周 颖,苏小婷

(大连理工大学 经济管理学院,辽宁 大连 116024)

信用风险预测是指构建企业历史数据与违约状态之间的对应关系,揭示企业的经营发展状况,进而对企业在未来是否会发生违约做出预判。信用风险预测结果不仅能为商业银行提供重要的贷款决策依据,而且能帮助在股票市场、债券上的投资者做出正确的投资决策。

上市公司是中国国民经济发展的关键。据Wind数据库统计,截至2019年前三季度,中国A股上市公司总营收达36 万亿元,同比增长9.54%,占GDP比重突破50%。与此同时,出现财务亏损被证监会特别处理(ST)的上市公司数量也在持续上升,2019 年内共有86 家公司被实施ST,18家公司退市。这一数据也暴露出中国上市公司规模在不断扩张的同时,也存在严重的信用风险问题。因此,建立有效的信用风险预测模型显得极为重要。

建立信用风险预测模型主要涉及两个问题:①信用风险预测模型中指标组合的遴选。与企业信用状态相关联的指标众多,不同的指标组合违约鉴别能力不同,有必要寻找一个违约鉴别能力最强的指标组合,最大限度地区分违约客户和非违约客户。②非平衡样本的处理。上市公司信用数据库中违约客户(ST)的数量远小于非违约客户(非ST)的数量,属于不平衡样本。在利用不平衡样本建模时,会导致模型对违约客户的判对率下降,第2类错误(Type-II error)上升,进而降低模型整体的预测精度。在信用违约预测中第2类错误是指将违约客户误判为非违约客户,若银行错误识别上市公司的信用状况,将贷款发放给违约客户,银行将面临客户无法偿还贷款带来的巨大损失。……