亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        銀行業(yè)金融機(jī)構(gòu)綠色信貸風(fēng)險評估研究

        2018-01-31 00:41:28蘆榕
        時代金融 2018年2期
        關(guān)鍵詞:綠色信貸BP神經(jīng)網(wǎng)絡(luò)風(fēng)險評估

        【摘要】銀行業(yè)金融機(jī)構(gòu)在開展綠色信貸業(yè)務(wù)過程中面臨契約風(fēng)險、利率風(fēng)險、貸款抵押風(fēng)險等多種風(fēng)險,因此做好風(fēng)險防控對銀行業(yè)金融機(jī)構(gòu)至關(guān)重要。本文在文獻(xiàn)研究的基礎(chǔ)上建立綠色信貸風(fēng)險評估體系,以財務(wù)指標(biāo)、非財務(wù)指標(biāo)和環(huán)保指標(biāo)作為一級指標(biāo),下設(shè)24個二級指標(biāo),運用“3σ”準(zhǔn)則對信貸風(fēng)險標(biāo)準(zhǔn)進(jìn)行定量判定,計算出貸款企業(yè)的信貸風(fēng)險等級,再選取貴州省20家大型企業(yè)作為樣本進(jìn)行實證研究,對其財務(wù)指標(biāo)進(jìn)行正態(tài)性檢驗和顯著性檢驗,對非財務(wù)指標(biāo)和環(huán)保指標(biāo)權(quán)重的判定采用網(wǎng)絡(luò)分析法(ANP),再根據(jù)專家打分得出樣本得分,將三類指標(biāo)進(jìn)行因子分析,得到具有代表性的公共因子,最后運用MATLAB軟件對構(gòu)建的BackPropagation神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真分析,得出測試結(jié)果,為信貸風(fēng)險評估方法的選擇和運用提供參考。

        【關(guān)鍵詞】綠色信貸 風(fēng)險評估 網(wǎng)絡(luò)分析法 BP神經(jīng)網(wǎng)絡(luò)

        一、研究背景

        (一)問題的提出

        綠色信貸的提出是我國加大生態(tài)保護(hù)的重要舉措,所謂綠色信貸是指銀行等金融機(jī)構(gòu)對從事研發(fā)、生態(tài)保護(hù)建設(shè)與開發(fā)的企業(yè)給予貸款一定優(yōu)惠政策的手段。近幾年,綠色信貸在我國不斷發(fā)展,興業(yè)銀行、中國工商銀行、平安銀行等多家銀行推出綠色金融產(chǎn)品并積極加入赤道原則。2012年2月,銀監(jiān)會發(fā)布《綠色信貸指引》,2013年8月,國務(wù)院出臺《國務(wù)院關(guān)于加快發(fā)展節(jié)能環(huán)保產(chǎn)業(yè)的意見》,旨在促進(jìn)節(jié)能環(huán)保產(chǎn)業(yè)發(fā)展,2016年8月,中國人民銀行發(fā)布《關(guān)于構(gòu)建綠色金融體系的指導(dǎo)意見》。借此機(jī)遇,貴州高度重視環(huán)境保護(hù),把發(fā)展綠色經(jīng)濟(jì)作為調(diào)整經(jīng)濟(jì)結(jié)構(gòu),轉(zhuǎn)變發(fā)展方式的重要舉措。然而,貴州省銀行業(yè)金融機(jī)構(gòu)在開展綠色信貸業(yè)務(wù)過程中存在貸款層面缺乏統(tǒng)一的綠色金融標(biāo)準(zhǔn)體,綠色金融業(yè)務(wù)固有風(fēng)險較高,銀行風(fēng)險管控能力不足等問題。而商業(yè)銀行有別于普通企業(yè)的一個主要特征是對風(fēng)險的管理與控制,信貸風(fēng)險是最重要的風(fēng)險之一,做好風(fēng)險防控對商業(yè)銀行的發(fā)展有至關(guān)重要的作用。但由于綠色信貸在我國提出不久,發(fā)展還不成熟,國內(nèi)較少有學(xué)者對綠色信貸的風(fēng)險問題進(jìn)行實證研究。因此,構(gòu)建綠色信貸評估體系,研究影響綠色信貸風(fēng)險的因素,提高金融支持綠色經(jīng)濟(jì)發(fā)展效率是當(dāng)前貴州銀行業(yè)金融機(jī)構(gòu)亟需解決的重要問題。

