時間：2023-06-06 09:02:02
開篇：寫作不僅是一種記錄，更是一種創(chuàng)造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇信用風險評估，希望這些內(nèi)容能成為您創(chuàng)作過程中的良師益友，陪伴您不斷探索和進步。
摘要：自適應(yīng)共振模型是為了能夠分類任意次序模擬輸入模式而設(shè)計的，它可以按任意精度對輸入的模擬觀察矢量進行分類，較好地解決了前穩(wěn)定性和靈活性問題，同時能夠避免對網(wǎng)絡(luò)先前所學(xué)的學(xué)習(xí)模式修改。本文將ART2模型應(yīng)用于信用風險評估，通過實證比較研究，結(jié)果顯示應(yīng)用自適應(yīng)共振模型進行信用風險評估在精度和準確性上，都優(yōu)于其他神經(jīng)網(wǎng)絡(luò)模型和統(tǒng)計方法。
1統(tǒng)計方法用于信用風險分類評估存在的局限性
對信用風險評估一類主流方法是基于分類的方法，即把信用風險分析看成是模式識別中的一類分類問題—將企業(yè)劃分為能夠按期還本付息和違約兩類。其具體做法是根據(jù)歷史上每個類別（如期還本付息、違約）的若干樣本，從已知的數(shù)據(jù)中發(fā)現(xiàn)其規(guī)律，從而總結(jié)出分類的規(guī)則，建立判別模型，用于對新樣本的判別，這樣信用評估就轉(zhuǎn)化為統(tǒng)計中的分類問題。傳統(tǒng)的統(tǒng)計模型主要基于多元統(tǒng)計分析方法，根據(jù)判別函數(shù)的形式和樣本分布的假定不同，主要的模型有：多元回歸分析模型、多元判別分析模型（MDA）、Logit分析模型、近鄰法等。其中以多元判別分析模型和Logit分析模型應(yīng)用最為廣泛，已有大量商業(yè)化軟件。
盡管這些方法在國外有大量應(yīng)用，但是大量實證研究（Altman，1983；Tam & Kiang，1992；Altman，et al，1994）結(jié)果發(fā)現(xiàn)：（1）企業(yè)財務(wù)狀況的評價可以看作是一類基于一系列獨立變量基礎(chǔ)上的分類問題；（2）企業(yè)財務(wù)狀況好壞與
財務(wù)比率的關(guān)系常常是非線性的；（3）預(yù)測變量（財務(wù)比率）可能是高度相關(guān)的；（4）大量實證結(jié)果表明，許多指標不成正態(tài)分布。而統(tǒng)計的方法卻不能很好地解決以上問題。由此可見統(tǒng)計模型的最大優(yōu)點在于其具有明顯的解釋性，存在的缺陷是過于嚴格的前提條件。如多元判別分析模型（MDA），它要求數(shù)據(jù)服從多元正態(tài)分布、等協(xié)方差、已知先驗概率和誤判代價等要求，而現(xiàn)實中大量數(shù)據(jù)嚴重違背了這些假定（Eisenbeis，1997）。引入對數(shù)變化可在一定程度上改進數(shù)據(jù)的非正態(tài)分布，但一方面變換后的變量可能失去經(jīng)濟解釋含義，另一方面仍沒有滿足等協(xié)方差的要求；應(yīng)用二次差別分析（QDA）雖可解決等協(xié)方差問題，但一方面沒有滿足正態(tài)性假設(shè)，另一方面當數(shù)據(jù)樣本小、維數(shù)高（指標多）時二次差別分析的性能明顯下降，而樣本少、維數(shù)高正是我國信用數(shù)據(jù)的顯著特點。實證結(jié)果還表明二次差別分析對訓(xùn)練樣本效果較好，而對測試樣本并不理想。除此以外，多元判別分析模型適用于成熟行業(yè)的大中型企業(yè)，因為這些企業(yè)具有較強的穩(wěn)定性和規(guī)范性，其發(fā)展有一定的規(guī)律可循，參數(shù)統(tǒng)計方法易于給出較準確的結(jié)果及合理的解釋。然而這類方法是靜態(tài)的，需要根據(jù)地區(qū)、行業(yè)經(jīng)濟情況的變化不斷地調(diào)整參數(shù)，甚至進行變量的調(diào)整。
為了解決這些問題，引入了Logit分析模型和近鄰法。Logit分析模型不需要假定任何概率分布，也不要求等協(xié)方差，但是當樣本點存在完全分離時，模型參數(shù)的最大似然估計可能不存在，模型的有效性值得懷疑，另外該方法對中心區(qū)域的差別敏感性較強，導(dǎo)致判別結(jié)構(gòu)的不穩(wěn)定。近鄰法不要求數(shù)據(jù)正態(tài)分布，但當數(shù)據(jù)的維數(shù)較高時，存在所謂的“維數(shù)禍根（Curse of dimensionality）”——對高維數(shù)據(jù)，即使樣本量很大，其撒在高維空間中仍顯得非常稀疏，絕大多數(shù)點附近根本沒有樣本點，這就使得“利用空間中每一附近的樣本點來構(gòu)造估計”的近鄰法很難使用[4]。
2應(yīng)用神經(jīng)網(wǎng)絡(luò)進行信用風險評估的意義
商業(yè)銀行信用風險評估是復(fù)雜的過程，除了對企業(yè)的財務(wù)狀況的各種特征的評估外，還須對企業(yè)的非財務(wù)狀況進行評估，而且又涉及宏觀經(jīng)濟環(huán)境和產(chǎn)業(yè)結(jié)構(gòu)、產(chǎn)業(yè)周期的影響；除了客觀的評估外，還依賴于專業(yè)人員依據(jù)經(jīng)驗進行主觀評估。神經(jīng)網(wǎng)絡(luò)是一種具有模式識別能力，自組織，自適應(yīng)，自學(xué)習(xí)特點的計算機制，它的知識編碼于整個權(quán)值網(wǎng)絡(luò)，呈分布式存儲且具有一定容錯能力。神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)的分布要求不嚴格，也不必要詳細表述自變量與因變量之間的函數(shù)關(guān)系，神經(jīng)網(wǎng)絡(luò)的這些特征使之成為信用風險分析方法的一個熱點。
建立商業(yè)銀行信用風險評估模型必須依賴于一組已知的函數(shù)集合。要求這種函數(shù)集合在任意精度上可以逼近實際系統(tǒng)，從數(shù)學(xué)上講，這就要求這個集合在連續(xù)函數(shù)空間上是致密的。目前已經(jīng)從理論上嚴格證明了只用一個隱藏層的神經(jīng)網(wǎng)絡(luò)就可以唯一地逼進任何一個連續(xù)函數(shù)。多層神經(jīng)網(wǎng)絡(luò)為系統(tǒng)的辨識和建模，尤其是非線性動態(tài)映射系統(tǒng)提供了一條十分有效的途徑。非線性動態(tài)映射系統(tǒng)的神經(jīng)網(wǎng)絡(luò)建模被認為是應(yīng)用神經(jīng)網(wǎng)絡(luò)的最成功的范例。
影響商業(yè)銀行信用風險評估的機理很復(fù)雜，無法建立精確的非線性動態(tài)模型，而人工神經(jīng)網(wǎng)絡(luò)擅長處理非線性的、關(guān)系不確定的十分復(fù)雜以至于數(shù)學(xué)模型難以描述的問題。對于分析時間序列數(shù)據(jù)，由于人工神經(jīng)網(wǎng)絡(luò)能識別和模擬數(shù)據(jù)間的非線性關(guān)系，不需要正態(tài)分布和先驗概率等條件的約束，能針對新增樣本靈活的訓(xùn)練再學(xué)習(xí)，因此優(yōu)于其他統(tǒng)計方法，同時由于網(wǎng)絡(luò)本身具有自學(xué)習(xí)的功能，預(yù)測結(jié)果相對精度較高而且穩(wěn)定性好，因此應(yīng)用神經(jīng)網(wǎng)絡(luò)可以通過對網(wǎng)絡(luò)的訓(xùn)練，掌握借款人的財務(wù)特征的非線性函數(shù)關(guān)系。神經(jīng)網(wǎng)絡(luò)是由許多神經(jīng)元構(gòu)成的，它對系統(tǒng)特性的記憶表現(xiàn)為各個神經(jīng)元之間的連接權(quán)值，單個神經(jīng)元在整個系統(tǒng)中起不到?jīng)Q定性作用，一個經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)可以按相似的輸入模式產(chǎn)生相似的輸出模式，當商業(yè)銀行信用風險評估系統(tǒng)因某些非財務(wù)風險因素和判斷誤差過大的財務(wù)風險因素造成輸入模式變形時，網(wǎng)絡(luò)仍可以保證穩(wěn)定的輸出。
神經(jīng)網(wǎng)絡(luò)可以逼進任意復(fù)雜的非線性系統(tǒng)，神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)換函數(shù)能夠非線性地響應(yīng)沖擊，例如，像覆蓋比率這樣的財務(wù)比率超過最低水平（如AAA級）時，超過這個閥值的增加值不會對信用質(zhì)量有什么影響。線性回歸不能以這樣的方式限制響應(yīng)程度，神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)換函數(shù)卻能實現(xiàn)。神經(jīng)網(wǎng)絡(luò)以并行的方式處理信息，具有很強的信息綜合能力，因此神經(jīng)網(wǎng)絡(luò)理論在商業(yè)銀行信用風險分析和實施對信用風險的主動控制中將會發(fā)揮更大的作用。
由神經(jīng)網(wǎng)絡(luò)構(gòu)成的非線性模型具有較強的環(huán)境適應(yīng)能力。在根據(jù)多個訓(xùn)練樣本企業(yè)的財務(wù)特征建立神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)后，如果企業(yè)類型、財務(wù)特征和非財務(wù)特征發(fā)生變化，神經(jīng)網(wǎng)絡(luò)可以通過學(xué)習(xí)，建立企業(yè)信用的非線性函數(shù)關(guān)系，并且不需要改變網(wǎng)絡(luò)的結(jié)構(gòu)和算法。
綜上所述，對于那些無法建立精確的動態(tài)判別函數(shù)模型的非線性商業(yè)銀行信用風險評估，可以將神經(jīng)網(wǎng)絡(luò)理論應(yīng)用于風險評估當中，撇開企業(yè)財務(wù)因素、非財務(wù)因素和企業(yè)信用狀況復(fù)雜的非線性機理，建立起非線性風險映射近似的動態(tài)模型，使這個模型盡可能精確地反映風險映射關(guān)系非線性動態(tài)特征。通過該系統(tǒng)我們能夠計算對各種輸入的響應(yīng)，預(yù)估商業(yè)銀行信用風險狀況及其發(fā)展趨勢，進而能夠使用各種信用工具對風險進行主動控制，促進商業(yè)銀行的智能化風險管理系統(tǒng)的建設(shè)和發(fā)展完善。
3基于自適應(yīng)共振理論的信用風險評估模型
一個公司財務(wù)狀況的好壞往往是企業(yè)自身、投資者和債權(quán)人關(guān)注的焦點。因為一個營運良好、財務(wù)健康的公司可提高自身在市場上的信譽及擴展籌資渠道，以使投資者信心倍增。相反，一個陷入財務(wù)困境和瀕臨破產(chǎn)的企業(yè)不僅乏力吸引投資，還讓原有投資者面臨巨大的信用風險。
由上文的分析中我們知道，對企業(yè)財務(wù)指標的分析，傳統(tǒng)的分類方法盡管有它的優(yōu)點但本身也存在一些局限性。作為研究復(fù)雜系統(tǒng)的有力工具，神經(jīng)網(wǎng)絡(luò)能處理任意類型數(shù)據(jù)，這是許多傳統(tǒng)方法無法比擬的。通過不斷學(xué)習(xí)，能夠從未知模式的大量復(fù)雜數(shù)據(jù)中發(fā)現(xiàn)其規(guī)律。神經(jīng)網(wǎng)絡(luò)方法克服了傳統(tǒng)分析過程的復(fù)雜性及選擇適當模型函數(shù)形式的困難，它是一種自然的非線性建模過程，毋需分清存在何種非線性關(guān)系，給建模與分析帶來極大的方便。該方法用于企業(yè)財務(wù)狀況研究時，一方面利用其映射能力，另一方面利用其泛化能力，即在經(jīng)過一定數(shù)量的帶有噪聲的樣本訓(xùn)練之后，網(wǎng)絡(luò)可以抽取樣本所隱含的特征關(guān)系，并對新情況下的數(shù)據(jù)進行內(nèi)插和外推以推斷其屬性。
目前我國銀行機構(gòu)主要使用計算貸款風險度的方法進行信用風險評估——在對企業(yè)進行信用等級評定的基礎(chǔ)上，考慮貸款方式、期限以及形式因素，進而確定貸款的風險度。其中作為核心的信用等級評定，是通過對企業(yè)的某些單一財務(wù)指標進行評價，而后加權(quán)平均確定的。該方法的最大缺陷在于指標和權(quán)重的確定帶有很大的主觀性，使得評級結(jié)果與企業(yè)的實際信用狀況有很大出入，因此需要引入科學(xué)方法來確定有效指標，并建立準確的定量模型來解決信用評估問題。
針對這種形勢，根據(jù)我國商業(yè)銀行的具體情況，結(jié)合國際上目前較為流行人工神經(jīng)網(wǎng)絡(luò)技術(shù)，本文設(shè)計了一種基于自適應(yīng)共振理論的信用風險評估方法。
3.1自適應(yīng)共振理論（ART）介紹
自適應(yīng)共振理論（Adaptive Resonance Theory）簡稱ART，是于1976年由美國Boston大學(xué)S. Grossberg提出來的。他多年來一直潛心于研究用數(shù)學(xué)來描述人的心理和認知活動，試圖為人類的心理和認知活動建立統(tǒng)一的數(shù)學(xué)理論，ART就是這一理論核心部分，又經(jīng)過了多年的研究和不斷發(fā)展，至今已經(jīng)提出了ART1、ART2和ART3共三種結(jié)構(gòu)。ART網(wǎng)絡(luò)作為模式分類器較好地解決了前面提到的穩(wěn)定性和靈活性問題。使用ART網(wǎng)絡(luò)及算法具有較大的靈活性以適應(yīng)新輸入的模式，同時能夠避免對網(wǎng)絡(luò)先前所學(xué)的學(xué)習(xí)模式修改。ART是一種能自組織的產(chǎn)生對環(huán)境認識編碼的神經(jīng)網(wǎng)絡(luò)理論模型，由于橫向抑制是自組織網(wǎng)絡(luò)的特性，ART采用了MAXNET子網(wǎng)結(jié)構(gòu)，該網(wǎng)絡(luò)采用橫向抑制方法增強并能選擇具有最大值輸出的一個節(jié)點。
ART模型的算法過程如下：
第一， 將一個新樣本X置入節(jié)點；
第二，采用自下而上的過程，求得： ；
第三，運用MAXNET網(wǎng)絡(luò)，找到具有最大輸出值的節(jié)點；
