時間：2023-03-29 09:20:51
緒論：在尋找寫作靈感嗎？愛發(fā)表網(wǎng)為您精選了8篇信用風險論文，愿這些內(nèi)容能夠啟迪您的思維，激發(fā)您的創(chuàng)作熱情，歡迎您的閱讀與分享！
20世紀50年代，馮·紐曼和摩根斯坦(VonNeumannMorgenstem)在公理化假設的基礎上建立了不確定條件下對理性人(rationalactor)選擇進行分析的框架，即期望效用函數(shù)理論。阿羅和德布魯(Arrow，Debreu)后來發(fā)展并完善了一般均衡理論，成為經(jīng)濟學分析的基礎，從而建立了經(jīng)濟學統(tǒng)一的分析范式。這個范式也成為金融學分析理性人決策的基礎。1952年馬克威茨(Markowi)發(fā)表了著名的論文“portfoliosdeefion”，建立了現(xiàn)代資產(chǎn)組合理論，標志著現(xiàn)代金融學的誕生。此后，莫迪戈里安尼和米勒(Modigliani－Miller)建立了MM定理，開創(chuàng)了公司金融學，成為現(xiàn)代金融學的一個重要分支。自上個世紀60年代夏普和林特納等(Sharp－Limner)，建立并擴展了資本資產(chǎn)定價模型(CAPM)至布萊克、斯科爾斯和莫頓(Black－Scholes－Merton)建立了期權定價模型(OPM)，至此，現(xiàn)代金融學，已經(jīng)成為一門邏輯嚴密的具有統(tǒng)一分析框架的學科。
隨著金融市場上各種異?，F(xiàn)象的累積，模型和實際的背離使得傳統(tǒng)金融理論的理性分析范式陷入了尷尬境地。20世紀80年代，通過對傳統(tǒng)金融學的反思和修正，行為金融理論悄然興起，并開始動搖了CAMP和EMH的權威地位。行為金融理論在博弈論和實驗經(jīng)濟學被主流經(jīng)濟學接納之際，對人類個體和群體行為研究的日益重視，促成了傳統(tǒng)的力學研究范式向以生命為中心的非線性復雜范式的轉換，使得我們看到了金融理論與實際的溝壑有了彌合的可能。1999年克拉克獎得主馬修(MatthewRabin)和2002年諾貝爾獎得主丹尼爾·卡尼曼(DanielKahneman)和弗農(nóng)·史密斯(VemonSmith)，都是這個領域的代表人物，為這個領域的基礎理論作出了重要貢獻。國外將這一領域稱之為behaviorfinance，國內(nèi)大多數(shù)的文獻和專著將其稱為“行為金融學”。
行為金融學發(fā)現(xiàn)，人在不確定條件下的決策過程中并不是完全理性的，會受到過度自信、代表性、可得性、錨定和調(diào)整、損失規(guī)避等信念影響，出現(xiàn)系統(tǒng)性認知偏差。而傳統(tǒng)金融學是基于理性人假設，認為理性人在不確定條件下的決策是嚴格依照貝葉斯法則計算的期望效用函數(shù)進行決策的。即使有些人非理性，這種非理性也是非系統(tǒng)性的，會彼此抵消，從而在總體上是理性的；如果這種錯誤不能完全相互抵消，套利者的套利也會淘汰這些犯錯誤的決策者，使市場恢復到均衡狀態(tài)，達到總體理性。
2行為金融對信用風險管理的影響
2．1風險偏好
根據(jù)行為金融學的基本理論，投資者的風險偏好不同于傳統(tǒng)金融學理論下風險偏好是不變的，而是變化的，是會隨著絕對財富等一些其他因素的改變而發(fā)生改變的。因此，我們就沒有理由相信借款人是特殊的群體，他們借款的目的大多都是為了投資，也是眾多投資者中的一部分，他們的風險偏好也會發(fā)生改變。風險偏好的改變就會直接影響到他們面臨的風險，最終會影響貸款方面臨的信用風險。
2．2過度自信
過度自信或許是人類最為穩(wěn)固的心理特征，人們在作決策時，對不確定性事件發(fā)生的概率的估計過于自信。投資者可能對自己駕馭市場的能力過于自信，在投資決策中過高估計自己的技能和預測成功的趨勢，或者過分依賴自己的信息而忽視公司基本面狀況從而造成決策失誤的可能性。這種過度自信完全有可能導致大量盲目投資的產(chǎn)生，盲目的多元化和貪大求全。
2．3羊群行為
企業(yè)決策由于存在較大的不確定性并涉及較多的技術環(huán)節(jié)，其決策往往由決策團體共同協(xié)商作出，主要屬于群體決策，而群體決策有可能導致羊群行為(HerdBehaviors)的發(fā)生。羊群行為主要是指投資者在掌握信息不充分情況下，行為受到其他投資者的影響而模仿他人決策的行為。在企業(yè)決策中，羊群行為的表現(xiàn)可能是決策團體中多數(shù)人對團體中領導者的遵從，也可能是領導者對決策團體中多數(shù)人的遵從，而且是一種盲目的遵從。決策中的羊群行為可能造成決策失誤。
2．4資本結構與公司價值
1958年，美國經(jīng)濟學家費朗哥·莫迪格里安尼(FraneoModigliani)和默頓·米勒(MertonMiller)在《美國經(jīng)濟評論》發(fā)表了題為《資本成本、公司財務和投資理論》的論文，提出了著名的MM定理，主要內(nèi)容是：在市場完全的前提下，企業(yè)的資本結構與企業(yè)的市場價值無關。即企業(yè)價值與企業(yè)是否負債無關，不存在最佳資本結構問題。如果證券價格準確地反映了公司未來現(xiàn)金收入流量的值，那么不管發(fā)行的是什么類型的證券，只要把公司發(fā)行的所有證券的市場價值加在一起，一定等于這個公司未來利潤的現(xiàn)值。無風險套利活動也使得資本結構無關緊要，如果兩個本質(zhì)完全相同的公司因資本結構不同在市場上賣出的價格不一樣的話，套利者就可以將更便宜的公司的證券全部買下，然后在價格相對較高的市場上賣出。因此，公司的資本結構就不再是不相干的問題。不同的現(xiàn)金收入流量對不同的投資者的吸引力也會各不相同，這些投資者對于他們感興趣的現(xiàn)金收入流量愿意付出高價。特別是由于噪聲交易者的存在，套利仍充滿風險。所以，不同的資本結構，其公司價值顯然是不同的，其信用風險必然不同。
3行為金融對金融租賃公司信用風險管理的啟示
金融租賃業(yè)務由于涉及交易環(huán)節(jié)較多，交易結構較為復雜，不但面臨客戶(承租企業(yè))不能按時履約的信用風險，也存在供貨商不能按時履約的信用風險，因此，相對于商業(yè)銀行傳統(tǒng)信貸，其信用風險更大。
遺憾的是，很多金融租賃機構依然照搬商業(yè)銀行機構那套傳統(tǒng)的信用風險管理模式。在按傳統(tǒng)金融理論進行信用風險管理時，基于理性人的基本假設，對投資者的風險偏好、過度自信、羊群行為以及公司的資本結構均沒有涉及。但是，基于行為金融學理論，表明這些因素的影響是存在的，這就啟示我們在進行信用風險管理時就不能回避這些因素了，這既對信用風險管理提出了新的要求，也為金融租賃機構信用風險管理研究指明了方向。
信用風險，也稱違約風險，一般是指借款人到期不能或不愿履行還貸付息協(xié)議而使銀行面臨貸款損失的可能性。信用風險是指信貸資金安全系數(shù)的不確定性，表現(xiàn)為企業(yè)由于各種原因，不愿意或無力償還銀行貸款本息，使銀行貸款無法回收，形成呆帳的可能性（Murphy，2003）。具體的講，信用風險可以分為兩種情況：一是借款人或債務人沒有能力或者沒有意愿履行還款義務而給債權人造成損失的可能性；另一個是指由于債務人信用等級或信貸資產(chǎn)評級的下調(diào)、信貸利差的擴大導致資產(chǎn)的經(jīng)濟價值或者市值下降的可能性。前者主要著眼于貸款是否違約，稱為違約風險。信用風險根據(jù)其定義，具有如下特征。
第一，非系統(tǒng)性與系統(tǒng)性。借款人的還款能力和還款意愿受多種因素的影響，一方面?zhèn)鶆杖俗陨淼呢攧諣顩r、投資策略和經(jīng)營能力等因素決定了其能否按期履約還款。而另一方面，除了借款人自身的非系統(tǒng)風險之外，系統(tǒng)風險的也會對債務人違約產(chǎn)生影響，包括宏觀經(jīng)濟狀況、行業(yè)發(fā)展狀態(tài)和政策法律等因素。
第二，道德風險與信息不對稱對信用風險的形成具有重要作用。債權人與債務人的信用交易通常是在信息不對稱的條件下進行的。債權人經(jīng)常對債務人的信息掌握缺乏或者掌握錯誤信息，在信息掌握失衡的情況下，債務人為了實現(xiàn)自身的利益最大化，道德風險發(fā)生的可能性變大，即產(chǎn)生違約傾向，最終形成信用風險。
第三，信用風險收益的非對稱性。信用風險收益的分布具有典型的非對稱性，信用風險分布的偏峰厚尾特征決定了簡單的應用均值和方差來衡量風險的大小是不充分的。
第四，信用風險作用于銀行信貸經(jīng)營的全過程，只有及時、準確地發(fā)現(xiàn)信用風險的誘導因素并系統(tǒng)、連續(xù)地掌握信用風險的特征、大小、屬性及變動趨勢，才能防范和化解風險。
二、信用風險四個量化因子
