z得分模型的商业银行信用风险管理研究(附件)
摘 要作为现代金融业的基础，商业银行在我国经济发展过程中起到了尤为关键的作用。商业银行在经营管理过程中所面临的主要风险类型就是信用风险，信用风险管理水平的高低对商业银行经营状况的好坏有着直接而重大的影响，甚至有可能动摇整个金融体系的根基。现阶段，与国外银行业较全面的风险管理系统相比，我国商业银行的风险管理还处在内部控制阶段，在利用模型对商业银行信用风险进行量化管理方面还比较欠缺。 本文以风险度量为出发点，来探究现阶段我国商业银行的信用风险管理。重点分析在我国经济环境下，Z-得分模型是否可以应用到我国商业银行信用风险量化管理中。首先阐述了关于信用风险的相关定义并简要分析了产生的原因以及在现阶段我国商业银行信用风险管理的状况。其次简单介绍了几种信用风险的度量模型。接下来运用Edward Altman开发的Z-得分模型对选取的ST和非ST样本上市公司进行违约率预测，衡量这两类公司对商业银行信用风险的差异。在实证分析部分，实证结果表明ST公司的违约率远高于非ST公司，这说明该模型可以很好的区分这两类上市公司的信用状况。在很大情况下，违约率的高低可以直接映射出上市公司信用状况的好坏，所以用Z-得分模型测量出的样本上市公司的违约率对商业银行提高信用风险管理水平能够起到很好的参照作用。商业银行在经营活动中可通过参考该模型对上市公司客户的贷款违约率进行度量来提高信用风险管理水平。本文最后对商业银行的信用风险管理提出建议，并指出研究的不足之处。
目 录
一、绪论 1
（一）研究背景及意义 1
（二）国内外文献综述 1
（三）论文主要内容框架和研究方法 2
二、我国商业银行信用风险管理概述 4
（一）信用风险 4
（二）信用风险产生的原因 4
（三）我国商业银行信用风险管理现状 5
三、商业银行信用风险度量常用模型 6
（一）传统信用风险度量方法 6
(二）现代信用风险度量方法 6
(三）本章小结 7
四、基于Z得分模型的实证分析 8
（一）Z得分模型概述 8
（二）样本选取及数据来源 8
（三）指标计算过程 9
（四）实证分析结
*好棒文|www.hbsrm.com +Q: ￥351916072$
果 12
五、结语 14
（一）研究结论与建议 14
（二）研究的局限性 14
参考文献 15
致 谢 17
一、绪论
（一）研究背景及意义
十九大报告明确指出，我国要加快生态文明体制改革，建设美丽中国[7]。对于商业银行来说，大力发展绿色金融，支持美丽中国建设，既是一份责任，也是一个机遇。商业银行作为现代银行业的核心和基础，是现代金融业的基础，对我国经济发展至关重要。银行业经营效率的高低不仅关系到自身能否健康稳定的发展，而且关系到国家宏观经济能否正常运行。在我国商业银行面临的种种风险中，信用风险首当其冲，信用风险的度量是影响信用风险管理水平的重要因素。Z得分模型在商业银行信用风险度量方面可用性较强。在我国经济从高速度发展向高质量发展的转型背景下，为了预防可能发生的信用风险问题，维持我国经济的稳定，促进我国现阶段商业银行的信用风险管理水平，商业银行需要更好地利用模型来计量和识别可能发生的信用风险，提高信用风险管理水平。
全球金融危机使市场参与者，特别是监管者的风险意识大大加强。金融危机后，商业银行信用风险的有效计量、管理和防范已成为各国政府和国际金融机构关注的焦点。在现阶段经济快速发展的情况下，商业银行的经营状况对社会经济的发展会产生很大的影响。商业银行只有掌握交易者的经营状况，才能准确识别客户风险大小，有效控制信用风险。因此，本文着眼于风险度量，对Z得分模型在商业银行信用风险管理中的适用性进行研究，以达到商业银行能够在一定程度上计量和识别信用风险，进而提高信用风险管理水平的目的。
国内外文献综述
国外研究现状
在世界范围内来看，西方国家对于商业银行的信用风险管理研究比东方国家起步更早，他们所得到的丰富的研究成果是研究者们基于大量理论研究和实证分析所得到的。最早的经典Z得分模型是由担任纽约大学金融系讲座教授的Edward?Altman教授于1968年所提出的，通过研究企业的五个财务比率来预测违约概率[12]。在1977年Altman和他的研究团队又对该模型进行了改进和完善，提出了更加完善的ZETA模型。Antonio Camara,Ivilina Popova,Betty Simkins（2012）发现加入了商业银行金融衍生品这一指标后的KMV模型能够更加准确的对企业的违约概率进行预测[14]。Lee（2010）对台湾上市公司进行研究分析时，将KMV模型进行了创新，把该模型与遗传算法相融合，并修改了违约点的设定。以此得到的新模型的预测度大大提高[13]。
