银行失败的信用风险决定因素：以美国银行的失败为证外文翻译资料

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

银行失败的信用风险决定因素：以美国银行的失败为证

阿卜杜勒萨马德

收信人：阿卜杜勒萨马德，副教授，财经部，犹他谷大学，800w大学公园道路，奥勒姆，犹他州84058，美国

电话：1-801-863-8368 电子邮件：abdus.samad@uvu.edu

收到：2012年6月14日 受理：2012年7月13日

网上发布：2012年7月31日 关键词：10.5539/ibr.v5n9p10

网址：http://dx.doi.org/10.5539/ibr.v5n9p10

摘要：本文凭经验从信用风险变量中确定了美国银行失败的重要决定因素。应用概率模型研究发现，五个信用风险变量中，信贷损失拨备扣除，贷款损失准备金，非流动贷款，和非目前的贷款，贷款是对预测银行倒闭很重要。这些因素可以预测正确的百分之76.8到77.25。模型预测121个个体中97个出故障，即正确的百分之80.17。向非流通的贷款和贷款损失的扣除贷款，虽然是最可靠的措施，但没有为2009年的美国银行的失败做显著的预测。

JEL分类：F21、G20、G21

关键词：银行倒闭，信用风险概率，净冲销，非流动贷款

1.介绍

2008年由25家银行倒闭（萨马德amp;洛厄尔，2012）。140家银行在2009年破产，157家银行在2012年消失。（时间，2010年1月）。美国金融史上如此大规模的银行倒闭自美国经济大萧条后从未发生过。它导致了全球金融危机，包括欧洲及周围的世界。

有几个理论导致银行倒闭。其中之一就是破产理论。根据破产理论，当银行资产的价值下降时，银行就不能负债。在大多数例子中，资产价值下跌三由于不履行贷款信用的风险导致的。信用风险由信用风险比率来衡量。

由于银行的大部分资产都是以贷款的形式，信用风险是银行的一大风险。信用风险主要是银行贷款质量的一个功能。这是一个内部因素，适合于银行管理。信用风险由几个因素衡量。他们包括（i）网贷、（ii）信贷损失准备金（iii）贷款损失准备金（iv）贷款损失准备金的非流动性贷款，以及（v）非流动贷款。据庞特龙和马乔里（1987）、银行内部因素仍然是至少三分之一的银行倒闭的重要因素。然而，银行内部信用风险的内在因素措施是否能显著预测银行的失败仍需在数量上进行探索，这个问题值得定量，检验与探索。

本文的目的是确定哪些对于预测2009年美国银行失败的信用风险比。确定风险比就是银行倒闭的重要预报器对于银行客户，银行审查员和银行管理而言具有重要意义。确定显著风险比可以减少时间损失的长度和资源的分配不当（Meyer amp;皮弗，1970）。

信用风险因素的识别，即信用风险比在各种信用风险指标之间的关系是本论文在金融文学领域的重要贡献。

本文是按如下结构编排的：在第二部分文献综述，数据和方法论在第三部分。第四部分给出实证结果和结论。

2.文献综述

银行倒闭/关闭的文献是广泛的，因此它在本文中对那些素材提供一个评论是不完全恰当的。相反，本文将限制的审查，直接涉及到更多的研究具体的标准和过程，在这一分析中进行评估。

萨马德（2011）采用方差分析法和KrosKaiWali测试来检查破产和非破产银行，并发现破产银行的资本比率明显低于非破产银行。

沙曼和格伦（2012）研究了美国银行失败的因素，发现T1RBCATA（1级风险基础资本与总资产）TRBCRWA（总风险为基础的资本对风险加权资产）、ROA（资产收益率），ASTEMPM（总资产作为全职员工的百分比）和EFFICR（非利息费用）显著预测2009年间银行倒闭的因素。上述五个因素被发现正确预测百分之86.4的银行倒闭。

埃斯特雷亚，帕克和Perustuani（2000）将检验三项资本比率的有效性作为分析银行倒闭的一个方法。 利用1988-1993年间美国银行的数据，他们发现简单杠杆比和总收益率是三项比率中最能预测一到两年区间内银行倒闭的比率。

在20世纪80年代，汤姆森（1991）研究了影响商业银行破产的因素，他也发现了银行经营的经济环境影响了银行倒闭的可能性。在他的工作论文（1989）中，汤姆森给出了以认购期权行为关闭一家银行的监管决定模式。还有两种相同模式的银行大笔也都是源于认购期权。该模型解释了1984至1989年间的银行倒闭。

Meyer和皮弗（1970）检查银行破产的原因，认为诸如贪污和其他金融违规行为导致银行倒闭，与一般的金融的概念相比，一般用于衡量银行的相对实力。他们的研究存在方法上的问题。

马丁（1977）本的文章试图为银行破产构建预警模型来作为一个函数的几个变量分为四类：资产风险、流动性风险、资本充足性、盈余和资产风险。运用分对数模型对美国银行的历史数据分析后他发现，在预测时最重要的两个因素是总资本对风险资产（0.99级）和商业贷款占总贷款比例也在0.99级。

