信用風險的評估方法范文

導語：如何才能寫好一篇信用風險的評估方法，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

關鍵詞：灰色關聯分析；供應鏈；信用風險；評估

一、權重測定方法

如何更好的進行權重的測定是必須要解決的問題。在權重方法測定的研究中，很多學者進行了大量的研究，其中具有代表性和可行性的方法是結構熵權法。程啟月（2010）[1]根據熵理論提出了一種主客觀相結合的權重確定方法，其基本指導思想是將采集專家意見的德爾菲專家調查法與模糊分析法相結合，形成“典型排序”按照給定的熵決策公式進行熵值計算、“盲度”分析，并對可能產生潛在的偏差數據統計處理，根據主客觀結果加權平均值的方法測定了最后的權重，這種方法保留了主觀方法的可說明性的同時又強調了數學方法在邏輯上的重要性，本文權重的測定方法將引用結構熵權法。

（1）專家意見收集及排序矩陣的形成

首先選定專家組成員，對專家發放指標體系權重測定反饋表，每位專家采取德爾菲法的規定和程序，對每個指標的重要性進行排序，重要性由1-N。現有N個專家對M個指標進行重要性排序，其中a11表示第一個專家對第一個指標重要性排序，其數值（1-m）由小到大表示重要性的逐漸降低，同理am1表示第1個專家對第m個指標重要性排序，amn表示第n個專家對m個指標重要性排序，根據最后的排序形成典型排序矩陣A。

（2）偏差度的糾正

由于每位專家由于所出的工作或研究領域不同，對每個指標的認識程度也不同，因此所形成的數據會產生一定的偏差，為了降低偏差的程度和不確定性，需要將上式的數據進行偏差度的糾正。對上一節的排序矩陣進行轉化，定義排序轉化的隸屬度函數為：

F（amn）=-ηpn（amn）lnpn（amn）

其中，pn（amn）=t-amnt-1，取η=1ln（t-1），將pn（amn）=t-amnt-1 和η=1ln（t-1）代入公式并化簡求得θmn=-ln（t-amn）ln（t-1），本文將θmn稱為amn對應的隸屬度函數值，取t=m+2，當指標的最大數為4時，t=6。θmn為專家排序數amn的隸屬度，稱Bmn為隸屬度矩陣。

視n個專家對第k個指標（k=1，2，…m）的“話語權”相同，即計算n個專家對第k個指標的“一致看法”稱為平均認識度，記作Bk；將專家對第k個指標在認知方面的偏差稱為“認知偏差度”，記作Ck；

令Bk=（θk1+θk2+…+θkn）n；

Ck=max（θk1，θk2，…，θkn）-Bk+min（θk1，θk2，…，θkn）-Bk2，定義n個專家對于第k個指標的總體認識度Rk=Bk（1-Ck），則n個專家對m個指標的總體認識度向量R可寫作矩陣R=R1，R2，…，Rm。

（3）歸一化處理

為了求得第k個指標的權重ωk，需要對Rk=Bk（1-Ck）進行歸一化處理ωk=Rk∑m1Rk，顯然，∑m1Rk=1，ωk≥0，本文將所求出的ωk稱之為第k個指標所占的權重。

二、風險評估步驟

在灰色理論中，灰色關聯分析是分析系統中各個元素之間關聯度或相似程度的方法，其基本思想是根據關聯的程度對所評估目標進行排序。灰色關聯分析是分析事物發展的趨勢，對樣本的數量沒有嚴格的規定，同時樣本也不需要服從某種數學分布。

（1）專家評分階段

請每位專家按照評估指標的選項對選中的目標進行評估，設評估的等級為1、2、3、4、5，數字的大小說明該評估目標在其中某一指標的表現，數值越大表示表現的水平越好。設評估指標有m個，選取專家k人（本文默認選取專家的學識水平、相關經驗上的水平都是相同的），則根據專家的評分可對所評估的每個目標構成一個m×k的評分矩陣A。

（2）對比矩陣的構建

灰色關聯分析的首要條件是選擇一個參考數列，設所評估目標結果對應的最優評估指標集F* =f*1 ，f*2 ，…，f*m ，其中f*k 表示第k個指標的最優值，k=1、2、…m。其中，fnm表示第n個企業在第m個指標的平均評估值，fnm=am1+am2+…+amkk；將最優指標集與對比矩陣合并，形成一個新的矩陣。

（3）指標值的規范化處理

在評判指標里通常有不同的量綱以及數量綱，因此一般不能進行直接比較，為確保結果的可靠性，需要對上述指標進行規范化處理。

設第k個指標的變化區間為fk1，fk2，fk1為第k個指標在所有被評估融資企業中的最小值，fk2為第k個指標在所有被評估企業中的最大值，那么可以采用下式將上式中的指標數值轉換成無量綱值Cik∈（0，1）。Cik=jik-jk1jk2-jik，i=1、2…n；k=1、2…m，由此矩陣D'轉換成矩陣C

D'=f 11f 12…f 1mf 21f 22…f 2m…………f n1f n2…f nm；C=C*1C*2…C*mC11C12…C1m…………Cn1Cn2…Cnm

（4）計算綜合評估結果

根據灰色系統理論，將C*=C*1，C*2，…，C*m作為參考數列，將C=Ci1，Ci2，…，Cim作為最優的對比數列，用關聯分析法求的第i個企業第k個指標與第k個最優指標的關聯系數εi（k），即：

εi （k）=minminC*k-Cik+ ρmaxmaxC*k-CikC*k-Cik+ ρmaxmaxC*k-Cik

ρ為分辨系數，一般取0.5，ρ∈（0，1）。由關聯計算方法可以得到關聯矩陣E：

E=ε1（1）ε1（2）…ε1（m）ε2（1）ε2（2）…ε2（m）…………εn（1）εn（2）…εn（m）

這樣綜合評估結果為：R=E×W，即ri=∑mj=1W（k）×εi（k）。式中R=r1，r2，…，rnT為n個被評估企業的綜合判斷結果向量；W=w1，w2，…，wmT為m個評估指標的權重分配向量，其中∑mj=1wj=1。

若關聯度ri越大，則說明Ci與最優指標C*最接近，亦即第i企業優于其他企業。據此一方面可以排出供應鏈金融模式下融資企業相適應應收賬款、預付賬款或存貨質押下的關聯度次序，也即關聯度越大，融資企業信用風險越小。另一方面可以反映某一融資企業對應應收賬款、預付賬款或存貨質押下的關聯度，也即可以作為商業銀行評估內容之一為融資企業指導供應鏈金融模式適用度。（作者單位：廣東科技學院）

篇2

關鍵詞：銀行間市場；信用風險；風險管理

全球金融危機對金融機構風險管理理念的最大影響之一就是對交易對手信用風險的重視。金融機構評估對手方信用風險的方法、模型合理與否，關系到評估結果的優劣。本文概要闡述了銀行信用風險計量方面的相關理論依據和基本做法。并對銀行間市場完善授信管理提出了具體建議。

一、信用風險評估理論

銀行等金融機構信用風險評估方法大致有統計模型、CAMEL模型和專家判斷模型等三種理論依據：

(一)統計模型

利用統計模型進行信用評估的前提條件是有足夠的數據積累，一般至少需要連續3年的相關數據。

1．違約概率(ProbabilityofDefauh，PD)理論

違約概率是預計債務人不能償還到期債務(違約)的可能性。評估結果與違約率的對應關系是國際公認的事后檢驗評級機構評估質量標準的一項最重要的標尺。在商業銀行信用風險管理中，違約概率是指借款人在未來一定時期內不能按合同要求償還銀行貸款本息或履行相關義務的可能性。如何準確、有效地計算違約概率對商業銀行信用風險管理十分重要。不同評級機構所設定的違約定義可能不同，所反映同一等級的質量也因此而不同。只有違約定義相同的評級機構，其評級結果才可以進行比較。有了對應違約率的資信等級才能真正成為決策的依據。商業銀行違約概率常用的測度方法主要有兩種：基于內部信用評級歷史資料的測度方法；基于期權定價理論的測度方法。

2．違約損失率(LossGivenDefault，LGD)理論

違約損失率是指債務人一旦違約將給債權人造成的損失數額占風險暴露(債權)的百分比，即損失的嚴重程度。在競爭日益激烈、風險日益加大和創新日新月異的市場環境中，銀行對資產風險的量化和管理顯得越來越重要。傳統的信用風險評估方法因過于簡單、缺乏現代金融理論基礎等原因已經不能適應金融市場和銀行監管的需要。以獨立身份服務于全社會公眾投資者、以公開上市債券為主的外部信用評級對銀行內部以信貸資產為主、與銀行自身有著特定聯系的資產組合的適用性也越來越小。因此，銀行開始開發類似外部信用評級但又反映內部管理需要的內部信用評級系統，以適應上述市場和內部管理發展的需要。隨著銀行內部評級體系的發展，越來越多的銀行認識到LGD在全面衡量信用風險方面的重要作用，評級體系的結構開始由只注重評估違約率的單維評級體系向既重違約率又重違約損失率的多維評級體系發展。歷史數據平均值法是目前銀行業應用最廣泛最傳統的方法，新巴塞爾資本協定的許多規定也采用這種方法，這種方法以其簡單易操作而獲得歡迎。

(二)CAMEL模型

CAMEL評級體系是目前美國金融管理當局對商業銀行及其他金融機構的業務經營、信用狀況等進行的一整套規范化、制度化和指標化的綜合等級評定制度。其有五項考核指標，即資本充足性(CapitalAde．quacy)、資產質量(AssetQuality)、管理水平(Manage—ment)、盈利水平(Earnings)和流動性(Liquidity)。當前國際上對商業銀行評級考察的主要內容基本上未跳出美國“駱駝”評級的框架。“駱駝”評級體系的特點是單項評分與整體評分相結合、定性分析與定量分析相結合，以評級風險管理能力為導向．充分考慮到銀行的規模、復雜程度和風險層次，是分析銀行運作是否健康的最有效的基礎分析模型。在具體CAMEL模型的指標及其權重選取及校驗過程中，大多采用了回歸分析、主成分分析等統計方法。

(三)專家判斷模型

銀行信用評估的起點是對其財務實力的綜合判斷。應從定量定性兩個角度綜合評估。經營戰略、管理能力、經營范圍、公司治理、監管情況、經營環境、行業前景等要素，無法通過確切數量加以計算，而專家打分卡是一種更加偏向于定性的模型。在缺乏外在基準值，如信用等級、違約和損失數據等的情況下，開發專家判斷模型是一種較好的選擇。專家判斷模型的特點是：符合Basel要求．具有透明度和一致性：專家打分卡建模時間短，所需數據不需要特別的多：專家打分卡可充分利用評估人員的經驗。

二、信用風險評估的通常做法

(一)信用風險評估的基本思路

評估方法應充分考慮風險元素的定量和定性兩個方面，引入大量的精確分析法，并盡可能地運用統計技術。另一方面，不浪費定性參數的判別能力，并用以優化計量模型的預測效能。除CAMEL要素外，還需考慮更多更深入的風險因素。評估要素主要包括品牌價值、風險定位、監管環境、營運環境、財務基本面。

