1、微觀視角下征信業對系統性金融風險抑制功能及實證分析3.1征信產品開發的種類及風險抑制功能3.1.1征信產品開發的種類3.1.1.1征信業務的種類一、按業務模式可分為企業征信和個人征信兩類企業征信主要是收集企業信用信息、生產企業征信產品的機構；個人征信主要是收集個人信用信息、生產個人征信產品的機構。有些國家這兩種業務類型由一個機構完成，也有的國家是由兩個或兩個以上機構分別完成，或者在一個國家內既有單獨從事個人征信的機構，也有從事個人和企業兩種征信業務類型的機構,一般都不加以限制，由征信機構根據實際情況自主決定。二、按服務對象可分為信貸征信、商業征信、雇傭征信以及其他征信信貸征信主要服務對象是金融

2、機構，為信貸決策提供支持；商業征信主要服務對象是批發商或零售商，為賒銷決策提供支持;雇用征信主要服務對象是雇主，為雇主用人決策提供支持；另外，還有其他一些征信活動，諸如市場調查，債權處理，動產、不動產鑒定等。各類不同服務對象的征信業務，有的是由一個機構來完成，有的是在圍繞具有數據庫征信機構上下游的獨立企業內來完成。三、按征信范圍可分為區域征信、國內征信、跨國征信等區域征信一般規模較小，只在某一特定區域內提供征信服務，這種模式一般在征信業剛起步的國家存在較多，征信業發展到一定階段后，大都走向兼并或專業細分，真正意義上的區域征信隨之逐步消失；國內征信是目前世界范圍內最多的機構形式之一，尤其是近年來

3、開設征信機構的國家普遍采取這種形式，但由于每個國家的政治體制、法律體系、文化背景不同，跨國征信的發展也受到一定的制約。3.1.1.2征信機構的種類征信機構是負責管理信用信息共享的機構，從事個人或企業信用信息的采集、加工處理，并為用戶提供征信報告和其他基于征信系統數據的增值產品。從全球實踐來看，征信機構一般分為三類：個人征信機構(creditbureau)、信貸登記系統(creditregistry)禾口企業征信機構(commercialcreditreportingcompany),類機構的經營模式和目標服務市場各有差異O一、個人征信機構個人征信機構通常是私營的，是按照現代企業制度建立、完全市

4、場化運作的征信機構，主要為商業銀行、保險公司、貿易和郵購公司等信息使用者提供服務。美國是典型的私營征信機構模式，商業化征信機構擁有全面的信用信息系統。個人征信機構主要為信貸機構提供個人借款人以及微型、中小型企業的信用信息。它們從銀行、征信卡發行機構和其他非銀行金融機構等各類信貸機構采集標準化的信息，同時還采集各類公共信息，如法院判決、破產信息、電話簿信息，或擔保物權登記系統等第三方數據庫的信息。此外，它們也會采集一些非傳統征信數據，如零售商對消費者的賒銷信息，以及煤氣、水、電等公共事業繳費信息，有線電視、電話、網絡等其他先使用服務后付費服務的繳費數據，以便提供更好、更完善的征信報告。對從未與銀

5、行發生過信貸關系的個人以及微型、中小型企業而言，不斷拓寬信息來源非常有益，可以幫助它們在沒有銀行信貸記錄的情況下建立起征信檔案，從而有效解決因為沒有征信檔案而無法獲得銀行貸款的難題。個人征信機構通常采取數據提供者自愿報數(通過簽署數據共享互惠協議)的模式，廣泛采集各類征信數據，并提供多樣化的征信產品和服務，幫助信貸機構做出信貸決策。在一些國家和地區，通常是在征信業的發展初期，法律會強制要求有關各方進行數據共享，并使用征信機構的服務，此外，還會賦予監管機構相應的權利，以督促信貸機構加入征信系統并監控其加入情況。二、信貸登記系統信貸登記系統起源于歐洲。從歷史上看，信貸登記系統的建立目的與個人征信機

6、構不同。大多數信貸登記系統最初是作為中央銀行的內部數據庫而設立，而且目前仍然有很多信貸登記系統用于中央銀行的宏觀金融監管。根據世界銀行的調查，越來越多的國家政府鼓勵成立信貸登記系統來監督商業銀行的信貸活動。因此，這些數據庫通常采集貸款額度在一定金額以上的大額信貸業務數據。最初，信貸登記系統的信息僅限于央行內部使用。但隨著時間的推移，信貸登記系統也開始向受監管的信貸機構提供征信報告。而且，隨著消費信貸的發展,信貸登記系統普遍降低或取消了數據采集門檻。在許多國家，如法國、阿根廷、西班牙、秘魯、意大利、比利時等，信貸登記系統已經開始提供與個人征信機構類似的產品和服務。通常，法律要求所有受監管的金融機

