商業(yè)銀行對(duì)房地產(chǎn)企業(yè)信用評(píng)價(jià)方法研究

李 楠 劉志杰

1 研究意義

現(xiàn)代商業(yè)銀行經(jīng)營(yíng)管理的核心內(nèi)容之一就是風(fēng)險(xiǎn)管理。在我國(guó),信用風(fēng)險(xiǎn)度量和管理方面的研究和運(yùn)用相當(dāng)滯后,信用風(fēng)險(xiǎn)度量和評(píng)級(jí)主要是定性方法,方法簡(jiǎn)單而粗糙,缺乏一致性和有效性。近幾年,房地產(chǎn)業(yè)成為我國(guó)國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一。由于房貸資產(chǎn)質(zhì)量相對(duì)較高,房地產(chǎn)信貸業(yè)務(wù)中所產(chǎn)生的金融風(fēng)險(xiǎn)較其他種類的信貸業(yè)務(wù)而言相對(duì)較小,商業(yè)銀行普遍大力發(fā)展房地產(chǎn)信貸,加大了金融風(fēng)險(xiǎn)的存在。因此我國(guó)商業(yè)銀行房地產(chǎn)信貸面臨著比較大的風(fēng)險(xiǎn),制定必要的防范措施,是我國(guó)商業(yè)銀行必須完成的任務(wù)[1]。

2 房地產(chǎn)企業(yè)信用評(píng)價(jià)指標(biāo)體系的確立

指標(biāo)選取如表1所示。

表1 指標(biāo)體系

3 評(píng)價(jià)模型的選擇及應(yīng)用

Logistic函數(shù)(羅吉斯蒂函數(shù))又稱增長(zhǎng)函數(shù)。Logistic回歸在信用評(píng)價(jià)領(lǐng)域應(yīng)用已經(jīng)相對(duì)比較成熟,并被認(rèn)為在諸多統(tǒng)計(jì)學(xué)方法中精確性和穩(wěn)健性較高,關(guān)鍵在于Logistic回歸可以克服其他統(tǒng)計(jì)學(xué)模型的很多缺點(diǎn),在分類中具有較好的特性[2]。

3.1 Logistic回歸模型基本原理

本文將是否獲得貸款 y與指標(biāo)變量xi之間通過(guò)pi(給定 xi條件下y=1的概率)發(fā)生關(guān)系。該模型可表示為 f(x)=ln[pi/(1-pi)],建立回歸模型方程為:

給定一組客戶樣本{(xi,yi),其中,xi為企業(yè)的指標(biāo)變量;yi為一個(gè)二分類的屬性變量,yi∈[0,1](yi=0表示第 i個(gè)企業(yè)違約,yi=1表示第 i個(gè)企業(yè)不違約),使用 Logistic回歸模型可以用來(lái)判斷一個(gè)企業(yè)是否違約,公式如下:

其中,X為m維向量;β為維待求的系數(shù)。通過(guò)極大似然估計(jì)法進(jìn)行求解:

設(shè)從總體中隨機(jī)抽取n個(gè)樣本,分別表示為y1,y2,…,yn,設(shè)Pi=P(yi=1|X),在給定的 xi條件下,yi=1的概率。同理可得,yi=0的概率可表示為:P(yi)=( 1-Pi)1-yi。

因?yàn)楦黜?xiàng)觀測(cè)相互獨(dú)立,其充分必要條件就是其聯(lián)合概率分布,設(shè)為L(zhǎng)(θ)等于各邊界分布的乘積:

其中,L(θ)為n個(gè)觀測(cè)值的似然函數(shù)。對(duì)于確定的標(biāo)本值yi(i=1,2,…,n)來(lái)說(shuō),它是 β0和 β1(i=1,2,…,n)的函數(shù),即我們的目的是求出參數(shù)的估計(jì)量,且應(yīng)使 L(θ)最大,選擇使 ln[L(θ)]最大,根據(jù) Logistic函數(shù),可以得到式(4):

分別對(duì) βi(i=0,1,…,m)求偏導(dǎo)數(shù),并令其為0,得到公式:

式(5)與式(6)得出的βi為極大似然估計(jì),而相應(yīng)的條件概率估計(jì)值為Pi,這個(gè)值是指在給定的 xi的條件下yi=1的概率估計(jì)值,其代表了Logistic回歸模型的擬合值或預(yù)測(cè)值[3]。