(二)信用風險評估模型的構造

數據準備是模型開發和驗證的基礎，建模數據應正確反映交易對手的風險特征以及評級框架。定義數據采集模板。收集、清洗和分析模型開發和驗證所需要的樣本數據集。影響交易對手違約風險要素主要有非系統性因素和系統性因素。非系統性因素是指與單個交易對手相關的特定風險因素，包括財務風險、資本充足率、資產質量、管理能力、基本信息等。系統性因素是指與所有交易對手相關的共同風險因素．如宏觀經濟政策、貨幣政策、商業周期等。既要考慮交易對手目前的風險特征，又要考慮經濟衰退、行業發生不利變化對交易對手還款能力和還款意愿的影響．并通過壓力測試反映交易對手的風險敏感性

(三)變量選擇方法

1．層次分析法

層次分析法(Theanlaytichierarchyprocess)簡稱AHP：它是一種定性和定量相結合、系統化、層次化的分析方法。層次分析法不僅適用于存在不確定性和主觀信息的情況，還允許以合乎邏輯的方式運用經驗、洞察力和直覺。層次分析法的內容包括：指標體系構建及層次劃分；構造成對比較矩陣；相對優勢排序；比較矩陣一致性檢驗。

2．主成分分析法

主成分分析法也稱主分量分析，旨在利用降維的思想，通過原始變量的線性組合把多指標轉化為少數幾個綜合指標。在保留原始變量主要信息的前提下起到降維與簡化問題的作用，使得在研究復雜問題時更容易抓住主要矛盾。通過主成分分析可以從多個原始指標的復雜關系中找出一些主要成分，揭示原始變量的內在聯系，得出關鍵指標(即主成分)。

3．專家判斷

關鍵指標權重和取值標準設定是通過專家在定量分析的基礎上共同討論確定，取值標準是建立指標業績表現同分數之間的映射關系。取值標準的設定應能夠正確區分風險，取值標準應根據宏觀經濟周期、行業特點和周期定期調整，從而反映風險的變化。

(四)模型校驗修改

模型構造完成后．需要相應財務數據的不斷校驗修改。財務數據可直接向對應機構索取，也可通過第三方數據提供商獲得。直接獲取數據的方式準確性較高，但需對應機構積極配合．且需大量的人力物力用于數據錄入、核對和計算。通過第三方數據提供商獲取數據效率高，但需支付一定費用，且面臨數據不全、數據轉換計算等問題。在違約概率模型的開發過程中，通常遇到模型賴以建造的數據樣本中的違約率不能完全反映出總的違約經歷，需進行模型的壓力測試，確保模型在各種情況下都能獲得合理的結果．并對模型進行動態調整。

(五)引進或自主開發授信評估系統

根據完善授信評估模型，撰寫授信評估系統業務需求書．引進或自主開發授信評估系統，提高授信評估效率。授信評估系統還應與會員歷史數據庫、限額管理系統、會員歷史違約或逾期等信息庫無縫連接，避免各個環節的操作風險。

三、對銀行間市場完善授信評估的啟示

(一)完善授信評估可積極推動銀行間市場業務發展

銀行間市場會員信用評估水平的提高。可有效防范銀行間市場系統性風險。為防范交易對手信用風險，市場成員需及時、合理、有效地對相應會員銀行或做市商進行信用評估，并根據會員或做市商資信狀況的變化進行動態調整，為其設置信用限額。

(二)引進成熟的授信評估方法、模型和流程

根據巴塞爾協議的有關監管要求，國內大中型銀行都已經或正在國際先進授信評估機構的幫助下，開發PD或LGD評估模型。銀行間市場參與者應學習借鑒國內外先進的授信評估方法和模型。在消化吸收先進經驗的基礎上，選擇國際先進咨詢機構作為顧問，構建授信評估方法和模型。

(三)引進或自主開發授信評估系統

為防止操作風險，提高授信評估工作效率，實現授信評估與機構內部相關系統的連接，銀行間市場參與者需根據授信評估方法、模型、授信資料清單、分析報告模板、建議授信計算公式等內容。撰寫系統開發業務需求書，或引進先進的授信評估系統并進行客戶化改造．或選擇系統開發商進行自主開發授信管理系統。

篇3

信用風險是商業銀行出現流動性危機的主要根源，對信用風險的管理是商業銀行進行風險管理的主要內容。不良貸款率反映了商業銀行貸款的質量，不良貸款率的上升意味著貸款質量有所下降，顯示著信用風險增大。我國商業銀行近幾年的不良貸款率逐步上升，引發了社會各界的關注，但我們不應盲目夸大銀行所面臨的信用風險，而應理性看待不良貸款率上升問題，并進一步尋找其中的原因及管理的對策。

一、我國商業銀行不良貸款風險的現狀

貸款業務是商業銀行資產業務的重要組成部分，也是我國商業銀行利潤的主要來源。據統計，2015年上半年我國上市商業銀行的利潤增速為2.58%，較上年10.66%的增速有明顯下滑。從貸款業務的角度看，利潤代表了商業銀行抵御風險的能力，而不良貸款則代表了銀行面臨的風險。從表1可以看出，現階段我國商業銀行所面臨的不良貸款風險現狀。

從表1中可以看出，我國商業銀行的不良貸款余額不斷提高，撥備覆蓋率不斷下降，這暗示了商業銀行所面臨的信用風險在上升，商業銀行抵御風險的能力降低。

二、我國商業銀行不良貸款率上升的原因分析

（一）GDP增速放緩

明斯基認為由于私人信用創造理論，機構的內在特性使得他們經常面臨周期性危機和破產浪潮，并認為借款企業的結構變化與經濟周期有密切的關系。經濟繁榮時，套期保值企業增加并且借款增多，銀行往往存在代際遺忘的特征，金融脆弱性隨之增強；在經濟不濟時，龐茲企業增多，銀行的信用風險凸顯。明斯基的金融脆弱性理論與GDP增速和市場違約率負相關的理論不謀而合。當經濟衰退時，總需求下降造成企業的盈利能力下降，最終導致違約率上升。而違約率與不良貸款率成正相關，我國不良貸款率也與GDP增速負相關。

（二）房地產市場的低迷

房地產對于我國GDP的貢獻率在60%左右，房地產的發展狀況對我國經濟影響巨大。通過我國的房地產開發投資增速可以看出，房地產投資速度不斷降低，這從側面反映出我國房地產市場發展速度趨緩，這與前幾年我國出臺控制房價、調整住房供應結構、加強土地控制、信貸控制等一系列宏觀調控政策有著不可分割的關系，當然也與房地產行業盲目擴張，造成市場供過于求的狀況密不可分。據《2015年上半年金融機構貸款投向統計報告》，2015年6月末，我國人民幣房地產貸款余額高達19.3萬億元。現階段房地產業發展的黃金階段已過，營業利潤有所下滑，勢必提升商業銀行的不良貸款率，提高商業銀行面臨的信用風險。

（三）小微企業貸款增加

我國的小微企業數量在政策的春風下明顯增加，保持穩步增長的態勢。但我們需要認識到小微企業生存能力較弱，銀行貸款給小微企業通常會增加信用風險。從虧損的角度看，我國小微企業的經營能力相對較弱，與其他類型企業相比，虧損的數量仍居首位。從表2可以看出，我國工業虧損企業中小型工業類企業虧損的數量最多。由此，我們可以簡單地推測出規模較小企業的盈利能力、適應市場的能力相對較弱，其虧損的數量大于規模較大的企業。而同時，我國銀行業金融機構對小微企業貸款的數額在增加，這無疑會提高商業銀行的不良貸款率，加大商業銀行的信用風險。

（四）P2P等互聯網貸款平臺發展的沖擊

近年來我國互聯網金融發展迅速，《2015中國網貸運營模式調研報告》顯示，在2010-2015年短短數年中，全國正常運營的P2P網貸數量已經發展到了2520家，行業累計交易規模也已突破萬億元。P2P的迅速發展對我商業銀行業務產生了不小的影響，一方面使得中小型貸款流向P2P平臺，造成銀行的客戶源減少；另一方面，競爭也使得貸款行業的利息水平下降，降低了商業銀行貸款業務的利潤率。總體來看，P2P網絡貸款行業的發展會對商業銀行的貸款業務和營業利潤造成沖擊。面對P2P網絡貸款的發展和營業利潤的下滑，商業銀行為了追求利潤，可能會降低對貸款客戶的信用審核標準、減少審核的程序。這樣將導致商業銀行貸款客戶質量下降，不良貸款率上升。

（五）商業銀行信用評估的方法不完善

1997年，克瑞格從銀行角度研究了信貸市場的脆弱性，提出了“安全邊界”概念。“安全邊界”是銀行在貸款中收取的風險報酬，當由于不測事件使得未來沒有重復過去的良好記錄時，為銀行提供一種安全保護。克瑞格認為銀行不恰當的評估方法是導致信貸市場脆弱的主要原因。我國商業銀行的信用評估起步較晚，評估方法存在較多問題。首先，數據來源不準確。授信企業的財務數據不準確、不全面，往往不能真實反映企業的真實經營狀況。其次，評級數據更新不及時。企業的信用評級一般都是一年更新一次，但銀行并沒有每年進行及時地分析調整，企業內外部的變化沒有反映在評級結果上。最后，五級分類的信用評估方法存在一次主觀性。分類標準沒有真正意義上的量化，往往存在不同工作人員主觀上的差異，導致信用評估的結果差異較大。我國商業銀行信用評估方法的不完善，在一定程度上造成銀行對貸款客戶的信用風險認識不足，無法有針對性地對不同客戶制定不同水平的貸款利率，也無法準確識別有信用風險的客戶。

三、降低商業銀行不良貸款率的對策分析

加強商業銀行內部控制。有效的內部控制有助于信貸及風險信息在銀行內部不受阻滯地分享和交流，防止出現隱瞞、欺詐等犯罪行為，增強對貸款風險的評估和控制的及時性。建立相關的制度、企業文化，如：稽核制度、報告制度和強有力的信用文化；強調團體合作的重要性并創造相應的激勵制度，如鼓勵團隊合作來提高貸款項目的透明度，以貸款質量作為考核制度減少不良貸款發生的可能性。

篇4

摘要：信息化、網絡化時代的到來對商品流通企業來說是一把“雙刃劍”，一方面促進了商品流通行業結構優化、提高了行業發展效率，同時也給商品流通企業提出了更多挑戰。與此同時，商品流通企業信用風險評估體系的構建更是迫在眉睫，充分利用商業數據，加深對信息流的認識是構建信用風險評估體系的重要“物質”基礎。文章在簡述商品流通行業現狀和趨勢的基礎上，進一步剖析了目前我國商品流通企業信用風險評估存在的問題，最后根據網絡信息數據與信用風險評估的關系給出建議措施，這對提高商品流通企業信用風險管理效率有一定的促進意義。

關鍵詞：商品流通企業 商業數據 信息流 信用風險評估體系

商品流通企業是從事商品流通的生產企業、經銷商和零售商等，主要是通過低價購進高價售出的方式實現商品的流通，在支出流通過程中的各項費用后，以獲取最終差價作為公司的利潤。商品流通過程主要包括商品購進、銷售、調配、存儲及運輸等，其中購進和銷售屬于關鍵環節，所有流通過程都是圍繞商品銷售而展開。隨著網絡信息時代的到來，商業流通行業競爭愈發激烈，對行業流通鏈條上的信息溝通和管理要求更高，商業流通呈現多種發展態勢。