        鑒于此,本文在文獻(xiàn)研究的基礎(chǔ)上構(gòu)建綠色信貸風(fēng)險評估的BP神經(jīng)網(wǎng)絡(luò)模型。首先建立綠色信貸風(fēng)險評估的指標(biāo)體系,以財務(wù)指標(biāo)、非財務(wù)指標(biāo)和環(huán)保指標(biāo)作為一級指標(biāo),下設(shè)24個二級指標(biāo);其次,運用“3σ”法則對信貸風(fēng)險標(biāo)準(zhǔn)進(jìn)行定量判定,計算出貸款企業(yè)的信貸風(fēng)險等級;再次,選取貴州省20家上市公司作為樣本進(jìn)行實證研究,對其財務(wù)指標(biāo)進(jìn)行正態(tài)性檢驗和顯著性檢驗,對環(huán)保指標(biāo)和非財務(wù)指標(biāo)權(quán)重的判定采用網(wǎng)絡(luò)分析法(ANP),之后根據(jù)專家打分得出個樣本的得分,將三類指標(biāo)進(jìn)行因子分析,得到具有代表性的公共因子。

        (二)研究文獻(xiàn)綜述

        在國外的研究中,綠色信貸通常被稱為可持續(xù)金融、環(huán)境融資,研究的是金融業(yè)與可持續(xù)發(fā)展之間的關(guān)系SoniaLabatt,Rodney R.White認(rèn)為環(huán)境融資涵蓋了基于市場的、旨在傳遞環(huán)境質(zhì)量和轉(zhuǎn)化環(huán)境風(fēng)險而設(shè)計的特定金融工具,環(huán)境問題主要從違規(guī)帶來的直接風(fēng)險、客戶導(dǎo)致的間接風(fēng)險以及信譽(yù)風(fēng)險三種方式對金融機(jī)構(gòu)產(chǎn)生影響,為此需在風(fēng)險管理中加入衡量環(huán)境問題的標(biāo)準(zhǔn)并進(jìn)行產(chǎn)品創(chuàng)新。

        通過對以上文獻(xiàn)的分析和整理,我們可以看到:目前,國內(nèi)外對綠色信貸風(fēng)險評估研究主要集中在主觀定性判斷和傳統(tǒng)計量分析法。然而事實上,綠色信貸風(fēng)險涉及指標(biāo)多。相比于此,本文試圖通過BP神經(jīng)網(wǎng)絡(luò),選取貴州省20家大型企業(yè),并納入對綠色信貸風(fēng)險有重要影響的財務(wù)指標(biāo)、非財務(wù)指標(biāo)和環(huán)保指標(biāo),對貴州省綠色信貸風(fēng)險進(jìn)行實證研究,突破了傳統(tǒng)信貸風(fēng)險評估方法的局限性,具有一定的創(chuàng)新性。

        二、綠色信貸風(fēng)險評估體系及模型的構(gòu)建

        (一)樣本選擇

        貴州省20家大型企業(yè)2015年末相關(guān)數(shù)據(jù)。貴州省20家大型企業(yè)經(jīng)營和財務(wù)數(shù)據(jù)為調(diào)查所得,其他數(shù)據(jù)來源于當(dāng)?shù)丨h(huán)保部門公布和銀行業(yè)金融機(jī)構(gòu)。