3.2 指標(biāo)數(shù)據(jù)的選擇和處理

主要選取上市的房地產(chǎn)公司與本地的房地產(chǎn)企業(yè)截至2008年12月的財(cái)務(wù)及其他指標(biāo)數(shù)據(jù),其中上市的公司股票包括ST股票與*ST股票。對(duì)指標(biāo)進(jìn)行無(wú)量綱化處理,使指標(biāo)介于[0,1]之間,所謂無(wú)量綱化處理就是對(duì)評(píng)價(jià)指標(biāo)數(shù)值的標(biāo)準(zhǔn)化、正規(guī)化處理,它是通過(guò)一定的數(shù)學(xué)變化來(lái)消除原始數(shù)據(jù)量綱影響的方法。

3.3 Logistic模型的應(yīng)用

采用軟件SPSS13.0對(duì)數(shù)據(jù)進(jìn)行處理,經(jīng)過(guò)對(duì)變量篩選方法的逐個(gè)實(shí)驗(yàn),使用多元逐步回歸分析(step wise)方法對(duì) Logistic回歸模型進(jìn)行變量篩選。表2中,R為判定系數(shù),它是回歸方程擬合優(yōu)度的一個(gè)度量,估計(jì)值的標(biāo)準(zhǔn)差越小,估計(jì)值代表的線性就越大,相關(guān)點(diǎn)的離散程度就越大。判定系數(shù)與調(diào)整判定系數(shù)越高說(shuō)明模型的擬合程度越好[4]。從表2可以看出,經(jīng)過(guò)10步擬合樣本的判定系數(shù)為1,調(diào)整后的判定系數(shù)也為1,說(shuō)明該模型有較好的整體擬合性,已經(jīng)達(dá)到了模型建立的要求。

表2 模型總結(jié)

表3是指標(biāo)變量經(jīng)過(guò)9次篩選,最終保留了 x1,x2,x3,x4,x5,x6,x8,x9,x109個(gè)變量,變量 x7被剔除。在回歸方程中變量被逐一挑選進(jìn)入回歸模型,最后指標(biāo) x7被保留,說(shuō)明指標(biāo) x7未進(jìn)入回歸模型,已被剔除。并給出了經(jīng)過(guò)擬合后的模型的指標(biāo)系數(shù)。

通過(guò)上面的計(jì)算和SPSS分析我們可以得到檢驗(yàn)樣本的回歸模型方程的表達(dá)式為:

表3 擬合后的模型指標(biāo)系數(shù)

3.4 應(yīng)用結(jié)果分析

從最終回歸模型式(7)的回歸系數(shù)可以看出,主營(yíng)業(yè)務(wù)利潤(rùn)率、凈利潤(rùn)率、速動(dòng)比率、資產(chǎn)負(fù)債率、應(yīng)收賬款周轉(zhuǎn)率、土地儲(chǔ)備、信用記錄、項(xiàng)目市場(chǎng)評(píng)估這9項(xiàng)指標(biāo)會(huì)對(duì)房地產(chǎn)企業(yè)是否違約的概率有較大的影響,這些因素在一定程度上可以反映出企業(yè)的還款能力及信用程度。重新選取新的樣本帶入回歸模型檢驗(yàn)該模型的穩(wěn)定性和精確性,模型的準(zhǔn)確度均達(dá)到了90%以上,可見(jiàn),模型對(duì)樣本的穩(wěn)健性和適應(yīng)性較好。

4 結(jié)語(yǔ)

通過(guò)文章的分析,商業(yè)銀行對(duì)房地產(chǎn)企業(yè)的信用分析在商業(yè)銀行信用風(fēng)險(xiǎn)管理中具有重要的作用和意義,所得到的評(píng)價(jià)結(jié)果也就有一定的解釋性,但同時(shí)由于數(shù)據(jù)選取的完善性和全面性受到實(shí)際情況的制約,這就需要我國(guó)建立一個(gè)更加規(guī)范化的數(shù)據(jù)庫(kù)系統(tǒng),這樣才能使信用評(píng)價(jià)結(jié)果更加準(zhǔn)確和適用。希望通過(guò)本文的研究能使商業(yè)銀行貸款的信用風(fēng)險(xiǎn)降到最低的同時(shí)房地產(chǎn)業(yè)能得到最大的收益。

[1]王希迎,丁建臣,陸桂娟.房地產(chǎn)企業(yè)融資新解[M].北京:中國(guó)經(jīng)濟(jì)出版社,2005:94-95.

[2]楊 軍.銀行信用風(fēng)險(xiǎn)——理論、模型和實(shí)證分析[M].北京:中國(guó)財(cái)政經(jīng)濟(jì)出版社,2004:79-82.

[3]許承德,張池平.工科大學(xué)數(shù)學(xué)教程[M].哈爾濱:哈爾濱工業(yè)大學(xué)出版社,1997:221-229.

[4]呂振通,張凌云.Spss統(tǒng)計(jì)分析與應(yīng)用[M].北京:機(jī)械工業(yè)出版社,2009:103-209.