银行信贷违约风险影响因素研究

导语：银行信贷违约风险影响因素研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：全球性的经济危机再一次说明信贷违约对全球社会造成的影响是巨大的，因此，我国银行业需要充分加强自身的风险管理控制意识和水平，构建有效的预防机制和采取相关措施来将风险局限在可控范围内。本研究以我国上市商业银行为研究样本，总结国内外学者对银行信贷违约风险的影响因素的实证研究。在此基础上，分析我国银行信贷违约风险的影响因素。本文的创新之处在于比较我国内地14家上市银行数据，通过面板数据进行了实证分析，探讨了我国银行信贷违约风险的影响因素的组成，并对银行业规避信贷风险提出合理化建议。

关键词：银行信贷；信贷违约；信贷风险；上市商业银行

1研究概况

1.1研究背景

信贷业务在我国经济发展中具有非常高的拉动作用，在拉动我国国内需求、促进国人消费方面更是功不可没。不过随之市场化改革的加深，信贷业务的规模也逐步扩大，违约风险等问题也渐渐凸显出来。银行出现违约之后，就会在很大程度上制约我国信贷市场的健康发展。

1.2研究目的

评估分析中国上市银行的信贷经营水平。实证分析信贷违约风险对于整个银行业乃至民生产业的影响。

2研究内容

2.1研究方法

本文通过研究发现违约风险的影响因素非常广泛，其中包括了企业特征、财务比率等微观因素、宏观因素和非经济因素等。本文的变量（违约风险影响因素变量）主要包括以下两个方面：①企业特征的变量——企业总资产；②财务特征变量——杠杆比率、流动性比率、效率比率、生产率、周转率、盈利率等变量。另外，之前相关的研究表明，目前并没有一种模型明显优于其他模型。因此本文选用通用的Logistic违约模型，对商业银行违约风险影响因素进行实证分析。

2.2建模与研究方法

本文选用Logistic违约模型对商业银行违约风险影响因素进行实证分析。基于之前的假设，本文以企业规模SIZE、资产负债率DA、流动比率LR、应收账款销售收入比率ARSR、主营成本比例MCR、总资产周转率TAT、总资产收益率ROA这七个因素为自变量，以违约频率作为因变量，得到初步的模型：式中：1-Y1：没有违约的频率；α0-α7：待估计的系数；μ：随机误差项。

2.3数据源

本文以某商业银行2019年的500个贷款企业为样本。在样本特征分析的基础上，进行描述性统计、相关性分析和Logistic回归分析，对商业银行违约风险研究模型提出的相关假设进行验证。

3研究分析

3.1描述性分析

为了更好地了解样本的整体情况，本文采用SPSS统计软件对所选变量相关数据进行处理。从样本描述性统计结果来看，贷款企业规模对数的均值为6.78，最小值为5.53，最大值为8.12，说明所选企业的规模整体上差异不大。资产负债率均值为0.94，最小值为0.91，最大值为0.96，说明贷款企业资产负债率总体上差异性很小。

3.2相关性分析

在做logistic回归分析之前首先研究下自变量与因变量之间的关系，看是否都与因变量有关，以及自变量之间是否存在多重共线性。从研究结果来看，所有数据的VIF值都明显小于5，各自变量之间不存在多重共线性。因此，可以对自变量与因变量进行logistic回归分析。

3.3Logistic回归分析

把之前的七个自变量带入Logistic的全变量模型回归分析，模型的分析结果如表1所示。Wald统计量显著水平Sig值小于0.1的自变量为SIZE、DA、LR、MCR、TAT、ROA和Cons.,认为自变量为SIZE、DA、LR、MCR、TAT、ROA和Cons.在90%置信水平上与零有显著差异，这些因子变量与之LogitP之间线性关系显著。从结果可以看出，应收账款销售收入比率未能通过统计显著性检验，应收账款销售收入比率对银行信贷违约风险的影响不显著，不支持假设四。可能的原因：应收账款销售收入比率虽然是衡量一个企业的经营能力，但它的比率或高或低只是账面上的，另外企业采用赊销、代销等运作方式会强烈的影响该企业的应收账款销售收入比率，但是未必意味着该企业的违约概率会增加或者降低。主营成本比例与企业违约率呈现正相关的关系，这与假设五不符。可能的原因：主营成本比例越高，意味着主营业务成本对主营业务收入的比重越大，因此，企业的运营成本也就随之增加，会增加企业资金链的压力，进而导致企业违约的概率提高。所以，主营成本比例与企业违约率呈现正相关。除应收账款销售收入比率、主营成本比例和企业违约率的关系与原文的假设不符，其他的变量实证结果都与预期相符合。HosmerandLemeshow检验卡方分布统计量的显著水平为0.886>0.05,不显著，表示因变量的实际值与预测值的分布没有显著差异,说明模型拟合较好。