第四， 通過自上而下的檢驗，判斷X是否屬于第j類，即如果有 ，則X屬于第j類， 是警戒參數(shù)。如果上式不成立，轉(zhuǎn)到第六步，否則繼續(xù)。
第五， 對于特定的j和所有的i更新 和 ，設(shè)t+1時刻 ， ， ， 。
第六， 無法判斷X是否屬于第j類，抑制該節(jié)點返回到第二步，執(zhí)行另一個聚類的處理過程。
本文所使用的神經(jīng)網(wǎng)絡(luò)模型就是ART2神經(jīng)網(wǎng)絡(luò)模型。ART2神經(jīng)網(wǎng)絡(luò)是為了能夠分類任意次序模擬輸入模式而設(shè)計的。它可以按任意精度對輸入的模擬觀察矢量進行分類。
3.2應(yīng)用ART2神經(jīng)網(wǎng)絡(luò)進行信用風險評估的可行性分析
通過上文對ART2神經(jīng)網(wǎng)絡(luò)的介紹，筆者認為將ART2神經(jīng)網(wǎng)絡(luò)應(yīng)用于信用風險評估具有統(tǒng)計方法和其他神經(jīng)網(wǎng)絡(luò)算法無法比擬的優(yōu)勢。首先，ART2神經(jīng)網(wǎng)絡(luò)較好地解決了穩(wěn)定性和靈活性問題，它可以在接受新模式的同時對舊模式也同樣保持記憶，而其它類型神經(jīng)網(wǎng)絡(luò)所記憶的樣本個數(shù)有限，由此可見，ART2神經(jīng)網(wǎng)絡(luò)隨著輸入樣本數(shù)的增加，它作為模式分類器分類的精度也越高，所覆蓋的樣本空間也越大。其次，ART2神經(jīng)網(wǎng)絡(luò)是邊學(xué)習(xí)邊運行的無監(jiān)督學(xué)習(xí)，所以它不存在像BP算法那樣需要進行幾小時甚至更長時間的訓(xùn)練過程，也就是說ART2網(wǎng)絡(luò)具有較高的運行效率和較快的學(xué)習(xí)速率，這一點對于解決像信用風險評估這樣的復(fù)雜問題來說是相當具有優(yōu)勢的。再次，ART2神經(jīng)網(wǎng)絡(luò)與人腦的某些功能類似，能夠完成識別、補充和撤銷的任務(wù)。這三種功能在英文中稱為Recognition，Reinforcement和Recall，可簡稱為3R功能。識別功能在上文已經(jīng)介紹過，下面對補充、撤銷功能做些簡單介紹。補充功能包含有以下幾方面的內(nèi)容：（1）每當ART2系統(tǒng)對輸入矢量的類別作一次判決即是給出矢量所屬類別的輸出端編號，根據(jù)此判決，系統(tǒng)可以采取一種“行動”或者作出某種“響應(yīng)”。這和人總是根據(jù)對外界情況的判斷來決定自己的行動相似。（2）人在識別時對于所有被識別的類并不是一視同仁的，識別過程受到由上向下預(yù)期模式的很強制約。這樣就會使得人們在某些情況下只關(guān)心幾種類別，而對其他類別則“不聞不見”，這種集中注意力的本領(lǐng)可以使人們在混亂的背景中發(fā)現(xiàn)目標。在客體發(fā)生某種變形或缺損或者有強噪聲情況仍能對其正確分類。我國商業(yè)銀行進行信用風險分析的起步較晚，有關(guān)的信息往往殘缺不全，ART2網(wǎng)絡(luò)的這種在混亂中集中注意力發(fā)現(xiàn)目標的功能更適合我國的現(xiàn)實數(shù)據(jù)情況。撤消功能的作用與補充功能相反，這是指某些不同的觀察矢量在初步分類時被劃分成不同的類別，但是通過系統(tǒng)（主體）與客體相互作用的結(jié)果，又應(yīng)判定它們屬于同一類。由此可見基于ART2網(wǎng)絡(luò)的這些功能，應(yīng)用ART2神經(jīng)網(wǎng)絡(luò)進行信用風險評估相當于人類專家進行信用風險評估的建模過程，而且ART2神經(jīng)網(wǎng)絡(luò)與人類專家相比進行的評估更客觀、更有效、更精確。最后，ART2神經(jīng)網(wǎng)絡(luò)可通過調(diào)整警戒線參數(shù) （門限值）來調(diào)整模式的類數(shù)， 小，模式的類別少（對分類要求粗）， 大，模式的類別多（對分類的要求精細），這一點是其他方法無法比擬的，我們可以通過調(diào)整 值對輸入網(wǎng)絡(luò)的財務(wù)數(shù)據(jù)進行傳統(tǒng)的兩級分類（即違約、非違約兩類），也可以通過提高 值對輸入網(wǎng)絡(luò)的財務(wù)數(shù)據(jù)進行國際通用的五級分類（即正常、關(guān)注、次級、可疑，損失五類）。Altman、Marco和Varetto與意大利銀行聯(lián)合會合作在其經(jīng)濟和金融信息系統(tǒng)中首次進行了將神經(jīng)網(wǎng)絡(luò)應(yīng)用于企業(yè)的經(jīng)濟和金融問題診斷的試驗，試驗的研究結(jié)果表明，將企業(yè)的財務(wù)狀況分為正常、關(guān)注和次級三類比分為正常和問題兩類困難得多，而ART2神經(jīng)網(wǎng)絡(luò)卻可以通過 值的調(diào)整靈活地實現(xiàn)該功能。
綜上所述，筆者選擇算法復(fù)雜的ART2神經(jīng)網(wǎng)絡(luò)進行信用風險評估。并且設(shè)計了一個自適應(yīng)共振網(wǎng)絡(luò)，對信用風險分析進行了實證研究。
3.3基于ART2模型的信用風險分析的實證研究
下面以某國有商業(yè)銀行提供的90多家企業(yè)客戶為對象，應(yīng)用自適應(yīng)共振理論對這些企業(yè)客戶的財務(wù)數(shù)據(jù)進行信用風險評估。對于輸入到神經(jīng)網(wǎng)絡(luò)的財務(wù)比率的選擇，參照國內(nèi)財政部考核企業(yè)財務(wù)狀況及國外用于信用風險評估所使用的一些經(jīng)典財務(wù)比率指標，一共挑選出包括企業(yè)盈利能力、企業(yè)營運效率、企業(yè)償債能力及企業(yè)現(xiàn)金流量狀況等二十余個指標，考慮到指標間的相關(guān)性，利用SAS統(tǒng)計分析軟件進行回歸分析，得出以下幾個比率：
經(jīng)營現(xiàn)金流量/資產(chǎn)總額（流動性）
保留盈余/資產(chǎn)總額 （增長性）
息稅前利潤/資產(chǎn)總額 （贏利性）
資產(chǎn)總額/ 總負債 （償債性）
銷售收入/資產(chǎn)總額 （速動性）
某國有商業(yè)銀行提供的樣本數(shù)據(jù)有90多家企業(yè)的財務(wù)數(shù)據(jù)，數(shù)據(jù)質(zhì)量不高，有些企業(yè)財務(wù)數(shù)據(jù)缺失嚴重，經(jīng)過對樣本數(shù)據(jù)的初步審查，刪除了不合格的樣本40多個，最終得到有效的樣本為55個，其中能夠償還貸款的企業(yè)34個，不能償還貸款的企業(yè)21個。
評估的準確程度用兩類錯誤來度量，在統(tǒng)計學(xué)中，第一類錯誤稱為“拒真”，第二類錯誤稱為“納偽”。在信用風險評估中把第一類錯誤定義為把不能償還貸款的企業(yè)誤判為能償還貸款的企業(yè)的錯誤，第二類錯誤定義為把能夠償還貸款的企業(yè)誤判為不能償還貸款的企業(yè)的錯誤。顯然，第一類錯誤比第二類錯誤嚴重得多，犯第二類錯誤至多是損失一筆利息收入，而犯第一類錯誤則會造成貸款不能收回，形成呆帳。
在應(yīng)用自適應(yīng)共振模型進行信用風險評估的同時，筆者也使用了統(tǒng)計方法和經(jīng)典的BP神經(jīng)網(wǎng)絡(luò)模型對同樣的樣本數(shù)據(jù)進行了信用風險評估，以便比較驗證自適應(yīng)共振模型的評估準確性。
統(tǒng)計方法使用的是可變類平均法，可變類平均法是由Lance和 Williams(1967)發(fā)展的，計算距離的組合公式為:
Djm=(Djk+DjL)(1-b)/2+DkLb （1）
參數(shù)b介于0到-1之間，DkL——是類Ck與CL之間的距離或非相似測度。筆者使用SAS統(tǒng)計軟件中提供的可變類平均法對樣本數(shù)據(jù)進行了聚類分析。
BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)包括輸入層5個節(jié)點，用來輸入5個財務(wù)指標比率，輸出層1個節(jié)點（取值為1表示能償還貸款，取值為0表示不能償還貸款），另外還有一個隱層，隱層包括5個隱節(jié)點。網(wǎng)絡(luò)的有效性采用K組交叉檢驗的方法進行驗證，也就是將樣本分為K組，其中K－1組為訓(xùn)練數(shù)據(jù)，第K組為檢驗數(shù)據(jù)，這里將樣本數(shù)據(jù)分為兩組，第一組用于訓(xùn)練網(wǎng)絡(luò)，包括11個違約的企業(yè)和16個非違約的企業(yè)，第二組作為檢驗數(shù)據(jù)，包括10個違約企業(yè)，18個非違約企業(yè)。該方法使用MATLAB語言編程實現(xiàn)。
ART2模型包括輸入層為5個節(jié)點，用來輸入5個財務(wù)指標比率，輸出層3個節(jié)點，分別表示信用風險的三個級別（正常，關(guān)注，可疑），這里應(yīng)用ART2模型將信用風險分為三個級別有如下幾個原因：（1）將信用風險分為三個級別，比前面使用統(tǒng)計方法和BP模型方法將信用風險簡單分成兩類（違約、非違約）更容易把握風險的程度，更接近實際信用風險評估的需要，也更貼近于國際通用的五級分類標準。（2）通過ART2網(wǎng)絡(luò)門限值參數(shù)的調(diào)整可以將信用風險分為國際通用的五級分類標準，這也正是ART2模型的優(yōu)勢所在，但是ART2網(wǎng)絡(luò)是信用風險分析混合專家系統(tǒng)的組成部分，它的評估結(jié)果要作為輸入，輸入到專家系統(tǒng)中，以便信用風險評估專家系統(tǒng)進行定性及定量的綜合評估，考慮到專家系統(tǒng)的規(guī)則的數(shù)量和知識庫的規(guī)模對系統(tǒng)執(zhí)行效率的影響，因此這里將信用風險分為三類。有關(guān)專家系統(tǒng)的詳細說明，將在下一節(jié)討論。下面給出ART2模型網(wǎng)絡(luò)的參數(shù)設(shè)置：a＝10，b＝10，c＝0.1，d＝0.9， ＝0.2， 。由于ART2模型是無教師指導(dǎo)的網(wǎng)絡(luò)，因此不用訓(xùn)練，直接輸入數(shù)據(jù)，網(wǎng)絡(luò)自動進行信用風險評估。其中評估的結(jié)果：正常、關(guān)注兩類屬于非違約企業(yè)，可疑為違約企業(yè)。該方法使用C語言編程實現(xiàn)。
下面給出三種方法的最后評估結(jié)果見表1
表1 訓(xùn)練樣本和測試樣本的誤判
訓(xùn)練樣本 測試樣本
第一類錯誤 第二類錯誤 總誤判 第一類錯誤 第二類錯誤 總誤判
統(tǒng)計模型 8(38.01%) 9(26.5%) 17(30.9%)
BP模型 2(18.1%) 1(6.1%) 3(11.1%) 3(30.0%) 4(22.2%) 7(25.0%)
ART2模型 4(19.1%) 5(14.7%) 9(16.3%)
通過表1的比較結(jié)果可以看出對于統(tǒng)計方法和BP模型自適應(yīng)共振模型的誤判率是最低的，說明了該方法的有效性和可靠性。
另外需要說明的一點是，這里所使用的企業(yè)樣本數(shù)據(jù)偏少，而且噪聲過多，數(shù)據(jù)的質(zhì)量不是很好，這樣的數(shù)據(jù)作為初始數(shù)據(jù)輸入網(wǎng)絡(luò)對網(wǎng)絡(luò)的評估的準確性有一定的影響，雖然ART2這種集中注意力可以在混亂的背景中發(fā)現(xiàn)目標的特性使得它的評估的準確性比其它兩種方法要高，但是筆者相信如果初始輸入網(wǎng)絡(luò)的數(shù)據(jù)質(zhì)量再提高一些，網(wǎng)絡(luò)的誤判率會更低。
參考文獻：
[1] 張維，李玉霜，商業(yè)銀行信用風險分析綜述，《管理科學(xué)學(xué)報》[J]，1998年第3期，20－27。
[2] 朱明，楊保安，基于知識的銀行貸款分類系統(tǒng)，CJCAI2001[C]，231－235。
[3] 黃娟，馮玉強，王洪偉，基于聯(lián)接歸納推理的信貸風險評估集成智能系統(tǒng)，《計算機應(yīng)用研究》[J]，1999年第9期，74－16。
[4] 王春峰，萬海暉，張維，商業(yè)銀行信用風險評估及其實證研究，《管理科學(xué)學(xué)報》[J]，1998年第1期，68－72。
[5]（美）約翰.B.考埃特，愛德華.I.愛特曼，保羅.納拉亞南著，石曉軍等譯，《演進著的信用風險管理》[M]，機械工業(yè)出版社，2001。
[6] 李志輝，《現(xiàn)代信用風險量化度量和管理研究》[M]，中國金融出版社，2001年。
[7] R.R.Trippi and E.Turban, Neural networks in finance and investing[M], chicago: Irwin professional publishing，1996。
[8] Dick San-Cheong cheung, Kwok-Wa Lam and Sheung-Lun Hung, neural networks for credit scoring model, intrlligent data engineering and learning perspectives on financial engineering and data mining[M], published by Springer，1998，55－62。
關(guān)鍵詞：煤炭企業(yè)；支持向量機；客戶信用；風險評估
中圖分類號：TP301 文獻標識碼：A文章編號：1007-9599 (2011) 12-0000-01
Support Vector Machine Technology Applied Research in the Coal Customer Credit Risk Assessment
Zhao Kai,Wang Wei
(Pingdingshan College,Pingdingshan467000,China)
Abstract:The support vector machine technology and its improvement,applied to the coal business customer credit risk assessment process for the smooth operation of the coal companies to provide decision support.