一、商品流通行業的發展現狀和趨勢

網絡信息化的普及深刻地影響著整個經濟社會，全球化拉近了人們之間的距離，各種智能化產品的使用更是加速了信息傳播和共享的速度，商業流通不僅僅受到社會生產力和發展水平的制約，隨著信息化時代的到來，商業流通將不斷改變并呈現出新的發展態勢，同時提出新的發展要求，也就是說商業流通行業逐漸被細化、深化，不僅金融、交通、物流等行業深刻地影響著商業流通行業，而且國際貿易環境、信息化、市場化、城市化水平都是商品流通企業發展的重要影響因素。對于商業流通行業來說，公路、水路、鐵路、高鐵以及空運的發展使得流通成本日益降低，發達的交通網絡緊密了商品與客戶之間的聯系。因此，商業流通不僅具有全球化發展特征，而且還具有數據化、網絡化發展特征。

就目前商品流通行業的發展來看：一方面，在我國城市化進程的推動下，商品流通企業將面臨新一輪的“洗牌”，每個行業的主導流通公司將逐漸減少并穩定在一定的數量內；另一方面，在激烈的競爭環境下，商品流通企業要適應發展就必須減少流通環節降低費用支出，壓縮流通環節成了避免被淘汰的必經之路，許多商品流通企業正在從冗長的流通環節中掙脫出來，實現直接對終端環節的管理，中間商將逐漸被物流商代替，商業流通環節中各個分工更加明確。

二、商品流通企業信用風險評估存在的問題

在網絡信息化時代下，商品流通企業不僅經歷了激烈的競爭，還逐漸形成了清晰的管理鏈條。對于商品流通企業來說，市場需求越來越細致，產品生命周期越來越短暫，信用風險系統變得越來越重要，但信用風險評估系統還存在不少問題。

（一）商品流通企業信用風險理念與時代脫節

信用風險是一種損失可能性和不確定性，風險的發生不確定，發生的時間不確定，發生的原因不確定，造成的損失更不確定。隨著經濟的發展，在全網絡和信息時代，需要進一步強化在商業流通市場中的信用風險理念，而許多商品流通企業還沒有轉變信用風險理念，信用風險評估依舊被當作一種“成本”，并且經營業務往往會受到信用風險理念的影響，也就是說商品流通企業沒有建立信用風險管理體系，認為信用風險管理增加了管理成本，沒有認識到信用風險管理帶來的經濟效益，也沒有在新的社會經濟時代中轉變信用風險理念，這直接影響信用風險評估體系與信息數據的關聯程度，更無法利用網絡信息化帶來的信息便利。總之，在網絡信息時代下，商品流通企業還沒有轉變信用風險理念，這讓信用風險評估體系無法充分發揮應有的作用。

（二）缺乏信用風險管理的重要性意識

在商業流通中，各個流通環節的信息會形成信息流，信息流是商品流通企業運行的輔助劑，是公司穩定運轉的保障。商品流通企I由于本身經營管理意識的匱乏，對于信息流的收集和管理不夠重視，更不能意識到信用風險管理系統的重要性。信用風險可以說是違約風險，是交易雙方一方不履行合約義務造成的經濟損失的風險，是一種金融風險，信用風險對商品流通企業有著不可忽略的影響和作用。商品流通企業信用風險管理需要考慮企業素質、資金信用狀況、經營管理水平、經濟效益等，而每個考察方面都必須制定定性和定量指標，所有評估和管理都離不開信息數據，而目前商品流通企業缺乏專業的信息流收集和管理。

（三）商品流通企業信用風險評估和預防體系缺乏有效匹配

我國市場容量隨著社會發展變得越來越大，同時消費者的需求也更加復雜，商品流通企業針對不同消費需求，對市場的細分更是越來越細，針對不同的市場區域和利益相關體需要區別信用風險評估和預測體系，不同的管理對象有著不同的風險特點，商品流通企業信用風險評估和預防就必須具備個體特性，不同性質和利益關系的對象有不同的信用風險評估和預防方法。此外，市場需求越來越細，產品生命周期越來越短，商品流通企業不僅要加深研發和產品線的厚度，還要根據市場發展方向動態調整信用風險評估和預防體系，而很多商品流通企業由于自身規模小，對相關利益群體和消費市場沒有進行細致的劃分，因此沒有建立針對性的信用風險評估和預防體系，也就是說商品流通企業信用風險評估和預防體系缺乏匹配性。

（四）商品流通企業信用風險評估和預防體系不完善

信用風險評估和預防是一個完整的管理體系，不僅涵蓋了信用評估指標和要素、評估標準和等級，還需要信用評估方法和數據模型。其中信用風險評估方法和指標是最主要的內容，我國在信用風險評估指標體系中主要包含基本信息的綜合評估、資金的周轉、履約情況及資產質量和結構、資金使用情況及成本費用和銷售等經營狀況、利潤的實現情況和前景、中長期發展規劃和執行目標等方面，商品流通企業信用風險評估體系的建立在指標和方法選擇上沒有嚴格區分信用風險的內、外部因素。因此，信用風險評估指標和方法在定量和定性指標結構上也沒有進行具體的區分，在之后的預防措施構建和管理中必然存在一定的局限性，這就說明商品流通企業信用風險評估和預防體系不完善。

三、建h與措施

隨著時代的進步，商業流通領域發生了極大變化，人們工作和社會環境不斷改變，城市化程度也在加深，商品流通企業之間的競爭更加激烈，不同需求和不同定位的終端渠道也相繼出現，在這么復雜的經濟環境中，加強信用風險評估體系的建立顯得尤為重要。

（一）加強商品流通企業流通鏈條的認識，提高信用風險預防效率

對于商品流通企業來說，市場競爭不僅僅只發生在生產企業之間，也包括經銷商、零售商在內的整條流通價值鏈上。除了部分商品流通企業是直接經營終端和面對消費者的，大部分商品和服務都需要經過經銷商和零售商與消費者達成交易。生產企業、經銷商、零售商和消費者形成了商業流通的完整價值鏈，鏈條間有著多方面不同的利益訴求，同時還處處存在矛盾，包括價值傳遞、利益分享等。商品流通企業在流通價值鏈上不同利益方有著不同的利益訴求，生產企業要求出廠價能更高，而經銷商和零售商則是要求進貨價能更低，消費者則希望商品能夠再便宜點。因此，愈來愈多的零售商都在試圖壓縮流通鏈條，減少價值鏈的環節，獲取更大的利益，這一變化和利益趨勢勢必影響信用風險評估和預防體系。商品流通企業要提高信用風險預防效率就必須認清流通鏈的發展趨勢，流通價值鏈的變化對信用風險預防體系有著直接影響。

（二）重視商業數據信息，加強信用風險評估體系的信息化水平

商業數據就是商品流通產業中各個價值鏈上重要環節的歷史信息和當前信息的集合，它不僅是流通領域歷史數據的綜合，還是行業最新發展動向的一種反映，更是產業未來的一種預示信息。商品流通中，商業數據與物流信息、商流狀況緊密聯系在一起，商業數據是商品流通企業進行生產經營管理的基礎，也是信用風險評估體系的根本。而商品流通企業信用風險評估體系是一項系統性工程，信用風險評估指標的選取是信用風險評估體系中的主要內容之一，指標體系需要用系統工程建立的相關方法進行分析和選取，在指標選取中不僅要避免隨意性，還要遵守科學性、客觀性以及簡潔性原則，提高評估指標的評估效率。因此，在信用風險評估體系中要注重信息數據的收集和處理工作，提高評估指標體系的關聯度，最終構建出完整的商品流通企業信用風險評估指標體系。

（三）提高商業數據認識，為構建信用風險評估體系打下堅實的基礎

商業數據的范圍非常廣泛，只要是商品流通企業的經營和發展都屬于商業數據范圍內，在商業流通領域中，流通鏈中不同利益體有著不同方面的數據信息，就生產企業來看，商業數據應該包括宏觀行業數據、內部信息數據、銷售渠道數據、消費需求數據以及相關市場數據等。不同利益體的數據信息有所差異，商業數據的范疇可以根據利益體進行延伸，旨在提高數據的綜合利用效益，從而為構建信用風險評估體系提供堅實的數據支撐。此外，在理清商業數據范疇外，還必須理解不同商業數據的特點以準確利用信息數據，商業數據是信息流的一種表現形式，其收集和處理的目的性更強，不僅具有系統性，還具有專業性，因此在商業數據收集和處理中，需要專業的技術人員和設備，為更好地構建信用風險評估體系提供硬性條件。總之，商品流通企業要構建信用風險評估體系就必須加深對商業數據的認識，不僅要從自身特點認識商業數據范圍，還要根據商業數據特性提高數據信息的收集和處理效率。Z

參考文獻：

[1]蔣，高瑜.基于KMV模型的中國上市公司信用風險評估研究[J].中央財經大學學報，2015，（9）.

篇5

［論文摘要］本文分析了商業銀行內部信用風險評估體系在銀行風險管理的地位和作用，結合我國商業銀行在信用風險評估方法上存在的問題和現狀,對如何完善和 發展 我國商業銀行的內部信用風險評估體系提出了幾點建議。 

 隨著我國 金融 體制改革步伐的加快和金融業開放程度的提高，國內銀行業面臨著參與國際競爭的挑戰。在金融全球化的新形勢下，我國商業銀行必須借鑒國際上先進的信用風險管理經驗，強化信用風險管理，開發適用的信用風險管理模型，適應《巴賽爾協議》新框架的需要。我國處于 經濟 發展的初期階段，在今后很長一段時期，銀行融資仍將是 企業 籌措資金的主要方式，銀行體系面臨的風險將是我國金融風險的主要構成因素。深入研究我國商業銀行的信用風險管理問題，不僅是商業銀行作為微觀金融主體進行內部管理的自主行為，從全局上看也是防范商業銀行的信用風險導致銀行信用體系和支付體系崩潰，引發貨幣危機、股市暴跌和金融危機的需要。下面筆者僅就如何構建商行內部信用風險管理評估體系談談自己的一點淺見，僅供交流和探討。 

 

 一、信用風險評級在銀行風險管理中的地位 

 

 所謂信用風險的評級就是對一定的借款方的情況進行評估,并對由于借款方發生違約造成損失的可能性進行估計。而所謂的內部則是與一般的專業評級機構的評級加以區分,銀行的內部信用評級是由銀行內部人員完成的,并且這種評級的結果是不對外公布的。在當今的銀行特別是大型銀行或是跨國銀行的風險管理中,信用風險的內部評級體系正占有著越來越重要的地位。對于一個有著數以萬計的借款客戶的銀行來說,內部評級對于銀行的風險信用管理來說是不可缺少的,只有建立了系統的內部評級體系,才能對數量龐大的不同的借款人之間的信用風險進行比對。大多數銀行在風險管理的許多重要方面都會利用到評級結果,如放貸的決策指導、資產組合監管、貸款損失準備以及資本金的分析、貸款收益和定價的決定以及資產組合數量模型的數據輸入等等。 