3.4累积Logistic回归分析

本文在定义银行信贷违约的风险等级时，按照银行对每笔贷款记录的风险状态进行划分。如果完全正常按时还本息的贷款风险等级为完全正常,记为1；如果有逾期一次或作连续两次以上且累积罚息和累计拖欠总额栏金额为零的贷款风险等级为值得注意，记为2；如果拖欠本息且贷款记采的累积罚息和累计拖欠总额栏金额为不为零的贷款风险等级为违约，记为3。在之前的数据源部分,在500个有效样中,完全正常的样本为136个,逾期的样本为194个,实质性违约的样本为170个。因变量为贷款风险等级，自变最为文章前面部分对商业银行信贷违约的7个影响因素。研究结果显示，因变量中有序次关系。根据累积Logistic模型，可以得到两个累积Logit函数，并对其同时进行平行度检验。本文研究发现χ2统计量的值为13.784，自由度为8，SigP值为0.125>0.05，说明其不显著。这说明成比例假设对所有Logit都成立，成比例假设不能被拒绝。因而累积Logistic模型适用于上市商业银行样本的分析。

4结论

4.1研究结论

综合本研究Logistic模型的分析结果，获致研究结论如下：（1）企业规模与银行信贷违约风险呈显著负相关关系；（2）资产负债率与银行信贷违约风险呈不显著正相关关系；（3）流动比率与银行信贷违约风险呈显著负相关关系；（4）应收账款销售收入比率与银行信贷违约风险呈不显著负相关关系；（5）主营成本比率与银行信贷违约风险呈显著正相关关系；（6）资产周转率与银行信贷违约风险呈显著负相关关系；（7）总资产收益率与银行信贷违约风险呈不显著正相关关系。

4.2研究建议

通过实证分析，本研究对中国上市商业银行提出以下建议供参考。研究建议是：（1）不同的贷款者的偿还能力和信用有所差别，银行所承担的风险也有所差异。因此，商业银行对于信用条件相对差的贷款者相应地提高质押品的比率。比如贷款人购房需要按信用条件不同提高初次的购房首付比例（目前均为1~3成），可以因应信用水平提高或者不予借贷，以减轻可能信贷违约造成的损失。（2）商业银行按揭成数提高，以降低银行在放贷市场的信贷违约风险。但是这个数值具体是多少，依然需要国家宏观调控和市场调节两只手一起作用。（3）在日常管理上，银行管理层要研究自身可以承受信贷违约风险的程度，不能盲目追求银行效益。前不久福建兴业银行的一个支行就出现了破产的闹剧，这主要也是由于当地支行盲目放贷，导致资金亏空的结果。（4）信贷专业部门要因地制宜，认真审核贷款客户（特别是有政府担保或者要求放贷的地方企业）的经营情况与信誉、资金实力与负债程度、经济效益与发展前景等。

参考文献

[1]艾迪.凯德.银行风险管理[M].北京:中国金融出版社,2004(2):2-10

[2]杨军.银行信用风险－理论、模型和实证分析[M].北京:中国财政经济出版社,2004(3):55.

[3]王春峰.金融市场风险管理[M].天津:天津大学出社,2001(5):71-83.

[4]于立勇,詹捷辉.基于Logistic回归分析的违约概率预测研究[J].财政研究,2004(9):85.

[5]石晓军,任远文和肖远文.边界Logistic违约率模型及实证研究[J].管理科学学报,2007(6):15-16.

[6]汪加兴.中国银行贷款违约损失率影响因素实证分析[J].经济评论,2007(3):90-93.

作者：钱子潮 魏喆 毛鸿霖 单位：澳门城市大学商学院