時(shí)間：2023-03-29 09:20:51
緒論：在尋找寫作靈感嗎？愛發(fā)表網(wǎng)為您精選了8篇信用風(fēng)險(xiǎn)論文，愿這些內(nèi)容能夠啟迪您的思維，激發(fā)您的創(chuàng)作熱情，歡迎您的閱讀與分享！
20世紀(jì)50年代，馮·紐曼和摩根斯坦(VonNeumannMorgenstem)在公理化假設(shè)的基礎(chǔ)上建立了不確定條件下對(duì)理性人(rationalactor)選擇進(jìn)行分析的框架，即期望效用函數(shù)理論。阿羅和德布魯(Arrow，Debreu)后來發(fā)展并完善了一般均衡理論，成為經(jīng)濟(jì)學(xué)分析的基礎(chǔ)，從而建立了經(jīng)濟(jì)學(xué)統(tǒng)一的分析范式。這個(gè)范式也成為金融學(xué)分析理性人決策的基礎(chǔ)。1952年馬克威茨(Markowi)發(fā)表了著名的論文“portfoliosdeefion”，建立了現(xiàn)代資產(chǎn)組合理論，標(biāo)志著現(xiàn)代金融學(xué)的誕生。此后，莫迪戈里安尼和米勒(Modigliani－Miller)建立了MM定理，開創(chuàng)了公司金融學(xué)，成為現(xiàn)代金融學(xué)的一個(gè)重要分支。自上個(gè)世紀(jì)60年代夏普和林特納等(Sharp－Limner)，建立并擴(kuò)展了資本資產(chǎn)定價(jià)模型(CAPM)至布萊克、斯科爾斯和莫頓(Black－Scholes－Merton)建立了期權(quán)定價(jià)模型(OPM)，至此，現(xiàn)代金融學(xué)，已經(jīng)成為一門邏輯嚴(yán)密的具有統(tǒng)一分析框架的學(xué)科。
隨著金融市場上各種異常現(xiàn)象的累積，模型和實(shí)際的背離使得傳統(tǒng)金融理論的理性分析范式陷入了尷尬境地。20世紀(jì)80年代，通過對(duì)傳統(tǒng)金融學(xué)的反思和修正，行為金融理論悄然興起，并開始動(dòng)搖了CAMP和EMH的權(quán)威地位。行為金融理論在博弈論和實(shí)驗(yàn)經(jīng)濟(jì)學(xué)被主流經(jīng)濟(jì)學(xué)接納之際，對(duì)人類個(gè)體和群體行為研究的日益重視，促成了傳統(tǒng)的力學(xué)研究范式向以生命為中心的非線性復(fù)雜范式的轉(zhuǎn)換，使得我們看到了金融理論與實(shí)際的溝壑有了彌合的可能。1999年克拉克獎(jiǎng)得主馬修(MatthewRabin)和2002年諾貝爾獎(jiǎng)得主丹尼爾·卡尼曼(DanielKahneman)和弗農(nóng)·史密斯(VemonSmith)，都是這個(gè)領(lǐng)域的代表人物，為這個(gè)領(lǐng)域的基礎(chǔ)理論作出了重要貢獻(xiàn)。國外將這一領(lǐng)域稱之為behaviorfinance，國內(nèi)大多數(shù)的文獻(xiàn)和專著將其稱為“行為金融學(xué)”。
行為金融學(xué)發(fā)現(xiàn)，人在不確定條件下的決策過程中并不是完全理性的，會(huì)受到過度自信、代表性、可得性、錨定和調(diào)整、損失規(guī)避等信念影響，出現(xiàn)系統(tǒng)性認(rèn)知偏差。而傳統(tǒng)金融學(xué)是基于理性人假設(shè)，認(rèn)為理性人在不確定條件下的決策是嚴(yán)格依照貝葉斯法則計(jì)算的期望效用函數(shù)進(jìn)行決策的。即使有些人非理性，這種非理性也是非系統(tǒng)性的，會(huì)彼此抵消，從而在總體上是理性的；如果這種錯(cuò)誤不能完全相互抵消，套利者的套利也會(huì)淘汰這些犯錯(cuò)誤的決策者，使市場恢復(fù)到均衡狀態(tài)，達(dá)到總體理性。
2行為金融對(duì)信用風(fēng)險(xiǎn)管理的影響
2．1風(fēng)險(xiǎn)偏好
根據(jù)行為金融學(xué)的基本理論，投資者的風(fēng)險(xiǎn)偏好不同于傳統(tǒng)金融學(xué)理論下風(fēng)險(xiǎn)偏好是不變的，而是變化的，是會(huì)隨著絕對(duì)財(cái)富等一些其他因素的改變而發(fā)生改變的。因此，我們就沒有理由相信借款人是特殊的群體，他們借款的目的大多都是為了投資，也是眾多投資者中的一部分，他們的風(fēng)險(xiǎn)偏好也會(huì)發(fā)生改變。風(fēng)險(xiǎn)偏好的改變就會(huì)直接影響到他們面臨的風(fēng)險(xiǎn)，最終會(huì)影響貸款方面臨的信用風(fēng)險(xiǎn)。
2．2過度自信
過度自信或許是人類最為穩(wěn)固的心理特征，人們?cè)谧鳑Q策時(shí)，對(duì)不確定性事件發(fā)生的概率的估計(jì)過于自信。投資者可能對(duì)自己駕馭市場的能力過于自信，在投資決策中過高估計(jì)自己的技能和預(yù)測成功的趨勢，或者過分依賴自己的信息而忽視公司基本面狀況從而造成決策失誤的可能性。這種過度自信完全有可能導(dǎo)致大量盲目投資的產(chǎn)生，盲目的多元化和貪大求全。
2．3羊群行為
企業(yè)決策由于存在較大的不確定性并涉及較多的技術(shù)環(huán)節(jié)，其決策往往由決策團(tuán)體共同協(xié)商作出，主要屬于群體決策，而群體決策有可能導(dǎo)致羊群行為(HerdBehaviors)的發(fā)生。羊群行為主要是指投資者在掌握信息不充分情況下，行為受到其他投資者的影響而模仿他人決策的行為。在企業(yè)決策中，羊群行為的表現(xiàn)可能是決策團(tuán)體中多數(shù)人對(duì)團(tuán)體中領(lǐng)導(dǎo)者的遵從，也可能是領(lǐng)導(dǎo)者對(duì)決策團(tuán)體中多數(shù)人的遵從，而且是一種盲目的遵從。決策中的羊群行為可能造成決策失誤。
2．4資本結(jié)構(gòu)與公司價(jià)值
1958年，美國經(jīng)濟(jì)學(xué)家費(fèi)朗哥·莫迪格里安尼(FraneoModigliani)和默頓·米勒(MertonMiller)在《美國經(jīng)濟(jì)評(píng)論》發(fā)表了題為《資本成本、公司財(cái)務(wù)和投資理論》的論文，提出了著名的MM定理，主要內(nèi)容是：在市場完全的前提下，企業(yè)的資本結(jié)構(gòu)與企業(yè)的市場價(jià)值無關(guān)。即企業(yè)價(jià)值與企業(yè)是否負(fù)債無關(guān)，不存在最佳資本結(jié)構(gòu)問題。如果證券價(jià)格準(zhǔn)確地反映了公司未來現(xiàn)金收入流量的值，那么不管發(fā)行的是什么類型的證券，只要把公司發(fā)行的所有證券的市場價(jià)值加在一起，一定等于這個(gè)公司未來利潤的現(xiàn)值。無風(fēng)險(xiǎn)套利活動(dòng)也使得資本結(jié)構(gòu)無關(guān)緊要，如果兩個(gè)本質(zhì)完全相同的公司因資本結(jié)構(gòu)不同在市場上賣出的價(jià)格不一樣的話，套利者就可以將更便宜的公司的證券全部買下，然后在價(jià)格相對(duì)較高的市場上賣出。因此，公司的資本結(jié)構(gòu)就不再是不相干的問題。不同的現(xiàn)金收入流量對(duì)不同的投資者的吸引力也會(huì)各不相同，這些投資者對(duì)于他們感興趣的現(xiàn)金收入流量愿意付出高價(jià)。特別是由于噪聲交易者的存在，套利仍充滿風(fēng)險(xiǎn)。所以，不同的資本結(jié)構(gòu)，其公司價(jià)值顯然是不同的，其信用風(fēng)險(xiǎn)必然不同。
3行為金融對(duì)金融租賃公司信用風(fēng)險(xiǎn)管理的啟示
金融租賃業(yè)務(wù)由于涉及交易環(huán)節(jié)較多，交易結(jié)構(gòu)較為復(fù)雜，不但面臨客戶(承租企業(yè))不能按時(shí)履約的信用風(fēng)險(xiǎn)，也存在供貨商不能按時(shí)履約的信用風(fēng)險(xiǎn)，因此，相對(duì)于商業(yè)銀行傳統(tǒng)信貸，其信用風(fēng)險(xiǎn)更大。
遺憾的是，很多金融租賃機(jī)構(gòu)依然照搬商業(yè)銀行機(jī)構(gòu)那套傳統(tǒng)的信用風(fēng)險(xiǎn)管理模式。在按傳統(tǒng)金融理論進(jìn)行信用風(fēng)險(xiǎn)管理時(shí)，基于理性人的基本假設(shè)，對(duì)投資者的風(fēng)險(xiǎn)偏好、過度自信、羊群行為以及公司的資本結(jié)構(gòu)均沒有涉及。但是，基于行為金融學(xué)理論，表明這些因素的影響是存在的，這就啟示我們?cè)谶M(jìn)行信用風(fēng)險(xiǎn)管理時(shí)就不能回避這些因素了，這既對(duì)信用風(fēng)險(xiǎn)管理提出了新的要求，也為金融租賃機(jī)構(gòu)信用風(fēng)險(xiǎn)管理研究指明了方向。
信用風(fēng)險(xiǎn)，也稱違約風(fēng)險(xiǎn)，一般是指借款人到期不能或不愿履行還貸付息協(xié)議而使銀行面臨貸款損失的可能性。信用風(fēng)險(xiǎn)是指信貸資金安全系數(shù)的不確定性，表現(xiàn)為企業(yè)由于各種原因，不愿意或無力償還銀行貸款本息，使銀行貸款無法回收，形成呆帳的可能性（Murphy，2003）。具體的講，信用風(fēng)險(xiǎn)可以分為兩種情況：一是借款人或債務(wù)人沒有能力或者沒有意愿履行還款義務(wù)而給債權(quán)人造成損失的可能性；另一個(gè)是指由于債務(wù)人信用等級(jí)或信貸資產(chǎn)評(píng)級(jí)的下調(diào)、信貸利差的擴(kuò)大導(dǎo)致資產(chǎn)的經(jīng)濟(jì)價(jià)值或者市值下降的可能性。前者主要著眼于貸款是否違約，稱為違約風(fēng)險(xiǎn)。信用風(fēng)險(xiǎn)根據(jù)其定義，具有如下特征。
第一，非系統(tǒng)性與系統(tǒng)性。借款人的還款能力和還款意愿受多種因素的影響，一方面?zhèn)鶆?wù)人自身的財(cái)務(wù)狀況、投資策略和經(jīng)營能力等因素決定了其能否按期履約還款。而另一方面，除了借款人自身的非系統(tǒng)風(fēng)險(xiǎn)之外，系統(tǒng)風(fēng)險(xiǎn)的也會(huì)對(duì)債務(wù)人違約產(chǎn)生影響，包括宏觀經(jīng)濟(jì)狀況、行業(yè)發(fā)展?fàn)顟B(tài)和政策法律等因素。
第二，道德風(fēng)險(xiǎn)與信息不對(duì)稱對(duì)信用風(fēng)險(xiǎn)的形成具有重要作用。債權(quán)人與債務(wù)人的信用交易通常是在信息不對(duì)稱的條件下進(jìn)行的。債權(quán)人經(jīng)常對(duì)債務(wù)人的信息掌握缺乏或者掌握錯(cuò)誤信息，在信息掌握失衡的情況下，債務(wù)人為了實(shí)現(xiàn)自身的利益最大化，道德風(fēng)險(xiǎn)發(fā)生的可能性變大，即產(chǎn)生違約傾向，最終形成信用風(fēng)險(xiǎn)。
第三，信用風(fēng)險(xiǎn)收益的非對(duì)稱性。信用風(fēng)險(xiǎn)收益的分布具有典型的非對(duì)稱性，信用風(fēng)險(xiǎn)分布的偏峰厚尾特征決定了簡單的應(yīng)用均值和方差來衡量風(fēng)險(xiǎn)的大小是不充分的。
第四，信用風(fēng)險(xiǎn)作用于銀行信貸經(jīng)營的全過程，只有及時(shí)、準(zhǔn)確地發(fā)現(xiàn)信用風(fēng)險(xiǎn)的誘導(dǎo)因素并系統(tǒng)、連續(xù)地掌握信用風(fēng)險(xiǎn)的特征、大小、屬性及變動(dòng)趨勢，才能防范和化解風(fēng)險(xiǎn)。
二、信用風(fēng)險(xiǎn)四個(gè)量化因子
