商业银行信用风险评价方法研究

摘要：正确认识和科学审视宏观经济波动给商业银行引起的潜在风险，是现阶段提升商业银行信用风险管理的一项重要内容。本文将对宏观经济分析与信用风险度量进行有机结合。在对商业银行信用风险评价方法中融入相关的宏观经济因素，通过这种方式在商业银行的信用风险度量实务中的应用，将更有效地对宏观经济波动给商业银行信用风险的影响进行量化，从而进一步提升商业银行的信用风险控制能力，为宏观审慎监管效率的提升奠定稳定基础。

关键词：宏观经济波动；商业银行；信用风险；评价方法

在现代社会的发展过程中，金融行业将银行视为一部风险机器，银行不仅需要承担相应的管理风险、经营风险等，还需要适当的将各种风险融合在金融产品进行二次加工。银行进行风险管理的主要内容就是对信用风险进行管理，因此，信用风险也是现代商业银行中最重要的风险来源。和其他工商企业相比，商业银行比较明显的特征是“少本经营”，著名的金融市场学家彼得·S·罗斯曾经指出，所谓的少本经营指的是少量金额的贷款违约就容易导致商业银行出现资本不足的情况，最终使其难以弥补冲销损失，严重的将会面临破产或是倒闭的风险。根据世界银行对全球银行危机的调查来看，信用风险是现代社会导致银行破产的一项最重要原因。所以，设计科学合理的商业银行信用风险评价方式对进一步优化现代商业银行信用风险管理有着不可忽视的重要作用。

一、研究综述

Beaver（1966）对公司破产和信用风险分析展开了更具开创性的分析，使得企业信用风险评价方式的研究工作得到了飞速的发展，在传统的商业银行中，对信用风险进行度量的方式一般包含：专家判断、判别模型和神经网络模型。为了将我国商业银行面对的贷款违约率不容易进行数学变换的问题予以解决，因此将判别模型逐步引进到我国商业银行的信用风险度量环节中。在对国内外相关的金融类和经济类的文献研究中来说，对于一个企业是否造成违约情况的判别模型，通常包含Logistic模型、贝叶斯判别分析模型和Probit模型等参数模型和神经网络等非参数模型。文中所研究的商业银行信用风险就是企业是否会出现违约的风险，由于Logistic模型是现代判别模型中的重点方式，并且其也被广泛地应用在商业银行信用风险中进行度量或是评价，因此，本文就将进一步对Logistic模型进行研究，通过适当的方法改进，增加对宏观经济影响的波动因素，构建起宏观经济下的商业银行信用风险Logistic模型分析结构。

二、商业银行信用风险的评价指标体系

要想建立起全新的Logistic模型分析结构，首先应该构建起商业银行的信用风险评估指标系统。商业银行信用风险主要指的是信贷风险，Svoronos（2002）的研究中曾明确提出，在银行的发展过程中面临的各种风险，信用风险是最为重要的一个风险因素，占所有风险的一半以上，而其他风险分别所占的比例则比较小，其中操作风险和市场风险分别占30%和5%。所以，商业银行中信用风险作为一种客观存在的主要风险形式，会受到借款人的行为因素和宏观经济环境中不确定因素的影响。针对这种情况，本文就将对商业银行信用风险的影响因素进行论述，概括为两个方面：借款人（个人或企业）因素、宏观经济因素。一般情况下，借款人的信用程度还包括企业的信用程度和信用意愿，对借款人可信程度的评定主要从企业素质和经营状况、经济效益、发展前景等几个环节入手。而宏观经济因素的商业银行信用风险则主要来源于商业银行进行贷款活动过程中，对现阶段发展情况和对未来时期的总体宏观经济环境分析，比如国家和政府宏观调控政策、经济发展程度、通货膨胀和通货紧缩的可能性等。华晓龙（2009）通过建立起宏观压力的测试模型对我国商业银行信用风险进行评估，认为GDP、通货膨胀或紧缩是现在影响我国银行发展体系稳定的一项重要原因。

三、商业银行信用风险的评价方式

自上个世纪80年代开始，Logistic回归分析法逐渐代替了传统的判别分析方式，并成为了度量企业违约风险的一种主要方法。传统判别分析法假设企业破产或是经营失效的概率需要遵循二项分布，这种假设方式对于企业经营风险的度量方式相对简陋，但是Logistic回归分析法将这项假设方式进行优化，从而服从了Logistic的分布。自90年代以后，现代社会的信息化发展逐步得到完善，使得数据挖掘技术在商业银行中的应用也更加完善，并在商业银行信用风险度量中逐步得到了发展。通过大量的文献研究和实践证明，Logistic模型对数据的拟合效果十分明显，且预测能力较强。在1977年，Martin在二十五个财务指标中选取了总资产、净利润率等八个基本财务比率指标进行分析，使用Logistic模型分别预测了公司破产和其违约的概率，并且通过和Z-Score模型、ZETA模型的最终预测结果进行比较，发现Logistic的预测结果仍然是最佳的。

但是，笔者根据多年的研究和分析结果发现，这种模型方式还存在一个较为明显的缺陷，就是在公司破产和违约风险判别过程中只选用了借款企业的财务指标，没有对宏观经济因素进行考察，因此Logistic模型在对违约概率进行计算的过程中缺少精确度。针对这种情况，应该及时对需要考察的因素进行修订，保证经过修订后考察的影响因素更为全面、精准，对辅助商业银行更科学、准确的预测和掌握企业违约风险有着十分重要的帮助作用。

结束语

在宏观经济因素的Logistic模型下，其比传统的模型更具备高风险判别能力，这种模型方式不仅能客观地对我国宏观经济波动变化进行反映，同时还能及时判断出企业违约概率的影响。因此只有加强对宏观经济的监测，我国商业银行才能更好、更科学地对信用风险进行度量或评价，从而在宏观经济影响下，对我国行业银行发展起到更大的帮助作用。

参考文献：

[1]王侠.宏观经济波动视角下商业银行信用风险评价方法研究[J].商场现代化，2015（03）：196-197.

[2]刘子龙.商业银行中小企业客户信用风险评价体系构建研究[J].魅力中国，2010（31）：112-113.

作者簡介：

史贝贝（1992.10- ），女，山西运城人，青岛大学经济学院在读研究生。