基于 logit 模型的中小企业信贷风险评估管理



【摘要】中小企业是我国市场经济的重要组成部分,由于我国目前还没有建立完整的针对中小企业的信贷评估模型,因传统的评分打分制模型具有很强的个人主观性,难以达到满意的效果。在 logit 模型在预测是否违约的二分型结果上具有比较高的准确性,因此本文利用 Logit 模型,运用中小企业财务报表反应的财务指标做实证分析,建立中小企业信贷评估模型,并对中小企业信贷风险管理做出评估和建议。
【关键词】信贷风险管理 中小企业 财务指标 Logit 模型
一、引言
在我国的经济发展中,中小企业的作用日益明显,逐渐成为我国市场经济的中坚力量。然而由于中小企业自身规模小、风险大、管理不够规范等因素,当然也有国家宏观政策、金融机构与企业之间信息不对称等因素的影响,导致中小企业出现融资困境。对于商业银行而言,如何控制中小企业信贷风险,提高风险控制能力成为银行发展信贷业务面临的重要问题。如本文拟通过对中小企业信贷风险理论分析和实证分析,探讨评估中小企业信贷风险的数量模型,以有效防范和降低中小信贷风险,有效提高商业银行对中小企业信贷管理水平,继而从银行这方面解决中小企业融资难题。
二、文献综述
针对中小企业信贷风险问题,研究者提出了许多分析思路与框架,基于财务指标和信用风险关系的研究,早期较为着名的是 Altman,1968 年提出的的 Logit 模型,他应用该模型分析了信用风险;随后有 Martin 应用了 Logit 模型预测公司的破产违约概率;我国研究者吴世农运用 ST 公司数据采用四种分析(剖面分析、单变量分析、线性模型、Fisher 二类判定分析以及 Logit 模型分析),其中 Logitech 模型的预测准确率最高,研究也证实了 Logit 模型要优于线性判别模型。
三、实证分析
(一)logit 回归模型
现实生活中,许多现象量度并非线性,而是通常分为两类,Logit 模型即用来度量二分类,它属于概率型模型,能预测某事件发生的概率。通过样本企业的财务指标,建立 Logit 模型就可以预测观察期内企业违约概率。其中,Logit 模型形式定义如下:
logitP=ln■
logitP=β0+β1X1+…βiXi+…βnXn
其中,Xi 是解释变量,表示第 i 个指标;βi 为待估参数,P 为违约状况,为虚拟变量,规定当 P 取 1 时,违约现象存在。Logit 模型的优点是解决了非线性的问题,它对样本要求不苛刻,不要求样本服从标准正太分布。
(二)变量与数据选取
本文选取样本来自我国中小板上市企业,数据来自国泰安数据库,并运用 Excel 整理分析所得。选取变量如下:
净资产收益-ROE:是净利润与平均股东权益的百分比,反映股东权益的收益水平。
每股收益-EPS:是股东每股所享有的企业净利润或需承担的企业净亏损,通常被用来反映企业的经营成果,衡量普通股的获利水平及投资风险
应收账款周转率-ARTR:应收账款周转率是企业在一定时期内赊销净收入与平均应收账款余额之比。它是衡量企业应收账款周转速度及管理效率的指标
速动比率-QR:速动比率是指企业速动资产与流动负债的比率,用来衡量企业变现能力。
营业收入增长率-OIR:是指企业本年营业收入增加额对上年营业收入总额的比率,衡量企业发展能力。
托宾 Q(T-Q):该系数为企业股票市值对股票所代表的资产重置成本的比值。
(三)模型与检验
运用因子分析降低维度,提取三个公因子,累计解释原来数据的 68% 以上,因子表达式:
X1=0.877ROE+0.845EPS-0.137ARTR+0.184OR+0.435OIR
0.363T-Q
X2=-0.103ROE-0.068EPS+0.593ARTR+0.764OR-0.245OIR+
0.538T-Q
X3=-0.188ROE-0.329EPS+0.086ARTR-0.162OR+0.77OIR
+0.409T-Q
对因子分析之后的因子与企业违约现状建立 Logit 分析模型,分析结果如下表:
该模型中各变量 Wald 统计量的 P 值均小于 10% 的显着水平下,因此变量显着性通过,可得 Logit 模型的表达式为:Logit(P)=-2.33+0.026X1+0.109X2+0.08X3
本模型中,采用 SPSS 默认的 0.5 为临界值,模型对于没有出现违约的企业预测准确率为 85.5%,对于出现违约的企业预测准确率为 76%,模型整体预测率为 84.64%,总体预测效果良好,可以用来预测中小企业信贷违约状况。
四、结论与政策
基于小微企业数据建立的 Logit 模型能够用来预测小微企业信贷的违约风险,这为银行发展优质客户,降低银行不良贷款提供了准确性较高的数理依据,也为企业加强管理,走出融资困境提供了有价值的信息。一方面要想解决小微企业融资难困境,实现可持续发展,另一方面要改善小微企业信贷违约状况,银行对小微企业信贷管理要做以下改进:第一,采取定量与定性相结合的方法进行信贷风险评估。从定量分析的基础上加上经验从业人员的定性分析辅助,对信贷风险管理更有意义。第二,加强从业人员从业素质,提高信贷从业人员风险素质,摒弃以往只看业绩,不顾风险的工作理念,杜绝人情贷款,以权谋私的非法行为。第三,充分运用财务分析工具把控风险,利用财务分析的预警功能,争取在贷款企业经营不善之前发现问题,及时做出准备工作及应对策略,将风险将至最低。
参考文献
[1]吴世农.我国上市公司财务困境的预测模型研究[J].经济研究,2001,46(6):46-55.
[2]Altman E.A credit risk measurement:developments over the last 20 years[J].Journal of banking and finance,1998(21):1721-1742.
[3]廖绚,李兴绪.基于 Logit 模型的银行个人信贷风险管理评估[J].统计与决策,2008:50-5.
作者 尚苗