国内研究现状
周首华、杨济华和王平，在Z得分模型的基础上建立了加入现金流量变动情况指标F分数模型。于申坤（2014）运用Z得分模型对浦发银行陆家嘴支行违规二手房按揭贷款案例进行了实证分析，提出了提高我国商业银行信用风险管理水平的方法[1]。吴珍琳（2012）对Altman上市公司财务失败预警模型(Z3模型)在广西上市公司中的应用进行了实证研究。结果证明z得分模型在一定程度上对广西上市公司可以起到财务预警的作用[2]。李元风、戴劲（2012）选取了160家上市公司的财务数据对Z得分模型进行检验，通过调整模型临界值和引入三个新变量改进了该模型，使模型的预测准确性得到了很大程度的提高[3]。张玲，曾维火（2004）证实了我国上市公司的信用级别与用Z得分模型算出的公司Z值具有较高的关联性。在此前提下，通过运用Z得分模型对我国上市公司进行信用评级，发现了我国上市公司信用品质的新特质[4]。吴昌景、杨立芳（2008）证实了Z得分模型与银行的内部信用评级的关联性。提出银行可以通过分类开发Z得分模型来确定初步的评级结果，然后结合定性分析，最终确定企业信用等级的方法[6]。王成方（2014）运用Z得分模型和F分数模型对福建福日电子股份有限公司进行了分析，分析结果表明两种模型的预测效果都比较准确[5]。
综上所述，利用模型来度量度量违约率，反映银行信用风险，一直是提高商业银行信用风险管理能力的重要方法。因此，在研究中本文主要是对Z得分模型的预测准确率进行研究，从而确定Z得分模型在商业银行信用风险管理中是否适用。
论文主要内容框架和研究方法
1.论文主要内容框架
本文主要内容框架见图1：
图1 论文主要内容框架图
2. 论文研究方法
第一，文献研究法。本文根据提高商业银行信用风险管理水平的目的，通过调查文献来获得资料，进而对所要研究的问题进行更加详尽的了解。
第二，实证研究法。运用Z得分模型对2017年披露的ST公司及对应的非ST公司进行违约率测算，实证结果证明Z得分模型在我国商业银行信用风险管理中具有较好的适用性。
二、我国商业银行信用风险管理概述
（一）信用风险
信用风险，又称违约风险，是指借款人、证券发行人或交易方出于各种原因，不愿意或无力履行合同条件，造成银行、投资者或交易方损失的可能性[8]。商业银行信用风险属于非系统风险。具有客观性、传染性、可控性和周期性四个特征。
银行面临的主要风险就是信用风险，因为该风险不仅发生在贷款活动中，而且在担保、承兑和证券投资等活动上也有体现。如果银行不能在早期对该风险进行预警，那么银行将有可能面临严重的风险问题。
（二）信用风险产生的原因
商业银行信用风险是在金融市场整体环境和商业银行自身运营水平的共同作用下形成的。一般情况下，影响商业银行信用风险的原因主要有以下几点:
宏观经济环境
（1）国家宏观经济政策
目 录
一、绪论 1
（一）研究背景及意义 1
（二）国内外文献综述 1
（三）论文主要内容框架和研究方法 2
二、我国商业银行信用风险管理概述 4
（一）信用风险 4
（二）信用风险产生的原因 4
（三）我国商业银行信用风险管理现状 5
三、商业银行信用风险度量常用模型 6
（一）传统信用风险度量方法 6
(二）现代信用风险度量方法 6
(三）本章小结 7
四、基于Z得分模型的实证分析 8
（一）Z得分模型概述 8
（二）样本选取及数据来源 8
（三）指标计算过程 9
（四）实证分析结
*好棒文|www.hbsrm.com +Q: ￥351916072$
果 12
五、结语 14
（一）研究结论与建议 14
（二）研究的局限性 14
参考文献 15
致 谢 17
一、绪论
（一）研究背景及意义
十九大报告明确指出，我国要加快生态文明体制改革，建设美丽中国[7]。对于商业银行来说，大力发展绿色金融，支持美丽中国建设，既是一份责任，也是一个机遇。商业银行作为现代银行业的核心和基础，是现代金融业的基础，对我国经济发展至关重要。银行业经营效率的高低不仅关系到自身能否健康稳定的发展，而且关系到国家宏观经济能否正常运行。在我国商业银行面临的种种风险中，信用风险首当其冲，信用风险的度量是影响信用风险管理水平的重要因素。Z得分模型在商业银行信用风险度量方面可用性较强。在我国经济从高速度发展向高质量发展的转型背景下，为了预防可能发生的信用风险问题，维持我国经济的稳定，促进我国现阶段商业银行的信用风险管理水平，商业银行需要更好地利用模型来计量和识别可能发生的信用风险，提高信用风险管理水平。
