地方政府融资平台信贷风险定量分析

来源:用户上传      作者:

　　【摘 要】本文从银行视角出发，在国内外银行通用的政府债务指标以及企业现金流量财务指标的基础上，从政府、企业、政企关系三个维度选取影响地方融资平台信贷风险的因素。根据选取的指标建立logistic地方融资平台信贷风险多变量回归模型，并通过拟合优度检验了模型的有效性。
　　【关键词】地方融资平台；融资平台类公司； 信贷风险
　　Abstract：This article from the Angle of view of the bank, based on the general government debt index and the financial indicators of cash flow of enterprises in domestic and foreign banks, select factors that affect the local financing platform credit risks from the three dimensions of government, and the relationship between government and enterprises. According to the index, establish the logistic credit risk multi-variant regression model, and test the effectiveness of the model through the goodness-of-fit.
　　Keywords：Local financing platform; financing platforms such companies; credit risk
　　
　　一、引言
　　地方融资平台风险可能引发金融风险已经成为不争的事实。银行作为融资平台贷款的最大主体，受到的影响肯定是最严重的。银行出于自身利益考虑，有必要对融资平台的风险做出判定并进行相应的风险控制。基于银行视角建立一个融资平台信贷风险定量分析模型对保证金融秩序的稳定特别是银行本身的利益有着重要意义，银行应在隐性风险发展成为显性风险前，加强对融资平台信用风险的定量测量并采取必要的措施。本文的目的就是探讨基于银行的角度来建立一个融资平台类公司信贷风险定量评估模型，为降低银行潜在的风险提供决策支持。
　　融资平台信贷风险指标选取的三个维度：
　　融资平台信贷风险指标是对融资平台风险大小产生影响的各种因素，本文分别从政府债务风险，融资平台类公司信贷风险和政府与融资平台关系三个维度进行指标的选取。
　　（1）政府债务风险。地方融资平台是政府主导的并且以政府财政作为担保的企业，对于融资平台信贷风险的评估，首先要对政府的负债规模以及偿债能力做出客观的分析，只有地方融资的主导具有实力的情况下还款才有最后保底的可能。
　　（2）融资平台类公司信贷风险。融资平台作为独立的企业法人机构，虽然有着它与政府关联的特殊性，但仍具有一般公司的性质，在取得银行贷款时银行也会对其进行贷款风险的分析，但建立在权责发生制上的财务分析在实际应用中存在明显的缺陷，所以在对融资平台本身风险的测量的指标体系上引入现金流量指标体系来弥补，通过对融资平台现金收入、支出用途以及筹资、投资等活动的信息，能够帮助银行评价融资平台未来净现金流量的能力，融资平台偿还债务的能力，消除了以资产负债表和损益表为依据而产生的受会计方法本身的影响。
　　（3）政府与融资平台关系。政府对融资平台的支持力度、融资平台项目对市政建设、地方经济的重要程度在很大程度上表现了政府和企业具备还款能力的情况下还款意愿的强弱。
　　二、地方政府债务风险衡量指标选取
　　1.国际通用政府债务风险指标
　　我国地方融资平台贷款风险的评价体系中首先要对地方政府债务风险进行评价，只有地方政府债务出于可控的大环境下，才能保证融资平台类贷款最后有保底还款的可能。
