導(dǎo)語(yǔ)：如何才能寫好一篇信用風(fēng)險(xiǎn)的評(píng)估方法，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：灰色關(guān)聯(lián)分析；供應(yīng)鏈；信用風(fēng)險(xiǎn)；評(píng)估

一、權(quán)重測(cè)定方法

如何更好的進(jìn)行權(quán)重的測(cè)定是必須要解決的問(wèn)題。在權(quán)重方法測(cè)定的研究中，很多學(xué)者進(jìn)行了大量的研究，其中具有代表性和可行性的方法是結(jié)構(gòu)熵權(quán)法。程啟月（2010）[1]根據(jù)熵理論提出了一種主客觀相結(jié)合的權(quán)重確定方法，其基本指導(dǎo)思想是將采集專家意見的德爾菲專家調(diào)查法與模糊分析法相結(jié)合，形成“典型排序”按照給定的熵決策公式進(jìn)行熵值計(jì)算、“盲度”分析，并對(duì)可能產(chǎn)生潛在的偏差數(shù)據(jù)統(tǒng)計(jì)處理，根據(jù)主客觀結(jié)果加權(quán)平均值的方法測(cè)定了最后的權(quán)重，這種方法保留了主觀方法的可說(shuō)明性的同時(shí)又強(qiáng)調(diào)了數(shù)學(xué)方法在邏輯上的重要性，本文權(quán)重的測(cè)定方法將引用結(jié)構(gòu)熵權(quán)法。

（1）專家意見收集及排序矩陣的形成

首先選定專家組成員，對(duì)專家發(fā)放指標(biāo)體系權(quán)重測(cè)定反饋表，每位專家采取德爾菲法的規(guī)定和程序，對(duì)每個(gè)指標(biāo)的重要性進(jìn)行排序，重要性由1-N。現(xiàn)有N個(gè)專家對(duì)M個(gè)指標(biāo)進(jìn)行重要性排序，其中a11表示第一個(gè)專家對(duì)第一個(gè)指標(biāo)重要性排序，其數(shù)值（1-m）由小到大表示重要性的逐漸降低，同理am1表示第1個(gè)專家對(duì)第m個(gè)指標(biāo)重要性排序，amn表示第n個(gè)專家對(duì)m個(gè)指標(biāo)重要性排序，根據(jù)最后的排序形成典型排序矩陣A。

（2）偏差度的糾正

由于每位專家由于所出的工作或研究領(lǐng)域不同，對(duì)每個(gè)指標(biāo)的認(rèn)識(shí)程度也不同，因此所形成的數(shù)據(jù)會(huì)產(chǎn)生一定的偏差，為了降低偏差的程度和不確定性，需要將上式的數(shù)據(jù)進(jìn)行偏差度的糾正。對(duì)上一節(jié)的排序矩陣進(jìn)行轉(zhuǎn)化，定義排序轉(zhuǎn)化的隸屬度函數(shù)為：

F（amn）=-ηpn（amn）lnpn（amn）

其中，pn（amn）=t-amnt-1，取η=1ln（t-1），將pn（amn）=t-amnt-1 和η=1ln（t-1）代入公式并化簡(jiǎn)求得θmn=-ln（t-amn）ln（t-1），本文將θmn稱為amn對(duì)應(yīng)的隸屬度函數(shù)值，取t=m+2，當(dāng)指標(biāo)的最大數(shù)為4時(shí)，t=6。θmn為專家排序數(shù)amn的隸屬度，稱Bmn為隸屬度矩陣。

視n個(gè)專家對(duì)第k個(gè)指標(biāo)（k=1，2，…m）的“話語(yǔ)權(quán)”相同，即計(jì)算n個(gè)專家對(duì)第k個(gè)指標(biāo)的“一致看法”稱為平均認(rèn)識(shí)度，記作Bk；將專家對(duì)第k個(gè)指標(biāo)在認(rèn)知方面的偏差稱為“認(rèn)知偏差度”，記作Ck；

令Bk=（θk1+θk2+…+θkn）n；

Ck=max（θk1，θk2，…，θkn）-Bk+min（θk1，θk2，…，θkn）-Bk2，定義n個(gè)專家對(duì)于第k個(gè)指標(biāo)的總體認(rèn)識(shí)度Rk=Bk（1-Ck），則n個(gè)專家對(duì)m個(gè)指標(biāo)的總體認(rèn)識(shí)度向量R可寫作矩陣R=R1，R2，…，Rm。

（3）歸一化處理

為了求得第k個(gè)指標(biāo)的權(quán)重ωk，需要對(duì)Rk=Bk（1-Ck）進(jìn)行歸一化處理ωk=Rk∑m1Rk，顯然，∑m1Rk=1，ωk≥0，本文將所求出的ωk稱之為第k個(gè)指標(biāo)所占的權(quán)重。

二、風(fēng)險(xiǎn)評(píng)估步驟

在灰色理論中，灰色關(guān)聯(lián)分析是分析系統(tǒng)中各個(gè)元素之間關(guān)聯(lián)度或相似程度的方法，其基本思想是根據(jù)關(guān)聯(lián)的程度對(duì)所評(píng)估目標(biāo)進(jìn)行排序?；疑P(guān)聯(lián)分析是分析事物發(fā)展的趨勢(shì)，對(duì)樣本的數(shù)量沒(méi)有嚴(yán)格的規(guī)定，同時(shí)樣本也不需要服從某種數(shù)學(xué)分布。

（1）專家評(píng)分階段

請(qǐng)每位專家按照評(píng)估指標(biāo)的選項(xiàng)對(duì)選中的目標(biāo)進(jìn)行評(píng)估，設(shè)評(píng)估的等級(jí)為1、2、3、4、5，數(shù)字的大小說(shuō)明該評(píng)估目標(biāo)在其中某一指標(biāo)的表現(xiàn)，數(shù)值越大表示表現(xiàn)的水平越好。設(shè)評(píng)估指標(biāo)有m個(gè)，選取專家k人（本文默認(rèn)選取專家的學(xué)識(shí)水平、相關(guān)經(jīng)驗(yàn)上的水平都是相同的），則根據(jù)專家的評(píng)分可對(duì)所評(píng)估的每個(gè)目標(biāo)構(gòu)成一個(gè)m×k的評(píng)分矩陣A。

（2）對(duì)比矩陣的構(gòu)建

灰色關(guān)聯(lián)分析的首要條件是選擇一個(gè)參考數(shù)列，設(shè)所評(píng)估目標(biāo)結(jié)果對(duì)應(yīng)的最優(yōu)評(píng)估指標(biāo)集F* =f*1 ，f*2 ，…，f*m ，其中f*k 表示第k個(gè)指標(biāo)的最優(yōu)值，k=1、2、…m。其中，fnm表示第n個(gè)企業(yè)在第m個(gè)指標(biāo)的平均評(píng)估值，fnm=am1+am2+…+amkk；將最優(yōu)指標(biāo)集與對(duì)比矩陣合并，形成一個(gè)新的矩陣。

（3）指標(biāo)值的規(guī)范化處理

在評(píng)判指標(biāo)里通常有不同的量綱以及數(shù)量綱，因此一般不能進(jìn)行直接比較，為確保結(jié)果的可靠性，需要對(duì)上述指標(biāo)進(jìn)行規(guī)范化處理。

設(shè)第k個(gè)指標(biāo)的變化區(qū)間為fk1，fk2，fk1為第k個(gè)指標(biāo)在所有被評(píng)估融資企業(yè)中的最小值，fk2為第k個(gè)指標(biāo)在所有被評(píng)估企業(yè)中的最大值，那么可以采用下式將上式中的指標(biāo)數(shù)值轉(zhuǎn)換成無(wú)量綱值Cik∈（0，1）。Cik=jik-jk1jk2-jik，i=1、2…n；k=1、2…m，由此矩陣D'轉(zhuǎn)換成矩陣C

D'=f 11f 12…f 1mf 21f 22…f 2m…………f n1f n2…f nm；C=C*1C*2…C*mC11C12…C1m…………Cn1Cn2…Cnm

（4）計(jì)算綜合評(píng)估結(jié)果

根據(jù)灰色系統(tǒng)理論，將C*=C*1，C*2，…，C*m作為參考數(shù)列，將C=Ci1，Ci2，…，Cim作為最優(yōu)的對(duì)比數(shù)列，用關(guān)聯(lián)分析法求的第i個(gè)企業(yè)第k個(gè)指標(biāo)與第k個(gè)最優(yōu)指標(biāo)的關(guān)聯(lián)系數(shù)εi（k），即：

εi （k）=minminC*k-Cik+ ρmaxmaxC*k-CikC*k-Cik+ ρmaxmaxC*k-Cik

ρ為分辨系數(shù)，一般取0.5，ρ∈（0，1）。由關(guān)聯(lián)計(jì)算方法可以得到關(guān)聯(lián)矩陣E：

E=ε1（1）ε1（2）…ε1（m）ε2（1）ε2（2）…ε2（m）…………εn（1）εn（2）…εn（m）

這樣綜合評(píng)估結(jié)果為：R=E×W，即ri=∑mj=1W（k）×εi（k）。式中R=r1，r2，…，rnT為n個(gè)被評(píng)估企業(yè)的綜合判斷結(jié)果向量；W=w1，w2，…，wmT為m個(gè)評(píng)估指標(biāo)的權(quán)重分配向量，其中∑mj=1wj=1。

若關(guān)聯(lián)度ri越大，則說(shuō)明Ci與最優(yōu)指標(biāo)C*最接近，亦即第i企業(yè)優(yōu)于其他企業(yè)。據(jù)此一方面可以排出供應(yīng)鏈金融模式下融資企業(yè)相適應(yīng)應(yīng)收賬款、預(yù)付賬款或存貨質(zhì)押下的關(guān)聯(lián)度次序，也即關(guān)聯(lián)度越大，融資企業(yè)信用風(fēng)險(xiǎn)越小。另一方面可以反映某一融資企業(yè)對(duì)應(yīng)應(yīng)收賬款、預(yù)付賬款或存貨質(zhì)押下的關(guān)聯(lián)度，也即可以作為商業(yè)銀行評(píng)估內(nèi)容之一為融資企業(yè)指導(dǎo)供應(yīng)鏈金融模式適用度。（作者單位：廣東科技學(xué)院）

篇2

關(guān)鍵詞：銀行間市場(chǎng)；信用風(fēng)險(xiǎn)；風(fēng)險(xiǎn)管理

全球金融危機(jī)對(duì)金融機(jī)構(gòu)風(fēng)險(xiǎn)管理理念的最大影響之一就是對(duì)交易對(duì)手信用風(fēng)險(xiǎn)的重視。金融機(jī)構(gòu)評(píng)估對(duì)手方信用風(fēng)險(xiǎn)的方法、模型合理與否，關(guān)系到評(píng)估結(jié)果的優(yōu)劣。本文概要闡述了銀行信用風(fēng)險(xiǎn)計(jì)量方面的相關(guān)理論依據(jù)和基本做法。并對(duì)銀行間市場(chǎng)完善授信管理提出了具體建議。

一、信用風(fēng)險(xiǎn)評(píng)估理論

銀行等金融機(jī)構(gòu)信用風(fēng)險(xiǎn)評(píng)估方法大致有統(tǒng)計(jì)模型、CAMEL模型和專家判斷模型等三種理論依據(jù)：

(一)統(tǒng)計(jì)模型

利用統(tǒng)計(jì)模型進(jìn)行信用評(píng)估的前提條件是有足夠的數(shù)據(jù)積累，一般至少需要連續(xù)3年的相關(guān)數(shù)據(jù)。

1．違約概率(ProbabilityofDefauh，PD)理論

違約概率是預(yù)計(jì)債務(wù)人不能償還到期債務(wù)(違約)的可能性。評(píng)估結(jié)果與違約率的對(duì)應(yīng)關(guān)系是國(guó)際公認(rèn)的事后檢驗(yàn)評(píng)級(jí)機(jī)構(gòu)評(píng)估質(zhì)量標(biāo)準(zhǔn)的一項(xiàng)最重要的標(biāo)尺。在商業(yè)銀行信用風(fēng)險(xiǎn)管理中，違約概率是指借款人在未來(lái)一定時(shí)期內(nèi)不能按合同要求償還銀行貸款本息或履行相關(guān)義務(wù)的可能性。如何準(zhǔn)確、有效地計(jì)算違約概率對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)管理十分重要。不同評(píng)級(jí)機(jī)構(gòu)所設(shè)定的違約定義可能不同，所反映同一等級(jí)的質(zhì)量也因此而不同。只有違約定義相同的評(píng)級(jí)機(jī)構(gòu)，其評(píng)級(jí)結(jié)果才可以進(jìn)行比較。有了對(duì)應(yīng)違約率的資信等級(jí)才能真正成為決策的依據(jù)。商業(yè)銀行違約概率常用的測(cè)度方法主要有兩種：基于內(nèi)部信用評(píng)級(jí)歷史資料的測(cè)度方法；基于期權(quán)定價(jià)理論的測(cè)度方法。

2．違約損失率(LossGivenDefault，LGD)理論

違約損失率是指?jìng)鶆?wù)人一旦違約將給債權(quán)人造成的損失數(shù)額占風(fēng)險(xiǎn)暴露(債權(quán))的百分比，即損失的嚴(yán)重程度。在競(jìng)爭(zhēng)日益激烈、風(fēng)險(xiǎn)日益加大和創(chuàng)新日新月異的市場(chǎng)環(huán)境中，銀行對(duì)資產(chǎn)風(fēng)險(xiǎn)的量化和管理顯得越來(lái)越重要。傳統(tǒng)的信用風(fēng)險(xiǎn)評(píng)估方法因過(guò)于簡(jiǎn)單、缺乏現(xiàn)代金融理論基礎(chǔ)等原因已經(jīng)不能適應(yīng)金融市場(chǎng)和銀行監(jiān)管的需要。以獨(dú)立身份服務(wù)于全社會(huì)公眾投資者、以公開上市債券為主的外部信用評(píng)級(jí)對(duì)銀行內(nèi)部以信貸資產(chǎn)為主、與銀行自身有著特定聯(lián)系的資產(chǎn)組合的適用性也越來(lái)越小。因此，銀行開始開發(fā)類似外部信用評(píng)級(jí)但又反映內(nèi)部管理需要的內(nèi)部信用評(píng)級(jí)系統(tǒng)，以適應(yīng)上述市場(chǎng)和內(nèi)部管理發(fā)展的需要。隨著銀行內(nèi)部評(píng)級(jí)體系的發(fā)展，越來(lái)越多的銀行認(rèn)識(shí)到LGD在全面衡量信用風(fēng)險(xiǎn)方面的重要作用，評(píng)級(jí)體系的結(jié)構(gòu)開始由只注重評(píng)估違約率的單維評(píng)級(jí)體系向既重違約率又重違約損失率的多維評(píng)級(jí)體系發(fā)展。歷史數(shù)據(jù)平均值法是目前銀行業(yè)應(yīng)用最廣泛最傳統(tǒng)的方法，新巴塞爾資本協(xié)定的許多規(guī)定也采用這種方法，這種方法以其簡(jiǎn)單易操作而獲得歡迎。

(二)CAMEL模型

CAMEL評(píng)級(jí)體系是目前美國(guó)金融管理當(dāng)局對(duì)商業(yè)銀行及其他金融機(jī)構(gòu)的業(yè)務(wù)經(jīng)營(yíng)、信用狀況等進(jìn)行的一整套規(guī)范化、制度化和指標(biāo)化的綜合等級(jí)評(píng)定制度。其有五項(xiàng)考核指標(biāo)，即資本充足性(CapitalAde．quacy)、資產(chǎn)質(zhì)量(AssetQuality)、管理水平(Manage—ment)、盈利水平(Earnings)和流動(dòng)性(Liquidity)。當(dāng)前國(guó)際上對(duì)商業(yè)銀行評(píng)級(jí)考察的主要內(nèi)容基本上未跳出美國(guó)“駱駝”評(píng)級(jí)的框架?！榜橊劇痹u(píng)級(jí)體系的特點(diǎn)是單項(xiàng)評(píng)分與整體評(píng)分相結(jié)合、定性分析與定量分析相結(jié)合，以評(píng)級(jí)風(fēng)險(xiǎn)管理能力為導(dǎo)向．充分考慮到銀行的規(guī)模、復(fù)雜程度和風(fēng)險(xiǎn)層次，是分析銀行運(yùn)作是否健康的最有效的基礎(chǔ)分析模型。在具體CAMEL模型的指標(biāo)及其權(quán)重選取及校驗(yàn)過(guò)程中，大多采用了回歸分析、主成分分析等統(tǒng)計(jì)方法。

(三)專家判斷模型

銀行信用評(píng)估的起點(diǎn)是對(duì)其財(cái)務(wù)實(shí)力的綜合判斷。應(yīng)從定量定性兩個(gè)角度綜合評(píng)估。經(jīng)營(yíng)戰(zhàn)略、管理能力、經(jīng)營(yíng)范圍、公司治理、監(jiān)管情況、經(jīng)營(yíng)環(huán)境、行業(yè)前景等要素，無(wú)法通過(guò)確切數(shù)量加以計(jì)算，而專家打分卡是一種更加偏向于定性的模型。在缺乏外在基準(zhǔn)值，如信用等級(jí)、違約和損失數(shù)據(jù)等的情況下，開發(fā)專家判斷模型是一種較好的選擇。專家判斷模型的特點(diǎn)是：符合Basel要求．具有透明度和一致性：專家打分卡建模時(shí)間短，所需數(shù)據(jù)不需要特別的多：專家打分卡可充分利用評(píng)估人員的經(jīng)驗(yàn)。

二、信用風(fēng)險(xiǎn)評(píng)估的通常做法

(一)信用風(fēng)險(xiǎn)評(píng)估的基本思路

評(píng)估方法應(yīng)充分考慮風(fēng)險(xiǎn)元素的定量和定性兩個(gè)方面，引入大量的精確分析法，并盡可能地運(yùn)用統(tǒng)計(jì)技術(shù)。另一方面，不浪費(fèi)定性參數(shù)的判別能力，并用以優(yōu)化計(jì)量模型的預(yù)測(cè)效能。除CAMEL要素外，還需考慮更多更深入的風(fēng)險(xiǎn)因素。評(píng)估要素主要包括品牌價(jià)值、風(fēng)險(xiǎn)定位、監(jiān)管環(huán)境、營(yíng)運(yùn)環(huán)境、財(cái)務(wù)基本面。

(二)信用風(fēng)險(xiǎn)評(píng)估模型的構(gòu)造

數(shù)據(jù)準(zhǔn)備是模型開發(fā)和驗(yàn)證的基礎(chǔ)，建模數(shù)據(jù)應(yīng)正確反映交易對(duì)手的風(fēng)險(xiǎn)特征以及評(píng)級(jí)框架。定義數(shù)據(jù)采集模板。收集、清洗和分析模型開發(fā)和驗(yàn)證所需要的樣本數(shù)據(jù)集。影響交易對(duì)手違約風(fēng)險(xiǎn)要素主要有非系統(tǒng)性因素和系統(tǒng)性因素。非系統(tǒng)性因素是指與單個(gè)交易對(duì)手相關(guān)的特定風(fēng)險(xiǎn)因素，包括財(cái)務(wù)風(fēng)險(xiǎn)、資本充足率、資產(chǎn)質(zhì)量、管理能力、基本信息等。系統(tǒng)性因素是指與所有交易對(duì)手相關(guān)的共同風(fēng)險(xiǎn)因素．如宏觀經(jīng)濟(jì)政策、貨幣政策、商業(yè)周期等。既要考慮交易對(duì)手目前的風(fēng)險(xiǎn)特征，又要考慮經(jīng)濟(jì)衰退、行業(yè)發(fā)生不利變化對(duì)交易對(duì)手還款能力和還款意愿的影響．并通過(guò)壓力測(cè)試反映交易對(duì)手的風(fēng)險(xiǎn)敏感性

