徐洪明

摘 要：商業(yè)銀行對客戶的授信評級可引入多指標綜合評價的思想、理論和方法，實現(xiàn)多指標綜合評價與商業(yè)銀行客戶授信評級的有效結合。應根據(jù)各種評估技術特有的優(yōu)勢，并結合評估環(huán)境狀況，選擇簡單易行、符合銀行授信評級特點的評價方法；應注重多種綜合評價方法的組合使用，互相補充，從而更好地提高我國商業(yè)銀行授信評級的可靠性。

關鍵詞：商業(yè)銀行；授信評級；多指標綜合評價

中圖分類號：F830.5文獻標識碼：Ａ文章編號：１００６－３５４４（２０12）０2－００17－03

貸款信用風險管理是商業(yè)銀行內部風險管理的核心， 其中一個重要內容是對借款人進行信用風險評級，即商業(yè)銀行在發(fā)放貸款之前，首先對借款人不能履約的可能性進行評估， 并把這種可能性劃分為幾個等級， 以此作為標準來區(qū)分借款人資信的優(yōu)劣，進而做出貸款與否的決定。商業(yè)銀行對客戶的信用狀況進行評價， 屬于多指標綜合評價的范疇，因此，引入多指標綜合評價的思想、理論和方法，有利于提高授信評級的準確性、科學性。

一、多指標綜合評價在授信評級中的應用

（一） 授信評級中的評價模式分析

綜合評價模式大致分為三種類型：

1.“直接評價”。 目前我國商業(yè)銀行大都采用該種模式，盡管有些商業(yè)銀行的授信評級與該模式的流程有所出入， 但其思想和本質仍符合直接評價模式。直接評價模式簡單易懂、可操作性強。

2. “先分類后評價”。該模式屬于排序評價，候選方案的取舍不僅取決于自身，而且取決于其他方案的“狀態(tài)”，商業(yè)銀行的信貸行為更多的是取決于客戶自身條件與既有標準的比較。因此，該模式很少應用于客戶授信評級。

3. “先學習后評價”。實現(xiàn)“學習”，必須具備一定量的樣本，樣本的質量直接關系到“學習”的效果。商業(yè)銀行要建立各類客戶信用的數(shù)據(jù)庫， 如冶金、化工、機械、貿易等，并用這些已“認可”的知識來評估客戶信用狀況，神經(jīng)網(wǎng)絡就是此類模式的代表。朱順泉以廣泛采用BP神經(jīng)網(wǎng)絡學習算法為例 [1] ，將評價指標個數(shù)定為輸入結點數(shù)?？蓪⑿庞脿顩r分為兩類，即輸出結果為兩個， 采用如下的形式表示： 良好（1，0），不良（0，1）；亦可分為五級，中間節(jié)點的個數(shù)應該小于輸入節(jié)點數(shù)，而大于輸出節(jié)點數(shù)，并通過公式計算確定。同時，確定隱含層、輸出層的神經(jīng)元的傳遞函數(shù)及網(wǎng)絡訓練的訓練次數(shù)、精確度、學習速率等參數(shù)，將同類企業(yè)的已確認的結果作為訓練數(shù)據(jù)，將被評價客戶的指標值作為測試數(shù)據(jù)， 將神經(jīng)網(wǎng)絡優(yōu)化算法分類程序存放在M文件wl. m中，并在Matlab狀態(tài)下執(zhí)行M文件，進而得到評估結果。應用以BP神經(jīng)網(wǎng)絡學習算法為代表的先學習后評價模式， 充分利用已“認可”的數(shù)據(jù)，結合計算機智能技術， 有效地提高了評級過程的簡便性與結果的可靠性。此外，繼神經(jīng)網(wǎng)絡之后，又一機器學習領域的方法——支持向量機（SVM）也用于授信評級，Young-Chan Lee [2] Wun-Hwa Chen and Jen-Ying Shih[3] 對此進行了應用研究，Zan Huang等 [4] 則將二者結合起來共同用于授信評級。

