经济风险

研究综述
（一）国外研究现状
（1）信用风险评估的研究
国外对于信用风险评估的研究起步较早，形成了比较先进的评估方法，信用风险评估的研究主要可以分为传统信用风险评估和现代信用风险评估两个阶段。
传统信用风险评估主要有专家方法、信用评级方法和信用评分法。专家方法是对信用风险相关的定性和定量信息分析，依据主观判断对信用风险进行综合评定，比较依赖评估人员自身的知识和经验。Caouette（1998）详尽地介绍了专家方法中的财务分析、行业分析等内容，对传统风险评估方法的操作流程进行了阐述。Saunders（1999）总结了“5C”要素分析法，从企业的品德（Character）、能力（Capacity）、资金（Capital）、担保（Collateral）和经营环境（Condition）进行了全面论述。
信用评级方法是对受信者的自信状况以定量化的方式作出综合性的评价，并以不同的等级作出评定。1909年，John•Moody对铁路债券进行了信用评级，这是信用评级方法首次在金融实务中崭露头角。1922年和1924年，Standard & Poor’s和Fitch公司也分别开始使用自己的信用评级方法，世界三大信用评级机构开始在实践中逐步完善自己信用评级方法的历程。经过一个世纪的发展，信用评级作为信用风险管理的主要手段在金融实务中已经有了重要地位。
信用评分法是用综合分值或违约概率反映信用状况的一种方法，主要运用树立统计方法建立回归模型，以确定信用风险的大小。信用评分法主要包括多元判别分析模型、概率模型以及神经分析法等。Fitzpartrick(1932)使用判别分析模型对企业信用风险作出研究，他将甄选出的19对破产企业和正常企业作为样本，对两类样本公司进行判别分析，检验结果发现净利润/净资产的和净资产/负债两个指标能将两类样本公司很好的区分开。
Beaver（1966）进一步研究了1954至1964十年期间的企业信用风险状况，他将样本公司数量扩大到158家，对这些破产企业和正常企业的信用风险进行研究，结果发现现金流量/总负债能较好地判定企业的风险状况。
Altman（1968）开始研究破产企业的特点，在对众多样本公司进行对比之后，他认为财务指标能够对企业的破产概率进行评估。在众多的指标中，Altman确定了5个财务数据为主要度量指标的Z-score模型，由于模型的实用性和准确性，迅速成为当时主流的信用风险评估方法。1977年，Altman等对传统的Z-score模型进一步修正，将评估变量从5个增加到7个，即资产报酬率、收入稳定性、资产负债率、资本化比率、流动比率、利息倍数和企业资产规模，并对上市公司、非上市公司进行了评估，取得了较为准确的评估结果。随着研究方法的深入，更多的评估模型被应用于信用风险度量。
Martin（1977）第一个运用Logit模型来预测企业信用风险，通过对1970年至1977年间的样本企业进行分析，认为多元判别分析模型只不过是多元逻辑回归模型的特例，并且准确地从5700家美联储成员银行中判定出58家信用风险较高的银行。
多元Logit回归模型是由Ohlson（1980）引入的，他对1970至1976年的破产和非破产公司进行分析，得到结论财务困境受到公司的规模、业绩、资本结构和当前变现能力的影响很大。Laitinen（1999）对芬兰的3200多家公司的35个财务指标进行分析，比较加权Logit模型和一般线性回归模型在拟合公司的违约风险方面的区别。
随着信用风险研究的深入，人们对信用风险管理也更加重视，现代信用风险评估方法不断出现，其中最流行的有KMV模型、Credit Metrics模型、Credit Risk+模型以及Credit Portfolio View模型。
Merton（1974）将期权定价公式运用到公司价值评估中，1980年，Mcqouwn与Vasicek通过改良期权定价理论，将其运用于信用风险评估中，这形成了后来的KMV模型。KMV模型通过BSM模型计算企业的预期违约率EDF，并建立了预期违约率与企业信用等级之间的关系。Vasicak（1995）在研究了一百家上市公司的债券后，认为KMV模型可以对上市公司债券的信用风险评估；Anthony Saundem（2001）认为KMV模型能够对所有上市公司的信用风险进行有效测量。Kurbat等（2002）使用Callbration方法和Validation方法对KMV进行了验证，以上千家美国公司作为样本，选择1991年至2001年的公司数据进行实证研究。Crodbie和 Bohn（1999）使用KMV模型对金融企业进行风险评估，计算他们的违约概率，结果显示这些金融类公司还没有发生信用事件时，得到的预期违约率EDF已经预测到信用风险的变化。