第一，違約概率（ProbabilityofDefault，PD），是指銀行的交易對(duì)手（債務(wù)人）在未來一段時(shí)間內(nèi)發(fā)生違約的可能性。對(duì)違約概率進(jìn)行量化，需要我們對(duì)違約進(jìn)行具體的界定。長期以來對(duì)違約的定義沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)，不同的用途有時(shí)會(huì)采取的不同的違約定義。新巴塞爾協(xié)議提供了違約的參考定義，違約是指以下兩種情況的一種或者兩者同時(shí)出現(xiàn)：一是銀行認(rèn)定除非采取追索措施，如變現(xiàn)抵質(zhì)押品（如果存在的話），借款人可能不能全額償還對(duì)銀行集團(tuán)的債務(wù)；二是借款人對(duì)銀行集團(tuán)的實(shí)質(zhì)性信貸債務(wù)逾期90天以上。對(duì)于“不能全額償還”，新協(xié)議又進(jìn)行了六點(diǎn)詳細(xì)闡述：一是銀行停止對(duì)貸款表內(nèi)計(jì)息，即借款人的貸款轉(zhuǎn)為表外計(jì)息；二是由于信貸質(zhì)量大幅下降，銀行核銷了貸款或計(jì)提了專項(xiàng)準(zhǔn)備；三是銀行將借款人貸款出售并相應(yīng)承擔(dān)了較大經(jīng)濟(jì)損失；四是銀行同意對(duì)借款人進(jìn)行消極債務(wù)重組而發(fā)生本金、利息或費(fèi)用等較大規(guī)模的減免或推遲償還造成債務(wù)規(guī)模的減少；五是就借款人對(duì)銀行集團(tuán)債務(wù)而言，銀行將債務(wù)人列為破產(chǎn)或類似狀況；六是借款人破產(chǎn)或申請(qǐng)破產(chǎn)或處于類似保護(hù)狀態(tài)，由此不能履行或需要延期履行銀行集團(tuán)債務(wù)。
第二，違約損失率（LossGivenDefault，LGD），是指債務(wù)人一旦違約將給銀行(債權(quán)人)造成的損失數(shù)額占風(fēng)險(xiǎn)暴露的百分比，它衡量了損失的嚴(yán)重程度，并且有違約損失率＝1-回收率。對(duì)違約損失率進(jìn)行量化需要我們對(duì)損失進(jìn)行具體的界定。損失的界定即損失計(jì)算的范圍，對(duì)此銀行業(yè)實(shí)際業(yè)務(wù)中缺乏統(tǒng)一定義，往往根據(jù)具體目的和需要確定，一般損失的內(nèi)容包括以下幾個(gè)方面：本金的損失、利息的損失、違約債務(wù)持有成本和清收費(fèi)用（如托收費(fèi)、律師訴訟費(fèi)）等。
第三，違約風(fēng)險(xiǎn)暴露（ExposureAtDefault，EAD），也稱違約敞口，指信用暴露中面臨違約風(fēng)險(xiǎn)的部分。關(guān)于違約敞口最重要的一點(diǎn)是它是未來的敞口，即在將來面臨信用風(fēng)險(xiǎn)的頭寸規(guī)模。由于提款和還款的方式不同，加上存在其他不確定性因素，在貸款到期之前信用敞口經(jīng)常隨著時(shí)間的推移而改變。
第四，有效期限（Maturity，M），是指當(dāng)前與貸款或債券到期償還日的時(shí)間間隔。向企業(yè)放貸對(duì)銀行來說是一種投資行為，與其他形式的投資一樣，銀行這一投資的收益受其時(shí)間價(jià)值的影響。貸款的期限越長，債務(wù)在到期之前面臨的不確定性越大，風(fēng)險(xiǎn)自然也就越大。在最新的巴塞爾新資本協(xié)議中，明確的提到了期限的處理問題。
三、信用風(fēng)險(xiǎn)損失的計(jì)量
對(duì)信用風(fēng)險(xiǎn)的四個(gè)量化因子進(jìn)行研究，主要目的是對(duì)信用風(fēng)險(xiǎn)可能帶來的損失進(jìn)行計(jì)量。對(duì)信用風(fēng)險(xiǎn)損失的計(jì)量標(biāo)準(zhǔn)有兩種方法，一是基于違約式模型下的損失，即債務(wù)人已發(fā)生的違約行為而給債權(quán)人（這里主要說的是商業(yè)銀行）帶來的損失；二是盯市模型下的損失，即除了違約行為之外，債務(wù)人信用等級(jí)的降低或資信質(zhì)量的惡化導(dǎo)致的潛在損失，這是因?yàn)榧词乖诮杩钊诵庞脿顩r惡化的情況下并沒有發(fā)生違約，但是信用資產(chǎn)的經(jīng)濟(jì)價(jià)值也會(huì)因借款人信譽(yù)發(fā)生變化而受到影響。目前，對(duì)于信用風(fēng)險(xiǎn)損失的計(jì)量主要考慮預(yù)期損失、非預(yù)期損失和損失不足三種情況。
1、預(yù)期損失（EL）。預(yù)期損失是銀行在經(jīng)營活動(dòng)中可以預(yù)期到的損失。銀行在事前計(jì)提損失準(zhǔn)備金來抵御預(yù)期損失，或者在貸款定價(jià)時(shí)將預(yù)期損失作為成本（如通過貸款利率）予以考慮。預(yù)期損失是損失的期望水平，沒有考慮不確定性因素的影響。因此銀行須將預(yù)期損失視為經(jīng)營的成本，在貸款的定價(jià)或事前損失撥備中予以考慮。預(yù)期信用風(fēng)險(xiǎn)損失率等于違約損失率和違約概率的積。進(jìn)行違約概率和違約損失率測度，可以有效提升信用風(fēng)險(xiǎn)管理水平。
2、非預(yù)期損失（UL）。又稱意外損失，非預(yù)期損失是指因經(jīng)濟(jì)環(huán)境或市場狀況異常波動(dòng)等非預(yù)期事件造成的實(shí)際損失對(duì)預(yù)期損失的偏離。如果組合損失分布服從正態(tài)分布，預(yù)期損失和非預(yù)期損失的分布將與組合信用損失分布一致，因?yàn)橐阎浑A矩和二階矩即可確定正態(tài)分布，那么非預(yù)期損失一般可以用預(yù)期損失的標(biāo)準(zhǔn)差來描述。但信用風(fēng)險(xiǎn)的損失分布并不服從正態(tài)分布，而是具有明顯的有偏和非對(duì)稱性特征。此時(shí)非預(yù)期損失對(duì)應(yīng)于在險(xiǎn)價(jià)值（VaR）與期望損失之差。
3、損失不足（ES）。意外損失不包括極端事件，極端事件指VaR置信水平以外的概率發(fā)生的損失，盡管股市崩盤、金融危機(jī)發(fā)生的概率很小，但是其造成的損失是投資者不能忽視的，而一般的統(tǒng)計(jì)規(guī)律不能估計(jì)極端損失，這需要采用壓力檢測分析這一問題，相應(yīng)的提出了極值理論和一致性風(fēng)險(xiǎn)度量。損失不足即是度量超出VaR置信水平下最嚴(yán)重?fù)p失的平均值，它能夠滿足對(duì)極端損失的關(guān)注，在連續(xù)分布下，還滿足次可加性、齊次性、單調(diào)性和無風(fēng)險(xiǎn)條件四個(gè)公理，是一致性風(fēng)險(xiǎn)度量手段。
四、經(jīng)濟(jì)資本與經(jīng)風(fēng)險(xiǎn)調(diào)整收益率
以經(jīng)營信貸資產(chǎn)為主要業(yè)務(wù)的商業(yè)銀行，始終面臨著風(fēng)險(xiǎn)和潛在損失問題，為了抵御這些損失的影響，銀行必須配備一定的準(zhǔn)備或者資本，又因其行業(yè)的特殊性，其資產(chǎn)資本構(gòu)成與一般工商企業(yè)有較大的差異，銀行的資本僅占其資產(chǎn)總額的很小一部分，同時(shí)銀行除了自身主動(dòng)提取風(fēng)險(xiǎn)準(zhǔn)備以外，還要滿足外部監(jiān)管當(dāng)局的資本要求。
第一，經(jīng)濟(jì)資本（EC）。經(jīng)濟(jì)資本是銀行內(nèi)部用以緩沖風(fēng)險(xiǎn)損失的權(quán)益資本。巴塞爾資本協(xié)議將經(jīng)濟(jì)資本籠統(tǒng)的定義為銀行等金融機(jī)構(gòu)在經(jīng)營過程中所必須持有能夠覆蓋所有可能風(fēng)險(xiǎn)的資本數(shù)量，經(jīng)濟(jì)資本的數(shù)量由金融機(jī)構(gòu)自己估計(jì)。經(jīng)濟(jì)資本的概念與在險(xiǎn)價(jià)值（ValueatRisk，記為VaR）的概念實(shí)際上一致的。在險(xiǎn)價(jià)值刻畫了損失分布的尾部風(fēng)險(xiǎn)，其定義是在一定時(shí)期內(nèi)，在某一置信水平下，投資組合的最大可能損失。事實(shí)上，銀行內(nèi)部測算的經(jīng)濟(jì)資本與外部監(jiān)管當(dāng)局所要求的監(jiān)管資本常常是不一致的，這種不一致既可能是經(jīng)濟(jì)資本高于監(jiān)管資本，也可能是經(jīng)濟(jì)資本低于監(jiān)管資本。經(jīng)濟(jì)資本是銀行內(nèi)部為抵御風(fēng)險(xiǎn)而主動(dòng)配備的資本，實(shí)際上是指所“需要的”資本或“應(yīng)該有的”資本，不是銀行已經(jīng)擁有的資本，它不同于帳面資本和監(jiān)管資本。雖然經(jīng)濟(jì)資本與監(jiān)管資本都起到風(fēng)險(xiǎn)緩沖的作用，但前者是由銀行管理者從內(nèi)部來認(rèn)定和安排的緩沖，它實(shí)際上反映了股東價(jià)值最大化對(duì)銀行管理的要求；而后者則是銀行業(yè)監(jiān)管部門從行業(yè)監(jiān)管的角度對(duì)銀行資本金水平所做的要求。在風(fēng)險(xiǎn)定價(jià)方面，監(jiān)管資本無法有效的區(qū)分暴露的風(fēng)險(xiǎn)差異，而經(jīng)濟(jì)資本做到了這一點(diǎn)，經(jīng)濟(jì)資本對(duì)風(fēng)險(xiǎn)的敏感性顯著高于監(jiān)管資本對(duì)風(fēng)險(xiǎn)的敏感性。所以，從理論上經(jīng)營穩(wěn)健的銀行需要?jiǎng)討B(tài)監(jiān)測監(jiān)管資本和經(jīng)濟(jì)資本，并保證經(jīng)濟(jì)資本大于等于監(jiān)管資本。當(dāng)經(jīng)濟(jì)資本高于監(jiān)管要求的資本時(shí)，銀行為了提高資本金的利用效率，會(huì)將超額的部分通過資本充足率的杠桿效應(yīng)，擴(kuò)大信貸投放；或者通過增加表外業(yè)務(wù)實(shí)現(xiàn)資本金的投資收益。最終使經(jīng)濟(jì)資本與監(jiān)管資本趨于一致。當(dāng)銀行內(nèi)部計(jì)算的經(jīng)濟(jì)資本要求，大大低于監(jiān)管所規(guī)定的監(jiān)管資本要求時(shí)，銀行就會(huì)傾向于監(jiān)管資本套利。監(jiān)管資本套利的主要做法是通過資產(chǎn)證券化或其他金融創(chuàng)新工具將低風(fēng)險(xiǎn)資產(chǎn)從信貸組合中稀釋出去，而從中獲得收益。
第二，經(jīng)風(fēng)險(xiǎn)調(diào)整收益率（RAROC）定義為凈收益減去預(yù)期損失后與經(jīng)濟(jì)資本的比。該定義與資產(chǎn)組合理論中的風(fēng)險(xiǎn)收益比率即Sharp比率相似。銀行除了重視估計(jì)風(fēng)險(xiǎn)潛在損失和進(jìn)行經(jīng)濟(jì)資本配置以外，對(duì)銀行的收益能力也十分重視。20世紀(jì)70年代末，美國信孚銀行提出了RAROC，目的是為了度量銀行信貸資產(chǎn)組合的風(fēng)險(xiǎn)和計(jì)算在特定損失率下為限制風(fēng)險(xiǎn)暴露必須的股權(quán)數(shù)量。后來許多大銀行在此基礎(chǔ)上紛紛對(duì)RAROC模型進(jìn)行開發(fā)，從而逐漸改變了傳統(tǒng)的以資產(chǎn)收益率和資本收益率為中心的業(yè)績考核和管理體系，將風(fēng)險(xiǎn)因素充分考慮到銀行的經(jīng)營業(yè)務(wù)考核中。20世紀(jì)90年代，這項(xiàng)技術(shù)在不斷完善的同時(shí)在國際上大銀行間得到了廣泛的推廣，并逐漸成為當(dāng)今金融理論界和實(shí)踐中公認(rèn)的最核心、最有效的經(jīng)營業(yè)績考核管理方法。我國銀行業(yè)監(jiān)管管理委員會(huì)在《商業(yè)銀行市場風(fēng)險(xiǎn)管理指引》中指出，銀行是經(jīng)營特殊商品和服務(wù)的高風(fēng)險(xiǎn)企業(yè)，必須將風(fēng)險(xiǎn)因素引入到經(jīng)營管理和績效衡量中。實(shí)踐表明，銀行業(yè)要實(shí)施全面風(fēng)險(xiǎn)管理，就必須以經(jīng)濟(jì)資本為基礎(chǔ)，建立一套有效的風(fēng)險(xiǎn)調(diào)整后的資本收益率管理體系。
【參考文獻(xiàn)】
[1]MurphyA.：AnempiricalanalysisofthestructureofcreditriskpremiumsintheEurobondmarket[J].JournalofInternationalMoneyandFinance，2003（22）.
