版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、微觀視角下征信業(yè)對系統(tǒng)性金融風(fēng)險(xiǎn)抑制功能及實(shí)證分析3.1征信產(chǎn)品開發(fā)的種類及風(fēng)險(xiǎn)抑制功能3.1.1征信產(chǎn)品開發(fā)的種類3.1.1.1征信業(yè)務(wù)的種類一、按業(yè)務(wù)模式可分為企業(yè)征信和個(gè)人征信兩類企業(yè)征信主要是收集企業(yè)信用信息、生產(chǎn)企業(yè)征信產(chǎn)品的機(jī)構(gòu);個(gè)人征信主要是收集個(gè)人信用信息、生產(chǎn)個(gè)人征信產(chǎn)品的機(jī)構(gòu)。有些國家這兩種業(yè)務(wù)類型由一個(gè)機(jī)構(gòu)完成,也有的國家是由兩個(gè)或兩個(gè)以上機(jī)構(gòu)分別完成,或者在一個(gè)國家內(nèi)既有單獨(dú)從事個(gè)人征信的機(jī)構(gòu),也有從事個(gè)人和企業(yè)兩種征信業(yè)務(wù)類型的機(jī)構(gòu),一般都不加以限制,由征信機(jī)構(gòu)根據(jù)實(shí)際情況自主決定。二、按服務(wù)對象可分為信貸征信、商業(yè)征信、雇傭征信以及其他征信信貸征信主要服務(wù)對象是金融
2、機(jī)構(gòu),為信貸決策提供支持;商業(yè)征信主要服務(wù)對象是批發(fā)商或零售商,為賒銷決策提供支持;雇用征信主要服務(wù)對象是雇主,為雇主用人決策提供支持;另外,還有其他一些征信活動,諸如市場調(diào)查,債權(quán)處理,動產(chǎn)、不動產(chǎn)鑒定等。各類不同服務(wù)對象的征信業(yè)務(wù),有的是由一個(gè)機(jī)構(gòu)來完成,有的是在圍繞具有數(shù)據(jù)庫征信機(jī)構(gòu)上下游的獨(dú)立企業(yè)內(nèi)來完成。三、按征信范圍可分為區(qū)域征信、國內(nèi)征信、跨國征信等區(qū)域征信一般規(guī)模較小,只在某一特定區(qū)域內(nèi)提供征信服務(wù),這種模式一般在征信業(yè)剛起步的國家存在較多,征信業(yè)發(fā)展到一定階段后,大都走向兼并或?qū)I(yè)細(xì)分,真正意義上的區(qū)域征信隨之逐步消失;國內(nèi)征信是目前世界范圍內(nèi)最多的機(jī)構(gòu)形式之一,尤其是近年來
3、開設(shè)征信機(jī)構(gòu)的國家普遍采取這種形式,但由于每個(gè)國家的政治體制、法律體系、文化背景不同,跨國征信的發(fā)展也受到一定的制約。3.1.1.2征信機(jī)構(gòu)的種類征信機(jī)構(gòu)是負(fù)責(zé)管理信用信息共享的機(jī)構(gòu),從事個(gè)人或企業(yè)信用信息的采集、加工處理,并為用戶提供征信報(bào)告和其他基于征信系統(tǒng)數(shù)據(jù)的增值產(chǎn)品。從全球?qū)嵺`來看,征信機(jī)構(gòu)一般分為三類:個(gè)人征信機(jī)構(gòu)(creditbureau)、信貸登記系統(tǒng)(creditregistry)禾口企業(yè)征信機(jī)構(gòu)(commercialcreditreportingcompany),類機(jī)構(gòu)的經(jīng)營模式和目標(biāo)服務(wù)市場各有差異O一、個(gè)人征信機(jī)構(gòu)個(gè)人征信機(jī)構(gòu)通常是私營的,是按照現(xiàn)代企業(yè)制度建立、完全市
4、場化運(yùn)作的征信機(jī)構(gòu),主要為商業(yè)銀行、保險(xiǎn)公司、貿(mào)易和郵購公司等信息使用者提供服務(wù)。美國是典型的私營征信機(jī)構(gòu)模式,商業(yè)化征信機(jī)構(gòu)擁有全面的信用信息系統(tǒng)。個(gè)人征信機(jī)構(gòu)主要為信貸機(jī)構(gòu)提供個(gè)人借款人以及微型、中小型企業(yè)的信用信息。它們從銀行、征信卡發(fā)行機(jī)構(gòu)和其他非銀行金融機(jī)構(gòu)等各類信貸機(jī)構(gòu)采集標(biāo)準(zhǔn)化的信息,同時(shí)還采集各類公共信息,如法院判決、破產(chǎn)信息、電話簿信息,或擔(dān)保物權(quán)登記系統(tǒng)等第三方數(shù)據(jù)庫的信息。此外,它們也會采集一些非傳統(tǒng)征信數(shù)據(jù),如零售商對消費(fèi)者的賒銷信息,以及煤氣、水、電等公共事業(yè)繳費(fèi)信息,有線電視、電話、網(wǎng)絡(luò)等其他先使用服務(wù)后付費(fèi)服務(wù)的繳費(fèi)數(shù)據(jù),以便提供更好、更完善的征信報(bào)告。對從未與銀
5、行發(fā)生過信貸關(guān)系的個(gè)人以及微型、中小型企業(yè)而言,不斷拓寬信息來源非常有益,可以幫助它們在沒有銀行信貸記錄的情況下建立起征信檔案,從而有效解決因?yàn)闆]有征信檔案而無法獲得銀行貸款的難題。個(gè)人征信機(jī)構(gòu)通常采取數(shù)據(jù)提供者自愿報(bào)數(shù)(通過簽署數(shù)據(jù)共享互惠協(xié)議)的模式,廣泛采集各類征信數(shù)據(jù),并提供多樣化的征信產(chǎn)品和服務(wù),幫助信貸機(jī)構(gòu)做出信貸決策。在一些國家和地區(qū),通常是在征信業(yè)的發(fā)展初期,法律會強(qiáng)制要求有關(guān)各方進(jìn)行數(shù)據(jù)共享,并使用征信機(jī)構(gòu)的服務(wù),此外,還會賦予監(jiān)管機(jī)構(gòu)相應(yīng)的權(quán)利,以督促信貸機(jī)構(gòu)加入征信系統(tǒng)并監(jiān)控其加入情況。二、信貸登記系統(tǒng)信貸登記系統(tǒng)起源于歐洲。從歷史上看,信貸登記系統(tǒng)的建立目的與個(gè)人征信機(jī)
6、構(gòu)不同。大多數(shù)信貸登記系統(tǒng)最初是作為中央銀行的內(nèi)部數(shù)據(jù)庫而設(shè)立,而且目前仍然有很多信貸登記系統(tǒng)用于中央銀行的宏觀金融監(jiān)管。根據(jù)世界銀行的調(diào)查,越來越多的國家政府鼓勵成立信貸登記系統(tǒng)來監(jiān)督商業(yè)銀行的信貸活動。因此,這些數(shù)據(jù)庫通常采集貸款額度在一定金額以上的大額信貸業(yè)務(wù)數(shù)據(jù)。最初,信貸登記系統(tǒng)的信息僅限于央行內(nèi)部使用。但隨著時(shí)間的推移,信貸登記系統(tǒng)也開始向受監(jiān)管的信貸機(jī)構(gòu)提供征信報(bào)告。而且,隨著消費(fèi)信貸的發(fā)展,信貸登記系統(tǒng)普遍降低或取消了數(shù)據(jù)采集門檻。在許多國家,如法國、阿根廷、西班牙、秘魯、意大利、比利時(shí)等,信貸登記系統(tǒng)已經(jīng)開始提供與個(gè)人征信機(jī)構(gòu)類似的產(chǎn)品和服務(wù)。通常,法律要求所有受監(jiān)管的金融機(jī)
