本文以金融危机为视角,对后危机时代我国商业银行的信用风险管理进行了实证研究,并提出了政策建议。　　 现代金融危机是由实物经济层面的个体企业财务风险、行业财务风险放大成系统性财务风险,经由商业银行信贷渠道、以信用风险形式,传导到金融层面的过程。系统风险是由无数个个体风险汇聚而成的,而公司财务层面的风险分析是系统性风险控制的微观基础。　　 金融危机天然就与商业银行存在关系,从人类第一次记载的郁金香危机,到2007年的次贷危机,商业银行总是首当其冲。金融危机经历了从实物资产的危机、传统金融资产的危机、货币的危机,到信用资产的危机这一演变过程。如果说1997年的亚洲金融危机尚且属于货币和汇率危机,那么新时代的金融危机则是一个彻头彻尾的信用危机。　　 在国内外的研究中,学者对商业银行的信用风险管理和金融危机的探讨主要集中在违约相关度和违约损失的计量方法上。对金融危机的研究则主要包括金融危机的过程描述、传导机制、经济层次上的金融危机产生原因等等。但并没有对信用风险管理的金融危机视角进行论述,并且着重将注意力放到了技术和数量的分析,而忽略了现象背后的隐含逻辑。在国内的实证研究中,广大学者也是比较机械的使用了计量模型套用国外的方法和国内的数据进行演算,没有从国内实际情况出发,寻找适合我国国情的好方法。因而作为信用风险管理的最前沿,也是信用风险的第一承担者——商业银行,他们的信用风险管理手段与模式,无疑成为当前世界范围内风险管理领域一个最为重要的研究问题。　　 信用风险是指投资者的借款人无法按照约定按时付款的风险,又被称作违约风险。商业银行的信用风险则是指借款人无法按照约定合约及时向银行付款的风险。商业银行的信用风险是信用风险研究领域的核心内容。信用风险管理理论的演化过程经历了由资产风险管理模式,到负债管理模式,到资产负债管理模式,再到全面风险管理模型的演化过程。信用风险管理的一般手段包括基于风险的定价、合同约束、使用信用保险和信用衍生产品、信用收紧、分散化及存款保险。商业银行信用风险管理的量化模型则包括信用评级法、专家要素分析法、信用风险得分法、结构模型、简化模型等。　　 在回顾了金融危机的发展轨迹之后,本文探讨了金融危机传导机制的逻辑内涵,即历史上任何一种金融危机,都经历着从“个体风险到系统风险,再到金融危机”的逻辑演变过程。任何一种系统风险都是从个体风险积累得到的,个体与个体的风险是系统风险之内的有机组成部分。如果个体风险累积到一定程度时,就面临着全社会范围的系统风险的增加。而随着系统风险的增加,个体经济环境也愈发恶化,系统风险积累到一定程度时,就发展为金融危机。金融危机传导机制的理论模型则包括债务萧条理论、国际贸易传导理论、流动性溢出传导理论和心理预期传导理论。　　 本文随后对2007年次贷危机进行了介绍,描述了它的产生原因、经过、对市场的冲击及深远的影响,比较了1997年亚洲金融危机与2007年次贷危机的区别和共同点,分析了美国、欧洲金融危机对中国经济的影响,并揭示了信用风险与金融危机的关系。本文认为,信用风险越来越成为导致金融风险的原因之一。　　 在实证研究的部分,本文选取1994年4月28日至2010年11月30日的310个ST公司作为基础研究样本,同时选取它们同行业且总资产最为相似的310家正常公司作为对照公司,使用公司的股价市场数据和财务数据对公司陷入财务状况与否进行了样本内检验和样本外预测。分别使用KMV模型、Logistic模型、聚类方法、分步回归方法、SVM模型和决策树模型,对公司的信用风险进行了甄别,并创造性的引入了临界值的优化求解问题,使得估计准确性进一步提高。　　 KMV模型的思想源于1974年Merton等人提出的实物期权定价理论,是一种违约度预测模型,它将公司的债权看成是以公司资产为基础资产的欧式看涨期权,由此可以得到隐含的公司资产的总值、公司价值波动率,并求出公司的违约距离。