        (二)評估指標(biāo)體系的構(gòu)建

        通過文獻(xiàn)研究及相關(guān)分析,我們選取以下指標(biāo)作為綠色信貸風(fēng)險評估指標(biāo)。

        一是環(huán)保指標(biāo)。包括:環(huán)境變化影響(H1)、環(huán)境管理(H2)、節(jié)能措施(H3)、“三廢”治理(H4)。

        二是財務(wù)指標(biāo)。包括:一是盈利指標(biāo)[主營業(yè)務(wù)利潤率(X1)、主營業(yè)務(wù)成本率(X2)、銷售利潤率(X3)、銷售毛利率(X4)、凈資產(chǎn)回報率(X5)];二是償債能力[資產(chǎn)負(fù)債率(X6)、流動性比率(X7)、速動比率(X8)];三是營運能力[應(yīng)收賬款周轉(zhuǎn)率X9、存貨周轉(zhuǎn)率X10、流動資產(chǎn)周轉(zhuǎn)率X11、固定資產(chǎn)周轉(zhuǎn)率(X12)];四是現(xiàn)金流量[現(xiàn)金流量比率(X13)、經(jīng)營現(xiàn)金流量對銷售收入比率(X14)];5企業(yè)規(guī)模[總資產(chǎn)(X15)、營業(yè)收入(X16)、凈利潤(X17)]。

        三是非財務(wù)指標(biāo)。包括歷史信用(M1)、行業(yè)前景(M2)、貸款方式(M3)等。

        (三)評估指標(biāo)的篩選

        1.用網(wǎng)絡(luò)分析法(ANP)計算環(huán)保指標(biāo)和非財務(wù)指標(biāo)的權(quán)重。構(gòu)建判斷矩陣C和超級矩陣W,再進(jìn)行歸一化處理得出加權(quán)矩陣B。加權(quán)矩陣B與超矩陣W相乘得到加權(quán)超矩陣W=BW,對加權(quán)超矩陣進(jìn)行極限運算,得到極限超矩陣。

        最后得權(quán)重分別為:H1的權(quán)重為0.4113,H2的權(quán)重為0.3098,H3的權(quán)重為0.0991,H4的權(quán)重為0.1798。M1的權(quán)重為0.4131,M2的權(quán)重為0.1862,M3的權(quán)重為0.4007。得出環(huán)保指標(biāo)和非財務(wù)指標(biāo)的權(quán)重后,再對貴州省20家大型企業(yè)2015年年報逐一進(jìn)行分析,通過打分確定環(huán)保指標(biāo)與非財務(wù)指標(biāo)的最終得分。

        2.財務(wù)指標(biāo)的設(shè)計。第一步,對前文表1選取17個財務(wù)指標(biāo)進(jìn)行正態(tài)檢驗,由于本文樣本量偏小,這里采取Shapiro-Wilk檢驗的方法。計算結(jié)果表明,固定資產(chǎn)周轉(zhuǎn)率、經(jīng)營現(xiàn)金流對銷售收入比率、總資產(chǎn)等三個指標(biāo)的P值大于0.05,接受原假設(shè),這三個指標(biāo)服從正態(tài)分布,其他指標(biāo)不服從正態(tài)分布。第二部,對17個財務(wù)指標(biāo)進(jìn)行顯著性檢驗,這里采用T檢驗的方法。計算結(jié)果表明,Shapiro-Wilk檢驗中服從正態(tài)分布的固定資產(chǎn)周轉(zhuǎn)率、經(jīng)營現(xiàn)金流對銷售收入比率、總資產(chǎn)等三個指標(biāo)通過了T檢驗。由第一、二步可知,17個財務(wù)指標(biāo)均需保留。第三步,按未分配利潤為正值和負(fù)值將20家大型企業(yè)分為兩類,對其進(jìn)行Mann-whitney U檢驗。計算結(jié)果表明,X1,X2,X3,X4,X6,X7,X8通過了Mann-whitney U檢驗,未通過檢驗的,說明未分配利潤為正值和負(fù)值的兩類企業(yè)的這些指標(biāo)不存在顯著性差異,在之后的分析中應(yīng)剔除。endprint

        3.綠色信貸風(fēng)險指標(biāo)的進(jìn)一步篩選(基于因子分析法)。上文從環(huán)保指標(biāo)、非財務(wù)指標(biāo)、財務(wù)指標(biāo)的24個二級指標(biāo)中共篩選出14個指標(biāo),但這些指標(biāo)之間有一定的相關(guān)性,需要通過因子分析法獲取較少變量替代這14個變量。運用spss進(jìn)行因子分析,得出碎石圖如下:

        上圖為碎石圖,橫坐標(biāo)表示成分?jǐn)?shù),縱坐標(biāo)表示特征值。由圖可以看出,在第六個特征值之后,特征值趨于平穩(wěn),因此,只需提取六個因子就可以對原變量的信息進(jìn)行描述。