7、構(gòu)都要向信貸登記系統(tǒng)報(bào)送數(shù)據(jù)。信貸登記系統(tǒng)既采集個(gè)人信息,也采集企業(yè)信息。個(gè)人信息通常包括個(gè)人的身份驗(yàn)證信息、貸款類型和貸款特征信息、負(fù)面信息、擔(dān)保和保證類信息以及還款記錄信息。企業(yè)信息通常包括企業(yè)的身份標(biāo)識信息、企業(yè)主的信息、貸款類型和貸款特征信息、負(fù)面信息和還款記錄。三、企業(yè)征信機(jī)構(gòu)企業(yè)征信機(jī)構(gòu)提供關(guān)于企業(yè)的信息,這些企業(yè)包含個(gè)人獨(dú)資企業(yè)、合伙企業(yè)和公司制企業(yè),并通過公共渠道、直接調(diào)查、供貨商和貿(mào)易債權(quán)人提供的付款歷史來獲取信息。企業(yè)征信機(jī)構(gòu)所覆蓋的企業(yè)在規(guī)模和經(jīng)營收入上都小于信用評級機(jī)構(gòu)所覆蓋的企業(yè),其采集的信息一般用于信用風(fēng)險(xiǎn)評估或征信評分,或是用于貿(mào)易征信展期等其他用途。企業(yè)征信機(jī)構(gòu)
8、與個(gè)人征信機(jī)構(gòu)的差異體現(xiàn)在以下幾個(gè)方面:企業(yè)征信機(jī)構(gòu)采集的信息不包括個(gè)人敏感信息,所覆蓋的交易的規(guī)模也大的多。與個(gè)人征信相比,企業(yè)征信往往需要采集更多的有關(guān)企業(yè)借款人的支付信息和財(cái)務(wù)信息。為了保護(hù)個(gè)人數(shù)據(jù)主體的權(quán)利,個(gè)人征信機(jī)構(gòu)會披露數(shù)據(jù)提供者的身份,但企業(yè)征信機(jī)構(gòu)卻不會讓企業(yè)數(shù)據(jù)主體知道其數(shù)據(jù)來源或用戶的身份。企業(yè)征信機(jī)構(gòu)也可能會采集小企業(yè)的信息,但由于其報(bào)告的數(shù)據(jù)項(xiàng)并不適合小企業(yè),所以采集的信息往往有限。正如前面提到的,由于小企業(yè)往往不會公開自身的財(cái)務(wù)信息,所以其企業(yè)主的征信記錄對評估小企業(yè)的征信情況非常有用。但企業(yè)征信機(jī)構(gòu)并不采集個(gè)人數(shù)據(jù)。此外,由于微型或小型企業(yè)的信用信息采集成本往往較
9、高。因此,與企業(yè)征信機(jī)構(gòu)相比,個(gè)人征信機(jī)構(gòu)往往能更好地滿足對微型和中小型企業(yè)的征信需求。3.1.1.3征信機(jī)構(gòu)的作用征信機(jī)構(gòu)的作用是傳播信用信息從而起到對失信者懲罰的作用。就征信機(jī)構(gòu)的征信傳播作用而言,分為對個(gè)人和企業(yè)兩種,目前對我國征信機(jī)構(gòu)的需求很廣。對個(gè)人來說:申請工作時(shí),應(yīng)聘企業(yè)通過查詢個(gè)人征信記錄就可以對個(gè)人征信情況有詳細(xì)了解,決定是否雇傭;個(gè)人申請征信卡,也可以通過征信記錄來判斷個(gè)人的征信卡額度;與個(gè)人交易時(shí)可以查詢征信記錄來判斷個(gè)人征信情況,從而決定是否繼續(xù)交易及交易方式;對于注冊會計(jì)師、律師、教師、證券從業(yè)人員、醫(yī)務(wù)人員等進(jìn)行征信記錄,可以促使其遵守職業(yè)道德;種類繁多不一一列舉。
10、對企業(yè)來說:銀行對企業(yè)授信時(shí)可以查詢征信記錄決定是否貸款和貸款額度、貸款利息等;政府采購選擇企業(yè)、投標(biāo)招標(biāo)選擇企業(yè)、選拔建設(shè)工程企業(yè)、通過電子商務(wù)交易、選擇旅游機(jī)構(gòu)等都可以通過征信系統(tǒng)來選擇征信較好的機(jī)構(gòu)進(jìn)行交易,從而降低交易成本。由國家發(fā)改委和中國人民銀行負(fù)責(zé)一個(gè)整體的總征信機(jī)構(gòu)建設(shè),由國家各部門分別負(fù)責(zé)各領(lǐng)域征信系統(tǒng)的建設(shè),并把各領(lǐng)域的征信情況上報(bào)給總的征信機(jī)構(gòu)。由政府負(fù)責(zé)這個(gè)征信機(jī)構(gòu)的信息采集及查詢情況,使得信息能夠迅速、公正的被采集傳播,防止信用信息被濫用。通過征信檔案的建立,公民和企業(yè)每個(gè)人都有一個(gè)征信代碼,交易雙方進(jìn)行交易時(shí)可以事先查詢征信代碼,失信者會因害怕不良記錄而有所顧忌,從
11、而建立一個(gè)公平誠信的社會環(huán)境。3.1.2征信產(chǎn)品開發(fā)的風(fēng)險(xiǎn)抑制功能3.1.2.1征信報(bào)告產(chǎn)品的風(fēng)險(xiǎn)抑制功能征信報(bào)告主要包括個(gè)人征信報(bào)告和企業(yè)征信報(bào)告。個(gè)人征信報(bào)告本質(zhì)上是個(gè)人過去的征信行為又稱為個(gè)人征信報(bào)告,主要是記錄個(gè)人征信活動的一個(gè)報(bào)告展現(xiàn)形式,目前國內(nèi)金融相關(guān)業(yè)務(wù)認(rèn)可的主要是人行征信中心的征信報(bào)告,其個(gè)人信用信息包括了個(gè)人基本信息、個(gè)人信貸交易信息以及反映個(gè)人征信狀況的其他信息。下面介紹征信報(bào)告的數(shù)據(jù)來源、報(bào)告形態(tài)以及后續(xù)用途等方面,以此來解讀征信報(bào)告。數(shù)據(jù)來源。個(gè)人信息,即主要是從公安部身份信息核查結(jié)果得到的信息,主要包括個(gè)人名字、身份證號碼信息。個(gè)人婚姻、職業(yè)、住所信息:每次向金融機(jī)
12、構(gòu)或非金融機(jī)構(gòu)進(jìn)行辦理業(yè)務(wù)過程提交的信息。征信交易信息:金融機(jī)構(gòu)及非金融機(jī)構(gòu)在每次業(yè)務(wù)發(fā)生后一段時(shí)間內(nèi)向央行進(jìn)行上報(bào),包括征信貸款、征信卡及其他貸款(如助學(xué)貸款)。公共記錄:征信中心通過信息主體、企業(yè)交易對方、行業(yè)協(xié)會提供信息,政府有關(guān)部門依法已公開的信息,人民法院依法公布的判決、裁定等渠道采集到公共記錄信息。查詢記錄:征信機(jī)構(gòu)對所有查詢征信報(bào)告的行為進(jìn)行記錄,并在報(bào)告中顯示。(2)報(bào)告形態(tài)。個(gè)人征信報(bào)告目前可通過多種渠道去查詢,包括個(gè)人授權(quán)銀行或金融機(jī)構(gòu)進(jìn)行查詢、個(gè)人主動查詢(1、個(gè)人登錄征信中心網(wǎng)站申請查詢;2、到中國人民銀行各地分行查詢;3、到各銀行營業(yè)廳中申請查詢),無論哪種查詢方式,
13、查詢都需要得到個(gè)人的授權(quán)。個(gè)人征信報(bào)告目前主要有兩種形態(tài),個(gè)人通過征信中心網(wǎng)站上查詢的一般為簡單的版本(即行業(yè)稱的“簡版”),銀行查詢的一般為征信報(bào)告詳細(xì)版(即行業(yè)稱的“詳版”)。(3)征信報(bào)告的用途。目前,征信報(bào)告在所有銀行貸款業(yè)務(wù)、征信卡業(yè)務(wù)等金融業(yè)務(wù)中均有直接使用。征信報(bào)告的安全等級分為五級:正常、關(guān)注、次級、可疑、損失。如若征信報(bào)告達(dá)到次級以后則無法辦理貸款或征信卡,如果被央行列為失信名單,那么在未來乘坐火車、高鐵、飛機(jī)等交通工具都會有所限制,因此,保護(hù)好個(gè)人的征信極為重要,采用央行征信的一句話就是:伴您一生的征信記錄者。提及征信報(bào)告產(chǎn)品的風(fēng)險(xiǎn)抑制功能,主要通過以下四個(gè)方面得以體現(xiàn)。(