[2]Stiglitz，J.E.，A.Weiss：CreditRationinginMarketswithImperfectInformation[J].TheAmericanEconomicReview，1981（71）.
[3]李志輝：中國銀行業(yè)風(fēng)險(xiǎn)控制和資本充足性管制研究[M].中國金融出版社，2007.
[4]孟慶福：信用風(fēng)險(xiǎn)管理[M].經(jīng)濟(jì)科學(xué)出版社，2006.
[5]葉蜀君：信用風(fēng)險(xiǎn)度量與管理[M].首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2008.
關(guān)鍵詞：行為金融；信用風(fēng)險(xiǎn)；金融租賃
信用風(fēng)險(xiǎn)又稱違約風(fēng)險(xiǎn)，是指借款人、證券發(fā)行人或交易對(duì)方由于種種原因，不愿或無力履行合同條款而構(gòu)成違約，致使銀行、投資者或交易對(duì)方遭受損失的可能性。基于傳統(tǒng)金融學(xué)理論許多金融機(jī)構(gòu)和研究者對(duì)信用風(fēng)險(xiǎn)管理作出積極探索并取得了卓有成效的計(jì)量模型和支持工具，但也存在明顯缺陷。隨著行為金融學(xué)的興起和發(fā)展，為我們提供了新的視角來研究信用風(fēng)險(xiǎn)管理。
1行為金融學(xué)的產(chǎn)生
20世紀(jì)50年代，馮·紐曼和摩根斯坦(VonNeumannMorgenstem)在公理化假設(shè)的基礎(chǔ)上建立了不確定條件下對(duì)理性人(rationalactor)選擇進(jìn)行分析的框架，即期望效用函數(shù)理論。阿羅和德布魯(Arrow，Debreu)后來發(fā)展并完善了一般均衡理論，成為經(jīng)濟(jì)學(xué)分析的基礎(chǔ)，從而建立了經(jīng)濟(jì)學(xué)統(tǒng)一的分析范式。這個(gè)范式也成為金融學(xué)分析理性人決策的基礎(chǔ)。1952年馬克威茨(Markowi)發(fā)表了著名的論文“portfoliosdeefion”，建立了現(xiàn)代資產(chǎn)組合理論，標(biāo)志著現(xiàn)代金融學(xué)的誕生。此后，莫迪戈里安尼和米勒(Modigliani－Miller)建立了MM定理，開創(chuàng)了公司金融學(xué)，成為現(xiàn)代金融學(xué)的一個(gè)重要分支。自上個(gè)世紀(jì)60年代夏普和林特納等(Sharp－Limner)，建立并擴(kuò)展了資本資產(chǎn)定價(jià)模型(CAPM)至布萊克、斯科爾斯和莫頓(Black－Scholes－Merton)建立了期權(quán)定價(jià)模型(OPM)，至此，現(xiàn)代金融學(xué)，已經(jīng)成為一門邏輯嚴(yán)密的具有統(tǒng)一分析框架的學(xué)科。
隨著金融市場上各種異常現(xiàn)象的累積，模型和實(shí)際的背離使得傳統(tǒng)金融理論的理性分析范式陷入了尷尬境地。20世紀(jì)80年代，通過對(duì)傳統(tǒng)金融學(xué)的反思和修正，行為金融理論悄然興起，并開始動(dòng)搖了CAMP和EMH的權(quán)威地位。行為金融理論在博弈論和實(shí)驗(yàn)經(jīng)濟(jì)學(xué)被主流經(jīng)濟(jì)學(xué)接納之際，對(duì)人類個(gè)體和群體行為研究的日益重視，促成了傳統(tǒng)的力學(xué)研究范式向以生命為中心的非線性復(fù)雜范式的轉(zhuǎn)換，使得我們看到了金融理論與實(shí)際的溝壑有了彌合的可能。1999年克拉克獎(jiǎng)得主馬修(MatthewRabin)和2002年諾貝爾獎(jiǎng)得主丹尼爾·卡尼曼(DanielKahneman)和弗農(nóng)·史密斯(VemonSmith)，都是這個(gè)領(lǐng)域的代表人物，為這個(gè)領(lǐng)域的基礎(chǔ)理論作出了重要貢獻(xiàn)。國外將這一領(lǐng)域稱之為behaviorfinance，國內(nèi)大多數(shù)的文獻(xiàn)和專著將其稱為“行為金融學(xué)”。
行為金融學(xué)發(fā)現(xiàn)，人在不確定條件下的決策過程中并不是完全理性的，會(huì)受到過度自信、代表性、可得性、錨定和調(diào)整、損失規(guī)避等信念影響，出現(xiàn)系統(tǒng)性認(rèn)知偏差。而傳統(tǒng)金融學(xué)是基于理性人假設(shè)，認(rèn)為理性人在不確定條件下的決策是嚴(yán)格依照貝葉斯法則計(jì)算的期望效用函數(shù)進(jìn)行決策的。即使有些人非理性，這種非理性也是非系統(tǒng)性的，會(huì)彼此抵消，從而在總體上是理性的；如果這種錯(cuò)誤不能完全相互抵消，套利者的套利也會(huì)淘汰這些犯錯(cuò)誤的決策者，使市場恢復(fù)到均衡狀態(tài)，達(dá)到總體理性。
2行為金融對(duì)信用風(fēng)險(xiǎn)管理的影響
2．1風(fēng)險(xiǎn)偏好
根據(jù)行為金融學(xué)的基本理論，投資者的風(fēng)險(xiǎn)偏好不同于傳統(tǒng)金融學(xué)理論下風(fēng)險(xiǎn)偏好是不變的，而是變化的，是會(huì)隨著絕對(duì)財(cái)富等一些其他因素的改變而發(fā)生改變的。因此，我們就沒有理由相信借款人是特殊的群體，他們借款的目的大多都是為了投資，也是眾多投資者中的一部分，他們的風(fēng)險(xiǎn)偏好也會(huì)發(fā)生改變。風(fēng)險(xiǎn)偏好的改變就會(huì)直接影響到他們面臨的風(fēng)險(xiǎn)，最終會(huì)影響貸款方面臨的信用風(fēng)險(xiǎn)。
2．2過度自信
過度自信或許是人類最為穩(wěn)固的心理特征，人們?cè)谧鳑Q策時(shí)，對(duì)不確定性事件發(fā)生的概率的估計(jì)過于自信。投資者可能對(duì)自己駕馭市場的能力過于自信，在投資決策中過高估計(jì)自己的技能和預(yù)測成功的趨勢，或者過分依賴自己的信息而忽視公司基本面狀況從而造成決策失誤的可能性。這種過度自信完全有可能導(dǎo)致大量盲目投資的產(chǎn)生，盲目的多元化和貪大求全。
2．3羊群行為
企業(yè)決策由于存在較大的不確定性并涉及較多的技術(shù)環(huán)節(jié)，其決策往往由決策團(tuán)體共同協(xié)商作出，主要屬于群體決策，而群體決策有可能導(dǎo)致羊群行為(HerdBehaviors)的發(fā)生。羊群行為主要是指投資者在掌握信息不充分情況下，行為受到其他投資者的影響而模仿他人決策的行為。在企業(yè)決策中，羊群行為的表現(xiàn)可能是決策團(tuán)體中多數(shù)人對(duì)團(tuán)體中領(lǐng)導(dǎo)者的遵從，也可能是領(lǐng)導(dǎo)者對(duì)決策團(tuán)體中多數(shù)人的遵從，而且是一種盲目的遵從。決策中的羊群行為可能造成決策失誤。
2．4資本結(jié)構(gòu)與公司價(jià)值
1958年，美國經(jīng)濟(jì)學(xué)家費(fèi)朗哥·莫迪格里安尼(FraneoModigliani)和默頓·米勒(MertonMiller)在《美國經(jīng)濟(jì)評(píng)論》發(fā)表了題為《資本成本、公司財(cái)務(wù)和投資理論》的論文，提出了著名的MM定理，主要內(nèi)容是：在市場完全的前提下，企業(yè)的資本結(jié)構(gòu)與企業(yè)的市場價(jià)值無關(guān)。即企業(yè)價(jià)值與企業(yè)是否負(fù)債無關(guān)，不存在最佳資本結(jié)構(gòu)問題。如果證券價(jià)格準(zhǔn)確地反映了公司未來現(xiàn)金收入流量的值，那么不管發(fā)行的是什么類型的證券，只要把公司發(fā)行的所有證券的市場價(jià)值加在一起，一定等于這個(gè)公司未來利潤的現(xiàn)值。無風(fēng)險(xiǎn)套利活動(dòng)也使得資本結(jié)構(gòu)無關(guān)緊要，如果兩個(gè)本質(zhì)完全相同的公司因資本結(jié)構(gòu)不同在市場上賣出的價(jià)格不一樣的話，套利者就可以將更便宜的公司的證券全部買下，然后在價(jià)格相對(duì)較高的市場上賣出。因此，公司的資本結(jié)構(gòu)就不再是不相干的問題。不同的現(xiàn)金收入流量對(duì)不同的投資者的吸引力也會(huì)各不相同，這些投資者對(duì)于他們感興趣的現(xiàn)金收入流量愿意付出高價(jià)。特別是由于噪聲交易者的存在，套利仍充滿風(fēng)險(xiǎn)。所以，不同的資本結(jié)構(gòu)，其公司價(jià)值顯然是不同的，其信用風(fēng)險(xiǎn)必然不同。
3行為金融對(duì)金融租賃公司信用風(fēng)險(xiǎn)管理的啟示
1.1研究樣本以及研究樣本分類對(duì)于林業(yè)相關(guān)行業(yè)的研究，羅歡煥、張大紅等將CSRC行業(yè)分類體系中涉及林業(yè)的公司作為研究對(duì)象。為了增強(qiáng)樣本覆蓋范圍完整性，本文根據(jù)CSRC分類選取林業(yè)及制造業(yè)中造紙、木材和家具子行業(yè)36家上市公司作為研究對(duì)象，研究數(shù)據(jù)來源于上海證券交易所和深圳證券交易所公布的2012年上市公司年報(bào)及wind資訊。對(duì)于變量，從償債能力、盈利能力、營運(yùn)能力、成長能力和現(xiàn)金流量指標(biāo)五方面選取，以此作為Logistic衡量企業(yè)信用風(fēng)險(xiǎn)的決定因子。但這五個(gè)方面的變量側(cè)重考慮企業(yè)自身經(jīng)營狀況，缺乏對(duì)市場供求的考慮。因此，本文在研究前期利用KMV模型對(duì)樣本進(jìn)行分組。KMV模型以現(xiàn)代期權(quán)理論作為依托，側(cè)重考慮公司與整個(gè)市場，更好反映如何從市場價(jià)值角度衡量信用風(fēng)險(xiǎn)。因此通過KMV分組可以從另一個(gè)維度說明林業(yè)企業(yè)信用風(fēng)險(xiǎn)的情況。針對(duì)KMV與Logistic模型相結(jié)合的研究，劉澄將KMV模型的違約概率與Logistic相結(jié)合，對(duì)我國中小企業(yè)信用風(fēng)險(xiǎn)進(jìn)行較為準(zhǔn)確的評(píng)估。魏婷實(shí)證得出KMV模型能夠從某些方面彌補(bǔ)Logistic模型的不足。韓艷艷研究證明將這兩種模型相結(jié)合獲得的混合模型有更好的評(píng)價(jià)效果。本文根據(jù)KMV模型分類結(jié)果將樣本公司劃分為兩組，以進(jìn)行財(cái)務(wù)指標(biāo)的選擇及檢驗(yàn)。