(三)變量選擇方法

1．層次分析法

層次分析法(Theanlaytichierarchyprocess)簡(jiǎn)稱AHP：它是一種定性和定量相結(jié)合、系統(tǒng)化、層次化的分析方法。層次分析法不僅適用于存在不確定性和主觀信息的情況，還允許以合乎邏輯的方式運(yùn)用經(jīng)驗(yàn)、洞察力和直覺。層次分析法的內(nèi)容包括：指標(biāo)體系構(gòu)建及層次劃分；構(gòu)造成對(duì)比較矩陣；相對(duì)優(yōu)勢(shì)排序；比較矩陣一致性檢驗(yàn)。

2．主成分分析法

主成分分析法也稱主分量分析，旨在利用降維的思想，通過(guò)原始變量的線性組合把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)。在保留原始變量主要信息的前提下起到降維與簡(jiǎn)化問(wèn)題的作用，使得在研究復(fù)雜問(wèn)題時(shí)更容易抓住主要矛盾。通過(guò)主成分分析可以從多個(gè)原始指標(biāo)的復(fù)雜關(guān)系中找出一些主要成分，揭示原始變量的內(nèi)在聯(lián)系，得出關(guān)鍵指標(biāo)(即主成分)。

3．專家判斷

關(guān)鍵指標(biāo)權(quán)重和取值標(biāo)準(zhǔn)設(shè)定是通過(guò)專家在定量分析的基礎(chǔ)上共同討論確定，取值標(biāo)準(zhǔn)是建立指標(biāo)業(yè)績(jī)表現(xiàn)同分?jǐn)?shù)之間的映射關(guān)系。取值標(biāo)準(zhǔn)的設(shè)定應(yīng)能夠正確區(qū)分風(fēng)險(xiǎn)，取值標(biāo)準(zhǔn)應(yīng)根據(jù)宏觀經(jīng)濟(jì)周期、行業(yè)特點(diǎn)和周期定期調(diào)整，從而反映風(fēng)險(xiǎn)的變化。

(四)模型校驗(yàn)修改

模型構(gòu)造完成后．需要相應(yīng)財(cái)務(wù)數(shù)據(jù)的不斷校驗(yàn)修改。財(cái)務(wù)數(shù)據(jù)可直接向?qū)?yīng)機(jī)構(gòu)索取，也可通過(guò)第三方數(shù)據(jù)提供商獲得。直接獲取數(shù)據(jù)的方式準(zhǔn)確性較高，但需對(duì)應(yīng)機(jī)構(gòu)積極配合．且需大量的人力物力用于數(shù)據(jù)錄入、核對(duì)和計(jì)算。通過(guò)第三方數(shù)據(jù)提供商獲取數(shù)據(jù)效率高，但需支付一定費(fèi)用，且面臨數(shù)據(jù)不全、數(shù)據(jù)轉(zhuǎn)換計(jì)算等問(wèn)題。在違約概率模型的開發(fā)過(guò)程中，通常遇到模型賴以建造的數(shù)據(jù)樣本中的違約率不能完全反映出總的違約經(jīng)歷，需進(jìn)行模型的壓力測(cè)試，確保模型在各種情況下都能獲得合理的結(jié)果．并對(duì)模型進(jìn)行動(dòng)態(tài)調(diào)整。

(五)引進(jìn)或自主開發(fā)授信評(píng)估系統(tǒng)

根據(jù)完善授信評(píng)估模型，撰寫授信評(píng)估系統(tǒng)業(yè)務(wù)需求書．引進(jìn)或自主開發(fā)授信評(píng)估系統(tǒng)，提高授信評(píng)估效率。授信評(píng)估系統(tǒng)還應(yīng)與會(huì)員歷史數(shù)據(jù)庫(kù)、限額管理系統(tǒng)、會(huì)員歷史違約或逾期等信息庫(kù)無(wú)縫連接，避免各個(gè)環(huán)節(jié)的操作風(fēng)險(xiǎn)。

三、對(duì)銀行間市場(chǎng)完善授信評(píng)估的啟示

(一)完善授信評(píng)估可積極推動(dòng)銀行間市場(chǎng)業(yè)務(wù)發(fā)展

銀行間市場(chǎng)會(huì)員信用評(píng)估水平的提高?？捎行Х婪躲y行間市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)。為防范交易對(duì)手信用風(fēng)險(xiǎn)，市場(chǎng)成員需及時(shí)、合理、有效地對(duì)相應(yīng)會(huì)員銀行或做市商進(jìn)行信用評(píng)估，并根據(jù)會(huì)員或做市商資信狀況的變化進(jìn)行動(dòng)態(tài)調(diào)整，為其設(shè)置信用限額。

(二)引進(jìn)成熟的授信評(píng)估方法、模型和流程

根據(jù)巴塞爾協(xié)議的有關(guān)監(jiān)管要求，國(guó)內(nèi)大中型銀行都已經(jīng)或正在國(guó)際先進(jìn)授信評(píng)估機(jī)構(gòu)的幫助下，開發(fā)PD或LGD評(píng)估模型。銀行間市場(chǎng)參與者應(yīng)學(xué)習(xí)借鑒國(guó)內(nèi)外先進(jìn)的授信評(píng)估方法和模型。在消化吸收先進(jìn)經(jīng)驗(yàn)的基礎(chǔ)上，選擇國(guó)際先進(jìn)咨詢機(jī)構(gòu)作為顧問(wèn)，構(gòu)建授信評(píng)估方法和模型。

(三)引進(jìn)或自主開發(fā)授信評(píng)估系統(tǒng)

為防止操作風(fēng)險(xiǎn)，提高授信評(píng)估工作效率，實(shí)現(xiàn)授信評(píng)估與機(jī)構(gòu)內(nèi)部相關(guān)系統(tǒng)的連接，銀行間市場(chǎng)參與者需根據(jù)授信評(píng)估方法、模型、授信資料清單、分析報(bào)告模板、建議授信計(jì)算公式等內(nèi)容。撰寫系統(tǒng)開發(fā)業(yè)務(wù)需求書，或引進(jìn)先進(jìn)的授信評(píng)估系統(tǒng)并進(jìn)行客戶化改造．或選擇系統(tǒng)開發(fā)商進(jìn)行自主開發(fā)授信管理系統(tǒng)。

篇3

信用風(fēng)險(xiǎn)是商業(yè)銀行出現(xiàn)流動(dòng)性危機(jī)的主要根源，對(duì)信用風(fēng)險(xiǎn)的管理是商業(yè)銀行進(jìn)行風(fēng)險(xiǎn)管理的主要內(nèi)容。不良貸款率反映了商業(yè)銀行貸款的質(zhì)量，不良貸款率的上升意味著貸款質(zhì)量有所下降，顯示著信用風(fēng)險(xiǎn)增大。我國(guó)商業(yè)銀行近幾年的不良貸款率逐步上升，引發(fā)了社會(huì)各界的關(guān)注，但我們不應(yīng)盲目夸大銀行所面臨的信用風(fēng)險(xiǎn)，而應(yīng)理性看待不良貸款率上升問(wèn)題，并進(jìn)一步尋找其中的原因及管理的對(duì)策。

一、我國(guó)商業(yè)銀行不良貸款風(fēng)險(xiǎn)的現(xiàn)狀

貸款業(yè)務(wù)是商業(yè)銀行資產(chǎn)業(yè)務(wù)的重要組成部分，也是我國(guó)商業(yè)銀行利潤(rùn)的主要來(lái)源。據(jù)統(tǒng)計(jì)，2015年上半年我國(guó)上市商業(yè)銀行的利潤(rùn)增速為2.58%，較上年10.66%的增速有明顯下滑。從貸款業(yè)務(wù)的角度看，利潤(rùn)代表了商業(yè)銀行抵御風(fēng)險(xiǎn)的能力，而不良貸款則代表了銀行面臨的風(fēng)險(xiǎn)。從表1可以看出，現(xiàn)階段我國(guó)商業(yè)銀行所面臨的不良貸款風(fēng)險(xiǎn)現(xiàn)狀。

從表1中可以看出，我國(guó)商業(yè)銀行的不良貸款余額不斷提高，撥備覆蓋率不斷下降，這暗示了商業(yè)銀行所面臨的信用風(fēng)險(xiǎn)在上升，商業(yè)銀行抵御風(fēng)險(xiǎn)的能力降低。

二、我國(guó)商業(yè)銀行不良貸款率上升的原因分析

（一）GDP增速放緩

明斯基認(rèn)為由于私人信用創(chuàng)造理論，機(jī)構(gòu)的內(nèi)在特性使得他們經(jīng)常面臨周期性危機(jī)和破產(chǎn)浪潮，并認(rèn)為借款企業(yè)的結(jié)構(gòu)變化與經(jīng)濟(jì)周期有密切的關(guān)系。經(jīng)濟(jì)繁榮時(shí)，套期保值企業(yè)增加并且借款增多，銀行往往存在代際遺忘的特征，金融脆弱性隨之增強(qiáng)；在經(jīng)濟(jì)不濟(jì)時(shí)，龐茲企業(yè)增多，銀行的信用風(fēng)險(xiǎn)凸顯。明斯基的金融脆弱性理論與GDP增速和市場(chǎng)違約率負(fù)相關(guān)的理論不謀而合。當(dāng)經(jīng)濟(jì)衰退時(shí)，總需求下降造成企業(yè)的盈利能力下降，最終導(dǎo)致違約率上升。而違約率與不良貸款率成正相關(guān)，我國(guó)不良貸款率也與GDP增速負(fù)相關(guān)。

（二）房地產(chǎn)市場(chǎng)的低迷

房地產(chǎn)對(duì)于我國(guó)GDP的貢獻(xiàn)率在60%左右，房地產(chǎn)的發(fā)展?fàn)顩r對(duì)我國(guó)經(jīng)濟(jì)影響巨大。通過(guò)我國(guó)的房地產(chǎn)開發(fā)投資增速可以看出，房地產(chǎn)投資速度不斷降低，這從側(cè)面反映出我國(guó)房地產(chǎn)市場(chǎng)發(fā)展速度趨緩，這與前幾年我國(guó)出臺(tái)控制房?jī)r(jià)、調(diào)整住房供應(yīng)結(jié)構(gòu)、加強(qiáng)土地控制、信貸控制等一系列宏觀調(diào)控政策有著不可分割的關(guān)系，當(dāng)然也與房地產(chǎn)行業(yè)盲目擴(kuò)張，造成市場(chǎng)供過(guò)于求的狀況密不可分。據(jù)《2015年上半年金融機(jī)構(gòu)貸款投向統(tǒng)計(jì)報(bào)告》，2015年6月末，我國(guó)人民幣房地產(chǎn)貸款余額高達(dá)19.3萬(wàn)億元?，F(xiàn)階段房地產(chǎn)業(yè)發(fā)展的黃金階段已過(guò)，營(yíng)業(yè)利潤(rùn)有所下滑，勢(shì)必提升商業(yè)銀行的不良貸款率，提高商業(yè)銀行面臨的信用風(fēng)險(xiǎn)。

（三）小微企業(yè)貸款增加

我國(guó)的小微企業(yè)數(shù)量在政策的春風(fēng)下明顯增加，保持穩(wěn)步增長(zhǎng)的態(tài)勢(shì)。但我們需要認(rèn)識(shí)到小微企業(yè)生存能力較弱，銀行貸款給小微企業(yè)通常會(huì)增加信用風(fēng)險(xiǎn)。從虧損的角度看，我國(guó)小微企業(yè)的經(jīng)營(yíng)能力相對(duì)較弱，與其他類型企業(yè)相比，虧損的數(shù)量仍居首位。從表2可以看出，我國(guó)工業(yè)虧損企業(yè)中小型工業(yè)類企業(yè)虧損的數(shù)量最多。由此，我們可以簡(jiǎn)單地推測(cè)出規(guī)模較小企業(yè)的盈利能力、適應(yīng)市場(chǎng)的能力相對(duì)較弱，其虧損的數(shù)量大于規(guī)模較大的企業(yè)。而同時(shí)，我國(guó)銀行業(yè)金融機(jī)構(gòu)對(duì)小微企業(yè)貸款的數(shù)額在增加，這無(wú)疑會(huì)提高商業(yè)銀行的不良貸款率，加大商業(yè)銀行的信用風(fēng)險(xiǎn)。

（四）P2P等互聯(lián)網(wǎng)貸款平臺(tái)發(fā)展的沖擊

近年來(lái)我國(guó)互聯(lián)網(wǎng)金融發(fā)展迅速，《2015中國(guó)網(wǎng)貸運(yùn)營(yíng)模式調(diào)研報(bào)告》顯示，在2010-2015年短短數(shù)年中，全國(guó)正常運(yùn)營(yíng)的P2P網(wǎng)貸數(shù)量已經(jīng)發(fā)展到了2520家，行業(yè)累計(jì)交易規(guī)模也已突破萬(wàn)億元。P2P的迅速發(fā)展對(duì)我商業(yè)銀行業(yè)務(wù)產(chǎn)生了不小的影響，一方面使得中小型貸款流向P2P平臺(tái)，造成銀行的客戶源減少；另一方面，競(jìng)爭(zhēng)也使得貸款行業(yè)的利息水平下降，降低了商業(yè)銀行貸款業(yè)務(wù)的利潤(rùn)率?？傮w來(lái)看，P2P網(wǎng)絡(luò)貸款行業(yè)的發(fā)展會(huì)對(duì)商業(yè)銀行的貸款業(yè)務(wù)和營(yíng)業(yè)利潤(rùn)造成沖擊。面對(duì)P2P網(wǎng)絡(luò)貸款的發(fā)展和營(yíng)業(yè)利潤(rùn)的下滑，商業(yè)銀行為了追求利潤(rùn)，可能會(huì)降低對(duì)貸款客戶的信用審核標(biāo)準(zhǔn)、減少審核的程序。這樣將導(dǎo)致商業(yè)銀行貸款客戶質(zhì)量下降，不良貸款率上升。

（五）商業(yè)銀行信用評(píng)估的方法不完善

1997年，克瑞格從銀行角度研究了信貸市場(chǎng)的脆弱性，提出了“安全邊界”概念?！鞍踩吔纭笔倾y行在貸款中收取的風(fēng)險(xiǎn)報(bào)酬，當(dāng)由于不測(cè)事件使得未來(lái)沒(méi)有重復(fù)過(guò)去的良好記錄時(shí)，為銀行提供一種安全保護(hù)?？巳鸶裾J(rèn)為銀行不恰當(dāng)?shù)脑u(píng)估方法是導(dǎo)致信貸市場(chǎng)脆弱的主要原因。我國(guó)商業(yè)銀行的信用評(píng)估起步較晚，評(píng)估方法存在較多問(wèn)題。首先，數(shù)據(jù)來(lái)源不準(zhǔn)確。授信企業(yè)的財(cái)務(wù)數(shù)據(jù)不準(zhǔn)確、不全面，往往不能真實(shí)反映企業(yè)的真實(shí)經(jīng)營(yíng)狀況。其次，評(píng)級(jí)數(shù)據(jù)更新不及時(shí)。企業(yè)的信用評(píng)級(jí)一般都是一年更新一次，但銀行并沒(méi)有每年進(jìn)行及時(shí)地分析調(diào)整，企業(yè)內(nèi)外部的變化沒(méi)有反映在評(píng)級(jí)結(jié)果上。最后，五級(jí)分類的信用評(píng)估方法存在一次主觀性。分類標(biāo)準(zhǔn)沒(méi)有真正意義上的量化，往往存在不同工作人員主觀上的差異，導(dǎo)致信用評(píng)估的結(jié)果差異較大。我國(guó)商業(yè)銀行信用評(píng)估方法的不完善，在一定程度上造成銀行對(duì)貸款客戶的信用風(fēng)險(xiǎn)認(rèn)識(shí)不足，無(wú)法有針對(duì)性地對(duì)不同客戶制定不同水平的貸款利率，也無(wú)法準(zhǔn)確識(shí)別有信用風(fēng)險(xiǎn)的客戶。

三、降低商業(yè)銀行不良貸款率的對(duì)策分析

加強(qiáng)商業(yè)銀行內(nèi)部控制。有效的內(nèi)部控制有助于信貸及風(fēng)險(xiǎn)信息在銀行內(nèi)部不受阻滯地分享和交流，防止出現(xiàn)隱瞞、欺詐等犯罪行為，增強(qiáng)對(duì)貸款風(fēng)險(xiǎn)的評(píng)估和控制的及時(shí)性。建立相關(guān)的制度、企業(yè)文化，如：稽核制度、報(bào)告制度和強(qiáng)有力的信用文化；強(qiáng)調(diào)團(tuán)體合作的重要性并創(chuàng)造相應(yīng)的激勵(lì)制度，如鼓勵(lì)團(tuán)隊(duì)合作來(lái)提高貸款項(xiàng)目的透明度，以貸款質(zhì)量作為考核制度減少不良貸款發(fā)生的可能性。

篇4

摘要：信息化、網(wǎng)絡(luò)化時(shí)代的到來(lái)對(duì)商品流通企業(yè)來(lái)說(shuō)是一把“雙刃劍”，一方面促進(jìn)了商品流通行業(yè)結(jié)構(gòu)優(yōu)化、提高了行業(yè)發(fā)展效率，同時(shí)也給商品流通企業(yè)提出了更多挑戰(zhàn)。與此同時(shí)，商品流通企業(yè)信用風(fēng)險(xiǎn)評(píng)估體系的構(gòu)建更是迫在眉睫，充分利用商業(yè)數(shù)據(jù)，加深對(duì)信息流的認(rèn)識(shí)是構(gòu)建信用風(fēng)險(xiǎn)評(píng)估體系的重要“物質(zhì)”基礎(chǔ)。文章在簡(jiǎn)述商品流通行業(yè)現(xiàn)狀和趨勢(shì)的基礎(chǔ)上，進(jìn)一步剖析了目前我國(guó)商品流通企業(yè)信用風(fēng)險(xiǎn)評(píng)估存在的問(wèn)題，最后根據(jù)網(wǎng)絡(luò)信息數(shù)據(jù)與信用風(fēng)險(xiǎn)評(píng)估的關(guān)系給出建議措施，這對(duì)提高商品流通企業(yè)信用風(fēng)險(xiǎn)管理效率有一定的促進(jìn)意義。