Keywords:Coal enterprises;Support vector machine;Customer credit;Risk assessment
一、煤炭客戶風險評估等級指標體系
要對煤炭客戶的信用情況進行定級評估，首先牽涉到的問題是用于分析定級的指標建立，在信用管理科學(xué)的發(fā)展過程中，不同時期，不同專家提出了不同的信用評價指標體系，其中影響最大的是“5C”：
（1）品格（Character）：著重分析客戶是否有依照協(xié)議按期如數(shù)繳納貨款的意愿和行為，以往的貨款繳納紀錄是否保持良好。
（2）能力（Capacity）：著重考察客戶廣泛運用其才能，使得其生產(chǎn)的產(chǎn)品具有盈利的能力。
（3）資本（Capital）：了解客戶的自有資金是否雄厚，其中要注意的是，不僅要分析其資本凈值，同時還要分析其負債數(shù)量。
（4）擔?；虻盅海–ollateral）：考核客戶在短期拖欠款項的情況下，能否提供擔保，且擔保品是否充足可靠。
（5）環(huán)境條件（Condition）：判斷客戶所處的環(huán)境和所屬的行業(yè)前景是否有利于業(yè)務(wù)的經(jīng)營。前者包括客戶內(nèi)部環(huán)境，如經(jīng)營特點、經(jīng)營方法、技術(shù)狀況等，以及社會大環(huán)境，如勞資關(guān)系、政局變動、社會環(huán)境、商業(yè)周期、季節(jié)變動、一般經(jīng)濟狀況、國民收入水平等；后者包括行業(yè)發(fā)展、同業(yè)競爭等。
鑒于此，本文在構(gòu)建煤炭客戶信用風險管理的指標體系時，考慮到信用數(shù)據(jù)的來源、企業(yè)信用管理人員資源等這些具體情況，以實用為原則，便于實際的操作。通過建立信息收集卡的方式，由企業(yè)指定的信息員完成“5C”中各子指標內(nèi)容的相關(guān)表格。
二、支持向量機技術(shù)在煤炭客戶信用風險預(yù)警中的研究
對于支持向量機來說，標準的支持向量機模型主要用來進行分類操作，但是信用風險的評估過程只要分成有風險與無風險顯然是無法滿足需求的，需要進一步的結(jié)果才能更好的利用結(jié)果進行決策分析。而在標準的支持向量機模型表達式 中，可以看到?jīng)Q策函數(shù)只用到了劃分超平面函數(shù)的符號信息。記分類函數(shù) ，如果 是正的，則 是正類，如果 是負的，則 是負類。但 與決策函數(shù)相比較，除了包含符號信息，還包含了數(shù)值信息。如果兩個樣本 和 的分類函數(shù) 和 都是正的，并且有 大于 ，則 被分錯的概率小于 被分錯的概率，因為 的絕對值比較小，比較接近負數(shù)， 是負類的概率就比較大?？梢酝茰y， 的絕對值越接近0， 屬于負類的概率越大。
由上可知， 的值有一定的數(shù)值意義。對風險評估而言，一般來說 值越大越有可能是正類，即欠費的可能性越?。环粗?， 越小越有可能是負類，即欠費的可能性越大。
設(shè)支持向量機模型中最終 得到的結(jié)果r1是（負無窮，正無窮）之間，因需要把結(jié)果轉(zhuǎn)為概率[O，lOO]之間，令 ，并把r2轉(zhuǎn)換到[O，100]之間。
過程如下：
r2=1/（2^（-r1+10000000））；
if（r2>1）
r=100；
else
r=l00*r2；
r即為最后的風險概率。
三、煤炭客戶信用風險預(yù)警的流程
具體步驟：
（1）使用企業(yè)客戶風險預(yù)警模型的5C指標體系。
（2）根據(jù)已經(jīng)設(shè)計出的指標進行數(shù)據(jù)的采集。
（3）把采集到的數(shù)據(jù)用Hot Deck算法進行數(shù)據(jù)值填補。
（4）計算所有指標的信息增益值，根據(jù)其值從大到校進行指標排序，選出最終建模的指標。
（5）將數(shù)據(jù)進行加權(quán)，并分成訓(xùn)練集和測試集兩部分。
（6）使用前文所使用的SVM模型，用訓(xùn)練集進行模型的訓(xùn)練，再用測試集進行模型的測試，得到最終的結(jié)果。
其中，實驗數(shù)據(jù)采集后運用Hot deck算法進行數(shù)據(jù)填充，具體步驟如下：
（1）用屬于同一類別的樣本組成簇，對于m類問題，則一共有m簇；
（2）用簇內(nèi)所有樣本（包括完整樣本和有缺失樣本）為每一簇的每個屬性確定一個填補值：如果屬性a是連續(xù)屬性，則用簇內(nèi)所有在屬性a非空的樣本的平均值作為該簇屬性a的填補值，如果屬性a是離散屬性，則用簇內(nèi)所有在屬性a非空的樣本的眾數(shù)作為該簇屬性a的填補值，m類n維問題最多有 個填補值；
（3）用步驟2確定的填補值填補相應(yīng)的樣本缺失屬性。
通過上述實現(xiàn)過程，我們就可以建立支持向量機的風險評估模型了，除了根據(jù)模型找出高風險用戶外，我們還可以用映射的方法把簡單的高、低風險用戶的評價轉(zhuǎn)化為對每個用戶評估中一個1～100的風險值（1表示出現(xiàn)風險的可能性大概是1％，也就是不太可能欠費；100表示出現(xiàn)風險的可能性基本是100％，也就是必然會欠費了）。
四、結(jié)束語
鑒于煤炭企業(yè)的客戶風險管理問題的研究現(xiàn)狀，本文從分析煤炭企業(yè)風險環(huán)境，對客戶信用風險進行了相對系統(tǒng)和全面的風險識別，并初步確定了相關(guān)的風險指標體系，給煤炭企業(yè)全面認識客戶風險提供了研究基礎(chǔ)。在風險識別的基礎(chǔ)上，本文建立了基于支持向量機的客戶風險評估模型，對客戶信用風險的分析及預(yù)測做出了一定的研究工作。
參考文獻：
[1]方邦鑒.打造誠信單位:信用制度建設(shè)與信用管理實務(wù)[M].中國經(jīng)濟出版社,2004,1:115
關(guān)鍵詞 信用風險 評估管理方法 措施
中圖分類號：F230.9 文獻標識碼：A
隨著我國經(jīng)濟結(jié)構(gòu)的調(diào)整以及銀行業(yè)競爭格局的變化，發(fā)展中小企業(yè)金融業(yè)務(wù)已經(jīng)成業(yè)銀行增強核心競爭能力、實現(xiàn)戰(zhàn)略性發(fā)展的必然選擇。然而，目前我國整體信用環(huán)境欠佳，中小客戶違約比率偏高，信用風險相對較大。因此， 為了確保中小企業(yè)客戶業(yè)務(wù)健康、快速發(fā)展，同時也為了自身整體的經(jīng)營效益的最大化及未來長遠的發(fā)展，商業(yè)銀行借助于科學(xué)合理的信用風險評估管理方法以提高對中小企業(yè)授信風險識別能力就猶顯必要了。
目前中國商業(yè)銀行在對中小企業(yè)信用風險評估及管理方面所存在的不足又有那些呢？
首先分析第一個問題：從優(yōu)勢方面來看，中小企業(yè)的適應(yīng)性很強，其生產(chǎn)規(guī)模和市場容量相對較小，市場退出成本也較低；創(chuàng)新能力強；發(fā)展方向相對靈活，企業(yè)易根據(jù)市場的需求關(guān)系即使調(diào)整經(jīng)營方向和組織結(jié)構(gòu)。從劣勢方面看，中小企業(yè)占有的資源有限，競爭力較弱；生命周期短，資金短缺；管理欠規(guī)范，中小企業(yè)管理體制落后，組織架構(gòu)缺乏科學(xué)性，后備人才不足更強化了中小企業(yè)在競爭中的弱勢地位；道德失范嚴重，中小企業(yè)缺乏長遠發(fā)展戰(zhàn)略，企業(yè)追逐短期利益，投機性為，欺騙性為頻繁發(fā)生，信用程度較低導(dǎo)致發(fā)展成惡性循環(huán)趨勢。
1商業(yè)銀行在對中小企業(yè)信用風險評估管理方面存在的問題
1.1對中小企業(yè)評級標準不規(guī)范
目前，我國的大部分國有商業(yè)銀行仍沿用對國有大中型企業(yè)的貸款管理辦法來管理中小企業(yè)貸款。企業(yè)信用等級是銀行對借款人信用高低的估計，是銀行貸款風險管理的重要基礎(chǔ)工作。各商業(yè)銀行為了做好貸款的管理工作都相繼建立了企業(yè)信用等級評估制度。但從我國現(xiàn)有各銀行實施的企業(yè)信用等級評定制度來看，存在著標準過于偏好大企業(yè)的現(xiàn)象。在處理中小企業(yè)貸款時，仍借用針對大企業(yè)形成的客戶評級標準，事實上構(gòu)成了對中小企業(yè)的信用歧視。中小企業(yè)的信用標準不能反映中小企業(yè)的實際情況。
1.2評估門檻規(guī)定過高，對象范圍限定過嚴
具體表現(xiàn)在：信貸品種過于單一，雖然我國的《貸款通則》規(guī)定貸款種類分為信用貸款、擔保貸款和票據(jù)貼現(xiàn)三類。然而，金融機構(gòu)普遍只對擔保貸款（包括抵押貸款和保證貸款）感興趣，而忽視了其它的貸款方式。銀行信貸政策不合理加劇中小企業(yè)融資難。信貸管理缺乏彈性，調(diào)控存在“一刀切”現(xiàn)象。各行普遍對鋼鐵、水泥等國家重點關(guān)注行業(yè)停止發(fā)放貸款。對一些生產(chǎn)經(jīng)營穩(wěn)定、管理規(guī)范、實力強的中小型房地產(chǎn)企業(yè)、水泥廠，害怕出現(xiàn)政策風險，未能滿足企業(yè)的融資需求，而且壓縮、回收存量貸款。
1.3法律、法規(guī)建設(shè)滯后，加劇了銀行對中小企業(yè)的“恐貸”心理
目前對支持中小企業(yè)發(fā)展的意見大多數(shù)是宏觀指導(dǎo)性的意見，加之一些人為因素，一些地方默許甚至縱容企業(yè)逃廢銀行債務(wù)，法院對銀行債權(quán)的保護能力低，銀行在維護金融債權(quán)的過程中“贏了官司輸了錢”的現(xiàn)象也多次發(fā)生，加劇了銀行“恐貸”心理。同時銀行也很少主動為中小企業(yè)服務(wù)。
1.4管理權(quán)限過分上收，不利于基層放貸積極性的發(fā)揮
嚴格的授權(quán)、授信管理制度，客觀上削弱了基層商業(yè)銀行對中小企業(yè)信貸支持的能力。上收地市級以下的固定資產(chǎn)及技改貸款的審批權(quán)限，地方中小企業(yè)項目投資的難度明顯加大；貸款審批權(quán)限過分集中于上級行，不但影響基層行貸款發(fā)放的能動性，而且因?qū)徟掷m(xù)、環(huán)節(jié)過多，會影響中小企業(yè)取得貸款的時效性；貸款審批權(quán)限集中，還會造成有貸款發(fā)放權(quán)的總分行不了解實際情況，而了解實際情況基層行卻無貸款發(fā)放權(quán)的不利局面，不利于基層存量信貸風險的及時化解和增量金融風險的有效防范。
2商業(yè)銀行在中小企業(yè)信用風險評估管理方面應(yīng)采用的措施
2.1構(gòu)建有效的信用風險評估模型
應(yīng)努力提高中小企業(yè)信貸風險管理中的數(shù)據(jù)真實度與準確性，構(gòu)建能適應(yīng)我國實際情況的中小企業(yè)授信風險評估工具模型，以此來客觀準確地評估授信風險。同時堅持“不以企業(yè)規(guī)模大小作為貸款條件、不以企業(yè)所有制決定貸款取舍、對各類企業(yè)（包括中小企業(yè)）講究貸款風險大小，效益高低和誠信程度，堅持注重貸款風險的控制”信用評估的基本原則，本著實事求是的精神制定符合中小企業(yè)發(fā)展現(xiàn)狀的貸款管理政策，合理確定信用評級標準，用發(fā)展的眼光，真實評定中小企業(yè)信用等級。
2.2拓展貸款服務(wù)創(chuàng)新品種
結(jié)合目前業(yè)務(wù)開展實際情況，進一步拓展貸款服務(wù)創(chuàng)新品種。一是存貸積數(shù)掛鉤貸款，存貸積數(shù)掛鉤貸款在南方地方性中小金融機構(gòu)中大量應(yīng)用，事實證明風險小，特別適應(yīng)小型企業(yè)貸款急、小、頻特點。二是開展生產(chǎn)用設(shè)備按揭貸款，此舉可以促進生產(chǎn)型設(shè)備銷售的增長，解決資金不足的矛盾，為新置和更新設(shè)備的小型企業(yè)擴大生產(chǎn)規(guī)模提升產(chǎn)品檔次和競爭力提供一條新的融資渠道。三是推出流動資金整貸零償貸款、自然人擔保貸款、自然人委托貸款等新業(yè)務(wù)品種，同時將許多業(yè)務(wù)品種的適用范圍擴大到中小企業(yè)。除積極增加信貸投入外，還通過開展票據(jù)貼現(xiàn)、保函、保理等業(yè)務(wù)，擴大中小企業(yè)的融資渠道，緩解中小企業(yè)資金緊張狀況。
【關(guān)鍵詞】支持向量機；信用風險；ν-SVR；BP神經(jīng)網(wǎng)絡(luò)；貸款違約
1.引言
信用風險自古有之，是整個金融界所一直關(guān)注的熱點問題之一。隨著經(jīng)濟一體化和金融全球化步伐的加快，商業(yè)銀行正處在一個更加復(fù)雜的金融環(huán)境當中。在這樣的背景下，商業(yè)銀行的風險逐漸由單一化演變?yōu)槎嘣浣?jīng)營管理中所面臨的風險也必然隨之增加。這些風險可以歸結(jié)為信用風險、操作風險、市場風險等。這其中，最為重要的風險就是信用風險。廣義的信用風險主要包括信貸風險和流動性風險等。信貸風險是指銀行承擔借款方可能違約而導(dǎo)致貸款無法收回的風險；而流動性風險是指銀行自有資金不足，從而可能無法滿足其存款人或其他債權(quán)人的資金索取而導(dǎo)致違約的風險，屬于銀行自身的信用風險。
基于《新巴塞爾資本協(xié)議》中提出的對資本充足率的要求，監(jiān)管機構(gòu)對于銀行自身信用風險的控制進一步得到強化，銀行管理者對于信用風險的防范意識也在逐步增強。改革開放以來，我國商業(yè)銀行信用風險的內(nèi)部監(jiān)管制度正逐步建立。然而，由于金融體系建立較晚，我國金融市場的完善程度相對于發(fā)達國家來說仍處于落后地位。
目前，國家加快了發(fā)展市場經(jīng)濟的步伐，隨著總理在2011年4月份的國務(wù)院常務(wù)會議中提出深化金融體制改革以來，打破國有商業(yè)銀行壟斷、推進利率市場化已經(jīng)擺上了歷史日程。利率市場化將逐步打破我國商業(yè)銀行在融資體系中的壟斷地位，使得商業(yè)銀行將面臨更大的競爭壓力，承受更多的信用風險。
因此，鑒于日益突出的商業(yè)銀行自身信用風險問題，建立一套有效合理的信用風險評價模型，對其進行科學(xué)評估已經(jīng)成為信用風險管理的核心。然而，目前我國商業(yè)銀行信用風險管理現(xiàn)狀卻令人擔憂，表現(xiàn)在信用風險管理體系不健全、信用風險評估模型方法落后等。這就迫切需要為我國商業(yè)銀行信用風險分析研究提供思路，構(gòu)建一套符合我國商業(yè)銀行客觀需要的信用風險評估指標體系，建立可以準確衡量信用風險的模型，以用來填補我國商業(yè)銀行在信用風險管理上的不足。
目前，國際上最具影響力的信用風險模型主要有KMV公司的KMV模型、J.P摩根公司的Credit Metrics模型以及麥肯錫公司的Credit Portfolio View模型。這些模型在國外的商業(yè)銀行中已經(jīng)得到了廣泛應(yīng)用，并且取得了較好的風險預(yù)測效果。然而，由于我國上市商業(yè)銀行樣本數(shù)量偏少以及反映信用狀況的相關(guān)有效數(shù)據(jù)缺失等原因，導(dǎo)致這些模型無法在我國商業(yè)銀行信用風險評估領(lǐng)域得到有效的應(yīng)用[1]。
因此，針對我國上市商業(yè)銀行信用風險的以上特點，本文將嘗試引入支持向量機這種小樣本學(xué)習(xí)算法，通過對銀行關(guān)鍵信貸財務(wù)指標的研究，以期建立一套可以對我國商業(yè)銀行自身信用風險狀況進行評估的模型。模型以銀行總體的貸款違約率作為評估商業(yè)銀行信用風險狀況的指標，采用支持向量回歸機中較為前沿的分支模型 ，對樣本數(shù)據(jù)進行訓(xùn)練，并與經(jīng)典支持向量回歸機模型和BP神經(jīng)網(wǎng)絡(luò)模型進行對比，研究各個模型在風險預(yù)測分析方面的表現(xiàn)。同時，對我國商業(yè)銀行未來的貸款違約率進行預(yù)測，以此作為評估其信用風險大小的標準，對所有銀行的風險進行排序。最后根據(jù)分析結(jié)果對銀行的信用風險管理提出意見和建議，以期對我國商業(yè)銀行風險管理提供參考。