　　从世界发达国家管理地方政府债务的经验来看，地方政府债务风险衡量主要涉及的指标主要包括负债率、债务率、新增债务率、偿债率、利息支出率、债务依存度、资产负债率和担保负债比重等（见表1）。
　　前7项指标是地方政府现行债务的衡量，只有第8项是地方政府隐性债务的衡量。在前7项显性债务衡量指标中，负债率、债务率、资产负债率、债务依存度主要表示的是地方政府存量债务的情况；新增债务率主要考察债务增量的状况；偿债率以及利息支出率则体现了地方政府的偿债能力。
　　
　　2.我国地方政府债务风险指标选取
　　由于中国地方政府债务形成过程的特殊性，加之在目前国际社会对地方政府债务风险警戒线还未形成统一标准的情况下，只能选取与中国经济发展程度适应，地方政府债务结构相适应的债务风险指标作为测定中国地方政府债务风险的参照。
　　从经济结构来看，中国仍属于发展中国家。从经济发展阶段来看，地方政府在经济发展过程中主导作用依然较强。从政府债务结构特点来看，当前政府担保是形成中国地方政府或有负债的主要来源。因此，从中国的实际情况出发，对于地方政府担保这一形势，在选取地方政府指标时应予以特别关注。
　　综合考虑以上原则并结合中国地方债务的实际情况，中国地方政府债务风险指标以下四项标准，参照表2。
　　
　　
　　三、融资平台类公司信贷风险指标选取
　　在代表融资平台类公司信贷风险指标的选取上，基于企业现金流量模型结合地方融资平台类公司的特点分别从反映企业支付能力、收益质量、运营效率以及成长潜力四个维度18个指标中选取，参照表3。
　　从反映平台类公司支付能力的指标中选取现金负债总额比率，它反映了融资平台类公司的综合偿债能力。
　　从反映平台类公司收益质量指标中选取净利润现金比率，它反映在公司当期实现的净利润中有多少是有现金保证的。
　　从反映平台类公司营运效率指标中选取经营性现金收支比率，它反映了公司经营活动现金流出占经营活动现金流入的比率。
　　在反映平台类公司长期成长潜力的指标中选取经营活动现金净流量增长率，它直观的反映了公司未来内部资金的增长状况以及增长趋势。
　　
　　
　　四、政府与融资平台关系指标的选取
　　政府与融资平台关系指标直接影响政府对融资平台的支持力度，在对政府财政进行分析、平台类公司财务进行分析的基础上还应该对政府与融资平台类公司关系进行分析，这种关系决定了政府在有能力承担平台类公司债务的基础上承担愿意的强弱。
　　首先股权关系是一个重要的指标，它反映政府在融资平台类公司中所应承担的义务以及享受的权利大小，政府出资额占融资平台类公司注册资金比重越大政府与平台类公司关系越强。
　　另外政府为融资平台提供的担保方式也是代表政府与平台类公司关系的重要指标，平台公司贷款的担保措施包括，土地抵押、收费权质押、政府对项目的回购协议、第三方连带责任担保、当地政府的还款承诺等。
　　五、融资平台信贷风险定量分析
　　1.模型构建
　　融资平台类公司信贷违约发生，取其值为1；融资平台类公司信贷正常，取其值为0。建立多变量Logistic回归模型，设Y是一个取值为1或0的二分类随机变量，X1,X2,…Xm，是可能影响Y的确定变量，通过观测n组观测值（Xi1, Xi2, … Xim,,Yi）（i=1,2…,n）则结果变量与自变量的模型为：

　　
　　公式变形得出发生违约的概率如下：
　　
　　
　　通常理论上讲是否违约的临界值设定为0.5，即通过logistic模型计算出融资平台类公司 的违约概率大于或等于0.5，则将融资平台类公司判定为高风险企业，否则判定为低风险的企业。
　　Logistic模型采用极大似然估计法检验模型的拟合效果。回归系数的检验采用wald统计量检验，wald值越大或显著概率越小，则该自变量在回归方程中的作用越大，贡献越大。
　　2.样本来源及变量定义
　　本文的样本数据来源于某省某国有商业银行在某省范围内的政府融资平台类公司的信贷资料，由于政府融资平台类公司信贷发展的时间不长，从2000年1月到2010年12月共搜集了30家融资平台类公司的信贷资料作为研究样本，其中违约样本为7个，正常的样本为23个。本文变量的定义及赋值如表5。
