商业银行信贷管理中行业风险评价研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇商业银行信贷管理中行业风险评价研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘 要】 行业风险的预测和评价是商业银行信贷管理中的重点和难点。文章从偿债能力、资产流动性、盈利能力、资产运营能力、市场竞争情况、股本结构、劳动效率和创新能力八个方面，构建了行业风险预测指标体系，并针对预测指标间存在的多重共线性，运用岭回归方法筛选指标，建立了行业风险预测评价模型。此方法可以帮助商业银行在信贷管理中及时、准确地评价某个行业未来所面临的风险程度。

【关键词】 商业银行； 行业风险评价； 风险预测指标； 岭回归

一、引言

进入后金融危机时代以后，商业银行所面临的竞争压力日益增大，各项业务所蕴含的风险也越来越大，尤其是信贷风险。对商业银行而言，信贷风险防范的基础就是对信贷风险进行准确的度量与预警。一个行业的经营情况好坏会影响其内部企业的经营情况，进而影响到银行信贷资金的安全。因此，武剑（2003）认为行业风险分析应作为银行内部风险评级与信贷管理的一项重要内容。一方面，通过对行业风险的分析，商业银行可以掌握行业长期的发展趋势，预测未来可能出现的行业风险；另一方面，根据不同行业间风险的差异，实行差异化的信贷策略。这样，商业银行既可以尽可能地避免未来的行业信贷风险，又可以保证利润的最大化。

从现有理论研究和实践来看，国内外商业银行和一些学者多注重对单个企业的信用风险管理和研究，对商业银行信贷企业所处的行业风险研究并不是很多，仅限于定性的分析和管理，定量测度的研究还很少。现有研究大部分是从定性的角度，对某一个具体的行业进行研究，或是对行业的某一影响影响因素进行相关分析和研究。国外方面，美国哈佛大学产业经济学权威Joe S. Bain、Scherer在19世纪30年代提出了结构—行为—绩效（SCP）分析模型，用于揭示行业的发展现状，进而对企业的行为和绩效进行探讨。该模型主要是研究行业内部的影响因素，而对行业外部的影响因素考虑的较少；美国学者Michael Porter于20世纪80年代提出了波特理论，他认为企业的利润受行业竞争结构影响很大。Schwartz和Altman （1973）着重研究了行业股价指数的波动规律，发现不同的行业、在不同时间其股价指数波动的规律差异显著；Kelly（1995）通过研究爱尔兰服务业的行业结构，认为行业结构对行业发展的影响显著；Kuo等（2002）运用人工神经网络（ANN）的方法和多变量分析法对行业市场的分割情况进行了研究。

国内方面，李万兴（2001）研究发现，贷款客户的财务状况受所处行业的发展状况影响很大。因此通过对行业发展趋势、行业不同发展阶段的特征的把握，可以帮助商业银行信贷风险决策；武剑（2003）将Michael Porter的“竞争优势理论”应用到行业分析中；张蔚等（2003）对行业分析的理论和方法进行了分析，认为在行业分析时要关注行业的宏观环境和微观环境；冯娟（2005）利用某省39个工业二级子行业和26家投资企业的数据进行了实证分析，结果表明了行业之间具有明显差异，行业间的优势特征各不相同；尹占华等（2008）设计了一种能够反映行业风险变化的预警系统，并采用支持向量机和人工神经网络等多种模型同时对样本行业进行批量处理和交叉检验。实证结果显示，支持向量机模型的预测效果优于其他模型。张波（2010）以行业风险为研究对象，在全面分析行业风险影响因素的基础上，利用各行业的定性数据和定量数据，构建了基于Logit回归的行业风险度量模型，并在此基础上对我国商业银行防范行业信贷风险的提出了相关对策；陈红艳、王加中（2010）在行业风险测度指标体系设计的基础上，提出了PCA-Logit风险测度模型，并将其应用到制造业中。实证结果显示，其相对风险的判断结果可为银行货款结构的优化调整提供依据；陈红艳等（2012）结合行业特征，构建了一套适合行业信贷风险测度的指标体系，并对指标的量化进行了详细的说明；赵坤、张迪（2012）在机械工业行业协会的信用评级指标体系中加入了“外部行业风险”指标，并运用层次分析法和模糊综合法确定了“外部行业风险”指标权重。

