商业银行是金融体系的重要组成部分，信贷风险管理是商业银行价值管理的核心问题。但是目前我国商业银行信贷风险管理体系不完善，银行有大量的呆账坏账。为了提供贷款资产质量，银行要严格贷前审批，加强贷款风险识别。
本文先描述我国商业银行不良贷款现状，指出贷后风险识别的重要性，尔后重点阐述Logistic模型国内研究现状和银行贷后风险识别模型选择Logistic财务预警模型的原因。最后分析Logistic模型考虑非财务指标影响。本文创新之处在于：创造的引入另一个非财务指标即公司潜在发展能力对财务危机预警的重要影响。
信贷风险是指商业银行的客户不能按照合同规定按时偿付本金而给商业银行带来的贷款损失的可能性。贷后风险即是商业银行的客户取得贷款后不能履行合同义务的可能性。多元判别分析模型和Logistic模型已经经过大量验证，在发生财务危机前3年的误判率很低。基于此，针对中短期贷款业务，授信审批人员可以在审批时采用财务预警模型，筛选出财务状况正常的客户发放贷款。针对中长期贷款业务，则需要谨慎审批，发放贷款后集中追踪贷款资金用途，实时识别贷后风险，以期及时发现可能进入财务困境的企业，采取应对措施，将贷款损失减少到最小。
一、我国商业银行不良贷款现状
2006年12月31日，16家股份制银行的贷款总额约为16万亿，截止2011年12月31日，16家股份制银行贷款总额约为22万亿（数据来源Wind数据库）。2011年贷款总额比2006年贷款总额增长2.36倍，每年平均几何增长33.05%，由此看出，2006年-2011年5年间商业银行贷款业务大规模的膨胀，这必然跟随着高不良贷款率。2009-2011年，16家股份制银行中最低的不良贷款利率是2011年兴业银行为38%，最高为华夏银行2009年不良贷款利率150%，高不良贷款率要计提较多的不良贷款准备金，减少银行的利润。若是有大量的呆账贷款和呆滞贷款，那么甚至可能会引发银行的财务危机。由于银行固有脆弱性和影响广泛性，良好的信贷风险管理是商业银行长期持续发展的保障。强调谨慎授信审批，加强贷后风险识别，通过定量定性分析建立风险预警模型，是加强信贷风险管理的重要手段。
二、Logistic模型研究现状
Martin（1977）首次将多元逻辑回归分析引入财务危机理论，他从25个财务指标中选取8个变量回归分析。Ohlson（1980）选择了1970-1976年间破产的105家公司和非破产公司2058家组成配对样本，分析了样本公司在破产概率区间上的分布，发现公司规模、资本结构、经营业绩、资产流动性能显著反映公司财务危机状况，预测准确率达到96.12%，构造了Probit回归模型。
国外财务预警模型研究较早也较为成熟，国内财务预警模型起步较晚，近年来国内有很多关于财务危机理论的研究，很多学者结合我国实际情况推进Logistic模型本土化。陈明贤（1986）首次将Logit和Probit模型引入企业财务危机预测应用。陈晓和陈冶鸿（2000）用多元逻辑回归分析模型，发现负债/所有者权益、应收账款周转率、利润/总资产、留存收益/总资产四个财务指标对财务困境公司有显著性影响。与此观点相似的是鲜文铎、向锐（2007）首次应用混合Logit模型，他们选取2000-2004年484家上市公司为样本，利用（t-2）年财务数据分别用标准Logit模型和混合Logit模型进行财务危机预测。研究结果表明混合Logit模型比标准Logit模型预测准确，而且发现权益净利率具有异质性，可以作为随机变量选取。吴世农和卢贤义（2001）选取70家处于财务危机公司和70家财务正常公司，先用单变量模型分析，从25个变量中选定6个预测财务指标，再用Fisher线性判断分析、多元回归分析和Logistic逻辑回归分析三种模型分别验证。研究结果显示越接近发生财务危机时期预测误判率越低，财务困境前一年净资产报酬率指标判别成功率最高。同一样本集Logistic模型误判率最低，财务困境发生前一年的误判率仅为6.47%。马英杰等（2004）利用Logit模型对75个县域中小企业进行实证分析，研究结果表明资本结构、资产周转状况、股权状况对违约概率评估有显著的影响；管理层个人特征特别是年龄、受教育程度和是否持股对企业信用风险有较大影响；同时企业当地的经济发展也有一定的影响。
三、选择Logistic模型原则
第一，基于准确性原则。单变量判别模型操作简单，容易理解，但是准确性低。多元判别分析模型适用的前提条件是假设自变量呈多元正态分布以及非财务危机企业与财务危机企业具有同一协方差矩阵。现实中很少有企业能满足上述两个条件，因此，多元判别分析模型的适用性受到很大限制。Logistic模型放宽了上述两个条件，不仅适应性增强了，而且预测准确率还提高了。Logistic模型不单考虑公司的经营业绩会显著反映财务困境状态，还考虑了企业规模的影响。
第二，基于实用性原则。Logistic模型不要求企业自变量呈正态分布，也不要求财务危机公司与非财务危机公司之间具有同一协方差矩阵，Logistic模型要求个体选择偏好的同质性和不相关备选方案的独立性。在现实实务中这种假设条件也很难完全满足。人工神经网络模型没有企业样本假设条件，适应性很强，但是该理论基础抽象，计算复杂且不易于理解。由于其理论抽象性，该模型的科学性和准确性还有待进一步验证，所以其实用性受到限制。
第三，基于成本效益原则。模型使用与避免的贷款损失要符合成本效益原则。基于经营环境的复杂性和波动性，我们不能预测所有发生财务困境的公司，那么，在合理的接受水平下，用最小的成本最大准确性的发现可能发生财务困境的公司。
四、Logistic模型考虑非财务指标
运用Logistic模型，显著性变量一般都包括流动比率、资产负债率、总资产报酬率、净资产报酬率、总资产周转次数、销售净利率。这几个变量能充分反映行业差异，行业差异一般体现在行业产品毛利率、盈利能力、资本结构、行业总资产周转次数。所以，运用Logistic模型不需要修正行业差异因素。
人们清楚的认识到财务危机预警模型不仅考虑财务指标影响，还需要关注非财务指标影响。如何将非财务指标定性问题定量分析，是进一步完善财务预警模型的重要方面。2007年，李晶在硕士论文中构建非财务指标预测模型，研究公司治理对公司财务危机的影响。他从大股东资金占用、国有股比例、兼任情况、董事会规模、独立董事比例、代理成本六个变量中确定大股东资金占用、董事会规模和代理成本有显著差异，对这三个变量进行Logistic模型回归分析。
笔者认为非财务指标不是只有公司治理方面，还有公司潜在发展能力，包括管理层领导能力、员工素质、员工满意度和保持力、创新力、适应外界环境变化的能力、市场份额6个变量。管理层领导能力越强，那么更容易做出正确的经济决策，制定合理的战略目标。公司员工的素质越高，对公司的满意度越高，越能留住人才，频繁的员工替换会增加企业的培训成本，也可能由于新员工对业务不熟悉而引发经营风险。创新是企业持续发展的动力源泉，企业能否保持长期竞争力主要看企业的创新能力。创新力和高市场份额也能加强企业适应外界环境变化的能力。
（作者单位：东北财经大学）
