是由于噪声交易者的存在,套利仍充满风险。所以,不同的资本结构,其公司价值显然是不同的,其信用风险必然不同。
3行为金融对金融租赁公司信用风险管理的启示
(一)理论模型分析假设信用资产关联系统由2家企业组成,第1家企业是下游企业,第2家企业是上游企业。第1家企业向第2家企业采购原材料,第2家企业向第1家提供商业信用;模型时间分为2期,第t期2家企业正常经营,第t+1期第1家企业受到外部流动性冲击,发生违约,第2家企业受损。设企业信用资产为RA;非信用资产为URA;短期负债为STD;长期负债为LTD;净资产为NA。企业i(i=1,2)在t时刻的资产负债表平衡关系。假设资本市场是理性的,市场均衡的估值市净率在第t、t+1期是不变的,不妨设定为常数c。在t+1第1家企业信用违约而股价下降,并引发第2家企业股价随之下降,形成了股价联动[7]68-78。
(二)实证方法构建多变量金融时序Copula函数的关键在于,建立单变量金融时序分布模型与选择合适的多元Copula函数[32]。多元正态Copula函数不能反映变量之间的联合厚尾特征[33-34]。多元t-Copula函数可以用于研究变量之间的联合厚尾特征,其自由度越小,表明联合厚尾特征越明显[35]。1.边缘分布的确定金融资产收益率序列具有异方差、尖峰厚尾、时变、右偏与杠杆效应,适合用AR(1)-GJR(1,1)模型拟合边缘分布。2.Copula函数的选用多元t-Copula函数尾部较厚,能很好地拟合尾部相关关系[37-39]。因此,从理论上可以推断,多元t-Copula函数能够更好地度量股价的联动关系。本文使用Q-Q图、K-S检验判断单个多元Copula函数的拟合情况。同时,引入经验分布函数,构建反映拟合误差大小的平方欧式距离指标。该平方欧式距离反映了多元Copula函数拟合原始数据的误差情况。该指标值越小,说明偏差越小。3.Copula函数的时变过程与估计对于C-藤分解结构下的时变条件相关系数,Engle(2002)提出了比较常用的描述其时变过程的DCC(1,1)模型其中,ρt是t时刻的条件相关系数;向量εt是由选定的时变Copula函数边际分布逆函数转换得到的标准化残差;Q軒t是一个p×p矩阵,该矩阵对角线上的元素是Qt的平方根,其他元素为0;Qt和R分别是残差项的样本协方差与相关系数;rt是在项数为m(m>p)的移动窗中残差的相关系数。该时变Copula函数的参数估计可以由两步极大似然估计法完成[43]。第一步先利用最大似然估计法,估计边际分布AR(1)-GJR(1,1)模型中的参数;第二步对残差做概率积分转换,再利用最大似然估计法,估计时变Copula函数的参数。4.基于Copula函数的相关性分析选择合适的Copula函数后,拟合估计出其参数值,就可以利用表1中的计算式,计算出各相关系数值。在静态Copula函数中,其参数是不变的,计算出来的是静态总体相关性;如果采用时变Copula函数,参数ρt(t=1,2,…,T)是时变参数,就可以利用表1中公式,一一对应地计算出总体线性相关系数、非线性相关系数及尾部相关系数的动态时变过程。
二、计算结果与分析
(一)研究样本根据企业之间存在的信用关联,选择宝钢股份(BGGF)、必和必拓(BHP)、力拓(RIO)、上海汽车(SHQC)、上港集团(SGJT)、山西煤电(SXMD)、青岛海尔(QDHE)和中国船舶(ZGCB)在内的几家企业作为研究样本,研究这些企业从2001年1月2日至2011年4月28日之间的股价联动。列出了6个样本企业股价收益率序列数据的描述统计指标。由表2可知,6个变量的峰度都在10以上,呈现尖峰分布,其中,SGJT收益率分布最尖;BHP、RIO、SHQC、SGJT的偏度都大于0,其中,SGJT收益率分布右偏程度最大;BGGF、XSMD的偏度小于0,说明与正态分布、t分布相比较,适合选用左偏的t分布拟合样本收益率数据。