从现有研究成果来看，对于行业风险的定量分析主要有两种方法：第一种是统计方法，由于行业风险的预测指标很多，而且相关性强，会产生多重共线性，因此需要对预测指标降维或进行逐步回归，但这样会丢掉一些与行业风险有关的信息；第二种是支持向量机和神经网络等数据挖掘方法，这种方法的适应性好，但处理结果近似于黑箱，不便于解释。针对行业风险预测指标的多重共线性问题，本文拟采用岭回归分析方法，进行行业风险预测指标的筛选，并建立行业风险预测模型。

二、行业风险预测指标体系构建

（一）行业风险程度判断指标的确定

对于商业银行来说，行业风险就是某行业中企业违约的比例。这里，由于商业银行的信贷数据难以取得，本文参考前人的研究成果，将行业亏损情况作为衡量行业信贷风险的指标。行业亏损情况一般有三个指标，一是表示行业亏损面的指标：亏损企业个数占行业内全部企业个数的比率；另外两个是表示行业亏损度的指标：即亏损总额占全行业主营业务收入比率和亏损总额占全行业利润总额比率。在这里，本文参考前人的研究成果，也将行业亏损面即亏损企业个数占行业内全部企业个数的比率作为判断行业风险高低的标准。

（二）行业风险预测指标体系

国内外很多学者都是参考企业财务风险的研究成果，从财务指标和非财务指标两个方面，构建了行业风险预测指标体系。财务指标主要是资产结构、偿债能力、营运能力、盈利能力等方面指标，非财务指标主要是行业发展情况、政策影响情况、竞争情况等。本文参考前人的研究成果，按照理论依据充分、敏感性好、代表性强、可行性高的原则，从偿债能力、资产流动性、盈利能力、资产运营能力、市场竞争情况、股本结构、劳动效率和创新能力八个方面构建了行业风险预测指标体系（见表1）。为了避免定性指标的主观性，对于非财务指标，没有采用传统的打分法，而是采用变量。其中，营业费用占主营业务收入比率代表了行业的市场竞争情况，国家资本比例代表了行业的股本情况，新产品营业收入比例代表了行业的创新能力。

三、实证设计

（一）岭回归分析方法

由于用于预测行业风险的指标大多为财务指标，其反映的内容相关性较高，存在着多重共线性，会影响后续建模的稳定性和精确性。传统的解决办法是采用主成分降为维后，再进行OLS回归。但主成分分析只是将预测指标变量的绝大部分信息进行保留，可能会丢掉与风险变量有关的信息。而岭回归方法是通过最小二乘法的改进允许回归系数的有偏估计量存在而补救多重共线性的方法，采用它可以通过允许小的误差而换取高于无偏估计量的精度，因此它接近真实值的可能性较大。岭回归分析将所有的变量引入模型中，比逐步回归分析、主成分分析能够提供更多的信息。因此，本文采用岭回归分析方法，进行变量的筛选，并建立预测模型。

岭回归分析是一种改良的最小二乘法，可以从根本上消除复共线性影响。岭回归模型通过在相关矩阵中引入一个很小的岭参数k，并将它加到主对角线元素上，降低了参数的最小二乘估计中复共线特征向量的影响，减小复共线变量系数最小二乘估计的方法，以保证参数估计更接近真实情况。岭回归估计表达式为：

■（k）=（X'X+kI）-1X'Y （1）

因为岭参数k不是唯一确定的，所以得到的岭回归估计k实际是回归参数β的一个估计族。当k=0时就是普通最小二乘估计，一般对于岭参数k的选择并没有公认的最优标准，主要有岭迹法、方差扩大因子法、均方误差H（K）最小值等。由于岭迹法比较简便、直观，因此，本文采用岭迹法来确定k值。

（二）实证数据和来源

本文实证研究的样本和数据均来源于国家统计局的《中国工业经济统计年鉴2009》、《中国工业经济统计年鉴2010》和《中国科技统计年鉴2009》。当今行业划分的类别比较多，有些行业又比较偏，为了便于研究，本文以国家统计局制定的《国民经济行业分类》作为基础。在《中国工业经济统计年鉴》中，一共有39个行业。其中由于其他采矿业和废弃资源和废旧材料回收加工业比较偏，因此予以剔除，最终确定了工业大类中的37个细分行业作为研究对象。

为了保证行业风险预测模型的时效，本文用上一年度的行业风险预测指标来预测本年度行业风险情况，即把2009年的行业风险预测指标作为自变量，2010年的行业亏损面指标作为因变量。

四、实证结果及分析

（一）行业风险预测指标变量的筛选

本文采用岭回归方法，对行业风险预测指标进行筛选。首先，对相关变量进行标准化处理，然后运用马克威分析系统5.0版进行岭回归处理，设置岭参数k从0.0到1.0，步长为0.1，得到标准化后的岭回归系数表和岭迹图。