 對于具體的內部評級體系的設計,不同的銀行之間可能有著較大的差異,如等級的劃分、不同的等級之間所代表的風險度、評級的指標以及評級結果的評價等等。對于一個銀行來說,當它設計本行的內部評級體系時,必須要考慮的因素有:不同評級指標的權重、評級的成本、評級的效率與信息的收集、評級結果的前后一致性、評級人員的激勵、銀行的業務范圍以及評級結果的使用等等。 

 

 二、我國商業銀行業信用風險評估方法現狀分析 

 

 目前我國的信用分析和評估技術仍處于傳統的比率分析階段。銀行機構主要使用 計算 貸款風險度的方法進行信用風險評估。信用風險的分析仍然是以單一投資項目、貸款和證券為主,衍生工具、表外資產的信用風險以及信用集中風險的評估尚屬空白,更沒有集多種技術于一體的動態量化的信用風險管理技術。其主要表現在以下幾個方面: 

 (一)信用風險衡量采用專家制度。我國商業銀行信用風險衡量大多采用專家制度。但專家制度存在一定的缺陷和不足,在實際運用中沒有引起重視。如專門信用分析人員不足、實施效果很不穩定、銀行應對市場變化的能力較低、銀行在貸款組合方面過度集中的問題進一步加劇等。 

 (二)信用風險評估中定量分析不夠。從信用風險的識別、衡量方面看,我國商業銀行信用風險管理定性分析多,定量分析少(盡管已經使用了一些定量分析方法,但仍存在著不完善的地方);靜態分析多,動態分析少;局部分析多,全局分析少。以企業信用評級為例,從評級要素的設計看,多側重財務指標分析(總分值達三十分以上),而忽略了財務信息的質量問題。眾所周知我國企業財務信息質量不高已是不爭的事實;忽視了企業發展前景在信用評級中的作用,如企業所在行業發展狀況、市場預期狀況僅占1分,這樣得出的評級結果更多反映的是企業過去和現在的信用狀況,而未能反映企業未來的資信質量。從評級時間看,對企業的信用評級每年進行一次,不利于銀行及時了解企業的信用等級變化,不能為風險管理提供動態的信息。再從國內銀行對貸款的風險度測量方法看,一個最主要的問題就是貸款風險度涉及因素的選擇和風險系數的確定很大程度上受到主觀因素的影響。貸款風險度是否受到或僅受到企業信用等級、貸款方式的影響,有實證研究結果表明,

（一）開發內部評級法。我國目前缺乏外部信用評級機構,而要 發展 本國的外部信用評級機構需要花費較長時間,因此需從現在起就著手開發內部評級法。目前,信用模型尚不成熟,普遍適用的內部評級標準尚未建立,各家銀行的內部評級系統差異較大,因此,監管當局將難以對各家銀行的內部評級結果進行有效的評估和比較。此外,內部評級法還包含了許多主觀判斷因素。這有可能導致銀行監管當局和銀行之間在某些風險資產的評估當中產生不同意見。 

（二）加強銀行內部信用評級的立法,確立信用評級工作的 法律 地位。以立法的形式規定評估在貨幣市場、資本市場及其它信用市場中所處的地位,使信用評級行為與評級結果得到有效的法律規范,實現評估結果的客觀性、公正性、 科學 性、權威性。 

（三）建立健全科學的信用評級體系。建立銀行內部信用評級體系應堅持“三結合”:一是國際標準與我國國情相結合;二是定性方法與定量方法相結合;三是傳統研究方法與 現代 先進評級技術,特別是互聯網技術相結合。統一評估體系和標準,實現評估科學化,提高評級質量。 

（四）積極培育評級市場。市場 經濟 需要信用評級,而其規范和發展關鍵在于政府引導、培育和完善。一方面通過類似貸款證的規定來推動評級需求的增加,另一方面鼓勵跨地區的評級。提高評級機構素質和評級質量,引導、培育和完善信用評級市場。 

 （五）提高信息披露的質量標準,確保數據資料的真實性。因為信用評級主要根據的是公開披露的信息資料,評級對象能否適應外部環境和發揮內在優勢最終都集中在公司的財務狀況上,因此財務因素分析在評級活動中處于核心地位。而我國目前資本市場上,偽造、編造 會計 憑證、會計賬簿和編制虛假財務會計報表現象非常嚴重,必然會影響評級事業的健康發展。因而必須提高信息披露的質量標準,在制度上保證 企業 不得不將真實的數字告知銀行,并由此獲得一個沒有水分的信用級別。另外,銀行評級人員也要提高識別真假數據的基本功,要培養自己“去粗取精”、“去偽存真”的能力,提高評級水平。 

 （六）信用評級是一個即重視理論,也重視經驗的工作,評級業務即需要科學的評級理論的指導,同時也需要評級人員具有豐富的經驗。借鑒國外先進的經驗,商業銀行有關部門應在穩定隊伍中逐步提高評級人員的素質,如經濟發達國家普遍實施的員工持股計劃和期權制度,制定合理的激勵機制,最大限度地調動信用評級人員的積極性。 

 總之，新巴塞爾資本協議已于今年開始正式實施，與1988 年的老巴塞爾協議相比,最大的區別就是在最低資本要求中引入了資產風險的因素,從而大幅度地提升了銀行資產的風險敏感度,特別是兩種信用風險評級體系之一的銀行內部評級法( irb) ,對于各國的銀行來說都是一大挑戰。我國商業銀行只有根據本國實際，建立先進、科學、有效的信用風險內部評級體系，切實提高信用風險管理水平,才能與國際行業通行標準接軌，增強自身的市場競爭力。 

 

篇6

【關鍵詞】風險控制、 中小企業、 信貸、信用機制

Abstract: Small & medium-sized enterprise (SMSE), as the most energetic and vigorous economic corpus in the market economy,have been one of the most important motivations for the growth of economy in China. But it is a common phenomenon existing throughout the world with different distant, that most of SMSE are quite difficult to get loans from banks. The lack of credit rating system applying to SMSE is the main reason causing the financing difficulties for SMSE. Theoretical analysis and practice analysis are two important ways through which foreign and domestic researchers study. Quite a lot of the researchers abroad and domestic regard information asymmetry as the main obstacle of the credit rating process, and try to resolve the contradiction between the SESE and commercial banks. For practice analysis, researcher like Altman as a represent tries to set up quantitative model to value the credit risk of SMSE quantitatively.

Keywords: risk control, SMSE, credit loan, credit rating system

一、近年來關于信用評價的國內相關文獻綜述

中國社科院張其仔等編著的《企業信用管理》(2002年)，從企業內部信用管理的基本知識和操作技巧等方面，對企業信用展開了初步探討。由林漢川、夏敏仁主編的《企業信用評級理論與實務》(2003年)，結合《新巴塞爾資本協議))的有關精神，對我國企業信用評級的理論和方法進行了一次新的梳理，并結合國內各種類型企業的現狀作了一些新的探索。石曉軍、陳殿左(2004年)則系統論述了我國企業信用管理問題的成因與對策，創造性的提出了“企業信用風險治理的概念”，構建出適用于我國的基于主成分—判別分析的企業信用分析模型，是對填補中小企業授信中的信用評級研究這一領域空白的一次大膽的嘗試。

針對我國中小企業信用評級對銀行的影響，吳潔(2005年)提出將信用評分技術應用在中小企業信用評價中，并提出銀行間應加強對中小企業的信用狀況的歷史數據的交流，通過這種交流建立適合我國國情的中小企業的信用評分模型，還提出還必須建立一個有效的個人信用評價體系。同樣針對中小企業信用風險評價體系及方法，何祖玉、韓啟、王華偉、梅強等人(2003年)選用基本能夠代表中小企業信用擔保所涉及的16個指標，通過定量分析與定性分析的結合，探討了如何建立中小企業信用擔保風險評價指標體系，指標側重于企業的基礎素質、基本財務狀況、企業的創新能力、成長與發展能力。周巧云在《對中小企業信用風險評價方法的探討》(2004年)中，認為對中小企業層面信用風險的分析可選取宏觀環境、行業、經營管理、財務、擔保等因素作為評價指標，對個人層面信用風險的分析可選取業主素質和業主價值作為評價指標，建立評價模型，以定性分析與定量計算相結合的分析方法來確定中小企業的綜合信用風險度。

曹繼英(2004年)提出了影響中小企業信用的主要非財務因素，并根據企業經營者個人素質等和財務因素為審計因素、財務報告等因素，提出了幾個信用考核中的誤區。而關偉、薛鋒(2004年)中則根據中小企業的信用現狀和各種信用評估方法的特點，提出了一種適用于中小企業的信用風險評估方法—灰色聚類評估法。

也有國內學者試圖利用數量模型分析中小企業信用風險。田麗紅、吳曉燕、常明等人(2005年)在對當前流行信用風險度量方法分析的基礎上，提出了要素分析法和多變量信用風險判別模型相結合的信用分析方法。魯煒、趙恒巧、劉冀云等人的《KMV模型關系函數推測及其在中國股市的驗證》(2003年)中，指出在中國這樣一個缺少足夠信用數據的新興市場上，KMV模型直接利用股票市場的數據進行信息管理，具有廣闊的應用前景。然而，KMV模型。A和。E的關系是隨市場不同而變化的。利用中國股市的數據，得出了適應中國市場的αA和αE的關系函數，初步實現了運用期權理論對中國上市公司的信用風險進行估測，具有相當的理論和現實意義。趙紹光在《中小企業信用評估指標體系的研究》(2005年)中，分析了中小企業信用評估的要素包括:素質要素、財務要素、環境要素、風險要素，提出了建立中小企業信用評估指標體系的指導原則:針對性原則、可比性原則、系統性原則、可操作性。王文英、潘華在等人《中小企業信用的兩個層面與評估模式的探討》(2004年)中小企業授信中的信用評級研究中，認為市場經濟是信用經濟，確定信用等級的標準和形式是信用評估體系。他們分析了我國中小企業資信現狀，將信用評級的企業層面與個人層面相結合，提出了進行中小企業信用評估的一個評估模式。

二、1960年代以來國外部分主要文獻綜述

1966年芝加哥大學會計系的Beaver提出了單變量判定模型。他通過對破產、拖欠債務、不能支付優先股股利的79家經營失敗公司和79家經營未失敗公司的對比分析研究，并使用了現金流量/債務總額、資產收益率、資產負債率等30個財務比率作為變量，進行一元判定預測，發現現金流量與負債總額的比率能夠最好地判定公司的財務狀況;其次是資產負債率，并且離經營失敗日越近，誤判率越低，預見性越強。Beaver以后又有許多學者對單變量模型進行了研究，如 Deakin(1972)等。單變量判定模型是介于古典信用分析和多元統計分析之間的一種過渡方法。

1968年美國學者Altman選取了  1946~1965年間33家申請破產的制造企業和33家與這些企業規模相類似非破產制造企業作為樣本，通 過對破產前一年22個變量的研究，得到一個預測判別模型:Z計分模型。該模型標志著信用風險度量已經進入多元線性統計分析階段。

1977年，Altman、Haldeman和Narayannan對Z計分模型進行擴展，建立了第二代模型即ZETA模型。它選取  1969~1975年的53家破產公司和58家非破產公司，采用新的七變量指標(資產報酬率、收入穩定性、債務償還、積累盈利、流動比率、規模)，使新模型不僅適用于制造業，而且同樣有效地適用于零售業，并且使對公司破產前1年和前5年的準確度大大提高，精度分別為91%和70%。Z計分模型和ZETA模型是多元線性判別模型的典型代表，對于信用風險度量的影響巨大，直到現在人們還在使用它。

