從表1.20可以看出，主成分Y1在5%的水平上對因變量具有正向的顯著性影響，主成分Y4在5%的水平上對因變量具有正向的顯著性影響。即經多次篩選，最后保留主成分Y1及主成分Y4。從表1.10可以看出，主成分Y1在5%的水平上對因變量具有正向的顯著性影響，主成分Y4在5%的水平上對因變量具有正向的顯著性影響。即經多次篩選，最后保留主成分Y1及主成分Y4。在上表中，可以看，Logistic回歸分析分別回歸系數b值、b值的標準誤、Wald卡方值（瓦爾德）、自由度、P值（顯著性）、OR值（ExpB）及其置信區間。其中，Wald卡方值（瓦爾德）和P值是對回歸系數b值的假設檢驗。P<0.05,說明該變量對結局的影響具有統計學意義。由于主成分Y1以及Y4的顯著性P分別為0.042、0.044，均小于0.05，因此可以將“B”列作為主成分系數、常量帶入，最后得出該二元logit模型的表達式為：（5-1）為了驗證分類器的效果，用SPSS26.0構建ROC曲線，觀察ROC曲線的位置，并求得ROC曲線下的面積AUC.從圖1.2可見，藍色的ROC曲線呈垂直上升、水平右延趨勢，證明當前模型具有較好的效果。圖1.2ROC曲線Fig.1.2ROCcurve根據SPSS26.0計算的AUC如下：表1.21曲線下方的區域Table1.21AreaUnderCurve區域標準錯誤漸近顯著性漸近95%置信區間下限上限0.8470.0710.0010.7070.987從表1.21來看，ROC曲線下方的區域（AUC）=0.847，表明二元logit模型檢測效果較好。從上所述，通過篩選14項企業財務指標、提取主要影響貸后風險的主成分因子、構建Logistic回歸模型，可得到違約概率P的計量方程，P值的大小決定了融資企業的貸后風險的大小。P值的取值介于0-1之間，P值=0.5是對于融資企業信貸風險大小的評判標準。P值<0.5則表明融資企業有信貸風險，當P值越接近于0，說明信貸風險越高；P值>0.5則表明融資企業資信狀況良好；當P值越接近于1，說明融資企業信貸資質很好。分行可以通過模型風險計量，為貸后風險識別和判斷提供較為準確的數據支持，改變了傳統授信模式下，只針對單個或某幾個財務指標來分析貸后風險的局面，為對公貸后風險管理拓寬了思路。1.3對于定性因素的風險計量由于引發貸后信貸資金不能按時歸還的因素是多方面的，所以在貸后風險計量過程中，除了應用logistic模型進行借助財務指標進行定量分析外，還應結合第四章風險識別的55個非定量的預警信息，可通過打分制來判斷其非定量風險和貸后管理的風險程度。表1.22主要預警信息清單Table1.22Listofwarninginformation大類主要預警信息行業及外部環境預警信息1.國家宏觀經濟政策出現變化，如隱性政府債務管控、利率機制變動等2.國際形勢變化，對于外貿型企業，如外貿政策變化、限制進出口、匯率波動等3.金融危機等情況出現，導致企業的經營環境出現惡化4.政府調整了行業政策或修改了相關法律，鼓勵或限制某一產業，嚴重影響企業的生產經營1.整個行業都處于衰退的狀態，銷售收入越來越少6.行業近似于完全競爭，競爭激烈7.出現新技術可以代替企業的產品表1.22（續表1）大類主要預警信息行業及外部環境預警信息1.國家宏觀經濟政策出現變化，如隱性政府債務管控、利率機制變動等2.國際形勢變化，對于外貿型企業，如外貿政策變化、限制進出口、匯率波動等3.金融危機等情況出現，導致企業的經營環境出現惡化4.政府調整了行業政策或修改了相關法律，鼓勵或限制某一產業，嚴重影響企業的生產經營1.整個行業都處于衰退的狀態，銷售收入越來越少6.行業近似于完全競爭，競爭激烈7.出現新技術可以代替企業的產品單戶預警信息1.

高管人員的行為方式和個人習慣發生變化2.

高管人員婚姻出現問題3.

高管人員沒有履行個人義務4.

高管層/關鍵部門/關鍵人士變動1.

缺乏系統性和連續性的職能安排6.

冒險參與企業并購、新項目投資、新區域開發或生產線啟動等投機活動7.

在回應低迷的市場或不景氣的經濟狀況時反映遲緩8.

缺乏可見的管理連續性9.

超出公司管理和控制極限的過度擴張10.公司出現勞動力問題11.公司業務性質的改變12.無效率的廠房和設備布局13.主要產品系列、特許權、分銷權或者供貨來源喪失14.喪失一個或數個財務狀況良好的大客戶11.存貨積壓時間長而且多16.貸款企業在銀行的存款下降或流水資金下降17.簽發不能兌付的支票18.企業的正常運營都需要短期借款來支撐，而且不能到期償還貸款，需要展期或重組19.征信顯示存在他行逾期、欠息等情況賬戶資金流水信息1.

貸款發放后，短期內一筆或多筆回流與放款金額相近金額2.

上游企業無實際背景，向授信企業匯款3.