14、1)防范信用風(fēng)險(xiǎn)。征信降低了交易中參與各方的信息不對稱,避免因信息不對稱而帶來的交易風(fēng)險(xiǎn),從而起到風(fēng)險(xiǎn)判斷和揭示的作用;(2)擴(kuò)大信用交易。征信解決了制約信用交易的瓶頸問題,促成信用交易的達(dá)成,促進(jìn)金融信用產(chǎn)品和商業(yè)信用產(chǎn)品的創(chuàng)新,有效擴(kuò)大信用交易的范圍和方式,帶動信用經(jīng)濟(jì)規(guī)模的擴(kuò)張;(3)提高經(jīng)濟(jì)運(yùn)行效率。通過專業(yè)化的信用信息服務(wù),降低了交易中的信息收集成本,縮短了交易時(shí)間,拓寬了交易空間,提高了經(jīng)濟(jì)主體的運(yùn)行效率,促進(jìn)經(jīng)濟(jì)社會發(fā)展;推動社會信用體系建設(shè)。征信業(yè)是社會信用體系建設(shè)的重要組成部分,發(fā)展征信業(yè)有助于遏制不良信用行為的發(fā)生,使守信者利益得到更大的保障,有利于維護(hù)良好的經(jīng)濟(jì)和社會秩序
15、,促進(jìn)社會信用體系建設(shè)的不斷發(fā)展完善。3.1.2.2信用評級產(chǎn)品的風(fēng)險(xiǎn)抑制功能信用評級有利于形成良好的外部征信環(huán)境,促進(jìn)金融機(jī)構(gòu)之間的公平有序競爭。通過評級結(jié)果所謂公示,金融機(jī)構(gòu)可以準(zhǔn)確地獲悉自身在經(jīng)營發(fā)展中存在的問題,通過與其他機(jī)構(gòu)的比較,明確自身的發(fā)展方向,走符合自身經(jīng)營特點(diǎn)的發(fā)展變化道路,在激烈的競爭中形成動態(tài)、持續(xù)的比較競爭優(yōu)勢。如果金融市場上的所有機(jī)構(gòu)都按照這種理性的經(jīng)營思維方式發(fā)展,就能夠進(jìn)一步維護(hù)金融市場的公平、公開、公正的競爭秩序,優(yōu)化金融市場環(huán)境,并最終提升金融資源的配置效率。目前,中國人民銀行正在積極開展企業(yè)征信庫建設(shè),逐步建立起全國范圍內(nèi)的征信業(yè),并最終運(yùn)用于金融市場上各
16、個(gè)機(jī)構(gòu)的需求,在征信業(yè)建設(shè)上,評級公司可以利用自身的優(yōu)勢,幫助政府建立健全征信數(shù)據(jù)庫,搜集整理企業(yè)信息資料,依靠共享的數(shù)據(jù)庫系統(tǒng),使失信者的失信記錄在各行業(yè)共享,使失信者在社會無法立足。同時(shí)研究企業(yè)征信資料的運(yùn)用方式,這也反過來有利于評級機(jī)構(gòu)自身更好的開展評級工作,保證評級結(jié)果的準(zhǔn)確性。信用評級產(chǎn)品的風(fēng)險(xiǎn)抑制功能,主要表現(xiàn)為以下三點(diǎn):一、信用風(fēng)險(xiǎn)度量功能本質(zhì)上講,信用評級的功能在于揭示風(fēng)險(xiǎn),揭示風(fēng)險(xiǎn)的前提就是要對信用評級對象的風(fēng)險(xiǎn)狀況做出度量。在20世紀(jì)70年代以前,度量信用風(fēng)險(xiǎn)的主要借助于各種報(bào)表提供的財(cái)務(wù)數(shù)據(jù),進(jìn)而通過分析被評對象的各種信息來做出評價(jià)。80年代以來,征信市場的發(fā)展和信用風(fēng)險(xiǎn)
17、的變化使得風(fēng)險(xiǎn)度量更多的依靠量化分析方法和風(fēng)險(xiǎn)度量模型??偨Y(jié)穆迪和標(biāo)普對信用評級的定義發(fā)現(xiàn),其定義主要包括兩個(gè)方面,一是違約率,即違約的可能性,二是違約損失,即違約后可能造成的損失有多大,依據(jù)這樣的概率模型而做出的評級結(jié)果比單純依靠經(jīng)驗(yàn)判斷的財(cái)務(wù)分析得出的結(jié)果要準(zhǔn)確的多,因此,建立一套科學(xué)有效的評級模型就顯得十分重要。二、信用風(fēng)險(xiǎn)預(yù)警功能金融風(fēng)險(xiǎn)預(yù)警機(jī)制的主要目的是預(yù)報(bào)和提示金融風(fēng)險(xiǎn),而要預(yù)報(bào)風(fēng)險(xiǎn)就要對其進(jìn)行評級,再根據(jù)金融風(fēng)險(xiǎn)的輕重緩急程度,發(fā)出相應(yīng)的預(yù)警信號,提醒各金融機(jī)構(gòu)予以高度警惕,并積極采取有效措施,予以控制和防范。預(yù)報(bào)金融風(fēng)險(xiǎn)是金融風(fēng)險(xiǎn)評級的目標(biāo),完成這一任務(wù)需要選擇合適的預(yù)測技術(shù)
18、。從操作上講預(yù)測技術(shù)可以分為兩類:一類是直接預(yù)測技術(shù),即直接依據(jù)相關(guān)監(jiān)測指標(biāo)變動的因果聯(lián)系來進(jìn)行預(yù)測,如VAR模型的應(yīng)用;一類是間接預(yù)測技術(shù),即預(yù)測者自己不直接作預(yù)測,而是借助于專家的力量,收集整理專家所得出的預(yù)測結(jié)論,最后給出風(fēng)險(xiǎn)預(yù)警。如果條件許可,兩類預(yù)測技術(shù)可以結(jié)合使用。信用資源的整合功能是指信用評級通過風(fēng)險(xiǎn)揭示,為金融市場上信用信息的供需雙方提供一個(gè)合理的定價(jià)和流動機(jī)制,從而實(shí)現(xiàn)信用資源的有效配置。它由可以具體分為兩個(gè)方面,即信號傳遞和證明作用,信號傳遞是指評級結(jié)果包含了新的信息或者將現(xiàn)有的信息加以綜合,提供給市場,從而提高發(fā)行方的籌資效率或降低投資方的風(fēng)險(xiǎn)水平。證明作用是指特定債務(wù)的
19、發(fā)行符合一定的條款和條件,例如證監(jiān)會制定的債券上市條件,基金委托方制定的投資組合戰(zhàn)略等。3.1.2.3關(guān)聯(lián)企業(yè)甄別產(chǎn)品的風(fēng)險(xiǎn)抑制功能所謂關(guān)聯(lián)企業(yè),是指與其他企業(yè)之間存在直接或間接控制關(guān)系或重大影響關(guān)系的企業(yè),相互之間具有聯(lián)系的各企業(yè)互為關(guān)聯(lián)企業(yè)。關(guān)聯(lián)企業(yè)在法律上可表現(xiàn)為由控制公司和從屬公司構(gòu)成。而控制公司與從屬公司的形成主要在于關(guān)聯(lián)公司之間的統(tǒng)一管理關(guān)系的存在。這種關(guān)系往往借助于控制公司對從屬公司實(shí)質(zhì)上的控制而形成。圖3.1關(guān)聯(lián)企業(yè)查詢產(chǎn)品示意圖Fig.3.1Therelatedcompanyqueryproductschematic關(guān)聯(lián)企業(yè)甄別產(chǎn)品的風(fēng)險(xiǎn)防控方式,主要有以下三點(diǎn):一、加強(qiáng)貸前
