论文部分内容阅读
信贷风险是金融市场最早的风险之一,也是商业银行经营管理中的一个核心问题。企业由于财务危机直到破产是导致商业银行信贷资产损失的直接原因,而在资本市场上每天都有新的企业产生,旧的企业消亡。企业的诞生、发展和消亡都与银行息息相关。因此,如何及早发现企业财务危机的信号,从而使银行能够在进行信贷管理的时候据此来及时调整信贷政策,减少信贷资产的损失已成为理论和实务界研究的重点。财务危机预警正是在这一背景下被引入到商业银行信贷风险管理中来,它具有十分重要的理论意义和现实意义商业银行信贷管理者对企业财务状况所看重的是盈利能力和偿债能力,尤其是短期偿债能力。本文站在债权者的角度,把财务危机定义为企业盈利能力遭受实质性削弱,并伴随持续亏损的状态,企业的现金流量不足以抵偿到期债务的本息。利用财物危机预警系统可以及时把企业财务危机的信号传递给信贷管理者,最大化的降低信贷风险。自从Altman将多元线性判定模型用于企业财务危机预测之后,财务危机预警模型已被广泛应用于企业信用评级和信贷评级等领域中。本文在阐述了财务危机预警的理论基础上,介绍了当前主要的财物危机预警模型:单变量模型、多元线性判定模型、逻辑回归模型和人工神经网络模型等,并比较了各种预警模型的适用范围和优缺点。最后以我国2002——2006年间被特别处理的上市公司T-3年的财务数据为基础,通过统计检验和变量筛选建立了线性概率模型和多元逻辑回归模型,作为信贷风险管理的预警模型。通过对两个模型的比较,发现逻辑回归模型的预测能力要优于线性概率模型。因此,商业银行进行信贷风险管理应首选逻辑回归模型。本文最终建立的线性概率模型和多元逻辑回归模型的变量均以现金流量指标为主,这一点充分说明,企业的现金流量指标包含更多的企业财务状况信息,以现金流量指标为基础建立的预警模型具有更强的准确率。