第一，違約概率（ProbabilityofDefault，PD），是指銀行的交易對手（債務人）在未來一段時間內(nèi)發(fā)生違約的可能性。對違約概率進行量化，需要我們對違約進行具體的界定。長期以來對違約的定義沒有一個統(tǒng)一的標準，不同的用途有時會采取的不同的違約定義。新巴塞爾協(xié)議提供了違約的參考定義，違約是指以下兩種情況的一種或者兩者同時出現(xiàn)：一是銀行認定除非采取追索措施，如變現(xiàn)抵質(zhì)押品（如果存在的話），借款人可能不能全額償還對銀行集團的債務；二是借款人對銀行集團的實質(zhì)性信貸債務逾期90天以上。對于“不能全額償還”，新協(xié)議又進行了六點詳細闡述：一是銀行停止對貸款表內(nèi)計息，即借款人的貸款轉為表外計息；二是由于信貸質(zhì)量大幅下降，銀行核銷了貸款或計提了專項準備；三是銀行將借款人貸款出售并相應承擔了較大經(jīng)濟損失；四是銀行同意對借款人進行消極債務重組而發(fā)生本金、利息或費用等較大規(guī)模的減免或推遲償還造成債務規(guī)模的減少；五是就借款人對銀行集團債務而言，銀行將債務人列為破產(chǎn)或類似狀況；六是借款人破產(chǎn)或申請破產(chǎn)或處于類似保護狀態(tài)，由此不能履行或需要延期履行銀行集團債務。
第二，違約損失率（LossGivenDefault，LGD），是指債務人一旦違約將給銀行(債權人)造成的損失數(shù)額占風險暴露的百分比，它衡量了損失的嚴重程度，并且有違約損失率＝1-回收率。對違約損失率進行量化需要我們對損失進行具體的界定。損失的界定即損失計算的范圍，對此銀行業(yè)實際業(yè)務中缺乏統(tǒng)一定義，往往根據(jù)具體目的和需要確定，一般損失的內(nèi)容包括以下幾個方面：本金的損失、利息的損失、違約債務持有成本和清收費用（如托收費、律師訴訟費）等。
第三，違約風險暴露（ExposureAtDefault，EAD），也稱違約敞口，指信用暴露中面臨違約風險的部分。關于違約敞口最重要的一點是它是未來的敞口，即在將來面臨信用風險的頭寸規(guī)模。由于提款和還款的方式不同，加上存在其他不確定性因素，在貸款到期之前信用敞口經(jīng)常隨著時間的推移而改變。
第四，有效期限（Maturity，M），是指當前與貸款或債券到期償還日的時間間隔。向企業(yè)放貸對銀行來說是一種投資行為，與其他形式的投資一樣，銀行這一投資的收益受其時間價值的影響。貸款的期限越長，債務在到期之前面臨的不確定性越大，風險自然也就越大。在最新的巴塞爾新資本協(xié)議中，明確的提到了期限的處理問題。
三、信用風險損失的計量
對信用風險的四個量化因子進行研究，主要目的是對信用風險可能帶來的損失進行計量。對信用風險損失的計量標準有兩種方法，一是基于違約式模型下的損失，即債務人已發(fā)生的違約行為而給債權人（這里主要說的是商業(yè)銀行）帶來的損失；二是盯市模型下的損失，即除了違約行為之外，債務人信用等級的降低或資信質(zhì)量的惡化導致的潛在損失，這是因為即使在借款人信用狀況惡化的情況下并沒有發(fā)生違約，但是信用資產(chǎn)的經(jīng)濟價值也會因借款人信譽發(fā)生變化而受到影響。目前，對于信用風險損失的計量主要考慮預期損失、非預期損失和損失不足三種情況。
1、預期損失（EL）。預期損失是銀行在經(jīng)營活動中可以預期到的損失。銀行在事前計提損失準備金來抵御預期損失，或者在貸款定價時將預期損失作為成本（如通過貸款利率）予以考慮。預期損失是損失的期望水平，沒有考慮不確定性因素的影響。因此銀行須將預期損失視為經(jīng)營的成本，在貸款的定價或事前損失撥備中予以考慮。預期信用風險損失率等于違約損失率和違約概率的積。進行違約概率和違約損失率測度，可以有效提升信用風險管理水平。
2、非預期損失（UL）。又稱意外損失，非預期損失是指因經(jīng)濟環(huán)境或市場狀況異常波動等非預期事件造成的實際損失對預期損失的偏離。如果組合損失分布服從正態(tài)分布，預期損失和非預期損失的分布將與組合信用損失分布一致，因為已知一階矩和二階矩即可確定正態(tài)分布，那么非預期損失一般可以用預期損失的標準差來描述。但信用風險的損失分布并不服從正態(tài)分布，而是具有明顯的有偏和非對稱性特征。此時非預期損失對應于在險價值（VaR）與期望損失之差。
3、損失不足（ES）。意外損失不包括極端事件，極端事件指VaR置信水平以外的概率發(fā)生的損失，盡管股市崩盤、金融危機發(fā)生的概率很小，但是其造成的損失是投資者不能忽視的，而一般的統(tǒng)計規(guī)律不能估計極端損失，這需要采用壓力檢測分析這一問題，相應的提出了極值理論和一致性風險度量。損失不足即是度量超出VaR置信水平下最嚴重損失的平均值，它能夠滿足對極端損失的關注，在連續(xù)分布下，還滿足次可加性、齊次性、單調(diào)性和無風險條件四個公理，是一致性風險度量手段。
四、經(jīng)濟資本與經(jīng)風險調(diào)整收益率
以經(jīng)營信貸資產(chǎn)為主要業(yè)務的商業(yè)銀行，始終面臨著風險和潛在損失問題，為了抵御這些損失的影響，銀行必須配備一定的準備或者資本，又因其行業(yè)的特殊性，其資產(chǎn)資本構成與一般工商企業(yè)有較大的差異，銀行的資本僅占其資產(chǎn)總額的很小一部分，同時銀行除了自身主動提取風險準備以外，還要滿足外部監(jiān)管當局的資本要求。
第一，經(jīng)濟資本（EC）。經(jīng)濟資本是銀行內(nèi)部用以緩沖風險損失的權益資本。巴塞爾資本協(xié)議將經(jīng)濟資本籠統(tǒng)的定義為銀行等金融機構在經(jīng)營過程中所必須持有能夠覆蓋所有可能風險的資本數(shù)量，經(jīng)濟資本的數(shù)量由金融機構自己估計。經(jīng)濟資本的概念與在險價值（ValueatRisk，記為VaR）的概念實際上一致的。在險價值刻畫了損失分布的尾部風險，其定義是在一定時期內(nèi)，在某一置信水平下，投資組合的最大可能損失。事實上，銀行內(nèi)部測算的經(jīng)濟資本與外部監(jiān)管當局所要求的監(jiān)管資本常常是不一致的，這種不一致既可能是經(jīng)濟資本高于監(jiān)管資本，也可能是經(jīng)濟資本低于監(jiān)管資本。經(jīng)濟資本是銀行內(nèi)部為抵御風險而主動配備的資本，實際上是指所“需要的”資本或“應該有的”資本，不是銀行已經(jīng)擁有的資本，它不同于帳面資本和監(jiān)管資本。雖然經(jīng)濟資本與監(jiān)管資本都起到風險緩沖的作用，但前者是由銀行管理者從內(nèi)部來認定和安排的緩沖，它實際上反映了股東價值最大化對銀行管理的要求；而后者則是銀行業(yè)監(jiān)管部門從行業(yè)監(jiān)管的角度對銀行資本金水平所做的要求。在風險定價方面，監(jiān)管資本無法有效的區(qū)分暴露的風險差異，而經(jīng)濟資本做到了這一點，經(jīng)濟資本對風險的敏感性顯著高于監(jiān)管資本對風險的敏感性。所以，從理論上經(jīng)營穩(wěn)健的銀行需要動態(tài)監(jiān)測監(jiān)管資本和經(jīng)濟資本，并保證經(jīng)濟資本大于等于監(jiān)管資本。當經(jīng)濟資本高于監(jiān)管要求的資本時，銀行為了提高資本金的利用效率，會將超額的部分通過資本充足率的杠桿效應，擴大信貸投放；或者通過增加表外業(yè)務實現(xiàn)資本金的投資收益。最終使經(jīng)濟資本與監(jiān)管資本趨于一致。當銀行內(nèi)部計算的經(jīng)濟資本要求，大大低于監(jiān)管所規(guī)定的監(jiān)管資本要求時，銀行就會傾向于監(jiān)管資本套利。監(jiān)管資本套利的主要做法是通過資產(chǎn)證券化或其他金融創(chuàng)新工具將低風險資產(chǎn)從信貸組合中稀釋出去，而從中獲得收益。
第二，經(jīng)風險調(diào)整收益率（RAROC）定義為凈收益減去預期損失后與經(jīng)濟資本的比。該定義與資產(chǎn)組合理論中的風險收益比率即Sharp比率相似。銀行除了重視估計風險潛在損失和進行經(jīng)濟資本配置以外，對銀行的收益能力也十分重視。20世紀70年代末，美國信孚銀行提出了RAROC，目的是為了度量銀行信貸資產(chǎn)組合的風險和計算在特定損失率下為限制風險暴露必須的股權數(shù)量。后來許多大銀行在此基礎上紛紛對RAROC模型進行開發(fā)，從而逐漸改變了傳統(tǒng)的以資產(chǎn)收益率和資本收益率為中心的業(yè)績考核和管理體系，將風險因素充分考慮到銀行的經(jīng)營業(yè)務考核中。20世紀90年代，這項技術在不斷完善的同時在國際上大銀行間得到了廣泛的推廣，并逐漸成為當今金融理論界和實踐中公認的最核心、最有效的經(jīng)營業(yè)績考核管理方法。我國銀行業(yè)監(jiān)管管理委員會在《商業(yè)銀行市場風險管理指引》中指出，銀行是經(jīng)營特殊商品和服務的高風險企業(yè)，必須將風險因素引入到經(jīng)營管理和績效衡量中。實踐表明，銀行業(yè)要實施全面風險管理，就必須以經(jīng)濟資本為基礎，建立一套有效的風險調(diào)整后的資本收益率管理體系。
【參考文獻】
[1]MurphyA.：AnempiricalanalysisofthestructureofcreditriskpremiumsintheEurobondmarket[J].JournalofInternationalMoneyandFinance，2003（22）.
