的系数值及其参数检验可以看出,X1(销售利润率)、X6(税后净利润增长率) 和X7(净资产)三个变量系数的统计检验在10%水平上显著不等于零,而其余变量的统计检验不显著,说明这三个变量对检验结果产生重要影响。故I.ogit模型可表示为: ①Martin,D.(1977),“Early warning ofbankfailure:alogitregressionapproach”,JournalofBankingand nanc/al,P249--276. 方霞:Logit模型在企业信用风险评估亡p的应用 549 户=百i丽而两蕊千丽画j蕊b而嚼了丽耳i赢F獗可(12) 将56个检验样本的财务指标代人表达式(12)并进行判别,预测时以0.5为概率最佳分割点,大于0.5的判为信用不良企业,反之为信用良好企业,得到分类结果如表5所示。表5 模型的检验结果统计预测值原始值合计误判率(%) 信用良好企业信用不良企业信用良好企业 20 6 26 17.86 计数信用不良企业 4 26 30 信用良好企业 76.92 23.08 100 百分比信用不良企业 13.33 86.66 lOO 经检验样本检验,模型将信用良好企业判为信用不良企业的共有6家,错判率约为 23.08%,将信用不良企业判为信用良好企业有4家,错判率为13.33%,模型总的判别正确率约为82.14%。五、总结本文将Logit模型应用于我国商业银行信用风险评估中,结果表明,对于评估指标非正态性且样本间协方差不相等情况,I.ogit分析模型表现出了良好的预测结果,可以作为商业银行一种有效使用的信用风险评估技术。我国各商业银行今后可以应用银行强大的企业征信数据库,根据经验剔除明显失真的调查资料和财务报表数据后,构建I.ogit风险评估模型数据库,对借款者信用状况进行客观、科学的分析,以防范商业银行信用风险,提高信贷资产质量。
全文预览
