商业银行视角下信贷企业担保圈风险识别与预警

　　【中图分类号】 F832.2 【文献标识码】 A 【文章编号】 1004-5937（2017）13-0032-06

　　一、研究背景

　　信贷企业担保圈，通常是指多家信贷企业通过担保和互保等形式，形成的具有多对担保关系的网络群体，担保形式常见的有互保、交叉担保和循环担保[1-2]。在国内经济下行压力下，商业银行信贷规模逐步收紧，全国各地的担保圈风险问题相继暴露，担保圈风险已经成为区域性、系统性信用风险爆发的主要形式之一[3-4]，可谓“牵一发而动全局”，无疑对商业银行信贷资产安全构成严重威胁。因此，从商业银行视角出发，积极探索信贷企业担保圈风险识别与预警方法并采取相应的措施，对防止信贷企业担保圈风险的进一步蔓延，保证商业银行信贷资金安全具有重要的意义[5-6]。

　　20世纪80年代以来，随着西方国家金融市场化进程相继完成，商业银行之间的市场竞争趋于白热化，信贷企业之间的担保关系等要素的重要性逐渐被重视，出现了大量的信贷企业担保实证研究理论，引起了国内外众多学者对信贷企业担保风险的广泛重视，西方学者涉及该理论的研究大致分为三个层次：第一层次是信贷配给的交易成本担保理论，如Barro et al.[7]研究了关于担保的影响因素，提出了担保理论的融资类模型，研究对象包括交易成本、信贷规模和经济功能等；第二层次是信贷配给的代理成本担保理论，如Chen x y et al.[8]提出了担保在处理股东和债权人之间利益关系的债务功能，可以通过担保减弱贷款项目的高风险，及时缓解股东间存在的利益冲突，避免风险发生转移和债券人的利益受到损失，该理论被称为替代效应；第三层次是逆向选择和道德风险担保理论，如Bin et al.[9]提出了在商业银行视角下，担保、利率与信贷分配间的关系，提出了担保逆向选择理论，该理论从不对称信息出发，根据道德风险和逆向选择因素，使利率和期限等担保和贷款要素成为一种新的结构，该结构被称之为信贷契约，商业银行之所以存在不同的债务合约结构，正是在契约结构因素的筛选过程中形成的。

　　目前，中国比较有代表性的理论研究有：冯根福等[10]认为由于中国的上市公司提供相互担保，这就使得上市公司和商业银行之间不可避免地存在道德风险，同时，上市公司之间的相关担保也不同程度地存在一定逆向选择；敖慧[11]以信息不对称理论为出发点，对中国中小企业担保行为的表现形式进行分析，认为中小企业在担保中存在双重的逆向选择；袁嵩迪[12]认为中国的公司治理通常存在结构上的缺陷，表现为“一股独大”，大股东及关联人之间的担保，往往是利用担保占用信贷资金或将风险转移，大股东就会借助其绝对控股权在资金募集和为企业担保过程中来牟取私利，其行为损害了上市公司的正当利益。

　　综合以上文献，学术界对担保圈风险识别与控制措施的研究对象多为上市公司，针对商业银行视角下信贷企业的理论研究相对较少，且多为定性分析，缺乏对复杂担保圈网络的系统性和全局性的定量分析，存在一定局限性，不利于商业银行风险管控政策的制定和实施[13-14]。西方国家虽然提出较多理论模型和方法，但由于国情不同，在我国的适用范围有限。本文借鉴国内外学者的研究成果，从商业银行的视角出发，研究信贷企业担保圈风险，提出一种基于改进的脆弱性分析[15-17]模型，该模型借鉴商业银行信贷风险体系评价方法，利用SAS审计信息分析系统，实现了定性和定量的有效结合，通过调用某省商业银行信贷企业数据库，对该省某经济开发区内的信贷企业担保圈进行风险识别和预警，并有针对性地提出建议和措施，验证了模型的有效性和准确性。

　　二、改进的脆弱性分析模型

　　本文基于改进的脆弱性分析模型，提出一种信贷企业担保圈定性分析和定量计算相结合的风险预警模型，具体流程见图1。

　　（一）矩阵识别

　　基本思路是：使用穷举查找的方法，对区域内所有的担保关系进行识别，直到形成封闭的圈为止，对圈内所有的企业进行标识，记录各自不交叉的担保圈[18-19]，将结果整理，具体步骤如下：