[2]Stiglitz，J.E.，A.Weiss：CreditRationinginMarketswithImperfectInformation[J].TheAmericanEconomicReview，1981（71）.
[3]李志輝：中國銀行業(yè)風險控制和資本充足性管制研究[M].中國金融出版社，2007.
[4]孟慶福：信用風險管理[M].經(jīng)濟科學出版社，2006.
[5]葉蜀君：信用風險度量與管理[M].首都經(jīng)濟貿(mào)易大學出版社，2008.
關鍵詞：行為金融；信用風險；金融租賃
信用風險又稱違約風險，是指借款人、證券發(fā)行人或交易對方由于種種原因，不愿或無力履行合同條款而構成違約，致使銀行、投資者或交易對方遭受損失的可能性?；趥鹘y(tǒng)金融學理論許多金融機構和研究者對信用風險管理作出積極探索并取得了卓有成效的計量模型和支持工具，但也存在明顯缺陷。隨著行為金融學的興起和發(fā)展，為我們提供了新的視角來研究信用風險管理。
1行為金融學的產(chǎn)生
20世紀50年代，馮·紐曼和摩根斯坦(VonNeumannMorgenstem)在公理化假設的基礎上建立了不確定條件下對理性人(rationalactor)選擇進行分析的框架，即期望效用函數(shù)理論。阿羅和德布魯(Arrow，Debreu)后來發(fā)展并完善了一般均衡理論，成為經(jīng)濟學分析的基礎，從而建立了經(jīng)濟學統(tǒng)一的分析范式。這個范式也成為金融學分析理性人決策的基礎。1952年馬克威茨(Markowi)發(fā)表了著名的論文“portfoliosdeefion”，建立了現(xiàn)代資產(chǎn)組合理論，標志著現(xiàn)代金融學的誕生。此后，莫迪戈里安尼和米勒(Modigliani－Miller)建立了MM定理，開創(chuàng)了公司金融學，成為現(xiàn)代金融學的一個重要分支。自上個世紀60年代夏普和林特納等(Sharp－Limner)，建立并擴展了資本資產(chǎn)定價模型(CAPM)至布萊克、斯科爾斯和莫頓(Black－Scholes－Merton)建立了期權定價模型(OPM)，至此，現(xiàn)代金融學，已經(jīng)成為一門邏輯嚴密的具有統(tǒng)一分析框架的學科。
隨著金融市場上各種異?，F(xiàn)象的累積，模型和實際的背離使得傳統(tǒng)金融理論的理性分析范式陷入了尷尬境地。20世紀80年代，通過對傳統(tǒng)金融學的反思和修正，行為金融理論悄然興起，并開始動搖了CAMP和EMH的權威地位。行為金融理論在博弈論和實驗經(jīng)濟學被主流經(jīng)濟學接納之際，對人類個體和群體行為研究的日益重視，促成了傳統(tǒng)的力學研究范式向以生命為中心的非線性復雜范式的轉換，使得我們看到了金融理論與實際的溝壑有了彌合的可能。1999年克拉克獎得主馬修(MatthewRabin)和2002年諾貝爾獎得主丹尼爾·卡尼曼(DanielKahneman)和弗農(nóng)·史密斯(VemonSmith)，都是這個領域的代表人物，為這個領域的基礎理論作出了重要貢獻。國外將這一領域稱之為behaviorfinance，國內(nèi)大多數(shù)的文獻和專著將其稱為“行為金融學”。
行為金融學發(fā)現(xiàn)，人在不確定條件下的決策過程中并不是完全理性的，會受到過度自信、代表性、可得性、錨定和調(diào)整、損失規(guī)避等信念影響，出現(xiàn)系統(tǒng)性認知偏差。而傳統(tǒng)金融學是基于理性人假設，認為理性人在不確定條件下的決策是嚴格依照貝葉斯法則計算的期望效用函數(shù)進行決策的。即使有些人非理性，這種非理性也是非系統(tǒng)性的，會彼此抵消，從而在總體上是理性的；如果這種錯誤不能完全相互抵消，套利者的套利也會淘汰這些犯錯誤的決策者，使市場恢復到均衡狀態(tài)，達到總體理性。
2行為金融對信用風險管理的影響
2．1風險偏好
根據(jù)行為金融學的基本理論，投資者的風險偏好不同于傳統(tǒng)金融學理論下風險偏好是不變的，而是變化的，是會隨著絕對財富等一些其他因素的改變而發(fā)生改變的。因此，我們就沒有理由相信借款人是特殊的群體，他們借款的目的大多都是為了投資，也是眾多投資者中的一部分，他們的風險偏好也會發(fā)生改變。風險偏好的改變就會直接影響到他們面臨的風險，最終會影響貸款方面臨的信用風險。
2．2過度自信
過度自信或許是人類最為穩(wěn)固的心理特征，人們在作決策時，對不確定性事件發(fā)生的概率的估計過于自信。投資者可能對自己駕馭市場的能力過于自信，在投資決策中過高估計自己的技能和預測成功的趨勢，或者過分依賴自己的信息而忽視公司基本面狀況從而造成決策失誤的可能性。這種過度自信完全有可能導致大量盲目投資的產(chǎn)生，盲目的多元化和貪大求全。
2．3羊群行為
企業(yè)決策由于存在較大的不確定性并涉及較多的技術環(huán)節(jié)，其決策往往由決策團體共同協(xié)商作出，主要屬于群體決策，而群體決策有可能導致羊群行為(HerdBehaviors)的發(fā)生。羊群行為主要是指投資者在掌握信息不充分情況下，行為受到其他投資者的影響而模仿他人決策的行為。在企業(yè)決策中，羊群行為的表現(xiàn)可能是決策團體中多數(shù)人對團體中領導者的遵從，也可能是領導者對決策團體中多數(shù)人的遵從，而且是一種盲目的遵從。決策中的羊群行為可能造成決策失誤。
2．4資本結構與公司價值
1958年，美國經(jīng)濟學家費朗哥·莫迪格里安尼(FraneoModigliani)和默頓·米勒(MertonMiller)在《美國經(jīng)濟評論》發(fā)表了題為《資本成本、公司財務和投資理論》的論文，提出了著名的MM定理，主要內(nèi)容是：在市場完全的前提下，企業(yè)的資本結構與企業(yè)的市場價值無關。即企業(yè)價值與企業(yè)是否負債無關，不存在最佳資本結構問題。如果證券價格準確地反映了公司未來現(xiàn)金收入流量的值，那么不管發(fā)行的是什么類型的證券，只要把公司發(fā)行的所有證券的市場價值加在一起，一定等于這個公司未來利潤的現(xiàn)值。無風險套利活動也使得資本結構無關緊要，如果兩個本質(zhì)完全相同的公司因資本結構不同在市場上賣出的價格不一樣的話，套利者就可以將更便宜的公司的證券全部買下，然后在價格相對較高的市場上賣出。因此，公司的資本結構就不再是不相干的問題。不同的現(xiàn)金收入流量對不同的投資者的吸引力也會各不相同，這些投資者對于他們感興趣的現(xiàn)金收入流量愿意付出高價。特別是由于噪聲交易者的存在，套利仍充滿風險。所以，不同的資本結構，其公司價值顯然是不同的，其信用風險必然不同。
3行為金融對金融租賃公司信用風險管理的啟示
1.1研究樣本以及研究樣本分類對于林業(yè)相關行業(yè)的研究，羅歡煥、張大紅等將CSRC行業(yè)分類體系中涉及林業(yè)的公司作為研究對象。為了增強樣本覆蓋范圍完整性，本文根據(jù)CSRC分類選取林業(yè)及制造業(yè)中造紙、木材和家具子行業(yè)36家上市公司作為研究對象，研究數(shù)據(jù)來源于上海證券交易所和深圳證券交易所公布的2012年上市公司年報及wind資訊。對于變量，從償債能力、盈利能力、營運能力、成長能力和現(xiàn)金流量指標五方面選取，以此作為Logistic衡量企業(yè)信用風險的決定因子。但這五個方面的變量側重考慮企業(yè)自身經(jīng)營狀況，缺乏對市場供求的考慮。因此，本文在研究前期利用KMV模型對樣本進行分組。KMV模型以現(xiàn)代期權理論作為依托，側重考慮公司與整個市場，更好反映如何從市場價值角度衡量信用風險。因此通過KMV分組可以從另一個維度說明林業(yè)企業(yè)信用風險的情況。針對KMV與Logistic模型相結合的研究，劉澄將KMV模型的違約概率與Logistic相結合，對我國中小企業(yè)信用風險進行較為準確的評估。魏婷實證得出KMV模型能夠從某些方面彌補Logistic模型的不足。韓艷艷研究證明將這兩種模型相結合獲得的混合模型有更好的評價效果。本文根據(jù)KMV模型分類結果將樣本公司劃分為兩組，以進行財務指標的選擇及檢驗。