關(guān)鍵詞：商品流通企業(yè) 商業(yè)數(shù)據(jù) 信息流 信用風(fēng)險(xiǎn)評(píng)估體系

商品流通企業(yè)是從事商品流通的生產(chǎn)企業(yè)、經(jīng)銷商和零售商等，主要是通過(guò)低價(jià)購(gòu)進(jìn)高價(jià)售出的方式實(shí)現(xiàn)商品的流通，在支出流通過(guò)程中的各項(xiàng)費(fèi)用后，以獲取最終差價(jià)作為公司的利潤(rùn)。商品流通過(guò)程主要包括商品購(gòu)進(jìn)、銷售、調(diào)配、存儲(chǔ)及運(yùn)輸?shù)?，其中?gòu)進(jìn)和銷售屬于關(guān)鍵環(huán)節(jié)，所有流通過(guò)程都是圍繞商品銷售而展開。隨著網(wǎng)絡(luò)信息時(shí)代的到來(lái)，商業(yè)流通行業(yè)競(jìng)爭(zhēng)愈發(fā)激烈，對(duì)行業(yè)流通鏈條上的信息溝通和管理要求更高，商業(yè)流通呈現(xiàn)多種發(fā)展態(tài)勢(shì)。

一、商品流通行業(yè)的發(fā)展現(xiàn)狀和趨勢(shì)

網(wǎng)絡(luò)信息化的普及深刻地影響著整個(gè)經(jīng)濟(jì)社會(huì)，全球化拉近了人們之間的距離，各種智能化產(chǎn)品的使用更是加速了信息傳播和共享的速度，商業(yè)流通不僅僅受到社會(huì)生產(chǎn)力和發(fā)展水平的制約，隨著信息化時(shí)代的到來(lái)，商業(yè)流通將不斷改變并呈現(xiàn)出新的發(fā)展態(tài)勢(shì)，同時(shí)提出新的發(fā)展要求，也就是說(shuō)商業(yè)流通行業(yè)逐漸被細(xì)化、深化，不僅金融、交通、物流等行業(yè)深刻地影響著商業(yè)流通行業(yè)，而且國(guó)際貿(mào)易環(huán)境、信息化、市場(chǎng)化、城市化水平都是商品流通企業(yè)發(fā)展的重要影響因素。對(duì)于商業(yè)流通行業(yè)來(lái)說(shuō)，公路、水路、鐵路、高鐵以及空運(yùn)的發(fā)展使得流通成本日益降低，發(fā)達(dá)的交通網(wǎng)絡(luò)緊密了商品與客戶之間的聯(lián)系。因此，商業(yè)流通不僅具有全球化發(fā)展特征，而且還具有數(shù)據(jù)化、網(wǎng)絡(luò)化發(fā)展特征。

就目前商品流通行業(yè)的發(fā)展來(lái)看：一方面，在我國(guó)城市化進(jìn)程的推動(dòng)下，商品流通企業(yè)將面臨新一輪的“洗牌”，每個(gè)行業(yè)的主導(dǎo)流通公司將逐漸減少并穩(wěn)定在一定的數(shù)量?jī)?nèi)；另一方面，在激烈的競(jìng)爭(zhēng)環(huán)境下，商品流通企業(yè)要適應(yīng)發(fā)展就必須減少流通環(huán)節(jié)降低費(fèi)用支出，壓縮流通環(huán)節(jié)成了避免被淘汰的必經(jīng)之路，許多商品流通企業(yè)正在從冗長(zhǎng)的流通環(huán)節(jié)中掙脫出來(lái)，實(shí)現(xiàn)直接對(duì)終端環(huán)節(jié)的管理，中間商將逐漸被物流商代替，商業(yè)流通環(huán)節(jié)中各個(gè)分工更加明確。

二、商品流通企業(yè)信用風(fēng)險(xiǎn)評(píng)估存在的問(wèn)題

在網(wǎng)絡(luò)信息化時(shí)代下，商品流通企業(yè)不僅經(jīng)歷了激烈的競(jìng)爭(zhēng)，還逐漸形成了清晰的管理鏈條。對(duì)于商品流通企業(yè)來(lái)說(shuō)，市場(chǎng)需求越來(lái)越細(xì)致，產(chǎn)品生命周期越來(lái)越短暫，信用風(fēng)險(xiǎn)系統(tǒng)變得越來(lái)越重要，但信用風(fēng)險(xiǎn)評(píng)估系統(tǒng)還存在不少問(wèn)題。

（一）商品流通企業(yè)信用風(fēng)險(xiǎn)理念與時(shí)代脫節(jié)

信用風(fēng)險(xiǎn)是一種損失可能性和不確定性，風(fēng)險(xiǎn)的發(fā)生不確定，發(fā)生的時(shí)間不確定，發(fā)生的原因不確定，造成的損失更不確定。隨著經(jīng)濟(jì)的發(fā)展，在全網(wǎng)絡(luò)和信息時(shí)代，需要進(jìn)一步強(qiáng)化在商業(yè)流通市場(chǎng)中的信用風(fēng)險(xiǎn)理念，而許多商品流通企業(yè)還沒(méi)有轉(zhuǎn)變信用風(fēng)險(xiǎn)理念，信用風(fēng)險(xiǎn)評(píng)估依舊被當(dāng)作一種“成本”，并且經(jīng)營(yíng)業(yè)務(wù)往往會(huì)受到信用風(fēng)險(xiǎn)理念的影響，也就是說(shuō)商品流通企業(yè)沒(méi)有建立信用風(fēng)險(xiǎn)管理體系，認(rèn)為信用風(fēng)險(xiǎn)管理增加了管理成本，沒(méi)有認(rèn)識(shí)到信用風(fēng)險(xiǎn)管理帶來(lái)的經(jīng)濟(jì)效益，也沒(méi)有在新的社會(huì)經(jīng)濟(jì)時(shí)代中轉(zhuǎn)變信用風(fēng)險(xiǎn)理念，這直接影響信用風(fēng)險(xiǎn)評(píng)估體系與信息數(shù)據(jù)的關(guān)聯(lián)程度，更無(wú)法利用網(wǎng)絡(luò)信息化帶來(lái)的信息便利?？傊?，在網(wǎng)絡(luò)信息時(shí)代下，商品流通企業(yè)還沒(méi)有轉(zhuǎn)變信用風(fēng)險(xiǎn)理念，這讓信用風(fēng)險(xiǎn)評(píng)估體系無(wú)法充分發(fā)揮應(yīng)有的作用。

（二）缺乏信用風(fēng)險(xiǎn)管理的重要性意識(shí)

在商業(yè)流通中，各個(gè)流通環(huán)節(jié)的信息會(huì)形成信息流，信息流是商品流通企業(yè)運(yùn)行的輔助劑，是公司穩(wěn)定運(yùn)轉(zhuǎn)的保障。商品流通企I由于本身經(jīng)營(yíng)管理意識(shí)的匱乏，對(duì)于信息流的收集和管理不夠重視，更不能意識(shí)到信用風(fēng)險(xiǎn)管理系統(tǒng)的重要性。信用風(fēng)險(xiǎn)可以說(shuō)是違約風(fēng)險(xiǎn)，是交易雙方一方不履行合約義務(wù)造成的經(jīng)濟(jì)損失的風(fēng)險(xiǎn)，是一種金融風(fēng)險(xiǎn)，信用風(fēng)險(xiǎn)對(duì)商品流通企業(yè)有著不可忽略的影響和作用。商品流通企業(yè)信用風(fēng)險(xiǎn)管理需要考慮企業(yè)素質(zhì)、資金信用狀況、經(jīng)營(yíng)管理水平、經(jīng)濟(jì)效益等，而每個(gè)考察方面都必須制定定性和定量指標(biāo)，所有評(píng)估和管理都離不開信息數(shù)據(jù)，而目前商品流通企業(yè)缺乏專業(yè)的信息流收集和管理。

（三）商品流通企業(yè)信用風(fēng)險(xiǎn)評(píng)估和預(yù)防體系缺乏有效匹配

我國(guó)市場(chǎng)容量隨著社會(huì)發(fā)展變得越來(lái)越大，同時(shí)消費(fèi)者的需求也更加復(fù)雜，商品流通企業(yè)針對(duì)不同消費(fèi)需求，對(duì)市場(chǎng)的細(xì)分更是越來(lái)越細(xì)，針對(duì)不同的市場(chǎng)區(qū)域和利益相關(guān)體需要區(qū)別信用風(fēng)險(xiǎn)評(píng)估和預(yù)測(cè)體系，不同的管理對(duì)象有著不同的風(fēng)險(xiǎn)特點(diǎn)，商品流通企業(yè)信用風(fēng)險(xiǎn)評(píng)估和預(yù)防就必須具備個(gè)體特性，不同性質(zhì)和利益關(guān)系的對(duì)象有不同的信用風(fēng)險(xiǎn)評(píng)估和預(yù)防方法。此外，市場(chǎng)需求越來(lái)越細(xì)，產(chǎn)品生命周期越來(lái)越短，商品流通企業(yè)不僅要加深研發(fā)和產(chǎn)品線的厚度，還要根據(jù)市場(chǎng)發(fā)展方向動(dòng)態(tài)調(diào)整信用風(fēng)險(xiǎn)評(píng)估和預(yù)防體系，而很多商品流通企業(yè)由于自身規(guī)模小，對(duì)相關(guān)利益群體和消費(fèi)市場(chǎng)沒(méi)有進(jìn)行細(xì)致的劃分，因此沒(méi)有建立針對(duì)性的信用風(fēng)險(xiǎn)評(píng)估和預(yù)防體系，也就是說(shuō)商品流通企業(yè)信用風(fēng)險(xiǎn)評(píng)估和預(yù)防體系缺乏匹配性。

（四）商品流通企業(yè)信用風(fēng)險(xiǎn)評(píng)估和預(yù)防體系不完善

信用風(fēng)險(xiǎn)評(píng)估和預(yù)防是一個(gè)完整的管理體系，不僅涵蓋了信用評(píng)估指標(biāo)和要素、評(píng)估標(biāo)準(zhǔn)和等級(jí)，還需要信用評(píng)估方法和數(shù)據(jù)模型。其中信用風(fēng)險(xiǎn)評(píng)估方法和指標(biāo)是最主要的內(nèi)容，我國(guó)在信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系中主要包含基本信息的綜合評(píng)估、資金的周轉(zhuǎn)、履約情況及資產(chǎn)質(zhì)量和結(jié)構(gòu)、資金使用情況及成本費(fèi)用和銷售等經(jīng)營(yíng)狀況、利潤(rùn)的實(shí)現(xiàn)情況和前景、中長(zhǎng)期發(fā)展規(guī)劃和執(zhí)行目標(biāo)等方面，商品流通企業(yè)信用風(fēng)險(xiǎn)評(píng)估體系的建立在指標(biāo)和方法選擇上沒(méi)有嚴(yán)格區(qū)分信用風(fēng)險(xiǎn)的內(nèi)、外部因素。因此，信用風(fēng)險(xiǎn)評(píng)估指標(biāo)和方法在定量和定性指標(biāo)結(jié)構(gòu)上也沒(méi)有進(jìn)行具體的區(qū)分，在之后的預(yù)防措施構(gòu)建和管理中必然存在一定的局限性，這就說(shuō)明商品流通企業(yè)信用風(fēng)險(xiǎn)評(píng)估和預(yù)防體系不完善。

三、建h與措施

隨著時(shí)代的進(jìn)步，商業(yè)流通領(lǐng)域發(fā)生了極大變化，人們工作和社會(huì)環(huán)境不斷改變，城市化程度也在加深，商品流通企業(yè)之間的競(jìng)爭(zhēng)更加激烈，不同需求和不同定位的終端渠道也相繼出現(xiàn)，在這么復(fù)雜的經(jīng)濟(jì)環(huán)境中，加強(qiáng)信用風(fēng)險(xiǎn)評(píng)估體系的建立顯得尤為重要。

（一）加強(qiáng)商品流通企業(yè)流通鏈條的認(rèn)識(shí)，提高信用風(fēng)險(xiǎn)預(yù)防效率

對(duì)于商品流通企業(yè)來(lái)說(shuō)，市場(chǎng)競(jìng)爭(zhēng)不僅僅只發(fā)生在生產(chǎn)企業(yè)之間，也包括經(jīng)銷商、零售商在內(nèi)的整條流通價(jià)值鏈上。除了部分商品流通企業(yè)是直接經(jīng)營(yíng)終端和面對(duì)消費(fèi)者的，大部分商品和服務(wù)都需要經(jīng)過(guò)經(jīng)銷商和零售商與消費(fèi)者達(dá)成交易。生產(chǎn)企業(yè)、經(jīng)銷商、零售商和消費(fèi)者形成了商業(yè)流通的完整價(jià)值鏈，鏈條間有著多方面不同的利益訴求，同時(shí)還處處存在矛盾，包括價(jià)值傳遞、利益分享等。商品流通企業(yè)在流通價(jià)值鏈上不同利益方有著不同的利益訴求，生產(chǎn)企業(yè)要求出廠價(jià)能更高，而經(jīng)銷商和零售商則是要求進(jìn)貨價(jià)能更低，消費(fèi)者則希望商品能夠再便宜點(diǎn)。因此，愈來(lái)愈多的零售商都在試圖壓縮流通鏈條，減少價(jià)值鏈的環(huán)節(jié)，獲取更大的利益，這一變化和利益趨勢(shì)勢(shì)必影響信用風(fēng)險(xiǎn)評(píng)估和預(yù)防體系。商品流通企業(yè)要提高信用風(fēng)險(xiǎn)預(yù)防效率就必須認(rèn)清流通鏈的發(fā)展趨勢(shì)，流通價(jià)值鏈的變化對(duì)信用風(fēng)險(xiǎn)預(yù)防體系有著直接影響。

（二）重視商業(yè)數(shù)據(jù)信息，加強(qiáng)信用風(fēng)險(xiǎn)評(píng)估體系的信息化水平

商業(yè)數(shù)據(jù)就是商品流通產(chǎn)業(yè)中各個(gè)價(jià)值鏈上重要環(huán)節(jié)的歷史信息和當(dāng)前信息的集合，它不僅是流通領(lǐng)域歷史數(shù)據(jù)的綜合，還是行業(yè)最新發(fā)展動(dòng)向的一種反映，更是產(chǎn)業(yè)未來(lái)的一種預(yù)示信息。商品流通中，商業(yè)數(shù)據(jù)與物流信息、商流狀況緊密聯(lián)系在一起，商業(yè)數(shù)據(jù)是商品流通企業(yè)進(jìn)行生產(chǎn)經(jīng)營(yíng)管理的基礎(chǔ)，也是信用風(fēng)險(xiǎn)評(píng)估體系的根本。而商品流通企業(yè)信用風(fēng)險(xiǎn)評(píng)估體系是一項(xiàng)系統(tǒng)性工程，信用風(fēng)險(xiǎn)評(píng)估指標(biāo)的選取是信用風(fēng)險(xiǎn)評(píng)估體系中的主要內(nèi)容之一，指標(biāo)體系需要用系統(tǒng)工程建立的相關(guān)方法進(jìn)行分析和選取，在指標(biāo)選取中不僅要避免隨意性，還要遵守科學(xué)性、客觀性以及簡(jiǎn)潔性原則，提高評(píng)估指標(biāo)的評(píng)估效率。因此，在信用風(fēng)險(xiǎn)評(píng)估體系中要注重信息數(shù)據(jù)的收集和處理工作，提高評(píng)估指標(biāo)體系的關(guān)聯(lián)度，最終構(gòu)建出完整的商品流通企業(yè)信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系。

（三）提高商業(yè)數(shù)據(jù)認(rèn)識(shí)，為構(gòu)建信用風(fēng)險(xiǎn)評(píng)估體系打下堅(jiān)實(shí)的基礎(chǔ)

商業(yè)數(shù)據(jù)的范圍非常廣泛，只要是商品流通企業(yè)的經(jīng)營(yíng)和發(fā)展都屬于商業(yè)數(shù)據(jù)范圍內(nèi)，在商業(yè)流通領(lǐng)域中，流通鏈中不同利益體有著不同方面的數(shù)據(jù)信息，就生產(chǎn)企業(yè)來(lái)看，商業(yè)數(shù)據(jù)應(yīng)該包括宏觀行業(yè)數(shù)據(jù)、內(nèi)部信息數(shù)據(jù)、銷售渠道數(shù)據(jù)、消費(fèi)需求數(shù)據(jù)以及相關(guān)市場(chǎng)數(shù)據(jù)等。不同利益體的數(shù)據(jù)信息有所差異，商業(yè)數(shù)據(jù)的范疇可以根據(jù)利益體進(jìn)行延伸，旨在提高數(shù)據(jù)的綜合利用效益，從而為構(gòu)建信用風(fēng)險(xiǎn)評(píng)估體系提供堅(jiān)實(shí)的數(shù)據(jù)支撐。此外，在理清商業(yè)數(shù)據(jù)范疇外，還必須理解不同商業(yè)數(shù)據(jù)的特點(diǎn)以準(zhǔn)確利用信息數(shù)據(jù)，商業(yè)數(shù)據(jù)是信息流的一種表現(xiàn)形式，其收集和處理的目的性更強(qiáng)，不僅具有系統(tǒng)性，還具有專業(yè)性，因此在商業(yè)數(shù)據(jù)收集和處理中，需要專業(yè)的技術(shù)人員和設(shè)備，為更好地構(gòu)建信用風(fēng)險(xiǎn)評(píng)估體系提供硬性條件?？傊?，商品流通企業(yè)要構(gòu)建信用風(fēng)險(xiǎn)評(píng)估體系就必須加深對(duì)商業(yè)數(shù)據(jù)的認(rèn)識(shí)，不僅要從自身特點(diǎn)認(rèn)識(shí)商業(yè)數(shù)據(jù)范圍，還要根據(jù)商業(yè)數(shù)據(jù)特性提高數(shù)據(jù)信息的收集和處理效率。Z

參考文獻(xiàn)：

[1]蔣，高瑜.基于KMV模型的中國(guó)上市公司信用風(fēng)險(xiǎn)評(píng)估研究[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2015，（9）.