        根據(jù)相關(guān)數(shù)據(jù)計算出解釋總方差,運用最大極值法進(jìn)行旋轉(zhuǎn),得出因子的特征根值、貢獻(xiàn)率以及累積貢獻(xiàn)率。選取特征值大于1的六個因子(其特征值累積貢獻(xiàn)率超過70%即可),生成旋轉(zhuǎn)成份矩陣如下:

        由旋轉(zhuǎn)成份矩陣可以看出,f1主要由主營業(yè)務(wù)利潤率(X1)、主營業(yè)務(wù)成本率(X2)、銷售毛利率(X4)、資產(chǎn)負(fù)債率(X6)、流動性比率(X7)、速動比率(X8)決定;f2主要由歷史信用(M1)、行業(yè)前景(M2)決定;f3主要由環(huán)境管理(H2)、“三廢”治理(H4)決定;f4主要由環(huán)境變化影響(H1)決定;f5主要由貸款方式(M3)決定;f6主要由節(jié)能措施(H3)、銷售利潤率(X3)決定。

        根據(jù)各個主成分因子的方差貢獻(xiàn)率占積累方差貢獻(xiàn)率的比重權(quán)重計算出綜合得分,其公式為:

        F=0.2916f1+0.1224f2+0.1067f3+0.0801f4+0.0698f5+0.0691f6

        三、綠色信貸風(fēng)險等級的確定(基于“3σ”準(zhǔn)則)

        根據(jù)我國信貸風(fēng)險等級的劃分,本文將綠色信貸風(fēng)險等級分為超高風(fēng)險(R4)、高風(fēng)險(R3)、中等風(fēng)險(R2)、低風(fēng)險(R1)、無風(fēng)險(R0)等五級。采用“3σ”準(zhǔn)則(拉依達(dá)準(zhǔn)則)進(jìn)行確定。

        設(shè)貴州省綠色信貸風(fēng)險等級得分F的均值為μ,標(biāo)準(zhǔn)差為σ,經(jīng)計算得出:μ=0.0896,σ=0.0473。我們將μ+σ作為無風(fēng)險和低風(fēng)險的臨界點,將μ+3σ作為低風(fēng)險和中等風(fēng)險的臨界點,將μ-3σ作為高風(fēng)險和超高風(fēng)險的臨界點,如下表所示:

        由上述分析可得20家企業(yè)歸一化處理后的綠色信貸風(fēng)險F得分與風(fēng)險等級對應(yīng)表,如下:

        四、基于BP神經(jīng)網(wǎng)絡(luò)的綠色信貸風(fēng)險評估實證分析

        此處采用三層神經(jīng)網(wǎng)絡(luò)模型,輸入值為前文以因子分析法得出的六個綜合指標(biāo)經(jīng)標(biāo)準(zhǔn)化后的數(shù)據(jù),輸出值為信貸得分F落在的風(fēng)險區(qū)間。運用MATLAB軟件,從20家企業(yè)中抽取12家企業(yè)為樣本進(jìn)行訓(xùn)練,結(jié)果如下:

        由表5可知,12個訓(xùn)練樣本的準(zhǔn)確率達(dá)到83.33%,準(zhǔn)確率較高。

        利用訓(xùn)練樣本的路徑對余下8個樣本進(jìn)行測試,結(jié)果如下:

        由表6可知,8個測試樣本的準(zhǔn)確率為62.50%,準(zhǔn)確率較低的原因是測試樣本的數(shù)量較少。

        綜上所述,BP網(wǎng)絡(luò)神經(jīng)模型對銀行業(yè)金融機(jī)構(gòu)綠色信貸風(fēng)險的評估有較好的實用性。

        五、防范綠色信貸風(fēng)險的政策建議

        (一)政府及各相關(guān)部門層面

        一是地方政府、人民銀行、環(huán)保及監(jiān)管部門需建立綠色信貸相關(guān)信息共享平臺,通過信息披露、信用評級等方式,實現(xiàn)綠色信貸信息共享,降低各參與方信息成本和風(fēng)險。二是構(gòu)建支持綠色信貸的政策體系,完善綠色信貸統(tǒng)計制度,推動銀行業(yè)建立綠色評價機(jī)制,加強(qiáng)綠色信貸實施情況監(jiān)測評價,將綠色信貸納入央行MPA框架。三是通過稅收、財政協(xié)同等機(jī)制,形成支持綠色信貸業(yè)務(wù)的激勵機(jī)制和抑制“兩高一?!毙袠I(yè)貸款的約束機(jī)制。