1.2財務指標選取處理針對林業(yè)類上市公司信用風險研究，本文從償債能力、盈利能力、營運能力、成長能力和現(xiàn)金流量指標等五方面進行研究，共選取17項財務指標作為變量進行研究。
2因子分析
財務指標之間存在相互轉換的可能，財務指標間的多重共線性可能降低模型穩(wěn)定性，甚至影響最終結果。其次，各變量之間的內(nèi)在聯(lián)系以及重要程度，即變量的內(nèi)在結構對于指標的選取及模型的建立具有重要意義。本文采用因子分析提取主成分，將離散指標的信息濃縮為預測所需的主要指標。
2.1KMO以及Bartlett球形檢驗KMO及Bartlett球形檢驗用以檢驗變量間的相關性。本文檢驗結果如表2所示，獲得KMO統(tǒng)計量為0．556?？紤]到樣本量的影響，此數(shù)值在接受范圍內(nèi)，可以利用上述變量進行因子分析。
2.2公因子方差比（Communalities）公因子方差比反映了提取公因子過程中，各變量被提取出信息所占比例，即原變量的信息量中由公因子決定的比例。本文對變量公因子方差比進行分析，結果如表3所示。多數(shù)變量提取的比例在70％以上，可知所提取公因子對變量的的解釋能力均處在較強水平。
2.3解釋的總方差為保證因子的可解釋性，本文運用最大方差法對因子進行旋轉，將信息量重新分配。該操作將17個變量劃分為5個特征根。特征根可以被看做體現(xiàn)主成分影響力度的指標，代表引入該因子后對原始變量信息的平均解釋量。分析表4中各成分方差及其累積程度可知，前五個特征根的總貢獻率已達到79．48％，即可利用前五個特征根描述足夠信息。
2.4旋轉后的成分矩陣通過成分矩陣可以得到各個主要成分的表達式如下分析各成分表達式可以得到各個因素中最主要的變量。F1主要包括總資產(chǎn)報酬率、凈資產(chǎn)周轉率、總資產(chǎn)周轉率等與資產(chǎn)相關的指標；F2主要包括與現(xiàn)金流量相關聯(lián)的指標；F3主要包括與負債相互關聯(lián)的指標；F4則包括了凈利潤增長率以及營業(yè)收入；F5主要包括與存貨相互關聯(lián)的指標。
3Logistic模型實證研究及預測結果
3.1Logistic模型實證研究Logistic模型又稱增長函數(shù)，于1838年由比利時學者PFVerhulst首度提出。1920年美國學者珀爾和利德的研究使其在人口估計和預測問題中推廣。Logistic函數(shù)原型為：P＝L／（1＋exp［－（a＋bt）］）。t為時間，P為時間t的人口數(shù)，L為P的最大極限，a和b為相關參數(shù)。
3.2預測結果依照正常和存在信用風險將樣本公司分為兩類，使用模型得到的預測結果正確率為83．8％。這表明，此模型可以對我國林業(yè)類上市公司信用風險進行較為理想的預測。
4結論與建議
（一）理論模型分析假設信用資產(chǎn)關聯(lián)系統(tǒng)由2家企業(yè)組成，第1家企業(yè)是下游企業(yè)，第2家企業(yè)是上游企業(yè)。第1家企業(yè)向第2家企業(yè)采購原材料，第2家企業(yè)向第1家提供商業(yè)信用；模型時間分為2期，第t期2家企業(yè)正常經(jīng)營，第t+1期第1家企業(yè)受到外部流動性沖擊，發(fā)生違約，第2家企業(yè)受損。設企業(yè)信用資產(chǎn)為RA；非信用資產(chǎn)為URA；短期負債為STD；長期負債為LTD；凈資產(chǎn)為NA。企業(yè)i（i=1，2）在t時刻的資產(chǎn)負債表平衡關系。假設資本市場是理性的，市場均衡的估值市凈率在第t、t+1期是不變的，不妨設定為常數(shù)c。在t+1第1家企業(yè)信用違約而股價下降，并引發(fā)第2家企業(yè)股價隨之下降，形成了股價聯(lián)動[7]68-78。
（二）實證方法構建多變量金融時序Copula函數(shù)的關鍵在于，建立單變量金融時序分布模型與選擇合適的多元Copula函數(shù)[32]。多元正態(tài)Copula函數(shù)不能反映變量之間的聯(lián)合厚尾特征[33-34]。多元t-Copula函數(shù)可以用于研究變量之間的聯(lián)合厚尾特征，其自由度越小，表明聯(lián)合厚尾特征越明顯[35]。1.邊緣分布的確定金融資產(chǎn)收益率序列具有異方差、尖峰厚尾、時變、右偏與杠桿效應，適合用AR（1）-GJR（1,1）模型擬合邊緣分布。2．Copula函數(shù)的選用多元t-Copula函數(shù)尾部較厚，能很好地擬合尾部相關關系[37-39]。因此，從理論上可以推斷，多元t-Copula函數(shù)能夠更好地度量股價的聯(lián)動關系。本文使用Q-Q圖、K-S檢驗判斷單個多元Copula函數(shù)的擬合情況。同時，引入經(jīng)驗分布函數(shù)，構建反映擬合誤差大小的平方歐式距離指標。該平方歐式距離反映了多元Copula函數(shù)擬合原始數(shù)據(jù)的誤差情況。該指標值越小，說明偏差越小。3．Copula函數(shù)的時變過程與估計對于C-藤分解結構下的時變條件相關系數(shù)，Engle（2002）提出了比較常用的描述其時變過程的DCC（1，1）模型其中，ρt是t時刻的條件相關系數(shù)；向量εt是由選定的時變Copula函數(shù)邊際分布逆函數(shù)轉換得到的標準化殘差；Q軒t是一個p×p矩陣，該矩陣對角線上的元素是Qt的平方根，其他元素為0；Qt和R分別是殘差項的樣本協(xié)方差與相關系數(shù)；rt是在項數(shù)為m（m>p）的移動窗中殘差的相關系數(shù)。該時變Copula函數(shù)的參數(shù)估計可以由兩步極大似然估計法完成[43]。第一步先利用最大似然估計法，估計邊際分布AR（1）-GJR（1，1）模型中的參數(shù)；第二步對殘差做概率積分轉換，再利用最大似然估計法，估計時變Copula函數(shù)的參數(shù)。4.基于Copula函數(shù)的相關性分析選擇合適的Copula函數(shù)后，擬合估計出其參數(shù)值，就可以利用表1中的計算式，計算出各相關系數(shù)值。在靜態(tài)Copula函數(shù)中，其參數(shù)是不變的，計算出來的是靜態(tài)總體相關性；如果采用時變Copula函數(shù)，參數(shù)ρt（t=1，2，…，T）是時變參數(shù)，就可以利用表1中公式，一一對應地計算出總體線性相關系數(shù)、非線性相關系數(shù)及尾部相關系數(shù)的動態(tài)時變過程。
二、計算結果與分析
（一）研究樣本根據(jù)企業(yè)之間存在的信用關聯(lián)，選擇寶鋼股份（BGGF）、必和必拓（BHP）、力拓（RIO）、上海汽車（SHQC）、上港集團（SGJT）、山西煤電（SXMD）、青島海爾（QDHE）和中國船舶（ZGCB）在內(nèi)的幾家企業(yè)作為研究樣本，研究這些企業(yè)從2001年1月2日至2011年4月28日之間的股價聯(lián)動。列出了6個樣本企業(yè)股價收益率序列數(shù)據(jù)的描述統(tǒng)計指標。由表2可知，6個變量的峰度都在10以上，呈現(xiàn)尖峰分布，其中，SGJT收益率分布最尖；BHP、RIO、SHQC、SGJT的偏度都大于0，其中，SGJT收益率分布右偏程度最大；BGGF、XSMD的偏度小于0，說明與正態(tài)分布、t分布相比較，適合選用左偏的t分布擬合樣本收益率數(shù)據(jù)。
