黃海云
摘要:隨著經(jīng)濟的發(fā)展,中小企業(yè)已成為國民經(jīng)濟的重要組成部分,在促進就業(yè)、穩(wěn)定社會、活躍經(jīng)濟等方面發(fā)揮著重要作用。近些年來,中小企業(yè)信貸業(yè)務(wù)日益引起各商業(yè)銀行的重視。如何在促進中小企業(yè)信貸業(yè)務(wù)的同時加強風(fēng)險防范是一個急需解決的問題,但目前的風(fēng)險評估模型都有一定的不足。針對這個問題,本文提出了一種基于人工魚群算法的中小企業(yè)信貸風(fēng)險評估模型。首先構(gòu)造融合多特征信息的中小企業(yè)向量空間模型,該模型能較好地反應(yīng)中小企業(yè)的實際經(jīng)營情況; 其次構(gòu)造中小企業(yè)風(fēng)險級別識別模型,并通過魚群仿生算法尋找模型參數(shù)的最優(yōu)解。該模型可以較好地處理中小企業(yè)風(fēng)險級別的識別,同時保證較快的收斂速度,從而達(dá)到防范信貸風(fēng)險的目的。
關(guān)鍵詞:信貸風(fēng)險;評價模型;信貸管理;魚群優(yōu)化算法
近些年來,我國的中小企業(yè)發(fā)展迅速,在確保經(jīng)濟增長、緩解就業(yè)壓力、促進社會穩(wěn)定、優(yōu)化經(jīng)濟結(jié)構(gòu)等方面,均發(fā)揮著越來越重要的作用。中小企業(yè)信貸業(yè)務(wù)越來越引起各商業(yè)銀行的普遍重視。但中小企業(yè)實力普遍薄弱,抗風(fēng)險能力小,質(zhì)押資源非常有限,大量信貸資金涌向中小企業(yè)會容易引起銀行不良資產(chǎn)的增加。因而開展對中小企業(yè)信貸風(fēng)險的研究,進而建立針對性的風(fēng)險評價模型對商業(yè)銀行具有重要意義。
一、中小企業(yè)信貸風(fēng)險
信貸風(fēng)險[1]是指商業(yè)銀行在經(jīng)營管理過程中,由于不確定因素使借款人不能按期償還貸款本息的可能性。目前中小企業(yè)信貸面臨的主要風(fēng)險有:市場風(fēng)險、信用風(fēng)險、經(jīng)營風(fēng)險及道德風(fēng)險等。
(1)市場風(fēng)險。中小企業(yè)的規(guī)模較小,抗市場風(fēng)險能力較差,隨著外部市場環(huán)境的急劇變化,中小企業(yè)的經(jīng)營風(fēng)險顯著加大。中小企業(yè)資產(chǎn)規(guī)模小,更易受經(jīng)濟周期波動的影響,這使銀行等債權(quán)人承擔(dān)著過多的市場風(fēng)險。
(2)信用風(fēng)險。大多數(shù)中小企業(yè)財務(wù)信息透明度不高,缺乏規(guī)范的會計制度,銀行難以對其實際經(jīng)營狀況和盈利前景做出準(zhǔn)確判斷。部分企業(yè)存在不遵守合同契約,任意逃廢銀行債務(wù),企業(yè)之間相互拖欠三角債等問題。
(3)經(jīng)營風(fēng)險。中小企業(yè)的經(jīng)營風(fēng)險主要是企業(yè)內(nèi)部、外部因素的變化給企業(yè)的發(fā)展帶來不確定性而產(chǎn)生的風(fēng)險。許多中小企業(yè)設(shè)備工藝落后,競爭力較弱,抵御風(fēng)險的能力弱。風(fēng)險對于中小企業(yè)來說影響力大大超過了大企業(yè),而中小企業(yè)的任何一種風(fēng)險都會帶來危機。
(4)道德風(fēng)險。中小企業(yè)普遍資信度不高,誠信觀念淡薄。部分中小企業(yè)管理人員素質(zhì)較差,信用觀念淡薄,他們往往會利用銀行掌握的信息不對稱,設(shè)法逃廢銀行債務(wù)。