1969年Pogue和soldofsky利用另外一種多元線性方法—線形概率模型，針對1961年至1964年間接受Moody評級的公司債，預測其屬于投資級或投機級，間接度量了公司的信用風險。

鑒于影響借款是否違約的因素與結果并非呈線性關系，20世紀80年代以后多元非線性回歸模型開始受到研究信用風險度量學者的追捧。1980年Ohlson使用了多元Logit回歸方法分析了1970一1976年間破產的105家公司和2058家公司組成的非配對樣本，他發現用公司規模、資本結構、業績和當前的變現能力進行財務困境的預測準確率達到96.12%。Casey和Bartezak在1985年，Tirapat和Nittayagasetwat在1999年也應用這種方法進行了相應的實證研究。另一種相近的Probit模型可能是澤米捷斯基(Zanijewski，1984)首度用來預測公司財務危機。目前，這類多元非線性回歸模型應用最為廣泛，被國際金融業和學術界視為主流方法。

多元統計分析在近二十多年得到進一步拓展，人們把非線性區別分析法、神經網絡方法、遺傳算法、線性規劃、非參數統計方法等應用其中，形成了基于神經網絡、遺傳算法、線性規劃等方法的信用風險度量模型。這些只是在算法上的改進，評估信中小企業授信中的信用評級研究用風險的結果并不一定比原有的模型優越。其中類神經網絡方法最為有名。類神經網絡的理論可追溯到40年代，但在信用風險分析中的應用還是90年代的新生事物。1992年Tam和Kiang以 1985一 1987年美國德州失敗銀行及正常銀行各59家為研究對象，以19個財務比率為輸入變量，比較多種模型對樣本銀行的分級能力，其結果顯示類神經網絡的分級正確率最高。Coats和 Fant(1993)，Trippi和 Turban(1993)采用類神經網絡分析法分別對美國銀行和公司財務危機進行了預測，取得了一定的效果。

20世紀80年代以來，信用規模和風險以指數方式膨脹，有別于傳統多元統計分析的信用風險管理方法，基于資本市場理論和信息科學為支撐的現代信用風險模型得到前所未有的發展。90年代以后，信用風險度量進入現代信用風險模型階段。1995年美國KMv公司開發出基于Merton期權定價理論，利用預期違約頻率 (Expected Default Frequency，EDF)來計量公司的違約概率的信用風險度量模型，簡稱KMV模型。1996年瑞士信貸第一波士頓銀行(CSFB)應用保險業中的精算方法來計算債券或貸款組合的損失分布，從而開發出Credit Risk+信貸風險管理系統。 1997年4月J.P.摩根推出用于量化信用風險的Credit Metric模型，是通過在險價值  (Value At Risk，VaR)來衡量信用風險的一種計量方法。這是三個最為有名的現代信用風險模型，此外還有一大批新模型和新方法，如信孚銀行的RAROC模型、基于宏觀模擬方法的麥肯錫模型、基于風險中性的KPMG貸款分析系統模型、基于保險方法的死亡率模型，衡量衍生工具信用風險和信用集中風險的新方法。2000年Chariton和Trigeorgis借鑒KMV模型的參變量研究1983年到1994年中139對美國公司，利用了Logistic回歸模型，結果發現到期債務面值的對數、公司資產當期市價的對數、公司價值變化的標準差等參變量在預測破產方面作用顯著。

值得一提的是，著名的穆迪(Moody)公司基于多年信用評級的積累經驗在2000年3月公布了一個針對私營公司的RiskCalc違約模型，通過對其信用研究數據庫中28104家正常私營公司和1604家違約私營公司的實證研究證明了該模型優于現行的其他模型，并且受非財務和時間因素的影響較少。RiskCalc違約模型實際上是一個Probit模型，目前該模型已經被穆迪公司應用于貸款證券化的信用評級。2000年之后，穆迪公司將RiskCalc違約模型推廣到世界范圍，采用不同國家的數據來研究私營企業的信用風險，如澳大利亞、法國、英國、德國、意大利、日本、韓國和新加坡等。

三、小結

（一）國外的一些信用評價模型，可以說是比較完善，有很強的科學性和較為廣泛的適用范圍，但應用這些指標的基礎是在比較發達和完善的市場經濟環境中并且要有相當完善的信用記錄，而我國的信用體系建設剛剛開始，信用記錄幾乎空白。因此，國內照抄、照搬西方國家的信用評價體系是行不通的。

（二）信用評價有著不同的評價主體和客體，對于不同的主體和客體而言，其評價的指標是不一樣的，但現在看來所有的信用評價體系如出一轍，沒有針對性可言。中小企業是企業群體殊的一類，有著不同于一般企業信用評價的一面，如果按照相同的評價體系，那么結果肯定是有偏差的。

（三）很多體系中都會存在資本結構、資產規模等指標，對于中小企業來說，其規模遠不能與大型企業相比較，因此在設置中小企業的融資信用評價指標時，要盡量弱化企業規模的影響，畢竟規模大的企業信用不一定高，規模小的企業會更加重視企業融資信用反而信用水平可能更高。

本文認為，在研究中小企業信貸信用評價體系的建立時，應注重定量分析與定性分析的結合。在定量分析的過程中，因以可操作性、全面科學性、簡明性為原則，選取具有代表性和關鍵性的指標，通過科學的分析方式，構建具有指標意義的定量分析模型。同時，也應使用定性分析作為輔助，以宏觀、中觀、微觀三個角度對中小企業信貸信用風險做全面深入的分析。主要考察中小企業的外部環境風險，行業內相關信息，最后結合中小企業自身特點做出信用評價

參考文獻：

[1]張其仔，尚教蔚，周雪琳，施曉紅.企業信用管理[M].[北京]:[對外經濟貿易大學出版社].[2002].

[2]林漢川，夏敏仁.企業信用評級理論與實務[M].[北京]:[對外經濟貿易大學出版社]. [2003].

[3]石曉軍，陳殿左.信用治理—文化、流程與工具[M].[北京][機械工業出版社] [2004]

[4]吳潔.信用評 分技術在中小企業貸款中的應用[J].[現代金融].[2005]. 5-7.

[5]何祖玉，韓啟，王華偉，梅強.中小企業信用風險評價體系及方法[J].[統計與決策]. [2003]. 17-15.

[6]周巧云.對中小企業信用風險評價方法的探討—基于關系型貸款的綜合評價模型[J].[河南金融管理干部學院學報].[2004]. 52-54.

[7]曹繼英 規避中小企業信用風險應注意的主要因素[J].[浙江金融].[2004]. 31-33.

[8]關偉，薛鋒.基于灰色聚類法的中小企業信用風險研究[J].[生產力研究].[2004]. 51-53.

[9]田麗紅，吳曉燕，常明.中小企業信用風險度量模式的選擇分析[J].[石家莊] [鐵路職業技術學院學報].[2005]. 111-114.

[10]趙紹光.中小企業信用評估指標體系的研究[J].[長春師范學院學報]. [2005].

[11]魯煒，趙恒晰，劉冀云.KMV模型關系函數推測及其在中國股市的驗證[J].[運

籌與管理].[2003].43一45.

[12]王文英，潘華.中小企業信用的兩個層面與評估模式探討[J].[經濟問題探索]. [2004]. 61一62.                                            

. 71一 111.

[14] Altman E.I.  [Financial ratios, Discriminate Analysis and the Prediction of Corporate Bankruptcy. [J]. [Journal of Finance]. [1965]. 589-609.

.

 

 

文獻綜述指導教師評語

篇7

關鍵詞:信用風險評估;支持向量機集成;預測

中圖分類號:F830.51

文獻標識碼:A

文章編號:1003-5192(2009)04-0057-05

1 引言

商業銀行作為國民經濟的總樞紐和金融信貸中心,發揮著融通資金、引導資產流向和調節社會供需平衡等諸多不可替代的作用。然而商業銀行在營運過程中面臨著各種各樣的風險,包括系統風險和非系統風險,其中在非系統風險中信用風險占有特殊的重要地位。世界銀行對全球銀行業危機的研究表明,導致銀行破產的最常見原因就是信用風險。信用風險又稱違約風險,是指借款人、證券發行人或交易對方因種種原因,不愿或無力履行合同條件而構成違約,致使銀行,投資者或交易對方遭受損失的可能性[1]。信用風險是商業銀行信貸風險管理中一項基礎性的工作,其目的在于分析銀行在貸款業務中可能面臨的信用風險――借款人如期履行特定債務的能力與意愿,從而為貸款決策提供依據。

信用評估方法在不斷演進,大致經歷了定性分析、統計分析和人工智能三個發展階段,最初它只是通過信貸分析員閱讀申請表并決定是否放貸,但是這一方法主觀因素太強,必然存在誤判的可能性。統計方法主要是判別分析(DA)[2],判別分析是分類預測的主要研究范疇之一[3],但是判別分析在操作上的一個缺點是其基本假設很容易被打亂。另外,模型只能在已被通過的貸款樣本中進行估計,因此存在參數估計的樣本偏差。隨著信用行業的發展以及貸款組合種類的不斷增加,信用評估的準確率哪怕只提高零點幾個百分點,都會帶來巨大的效益,因此,人們積極探索開發更加準確的信用評估模型,先后就非參數統計模型、人工智能等方法在信用評估方面的應用進行了嘗試[4],尤其是最近幾年中己經開發出來包括分類樹[5]、神經網絡[6]以及多元判別法分析[7]等在內的多種方法。但是,這些方法都存在一些缺點,即不能量化解釋指標的重要程度,在分類樹分析中沒有參數,而在神經網絡中則沒有參數解釋,用于信用風險評估具有一定的片面性。同時,神經網絡的訓練是在黑箱中進行的,這種運算摒棄許多行業經驗和專家經驗,具有一定的盲目性,人們不能對之進行干預。神經網絡適合于對數量指標的分析,而忽略對影響因素中的定性指標的分析,顯然是不合理的、片面的。而且用神經網絡來評價經濟問題時,很難說明神經網絡訓練后,各網絡參數和閥值的經濟含義,使得模型缺乏說服性。

研究表明組合分類器的分類精度一般比單個分類器的分類精度高,但是神經網絡集成[8]在信用評分中的應用結果表明,神經網絡集成的分類精度不如單個神經網絡。因為神經網絡分類建立在大樣本的基礎上,而目前銀行所保存的數據樣本量有限,用集成神經網絡分類則必須把所收集的樣本分割成多個子樣本,從而減少了單個神經網絡的訓練樣本數,進而影響了其分類精度。基于此,許多學者在支持向量機[9~11]的基礎上又發展了基于小樣本學習的支持向量基集成[12~14],許多領域都用此方法來改善分類精度,應用結果表明支持向量機集成的分類精度至少和單個支持向量機的分類精度一樣好。但是目前的研究普遍是基于最多投票原則的集成方法,該方法沒有考慮子支持向量機分類器的輸出重要性。

