摘要：隨著貸款業(yè)務不斷發(fā)展，信譽風險已成為中國商業(yè)銀行面臨的最大風險。介紹了銀行貸款的風險分類，并給出貸款風險的指標評價體系，為了避免信息重疊，運用主成分分析法進行降維處理，同時引入了對數化法對指標進行無量綱化處理。結合模糊綜合評價理論建立風險等級評價模型，并用實例驗證了模型的有效性。

關鍵詞：模糊評價；風險；主成分分析；貸款

中圖分類號：F830.5 文獻標志碼： A 文章編號：1673-291X（2011）07-0073-04

商業(yè)銀行是具有綜合性服務功能的特殊企業(yè)。貸款業(yè)務是商業(yè)銀行的一項主要資產業(yè)務。貸款風險的大小和質量會對商業(yè)銀行經營管理產生根本影響，銀行貸款一般存在貸款金額大和風險較高的特點，因此貸款銀行必須對貸款項目進行嚴格的科學評估。中國銀行業(yè)監(jiān)督管理委員會統(tǒng)計，截至2007年第四季度末，中國商業(yè)銀行不良貸款余額達12 684.2億元，不良貸款率6.17%[1]。因此，研究如何構建項目貸款風險等級的評價體系，并在此基礎上對其進行科學的評判，就顯得很有現實意義。

目前，中國銀行的項目評價主要采用風險等級評定法，但在具體操作過程中，存在指標過于主觀化的問題，不管是主觀指標還是客觀指標，都采取單純的專家打分法，有點過于粗略，無法客觀反映貸款項目的真實風險，不利于銀行做出科學的貸款決策。文獻[2]采用層次分析法進行銀行貸款風險分類評價，沒有考慮到專家評價的主觀性。文獻[3～5]運用了模糊綜合評價法識別風險。本文對風險評價指標之間存在不同程的相關性以及信息重疊的可能性，采用主成分分析的方法進行降維處理，進而降低了實際計算的工作量。另外，本文針對貸款風險評價的模糊性，運用模糊綜合評價理論對項目貸款進行的風險評價。

一、銀行信貸風險及分類

風險是指由不確定性因素所引起損失產生的可能性。商業(yè)銀行的信貸風險，是商業(yè)銀行在經營過程中，由于不確定性因素使借款人不能按合同規(guī)定償還銀行貸款本息，導致信貸資產預期收入遭受損失的可能性。銀行信貸風險管理是指銀行通過對信貸風險的識別，選擇相應的手段，以最小的支出獲取最大安全效果的過程。

貸款風險分類指銀行綜合所獲得的各種信息，并運用最佳判斷，根據貸款風險程度對貸款質量作出論證。對貸款風險分類的標準，目前國際上沒有貸款分類標準，也沒有權威的準則和指導方針。中國人民銀行在比較研究各國在信貸資產分類方面做法的基礎上，要求商業(yè)銀行按風險程度將貸款劃分為五類，即正常、關注、次級、可疑、損失。（1）正常貸款：借款人能夠履行合同，沒有足夠理由懷疑貸款本息不能按時足額償還；（2）關注貸款：盡管借款人目前有能力償還貸款本息，但存在一些可能對償還產生不利影響的因素。雖然借款人目前償還貸款本息沒有問題，但是存在潛在的缺陷，繼續(xù)存在下去將會影響貸款的償還；（3）次級貸款：借款人的還款能力出現明顯問題，完全依靠其正常經營收人無法保證足額償還貸款本息，即使執(zhí)行擔保，也可能會造成一定損失；（4）可疑貸款：借款人無法足額償還貸款本息，即使執(zhí)行擔保，也肯定要造成較大損失。貸款已經肯定要發(fā)生損失，只是因為存在借款人重組、兼并、合并、抵押物處理或未決訴訟等待定因素，損失金額不能確定。（5）損失貸款：在采取所有可能的措施或一切必要的法律程序之后，貸款本息仍然無法收回，或只能收回極少部分。

二、銀行項目貸款風險評價指標評價體系

文獻[6]從銀行（債權人）角度出發(fā) ，將貸款的風險主要分為三類：財務風險、經營風險和道德風險。本文依據評價的科學性、可比性、綜合性和層次性的原則，基于中國現有的銀行項目貸款風險等級的評價指標，力求全面系統(tǒng)地反映真實的風險內涵。本文基于層次分析法的思想，首先確定目標層，即銀行項目貸款風險等級評價體系。然后確定準則層，項目管理者素質、項目概況、項目財務評價、項目獲利能力、社會效益、銀行自身素質6個指標。具體方案層指標（見下頁圖1）。