（二）邊際分布擬合檢驗根據(jù)white檢驗結果可知，3個統(tǒng)計量的P值都拒絕“不存在異方差”的原假設，說明異方差比較突出。表明收益率序列適合選用ARCH模型。本文中的邊際分布選用帶有杠桿效應的AR（1）-GJR（1，1）-Skewt模型。其模型估計的參數(shù)值如表3所示。從AIC、BIC、LL值看，AR（1）-GJR（1,1）-Skewt模型的有效性好于AR（1）-GJR（1，1）-t模型①。8個序列的自由度估計值都比較小，說明它們的分布都具有厚尾特征，其中上港集團的尾部最厚。另外，使用時變Copula函數(shù)估計時變條件相關系數(shù)時，需要把序列數(shù)據(jù)通過概率積分轉換為U（0，1）分布序列。本文對邊際分布擬合情況還進行了獨立性檢驗與同分布檢驗。拉格朗日乘數(shù)檢驗結果表明，在5%顯著水平下，這8個序列都不存在自相關，可以認為轉換后的序列相互獨立；非參數(shù)K-S檢驗結果表明，轉換后的8個序列在5%顯著水平上服從U（0，1）分布。這些結論表明，邊際分布采用AR（1）-GJR（1，1）-Skewt模型非常合理。
（三）利用多元t-Copula函數(shù)靜態(tài)度量股價的聯(lián)動效應常用的固定參數(shù)多元Copula函數(shù)包括多元正態(tài)Copula函數(shù)和多元t-Copula函數(shù)。在這兩個函數(shù)的Q-Q圖中，本文無法區(qū)分其擬合優(yōu)劣；而由多元正態(tài)Copula函數(shù)的K-S檢驗可知，在0.01顯著水平上拒絕原假設，說明多元正態(tài)Copula函數(shù)不能很好地擬合多元時序數(shù)據(jù)；而多元t-Copula函數(shù)擬合該的多元數(shù)據(jù)序列。從Copula函數(shù)與經(jīng)驗分布函數(shù)之間的平方歐式距離來看，多元正態(tài)分布Copula函數(shù)的平方歐式距離為0.3873，多元t分布Copula函數(shù)的平方歐式距離為0.0568，多元t-Copula函數(shù)可以較好擬合該股價原始數(shù)據(jù)的經(jīng)驗分布情況，與理論分析一致。根據(jù)各樣本收益率序列的條件邊際分布，利用多元Skewt分布函數(shù)與多元t-Copula函數(shù)之間的關系，信用資產(chǎn)關聯(lián)各企業(yè)股票收益率之間的多元t-Copula函數(shù)非線性相關系數(shù)如表4所示。從表4可以看出，受中外股市之間的一體化約束，寶鋼股份（BGGF）與必和必拓（BHP）、力拓（RIO）之間，必和必拓（BHP）、力拓（RIO）與上海汽車（SHQC）、上港集團（SGJT）、山西煤電（SXMD）、青島海爾（QDHE）、中國船舶（ZGCB）之間的相關系數(shù)都很低，但其他信用資產(chǎn)關聯(lián)企業(yè)之間的相關系數(shù)都在0.5左右，存在中等程度的正相關聯(lián)動現(xiàn)象。
（四）利用時變多元t-Copula函數(shù)度量股價的聯(lián)動效應不同邊際分布下時變t-Copula函數(shù)的相關系數(shù)時變方程參數(shù)估計值如表5所示。從AIC、BIC、LL值看，對于條件相關系數(shù)的時變過程G-DCC、t-DCC，邊際分布選用AR（1）-GJR（1，1）-Skewt模型最合理，但時變G-DCC過程擬合效果最差，t-DCC過程則最好。本文選用AR（1）-GJR（1，1）-Skewt模型作為邊際分布，選用時變過程為t-DCC的多元t-Copula函數(shù)為多元連接函數(shù)，動態(tài)擬合計算動態(tài)條件相關系數(shù)，得到8個按照C-藤結構分解的pair-copula函數(shù)的時變無條件相關擬合的AIC、BIC、LL值分別是-7158.6、-7141.7、3582.3。利用這28個時變Copula相關系數(shù)的時間序列數(shù)據(jù)，計算出相對應的時變等級相關系數(shù)、秩相關系數(shù)與尾部相關系數(shù)的時間序列，如表6所示。從表6可以看出，4個相關系數(shù)都顯示出，股價呈現(xiàn)低度正相關性，具有弱板塊效應；時變Copula相關系數(shù)的集中趨勢值最大，尾部相關系數(shù)最小。但是，時變Copula相關系數(shù)的絕對離散波動程度、波動幅度最大；從離散系數(shù)、極差/平均值的結果可以看出，尾部相關系數(shù)的相對離散波動程度最大。從時變Copula相關系數(shù)可以看出，在C-藤結構下條件相關系數(shù)的均值在0.0583~0.7376之間，呈現(xiàn)出弱相關關系，因為條件相關系數(shù)有正值、負值，相關方向存在轉換，正負抵消導致簡均值的結果較小。其他16個條件相關系數(shù)均為正值，平均值在0.5左右，呈現(xiàn)出中等強度的相關性。從條件相關系數(shù)值的離散指標可以看出，標準差從0.0573~0.1042，絕對變化范圍從0.2628~0.5706，最大相對幅度變化范圍從0.4899~6.2644，說明條件相關系數(shù)的時變性較強。為了觀察條件相關系數(shù)的時變特征，本文也分別在標準差最小與最大、離散系數(shù)最小與最大、波幅最小與最大等6種情況下，計算了時變Copula函數(shù)度量的4個時變相關系數(shù)，均表現(xiàn)出相同的變化趨勢，而且在常態(tài)相關性走強時，股價板塊效應的作用愈加強大，同時暴跌暴漲的相關性走強；在常態(tài)相關性走弱時，股價板塊效應的作用減弱，由一家企業(yè)股價大幅漲跌引發(fā)的信用資產(chǎn)關聯(lián)企業(yè)同時暴跌暴漲的相關性走強。
三、結論
隨著信用風險問題的日趨突出，信用風險已經(jīng)成為制約電子商務發(fā)展的重要因素。信用風險不僅對電子商務銷售方的心理和銷售購買行為存在影響，而且對購買方的心理和銷售購買行為也都存在很大的影響。一方面信用風險作用于電子商務交易中的銷售方，主要表現(xiàn)在銷售方對購買方按時足額付款的信任缺乏，以及售后購買方對銷售方做出不真實的公開評價而造成銷售方的銷售業(yè)績下降等；另一方面信用風險作用于電子商務交易中的購買方，不僅表現(xiàn)在對銷售方提供的商品或服務質(zhì)量的不信任，還有支付方式的安全性、第三方物流的可靠性等方面的不信任。
二、B2C電子商務的信用風險類型
（一）商品自身的可靠性風險
可靠性風險是由電子商務活動中的不確定因素帶來的信用風險，B2C電商商務過程中所交易的商品依然是交易活動的核心，離開商品則交易便不存在，所以電子商務過程中的可靠性風險的最核心問題就是電子商務銷售企業(yè)提供的商品的可靠性問題，即商品主體的質(zhì)量、性能、與電子商務網(wǎng)頁提供的產(chǎn)品描述的相符度等。商品自身可靠性風險形成的主要原因是源于所銷售的商品的不可觸摸性，通過網(wǎng)上購買到的實際商品與實體店體驗到的商品是否一致是當前存在的主要問題。
（二）虛假宣傳的信用風險
B2C電子商務的購買方主要依靠銷售方的網(wǎng)頁宣傳文字和宣傳圖片、廣告語等來決定自己的購買行為，如果宣傳文字存在夸大宣傳、不實宣傳，宣傳圖片存在非實景拍攝或圖片美化過度等現(xiàn)象，都會造成購買方的誤判，從而產(chǎn)生信用風險。虛假宣傳信用風險的產(chǎn)生原因，往往是因為銷售網(wǎng)頁的操控者是電子商務中的銷售方，銷售方可以隨時更新銷售網(wǎng)頁內(nèi)的文字和圖片內(nèi)容，往往存在騙取購買后立刻對產(chǎn)品的描述和產(chǎn)品圖片進行更改的現(xiàn)象。
（三）支付方式帶來的信用風險