7、構都要向信貸登記系統報送數據。信貸登記系統既采集個人信息，也采集企業信息。個人信息通常包括個人的身份驗證信息、貸款類型和貸款特征信息、負面信息、擔保和保證類信息以及還款記錄信息。企業信息通常包括企業的身份標識信息、企業主的信息、貸款類型和貸款特征信息、負面信息和還款記錄。三、企業征信機構企業征信機構提供關于企業的信息，這些企業包含個人獨資企業、合伙企業和公司制企業，并通過公共渠道、直接調查、供貨商和貿易債權人提供的付款歷史來獲取信息。企業征信機構所覆蓋的企業在規模和經營收入上都小于信用評級機構所覆蓋的企業，其采集的信息一般用于信用風險評估或征信評分，或是用于貿易征信展期等其他用途。企業征信機構

8、與個人征信機構的差異體現在以下幾個方面:企業征信機構采集的信息不包括個人敏感信息，所覆蓋的交易的規模也大的多。與個人征信相比,企業征信往往需要采集更多的有關企業借款人的支付信息和財務信息。為了保護個人數據主體的權利，個人征信機構會披露數據提供者的身份，但企業征信機構卻不會讓企業數據主體知道其數據來源或用戶的身份。企業征信機構也可能會采集小企業的信息，但由于其報告的數據項并不適合小企業，所以采集的信息往往有限。正如前面提到的，由于小企業往往不會公開自身的財務信息，所以其企業主的征信記錄對評估小企業的征信情況非常有用。但企業征信機構并不采集個人數據。此外，由于微型或小型企業的信用信息采集成本往往較

9、高。因此，與企業征信機構相比，個人征信機構往往能更好地滿足對微型和中小型企業的征信需求。3.1.1.3征信機構的作用征信機構的作用是傳播信用信息從而起到對失信者懲罰的作用。就征信機構的征信傳播作用而言，分為對個人和企業兩種，目前對我國征信機構的需求很廣。對個人來說：申請工作時，應聘企業通過查詢個人征信記錄就可以對個人征信情況有詳細了解，決定是否雇傭；個人申請征信卡，也可以通過征信記錄來判斷個人的征信卡額度；與個人交易時可以查詢征信記錄來判斷個人征信情況，從而決定是否繼續交易及交易方式；對于注冊會計師、律師、教師、證券從業人員、醫務人員等進行征信記錄，可以促使其遵守職業道德；種類繁多不一一列舉。

10、對企業來說：銀行對企業授信時可以查詢征信記錄決定是否貸款和貸款額度、貸款利息等；政府采購選擇企業、投標招標選擇企業、選拔建設工程企業、通過電子商務交易、選擇旅游機構等都可以通過征信系統來選擇征信較好的機構進行交易，從而降低交易成本。由國家發改委和中國人民銀行負責一個整體的總征信機構建設，由國家各部門分別負責各領域征信系統的建設，并把各領域的征信情況上報給總的征信機構。由政府負責這個征信機構的信息采集及查詢情況，使得信息能夠迅速、公正的被采集傳播，防止信用信息被濫用。通過征信檔案的建立，公民和企業每個人都有一個征信代碼，交易雙方進行交易時可以事先查詢征信代碼，失信者會因害怕不良記錄而有所顧忌，從

11、而建立一個公平誠信的社會環境。3.1.2征信產品開發的風險抑制功能3.1.2.1征信報告產品的風險抑制功能征信報告主要包括個人征信報告和企業征信報告。個人征信報告本質上是個人過去的征信行為又稱為個人征信報告，主要是記錄個人征信活動的一個報告展現形式，目前國內金融相關業務認可的主要是人行征信中心的征信報告，其個人信用信息包括了個人基本信息、個人信貸交易信息以及反映個人征信狀況的其他信息。下面介紹征信報告的數據來源、報告形態以及后續用途等方面，以此來解讀征信報告。數據來源。個人信息，即主要是從公安部身份信息核查結果得到的信息，主要包括個人名字、身份證號碼信息。個人婚姻、職業、住所信息：每次向金融機

12、構或非金融機構進行辦理業務過程提交的信息。征信交易信息：金融機構及非金融機構在每次業務發生后一段時間內向央行進行上報，包括征信貸款、征信卡及其他貸款（如助學貸款）。公共記錄：征信中心通過信息主體、企業交易對方、行業協會提供信息，政府有關部門依法已公開的信息，人民法院依法公布的判決、裁定等渠道采集到公共記錄信息。查詢記錄：征信機構對所有查詢征信報告的行為進行記錄，并在報告中顯示。（2）報告形態。個人征信報告目前可通過多種渠道去查詢，包括個人授權銀行或金融機構進行查詢、個人主動查詢（1、個人登錄征信中心網站申請查詢；2、到中國人民銀行各地分行查詢；3、到各銀行營業廳中申請查詢），無論哪種查詢方式，

13、查詢都需要得到個人的授權。個人征信報告目前主要有兩種形態，個人通過征信中心網站上查詢的一般為簡單的版本（即行業稱的“簡版”），銀行查詢的一般為征信報告詳細版（即行業稱的“詳版”）。（3）征信報告的用途。目前，征信報告在所有銀行貸款業務、征信卡業務等金融業務中均有直接使用。征信報告的安全等級分為五級：正常、關注、次級、可疑、損失。如若征信報告達到次級以后則無法辦理貸款或征信卡，如果被央行列為失信名單，那么在未來乘坐火車、高鐵、飛機等交通工具都會有所限制，因此，保護好個人的征信極為重要，采用央行征信的一句話就是：伴您一生的征信記錄者。提及征信報告產品的風險抑制功能，主要通過以下四個方面得以體現。（