2.研究內(nèi)容及研究方法
2.1 研究內(nèi)容
以商業(yè)銀行信貸風險度量及管理的基本理論為基礎(chǔ)[2]，本文將嘗試引入統(tǒng)計學(xué)習(xí)理論中的支持向量機模型，通過對銀行關(guān)鍵信貸財務(wù)指標進行研究，以期建立一套可以對我國商業(yè)銀行自身信用風險狀況進行評估的模型。同時，本文將對支持向量機不同的分支模型和其他的系統(tǒng)學(xué)習(xí)算法進行對比，檢驗不同模型在風險評估中的準確性以及對風險的可預(yù)測性，以此研究各個模型在風險預(yù)測分析方面的表現(xiàn)。得出在風險評估預(yù)測方面最優(yōu)模型之后，本文利用訓(xùn)練效果最好的模型，對我國商業(yè)銀行未來的貸款違約率進行預(yù)測，以此作為評估其信用風險大小的標準，對所有銀行的風險進行排序。最后根據(jù)分析結(jié)果對銀行的信用風險管理提出意見和建議，以期對我國商業(yè)銀行風險管理提供參考。
2.2 研究方法
結(jié)合《新巴塞爾協(xié)議》的內(nèi)容和目前我國上市商業(yè)銀行的經(jīng)營狀況，本文將對我國商業(yè)銀行的信用風險成因進行分析，選取與銀行自身信用風險狀況密切相關(guān)的關(guān)鍵信貸財務(wù)指標，以銀行整體的貸款違約率作為衡量信用風險的依據(jù)，構(gòu)建一個可以用來分析信用風險的財務(wù)指標體系。采用正向化處理和主成分分析的方法對原始財務(wù)數(shù)據(jù)進行線性降維和特征提取的預(yù)處理，并將當年的財務(wù)數(shù)據(jù)與第二年的貸款違約率進行對應(yīng)匹配的處理，以此作為模型的訓(xùn)練樣本。
在對銀行財務(wù)數(shù)據(jù)進行預(yù)處理的基礎(chǔ)上，本文引入支持向量回歸機中較為前沿的分支模型、經(jīng)典支持向量回歸機模型 以及同來源于學(xué)習(xí)算法的BP神經(jīng)網(wǎng)絡(luò)模型對樣本數(shù)據(jù)進行訓(xùn)練。同時，將三種模型分別采用遍歷搜索的方法進行優(yōu)化訓(xùn)練：對模型選取一個比較適用的Kernel核函數(shù)以及參數(shù)、和核函數(shù)中的參數(shù)；對于模型，選取一個比較適用的Kernel核函數(shù)以及參數(shù)、和核函數(shù)中的參數(shù)；而對于BP神經(jīng)網(wǎng)絡(luò)模型，選取輸入層到隱含層以及隱含層到輸出層的節(jié)點轉(zhuǎn)移函數(shù)，并且挑選出適合的訓(xùn)練函數(shù)和網(wǎng)絡(luò)學(xué)習(xí)函數(shù)，再用計算機篩選出最佳的隱含層節(jié)點的個數(shù)。
確定最優(yōu)參數(shù)以及模型結(jié)構(gòu)以后，本文采用已經(jīng)分別最優(yōu)化的三種訓(xùn)練模型，將樣本輸入到模型中進行訓(xùn)練，并對各個模型的訓(xùn)練和預(yù)測效果進行對比分析，選取出其中訓(xùn)練和預(yù)測精度最高的一種模型，以此來構(gòu)建適合我國商業(yè)銀行自身信用風險評估的度量模型。
本文最后將采用構(gòu)建出的商業(yè)銀行自身信用風險度量模型，結(jié)合所有中國上市商業(yè)銀行近期的財務(wù)數(shù)據(jù)，對其衡量信用風險的未來貸款違約率進行預(yù)測，以此作為評估其信用風險大小的標準，對所有銀行的風險進行排序。
本文的模型在訓(xùn)練過程中采用計算機仿真的技術(shù)，主要運用Matlab、SPSS和EXCEL等建模和統(tǒng)計軟件對數(shù)據(jù)進行分析處理和訓(xùn)練。
網(wǎng)絡(luò)學(xué)習(xí)過程包括信息正向的傳播和誤差的反向傳播兩個步驟，其模型結(jié)構(gòu)如圖1所示：
圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖
由圖1所得，在信息正向的傳播過程中，樣本從輸入層輸入，經(jīng)過隱含層，經(jīng)過連接權(quán)值和閥值的作用得到輸出值，并與期望輸出值進行比較。若有誤差，則誤差沿著原路反向傳播，通過逐層修改權(quán)值和閥值。如此循環(huán)，直到輸出結(jié)果符合精度要求為止。
除了激發(fā)函數(shù)、訓(xùn)練函數(shù)和學(xué)習(xí)規(guī)則外，BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程還需要設(shè)定隱含層神經(jīng)元個數(shù)、學(xué)習(xí)度和最大訓(xùn)練迭代次數(shù)三個參數(shù)。其中，隱含層神經(jīng)元個數(shù)可以憑經(jīng)驗決定，個數(shù)過少將影響網(wǎng)絡(luò)的學(xué)習(xí)能力，而過多的神經(jīng)元個數(shù)將大幅增加網(wǎng)絡(luò)學(xué)習(xí)的時間；而參數(shù)學(xué)習(xí)度越小，將導(dǎo)致訓(xùn)練次數(shù)越多，但學(xué)習(xí)率過大，將影響網(wǎng)絡(luò)結(jié)構(gòu)的穩(wěn)定性；最后，最大訓(xùn)練迭代次數(shù)由前兩者共同決定，三者共同影響網(wǎng)絡(luò)學(xué)習(xí)的效率。為了將BP神經(jīng)網(wǎng)絡(luò)達到最優(yōu)的訓(xùn)練效果，本文在實證研究中對各個參數(shù)進行遍歷搜索，以期篩選出可以互相配合、使得模型達到具有最佳訓(xùn)練效率的一組參數(shù)。
3.實證分析
本部分引入支持向量機和BP神經(jīng)網(wǎng)絡(luò)，建立商業(yè)銀行自身信用風險評估指標體系，以我國上市商業(yè)銀行的數(shù)據(jù)為樣本進行訓(xùn)練，篩選出最優(yōu)風險預(yù)測評估模型。
如表1所示，本文對商業(yè)銀行的13個關(guān)鍵信貸財務(wù)指標提取出6個主成分，分別為盈利能力、經(jīng)營能力、資本結(jié)構(gòu)、流動性、資本充足性和安全性。其中，表格右側(cè)一欄表示每個財務(wù)指標對于商業(yè)銀行信用風險的作用方向，“+”代表減少信用風險的指標，“-”代表增加信用風險的指標。
上文通過將樣本分別輸入模型、模型以及BP神經(jīng)網(wǎng)絡(luò)（BPN）模型進行訓(xùn)練，并分別對模型進行了優(yōu)化設(shè)計。根據(jù)以上得出的三種最優(yōu)化的訓(xùn)練模型，再分別輸入我國商業(yè)銀行2007年、2008年和2009年三年的財務(wù)數(shù)據(jù)，模擬計算出2008年、2009年和2010年的貸款違約率，并與各銀行當年實際的貸款違約率進行比較，以此分析模型對訓(xùn)練樣本的檢測結(jié)果。模型對商業(yè)銀行2008年的貸款違約率的檢測效果如表2和圖2所示：
分析表3至表4三年貸款違約率的檢驗效果，可以得出模型的訓(xùn)練效果優(yōu)于模型和BP神經(jīng)網(wǎng)絡(luò)模型，即模型每年對貸款違約率的擬合效果較好，檢測精度較高。為了進一步驗證本文的結(jié)論，選取商業(yè)銀行實際貸款違約率和檢驗值之間的相關(guān)系數(shù)和均方誤差（Mean Squared Errors，MSE）對三個模型的檢測效果進行綜合評判，結(jié)果如表5所示：
表5 模型檢驗效果的評判結(jié)果
從表5可以看出，模型的訓(xùn)練效果無論在相關(guān)系數(shù)和均方誤差MSE的檢驗上均優(yōu)于另外兩種模型。因此，可以得出模型在商業(yè)銀行信用風險的訓(xùn)練中具有最優(yōu)的檢驗效果。
除了對模型的樣本檢驗效果分析外，本文再對最優(yōu)化后的模型進行預(yù)測效果的評價。具體地，輸入2010年的財務(wù)指標，預(yù)測出2011年各商業(yè)銀行的貸款違約率，并與實際的貸款違約率進行比較，以此判斷模型的預(yù)測效果，結(jié)果如表6所示：
從上表7可以看出，模型的預(yù)測效果無論在相關(guān)系數(shù)和均方誤差MSE的檢驗上均優(yōu)于另外兩種模型，并且預(yù)測出的貸款違約率與實際的貸款違約率之間的相關(guān)系數(shù)超過了0.95，具有比較精確的預(yù)測能力。因此，在對商業(yè)銀行信用風險評估中，模型具有更高的評測精度和較小的預(yù)測誤差，是一種更為科學(xué)合理的評估方法，可以為商業(yè)銀行的信用風險管理提供新的參考。
4.結(jié)論
支持向量機是一種基于小樣本學(xué)習(xí)理論的通用學(xué)習(xí)算法，具有嚴格的理論基礎(chǔ)，能較好地解決小樣本、非線性、高維數(shù)和局部極小點等實際問題。經(jīng)過多年的發(fā)展，支持向量機已經(jīng)衍生出多種改良形式和優(yōu)化模型。其中，模型是一類具有較高預(yù)測精度的支持向量回歸機，在多個領(lǐng)域已經(jīng)得到了廣泛的應(yīng)用，取得了較好的預(yù)測效果。
針對于目前我國商業(yè)銀行信用風險管理體系的不足以及國內(nèi)上市商業(yè)銀行的樣本數(shù)量偏少的情況，本文引入了模型來評估商業(yè)銀行自身的信用風險。利用主成分分析建立商業(yè)銀行信用風險評估指標體系，并構(gòu)建基于模型的商業(yè)銀行信用風險評估模型。通過與模型和BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練效果的比較，發(fā)現(xiàn)模型在商業(yè)銀行信用風險的訓(xùn)練和預(yù)測中都具有更高的精度。
本文最后根據(jù)優(yōu)化訓(xùn)練完畢的模型對我國所有上市商業(yè)銀行未來的信用風險進行了預(yù)測，得到了我國商業(yè)銀行整體信用風險可能上升，并且國有銀行和股份制商業(yè)銀行都將面臨更大信用風險的結(jié)論。因此，根據(jù)以上的分析，模型為商業(yè)銀行的信用風險管理提供了更為有力的輔助工具，可以推廣到更多金融領(lǐng)域的風險評估當中。
盡管本文從模型的優(yōu)化設(shè)計、訓(xùn)練樣本的匹配選取以及銀行自身信用風險的度量角度三個方面對我國商業(yè)銀行信用風險的評估研究做了一些開創(chuàng)性的工作，取得一定的研究成果，但還存在需要進一步完善和深入研究的問題，這些問題主要是：
（1）本文所引入的模型的算法可以與交叉驗證和選塊、分解等方法配合使用，改進模型中對于參數(shù)優(yōu)化設(shè)計的步驟和思想，以此可以改良原有模型的算法，進一步提高模型對商業(yè)銀行信用風險的預(yù)測精度；
（2）對于建立起的商業(yè)銀行信用風險評估指標體系，應(yīng)該結(jié)合我國商業(yè)銀行實際面臨的信用風險結(jié)構(gòu)以及資產(chǎn)配置狀況進行調(diào)整，并且可以根據(jù)不同類型的銀行分別采用不同的信用風險評估指標體系，以此針對不同銀行構(gòu)建起更加合理的信用風險評估模型。
參考文獻：
[1]曹道勝，何明升.商業(yè)銀行信用風險模型的比較及其借鑒[J].金融研究，2006（10）：90-97.
[2]Cortes C，Vapnik V N.Support-Vector Networks[J].Machine Learning，1995，20（3）：273-297.
[3]Vapnik V N，Lerner A.Pattern Recognition Using Generalized Portrait Method[J].Automation and Remote Control，1963，24：774-780.
[4]Drucker H，Burges C J C，Kaufman L，Smola A，Vapnik V.Support vector regression machines[J].Electronic Engineering，1997，1（6）：155-161.
[5]Sch?lkopf B，Williamson R C，Bartlett P L.New support vector algorithms[J].Neural Computation，2000，12（5）：1207-1245.
[6]Sch?lkopf B，Smola A J.Learning with kernels：support vector machines，regularization，optimization，and beyond[M].Cambridge：MIT Press，2002.
[7]Wang Defeng，Yeung D S，Tsang E C.Weighted Mahalanobis Distance Kernels for Support Vector Machines[J].IEEE Trans on Neural Networks，2007，18（5）：1453-1462.
[8]Tay F E H，Cao L.Application of Support Vector Machines in Financial Time Series Forecasting[J].Omega，2001，29（4）：309-317.
[9]Vapnik V N.統(tǒng)計學(xué)習(xí)理論的本質(zhì)[M].張學(xué)工譯.北京：清華大學(xué)出版社，2000.
[10]張學(xué)工.關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機[J].自動化學(xué)報，2000，26（1）：32-42.
[11]鄧乃揚，田英杰.支持向量機——理論、算法與拓展[M].北京：科學(xué)出版社，2009.
[12]顧亞祥，丁世飛.支持向量機研究進展[J].自動化學(xué)報，2011，38（2）：14-17.
[13]劉建偉，李雙成，羅雄麟.P范數(shù)正則化支持向量機分類算法[J].自動化學(xué)報，2012，38（1）：
76-87.
[14]李倩，鄭丕諤.基于支持向量機的企業(yè)現(xiàn)金流量評級[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2007，9（6）：86-87，93.
[15]吳沖，夏晗.基于支持向量機集成的電子商務(wù)環(huán)境下客戶信用評估模型研究[J].中國管理科學(xué)，2008，16（S1）：362-367.
[16]李翀，夏鵬.后驗概率支持向量機在企業(yè)信用評級[J].計算機仿真，2008，25（5）：256-258.
[17]余晨曦，梁瀟.基于支持向量機的商業(yè)銀行信用風險度量模型[J].計算機與數(shù)字工程，2008，36（11）：10-14.
[18]孫彬，李鐵克.基于v-SVR的金融股指預(yù)測及選時策略研究[J].統(tǒng)計與決策，2010，38（3）：
45-48.
[19]胡海青，黃鐸，武晟.基于SVM的股份制商業(yè)銀行利益相關(guān)者對資本配置績效影響的仿真研究[J].管理工程學(xué)報，2010，24（4）：148-154.
[20]約翰·赫爾.風險管理與金融機構(gòu)[M].北京：機械工業(yè)出版社，2010，2.
[21]Shawe-Taylor J，Cristianini N.Kernel Methods for Pattern Analysis[M].New York：Cambridge University Press，2004.
