Logistic模型构建期货行业风险预警系统研究

张淼

摘 要：期货作为最基本也是最重要的金融衍生品之一，在整个金融市场，乃至国民经济中占有举足轻重的地位。在我国期货市场近30年快速扩张发展的背后，期货行业却存在诸多问题，其根源在于期货公司对自身风险水平的认知和风险管理能力的不足。基于此，从期货行业发展和监管现状入手，分析现有两套风险管理体系各自的优势和不足，并以logistic回归方法建立风险预警系统，将现有两类监管体系的优势相结合，通过两步法有效区分不同期货公司的风险管理能力和风险水平差异，对风险管理能力较差、风险水平较高的公司发出预警信号，以此实现对我国期货行业中公司风险管理能力和风险水平的动态实时监控和提前预警，防止风险扩散，避免危机发生。

关键词：期货行业；风险预警系统；logistic回归模型

中图分类号：F830.91 文献标志码：A 文章编号：1673-291X（2018）20-0140-03

我国期货市场的发展开始于20世纪90年代，与美国等发达国家相比相对较晚。但由于我国投资者基数众多、投资需求巨大，期货市场扩张速度极快，在短短30年的发展历程中，整个市场从无序走向有序，其基本功能的发挥日益稳定，对其他金融市场和国民经济的影响日益凸显。但我们也要注意到，在期货市场快速扩张发展的同时，我国期货行业存在“大市场、小行业”、同质化竞争严重以及监管手段单一、公司风险管理理念薄弱等问题。其根源在于期货公司的风险评估和管理体系不完善，现有证监会主导的以净资本为核心的风险控制指标监管体系和期货业协会主导的期货公司分类监管体系各有侧重，在实际应用中各有优劣。

以中国证监会为主导的净资本为核心的风险控制指标监管体系是由证监会对净资本规模、净资本与净资产比例等6项指标提出预警标准和监管标准，将业务范围与净资本水平相匹配。但由于其主要侧重于监管期货公司经营过程中各风险监管指标的合规性，而对各期货公司在行业中横向对比的实际风险管理能力和风险水平并没有明确的评价。

以中国期货业协会为主导的期货公司分类监管体系则是每年以期货公司风险管理能力为基础，结合公司市场竞争力、培育和发展机构投资者状况、持续合规状况等方面，对各期货公司在上一年度的风险管理能力和风险水平进行评价。但由于其是以年度测评，是一种事后评估办法，在时效性上具有很大缺陷，难以实现风险动态监控和预警的目的。

针对以上问题，本文尝试将风险预警概念引入期货行业，运用logistic回归方法将我国现有指标监管体系和分类评级监管体系相结合构建适用于我国期货行业的风险预警系统。通过对期货公司风险的预测并对潜在风险水平较高的公司及时发出预警信号，促使管理者提前采取控制措施，避免风险事件的发生和扩散，从而保障我国期货行业可以健康、稳定、有序发展，促进我国期货市场可以稳定、有效地发挥其基本功能，从而更好地服务于实体经济，提升国际影响力。

一、基于logistic方法构建期货行业风险预警模型

（一）模型选择与预警系统构建思路

本文选择用广义线性方法中的logistic回归方法构建我国期货公司的风险预警系统，这种方法中的名义变量可以设定为企业的风险水平等级，如破产/未破产（傅庚，2006）、财务困境/经营良好（方匡南、范新妍和马双鸽，2016）等，通过logistic回归分析各项风险因素对企业风险情况变化概率的影响程度和方向。拟采用两步法构建我国期货公司风险预警系统，其框架如圖1所示。第一步，基于logistic方法，依据全样本指标计算全部期货公司的风险管理能力和风险水平判别值，将其与0.5临界线进行比较，大于0.5即认定为该期货公司的风险管理能力较差、风险水平较高，系统发出预警信号，而判定值小于0.5的公司进入第二步判定；第二步，基于logistic方法，以第一步中未发出预警信号的公司为样本，计算其风险管理能力和风险水平判别值，同样与0.5进行比较，大于0.5即认定为该期货公司风险管理能力和风险水平一般，处于行业平均水平，而判定值小于0.5即认定为该公司风险管理能力突出、风险水平较低，经营状况良好。

（二）变量设置及风险因素的筛选

本文选取2013—2016年间我国149家期货公司为样本数据，共596组数据。以证监会发布的我国期货公司分类监管评级作为度量期货公司风险等级的指标。在证监会发布的《期货公司分类监管规定》中，期货公司的评级共分为5类11级，其中E级为已被采取停业整顿，其他机构接管等风险处置措施的公司，不在本文样本的范围之内。