1.2財(cái)務(wù)指標(biāo)選取處理針對(duì)林業(yè)類上市公司信用風(fēng)險(xiǎn)研究，本文從償債能力、盈利能力、營運(yùn)能力、成長能力和現(xiàn)金流量指標(biāo)等五方面進(jìn)行研究，共選取17項(xiàng)財(cái)務(wù)指標(biāo)作為變量進(jìn)行研究。
2因子分析
財(cái)務(wù)指標(biāo)之間存在相互轉(zhuǎn)換的可能，財(cái)務(wù)指標(biāo)間的多重共線性可能降低模型穩(wěn)定性，甚至影響最終結(jié)果。其次，各變量之間的內(nèi)在聯(lián)系以及重要程度，即變量的內(nèi)在結(jié)構(gòu)對(duì)于指標(biāo)的選取及模型的建立具有重要意義。本文采用因子分析提取主成分，將離散指標(biāo)的信息濃縮為預(yù)測所需的主要指標(biāo)。
2.1KMO以及Bartlett球形檢驗(yàn)KMO及Bartlett球形檢驗(yàn)用以檢驗(yàn)變量間的相關(guān)性。本文檢驗(yàn)結(jié)果如表2所示，獲得KMO統(tǒng)計(jì)量為0．556。考慮到樣本量的影響，此數(shù)值在接受范圍內(nèi)，可以利用上述變量進(jìn)行因子分析。
2.2公因子方差比（Communalities）公因子方差比反映了提取公因子過程中，各變量被提取出信息所占比例，即原變量的信息量中由公因子決定的比例。本文對(duì)變量公因子方差比進(jìn)行分析，結(jié)果如表3所示。多數(shù)變量提取的比例在70％以上，可知所提取公因子對(duì)變量的的解釋能力均處在較強(qiáng)水平。
2.3解釋的總方差為保證因子的可解釋性，本文運(yùn)用最大方差法對(duì)因子進(jìn)行旋轉(zhuǎn)，將信息量重新分配。該操作將17個(gè)變量劃分為5個(gè)特征根。特征根可以被看做體現(xiàn)主成分影響力度的指標(biāo)，代表引入該因子后對(duì)原始變量信息的平均解釋量。分析表4中各成分方差及其累積程度可知，前五個(gè)特征根的總貢獻(xiàn)率已達(dá)到79．48％，即可利用前五個(gè)特征根描述足夠信息。
2.4旋轉(zhuǎn)后的成分矩陣通過成分矩陣可以得到各個(gè)主要成分的表達(dá)式如下分析各成分表達(dá)式可以得到各個(gè)因素中最主要的變量。F1主要包括總資產(chǎn)報(bào)酬率、凈資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率等與資產(chǎn)相關(guān)的指標(biāo)；F2主要包括與現(xiàn)金流量相關(guān)聯(lián)的指標(biāo)；F3主要包括與負(fù)債相互關(guān)聯(lián)的指標(biāo)；F4則包括了凈利潤增長率以及營業(yè)收入；F5主要包括與存貨相互關(guān)聯(lián)的指標(biāo)。
3Logistic模型實(shí)證研究及預(yù)測結(jié)果
3.1Logistic模型實(shí)證研究Logistic模型又稱增長函數(shù)，于1838年由比利時(shí)學(xué)者PFVerhulst首度提出。1920年美國學(xué)者珀?duì)柡屠碌难芯渴蛊湓谌丝诠烙?jì)和預(yù)測問題中推廣。Logistic函數(shù)原型為：P＝L／（1＋exp［－（a＋bt）］）。t為時(shí)間，P為時(shí)間t的人口數(shù)，L為P的最大極限，a和b為相關(guān)參數(shù)。
3.2預(yù)測結(jié)果依照正常和存在信用風(fēng)險(xiǎn)將樣本公司分為兩類，使用模型得到的預(yù)測結(jié)果正確率為83．8％。這表明，此模型可以對(duì)我國林業(yè)類上市公司信用風(fēng)險(xiǎn)進(jìn)行較為理想的預(yù)測。
4結(jié)論與建議
（一）理論模型分析假設(shè)信用資產(chǎn)關(guān)聯(lián)系統(tǒng)由2家企業(yè)組成，第1家企業(yè)是下游企業(yè)，第2家企業(yè)是上游企業(yè)。第1家企業(yè)向第2家企業(yè)采購原材料，第2家企業(yè)向第1家提供商業(yè)信用；模型時(shí)間分為2期，第t期2家企業(yè)正常經(jīng)營，第t+1期第1家企業(yè)受到外部流動(dòng)性沖擊，發(fā)生違約，第2家企業(yè)受損。設(shè)企業(yè)信用資產(chǎn)為RA；非信用資產(chǎn)為URA；短期負(fù)債為STD；長期負(fù)債為LTD；凈資產(chǎn)為NA。企業(yè)i（i=1，2）在t時(shí)刻的資產(chǎn)負(fù)債表平衡關(guān)系。假設(shè)資本市場是理性的，市場均衡的估值市凈率在第t、t+1期是不變的，不妨設(shè)定為常數(shù)c。在t+1第1家企業(yè)信用違約而股價(jià)下降，并引發(fā)第2家企業(yè)股價(jià)隨之下降，形成了股價(jià)聯(lián)動(dòng)[7]68-78。
（二）實(shí)證方法構(gòu)建多變量金融時(shí)序Copula函數(shù)的關(guān)鍵在于，建立單變量金融時(shí)序分布模型與選擇合適的多元Copula函數(shù)[32]。多元正態(tài)Copula函數(shù)不能反映變量之間的聯(lián)合厚尾特征[33-34]。多元t-Copula函數(shù)可以用于研究變量之間的聯(lián)合厚尾特征，其自由度越小，表明聯(lián)合厚尾特征越明顯[35]。1.邊緣分布的確定金融資產(chǎn)收益率序列具有異方差、尖峰厚尾、時(shí)變、右偏與杠桿效應(yīng)，適合用AR（1）-GJR（1,1）模型擬合邊緣分布。2．Copula函數(shù)的選用多元t-Copula函數(shù)尾部較厚，能很好地?cái)M合尾部相關(guān)關(guān)系[37-39]。因此，從理論上可以推斷，多元t-Copula函數(shù)能夠更好地度量股價(jià)的聯(lián)動(dòng)關(guān)系。本文使用Q-Q圖、K-S檢驗(yàn)判斷單個(gè)多元Copula函數(shù)的擬合情況。同時(shí)，引入經(jīng)驗(yàn)分布函數(shù)，構(gòu)建反映擬合誤差大小的平方歐式距離指標(biāo)。該平方歐式距離反映了多元Copula函數(shù)擬合原始數(shù)據(jù)的誤差情況。該指標(biāo)值越小，說明偏差越小。3．Copula函數(shù)的時(shí)變過程與估計(jì)對(duì)于C-藤分解結(jié)構(gòu)下的時(shí)變條件相關(guān)系數(shù)，Engle（2002）提出了比較常用的描述其時(shí)變過程的DCC（1，1）模型其中，ρt是t時(shí)刻的條件相關(guān)系數(shù)；向量εt是由選定的時(shí)變Copula函數(shù)邊際分布逆函數(shù)轉(zhuǎn)換得到的標(biāo)準(zhǔn)化殘差；Q軒t是一個(gè)p×p矩陣，該矩陣對(duì)角線上的元素是Qt的平方根，其他元素為0；Qt和R分別是殘差項(xiàng)的樣本協(xié)方差與相關(guān)系數(shù)；rt是在項(xiàng)數(shù)為m（m>p）的移動(dòng)窗中殘差的相關(guān)系數(shù)。該時(shí)變Copula函數(shù)的參數(shù)估計(jì)可以由兩步極大似然估計(jì)法完成[43]。第一步先利用最大似然估計(jì)法，估計(jì)邊際分布AR（1）-GJR（1，1）模型中的參數(shù)；第二步對(duì)殘差做概率積分轉(zhuǎn)換，再利用最大似然估計(jì)法，估計(jì)時(shí)變Copula函數(shù)的參數(shù)。4.基于Copula函數(shù)的相關(guān)性分析選擇合適的Copula函數(shù)后，擬合估計(jì)出其參數(shù)值，就可以利用表1中的計(jì)算式，計(jì)算出各相關(guān)系數(shù)值。在靜態(tài)Copula函數(shù)中，其參數(shù)是不變的，計(jì)算出來的是靜態(tài)總體相關(guān)性；如果采用時(shí)變Copula函數(shù)，參數(shù)ρt（t=1，2，…，T）是時(shí)變參數(shù)，就可以利用表1中公式，一一對(duì)應(yīng)地計(jì)算出總體線性相關(guān)系數(shù)、非線性相關(guān)系數(shù)及尾部相關(guān)系數(shù)的動(dòng)態(tài)時(shí)變過程。
二、計(jì)算結(jié)果與分析
（一）研究樣本根據(jù)企業(yè)之間存在的信用關(guān)聯(lián)，選擇寶鋼股份（BGGF）、必和必拓（BHP）、力拓（RIO）、上海汽車（SHQC）、上港集團(tuán)（SGJT）、山西煤電（SXMD）、青島海爾（QDHE）和中國船舶（ZGCB）在內(nèi)的幾家企業(yè)作為研究樣本，研究這些企業(yè)從2001年1月2日至2011年4月28日之間的股價(jià)聯(lián)動(dòng)。列出了6個(gè)樣本企業(yè)股價(jià)收益率序列數(shù)據(jù)的描述統(tǒng)計(jì)指標(biāo)。由表2可知，6個(gè)變量的峰度都在10以上，呈現(xiàn)尖峰分布，其中，SGJT收益率分布最尖；BHP、RIO、SHQC、SGJT的偏度都大于0，其中，SGJT收益率分布右偏程度最大；BGGF、XSMD的偏度小于0，說明與正態(tài)分布、t分布相比較，適合選用左偏的t分布擬合樣本收益率數(shù)據(jù)。
