基于Logistic回归法的银行风险预警模型构建

发布时间：2020-05-20 10:46

【摘要】： 风险的识别和处置是商业银行监管的核心内容。如何建立有效的商业银行风险预警模型,尽早识别和预警银行风险,从而指导银行监管当局合理配置监管资源,及时采取措施防范和化解风险,防止银行破产倒闭,尽可能减少银行破产所造成的损失,是银行监管领域的一个重要研究课题,对于完善银行监管机制具有重大的理论意义和现实意义。迄今为止,国外学者在这方面的研究基本上都是基于对美国商业银行的实证研究。由于不同国家的经济、金融发展水平不同,银行体系的发展模式不同,对银行的监管方式也不同,我国在构建银行风险预警模型的方法上必然与国外相关研究存在一定的差异。最为突出的一点是,美国银行业的发展时间较长,历史上发生过许多银行破产倒闭的事件,银行的监管体系比较全面,积累了较为完整的监管资料,可以直接选取风险高低不同的银行进行分析。而对于包括中国在内的大多数转型经济国家来说,没有现成的银行风险状况数据可以用于构建预警模型。本文的目的是构建一个适合我国实际的商业银行风险预警模型。在借鉴国内外关于银行风险预警模型的研究基础上,本文首先对银行风险类型、预警方法、功能、目标进行了分析;接着构建了商业银行风险预警模型的指标体系,提出运用因子分析方法和层次分析法对风险指标进行组合赋权,量化评估样本银行的整体经营风险,从而将所有样本银行划分为“稳健银行”和“高风险银行”两组;然后采用K-S检验和Q-Q概率图分析对样本银行风险指标是否符合正态性分布进行了检验,再采用M-W-W检验和T检验研究高风险银行和稳健银行的财务特征,结果表明“稳健银行”与“高风险银行”在大多数风险指标均值之间均存在着显著差异,因而选用适当的统计方法建立商业银行风险预警模型具有充分的可行性。最后采用Logistic回归分析法构建了含有6个解释变量的风险预警模型,并对模型的风险预测能力进行了检验。
【图文】：

正态概率,覆盖率,流动比率,检验结果

拨备覆盖率Q-Q正态概率图

总体分布,流动比率,正态概率

26图5.2 流动比率Q-Q正态概率图根据Q-Q概率图正态性判定原则,2006年拨备覆盖率(4x )不符合正态性分布,而2007年流动比率(10x )符合正态性分布,其余指标正态性判定结果也与K-S检验结果相同。根据上述两种方法的检验结果,本文认为我国商业银行风险指标总体上不符合正态性分布假设,因而风险指标平均数差异应使用非参数检验法。5.2.2 风险指标均值差异检验（1）风险指标均值差异的检验方法非参数检验是统计分析方法的重要组成部分，它与参数检验共同构成统计推断的基本内容。参数检验是在总体分布形式已知的情况下，对总体分布的参数如均值、方差等进行推断的方法。但是，在数据分析过程中，由于种种原因，人们往往无法对总体分布形态作简单假定，但又希望能从样本数据中获得尽可能的信息，此时参数检验的方法就不再适用了。非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为“非参数”检验。1.Mann-Whitney-Wilcoxon检验本研究中我们选用非参数检验中的Mann-Whitney-Wilcoxon（M-W-W检验）
【学位授予单位】：长沙理工大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：O212.1;F830.3

【引证文献】