在期货公司的风险影响因素方面，如表1所示。本文主要从财务数据入手，从期货公司的及时偿付和变现能力、流动性风险控制能力、营利能力、持续营利和发展能力和期货业务能力5个角度选取6个指标考察其对期货公司整体风险的影响，从而制定其风险预警系统。

运用多元logistic回归方法分析各项指标对我国期货公司风险管理能力和风险水平的影响，选取有效指标，从而构建风险预警系统中的风险识别子系统。通过多元logistic回归分析，在现有指标体系中剔除在各类分组中均不显著的流动风险控制能力指标，保留显著性较高的指标，组成本文预警系统中风险识别子系统的指标体系。

（三）期货公司风险预警系统的构建及准确率检验

1.第一步风险预警判定

首先，本文以二元logistic回归方法构建期货公司风险初步判定模型。根据证监会发布的《期货公司分类监管规定》，评级在B级以上为风险控制较好，风险程度较低的期货公司，①因此本部分被解释变量Yi=1时标明该期货公司的年度评级低于B类，反之Yi=0。基于二元logistic回归方法以及时偿付和资产变现能力、流动性风险控制能力、盈利能力、业务扩展能力、持续发展能力和期货业务能力6个角度选取的期货公司经营与风险指标为基础构建的期货公司风险评价系统对期货公司有较好的区分度。第一步判别公式为：

以0.5作为我国期货公司风险管理能力和风险水平高低概率的分界线可以构建风险预警子系统，对于Probi小于0.5的期货公司，预警系统判定其风险管理水平较好，风险在可控制范围之内，无须特别关注；对于Probi大于0.5的期货公司，预警系统判定其风险管理能力较差、风险水平较高，系统向管理者发出预警信号。经实证，第一步风险预警系统的整体判定准确率达到了86.56%，说明剔除由于违规等导致风险分类降级的外部因素后，以二元logistic为基础的初步风险预警模型对于我国期货公司的以B类为分界的风险管理能力和风险水平具有较高识别能力。至此，本文风险评级预警系统已经可以对期货公司的C类风险，即风险管理能力较差、风险水平较高进行有效预警。

2.第二步风险预警判定

下一步，本文将结合指标筛选中多元logistic结果对第一步中判定为B类及以上的公司进一步构建细分风险判定和预警子系统，和第一步的不同之处在于，多元logistic回归结果中A类和B类分组时是以B类为基准，因此本步判定期货公司i的风险管理能力和风险水平属于B类概率应为：

在二元logistic回归结果基础上，针对系统判别评级在B类以上的期货公司进行细分，构建的风险预警系统中风险评价子系统的第二步判别模型区分效果较好。从判别结果的分布来看，判别值大于0.5的公司数量超过70%，符合我国实际情况，即分类监管评级属于B类的公司数目为A类公司数目的一倍以上。

接下来本文对该风险预警系统的准确率进行检验，剔除D类及外部违规事件等原因导致降级的公司，经实证本文构建的我国期货公司风险预警系统对其不同风险水平的预警成功率可以达到79.04%。此外，需要注意的是，本文的期货公司风险预警系统构建主要是基于在行业内公开披露的行业各家公司研究数据，而行业现有披露数据量有限，导致公司的总资产规模、总盈利规模和负债规模等数据无法获取。但伴随期货行业不断发展，上市期货公司将不断增多，公司数据的可获得性逐漸提高，基于本文方法建立的期货公司风险预警系统的预警准确度也将不断完善、不断提高。

二、结论

本文将风险预警理念引入至我国期货行业，提出以logistic回归方法将现有两类监管体系结合，构建基于两步判定法的适用于我国期货行业的风险预警系统。首先以多元logistic回归方法筛选出对我国期货公司风险管理能力和风险水平具有显著影响的指标体系，随后利用二元logistic回归建立基于两步法的风险预警系统。本预警系统对风险管理能力较差、风险水平较高的期货公司判定准确率达到86.56%，对期货公司三级风险管理能力和风险水平分类的整体判定准确率达到79.04%。

此外，笔者注意到，从回归结果显著性和回归系数看，在两步判别的过程中，期货公司的净资本规模和净资产收益率对其风险管理能力和风险水平的影响要强于其他指标，净资本规模越大、净资产收益率越高的期货公司，其风险管理能力越强、风险水平越低。因此，我国期货公司在经营和开展业务的过程中须格外注意自身的净资本规模和净资产收益率的水平。

参考文献：

[1] 傅庚.美国银行倒闭预警的实证研究[J].软科学，2006，（2）：52-55.

[2] 方匡南，范新妍，马双鸽.基于网络结构Logistic模型的企业信用风险预警[J].统计研究，2016，33（4）：50-55.