14、1）防范信用風險。征信降低了交易中參與各方的信息不對稱，避免因信息不對稱而帶來的交易風險，從而起到風險判斷和揭示的作用；（2）擴大信用交易。征信解決了制約信用交易的瓶頸問題，促成信用交易的達成，促進金融信用產品和商業信用產品的創新，有效擴大信用交易的范圍和方式，帶動信用經濟規模的擴張；（3）提高經濟運行效率。通過專業化的信用信息服務，降低了交易中的信息收集成本，縮短了交易時間，拓寬了交易空間，提高了經濟主體的運行效率,促進經濟社會發展；推動社會信用體系建設。征信業是社會信用體系建設的重要組成部分，發展征信業有助于遏制不良信用行為的發生，使守信者利益得到更大的保障，有利于維護良好的經濟和社會秩序

15、，促進社會信用體系建設的不斷發展完善。3.1.2.2信用評級產品的風險抑制功能信用評級有利于形成良好的外部征信環境，促進金融機構之間的公平有序競爭。通過評級結果所謂公示，金融機構可以準確地獲悉自身在經營發展中存在的問題，通過與其他機構的比較，明確自身的發展方向，走符合自身經營特點的發展變化道路，在激烈的競爭中形成動態、持續的比較競爭優勢。如果金融市場上的所有機構都按照這種理性的經營思維方式發展，就能夠進一步維護金融市場的公平、公開、公正的競爭秩序，優化金融市場環境，并最終提升金融資源的配置效率。目前，中國人民銀行正在積極開展企業征信庫建設，逐步建立起全國范圍內的征信業，并最終運用于金融市場上各

16、個機構的需求，在征信業建設上，評級公司可以利用自身的優勢，幫助政府建立健全征信數據庫，搜集整理企業信息資料，依靠共享的數據庫系統，使失信者的失信記錄在各行業共享，使失信者在社會無法立足。同時研究企業征信資料的運用方式，這也反過來有利于評級機構自身更好的開展評級工作，保證評級結果的準確性。信用評級產品的風險抑制功能，主要表現為以下三點：一、信用風險度量功能本質上講，信用評級的功能在于揭示風險，揭示風險的前提就是要對信用評級對象的風險狀況做出度量。在20世紀70年代以前，度量信用風險的主要借助于各種報表提供的財務數據，進而通過分析被評對象的各種信息來做出評價。80年代以來，征信市場的發展和信用風險

17、的變化使得風險度量更多的依靠量化分析方法和風險度量模型。總結穆迪和標普對信用評級的定義發現，其定義主要包括兩個方面，一是違約率，即違約的可能性，二是違約損失，即違約后可能造成的損失有多大，依據這樣的概率模型而做出的評級結果比單純依靠經驗判斷的財務分析得出的結果要準確的多，因此，建立一套科學有效的評級模型就顯得十分重要。二、信用風險預警功能金融風險預警機制的主要目的是預報和提示金融風險，而要預報風險就要對其進行評級，再根據金融風險的輕重緩急程度，發出相應的預警信號，提醒各金融機構予以高度警惕，并積極采取有效措施，予以控制和防范。預報金融風險是金融風險評級的目標，完成這一任務需要選擇合適的預測技術

18、。從操作上講預測技術可以分為兩類：一類是直接預測技術，即直接依據相關監測指標變動的因果聯系來進行預測，如VAR模型的應用；一類是間接預測技術，即預測者自己不直接作預測，而是借助于專家的力量，收集整理專家所得出的預測結論，最后給出風險預警。如果條件許可，兩類預測技術可以結合使用。信用資源的整合功能是指信用評級通過風險揭示，為金融市場上信用信息的供需雙方提供一個合理的定價和流動機制，從而實現信用資源的有效配置。它由可以具體分為兩個方面，即信號傳遞和證明作用，信號傳遞是指評級結果包含了新的信息或者將現有的信息加以綜合，提供給市場，從而提高發行方的籌資效率或降低投資方的風險水平。證明作用是指特定債務的

19、發行符合一定的條款和條件,例如證監會制定的債券上市條件，基金委托方制定的投資組合戰略等。3.1.2.3關聯企業甄別產品的風險抑制功能所謂關聯企業，是指與其他企業之間存在直接或間接控制關系或重大影響關系的企業，相互之間具有聯系的各企業互為關聯企業。關聯企業在法律上可表現為由控制公司和從屬公司構成。而控制公司與從屬公司的形成主要在于關聯公司之間的統一管理關系的存在。這種關系往往借助于控制公司對從屬公司實質上的控制而形成。圖3.1關聯企業查詢產品示意圖Fig.3.1Therelatedcompanyqueryproductschematic關聯企業甄別產品的風險防控方式，主要有以下三點:一、加強貸前