全球金融危机使市场参与者，特别是监管者的风险意识大大加强。金融危机后，商业银行信用风险的有效计量、管理和防范已成为各国政府和国际金融机构关注的焦点。在现阶段经济快速发展的情况下，商业银行的经营状况对社会经济的发展会产生很大的影响。商业银行只有掌握交易者的经营状况，才能准确识别客户风险大小，有效控制信用风险。因此，本文着眼于风险度量，对Z得分模型在商业银行信用风险管理中的适用性进行研究，以达到商业银行能够在一定程度上计量和识别信用风险，进而提高信用风险管理水平的目的。
国内外文献综述
国外研究现状
在世界范围内来看，西方国家对于商业银行的信用风险管理研究比东方国家起步更早，他们所得到的丰富的研究成果是研究者们基于大量理论研究和实证分析所得到的。最早的经典Z得分模型是由担任纽约大学金融系讲座教授的Edward?Altman教授于1968年所提出的，通过研究企业的五个财务比率来预测违约概率[12]。在1977年Altman和他的研究团队又对该模型进行了改进和完善，提出了更加完善的ZETA模型。Antonio Camara,Ivilina Popova,Betty Simkins（2012）发现加入了商业银行金融衍生品这一指标后的KMV模型能够更加准确的对企业的违约概率进行预测[14]。Lee（2010）对台湾上市公司进行研究分析时，将KMV模型进行了创新，把该模型与遗传算法相融合，并修改了违约点的设定。以此得到的新模型的预测度大大提高[13]。
国内研究现状
周首华、杨济华和王平，在Z得分模型的基础上建立了加入现金流量变动情况指标F分数模型。于申坤（2014）运用Z得分模型对浦发银行陆家嘴支行违规二手房按揭贷款案例进行了实证分析，提出了提高我国商业银行信用风险管理水平的方法[1]。吴珍琳（2012）对Altman上市公司财务失败预警模型(Z3模型)在广西上市公司中的应用进行了实证研究。结果证明z得分模型在一定程度上对广西上市公司可以起到财务预警的作用[2]。李元风、戴劲（2012）选取了160家上市公司的财务数据对Z得分模型进行检验，通过调整模型临界值和引入三个新变量改进了该模型，使模型的预测准确性得到了很大程度的提高[3]。张玲，曾维火（2004）证实了我国上市公司的信用级别与用Z得分模型算出的公司Z值具有较高的关联性。在此前提下，通过运用Z得分模型对我国上市公司进行信用评级，发现了我国上市公司信用品质的新特质[4]。吴昌景、杨立芳（2008）证实了Z得分模型与银行的内部信用评级的关联性。提出银行可以通过分类开发Z得分模型来确定初步的评级结果，然后结合定性分析，最终确定企业信用等级的方法[6]。王成方（2014）运用Z得分模型和F分数模型对福建福日电子股份有限公司进行了分析，分析结果表明两种模型的预测效果都比较准确[5]。
综上所述，利用模型来度量度量违约率，反映银行信用风险，一直是提高商业银行信用风险管理能力的重要方法。因此，在研究中本文主要是对Z得分模型的预测准确率进行研究，从而确定Z得分模型在商业银行信用风险管理中是否适用。
论文主要内容框架和研究方法
1.论文主要内容框架
本文主要内容框架见图1：
图1 论文主要内容框架图
2. 论文研究方法
第一，文献研究法。本文根据提高商业银行信用风险管理水平的目的，通过调查文献来获得资料，进而对所要研究的问题进行更加详尽的了解。
第二，实证研究法。运用Z得分模型对2017年披露的ST公司及对应的非ST公司进行违约率测算，实证结果证明Z得分模型在我国商业银行信用风险管理中具有较好的适用性。
二、我国商业银行信用风险管理概述
（一）信用风险
信用风险，又称违约风险，是指借款人、证券发行人或交易方出于各种原因，不愿意或无力履行合同条件，造成银行、投资者或交易方损失的可能性[8]。商业银行信用风险属于非系统风险。具有客观性、传染性、可控性和周期性四个特征。
银行面临的主要风险就是信用风险，因为该风险不仅发生在贷款活动中，而且在担保、承兑和证券投资等活动上也有体现。如果银行不能在早期对该风险进行预警，那么银行将有可能面临严重的风险问题。
（二）信用风险产生的原因
商业银行信用风险是在金融市场整体环境和商业银行自身运营水平的共同作用下形成的。一般情况下，影响商业银行信用风险的原因主要有以下几点:
宏观经济环境
（1）国家宏观经济政策
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jmgl/cwgl/4800.html