（2）宏观经济因素对信用风险影响的研究
在信用风险评估方法发展的同时，信用风险在宏观经济层面也进行了许多尝试。凯恩斯认为，投资者对资产价格预期的改变会影响资产价格的稳定。受到凯恩斯的启发，Minsky（1982）从金融内在脆弱性方面作出阐述，提出了“金融脆弱性”假说。Minsky以50年的经济长波理论为基础，将企业依据信用风险的高低分为优质企业和庞式企业，从动态的角度分析了宏观经济因素和企业信用风险之间的相互关系，认为经济繁荣时期银行的过度信贷是导致资产价格泡沫和企业大规模违约的原因。
Kregal（1997）提出了“安全边际”假说，他认为银行在提供信贷时希望安全边际越大越好，但由于信息不对称的存在，银行只能根据企业的信用记录来确定企业的信用风险，也就是说企业的违约概率主要由企业过去的信用记录决定，这最终导致了企业在经济萧条时期出现大规模违约的情况。
在宏观经济对信用风险影响的的实证分析方面，也有许多研究成果出现。Wilson（1997）发现信用风险不仅与自身财务状况有关，还受到宏观经济波动的显著影响，他以商业银行作为样本，对信用风险和经济因素的关系进行研究，结果表明违约率呈现明显的周期性变化。
Grody，Galai 和Mark（2001）的研究进一步揭示了宏观经济周期对信用风险的影响具有一定程度上的非对称性，即信用风险在经济收缩期会出现明显的上升，但是在经济扩张期并不会显著下降。这说明经济收缩期可以使许多信用风险较高的企业最终出现违约，导致信用风险显著上升；但是在经济扩张期并不会给企业的信用张狂带来明显的提高，只能通过企业加强自身素质来加以提升，因此经济繁荣不能降低这些企业的信用风险。
Frye（2000），Lucas（2003），Gordy（2004），Altman（2005）等学者的研究也分别证明了违约率在经济收缩期与经济扩张期存在明显不同。
Nickell等（2000）以公司债券为分析对象，评估了债券在不同经济周期阶段时的信用风险迁移概率。研究发现债券信用等级向下迁移的概率总体上受经济周期的影响较大，当经济处于波谷时债券信用等级下降的概率要大于经济处于波峰的阶段。另外，债券的信用等级越高，其稳定性就越好，受经济周期的影响也越小。
Dimitrios Kavvathas（2001）研究了企业在经济周期不同阶段的信用等级迁徙概率，结果发现企业所处的经济环境不同，他们的信用迁徙概率受到外部因素的影响也不同。
Bangia（2002）依据期权定价的基本原理，以三十年期间的宏观经济波动与企业信用等级变化作为样本进行实证研究，也得到类似的结论。实证结果表明企业的信用风险上升的概率与宏观经济有密切的关系，其中在经济萧条时期企业信用风险升高的概率要高于在经济繁荣时期。也就是说信用等级低的债务人的受到宏观经济的影响更加显著。
（3）国外学者关于房地产信用风险的研究
对于房地产信用风险产生原因的问题，野口悠纪雄（1993）在研究了日本房地产市场后，认为银行对房地产等固定资产的巨额贷款支持等因素导致了房地产泡沫的产生，泡沫破灭后的资产价格的下跌导致了极为深刻的信用问题。
Renaud（1997）通过对1985年～1994年全球房地产波动的研究，分析了房地产周期形成的宏观经济因素，他认为金融监管的宽松、国际资本、财政政策等原因造成了房地产信用风险的产生。
Edelstein和Paul（1999）通过土地价格预期模型，论述了日本90年代出现的房地产市场泡沫破灭的现象，他们认为低水平的利率，土地使用限制、国际资本冲击、房地产投资的优惠政策等原因造成了房地产泡沫。房地产投资过热使得土地价格预期不断升高，当有外部因素冲击房地产市场时，泡沫破灭，信用风险随之暴露。
Shiller（2003）从行为金融学的角度展开研究，他认为房地产体系的风险很大程度上来源于各市场主体的非理性行为。