長期以來信用風險評估一直被看作是模式識別中的一類分類問題,依據的信用風險衡量標準是貸款企業“違約與否”,利用的是模型與方法的分類功能,形成信用風險的分類評估模式,這種做法被稱為“粗暴的經驗主義方法”。分類評估模式所反映的有限的經濟信息并不能充分滿足信貸風險決策的需要,轉變評估模式的關鍵在于確立更為有效、客觀的信用風險衡量標準和評估預測模型, 而實施貸款風險的五級分類體系可以提高分類準確性,本文建立基于模糊積分的支持向量機集成方法,該方法考慮了各子分類器的分類結果和各子分類器判決對最終決策的重要程度,并對商業銀行信用風險進行五級分類,以某商業銀行的實際數據進行實證研究,評估結果表明該評價方法具有科學、簡潔、預測精度高等特點,而且模型的結構與方法應用前景廣闊。

2 基于模糊積分SVMs集成的模型構建

2.1 Bagging個體生成

Bagging[15]的基礎是可重復采樣(Bootstrap Sampling)。在該方法中,各支持向量分類器的訓練集由原始訓練集中隨機抽取若干示例組成。訓練集的規模通常與原始訓練集相當,訓練例允許重復選取。這樣,原始訓練集中某些示例可能在新的訓練集中出現多次,而另一些示例可能一次也不出現。Bagging方法通過重新選取訓練集增加了分類器集成的差異度,從而提高了泛化能力。

3 模糊密度的確定方法

由模糊積分的定義可知,確定描述各個子支持向量分類器重要性的模糊密度值是基于模糊積分的多分類器集成的關鍵所在。本文使用混淆矩陣來確定各個支持向量分類器的模糊密度值。

在子支持向量分類器訓練完畢后,用子分類器各自的訓練集對各個子分類器進行測試得到各自的混淆矩陣。

假定一個K類分類問題,對于子分類器SVCk,其混淆矩陣可以定義為

通過混淆矩陣可以得到各個支持向量機的模糊密度,為利用模糊積分進行支持向量機集成奠定了基礎。

4 五類別問題實證分析

4.1 試驗過程

仿真實驗在Libsvm軟件的基礎上進行,采用Visual C++編譯實現。驗證平臺為256MB內存的AMD Athlon 1800+,操作系統為Windows 2000。支持向量機集成流程如圖1所示。

實驗過程如下:

第1步 使用Bagging方法從原始訓練集中產生各個子支持向量分類器的訓練集,對各子支持向量分類器進行訓練;

第2步 給出各訓練完畢的子支持向量分類器的五級分類的概率輸出模型[17];

第3步 根據第3節中介紹的方法確定模糊密度{g({SVMi,}),k=1,…,c},以此來表示各子支持向量機SVMi,i=1,…,m在各自訓練樣本上執行好壞的概率密度;

第4步 當給定一個測試樣本,得到各子支持向量分類器對該測試樣本的類概率輸出;第5步 對于ωk,k=1,…,c,根據2.2計算模糊積分ek,集成各子支持向量機;

4.2 指標體系的建立

商業銀行面臨的信用風險主要與貸款企業本身的信用狀況有關,另外還與銀行自身貸款分布和行業集中度等因素有關,具體可分為貸款企業風險、商業銀行風險、宏觀經濟風險和其他風險因素。

綜合考慮信用風險的各影響因素,依據指標選擇原則,借鑒我國財政部統計評價司的企業績效評價指標體系和中國工商銀行企業資信評估指標體系,并參考國內外有關文獻,兼顧我國信用風險的特殊性和數據的可獲得性,最終確定以下16個指標(圖2)用作商業銀行信用風險評估。

圖2 信用風險評估指標體系

4.3 樣本的獲取

本文的數據來源于中國工商銀行哈爾濱某分行,在采集數據時,注重樣本自身的行業特征,不同行業的企業經營環境和業務范圍差距很大,企業的各項財務指標和非財務指標也不具有可比性,而且又缺乏必要的行業標準和經驗值,因此模型中選用同一行業短期貸款的樣本數據來避開這一問題。采集的數據檢索條件如下:

(1)樣本行業范圍:制造業;

(2)貸款種類:短期貸款(一年及一年以內);

(3)貸款發放日期:1998年1月1日至1月31日;

(4)貸款余額截止日:2001年8月13日;

(5)貸款金額:貸款實際發放金額;

(6)貸款余額:截止2001年8月13日確定為損失的貸款余額;

(7)貸款形態:貸款目前所處的形態;

(8)企業全稱及代碼:識別企業的唯一標識碼;

(9)報表日期與報表:1997年12月31日的企業資產負債表和損益表;

(10)經過收集、整理共獲取176個樣本,涉及貸款額50多億元人民幣。

4.4 樣本數據處理

首先對樣本進行穩健性處理,選用兩倍、三倍標準差檢驗法進行異常數據剔除,最終獲得157個樣本數據。將樣本集劃分為訓練樣本集和測試樣本集,隨機抽取35%(56家)作為訓練樣本集,用于構造SVMs集成模型,其余的65%(101家)作為測試樣本集,用于檢驗模型的泛化能力。以風險為依據,按銀行所承受的風險大小來劃分貸款質量的分類法,即通常所說的將貸款分為正常、關注、次級、可疑、損失五類的“五級分類法”(表1)。原始數據中,關于原始數據的實際信用等級,該商業銀行是按貸款損失占貸款總額的比率來進行統計的。本文采用的是用貸款損失/貸款總額來確定貸款劃分的類型,因此不可能完全按照中國人民銀行規定的貸款五級分類法的標準,具有一定的預測性,但是,同樣,對貸款風險也有較好的指導作用。

在因子分析之前還需要進行巴特利特球體檢驗和KMO測度,測試結果顯示有必要對模型輸入指標進行因子分析。本文采用主成分分析法求解初始因子,依據特征值準則(取特征值大于等于1的主成分作為初始因子),因子個數應該確定為4,根據碎石檢驗準則(Scree Test Criterion)也得到同樣的結論,而此時因子累計解釋方差的比例可以達到74%以上,保留了原有數據的主要經濟信息,并且各因子經濟含義較為明確,表明因子個數的確定較為適宜。由于在因子負載矩陣中,相對于0.3的負載而言,變量的方差能夠被該因子解釋的部分不足10%,所以對于絕對值小于0.3的負載一般可以不予解釋,各因子的經濟含義較為明確,而且因子與指標間的內在聯系比較顯著,各因子依次可以歸結為營運能力因子、償債能力因子、盈利能力因子和貸款方式因子。

4.5 實證結果分析

依據表1,按銀行所承受的風險大小來劃分貸款質量,將貸款分為正常、關注、次級、可疑、損失五類,再將分類結果和實際的分類進行比較,判斷分類的正確性,以此對信用風險模型進行評價。

本文采用一對一策略來實現多類別分類,訓練出9個SVMs。各子支持向量分類器使用RBF核函數,每個SVM通過10重交叉驗證的方法來選擇相應的參數,本文進行了10次實驗,并將本文提出的模糊積分支持向量機集成方法在五級分類上的執行效果與單一SVM和基于最多投票原則的SVMs集成等的執行效果進行比較,圖3為平均執行效果比較,從左到右依次是:(1)神經網絡集成;(2)單一模糊神經網絡,(3)單一SVM,(4)基于最多投票SVMs集成,(5)基于模糊積分的SVMs集成。由圖3可知,基于模糊積分的SVMs集成的分類正確率為87.10%,基于最多投票的SVMs集成的分類正確率為85.17%,單一SVM的正確率為84.524%,模糊神經網絡的分類正確率為82.59%,神經網絡集成的分類正確率為81.72%。

應用結果表明,基于模糊積分SVMs集成比單個SVM、基于最多投票的SVMs集成和單個模糊神經網絡的分類效果好,而單個模糊神經網絡的分類正確率比神經網絡集成的分類正確率高。支持向量機集成的分類精度最高,可能是因為銀行目前所保存的樣本量有限,支持向量機適合小樣本訓練,而神經網絡訓練則需要大樣本支持,在有限的樣本中重復抽樣,會減少樣本量,這樣就會降低神經網絡的訓練精度,從而進一步證明了支持向量機對于小樣本訓練的優勢;并且模糊積分在進行多分類器決策融合的時候綜合考慮了各子分類器的分類結果和各子分類器判決對最終決策的重要程度的緣故,證實了本文提出的方法的準確性和有效性。

5 結束語

本文提出了一個基于模糊積分的支持向量機集成方法。該方法最主要的優點是它不僅組合各個分類結果,而且考慮不同SVMs分類器的相對重要性。將此方法應用于商業銀行信用風險評估,模擬結果表明該方法比單個SVM、基于最多投票的SVMs集成方法、神經網絡和神經網絡集成的效率高,效果好。說明基于模糊積分的SVMs集成的商業銀行信用風險評價是可行和有效的。進一步研究的方向是設定更加合理的模糊密度和用其它方法(如加速法)來構建SVMs。

參 考 文 獻:

[1]丁欣.國外信用風險評估方法的發展現狀[J].湖南大學學報(社會科學版),2002,16(3):140 142.

[2]Jackson P, Perraudin W. Regulatory implications of credit risk modelling[J]. Journal of Banking and Finance, 2000, 24(1): 1 14.

[3]De Andres J, Linda M, Lorca P. Forecasting business profitability by using classification techniques: a comparative analysis based on a Spanish case[J]. European Journal of Operational Research, 2005, 167(2): 518 542.

[4]West D. Neural network credit searing models[J]. Computers & Operations Researeh, 2000, 27(4): 1131 1152.

[5]姜明輝,王歡,王雅林.分類樹在個人信用評估中的應用[J].商業研究,2003,(12):15 19.

[6]Lee K C, Han I, Kwon Y. Hybrid neural network models for bankruptcy predictions[J]. Decision Support System, 1996, 18(1): 63 72.

[7]方洪全,曾勇.運用多元判別法評估企業信用風險的實例[J].預測,2004,23(2):6568.

[8]Tsai C F, Wu J W. Using neural network ensembles for bankruptcy prediction and credit scoring[J]. Expert Systems with Applications, 2008, 34(4): 2639 2649.

[9]Huang C L, Chen M C, Wang C J. Credit scoring with a data mining approach based on support vector machines[J]. Expert Systems with Applications, 2007,33(4): 847856.

[10]Xu Xiujuan, Zhou Chunguang, Wang Zhe. Credit scoring algorithm based on link analysis ranking with support vector machine[J]. Expert Systems with Applications, 2008, 36(2): 18.

[11]Crook J N, Edelman D B, Thomas L C. Recent developments in consumer credit risk assessment[J]. European Journal of Operational Research, 2007, 183(3): 1447 1465.

[12]Nanni L, Lumini A. MppS: an ensemble of support vector machine based on multiple physicochemical properties of amino acids[J]. Neurocomputing, 2006, 69(13): 1688 1690.

[13]Li Bo, Li Xinjun, Zhao Zhiyan. Novel algorithm for constructing support vector machine regression ensemble[J]. Journal of Systems Engineering and Electronics, 2006, 17(3): 541 545.

[14]Bertoni A, Folgieri R, Valentini G. Bio molecular cancer prediction with random subspace ensembles of support vector machines[J]. Neurocomputing, 2005, 63(6): 535 539.

[15]Breiman L. Bagging predictors[J]. Machine Learning, 1996, 24(2): 123 140.