(5)管理風(fēng)險。中小企業(yè)組織結(jié)構(gòu)單一,法人治理結(jié)構(gòu)不完善,對風(fēng)險管理缺乏全局性的把握。存在不同程度的管理混亂現(xiàn)象,如企業(yè)規(guī)章制度不健全,報表失真,成本居高不 下等。這些問題直接威脅企業(yè)的生存和發(fā)展。
(6)制度風(fēng)險。目前,我國的大部分中小企業(yè)沒有建立起現(xiàn)代企業(yè)制度,許多中小企業(yè)成分復(fù)雜、產(chǎn)權(quán)不清,因此銀行貸款給這些中小企業(yè)所面臨的風(fēng)險大。
二、 目前已有的信貸風(fēng)險評價方法
目前中小企業(yè)信貸普遍面臨著各種風(fēng)險,只有建立完善高效的風(fēng)險管理模型,才能從根本上解決信貸風(fēng)險問題,使中小企業(yè)的信貸業(yè)務(wù)進入良性循環(huán)的境況中。
目前已有的信貸風(fēng)險評價方法主要有基于專家評分的方法、層次分析法[1,2]、模糊評價方法[3-4]和基于協(xié)同學(xué)原理的方法。基于專家評分的方法把所得的評分進行平均,通過得分來判定風(fēng)險等級。但該方法往往過于主觀,難于客觀評價企業(yè)真實的風(fēng)險狀況。層次分析法和模糊評價方法沒有考慮到評價指標(biāo)之間的相關(guān)性問題。而基于協(xié)同學(xué)原理的方法雖可以綜合各種主客觀因素,但難于構(gòu)建原型向量。為更好地對企業(yè)風(fēng)險進行有效的評估,提出了一種基于人工魚群算法的中小企業(yè)信貸風(fēng)險評估模型。
三、風(fēng)險評價指標(biāo)及類別
1.風(fēng)險評價指標(biāo)
為較好地反映可能影響企業(yè)信用風(fēng)險的內(nèi)外部因素,本文選取了16個指標(biāo),這些指標(biāo)主要是從企業(yè)的還款能力、盈利能力及發(fā)展前景等方面選取。這些評價指標(biāo)如表1所示。
2. 信貸風(fēng)險分類
從2002年以來,中國全面實行信貸五級分類制度,按信貸的風(fēng)險程度,將銀行信貸資產(chǎn)分為五種類別:正常、關(guān)注、次級、可疑、損失。將正常及關(guān)注類歸為正常類,次級、可疑和損失類信貸歸為不良信貸。
(1) 正常:借款人能夠履行合同,沒有足夠理由懷疑不能按時足額償還貸款本息。
(2) 關(guān)注:借款人目前有能力履行合同,但存在一些可能對償還貸款本息產(chǎn)生不利影響 的因素。
(3) 次級:借款人的還款能力出現(xiàn)明顯問題,靠其正常營業(yè)收入無法足額償還貸款本息。
(4)可疑:借款人無法足額償還貸款本息。
(5)損失:在采取所有可能的措施或一切必要的法律程序之后,本息仍然無法完全收回。
四、基于人工魚群算法的風(fēng)險評價模型
1. 中小企業(yè)風(fēng)險信息建模
我們可以把中小企業(yè)經(jīng)營狀況表示為是一個向量■,其中■表示中小企業(yè)風(fēng)險評價指標(biāo),如還款能力、盈利能力及發(fā)展前景等方面的指標(biāo)。
如何衡量中小企業(yè)的風(fēng)險是一個核心問題,風(fēng)險的量化模型可以用下面的公式計算:
■
這里■為特征權(quán)重, ■表示在某個指標(biāo)■出現(xiàn)在風(fēng)險等級■的概率。
2. 人工魚群算法
人工魚群算法(Artificial Fish Swarm Algorithm,AFSA)是2002年提出來的一種仿生智能優(yōu)化算法[5,6]。人工魚群算法通過模仿魚群的覓食、聚群、追尾及隨機行為,從而實現(xiàn)尋優(yōu)。人工魚群算法具有建模簡單、收斂速度快等特點,已經(jīng)得到了很多專家學(xué)者的重視 [7,8]。人工魚群算法的行為主要包括:覓食行為(AF-prey),聚群行為(AF-swarm)和追尾行為(AF-follow).