支付方式帶來的信用風險主要指B2C電子商務活動結算過程的安全性缺失及保障性不足帶來的結算信用風險，既可能給電子商務購買方帶來經(jīng)濟損失，也可能危及銷售方的經(jīng)濟利益。這一信用風險出現(xiàn)的原因，主要是由于電子商務的支付方式往往依托于網(wǎng)絡匯款、網(wǎng)上銀行、手機銀行、快捷支付、銀聯(lián)在線支付、支付寶等第三方支付平臺來進行操作，像淘寶這樣有支付寶平臺來管理付款的電子商務服務網(wǎng)站對付款環(huán)節(jié)提供了一定的保障，但仍然有很多電子商務形式是將貨款直接付于銷售方，這樣銷售和購買雙方時間和空間上的不對稱的付款方式是具有信用風險的，即使是支付寶平臺，依然不是完美無缺的，例如由于物流造成貨物“遲到”時，支付寶會自動默認交易成功，并將購物款打到銷售方賬戶，這個環(huán)節(jié)中依然存在一定的信用風險。同時支付過程中個人銀行信息、密碼信息等存在泄露的風險，購買方是具有這樣的不安全感的。
（四）由第三方物流帶來的信用風險
第三方物流帶來的信用風險主要是指B2C電子商務的有形產(chǎn)品在物流運輸過程中由于第三方物流企業(yè)原因帶來的信用風險，在當前的電子商務交易環(huán)節(jié)中，很多電子商務第三方服務平臺網(wǎng)站都將物流運輸作為評價電商信用的一個重要指標，但即便如此，漏寄、錯寄、郵寄丟失、運輸過程商品破損的現(xiàn)象仍然時有發(fā)生。出現(xiàn)這一信用風險的原因之一是網(wǎng)絡交易貨物量的激增，尤其是“雙十一”、節(jié)假日等電商交易高峰期，第三方物流企業(yè)難以應對激增的投遞業(yè)務，不能保證電商產(chǎn)品及時準確的郵遞，給人們帶來信用缺失的感受，在這樣特殊的時期，也是電子商務欺詐等問題發(fā)生的高峰期內(nèi)，物流服務企業(yè)如果寄送過慢會導致大量貨物貨未到，而支付平臺已將購物款打到銷售方賬戶，一旦出現(xiàn)商品寄丟及商品質(zhì)量問題，購買方便丟失了保障。同時，第三方物流工作人員的消極工作或工作中不負責的態(tài)度，也可能導致這一信用風險的產(chǎn)生。
（五）缺乏監(jiān)管帶來的信用風險
缺乏監(jiān)管帶來的信用風險就是指我國當前沒有切實可行的針對電子商務交易市場進行監(jiān)管控制的法律法規(guī)，沒有專門的監(jiān)管部門對電子商務進行監(jiān)管而產(chǎn)生的信用風險。單純采用為有形市場制定的法律法規(guī)來監(jiān)管電子商務活動，是存在不適應性的。并且，我國目前還沒有建立專門從事對網(wǎng)絡電子商務市場進行有力監(jiān)管的相關職能部門，對電商銷售企業(yè)進行整合監(jiān)管。同時，通過網(wǎng)絡渠道進行銷售的商品不是由銷售方直接交付于購買方，而是通過自有的物流分銷渠道或第三方物流將商品送達，在整個交易過程中涉及的環(huán)節(jié)較多，一旦商品送到購買方手中存在質(zhì)量問題，監(jiān)管部門也很難確定質(zhì)量問題的出現(xiàn)，是歸咎于商品提供商還是物流環(huán)節(jié)。所以存在網(wǎng)購產(chǎn)品質(zhì)檢困難的風險，同時購買方存在維權困難的風險。
三、加強B2C電子商務信用風險管理的措施
（一）加強產(chǎn)品檢驗，保障產(chǎn)品質(zhì)量
為了降低B2C電子商務中因產(chǎn)品本身質(zhì)量問題帶來的信用風險，建議發(fā)揮產(chǎn)品檢驗機構，如工商局、衛(wèi)生局、質(zhì)檢局等，主動加大對線上產(chǎn)品可靠性的檢驗力度，將線上產(chǎn)品與線下產(chǎn)品的監(jiān)管、檢驗、懲罰措施趨同，使虛擬空間中的實際產(chǎn)品得到有形機構的檢驗。另外，B2C電商企業(yè)為了降低給購買方帶來的信用風險的感知，也可以加強對自有產(chǎn)品的監(jiān)管力度，必要時可引入第三方質(zhì)量認證機構通過科學的質(zhì)量認證體系來對自有產(chǎn)品的生產(chǎn)過程進行規(guī)范。
（二）制定法規(guī)，保障電商真實宣傳
為了減少電商產(chǎn)品生產(chǎn)企業(yè)或銷售方在網(wǎng)絡營銷過程中的不實宣傳、夸大宣傳問題，在B2C電子商務服務平臺網(wǎng)站做好網(wǎng)頁監(jiān)管的同時，國家權力機關要認清當前電子商務的發(fā)展形勢，適時制定針對網(wǎng)絡營銷的法律法規(guī)，在監(jiān)督線上產(chǎn)品質(zhì)量的同時，更要抓好對電商企業(yè)及銷售方的宣傳方式、宣傳語言合理性的監(jiān)管，盡可能避免電商企業(yè)網(wǎng)站中信息對電商購買方的誤導，以降低電子商務過程中由于虛假宣傳帶來的信用風險。
（三）完善電子支付平臺，保證交易安全
支付平臺的安全性和穩(wěn)定性是B2C電子商務交易環(huán)節(jié)的重要保障。從銀行貨幣融通機構來說，要不斷加大銀行交易平臺的安全性和穩(wěn)定性，將網(wǎng)上銀行、手機銀行、快捷支付、銀聯(lián)在線支付等交易平臺的信用風險盡可能的降低，同時要降低支付平臺的操作難度，降低用戶在使用支付平臺時出現(xiàn)錯誤操作的可能性。從電子商務交易平臺提供的交易平臺來說，要不斷完善支付媒介平臺，網(wǎng)上銀行、支付寶、財付通、百付寶、國付寶等的建設，建立可以與買賣雙方進行溝通的支付平臺，在全面了解買賣雙方交易進度的基礎上再提供支付服務，以降低因買賣雙方信息的不對稱和時間的錯位帶來的信用風險。從電子商務中的買賣雙方來說，應嚴格遵循支付平臺及交易平臺的使用規(guī)范，正確使用電子支付平臺，避免因自身操作不當而產(chǎn)生的信用風險。
（四）完善第三方物流體系，保障運輸可靠性
為了降低由第三方物流帶來信用風險的可能性，物流企業(yè)首先要不斷自我運作和管理體制，建立高效、可靠的物流運維模式，全力保證貨物準時、保質(zhì)保量的送達，降低貨物因運輸速度慢而帶給購買方的信用風險感知。其次，物流企業(yè)要不斷完善簽收人簽收制度，代收人代收時需要出具相關有效身份證件進行記錄，降低因簽收、代收過程中造成的貨物錯寄、丟失的信用風險。再次，物流企業(yè)在郵寄過程中盜取物流單據(jù)上個人信息的現(xiàn)象有所存在，很有可能帶給買賣雙方對信用風險的感知，所以物流企業(yè)必須做好個人信息保密工作，降低因個人信息和購買信息給電子商務的買賣雙方帶來的信用風險。
（五）加強監(jiān)管，保證對電子商務的有效控制
關鍵詞:外貿(mào)企業(yè)客戶信用風險應收賬款“外包”
加入WTO和世界經(jīng)濟一體化,給我國外經(jīng)貿(mào)事業(yè)的發(fā)展帶來了前所未有的機遇。與之相伴隨的卻是,中國出口企業(yè)日益陷入海外應收賬款“黑洞”。相關統(tǒng)計資料顯示,中國出口企業(yè)的海外應收賬款累計至少超過1000億美元,相當于中國2004年總出口額的五分之一,而且這種海外呆壞賬正在以每年150億美元的速度增加。外貿(mào)企業(yè)的很多利潤被壞賬所吞噬,許多外貿(mào)企業(yè)不堪重負,甚至破產(chǎn)倒閉,有的即使能夠維持經(jīng)營,在經(jīng)營中也常常進退維谷,阻礙了企業(yè)的正常發(fā)展。另一種極端情況就是部分外貿(mào)企業(yè)由于懼怕壞賬風險采取非常謹慎的信用政策,甚至宣稱對非信用證業(yè)務一律不做,結果限制了業(yè)務的發(fā)展。
在與各國經(jīng)貿(mào)往來中我國外貿(mào)企業(yè)并未充分重視客戶信用風險的管理,在對外貿(mào)易客戶信用風險管理上的欠缺造成的債務拖欠和應收賬款問題已成為外貿(mào)企業(yè)發(fā)展的瓶頸。
外貿(mào)企業(yè)客戶信用風險特征
下面筆者結合美國鄧白氏公司中國代表對我國外貿(mào)企業(yè)大量逾期應收賬款問題的調(diào)查報告數(shù)據(jù),對我國外貿(mào)企業(yè)客戶信用風險的特征進行結構分析,從更深層次上理解我國外貿(mào)企業(yè)客戶信用風險的現(xiàn)狀。
