我國商業(yè)銀行信貸全面風險管理與識別

朱 林

（湖南大眾傳媒職業(yè)技術(shù)學院，長沙 410100）

我國商業(yè)銀行信貸全面風險管理與識別

朱 林

（湖南大眾傳媒職業(yè)技術(shù)學院，長沙 410100）

文章基于一種信貸風險管理模型，探討商業(yè)銀行信貸全面風險管理與識別。

商業(yè)銀行；信貸風險；全面風險管理

1 銀行信貸全面風險管理模型

貸款企業(yè)情況、環(huán)境因素、銀行內(nèi)部因素及其下一層次的子指標體系與信貸風險密切相關(guān)，而且貸款企業(yè)情況、環(huán)境因素、銀行內(nèi)部因素之間存在互動影響的復雜關(guān)系，其模型如圖1所示。

銀行信貸風險受到貸款企業(yè)、環(huán)境因素和銀行內(nèi)部因素三方面的影響，假設如下：

假設1：貸款企業(yè)的情況對信貸風險有顯著影響。貸款企業(yè)是信貸的主體之一，必然會影響到信貸的風險程度。國內(nèi)外關(guān)于貸款企業(yè)的各種評估模型的提出正是關(guān)注貸款企業(yè)對信貸風險影響的強有力證明之一。

假設2：環(huán)境因素對信貸風險有顯著影響。特別是在國內(nèi)的一些研究中，環(huán)境因素被看成是影響信貸風險的關(guān)鍵因素。認為中國銀行信貸風險問題出自中國的法律不健全、監(jiān)管不力等原因。環(huán)境因素即使對信貸風險有影響，其影響也弱于貸款企業(yè)和銀行內(nèi)部因素，并不是最關(guān)鍵的因素。

假設3：銀行信貸風險管理內(nèi)部因素對信貸風險有顯著影響。雖然銀行內(nèi)部控制理論由來已久，銀行信貸風險管理的指導思想大多還是偏重貸款企業(yè)和環(huán)境因素，沒有從管理理念上將銀行內(nèi)部因素作為影響信貸風險的最關(guān)鍵因素。

假設4：貸款企業(yè)與環(huán)境的交互作用對信貸風險有顯著的影響；銀行內(nèi)部因素與環(huán)境的交互作用對信貸風險有顯著的影響。環(huán)境因素一方面直接影響信貸風險，另一方面通過與貸款企業(yè)的交互作用、與銀行內(nèi)部因素的交互作用對信貸風險產(chǎn)生影響。

2 商業(yè)銀行的信貸風險模型構(gòu)建

2.1 樣本數(shù)據(jù)和評價指標體系

基于近幾年來信貸風險評估指標選取在公司資本市場分析上的不足，更加重了資本市場指標的選擇。指標體系由財務指標和非財務指標組成，財務指標是以上市公司的償債能力分析、盈利能力分析、營運能力分析、發(fā)展能力分析、流動性分析、財務杠桿分析、資本市場分析及其它共24個財務指標組成，如表1。

非財務指標共7個，虛擬變量1和虛擬變量2，其具體取值見表2。指標體系共由31個條件屬性構(gòu)成?！癝T”是決策屬性，取值為0或1，“0”表示該公司信貸違約風險底，屬非ST公司?！?”表示該公司信貸違約風險高，容易發(fā)生信貸違約。在財務指標當中，盡管有些指標之間存在較高的相關(guān)性，但因粗糙集是一種非線性的平行處理結(jié)構(gòu)模式，變量之間的相關(guān)性對數(shù)據(jù)處理的影響不大，因此在進行財務指標選擇時，以提高銀行信貸風險度量的準確性。

運用ROSETTA V1.4.41中的Equal Frequency對財務比率數(shù)據(jù)進行離散，得出不同斷點，然后按照其屬于不同的區(qū)間分為不同的類型。根據(jù)內(nèi)插值法原理，如將總資產(chǎn)周轉(zhuǎn)率劃分為[0，0.5]、(0.5，1]、（1，1.5]、(1.5,*]四個類別，并分別賦值為1、2、3、4，是為了計算上的方便，不影響最后結(jié)果。

2.2 引入可拓理論模型建立同征物元體

可拓理論是利用物元和可拓集合的組合來解決現(xiàn)實生活中的矛盾，化不可行為可行。根據(jù)物元的“一物多征、一征多物、一值多征”的理論，將以上定量因素聯(lián)立起來，建立起商業(yè)銀行的信貸風險可拓模型。

定義1：把物N，特征C及N關(guān)于C的量值V構(gòu)成的有序三元組R=(N,C,V)作為描述物的基本單元，稱為一維物元。N,C,V稱為物元R的三要素，其中C和V為R的特征元，關(guān)于特征C的取值范圍記為V(c)，稱為C的量域。

定義 2：物 N，n個特征 C1,C2,…，Cn及 N關(guān)于 Ci對應的量值Vi所構(gòu)成的陣列R稱為n維物元：

關(guān)聯(lián)函數(shù)是解決矛盾問題的定量化過程，就是把“具有某種性質(zhì)”的事物從定性描述拓展到 “具有某種性質(zhì)的程度”的定量描述。為了描述類間事物的區(qū)別，在建立關(guān)聯(lián)函數(shù)之前，規(guī)定點X與區(qū)間X0=之距為：