（二）邊際分布擬合檢驗(yàn)根據(jù)white檢驗(yàn)結(jié)果可知，3個(gè)統(tǒng)計(jì)量的P值都拒絕“不存在異方差”的原假設(shè)，說明異方差比較突出。表明收益率序列適合選用ARCH模型。本文中的邊際分布選用帶有杠桿效應(yīng)的AR（1）-GJR（1，1）-Skewt模型。其模型估計(jì)的參數(shù)值如表3所示。從AIC、BIC、LL值看，AR（1）-GJR（1,1）-Skewt模型的有效性好于AR（1）-GJR（1，1）-t模型①。8個(gè)序列的自由度估計(jì)值都比較小，說明它們的分布都具有厚尾特征，其中上港集團(tuán)的尾部最厚。另外，使用時(shí)變Copula函數(shù)估計(jì)時(shí)變條件相關(guān)系數(shù)時(shí)，需要把序列數(shù)據(jù)通過概率積分轉(zhuǎn)換為U（0，1）分布序列。本文對(duì)邊際分布擬合情況還進(jìn)行了獨(dú)立性檢驗(yàn)與同分布檢驗(yàn)。拉格朗日乘數(shù)檢驗(yàn)結(jié)果表明，在5%顯著水平下，這8個(gè)序列都不存在自相關(guān)，可以認(rèn)為轉(zhuǎn)換后的序列相互獨(dú)立；非參數(shù)K-S檢驗(yàn)結(jié)果表明，轉(zhuǎn)換后的8個(gè)序列在5%顯著水平上服從U（0，1）分布。這些結(jié)論表明，邊際分布采用AR（1）-GJR（1，1）-Skewt模型非常合理。
（三）利用多元t-Copula函數(shù)靜態(tài)度量股價(jià)的聯(lián)動(dòng)效應(yīng)常用的固定參數(shù)多元Copula函數(shù)包括多元正態(tài)Copula函數(shù)和多元t-Copula函數(shù)。在這兩個(gè)函數(shù)的Q-Q圖中，本文無法區(qū)分其擬合優(yōu)劣；而由多元正態(tài)Copula函數(shù)的K-S檢驗(yàn)可知，在0.01顯著水平上拒絕原假設(shè)，說明多元正態(tài)Copula函數(shù)不能很好地?cái)M合多元時(shí)序數(shù)據(jù)；而多元t-Copula函數(shù)擬合該的多元數(shù)據(jù)序列。從Copula函數(shù)與經(jīng)驗(yàn)分布函數(shù)之間的平方歐式距離來看，多元正態(tài)分布Copula函數(shù)的平方歐式距離為0.3873，多元t分布Copula函數(shù)的平方歐式距離為0.0568，多元t-Copula函數(shù)可以較好擬合該股價(jià)原始數(shù)據(jù)的經(jīng)驗(yàn)分布情況，與理論分析一致。根據(jù)各樣本收益率序列的條件邊際分布，利用多元Skewt分布函數(shù)與多元t-Copula函數(shù)之間的關(guān)系，信用資產(chǎn)關(guān)聯(lián)各企業(yè)股票收益率之間的多元t-Copula函數(shù)非線性相關(guān)系數(shù)如表4所示。從表4可以看出，受中外股市之間的一體化約束，寶鋼股份（BGGF）與必和必拓（BHP）、力拓（RIO）之間，必和必拓（BHP）、力拓（RIO）與上海汽車（SHQC）、上港集團(tuán)（SGJT）、山西煤電（SXMD）、青島海爾（QDHE）、中國船舶（ZGCB）之間的相關(guān)系數(shù)都很低，但其他信用資產(chǎn)關(guān)聯(lián)企業(yè)之間的相關(guān)系數(shù)都在0.5左右，存在中等程度的正相關(guān)聯(lián)動(dòng)現(xiàn)象。
（四）利用時(shí)變多元t-Copula函數(shù)度量股價(jià)的聯(lián)動(dòng)效應(yīng)不同邊際分布下時(shí)變t-Copula函數(shù)的相關(guān)系數(shù)時(shí)變方程參數(shù)估計(jì)值如表5所示。從AIC、BIC、LL值看，對(duì)于條件相關(guān)系數(shù)的時(shí)變過程G-DCC、t-DCC，邊際分布選用AR（1）-GJR（1，1）-Skewt模型最合理，但時(shí)變G-DCC過程擬合效果最差，t-DCC過程則最好。本文選用AR（1）-GJR（1，1）-Skewt模型作為邊際分布，選用時(shí)變過程為t-DCC的多元t-Copula函數(shù)為多元連接函數(shù)，動(dòng)態(tài)擬合計(jì)算動(dòng)態(tài)條件相關(guān)系數(shù)，得到8個(gè)按照C-藤結(jié)構(gòu)分解的pair-copula函數(shù)的時(shí)變無條件相關(guān)擬合的AIC、BIC、LL值分別是-7158.6、-7141.7、3582.3。利用這28個(gè)時(shí)變Copula相關(guān)系數(shù)的時(shí)間序列數(shù)據(jù)，計(jì)算出相對(duì)應(yīng)的時(shí)變等級(jí)相關(guān)系數(shù)、秩相關(guān)系數(shù)與尾部相關(guān)系數(shù)的時(shí)間序列，如表6所示。從表6可以看出，4個(gè)相關(guān)系數(shù)都顯示出，股價(jià)呈現(xiàn)低度正相關(guān)性，具有弱板塊效應(yīng)；時(shí)變Copula相關(guān)系數(shù)的集中趨勢值最大，尾部相關(guān)系數(shù)最小。但是，時(shí)變Copula相關(guān)系數(shù)的絕對(duì)離散波動(dòng)程度、波動(dòng)幅度最大；從離散系數(shù)、極差/平均值的結(jié)果可以看出，尾部相關(guān)系數(shù)的相對(duì)離散波動(dòng)程度最大。從時(shí)變Copula相關(guān)系數(shù)可以看出，在C-藤結(jié)構(gòu)下條件相關(guān)系數(shù)的均值在0.0583~0.7376之間，呈現(xiàn)出弱相關(guān)關(guān)系，因?yàn)闂l件相關(guān)系數(shù)有正值、負(fù)值，相關(guān)方向存在轉(zhuǎn)換，正負(fù)抵消導(dǎo)致簡均值的結(jié)果較小。其他16個(gè)條件相關(guān)系數(shù)均為正值，平均值在0.5左右，呈現(xiàn)出中等強(qiáng)度的相關(guān)性。從條件相關(guān)系數(shù)值的離散指標(biāo)可以看出，標(biāo)準(zhǔn)差從0.0573~0.1042，絕對(duì)變化范圍從0.2628~0.5706，最大相對(duì)幅度變化范圍從0.4899~6.2644，說明條件相關(guān)系數(shù)的時(shí)變性較強(qiáng)。為了觀察條件相關(guān)系數(shù)的時(shí)變特征，本文也分別在標(biāo)準(zhǔn)差最小與最大、離散系數(shù)最小與最大、波幅最小與最大等6種情況下，計(jì)算了時(shí)變Copula函數(shù)度量的4個(gè)時(shí)變相關(guān)系數(shù)，均表現(xiàn)出相同的變化趨勢，而且在常態(tài)相關(guān)性走強(qiáng)時(shí)，股價(jià)板塊效應(yīng)的作用愈加強(qiáng)大，同時(shí)暴跌暴漲的相關(guān)性走強(qiáng)；在常態(tài)相關(guān)性走弱時(shí)，股價(jià)板塊效應(yīng)的作用減弱，由一家企業(yè)股價(jià)大幅漲跌引發(fā)的信用資產(chǎn)關(guān)聯(lián)企業(yè)同時(shí)暴跌暴漲的相關(guān)性走強(qiáng)。
三、結(jié)論
隨著信用風(fēng)險(xiǎn)問題的日趨突出，信用風(fēng)險(xiǎn)已經(jīng)成為制約電子商務(wù)發(fā)展的重要因素。信用風(fēng)險(xiǎn)不僅對(duì)電子商務(wù)銷售方的心理和銷售購買行為存在影響，而且對(duì)購買方的心理和銷售購買行為也都存在很大的影響。一方面信用風(fēng)險(xiǎn)作用于電子商務(wù)交易中的銷售方，主要表現(xiàn)在銷售方對(duì)購買方按時(shí)足額付款的信任缺乏，以及售后購買方對(duì)銷售方做出不真實(shí)的公開評(píng)價(jià)而造成銷售方的銷售業(yè)績下降等；另一方面信用風(fēng)險(xiǎn)作用于電子商務(wù)交易中的購買方，不僅表現(xiàn)在對(duì)銷售方提供的商品或服務(wù)質(zhì)量的不信任，還有支付方式的安全性、第三方物流的可靠性等方面的不信任。
二、B2C電子商務(wù)的信用風(fēng)險(xiǎn)類型
（一）商品自身的可靠性風(fēng)險(xiǎn)
可靠性風(fēng)險(xiǎn)是由電子商務(wù)活動(dòng)中的不確定因素帶來的信用風(fēng)險(xiǎn)，B2C電商商務(wù)過程中所交易的商品依然是交易活動(dòng)的核心，離開商品則交易便不存在，所以電子商務(wù)過程中的可靠性風(fēng)險(xiǎn)的最核心問題就是電子商務(wù)銷售企業(yè)提供的商品的可靠性問題，即商品主體的質(zhì)量、性能、與電子商務(wù)網(wǎng)頁提供的產(chǎn)品描述的相符度等。商品自身可靠性風(fēng)險(xiǎn)形成的主要原因是源于所銷售的商品的不可觸摸性，通過網(wǎng)上購買到的實(shí)際商品與實(shí)體店體驗(yàn)到的商品是否一致是當(dāng)前存在的主要問題。
（二）虛假宣傳的信用風(fēng)險(xiǎn)
B2C電子商務(wù)的購買方主要依靠銷售方的網(wǎng)頁宣傳文字和宣傳圖片、廣告語等來決定自己的購買行為，如果宣傳文字存在夸大宣傳、不實(shí)宣傳，宣傳圖片存在非實(shí)景拍攝或圖片美化過度等現(xiàn)象，都會(huì)造成購買方的誤判，從而產(chǎn)生信用風(fēng)險(xiǎn)。虛假宣傳信用風(fēng)險(xiǎn)的產(chǎn)生原因，往往是因?yàn)殇N售網(wǎng)頁的操控者是電子商務(wù)中的銷售方，銷售方可以隨時(shí)更新銷售網(wǎng)頁內(nèi)的文字和圖片內(nèi)容，往往存在騙取購買后立刻對(duì)產(chǎn)品的描述和產(chǎn)品圖片進(jìn)行更改的現(xiàn)象。
（三）支付方式帶來的信用風(fēng)險(xiǎn)
支付方式帶來的信用風(fēng)險(xiǎn)主要指B2C電子商務(wù)活動(dòng)結(jié)算過程的安全性缺失及保障性不足帶來的結(jié)算信用風(fēng)險(xiǎn)，既可能給電子商務(wù)購買方帶來經(jīng)濟(jì)損失，也可能危及銷售方的經(jīng)濟(jì)利益。這一信用風(fēng)險(xiǎn)出現(xiàn)的原因，主要是由于電子商務(wù)的支付方式往往依托于網(wǎng)絡(luò)匯款、網(wǎng)上銀行、手機(jī)銀行、快捷支付、銀聯(lián)在線支付、支付寶等第三方支付平臺(tái)來進(jìn)行操作，像淘寶這樣有支付寶平臺(tái)來管理付款的電子商務(wù)服務(wù)網(wǎng)站對(duì)付款環(huán)節(jié)提供了一定的保障，但仍然有很多電子商務(wù)形式是將貨款直接付于銷售方，這樣銷售和購買雙方時(shí)間和空間上的不對(duì)稱的付款方式是具有信用風(fēng)險(xiǎn)的，即使是支付寶平臺(tái)，依然不是完美無缺的，例如由于物流造成貨物“遲到”時(shí)，支付寶會(huì)自動(dòng)默認(rèn)交易成功，并將購物款打到銷售方賬戶，這個(gè)環(huán)節(jié)中依然存在一定的信用風(fēng)險(xiǎn)。同時(shí)支付過程中個(gè)人銀行信息、密碼信息等存在泄露的風(fēng)險(xiǎn)，購買方是具有這樣的不安全感的。