　　第一步：在商业银行信贷客户的数据库中，下载信贷客户担保关系对应表，该表包括“借款人代码”和“保证人代码”共两列，其中，借款人代码用J表示，保证人代码用B表示，形成担保关系的基础表记为S，如果区域内的担保关系为n对，那么该矩阵计为n×2的2列矩阵。

　　S=（JB）=j1b1j2b2…jnbn （1）

　　第二步：在担保关系矩阵S中，取第一行记为V=（j1b1），假设V的第一个元素为j1，记录为W，那么通过在S中查询所有包含W的行，将查询结果存放到V中，并将S中相应的行删除，比如W存在于基础矩阵S中，并且W出现于S中的第1、3、6行，那么此时的V矩阵可表示为：

　　V=j1b1j3b3j6b6 （2）

　　以此类推，将以V的第二个元素为查询条件，将W重新赋值到V中记为b1，在基础矩阵S中继续查找，如果S中没有再出现V中的元素，那么，此时V就是一个互不交叉的担保圈，形成第一个担保圈，记为担保圈V1，将圈内的信贷客户的担保信息存放于保证关系表中，对结果进行整理。 　　第三步：根据第二步，使用同样的方法，重复查找，可以找到区域内存在的其他担保圈，标记为V2，V3，…，Vm，担保圈的穷举直到S为空时结束，定义T为穷举后的担保圈保证关系表，即：

　　T=V1V2…Vm （3）

　　假设在担保圈基础表S中，存在6对担保关系，如企业B是企业A的担保人，依次列出6对担保关系，如下所示：

　　S=ABBAACDCEFFE （4）

　　在基础表S中，V=（AB）记为第一行，按照第二步的思路，将V的第一个元素A记录为W，通过在S中不断穷举，列出所有涉及A的担保关系，并且在S中将A的元素删除，可以得到：

　　V=ABBAAC （5）

　　S=DCEFFE （6）

　　在V中将W的值设为其他参数，在基础表中，将C企业为A企业等的担保关系也列示出来，记录在V中，那么，就可以得到V1和V2共2个担保圈，如下：

　　V1=ABBAACDC （7）

　　V2=EFFE （8）

　　使用?方法，直到基础矩阵S元素全部为空，那么，可以将2个担保圈合并到一个新的矩阵中，其中，A、B、C、D四家为第一个担保圈的企业，E、F为第二个担保圈的企业，如下：

　　Y=AB1BA1AC1DC1EF2FE2 （9）

　　使用以上矩阵方法，可以将保证人和担保人所组成的对照表关联起来，识别出区域内所有的担保圈，之后再进行定性分析，运用商业银行信贷企业风险评级体系，将担保圈按照风险程度大小划分为不同的类型，根据担保圈内企业的要素如担保关系数量、互保和循环担保等来初步推断其复杂程度，对不同类型担保圈内企业的担保能力、违约情况和信用记录等复杂的因素进行量化分析，预测出可能出现风险的信贷企业。

　　（二）风险评价方法

　　风险评价方法是一种统计学评价参数体系，一般利用统计学和计量学方法进行风险的测算，综合分析各种因素，得出整个系统出现风险的大小和程度，也可以结合传统的计量学指标，推断系统的安全等级，同时对可能出现的风险提出建议和控制措施，以使系统受到的损失最小[11]。现实中，由于信贷企业担保圈通常较复杂，影响因素诸多，通常可利用信贷企业的担保关系、经营效果、征信记录等因素，对担保圈从总体上进行综合评价，将担保圈按照风险程度划分为四类，具体分类标准见图2。

　　一类担保圈，即风险可控的担保圈，有三种情况：一是担保圈内的企业均为商业银行的长期优质客户，生产经营情况良好，偿债能力较强，最近3个月无本金逾期，最近6个月欠息，生产经营良好，企业偿债能力较强，信用等级一般在AA级或以上；二是圈内企业的担保能力较强，或有负债率较低，流动比率小于1或低于商业银行平均水平，近3年内经营活动的净现金流量不高，与负债总量相比低于商业银行平均水平，企业之间担保关系较为透明，信息披露及时准确；三是互保的情况符合银行信贷政策，信用等级为AA-级（含）或以上水平，等级在银行信贷评级体系中均较高，企业不存在过度融资，抵押物足以满足融资额度。