[16]Kwak K C, Pedrycz W. Face recognition: a study in information fusion using fuzzy integral[J]. Pattern Recognition Letters, 2005, 26(6): 719 733.

篇8

【關鍵詞】P2P網貸 信貸風險 Logit回歸

P2P網貸是在互聯網環境下發展起來的一種全新的借貸模式，但是隨著P2P網貸的發展，信譽問題隨之而來。其中，缺乏專業的平臺信審程序是造成無法準確評估借款人信用的最主要原因，因此，本文擬從個人客戶的基本信息、個人客戶的貸款記錄、個人客戶的還貸記錄等資料中選取影響借款人還款意愿和能力的指標，嘗試構建Logistic回歸模型；進一步地，采集人人貸、宜信、紅嶺創投、拍拍貸、有利網五家P2P平臺的樣本數據，通過實證分析對網貸平臺信用風險的評價起到一定的決策支持作用。

一、Logistic回歸模型

Logistic回歸模型。在Logit回歸中，只需建立以logit（P）為因變量，建立包含p個因變量的Logistic回歸模型如下：

■ （1）

其中，X=（X1X2……Xp）T為p維向量，β=（β1β2……βp）為待求的系數。

這就是Logistic回歸模型。由（1）可推導出：

■ （2）

■ （3）

已知本文Y∈（0，1），現定義Yi=1為第i個客戶按時還款，Yi=0為第i個客戶違約，在Logistic回歸中本文定義P為客戶按時還款的概率，即■。

二、建立Logit回歸模型

（一）模型指標的選取

指標變量的信息需要涵蓋個人客戶三個方面的信息：個人客戶的基本信息、個人客戶的貸款記錄、個人客戶的還貸記錄。本文選擇10項具有普遍性和代表性的指標作為本文的評價指標變量，并建立個人信用風險評價模型。本文對指標進行了分類、賦值，如表1。

表1 指標分述

■

■

本文將原始數據經過賦值處理后，通過SPSS軟件對數據進行logit回歸處理，運用逐步向前回歸方法來篩選對因變量影響最顯著的變量，將其納入模型。由分析結果可以得出，工作年限的回歸系數為正，表明其數值越大，該客戶還款的概率就越大。工作年限是反映客戶工作經驗積累的一個指標，工作時間越長，擁有的資產會多一些，違約的概率越小，反之，違約概率較大，即工作時間較短的客戶違約風險大于工作年限長的客戶，因此其違約的概率也相應提升。

年收入范圍在0.05的顯著性水平下與是否違約呈現出正相關。收入情況直接決定了借款人財務狀況和還款能力，收入越高，選擇誠信的可能性就越大，還款能力越強，違約的幾率也就越低。這也與實際狀況相符，高收入人群往往能夠更快地還清貸款。

近半年信用卡逾期次數、近半年貸款逾期次數兩個指標在一定程度上是衡量客戶信用以及經濟狀況的指標，本文之所以選擇近半年為時間段是因為P2P小額貸款是面對個人以及一些小型企業進行的小額、短期的借貸活動，近半年的各種信用指標在很大程度上能夠折射出客戶近期的經濟狀況、信用狀況，以及未來短期時間內的還款能力。二者都與是否違約呈現出負相關，即逾期次翟蕉啵信用狀況越差，違約的可能性也相應的提高。

將相應的參數代入到模型中可得：

■

根據式（2）或者（3）即可得出客戶相應的還款概率P。選取樣本中的一組數字舉例來說，X6=0.8，X7=0.8，X9=0，X10=1，即可得出logit（P）=3.5906，進而得出■，即還款概率為97.32%。

（二）模型檢驗

通過向前逐步回歸，得到的分類預測結果。由此可以看出，該回歸對于個人信用風險預測的準確率較高，對于參與檢驗的樣本的預測準確率達到了89.2%。在最后一步的回歸中，未償還貸款的29個樣本，21個預測結果為違約，8個被誤測為不違約，準確率達到了72.4%。在按時還款的91個樣本中，86個準確預測，5個被誤測違約，準確率達到了94.5%。易知，運用Logit回歸對個人信用風險進行預測，具有較高的準確率和可信度。

三、結論與展望

本文借助構建個人信用風險評價的Logit回歸模型，基于五家P2P平臺的120組樣本數據，實證分析表明：工作年限、年收入、近半年信用卡逾期次數、近半年貸款逾期次數指標在反映個人信用風險狀況方面具有較好的代表性，對于是否違約的樣本預測準確率分別達到72.4%、94.5%，并且模型整體預測準確率達到89.2%，表明該模型具有一定的實際使用價值。事實上影響客戶能否按時還款的因素還有很多，除了一些能夠量化的因素之外，客戶本身的道德品質更是一個關鍵因素。因此，今后的研究如能添加對一些非量化因素的考量，勢必能為P2P網貸信用風險的評價、預測以及后續的風險響應和規避等勾勒出一幅完美的圖景。

參考文獻

[1]陳為民，馬超群，馬林.我國個人信用評分的發展趨勢[J].商業研究，2010，（1）：98-101.

[2]王繼暉，李成.網絡借貸模式下反洗錢風險分析與應對.[J].金融與經濟，2011.（9）：9-11.

篇9

近幾年來，供應鏈金融得到了飛速發展，但一直伴隨著信用問題。本文通過對供應鏈金融信用風險表現形式和影響因素的分析，以及對供應鏈金融信用風險評價指標的選取，完善供應鏈金融的信用風險評價思路，進而為供應鏈金融信用風險的控制提出一些合理意見。

關鍵詞:

供應鏈金融;信用風險;評價體系

一、引言

中小企業融資問題長久以來備受各國政府和社會的關注。中國自改革開放以來，以中小企業為代表的民營經濟蓬勃發展，統計數據顯示，我國經濟至少65%的貢獻是由民營經濟做出的，由此可見中小企業發展的重要性。然而，由于中小企業自身存在的一些問題，如資本金嚴重不足、財務制度不健全、技術水平低等以及銀行和政府方面存在的一些問題，使得中小企業融資道逐漸變窄，嚴重阻礙了其進一步發展壯大，而供應鏈金融模式則能夠化解這一難題。在該模式下，銀行應該著眼于整條供應鏈的交易風險，而不簡單是對中小企業進行評估。在供應鏈金融業務模式下，銀行則對整條供應鏈的風險備顯關注。在此情況下，銀行越來越多關注對交易的評估，而不是只限于對主體的評價。這樣既真正評估了業務的真實風險，另一方面也能讓更多中小企業享受到銀行的服務。而順利推進這一模式首先要精確地測算信用風險。因此，供應鏈金融模式是否可以發揮作用顯得尤為重要，而這很大程度上取決于是否有效的建立、健全中小企業信用評價體系，供應鏈金融信用風險評價體系構筑對化解中小企業融資難題具有深刻影響。

二、供應鏈金融信用風險表現形式與因素分析

(一)供應鏈金融信用風險表現形式

供應鏈融資模式存在著信用風險、技術風險和法律風險，但后兩者是外生性風險，是自身比較難以控制的，所以本文主要分析信用風險，即內生性風險。供應鏈中存在的風險主要有商流風險、物流風險、信息流風險，以及涉及運輸，儲存，裝卸，搬運，配送，信息處理等環節的風險，以上環節都會影響供應鏈金融的正常運作。供貨商供貨環節是供應鏈的第一步，供貨環節可能出現各種差錯，如數量短缺、質量不佳、發貨延遲等狀況。供貨環節存在的這些風險如果不能及時有效地處理好，極易導致供應鏈中其他環節無法順利運作，進而造成風險迅速傳遞，影響其正常運作。另外，由于物流環節中的一些不可控因素，如天氣情況、道路狀況等，容易造成物流環節的風險，導致供應鏈的斷裂，從而對中下游企業產生負面作用。信息流是供應鏈中重要的組成部分，信息若難以順暢傳遞或信息傳遞出現錯誤，甚至信息的完全不共享不對稱，都可能出現信息風險，進而引發整個鏈條斷裂。財務風險是指經營者為了從銀行融資而提供不真實的財務報表的風險。上述風險導致的信用風險，在企業經營層面上會表現為公司現金流不足、償債能力弱，可能引發逆向選擇問題。

(二)供應鏈金融信用風險影響因素分析

通過對申請融資的中小企業信用等級進行評估，著重考察單筆融資業務自我清償和銀行組織該交易的能力，對該筆業務進行信用評價。影響因素主要有4個:

1.申請人資質，包括企業信用等級、盈利能力、償債能力、發展空間。該項與傳統貸款業務中銀行評價體系相類似，從申請人的財務狀況及企業盈利和發展能力出發，評估其還款的可能性。

2.交易對手資質，包括交易對手信用級別、行業狀況、盈利能力、償債能力。對交易對手資質的評價即對供應鏈中核心企業資質的考察，因為在該業務中核心企業對中小企業的貸款申請起到了反擔保的作用，所以中小企業與其所發生的交易的質量很大程度上受到核心企業信用狀況的直接影響。

3.融資項下資產情況，包括質押物特征、應收賬款特征等。

4.供應鏈運營狀況，包括行業狀況、上下游強弱以及上下游企業和銀行的緊密聯系程度。供應鏈運營狀況是銀行對受信企業交易質量的整體評價。從整個供應鏈上綜合考慮其業務能力、行業環境、下游企業和銀行的緊密聯系程度，使銀行的評價更加全面、具體、客觀，大大降低了中小企業由于信息不對稱問題造成的評估不準的可能性。

三、供應鏈金融信用風險評價體系構建

結合上文，要構建供應鏈金融信用風險綜合評價體系，筆者認為，可以將申請人資質、交易對手資質、融資項下資產情況和供應鏈運營狀況作為二級指標，通過對以上四個二級指標的分解，尋找并確定各自的影響因素，構建出全面系統的供應鏈金融信用風險評價體系。

(一)供應鏈金融信用風險評價指標選擇

本文從申請人資質、交易對手資質、融資項下資產情況和供應鏈運營狀況四個方面選擇指標，具體說明如下:

1.申請人資質分析

(1)企業素質。企業素質可以從企業的技術素質、管理素質和職工素質三方面綜合考量。良好的技術素質是企業素質的基礎保障，管理素質起到指導性的作用，人員素質是決定企業素質的重要因素。

(2)盈利能力。銷售利潤率、資產收益率、權益收益率能夠較好反映企業的盈利能力。

(3)償債能力。負債比率、負債權益比、權益乘數是判斷償債能力的重要標準。

(4)發展能力。銷售收入增長率、利潤增長率和股利增長率三個指標可以較好地反映其發展能力。

2.交易對手資質分析

(1)交易對手信用級別。可以從歷史違約率、授信審批通過率和信用額度使用率三個指標展開，考核對象不是授信企業，而是在供應鏈金融模式中的一些核心企業。信用級別高、償債能力強的核心企業往往是中小企業重要的擔保對象，對交易對手信用級別的考察，有利于控制信用風險。通常使用的指標有歷史違約率、授信審批通過率和信用額度使用率等。