        (二)銀行業(yè)金融機(jī)構(gòu)層面

        一是要根據(jù)國家經(jīng)濟(jì)環(huán)境政策和產(chǎn)業(yè)政策,對從事綠色經(jīng)營生產(chǎn)和制造的企業(yè)實行優(yōu)惠貸款政策,為其建立綠色信貸通道,簡化信貸審批流程,取消不合理收費,加快研發(fā)針對綠色經(jīng)濟(jì)發(fā)展的創(chuàng)新性金融產(chǎn)品,推動綠色環(huán)保項目建設(shè)。二是建立行之有效的綠色信貸績效考核體系,引導(dǎo)信貸資金支持綠色經(jīng)濟(jì)的發(fā)展。三是將企業(yè)環(huán)境違法違規(guī)信息等企業(yè)環(huán)境信息納入金融信用信息基礎(chǔ)數(shù)據(jù)庫,作為對企業(yè)發(fā)放貸款的依據(jù)之一。

        (三)企業(yè)層面

        一是樹立環(huán)保意識,明確環(huán)境責(zé)任,制定“誰污染、誰治理”的嚴(yán)格問責(zé)制度。二是利用技術(shù)、管理手段對生產(chǎn)全流程進(jìn)行排污改造和產(chǎn)業(yè)結(jié)構(gòu)升級,推行綠色生產(chǎn),提供綠色產(chǎn)品,實現(xiàn)經(jīng)濟(jì)價值和社會價值的和諧統(tǒng)一。三是推行綠色營銷戰(zhàn)略,在營銷過程中堅持綠色理念,產(chǎn)品實行綠色包裝,重視綠色促銷,制定綠色價格,選擇綠色渠道,樹立綠色形象等。

        參考文獻(xiàn)

        [1]Bert Scholtens,Lammertjan Dam.Banking on the Equator Are Banks that Adopted the Equator Principles Different from Non-Adopters[J].World Development,2009(01).

        [2]Sonia Labatt, Rodney R White.Environmental Finance [M].New YorkrJohn Wiley and Sons,2002.

        [3]Luisa Montes.Financing Sustainable Developmentin Mexico Through Alternative Banks or Green Banks[J].Journal of Project Finance.1998(4).

        [4]MathsLimdgren and Bino Catasus.The Banks' Impact on The Natural Environment-On The Space between “what is” And ‘Svhat if[J].Business Strategy and The Environment^186-195(2000).endprint

        [5]韓立巖,王臻.綠色信貸發(fā)展的國際比較與啟示[J].國際經(jīng)濟(jì)合作,2014(02).

        [6] 胡海青,張瑯,張道宏.供應(yīng)鏈金融視角下的中小企業(yè)信用風(fēng)險評估研究—基于SVM與BP 網(wǎng)絡(luò)神經(jīng)模型的比較研究.管理評論,2012(11).

        [7]胡濤,趙穎臻,周李煥,Denise Leung.對外投資中的環(huán)境與社會影響案例研究:國際經(jīng)驗與教訓(xùn)[M].華盛頓:世界資源研究所,2013.

        [8]胡旭華,吉敏.基于BP神經(jīng)網(wǎng)絡(luò)的銀行信貸風(fēng)險評價[J].統(tǒng)計與決策,2009(11).

        [9]Jensen Herbert.Using Neural Networks for Credit Scoring.Management Finance,2011.

        [10]梁琪,黃鸝皎.我國商業(yè)銀行信貸風(fēng)險管理體系構(gòu)建探索[J].南開經(jīng)濟(jì)研究,2002(06).

        [11]劉傳巖.中國綠色信貸發(fā)展問題探究[J].稅務(wù)與經(jīng)濟(jì),2012(01).