關(guān)鍵詞：商業(yè)銀行 信用風險 影響因素 管理優(yōu)化
一、中國商業(yè)銀行信用風險的現(xiàn)狀
從目前我國商業(yè)銀行的收入結(jié)構(gòu)上看，存貸利差仍然是商業(yè)銀行的主要收入來源。根據(jù)銀監(jiān)會的統(tǒng)計顯示，2009年商業(yè)銀行的利潤結(jié)構(gòu)中，利息收入占到了61.22%。因此，信貸風險可以稱得上是我國商業(yè)銀行信用風險的主要形式。雖然我國主要商業(yè)銀行的不良貸款率在不斷下降，但是國有商業(yè)銀行的不良貸款余額的絕對數(shù)額仍然較高。目前我國銀行體系內(nèi)仍然有5 000億美元的不良資產(chǎn)，這些不良資產(chǎn)成為我國金融體制改革的障礙，同時也成為國際金融投資者們的目標，他們都希望通過收購這筆巨額不良資產(chǎn)來迅速擴大在中國的資本。目前國有商業(yè)銀行對這些不良貸款的處置主要依靠行政手段，而不是通過加強信貸風險管理，完善風險管理體制來實現(xiàn)的，而且不良貸款率仍然比國際銀行業(yè)要高出不少。隨著中國加入 WTO，《新巴塞爾資本協(xié)議》的正式以及對外開放的不斷深入，金融全球化進程也在不斷加快，商業(yè)銀行不僅要面對國內(nèi)各同行業(yè)之間的激烈競爭，還要面對國外其他大型銀行的挑戰(zhàn)，在這兩種內(nèi)外形勢的共同影響之下，中國商業(yè)銀行對金融風險管理所提出的要求必然會更高。而信用風險作為商業(yè)銀行最主要的風險形式，更加需要在理念、技術(shù)、制度等方面進行積極的改進與完善。
二、商業(yè)銀行信用風險影響因素分析
為了徹底有效地解決當前我國商業(yè)銀行信用風險管理中存在的問題，對信用風險形成原因的分析就必不可少。能夠影響商業(yè)銀行信用風險的因素有很多，本章從銀行外部因素來分析，歸結(jié)為以下幾個方面：
2.1經(jīng)濟體制因素
我國商業(yè)銀行是從計劃經(jīng)濟體制中走出來的。在計劃經(jīng)濟下，銀行沒有放貸的自，只能按照國家計劃指令發(fā)放貸款，由于有國家信用的擔保，即使出現(xiàn)壞賬也不會影響銀行的正常經(jīng)營，因此銀行改善信用風險管理的動力不強。雖然目前已經(jīng)轉(zhuǎn)制，但政府干預(yù)的影響仍然存在，銀行仍然要承擔國有企業(yè)改革重任，對瀕臨破產(chǎn)的國有企業(yè)進行救助，導(dǎo)致銀行面臨潛在的風險。
2.2市場環(huán)境因素
目前我國的金融市場和證券市場都不完善，商業(yè)銀行是企業(yè)獲取貸款資金的主要途徑。同時我國居民儲蓄率偏高，銀行資本遠遠大于證券市場，使得信貸風險過于集中，為信用風險的分散與化解帶來了困難。與此同時，為了搶占市場，爭取更多的客戶資源，不少商業(yè)銀行主動降低信貸審批標準，忽略了對信用風險的控制與管理，加大了銀行信用風險的發(fā)生。
2.3法律法規(guī)因素
銀行在企業(yè)違約之后，能夠運用法律手段實現(xiàn)債務(wù)的清收，是降低損失的最后一道屏障。但是，從目前我國法律制度建設(shè)來看，保護債權(quán)人的法律法規(guī)并不健全，破壞信用關(guān)系的一方有時得不到應(yīng)有的懲罰。而且法律執(zhí)行生效的能力也存在很大問題，造成債務(wù)人拒不執(zhí)行法院裁決，無法保障債權(quán)人利益。在這種情況下，企業(yè)缺乏相應(yīng)約束，不可避免的給銀行增加了信用風險。
2.4外部監(jiān)管因素
我國的銀行監(jiān)管部門一直側(cè)重于對商業(yè)銀行經(jīng)營合規(guī)性的監(jiān)督管理，而對于風險管理的監(jiān)督控制并不夠。監(jiān)管當局主要還是以事后監(jiān)管為主，缺乏主動性和超前性，對商業(yè)銀行的資產(chǎn)負債風險、信貸資產(chǎn)質(zhì)量、資本充足率、管理水平和內(nèi)部控制等情況不能迅速作出反應(yīng)。而且目前監(jiān)管部門的監(jiān)管仍然停留在傳統(tǒng)的金融業(yè)務(wù)上，對以金融創(chuàng)新為主的銀行表外業(yè)務(wù)的監(jiān)管力度薄弱，從而導(dǎo)致銀行業(yè)整體風險狀況形成不容樂觀的局面。
三、商業(yè)銀行信用風險評估存在的問題
前面一章提到了影響銀行信用風險評估存在的外部因素，而就銀行自身而言，目前我國商業(yè)銀行在具體的信用風險評估過程中，也存在不少問題。其中主要可以概括為以下幾點：
3.1風險評估的量化工具落后
隨著科技的不斷發(fā)展進步，風險評估的量化管理模式也在不斷的進行創(chuàng)新，目前西方發(fā)達國家普遍將風險管理進行定量分析。而我國的量化管理卻相對落后，主要停留在資產(chǎn)負債管理和頭寸匹配管理的水平，在具體操作上還停留在依靠客戶經(jīng)理的個人能力階段。這就會由于個人的能力差異，操作失誤等一系列原因，給銀行帶來信用風險。這一現(xiàn)象的主要原因在于我國利率和匯率制度沒有完全市場化，量化管理的基礎(chǔ)沒有得到有效地建立，而且信用風險量化管理的知識技能也沒有在國內(nèi)很好的研究與推廣，相應(yīng)的量化工具與模型還很缺乏。
3.2不能適應(yīng)新巴塞爾資本協(xié)議的要求
伴隨著新資本協(xié)議的不斷完善，信用風險的量化管理也有新的要求。新資本協(xié)議中的內(nèi)部評級法提出了模型化計量信用風險的要求，鼓勵有條件的銀行建立模型計量信用風險，提高資本對信用風險的敏感性。而我國銀行普遍采用的信用風險貸款度量分析方法本質(zhì)上還是一種定性分析方法。其只考慮了債務(wù)人基本的財務(wù)狀況，給出一個表示風險情況的數(shù)值區(qū)間，而沒有考慮到債務(wù)人的違約概率、違約損失率、風險暴露等因素，因此無法量化信用風險的大小，也無法進行量化管理的模型化創(chuàng)建。
關(guān)鍵詞：層次分析法；信用風險；評估模型
1.引言
近年來隨著我國經(jīng)濟的高速發(fā)展，中小企業(yè)在促進國民經(jīng)濟增長、提供就業(yè)崗位、推動技術(shù)創(chuàng)新、保持社會穩(wěn)定等方面發(fā)揮著越來越重要的作用。由于中小企業(yè)自有資金少、知名度不高，所以依靠內(nèi)部融資以及通過資本市場直接發(fā)行債券股票融資都比較困難，所以中小企業(yè)更加依賴以商業(yè)銀行貸款融資為主的間接融資手段，以商業(yè)銀行為中介的間接融資是目前小企業(yè)資金配置的主要形式。中小企業(yè)與大企業(yè)相比，中小企業(yè)具有信息透明度差，經(jīng)營穩(wěn)定性差等缺點，對中小企業(yè)提供信貸支持時，商業(yè)銀行很難對其信用風險進行評斷。所以結(jié)合中小企業(yè)的實際情況，建立起一套中小企業(yè)貸款的信用評價模型，這對于商業(yè)銀行有效地控制中小企業(yè)貸款風險非常有重要的。
我國對信用風險度量、管理的研究始于上個世紀80年代末期，目前對信用風險度量、管理的系統(tǒng)研究主要集中在對企業(yè)信用風險的分析和預(yù)測研究。最早根據(jù)財務(wù)會計數(shù)據(jù)提出單變量分析企業(yè)破產(chǎn)風險預(yù)測的是Beaver[1]，Altman[2]將其延伸至多變量，即著名的Z評分模型，這些分析均采用最小二乘法進行估計。此外，還有幾種常見的用于信用風險分析的統(tǒng)計方法：k-鄰近法、主成分分析法、聚類分析法、分類樹法等[3]。進入20世紀90年代，神經(jīng)網(wǎng)絡(luò)引入了銀行業(yè)，用于信用風險識別和預(yù)測[4]。但是這些方法主要是針對大型企業(yè)而建立的，并不完全適合于中小企業(yè)。
本文首先分析中小企業(yè)的特點，建立適合中小企業(yè)的信用風險指標體系，然后將層次分析法與信用風險分析和預(yù)測相結(jié)合，提出了一種基于層次分析法的綜合評價模型，結(jié)合企業(yè)實際數(shù)據(jù)對模型的有效性和準確性進行了驗證。
2.中小企業(yè)風險評價指標體系
中小企業(yè)與大企業(yè)不同，既具有信息透明度差，經(jīng)營穩(wěn)定性差等缺點，又具有經(jīng)營靈活、創(chuàng)新能力強、發(fā)展成長力強以及國家政策扶持等優(yōu)勢。故而在設(shè)置其指標體系時應(yīng)考慮到其所具有的創(chuàng)新性、成長性、發(fā)展性等特點。
結(jié)合中小企業(yè)的特定，借鑒已有的國內(nèi)外金融機構(gòu)和評級公司的企業(yè)信用評級模型，在已有的國內(nèi)外文獻研究成果的基礎(chǔ)之上，筆者認為在構(gòu)建適用于中小企的信用評級指標體系時，應(yīng)在分析企業(yè)的運營能力、盈利能力、償債能力等財務(wù)因素的同時，要結(jié)合企業(yè)所處的外部宏觀環(huán)境條件和行業(yè)發(fā)展狀況來說明企業(yè)
的償債能力。此外，在分析償債能力的同時，還應(yīng)該考察企業(yè)的償債意愿。只有在分析了企業(yè)償債能力的同時，考察企業(yè)的償債意愿，才能比較客觀地掌握企業(yè)的信用情況，最終在評定時才能得出較為科學(xué)的結(jié)果。在此，筆者根據(jù)現(xiàn)有的研究成果和實際情況，構(gòu)建中小企業(yè)信用評級指標體系，并將評級的指標分為財務(wù)指標和非財務(wù)指標兩大類。
1）財務(wù)指標
定量指標主要根據(jù)企業(yè)的財務(wù)數(shù)據(jù)來確定，不同的財務(wù)指標從不同的方面反映企業(yè)的財務(wù)、經(jīng)營和盈利狀況。那么，到底應(yīng)使用哪些財務(wù)指標來反映企業(yè)的償債能力呢？由于財務(wù)指標數(shù)量很多，所以必須借鑒現(xiàn)有的指標體系和研究成果。在選擇定量指標的同時，需要考慮哪些指標最能說明企業(yè)的償債能力，同時在指標的選擇上，需要剔除相關(guān)性系數(shù)較大的指標，因為指標之間的相關(guān)性會導(dǎo)致評級因素的重復(fù)計算，降低評級結(jié)果的有效性。我國很多學(xué)者在這方面做了相關(guān)的研究。綜上，基于國內(nèi)外的研究成果，經(jīng)過專家訪談和理性分析，本文擬從以下幾個方面構(gòu)建財務(wù)指標體系，償債能力、盈利能力、營運能力、發(fā)展能力。
2）非財務(wù)指標
衡量企業(yè)的信用等級，不僅要根據(jù)財務(wù)指標來分析和考察企業(yè)的償債能力，同時還要分析企業(yè)所處的宏觀環(huán)境、企業(yè)的基本素質(zhì)、企業(yè)的基本信用等非財務(wù)因素對企業(yè)信用等級評價的影響。綜合考慮非財務(wù)指標與財務(wù)指標，比僅僅以財務(wù)指標為變量更能夠準確的預(yù)測企業(yè)的違約概率；張培[5]通過實證研究探討了非財務(wù)指標對商業(yè)銀行內(nèi)部評級有效性的影響，得出行業(yè)特征、宏觀環(huán)境、公司管理等非財務(wù)指標的介入使得評級模型根據(jù)有效性，建議商業(yè)銀行在建立企業(yè)信用評級體系時應(yīng)加強非財務(wù)指標的重視；梁曉佩[6]指出，非財務(wù)指標的科學(xué)引入是增強評級模型預(yù)測能力的必然要求，因為它能夠更好地預(yù)測企業(yè)未來發(fā)展趨勢，能夠從整體上評價企業(yè)的業(yè)績。鑒于非財務(wù)指標對企業(yè)信用等級評價的重要性，在前人研究的基礎(chǔ)之上，通過文獻整理和專家訪談，建立以下非財務(wù)指標因素體系，外部宏觀環(huán)境，企業(yè)基本素質(zhì)，履約情況。
綜上所述，可建立如圖1所示的虛擬企業(yè)風險分析指標體系，在這個基礎(chǔ)上引入基于期望值的模糊多屬性決策法來解決虛擬企業(yè)的風險評價問題。
如上表所示，本文所構(gòu)建的中小企業(yè)信用評級指標體系包含2個層次：一級準則層包含‘‘財務(wù)指標”和“非財務(wù)因素指標”；二級準則層有包含7個方面的指標，即“財務(wù)指標”下的償債能力、盈利能力、營運能力、發(fā)展能力指標，“非財務(wù)因素指標”下的外部宏觀環(huán)境、企業(yè)基本素質(zhì)、履約狀況三項指標。
3.運用層次分析法評價企業(yè)信用風險
3.1 層次分析法原理[7]
層次分析法（簡稱AHP）是美國運籌學(xué)家T.L.Saaty教授于20世紀70年代初期提出的一種簡便、靈活而又實用的多準則決策方法。人們在進行社會的、經(jīng)濟的以及科學(xué)管理領(lǐng)域問題的系統(tǒng)分析中，面臨的常常是一個由相互關(guān)聯(lián)、相互制約的眾多因素構(gòu)成的復(fù)雜而往往缺少定量數(shù)據(jù)的系統(tǒng)。層次分析法就是針對這種復(fù)雜問題進行條理化、層次化，依據(jù)其本身的屬性和相互關(guān)系構(gòu)造出若干層次。
大體分為四個步驟：（1）建立問題的遞階層次結(jié)構(gòu)模型；（2）構(gòu)造各層次的兩兩比較判斷矩陣；（3）由各層判斷矩陣計算出被比較元素的相對權(quán)重，并進行一致性檢驗；（4）計算出總元素組合的權(quán)重，并對總體進行一致性檢驗。
3.1層次分析法在企業(yè)信用風險評估中的應(yīng)用
對于各項指標的權(quán)重，可以由層次分析法計算得出。設(shè)有s位專家對評價指標的重要性進行排序，設(shè)每位專家的重要程度相等，得出判斷矩陣，計算每層每個指標的指標權(quán)重。在實踐中，有很多位專家對指標集進行獨立排序，可能每位專家的排序都各不相同，這時，就要在層次分析法的基礎(chǔ)上采用加權(quán)平均的方法來確定指標權(quán)重。
1.準則層次判斷矩陣Bij權(quán)重的確定和一致性檢驗。
相對于企業(yè)信用風險評估指標體系來說，判斷矩陣中的元素是由財務(wù)因素和非財務(wù)因素相對重要性的比較來確定，如下（見表1）
由于CR
財務(wù)指標是由償債能力、盈利能力、營運能力、發(fā)展能力指標的相對重要性來比較確定的，非財務(wù)因素指標是由外部宏觀環(huán)境、企業(yè)基本素質(zhì)、履約狀況的相對重要性來比較確定的，指標層判斷矩陣權(quán)重的確定如下（見表2-3）。
由于CR
從權(quán)重數(shù)可以看出影響企業(yè)信用風險的指標主要是財務(wù)因素，在非財務(wù)因素中政策因素影響力最大。
實際應(yīng)用中，可以寫出方案層的判斷矩陣，根據(jù)以上計算結(jié)果的權(quán)重，計算出每個方案的綜合評價值對方案進行排序。（作者單位：宜賓學(xué)院數(shù)學(xué)學(xué)院；四川大學(xué)商學(xué)院）
基金項目：四川大學(xué)系統(tǒng)科學(xué)與企業(yè)發(fā)展研究中心一般項目（Xq14C05）
參考文獻：
[1]William H.Beaver.Financial Ratios As Predictors of Failure.Journal of Accounting Research，1966，4
[2]Edward I.Altman.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy.The Journal of Finance，1968，23
[3]張曉莉，劉大為.一種基于遺傳算法的企業(yè)信用風險分析方法.經(jīng)營謀，2012，8.
[4]郭文偉，陳澤鵬，鐘明.基于MLP神經(jīng)網(wǎng)絡(luò)構(gòu)建小企業(yè)信用風險預(yù)警模型.財會月刊，2013，3.
[5]張培.非財務(wù)指標對商業(yè)銀行企業(yè)信用評級的影響研究――以上市公司為例.2009，2.