20、調(diào)查,嚴(yán)格客戶準(zhǔn)入樹立正確的營銷和風(fēng)險(xiǎn)管理理念,新客戶準(zhǔn)入要充分收集各類內(nèi)外部信息,利用征信系統(tǒng)平臺、銀監(jiān)會披露信息等外部工具,對客戶主體進(jìn)行綜合分析,符合集團(tuán)客戶標(biāo)準(zhǔn)的,要摸清其管理體制、組織結(jié)構(gòu)、治理結(jié)構(gòu),理順成員之間的法律關(guān)系,按照集團(tuán)客戶管理模式進(jìn)行統(tǒng)一授信、管理,防止過度授信;對刻意隱瞞關(guān)聯(lián)關(guān)系、參與民間借貸、多頭授信、多業(yè)并舉、快速擴(kuò)張、他行退出客戶要審慎介入,從源頭控制風(fēng)險(xiǎn)。二、加強(qiáng)貸后管理,完善擔(dān)保方式客戶用信后,在貸后監(jiān)管中發(fā)現(xiàn)客戶存有隱性關(guān)聯(lián)關(guān)系的,要多渠道摸清關(guān)聯(lián)關(guān)系,嚴(yán)格落實(shí)集團(tuán)客戶管理要求。一是優(yōu)化擔(dān)保方式,將企業(yè)互保方式逐步轉(zhuǎn)換為抵押擔(dān)保方式,對現(xiàn)有抵押物確保產(chǎn)權(quán)明
21、晰,法律手續(xù)完善,抵押物充足,能有效覆蓋風(fēng)險(xiǎn)敞口。二是嚴(yán)格控制企業(yè)對外擔(dān)保行為,與企業(yè)簽訂補(bǔ)充協(xié)議,要求企業(yè)對外擔(dān)保必須經(jīng)貸款行書面同意,規(guī)避集團(tuán)成員企業(yè)涉訴帶來的風(fēng)險(xiǎn)。三是加強(qiáng)對信貸資金的跟蹤監(jiān)測,重點(diǎn)關(guān)注無貿(mào)易背景的關(guān)聯(lián)交易情況,落實(shí)信貸資金歸行管理,確保不被關(guān)聯(lián)企業(yè)擠占挪用。三、綜合分析風(fēng)險(xiǎn),適時(shí)調(diào)整策略對于符合集團(tuán)客戶定義,但未按集團(tuán)客戶管理的隱性關(guān)聯(lián)客戶,要綜合分析、判斷客戶風(fēng)險(xiǎn),適時(shí)調(diào)整管理策略,確保措施可行、風(fēng)險(xiǎn)可控。一是對貸前刻意隱瞞關(guān)聯(lián)關(guān)系的客戶,分析其目的性,屬于借殼融資,套取貸款,以及信貸資金被實(shí)際控制人挪用于股權(quán)投資、民間借貸的,要及時(shí)退出;二是借款人生產(chǎn)經(jīng)營正常,信貸
22、資金使用規(guī)范,還款來源充足,無實(shí)際風(fēng)險(xiǎn)因素的關(guān)聯(lián)企業(yè),要參照集團(tuán)客戶模式進(jìn)行管理,確保風(fēng)險(xiǎn)可控;三是存在潛在風(fēng)險(xiǎn)的隱性關(guān)聯(lián)客戶,在優(yōu)化擔(dān)保方式,落實(shí)有效資產(chǎn)抵押的情況下,制訂壓降計(jì)劃,逐步壓降用信額度,擇機(jī)退出。3.1.2.4擔(dān)保圈識別產(chǎn)品的風(fēng)險(xiǎn)抑制功能在銀行貸款中,擔(dān)保抵押是關(guān)鍵點(diǎn),能不能放貸及放貸額度多少均與抵押有關(guān)。商業(yè)銀行從風(fēng)險(xiǎn)控制的角度出發(fā),在企業(yè)不能或不愿提供抵質(zhì)押物的擔(dān)保情況下,也認(rèn)為人的擔(dān)?!坝锌偙葲]有好二即便對于一些征信等級較高的企業(yè),也要求提供保證擔(dān)保而不愿發(fā)放征信貸款,客觀上也導(dǎo)致?lián)HΦ男纬?,且容易出現(xiàn)“用擔(dān)保圈壘流動資金貸款、“用流動資金貸款壘大戶”的情況。通過擔(dān)保征
23、信增級而不是分析企業(yè)自身的現(xiàn)金流作為還款能力依據(jù),但現(xiàn)在隨著經(jīng)濟(jì)的下行,企業(yè)經(jīng)營利潤下降,有很多企業(yè)資不抵債,企業(yè)主跑路的情況很多,擔(dān)保風(fēng)險(xiǎn)鏈條不斷擴(kuò)大,其中很多大的擔(dān)保圈的風(fēng)險(xiǎn)也爆發(fā)出來,嚴(yán)重影響了信貸資產(chǎn)的安全。針對此起彼伏的擔(dān)保圈風(fēng)險(xiǎn),商業(yè)銀行客戶經(jīng)理應(yīng)該具有防范擔(dān)保圈貸款風(fēng)險(xiǎn)的風(fēng)險(xiǎn)意識,將化解擔(dān)保圈貸款風(fēng)險(xiǎn)作為深化信貸管理的重點(diǎn),以盡快化解已暴露或潛在的擔(dān)保圈風(fēng)險(xiǎn)。一、貸款三查節(jié)深入仔細(xì),化解擔(dān)保圈貸款風(fēng)險(xiǎn)在貸前調(diào)查環(huán)節(jié),凡向銀行申請融資的企業(yè),客戶經(jīng)理在盡職調(diào)查時(shí)應(yīng)要求企業(yè)如實(shí)提供對外擔(dān)保信息,全面掌握企業(yè)的或有負(fù)債情況,并了解掌握企業(yè)已有他行融資擔(dān)保情況,分析客戶所在擔(dān)保圈的總體風(fēng)
24、險(xiǎn)狀況。在審查審批環(huán)節(jié),客戶經(jīng)理應(yīng)加強(qiáng)授信審查,實(shí)行動態(tài)管理。通過查詢中國人民銀行信息征詢系統(tǒng)、對保證人情況進(jìn)行全面盡職調(diào)查、分析保證人之間的內(nèi)在聯(lián)系、對借款人在他行融資擔(dān)保情況進(jìn)行分析判斷,全面準(zhǔn)確把握擔(dān)保圈范圍;認(rèn)真分析借款人償債能力及保證人代償能力,嚴(yán)格核定客戶授信額度和限定使用條件。對有違約記錄、過度擔(dān)?;蚧ケ:瓦B環(huán)擔(dān)保現(xiàn)象嚴(yán)重的擔(dān)保圈內(nèi)企業(yè)新增融資,商業(yè)銀行要從嚴(yán)審查審批,并盡可能辦理有效的抵質(zhì)押擔(dān)保。二、要盡量避開企業(yè)同行業(yè)擔(dān)保圈擔(dān)保在商業(yè)銀行風(fēng)險(xiǎn)分散策略上,往往要求貸款不要集中于特定的一兩個(gè)行業(yè),而造成相對較大的行業(yè)集中度風(fēng)險(xiǎn)。將行業(yè)風(fēng)險(xiǎn)分散策略應(yīng)用到擔(dān)保圈風(fēng)險(xiǎn)控制上,商業(yè)銀行可
25、以在具體受理擔(dān)保貸款業(yè)務(wù)時(shí),避免讓同一個(gè)行業(yè)的企業(yè)進(jìn)行互保,以避免一個(gè)行業(yè)出問題,整個(gè)擔(dān)保鏈條崩盤。溫州莊吉集團(tuán)企業(yè)行業(yè)內(nèi)互保,一旦行業(yè)龍頭企業(yè)經(jīng)營出現(xiàn)問題,其配套的小公司、關(guān)聯(lián)行業(yè)內(nèi)的都受到重大影響,嚴(yán)重影響信貸資產(chǎn)質(zhì)量。三、在貸款企業(yè)擔(dān)保方式置換的注意事項(xiàng)如果互保企業(yè)出現(xiàn)問題,銀行從保全資產(chǎn)安全的角度,肯定是先下手為強(qiáng)。當(dāng)擔(dān)保圈中保證人保證能力不足,保證人出現(xiàn)償債能力問題時(shí),商業(yè)銀行應(yīng)考慮采用其他的風(fēng)險(xiǎn)緩釋手段,將部分擔(dān)保圈保證貸款置換為合法、足值、有效的抵質(zhì)押擔(dān)保貸款,由“人的擔(dān)保”向“物的擔(dān)?!狈绞睫D(zhuǎn)化,實(shí)現(xiàn)擔(dān)保方式由高風(fēng)險(xiǎn)向低風(fēng)險(xiǎn)轉(zhuǎn)變。此外,如若企業(yè)“物的擔(dān)保不足或者有其他原因而只能