Davis and Zhu（2004）建立了资产价值和银行贷款两者之间关系的模型，随着房地产价格的上涨，银行有发放更多贷款或放松贷款条件的动机，使房地产和银行信贷之间产生相互作用的机制。
Deng（2007）通过测算贷款特征和当地的经济，预测并计算出其预期违约概率和发生违约时出现的损失。
Wilson（1995）使用1992-1995年加利福尼亚的数据计算了信用风险函数。结果发现，导致信用风险升高的主要原因是房地产价格的变化，之后才是信贷因素、房价贷款比率、资产种类、信贷数量和地域等因素。
在房地产信用风险度量与管理方面，Herring（2002）等学者通过分析国际数据并建立模型，提出危机短视和反向激励是低估房地产信贷风险的两种解释。
Tony Key（2002）论证了房地产需求、信贷规模等指标的剧烈波动可能是房地产信用风险上升的判别方法，证明了房地产信用风险中的关键变量能够被评估和监测。。
（二）国内研究现状
（1）国内信用风险度量的研究现状
在传统信用风险评估方面，陈静（1999）沿用Altman的思想，选用A股市场27家ST公司和27家同业同规模的非ST公司，共54家公司作为总样本，建立多元预测分析模型，并最终选取预测准确度较高的模型作为最优模型，以对模型结果进行有效测试。
张玲（2000）以A股市场14个行业中的51家ST公司和69家正常公司作为，选取15个财务指标，建立了4个判别模型，结果显示，预测模型可在4年前或公司开始亏损前2年预知公司的未来发展。
吴世农、卢贤义（2001）拓宽了研究样本容量，以70对ST公司和正常公司作为样本进行研究。在分析两组公司财务指标的差异后，选取了其中的6个作为模型指标，运用线性判定分析、线性概率分和Logit回归分析三种方法，分别建立预测模型，实证结果表明，三种模型都能够在企业发生信用风险前作出作出警示，其中Logit回归分析模型的预测能力较好，误判率最低。
于立勇（2004）选取132家制造业企业作为样本，其中包括97家信用风险较高企业，运用正向逐步选择法筛选出5个财务变量建立了反映企业信用风险的指标体系，然后通过Logit回归模型测算了51家企业的违约概率，研究结果经检验准确性较高，Logit回归模型对于企业信用风险有很好的预测效果。
李萌（2005）以贷款企业的财务指标和违约数据作为样本，选取了企业资本结构、现金流量、资产质量等方面财务指标，通过主成分分析后得到6个可以全面反映企业财务账款的变量，使用这些财务信息建立信用风险度量的Logit模型，最后使用不良贷款率作为判别标准，结果表明模型的准确率较高，预测能力较强，而财务指标中资产流动性和偿债能力、盈利能力对企业信用风险有显著影响。
宋荣威（2007）运用Logit模型对上市公司的信用风险进行度量，研究选取106家经营亏损和经营正常的上市公司为样本，选择连续四年的企业财务数据进行分类研究，得到了较高的预测准确率，研究结果也表明企业在信用风险管理中应当注重资产与负债的比例，加强资产的流动性。
刘迎春（2010）在分析了我国信用风险环境，对我国财务指标预测信用风险的进行了综述，在Logit模型的基础上，对我国上市公司信用风险进行了度量。研究以上市公司2008年财务进行预测，并使用2010年公司信用风险状况进行结果判定，模型对我国上市公司信用风险误判率较低。

研究不足和展望
通过对全文的总结归纳，本次研究存在以下几个方面的不足，这也是后续研究需要进一步改进的地方：
（1）选取的样本数量较少，有一定局限性。由于我国房地产企业信用信息数据的缺乏，本文只选取了少量房地产上市公司作为样本，时间也只选取了8年的宏观数据，样本范围和时间跨度受到很大的限制，降低了研究的准确性。在以后的研究中，将扩大样本范围和时间区间，以提高结果的准确性和适用性。
（2）宏观经济数据为年度数据。本文研究使用了年度数据作为研究数据，不能准确衡量宏观经济的变化形势，是研究结果有一定偏差；财务数据选择季度数据也无法准确度量企业的信用状况。以后的研究中将数据精确性提高，降低偏差。
（3）本文的理论研究比较粗略。在分析经济周期和经济政策对房地产企业的影响时，仅从总量方面进行了分析，缺少结构方面的深入研究。此外，没有将汇率波动的影响纳入到变量选择中。这将是进一步研究中需要改进的地方。