（四）由第三方物流帶來的信用風(fēng)險(xiǎn)
第三方物流帶來的信用風(fēng)險(xiǎn)主要是指B2C電子商務(wù)的有形產(chǎn)品在物流運(yùn)輸過程中由于第三方物流企業(yè)原因帶來的信用風(fēng)險(xiǎn)，在當(dāng)前的電子商務(wù)交易環(huán)節(jié)中，很多電子商務(wù)第三方服務(wù)平臺(tái)網(wǎng)站都將物流運(yùn)輸作為評(píng)價(jià)電商信用的一個(gè)重要指標(biāo)，但即便如此，漏寄、錯(cuò)寄、郵寄丟失、運(yùn)輸過程商品破損的現(xiàn)象仍然時(shí)有發(fā)生。出現(xiàn)這一信用風(fēng)險(xiǎn)的原因之一是網(wǎng)絡(luò)交易貨物量的激增，尤其是“雙十一”、節(jié)假日等電商交易高峰期，第三方物流企業(yè)難以應(yīng)對(duì)激增的投遞業(yè)務(wù)，不能保證電商產(chǎn)品及時(shí)準(zhǔn)確的郵遞，給人們帶來信用缺失的感受，在這樣特殊的時(shí)期，也是電子商務(wù)欺詐等問題發(fā)生的高峰期內(nèi)，物流服務(wù)企業(yè)如果寄送過慢會(huì)導(dǎo)致大量貨物貨未到，而支付平臺(tái)已將購物款打到銷售方賬戶，一旦出現(xiàn)商品寄丟及商品質(zhì)量問題，購買方便丟失了保障。同時(shí)，第三方物流工作人員的消極工作或工作中不負(fù)責(zé)的態(tài)度，也可能導(dǎo)致這一信用風(fēng)險(xiǎn)的產(chǎn)生。
（五）缺乏監(jiān)管帶來的信用風(fēng)險(xiǎn)
缺乏監(jiān)管帶來的信用風(fēng)險(xiǎn)就是指我國當(dāng)前沒有切實(shí)可行的針對(duì)電子商務(wù)交易市場進(jìn)行監(jiān)管控制的法律法規(guī)，沒有專門的監(jiān)管部門對(duì)電子商務(wù)進(jìn)行監(jiān)管而產(chǎn)生的信用風(fēng)險(xiǎn)。單純采用為有形市場制定的法律法規(guī)來監(jiān)管電子商務(wù)活動(dòng)，是存在不適應(yīng)性的。并且，我國目前還沒有建立專門從事對(duì)網(wǎng)絡(luò)電子商務(wù)市場進(jìn)行有力監(jiān)管的相關(guān)職能部門，對(duì)電商銷售企業(yè)進(jìn)行整合監(jiān)管。同時(shí)，通過網(wǎng)絡(luò)渠道進(jìn)行銷售的商品不是由銷售方直接交付于購買方，而是通過自有的物流分銷渠道或第三方物流將商品送達(dá)，在整個(gè)交易過程中涉及的環(huán)節(jié)較多，一旦商品送到購買方手中存在質(zhì)量問題，監(jiān)管部門也很難確定質(zhì)量問題的出現(xiàn)，是歸咎于商品提供商還是物流環(huán)節(jié)。所以存在網(wǎng)購產(chǎn)品質(zhì)檢困難的風(fēng)險(xiǎn)，同時(shí)購買方存在維權(quán)困難的風(fēng)險(xiǎn)。
三、加強(qiáng)B2C電子商務(wù)信用風(fēng)險(xiǎn)管理的措施
（一）加強(qiáng)產(chǎn)品檢驗(yàn)，保障產(chǎn)品質(zhì)量
為了降低B2C電子商務(wù)中因產(chǎn)品本身質(zhì)量問題帶來的信用風(fēng)險(xiǎn)，建議發(fā)揮產(chǎn)品檢驗(yàn)機(jī)構(gòu)，如工商局、衛(wèi)生局、質(zhì)檢局等，主動(dòng)加大對(duì)線上產(chǎn)品可靠性的檢驗(yàn)力度，將線上產(chǎn)品與線下產(chǎn)品的監(jiān)管、檢驗(yàn)、懲罰措施趨同，使虛擬空間中的實(shí)際產(chǎn)品得到有形機(jī)構(gòu)的檢驗(yàn)。另外，B2C電商企業(yè)為了降低給購買方帶來的信用風(fēng)險(xiǎn)的感知，也可以加強(qiáng)對(duì)自有產(chǎn)品的監(jiān)管力度，必要時(shí)可引入第三方質(zhì)量認(rèn)證機(jī)構(gòu)通過科學(xué)的質(zhì)量認(rèn)證體系來對(duì)自有產(chǎn)品的生產(chǎn)過程進(jìn)行規(guī)范。
（二）制定法規(guī)，保障電商真實(shí)宣傳
為了減少電商產(chǎn)品生產(chǎn)企業(yè)或銷售方在網(wǎng)絡(luò)營銷過程中的不實(shí)宣傳、夸大宣傳問題，在B2C電子商務(wù)服務(wù)平臺(tái)網(wǎng)站做好網(wǎng)頁監(jiān)管的同時(shí)，國家權(quán)力機(jī)關(guān)要認(rèn)清當(dāng)前電子商務(wù)的發(fā)展形勢，適時(shí)制定針對(duì)網(wǎng)絡(luò)營銷的法律法規(guī)，在監(jiān)督線上產(chǎn)品質(zhì)量的同時(shí)，更要抓好對(duì)電商企業(yè)及銷售方的宣傳方式、宣傳語言合理性的監(jiān)管，盡可能避免電商企業(yè)網(wǎng)站中信息對(duì)電商購買方的誤導(dǎo)，以降低電子商務(wù)過程中由于虛假宣傳帶來的信用風(fēng)險(xiǎn)。
（三）完善電子支付平臺(tái)，保證交易安全
支付平臺(tái)的安全性和穩(wěn)定性是B2C電子商務(wù)交易環(huán)節(jié)的重要保障。從銀行貨幣融通機(jī)構(gòu)來說，要不斷加大銀行交易平臺(tái)的安全性和穩(wěn)定性，將網(wǎng)上銀行、手機(jī)銀行、快捷支付、銀聯(lián)在線支付等交易平臺(tái)的信用風(fēng)險(xiǎn)盡可能的降低，同時(shí)要降低支付平臺(tái)的操作難度，降低用戶在使用支付平臺(tái)時(shí)出現(xiàn)錯(cuò)誤操作的可能性。從電子商務(wù)交易平臺(tái)提供的交易平臺(tái)來說，要不斷完善支付媒介平臺(tái)，網(wǎng)上銀行、支付寶、財(cái)付通、百付寶、國付寶等的建設(shè)，建立可以與買賣雙方進(jìn)行溝通的支付平臺(tái)，在全面了解買賣雙方交易進(jìn)度的基礎(chǔ)上再提供支付服務(wù)，以降低因買賣雙方信息的不對(duì)稱和時(shí)間的錯(cuò)位帶來的信用風(fēng)險(xiǎn)。從電子商務(wù)中的買賣雙方來說，應(yīng)嚴(yán)格遵循支付平臺(tái)及交易平臺(tái)的使用規(guī)范，正確使用電子支付平臺(tái)，避免因自身操作不當(dāng)而產(chǎn)生的信用風(fēng)險(xiǎn)。
（四）完善第三方物流體系，保障運(yùn)輸可靠性
為了降低由第三方物流帶來信用風(fēng)險(xiǎn)的可能性，物流企業(yè)首先要不斷自我運(yùn)作和管理體制，建立高效、可靠的物流運(yùn)維模式，全力保證貨物準(zhǔn)時(shí)、保質(zhì)保量的送達(dá)，降低貨物因運(yùn)輸速度慢而帶給購買方的信用風(fēng)險(xiǎn)感知。其次，物流企業(yè)要不斷完善簽收人簽收制度，代收人代收時(shí)需要出具相關(guān)有效身份證件進(jìn)行記錄，降低因簽收、代收過程中造成的貨物錯(cuò)寄、丟失的信用風(fēng)險(xiǎn)。再次，物流企業(yè)在郵寄過程中盜取物流單據(jù)上個(gè)人信息的現(xiàn)象有所存在，很有可能帶給買賣雙方對(duì)信用風(fēng)險(xiǎn)的感知，所以物流企業(yè)必須做好個(gè)人信息保密工作，降低因個(gè)人信息和購買信息給電子商務(wù)的買賣雙方帶來的信用風(fēng)險(xiǎn)。
（五）加強(qiáng)監(jiān)管，保證對(duì)電子商務(wù)的有效控制
關(guān)鍵詞:外貿(mào)企業(yè)客戶信用風(fēng)險(xiǎn)應(yīng)收賬款“外包”
加入WTO和世界經(jīng)濟(jì)一體化,給我國外經(jīng)貿(mào)事業(yè)的發(fā)展帶來了前所未有的機(jī)遇。與之相伴隨的卻是,中國出口企業(yè)日益陷入海外應(yīng)收賬款“黑洞”。相關(guān)統(tǒng)計(jì)資料顯示,中國出口企業(yè)的海外應(yīng)收賬款累計(jì)至少超過1000億美元,相當(dāng)于中國2004年總出口額的五分之一,而且這種海外呆壞賬正在以每年150億美元的速度增加。外貿(mào)企業(yè)的很多利潤被壞賬所吞噬,許多外貿(mào)企業(yè)不堪重負(fù),甚至破產(chǎn)倒閉,有的即使能夠維持經(jīng)營,在經(jīng)營中也常常進(jìn)退維谷,阻礙了企業(yè)的正常發(fā)展。另一種極端情況就是部分外貿(mào)企業(yè)由于懼怕壞賬風(fēng)險(xiǎn)采取非常謹(jǐn)慎的信用政策,甚至宣稱對(duì)非信用證業(yè)務(wù)一律不做,結(jié)果限制了業(yè)務(wù)的發(fā)展。
在與各國經(jīng)貿(mào)往來中我國外貿(mào)企業(yè)并未充分重視客戶信用風(fēng)險(xiǎn)的管理,在對(duì)外貿(mào)易客戶信用風(fēng)險(xiǎn)管理上的欠缺造成的債務(wù)拖欠和應(yīng)收賬款問題已成為外貿(mào)企業(yè)發(fā)展的瓶頸。
外貿(mào)企業(yè)客戶信用風(fēng)險(xiǎn)特征
下面筆者結(jié)合美國鄧白氏公司中國代表對(duì)我國外貿(mào)企業(yè)大量逾期應(yīng)收賬款問題的調(diào)查報(bào)告數(shù)據(jù),對(duì)我國外貿(mào)企業(yè)客戶信用風(fēng)險(xiǎn)的特征進(jìn)行結(jié)構(gòu)分析,從更深層次上理解我國外貿(mào)企業(yè)客戶信用風(fēng)險(xiǎn)的現(xiàn)狀。
