商业银行信用风险识别的模型构建与政策建议

徐春红，路正南

(江苏大学a.财经学院；b.工商管理学院，江苏 镇江 212013)

席卷全球的金融风暴使银行业遭遇重创，让全球各商业银行意识到了风险管理的重要性。信用风险是目前我国商业银行的主要风险，对信用风险进行有效管理将直接关系到商业银行的经营业绩，甚至生死存亡并将影响我国整个金融体系的稳定。信用风险识别是信用风险管理的基础和关键环节，国外商业银行的信用风险识别技术得到了飞速发展，由于存在数据和人才的瓶颈制约，国外成熟和先进的模型并不能直接在中国运用。目前，我国商业银行信用风险的识别仍以定性分析为主，难以适应现代商业银行全面和动态风险管理的需要。构建适合我国的信用风险识别模型，提高商业银行信用风险识别水平成为我国金融界一个最为紧迫的研究课题。

1 研究方法、样本与指标

Logistic回归采用最大似然估计法进行参数估计，不要求样本数据呈正态分布，不要求变量服从协方差矩阵，这与现实中我国信用数据的真实情况相吻合。但Logistic回归法要求各个变量相互独立，而我国的信用数据具有高相关性和高维性，各个变量之间存在一定程度的线性依存关系即多重共线性,这会增加估计参数的均方误差和标准误,引起Logistic回归模型拟合上的不合理，需要设法加以消除。

特别处理（ST）是经营很差或经营中出现重大问题的上市公司向市场所传达的一种信号，上市公司被ST后会大大加大贷款银行的风险。……