(二)边际分布拟合检验根据white检验结果可知,3个统计量的P值都拒绝“不存在异方差”的原假设,说明异方差比较突出。表明收益率序列适合选用ARCH模型。本文中的边际分布选用带有杠杆效应的AR(1)-GJR(1,1)-Skewt模型。其模型估计的参数值如表3所示。从AIC、BIC、LL值看,AR(1)-GJR(1,1)-Skewt模型的有效性好于AR(1)-GJR(1,1)-t模型①。8个序列的自由度估计值都比较小,说明它们的分布都具有厚尾特征,其中上港集团的尾部最厚。另外,使用时变Copula函数估计时变条件相关系数时,需要把序列数据通过概率积分转换为U(0,1)分布序列。本文对边际分布拟合情况还进行了独立性检验与同分布检验。拉格朗日乘数检验结果表明,在5%显著水平下,这8个序列都不存在自相关,可以认为转换后的序列相互独立;非参数K-S检验结果表明,转换后的8个序列在5%显著水平上服从U(0,1)分布。这些结论表明,边际分布采用AR(1)-GJR(1,1)-Skewt模型非常合理。
(三)利用多元t-Copula函数静态度量股价的联动效应常用的固定参数多元Copula函数包括多元正态Copula函数和多元t-Copula函数。在这两个函数的Q-Q图中,本文无法区分其拟合优劣;而由多元正态Copula函数的K-S检验可知,在0.01显著水平上拒绝原假设,说明多元正态Copula函数不能很好地拟合多元时序数据;而多元t-Copula函数拟合该的多元数据序列。从Copula函数与经验分布函数之间的平方欧式距离来看,多元正态分布Copula函数的平方欧式距离为0.3873,多元t分布Copula函数的平方欧式距离为0.0568,多元t-Copula函数可以较好拟合该股价原始数据的经验分布情况,与理论分析一致。根据各样本收益率序列的条件边际分布,利用多元Skewt分布函数与多元t-Copula函数之间的关系,信用资产关联各企业股票收益率之间的多元t-Copula函数非线性相关系数如表4所示。从表4可以看出,受中外股市之间的一体化约束,宝钢股份(BGGF)与必和必拓(BHP)、力拓(RIO)之间,必和必拓(BHP)、力拓(RIO)与上海汽车(SHQC)、上港集团(SGJT)、山西煤电(SXMD)、青岛海尔(QDHE)、中国船舶(ZGCB)之间的相关系数都很低,但其他信用资产关联企业之间的相关系数都在0.5左右,存在中等程度的正相关联动现象。
(四)利用时变多元t-Copula函数度量股价的联动效应不同边际分布下时变t-Copula函数的相关系数时变方程参数估计值如表5所示。从AIC、BIC、LL值看,对于条件相关系数的时变过程G-DCC、t-DCC,边际分布选用AR(1)-GJR(1,1)-Skewt模型最合理,但时变G-DCC过程拟合效果最差,t-DCC过程则最好。本文选用AR(1)-GJR(1,1)-Skewt模型作为边际分布,选用时变过程为t-DCC的多元t-Copula函数为多元连接函数,动态拟合计算动态条件相关系数,得到8个按照C-藤结构分解的pair-copula函数的时变无条件相关拟合的AIC、BIC、LL值分别是-7158.6、-7141.7、3582.3。利用这28个时变Copula相关系数的时间序列数据,计算出相对应的时变等级相关系数、秩相关系数与尾部相关系数的时间序列,如表6所示。从表6可以看出,4个相关系数都显示出,股价呈现低度正相关性,具有弱板块效应;时变Copula相关系数的集中趋势值最大,尾部相关系数最小。但是,时变Copula相关系数的绝对离散波动程度、波动幅度最大;从离散系数、极差/平均值的结果可以看出,尾部相关系数的相对离散波动程度最大。从时变Copula相关系数可以看出,在C-藤结构下条件相关系数的均值在0.0583~0.7376之间,呈现出弱相关关系,因为条件相关系数有正值、负值,相关方向存在转换,正负抵消导致简均值的结果较小。其他16个条件相关系数均为正值,平均值在0.5左右,呈现出中等强度的相关性。从条件相关系数值的离散指标可以看出,标准差从0.0573~0.1042,绝对变化范围从0.2628~0.5706,最大相对幅度变化范围从0.4899~6.2644,说明条件相关系数的时变性较强。为了观察条件相关系数的时变特征,本文也分别在标准差最小与最大、离散系数最小与最大、波幅最小与最大等6种情况下,计算了时变Copula函数度量的4个时变相关系数,均表现出相同的变化趋势,而且在常态相关性走强时,股价板块效应的作用愈加强大,同时暴跌暴涨的相关性走强;在常态相关性走弱时,股价板块效应的作用减弱,由一家企业股价大幅涨跌引发的信用资产关联企业同时暴跌暴涨的相关性走强。