篇5

［論文摘要］本文分析了商業(yè)銀行內(nèi)部信用風(fēng)險(xiǎn)評(píng)估體系在銀行風(fēng)險(xiǎn)管理的地位和作用，結(jié)合我國(guó)商業(yè)銀行在信用風(fēng)險(xiǎn)評(píng)估方法上存在的問(wèn)題和現(xiàn)狀,對(duì)如何完善和 發(fā)展 我國(guó)商業(yè)銀行的內(nèi)部信用風(fēng)險(xiǎn)評(píng)估體系提出了幾點(diǎn)建議。 

 隨著我國(guó) 金融 體制改革步伐的加快和金融業(yè)開放程度的提高，國(guó)內(nèi)銀行業(yè)面臨著參與國(guó)際競(jìng)爭(zhēng)的挑戰(zhàn)。在金融全球化的新形勢(shì)下，我國(guó)商業(yè)銀行必須借鑒國(guó)際上先進(jìn)的信用風(fēng)險(xiǎn)管理經(jīng)驗(yàn)，強(qiáng)化信用風(fēng)險(xiǎn)管理，開發(fā)適用的信用風(fēng)險(xiǎn)管理模型，適應(yīng)《巴賽爾協(xié)議》新框架的需要。我國(guó)處于 經(jīng)濟(jì) 發(fā)展的初期階段，在今后很長(zhǎng)一段時(shí)期，銀行融資仍將是 企業(yè) 籌措資金的主要方式，銀行體系面臨的風(fēng)險(xiǎn)將是我國(guó)金融風(fēng)險(xiǎn)的主要構(gòu)成因素。深入研究我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)管理問(wèn)題，不僅是商業(yè)銀行作為微觀金融主體進(jìn)行內(nèi)部管理的自主行為，從全局上看也是防范商業(yè)銀行的信用風(fēng)險(xiǎn)導(dǎo)致銀行信用體系和支付體系崩潰，引發(fā)貨幣危機(jī)、股市暴跌和金融危機(jī)的需要。下面筆者僅就如何構(gòu)建商行內(nèi)部信用風(fēng)險(xiǎn)管理評(píng)估體系談?wù)勛约旱囊稽c(diǎn)淺見，僅供交流和探討。 

 

 一、信用風(fēng)險(xiǎn)評(píng)級(jí)在銀行風(fēng)險(xiǎn)管理中的地位 

 

 所謂信用風(fēng)險(xiǎn)的評(píng)級(jí)就是對(duì)一定的借款方的情況進(jìn)行評(píng)估,并對(duì)由于借款方發(fā)生違約造成損失的可能性進(jìn)行估計(jì)。而所謂的內(nèi)部則是與一般的專業(yè)評(píng)級(jí)機(jī)構(gòu)的評(píng)級(jí)加以區(qū)分,銀行的內(nèi)部信用評(píng)級(jí)是由銀行內(nèi)部人員完成的,并且這種評(píng)級(jí)的結(jié)果是不對(duì)外公布的。在當(dāng)今的銀行特別是大型銀行或是跨國(guó)銀行的風(fēng)險(xiǎn)管理中,信用風(fēng)險(xiǎn)的內(nèi)部評(píng)級(jí)體系正占有著越來(lái)越重要的地位。對(duì)于一個(gè)有著數(shù)以萬(wàn)計(jì)的借款客戶的銀行來(lái)說(shuō),內(nèi)部評(píng)級(jí)對(duì)于銀行的風(fēng)險(xiǎn)信用管理來(lái)說(shuō)是不可缺少的,只有建立了系統(tǒng)的內(nèi)部評(píng)級(jí)體系,才能對(duì)數(shù)量龐大的不同的借款人之間的信用風(fēng)險(xiǎn)進(jìn)行比對(duì)。大多數(shù)銀行在風(fēng)險(xiǎn)管理的許多重要方面都會(huì)利用到評(píng)級(jí)結(jié)果,如放貸的決策指導(dǎo)、資產(chǎn)組合監(jiān)管、貸款損失準(zhǔn)備以及資本金的分析、貸款收益和定價(jià)的決定以及資產(chǎn)組合數(shù)量模型的數(shù)據(jù)輸入等等。 

 對(duì)于具體的內(nèi)部評(píng)級(jí)體系的設(shè)計(jì),不同的銀行之間可能有著較大的差異,如等級(jí)的劃分、不同的等級(jí)之間所代表的風(fēng)險(xiǎn)度、評(píng)級(jí)的指標(biāo)以及評(píng)級(jí)結(jié)果的評(píng)價(jià)等等。對(duì)于一個(gè)銀行來(lái)說(shuō),當(dāng)它設(shè)計(jì)本行的內(nèi)部評(píng)級(jí)體系時(shí),必須要考慮的因素有:不同評(píng)級(jí)指標(biāo)的權(quán)重、評(píng)級(jí)的成本、評(píng)級(jí)的效率與信息的收集、評(píng)級(jí)結(jié)果的前后一致性、評(píng)級(jí)人員的激勵(lì)、銀行的業(yè)務(wù)范圍以及評(píng)級(jí)結(jié)果的使用等等。 

 

 二、我國(guó)商業(yè)銀行業(yè)信用風(fēng)險(xiǎn)評(píng)估方法現(xiàn)狀分析 

 

 目前我國(guó)的信用分析和評(píng)估技術(shù)仍處于傳統(tǒng)的比率分析階段。銀行機(jī)構(gòu)主要使用 計(jì)算 貸款風(fēng)險(xiǎn)度的方法進(jìn)行信用風(fēng)險(xiǎn)評(píng)估。信用風(fēng)險(xiǎn)的分析仍然是以單一投資項(xiàng)目、貸款和證券為主,衍生工具、表外資產(chǎn)的信用風(fēng)險(xiǎn)以及信用集中風(fēng)險(xiǎn)的評(píng)估尚屬空白,更沒(méi)有集多種技術(shù)于一體的動(dòng)態(tài)量化的信用風(fēng)險(xiǎn)管理技術(shù)。其主要表現(xiàn)在以下幾個(gè)方面: 

 (一)信用風(fēng)險(xiǎn)衡量采用專家制度。我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)衡量大多采用專家制度。但專家制度存在一定的缺陷和不足,在實(shí)際運(yùn)用中沒(méi)有引起重視。如專門信用分析人員不足、實(shí)施效果很不穩(wěn)定、銀行應(yīng)對(duì)市場(chǎng)變化的能力較低、銀行在貸款組合方面過(guò)度集中的問(wèn)題進(jìn)一步加劇等。 

 (二)信用風(fēng)險(xiǎn)評(píng)估中定量分析不夠。從信用風(fēng)險(xiǎn)的識(shí)別、衡量方面看,我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理定性分析多,定量分析少(盡管已經(jīng)使用了一些定量分析方法,但仍存在著不完善的地方);靜態(tài)分析多,動(dòng)態(tài)分析少;局部分析多,全局分析少。以企業(yè)信用評(píng)級(jí)為例,從評(píng)級(jí)要素的設(shè)計(jì)看,多側(cè)重財(cái)務(wù)指標(biāo)分析(總分值達(dá)三十分以上),而忽略了財(cái)務(wù)信息的質(zhì)量問(wèn)題。眾所周知我國(guó)企業(yè)財(cái)務(wù)信息質(zhì)量不高已是不爭(zhēng)的事實(shí);忽視了企業(yè)發(fā)展前景在信用評(píng)級(jí)中的作用,如企業(yè)所在行業(yè)發(fā)展?fàn)顩r、市場(chǎng)預(yù)期狀況僅占1分,這樣得出的評(píng)級(jí)結(jié)果更多反映的是企業(yè)過(guò)去和現(xiàn)在的信用狀況,而未能反映企業(yè)未來(lái)的資信質(zhì)量。從評(píng)級(jí)時(shí)間看,對(duì)企業(yè)的信用評(píng)級(jí)每年進(jìn)行一次,不利于銀行及時(shí)了解企業(yè)的信用等級(jí)變化,不能為風(fēng)險(xiǎn)管理提供動(dòng)態(tài)的信息。再?gòu)膰?guó)內(nèi)銀行對(duì)貸款的風(fēng)險(xiǎn)度測(cè)量方法看,一個(gè)最主要的問(wèn)題就是貸款風(fēng)險(xiǎn)度涉及因素的選擇和風(fēng)險(xiǎn)系數(shù)的確定很大程度上受到主觀因素的影響。貸款風(fēng)險(xiǎn)度是否受到或僅受到企業(yè)信用等級(jí)、貸款方式的影響,有實(shí)證研究結(jié)果表明,

（一）開發(fā)內(nèi)部評(píng)級(jí)法。我國(guó)目前缺乏外部信用評(píng)級(jí)機(jī)構(gòu),而要 發(fā)展 本國(guó)的外部信用評(píng)級(jí)機(jī)構(gòu)需要花費(fèi)較長(zhǎng)時(shí)間,因此需從現(xiàn)在起就著手開發(fā)內(nèi)部評(píng)級(jí)法。目前,信用模型尚不成熟,普遍適用的內(nèi)部評(píng)級(jí)標(biāo)準(zhǔn)尚未建立,各家銀行的內(nèi)部評(píng)級(jí)系統(tǒng)差異較大,因此,監(jiān)管當(dāng)局將難以對(duì)各家銀行的內(nèi)部評(píng)級(jí)結(jié)果進(jìn)行有效的評(píng)估和比較。此外,內(nèi)部評(píng)級(jí)法還包含了許多主觀判斷因素。這有可能導(dǎo)致銀行監(jiān)管當(dāng)局和銀行之間在某些風(fēng)險(xiǎn)資產(chǎn)的評(píng)估當(dāng)中產(chǎn)生不同意見。 

（二）加強(qiáng)銀行內(nèi)部信用評(píng)級(jí)的立法,確立信用評(píng)級(jí)工作的 法律 地位。以立法的形式規(guī)定評(píng)估在貨幣市場(chǎng)、資本市場(chǎng)及其它信用市場(chǎng)中所處的地位,使信用評(píng)級(jí)行為與評(píng)級(jí)結(jié)果得到有效的法律規(guī)范,實(shí)現(xiàn)評(píng)估結(jié)果的客觀性、公正性、 科學(xué) 性、權(quán)威性。 

（三）建立健全科學(xué)的信用評(píng)級(jí)體系。建立銀行內(nèi)部信用評(píng)級(jí)體系應(yīng)堅(jiān)持“三結(jié)合”:一是國(guó)際標(biāo)準(zhǔn)與我國(guó)國(guó)情相結(jié)合;二是定性方法與定量方法相結(jié)合;三是傳統(tǒng)研究方法與 現(xiàn)代 先進(jìn)評(píng)級(jí)技術(shù),特別是互聯(lián)網(wǎng)技術(shù)相結(jié)合。統(tǒng)一評(píng)估體系和標(biāo)準(zhǔn),實(shí)現(xiàn)評(píng)估科學(xué)化,提高評(píng)級(jí)質(zhì)量。 

（四）積極培育評(píng)級(jí)市場(chǎng)。市場(chǎng) 經(jīng)濟(jì) 需要信用評(píng)級(jí),而其規(guī)范和發(fā)展關(guān)鍵在于政府引導(dǎo)、培育和完善。一方面通過(guò)類似貸款證的規(guī)定來(lái)推動(dòng)評(píng)級(jí)需求的增加,另一方面鼓勵(lì)跨地區(qū)的評(píng)級(jí)。提高評(píng)級(jí)機(jī)構(gòu)素質(zhì)和評(píng)級(jí)質(zhì)量,引導(dǎo)、培育和完善信用評(píng)級(jí)市場(chǎng)。 

 （五）提高信息披露的質(zhì)量標(biāo)準(zhǔn),確保數(shù)據(jù)資料的真實(shí)性。因?yàn)樾庞迷u(píng)級(jí)主要根據(jù)的是公開披露的信息資料,評(píng)級(jí)對(duì)象能否適應(yīng)外部環(huán)境和發(fā)揮內(nèi)在優(yōu)勢(shì)最終都集中在公司的財(cái)務(wù)狀況上,因此財(cái)務(wù)因素分析在評(píng)級(jí)活動(dòng)中處于核心地位。而我國(guó)目前資本市場(chǎng)上,偽造、編造 會(huì)計(jì) 憑證、會(huì)計(jì)賬簿和編制虛假財(cái)務(wù)會(huì)計(jì)報(bào)表現(xiàn)象非常嚴(yán)重,必然會(huì)影響評(píng)級(jí)事業(yè)的健康發(fā)展。因而必須提高信息披露的質(zhì)量標(biāo)準(zhǔn),在制度上保證 企業(yè) 不得不將真實(shí)的數(shù)字告知銀行,并由此獲得一個(gè)沒(méi)有水分的信用級(jí)別。另外,銀行評(píng)級(jí)人員也要提高識(shí)別真假數(shù)據(jù)的基本功,要培養(yǎng)自己“去粗取精”、“去偽存真”的能力,提高評(píng)級(jí)水平。 

 （六）信用評(píng)級(jí)是一個(gè)即重視理論,也重視經(jīng)驗(yàn)的工作,評(píng)級(jí)業(yè)務(wù)即需要科學(xué)的評(píng)級(jí)理論的指導(dǎo),同時(shí)也需要評(píng)級(jí)人員具有豐富的經(jīng)驗(yàn)。借鑒國(guó)外先進(jìn)的經(jīng)驗(yàn),商業(yè)銀行有關(guān)部門應(yīng)在穩(wěn)定隊(duì)伍中逐步提高評(píng)級(jí)人員的素質(zhì),如經(jīng)濟(jì)發(fā)達(dá)國(guó)家普遍實(shí)施的員工持股計(jì)劃和期權(quán)制度,制定合理的激勵(lì)機(jī)制,最大限度地調(diào)動(dòng)信用評(píng)級(jí)人員的積極性。 

 總之，新巴塞爾資本協(xié)議已于今年開始正式實(shí)施，與1988 年的老巴塞爾協(xié)議相比,最大的區(qū)別就是在最低資本要求中引入了資產(chǎn)風(fēng)險(xiǎn)的因素,從而大幅度地提升了銀行資產(chǎn)的風(fēng)險(xiǎn)敏感度,特別是兩種信用風(fēng)險(xiǎn)評(píng)級(jí)體系之一的銀行內(nèi)部評(píng)級(jí)法( irb) ,對(duì)于各國(guó)的銀行來(lái)說(shuō)都是一大挑戰(zhàn)。我國(guó)商業(yè)銀行只有根據(jù)本國(guó)實(shí)際，建立先進(jìn)、科學(xué)、有效的信用風(fēng)險(xiǎn)內(nèi)部評(píng)級(jí)體系，切實(shí)提高信用風(fēng)險(xiǎn)管理水平,才能與國(guó)際行業(yè)通行標(biāo)準(zhǔn)接軌，增強(qiáng)自身的市場(chǎng)競(jìng)爭(zhēng)力。 

 

篇6

【關(guān)鍵詞】風(fēng)險(xiǎn)控制、 中小企業(yè)、 信貸、信用機(jī)制

Abstract: Small & medium-sized enterprise (SMSE), as the most energetic and vigorous economic corpus in the market economy,have been one of the most important motivations for the growth of economy in China. But it is a common phenomenon existing throughout the world with different distant, that most of SMSE are quite difficult to get loans from banks. The lack of credit rating system applying to SMSE is the main reason causing the financing difficulties for SMSE. Theoretical analysis and practice analysis are two important ways through which foreign and domestic researchers study. Quite a lot of the researchers abroad and domestic regard information asymmetry as the main obstacle of the credit rating process, and try to resolve the contradiction between the SESE and commercial banks. For practice analysis, researcher like Altman as a represent tries to set up quantitative model to value the credit risk of SMSE quantitatively.

Keywords: risk control, SMSE, credit loan, credit rating system

一、近年來(lái)關(guān)于信用評(píng)價(jià)的國(guó)內(nèi)相關(guān)文獻(xiàn)綜述

中國(guó)社科院張其仔等編著的《企業(yè)信用管理》(2002年)，從企業(yè)內(nèi)部信用管理的基本知識(shí)和操作技巧等方面，對(duì)企業(yè)信用展開了初步探討。由林漢川、夏敏仁主編的《企業(yè)信用評(píng)級(jí)理論與實(shí)務(wù)》(2003年)，結(jié)合《新巴塞爾資本協(xié)議))的有關(guān)精神，對(duì)我國(guó)企業(yè)信用評(píng)級(jí)的理論和方法進(jìn)行了一次新的梳理，并結(jié)合國(guó)內(nèi)各種類型企業(yè)的現(xiàn)狀作了一些新的探索。石曉軍、陳殿左(2004年)則系統(tǒng)論述了我國(guó)企業(yè)信用管理問(wèn)題的成因與對(duì)策，創(chuàng)造性的提出了“企業(yè)信用風(fēng)險(xiǎn)治理的概念”，構(gòu)建出適用于我國(guó)的基于主成分—判別分析的企業(yè)信用分析模型，是對(duì)填補(bǔ)中小企業(yè)授信中的信用評(píng)級(jí)研究這一領(lǐng)域空白的一次大膽的嘗試。

針對(duì)我國(guó)中小企業(yè)信用評(píng)級(jí)對(duì)銀行的影響，吳潔(2005年)提出將信用評(píng)分技術(shù)應(yīng)用在中小企業(yè)信用評(píng)價(jià)中，并提出銀行間應(yīng)加強(qiáng)對(duì)中小企業(yè)的信用狀況的歷史數(shù)據(jù)的交流，通過(guò)這種交流建立適合我國(guó)國(guó)情的中小企業(yè)的信用評(píng)分模型，還提出還必須建立一個(gè)有效的個(gè)人信用評(píng)價(jià)體系。同樣針對(duì)中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)體系及方法，何祖玉、韓啟、王華偉、梅強(qiáng)等人(2003年)選用基本能夠代表中小企業(yè)信用擔(dān)保所涉及的16個(gè)指標(biāo)，通過(guò)定量分析與定性分析的結(jié)合，探討了如何建立中小企業(yè)信用擔(dān)保風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，指標(biāo)側(cè)重于企業(yè)的基礎(chǔ)素質(zhì)、基本財(cái)務(wù)狀況、企業(yè)的創(chuàng)新能力、成長(zhǎng)與發(fā)展能力。周巧云在《對(duì)中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)方法的探討》(2004年)中，認(rèn)為對(duì)中小企業(yè)層面信用風(fēng)險(xiǎn)的分析可選取宏觀環(huán)境、行業(yè)、經(jīng)營(yíng)管理、財(cái)務(wù)、擔(dān)保等因素作為評(píng)價(jià)指標(biāo)，對(duì)個(gè)人層面信用風(fēng)險(xiǎn)的分析可選取業(yè)主素質(zhì)和業(yè)主價(jià)值作為評(píng)價(jià)指標(biāo)，建立評(píng)價(jià)模型，以定性分析與定量計(jì)算相結(jié)合的分析方法來(lái)確定中小企業(yè)的綜合信用風(fēng)險(xiǎn)度。

曹繼英(2004年)提出了影響中小企業(yè)信用的主要非財(cái)務(wù)因素，并根據(jù)企業(yè)經(jīng)營(yíng)者個(gè)人素質(zhì)等和財(cái)務(wù)因素為審計(jì)因素、財(cái)務(wù)報(bào)告等因素，提出了幾個(gè)信用考核中的誤區(qū)。而關(guān)偉、薛鋒(2004年)中則根據(jù)中小企業(yè)的信用現(xiàn)狀和各種信用評(píng)估方法的特點(diǎn)，提出了一種適用于中小企業(yè)的信用風(fēng)險(xiǎn)評(píng)估方法—灰色聚類評(píng)估法。