庞特龙和普拉特（1987）在20世纪80年代也分析了在解除管制规定的时期导致银行破产的问题。在他们的模型中，他们使用了管理效率盈利能力，杠杆作用，风险分散和国家经济状态。他们发现银行破产的主要原因在放松管制期间和放松管制之前根本上讲是一致的。

辛基（1975）在银行破产发生前将单一变量、双变量（风险报酬分析）统计程序应用于美国迭戈州国民银行的资产负债表和所有者权益表特性。他的实证结果发现了在统计上的两组问题银行的显著差异。

韦斯特（1985）使用了要素分析和逻辑回归，曼达拉（1986）建议使用一个两步骤的逻辑回归。

本次调查的短文学（汤姆森（1991）的独家）和迈耶和皮弗（1970）正式了现在的研究和先前的研究在几个方面都是不同的。首先是在概率模型的使用方面。早先的研究并没有在银行破产的研究上使用概率模型。第二，并没有相关研究在预测银行破产时将确认信用风险变量看作2009年银行破产的重要因素。有两个额外的观点对历史的银行倒闭文献有一定贡献。这一分析直接识别破产银行，而几乎所有早前的研究使用的都是被归类为破产的银行。此外，本文采用横截面的分析与大量的银行倒闭而所有先前的研究仅涉及一小部分银行分类为问题银行。

3.数据和处理方法

3.1数据

由于大多是美国银行在2009年经营失败，本研究采用2009年的数据。各信贷风险比率的季度数据，尤其是银行破产爆发前三个季度的数据，是从FDIC的财政报告和网站获得的，网志是：WWW.EDIC.GOV。

一共有255家银行被考虑，其中134家倒闭，121家未倒闭。未倒闭银行是随机选择的。为了避免倒闭银行对州经济影响的偏见，类似数量的未倒比银行是从同一个州选择的。

3.2处理方法

由于因变量“失败= 1，成功= 0”是二进制的，这个概率模型是用来识别具有显著预测能力的信用风险比率的，并且具有预测力。

概率模型：

Pr(Yi =1|Xi, beta;) = 1-Phi;(-Xrsquo;i–beta;)= Phi; (Xrsquo;i beta;) (1)

Phi;是标准正态分布的，需要一个零到一的真正的价值范围的累积密度。

采用概率模型的概率密度函数是标准正态分布的。被分配函数关于0左右对称，方差等于1，他们的值在有界的0和1之间（阿蒙米亚， 1981）。

使用约定的符号， 估计模型可以用一般形式编写：

Pr(Yi=1) = F(xi₁, xi₂,hellip;hellip;xiM, beta;₁, beta;₂,hellip;hellip;) (2)

在一个可靠的变量，代表最后的结果：Y_i= 1代表失败的银行，Y_i= 0代表成功的银行。X_i是解释变量对银行失败或成功的影响数；X_ij是第i个观察变量。beta;1, beta;2与解释变量关联的系数X_i在抽样中被估算。在紧缩记法中，（2）可以表示为：

Pr(Yi=1) = (Xitbeta; Ut) (3)

Y=1, Y=2, Y=3是代表成功或失败的因变量（Y_i=1代表破产银行，Y_i=0代表经营成功银行）。X_it是解释变量的向量，beta;是需要被估算的未知参数。U_t是干扰项。然后本文中所观察到的因变量Y_i是由Y是否超过临界值0.5决定的。也就是说，

坚固性预期—即预期–预测模型以及似然比（LR）统计数字将被检查。LR统计量检验的零假设，所有接头斜率系数均等于零，并计算为-2(l(beta;)/l(beta;)。

概率变量的边际效应也需被计算。在概率和分对数模型中，Y是alpha;0 alpha;1X1 alpha;2X2 alpha;3X3, i.e.密度函数，Y = F(alpha;₀ alpha;₁X₁ alpha;₂X₂ alpha;₃X₃)。X_i 的边际效应是这样计算的：

该模型的拟合优度是从霍斯默拉莫秀和安德鲁斯测试估算出的。

3.3因变量

Y_i是二进制变量：Y=1代表破产银行；Y=0代表幸存的银行。

3.4自变量

五种被银行监察员周期性地应用与确定银行风险的信用风险因素被用作自变量。它们是：

（i）贷款净核销额（X11）

（ii）信贷损失准备金净冲销额（X12）

（iii）贷款损失准备金（X17）

（iv）非流动贷款的贷款损失准备金（X18）

（v）非流动贷款（X20）

三种概率模型被估计为：

Y=F(X11, X12, X17, X18, X20) (Model 1)

Y=F(X11, X12, X17, X20) (Model 2)

Y=F(X12, X17, X20) (Model 3)

同时变量被估计为：

，，，

变量之间的相关性在它们被用于避免虚假关系前将进行测试。相关结果如表1所示。

表1. 相关系数矩阵

表一显示五个变量间没有很强的相关性。由于不存在很强相关性，它们可以一起或者以任意顺序使用。

4.实证结果与结论

模型1、模型2和模型3的实证结果见表2、表3和表4。

表2. 三种模型的概率回归结果