10月16日 ，遜克片區(qū)甘岔子加油站加油員小張手拿加油槍正站在一臺農(nóng)用施拉機上分別為車上的4個大桶加油?！耙粋€大桶能裝130升，加滿需要25分鐘，4個大桶加滿約需要1個半小時?！毙埜嬖V記者，現(xiàn)在還可以，等天再冷時，手、腳凍得受不了，就需要有別的加油員過來替換，總之不能耽誤農(nóng)民用油，真正高峰時比現(xiàn)在隊排得長，小張用手指了指后面排隊的兩三輛農(nóng)用車說。

設X=(c,d)，則稱D(x,X0,X)為位置，其中：

由以上可定義初等關(guān)聯(lián)函數(shù)為：

關(guān)聯(lián)函數(shù)的建立使得關(guān)聯(lián)度的確立不必依靠主觀判斷或統(tǒng)計，而是根據(jù)對事物的要求X0=和質(zhì)變區(qū)間X=(c,d)來確定，這使關(guān)聯(lián)函數(shù)擺脫了主觀判斷造成的偏差。這樣同征物元用一個物元來表示：

同征物元即為：

N表示事物N1,N2,N3,…，Nm的全體，即事物的各個評價級別，

N=N1∪N2∪N3…∪Nmvij為相應評價特征的量值。

2.3 模型的計算過程

R0是同征物元體。其中Nj表示將事物P劃分的第j個等級，ci表示第i個評價指標，Vij=(aij,bij)分別為Nj關(guān)于指標ci的量值范圍，即各評價等級關(guān)于對應的評價指標所取的范圍—經(jīng)典域。

表1 模型選取的財務指標

其中N為所分的等級的全體，(ann,bnn)為所有等級量值的取值范圍，即N的節(jié)域。

應用層次分析法來確定指標ci的權(quán)重

等級評定方法：如果：Kj0=maxKj，

則評定該事物P的等級為Nj0。

2.4 信貸風險評估規(guī)則檢驗

表2 非財務指標的賦值

為驗證其有效性，對測試子表中的28個樣本進行檢驗，具體如表3。檢驗結(jié)果表明：在正常公司的14個樣本中有12個指標準確預測，準確率達到了85.7%；在非正常公司的14個樣本當中有11個樣本預測準確，準確率達到了78.5%；所有樣本均可判別，總的準確率達到了82.1%。檢驗結(jié)果表明，此模型預測精度良好。

采用可拓理論的企業(yè)信貸違約風險評估規(guī)則具有較高的預測準確性，總預測率在80%以上，可以提高信貸風險預警體系中警度的判定精度，可為商業(yè)銀行信貸決策提供參考。但其在判別正常公司的預測精度高于非正常公司的預測精度，總結(jié)其原因可能是非財務指標選取不足及企業(yè)的行業(yè)差異所造成的，值得進一步的開展討論。

3 結(jié)論建議

近年來，出于戰(zhàn)略調(diào)整和經(jīng)營轉(zhuǎn)型需要，商業(yè)銀行普遍將個人信貸作為收入的主要增長點。商業(yè)銀行應高度關(guān)注個人住房信貸及個人住房抵押貸款的風險，不能簡單地將個人貸款或消費性貸款視為低風險貸款而不加選擇地大力發(fā)展。本研究的分析顯示，環(huán)境因素并不是產(chǎn)生信貸風險的主要原因，其對信貸風險的影響沒有起到顯著的作用。優(yōu)化銀行信貸風險管理主要是健全銀行內(nèi)部制度，建立健全適合銀行自身發(fā)展的風險識別評估體系、風險監(jiān)控體系和后評價體系。面對全球范圍內(nèi)擴散的金融危機，我國商業(yè)銀行應主動開展信貸風險排查，確保面臨的風險得到及時發(fā)現(xiàn)和化解。

[1]Huang,Z.,Chen,H.,Hsu,C.J.Credit Rating Analysis with Support Vector Machine and Neural Networks:A Market Comparative Study[J].Decision Support Systems,2004,(37).

[2]Min,J.H.,Lee,Y.-C.Bankruptcy Prediction Using Support Vector Machine with Optimal Choice of Kernel Function Parameters[J].Expert Systems with Applications,2005,28(4).

[3]Young-Chan Lee.Application of Support Vector Machines to Corporate Credit Rating Prediction[J].Expert Systems with Applications,2007，(33).

[4]廖強，曾怡景.中資銀行面臨的國內(nèi)信用風險甚于次貸危機威脅[J].新金融，2008，(5).

[5]劉大遠.商業(yè)銀行信貸風險的防范[J].生產(chǎn)力研究，2007，(6).

[6]胡栗源等.信息不對稱導致的信貸風險分析與對策[J].統(tǒng)計與決策,2006，(16).

[7]大衛(wèi)·G·梅斯，麗莎·海爾姆，阿諾·柳克西拉.改進銀行監(jiān)管[M].北京：中國人民大學出版社，2006.

[8]約瑟.羅培斯，馬可.勃格.信用風險模型有效性的評估方法探析[J].國際金融研究，2002，(9).

[9]裘清.構(gòu)筑我國商業(yè)銀行現(xiàn)代化信貸風險管理體系[J].中央財經(jīng)大學學報，2002，(4).

[10]趙宗俊.基于不對稱信息理論的商業(yè)銀行信貸風險管理[J].現(xiàn)代管理科學，2005，(3).

F830.5

A

1002－6487（2011）04－0128-02

朱 林（1969-），男，湖南永州人，碩士，副教授，研究方向：高等教育管理。

(責任編輯/浩 天)