也有國(guó)內(nèi)學(xué)者試圖利用數(shù)量模型分析中小企業(yè)信用風(fēng)險(xiǎn)。田麗紅、吳曉燕、常明等人(2005年)在對(duì)當(dāng)前流行信用風(fēng)險(xiǎn)度量方法分析的基礎(chǔ)上，提出了要素分析法和多變量信用風(fēng)險(xiǎn)判別模型相結(jié)合的信用分析方法。魯煒、趙恒巧、劉冀云等人的《KMV模型關(guān)系函數(shù)推測(cè)及其在中國(guó)股市的驗(yàn)證》(2003年)中，指出在中國(guó)這樣一個(gè)缺少足夠信用數(shù)據(jù)的新興市場(chǎng)上，KMV模型直接利用股票市場(chǎng)的數(shù)據(jù)進(jìn)行信息管理，具有廣闊的應(yīng)用前景。然而，KMV模型。A和。E的關(guān)系是隨市場(chǎng)不同而變化的。利用中國(guó)股市的數(shù)據(jù)，得出了適應(yīng)中國(guó)市場(chǎng)的αA和αE的關(guān)系函數(shù)，初步實(shí)現(xiàn)了運(yùn)用期權(quán)理論對(duì)中國(guó)上市公司的信用風(fēng)險(xiǎn)進(jìn)行估測(cè)，具有相當(dāng)?shù)睦碚摵同F(xiàn)實(shí)意義。趙紹光在《中小企業(yè)信用評(píng)估指標(biāo)體系的研究》(2005年)中，分析了中小企業(yè)信用評(píng)估的要素包括:素質(zhì)要素、財(cái)務(wù)要素、環(huán)境要素、風(fēng)險(xiǎn)要素，提出了建立中小企業(yè)信用評(píng)估指標(biāo)體系的指導(dǎo)原則:針對(duì)性原則、可比性原則、系統(tǒng)性原則、可操作性。王文英、潘華在等人《中小企業(yè)信用的兩個(gè)層面與評(píng)估模式的探討》(2004年)中小企業(yè)授信中的信用評(píng)級(jí)研究中，認(rèn)為市場(chǎng)經(jīng)濟(jì)是信用經(jīng)濟(jì)，確定信用等級(jí)的標(biāo)準(zhǔn)和形式是信用評(píng)估體系。他們分析了我國(guó)中小企業(yè)資信現(xiàn)狀，將信用評(píng)級(jí)的企業(yè)層面與個(gè)人層面相結(jié)合，提出了進(jìn)行中小企業(yè)信用評(píng)估的一個(gè)評(píng)估模式。

二、1960年代以來(lái)國(guó)外部分主要文獻(xiàn)綜述

1966年芝加哥大學(xué)會(huì)計(jì)系的Beaver提出了單變量判定模型。他通過(guò)對(duì)破產(chǎn)、拖欠債務(wù)、不能支付優(yōu)先股股利的79家經(jīng)營(yíng)失敗公司和79家經(jīng)營(yíng)未失敗公司的對(duì)比分析研究，并使用了現(xiàn)金流量/債務(wù)總額、資產(chǎn)收益率、資產(chǎn)負(fù)債率等30個(gè)財(cái)務(wù)比率作為變量，進(jìn)行一元判定預(yù)測(cè)，發(fā)現(xiàn)現(xiàn)金流量與負(fù)債總額的比率能夠最好地判定公司的財(cái)務(wù)狀況;其次是資產(chǎn)負(fù)債率，并且離經(jīng)營(yíng)失敗日越近，誤判率越低，預(yù)見性越強(qiáng)。Beaver以后又有許多學(xué)者對(duì)單變量模型進(jìn)行了研究，如 Deakin(1972)等。單變量判定模型是介于古典信用分析和多元統(tǒng)計(jì)分析之間的一種過(guò)渡方法。

1968年美國(guó)學(xué)者Altman選取了  1946~1965年間33家申請(qǐng)破產(chǎn)的制造企業(yè)和33家與這些企業(yè)規(guī)模相類似非破產(chǎn)制造企業(yè)作為樣本，通 過(guò)對(duì)破產(chǎn)前一年22個(gè)變量的研究，得到一個(gè)預(yù)測(cè)判別模型:Z計(jì)分模型。該模型標(biāo)志著信用風(fēng)險(xiǎn)度量已經(jīng)進(jìn)入多元線性統(tǒng)計(jì)分析階段。

1977年，Altman、Haldeman和Narayannan對(duì)Z計(jì)分模型進(jìn)行擴(kuò)展，建立了第二代模型即ZETA模型。它選取  1969~1975年的53家破產(chǎn)公司和58家非破產(chǎn)公司，采用新的七變量指標(biāo)(資產(chǎn)報(bào)酬率、收入穩(wěn)定性、債務(wù)償還、積累盈利、流動(dòng)比率、規(guī)模)，使新模型不僅適用于制造業(yè)，而且同樣有效地適用于零售業(yè)，并且使對(duì)公司破產(chǎn)前1年和前5年的準(zhǔn)確度大大提高，精度分別為91%和70%。Z計(jì)分模型和ZETA模型是多元線性判別模型的典型代表，對(duì)于信用風(fēng)險(xiǎn)度量的影響巨大，直到現(xiàn)在人們還在使用它。

1969年P(guān)ogue和soldofsky利用另外一種多元線性方法—線形概率模型，針對(duì)1961年至1964年間接受Moody評(píng)級(jí)的公司債，預(yù)測(cè)其屬于投資級(jí)或投機(jī)級(jí)，間接度量了公司的信用風(fēng)險(xiǎn)。

鑒于影響借款是否違約的因素與結(jié)果并非呈線性關(guān)系，20世紀(jì)80年代以后多元非線性回歸模型開始受到研究信用風(fēng)險(xiǎn)度量學(xué)者的追捧。1980年Ohlson使用了多元Logit回歸方法分析了1970一1976年間破產(chǎn)的105家公司和2058家公司組成的非配對(duì)樣本，他發(fā)現(xiàn)用公司規(guī)模、資本結(jié)構(gòu)、業(yè)績(jī)和當(dāng)前的變現(xiàn)能力進(jìn)行財(cái)務(wù)困境的預(yù)測(cè)準(zhǔn)確率達(dá)到96.12%。Casey和Bartezak在1985年，Tirapat和Nittayagasetwat在1999年也應(yīng)用這種方法進(jìn)行了相應(yīng)的實(shí)證研究。另一種相近的Probit模型可能是澤米捷斯基(Zanijewski，1984)首度用來(lái)預(yù)測(cè)公司財(cái)務(wù)危機(jī)。目前，這類多元非線性回歸模型應(yīng)用最為廣泛，被國(guó)際金融業(yè)和學(xué)術(shù)界視為主流方法。

多元統(tǒng)計(jì)分析在近二十多年得到進(jìn)一步拓展，人們把非線性區(qū)別分析法、神經(jīng)網(wǎng)絡(luò)方法、遺傳算法、線性規(guī)劃、非參數(shù)統(tǒng)計(jì)方法等應(yīng)用其中，形成了基于神經(jīng)網(wǎng)絡(luò)、遺傳算法、線性規(guī)劃等方法的信用風(fēng)險(xiǎn)度量模型。這些只是在算法上的改進(jìn)，評(píng)估信中小企業(yè)授信中的信用評(píng)級(jí)研究用風(fēng)險(xiǎn)的結(jié)果并不一定比原有的模型優(yōu)越。其中類神經(jīng)網(wǎng)絡(luò)方法最為有名。類神經(jīng)網(wǎng)絡(luò)的理論可追溯到40年代，但在信用風(fēng)險(xiǎn)分析中的應(yīng)用還是90年代的新生事物。1992年Tam和Kiang以 1985一 1987年美國(guó)德州失敗銀行及正常銀行各59家為研究對(duì)象，以19個(gè)財(cái)務(wù)比率為輸入變量，比較多種模型對(duì)樣本銀行的分級(jí)能力，其結(jié)果顯示類神經(jīng)網(wǎng)絡(luò)的分級(jí)正確率最高。Coats和 Fant(1993)，Trippi和 Turban(1993)采用類神經(jīng)網(wǎng)絡(luò)分析法分別對(duì)美國(guó)銀行和公司財(cái)務(wù)危機(jī)進(jìn)行了預(yù)測(cè)，取得了一定的效果。

20世紀(jì)80年代以來(lái)，信用規(guī)模和風(fēng)險(xiǎn)以指數(shù)方式膨脹，有別于傳統(tǒng)多元統(tǒng)計(jì)分析的信用風(fēng)險(xiǎn)管理方法，基于資本市場(chǎng)理論和信息科學(xué)為支撐的現(xiàn)代信用風(fēng)險(xiǎn)模型得到前所未有的發(fā)展。90年代以后，信用風(fēng)險(xiǎn)度量進(jìn)入現(xiàn)代信用風(fēng)險(xiǎn)模型階段。1995年美國(guó)KMv公司開發(fā)出基于Merton期權(quán)定價(jià)理論，利用預(yù)期違約頻率 (Expected Default Frequency，EDF)來(lái)計(jì)量公司的違約概率的信用風(fēng)險(xiǎn)度量模型，簡(jiǎn)稱KMV模型。1996年瑞士信貸第一波士頓銀行(CSFB)應(yīng)用保險(xiǎn)業(yè)中的精算方法來(lái)計(jì)算債券或貸款組合的損失分布，從而開發(fā)出Credit Risk+信貸風(fēng)險(xiǎn)管理系統(tǒng)。 1997年4月J.P.摩根推出用于量化信用風(fēng)險(xiǎn)的Credit Metric模型，是通過(guò)在險(xiǎn)價(jià)值  (Value At Risk，VaR)來(lái)衡量信用風(fēng)險(xiǎn)的一種計(jì)量方法。這是三個(gè)最為有名的現(xiàn)代信用風(fēng)險(xiǎn)模型，此外還有一大批新模型和新方法，如信孚銀行的RAROC模型、基于宏觀模擬方法的麥肯錫模型、基于風(fēng)險(xiǎn)中性的KPMG貸款分析系統(tǒng)模型、基于保險(xiǎn)方法的死亡率模型，衡量衍生工具信用風(fēng)險(xiǎn)和信用集中風(fēng)險(xiǎn)的新方法。2000年Chariton和Trigeorgis借鑒KMV模型的參變量研究1983年到1994年中139對(duì)美國(guó)公司，利用了Logistic回歸模型，結(jié)果發(fā)現(xiàn)到期債務(wù)面值的對(duì)數(shù)、公司資產(chǎn)當(dāng)期市價(jià)的對(duì)數(shù)、公司價(jià)值變化的標(biāo)準(zhǔn)差等參變量在預(yù)測(cè)破產(chǎn)方面作用顯著。

值得一提的是，著名的穆迪(Moody)公司基于多年信用評(píng)級(jí)的積累經(jīng)驗(yàn)在2000年3月公布了一個(gè)針對(duì)私營(yíng)公司的RiskCalc違約模型，通過(guò)對(duì)其信用研究數(shù)據(jù)庫(kù)中28104家正常私營(yíng)公司和1604家違約私營(yíng)公司的實(shí)證研究證明了該模型優(yōu)于現(xiàn)行的其他模型，并且受非財(cái)務(wù)和時(shí)間因素的影響較少。RiskCalc違約模型實(shí)際上是一個(gè)Probit模型，目前該模型已經(jīng)被穆迪公司應(yīng)用于貸款證券化的信用評(píng)級(jí)。2000年之后，穆迪公司將RiskCalc違約模型推廣到世界范圍，采用不同國(guó)家的數(shù)據(jù)來(lái)研究私營(yíng)企業(yè)的信用風(fēng)險(xiǎn)，如澳大利亞、法國(guó)、英國(guó)、德國(guó)、意大利、日本、韓國(guó)和新加坡等。

三、小結(jié)

（一）國(guó)外的一些信用評(píng)價(jià)模型，可以說(shuō)是比較完善，有很強(qiáng)的科學(xué)性和較為廣泛的適用范圍，但應(yīng)用這些指標(biāo)的基礎(chǔ)是在比較發(fā)達(dá)和完善的市場(chǎng)經(jīng)濟(jì)環(huán)境中并且要有相當(dāng)完善的信用記錄，而我國(guó)的信用體系建設(shè)剛剛開始，信用記錄幾乎空白。因此，國(guó)內(nèi)照抄、照搬西方國(guó)家的信用評(píng)價(jià)體系是行不通的。

（二）信用評(píng)價(jià)有著不同的評(píng)價(jià)主體和客體，對(duì)于不同的主體和客體而言，其評(píng)價(jià)的指標(biāo)是不一樣的，但現(xiàn)在看來(lái)所有的信用評(píng)價(jià)體系如出一轍，沒(méi)有針對(duì)性可言。中小企業(yè)是企業(yè)群體殊的一類，有著不同于一般企業(yè)信用評(píng)價(jià)的一面，如果按照相同的評(píng)價(jià)體系，那么結(jié)果肯定是有偏差的。

（三）很多體系中都會(huì)存在資本結(jié)構(gòu)、資產(chǎn)規(guī)模等指標(biāo)，對(duì)于中小企業(yè)來(lái)說(shuō)，其規(guī)模遠(yuǎn)不能與大型企業(yè)相比較，因此在設(shè)置中小企業(yè)的融資信用評(píng)價(jià)指標(biāo)時(shí)，要盡量弱化企業(yè)規(guī)模的影響，畢竟規(guī)模大的企業(yè)信用不一定高，規(guī)模小的企業(yè)會(huì)更加重視企業(yè)融資信用反而信用水平可能更高。

本文認(rèn)為，在研究中小企業(yè)信貸信用評(píng)價(jià)體系的建立時(shí)，應(yīng)注重定量分析與定性分析的結(jié)合。在定量分析的過(guò)程中，因以可操作性、全面科學(xué)性、簡(jiǎn)明性為原則，選取具有代表性和關(guān)鍵性的指標(biāo)，通過(guò)科學(xué)的分析方式，構(gòu)建具有指標(biāo)意義的定量分析模型。同時(shí)，也應(yīng)使用定性分析作為輔助，以宏觀、中觀、微觀三個(gè)角度對(duì)中小企業(yè)信貸信用風(fēng)險(xiǎn)做全面深入的分析。主要考察中小企業(yè)的外部環(huán)境風(fēng)險(xiǎn)，行業(yè)內(nèi)相關(guān)信息，最后結(jié)合中小企業(yè)自身特點(diǎn)做出信用評(píng)價(jià)

參考文獻(xiàn)：

[1]張其仔，尚教蔚，周雪琳，施曉紅.企業(yè)信用管理[M].[北京]:[對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社].[2002].

[2]林漢川，夏敏仁.企業(yè)信用評(píng)級(jí)理論與實(shí)務(wù)[M].[北京]:[對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社]. [2003].

[3]石曉軍，陳殿左.信用治理—文化、流程與工具[M].[北京][機(jī)械工業(yè)出版社] [2004]

[4]吳潔.信用評(píng) 分技術(shù)在中小企業(yè)貸款中的應(yīng)用[J].[現(xiàn)代金融].[2005]. 5-7.

[5]何祖玉，韓啟，王華偉，梅強(qiáng).中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)體系及方法[J].[統(tǒng)計(jì)與決策]. [2003]. 17-15.

[6]周巧云.對(duì)中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)方法的探討—基于關(guān)系型貸款的綜合評(píng)價(jià)模型[J].[河南金融管理干部學(xué)院學(xué)報(bào)].[2004]. 52-54.

[7]曹繼英 規(guī)避中小企業(yè)信用風(fēng)險(xiǎn)應(yīng)注意的主要因素[J].[浙江金融].[2004]. 31-33.

[8]關(guān)偉，薛鋒.基于灰色聚類法的中小企業(yè)信用風(fēng)險(xiǎn)研究[J].[生產(chǎn)力研究].[2004]. 51-53.

[9]田麗紅，吳曉燕，常明.中小企業(yè)信用風(fēng)險(xiǎn)度量模式的選擇分析[J].[石家莊] [鐵路職業(yè)技術(shù)學(xué)院學(xué)報(bào)].[2005]. 111-114.

[10]趙紹光.中小企業(yè)信用評(píng)估指標(biāo)體系的研究[J].[長(zhǎng)春師范學(xué)院學(xué)報(bào)]. [2005].

[11]魯煒，趙恒晰，劉冀云.KMV模型關(guān)系函數(shù)推測(cè)及其在中國(guó)股市的驗(yàn)證[J].[運(yùn)

籌與管理].[2003].43一45.

[12]王文英，潘華.中小企業(yè)信用的兩個(gè)層面與評(píng)估模式探討[J].[經(jīng)濟(jì)問(wèn)題探索]. [2004]. 61一62.                                            

. 71一 111.

[14] Altman E.I.  [Financial ratios, Discriminate Analysis and the Prediction of Corporate Bankruptcy. [J]. [Journal of Finance]. [1965]. 589-609.

.

 

 

文獻(xiàn)綜述指導(dǎo)教師評(píng)語(yǔ)

篇7

關(guān)鍵詞:信用風(fēng)險(xiǎn)評(píng)估;支持向量機(jī)集成;預(yù)測(cè)

中圖分類號(hào):F830.51

文獻(xiàn)標(biāo)識(shí)碼:A

文章編號(hào):1003-5192(2009)04-0057-05

1 引言

商業(yè)銀行作為國(guó)民經(jīng)濟(jì)的總樞紐和金融信貸中心,發(fā)揮著融通資金、引導(dǎo)資產(chǎn)流向和調(diào)節(jié)社會(huì)供需平衡等諸多不可替代的作用。然而商業(yè)銀行在營(yíng)運(yùn)過(guò)程中面臨著各種各樣的風(fēng)險(xiǎn),包括系統(tǒng)風(fēng)險(xiǎn)和非系統(tǒng)風(fēng)險(xiǎn),其中在非系統(tǒng)風(fēng)險(xiǎn)中信用風(fēng)險(xiǎn)占有特殊的重要地位。世界銀行對(duì)全球銀行業(yè)危機(jī)的研究表明,導(dǎo)致銀行破產(chǎn)的最常見原因就是信用風(fēng)險(xiǎn)。信用風(fēng)險(xiǎn)又稱違約風(fēng)險(xiǎn),是指借款人、證券發(fā)行人或交易對(duì)方因種種原因,不愿或無(wú)力履行合同條件而構(gòu)成違約,致使銀行,投資者或交易對(duì)方遭受損失的可能性[1]。信用風(fēng)險(xiǎn)是商業(yè)銀行信貸風(fēng)險(xiǎn)管理中一項(xiàng)基礎(chǔ)性的工作,其目的在于分析銀行在貸款業(yè)務(wù)中可能面臨的信用風(fēng)險(xiǎn)――借款人如期履行特定債務(wù)的能力與意愿,從而為貸款決策提供依據(jù)。