從來源結(jié)構(gòu)看,我國對(duì)外貿(mào)易客戶信用風(fēng)險(xiǎn)的來源以海外華人公司為主。從我國國際貿(mào)易拖欠案件所涉及的海外公司性質(zhì)看,我國的外貿(mào)信用風(fēng)險(xiǎn)主要是由海外華人客戶帶來的。筆者認(rèn)為這些為數(shù)不多的海外華人,包括港、澳、臺(tái)地區(qū)的華人以及少數(shù)原籍中國大陸后來移居海外的華人具有與中國同族同種和語言相通的優(yōu)勢,他們對(duì)中國的國內(nèi)經(jīng)濟(jì)環(huán)境比較熟悉,了解到我國處于由計(jì)劃經(jīng)濟(jì)體制向市場經(jīng)濟(jì)體制轉(zhuǎn)變過程中,各方面的管理仍不完善,存在著各種法律、管理漏洞,外貿(mào)企業(yè)內(nèi)部的信用風(fēng)險(xiǎn)防范意識(shí)和信用風(fēng)險(xiǎn)管理能力薄弱。同時(shí)他們又抓住我國部分外貿(mào)企業(yè)領(lǐng)導(dǎo)存在著的一定急功近利和或多或少的崇洋的心態(tài),使得部分海外華人進(jìn)口商可以肆意拖欠我國外貿(mào)企業(yè)貨款,或詐騙屢屢得手,詐騙成功率要高于一般外國進(jìn)口商。
從起因結(jié)構(gòu)看,我國對(duì)外貿(mào)易客戶信用風(fēng)險(xiǎn)的直接起因以惡意欺詐為主。具體結(jié)構(gòu)為:有意欺詐的拖欠款占60%;產(chǎn)品質(zhì)量、數(shù)量或交貨期有爭議的占25%;屬于我方外貿(mào)企業(yè)交易嚴(yán)重失當(dāng)及管理失誤的占15%;交易人員私下默契臺(tái)底交易占2.5%;其他性質(zhì)占2.5%。我國對(duì)外貿(mào)易的過半貨款拖欠是由客戶的惡意欺詐引起,而非人們通常理解的主要是由諸如產(chǎn)品質(zhì)量或貨期等貿(mào)易糾紛引起。
從外貿(mào)企業(yè)性質(zhì)結(jié)構(gòu)看,我國對(duì)外貿(mào)易客戶信用風(fēng)險(xiǎn)導(dǎo)致的國際拖欠所涉及的企業(yè)以國內(nèi)的全資中資企業(yè)為主體。具體結(jié)構(gòu)為:80%來自國內(nèi)的企業(yè),其中的50%為國有外貿(mào)企業(yè),30%為私營外貿(mào)企業(yè);另外20%來自三資企業(yè)。從企業(yè)結(jié)構(gòu)中,我們可以明顯了解到我國外資外貿(mào)企業(yè)的信用風(fēng)險(xiǎn)管理意識(shí)和水平相對(duì)要優(yōu)于中資的外貿(mào)企業(yè)。
從客戶新舊特征看,過半數(shù)的國際貨款拖欠由老客戶造成。根據(jù)鄧白氏國際(上海)信息咨詢公司1997年度受理的我國398件國際應(yīng)收賬款追討案件的統(tǒng)計(jì)顯示,其中的200個(gè)案件是由老客戶產(chǎn)生的,而非人們通常理解的國際貨款拖欠主要由資信不良的新客戶造成。
外貿(mào)企業(yè)客戶信用風(fēng)險(xiǎn)的成因分析
透過以上表面數(shù)據(jù),我們可以看出造成我國外貿(mào)企業(yè)風(fēng)險(xiǎn)損失的原因除了企業(yè)主體信用管理觀念的嚴(yán)重缺乏外,來自企業(yè)產(chǎn)權(quán)制度的影響也是至關(guān)重要的。具體來說,我國外貿(mào)企業(yè)客戶信用風(fēng)險(xiǎn)成因主要體現(xiàn)在以下幾個(gè)方面:
相關(guān)部門缺乏信用風(fēng)險(xiǎn)管理意識(shí)
由于從政府到企業(yè)信用風(fēng)險(xiǎn)管理意識(shí)都比較淡漠,對(duì)信用管理工作重視不夠,導(dǎo)致政府對(duì)企業(yè)缺乏政策引導(dǎo)和有效支持;有的企業(yè)雖然感到信用風(fēng)險(xiǎn)管理需要,但苦于所知不多無從下手,且成本較高,在本來利潤率不高的情況下不愿為此支付費(fèi)用,進(jìn)而產(chǎn)生畏難情緒,甚至干脆漠視不管。目前中國出口企業(yè)的壞賬率超過5%,而發(fā)達(dá)國家企業(yè)卻只有0.25%至0.5%的水平,國際平均水平也只在1%左右。中國企業(yè)出口中遇到的很多困難,一開始并不是對(duì)方存心拖欠,而是中國企業(yè)自己出現(xiàn)制度和管理失誤。
外貿(mào)企業(yè)產(chǎn)權(quán)不明晰
產(chǎn)權(quán)不明晰使得很多國有外貿(mào)企業(yè)管理者為了應(yīng)付上級(jí)主管部門業(yè)績考核,不顧企業(yè)長遠(yuǎn)利益,盲目賒銷;有的企業(yè)迫于市場競爭壓力,單純追求銷售額增長,盲目打價(jià)格戰(zhàn)。這些行為導(dǎo)致了企業(yè)應(yīng)收賬款上升,銷售費(fèi)用上升、負(fù)債增加,呆賬壞賬增加,效益下降,偏離了最終利潤這一企業(yè)最主要的目標(biāo)。強(qiáng)化企業(yè)信用管理,就是要在銷售收入增長和風(fēng)險(xiǎn)控制這兩個(gè)目標(biāo)之間尋求協(xié)調(diào)一致,保證最終利潤這一根本目標(biāo)的實(shí)現(xiàn)。
企業(yè)內(nèi)部職責(zé)不明確
在我國外貿(mào)企業(yè)現(xiàn)有的管理職能中,應(yīng)收賬款的管理職能基本上是由銷售部和財(cái)務(wù)部這兩個(gè)部門承擔(dān)的。然而在實(shí)踐中這兩個(gè)部門卻常常職責(zé)分工不清,不能形成協(xié)調(diào)與制約機(jī)制,容易造成外貿(mào)企業(yè)在客戶開發(fā)、信用評(píng)估、合約簽訂、資金安排、組織貨源、品質(zhì)監(jiān)督、租船訂艙、制單結(jié)匯等諸多貿(mào)易環(huán)節(jié)出現(xiàn)決策失誤并導(dǎo)致信用損失。外貿(mào)企業(yè)內(nèi)部職責(zé)不明確已成為企業(yè)賬款拖欠趨勢得不到有效抑制的根本原因。
信用管理方法落后
目前我國外貿(mào)企業(yè)業(yè)務(wù)人員信用風(fēng)險(xiǎn)防范意識(shí)薄弱,信用風(fēng)險(xiǎn)防范手段單一,沒能掌握或運(yùn)用現(xiàn)代先進(jìn)的信用管理技術(shù)和方法。對(duì)客戶的信用風(fēng)險(xiǎn)缺少評(píng)估和預(yù)測,交易中往往是憑主觀判斷作決策,缺少科學(xué)的決策依據(jù)。在銷售業(yè)務(wù)管理上,由于缺少信用額度控制,在一定程度上給企業(yè)銷售人員違規(guī)經(jīng)營、違章操作,甚至與客戶勾結(jié)留下可乘之機(jī)。在賬款回收工作上更是缺少專業(yè)化的方法。
加強(qiáng)外貿(mào)客戶信用風(fēng)險(xiǎn)管理的對(duì)策建議
通過以上分析,我們清晰地看出現(xiàn)今我國外貿(mào)企業(yè)已不是單純的信用管理技術(shù)、手段的缺失,還包括有企業(yè)組織結(jié)構(gòu)不協(xié)調(diào),和相應(yīng)企業(yè)文化落后等諸多因素制約外貿(mào)企業(yè)客戶信用風(fēng)險(xiǎn)管理的建立和實(shí)施。
我國外貿(mào)企業(yè)可依據(jù)自身?xiàng)l件選擇實(shí)施以下的對(duì)策:大型外貿(mào)企業(yè)可成立客戶信用風(fēng)險(xiǎn)管理專職機(jī)構(gòu)來建立健全并貫徹實(shí)施科學(xué)的客戶信用風(fēng)險(xiǎn)管理制度;中小型外貿(mào)企業(yè)可考慮實(shí)施信用管理委托制。中小型外貿(mào)企業(yè),尤其是我國外貿(mào)經(jīng)營權(quán)下放以后初次涉足外貿(mào)領(lǐng)域的為數(shù)眾多的私營企業(yè),可考慮直接將客戶信用風(fēng)險(xiǎn)管理工作“外包”給信用管理咨詢公司。與企業(yè)自己設(shè)立專門的管理部門相比,實(shí)行信用管理委托制可以節(jié)省大量的人力、物力和財(cái)力,降低企業(yè)的管理成本,具有快速性、專門性和靈活性等優(yōu)點(diǎn);借鑒國際通行的信用風(fēng)險(xiǎn)管理手段降低外貿(mào)信用風(fēng)險(xiǎn)。我國外貿(mào)企業(yè)在建立起信用風(fēng)險(xiǎn)管理制度的基礎(chǔ)上,在對(duì)外貿(mào)易的實(shí)踐中應(yīng)該學(xué)會(huì)借鑒國際通行的信用風(fēng)險(xiǎn)管理的先進(jìn)做法和手段,諸如國際保理、福費(fèi)廷和出口信用保險(xiǎn)等。這些在西方國家中相當(dāng)成熟并行之有效的信用風(fēng)險(xiǎn)管理做法雖然在我國正逐漸得到應(yīng)用,但還遠(yuǎn)遠(yuǎn)沒有普及,因此我國商務(wù)部應(yīng)大力推廣。
用logistic回歸模型對(duì)客戶信用風(fēng)險(xiǎn)進(jìn)行預(yù)警，主要包括兩部分內(nèi)容，一是對(duì)樣本財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行因子分析，篩選出logistic回歸的關(guān)鍵自變量，二是建立logistic回歸模型，用于對(duì)客戶違約情況進(jìn)行風(fēng)險(xiǎn)預(yù)警。
（一）樣本選取與簡單描述性統(tǒng)計(jì)。本文數(shù)據(jù)來源于國內(nèi)某商業(yè)銀行的信貸系統(tǒng)，以2006年的化工業(yè)為例，從中選擇了2457個(gè)小微企業(yè)非上市公司樣本，其中48個(gè)違約樣本，2409個(gè)非違約樣本。對(duì)于樣本公司，本文從償債能力、盈利能力、營運(yùn)能力、成長能力、現(xiàn)金流量以及規(guī)模等六個(gè)方面，選取了15個(gè)財(cái)務(wù)指標(biāo)，對(duì)小微企業(yè)非上市公司的經(jīng)營現(xiàn)狀進(jìn)行因子分析，從中找出最能反映公司經(jīng)營特點(diǎn)的少數(shù)公共因子，進(jìn)而為后續(xù)的Logistic模型風(fēng)險(xiǎn)預(yù)警提供解釋變量。選取的15個(gè)財(cái)務(wù)指標(biāo)如表1所示：在選取樣本時(shí)，本文首先運(yùn)用SPSS16.0軟件對(duì)數(shù)據(jù)進(jìn)行了異常值剔除處理，步驟如下：首先對(duì)選定的15個(gè)財(cái)務(wù)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，除指標(biāo)量綱的差異，然后將每個(gè)指標(biāo)的標(biāo)準(zhǔn)化值的絕對(duì)值大于或等于3的樣本視為異常值加以剔除；對(duì)剔除后的樣本，重復(fù)進(jìn)行指標(biāo)標(biāo)準(zhǔn)化處理、檢驗(yàn)異常值、剔除異常值，直至無異常數(shù)據(jù)為止。本文重復(fù)了5次異常值剔除處理，最終篩選出2457個(gè)合格樣本，用于因子分析。下表2為數(shù)據(jù)的簡單描述性統(tǒng)計(jì)量。