由标准化回归系数表2和岭迹图（图1）可以看出，当岭参数k从0到0.3时，各变量的标准化回归系数变化很大，特别是变量x1的标准化回归系数由负值快速上升为正值，x2的标准化回归系数则由正值快速下降为负值，这就是多重共线性所引起的异常变化。从图1中还可以看到，变量x3、x5、x8、x9的标准化回归系数随着岭参数k的增大趋于0，说明这几个变量的预测作用很小，因此予以剔除。当岭参数k大于0.2以后，各变量的回归系数变化减小，趋于稳定。由于k值越大，模型的误差就越大，因此，基于误差最小化的原则，选择0.2作为模型的岭参数。

（二）行业风险预测模型构建

设定k=0.2，重新对剩下的五个变量进行岭回归处理，得到岭回归估计结果（见表3）和行业预测风险模型。

Y=15.624+0.046x1-0.062x2-0.361x4+0.341x6+

0.128x7 （2）

从岭回归估计结果和行业风险预测模型可以看出，流动资产比例x2越高，下一年行业发生亏损的比例就越小，即风险程度就越低。这表明提高资产的流动性能够降低行业风险；同样，净资产利润率x4越高，风险程度也越低。这表明利润率指标对行业风险有正面作用；资产负债率x1越高，下一年行业发生亏损的比例就越大，即风险程度就越高。这说明负债过多会加大行业风险；营业费用占主营业务收入比例x6越高，风险程度也越高。这说明行业竞争程度越高，行业风险越大；国家资本比例x7越高，风险程度也越高。这说明国家资本控股占主导地位的行业依赖性强，竞争力弱，行业风险也相应增大。

五、研究结论和不足

本文构建了财务指标和非财务指标相结合的行业风险预测指标体系，运用岭回归方法，筛选指标，建立了行业风险预测模型，从而得出以下结论：

1.岭回归方法可以直观、有效地对行业风险预测指标进行筛选，为后续实证建模打下基础，还可以有效地解决指标高度相关产生的多重共线性问题，从而保证模型的稳定性和信息的完备性。

2.基于岭回归的行业风险预测模型可以为商业银行判断行业风险提供帮助。实证结果表明，加大资产的流动性，提高盈利能力，能够减低行业风险。而行业负债的增加，市场竞争强度的加大，国家控股比例提高，会相应地增加行业风险。

本文在研究中还存在一些不足：一是没有商业银行行业信贷违约情况的数据，只能用行业亏损面或亏损度指标代替，因此实证的结果和精度可能受到影响；二是样本只限于工业企业，因此，适用范围会受到影响。这些会在后续的研究中加以完善。

【参考文献】

[1] 武剑.论我国商业银行的行业风险评级与信贷管理[J].新金融，2003（2）：30-33 .

[2] 金碚.产业组织经济学[M].经济管理出版社，1999.

[3] 金碚.产业国际竞争力研究[J].经济研究，1996（11）：39-44，59.

[4] Schwartz RA，Altman E I. Volatility Behavior of Industrial Stock Price Indices[J]. Journal of Finance，1973（28）：957-971.

[5] Kelly，P.W.The Catering Industry in the Repubic of Ireland[J]. International Journal of Hospitality Management，1995，14（1）：25-37.

[6] Kuo，R.J，Ho，E.M，&Hu，C.M.Cluster Analysis in Industrial Market Segmentation Through Artificial Neural Network[J].Computers&Industrial Engineering，2002，42（2-4）：391-399.

[7] 李万兴.国民经济的行业分析与商业银行信贷经营策略[J].金融论坛，2001（4）：12-15.

[8] 张蔚，韩珏.行业分析的理论和方法初探[J].湖南商学院学报，2000（2）：78-79.

[9] 冯娟.基于行业比较的风险投资企业综合评价研究[D].华中科技大学硕士学位论文，2005.

[10] 尹占华，张文彬，王晓军.基于支持向量机的行业预警系统研究及实证[J].统计与决策，2008（23）：46-48.

[11] 张波.商业银行信贷行业风险的测量方法及其实证研究[D].云南大学硕士学位论文，2010.

[12] 陈红艳，王加中.银行信贷中的行业风险测度[J].金融论坛，2010（12）：30-36.

[13] 陈红艳，张琳，朱晓峰.基于行业视角的贷款风险度量指标体系设计[J].华东经济管理，2012（4）：157-160.

[14] 赵坤，张迪.企业信用评级指标体系中的行业风险研究[J].会计之友，2012（34）：77-79.