三、结论
根据物流金融的运作特点,可将其风险来源归纳为来自融资企业、抵押物以及第三方物流企业三大方面。借鉴Altman,Haldeman和Narayanan(1977)提出的第二代“ZETA计分模型”中企业信用评价指标体系[3],将来自融资企业的风险细化为中小企业营运能力w1、盈利能力w2、偿债能力w3、及信用记录w4四大方面的十个具体指标,分别为w11持续经营、w12资产回报率、w13存货周转率、w21连续盈利、w22税后利润率、w23销售利润率、w31稳定存货、w32资产负债率、w33速冻比率、w41履约率。我国现阶段的物流金融业务主要集中于基于权利质押以及基于存货质押两种,因此质押物本身的质量也直接关系其风险大小。指标包括:所有权w51、市场性质w61、保险率w71三方面。作为重要参与方的物流企业为实现其对质押物的有效监管,企业规模w81及企业信誉w91也即成为影响物流金融风险的重要指标。
2基于BP神经网络和证据理论的评价方法
2.1BP神经网络的基本原理
BP神经网络,是由Rumelhart和McCelland等人(1986)提出的。其基本思想是,学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时,输入样本从输入层通过隐含层传向输出层。若输出层的实际输出与期望输出不符,则转入误差的反向传播阶段,并将误差分摊给各层的所有单元。正向传播与误差反向传播周而复始,一直到网络输出的误差减少到可接受的程度,或预先设定的次数为止。
2.2证据理论的基本原理
①定义1:设为一个互斥又可穷举的元素的集合,称作识别框架,基本信任分配函数m是一个集合2到[0,1]的映射,A表现识别框架的任一子集,记作A哿,式中:m(A)称为时间A的基本信任分配函数,它表示证据对A的信任程度。②Dempter合成法则:假定识别框架下的两个证据E1和E2,其相应的基本信任函数为m1和m2,焦元分别为Ai和Bj,则m(A)=m1(A)茌m2(A)2.3信用风险评估算法为了保证神经网络的收敛和稳定性,本论文中将15个指标分为四组,建立4个神经网络NN1,NN2,NN3和NN4。神经网络的输出设计为(0.1,0.1,0.9)T、(0.1,0.9,0.1)T、(0.9,0.1,0.1)T,表示的信用风险级别分别为高风险、中度风险、低风险,记为A1,A2,A3。将输出归一化,得到向量(a′i1,a′i2,a′i3)T,记作V′i。令mi(Ai)=a′il,i∈{1,2,3,4},l∈{1,2,3},表示由NNi得到的对信用风险级别Ai的基本信任度,即针对事件Ai的证据。之后,再将4个证据利用DS证据理论融合。就可以对信用风险进行评估,最初最终决策。
3应用实例
本次数据采集共发出问卷200份,收回135份,有效问卷92份。将前91组数据分别训练神经网络。再将余下1个样本输入训练好的神经网络,归一化处理输出结果即得该证据对该命题的基本概率分配,而后利用DS证据理论将其融合得到最终优化结果。
4结论
随着信用风险问题的日趋突出,信用风险已经成为制约电子商务发展的重要因素。信用风险不仅对电子商务销售方的心理和销售购买行为存在影响,而且对购买方的心理和销售购买行为也都存在很大的影响。一方面信用风险作用于电子商务交易中的销售方,主要表现在销售方对购买方按时足额付款的信任缺乏,以及售后购买方对销售方做出不真实的公开评价而造成销售方的销售业绩下降等;另一方面信用风险作用于电子商务交易中的购买方,不仅表现在对销售方提供的商品或服务质量的不信任,还有支付方式的安全性、第三方物流的可靠性等方面的不信任。
二、B2C电子商务的信用风险类型
(一)商品自身的可靠性风险
