一、行业风险预测指标体系构建
（一）行业风险程度判断指标的确定对于商业银行来说，行业风险就是某行业中企业违约的比例。这里，由于商业银行的信贷数据难以取得，本文参考前人的研究成果，将行业亏损情况作为衡量行业信贷风险的指标。行业亏损情况一般有三个指标，一是表示行业亏损面的指标：亏损企业个数占行业内全部企业个数的比率；另外两个是表示行业亏损度的指标：即亏损总额占全行业主营业务收入比率和亏损总额占全行业利润总额比率。在这里，本文参考前人的研究成果，也将行业亏损面即亏损企业个数占行业内全部企业个数的比率作为判断行业风险高低的标准。（二）行业风险预测指标体系国内外很多学者都是参考企业财务风险的研究成果，从财务指标和非财务指标两个方面，构建了行业风险预测指标体系。财务指标主要是资产结构、偿债能力、营运能力、盈利能力等方面指标，非财务指标主要是行业发展情况、政策影响情况、竞争情况等。本文参考前人的研究成果，按照理论依据充分、敏感性好、代表性强、可行性高的原则，从偿债能力、资产流动性、盈利能力、资产运营能力、市场竞争情况、股本结构、劳动效率和创新能力八个方面构建了行业风险预测指标体系（见表1）。为了避免定性指标的主观性，对于非财务指标，没有采用传统的打分法，而是采用代理变量。其中，营业费用占主营业务收入比率代表了行业的市场竞争情况，国家资本比例代表了行业的股本情况，新产品营业收入比例代表了行业的创新能力。
二、实证设计
（一）岭回归分析方法由于用于预测行业风险的指标大多为财务指标，其反映的内容相关性较高，存在着多重共线性，会影响后续建模的稳定性和精确性。传统的解决办法是采用主成分降为维后，再进行OLS回归。但主成分分析只是将预测指标变量的绝大部分信息进行保留，可能会丢掉与风险变量有关的信息。而岭回归方法是通过最小二乘法的改进允许回归系数的有偏估计量存在而补救多重共线性的方法，采用它可以通过允许小的误差而换取高于无偏估计量的精度，因此它接近真实值的可能性较大。岭回归分析将所有的变量引入模型中，比逐步回归分析、主成分分析能够提供更多的信息。因此，本文采用岭回归分析方法，进行变量的筛选，并建立预测模型。岭回归分析是一种改良的最小二乘法，可以从根本上消除复共线性影响。岭回归模型通过在相关矩阵中引入一个很小的岭参数k，并将它加到主对角线元素上，降低了参数的最小二乘估计中复共线特征向量的影响，减小复共线变量系数最小二乘估计的方法，以保证参数估计更接近真实情况。因为岭参数k不是唯一确定的，所以得到的岭回归估计k实际是回归参数β的一个估计族。当k=0时就是普通最小二乘估计，一般对于岭参数k的选择并没有公认的最优标准，主要有岭迹法、方差扩大因子法、均方误差H（K）最小值等。由于岭迹法比较简便、直观，因此，本文采用岭迹法来确定k值。（二）实证数据和来源本文实证研究的样本和数据均来源于国家统计局的《中国工业经济统计年鉴2009》、《中国工业经济统计年鉴2010》和《中国科技统计年鉴2009》。当今行业划分的类别比较多，有些行业又比较偏，为了便于研究，本文以国家统计局制定的《国民经济行业分类》作为基础。在《中国工业经济统计年鉴》中，一共有39个行业。其中由于其他采矿业和废弃资源和废旧材料回收加工业比较偏，因此予以剔除，最终确定了工业大类中的37个细分行业作为研究对象。为了保证行业风险预测模型的时效，本文用上一年度的行业风险预测指标来预测本年度行业风险情况，即把2009年的行业风险预测指标作为自变量，2010年的行业亏损面指标作为因变量。
三、实证结果及分析
（一）行业风险预测指标变量的筛选本文采用岭回归方法，对行业风险预测指标进行筛选。首先，对相关变量进行标准化处理，然后运用马克威分析系统5.0版进行岭回归处理，设置岭参数k从0.0到1.0，步长为0.1，得到标准化后的岭回归系数表和岭迹图。由标准化回归系数表2和岭迹图（图1）可以看出，当岭参数k从0到0.3时，各变量的标准化回归系数变化很大，特别是变量x1的标准化回归系数由负值快速上升为正值，x2的标准化回归系数则由正值快速下降为负值，这就是多重共线性所引起的异常变化。从图1中还可以看到，变量x3、x5、x8、x9的标准化回归系数随着岭参数k的增大趋于0，说明这几个变量的预测作用很小，因此予以剔除。当岭参数k大于0.2以后，各变量的回归系数变化减小，趋于稳定。由于k值越大，模型的误差就越大，因此，基于误差最小化的原则，选择0.2作为模型的岭参数。（二）行业风险预测模型构建设定k=0.2，重新对剩下的五个变量进行岭回归处理，得到岭回归估计结果（见表3）和行业预测风险模型。（2）从岭回归估计结果和行业风险预测模型可以看出，流动资产比例x2越高，下一年行业发生亏损的比例就越小，即风险程度就越低。这表明提高资产的流动性能够降低行业风险；同样，净资产利润率x4越高，风险程度也越低。这表明利润率指标对行业风险有正面作用；资产负债率x1越高，下一年行业发生亏损的比例就越大，即风险程度就越高。这说明负债过多会加大行业风险；营业费用占主营业务收入比例x6越高，风险程度也越高。这说明行业竞争程度越高，行业风险越大；国家资本比例x7越高，风险程度也越高。这说明国家资本控股占主导地位的行业依赖性强，竞争力弱，行业风险也相应增大。五、研究结论和不足本文构建了财务指标和非财务指标相结合的行业风险预测指标体系，运用岭回归方法，筛选指标，建立了行业风险预测模型，从而得出以下结论：1.岭回归方法可以直观、有效地对行业风险预测指标进行筛选，为后续实证建模打下基础，还可以有效地解决指标高度相关产生的多重共线性问题，从而保证模型的稳定性和信息的完备性。2.基于岭回归的行业风险预测模型可以为商业银行判断行业风险提供帮助。实证结果表明，加大资产的流动性，提高盈利能力，能够减低行业风险。而行业负债的增加，市场竞争强度的加大，国家控股比例提高，会相应地增加行业风险。本文在研究中还存在一些不足：一是没有商业银行行业信贷违约情况的数据，只能用行业亏损面或亏损度指标代替，因此实证的结果和精度可能受到影响；二是样本只限于工业企业，因此，适用范围会受到影响。这些会在后续的研究中加以完善。
作者：戴红军 孙涛 单农业论文参考文献位：淮南师范学院经济与管理学院 南京航空航天大学经济与管理学院
相关专题：河池学院学报编辑部 案外人执行异议起诉状