從來源結構看,我國對外貿(mào)易客戶信用風險的來源以海外華人公司為主。從我國國際貿(mào)易拖欠案件所涉及的海外公司性質(zhì)看,我國的外貿(mào)信用風險主要是由海外華人客戶帶來的。筆者認為這些為數(shù)不多的海外華人,包括港、澳、臺地區(qū)的華人以及少數(shù)原籍中國大陸后來移居海外的華人具有與中國同族同種和語言相通的優(yōu)勢,他們對中國的國內(nèi)經(jīng)濟環(huán)境比較熟悉,了解到我國處于由計劃經(jīng)濟體制向市場經(jīng)濟體制轉變過程中,各方面的管理仍不完善,存在著各種法律、管理漏洞,外貿(mào)企業(yè)內(nèi)部的信用風險防范意識和信用風險管理能力薄弱。同時他們又抓住我國部分外貿(mào)企業(yè)領導存在著的一定急功近利和或多或少的崇洋的心態(tài),使得部分海外華人進口商可以肆意拖欠我國外貿(mào)企業(yè)貨款,或詐騙屢屢得手,詐騙成功率要高于一般外國進口商。
從起因結構看,我國對外貿(mào)易客戶信用風險的直接起因以惡意欺詐為主。具體結構為:有意欺詐的拖欠款占60%;產(chǎn)品質(zhì)量、數(shù)量或交貨期有爭議的占25%;屬于我方外貿(mào)企業(yè)交易嚴重失當及管理失誤的占15%;交易人員私下默契臺底交易占2.5%;其他性質(zhì)占2.5%。我國對外貿(mào)易的過半貨款拖欠是由客戶的惡意欺詐引起,而非人們通常理解的主要是由諸如產(chǎn)品質(zhì)量或貨期等貿(mào)易糾紛引起。
從外貿(mào)企業(yè)性質(zhì)結構看,我國對外貿(mào)易客戶信用風險導致的國際拖欠所涉及的企業(yè)以國內(nèi)的全資中資企業(yè)為主體。具體結構為:80%來自國內(nèi)的企業(yè),其中的50%為國有外貿(mào)企業(yè),30%為私營外貿(mào)企業(yè);另外20%來自三資企業(yè)。從企業(yè)結構中,我們可以明顯了解到我國外資外貿(mào)企業(yè)的信用風險管理意識和水平相對要優(yōu)于中資的外貿(mào)企業(yè)。
從客戶新舊特征看,過半數(shù)的國際貨款拖欠由老客戶造成。根據(jù)鄧白氏國際(上海)信息咨詢公司1997年度受理的我國398件國際應收賬款追討案件的統(tǒng)計顯示,其中的200個案件是由老客戶產(chǎn)生的,而非人們通常理解的國際貨款拖欠主要由資信不良的新客戶造成。
外貿(mào)企業(yè)客戶信用風險的成因分析
透過以上表面數(shù)據(jù),我們可以看出造成我國外貿(mào)企業(yè)風險損失的原因除了企業(yè)主體信用管理觀念的嚴重缺乏外,來自企業(yè)產(chǎn)權制度的影響也是至關重要的。具體來說,我國外貿(mào)企業(yè)客戶信用風險成因主要體現(xiàn)在以下幾個方面:
相關部門缺乏信用風險管理意識
由于從政府到企業(yè)信用風險管理意識都比較淡漠,對信用管理工作重視不夠,導致政府對企業(yè)缺乏政策引導和有效支持;有的企業(yè)雖然感到信用風險管理需要,但苦于所知不多無從下手,且成本較高,在本來利潤率不高的情況下不愿為此支付費用,進而產(chǎn)生畏難情緒,甚至干脆漠視不管。目前中國出口企業(yè)的壞賬率超過5%,而發(fā)達國家企業(yè)卻只有0.25%至0.5%的水平,國際平均水平也只在1%左右。中國企業(yè)出口中遇到的很多困難,一開始并不是對方存心拖欠,而是中國企業(yè)自己出現(xiàn)制度和管理失誤。
外貿(mào)企業(yè)產(chǎn)權不明晰
產(chǎn)權不明晰使得很多國有外貿(mào)企業(yè)管理者為了應付上級主管部門業(yè)績考核,不顧企業(yè)長遠利益,盲目賒銷;有的企業(yè)迫于市場競爭壓力,單純追求銷售額增長,盲目打價格戰(zhàn)。這些行為導致了企業(yè)應收賬款上升,銷售費用上升、負債增加,呆賬壞賬增加,效益下降,偏離了最終利潤這一企業(yè)最主要的目標。強化企業(yè)信用管理,就是要在銷售收入增長和風險控制這兩個目標之間尋求協(xié)調(diào)一致,保證最終利潤這一根本目標的實現(xiàn)。
企業(yè)內(nèi)部職責不明確
在我國外貿(mào)企業(yè)現(xiàn)有的管理職能中,應收賬款的管理職能基本上是由銷售部和財務部這兩個部門承擔的。然而在實踐中這兩個部門卻常常職責分工不清,不能形成協(xié)調(diào)與制約機制,容易造成外貿(mào)企業(yè)在客戶開發(fā)、信用評估、合約簽訂、資金安排、組織貨源、品質(zhì)監(jiān)督、租船訂艙、制單結匯等諸多貿(mào)易環(huán)節(jié)出現(xiàn)決策失誤并導致信用損失。外貿(mào)企業(yè)內(nèi)部職責不明確已成為企業(yè)賬款拖欠趨勢得不到有效抑制的根本原因。
信用管理方法落后
目前我國外貿(mào)企業(yè)業(yè)務人員信用風險防范意識薄弱,信用風險防范手段單一,沒能掌握或運用現(xiàn)代先進的信用管理技術和方法。對客戶的信用風險缺少評估和預測,交易中往往是憑主觀判斷作決策,缺少科學的決策依據(jù)。在銷售業(yè)務管理上,由于缺少信用額度控制,在一定程度上給企業(yè)銷售人員違規(guī)經(jīng)營、違章操作,甚至與客戶勾結留下可乘之機。在賬款回收工作上更是缺少專業(yè)化的方法。
加強外貿(mào)客戶信用風險管理的對策建議
通過以上分析,我們清晰地看出現(xiàn)今我國外貿(mào)企業(yè)已不是單純的信用管理技術、手段的缺失,還包括有企業(yè)組織結構不協(xié)調(diào),和相應企業(yè)文化落后等諸多因素制約外貿(mào)企業(yè)客戶信用風險管理的建立和實施。
我國外貿(mào)企業(yè)可依據(jù)自身條件選擇實施以下的對策:大型外貿(mào)企業(yè)可成立客戶信用風險管理專職機構來建立健全并貫徹實施科學的客戶信用風險管理制度;中小型外貿(mào)企業(yè)可考慮實施信用管理委托制。中小型外貿(mào)企業(yè),尤其是我國外貿(mào)經(jīng)營權下放以后初次涉足外貿(mào)領域的為數(shù)眾多的私營企業(yè),可考慮直接將客戶信用風險管理工作“外包”給信用管理咨詢公司。與企業(yè)自己設立專門的管理部門相比,實行信用管理委托制可以節(jié)省大量的人力、物力和財力,降低企業(yè)的管理成本,具有快速性、專門性和靈活性等優(yōu)點;借鑒國際通行的信用風險管理手段降低外貿(mào)信用風險。我國外貿(mào)企業(yè)在建立起信用風險管理制度的基礎上,在對外貿(mào)易的實踐中應該學會借鑒國際通行的信用風險管理的先進做法和手段,諸如國際保理、福費廷和出口信用保險等。這些在西方國家中相當成熟并行之有效的信用風險管理做法雖然在我國正逐漸得到應用,但還遠遠沒有普及,因此我國商務部應大力推廣。
用logistic回歸模型對客戶信用風險進行預警，主要包括兩部分內(nèi)容，一是對樣本財務指標數(shù)據(jù)進行因子分析，篩選出logistic回歸的關鍵自變量，二是建立logistic回歸模型，用于對客戶違約情況進行風險預警。
（一）樣本選取與簡單描述性統(tǒng)計。本文數(shù)據(jù)來源于國內(nèi)某商業(yè)銀行的信貸系統(tǒng)，以2006年的化工業(yè)為例，從中選擇了2457個小微企業(yè)非上市公司樣本，其中48個違約樣本，2409個非違約樣本。對于樣本公司，本文從償債能力、盈利能力、營運能力、成長能力、現(xiàn)金流量以及規(guī)模等六個方面，選取了15個財務指標，對小微企業(yè)非上市公司的經(jīng)營現(xiàn)狀進行因子分析，從中找出最能反映公司經(jīng)營特點的少數(shù)公共因子，進而為后續(xù)的Logistic模型風險預警提供解釋變量。選取的15個財務指標如表1所示：在選取樣本時，本文首先運用SPSS16.0軟件對數(shù)據(jù)進行了異常值剔除處理，步驟如下：首先對選定的15個財務指標進行標準化，除指標量綱的差異，然后將每個指標的標準化值的絕對值大于或等于3的樣本視為異常值加以剔除；對剔除后的樣本，重復進行指標標準化處理、檢驗異常值、剔除異常值，直至無異常數(shù)據(jù)為止。本文重復了5次異常值剔除處理，最終篩選出2457個合格樣本，用于因子分析。下表2為數(shù)據(jù)的簡單描述性統(tǒng)計量。