可靠性风险是由电子商务活动中的不确定因素带来的信用风险,B2C电商商务过程中所交易的商品依然是交易活动的核心,离开商品则交易便不存在,所以电子商务过程中的可靠性风险的最核心问题就是电子商务销售企业提供的商品的可靠性问题,即商品主体的质量、性能、与电子商务网页提供的产品描述的相符度等。商品自身可靠性风险形成的主要原因是源于所销售的商品的不可触摸性,通过网上购买到的实际商品与实体店体验到的商品是否一致是当前存在的主要问题。
(二)虚假宣传的信用风险
B2C电子商务的购买方主要依靠销售方的网页宣传文字和宣传图片、广告语等来决定自己的购买行为,如果宣传文字存在夸大宣传、不实宣传,宣传图片存在非实景拍摄或图片美化过度等现象,都会造成购买方的误判,从而产生信用风险。虚假宣传信用风险的产生原因,往往是因为销售网页的操控者是电子商务中的销售方,销售方可以随时更新销售网页内的文字和图片内容,往往存在骗取购买后立刻对产品的描述和产品图片进行更改的现象。
(三)支付方式带来的信用风险
支付方式带来的信用风险主要指B2C电子商务活动结算过程的安全性缺失及保障性不足带来的结算信用风险,既可能给电子商务购买方带来经济损失,也可能危及销售方的经济利益。这一信用风险出现的原因,主要是由于电子商务的支付方式往往依托于网络汇款、网上银行、手机银行、快捷支付、银联在线支付、支付宝等第三方支付平台来进行操作,像淘宝这样有支付宝平台来管理付款的电子商务服务网站对付款环节提供了一定的保障,但仍然有很多电子商务形式是将货款直接付于销售方,这样销售和购买双方时间和空间上的不对称的付款方式是具有信用风险的,即使是支付宝平台,依然不是完美无缺的,例如由于物流造成货物“迟到”时,支付宝会自动默认交易成功,并将购物款打到销售方账户,这个环节中依然存在一定的信用风险。同时支付过程中个人银行信息、密码信息等存在泄露的风险,购买方是具有这样的不安全感的。
(四)由第三方物流带来的信用风险
第三方物流带来的信用风险主要是指B2C电子商务的有形产品在物流运输过程中由于第三方物流企业原因带来的信用风险,在当前的电子商务交易环节中,很多电子商务第三方服务平台网站都将物流运输作为评价电商信用的一个重要指标,但即便如此,漏寄、错寄、邮寄丢失、运输过程商品破损的现象仍然时有发生。出现这一信用风险的原因之一是网络交易货物量的激增,尤其是“双十一”、节假日等电商交易高峰期,第三方物流企业难以应对激增的投递业务,不能保证电商产品及时准确的邮递,给人们带来信用缺失的感受,在这样特殊的时期,也是电子商务欺诈等问题发生的高峰期内,物流服务企业如果寄送过慢会导致大量货物货未到,而支付平台已将购物款打到销售方账户,一旦出现商品寄丢及商品质量问题,购买方便丢失了保障。同时,第三方物流工作人员的消极工作或工作中不负责的态度,也可能导致这一信用风险的产生。
(五)缺乏监管带来的信用风险
缺乏监管带来的信用风险就是指我国当前没有切实可行的针对电子商务交易市场进行监管控制的法律法规,没有专门的监管部门对电子商务进行监管而产生的信用风险。单纯采用为有形市场制定的法律法规来监管电子商务活动,是存在不适应性的。并且,我国目前还没有建立专门从事对网络电子商务市场进行有力监管的相关职能部门,对电商销售企业进行整合监管。同时,通过网络渠道进行销售的商品不是由销售方直接交付于购买方,而是通过自有的物流分销渠道或第三方物流将商品送达,在整个交易过程中涉及的环节较多,一旦商品送到购买方手中存在质量问题,监管部门也很难确定质量问题的出现,是归咎于商品提供商还是物流环节。所以存在网购产品质检困难的风险,同时购买方存在维权困难的风险。
三、加强B2C电子商务信用风险管理的措施
(一)加强产品检验,保障产品质量
为了降低B2C电子商务中因产品本身质量问题带来的信用风险,建议发挥产品检验机构,如工商局、卫生局、质检局等,主动加大对线上产品可靠性的检验力度,将线上产品与线下产品的监管、检验、惩罚措施趋同,使虚拟空间中的实际产品得到有形机构的检验。另外,B2C电商企业为了降低给购买方带来的信用风险的感知,也可以加强对自有产品的监管力度,必要时可引入第三方质量认证机构通过科学的质量认证体系来对自有产品的生产过程进行规范。
(二)制定法规,保障电商真实宣传