　　
　　3.实证分析
　　根据模型的要求变量保持独立性、不存在共线性问题，因此需要进行变量间的相关性检验和共线性检验。通过检验可以看出变量间独立性强，如果某个自变量的容忍度(Tolerance)小于0.1，则可能共线性问题严重，方差膨胀因子(Variance Inflation Factor，VIF)实际上就是容忍度的倒数，VIF越大，说明共线性问题可能越严重，检验可知所取的10个变量间没有存在共线性迹象。由此可见样本数据可以直接用于Logistic模型分析。
　　进行相关性检验并不能表明变量之间的因果关系（粗效应），要明确一个变量的变化能否由另一个变量的变化来解释，就要涉及到logistic模型进行回归分析。将原始样本数据进行赋值处理后用SPSS1 6.0软件进行Binary Logistic回归分析。
　　从模型的整体拟合情况来看，内格科克R方检验(Nagelkerke R Square)为0.798表示整个模型的拟合优度很好。哈斯莫莱莫斯检验（Hosmer and Lemeshow）检验卡方分布统计量的显著水平为0.991>0.05，不显著，表示因变量的实际值与预测值的分布没有显著差异，说明模型拟合较好。
　　根据回归分析结果，采用Exp(B)值来进行系数显著性检验，模型参数估计结果可知10个变量的Exp(B)值都在0.05的显著水平下显著，即这10个变量对融资平台类公司的信贷风险有显著影响。根据模型参数估计的结果，构建出政府融资平台类公司信贷风险定量评估模型。模型如下：
　　
　　
　　通过对Logistic回归模型的估计，可以对样本公司是否有违约行为进行预测。同时通过对预测结果和实际结果的比较，可以对模型的预测能力进行评估。从对因变量贷款类别Y的分类预测结果可知，只将1家正常还款融资平台类公司判为违约公司时，模型对正常还款的融资平台类公司分类的准确率为95.8%；而将1家违约公司判为正常还款公司时，对违约融资平台类公司的分类准确率为87.5%；因此，总体上的分类准确率达到94.7%。上述结果可以说明，该模型在政府融资平台公司信用风险定量测评上应用的效果较为理想。
　　六、结论
　　本文选取融资平台类公司是否违约作为因变量，将地方政府负债率、地方政府利息支出率、地方政府担保负债比重、地方政府债务率、企业现金负债总额比率、企业净利润现金比率、企业经营性现金收支比率、企业经营活动现金流量增长率、股权比例、担保方式这10个变量作为自变量，构建出Logistic回归模型进行分析。根据回归估计结果，本文得出了地方融资平台信贷风险定量分析公式。通过对分类预测结果分析得出，模型对正常款款的公司分类准确率为94.7%，对违约公司的分类准确率为87.5%总的分类准确率达到94.7%，说明模型具有较好的预测性。
　　
　　参考文献：
　　[1]中国工商银行.地方融资平台债务研究[J].2010,6.
　　[2]郑仰驹.2010,3.试论现金流量分析在银行信贷中的应用[J].发展研究.
　　[3]隋剑 雄林琪.2004,9 (8).试论我国商业银行信贷风险预警系统的建立[J]. 金融论坛.
　　[4]王修华 刘灿 金洁.2011,32(2).地方政府融资平台风险测算与规范发展研究[J]. 财经理论与实践.
　　[5]王善君.2004.银行中长期贷款的信用风险评估[M].中国人民银行金融研究所.
　　[6]胡雪.2007.我国商业银行企业贷款信用风险评估实证分析[M].上海交通大学.
　　[7]冯朝阳.2005.现金流量分析在贷款风险评估中的应用[M].天津大学.
　　[8]何英.2005.我国商业银行信贷风险评估体系研究[M].中南大学.
　　[9]李文捷.2006.商业银行视角的企业信用风险监测度量研究[D].厦门大学.
　　
　　基金项目：本文受山西省软科学项目（2011041021-02）；山西省高校人文社科重点研究基地项目（2011020）资助。
　　
　　作者简介： 吴凯，山西师范大学硕士研究生。

转载注明来源:https://www.xzbu.com/2/view-1543978.htm