        [12]龍衛(wèi)洋,季才留.基于國際經(jīng)驗的商業(yè)銀行綠色信貸研究及對中國的啟示[J].經(jīng)濟(jì)體制改革,2013(03).

        [13]Marcel Jeucken.Sustainable Finance and Banking[M].London:Earths can Publications Ltd,2011(05).

        [14]馬駿,施娛,姚斌.綠色金融政策及在中國的運用[J].新金融評論,2014(02).

        [15]馬秋君,劉文娟.基于綠色信貸風(fēng)險評價體系改進(jìn)研究——基于長江三角洲調(diào)查[J].經(jīng)濟(jì)視角,2013(09).

        [16]施若.試析貴陽市綠色金融發(fā)展中存在的問題及對策[J].中國集體經(jīng)濟(jì),2014(33).

        [17]王創(chuàng),嚴(yán)綱.信用風(fēng)險度量的CreditMetrics與KMV模型的比較研究[J].時代金融,2012(12).

        [18]張子瑛.基于Elman神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信貸風(fēng)險識別及評估模型[J].科技和產(chǎn)業(yè),2008(08).

        作者簡介:蘆榕(1971-),女,漢族,四川巴縣人,經(jīng)濟(jì)師,研究方向:金融穩(wěn)定、外匯管理。endprint

        猜你喜歡
        綠色信貸BP神經(jīng)網(wǎng)絡(luò)風(fēng)險評估
        環(huán)保企業(yè)發(fā)展中政策支持問題研究
        銀行促進(jìn)綠色金融發(fā)展現(xiàn)狀與問題研究
        基于BP神經(jīng)網(wǎng)絡(luò)的旅行社發(fā)展方向研究
        商情(2016年39期)2016-11-21 09:30:36
        復(fù)雜背景下的手勢識別方法
        BP神經(jīng)網(wǎng)絡(luò)在軟件質(zhì)量評價中的應(yīng)用研究 
        我國養(yǎng)老保險基金投資運營的風(fēng)險評估
        時代金融(2016年23期)2016-10-31 13:25:28
        天然氣開采危險有害因素辨識及風(fēng)險評估管理
        BP神經(jīng)網(wǎng)絡(luò)算法在數(shù)值預(yù)報產(chǎn)品釋用中的應(yīng)用
        科技視界(2016年20期)2016-09-29 14:15:12
        大眾理財顧問(2016年8期)2016-09-28 13:55:43
        京津冀地區(qū)綠色金融發(fā)展水平測度探究
        中國市場(2016年21期)2016-06-06 04:17:17
        亚洲一区二区三区在线高清中文| 亚洲麻豆视频免费观看| 成人水蜜桃视频在线观看| 国产熟人精品一区二区| 中文精品久久久久人妻不卡| 国产精品无码久久久久| 国产免费一级在线观看| 国产AⅤ无码久久丝袜美腿| 日韩偷拍视频一区二区三区 | 一区二区三区日本久久| 24小时在线免费av| 精品国产一区二区三区不卡在线| 情人伊人久久综合亚洲| 美丽的熟妇中文字幕| 天堂av一区二区在线观看| 大陆啪啪福利视频| 亚洲一区域二区域三区域四| 中文字幕一区二区三区久久网| 女人18片毛片60分钟| 美女把尿囗扒开让男人添| 国产人妻黑人一区二区三区| 亚洲人妻无缓冲av不卡| 亚洲Av无码专区尤物| 中日韩字幕中文字幕一区| 久久综合五月天啪网亚洲精品| 国产激情久久久久久熟女老人| 国产精品一区二区在线观看| 日中文字幕在线| 欧美激情精品久久999| 中文字幕视频一区二区| 97人妻精品一区二区三区男同| 成年免费a级毛片免费看无码| 99香蕉国产精品偷在线观看| 国产av国片精品| 国产激情一区二区三区在线蜜臀| 中文字幕日韩精品永久在线| 国产aⅴ无码专区亚洲av| 亚洲精品国产av成拍色拍| 一区二区三区免费视频网站| 久久久精品国产亚洲av网不卡| 色婷婷亚洲精品综合影院|