(2)交易對手行業分析。銀行可以通過分析交易對手行業的發展前景以及運營狀況衡量信用風險，判斷其還款違約可能性。

(3)盈利能力。銷售利潤率、資產收益率、權益收益率能夠較好衡量企業的盈利能力。

(4)償債能力。負債比率、負債權益比、權益乘數是判斷償債能力的重要指標。

3.融資項下資產情況分析

(1)質押物特征。要評價企業質押物，可以通過貨權風險、質押物價格波動性、質押物流動性和質押物完好程度四個指標評價。貨權風險和價格波動性對質押物的安全性有重要影響，而流動性和完好程度決定了質押物的市場價格。

(2)應收賬款特征。一個企業的流動性在很大程度上受到應收賬款的影響。應收帳款周轉率反映了公司收款的速度，可以檢驗收款工作，可以幫助商業銀行判斷中小企業的風險。

4.供應鏈運營狀況分析

(1)行業狀況。行業狀況主要可以從行業增長率和行業所處環境兩個方面來分析。行業增長率是指利用該行業歷年的銷售率、盈利額等資料來分析過去的增長情況，并預測行業未來的發展趨勢;行業環境受政治、經濟、以及經濟環境的影響。

(2)交易年限及額度。銀行可以通過交易年限和交易頻度兩個指標評價。交易年限主要指供應鏈金融交易雙方的交易年數;交易頻度主要指通過交易的平均次數評估未來發展狀況的指標。

(3)歷史履約情況。銀行通過調取與中小企業和供應鏈中其他企業的歷史記錄，收集誠信信息，通過企業的歷史違約率、授信審批駁回率和貸款信用額度使用率等指標，以此判斷其預期信用風險，更好地做出放貸或不放貸的決策。

四、供應鏈金融的信用風險控制措施

(一)健全供應鏈金融信用風險的控制機制

1.嚴格控制主體

準入商業銀行應嚴格控制授信方中小企業的準入，建立科學全面的供應鏈金融信用風險評估系統，通過對企業資質的深入審查與細致分析，正確評估其信用等級。另外，充分考慮供應鏈中核心企業的資質、盈利能力、償債能力等指標，以保證優質的核心企業為授信方背書。

2.批準合理的信用額度

商業銀行應運用科學合理的分析和評估方法，批準合適、風險可控的信用額度，確保對供應鏈整體、供銷貨方、相關的物流運輸企業的信用額度的全面控制。

3.強化風險預警機制

商業銀行在貸后管理過程中，可能會因為信息不對稱，以及在對貸款資金的發放和使用等方面的監管不嚴格，產生各種風險。建立風險預警機制十分必要，能夠有效加強對貸款的跟蹤和監管，降低信用風險發生的可能性。

4.建設網絡信息共享平臺

我國的信用體系建設存在明顯的不足，沒有建成覆蓋面廣、數據量龐大的信用平臺。商業銀行系統也是如此，信息不對稱現象普遍存在于商業銀行和授信方中小企業間，易導致信用風險。建立起全網統一的信息共享平臺，以減少信息不對稱帶來的風險和損失，這是急需解決的問題。

(二)完善與堅守供應鏈金融信用風險考核體系的原則

完善供應鏈金融科學全面的信用風險構建思路，需要訂立信用風險考核指標體系原則，并嚴格按照該原則行事。筆者認為，應運用全面性、可操作性、定量指標與定性指標相結合的方法對供應鏈整體信用風險進行評估。

1.全面性

在供應鏈金融中，影響中小企業運營的因素是多方面的，因而評價每一個指標時，要確保指標要全面具體，要包含會對中小企業產生影響的各方面因素，一方面，涵蓋反映企業發展狀況和管理能力的指標，另一方面，對核心企業資質、供應鏈運營狀況等方面評價的指標應該包含在內。

2.可操作性

評價指標以及方法在供應鏈金融業務中能夠得到具體量化和實現。由于供應鏈金融信用風險的考核與銀行實務操作密切相關，所以，在指標體系的設計中不能加入主觀因素，應盡可能量化，增強客觀性，便于實際操作。

3.定量指標與定性指標相結合

從全面性和可操作性出發，對供應鏈金融信用風險考核的各項評價指標進行選擇，注重定量指標與定性指標相結合，使其能夠全面反映供應鏈金融信用風險的內涵及其本質特征，加深對供應鏈金融信用風險的認識。

(三)加強企業的抗風險能力

篇10

關鍵詞：中小企業；信用風險；模型

中圖分類號：F27 文獻標識碼：A

收錄日期：2014年7月3日

引言

作為市場經濟的活力之源，中小企業支撐著國民經濟“半壁江山”。隨著近年外部市場及金融環境趨緊，中小企業發展面臨諸多挑戰，最突出的就是信用風險導致的融資困難。中小企業融資渠道狹窄，銀行信貸是其主要融資渠道，但由于信息不對稱造成的逆向選擇和道德風險，使銀行對中小企業有惜貸趨勢。因此，破解中小企業融資困難的關鍵首先在于完善中小企業各類信用數據庫，為銀行信貸提供數據支撐；其次要立足國情，學習先進測量技術，開發適合中小企業特點的信用風險度量方法，構建信用風險識別、評估模型，系統評價企業信用風險，改變企業與銀行信息不對稱的現狀，破解中小企業融資困境。信息系統的建設與共享是一項長期而艱巨的任務，目前我國已經認識到數據庫在中小企業信用風險管理中的重要性，人行征信中心的企業信用信息數據庫已經逐漸成熟，司法、環保、社保、質檢等中小企業信用數據已經逐步共享完善。所以，目前當務之急是合理設計中小企業信用評價模型，為銀行信貸提供技術支持，降低信用風險。

一、傳統信用風險度量模型分析

傳統信用風險分析評估方法已相當成熟，在國內外銀行信貸決策中應用較多，主要包含專家制度法、信用評級法、信用評分法。

（一）專家制度法。20世紀70年代前，企業信用風險評估主要是銀行專家依據品格、資本、償付能力、抵押品、經濟周期等5C要素進行主觀判斷，后來衍生出5P模型（個人因素、目的因素、償還因素、保障因素、前景因素）和5W模型（借款人、借款用途、還款期限、擔保物、如何還款）。縱觀這三種模型，都是定性分析，無法量化風險水平，而且嚴重依賴專家的主觀判斷，這會造成銀行信貸決策作風盛行，降低銀行在金融市場中的應變能力，同時專家制度在對借款人進行信用分析時，難以確定共同遵循的標準，造成信用評估的隨意性和不一致性。

（二）信用評級法。信用評級法是美貨幣監理署開發的，該方法將現有貸款安全級別分為5類：正常類、關注類、次級類、可疑類、損失類，后來細化為10類：AAA、AA、A、BBB、BB、B、CCC、CC、C、D（標注普爾）。評級后再根據級別提取不同貸款準備金率。

（三）信用評分法。和前兩種方法相比，信用評分法是一個量化法，最著名的模型就是Z計分模型（Z-score）：它的基本思想是利用數理統計中的辨別方法分析銀行的貸款情況，建立一個可以在最大程度上區分信貸風險度的模型，得到最能夠反映借款人的財務狀況的好壞，具有預測和分析價值的比率，從而對企業進行信用風險狀況評估。模型如下：

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

變量解釋：

X1=流動資本/總資產；X2=留存收益/總資產；X3=息稅前收益/總資產；X4=優先股和普通股市值/總負債；X5=銷售額/總資產=主營業務收入凈額/總資產。

判斷準則：

Z

Z-score模型主要是利用財務指標進行加權平均，該模型有2大缺陷：①企業財務數據反映的是過去的信息，利用這些數據進行風險度量的結果也只是對過去風險水平的測量；②中小企業多半不是上市公司，財務指標原始數據獲得困難。

二、現代判別法

（一）統計模型法。統計模型法是典型的定量評級法，根據中小企業信用數據，統計模型，計算其違約風險的大小常見的有Logit模型和Probit模型。

1、Logit模型。Logit模型是通過一個取值為0和1之間的 Logistic函數來進行二類模式分類。不要求數據滿足正態分布，這是其最大優點；另外，自變量、因變量之間不是線性關系，模型如下：

p=

s=c0+ckxk

xk（k=1，2，…m）為信用風險影響變量（多為企業財務指標），ck（k=0，1，2，…，m）為技術系數，通過回歸估計獲得。回歸值p∈（0，1）為中小企業信用風險分析的判別結果。如果p接近于0，則被判定為“差類”企業；若p接近于1，則被判定為 “好類”企業。即p值離0越遠，企業違約風險越小；反之，違約風險越大。

2、Probit模型。Probit模型假定誤差項服從標準正態分布，樣本企業的債信質量得分也服從標準正態分布。模型如下：

Yi*=βnχin+εi=XiB+εi

Xi與B分別為解釋變量與回歸系數構成的向量；Yi*為樣本公司有財務危機的傾向。當Yi*>0時，表示樣本企業有債務危機傾向；當Yi*

統計模型確實可以憑借統計分析提供有參考價值的依據，比較容易在評級效果上取得一致性。但存在兩點缺陷：①缺乏有力的理論基礎支持區別函數中的權重及自變量。在信用評分模型中的權重及自變量通常只能維持短期的穩定狀態，特別是當金融市場發生變化時，其他的財務比率也許在解釋違約風險概率上容易造成預測模型的不穩定。②模型忽略了難以計量但又重要的因素，如借款人聲譽。

（二）人工智能法。人工智能法主要包含專家系統和神經網絡。

1、專家系統。專家系統其實是模擬專家運用知識進行推理的計算機程序，將專家解決問題的推理過程再現從而成為專家的決策工具或為非專業決策者提供專業性建議。專家系統一般采用歸納推理法，分析一系列案例，發現其規律。歸納推理有兩種途徑：一是利用大量案例信息來發現規律的信息驅動型；二是利用先驗模型指導來發現規律的意識模型驅動型。利用計算機的人工智能法大大降低了風險評估的難度，但是專家系統中知識的獲取始終是瓶頸，極大地影響著專家系統在信用分析領域的應用前景。

2、神經網絡（PNN）。神經網絡是一種具有模式識別能力、自組織、自適應、自學習特點的計算機制，該方法主要將知識編碼用于整個權值網絡，具有包容錯誤的能力，同時對數據的分布沒有嚴格要求，也不必要詳細表述自變量與因變量之間的函數關系。該模型原理是通過神經網絡的分類功能進行信用風險分析的。首先找出影響分類的因素，作為PNN的輸入量，然后通過有導師的或無導師的訓練形成神經網絡的信用風險分析模型，用于新樣本的判別。

三、結論

信用風險度量方法大致經歷了從定性到定量；從指標分析到模型分析；從財務指標分析到資產市場價值分析；從只考慮公司這個微觀客體到把宏觀經濟因素考慮在內。考慮到我國中小企業大部分為非上市公司，Z-score模型無法普遍推行使用。另外，我國中小企業信用數據庫尚不成熟，歷史信用數據積累少，質量較差，當前運用現代信用風險度量技術評估我國中小企業信用風險尚不成熟。但是，目前銀行單獨使用傳統分析法，將大部分資金匱乏的中小企業拒之門外，逼迫中小企業求助民間貸款，年利息高達30%。“貸款越來越少，利息越來越高”成了中小企業發展的罩門。因此，度量中小企業信用風險的最有效辦法是將傳統方法與現代判別法相結合，同時載入財務數據與非財務數據，進行多元統計分析。

主要參考文獻：