20、調查，嚴格客戶準入樹立正確的營銷和風險管理理念，新客戶準入要充分收集各類內外部信息，利用征信系統平臺、銀監會披露信息等外部工具，對客戶主體進行綜合分析，符合集團客戶標準的，要摸清其管理體制、組織結構、治理結構，理順成員之間的法律關系，按照集團客戶管理模式進行統一授信、管理，防止過度授信；對刻意隱瞞關聯關系、參與民間借貸、多頭授信、多業并舉、快速擴張、他行退出客戶要審慎介入，從源頭控制風險。二、加強貸后管理，完善擔保方式客戶用信后，在貸后監管中發現客戶存有隱性關聯關系的，要多渠道摸清關聯關系，嚴格落實集團客戶管理要求。一是優化擔保方式，將企業互保方式逐步轉換為抵押擔保方式，對現有抵押物確保產權明

21、晰，法律手續完善,抵押物充足，能有效覆蓋風險敞口。二是嚴格控制企業對外擔保行為，與企業簽訂補充協議,要求企業對外擔保必須經貸款行書面同意，規避集團成員企業涉訴帶來的風險。三是加強對信貸資金的跟蹤監測，重點關注無貿易背景的關聯交易情況，落實信貸資金歸行管理，確保不被關聯企業擠占挪用。三、綜合分析風險，適時調整策略對于符合集團客戶定義，但未按集團客戶管理的隱性關聯客戶，要綜合分析、判斷客戶風險，適時調整管理策略，確保措施可行、風險可控。一是對貸前刻意隱瞞關聯關系的客戶，分析其目的性，屬于借殼融資，套取貸款，以及信貸資金被實際控制人挪用于股權投資、民間借貸的，要及時退出；二是借款人生產經營正常，信貸

22、資金使用規范，還款來源充足，無實際風險因素的關聯企業，要參照集團客戶模式進行管理，確保風險可控；三是存在潛在風險的隱性關聯客戶，在優化擔保方式，落實有效資產抵押的情況下，制訂壓降計劃,逐步壓降用信額度，擇機退出。3.1.2.4擔保圈識別產品的風險抑制功能在銀行貸款中，擔保抵押是關鍵點，能不能放貸及放貸額度多少均與抵押有關。商業銀行從風險控制的角度出發，在企業不能或不愿提供抵質押物的擔保情況下，也認為人的擔保“有總比沒有好二即便對于一些征信等級較高的企業，也要求提供保證擔保而不愿發放征信貸款，客觀上也導致擔保圈的形成，且容易出現“用擔保圈壘流動資金貸款、“用流動資金貸款壘大戶”的情況。通過擔保征

23、信增級而不是分析企業自身的現金流作為還款能力依據，但現在隨著經濟的下行，企業經營利潤下降，有很多企業資不抵債，企業主跑路的情況很多，擔保風險鏈條不斷擴大，其中很多大的擔保圈的風險也爆發出來，嚴重影響了信貸資產的安全。針對此起彼伏的擔保圈風險，商業銀行客戶經理應該具有防范擔保圈貸款風險的風險意識，將化解擔保圈貸款風險作為深化信貸管理的重點，以盡快化解已暴露或潛在的擔保圈風險。一、貸款三查節深入仔細，化解擔保圈貸款風險在貸前調查環節，凡向銀行申請融資的企業，客戶經理在盡職調查時應要求企業如實提供對外擔保信息，全面掌握企業的或有負債情況，并了解掌握企業已有他行融資擔保情況，分析客戶所在擔保圈的總體風

24、險狀況。在審查審批環節,客戶經理應加強授信審查，實行動態管理。通過查詢中國人民銀行信息征詢系統、對保證人情況進行全面盡職調查、分析保證人之間的內在聯系、對借款人在他行融資擔保情況進行分析判斷，全面準確把握擔保圈范圍；認真分析借款人償債能力及保證人代償能力，嚴格核定客戶授信額度和限定使用條件。對有違約記錄、過度擔保或互保和連環擔保現象嚴重的擔保圈內企業新增融資，商業銀行要從嚴審查審批，并盡可能辦理有效的抵質押擔保。二、要盡量避開企業同行業擔保圈擔保在商業銀行風險分散策略上，往往要求貸款不要集中于特定的一兩個行業,而造成相對較大的行業集中度風險。將行業風險分散策略應用到擔保圈風險控制上，商業銀行可

25、以在具體受理擔保貸款業務時，避免讓同一個行業的企業進行互保，以避免一個行業出問題，整個擔保鏈條崩盤。溫州莊吉集團企業行業內互保，一旦行業龍頭企業經營出現問題，其配套的小公司、關聯行業內的都受到重大影響，嚴重影響信貸資產質量。三、在貸款企業擔保方式置換的注意事項如果互保企業出現問題，銀行從保全資產安全的角度，肯定是先下手為強。當擔保圈中保證人保證能力不足，保證人出現償債能力問題時，商業銀行應考慮采用其他的風險緩釋手段，將部分擔保圈保證貸款置換為合法、足值、有效的抵質押擔保貸款，由“人的擔保”向“物的擔保”方式轉化，實現擔保方式由高風險向低風險轉變。此外，如若企業“物的擔保不足或者有其他原因而只能