（一）數(shù)據(jù)選取與處理
1．指標的選取
本文選取8個財務(wù)指標進行建模?？紤]到資產(chǎn)負債率和速動比率為適度指標，在選入之前，本文將其進行正向化處理，即用其絕對值的倒數(shù)表示其值。于是記X1為資產(chǎn)負債率（正向化后），X2為速動比率（正向化后），X3為債務(wù)總額，X4為凈資產(chǎn)收益率，X5為主營業(yè)務(wù)利潤率，X6為總資產(chǎn)周轉(zhuǎn)率,X7為流動資產(chǎn)周轉(zhuǎn)率，X8為主營業(yè)務(wù)收入同比增長率。
2．應(yīng)變量的選取
由于我國的企業(yè)信貸違約數(shù)據(jù)一般僅供各個商業(yè)銀行內(nèi)部使用，獲取的難度很大，本文采用傳統(tǒng)的分析方法定義企業(yè)的違約情況，即將ST股（上市公司因財務(wù)狀況異常而被“特殊處理”）視為違約的借款企業(yè)，將非ST股視為非違約的借款企業(yè)。這兩類企業(yè)分別用0、1兩個虛擬變量來表示，其中，0表示違約企業(yè)，1表示非違約企業(yè)。
3．樣本的選取
為了有效地去除宏觀經(jīng)濟因素和行業(yè)因素的影響，使評級結(jié)果更準確穩(wěn)定，本研究的樣本全部來自WIND數(shù)據(jù)庫上市公司2006年制造業(yè)企業(yè)的財務(wù)數(shù)據(jù)及該行業(yè)2007年ST和非ST的公布結(jié)果。用μ±3σ的原則剔除了異常值后，本文一共采用了147家上市公司的數(shù)據(jù)，其中ST公司49家，非ST公司98家。然后，將樣本隨機分成兩組，第一組120家作為訓(xùn)練樣本，其中ST公司40家，非ST公司80家。第二組27家作為檢驗樣本，其中ST公司9家，非ST公司 18家。
4．因子分析
用SPSS軟件對訓(xùn)練樣本中120家公司的8個財務(wù)指標進行因子分析后結(jié)果如表1所示（在SPSS的結(jié)果中，各變量都被進行了標準化處理，故用“*”表示）。
從表1可見，速動比率與資產(chǎn)負債率、債務(wù)總額三者之間存在較大的相關(guān)性，流動資產(chǎn)周轉(zhuǎn)率與總資產(chǎn)周轉(zhuǎn)率之間也是如此。從表可見：X1、X2、X3在因子f1上都具有較大的正載荷，而其他變量在f1上的載荷都較小，因而該因子可以稱為償債能力因子；在因子f2上， X6、X7都有很大的正載荷，其他變量的載荷較小，該因子可以稱為營運能力因子；在因子f3上，X4有很大的正載荷，X5有中等的正載荷，而其余變量的載荷基本都較小，這個因子可以稱為盈利能力因子；在因子f4上，X8有很大的正載荷，其他變量的載荷都很小，該因子可稱為成長能力因子。
根據(jù)式(1)，將訓(xùn)練樣本中120家企業(yè)的財務(wù)數(shù)據(jù)標準化后代入因子得分公式，就可以計算出每個企業(yè)的四個公共因子得分，分別記為f1、f2、f3和f4。在下文建立的邏輯回歸和Fisher判別分析模型中，將這四個公共因子作為模型的解釋變量，這樣就避免了變量出現(xiàn)多重共線性的情況。
（二）建立模型
1．邏輯回歸模型
對120家訓(xùn)練樣本企業(yè)，用向前逐步法建立二項邏輯回歸模型，SPSS的輸出結(jié)果如表2所示。
從表2中可以看出：逐步回歸首先引入了第一個因子f1――償債能力因子，表明其對預(yù)測結(jié)果的影響最顯著。接著引入第四個因子f4――盈利能力因子。然后引入第三個因子f3――成長能力因子。最后引入第二個因子f2――營運能力因子。四個變量的顯著性水平都較高，模型擬合結(jié)果較理想。因而，根據(jù)表中的參數(shù)估計值，可以得到二項邏輯回歸模型表達式為：
本文采用SPSS默認的Fisher判別分析模型，根據(jù)訓(xùn)練樣本中120家企業(yè)的違約情況數(shù)據(jù)以及消除了多重共線性后的四個因子得分數(shù)據(jù)，用逐步判別法建立模型，SPSS結(jié)果輸出如表3所示。
從表3來看，判別模型依次引入了f1、f3和f4三個因子。由Wilks′ Lambda檢驗，三個因子都是顯著的，這說明三步中分別納入判別函數(shù)的變量對正確判斷分類都是有作用的。
經(jīng)檢驗，在27家公司中，F(xiàn)isher判別分析模型錯判了3家企業(yè)。其中，有2家企業(yè)從非違約企業(yè)誤判為違約企業(yè)，誤判概率為11.1%；有1家企業(yè)從違約企業(yè)誤判為非違約企業(yè)，誤判概率為11.1%。模型總誤判概率為11.1%，總判別準確率為88.9%。
二、結(jié)論與展望
從建立兩個統(tǒng)計判別模型對企業(yè)信貸違約情況進行實證分析的結(jié)果看，兩個模型給出的企業(yè)是否違約的結(jié)論基本正確，判別效率在訓(xùn)練樣本和檢驗樣本中都較高。但比較來說，二項邏輯回歸模型的判別準確率要稍高于Fisher判別分析模型，而且前者的判別準確率也較后者穩(wěn)定。
摘要：信息化、網(wǎng)絡(luò)化時代的到來對商品流通企業(yè)來說是一把“雙刃劍”，一方面促進了商品流通行業(yè)結(jié)構(gòu)優(yōu)化、提高了行業(yè)發(fā)展效率，同時也給商品流通企業(yè)提出了更多挑戰(zhàn)。與此同時，商品流通企業(yè)信用風險評估體系的構(gòu)建更是迫在眉睫，充分利用商業(yè)數(shù)據(jù)，加深對信息流的認識是構(gòu)建信用風險評估體系的重要“物質(zhì)”基礎(chǔ)。文章在簡述商品流通行業(yè)現(xiàn)狀和趨勢的基礎(chǔ)上，進一步剖析了目前我國商品流通企業(yè)信用風險評估存在的問題，最后根據(jù)網(wǎng)絡(luò)信息數(shù)據(jù)與信用風險評估的關(guān)系給出建議措施，這對提高商品流通企業(yè)信用風險管理效率有一定的促進意義。
關(guān)鍵詞：商品流通企業(yè) 商業(yè)數(shù)據(jù) 信息流 信用風險評估體系
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，主要是通過低價購進高價售出的方式實現(xiàn)商品的流通，在支出流通過程中的各項費用后，以獲取最終差價作為公司的利潤。商品流通過程主要包括商品購進、銷售、調(diào)配、存儲及運輸?shù)龋渲匈忂M和銷售屬于關(guān)鍵環(huán)節(jié)，所有流通過程都是圍繞商品銷售而展開。隨著網(wǎng)絡(luò)信息時代的到來，商業(yè)流通行業(yè)競爭愈發(fā)激烈，對行業(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。
一、商品流通行業(yè)的發(fā)展現(xiàn)狀和趨勢
網(wǎng)絡(luò)信息化的普及深刻地影響著整個經(jīng)濟社會，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生產(chǎn)力和發(fā)展水平的制約，隨著信息化時代的到來，商業(yè)流通將不斷改變并呈現(xiàn)出新的發(fā)展態(tài)勢，同時提出新的發(fā)展要求，也就是說商業(yè)流通行業(yè)逐漸被細化、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)，而且國際貿(mào)易環(huán)境、信息化、市場化、城市化水平都是商品流通企業(yè)發(fā)展的重要影響因素。對于商業(yè)流通行業(yè)來說，公路、水路、鐵路、高鐵以及空運的發(fā)展使得流通成本日益降低，發(fā)達的交通網(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)展來看：一方面，在我國城市化進程的推動下，商品流通企業(yè)將面臨新一輪的“洗牌”，每個行業(yè)的主導(dǎo)流通公司將逐漸減少并穩(wěn)定在一定的數(shù)量內(nèi)；另一方面，在激烈的競爭環(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)正在從冗長的流通環(huán)節(jié)中掙脫出來，實現(xiàn)直接對終端環(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)中各個分工更加明確。
二、商品流通企業(yè)信用風險評估存在的問題
在網(wǎng)絡(luò)信息化時代下，商品流通企業(yè)不僅經(jīng)歷了激烈的競爭，還逐漸形成了清晰的管理鏈條。對于商品流通企業(yè)來說，市場需求越來越細致，產(chǎn)品生命周期越來越短暫，信用風險系統(tǒng)變得越來越重要，但信用風險評估系統(tǒng)還存在不少問題。
（一）商品流通企業(yè)信用風險理念與時代脫節(jié)
信用風險是一種損失可能性和不確定性，風險的發(fā)生不確定，發(fā)生的時間不確定，發(fā)生的原因不確定，造成的損失更不確定。隨著經(jīng)濟的發(fā)展，在全網(wǎng)絡(luò)和信息時代，需要進一步強化在商業(yè)流通市場中的信用風險理念，而許多商品流通企業(yè)還沒有轉(zhuǎn)變信用風險理念，信用風險評估依舊被當作一種“成本”，并且經(jīng)營業(yè)務(wù)往往會受到信用風險理念的影響，也就是說商品流通企業(yè)沒有建立信用風險管理體系，認為信用風險管理增加了管理成本，沒有認識到信用風險管理帶來的經(jīng)濟效益，也沒有在新的社會經(jīng)濟時代中轉(zhuǎn)變信用風險理念，這直接影響信用風險評估體系與信息數(shù)據(jù)的關(guān)聯(lián)程度，更無法利用網(wǎng)絡(luò)信息化帶來的信息便利?？傊?，在網(wǎng)絡(luò)信息時代下，商品流通企業(yè)還沒有轉(zhuǎn)變信用風險理念，這讓信用風險評估體系無法充分發(fā)揮應(yīng)有的作用。
（二）缺乏信用風險管理的重要性意識
在商業(yè)流通中，各個流通環(huán)節(jié)的信息會形成信息流，信息流是商品流通企業(yè)運行的輔助劑，是公司穩(wěn)定運轉(zhuǎn)的保障。商品流通企I由于本身經(jīng)營管理意識的匱乏，對于信息流的收集和管理不夠重視，更不能意識到信用風險管理系統(tǒng)的重要性。信用風險可以說是違約風險，是交易雙方一方不履行合約義務(wù)造成的經(jīng)濟損失的風險，是一種金融風險，信用風險對商品流通企業(yè)有著不可忽略的影響和作用。商品流通企業(yè)信用風險管理需要考慮企業(yè)素質(zhì)、資金信用狀況、經(jīng)營管理水平、經(jīng)濟效益等，而每個考察方面都必須制定定性和定量指標，所有評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)信用風險評估和預(yù)防體系缺乏有效匹配
我國市場容量隨著社會發(fā)展變得越來越大，同時消費者的需求也更加復(fù)雜，商品流通企業(yè)針對不同消費需求，對市場的細分更是越來越細，針對不同的市場區(qū)域和利益相關(guān)體需要區(qū)別信用風險評估和預(yù)測體系，不同的管理對象有著不同的風險特點，商品流通企業(yè)信用風險評估和預(yù)防就必須具備個體特性，不同性質(zhì)和利益關(guān)系的對象有不同的信用風險評估和預(yù)防方法。此外，市場需求越來越細，產(chǎn)品生命周期越來越短，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)市場發(fā)展方向動態(tài)調(diào)整信用風險評估和預(yù)防體系，而很多商品流通企業(yè)由于自身規(guī)模小，對相關(guān)利益群體和消費市場沒有進行細致的劃分，因此沒有建立針對性的信用風險評估和預(yù)防體系，也就是說商品流通企業(yè)信用風險評估和預(yù)防體系缺乏匹配性。
（四）商品流通企業(yè)信用風險評估和預(yù)防體系不完善
信用風險評估和預(yù)防是一個完整的管理體系，不僅涵蓋了信用評估指標和要素、評估標準和等級，還需要信用評估方法和數(shù)據(jù)模型。其中信用風險評估方法和指標是最主要的內(nèi)容，我國在信用風險評估指標體系中主要包含基本信息的綜合評估、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用和銷售等經(jīng)營狀況、利潤的實現(xiàn)情況和前景、中長期發(fā)展規(guī)劃和執(zhí)行目標等方面，商品流通企業(yè)信用風險評估體系的建立在指標和方法選擇上沒有嚴格區(qū)分信用風險的內(nèi)、外部因素。因此，信用風險評估指標和方法在定量和定性指標結(jié)構(gòu)上也沒有進行具體的區(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，這就說明商品流通企業(yè)信用風險評估和預(yù)防體系不完善。
三、建h與措施
隨著時代的進步，商業(yè)流通領(lǐng)域發(fā)生了極大變化，人們工作和社會環(huán)境不斷改變，城市化程度也在加深，商品流通企業(yè)之間的競爭更加激烈，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)濟環(huán)境中，加強信用風險評估體系的建立顯得尤為重要。
（一）加強商品流通企業(yè)流通鏈條的認識，提高信用風險預(yù)防效率
對于商品流通企業(yè)來說，市場競爭不僅僅只發(fā)生在生產(chǎn)企業(yè)之間，也包括經(jīng)銷商、零售商在內(nèi)的整條流通價值鏈上。除了部分商品流通企業(yè)是直接經(jīng)營終端和面對消費者的，大部分商品和服務(wù)都需要經(jīng)過經(jīng)銷商和零售商與消費者達成交易。生產(chǎn)企業(yè)、經(jīng)銷商、零售商和消費者形成了商業(yè)流通的完整價值鏈，鏈條間有著多方面不同的利益訴求，同時還處處存在矛盾，包括價值傳遞、利益分享等。商品流通企業(yè)在流通價值鏈上不同利益方有著不同的利益訴求，生產(chǎn)企業(yè)要求出廠價能更高，而經(jīng)銷商和零售商則是要求進貨價能更低，消費者則希望商品能夠再便宜點。因此，愈來愈多的零售商都在試圖壓縮流通鏈條，減少價值鏈的環(huán)節(jié)，獲取更大的利益，這一變化和利益趨勢勢必影響信用風險評估和預(yù)防體系。商品流通企業(yè)要提高信用風險預(yù)防效率就必須認清流通鏈的發(fā)展趨勢，流通價值鏈的變化對信用風險預(yù)防體系有著直接影響。
（二）重視商業(yè)數(shù)據(jù)信息，加強信用風險評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)中各個價值鏈上重要環(huán)節(jié)的歷史信息和當前信息的集合，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)展動向的一種反映，更是產(chǎn)業(yè)未來的一種預(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)進行生產(chǎn)經(jīng)營管理的基礎(chǔ)，也是信用風險評估體系的根本。而商品流通企業(yè)信用風險評估體系是一項系統(tǒng)性工程，信用風險評估指標的選取是信用風險評估體系中的主要內(nèi)容之一，指標體系需要用系統(tǒng)工程建立的相關(guān)方法進行分析和選取，在指標選取中不僅要避免隨意性，還要遵守科學(xué)性、客觀性以及簡潔性原則，提高評估指標的評估效率。因此，在信用風險評估體系中要注重信息數(shù)據(jù)的收集和處理工作，提高評估指標體系的關(guān)聯(lián)度，最終構(gòu)建出完整的商品流通企業(yè)信用風險評估指標體系。
（三）提高商業(yè)數(shù)據(jù)認識，為構(gòu)建信用風險評估體系打下堅實的基礎(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)、消費需求數(shù)據(jù)以及相關(guān)市場數(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)建信用風險評估體系提供堅實的數(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)的特點以準確利用信息數(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，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)建信用風險評估體系提供硬性條件?？傊?，商品流通企業(yè)要構(gòu)建信用風險評估體系就必須加深對商業(yè)數(shù)據(jù)的認識，不僅要從自身特點認識商業(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：
[1]蔣，高瑜.基于KMV模型的中國上市公司信用風險評估研究[J].中央財經(jīng)大學(xué)學(xué)報，2015，（9）.