信用評(píng)估方法在不斷演進(jìn),大致經(jīng)歷了定性分析、統(tǒng)計(jì)分析和人工智能三個(gè)發(fā)展階段,最初它只是通過(guò)信貸分析員閱讀申請(qǐng)表并決定是否放貸,但是這一方法主觀因素太強(qiáng),必然存在誤判的可能性。統(tǒng)計(jì)方法主要是判別分析(DA)[2],判別分析是分類預(yù)測(cè)的主要研究范疇之一[3],但是判別分析在操作上的一個(gè)缺點(diǎn)是其基本假設(shè)很容易被打亂。另外,模型只能在已被通過(guò)的貸款樣本中進(jìn)行估計(jì),因此存在參數(shù)估計(jì)的樣本偏差。隨著信用行業(yè)的發(fā)展以及貸款組合種類的不斷增加,信用評(píng)估的準(zhǔn)確率哪怕只提高零點(diǎn)幾個(gè)百分點(diǎn),都會(huì)帶來(lái)巨大的效益,因此,人們積極探索開發(fā)更加準(zhǔn)確的信用評(píng)估模型,先后就非參數(shù)統(tǒng)計(jì)模型、人工智能等方法在信用評(píng)估方面的應(yīng)用進(jìn)行了嘗試[4],尤其是最近幾年中己經(jīng)開發(fā)出來(lái)包括分類樹[5]、神經(jīng)網(wǎng)絡(luò)[6]以及多元判別法分析[7]等在內(nèi)的多種方法。但是,這些方法都存在一些缺點(diǎn),即不能量化解釋指標(biāo)的重要程度,在分類樹分析中沒(méi)有參數(shù),而在神經(jīng)網(wǎng)絡(luò)中則沒(méi)有參數(shù)解釋,用于信用風(fēng)險(xiǎn)評(píng)估具有一定的片面性。同時(shí),神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是在黑箱中進(jìn)行的,這種運(yùn)算摒棄許多行業(yè)經(jīng)驗(yàn)和專家經(jīng)驗(yàn),具有一定的盲目性,人們不能對(duì)之進(jìn)行干預(yù)。神經(jīng)網(wǎng)絡(luò)適合于對(duì)數(shù)量指標(biāo)的分析,而忽略對(duì)影響因素中的定性指標(biāo)的分析,顯然是不合理的、片面的。而且用神經(jīng)網(wǎng)絡(luò)來(lái)評(píng)價(jià)經(jīng)濟(jì)問(wèn)題時(shí),很難說(shuō)明神經(jīng)網(wǎng)絡(luò)訓(xùn)練后,各網(wǎng)絡(luò)參數(shù)和閥值的經(jīng)濟(jì)含義,使得模型缺乏說(shuō)服性。

研究表明組合分類器的分類精度一般比單個(gè)分類器的分類精度高,但是神經(jīng)網(wǎng)絡(luò)集成[8]在信用評(píng)分中的應(yīng)用結(jié)果表明,神經(jīng)網(wǎng)絡(luò)集成的分類精度不如單個(gè)神經(jīng)網(wǎng)絡(luò)。因?yàn)樯窠?jīng)網(wǎng)絡(luò)分類建立在大樣本的基礎(chǔ)上,而目前銀行所保存的數(shù)據(jù)樣本量有限,用集成神經(jīng)網(wǎng)絡(luò)分類則必須把所收集的樣本分割成多個(gè)子樣本,從而減少了單個(gè)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù),進(jìn)而影響了其分類精度?；诖?許多學(xué)者在支持向量機(jī)[9~11]的基礎(chǔ)上又發(fā)展了基于小樣本學(xué)習(xí)的支持向量基集成[12~14],許多領(lǐng)域都用此方法來(lái)改善分類精度,應(yīng)用結(jié)果表明支持向量機(jī)集成的分類精度至少和單個(gè)支持向量機(jī)的分類精度一樣好。但是目前的研究普遍是基于最多投票原則的集成方法,該方法沒(méi)有考慮子支持向量機(jī)分類器的輸出重要性。

長(zhǎng)期以來(lái)信用風(fēng)險(xiǎn)評(píng)估一直被看作是模式識(shí)別中的一類分類問(wèn)題,依據(jù)的信用風(fēng)險(xiǎn)衡量標(biāo)準(zhǔn)是貸款企業(yè)“違約與否”,利用的是模型與方法的分類功能,形成信用風(fēng)險(xiǎn)的分類評(píng)估模式,這種做法被稱為“粗暴的經(jīng)驗(yàn)主義方法”。分類評(píng)估模式所反映的有限的經(jīng)濟(jì)信息并不能充分滿足信貸風(fēng)險(xiǎn)決策的需要,轉(zhuǎn)變?cè)u(píng)估模式的關(guān)鍵在于確立更為有效、客觀的信用風(fēng)險(xiǎn)衡量標(biāo)準(zhǔn)和評(píng)估預(yù)測(cè)模型, 而實(shí)施貸款風(fēng)險(xiǎn)的五級(jí)分類體系可以提高分類準(zhǔn)確性,本文建立基于模糊積分的支持向量機(jī)集成方法,該方法考慮了各子分類器的分類結(jié)果和各子分類器判決對(duì)最終決策的重要程度,并對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)進(jìn)行五級(jí)分類,以某商業(yè)銀行的實(shí)際數(shù)據(jù)進(jìn)行實(shí)證研究,評(píng)估結(jié)果表明該評(píng)價(jià)方法具有科學(xué)、簡(jiǎn)潔、預(yù)測(cè)精度高等特點(diǎn),而且模型的結(jié)構(gòu)與方法應(yīng)用前景廣闊。

2 基于模糊積分SVMs集成的模型構(gòu)建

2.1 Bagging個(gè)體生成

Bagging[15]的基礎(chǔ)是可重復(fù)采樣(Bootstrap Sampling)。在該方法中,各支持向量分類器的訓(xùn)練集由原始訓(xùn)練集中隨機(jī)抽取若干示例組成。訓(xùn)練集的規(guī)模通常與原始訓(xùn)練集相當(dāng),訓(xùn)練例允許重復(fù)選取。這樣,原始訓(xùn)練集中某些示例可能在新的訓(xùn)練集中出現(xiàn)多次,而另一些示例可能一次也不出現(xiàn)。Bagging方法通過(guò)重新選取訓(xùn)練集增加了分類器集成的差異度,從而提高了泛化能力。

3 模糊密度的確定方法

由模糊積分的定義可知,確定描述各個(gè)子支持向量分類器重要性的模糊密度值是基于模糊積分的多分類器集成的關(guān)鍵所在。本文使用混淆矩陣來(lái)確定各個(gè)支持向量分類器的模糊密度值。

在子支持向量分類器訓(xùn)練完畢后,用子分類器各自的訓(xùn)練集對(duì)各個(gè)子分類器進(jìn)行測(cè)試得到各自的混淆矩陣。

假定一個(gè)K類分類問(wèn)題,對(duì)于子分類器SVCk,其混淆矩陣可以定義為

通過(guò)混淆矩陣可以得到各個(gè)支持向量機(jī)的模糊密度,為利用模糊積分進(jìn)行支持向量機(jī)集成奠定了基礎(chǔ)。

4 五類別問(wèn)題實(shí)證分析

4.1 試驗(yàn)過(guò)程

仿真實(shí)驗(yàn)在Libsvm軟件的基礎(chǔ)上進(jìn)行,采用Visual C++編譯實(shí)現(xiàn)。驗(yàn)證平臺(tái)為256MB內(nèi)存的AMD Athlon 1800+,操作系統(tǒng)為Windows 2000。支持向量機(jī)集成流程如圖1所示。

實(shí)驗(yàn)過(guò)程如下:

第1步 使用Bagging方法從原始訓(xùn)練集中產(chǎn)生各個(gè)子支持向量分類器的訓(xùn)練集,對(duì)各子支持向量分類器進(jìn)行訓(xùn)練;

第2步 給出各訓(xùn)練完畢的子支持向量分類器的五級(jí)分類的概率輸出模型[17];

第3步 根據(jù)第3節(jié)中介紹的方法確定模糊密度{g({SVMi,}),k=1,…,c},以此來(lái)表示各子支持向量機(jī)SVMi,i=1,…,m在各自訓(xùn)練樣本上執(zhí)行好壞的概率密度;

第4步 當(dāng)給定一個(gè)測(cè)試樣本,得到各子支持向量分類器對(duì)該測(cè)試樣本的類概率輸出;第5步 對(duì)于ωk,k=1,…,c,根據(jù)2.2計(jì)算模糊積分ek,集成各子支持向量機(jī);

4.2 指標(biāo)體系的建立

商業(yè)銀行面臨的信用風(fēng)險(xiǎn)主要與貸款企業(yè)本身的信用狀況有關(guān),另外還與銀行自身貸款分布和行業(yè)集中度等因素有關(guān),具體可分為貸款企業(yè)風(fēng)險(xiǎn)、商業(yè)銀行風(fēng)險(xiǎn)、宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)和其他風(fēng)險(xiǎn)因素。

綜合考慮信用風(fēng)險(xiǎn)的各影響因素,依據(jù)指標(biāo)選擇原則,借鑒我國(guó)財(cái)政部統(tǒng)計(jì)評(píng)價(jià)司的企業(yè)績(jī)效評(píng)價(jià)指標(biāo)體系和中國(guó)工商銀行企業(yè)資信評(píng)估指標(biāo)體系,并參考國(guó)內(nèi)外有關(guān)文獻(xiàn),兼顧我國(guó)信用風(fēng)險(xiǎn)的特殊性和數(shù)據(jù)的可獲得性,最終確定以下16個(gè)指標(biāo)(圖2)用作商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估。

圖2 信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系

4.3 樣本的獲取

本文的數(shù)據(jù)來(lái)源于中國(guó)工商銀行哈爾濱某分行,在采集數(shù)據(jù)時(shí),注重樣本自身的行業(yè)特征,不同行業(yè)的企業(yè)經(jīng)營(yíng)環(huán)境和業(yè)務(wù)范圍差距很大,企業(yè)的各項(xiàng)財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)也不具有可比性,而且又缺乏必要的行業(yè)標(biāo)準(zhǔn)和經(jīng)驗(yàn)值,因此模型中選用同一行業(yè)短期貸款的樣本數(shù)據(jù)來(lái)避開這一問(wèn)題。采集的數(shù)據(jù)檢索條件如下:

(1)樣本行業(yè)范圍:制造業(yè);

(2)貸款種類:短期貸款(一年及一年以內(nèi));

(3)貸款發(fā)放日期:1998年1月1日至1月31日;

(4)貸款余額截止日:2001年8月13日;

(5)貸款金額:貸款實(shí)際發(fā)放金額;

(6)貸款余額:截止2001年8月13日確定為損失的貸款余額;

(7)貸款形態(tài):貸款目前所處的形態(tài);

(8)企業(yè)全稱及代碼:識(shí)別企業(yè)的唯一標(biāo)識(shí)碼;

(9)報(bào)表日期與報(bào)表:1997年12月31日的企業(yè)資產(chǎn)負(fù)債表和損益表;

(10)經(jīng)過(guò)收集、整理共獲取176個(gè)樣本,涉及貸款額50多億元人民幣。

4.4 樣本數(shù)據(jù)處理

首先對(duì)樣本進(jìn)行穩(wěn)健性處理,選用兩倍、三倍標(biāo)準(zhǔn)差檢驗(yàn)法進(jìn)行異常數(shù)據(jù)剔除,最終獲得157個(gè)樣本數(shù)據(jù)。將樣本集劃分為訓(xùn)練樣本集和測(cè)試樣本集,隨機(jī)抽取35%(56家)作為訓(xùn)練樣本集,用于構(gòu)造SVMs集成模型,其余的65%(101家)作為測(cè)試樣本集,用于檢驗(yàn)?zāi)Ｐ偷姆夯芰ΑＲ燥L(fēng)險(xiǎn)為依據(jù),按銀行所承受的風(fēng)險(xiǎn)大小來(lái)劃分貸款質(zhì)量的分類法,即通常所說(shuō)的將貸款分為正常、關(guān)注、次級(jí)、可疑、損失五類的“五級(jí)分類法”(表1)。原始數(shù)據(jù)中,關(guān)于原始數(shù)據(jù)的實(shí)際信用等級(jí),該商業(yè)銀行是按貸款損失占貸款總額的比率來(lái)進(jìn)行統(tǒng)計(jì)的。本文采用的是用貸款損失/貸款總額來(lái)確定貸款劃分的類型,因此不可能完全按照中國(guó)人民銀行規(guī)定的貸款五級(jí)分類法的標(biāo)準(zhǔn),具有一定的預(yù)測(cè)性,但是,同樣,對(duì)貸款風(fēng)險(xiǎn)也有較好的指導(dǎo)作用。

在因子分析之前還需要進(jìn)行巴特利特球體檢驗(yàn)和KMO測(cè)度,測(cè)試結(jié)果顯示有必要對(duì)模型輸入指標(biāo)進(jìn)行因子分析。本文采用主成分分析法求解初始因子,依據(jù)特征值準(zhǔn)則(取特征值大于等于1的主成分作為初始因子),因子個(gè)數(shù)應(yīng)該確定為4,根據(jù)碎石檢驗(yàn)準(zhǔn)則(Scree Test Criterion)也得到同樣的結(jié)論,而此時(shí)因子累計(jì)解釋方差的比例可以達(dá)到74%以上,保留了原有數(shù)據(jù)的主要經(jīng)濟(jì)信息,并且各因子經(jīng)濟(jì)含義較為明確,表明因子個(gè)數(shù)的確定較為適宜。由于在因子負(fù)載矩陣中,相對(duì)于0.3的負(fù)載而言,變量的方差能夠被該因子解釋的部分不足10%,所以對(duì)于絕對(duì)值小于0.3的負(fù)載一般可以不予解釋,各因子的經(jīng)濟(jì)含義較為明確,而且因子與指標(biāo)間的內(nèi)在聯(lián)系比較顯著,各因子依次可以歸結(jié)為營(yíng)運(yùn)能力因子、償債能力因子、盈利能力因子和貸款方式因子。

4.5 實(shí)證結(jié)果分析

依據(jù)表1,按銀行所承受的風(fēng)險(xiǎn)大小來(lái)劃分貸款質(zhì)量,將貸款分為正常、關(guān)注、次級(jí)、可疑、損失五類,再將分類結(jié)果和實(shí)際的分類進(jìn)行比較,判斷分類的正確性,以此對(duì)信用風(fēng)險(xiǎn)模型進(jìn)行評(píng)價(jià)。

本文采用一對(duì)一策略來(lái)實(shí)現(xiàn)多類別分類,訓(xùn)練出9個(gè)SVMs。各子支持向量分類器使用RBF核函數(shù),每個(gè)SVM通過(guò)10重交叉驗(yàn)證的方法來(lái)選擇相應(yīng)的參數(shù),本文進(jìn)行了10次實(shí)驗(yàn),并將本文提出的模糊積分支持向量機(jī)集成方法在五級(jí)分類上的執(zhí)行效果與單一SVM和基于最多投票原則的SVMs集成等的執(zhí)行效果進(jìn)行比較,圖3為平均執(zhí)行效果比較,從左到右依次是:(1)神經(jīng)網(wǎng)絡(luò)集成;(2)單一模糊神經(jīng)網(wǎng)絡(luò),(3)單一SVM,(4)基于最多投票SVMs集成,(5)基于模糊積分的SVMs集成。由圖3可知,基于模糊積分的SVMs集成的分類正確率為87.10%,基于最多投票的SVMs集成的分類正確率為85.17%,單一SVM的正確率為84.524%,模糊神經(jīng)網(wǎng)絡(luò)的分類正確率為82.59%,神經(jīng)網(wǎng)絡(luò)集成的分類正確率為81.72%。

應(yīng)用結(jié)果表明,基于模糊積分SVMs集成比單個(gè)SVM、基于最多投票的SVMs集成和單個(gè)模糊神經(jīng)網(wǎng)絡(luò)的分類效果好,而單個(gè)模糊神經(jīng)網(wǎng)絡(luò)的分類正確率比神經(jīng)網(wǎng)絡(luò)集成的分類正確率高。支持向量機(jī)集成的分類精度最高,可能是因?yàn)殂y行目前所保存的樣本量有限,支持向量機(jī)適合小樣本訓(xùn)練,而神經(jīng)網(wǎng)絡(luò)訓(xùn)練則需要大樣本支持,在有限的樣本中重復(fù)抽樣,會(huì)減少樣本量,這樣就會(huì)降低神經(jīng)網(wǎng)絡(luò)的訓(xùn)練精度,從而進(jìn)一步證明了支持向量機(jī)對(duì)于小樣本訓(xùn)練的優(yōu)勢(shì);并且模糊積分在進(jìn)行多分類器決策融合的時(shí)候綜合考慮了各子分類器的分類結(jié)果和各子分類器判決對(duì)最終決策的重要程度的緣故,證實(shí)了本文提出的方法的準(zhǔn)確性和有效性。

5 結(jié)束語(yǔ)

本文提出了一個(gè)基于模糊積分的支持向量機(jī)集成方法。該方法最主要的優(yōu)點(diǎn)是它不僅組合各個(gè)分類結(jié)果,而且考慮不同SVMs分類器的相對(duì)重要性。將此方法應(yīng)用于商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估,模擬結(jié)果表明該方法比單個(gè)SVM、基于最多投票的SVMs集成方法、神經(jīng)網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)集成的效率高,效果好。說(shuō)明基于模糊積分的SVMs集成的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)價(jià)是可行和有效的。進(jìn)一步研究的方向是設(shè)定更加合理的模糊密度和用其它方法(如加速法)來(lái)構(gòu)建SVMs。

參 考 文 獻(xiàn):

[1]丁欣.國(guó)外信用風(fēng)險(xiǎn)評(píng)估方法的發(fā)展現(xiàn)狀[J].湖南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2002,16(3):140 142.

[2]Jackson P, Perraudin W. Regulatory implications of credit risk modelling[J]. Journal of Banking and Finance, 2000, 24(1): 1 14.

[3]De Andres J, Linda M, Lorca P. Forecasting business profitability by using classification techniques: a comparative analysis based on a Spanish case[J]. European Journal of Operational Research, 2005, 167(2): 518 542.

[4]West D. Neural network credit searing models[J]. Computers & Operations Researeh, 2000, 27(4): 1131 1152.

[5]姜明輝,王歡,王雅林.分類樹在個(gè)人信用評(píng)估中的應(yīng)用[J].商業(yè)研究,2003,(12):15 19.

[6]Lee K C, Han I, Kwon Y. Hybrid neural network models for bankruptcy predictions[J]. Decision Support System, 1996, 18(1): 63 72.

[7]方洪全,曾勇.運(yùn)用多元判別法評(píng)估企業(yè)信用風(fēng)險(xiǎn)的實(shí)例[J].預(yù)測(cè),2004,23(2):6568.

[8]Tsai C F, Wu J W. Using neural network ensembles for bankruptcy prediction and credit scoring[J]. Expert Systems with Applications, 2008, 34(4): 2639 2649.

[9]Huang C L, Chen M C, Wang C J. Credit scoring with a data mining approach based on support vector machines[J]. Expert Systems with Applications, 2007,33(4): 847856.

[10]Xu Xiujuan, Zhou Chunguang, Wang Zhe. Credit scoring algorithm based on link analysis ranking with support vector machine[J]. Expert Systems with Applications, 2008, 36(2): 18.

[11]Crook J N, Edelman D B, Thomas L C. Recent developments in consumer credit risk assessment[J]. European Journal of Operational Research, 2007, 183(3): 1447 1465.

[12]Nanni L, Lumini A. MppS: an ensemble of support vector machine based on multiple physicochemical properties of amino acids[J]. Neurocomputing, 2006, 69(13): 1688 1690.

[13]Li Bo, Li Xinjun, Zhao Zhiyan. Novel algorithm for constructing support vector machine regression ensemble[J]. Journal of Systems Engineering and Electronics, 2006, 17(3): 541 545.

[14]Bertoni A, Folgieri R, Valentini G. Bio molecular cancer prediction with random subspace ensembles of support vector machines[J]. Neurocomputing, 2005, 63(6): 535 539.

[15]Breiman L. Bagging predictors[J]. Machine Learning, 1996, 24(2): 123 140.

[16]Kwak K C, Pedrycz W. Face recognition: a study in information fusion using fuzzy integral[J]. Pattern Recognition Letters, 2005, 26(6): 719 733.