(1)覓食行為(AF-prey):假設(shè)人工魚的當(dāng)前位置為■,在其視野范圍內(nèi)隨機選擇一個位置,■若■,則向該方向前進一步,否則重新隨機選擇位置■,判斷是否滿足前進條件。
(2)聚群行為(AF-swarm):假設(shè)人工魚的當(dāng)前位置為■,如果中心位置的食物密度■并且中心位置的視野范圍內(nèi)的伙伴數(shù)■滿足■,則表明伙伴中心有較多食物且不太擁擠,就朝伙伴的中心位置方向前進一步,否則執(zhí)行覓食行為。
(3)追尾行為(AF-follow):假設(shè)人工魚的當(dāng)前位置為■,其視野范圍內(nèi)最優(yōu)的伙伴為■,如果■視野范圍內(nèi)的伙伴數(shù)■滿足■,同時滿足■,則人工魚向■位置前進一步;否則執(zhí)行覓食行為。
人工魚群算法如下所示:
1) 初始化人工魚群的種群大?。╢ishnum)、維度(dimension)、步長(step)、視野(Visual)、擁擠度(■)、最大迭代次數(shù)(maxgen)等變量;
2)隨機生成正態(tài)分布的人工魚群;
3) 每條人工魚通過聚群、追尾、覓食和隨機行為更新自己的位置;
4)計算魚群食物濃度并記錄最優(yōu)值;
5) 若迭代終止,輸出最優(yōu)值及各類數(shù)據(jù);否則返回3繼續(xù)執(zhí)行。
算法1人工魚群算法
人工魚群算法流程圖如圖1所示:
3.基于人工魚群算法的權(quán)重優(yōu)化
如何衡量中小企業(yè)的風(fēng)險是一個核心問題, 模型公式(1)中■的取值是一個關(guān)鍵問題。我們利用人工魚群算法在參數(shù)空間里尋找最優(yōu)解。
具體方法如算法2所示。
1)初始化,構(gòu)建中小企業(yè)風(fēng)險信息向量;
2)構(gòu)建風(fēng)險度量函數(shù);
3)初始化魚群;
4)以評價準(zhǔn)確率作為適應(yīng)度函數(shù),利用人工魚群算法尋找參數(shù)■的最優(yōu)解;
5) 對待分類中小企業(yè)標(biāo)注風(fēng)險等級。
算法2基于人工魚群算法的模型參數(shù)優(yōu)化
4. 中小企業(yè)信貸風(fēng)險評價模型
在本文中,構(gòu)建了基于人工魚群算法的中小企業(yè)風(fēng)險評價模型。首先從中小企業(yè)的還款能力、盈利能力及發(fā)展前景等信息構(gòu)建了風(fēng)險信息向量。其次構(gòu)造風(fēng)險評價模型。最后通過人工魚群算法在參數(shù)空間中尋找評價指標(biāo)權(quán)重的最優(yōu)解。整體模型如圖2所示。
五、結(jié)論
本文提出的模型可兼顧中小企業(yè)信貸風(fēng)險的各種主客觀因素,較好地處理中小企業(yè)風(fēng)險級別的識別,同時保證較快的收斂速度,從而達(dá)到防范信貸風(fēng)險的目的。當(dāng)然必須說明的是,
目前國內(nèi)關(guān)于中小企業(yè)的貸款分類標(biāo)準(zhǔn)和評價準(zhǔn)則仍有待進一步完善,影響風(fēng)險的各種因素仍需進一步研究。但我們相信,隨著研究的不斷深入,更多更好的模型將不斷出現(xiàn),從而在促進中小企業(yè)信貸業(yè)務(wù)的同時加強風(fēng)險的防范。
參考文獻(xiàn):
[1]趙煥臣.層次分析法——一種簡易的新決策方法[M].北京:科技出版社.1986.
[2]姜靈敏.基于AHP的商業(yè)銀行貸款風(fēng)險分類評價模型[J].科技管理研究,2005,(9):178-181.
[3]王建成.企業(yè)信貸能力的因子分析模糊綜合評價[J].系統(tǒng)工程,2002,(3):93-96.
[4]蔡明瑞,黃志強.模糊綜合評價法在銀行貸款風(fēng)險分類中的應(yīng)用[J].合作經(jīng)濟與科技,2004,(12):23-24.
[5]李曉磊,錢積新.基于分解協(xié)調(diào)的人工魚群優(yōu)化算法研究[J].電路與系統(tǒng)學(xué)報,2003,8(1):1-6.
[6]王聯(lián)國,洪毅,趙付青,等.基于鄰域正交交叉算子的人工魚群算法[J].農(nóng)業(yè)機械學(xué)報,2008,39(8):140-141.
[7] Saeed Farzi , “Efficient Job Scheduling in Grid Computing with Modified Artificial Fish Swarm Algorithm”, International Journal of Computer Theory and Engineering, 2009 ,1(1),13-18,.
[8] Ana Maria A.C. Rocha,, Tiago F.M.C. Martins, Edite M.G.P. Fernandes,” An Augmented Lagrangian Fish Swarm Based Method for Global Optimization”, Journal of Computational and Applied Mathematics, 2010,10,2-20.
基金項目:泉州市科技計劃項目(2012Z91)