26、采取其他企業擔保的方式，那么可以要求企業尋找的互保公司不存在任何擔保或者被擔保行為，以防止擔保圈擴大化。四、認真摸清行內擔保圈貸款風險情況，徹底清查存量擔保圈貸款對于擔保圈中一些互保額度較大的融資，商業銀行應在審慎進行風險分析判斷的前提下，對互保關系進行清理，對借款人征信較好，實際較強的企業，在風險可控的情況下，要求借款人更換貸款擔保方式或找其他具有擔保能力的企業擔保，切斷擔保圈鏈的關聯。對于互保、連環擔保關系復雜，融資總額較大的擔保圈，商業銀行應繪制擔保圈保證關系示意圖，厘清擔保關系，對形成擔保圈的主要保證鏈條進行切割，實現“大圈化小”，風險降低，或對擔保風險傳導的高危環節進行預警，建立起有

27、效的“防火墻”，盡快隔離風險，防止風險的傳導和擴散。對借款人償債能力不佳、保證人擔保能力不足、關聯關系復雜或圈內企業存在違約記錄的擔保圈貸款，商業銀行可以將擔保圈貸款風險化解與潛在風險貸款退出和不良貸款清收處置工作相結合，通過多收少貸、只收不貸等措施積極壓縮收回擔保圈風險融資。3.1.2.5行業投放余額預警產品的風險抑制功能金融安全是一國經濟安全中最關鍵的部分，與一國的經濟狀況與社會發展密切相關。隨著金融全球化進程加快，金融工具的不斷創新，金融風險逐漸趨于復雜化、多樣化，各國之間相似的監管目標及體系、金融機構業務的同質化都加劇了金融業的順周期性，金融機構之間的相互聯系也使得風險在不同機構、不同

28、區域之間更容易傳染，一旦系統性重要機構爆發系統性金融風險，危機就會廣泛、快速地蔓延開來，極容易引起大規模的金融危機爆發。2007年下半年，美國爆發次貸危機引發了全球范圍內的金融危機，在此之前，系統性金融風險的研究雖已存在，但卻一直不是學術界以及監管部門關注的重點。巴塞爾協議II是各國金融監管的國際標準，其監管重點一直是以單家商業銀行為主的微觀審慎管理機制，著重監管單家銀行的經營管理狀況與風險。次貸危機后，各國意識到系統性金融風險監管的重要性，G20峰會和金融穩定理事會決定對現有監管體制進行改革，各國都認為有必要設立統一的監管機構對金融體系的整體風險進行監管，建立宏觀審慎管理架構，防范系統性金融

29、風險。巴塞爾協議III要求計提逆周期資本從而對系統性金融風險進行更有效的監管。在風險管理體系中，一般需要包括風險管理計劃、風險識別、風險定性分析、風險定量分析、風險響應和風險監控。另一方面，風險管理的本質是對不確定性的管理，所以這種不確定性不僅會給銀行帶來威脅，同時也可能意味著機會，因此加強風險管理還可以幫助銀行發現新的機會。風險管理貫穿銀行各項業務的整個業務過程，包括事前、事中和事后，但越早發現風險、越早采取措施，則風險管理的成本就越低，給企業帶來的效益也就越大。按照1：10：100的理論，在如果在第一個階段控制風險的成本是1,那么如果到了第二個階段才采取措施,它的成本就會是10,到了第三個

30、階段時的成本就將是100。因此，在風險管理領域中普遍強調風險管理的計劃性和預測性。風險預警系統可以為風險識別、風險分析、風險監控等提供強有力的手段，在整個風險管理體系中具有極其重要的地位。風險預測需要對大量的信息進行綜合分析，落后的人工管理手段已經無法適應，只有依靠高科技手段，結合人工管理，提高分析的自動化水平和處理能力，才能逐步提高風險預測的準確性和及時性。因此，建立一個高度自動化、智能化的風險預警系統，與銀行其他系統密切配合，將在銀行的風險管理體系中發揮出積極的作用。3.2征信產品對系統性金融風險抑制功能的度量模型3.2.1模型量化與指標選取本章節立足于微觀的角度，對征信產品是否會對系統性

31、金融風險起到抑制作用以及如何抑制展開了較為系統的研究。首先對征信產品進行量化，選取的指標是世界銀行發布的經過標準化處理的信用信息深度指數，該指數衡量的是從征信登記處（包含公立征信登記處和私立征信登記處）獲得信用信息的情況，包括信用信息涵蓋的范圍、可獲得性以及信用信息的質量。指數共七個層級，依次為0、1、2、3、4、5、6,該指數得分越高，表示信用信息越全面，也就意味著該國征信機構征信產品建設的完善程度越高，可以提供征信產品的種類越多，征信產品信息更全面，征信產品服務更完善。其次，系統性金融風險量化采用的是不良貸款率這一指標，不良貸款率越高,說明該國的系統性金融風險越大。控制變量選擇的是總人口數