26、采取其他企業(yè)擔(dān)保的方式,那么可以要求企業(yè)尋找的互保公司不存在任何擔(dān)?;蛘弑粨?dān)保行為,以防止擔(dān)保圈擴(kuò)大化。四、認(rèn)真摸清行內(nèi)擔(dān)保圈貸款風(fēng)險(xiǎn)情況,徹底清查存量擔(dān)保圈貸款對于擔(dān)保圈中一些互保額度較大的融資,商業(yè)銀行應(yīng)在審慎進(jìn)行風(fēng)險(xiǎn)分析判斷的前提下,對互保關(guān)系進(jìn)行清理,對借款人征信較好,實(shí)際較強(qiáng)的企業(yè),在風(fēng)險(xiǎn)可控的情況下,要求借款人更換貸款擔(dān)保方式或找其他具有擔(dān)保能力的企業(yè)擔(dān)保,切斷擔(dān)保圈鏈的關(guān)聯(lián)。對于互保、連環(huán)擔(dān)保關(guān)系復(fù)雜,融資總額較大的擔(dān)保圈,商業(yè)銀行應(yīng)繪制擔(dān)保圈保證關(guān)系示意圖,厘清擔(dān)保關(guān)系,對形成擔(dān)保圈的主要保證鏈條進(jìn)行切割,實(shí)現(xiàn)“大圈化小”,風(fēng)險(xiǎn)降低,或?qū)?dān)保風(fēng)險(xiǎn)傳導(dǎo)的高危環(huán)節(jié)進(jìn)行預(yù)警,建立起有
27、效的“防火墻”,盡快隔離風(fēng)險(xiǎn),防止風(fēng)險(xiǎn)的傳導(dǎo)和擴(kuò)散。對借款人償債能力不佳、保證人擔(dān)保能力不足、關(guān)聯(lián)關(guān)系復(fù)雜或圈內(nèi)企業(yè)存在違約記錄的擔(dān)保圈貸款,商業(yè)銀行可以將擔(dān)保圈貸款風(fēng)險(xiǎn)化解與潛在風(fēng)險(xiǎn)貸款退出和不良貸款清收處置工作相結(jié)合,通過多收少貸、只收不貸等措施積極壓縮收回?fù)?dān)保圈風(fēng)險(xiǎn)融資。3.1.2.5行業(yè)投放余額預(yù)警產(chǎn)品的風(fēng)險(xiǎn)抑制功能金融安全是一國經(jīng)濟(jì)安全中最關(guān)鍵的部分,與一國的經(jīng)濟(jì)狀況與社會發(fā)展密切相關(guān)。隨著金融全球化進(jìn)程加快,金融工具的不斷創(chuàng)新,金融風(fēng)險(xiǎn)逐漸趨于復(fù)雜化、多樣化,各國之間相似的監(jiān)管目標(biāo)及體系、金融機(jī)構(gòu)業(yè)務(wù)的同質(zhì)化都加劇了金融業(yè)的順周期性,金融機(jī)構(gòu)之間的相互聯(lián)系也使得風(fēng)險(xiǎn)在不同機(jī)構(gòu)、不同
28、區(qū)域之間更容易傳染,一旦系統(tǒng)性重要機(jī)構(gòu)爆發(fā)系統(tǒng)性金融風(fēng)險(xiǎn),危機(jī)就會廣泛、快速地蔓延開來,極容易引起大規(guī)模的金融危機(jī)爆發(fā)。2007年下半年,美國爆發(fā)次貸危機(jī)引發(fā)了全球范圍內(nèi)的金融危機(jī),在此之前,系統(tǒng)性金融風(fēng)險(xiǎn)的研究雖已存在,但卻一直不是學(xué)術(shù)界以及監(jiān)管部門關(guān)注的重點(diǎn)。巴塞爾協(xié)議II是各國金融監(jiān)管的國際標(biāo)準(zhǔn),其監(jiān)管重點(diǎn)一直是以單家商業(yè)銀行為主的微觀審慎管理機(jī)制,著重監(jiān)管單家銀行的經(jīng)營管理狀況與風(fēng)險(xiǎn)。次貸危機(jī)后,各國意識到系統(tǒng)性金融風(fēng)險(xiǎn)監(jiān)管的重要性,G20峰會和金融穩(wěn)定理事會決定對現(xiàn)有監(jiān)管體制進(jìn)行改革,各國都認(rèn)為有必要設(shè)立統(tǒng)一的監(jiān)管機(jī)構(gòu)對金融體系的整體風(fēng)險(xiǎn)進(jìn)行監(jiān)管,建立宏觀審慎管理架構(gòu),防范系統(tǒng)性金融
29、風(fēng)險(xiǎn)。巴塞爾協(xié)議III要求計(jì)提逆周期資本從而對系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行更有效的監(jiān)管。在風(fēng)險(xiǎn)管理體系中,一般需要包括風(fēng)險(xiǎn)管理計(jì)劃、風(fēng)險(xiǎn)識別、風(fēng)險(xiǎn)定性分析、風(fēng)險(xiǎn)定量分析、風(fēng)險(xiǎn)響應(yīng)和風(fēng)險(xiǎn)監(jiān)控。另一方面,風(fēng)險(xiǎn)管理的本質(zhì)是對不確定性的管理,所以這種不確定性不僅會給銀行帶來威脅,同時(shí)也可能意味著機(jī)會,因此加強(qiáng)風(fēng)險(xiǎn)管理還可以幫助銀行發(fā)現(xiàn)新的機(jī)會。風(fēng)險(xiǎn)管理貫穿銀行各項(xiàng)業(yè)務(wù)的整個(gè)業(yè)務(wù)過程,包括事前、事中和事后,但越早發(fā)現(xiàn)風(fēng)險(xiǎn)、越早采取措施,則風(fēng)險(xiǎn)管理的成本就越低,給企業(yè)帶來的效益也就越大。按照1:10:100的理論,在如果在第一個(gè)階段控制風(fēng)險(xiǎn)的成本是1,那么如果到了第二個(gè)階段才采取措施,它的成本就會是10,到了第三個(gè)
30、階段時(shí)的成本就將是100。因此,在風(fēng)險(xiǎn)管理領(lǐng)域中普遍強(qiáng)調(diào)風(fēng)險(xiǎn)管理的計(jì)劃性和預(yù)測性。風(fēng)險(xiǎn)預(yù)警系統(tǒng)可以為風(fēng)險(xiǎn)識別、風(fēng)險(xiǎn)分析、風(fēng)險(xiǎn)監(jiān)控等提供強(qiáng)有力的手段,在整個(gè)風(fēng)險(xiǎn)管理體系中具有極其重要的地位。風(fēng)險(xiǎn)預(yù)測需要對大量的信息進(jìn)行綜合分析,落后的人工管理手段已經(jīng)無法適應(yīng),只有依靠高科技手段,結(jié)合人工管理,提高分析的自動化水平和處理能力,才能逐步提高風(fēng)險(xiǎn)預(yù)測的準(zhǔn)確性和及時(shí)性。因此,建立一個(gè)高度自動化、智能化的風(fēng)險(xiǎn)預(yù)警系統(tǒng),與銀行其他系統(tǒng)密切配合,將在銀行的風(fēng)險(xiǎn)管理體系中發(fā)揮出積極的作用。3.2征信產(chǎn)品對系統(tǒng)性金融風(fēng)險(xiǎn)抑制功能的度量模型3.2.1模型量化與指標(biāo)選取本章節(jié)立足于微觀的角度,對征信產(chǎn)品是否會對系統(tǒng)性
31、金融風(fēng)險(xiǎn)起到抑制作用以及如何抑制展開了較為系統(tǒng)的研究。首先對征信產(chǎn)品進(jìn)行量化,選取的指標(biāo)是世界銀行發(fā)布的經(jīng)過標(biāo)準(zhǔn)化處理的信用信息深度指數(shù),該指數(shù)衡量的是從征信登記處(包含公立征信登記處和私立征信登記處)獲得信用信息的情況,包括信用信息涵蓋的范圍、可獲得性以及信用信息的質(zhì)量。指數(shù)共七個(gè)層級,依次為0、1、2、3、4、5、6,該指數(shù)得分越高,表示信用信息越全面,也就意味著該國征信機(jī)構(gòu)征信產(chǎn)品建設(shè)的完善程度越高,可以提供征信產(chǎn)品的種類越多,征信產(chǎn)品信息更全面,征信產(chǎn)品服務(wù)更完善。其次,系統(tǒng)性金融風(fēng)險(xiǎn)量化采用的是不良貸款率這一指標(biāo),不良貸款率越高,說明該國的系統(tǒng)性金融風(fēng)險(xiǎn)越大??刂谱兞窟x擇的是總?cè)丝跀?shù)