對于商業(yè)銀行而言， 應根據(jù)實際條件選擇有效的評價模式進行授信評級， 亦可將其他模式作為授信評級的輔助參考， 作為對原有模式的一種補充或驗證。

（二）授信評級中的評價要素分析

任何一項綜合評價活動的實現(xiàn)都是通過評價要素完成的，評價要素是評價活動的支撐，通常包括評價者、評價指標、指標權重、評價模型、評價對象等 [5-6] 。下面圍繞前四個要素，探討其在授信評級中的具體應用。

1. 評價者分析。授信評級從評價內容上看，既含有“硬評價”（如企業(yè)基本素質等）成分，也含有“軟評價”（如財務結構等）的成分。相對于“硬評價”，“軟評價” 則更依賴于評價者的知識和經(jīng)驗對評價對象做出判斷。由于參與授信評級的人員在知識結構、經(jīng)驗等方面有所差異，加之銀企之間信息不對稱等問題， 因此， 有必要建立有效的信息溝通與反饋機制，實施群組評價。 群組的設置及評價方式是評價活動的關鍵，也是目前研究的重點，可借鑒評價小組對話式評價等方式，充分集結群體專家的知識與經(jīng)驗，提高授信分析、預測的準確性。群組評價主要體現(xiàn)在指標權重與評價指標值的確定上，同時，要根據(jù)群組成員的知識、經(jīng)驗及對企業(yè)的了解程度，對評價者賦予不同的評分權重，即引入專家權威因子，實現(xiàn)對評價者的集成。

2. 評價指標分析。 授信評級指標分析包含指標體系的建立、 內部結構的設置及評價指標一致化與無量綱化處理等內容，是授信評級研究的重點。指標體系是對銀行客戶資信狀況的全面反映， 具有綜合性的特點。 信用評級指標體系要遵循綜合評價指標體系的構建原則，并呈遞階結構列示，其一級指標可用狀態(tài)向量x=［x1，x2，…，xm］表征。目前，我國部分商業(yè)銀行已建立各自的授信評級體系， 如中國工商銀行的信用評級內容包括領導者素質、經(jīng)濟實力、資金結構、經(jīng)營效益、信譽狀況和發(fā)展前景等6個方面； 交通銀行的信用評級包括償債能力、盈利能力、資產(chǎn)管理能力、企業(yè)發(fā)展?jié)摿?、行業(yè)狀況、管理狀況、經(jīng)營狀況和信用狀況等8個方面的內容。同時，國內也有研究者針對指標體系做了較為全面的探討。 如張燕卿[7] 指出現(xiàn)行的評級指標體系存在的問題，即過度偏好規(guī)模而忽略其他綜合因素， 大多只反映企業(yè)過去而忽視未來的償債能力， 并分析了設計思路及28個二級指標。朱子云 [8] 指出商業(yè)銀行客戶信用等級評判應當綜合考慮客戶守信程度、 客戶財務風險程度和客戶經(jīng)營風險程度三個層次的因素， 應當從信貸資源回報率、 經(jīng)營成果依存度兩個方面進行綜合分析和評判， 并提出了客戶授信等級評判系統(tǒng)。覃發(fā)艷 [9] 匯總了工、農(nóng)、中、建、交等商業(yè)銀行的財務評價指標， 建立了商業(yè)銀行小企業(yè)客戶評級指標體系，并以湖北省宜昌市為例做了實證研究。關于評價指標， 商業(yè)銀行應在遵守中國人民銀行及銀監(jiān)會相關法規(guī)的基礎上，從自身的實際出發(fā)，建立符合自身特點的授信評級指標，同時應針對不同行業(yè)、不同企業(yè)規(guī)模設置不同的指標體系， 并根據(jù)評估環(huán)境的變化，適時地進行調整，體現(xiàn)合規(guī)性、動態(tài)性和及時性。關于指標值（尤其是定性指標），可充分集結評價者知識與經(jīng)驗；在指標值形式上，可嘗試采用模糊數(shù)等形式，并與其他形式得出的結果進行對比分析，提高授信評級的可靠性。

