朱 林

（湖南大眾傳媒職業(yè)技術(shù)學(xué)院，長沙 410100）

我國商業(yè)銀行信貸全面風(fēng)險管理與識別

朱 林

（湖南大眾傳媒職業(yè)技術(shù)學(xué)院，長沙 410100）

文章基于一種信貸風(fēng)險管理模型，探討商業(yè)銀行信貸全面風(fēng)險管理與識別。

商業(yè)銀行；信貸風(fēng)險；全面風(fēng)險管理

1 銀行信貸全面風(fēng)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(biāo)體系與信貸風(fēng)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(fù)雜關(guān)系，其模型如圖1所示。

銀行信貸風(fēng)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(shè)如下：

假設(shè)1：貸款企業(yè)的情況對信貸風(fēng)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(fēng)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(fēng)險影響的強有力證明之一。

假設(shè)2：環(huán)境因素對信貸風(fēng)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(fēng)險的關(guān)鍵因素。認(rèn)為中國銀行信貸風(fēng)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(fēng)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(shè)3：銀行信貸風(fēng)險管理內(nèi)部因素對信貸風(fēng)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(fēng)險管理的指導(dǎo)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(fēng)險的最關(guān)鍵因素。

假設(shè)4：貸款企業(yè)與環(huán)境的交互作用對信貸風(fēng)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(fēng)險有顯著的影響。環(huán)境因素一方面直接影響信貸風(fēng)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(fēng)險產(chǎn)生影響。

2 商業(yè)銀行的信貸風(fēng)險模型構(gòu)建

2.1 樣本數(shù)據(jù)和評價指標(biāo)體系

基于近幾年來信貸風(fēng)險評估指標(biāo)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(biāo)的選擇。指標(biāo)體系由財務(wù)指標(biāo)和非財務(wù)指標(biāo)組成，財務(wù)指標(biāo)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(wù)杠桿分析、資本市場分析及其它共24個財務(wù)指標(biāo)組成，如表1。

非財務(wù)指標(biāo)共7個，虛擬變量1和虛擬變量2，其具體取值見表2。指標(biāo)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(fēng)險底，屬非ST公司。“1”表示該公司信貸違約風(fēng)險高，容易發(fā)生信貸違約。在財務(wù)指標(biāo)當(dāng)中，盡管有些指標(biāo)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(wù)指標(biāo)選擇時，以提高銀行信貸風(fēng)險度量的準(zhǔn)確性。

運用ROSETTA V1.4.41中的Equal Frequency對財務(wù)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(fēng)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(yīng)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。”小張告訴記者，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(shè)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(yīng)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(biāo)，Vij=(aij,bij)分別為Nj關(guān)于指標(biāo)ci的量值范圍，即各評價等級關(guān)于對應(yīng)的評價指標(biāo)所取的范圍—經(jīng)典域。

表1 模型選取的財務(wù)指標(biāo)

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(yīng)用層次分析法來確定指標(biāo)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(fēng)險評估規(guī)則檢驗

表2 非財務(wù)指標(biāo)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(biāo)準(zhǔn)確預(yù)測，準(zhǔn)確率達到了85.7%；在非正常公司的14個樣本當(dāng)中有11個樣本預(yù)測準(zhǔn)確，準(zhǔn)確率達到了78.5%；所有樣本均可判別，總的準(zhǔn)確率達到了82.1%。檢驗結(jié)果表明，此模型預(yù)測精度良好。

采用可拓理論的企業(yè)信貸違約風(fēng)險評估規(guī)則具有較高的預(yù)測準(zhǔn)確性，總預(yù)測率在80%以上，可以提高信貸風(fēng)險預(yù)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(yù)測精度高于非正常公司的預(yù)測精度，總結(jié)其原因可能是非財務(wù)指標(biāo)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(yīng)高度關(guān)注個人住房信貸及個人住房抵押貸款的風(fēng)險，不能簡單地將個人貸款或消費性貸款視為低風(fēng)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(fēng)險的主要原因，其對信貸風(fēng)險的影響沒有起到顯著的作用。優(yōu)化銀行信貸風(fēng)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(fēng)險識別評估體系、風(fēng)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(yīng)主動開展信貸風(fēng)險排查，確保面臨的風(fēng)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(fēng)險甚于次貸危機威脅[J].新金融，2008，(5).

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

[6]胡栗源等.信息不對稱導(dǎo)致的信貸風(fēng)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(xué)出版社，2006.

[8]約瑟.羅培斯，馬可.勃格.信用風(fēng)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(fēng)險管理體系[J].中央財經(jīng)大學(xué)學(xué)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(fēng)險管理[J].現(xiàn)代管理科學(xué)，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(zé)任編輯/浩 天)