三、銀行貸款風險評價模型構建

（一）主成分分析法介紹

主成分分析（principle component analysis）是將多個指標轉化為一個或少數幾個互不相關的綜合指標一種多元統(tǒng)計分析方法，它的核心思想是降維，通過把具有相關關系的多個因子轉化為一組相互獨立的少數幾個綜合因子，把各原始指標因子中重疊的信息去掉，在不改變原始數據所提供的信息的基礎上更集中、更典型地顯示出研究對象的本質特征。由于傳統(tǒng)的主成分分析法沒有考慮原始變量之間可能存在著一種非線性關系，所以在本文引入了對數化法對指標進行無量綱化，即對原始數據矩陣進行對數化處理。主成分分析的步驟如下：

1.原始數據矩陣的構建

設有n個被評價對象，每個對象由p個指標x1，x2，…，xP來描述。則得到原始數據矩陣：

X=x11 x12 … x1Px21 x22 … x2P… … … …xn1 xn2 … xnP=（x1，x2，…，xP）

2.將原始數據標準化

引入了對數化法對指標進行無量綱化。即對原始數據矩陣進行對數化處理：yij=lnxij-lnxik

為了使各種評價指標具有可比性，采用如下公式（標準差標準化方法），對原始數據進行標準化處理。

x*ij= i=1，2，…n j=1，2，…p

其中，j和s2j分別是第j個指標的樣本均值和樣本方差，且j=yij

s2j=（yij-j）2

采用極值標準化公式把標準化數據壓縮到[0，1]區(qū)間，x′ij=，其中，x* j max和x* j min分別是標準化數據中的最大和最小值。

3.計算相關關系矩陣

由上一步得標準化數據矩陣X′=（x′ij），計算原始指標的相關系數矩陣。R=r11 r12 … r1Pr21 r22 … r2P… … … …rP1 rP2 … rPP，其中，rij是xi指標因子與xj指標因子的相關系數，且

rij=x′kix′kj i，j=1，2，…，p

4.求解相關矩陣的特征根和特征向量

相關矩陣R作正交變換得對角矩陣，即存在正交矩陣Q，使得

Q′RQ=λ1λ2 λP

其中，λ1，λ2，…，λP為R的p個特征根，設λ1≥λ2≥…≥λP對應的特征向量為aj=（a1j，a2j，…，apj）j=1，2，…，p

特征向量aj是主成分Yj的原始指標（標準化）的組合系數，即Yj=a*kjx* k j=1，2，…，p

5.計算方差貢獻率和累計方差貢獻率

第j個主成分Yj的貢獻率為：ej=

累計方差貢獻率是表示前個主成分所提取的原始數據信息量的比重 ，G（r）=ek

6.提取主成分

在已確定的全部p個主成分中合理選擇前r個來實現最終的評價分析。實際應用中，確定r的值通常要使G（r）達到70%～85%以上為原則。

（二）模糊綜合評價

1.評價因子和模型庫的確定

銀行貸款風險等級的標準模型庫定義為U={A1，A2，A3，A4，A5}，風險評價指標集為X={x1，x2，…，xn}。各評價因子的標準值（見表1）。

表1 評價因子的標準值

2.隸屬度計算

根據實際情況，隸屬函數按照指派方法確定，選擇梯形分布。A1、A2～Ａ4、Ａ5的隸屬函數分別為：

A1（xi）=1， xi≥ai1， ai1＞xi≥aii20， xi＜ai2

A5（xi）=1， xi≥ai4， ai5＞xi≥ai40， xi＜ai5

Aj（xi）=0， xi≥aij+1， aij-1＞xi≥aij， aij＞xi≥aij+10， xi＜aij+1

3.根據隸屬函數得出模糊評價矩陣B

4.計算各指標的權重V={v1，v2，…，vn}

5.綜合評價

進行模糊矩陣合成運算，項目貸款的風險評價。由公式C=V#8226;B計算出總體評價隸屬度。根據最大隸屬度原則可判斷風險等級。

（三）實證分析

本文以石家莊市某銀行項目貸款作為樣本，該項目為房地產開發(fā)建設，投資額巨大。風險也極高，因此，必然要對該建設項目進行科學的風險評估。

首先對指標進行主成分分析，對通過計算樣品的相關系數矩陣出發(fā)進行主成分分析，按照提取主成分的個數一般要求其累計方差貢獻超過80%的原則，提取前4個主成分（見表2）。