　　二类担保圈，即风险一般的担保圈，有三种情况：一是圈内少数企业的担保额≤25%，资产负债率超过80%，生产经营状况不理想；二是少数企业存在过度融资，近3年企业净利润、经营性现金流均为正，但有下降趋势，或流动比率和速动呈下降趋势，企业存在对偿债不利的影响因素，偿债能力低下，担保能力弱；三是圈内企业担保关系相对复杂，或存在隐性的对外担保（暗保），少数企业的信用等级为AA-级或以下。

　　三类担保圈，即风险较大的担保圈，有四种情况：一是圈内多数企业经营情况较差，多数企业担保额>25%，存在他行不良信用贷款，或同一企业法人在他行出现不良信用记录；二是圈内多数企业担保能力较弱，企业偿债能力不足，经营性净现金流量为负，存在一定系统性或区域性风险；三是圈内企业存在较多隐性的担保形式如暗保等，担保圈情况较复杂；四是圈内部分企业是商业银行信贷政策限制类客户，如限制行业类客户（高污染类和产能过高类等）或最近30天内到期的贷款金额占全年销售收入的70%以上，企业当前的贷款处于关注级及以下。

　　四类担保圈，即风险严重的担保圈，有三种情况：一是圈内部分企业的担保能力严重不足，经营难以维持，或已出现停工等情形；二是圈内部分企业出现贷款违约记录，如最近3个月内有本金逾期，或最近6个月内有欠息现象，风险等级为次级及以下；三是圈内较多企业出现生产经营停滞，或融资风险全面暴露，担保能力丧失，遭多家银行起诉等情况。

　　（三）脆弱性分析

　　假设区域内担保和被担保的信贷企业数量为N，那么可以得到一个N×N的矩阵，设矩阵为Y。

　　利用矩阵识别模型，可以将担保关系进行有效识别，那么，根据区域内企业的担保关系，可以将Y表示为：

　　设P为企业的担保向量集，Q为企业的被担保向量集。

　　C代表企业的净资本，D代表企业的负债。

　　可以将区域内担保关系网络用一个向量U=（Y，C，D）来描述，通常情况下，企业的净资本、负债、担保或被担保的金额、担保企业的数量等因素关系着整个网络是否稳定，如果一家企业发生违约，那么极有可能会出现“多米诺效应”，这里定义一个指标K，代表企业在复杂的担保关系中对整个担保圈网络的影响[20-21]，其中，d表示入度，该关键性的指标K为：

　　本文创新之处在于将担保圈矩阵识别模型与复杂网络的脆弱性分析模型结合，并利用风险评价方法对担保圈进行准确分类，提出一种新的风险预警模型，获得更加快速和准确的测算值；根据矩阵识别结果Y，可以得到担保圈内担保和被担保企业的或有负债率和净资本率，利用二者之比形成的杠杆率，可以推断出企业的偿债能力，若杠杆率过高，代表企业的偿债能力较弱，则容易发生违约行为，改进后的脆弱性分析模型为：

　　在担保圈的复杂网络中，将初次违约的企业形成的集合记为Z0，为其担保的企业形成集合Ω1，若ω>c，则将这类企业记为Z1，此时，可理解为第一轮搜索的结果；那么同理为Z1担保的企业形成集合Ω2，若ω>c，则将这类企业记为Z2，为第二搜索；按照这种方法，依次搜索，可将最后一次的搜索记为Zn=？渍，那么整个担保圈的违约概率为： 　　外在因素的影?也不可忽略，可以用初次违约的企业概率来体现，可以记为p，p值越大，说明外在因素对担保圈的影响越剧烈，p值与整体违约率成正比关系。

　　可以得出一条影响程度与整体违约概率的关系曲线，通常将这条曲线称为担保圈的风险阈值曲线，那么担保圈的风险阈值可进一步由整体违约率Φ的积分求出，记为：

　　通常情况下，担保圈的风险阈值范围是S∈（0.5，-0.9），S越大说明担保圈的风险越大，因此，在信贷企业监测中，可以使用计算机数据库分析系统，利用矩阵识别的方法首先找出复杂担保圈关系网络，再根据区域特点结合银行的实际情况定义一个风险阈值，对于达到阈值的企业，应立即风险预警。