關(guān)鍵詞：銀行間市場；信用風險；風險管理
全球金融危機對金融機構(gòu)風險管理理念的最大影響之一就是對交易對手信用風險的重視。金融機構(gòu)評估對手方信用風險的方法、模型合理與否，關(guān)系到評估結(jié)果的優(yōu)劣。本文概要闡述了銀行信用風險計量方面的相關(guān)理論依據(jù)和基本做法。并對銀行間市場完善授信管理提出了具體建議。
一、信用風險評估理論
銀行等金融機構(gòu)信用風險評估方法大致有統(tǒng)計模型、CAMEL模型和專家判斷模型等三種理論依據(jù)：
(一)統(tǒng)計模型
利用統(tǒng)計模型進行信用評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)計債務(wù)人不能償還到期債務(wù)(違約)的可能性。評估結(jié)果與違約率的對應(yīng)關(guān)系是國際公認的事后檢驗評級機構(gòu)評估質(zhì)量標準的一項最重要的標尺。在商業(yè)銀行信用風險管理中，違約概率是指借款人在未來一定時期內(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。如何準確、有效地計算違約概率對商業(yè)銀行信用風險管理十分重要。不同評級機構(gòu)所設(shè)定的違約定義可能不同，所反映同一等級的質(zhì)量也因此而不同。只有違約定義相同的評級機構(gòu)，其評級結(jié)果才可以進行比較。有了對應(yīng)違約率的資信等級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度方法主要有兩種：基于內(nèi)部信用評級歷史資料的測度方法；基于期權(quán)定價理論的測度方法。
2．違約損失率(LossGivenDefault，LGD)理論
違約損失率是指債務(wù)人一旦違約將給債權(quán)人造成的損失數(shù)額占風險暴露(債權(quán))的百分比，即損失的嚴重程度。在競爭日益激烈、風險日益加大和創(chuàng)新日新月異的市場環(huán)境中，銀行對資產(chǎn)風險的量化和管理顯得越來越重要。傳統(tǒng)的信用風險評估方法因過于簡單、缺乏現(xiàn)代金融理論基礎(chǔ)等原因已經(jīng)不能適應(yīng)金融市場和銀行監(jiān)管的需要。以獨立身份服務(wù)于全社會公眾投資者、以公開上市債券為主的外部信用評級對銀行內(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越小。因此，銀行開始開發(fā)類似外部信用評級但又反映內(nèi)部管理需要的內(nèi)部信用評級系統(tǒng)，以適應(yīng)上述市場和內(nèi)部管理發(fā)展的需要。隨著銀行內(nèi)部評級體系的發(fā)展，越來越多的銀行認識到LGD在全面衡量信用風險方面的重要作用，評級體系的結(jié)構(gòu)開始由只注重評估違約率的單維評級體系向既重違約率又重違約損失率的多維評級體系發(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，這種方法以其簡單易操作而獲得歡迎。
(二)CAMEL模型
CAMEL評級體系是目前美國金融管理當局對商業(yè)銀行及其他金融機構(gòu)的業(yè)務(wù)經(jīng)營、信用狀況等進行的一整套規(guī)范化、制度化和指標化的綜合等級評定制度。其有五項考核指標，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)和流動性(Liquidity)。當前國際上對商業(yè)銀行評級考察的主要內(nèi)容基本上未跳出美國“駱駝”評級的框架?！榜橊劇痹u級體系的特點是單項評分與整體評分相結(jié)合、定性分析與定量分析相結(jié)合，以評級風險管理能力為導(dǎo)向．充分考慮到銀行的規(guī)模、復(fù)雜程度和風險層次，是分析銀行運作是否健康的最有效的基礎(chǔ)分析模型。在具體CAMEL模型的指標及其權(quán)重選取及校驗過程中，大多采用了回歸分析、主成分分析等統(tǒng)計方法。
(三)專家判斷模型
銀行信用評估的起點是對其財務(wù)實力的綜合判斷。應(yīng)從定量定性兩個角度綜合評估。經(jīng)營戰(zhàn)略、管理能力、經(jīng)營范圍、公司治理、監(jiān)管情況、經(jīng)營環(huán)境、行業(yè)前景等要素，無法通過確切數(shù)量加以計算，而專家打分卡是一種更加偏向于定性的模型。在缺乏外在基準值，如信用等級、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是：符合Basel要求．具有透明度和一致性：專家打分卡建模時間短，所需數(shù)據(jù)不需要特別的多：專家打分卡可充分利用評估人員的經(jīng)驗。
二、信用風險評估的通常做法
(一)信用風險評估的基本思路
評估方法應(yīng)充分考慮風險元素的定量和定性兩個方面，引入大量的精確分析法，并盡可能地運用統(tǒng)計技術(shù)。另一方面，不浪費定性參數(shù)的判別能力，并用以優(yōu)化計量模型的預(yù)測效能。除CAMEL要素外，還需考慮更多更深入的風險因素。評估要素主要包括品牌價值、風險定位、監(jiān)管環(huán)境、營運環(huán)境、財務(wù)基本面。
(二)信用風險評估模型的構(gòu)造
數(shù)據(jù)準備是模型開發(fā)和驗證的基礎(chǔ)，建模數(shù)據(jù)應(yīng)正確反映交易對手的風險特征以及評級框架。定義數(shù)據(jù)采集模板。收集、清洗和分析模型開發(fā)和驗證所需要的樣本數(shù)據(jù)集。影響交易對手違約風險要素主要有非系統(tǒng)性因素和系統(tǒng)性因素。非系統(tǒng)性因素是指與單個交易對手相關(guān)的特定風險因素，包括財務(wù)風險、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手相關(guān)的共同風險因素．如宏觀經(jīng)濟政策、貨幣政策、商業(yè)周期等。既要考慮交易對手目前的風險特征，又要考慮經(jīng)濟衰退、行業(yè)發(fā)生不利變化對交易對手還款能力和還款意愿的影響．并通過壓力測試反映交易對手的風險敏感性
(三)變量選擇方法
1．層次分析法
層次分析法(Theanlaytichierarchyprocess)簡稱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用經(jīng)驗、洞察力和直覺。層次分析法的內(nèi)容包括：指標體系構(gòu)建及層次劃分；構(gòu)造成對比較矩陣；相對優(yōu)勢排序；比較矩陣一致性檢驗。
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，通過原始變量的線性組合把多指標轉(zhuǎn)化為少數(shù)幾個綜合指標。在保留原始變量主要信息的前提下起到降維與簡化問題的作用，使得在研究復(fù)雜問題時更容易抓住主要矛盾。通過主成分分析可以從多個原始指標的復(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(即主成分)。
3．專家判斷
關(guān)鍵指標權(quán)重和取值標準設(shè)定是通過專家在定量分析的基礎(chǔ)上共同討論確定，取值標準是建立指標業(yè)績表現(xiàn)同分數(shù)之間的映射關(guān)系。取值標準的設(shè)定應(yīng)能夠正確區(qū)分風險，取值標準應(yīng)根據(jù)宏觀經(jīng)濟周期、行業(yè)特點和周期定期調(diào)整，從而反映風險的變化。
關(guān)鍵詞：銀行間市場；信用風險；風險管理
全球金融危機對金融機構(gòu)風險管理理念的最大影響之一就是對交易對手信用風險的重視。金融機構(gòu)評估對手方信用風險的方法、模型合理與否，關(guān)系到評估結(jié)果的優(yōu)劣。本文概要闡述了銀行信用風險計量方面的相關(guān)理論依據(jù)和基本做法。并對銀行間市場完善授信管理提出了具體建議。
一、信用風險評估理論
銀行等金融機構(gòu)信用風險評估方法大致有統(tǒng)計模型、CAMEL模型和專家判斷模型等三種理論依據(jù)：
(一)統(tǒng)計模型
利用統(tǒng)計模型進行信用評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)計債務(wù)人不能償還到期債務(wù)(違約)的可能性。評估結(jié)果與違約率的對應(yīng)關(guān)系是國際公認的事后檢驗評級機構(gòu)評估質(zhì)量標準的一項最重要的標尺。在商業(yè)銀行信用風險管理中，違約概率是指借款人在未來一定時期內(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。如何準確、有效地計算違約概率對商業(yè)銀行信用風險管理十分重要。不同評級機構(gòu)所設(shè)定的違約定義可能不同，所反映同一等級的質(zhì)量也因此而不同。只有違約定義相同的評級機構(gòu)，其評級結(jié)果才可以進行比較。有了對應(yīng)違約率的資信等級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度方法主要有兩種：基于內(nèi)部信用評級歷史資料的測度方法；基于期權(quán)定價理論的測度方法。
2．違約損失率(LossGivenDefault，LGD)理論
違約損失率是指債務(wù)人一旦違約將給債權(quán)人造成的損失數(shù)額占風險暴露(債權(quán))的百分比，即損失的嚴重程度。在競爭日益激烈、風險日益加大和創(chuàng)新日新月異的市場環(huán)境中，銀行對資產(chǎn)風險的量化和管理顯得越來越重要。傳統(tǒng)的信用風險評估方法因過于簡單、缺乏現(xiàn)代金融理論基礎(chǔ)等原因已經(jīng)不能適應(yīng)金融市場和銀行監(jiān)管的需要。以獨立身份服務(wù)于全社會公眾投資者、以公開上市債券為主的外部信用評級對銀行內(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越小。因此，銀行開始開發(fā)類似外部信用評級但又反映內(nèi)部管理需要的內(nèi)部信用評級系統(tǒng)，以適應(yīng)上述市場和內(nèi)部管理發(fā)展的需要。隨著銀行內(nèi)部評級體系的發(fā)展，越來越多的銀行認識到LGD在全面衡量信用風險方面的重要作用，評級體系的結(jié)構(gòu)開始由只注重評估違約率的單維評級體系向既重違約率又重違約損失率的多維評級體系發(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，這種方法以其簡單易操作而獲得歡迎。
(二)CAMEL模型
CAMEL評級體系是目前美國金融管理當局對商業(yè)銀行及其他金融機構(gòu)的業(yè)務(wù)經(jīng)營、信用狀況等進行的一整套規(guī)范化、制度化和指標化的綜合等級評定制度。其有五項考核指標，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)和流動性(Liquidity)。當前國際上對商業(yè)銀行評級考察的主要內(nèi)容基本上未跳出美國“駱駝”評級的框架?！榜橊劇痹u級體系的特點是單項評分與整體評分相結(jié)合、定性分析與定量分析相結(jié)合，以評級風險管理能力為導(dǎo)向．充分考慮到銀行的規(guī)模、復(fù)雜程度和風險層次，是分析銀行運作是否健康的最有效的基礎(chǔ)分析模型。在具體CAMEL模型的指標及其權(quán)重選取及校驗過程中，大多采用了回歸分析、主成分分析等統(tǒng)計方法。
(三)專家判斷模型
銀行信用評估的起點是對其財務(wù)實力的綜合判斷。應(yīng)從定量定性兩個角度綜合評估。經(jīng)營戰(zhàn)略、管理能力、經(jīng)營范圍、公司治理、監(jiān)管情況、經(jīng)營環(huán)境、行業(yè)前景等要素，無法通過確切數(shù)量加以計算，而專家打分卡是一種更加偏向于定性的模型。在缺乏外在基準值，如信用等級、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是：符合Basel要求．具有透明度和一致性：專家打分卡建模時間短，所需數(shù)據(jù)不需要特別的多：專家打分卡可充分利用評估人員的經(jīng)驗。
二、信用風險評估的通常做法
(一)信用風險評估的基本思路
評估方法應(yīng)充分考慮風險元素的定量和定性兩個方面，引入大量的精確分析法，并盡可能地運用統(tǒng)計技術(shù)。另一方面，不浪費定性參數(shù)的判別能力，并用以優(yōu)化計量模型的預(yù)測效能。除CAMEL要素外，還需考慮更多更深入的風險因素。評估要素主要包括品牌價值、風險定位、監(jiān)管環(huán)境、營運環(huán)境、財務(wù)基本面。
(二)信用風險評估模型的構(gòu)造
數(shù)據(jù)準備是模型開發(fā)和驗證的基礎(chǔ)，建模數(shù)據(jù)應(yīng)正確反映交易對手的風險特征以及評級框架。定義數(shù)據(jù)采集模板。收集、清洗和分析模型開發(fā)和驗證所需要的樣本數(shù)據(jù)集。影響交易對手違約風險要素主要有非系統(tǒng)性因素和系統(tǒng)性因素。非系統(tǒng)性因素是指與單個交易對手相關(guān)的特定風險因素，包括財務(wù)風險、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手相關(guān)的共同風險因素．如宏觀經(jīng)濟政策、貨幣政策、商業(yè)周期等。既要考慮交易對手目前的風險特征，又要考慮經(jīng)濟衰退、行業(yè)發(fā)生不利變化對交易對手還款能力和還款意愿的影響．并通過壓力測試反映交易對手的風險敏感性
(三)變量選擇方法
1．層次分析法
層次分析法(Theanlaytichierarchyprocess)簡稱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用經(jīng)驗、洞察力和直覺。層次分析法的內(nèi)容包括：指標體系構(gòu)建及層次劃分；構(gòu)造成對比較矩陣；相對優(yōu)勢排序；比較矩陣一致性檢驗。
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，通過原始變量的線性組合把多指標轉(zhuǎn)化為少數(shù)幾個綜合指標。在保留原始變量主要信息的前提下起到降維與簡化問題的作用，使得在研究復(fù)雜問題時更容易抓住主要矛盾。通過主成分分析可以從多個原始指標的復(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(即主成分)。
3．專家判斷
關(guān)鍵指標權(quán)重和取值標準設(shè)定是通過專家在定量分析的基礎(chǔ)上共同討論確定，取值標準是建立指標業(yè)績表現(xiàn)同分數(shù)之間的映射關(guān)系。取值標準的設(shè)定應(yīng)能夠正確區(qū)分風險，取值標準應(yīng)根據(jù)宏觀經(jīng)濟周期、行業(yè)特點和周期定期調(diào)整，從而反映風險的變化。
(四)模型校驗修改
模型構(gòu)造完成后．需要相應(yīng)財務(wù)數(shù)據(jù)的不斷校驗修改。財務(wù)數(shù)據(jù)可直接向?qū)?yīng)機構(gòu)索取，也可通過第三方數(shù)據(jù)提供商獲得。直接獲取數(shù)據(jù)的方式準確性較高，但需對應(yīng)機構(gòu)積極配合．且需大量的人力物力用于數(shù)據(jù)錄入、核對和計算。通過第三方數(shù)據(jù)提供商獲取數(shù)據(jù)效率高，但需支付一定費用，且面臨數(shù)據(jù)不全、數(shù)據(jù)轉(zhuǎn)換計算等問題。在違約概率模型的開發(fā)過程中，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，需進行模型的壓力測試，確保模型在各種情況下都能獲得合理的結(jié)果．并對模型進行動態(tài)調(diào)整。