为了减少电商产品生产企业或销售方在网络营销过程中的不实宣传、夸大宣传问题,在B2C电子商务服务平台网站做好网页监管的同时,国家权力机关要认清当前电子商务的发展形势,适时制定针对网络营销的法律法规,在监督线上产品质量的同时,更要抓好对电商企业及销售方的宣传方式、宣传语言合理性的监管,尽可能避免电商企业网站中信息对电商购买方的误导,以降低电子商务过程中由于虚假宣传带来的信用风险。
(三)完善电子支付平台,保证交易安全
支付平台的安全性和稳定性是B2C电子商务交易环节的重要保障。从银行货币融通机构来说,要不断加大银行交易平台的安全性和稳定性,将网上银行、手机银行、快捷支付、银联在线支付等交易平台的信用风险尽可能的降低,同时要降低支付平台的操作难度,降低用户在使用支付平台时出现错误操作的可能性。从电子商务交易平台提供的交易平台来说,要不断完善支付媒介平台,网上银行、支付宝、财付通、百付宝、国付宝等的建设,建立可以与买卖双方进行沟通的支付平台,在全面了解买卖双方交易进度的基础上再提供支付服务,以降低因买卖双方信息的不对称和时间的错位带来的信用风险。从电子商务中的买卖双方来说,应严格遵循支付平台及交易平台的使用规范,正确使用电子支付平台,避免因自身操作不当而产生的信用风险。
(四)完善第三方物流体系,保障运输可靠性
为了降低由第三方物流带来信用风险的可能性,物流企业首先要不断自我运作和管理体制,建立高效、可靠的物流运维模式,全力保证货物准时、保质保量的送达,降低货物因运输速度慢而带给购买方的信用风险感知。其次,物流企业要不断完善签收人签收制度,代收人代收时需要出具相关有效身份证件进行记录,降低因签收、代收过程中造成的货物错寄、丢失的信用风险。再次,物流企业在邮寄过程中盗取物流单据上个人信息的现象有所存在,很有可能带给买卖双方对信用风险的感知,所以物流企业必须做好个人信息保密工作,降低因个人信息和购买信息给电子商务的买卖双方带来的信用风险。
(五)加强监管,保证对电子商务的有效控制
关键词:外贸企业客户信用风险应收账款“外包”
加入WTO和世界经济一体化,给我国外经贸事业的发展带来了前所未有的机遇。与之相伴随的却是,中国出口企业日益陷入海外应收账款“黑洞”。相关统计资料显示,中国出口企业的海外应收账款累计至少超过1000亿美元,相当于中国2004年总出口额的五分之一,而且这种海外呆坏账正在以每年150亿美元的速度增加。外贸企业的很多利润被坏账所吞噬,许多外贸企业不堪重负,甚至破产倒闭,有的即使能够维持经营,在经营中也常常进退维谷,阻碍了企业的正常发展。另一种极端情况就是部分外贸企业由于惧怕坏账风险采取非常谨慎的信用政策,甚至宣称对非信用证业务一律不做,结果限制了业务的发展。
在与各国经贸往来中我国外贸企业并未充分重视客户信用风险的管理,在对外贸易客户信用风险管理上的欠缺造成的债务拖欠和应收账款问题已成为外贸企业发展的瓶颈。
外贸企业客户信用风险特征
下面笔者结合美国邓白氏公司中国代表对我国外贸企业大量逾期应收账款问题的调查报告数据,对我国外贸企业客户信用风险的特征进行结构分析,从更深层次上理解我国外贸企业客户信用风险的现状。
从来源结构看,我国对外贸易客户信用风险的来源以海外华人公司为主。从我国国际贸易拖欠案件所涉及的海外公司性质看,我国的外贸信用风险主要是由海外华人客户带来的。笔者认为这些为数不多的海外华人,包括港、澳、台地区的华人以及少数原籍中国大陆后来移居海外的华人具有与中国同族同种和语言相通的优势,他们对中国的国内经济环境比较熟悉,了解到我国处于由计划经济体制向市场经济体制转变过程中,各方面的管理仍不完善,存在着各种法律、管理漏洞,外贸企业内部的信用风险防范意识和信用风险管理能力薄弱。同时他们又抓住我国部分外贸企业领导存在着的一定急功近利和或多或少的崇洋的心态,使得部分海外华人进口商可以肆意拖欠我国外贸企业货款,或诈骗屡屡得手,诈骗成功率要高于一般外国进口商。
从起因结构看,我国对外贸易客户信用风险的直接起因以恶意欺诈为主。具体结构为:有意欺诈的拖欠款占60%;产品质量、数量或交货期有争议的占25%;属于我方外贸企业交易严重失当及管理失误的占15%;交易人员私下默契台底交易占2.5%;其他性质占2.5%。我国对外贸易的过半货款拖欠是由客户的恶意欺诈引起,而非人们通常理解的主要是由诸如产品质量或货期等贸易纠纷引起。