32、、通貨膨脹率和國內(nèi)信貸占GDP的百分比等,分別對國家規(guī)模、經(jīng)濟(jì)穩(wěn)定情況以及信貸發(fā)展情況等多方面的影響因素進(jìn)行控制。其中,對信用信息深度指數(shù)進(jìn)行標(biāo)準(zhǔn)化處理,對不良貸款率和總?cè)丝跀?shù)進(jìn)行對數(shù)化處理,以消除異方差的影響。由于2015年后世界銀行對各國征信產(chǎn)品的信用信息深度指數(shù)的衡量方法發(fā)生了改變,因此選取的時(shí)間跨度為2005-2014年。3.2.2面板數(shù)據(jù)回歸模型的選擇與建立針對上述量化指標(biāo),以下分別建立面板數(shù)據(jù)混合回歸模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型,并對所建立模型的合理性分別進(jìn)行檢驗(yàn),進(jìn)而確定面板數(shù)據(jù)回歸模型的形式,最終研究征信產(chǎn)品對系統(tǒng)性金融風(fēng)險(xiǎn)的抑制機(jī)理。3.2.2.1面板數(shù)據(jù)混合回歸模型的估
33、計(jì)與檢驗(yàn)從時(shí)間上看,不同個(gè)體之間不存在顯著性差異;從截面上看,不同截面之間也不存在顯著性差異,則可以直接把面板數(shù)據(jù)混合在一起,采用普通最小二乘法(3.1)(3.2)(OLS)估計(jì)參數(shù)。模型形式為:(3.1)(3.2)Yit=Pl+Sk=2PkXkit+Uit或者Y=XP+U其中,Y=丫2,X=pxjX2,P=PllP2,u=FUJU2oYn_NTxlXN_NTXK_Pn_KX1UN_NTxl以信用信息深度指數(shù)為自變量,不良貸款率為因變量,加入總?cè)丝跀?shù)、通貨膨脹率和國內(nèi)信貸占GDP的百分比等控制變量,建立面板數(shù)據(jù)混合回歸模型,其回歸結(jié)果見表3.1。表3.1面板數(shù)據(jù)混合回歸模型計(jì)算結(jié)果Table3
34、.1Paneldatahybridregressionmodelcalculationresults面板數(shù)據(jù)混合回歸模型計(jì)算結(jié)果變量系數(shù)標(biāo)準(zhǔn)誤差廣統(tǒng)計(jì)量概率c2.0081810.4004195.0151930.0000zx-0.0051430.000783-6.5655930.0000XDZB-0.0013650.0005462.5007260.0126CPI-0.0035730.007199-0.4963810.6198LOG(RK)-0.0137790.024929-0.5527070.5806R方0.068544因變量均值1.398214調(diào)整7?方0.064291因變量標(biāo)準(zhǔn)差0.9335
35、43回歸的標(biāo)準(zhǔn)誤0.903036Akaike信息準(zhǔn)則2.639550殘差平方和714.3546Schwarz準(zhǔn)則2.666684對數(shù)似然值-1157.722Hannan-Quinn信息準(zhǔn)則2.649926夕統(tǒng)計(jì)量16.11585Durbin-Waston統(tǒng)計(jì)量0.290220概率(夕統(tǒng)計(jì)量)0.000000為探查面板數(shù)據(jù)混合回歸模型的合理性,即信用信息深度指數(shù)對不良貸款率影響的回歸結(jié)果是否在不同國家以及不同時(shí)點(diǎn)之間存在顯著差異,假設(shè)上述公式中的前1個(gè)解釋變量的回歸模型在個(gè)體和時(shí)點(diǎn)間無顯著差異,后石2個(gè)解釋變量的回歸模型在個(gè)體和時(shí)點(diǎn)間有顯著差異,從而將礦分解為兩個(gè)部分:旗,和茶,,參數(shù)但也相應(yīng)的
36、分解為島和膈,兩部分。因而模型被放寬為:(RRSS-URSS)/(NK2+K1-K)URSS/(NTKiNK2)F(NI2+Ki(RRSS-URSS)/(NK2+K1-K)URSS/(NTKiNK2)F(NIF0.05(770,775)=1-126(3.9)從公式(3.9)可以看出夕統(tǒng)計(jì)量是顯著的,說明有約束模型(3.1)和無約束模型(3.2)回歸結(jié)果差異較大,直接建立混合回歸模型結(jié)果并不太準(zhǔn)確。3.222面板數(shù)據(jù)固定效應(yīng)模型的估計(jì)與檢驗(yàn)一、個(gè)體固定效應(yīng)模型的估計(jì)與檢驗(yàn)通過之前對夕統(tǒng)計(jì)量的檢驗(yàn),結(jié)果顯示:回歸結(jié)果在不同個(gè)體與時(shí)點(diǎn)間差異顯著,首先考察回歸結(jié)果在不同個(gè)體間的差異,即構(gòu)建反映個(gè)體特征
37、的虛擬變量對混合回歸模型進(jìn)行完善,即建立個(gè)體固定效應(yīng)回歸模型,其模型的一般形式為:Yit=人+攝=2施Xkit+Uit(3.10)或者Y=(INtt)入+X6+U(3.11)-x2-x2iiX3il.xKilrxii內(nèi)克積,入=入2,Xi=X2i2X3i2xKi2*:,x=X2一入N_Nxlx2iTx3iT.XKiT_TX(K-I)_XN_NTX(K-I)其中,Intt是0階單位矩陣In和丁階列向量Tt=(1,1,1)的克洛rp2i6=申_6k(kt)x1以信用信息深度指數(shù)為自變量,不良貸款率為因變量,加入總?cè)丝跀?shù)、通貨膨脹率和國內(nèi)信貸占GDP的百分比等控制變量,構(gòu)建面板數(shù)據(jù)個(gè)體固定效應(yīng)模型,
38、其回歸結(jié)果見表3.2。表3.2面板數(shù)據(jù)個(gè)體固定效應(yīng)模型計(jì)算結(jié)果Table3.2Paneldataindividualfixedeffectmodelcalculationresults面板數(shù)據(jù)個(gè)體固定效應(yīng)模型計(jì)算結(jié)果變量系數(shù)標(biāo)準(zhǔn)誤差廣統(tǒng)計(jì)量概率c1.2983980.7119051.8238360.0686zx-0.0018360.000837-2.1943240.0285XDZB-0.0040840.000748-5.4586590.0000CPI-0.0186840.006207-3.0098790.0027LOG(RK)0.0365470.0451820.8088920.4188固定效應(yīng)(
39、交叉)_AFG-C0.321714_ALB-C0.804444_DZA-C0.765607_AGO-C-0.096942_ARG-C-0.011051_VOI-C1.047003_VEN-C0.031713_VNM-C-0.121282效果規(guī)范截面固定(虛擬變量)R方0.631513因變量均值1.398214調(diào)整7?方0.569365因變量標(biāo)準(zhǔn)差0.933543回歸的標(biāo)準(zhǔn)誤0.612617Akaike信息準(zhǔn)則1.991433殘差平方和282.6008Schwarz準(zhǔn)則2.6866071對數(shù)似然值-749.2264Hannan-Quinn信息準(zhǔn)則2.257061夕統(tǒng)計(jì)量10.16137Durbi