（二）因子分析1.因子分析的適用性檢驗(yàn)。因子分析要求變量間具有相關(guān)性，本文在進(jìn)行因子分析前，主要采用KMO檢驗(yàn)和巴特利特球度檢驗(yàn)方法對(duì)變量進(jìn)行相關(guān)性檢驗(yàn)。表3為運(yùn)用SPSS16.0軟件運(yùn)行得出的檢驗(yàn)結(jié)果。從表中可以看出KMO檢驗(yàn)統(tǒng)計(jì)量的值等于0.633，其大于0.5，證明適合作因子分析。同時(shí)巴特利特球度檢驗(yàn)值為27600，其相伴概率為0.000，在5%的顯著性水平下極其顯著，說明相關(guān)系數(shù)矩陣不是單位陣，即變量間存在相關(guān)性，適合作因子分析。2.確定因子數(shù)目。構(gòu)造因子變量首先要確定因子數(shù)目，本文采用特征值大于1的標(biāo)準(zhǔn)提取公因子，同時(shí)通過碎石圖直觀判斷公因子數(shù)目。首先，運(yùn)用SPSS16.0軟件運(yùn)行得出因子分析的特征根和方差貢獻(xiàn)率，如下表4。表4中，三部分分別為初始因子、因子提取后以及經(jīng)過方差最大旋轉(zhuǎn)后的相關(guān)系數(shù)矩陣的特征根、方差貢獻(xiàn)率以及累計(jì)方差貢獻(xiàn)率。從第三部分可以看出，依據(jù)特征值大于1的標(biāo)準(zhǔn)，共提取6個(gè)主因子，且前6個(gè)主因子的方差貢獻(xiàn)率依次為21.501%、17.884%、11.366%、10.71%、10.509%、8.762%，累計(jì)方差貢獻(xiàn)率大于80%，說明前6個(gè)主因子可以解釋變量的大部分信息，從而把前6個(gè)公因子作為評(píng)價(jià)樣本公司的綜合指標(biāo)，降低了公司綜合評(píng)價(jià)的指標(biāo)維度，為后續(xù)Logistic回歸提供了解釋變量。其次，建立碎石圖判斷因子數(shù)目。首先將特征根從大到小排序，序號(hào)相應(yīng)為1，2，…，15。以橫軸表示序號(hào)，縱軸表示特征值，構(gòu)造出碎石圖1。觀察碎石圖發(fā)現(xiàn)，特征值大于1的因子有6個(gè)，分別為F1，F(xiàn)2，…，F(xiàn)n，這與表3-4確定的因子數(shù)目一致。3.估計(jì)因子載荷矩陣。運(yùn)用SPSS16.0軟件運(yùn)行得出初始因子載荷矩陣，由于無法確定公共因子的經(jīng)濟(jì)意義，使用方差最大化旋轉(zhuǎn)法對(duì)初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)，可得到旋轉(zhuǎn)后的因子載荷矩陣，如表5所示。通過旋轉(zhuǎn)，各個(gè)公因子有了較為明確的經(jīng)濟(jì)含義：第一個(gè)公共因子F1，其在指標(biāo)X5（總資產(chǎn)報(bào)酬率）、X6（凈資產(chǎn)收益率）、X7（息稅前利潤/總資產(chǎn)）、X8（息稅前利潤/主營業(yè)務(wù)收入凈額）上有較大載荷，命名為“盈利能力因子”。第二個(gè)公共因子F2，其在指標(biāo)X1（資產(chǎn)負(fù)債率）、X2（產(chǎn)權(quán)比率）、X3（流動(dòng)性比率）上有較大載荷，命名為“償債能力因子”。第三個(gè)公共因子F3，其在指標(biāo)X11（所有者權(quán)益增長率）、X12（總資產(chǎn)增長率）、X14（現(xiàn)金流量比率）上有較大載荷，命名為“成長能力因子”。第四個(gè)公共因子F4，其在指標(biāo)X13（現(xiàn)金比率）、X4（速動(dòng)比率）上有較大載荷，命名為“現(xiàn)金流量因子”。第五個(gè)公共因子F5，其在指標(biāo)X9（總資產(chǎn)周轉(zhuǎn)率）、X15（總資產(chǎn)）上有較大載荷，命名為“總資產(chǎn)營運(yùn)能力因子”。第六個(gè)公共因子F6，其在指標(biāo)X10（應(yīng)收賬款周轉(zhuǎn)率）上有較大載荷，命名為“應(yīng)收賬款周轉(zhuǎn)率因子”。4.計(jì)算因子得分。表6是通過主成分回歸方法估計(jì)出的因子得分系數(shù)，用表中各公共因子對(duì)應(yīng)的得分系數(shù)分別乘以各變量標(biāo)準(zhǔn)化值即可得到各公因子對(duì)應(yīng)的得分序列。
（三）Logistic實(shí)證分析1.建立Logistic回歸方程。設(shè)被解釋變量y為0-1型隨機(jī)變量，當(dāng)樣本違約時(shí)y取1，非違約時(shí)y取0，另以6個(gè)公共因子F1，F(xiàn)2，…，F(xiàn)6作為解釋變量，建立Logistic回歸模型，回歸方程的形式如下：2.Logistic模型參數(shù)估計(jì)。運(yùn)用SPSS16.0軟件對(duì)因變量Y和自變量F進(jìn)行Logistic回歸建模，選擇逐步向前回歸分析法，篩選出回歸系數(shù)比較顯著的自變量進(jìn)入模型，剔除回歸系數(shù)比較顯著的自變量進(jìn)入模型，剔除回歸系數(shù)不顯著的自變量。本文參數(shù)估計(jì)結(jié)果中已剔除回歸系數(shù)不顯著的因子F2，F(xiàn)3和F6，保留了因子F1、F4和F5，最終獲得的參數(shù)估計(jì)結(jié)果如下表7所示：表7中，Wald統(tǒng)計(jì)量用來檢驗(yàn)回歸系數(shù)是否顯著，Sig是Wald統(tǒng)計(jì)量的相伴概率，結(jié)果顯示因子F1，F(xiàn)4和F5的Wald值、Sig值在1%的顯著性水平下極其顯著，說明模型擬合較成功。3.Logistic回歸違約率（）判別分析。判別分析的目的是為了檢驗(yàn)?zāi)Ｐ徒⒌臏?zhǔn)確性，為風(fēng)險(xiǎn)預(yù)警做準(zhǔn)備。具體方法為運(yùn)用已建立的Logistic回歸方程（3.3），得出各樣本的違約概率值，以違約概率0.5為判別臨界點(diǎn)，>0.5計(jì)入違約組，<0.5計(jì)為非違約組，運(yùn)用SPSS16.0軟件運(yùn)行得出模型違約組和非違約組的判別結(jié)果如下表8所示。上表顯示，Logistic模型總的判別準(zhǔn)確率為98%，其中非違約組2409個(gè)樣本全部判別為非違約，判別準(zhǔn)確率100%；而違約組48個(gè)違約樣本全部錯(cuò)判為非違約，判別準(zhǔn)確率0%。由于通過估計(jì)違約概率來識(shí)別違約樣本的結(jié)果不理想，我們尋找其他能提高違約樣本判別準(zhǔn)確率的方法。4.Logistic回歸殘差（ZREi）判別分析。回歸方程的殘差gi是指實(shí)際觀察值yi與通過回歸方程估計(jì)出的回歸值yi之差。殘差可以分為普通殘差gi、標(biāo)準(zhǔn)化殘差ZREi=giσ，一般用于判斷異常值，判斷標(biāo)準(zhǔn)為將超過±2σ或±3σ的殘差視為異常值。由于普通殘差ei的方差不相等，不適合直接用來做判斷，一般將普通殘差標(biāo)準(zhǔn)化，使殘差具有可比性，從而用標(biāo)準(zhǔn)化殘差ZREi來進(jìn)行判斷。本文將殘差異常值的判斷與樣本的違約性判斷聯(lián)系起來，進(jìn)而通過識(shí)別回歸殘差的異常值來判斷樣本的違約性。運(yùn)用SPSS16.0軟件輸出所有樣本的標(biāo)準(zhǔn)化殘差ZREi，將用ZREi＞2和ZREi＞1兩個(gè)標(biāo)準(zhǔn)，分別進(jìn)行違約識(shí)別，對(duì)比分析判別結(jié)果的準(zhǔn)確率，進(jìn)而選取準(zhǔn)確率更高的判別臨界點(diǎn)。在ZREi＞2的判別標(biāo)準(zhǔn)下，判別結(jié)果為：違約組48個(gè)樣本中，標(biāo)準(zhǔn)化殘差值均為正值，且大于2，判為違約組，判別準(zhǔn)確率100%；非違約組2409個(gè)樣本中，標(biāo)準(zhǔn)化殘差值均為負(fù)值，且絕對(duì)值小于2，全部判為非違約組，判別準(zhǔn)確率100%。在ZREi＞1的判別標(biāo)準(zhǔn)下，判別結(jié)果與ZREi＞1的判別結(jié)果完全一致，違約組和非違約組的判別準(zhǔn)確率均為100%。
（四）Logistic模型樣本外預(yù)測。為了檢驗(yàn)?zāi)Ｐ偷念A(yù)警能力，本文根據(jù)2006年建立的Logistic回歸方程去預(yù)警2007年的客戶違約情況。選取2007年化工行業(yè)的33個(gè)樣本數(shù)據(jù)，其中7個(gè)違約樣本、26個(gè)非違約樣本。首先運(yùn)用SPSS16.0軟件，將33個(gè)樣本的15個(gè)財(cái)務(wù)指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化，根據(jù)因子得分系數(shù)表4-7，算出每個(gè)樣本的因子得分值F1、F4和F5，代入Logistic回歸方程（4.5），根據(jù)y的預(yù)測值和實(shí)際值算出普通殘差和標(biāo)準(zhǔn)化殘差，分別運(yùn)用ZREi＞2和ZREi＞1兩個(gè)標(biāo)準(zhǔn)來進(jìn)行風(fēng)險(xiǎn)預(yù)警。在ZREi＞2的判別標(biāo)準(zhǔn)下，預(yù)警結(jié)果為：違約組7個(gè)樣本，預(yù)警出2個(gè)違約，預(yù)警準(zhǔn)確率28.57%；非違約組26個(gè)樣本，全部預(yù)警為非違約，預(yù)警準(zhǔn)確率100%。在ZREi＞1的判別標(biāo)準(zhǔn)下，預(yù)警結(jié)果為：違約組7個(gè)樣本，全部預(yù)警為違約，預(yù)警準(zhǔn)確率100%；非違約組26個(gè)樣本，預(yù)警出25個(gè)違約，預(yù)警準(zhǔn)確率96.15%。鑒于ZREi＞1的預(yù)警準(zhǔn)確率明顯高于ZREi＞2的預(yù)警準(zhǔn)確率，本文將ZREi＞1作為預(yù)警樣本違約的判別標(biāo)準(zhǔn)。
二、結(jié)論