从外贸企业性质结构看,我国对外贸易客户信用风险导致的国际拖欠所涉及的企业以国内的全资中资企业为主体。具体结构为:80%来自国内的企业,其中的50%为国有外贸企业,30%为私营外贸企业;另外20%来自三资企业。从企业结构中,我们可以明显了解到我国外资外贸企业的信用风险管理意识和水平相对要优于中资的外贸企业。
从客户新旧特征看,过半数的国际货款拖欠由老客户造成。根据邓白氏国际(上海)信息咨询公司1997年度受理的我国398件国际应收账款追讨案件的统计显示,其中的200个案件是由老客户产生的,而非人们通常理解的国际货款拖欠主要由资信不良的新客户造成。
外贸企业客户信用风险的成因分析
透过以上表面数据,我们可以看出造成我国外贸企业风险损失的原因除了企业主体信用管理观念的严重缺乏外,来自企业产权制度的影响也是至关重要的。具体来说,我国外贸企业客户信用风险成因主要体现在以下几个方面:
相关部门缺乏信用风险管理意识
由于从政府到企业信用风险管理意识都比较淡漠,对信用管理工作重视不够,导致政府对企业缺乏政策引导和有效支持;有的企业虽然感到信用风险管理需要,但苦于所知不多无从下手,且成本较高,在本来利润率不高的情况下不愿为此支付费用,进而产生畏难情绪,甚至干脆漠视不管。目前中国出口企业的坏账率超过5%,而发达国家企业却只有0.25%至0.5%的水平,国际平均水平也只在1%左右。中国企业出口中遇到的很多困难,一开始并不是对方存心拖欠,而是中国企业自己出现制度和管理失误。
外贸企业产权不明晰
产权不明晰使得很多国有外贸企业管理者为了应付上级主管部门业绩考核,不顾企业长远利益,盲目赊销;有的企业迫于市场竞争压力,单纯追求销售额增长,盲目打价格战。这些行为导致了企业应收账款上升,销售费用上升、负债增加,呆账坏账增加,效益下降,偏离了最终利润这一企业最主要的目标。强化企业信用管理,就是要在销售收入增长和风险控制这两个目标之间寻求协调一致,保证最终利润这一根本目标的实现。
企业内部职责不明确
在我国外贸企业现有的管理职能中,应收账款的管理职能基本上是由销售部和财务部这两个部门承担的。然而在实践中这两个部门却常常职责分工不清,不能形成协调与制约机制,容易造成外贸企业在客户开发、信用评估、合约签订、资金安排、组织货源、品质监督、租船订舱、制单结汇等诸多贸易环节出现决策失误并导致信用损失。外贸企业内部职责不明确已成为企业账款拖欠趋势得不到有效抑制的根本原因。
信用管理方法落后
目前我国外贸企业业务人员信用风险防范意识薄弱,信用风险防范手段单一,没能掌握或运用现代先进的信用管理技术和方法。对客户的信用风险缺少评估和预测,交易中往往是凭主观判断作决策,缺少科学的决策依据。在销售业务管理上,由于缺少信用额度控制,在一定程度上给企业销售人员违规经营、违章操作,甚至与客户勾结留下可乘之机。在账款回收工作上更是缺少专业化的方法。
加强外贸客户信用风险管理的对策建议
通过以上分析,我们清晰地看出现今我国外贸企业已不是单纯的信用管理技术、手段的缺失,还包括有企业组织结构不协调,和相应企业文化落后等诸多因素制约外贸企业客户信用风险管理的建立和实施。
我国外贸企业可依据自身条件选择实施以下的对策:大型外贸企业可成立客户信用风险管理专职机构来建立健全并贯彻实施科学的客户信用风险管理制度;中小型外贸企业可考虑实施信用管理委托制。中小型外贸企业,尤其是我国外贸经营权下放以后初次涉足外贸领域的为数众多的私营企业,可考虑直接将客户信用风险管理工作“外包”给信用管理咨询公司。与企业自己设立专门的管理部门相比,实行信用管理委托制可以节省大量的人力、物力和财力,降低企业的管理成本,具有快速性、专门性和灵活性等优点;借鉴国际通行的信用风险管理手段降低外贸信用风险。我国外贸企业在建立起信用风险管理制度的基础上,在对外贸易的实践中应该学会借鉴国际通行的信用风险管理的先进做法和手段,诸如国际保理、福费廷和出口信用保险等。这些在西方国家中相当成熟并行之有效的信用风险管理做法虽然在我国正逐渐得到应用,但还远远没有普及,因此我国商务部应大力推广。