32、、通貨膨脹率和國內信貸占GDP的百分比等，分別對國家規模、經濟穩定情況以及信貸發展情況等多方面的影響因素進行控制。其中，對信用信息深度指數進行標準化處理，對不良貸款率和總人口數進行對數化處理，以消除異方差的影響。由于2015年后世界銀行對各國征信產品的信用信息深度指數的衡量方法發生了改變，因此選取的時間跨度為2005-2014年。3.2.2面板數據回歸模型的選擇與建立針對上述量化指標，以下分別建立面板數據混合回歸模型、固定效應模型和隨機效應模型，并對所建立模型的合理性分別進行檢驗，進而確定面板數據回歸模型的形式，最終研究征信產品對系統性金融風險的抑制機理。3.2.2.1面板數據混合回歸模型的估

33、計與檢驗從時間上看，不同個體之間不存在顯著性差異；從截面上看，不同截面之間也不存在顯著性差異，則可以直接把面板數據混合在一起，采用普通最小二乘法(3.1)(3.2)（OLS）估計參數。模型形式為：(3.1)(3.2)Yit=Pl+Sk=2PkXkit+Uit或者Y=XP+U其中，Y=丫2,X=pxjX2，P=PllP2,u=FUJU2oYn_NTxlXN_NTXK_Pn_KX1UN_NTxl以信用信息深度指數為自變量，不良貸款率為因變量，加入總人口數、通貨膨脹率和國內信貸占GDP的百分比等控制變量，建立面板數據混合回歸模型，其回歸結果見表3.1。表3.1面板數據混合回歸模型計算結果Table3

34、.1Paneldatahybridregressionmodelcalculationresults面板數據混合回歸模型計算結果變量系數標準誤差廣統計量概率c2.0081810.4004195.0151930.0000zx-0.0051430.000783-6.5655930.0000XDZB-0.0013650.0005462.5007260.0126CPI-0.0035730.007199-0.4963810.6198LOG(RK)-0.0137790.024929-0.5527070.5806R方0.068544因變量均值1.398214調整7?方0.064291因變量標準差0.9335

35、43回歸的標準誤0.903036Akaike信息準則2.639550殘差平方和714.3546Schwarz準則2.666684對數似然值-1157.722Hannan-Quinn信息準則2.649926夕統計量16.11585Durbin-Waston統計量0.290220概率（夕統計量）0.000000為探查面板數據混合回歸模型的合理性，即信用信息深度指數對不良貸款率影響的回歸結果是否在不同國家以及不同時點之間存在顯著差異，假設上述公式中的前1個解釋變量的回歸模型在個體和時點間無顯著差異，后石2個解釋變量的回歸模型在個體和時點間有顯著差異，從而將礦分解為兩個部分：旗，和茶,，參數但也相應的

36、分解為島和膈,兩部分。因而模型被放寬為：(RRSS-URSS)/(NK2+K1-K)URSS/(NTKiNK2)F(NI2+Ki(RRSS-URSS)/(NK2+K1-K)URSS/(NTKiNK2)F(NIF0.05(770,775)=1-126(3.9)從公式(3.9)可以看出夕統計量是顯著的，說明有約束模型(3.1)和無約束模型(3.2)回歸結果差異較大，直接建立混合回歸模型結果并不太準確。3.222面板數據固定效應模型的估計與檢驗一、個體固定效應模型的估計與檢驗通過之前對夕統計量的檢驗，結果顯示：回歸結果在不同個體與時點間差異顯著，首先考察回歸結果在不同個體間的差異，即構建反映個體特征

37、的虛擬變量對混合回歸模型進行完善，即建立個體固定效應回歸模型，其模型的一般形式為:Yit=人+攝=2施Xkit+Uit(3.10)或者Y=(INtt)入+X6+U(3.11)-x2-x2iiX3il.xKilrxii內克積，入=入2，Xi=X2i2X3i2xKi2*:,x=X2一入N_Nxlx2iTx3iT.XKiT_TX(K-I)_XN_NTX(K-I)其中，Intt是0階單位矩陣In和丁階列向量Tt=(1，1，1)的克洛rp2i6=申_6k(kt)x1以信用信息深度指數為自變量，不良貸款率為因變量，加入總人口數、通貨膨脹率和國內信貸占GDP的百分比等控制變量，構建面板數據個體固定效應模型，

38、其回歸結果見表3.2。表3.2面板數據個體固定效應模型計算結果Table3.2Paneldataindividualfixedeffectmodelcalculationresults面板數據個體固定效應模型計算結果變量系數標準誤差廣統計量概率c1.2983980.7119051.8238360.0686zx-0.0018360.000837-2.1943240.0285XDZB-0.0040840.000748-5.4586590.0000CPI-0.0186840.006207-3.0098790.0027LOG(RK)0.0365470.0451820.8088920.4188固定效應（