(五)引進或自主開發(fā)授信評估系統(tǒng)
根據(jù)完善授信評估模型，撰寫授信評估系統(tǒng)業(yè)務(wù)需求書．引進或自主開發(fā)授信評估系統(tǒng)，提高授信評估效率。授信評估系統(tǒng)還應(yīng)與會員歷史數(shù)據(jù)庫、限額管理系統(tǒng)、會員歷史違約或逾期等信息庫無縫連接，避免各個環(huán)節(jié)的操作風險。
三、對銀行間市場完善授信評估的啟示
(一)完善授信評估可積極推動銀行間市場業(yè)務(wù)發(fā)展
銀行間市場會員信用評估水平的提高?？捎行Х婪躲y行間市場系統(tǒng)性風險。為防范交易對手信用風險，市場成員需及時、合理、有效地對相應(yīng)會員銀行或做市商進行信用評估，并根據(jù)會員或做市商資信狀況的變化進行動態(tài)調(diào)整，為其設(shè)置信用限額。
(二)引進成熟的授信評估方法、模型和流程
根據(jù)巴塞爾協(xié)議的有關(guān)監(jiān)管要求，國內(nèi)大中型銀行都已經(jīng)或正在國際先進授信評估機構(gòu)的幫助下，開發(fā)PD或LGD評估模型。銀行間市場參與者應(yīng)學(xué)習(xí)借鑒國內(nèi)外先進的授信評估方法和模型。在消化吸收先進經(jīng)驗的基礎(chǔ)上，選擇國際先進咨詢機構(gòu)作為顧問，構(gòu)建授信評估方法和模型。
(三)引進或自主開發(fā)授信評估系統(tǒng)
為防止操作風險，提高授信評估工作效率，實現(xiàn)授信評估與機構(gòu)內(nèi)部相關(guān)系統(tǒng)的連接，銀行間市場參與者需根據(jù)授信評估方法、模型、授信資料清單、分析報告模板、建議授信計算公式等內(nèi)容。撰寫系統(tǒng)開發(fā)業(yè)務(wù)需求書，或引進先進的授信評估系統(tǒng)并進行客戶化改造．或選擇系統(tǒng)開發(fā)商進行自主開發(fā)授信管理系統(tǒng)。
[關(guān)鍵詞]供應(yīng)鏈；金融風險；評估
[DOI]10.13939/ki.zgsc.2015.25.103
1 供應(yīng)鏈金融風險分類
1.1 信用風險
通常來說銀行的信用風險，具體是指向銀行貸款的個人或者實行交易的人由于某些原因造成的違約進一步對銀行造成的損失風險。在供應(yīng)鏈融資中信用風險排在首位。從另外的角度分析，供應(yīng)鏈融資本身就是一種較為特殊的用于加強管理信用風險的技術(shù)。在傳統(tǒng)授信中銀行實施的擔保業(yè)務(wù)包括抵押授信、信用授信以及保證擔保授信三種。而要求存在第三方的是保證擔保授信，而信用擔保要求企業(yè)具備一定的實力、規(guī)模和大量資金。一般來說，中小企業(yè)是無法輕易得到這兩種形式的授信，但是供應(yīng)鏈金融業(yè)務(wù)具體面向中小企業(yè)，所以銀行必須分析中小企業(yè)的信用風險。
很多中小企業(yè)都具備下列特點：第一，無法充分披露信息，這樣就增加了評估企業(yè)貸款信用的難度。第二，沒有根據(jù)比例對授信成本收益進行分配。第三，中小企業(yè)相較于大型企業(yè)來說擁有更高的非系統(tǒng)風險系數(shù)，很多中小企業(yè)缺少完善的結(jié)構(gòu)，決策帶有隨意性，非常依賴個別客戶，造成他們出現(xiàn)了很大的波動性。
1.2 操作風險
由于企業(yè)內(nèi)部缺少完善的政策、人為失誤或者內(nèi)部失控等原因而導(dǎo)致銀行出現(xiàn)損失問題，這些損失包括與風險相關(guān)的全部支出費用。在對授信調(diào)查的過程中，具體操作風險就是人員因素，在供應(yīng)鏈融資中企業(yè)的交易信息是關(guān)鍵根據(jù)，控制風險中的目標便是交易過程中的物流和現(xiàn)金流。所以，調(diào)查授信的人員需要具備良好的專業(yè)素質(zhì)，這樣才可以有效避免疏漏和誤判。 在設(shè)計操作模式時，最關(guān)鍵的是對設(shè)計流程積極完善，避免操作風險的出現(xiàn)，同時供應(yīng)鏈融資必須對授信支持資產(chǎn)嚴格控制。
在審批融資過程中，最關(guān)鍵的是對操作風險有效提防，具體包括人員形成的風險、系統(tǒng)風險和流程風險。
在供應(yīng)鏈融資中，對物流和資金流有效控制的中心是授信后管理和出賬管理，尤其是預(yù)付業(yè)務(wù)和存貨業(yè)務(wù)，頻繁進行操作也是產(chǎn)生風險的主要原因。在不同的融資產(chǎn)品中，操作風險會通過各種形式積極表現(xiàn)，銀行一定按照實際情況進行整體分析。比如，在應(yīng)收賬款融資中，應(yīng)收賬款質(zhì)押要求三方比例配合，這樣就形成了復(fù)雜的業(yè)務(wù)流程，對應(yīng)的也會增加操作風險。
1.3 市場風險
所謂市場風險，本質(zhì)上是由于利率、股票、匯率等隨著市場的變化而出現(xiàn)的改變，進一步對銀行造成的風險。在供應(yīng)鏈金融中，銀行的收款風險具體是由市場風險與生產(chǎn)風險導(dǎo)致的。而供應(yīng)鏈金融將控制貨物權(quán)作為基礎(chǔ)，這樣就極易造成市場風險。因為商業(yè)銀行向中小企業(yè)發(fā)放貸款時以控制貨物權(quán)作為擔保，所以貨物的市場價值極容易對市場風險造成影響。在供應(yīng)鏈金融業(yè)務(wù)中，標準倉單抵押的東西通常是農(nóng)產(chǎn)品，而季節(jié)、國內(nèi)外需求和國際市場將會使這些農(nóng)產(chǎn)品出現(xiàn)價格波動。所以，企業(yè)頻繁變化的價格，進一步對授信額度與質(zhì)押率造成了影響。
2 供應(yīng)鏈金融風險評估
供應(yīng)鏈金融風險評估的重點是建立評估指標體系與評判標準以及明確指標權(quán)重并且實行一致性檢驗。
2.1 建立評估指標體系和評判標準
通過識別供應(yīng)鏈金融風險，可以科學(xué)建立融資風險評估體系，例如存貨質(zhì)押融資的供應(yīng)鏈金融風險評估指標體系，具體包括系統(tǒng)風險和非系統(tǒng)風險，其中系統(tǒng)風險包括宏觀和行業(yè)系統(tǒng)風險以及供應(yīng)鏈系統(tǒng)風險，而非系統(tǒng)風險包括信用風險、變現(xiàn)擔保物風險以及操作風險。
在評估供應(yīng)鏈金融風險的過程中，一線的評估人員應(yīng)當聯(lián)系現(xiàn)場調(diào)查、歷史資料數(shù)據(jù)，并且盡可能利用一些定量的分析工作實施綜合評估。在評估過程中，一些能夠采用定量公式進行衡量的指標，則盡可能進行定量評估。通過數(shù)據(jù)計算這些定量指標之后，就能夠設(shè)置合理的規(guī)則明確不同評分相應(yīng)的范圍。之后在具體評分上映射指標的定量數(shù)值。而無法定量的則利用打分方法。在這我們可以利用7級評分方法，就是每一個需要衡量評估的指標，最終按照其風險情況劃分為7個等級：風險很大1分、大2分、較大3分、一般4分、較小5分、小6分、很小7分。之后，可以聯(lián)系事前確定的每一指標的權(quán)重加強平均分值，獲得具體業(yè)務(wù)最后的評分結(jié)果，這一結(jié)構(gòu)可以在標準的評級上映射。
由于供應(yīng)鏈金融體現(xiàn)出的過程性與典型動態(tài)性，評估融資分值也必須是動態(tài)的。這就需要監(jiān)管方與評估人在貸款期間，聯(lián)系業(yè)務(wù)的變化動態(tài)對評估分值積極調(diào)整，以便準確對風險進行警示。
2.2 明確評估指標權(quán)重并且實行一致性檢驗
確定供應(yīng)鏈金融風險評估指標權(quán)重可以采取德爾裴法實行專家打分，也就是邀請專家分別估計出各個因素的權(quán)重，之后平均求出不同專家的估計并且得到各個指標的最終權(quán)重。具體步驟見下：
第一，建立判斷矩陣。在供應(yīng)鏈金融風險評估指標體系中，設(shè)計上一層指標A是準則，支配的下一層指標是B1，B2，…，Bn，各個元素對于準則A相對重要性即權(quán)重斡能夠利用標準法賦值。針對準則A，比較n個元素之間相對重要性獲得一個兩兩對比的判斷矩陣：
C=（bij）mun
第二，計算相對權(quán)重。供應(yīng)鏈金融風險評估指標體系中元素B1，B2，…，Bn，針對準則A的相對權(quán)重w1，w2，…，wn，可以得到向量形式W=（B1，B2，…，Bn）T。對于設(shè)計權(quán)重，通常利用幾何平均法，先按列相乘A元素得到新向量，之后把其每個分量開n次方，再把得到的向量歸一化之后就能夠得到向量公式：
i=l，2，…，n。也可以利用和法，特征根法等。
第三，一致性檢驗。要想判斷上述矩陣與權(quán)重是否科學(xué)，需要實施一致性檢驗。具體過程：相乘判斷矩陣與權(quán)重系數(shù)獲得矩陣CW；再求出矩陣最大特征根；之后帶人公式 獲得一致性檢驗指標 ；按照平均隨機一致性指標查出R.I數(shù)值；最后采用公式C.R=C.I/R.L獲得一致性比例C.R的數(shù)值。當C.R
3 案例分析
在供應(yīng)鏈金融風險評估指標體系中，設(shè)定供應(yīng)鏈系統(tǒng)風險指標是標準A，因此可以支配的下一層指標供應(yīng)鏈競爭風險指標、供應(yīng)鏈協(xié)調(diào)風險指標以及供應(yīng)鏈控制風險指標分別是B1，B2，…，Bn。通過查表獲得隨機一致性平均指標是0.58，所以得到CR=CI/RI=0.0007小于0.01，可知判斷矩陣形成了滿意的一致性，獲得相對于供應(yīng)鏈系統(tǒng)風險指標的權(quán)重來說三個指標滿足要求。
關(guān)鍵詞：信用風險；風險管理；避險原則
中圖分類號：F83 文獻標識碼：A
收錄日期：2015年3月25日
一、概述
（一）簡介。信用風險又稱違約風險，是指借款人、證券發(fā)行人或交易對方因種種原因，不愿或無力履行合同條件而構(gòu)成違約，致使銀行、投資者或交易對方遭受損失的可能性。
商業(yè)銀行因其經(jīng)營貨幣的特殊性，其所面臨的風險是與生俱來的，而信用風險是商業(yè)銀行所承受各種風險中最為主要的一類風險。在市場經(jīng)濟不斷發(fā)展的大背景下，隨著金融市場的不斷開放，銀行之間的競爭不斷加劇，信用風險的大小從根本上決定了整個金融體系的穩(wěn)定與否。這種風險不只出現(xiàn)在貸款上，也發(fā)生在承兌、擔保和證券投資等表內(nèi)、表外業(yè)務(wù)中。若銀行不能及時識別損失的財產(chǎn)，增加核銷壞賬的準備金，并在適當條件下停止利息收入確認，銀行就會面臨嚴重的風險問題。
（二）主要特征。信用風險的特征：1、客觀性；2、傳染性：一個或者少數(shù)信用主體的經(jīng)營困難或者破產(chǎn)就會導(dǎo)致整個信用鏈條的斷裂或者整個信用秩序的混亂；3、可控性：其風險可以通過控制降到最低；4、周期性：信用擴展與收縮交替出現(xiàn)
信用風險的特點：1、風險的潛在性；2、風險的長期性：培養(yǎng)企業(yè)與銀行之間的契約精神是一個長期的過程；3、風險的破壞性：許多企業(yè)面對欠賬的態(tài)度多是能躲則躲，因此浪費了銀行大量的人力、物力、財力；4、控制的艱巨性：銀行信貸風險的預(yù)測機制、轉(zhuǎn)移機制、控制機制沒有完全統(tǒng)一，因此難以控制。
（三）分類。1、違約風險；2、市場風險：資金價格市場的波動造成證券價格下降的下跌的風險。期限越長的證券，對利率波動就越明顯；3、收入風險：人們運用長期資金做多次短期投資時的實際收入低于預(yù)期收入的風險；4、購買力風險：指未預(yù)期的高通貨膨脹率所帶來的風險。
二、風險管理與測量
信用風險評估是商業(yè)銀行信用風險管理的首要工作和關(guān)鍵環(huán)節(jié)，事關(guān)銀行的生存和社會的穩(wěn)定，發(fā)達國家對信用風險度量和管理研究的關(guān)注程度越來越高，再加上以東南亞諸國為首的發(fā)展中國家對信用風險的關(guān)心，相信信用風險的度量和管理必將成為21世紀風險管理研究中心最具挑戰(zhàn)的課題。
（一）風險管理。信用風險管理，指的是針對交易對手、借款人或債券發(fā)行人具有違約可能性所產(chǎn)生的風險，進行管理。
（二）風險測量
1、專家系統(tǒng)是一種非常古老的信用風險分析方法，其顯著的特點是銀行信貸的決策權(quán)掌握在該機構(gòu)里經(jīng)過長期訓(xùn)練、擁有豐富經(jīng)驗的信貸人員手里。專家系統(tǒng)下，對貸款申請人的考察大多集中在5c上：①品德與聲望（Character）；②資格與能力（Capacity）；③資金實力（Capital）；④擔保（Collateral）；⑤經(jīng)營條件（Condition）。
同時，專家系統(tǒng)存在著諸多弊端，如需要大量的人力；易受專家專業(yè)水平的影響；不存在統(tǒng)一的標準。
2、信用評級方法是由美國貨幣監(jiān)理署開發(fā)，通過企業(yè)相關(guān)指標的好壞把企業(yè)的信用分為1～10十個等級。但是該方法也存在著不足之處，沒有明確的規(guī)定各項指標所占的權(quán)重。未能建立不同權(quán)重的評價體系。
3、信用評分方法包括兩種模型：第一種模型是Z模型。其主要內(nèi)容是根據(jù)數(shù)理統(tǒng)計中的辨別分析技術(shù)，對銀行過去的貸款案例進行統(tǒng)計分析，選擇一部分最能夠反映借款人的財務(wù)狀況，對貸款質(zhì)量影響最大，最具預(yù)測或者分析價值的比率，設(shè)計出一個能最大限度地區(qū)分貸款風險度的數(shù)學(xué)模型，對貸款申請人進行信用風險及資信評估。經(jīng)過統(tǒng)計分析和計算最終確定了借款人違約的臨界值：Z=2.675。若Z2.675借款人被劃入非違約組；第二種模型為ZETA信用風險模型。它是繼Z模型之后的第二代信用評分模型，變量由原始模型的5個增加到了7個，適用范圍更寬泛，對不良借款人的辨認精確度也更高。
目前，我國商業(yè)銀行的信用分析和評估技術(shù)仍處于傳統(tǒng)的比率分析階段。大多數(shù)商業(yè)銀行的信用風險衡量采用專家制度，使得評估過程中定量分析不夠，且評估人才嚴重匱乏。為此，我們應(yīng)盡快完善商業(yè)銀行的信用資產(chǎn)數(shù)據(jù)庫，建立健全企業(yè)信用評級制度；一方面高度重視內(nèi)部評級體系的研究、開發(fā)和使用；另一方面也要建立適合中國銀行業(yè)特點的風險評級模型，培訓(xùn)和建設(shè)一支專業(yè)化的信用風險評估團隊。
三、信用風險管理方法
（一）完善信息系統(tǒng)和定量分析技術(shù)?！缎掳腿麪栙Y本協(xié)議》在最低資本規(guī)定中，考慮信用風險、市場風險和操作風險，并為計量風險提供了備選方案。
（二）深入開展以信用衍生產(chǎn)品為主的金融創(chuàng)新研究。以衍生金融為特征的現(xiàn)代金融創(chuàng)新為創(chuàng)造性的解決各類金融問題提供了市場化工具，豐富和發(fā)展了現(xiàn)代金融市場，也為相關(guān)金融問題的解決提供了理論、技術(shù)與實踐支持。
（三）資產(chǎn)組合管理理念的培養(yǎng)。資產(chǎn)組合管理的實質(zhì)就是在風險收益極其相關(guān)性定量分析的基礎(chǔ)上，通過資產(chǎn)選擇與調(diào)整，實現(xiàn)組合的風險分散化、降低非系統(tǒng)風險、獲取分散化收益。隨著中國經(jīng)濟的迅速發(fā)展，可以通過交易監(jiān)督，在授信環(huán)節(jié)強化行業(yè)、產(chǎn)業(yè)鏈、區(qū)域與品種的組合管理；也可以采用資產(chǎn)證券化與貸款回收等風險控制與管理環(huán)節(jié)工作調(diào)整存量，實行資產(chǎn)組合管理，為進一步實現(xiàn)現(xiàn)代風險組合的資產(chǎn)優(yōu)化管理奠定基礎(chǔ)。
主要參考文獻：
[1]無名.浦發(fā)銀行信用風險管理問題研究.大連海事大學(xué)，2012.6.
[2]于立勇.商業(yè)銀行信用風險評估預(yù)測模型研究.北京大學(xué)光華管理學(xué)院學(xué)報，2003.10.