用主成分載荷矩陣中的數據除以主成分相對應的特征值開平方根便得到主成分中每個指標所對應的系數，具體數值（見表3），由于篇幅有限，只寫出了第一個主成分的表達式。

Y1=0.0807X1-0.3907X2+0.1391X3+0.2301X4-0.0673X5

+0.0152X6-0.0191X7+0.2357X8+0.4632X9+0.5794X10+0.2720X11

+0.3208X12+0.5058X13+0.2198X14+0.1449X15+0.2510X16+0.1950X17

-0.0426X18-0.0002X19+0.0686X20-0.2084X21-0.1163X22+0.010X23

在第一在主成分中，累計債務覆蓋率、項目債務償還率、總債務比率等指標，其權重均在0.4以上，可視為債務因素；在第二主成分中，內部收益率、現金流量的充足情況、利潤總額、凈資產收益率、銷售利潤率等指標，其權重均在0.4以上，可視為收益因素；在第三主成分中，學歷、信譽、管理能力、銷售能力、銀行信貸文化等指標所占比重較大，各指標權重均在0.4以上，可視為能力因素；在第四主成分中，項目的建設條件、先進適用性、市場的前景、公共關系評價、增加就業(yè)情況、對環(huán)境的影響等指標權重較大，可視為外部因素。

運用上述模型進行模糊綜合評價，根據各主成分的總貢獻率，可以確定4個主成分的權重。Ｖ＝｛0.329，0.280，0.228，

0.150｝，采用專家評分法確定指標值，計算4個主成分的得分，并代替原始樣本數據用于模糊評價，因子得分值（見表3）。

表3 主成分得分

根據上述模型中的隸屬函數得出模糊評價矩陣B。

B=0 0 0.54000 0.660 000.160 0 000 0 0 00.06 C=V#8226;Ｂ=（0.036，

０.185，0.178，0.009）

根據最大隸屬度原則，該大型水利水電項目貸款的風險等級為：關注貸款，與實際狀況基本一致。從各主成分得分可以看出，該項目的外部風險較大，因此，建議銀行規(guī)范貸款行為，正確評價項目的市場前景，并積極關注產業(yè)項目的發(fā)展走勢。

四、結論

1.本文使用主成分分析方法消除各指標間的相關影響，有助于對評價對象的正確認識，而且在合成時，可直接采用線性加權，非常方便。在本例中就是由23個指標合成為4個主成分，并根據主成分分析中的特征值來確定各指標的權重，直接應用于模糊評價模型。

2.本文運用的模糊綜合評價方法是定性與定量相結合、專家經驗與科學計算互為補充的系統(tǒng)分析方法。用該方法評定出的銀行項目貸款風險，有利于銀行作出客觀科學的信貸決策。

3.本文基于主成分分析法和模糊綜合評價法對商業(yè)銀行進行風險評價，實證顯示該方法與實際狀況基本一致，由于目前國際上沒有貸款分類標準和評分標準，因此，無法獲取更充分的數據。希望本文提出的模型能夠對商業(yè)銀行進行風險評價、降低貸款風險提供幫助。

參考文獻：

[1]中國銀行業(yè)監(jiān)督管理委員會.2007年商業(yè)銀行不良貸款情況表[EB/OL].http：//www.cbrc.gov.cn/.

[2]姜靈敏.基于AHP的商業(yè)銀行貸款風險分類評價模型[J].科技管理研究，2005，(9)：178-181.

[3]劉曉星，何建敏.銀行項目貸款風險等級的模糊綜合評價[J].研究管理，2003，(6)：49-54.

[4]蔡明瑞，黃志強.模糊綜合評價法在銀行貸款風險分類中的應用[J].合作經濟與科技，2004，(12)：23-24.

[5]聶名華，顏曉暉.境外直接投資風險識別及其模糊綜合評價[J].中南財經政法大學學報，2007，(2)：86-90.

[6]魏農.貸栽企業(yè)風險評價及規(guī)避[J].現代金融，2004，(11)：14-15.

Research on Fuzzy Comprehensive Evaluation of Commercial Bank Credit Risk

CUI He-rui，HUANG Jie

（Department of Economics and Management，North China Electricity Power University，Baoding 071003，China）

Abstract：With the continuous development of business loans，credit risk has become the greatest risk which commercial banks faced.This paper analyzed the risk classification of bank loans and gave the credit risk evaluation indicators system，in order to avoid duplication of information，used principal component analysis for reduced-order processing，in the meanwhile，used Logarithmic for non-dimensional treatment.Combined with fuzzy comprehensive evaluation to establish a risk prediction model，and an empirical were given to analyze the validity of the model

Key words：principal component analysis；risk；fuzzy comprehensive evaluation；load

[責任編輯 陳麗敏]