39、交叉）_AFG-C0.321714_ALB-C0.804444_DZA-C0.765607_AGO-C-0.096942_ARG-C-0.011051_VOI-C1.047003_VEN-C0.031713_VNM-C-0.121282效果規范截面固定（虛擬變量）R方0.631513因變量均值1.398214調整7?方0.569365因變量標準差0.933543回歸的標準誤0.612617Akaike信息準則1.991433殘差平方和282.6008Schwarz準則2.6866071對數似然值-749.2264Hannan-Quinn信息準則2.257061夕統計量10.16137Durbi

40、n-Waston統計量0.697899概率（夕統計量）0.000000仍采用有約束模型和無約束模型的回歸殘差平方和之比構建夕統計量的方法，來檢驗設定個體固定效應模型的合理性。其原假設為：Hg:入1=入2=入3=入N-1=0（3.12）設RRSS是有約束回歸模型（3.1）（即混合數據回歸模型）的殘差平方和，URSS是無約束模型（3.8）（個體固定效應回歸模型）的殘差平方和，則在零假設下：F2=(RRSSURSS)/(N1)URSS/(NT-N-K+1)F(N1,N(T-1)-K+1)F2=(RRSSURSS)/(N1)URSS/(NT-N-K+1)F(N1,N(T-1)-K+1)(3.13)由上

41、述回歸結果，RRSS=714.355,URSS=282.601,將其代入上式進行計算,可以得到:(714.355282.601)/(1551)可以得到:(714.355282.601)/(1551)282.601/(155x10-155-5+1)=13.800Fo.o5(154,1391)=1.000(3.14)從上式夕統計量的檢驗結果可以看出，這155個國家的面板數據回歸結果拒絕了零假設期，說明這些國家的自發性不良貸款率是存在顯著差異，因此相對于混合回歸模型，選擇建立個體固定效應模型是更為合理的。二、雙固定效應模型的估計與檢驗雙固定效應模型既考慮了回歸結果在個體間的差異，同時也考慮了回歸結果

42、在不同時間上的差異，是一個對于不同時點的截面、不同個體的時間序列都有不同截距的模型，其一般形式如下：yit=%+Yt+Sk=2PkXkit+uit(3.15)或者Y=(Intt)A+(tnIt)y+Xp+U(3.16)其中，=1,2,.,TV,表75N個個體；*=1,2,.,7,表75已知的N個時點。以信用信息深度指數為自變量，不良貸款率為因變量，加入總人口數、通貨膨脹率和國內信貸占GDP的百分比等控制變量，構建面板數據個體時間雙固定效應模型，模型回歸結果見表3.3。表3.3面板數據個體時間雙固定效應模型計算結果Table3.3Paneldataindividualtimedoublefixe

43、deffectmodelcalculationresults面板數據個體固定效應模型計算結果變量系數標準誤差廣統計量概率C1.2814670.7107691.8029300.0718ZX-0.0019840.000838-2.3683220.0181XDZB-0.0043160.000755-5.7198130.0000CPI-0.0182590.006256-2.9188670.0036LOG(RK)0.0390620.0451310.8655100.3870_AFG-C0.261077_ALB-C0.805518_DZA-C0.697689_AGO-C-0.154571_ARG-C-0.0

44、733042012-C0.0101212013-C-0.0253262014-C-0.008465效果規范截面固定（虛擬變量）固定時期（虛擬變量）R方0.637738因變量均值1.398214調整7?方0.571518因變量標準差0.933543回歸的標準誤0.611084Akaike信息準則1.994829殘差平方和277.8271Schwarz準則2.738307對數似然值-741.7220Hannan-Quinn信息準則2.279133夕統計量9.630598Durbin-Waston統計量0.698851概率（夕統計量）0.000000類似于個體固定效應模型的設定檢驗，雙固定效應模型的

45、設定檢驗也采用Chow檢驗的夕統計量，檢驗的原假設為：儲：Y1=丫2=Y3=Ytt=0,當入i0，i=l，2,N1時（3.17）在此構建夕統計量進行檢驗的目的是判斷在存在個體效應的情況下，模型是否還包含時間效應。其無約束模型的殘差平方和是模型（3.13）（雙固定效應模型）的殘差平方和URSS,而有約束模型的殘差平方和為模型（3.8）（個體效應模型）的殘差平方和RRSSo同樣的，在假設用下,F3=(RRSSURSS)/(T1)URSS/(N-1)(T-1)-K+1)F3=(RRSSURSS)/(T1)URSS/(N-1)(T-1)-K+1)F(T1,(N-1)(T-1)-K+1)(3.18)依然

46、將模型回歸所得到的RRSS=282.601,URSS=277.827代入上式，得到:F3=(282.601-277.827)/(10-1)277.827/(155-1)(10-1)-5+1)F3=(282.601-277.827)/(10-1)277.827/(155-1)(10-1)-5+1)=2.638Fo.o5(9,1382)=1.887(3.19)得出的夕統計量是顯著的，因此拒絕原假設，說明在存在個體效應的情況下,模型同時也包含時間效應，即這些國家的自發性不良貸款率不僅在個體間有顯著差異，在不同年份間也存在顯著差異，所以將面板數據回歸模型設定為雙固定效應模型更為合理。3.2.2.3面板