（二）因子分析1.因子分析的適用性檢驗。因子分析要求變量間具有相關性，本文在進行因子分析前，主要采用KMO檢驗和巴特利特球度檢驗方法對變量進行相關性檢驗。表3為運用SPSS16.0軟件運行得出的檢驗結果。從表中可以看出KMO檢驗統(tǒng)計量的值等于0.633，其大于0.5，證明適合作因子分析。同時巴特利特球度檢驗值為27600，其相伴概率為0.000，在5%的顯著性水平下極其顯著，說明相關系數(shù)矩陣不是單位陣，即變量間存在相關性，適合作因子分析。2.確定因子數(shù)目。構造因子變量首先要確定因子數(shù)目，本文采用特征值大于1的標準提取公因子，同時通過碎石圖直觀判斷公因子數(shù)目。首先，運用SPSS16.0軟件運行得出因子分析的特征根和方差貢獻率，如下表4。表4中，三部分分別為初始因子、因子提取后以及經(jīng)過方差最大旋轉后的相關系數(shù)矩陣的特征根、方差貢獻率以及累計方差貢獻率。從第三部分可以看出，依據(jù)特征值大于1的標準，共提取6個主因子，且前6個主因子的方差貢獻率依次為21.501%、17.884%、11.366%、10.71%、10.509%、8.762%，累計方差貢獻率大于80%，說明前6個主因子可以解釋變量的大部分信息，從而把前6個公因子作為評價樣本公司的綜合指標，降低了公司綜合評價的指標維度，為后續(xù)Logistic回歸提供了解釋變量。其次，建立碎石圖判斷因子數(shù)目。首先將特征根從大到小排序，序號相應為1，2，…，15。以橫軸表示序號，縱軸表示特征值，構造出碎石圖1。觀察碎石圖發(fā)現(xiàn)，特征值大于1的因子有6個，分別為F1，F(xiàn)2，…，F(xiàn)n，這與表3-4確定的因子數(shù)目一致。3.估計因子載荷矩陣。運用SPSS16.0軟件運行得出初始因子載荷矩陣，由于無法確定公共因子的經(jīng)濟意義，使用方差最大化旋轉法對初始因子載荷矩陣進行旋轉，可得到旋轉后的因子載荷矩陣，如表5所示。通過旋轉，各個公因子有了較為明確的經(jīng)濟含義：第一個公共因子F1，其在指標X5（總資產(chǎn)報酬率）、X6（凈資產(chǎn)收益率）、X7（息稅前利潤/總資產(chǎn)）、X8（息稅前利潤/主營業(yè)務收入凈額）上有較大載荷，命名為“盈利能力因子”。第二個公共因子F2，其在指標X1（資產(chǎn)負債率）、X2（產(chǎn)權比率）、X3（流動性比率）上有較大載荷，命名為“償債能力因子”。第三個公共因子F3，其在指標X11（所有者權益增長率）、X12（總資產(chǎn)增長率）、X14（現(xiàn)金流量比率）上有較大載荷，命名為“成長能力因子”。第四個公共因子F4，其在指標X13（現(xiàn)金比率）、X4（速動比率）上有較大載荷，命名為“現(xiàn)金流量因子”。第五個公共因子F5，其在指標X9（總資產(chǎn)周轉率）、X15（總資產(chǎn)）上有較大載荷，命名為“總資產(chǎn)營運能力因子”。第六個公共因子F6，其在指標X10（應收賬款周轉率）上有較大載荷，命名為“應收賬款周轉率因子”。4.計算因子得分。表6是通過主成分回歸方法估計出的因子得分系數(shù)，用表中各公共因子對應的得分系數(shù)分別乘以各變量標準化值即可得到各公因子對應的得分序列。
（三）Logistic實證分析1.建立Logistic回歸方程。設被解釋變量y為0-1型隨機變量，當樣本違約時y取1，非違約時y取0，另以6個公共因子F1，F(xiàn)2，…，F(xiàn)6作為解釋變量，建立Logistic回歸模型，回歸方程的形式如下：2.Logistic模型參數(shù)估計。運用SPSS16.0軟件對因變量Y和自變量F進行Logistic回歸建模，選擇逐步向前回歸分析法，篩選出回歸系數(shù)比較顯著的自變量進入模型，剔除回歸系數(shù)比較顯著的自變量進入模型，剔除回歸系數(shù)不顯著的自變量。本文參數(shù)估計結果中已剔除回歸系數(shù)不顯著的因子F2，F(xiàn)3和F6，保留了因子F1、F4和F5，最終獲得的參數(shù)估計結果如下表7所示：表7中，Wald統(tǒng)計量用來檢驗回歸系數(shù)是否顯著，Sig是Wald統(tǒng)計量的相伴概率，結果顯示因子F1，F(xiàn)4和F5的Wald值、Sig值在1%的顯著性水平下極其顯著，說明模型擬合較成功。3.Logistic回歸違約率（）判別分析。判別分析的目的是為了檢驗模型建立的準確性，為風險預警做準備。具體方法為運用已建立的Logistic回歸方程（3.3），得出各樣本的違約概率值，以違約概率0.5為判別臨界點，>0.5計入違約組，<0.5計為非違約組，運用SPSS16.0軟件運行得出模型違約組和非違約組的判別結果如下表8所示。上表顯示，Logistic模型總的判別準確率為98%，其中非違約組2409個樣本全部判別為非違約，判別準確率100%；而違約組48個違約樣本全部錯判為非違約，判別準確率0%。由于通過估計違約概率來識別違約樣本的結果不理想，我們尋找其他能提高違約樣本判別準確率的方法。4.Logistic回歸殘差（ZREi）判別分析?；貧w方程的殘差gi是指實際觀察值yi與通過回歸方程估計出的回歸值yi之差。殘差可以分為普通殘差gi、標準化殘差ZREi=giσ，一般用于判斷異常值，判斷標準為將超過±2σ或±3σ的殘差視為異常值。由于普通殘差ei的方差不相等，不適合直接用來做判斷，一般將普通殘差標準化，使殘差具有可比性，從而用標準化殘差ZREi來進行判斷。本文將殘差異常值的判斷與樣本的違約性判斷聯(lián)系起來，進而通過識別回歸殘差的異常值來判斷樣本的違約性。運用SPSS16.0軟件輸出所有樣本的標準化殘差ZREi，將用ZREi＞2和ZREi＞1兩個標準，分別進行違約識別，對比分析判別結果的準確率，進而選取準確率更高的判別臨界點。在ZREi＞2的判別標準下，判別結果為：違約組48個樣本中，標準化殘差值均為正值，且大于2，判為違約組，判別準確率100%；非違約組2409個樣本中，標準化殘差值均為負值，且絕對值小于2，全部判為非違約組，判別準確率100%。在ZREi＞1的判別標準下，判別結果與ZREi＞1的判別結果完全一致，違約組和非違約組的判別準確率均為100%。
（四）Logistic模型樣本外預測。為了檢驗模型的預警能力，本文根據(jù)2006年建立的Logistic回歸方程去預警2007年的客戶違約情況。選取2007年化工行業(yè)的33個樣本數(shù)據(jù)，其中7個違約樣本、26個非違約樣本。首先運用SPSS16.0軟件，將33個樣本的15個財務指標數(shù)據(jù)標準化，根據(jù)因子得分系數(shù)表4-7，算出每個樣本的因子得分值F1、F4和F5，代入Logistic回歸方程（4.5），根據(jù)y的預測值和實際值算出普通殘差和標準化殘差，分別運用ZREi＞2和ZREi＞1兩個標準來進行風險預警。在ZREi＞2的判別標準下，預警結果為：違約組7個樣本，預警出2個違約，預警準確率28.57%；非違約組26個樣本，全部預警為非違約，預警準確率100%。在ZREi＞1的判別標準下，預警結果為：違約組7個樣本，全部預警為違約，預警準確率100%；非違約組26個樣本，預警出25個違約，預警準確率96.15%。鑒于ZREi＞1的預警準確率明顯高于ZREi＞2的預警準確率，本文將ZREi＞1作為預警樣本違約的判別標準。
二、結論