用logistic回归模型对客户信用风险进行预警,主要包括两部分内容,一是对样本财务指标数据进行因子分析,筛选出logistic回归的关键自变量,二是建立logistic回归模型,用于对客户违约情况进行风险预警。
(一)样本选取与简单描述性统计。本文数据来源于国内某商业银行的信贷系统,以2006年的化工业为例,从中选择了2457个小微企业非上市公司样本,其中48个违约样本,2409个非违约样本。对于样本公司,本文从偿债能力、盈利能力、营运能力、成长能力、现金流量以及规模等六个方面,选取了15个财务指标,对小微企业非上市公司的经营现状进行因子分析,从中找出最能反映公司经营特点的少数公共因子,进而为后续的Logistic模型风险预警提供解释变量。选取的15个财务指标如表1所示:在选取样本时,本文首先运用SPSS16.0软件对数据进行了异常值剔除处理,步骤如下:首先对选定的15个财务指标进行标准化,除指标量纲的差异,然后将每个指标的标准化值的绝对值大于或等于3的样本视为异常值加以剔除;对剔除后的样本,重复进行指标标准化处理、检验异常值、剔除异常值,直至无异常数据为止。本文重复了5次异常值剔除处理,最终筛选出2457个合格样本,用于因子分析。下表2为数据的简单描述性统计量。
(二)因子分析1.因子分析的适用性检验。因子分析要求变量间具有相关性,本文在进行因子分析前,主要采用KMO检验和巴特利特球度检验方法对变量进行相关性检验。表3为运用SPSS16.0软件运行得出的检验结果。从表中可以看出KMO检验统计量的值等于0.633,其大于0.5,证明适合作因子分析。同时巴特利特球度检验值为27600,其相伴概率为0.000,在5%的显著性水平下极其显著,说明相关系数矩阵不是单位阵,即变量间存在相关性,适合作因子分析。2.确定因子数目。构造因子变量首先要确定因子数目,本文采用特征值大于1的标准提取公因子,同时通过碎石图直观判断公因子数目。首先,运用SPSS16.0软件运行得出因子分析的特征根和方差贡献率,如下表4。表4中,三部分分别为初始因子、因子提取后以及经过方差最大旋转后的相关系数矩阵的特征根、方差贡献率以及累计方差贡献率。从第三部分可以看出,依据特征值大于1的标准,共提取6个主因子,且前6个主因子的方差贡献率依次为21.501%、17.884%、11.366%、10.71%、10.509%、8.762%,累计方差贡献率大于80%,说明前6个主因子可以解释变量的大部分信息,从而把前6个公因子作为评价样本公司的综合指标,降低了公司综合评价的指标维度,为后续Logistic回归提供了解释变量。其次,建立碎石图判断因子数目。首先将特征根从大到小排序,序号相应为1,2,…,15。以横轴表示序号,纵轴表示特征值,构造出碎石图1。观察碎石图发现,特征值大于1的因子有6个,分别为F1,F2,…,Fn,这与表3-4确定的因子数目一致。3.估计因子载荷矩阵。运用SPSS16.0软件运行得出初始因子载荷矩阵,由于无法确定公共因子的经济意义,使用方差最大化旋转法对初始因子载荷矩阵进行旋转,可得到旋转后的因子载荷矩阵,如表5所示。通过旋转,各个公因子有了较为明确的经济含义:第一个公共因子F1,其在指标X5(总资产报酬率)、X6(净资产收益率)、X7(息税前利润/总资产)、X8(息税前利润/主营业务收入净额)上有较大载荷,命名为“盈利能力因子”。第二个公共因子F2,其在指标X1(资产负债率)、X2(产权比率)、X3(流动性比率)上有较大载荷,命名为“偿债能力因子”。第三个公共因子F3,其在指标X11(所有者权益增长率)、X12(总资产增长率)、X14(现金流量比率)上有较大载荷,命名为“成长能力因子”。第四个公共因子F4,其在指标X13(现金比率)、X4(速动比率)上有较大载荷,命名为“现金流量因子”。第五个公共因子F5,其在指标X9(总资产周转率)、X15(总资产)上有较大载荷,命名为“总资产营运能力因子”。第六个公共因子F6,其在指标X10(应收账款周转率)上有较大载荷,命名为“应收账款周转率因子”。4.计算因子得分。表6是通过主成分回归方法估计出的因子得分系数,用表中各公共因子对应的得分系数分别乘以各变量标准化值即可得到各公因子对应的得分序列。