47、數據隨機效應模型的估計與檢驗在面板數據回歸模型中的隨機效應模型，主要是能夠彌補固定效應模型的不足。由于固定效應模型只考慮了不完整的確定性信息對解釋變量的效應，而未包含不可觀測的隨機信息的效應，Maddala(1971)將混合數據回歸的隨機誤差項分解為截面隨機誤差分量、時間隨機誤差分量和個體時間隨機誤差分量三部分,討論模型(3.20)的參數估計。Yit=Pi+次=26kXkit+Ui+Vt+Wit(3.20)其中，UiN(0,說)表示個體隨機誤差分量；VtN(0,屏)表示時間隨機誤差分量；可北N(0,成)表示個體時間混合隨機誤差分量。模型(3.18)即為隨機效應模型。對于如何檢驗模型中的隨機效應

48、，Hausman(1978)提出了一種嚴格的統計檢驗方法-Hausman檢驗。該檢驗的原假設是：隨機影響模型中個體影響與解釋變量不相關，檢驗過程中所構造的統計量(原)形式如下：W=b-BTb-B(3.21)其中b為固定影響模型中回歸系數的估計結果，B為隨機影響模型中回歸系數的估計結果。另為兩類模型中回歸系數估計結果之差的方差，艮陽=VARb-p(3.22)hausman證明在原假設成立的條件下，公式(3.21)給出的統計量原服從自由度為左的卡方分布，左為模型中解釋變量的個數。顯然，在拒絕原假設時，模型設定為固定效應模型是可行的；否則，模型應設定為隨機效應模型。以信用信息深度指數為自變量，不良貸

49、款率為因變量，加入總人口數、通貨膨脹率和國內信貸占GDP的百分比等控制變量，構建面板數據隨機效應模型，并對回歸結果進行hausman檢驗，見表3.4。表3.4關聯隨機效應-Hausman檢驗Table3.4CorrelatedRandomEffects-HausmanTest關聯隨機效應-Hausman檢驗測試匯總卡方統計卡方自由度H截面隨機12.82884440.0121結果顯示，hausman檢驗的卡方值為12.829,伴隨夕值為0.012,拒絕原假設，說明面板數據回歸模型不存在隨機效應。因此最終確定的模型形式為面板數據個體時間雙固定效應模型。3.3征信產品對系統性金融風險抑制功能的實證分

50、析通過3.2節的面板數據回歸模型的檢驗結果與討論，最終選取的模型為雙固定效應模型，分別從信用信息深度、信用評級與個人征信報告三個方面闡述微觀征信產品對系統性金融風險的抑制功能。數據來源于標準普爾公司，主要包括信用信息深度數據、信用評級數據與個人征信報告數據。3.3.1信用信息深度對系統性金融風險抑制功能的實證分析通過采集wind數據庫的信用信息深度數據，以信用信息深度指數為自變量,不良貸款率為因變量，雙固定效應模型回歸結果見表3.5。表3.5雙固定效應模型回歸結果Table3.5Doublefixedeffectmodelregressionresults雙固定效應模型回歸結果變量系數標準誤差

51、廣統計量概率C1.2814670.7107691.8029300.0718ZX-0.0019840.000838-2.3683220.0181XDZB-0.0043160.000755-5.7198130.0000CPI-0.0182590.006256-2.9188670.0036LOG(RK)0.0390620.0451310.8655100.3870_AFG-C0.261077_ALB-C0.805518_DZA-C0.6976892014-C-0.008465效果規范截面固定（虛擬變量）固定時期（虛擬變量）R方0.637738因變量均值1.398214調整7?方0.571518因變量標

52、準差0.933543回歸的標準誤0.611084Akaike信息準則1.994829殘差平方和277.8271Schwarz準則2.738307對數似然值-741.7220Hannan-Quinn信息準則2.279133夕統計量9.630598Durbin-Waston統計量0.698851概率（夕統計量）0.000000根據上述雙固定效應模型的計算結果顯示，模型的夕統計量為9.631,其伴隨夕值為0.000V0.05,說明模型是顯著成立的。調整后的7?方為0.5715,模型擬合情況良好。信用信息深度指數的系數為-0.002V0,其夕值0.0180.05,回歸系數為負且顯著，說明信用信息深度指數對不良貸款率產生了負向的影響。信用信息深度指數每增加1點，不良貸款率降低0.2%o上述模型結果表明，隨著信用信息深度指數的提高，代表著征信產品的質量越好、收集的信用信息越完善。同時回歸結果顯示，不良貸款率是隨著信用信息深度指數的提高而逐步下降的，說明征信產品的優化、信用信息的全面能夠對系統性金融風險起到一定的抑制作用。3.3.2信用評級對系統性金融風險抑制功能的實證分析通過采集標準普爾公司網站上的信用評級數據，以信用評級為自變量，不良貸款率為因變量，雙固定效應模型回歸結果見表3.6。