基于因子分析的logistic违约概率测算模型研究ahre.pdf

http://www.paper.edu.cn基于因子分析的logistic违约概率测算模型研究1彭建刚屠海波何婧湖南大学金融学院金融管理研究中心湖南长沙（410079）E-mail：[e-mail]摘要：本文针对一般Logistic违约率模型中原始数据信息的丢失、多重共线性以及没有考虑时间因素等问题提出了基于因子分析的logistic违约概率测算模型。通过引入因子分析和对指标作时间加权化处理等方法改进了一般logistic违约概率测算模型然后利用中国上市公司数据展开实证研究。基于因子分析的logistic违约概率测算模型不仅考虑了时间因素能够解决数据丢失和多重共线性克服了Cramer问题而且测算的准确度也较高。关键词：违约概率因子分析Logistic模型中图分类号：F832.21文献标识码:A1.引言美国金融市场近期遭受重创次级抵押贷款危机已蔓延至全球金融市场。次贷危机起因于对信用风险没有引起足够的重视在商业银行信用风险管理中违约概率的测算居于重要地位。违约概率是指借款人在未来一定时期内不能按合同要求偿还银行贷款本息或履行相关义务的可能性(概率)即信用风险的概率测算。对借款人进行违约概率的测算己经被列为巴塞尔新资本协议内部评级法的关键内容是现代商业银行信用风险管理的重要环节。巴塞尔新资本协议要求[1]采用内部评级法的银行必须对处于风险暴露中的每一借款人进行评级并估计其违约概率。研究现代商业银行的信用风险管理不能不关注违约概率测算问题。20世纪八十年代以来logistic回归分析法逐步取代了传统的判别分析法。作为量化企业信用风险的一种主流方法logistic回归方法不仅灵活简便而且它的许多前提假设比较符合经济现实和金融数据的分布规律譬如它不要求模型变量间具有线性相关关系不要求变量服从协方差矩阵相等和残差服从正态分布等这使得模型的分析结果比较客观。大量实证研究表明Logistic模型估计结果与实际数据的拟合度较高适用性较强[2]。于立勇（2008）[3]等在结合我国国有商业银行实际数据的基础上通过Logistic回归模型构建了违约概率的测算模型实证结果表明模型可以作为较为理想的违约概率预测工具。最近对logistic回归方法改进的研究主要有Laitinen（2000）[4]探索了泰勒级数展开在logistic回归方法预测企业违约分析中的应用。石晓军（2007）[5]则针对一般logistic回归方法存在的难以通过Hosmer-Lememshow拟合优度检验的Cramer问题提出了边界logistic方法。由于用来解释违约概率的信用变量具有高相关性和高维性等特点使得在运用logistic回归分析进行企业违约风险预测研究时会影响logistic分析的过程和结果导致大部分原始数据信息的丢失以及估计方程中出现共线性的函数关系。而且我国正在处于经济转型时期经济发展不够稳定。如果忽视时间因素对违约概率的影响那么就会造成在经济景气的时期商业银行会低估企业违约的概率从而使得银行面临巨大的信用风险；而在经济萧条阶段又会高估企业违约的概率从而使得银行可能失去优质客户。本文正是针对这些问题提出了基于因子分析的logistic违约概率测算模型最后用ROC分析检验了不同模型测算违约概率的1本文得到国家自然科学基金项目(编号:70673021)的资助。-1-http://www.paper.