　　三、实证分析

　　本文利用国内某省商业银行“SAS审计信息分析系统”，数据来源为2016年该银行的信贷企业数据库，以该省某经济开发区内的担保圈网络为案例，采用本文所提出的改进的脆弱性分析模型进行风险识别与预警，验证该方法的有效性。鉴于商业银行客户信息保密的原则，故以下将所有企业名称进行脱敏操作。具体步骤为：

　　（一）矩阵识别

　　首先，在该银行的信贷企业数据库中调用信贷客户的基本信息，列出所有借款人和保证人的担保关系，见表1。

　　其次，使用矩阵对所有保证关系进行穷举，识别出区域内所有的担保圈，根据识别结果，整理担保关系，画出该省经济开发区内信贷企业的担保圈关系图，如图3所示。

　　（二）风险评价

　　借鉴商业银行的风险评价体系，综合考虑担保圈内信贷企业的经营情况、担保情况和信用记录等因素，将担保圈按风险程度进行分级，结果如表2所示。

　　（三）风险预警

　　使用本文提出的改进的脆弱性分析模型，借助该商业银行SAS审计信息分析系统，测算风险较大的担保圈V1和V3内的5家企业在2016年4个季度的脆弱性指标，采用该银行风险评估专家小组的年度预测阀值，确定0.8为风险警戒线，计算结果见图4。

　　测算结果显示，2016年4个季度中，F化工有限公司和H宇化工有限公司的脆弱性指标均高于该银行当年确定的风险警戒线0.8，表示上述两家企业违约风险出现的概率较大，且有不断扩大的趋势，因此，应该立即进行风险预警，该结论与2016年该省商业银行信贷监测结果一致，建议该商业银行及时采取有效措施，降低担保圈系统性和内生性风险，避免信贷企业担保圈违约风险的“多米诺骨牌”效应。

　　（四）建议和措施

　　对于信贷企业担保圈内存在较大风险的企业，商业银行应该及时采取对策，将防范担保圈违约风险的关口前移，最大限度地降低信用风险，具体措施为：（1）规范贷款流程。商业银行要完善信贷政策，规范贷款流程，从源头上防范信贷风险的出现，在信贷流程中，要严格审核企业贷款资金的偿还能力，关注企业现金流量、营运能力和经营情况，了解企业的担保情况，判断是否存在过度担保的风险，预测出现信用风险的概率，加强贷后流程的监督和审查，关注作为第二还款来源的担保措施，并将其作为风险缓释手段。（2）及时化解担保风险。当担保圈中担保人的偿还能力不足时，如出现过度担保、利息或本金逾期、经营困难等情况，商业银行应采取风险缓释措施，如采取担保方式置换，将保证方式置换为抵押或质押方式，进一步降低担保风险，同时，要加强对逾期或不良贷款的保全，如贷款及时清收、多收少贷、停止融资和发放贷款等化解措施，避免担保圈风险的进一步扩大。（3）加强担保圈风险监控。商业银行要加强对区域内担保圈的日常监督和检查，定期摸底，搞清担保圈的数量和风险程度，分类管理，了解担保圈内企业的担保关系、偿债能力和经营情况，通过多种渠道多方搜集企业的相关数据，如信贷数据库中的企业财务报表、人民银行征信系统的征信报告、工商局网站和红盾网等，彻底摸清企业的担保、经营和信用情况，预测担保圈内潜在的风险，提早采取措施，避免担保圈信用风险的爆发。

　　四、结论

　　本文调用某省商业银行信贷企业数据库，提出了改进的脆弱性分析模型，并利用该商业银行风险评价体系进行分类，绘制出该省某经济开发区内所有信贷企业的担保圈关系图，进行了风险识别和预测，测算出存在较大违约风险的企业，并针对该银行提出风险化解措施。该模型的测算结果与2016年该省商业银行信贷监测结果一致。因此，在当前全国各地信贷企业担保圈违约事件频发的背景下，对商业银行而言，可通过本文提出的改进模型，测度担保圈风险的合理边界，加强对信贷企业违约风险的防范力度，提高银行自身风险管控能力，避免和削弱内生性和系统性信贷风险的集中爆发。

本文链接：http://www.qk112.com/lwfw/guanlilunwen/qiyeguanlilunwen/134062.html