40、n-Waston統(tǒng)計(jì)量0.697899概率(夕統(tǒng)計(jì)量)0.000000仍采用有約束模型和無約束模型的回歸殘差平方和之比構(gòu)建夕統(tǒng)計(jì)量的方法,來檢驗(yàn)設(shè)定個(gè)體固定效應(yīng)模型的合理性。其原假設(shè)為:Hg:入1=入2=入3=入N-1=0(3.12)設(shè)RRSS是有約束回歸模型(3.1)(即混合數(shù)據(jù)回歸模型)的殘差平方和,URSS是無約束模型(3.8)(個(gè)體固定效應(yīng)回歸模型)的殘差平方和,則在零假設(shè)下:F2=(RRSSURSS)/(N1)URSS/(NT-N-K+1)F(N1,N(T-1)-K+1)F2=(RRSSURSS)/(N1)URSS/(NT-N-K+1)F(N1,N(T-1)-K+1)(3.13)由上
41、述回歸結(jié)果,RRSS=714.355,URSS=282.601,將其代入上式進(jìn)行計(jì)算,可以得到:(714.355282.601)/(1551)可以得到:(714.355282.601)/(1551)282.601/(155x10-155-5+1)=13.800Fo.o5(154,1391)=1.000(3.14)從上式夕統(tǒng)計(jì)量的檢驗(yàn)結(jié)果可以看出,這155個(gè)國家的面板數(shù)據(jù)回歸結(jié)果拒絕了零假設(shè)期,說明這些國家的自發(fā)性不良貸款率是存在顯著差異,因此相對于混合回歸模型,選擇建立個(gè)體固定效應(yīng)模型是更為合理的。二、雙固定效應(yīng)模型的估計(jì)與檢驗(yàn)雙固定效應(yīng)模型既考慮了回歸結(jié)果在個(gè)體間的差異,同時(shí)也考慮了回歸結(jié)果
42、在不同時(shí)間上的差異,是一個(gè)對于不同時(shí)點(diǎn)的截面、不同個(gè)體的時(shí)間序列都有不同截距的模型,其一般形式如下:yit=%+Yt+Sk=2PkXkit+uit(3.15)或者Y=(Intt)A+(tnIt)y+Xp+U(3.16)其中,=1,2,.,TV,表75N個(gè)個(gè)體;*=1,2,.,7,表75已知的N個(gè)時(shí)點(diǎn)。以信用信息深度指數(shù)為自變量,不良貸款率為因變量,加入總?cè)丝跀?shù)、通貨膨脹率和國內(nèi)信貸占GDP的百分比等控制變量,構(gòu)建面板數(shù)據(jù)個(gè)體時(shí)間雙固定效應(yīng)模型,模型回歸結(jié)果見表3.3。表3.3面板數(shù)據(jù)個(gè)體時(shí)間雙固定效應(yīng)模型計(jì)算結(jié)果Table3.3Paneldataindividualtimedoublefixe
43、deffectmodelcalculationresults面板數(shù)據(jù)個(gè)體固定效應(yīng)模型計(jì)算結(jié)果變量系數(shù)標(biāo)準(zhǔn)誤差廣統(tǒng)計(jì)量概率C1.2814670.7107691.8029300.0718ZX-0.0019840.000838-2.3683220.0181XDZB-0.0043160.000755-5.7198130.0000CPI-0.0182590.006256-2.9188670.0036LOG(RK)0.0390620.0451310.8655100.3870_AFG-C0.261077_ALB-C0.805518_DZA-C0.697689_AGO-C-0.154571_ARG-C-0.0
44、733042012-C0.0101212013-C-0.0253262014-C-0.008465效果規(guī)范截面固定(虛擬變量)固定時(shí)期(虛擬變量)R方0.637738因變量均值1.398214調(diào)整7?方0.571518因變量標(biāo)準(zhǔn)差0.933543回歸的標(biāo)準(zhǔn)誤0.611084Akaike信息準(zhǔn)則1.994829殘差平方和277.8271Schwarz準(zhǔn)則2.738307對數(shù)似然值-741.7220Hannan-Quinn信息準(zhǔn)則2.279133夕統(tǒng)計(jì)量9.630598Durbin-Waston統(tǒng)計(jì)量0.698851概率(夕統(tǒng)計(jì)量)0.000000類似于個(gè)體固定效應(yīng)模型的設(shè)定檢驗(yàn),雙固定效應(yīng)模型的
45、設(shè)定檢驗(yàn)也采用Chow檢驗(yàn)的夕統(tǒng)計(jì)量,檢驗(yàn)的原假設(shè)為:儲:Y1=丫2=Y3=Ytt=0,當(dāng)入i0,i=l,2,N1時(shí)(3.17)在此構(gòu)建夕統(tǒng)計(jì)量進(jìn)行檢驗(yàn)的目的是判斷在存在個(gè)體效應(yīng)的情況下,模型是否還包含時(shí)間效應(yīng)。其無約束模型的殘差平方和是模型(3.13)(雙固定效應(yīng)模型)的殘差平方和URSS,而有約束模型的殘差平方和為模型(3.8)(個(gè)體效應(yīng)模型)的殘差平方和RRSSo同樣的,在假設(shè)用下,F3=(RRSSURSS)/(T1)URSS/(N-1)(T-1)-K+1)F3=(RRSSURSS)/(T1)URSS/(N-1)(T-1)-K+1)F(T1,(N-1)(T-1)-K+1)(3.18)依然
46、將模型回歸所得到的RRSS=282.601,URSS=277.827代入上式,得到:F3=(282.601-277.827)/(10-1)277.827/(155-1)(10-1)-5+1)F3=(282.601-277.827)/(10-1)277.827/(155-1)(10-1)-5+1)=2.638Fo.o5(9,1382)=1.887(3.19)得出的夕統(tǒng)計(jì)量是顯著的,因此拒絕原假設(shè),說明在存在個(gè)體效應(yīng)的情況下,模型同時(shí)也包含時(shí)間效應(yīng),即這些國家的自發(fā)性不良貸款率不僅在個(gè)體間有顯著差異,在不同年份間也存在顯著差異,所以將面板數(shù)據(jù)回歸模型設(shè)定為雙固定效應(yīng)模型更為合理。3.2.2.3面板
47、數(shù)據(jù)隨機(jī)效應(yīng)模型的估計(jì)與檢驗(yàn)在面板數(shù)據(jù)回歸模型中的隨機(jī)效應(yīng)模型,主要是能夠彌補(bǔ)固定效應(yīng)模型的不足。由于固定效應(yīng)模型只考慮了不完整的確定性信息對解釋變量的效應(yīng),而未包含不可觀測的隨機(jī)信息的效應(yīng),Maddala(1971)將混合數(shù)據(jù)回歸的隨機(jī)誤差項(xiàng)分解為截面隨機(jī)誤差分量、時(shí)間隨機(jī)誤差分量和個(gè)體時(shí)間隨機(jī)誤差分量三部分,討論模型(3.20)的參數(shù)估計(jì)。Yit=Pi+次=26kXkit+Ui+Vt+Wit(3.20)其中,UiN(0,說)表示個(gè)體隨機(jī)誤差分量;VtN(0,屏)表示時(shí)間隨機(jī)誤差分量;可北N(0,成)表示個(gè)體時(shí)間混合隨機(jī)誤差分量。模型(3.18)即為隨機(jī)效應(yīng)模型。對于如何檢驗(yàn)?zāi)P椭械碾S機(jī)效應(yīng)