篇8

【關(guān)鍵詞】P2P網(wǎng)貸 信貸風(fēng)險(xiǎn) Logit回歸

P2P網(wǎng)貸是在互聯(lián)網(wǎng)環(huán)境下發(fā)展起來(lái)的一種全新的借貸模式，但是隨著P2P網(wǎng)貸的發(fā)展，信譽(yù)問(wèn)題隨之而來(lái)。其中，缺乏專業(yè)的平臺(tái)信審程序是造成無(wú)法準(zhǔn)確評(píng)估借款人信用的最主要原因，因此，本文擬從個(gè)人客戶的基本信息、個(gè)人客戶的貸款記錄、個(gè)人客戶的還貸記錄等資料中選取影響借款人還款意愿和能力的指標(biāo)，嘗試構(gòu)建Logistic回歸模型；進(jìn)一步地，采集人人貸、宜信、紅嶺創(chuàng)投、拍拍貸、有利網(wǎng)五家P2P平臺(tái)的樣本數(shù)據(jù)，通過(guò)實(shí)證分析對(duì)網(wǎng)貸平臺(tái)信用風(fēng)險(xiǎn)的評(píng)價(jià)起到一定的決策支持作用。

一、Logistic回歸模型

Logistic回歸模型。在Logit回歸中，只需建立以logit（P）為因變量，建立包含p個(gè)因變量的Logistic回歸模型如下：

■ （1）

其中，X=（X1X2……Xp）T為p維向量，β=（β1β2……βp）為待求的系數(shù)。

這就是Logistic回歸模型。由（1）可推導(dǎo)出：

■ （2）

■ （3）

已知本文Y∈（0，1），現(xiàn)定義Yi=1為第i個(gè)客戶按時(shí)還款，Yi=0為第i個(gè)客戶違約，在Logistic回歸中本文定義P為客戶按時(shí)還款的概率，即■。

二、建立Logit回歸模型

（一）模型指標(biāo)的選取

指標(biāo)變量的信息需要涵蓋個(gè)人客戶三個(gè)方面的信息：個(gè)人客戶的基本信息、個(gè)人客戶的貸款記錄、個(gè)人客戶的還貸記錄。本文選擇10項(xiàng)具有普遍性和代表性的指標(biāo)作為本文的評(píng)價(jià)指標(biāo)變量，并建立個(gè)人信用風(fēng)險(xiǎn)評(píng)價(jià)模型。本文對(duì)指標(biāo)進(jìn)行了分類、賦值，如表1。

表1 指標(biāo)分述

■

■

本文將原始數(shù)據(jù)經(jīng)過(guò)賦值處理后，通過(guò)SPSS軟件對(duì)數(shù)據(jù)進(jìn)行l(wèi)ogit回歸處理，運(yùn)用逐步向前回歸方法來(lái)篩選對(duì)因變量影響最顯著的變量，將其納入模型。由分析結(jié)果可以得出，工作年限的回歸系數(shù)為正，表明其數(shù)值越大，該客戶還款的概率就越大。工作年限是反映客戶工作經(jīng)驗(yàn)積累的一個(gè)指標(biāo)，工作時(shí)間越長(zhǎng)，擁有的資產(chǎn)會(huì)多一些，違約的概率越小，反之，違約概率較大，即工作時(shí)間較短的客戶違約風(fēng)險(xiǎn)大于工作年限長(zhǎng)的客戶，因此其違約的概率也相應(yīng)提升。

年收入范圍在0.05的顯著性水平下與是否違約呈現(xiàn)出正相關(guān)。收入情況直接決定了借款人財(cái)務(wù)狀況和還款能力，收入越高，選擇誠(chéng)信的可能性就越大，還款能力越強(qiáng)，違約的幾率也就越低。這也與實(shí)際狀況相符，高收入人群往往能夠更快地還清貸款。

近半年信用卡逾期次數(shù)、近半年貸款逾期次數(shù)兩個(gè)指標(biāo)在一定程度上是衡量客戶信用以及經(jīng)濟(jì)狀況的指標(biāo)，本文之所以選擇近半年為時(shí)間段是因?yàn)镻2P小額貸款是面對(duì)個(gè)人以及一些小型企業(yè)進(jìn)行的小額、短期的借貸活動(dòng)，近半年的各種信用指標(biāo)在很大程度上能夠折射出客戶近期的經(jīng)濟(jì)狀況、信用狀況，以及未來(lái)短期時(shí)間內(nèi)的還款能力。二者都與是否違約呈現(xiàn)出負(fù)相關(guān)，即逾期次翟蕉啵信用狀況越差，違約的可能性也相應(yīng)的提高。

將相應(yīng)的參數(shù)代入到模型中可得：

■

根據(jù)式（2）或者（3）即可得出客戶相應(yīng)的還款概率P。選取樣本中的一組數(shù)字舉例來(lái)說(shuō)，X6=0.8，X7=0.8，X9=0，X10=1，即可得出logit（P）=3.5906，進(jìn)而得出■，即還款概率為97.32%。

（二）模型檢驗(yàn)

通過(guò)向前逐步回歸，得到的分類預(yù)測(cè)結(jié)果。由此可以看出，該回歸對(duì)于個(gè)人信用風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確率較高，對(duì)于參與檢驗(yàn)的樣本的預(yù)測(cè)準(zhǔn)確率達(dá)到了89.2%。在最后一步的回歸中，未償還貸款的29個(gè)樣本，21個(gè)預(yù)測(cè)結(jié)果為違約，8個(gè)被誤測(cè)為不違約，準(zhǔn)確率達(dá)到了72.4%。在按時(shí)還款的91個(gè)樣本中，86個(gè)準(zhǔn)確預(yù)測(cè)，5個(gè)被誤測(cè)違約，準(zhǔn)確率達(dá)到了94.5%。易知，運(yùn)用Logit回歸對(duì)個(gè)人信用風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，具有較高的準(zhǔn)確率和可信度。

三、結(jié)論與展望

本文借助構(gòu)建個(gè)人信用風(fēng)險(xiǎn)評(píng)價(jià)的Logit回歸模型，基于五家P2P平臺(tái)的120組樣本數(shù)據(jù)，實(shí)證分析表明：工作年限、年收入、近半年信用卡逾期次數(shù)、近半年貸款逾期次數(shù)指標(biāo)在反映個(gè)人信用風(fēng)險(xiǎn)狀況方面具有較好的代表性，對(duì)于是否違約的樣本預(yù)測(cè)準(zhǔn)確率分別達(dá)到72.4%、94.5%，并且模型整體預(yù)測(cè)準(zhǔn)確率達(dá)到89.2%，表明該模型具有一定的實(shí)際使用價(jià)值。事實(shí)上影響客戶能否按時(shí)還款的因素還有很多，除了一些能夠量化的因素之外，客戶本身的道德品質(zhì)更是一個(gè)關(guān)鍵因素。因此，今后的研究如能添加對(duì)一些非量化因素的考量，勢(shì)必能為P2P網(wǎng)貸信用風(fēng)險(xiǎn)的評(píng)價(jià)、預(yù)測(cè)以及后續(xù)的風(fēng)險(xiǎn)響應(yīng)和規(guī)避等勾勒出一幅完美的圖景。

參考文獻(xiàn)

[1]陳為民，馬超群，馬林.我國(guó)個(gè)人信用評(píng)分的發(fā)展趨勢(shì)[J].商業(yè)研究，2010，（1）：98-101.

[2]王繼暉，李成.網(wǎng)絡(luò)借貸模式下反洗錢風(fēng)險(xiǎn)分析與應(yīng)對(duì).[J].金融與經(jīng)濟(jì)，2011.（9）：9-11.

篇9

近幾年來(lái)，供應(yīng)鏈金融得到了飛速發(fā)展，但一直伴隨著信用問(wèn)題。本文通過(guò)對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)表現(xiàn)形式和影響因素的分析，以及對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的選取，完善供應(yīng)鏈金融的信用風(fēng)險(xiǎn)評(píng)價(jià)思路，進(jìn)而為供應(yīng)鏈金融信用風(fēng)險(xiǎn)的控制提出一些合理意見。

關(guān)鍵詞:

供應(yīng)鏈金融;信用風(fēng)險(xiǎn);評(píng)價(jià)體系

一、引言

中小企業(yè)融資問(wèn)題長(zhǎng)久以來(lái)備受各國(guó)政府和社會(huì)的關(guān)注。中國(guó)自改革開放以來(lái)，以中小企業(yè)為代表的民營(yíng)經(jīng)濟(jì)蓬勃發(fā)展，統(tǒng)計(jì)數(shù)據(jù)顯示，我國(guó)經(jīng)濟(jì)至少65%的貢獻(xiàn)是由民營(yíng)經(jīng)濟(jì)做出的，由此可見中小企業(yè)發(fā)展的重要性。然而，由于中小企業(yè)自身存在的一些問(wèn)題，如資本金嚴(yán)重不足、財(cái)務(wù)制度不健全、技術(shù)水平低等以及銀行和政府方面存在的一些問(wèn)題，使得中小企業(yè)融資道逐漸變窄，嚴(yán)重阻礙了其進(jìn)一步發(fā)展壯大，而供應(yīng)鏈金融模式則能夠化解這一難題。在該模式下，銀行應(yīng)該著眼于整條供應(yīng)鏈的交易風(fēng)險(xiǎn)，而不簡(jiǎn)單是對(duì)中小企業(yè)進(jìn)行評(píng)估。在供應(yīng)鏈金融業(yè)務(wù)模式下，銀行則對(duì)整條供應(yīng)鏈的風(fēng)險(xiǎn)備顯關(guān)注。在此情況下，銀行越來(lái)越多關(guān)注對(duì)交易的評(píng)估，而不是只限于對(duì)主體的評(píng)價(jià)。這樣既真正評(píng)估了業(yè)務(wù)的真實(shí)風(fēng)險(xiǎn)，另一方面也能讓更多中小企業(yè)享受到銀行的服務(wù)。而順利推進(jìn)這一模式首先要精確地測(cè)算信用風(fēng)險(xiǎn)。因此，供應(yīng)鏈金融模式是否可以發(fā)揮作用顯得尤為重要，而這很大程度上取決于是否有效的建立、健全中小企業(yè)信用評(píng)價(jià)體系，供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)體系構(gòu)筑對(duì)化解中小企業(yè)融資難題具有深刻影響。

二、供應(yīng)鏈金融信用風(fēng)險(xiǎn)表現(xiàn)形式與因素分析

(一)供應(yīng)鏈金融信用風(fēng)險(xiǎn)表現(xiàn)形式

供應(yīng)鏈融資模式存在著信用風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)和法律風(fēng)險(xiǎn)，但后兩者是外生性風(fēng)險(xiǎn)，是自身比較難以控制的，所以本文主要分析信用風(fēng)險(xiǎn)，即內(nèi)生性風(fēng)險(xiǎn)。供應(yīng)鏈中存在的風(fēng)險(xiǎn)主要有商流風(fēng)險(xiǎn)、物流風(fēng)險(xiǎn)、信息流風(fēng)險(xiǎn)，以及涉及運(yùn)輸，儲(chǔ)存，裝卸，搬運(yùn)，配送，信息處理等環(huán)節(jié)的風(fēng)險(xiǎn)，以上環(huán)節(jié)都會(huì)影響供應(yīng)鏈金融的正常運(yùn)作。供貨商供貨環(huán)節(jié)是供應(yīng)鏈的第一步，供貨環(huán)節(jié)可能出現(xiàn)各種差錯(cuò)，如數(shù)量短缺、質(zhì)量不佳、發(fā)貨延遲等狀況。供貨環(huán)節(jié)存在的這些風(fēng)險(xiǎn)如果不能及時(shí)有效地處理好，極易導(dǎo)致供應(yīng)鏈中其他環(huán)節(jié)無(wú)法順利運(yùn)作，進(jìn)而造成風(fēng)險(xiǎn)迅速傳遞，影響其正常運(yùn)作。另外，由于物流環(huán)節(jié)中的一些不可控因素，如天氣情況、道路狀況等，容易造成物流環(huán)節(jié)的風(fēng)險(xiǎn)，導(dǎo)致供應(yīng)鏈的斷裂，從而對(duì)中下游企業(yè)產(chǎn)生負(fù)面作用。信息流是供應(yīng)鏈中重要的組成部分，信息若難以順暢傳遞或信息傳遞出現(xiàn)錯(cuò)誤，甚至信息的完全不共享不對(duì)稱，都可能出現(xiàn)信息風(fēng)險(xiǎn)，進(jìn)而引發(fā)整個(gè)鏈條斷裂。財(cái)務(wù)風(fēng)險(xiǎn)是指經(jīng)營(yíng)者為了從銀行融資而提供不真實(shí)的財(cái)務(wù)報(bào)表的風(fēng)險(xiǎn)。上述風(fēng)險(xiǎn)導(dǎo)致的信用風(fēng)險(xiǎn)，在企業(yè)經(jīng)營(yíng)層面上會(huì)表現(xiàn)為公司現(xiàn)金流不足、償債能力弱，可能引發(fā)逆向選擇問(wèn)題。

(二)供應(yīng)鏈金融信用風(fēng)險(xiǎn)影響因素分析

通過(guò)對(duì)申請(qǐng)融資的中小企業(yè)信用等級(jí)進(jìn)行評(píng)估，著重考察單筆融資業(yè)務(wù)自我清償和銀行組織該交易的能力，對(duì)該筆業(yè)務(wù)進(jìn)行信用評(píng)價(jià)。影響因素主要有4個(gè):

1.申請(qǐng)人資質(zhì)，包括企業(yè)信用等級(jí)、盈利能力、償債能力、發(fā)展空間。該項(xiàng)與傳統(tǒng)貸款業(yè)務(wù)中銀行評(píng)價(jià)體系相類似，從申請(qǐng)人的財(cái)務(wù)狀況及企業(yè)盈利和發(fā)展能力出發(fā)，評(píng)估其還款的可能性。

2.交易對(duì)手資質(zhì)，包括交易對(duì)手信用級(jí)別、行業(yè)狀況、盈利能力、償債能力。對(duì)交易對(duì)手資質(zhì)的評(píng)價(jià)即對(duì)供應(yīng)鏈中核心企業(yè)資質(zhì)的考察，因?yàn)樵谠摌I(yè)務(wù)中核心企業(yè)對(duì)中小企業(yè)的貸款申請(qǐng)起到了反擔(dān)保的作用，所以中小企業(yè)與其所發(fā)生的交易的質(zhì)量很大程度上受到核心企業(yè)信用狀況的直接影響。

3.融資項(xiàng)下資產(chǎn)情況，包括質(zhì)押物特征、應(yīng)收賬款特征等。

4.供應(yīng)鏈運(yùn)營(yíng)狀況，包括行業(yè)狀況、上下游強(qiáng)弱以及上下游企業(yè)和銀行的緊密聯(lián)系程度。供應(yīng)鏈運(yùn)營(yíng)狀況是銀行對(duì)受信企業(yè)交易質(zhì)量的整體評(píng)價(jià)。從整個(gè)供應(yīng)鏈上綜合考慮其業(yè)務(wù)能力、行業(yè)環(huán)境、下游企業(yè)和銀行的緊密聯(lián)系程度，使銀行的評(píng)價(jià)更加全面、具體、客觀，大大降低了中小企業(yè)由于信息不對(duì)稱問(wèn)題造成的評(píng)估不準(zhǔn)的可能性。

三、供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)體系構(gòu)建

結(jié)合上文，要構(gòu)建供應(yīng)鏈金融信用風(fēng)險(xiǎn)綜合評(píng)價(jià)體系，筆者認(rèn)為，可以將申請(qǐng)人資質(zhì)、交易對(duì)手資質(zhì)、融資項(xiàng)下資產(chǎn)情況和供應(yīng)鏈運(yùn)營(yíng)狀況作為二級(jí)指標(biāo)，通過(guò)對(duì)以上四個(gè)二級(jí)指標(biāo)的分解，尋找并確定各自的影響因素，構(gòu)建出全面系統(tǒng)的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)體系。

(一)供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)選擇

本文從申請(qǐng)人資質(zhì)、交易對(duì)手資質(zhì)、融資項(xiàng)下資產(chǎn)情況和供應(yīng)鏈運(yùn)營(yíng)狀況四個(gè)方面選擇指標(biāo)，具體說(shuō)明如下:

1.申請(qǐng)人資質(zhì)分析

(1)企業(yè)素質(zhì)。企業(yè)素質(zhì)可以從企業(yè)的技術(shù)素質(zhì)、管理素質(zhì)和職工素質(zhì)三方面綜合考量。良好的技術(shù)素質(zhì)是企業(yè)素質(zhì)的基礎(chǔ)保障，管理素質(zhì)起到指導(dǎo)性的作用，人員素質(zhì)是決定企業(yè)素質(zhì)的重要因素。

(2)盈利能力。銷售利潤(rùn)率、資產(chǎn)收益率、權(quán)益收益率能夠較好反映企業(yè)的盈利能力。

(3)償債能力。負(fù)債比率、負(fù)債權(quán)益比、權(quán)益乘數(shù)是判斷償債能力的重要標(biāo)準(zhǔn)。

(4)發(fā)展能力。銷售收入增長(zhǎng)率、利潤(rùn)增長(zhǎng)率和股利增長(zhǎng)率三個(gè)指標(biāo)可以較好地反映其發(fā)展能力。

2.交易對(duì)手資質(zhì)分析

(1)交易對(duì)手信用級(jí)別?？梢詮臍v史違約率、授信審批通過(guò)率和信用額度使用率三個(gè)指標(biāo)展開，考核對(duì)象不是授信企業(yè)，而是在供應(yīng)鏈金融模式中的一些核心企業(yè)。信用級(jí)別高、償債能力強(qiáng)的核心企業(yè)往往是中小企業(yè)重要的擔(dān)保對(duì)象，對(duì)交易對(duì)手信用級(jí)別的考察，有利于控制信用風(fēng)險(xiǎn)。通常使用的指標(biāo)有歷史違約率、授信審批通過(guò)率和信用額度使用率等。

(2)交易對(duì)手行業(yè)分析。銀行可以通過(guò)分析交易對(duì)手行業(yè)的發(fā)展前景以及運(yùn)營(yíng)狀況衡量信用風(fēng)險(xiǎn)，判斷其還款違約可能性。

(3)盈利能力。銷售利潤(rùn)率、資產(chǎn)收益率、權(quán)益收益率能夠較好衡量企業(yè)的盈利能力。

(4)償債能力。負(fù)債比率、負(fù)債權(quán)益比、權(quán)益乘數(shù)是判斷償債能力的重要指標(biāo)。

3.融資項(xiàng)下資產(chǎn)情況分析

(1)質(zhì)押物特征。要評(píng)價(jià)企業(yè)質(zhì)押物，可以通過(guò)貨權(quán)風(fēng)險(xiǎn)、質(zhì)押物價(jià)格波動(dòng)性、質(zhì)押物流動(dòng)性和質(zhì)押物完好程度四個(gè)指標(biāo)評(píng)價(jià)。貨權(quán)風(fēng)險(xiǎn)和價(jià)格波動(dòng)性對(duì)質(zhì)押物的安全性有重要影響，而流動(dòng)性和完好程度決定了質(zhì)押物的市場(chǎng)價(jià)格。