授信企業無合理理由，向下游企業匯款4.

交易對手多為同名賬戶或集團內關聯企業1.

還本付息前，多由同名賬戶或集團關聯企業轉入相似金額6.

貸款資金轉入理財、股票、期貨等賬戶抵質押物及擔保信息1.

企業所抵押的房產、土地價值大幅下降或有變現阻礙2.

企業對所抵押的廠房、設備維護不良3.

抵押的凈地被征用加蓋房屋4.

重新辦理抵押時，權證借出未還導致被企業私自撤押1.

保險公司由于客戶沒有支付抵押物保險金而發出保單注銷函6.

應收賬款付款方經營不善、拖欠賬款7.

質押股票股價大幅下跌或有負面信息8.

擔保企業經營不善、瀕臨破產9.

擔保個人資產轉移10.擔任個人及其配偶婚姻出現問題，或行為方式和個人習慣發生變化表1.22（續表1）大類主要預警信息抵質押物及擔保信息11.擔保企業、擔保個人涉訴或涉案轄行及支行貸后管理信息1.

客戶經理或支行管理層信貸經驗不足（無信貸客戶管理經驗，或其他條線專崗）2.

客戶經理曾因個人履職不到位導致客戶出現風險3.

客戶經理經排查存在以貸謀私、與客戶傳統等行為4.

客戶經理貸后監控不審慎，未及時識別貸款挪用現象1.

客戶經理未及時識別企業經營管理異?，F象6.

客戶經理在未能識別他行逾期欠息行為7.

客戶經理在抵押、撤押環節操作存在風險隱患8.

客戶經理對重點業務（如應收賬款質押等）管理不到位9.

轄行及支行刻意漏報、瞞報風險信息10.轄行及支行在分行授信管理、貸后管理、風險管控等條線考核中持續靠后11.轄行及支行對企業日常經營情況及風險狀況含糊其辭12.轄行及支行對待風險排查敷衍、不深入根據專家訪談法，首先整理得出55項定性的預警信息，通過判斷該授信客戶及其分管轄行及支行、客戶經理的貸后管理情況，判斷所涉及的風險信息個數。為做好定性指標的風險評價，每戶在貸后管理過程中，每識別1次預警信息，即在風險評價的分鐘相應加分。首先設置定性分析總分1分、平均55條預警信息0.018分。即非定量風險B=0.018*觸犯風險預警次數。涉及貸后風險越多的客戶，得分越高，意味著非定量風險越高。例如，經測算，惠天熱電涉及12項預警信息，得分0.216分；錦州港涉及5項預警信息，得分0.108分。結合客戶在分行實際情況判斷，錦州港在除財務指標外的貸后管理、行業和經營方面風險確實較惠天熱電小，因此本次預警信息打分的應用與實際基本相符。1.4對于分行授信客戶貸后風險的評價基于上述內容，可分別計量出企業的定量、定性貸后風險情況。但由于財務指標具有滯后性，僅用財務指標帶入的計量結果無法及時識別出企業的貸后風險，因此分行應該將定量計量結果P和定性結果B相結合，分析判斷分行授信客戶的總體貸后風險。P代表用logistic模型計量的風險得分，得分區間為[0，1]，如綜合得分越接近于0，則該戶貸后風險越低；如得分越接近于2，則該戶貸后風險越高。B代表對照55項風險預警信息的綜合得分，得分區間為[0，1]，如綜合得分越接近于0，則該戶貸后風險越低；如得分越接近于1，則該戶貸后風險越高。以營口分行某耐火材料的數據為例,根據其2020審計報告數據計算，2020年末主要定性指標如下：表1.23企業的主要指標Table1.13Mainratioofacompany序號類別財務比率1償債能力流動比率（1）2.3701速動比率（2）1.9534現金比率（3）0.3650資產負債率（4）0.39542盈利能力營業凈利率（5）0.2023凈資產收益率（6）0.0813資產報酬率（7）0.0520營業毛利率（8）0.26873營運能力應收賬款周轉率（9）1.82存貨周轉率（10）3.944成長能力營業收入增長率（11）-0.1467凈利潤增長率（12）-0.0992凈資產增長率（13）0.0886總資產增長率（14）0.1013將上述數據帶入已經求得的二元logit模型，（5-3）表1.24企業的主要預警信息Table1.24Mainwarninginformationofacompany大類主要預警信息行業及外部環境預警信息2.國際形勢變化，對于外貿型企業，如外貿政策變化、限制進出口、匯率波動等單戶預警信息1.

高管人員的行為方式和個人習慣發生變化11.存貨積壓時間長而且多18.企業的正常運營都需要短期借款來支撐，而且不能到期償還貸款，需要展期或重組4.

交易對手多為同名賬戶或集團內關聯企業8.

擔保企業經營不善、瀕臨破產4.

客戶經理貸后監控不審慎，未及時識別貸款挪用現象12.轄行及支行對待風險排查敷衍、不深入由于該企業觸犯主要預警信息8項（每項各一次），因此風險預警信息綜合得分B=0.018*8=0.144。由于該客戶P=1，B=0.144,可以得出營口該耐火材料公司的貸后風險較大，且主要風險因素在于企業的經營財務方面