论文部分内容阅读
2008年世界金融危机爆发以来,美欧等国的大型商业银行纷纷陷入财务危机,一大批中小商业银行相继破产倒闭。我国银行业却一枝独秀,尤其是作为单体数量最多的城市商业银行群体,在此期间获得更为强劲的发展。它们不仅快速完成了更名、改制,而且正朝着混业经营的模式迈进。然而,2011年1月爆发的齐鲁银行特大金融诈骗案表明,信贷风险已经成为城市商业银行经营中最为突出的风险之一,直接影响着城市商业银行的稳定和发展。基于此,本文采用比较研究和实证研究相结合的方法,对Logistic回归模型在我国城市商业银行预测企业信贷风险中的应用进行研究。本文首先在深入比较分析国内外信贷风险度量方法的基础上,结合我国的实际情况,讨论各种方法在我国的适用性,从而得出Logistic回归模型相比于现代信贷风险度量模型如Credit Metrics模型、信贷风险附加模型(Credit Risk+)、信贷组合模型(CPV)和期权定价模型(KMV)而言很好地解决了非线性的问题,具有较高的准确性,因而适合用于我国城市商业银行预测企业违约概率。然后本文选取2008~2010年在我国城市商业银行均有贷款且财务数据较齐全的100家上市的中小企业和100家未上市的中小企业作为研究样本(共600组数据),其中将2008~2009年的400组数据作为控制组,构建了主成分Logistic回归模型,提取出4个影响中小企业违约概率的主成分——.短期偿债能力、长期偿债能力、收益质量、营运能力,其中包括流动比率、速动比率、超速动比率、股东权益比率、长期资产适合率、营运资金/借款、产权比率、权益乘数、盈余现金保障倍数率、包括存货周转率和股东权益周转率11个关键解释变量。接着将2010年的200组数据作为预测组检验构建的模型,平均准确率为85.57%,其中对正常客户判别的准确率为85.71%,对违约客户判别的准确率为85.42%,效果较理想。最后,在研究结果的基础上,为推进我国城市商业银行信贷风险管理提出相应的对策建议。