信用风险模型实证分析研究——基于Logistic模型与Mixed Logit模型的对比分析

• 作 者: 柴鹏
• 机 构: 北京师范大学
• 出 处: 北京师范大学
• 发表日期: 2008年期

信用风险是我国商业银行当前面临的重要风险之一,银行出现的不良资产和面临的国外银行竞争,使得提高银行的信用风险管理水平成为我国银行业面临的重要课题。随着对信用风险努力的研究,涌现出了大量有代表性的信用风险量化管理模型。　　
本文结合我国的实际情况,认真总结各种信用风险模型的特点,从前提条件、理论基础进行了论述,并总结了现代信用风险模型的建模思路,对模型在信用风险度量中的实用性进行了比较分析。最终采用Logistic回归模型与Mixed Logit模型对比分析来构建信用风险模型。Logistic回归模型本质上说是非线性的概率模型,可以很直观的给出违约概率；由于Logistic回归模型是非线性的,但是我们可以通过Logit转换,将其转变为线性形式,这样在参数估计过程中就可以利用很多线性回归的性质了。Mixed Logit模型是离散选择模型的最新发展,它放宽了传统标准选择模型的两个主要限制——个体选择偏好的同质性和不相关备选方案的独立性,在模型的设定上具有较高的灵活性,但其参数估计比较复杂,需采用极大化模拟似然估计法。随着计算机速度的提高和仿真算法的出现,Mixed Logit模型得到了越来越广泛的应用。　　
本文通过对财务指标的正态性检验、因子分析方法,最后得出有六个财务指标对构建信用风险模型有重要的意义,它们分别是净资产收益率、存货周转率、总资产周转率、流动比率、营运资本资产比率、销售现金实现率。当上市公司陷入信用危机时,偿债能力和盈利能力恶化的最明显,通过Logistic模型与Mixed Logit模型的对比实证分析,发现Mixed Logit模型的预测结果要优于Logistic模型,Mixed Logit模型的预测正确率达到85％以上。所以,对比研究这两个模型对于我国银行业强化内部风险管理,促进风险管理水平的提高,提升行业核心竞争力,无疑具有积极的现实意义。