(2)應(yīng)收賬款特征。一個(gè)企業(yè)的流動(dòng)性在很大程度上受到應(yīng)收賬款的影響。應(yīng)收帳款周轉(zhuǎn)率反映了公司收款的速度，可以檢驗(yàn)收款工作，可以幫助商業(yè)銀行判斷中小企業(yè)的風(fēng)險(xiǎn)。

4.供應(yīng)鏈運(yùn)營(yíng)狀況分析

(1)行業(yè)狀況。行業(yè)狀況主要可以從行業(yè)增長(zhǎng)率和行業(yè)所處環(huán)境兩個(gè)方面來(lái)分析。行業(yè)增長(zhǎng)率是指利用該行業(yè)歷年的銷售率、盈利額等資料來(lái)分析過(guò)去的增長(zhǎng)情況，并預(yù)測(cè)行業(yè)未來(lái)的發(fā)展趨勢(shì);行業(yè)環(huán)境受政治、經(jīng)濟(jì)、以及經(jīng)濟(jì)環(huán)境的影響。

(2)交易年限及額度。銀行可以通過(guò)交易年限和交易頻度兩個(gè)指標(biāo)評(píng)價(jià)。交易年限主要指供應(yīng)鏈金融交易雙方的交易年數(shù);交易頻度主要指通過(guò)交易的平均次數(shù)評(píng)估未來(lái)發(fā)展?fàn)顩r的指標(biāo)。

(3)歷史履約情況。銀行通過(guò)調(diào)取與中小企業(yè)和供應(yīng)鏈中其他企業(yè)的歷史記錄，收集誠(chéng)信信息，通過(guò)企業(yè)的歷史違約率、授信審批駁回率和貸款信用額度使用率等指標(biāo)，以此判斷其預(yù)期信用風(fēng)險(xiǎn)，更好地做出放貸或不放貸的決策。

四、供應(yīng)鏈金融的信用風(fēng)險(xiǎn)控制措施

(一)健全供應(yīng)鏈金融信用風(fēng)險(xiǎn)的控制機(jī)制

1.嚴(yán)格控制主體

準(zhǔn)入商業(yè)銀行應(yīng)嚴(yán)格控制授信方中小企業(yè)的準(zhǔn)入，建立科學(xué)全面的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估系統(tǒng)，通過(guò)對(duì)企業(yè)資質(zhì)的深入審查與細(xì)致分析，正確評(píng)估其信用等級(jí)。另外，充分考慮供應(yīng)鏈中核心企業(yè)的資質(zhì)、盈利能力、償債能力等指標(biāo)，以保證優(yōu)質(zhì)的核心企業(yè)為授信方背書。

2.批準(zhǔn)合理的信用額度

商業(yè)銀行應(yīng)運(yùn)用科學(xué)合理的分析和評(píng)估方法，批準(zhǔn)合適、風(fēng)險(xiǎn)可控的信用額度，確保對(duì)供應(yīng)鏈整體、供銷貨方、相關(guān)的物流運(yùn)輸企業(yè)的信用額度的全面控制。

3.強(qiáng)化風(fēng)險(xiǎn)預(yù)警機(jī)制

商業(yè)銀行在貸后管理過(guò)程中，可能會(huì)因?yàn)樾畔⒉粚?duì)稱，以及在對(duì)貸款資金的發(fā)放和使用等方面的監(jiān)管不嚴(yán)格，產(chǎn)生各種風(fēng)險(xiǎn)。建立風(fēng)險(xiǎn)預(yù)警機(jī)制十分必要，能夠有效加強(qiáng)對(duì)貸款的跟蹤和監(jiān)管，降低信用風(fēng)險(xiǎn)發(fā)生的可能性。

4.建設(shè)網(wǎng)絡(luò)信息共享平臺(tái)

我國(guó)的信用體系建設(shè)存在明顯的不足，沒(méi)有建成覆蓋面廣、數(shù)據(jù)量龐大的信用平臺(tái)。商業(yè)銀行系統(tǒng)也是如此，信息不對(duì)稱現(xiàn)象普遍存在于商業(yè)銀行和授信方中小企業(yè)間，易導(dǎo)致信用風(fēng)險(xiǎn)。建立起全網(wǎng)統(tǒng)一的信息共享平臺(tái)，以減少信息不對(duì)稱帶來(lái)的風(fēng)險(xiǎn)和損失，這是急需解決的問(wèn)題。

(二)完善與堅(jiān)守供應(yīng)鏈金融信用風(fēng)險(xiǎn)考核體系的原則

完善供應(yīng)鏈金融科學(xué)全面的信用風(fēng)險(xiǎn)構(gòu)建思路，需要訂立信用風(fēng)險(xiǎn)考核指標(biāo)體系原則，并嚴(yán)格按照該原則行事。筆者認(rèn)為，應(yīng)運(yùn)用全面性、可操作性、定量指標(biāo)與定性指標(biāo)相結(jié)合的方法對(duì)供應(yīng)鏈整體信用風(fēng)險(xiǎn)進(jìn)行評(píng)估。

1.全面性

在供應(yīng)鏈金融中，影響中小企業(yè)運(yùn)營(yíng)的因素是多方面的，因而評(píng)價(jià)每一個(gè)指標(biāo)時(shí)，要確保指標(biāo)要全面具體，要包含會(huì)對(duì)中小企業(yè)產(chǎn)生影響的各方面因素，一方面，涵蓋反映企業(yè)發(fā)展?fàn)顩r和管理能力的指標(biāo)，另一方面，對(duì)核心企業(yè)資質(zhì)、供應(yīng)鏈運(yùn)營(yíng)狀況等方面評(píng)價(jià)的指標(biāo)應(yīng)該包含在內(nèi)。

2.可操作性

評(píng)價(jià)指標(biāo)以及方法在供應(yīng)鏈金融業(yè)務(wù)中能夠得到具體量化和實(shí)現(xiàn)。由于供應(yīng)鏈金融信用風(fēng)險(xiǎn)的考核與銀行實(shí)務(wù)操作密切相關(guān)，所以，在指標(biāo)體系的設(shè)計(jì)中不能加入主觀因素，應(yīng)盡可能量化，增強(qiáng)客觀性，便于實(shí)際操作。

3.定量指標(biāo)與定性指標(biāo)相結(jié)合

從全面性和可操作性出發(fā)，對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)考核的各項(xiàng)評(píng)價(jià)指標(biāo)進(jìn)行選擇，注重定量指標(biāo)與定性指標(biāo)相結(jié)合，使其能夠全面反映供應(yīng)鏈金融信用風(fēng)險(xiǎn)的內(nèi)涵及其本質(zhì)特征，加深對(duì)供應(yīng)鏈金融信用風(fēng)險(xiǎn)的認(rèn)識(shí)。

(三)加強(qiáng)企業(yè)的抗風(fēng)險(xiǎn)能力

篇10

關(guān)鍵詞：中小企業(yè)；信用風(fēng)險(xiǎn)；模型

中圖分類號(hào)：F27 文獻(xiàn)標(biāo)識(shí)碼：A

收錄日期：2014年7月3日

引言

作為市場(chǎng)經(jīng)濟(jì)的活力之源，中小企業(yè)支撐著國(guó)民經(jīng)濟(jì)“半壁江山”。隨著近年外部市場(chǎng)及金融環(huán)境趨緊，中小企業(yè)發(fā)展面臨諸多挑戰(zhàn)，最突出的就是信用風(fēng)險(xiǎn)導(dǎo)致的融資困難。中小企業(yè)融資渠道狹窄，銀行信貸是其主要融資渠道，但由于信息不對(duì)稱造成的逆向選擇和道德風(fēng)險(xiǎn)，使銀行對(duì)中小企業(yè)有惜貸趨勢(shì)。因此，破解中小企業(yè)融資困難的關(guān)鍵首先在于完善中小企業(yè)各類信用數(shù)據(jù)庫(kù)，為銀行信貸提供數(shù)據(jù)支撐；其次要立足國(guó)情，學(xué)習(xí)先進(jìn)測(cè)量技術(shù)，開發(fā)適合中小企業(yè)特點(diǎn)的信用風(fēng)險(xiǎn)度量方法，構(gòu)建信用風(fēng)險(xiǎn)識(shí)別、評(píng)估模型，系統(tǒng)評(píng)價(jià)企業(yè)信用風(fēng)險(xiǎn)，改變企業(yè)與銀行信息不對(duì)稱的現(xiàn)狀，破解中小企業(yè)融資困境。信息系統(tǒng)的建設(shè)與共享是一項(xiàng)長(zhǎng)期而艱巨的任務(wù)，目前我國(guó)已經(jīng)認(rèn)識(shí)到數(shù)據(jù)庫(kù)在中小企業(yè)信用風(fēng)險(xiǎn)管理中的重要性，人行征信中心的企業(yè)信用信息數(shù)據(jù)庫(kù)已經(jīng)逐漸成熟，司法、環(huán)保、社保、質(zhì)檢等中小企業(yè)信用數(shù)據(jù)已經(jīng)逐步共享完善。所以，目前當(dāng)務(wù)之急是合理設(shè)計(jì)中小企業(yè)信用評(píng)價(jià)模型，為銀行信貸提供技術(shù)支持，降低信用風(fēng)險(xiǎn)。

一、傳統(tǒng)信用風(fēng)險(xiǎn)度量模型分析

傳統(tǒng)信用風(fēng)險(xiǎn)分析評(píng)估方法已相當(dāng)成熟，在國(guó)內(nèi)外銀行信貸決策中應(yīng)用較多，主要包含專家制度法、信用評(píng)級(jí)法、信用評(píng)分法。

（一）專家制度法。20世紀(jì)70年代前，企業(yè)信用風(fēng)險(xiǎn)評(píng)估主要是銀行專家依據(jù)品格、資本、償付能力、抵押品、經(jīng)濟(jì)周期等5C要素進(jìn)行主觀判斷，后來(lái)衍生出5P模型（個(gè)人因素、目的因素、償還因素、保障因素、前景因素）和5W模型（借款人、借款用途、還款期限、擔(dān)保物、如何還款）?？v觀這三種模型，都是定性分析，無(wú)法量化風(fēng)險(xiǎn)水平，而且嚴(yán)重依賴專家的主觀判斷，這會(huì)造成銀行信貸決策作風(fēng)盛行，降低銀行在金融市場(chǎng)中的應(yīng)變能力，同時(shí)專家制度在對(duì)借款人進(jìn)行信用分析時(shí)，難以確定共同遵循的標(biāo)準(zhǔn)，造成信用評(píng)估的隨意性和不一致性。

（二）信用評(píng)級(jí)法。信用評(píng)級(jí)法是美貨幣監(jiān)理署開發(fā)的，該方法將現(xiàn)有貸款安全級(jí)別分為5類：正常類、關(guān)注類、次級(jí)類、可疑類、損失類，后來(lái)細(xì)化為10類：AAA、AA、A、BBB、BB、B、CCC、CC、C、D（標(biāo)注普爾）。評(píng)級(jí)后再根據(jù)級(jí)別提取不同貸款準(zhǔn)備金率。

（三）信用評(píng)分法。和前兩種方法相比，信用評(píng)分法是一個(gè)量化法，最著名的模型就是Z計(jì)分模型（Z-score）：它的基本思想是利用數(shù)理統(tǒng)計(jì)中的辨別方法分析銀行的貸款情況，建立一個(gè)可以在最大程度上區(qū)分信貸風(fēng)險(xiǎn)度的模型，得到最能夠反映借款人的財(cái)務(wù)狀況的好壞，具有預(yù)測(cè)和分析價(jià)值的比率，從而對(duì)企業(yè)進(jìn)行信用風(fēng)險(xiǎn)狀況評(píng)估。模型如下：

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

變量解釋：

X1=流動(dòng)資本/總資產(chǎn)；X2=留存收益/總資產(chǎn)；X3=息稅前收益/總資產(chǎn)；X4=優(yōu)先股和普通股市值/總負(fù)債；X5=銷售額/總資產(chǎn)=主營(yíng)業(yè)務(wù)收入凈額/總資產(chǎn)。

判斷準(zhǔn)則：

Z

Z-score模型主要是利用財(cái)務(wù)指標(biāo)進(jìn)行加權(quán)平均，該模型有2大缺陷：①企業(yè)財(cái)務(wù)數(shù)據(jù)反映的是過(guò)去的信息，利用這些數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)度量的結(jié)果也只是對(duì)過(guò)去風(fēng)險(xiǎn)水平的測(cè)量；②中小企業(yè)多半不是上市公司，財(cái)務(wù)指標(biāo)原始數(shù)據(jù)獲得困難。

二、現(xiàn)代判別法

（一）統(tǒng)計(jì)模型法。統(tǒng)計(jì)模型法是典型的定量評(píng)級(jí)法，根據(jù)中小企業(yè)信用數(shù)據(jù)，統(tǒng)計(jì)模型，計(jì)算其違約風(fēng)險(xiǎn)的大小常見的有Logit模型和Probit模型。

1、Logit模型。Logit模型是通過(guò)一個(gè)取值為0和1之間的 Logistic函數(shù)來(lái)進(jìn)行二類模式分類。不要求數(shù)據(jù)滿足正態(tài)分布，這是其最大優(yōu)點(diǎn)；另外，自變量、因變量之間不是線性關(guān)系，模型如下：

p=

s=c0+ckxk

xk（k=1，2，…m）為信用風(fēng)險(xiǎn)影響變量（多為企業(yè)財(cái)務(wù)指標(biāo)），ck（k=0，1，2，…，m）為技術(shù)系數(shù)，通過(guò)回歸估計(jì)獲得?；貧w值p∈（0，1）為中小企業(yè)信用風(fēng)險(xiǎn)分析的判別結(jié)果。如果p接近于0，則被判定為“差類”企業(yè)；若p接近于1，則被判定為 “好類”企業(yè)。即p值離0越遠(yuǎn)，企業(yè)違約風(fēng)險(xiǎn)越?。环粗?，違約風(fēng)險(xiǎn)越大。

2、Probit模型。Probit模型假定誤差項(xiàng)服從標(biāo)準(zhǔn)正態(tài)分布，樣本企業(yè)的債信質(zhì)量得分也服從標(biāo)準(zhǔn)正態(tài)分布。模型如下：

Yi*=βnχin+εi=XiB+εi

Xi與B分別為解釋變量與回歸系數(shù)構(gòu)成的向量；Yi*為樣本公司有財(cái)務(wù)危機(jī)的傾向。當(dāng)Yi*>0時(shí)，表示樣本企業(yè)有債務(wù)危機(jī)傾向；當(dāng)Yi*

統(tǒng)計(jì)模型確實(shí)可以憑借統(tǒng)計(jì)分析提供有參考價(jià)值的依據(jù)，比較容易在評(píng)級(jí)效果上取得一致性。但存在兩點(diǎn)缺陷：①缺乏有力的理論基礎(chǔ)支持區(qū)別函數(shù)中的權(quán)重及自變量。在信用評(píng)分模型中的權(quán)重及自變量通常只能維持短期的穩(wěn)定狀態(tài)，特別是當(dāng)金融市場(chǎng)發(fā)生變化時(shí)，其他的財(cái)務(wù)比率也許在解釋違約風(fēng)險(xiǎn)概率上容易造成預(yù)測(cè)模型的不穩(wěn)定。②模型忽略了難以計(jì)量但又重要的因素，如借款人聲譽(yù)。

（二）人工智能法。人工智能法主要包含專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)。

1、專家系統(tǒng)。專家系統(tǒng)其實(shí)是模擬專家運(yùn)用知識(shí)進(jìn)行推理的計(jì)算機(jī)程序，將專家解決問(wèn)題的推理過(guò)程再現(xiàn)從而成為專家的決策工具或?yàn)榉菍I(yè)決策者提供專業(yè)性建議。專家系統(tǒng)一般采用歸納推理法，分析一系列案例，發(fā)現(xiàn)其規(guī)律。歸納推理有兩種途徑：一是利用大量案例信息來(lái)發(fā)現(xiàn)規(guī)律的信息驅(qū)動(dòng)型；二是利用先驗(yàn)?zāi)Ｐ椭笇?dǎo)來(lái)發(fā)現(xiàn)規(guī)律的意識(shí)模型驅(qū)動(dòng)型。利用計(jì)算機(jī)的人工智能法大大降低了風(fēng)險(xiǎn)評(píng)估的難度，但是專家系統(tǒng)中知識(shí)的獲取始終是瓶頸，極大地影響著專家系統(tǒng)在信用分析領(lǐng)域的應(yīng)用前景。

2、神經(jīng)網(wǎng)絡(luò)（PNN）。神經(jīng)網(wǎng)絡(luò)是一種具有模式識(shí)別能力、自組織、自適應(yīng)、自學(xué)習(xí)特點(diǎn)的計(jì)算機(jī)制，該方法主要將知識(shí)編碼用于整個(gè)權(quán)值網(wǎng)絡(luò)，具有包容錯(cuò)誤的能力，同時(shí)對(duì)數(shù)據(jù)的分布沒(méi)有嚴(yán)格要求，也不必要詳細(xì)表述自變量與因變量之間的函數(shù)關(guān)系。該模型原理是通過(guò)神經(jīng)網(wǎng)絡(luò)的分類功能進(jìn)行信用風(fēng)險(xiǎn)分析的。首先找出影響分類的因素，作為PNN的輸入量，然后通過(guò)有導(dǎo)師的或無(wú)導(dǎo)師的訓(xùn)練形成神經(jīng)網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)分析模型，用于新樣本的判別。

三、結(jié)論

信用風(fēng)險(xiǎn)度量方法大致經(jīng)歷了從定性到定量；從指標(biāo)分析到模型分析；從財(cái)務(wù)指標(biāo)分析到資產(chǎn)市場(chǎng)價(jià)值分析；從只考慮公司這個(gè)微觀客體到把宏觀經(jīng)濟(jì)因素考慮在內(nèi)。考慮到我國(guó)中小企業(yè)大部分為非上市公司，Z-score模型無(wú)法普遍推行使用。另外，我國(guó)中小企業(yè)信用數(shù)據(jù)庫(kù)尚不成熟，歷史信用數(shù)據(jù)積累少，質(zhì)量較差，當(dāng)前運(yùn)用現(xiàn)代信用風(fēng)險(xiǎn)度量技術(shù)評(píng)估我國(guó)中小企業(yè)信用風(fēng)險(xiǎn)尚不成熟。但是，目前銀行單獨(dú)使用傳統(tǒng)分析法，將大部分資金匱乏的中小企業(yè)拒之門外，逼迫中小企業(yè)求助民間貸款，年利息高達(dá)30%?！百J款越來(lái)越少，利息越來(lái)越高”成了中小企業(yè)發(fā)展的罩門。因此，度量中小企業(yè)信用風(fēng)險(xiǎn)的最有效辦法是將傳統(tǒng)方法與現(xiàn)代判別法相結(jié)合，同時(shí)載入財(cái)務(wù)數(shù)據(jù)與非財(cái)務(wù)數(shù)據(jù)，進(jìn)行多元統(tǒng)計(jì)分析。

主要參考文獻(xiàn)：