3. 指標權重分析。目前，部分商業(yè)銀行進行授信評級時，存在著指標權重“粒度”過大，方法過于簡單的現(xiàn)象。由于授信評級多屬于“整體”評價，而非排序評價，因此，指標賦權更多地采用主觀賦權法。已有研究者采用層次分析法等方法為信貸決策者提供定量的賦權分析技術， 具有較好的科學性和可操作性。 [10] 關于權重，鑒于其重要性，筆者認為應引入群體知識與經(jīng)驗， 將指標權重與評價者要素結合起來，如可采用群體AHP、群體序關系分析法等方法，同時亦可結合某些智能技術如粗糙集（Rough set）算法，將多個客戶樣本信息利用Rosetta軟件進行約簡，提取“知識”，找出影響企業(yè)信用狀況的核心因素，完成對指標權重的優(yōu)化。

4. 評價模型分析。通過模型y=f（w，x）將各指標合成一個值，以反映銀行客戶信用的綜合狀況，其中w稱為權重向量，x稱為狀態(tài)向量。 對客戶的信用狀況做出全面、客觀的評估，選擇合適的評價模型尤為關鍵。 目前， 有關商業(yè)銀行信用量化評級模型的研究，主要有綜合打分法、模糊綜合評價法和多元統(tǒng)計分析方法，而在商業(yè)銀行信用評級實踐中，部分銀行僅采用綜合打分法來評定企業(yè)的信用等級， 綜合評價的方法尚未得到完全開發(fā)與應用。理論界的研究成果主要有：王小明 [11] 對目前我國商業(yè)銀行在信用評級研究中涉及的各種信用測度模型進行了系統(tǒng)的回顧與總結， 對現(xiàn)有各種評級方法的優(yōu)缺點及適用場合等做了必要的比較研究， 并給出了建立信用風險評級模型的基本設想；尹宗成等 [12] 在對風險、信用風險概念分析的基礎上，對國內外主要的信用風險評估方法進行述評； Liang-Hsuan Chen and Tai-Wei Chiou [13] 則將模糊積分（Fuzzy integral）引入到商業(yè)貸款信用評級中來， 模糊積分放松了對指標相互獨立的苛刻要求，只要求指標滿足單調性即可，而授信評級指標具有較強的相關性，因此，采用模糊積分模型可使評價結果更接近客觀實際狀況。

二、 多指標綜合評價在授信評級中的應用創(chuàng)新

通過文獻分析發(fā)現(xiàn)， 理論界有關商業(yè)銀行授信評級模型的研究已從傳統(tǒng)方法向人工智能方法轉化，從單一方法分析向組合方法過渡。但這些方法在走向實踐中存在一個問題， 即眾多方法屬于靜態(tài)評價方法（基于歷史重復的假設），只能反映客戶的歷史，無法反映其未來的信用變化情況，而借款人未來的財務狀況對商業(yè)銀行來說意義更大。因此，應采用能動態(tài)預測借款企業(yè)未來信用變化的評估方法。筆者建議可嘗試采用“三維立體”評價模型。 [14] “三維”是指“歷史維”、“現(xiàn)狀維”與“未來維”，此類模型將歷史信息、現(xiàn)時狀況及未來預測集結在一起，通過y=■?棕tyt給出綜合評價值。?棕1，?棕2，?棕3為相應于“歷史”、“現(xiàn)狀”、“將來”的權重系數(shù)，由授信評級專家給出，為授信評級專家對客戶未來發(fā)展的估測值。 該模型具有注重歷史、立足現(xiàn)在、集納未來的特性，充分利用了商業(yè)銀行客戶在不同時期的發(fā)展狀況， 評價信息全面，形成了一個“三維”評價結構，具有動態(tài)性，符合授信評級的要求。

進行綜合評價，并不意味著只注重“整體”，而忽視“局部”，有些客戶的綜合評價值較高，但部分指標可能存在較低的情況，仍然存在風險隱患。從系統(tǒng)學的角度出發(fā)，一個系統(tǒng)的內部如果是協(xié)調的，那么系統(tǒng)的整體功效應該是高的；相反，如果系統(tǒng)的內部是不協(xié)調的，盡管它在某些方面具有較大的局部功效，但整體效益相對偏低。因此，評價系統(tǒng)的運行狀況應注重它的內部整體效益。 多指標綜合評價一般采用線性模型集結信息，但對于線性模型而言，評價指標之間具有較強的彌補性，其對“弱指標”并不敏感，即某些較低的指標值可以通過較高的指標值來線性彌補， 而最后的綜合評價結果并不能完全反映內部情況，這也是線性模型的主要缺陷。為此可引入狀態(tài)空間劃分理論， [15] 將m維狀態(tài)空間D按照一定的分類線（既定標準） 劃分為三個部分（A、B和C，D=A∪B∪C），根據(jù)指標值將指標對應到不同的狀態(tài)空間。對于落入低水平空間C（各項指標值均低于低標準分類線）的客戶基本上不予以考慮，雖然其內部是協(xié)調的，但整體效益也是偏低的；對于落入空間A或B（各項指標值均高于“低標準分類線”）的客戶可予以考慮；對于落入高水平空間A（各項指標值均高于“高標準分類線”）的客戶可優(yōu)先考慮，而橫跨三個空間的客戶要具體分析。 只有那些整體效益高且發(fā)展協(xié)調的客戶才是商業(yè)銀行理想的信貸客戶。