(三)Logistic实证分析1.建立Logistic回归方程。设被解释变量y为0-1型随机变量,当样本违约时y取1,非违约时y取0,另以6个公共因子F1,F2,…,F6作为解释变量,建立Logistic回归模型,回归方程的形式如下:2.Logistic模型参数估计。运用SPSS16.0软件对因变量Y和自变量F进行Logistic回归建模,选择逐步向前回归分析法,筛选出回归系数比较显著的自变量进入模型,剔除回归系数比较显著的自变量进入模型,剔除回归系数不显著的自变量。本文参数估计结果中已剔除回归系数不显著的因子F2,F3和F6,保留了因子F1、F4和F5,最终获得的参数估计结果如下表7所示:表7中,Wald统计量用来检验回归系数是否显著,Sig是Wald统计量的相伴概率,结果显示因子F1,F4和F5的Wald值、Sig值在1%的显著性水平下极其显著,说明模型拟合较成功。3.Logistic回归违约率()判别分析。判别分析的目的是为了检验模型建立的准确性,为风险预警做准备。具体方法为运用已建立的Logistic回归方程(3.3),得出各样本的违约概率值,以违约概率0.5为判别临界点,>0.5计入违约组,<0.5计为非违约组,运用SPSS16.0软件运行得出模型违约组和非违约组的判别结果如下表8所示。上表显示,Logistic模型总的判别准确率为98%,其中非违约组2409个样本全部判别为非违约,判别准确率100%;而违约组48个违约样本全部错判为非违约,判别准确率0%。由于通过估计违约概率来识别违约样本的结果不理想,我们寻找其他能提高违约样本判别准确率的方法。4.Logistic回归残差(ZREi)判别分析。回归方程的残差gi是指实际观察值yi与通过回归方程估计出的回归值yi之差。残差可以分为普通残差gi、标准化残差ZREi=giσ,一般用于判断异常值,判断标准为将超过±2σ或±3σ的残差视为异常值。由于普通残差ei的方差不相等,不适合直接用来做判断,一般将普通残差标准化,使残差具有可比性,从而用标准化残差ZREi来进行判断。本文将残差异常值的判断与样本的违约性判断联系起来,进而通过识别回归残差的异常值来判断样本的违约性。运用SPSS16.0软件输出所有样本的标准化残差ZREi,将用ZREi>2和ZREi>1两个标准,分别进行违约识别,对比分析判别结果的准确率,进而选取准确率更高的判别临界点。在ZREi>2的判别标准下,判别结果为:违约组48个样本中,标准化残差值均为正值,且大于2,判为违约组,判别准确率100%;非违约组2409个样本中,标准化残差值均为负值,且绝对值小于2,全部判为非违约组,判别准确率100%。在ZREi>1的判别标准下,判别结果与ZREi>1的判别结果完全一致,违约组和非违约组的判别准确率均为100%。
(四)Logistic模型样本外预测。为了检验模型的预警能力,本文根据2006年建立的Logistic回归方程去预警2007年的客户违约情况。选取2007年化工行业的33个样本数据,其中7个违约样本、26个非违约样本。首先运用SPSS16.0软件,将33个样本的15个财务指标数据标准化,根据因子得分系数表4-7,算出每个样本的因子得分值F1、F4和F5,代入Logistic回归方程(4.5),根据y的预测值和实际值算出普通残差和标准化残差,分别运用ZREi>2和ZREi>1两个标准来进行风险预警。在ZREi>2的判别标准下,预警结果为:违约组7个样本,预警出2个违约,预警准确率28.57%;非违约组26个样本,全部预警为非违约,预警准确率100%。在ZREi>1的判别标准下,预警结果为:违约组7个样本,全部预警为违约,预警准确率100%;非违约组26个样本,预警出25个违约,预警准确率96.15%。鉴于ZREi>1的预警准确率明显高于ZREi>2的预警准确率,本文将ZREi>1作为预警样本违约的判别标准。
二、结论