KMV模型结果显示,当计算负债时的长期负债系数取0.2或0.3,且EDF临界值取0.0031或0.0032时,使用KMV模型计算的公司潜在违约概率无论在样本内还是样本外都有一个良好的预测。样本内预测准确度67.28％,样本外预测准确度则为57.95％。　　 本文随后使用聚类分析的方法对备选的32种公司财务的指标进行了降维处理,根据经济和统计结果将样本分为7组,并选取了7个变量作为最具代表性的解释指标,用于后续研究。　　 在Logistic模型中,本文以公司是否破产作为被解释变量,上述7种变量作为备选解释变量进行Logistics回归,样本内预测准确度49.77％,样本外预测准确度51.08％；Logistic分步回归样本内预测准确度50％,样本外预测准确度41.94％,准确性都不够理想。　　 在分步回归模型中,本文分别按照选取解释变量数从1到5的顺序分别估计了5个分步回归模型。随后沿用KMV模型和Logistic模型中提到的临界值选取方法,在样本内进行了优化求解,分别得到了预测比例最大的情况下的各模型临界值。随后利用该临界值,对样本外公司财务状况进行了预测。样本内和样本外模型预测准确度分别为92.63％和86.02％。　　 在SVM模型中,本文延续前文分步回归得到的变量筛选结果,分别构建了包含变量个数为1-5的5个模型,并使用SVM模型对样本内观测进行了参数估计和预测,其解释准确度高达94.01％。本文进一步使用估计样本对样本外数据进行预测,其解释准确度也非常高,可达80.65％。这也表明,该模型对我国上市公司财务状况是否陷入困境的解释和预测问题上表现出众。　　 本文最后使用了决策树方法。作为一种数据挖掘的非参数方法,本文分别选取了每股未分配利润、总资产利润率、股东权益比率、速动比率、净资产增长率作为决策树的备选分类变量。本文发现,只有每股未分配利润和总资产利润率在分类中具有决定性意义。单纯使用每股未分配利润作为分类变量的模型,其样本内解释准确度为92.86％,样本外解释准确度为82.26％；使用每股未分配利润加总资产利润率作为分类变量的样本内解释准确率93.78％,样本外解释准确度81.72％。两个模型均具有很好的经济意义和解释力度。　　 综合上述方法,本文认为分步回归、SVM模型和决策树模型在诸多信用风险模型中表现优异,又以每股未分配利润和总资产利润率作为公司陷入财务困境的解释指标最为有效。随着公司每股未分配利润下降、总资产利润率下降,公司更有可能陷入财务困境,或者说,这两个变量可以作为公司信用风险预警的重要指标。　　 本文也创造性的提出和使用了多种新的方法。包括在KMV模型中对放宽对长期负债系数的限制,使其成为模型的待估参数；并使用了迭代的方法计算公司价值收益率的波动率。同时本文在KMV模型、Logistics模型、分步回归模型中引入了临界值的优化求解问题,计算了样本内和样本外的估计精确度,而不是像传统研究那样,仅计算出了模型预测值,然后用T检验判定模型的估计准确度。在各模型的研究中,本文发现通过临界值预测的模型估计准确度可能与T检验结果相去甚远。这说明T检验只是一个比较弱的统计方法,通过临界值进行的检验和预测则更能保证模型的真实有效。　　 本文的理论创新与学术贡献主要包括以下四点:其一,在研究内容上,这是国内第一篇系统性的以金融危机为视角探讨商业银行风险管理的文章,在该领域有一定的拓展；其二,在研究方法上,本文创造性的将多种统计方法加入到商业银行的信用风险管理研究中,开创了多种复杂实证方法研究信用风险理论的先河；其三,在创新理论的贡献上,本文对已有的模型进行了修改和深化；其四,在实际应用中,本文基于金融危机视角下对商业银行信用风险管理提出的政策建议对我国的商业银行管理具有现实的指导意义。