48、,Hausman(1978)提出了一種嚴(yán)格的統(tǒng)計(jì)檢驗(yàn)方法-Hausman檢驗(yàn)。該檢驗(yàn)的原假設(shè)是:隨機(jī)影響模型中個(gè)體影響與解釋變量不相關(guān),檢驗(yàn)過程中所構(gòu)造的統(tǒng)計(jì)量(原)形式如下:W=b-BTb-B(3.21)其中b為固定影響模型中回歸系數(shù)的估計(jì)結(jié)果,B為隨機(jī)影響模型中回歸系數(shù)的估計(jì)結(jié)果。另為兩類模型中回歸系數(shù)估計(jì)結(jié)果之差的方差,艮陽=VARb-p(3.22)hausman證明在原假設(shè)成立的條件下,公式(3.21)給出的統(tǒng)計(jì)量原服從自由度為左的卡方分布,左為模型中解釋變量的個(gè)數(shù)。顯然,在拒絕原假設(shè)時(shí),模型設(shè)定為固定效應(yīng)模型是可行的;否則,模型應(yīng)設(shè)定為隨機(jī)效應(yīng)模型。以信用信息深度指數(shù)為自變量,不良貸
49、款率為因變量,加入總?cè)丝跀?shù)、通貨膨脹率和國內(nèi)信貸占GDP的百分比等控制變量,構(gòu)建面板數(shù)據(jù)隨機(jī)效應(yīng)模型,并對回歸結(jié)果進(jìn)行hausman檢驗(yàn),見表3.4。表3.4關(guān)聯(lián)隨機(jī)效應(yīng)-Hausman檢驗(yàn)Table3.4CorrelatedRandomEffects-HausmanTest關(guān)聯(lián)隨機(jī)效應(yīng)-Hausman檢驗(yàn)測試匯總卡方統(tǒng)計(jì)卡方自由度H截面隨機(jī)12.82884440.0121結(jié)果顯示,hausman檢驗(yàn)的卡方值為12.829,伴隨夕值為0.012,拒絕原假設(shè),說明面板數(shù)據(jù)回歸模型不存在隨機(jī)效應(yīng)。因此最終確定的模型形式為面板數(shù)據(jù)個(gè)體時(shí)間雙固定效應(yīng)模型。3.3征信產(chǎn)品對系統(tǒng)性金融風(fēng)險(xiǎn)抑制功能的實(shí)證分
50、析通過3.2節(jié)的面板數(shù)據(jù)回歸模型的檢驗(yàn)結(jié)果與討論,最終選取的模型為雙固定效應(yīng)模型,分別從信用信息深度、信用評級與個(gè)人征信報(bào)告三個(gè)方面闡述微觀征信產(chǎn)品對系統(tǒng)性金融風(fēng)險(xiǎn)的抑制功能。數(shù)據(jù)來源于標(biāo)準(zhǔn)普爾公司,主要包括信用信息深度數(shù)據(jù)、信用評級數(shù)據(jù)與個(gè)人征信報(bào)告數(shù)據(jù)。3.3.1信用信息深度對系統(tǒng)性金融風(fēng)險(xiǎn)抑制功能的實(shí)證分析通過采集wind數(shù)據(jù)庫的信用信息深度數(shù)據(jù),以信用信息深度指數(shù)為自變量,不良貸款率為因變量,雙固定效應(yīng)模型回歸結(jié)果見表3.5。表3.5雙固定效應(yīng)模型回歸結(jié)果Table3.5Doublefixedeffectmodelregressionresults雙固定效應(yīng)模型回歸結(jié)果變量系數(shù)標(biāo)準(zhǔn)誤差
51、廣統(tǒng)計(jì)量概率C1.2814670.7107691.8029300.0718ZX-0.0019840.000838-2.3683220.0181XDZB-0.0043160.000755-5.7198130.0000CPI-0.0182590.006256-2.9188670.0036LOG(RK)0.0390620.0451310.8655100.3870_AFG-C0.261077_ALB-C0.805518_DZA-C0.6976892014-C-0.008465效果規(guī)范截面固定(虛擬變量)固定時(shí)期(虛擬變量)R方0.637738因變量均值1.398214調(diào)整7?方0.571518因變量標(biāo)
52、準(zhǔn)差0.933543回歸的標(biāo)準(zhǔn)誤0.611084Akaike信息準(zhǔn)則1.994829殘差平方和277.8271Schwarz準(zhǔn)則2.738307對數(shù)似然值-741.7220Hannan-Quinn信息準(zhǔn)則2.279133夕統(tǒng)計(jì)量9.630598Durbin-Waston統(tǒng)計(jì)量0.698851概率(夕統(tǒng)計(jì)量)0.000000根據(jù)上述雙固定效應(yīng)模型的計(jì)算結(jié)果顯示,模型的夕統(tǒng)計(jì)量為9.631,其伴隨夕值為0.000V0.05,說明模型是顯著成立的。調(diào)整后的7?方為0.5715,模型擬合情況良好。信用信息深度指數(shù)的系數(shù)為-0.002V0,其夕值0.0180.05,回歸系數(shù)為負(fù)且顯著,說明信用信息深度指數(shù)對不良貸款率產(chǎn)生了負(fù)向的影響。信用信息深度指數(shù)每增加1點(diǎn),不良貸款率降低0.2%o上述模型結(jié)果表明,隨著信用信息深度指數(shù)的提高,代表著征信產(chǎn)品的質(zhì)量越好、收集的信用信息越完善。同時(shí)回歸結(jié)果顯示,不良貸款率是隨著信用信息深度指數(shù)的提高而逐步下降的,說明征信產(chǎn)品的優(yōu)化、信用信息的全面能夠?qū)ο到y(tǒng)性金融風(fēng)險(xiǎn)起到一定的抑制作用。3.3.2信用評級對系統(tǒng)性金融風(fēng)險(xiǎn)抑制功能的實(shí)證分析通過采集標(biāo)準(zhǔn)普爾公司網(wǎng)站上的信用評級數(shù)據(jù),以信用評級為自變量,不良貸款率為因變量,雙固定效應(yīng)模型回歸結(jié)果見表3.6。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 部編版三年級語文下冊全冊教案設(shè)計(jì)
- 組織部長在在全縣黨費(fèi)收繳管理工作會議上的講話
- 原發(fā)性宮縮乏力的健康宣教
- 黑點(diǎn)癬的臨床護(hù)理
- 老年人梅尼埃病的健康宣教
- 加快打造具有南京特色的現(xiàn)代產(chǎn)業(yè)體系
- 孕期長痘的健康宣教
- 先天性后鼻孔閉鎖的健康宣教
- JJF(陜) 084-2022 生命體征模擬儀校準(zhǔn)規(guī)范
- JJF(陜) 037-2020 扭矩測量儀(靜態(tài))在線校準(zhǔn)規(guī)范
- 【課件】供應(yīng)商現(xiàn)場與質(zhì)量管理
- 2024年立式碾米機(jī)項(xiàng)目可行性研究報(bào)告
- 統(tǒng)編版語文九年級上冊(2024)(含答案)
- 中華人民共和國保守國家秘密法實(shí)施條例培訓(xùn)課件
- 成都錦城學(xué)院《算法分析與設(shè)計(jì)》2022-2023學(xué)年期末試卷
- 可行性報(bào)告編制服務(wù)方案
- 牛頓法在圖像處理中的應(yīng)用
- 2024年全國統(tǒng)一高考英語試卷(新課標(biāo)Ⅰ卷)含答案
- 《贏利》精讀圖解
- 2024年一級造價(jià)工程師考試《建設(shè)工程造價(jià)管理》真題及解析
- 2025屆江蘇揚(yáng)州中學(xué)數(shù)學(xué)高一上期末考試試題含解析
評論
0/150
提交評論