四、結語

將多指標綜合評價的思想、 理論與方法應用于我國商業(yè)銀行客戶的授信評級， 將有利于促進銀行授信評級的科學化，提高銀行內部風險管理水平。商業(yè)銀行實施授信評級應針對各種技術特有的優(yōu)勢，結合評估環(huán)境狀況， 注重多種綜合評價方法的組合使用，繼承各自優(yōu)點，克服缺點，互相補充。隨著對數(shù)學、統(tǒng)計學、計算機智能等理論與方法的吸收借鑒，將有更多簡單易行、 符合銀行授信評級特點的綜合評價方法引入， 這不僅能有效拓展綜合評價技術的應用范圍， 更重要的是可以提高我國商業(yè)銀行授信評級的可靠性。

參考文獻：

［1］朱順泉. 基于Matlab的BP神經(jīng)網(wǎng)絡在現(xiàn)金流量分析中的應用［J］. 中國管理信息化，2008，11（6）：39-40.

［2］Young-Chan Lee. Application of support vector machines to corporate credit rating prediction［J］. Expert Systems with Applications，2007，33（1）：67-74.

［3］Wun-Hwa Chen and Jen-Ying Shih. A study of Taiwans issuer credit rating systems using support vector machines［J］. Expert Systems with Applications，2006，30（3）：427-435.

［4］Zan Huang，Hsinchun Chen，Chia-Jung Hsu，Wun-Hwa Chen and Soushan Wu. Credit rating analysis with support vector machines and neural networks：a market comparative study［J］. Decision Support Systems，2004，37（4）：543-558.

［5］陳衍泰，陳國宏，李美娟. 綜合評價方法分類及研究進展［J］. 管理科學學報，2004，7（2）：69-79.

［6］王宗軍. 綜合評價的方法、問題及其研究趨勢［J］. 管理科學學報，1998（1）：73-79.

［7］張燕卿. 商業(yè)銀行客戶信用等級評價指標體系研究［J］. 中國電力教育，2010（3）：265-266.

［8］朱子云. 商業(yè)銀行客戶授信等級評判系統(tǒng)的構想及其應用［J］. 金融論壇，2003（8）：48-53.

［9］覃發(fā)艷. 我國商業(yè)銀行對小企業(yè)評級授信的實證研究——以湖北省宜昌市為例［J］. 時代金融，2009（1）：52-54.

［10］鞠鑫，李爽詩. 論專家判斷分析法在銀行授信業(yè)務中的應用問題［J］. 經(jīng)濟師，2008（2）：206-207.

［11］王小明. 商業(yè)銀行信用風險評級測度方法研究［J］. 財經(jīng)研究，2005，31（5）：73-82.

［12］尹宗成，田峰，吳永輝. 商業(yè)銀行信用風險及評估方法應用述評［J］. 安徽農(nóng)業(yè)大學學報（社會科學版），2008，17（5）：24-29.

［13］Liang-Hsuan Chen and Tai-Wei Chiou. A fuzzy credit-rating approach for commercial loans：a Taiwan case［J］. Omega，1999，27（4）：407-419.

［14］王學軍，郭亞軍. 供應商選擇的三維動態(tài)組合評價方法及應用［J］. 工業(yè)工程與管理，2005（6）：19-22.

［15］郭亞軍. 綜合評價理論與方法［M］. 北京：科學出版社，2002：16-18.

（責任編輯：李丹；校對：郄彥平）