我國(guó)商業(yè)銀行信貸全面風(fēng)險(xiǎn)管理與識(shí)別

朱 林

（湖南大眾傳媒職業(yè)技術(shù)學(xué)院，長(zhǎng)沙 410100）

我國(guó)商業(yè)銀行信貸全面風(fēng)險(xiǎn)管理與識(shí)別

朱 林

（湖南大眾傳媒職業(yè)技術(shù)學(xué)院，長(zhǎng)沙 410100）

文章基于一種信貸風(fēng)險(xiǎn)管理模型，探討商業(yè)銀行信貸全面風(fēng)險(xiǎn)管理與識(shí)別。

商業(yè)銀行；信貸風(fēng)險(xiǎn)；全面風(fēng)險(xiǎn)管理

1 銀行信貸全面風(fēng)險(xiǎn)管理模型

貸款企業(yè)情況、環(huán)境因素、銀行內(nèi)部因素及其下一層次的子指標(biāo)體系與信貸風(fēng)險(xiǎn)密切相關(guān)，而且貸款企業(yè)情況、環(huán)境因素、銀行內(nèi)部因素之間存在互動(dòng)影響的復(fù)雜關(guān)系，其模型如圖1所示。

銀行信貸風(fēng)險(xiǎn)受到貸款企業(yè)、環(huán)境因素和銀行內(nèi)部因素三方面的影響，假設(shè)如下：

假設(shè)1：貸款企業(yè)的情況對(duì)信貸風(fēng)險(xiǎn)有顯著影響。貸款企業(yè)是信貸的主體之一，必然會(huì)影響到信貸的風(fēng)險(xiǎn)程度。國(guó)內(nèi)外關(guān)于貸款企業(yè)的各種評(píng)估模型的提出正是關(guān)注貸款企業(yè)對(duì)信貸風(fēng)險(xiǎn)影響的強(qiáng)有力證明之一。

假設(shè)2：環(huán)境因素對(duì)信貸風(fēng)險(xiǎn)有顯著影響。特別是在國(guó)內(nèi)的一些研究中，環(huán)境因素被看成是影響信貸風(fēng)險(xiǎn)的關(guān)鍵因素。認(rèn)為中國(guó)銀行信貸風(fēng)險(xiǎn)問(wèn)題出自中國(guó)的法律不健全、監(jiān)管不力等原因。環(huán)境因素即使對(duì)信貸風(fēng)險(xiǎn)有影響，其影響也弱于貸款企業(yè)和銀行內(nèi)部因素，并不是最關(guān)鍵的因素。

假設(shè)3：銀行信貸風(fēng)險(xiǎn)管理內(nèi)部因素對(duì)信貸風(fēng)險(xiǎn)有顯著影響。雖然銀行內(nèi)部控制理論由來(lái)已久，銀行信貸風(fēng)險(xiǎn)管理的指導(dǎo)思想大多還是偏重貸款企業(yè)和環(huán)境因素，沒(méi)有從管理理念上將銀行內(nèi)部因素作為影響信貸風(fēng)險(xiǎn)的最關(guān)鍵因素。

假設(shè)4：貸款企業(yè)與環(huán)境的交互作用對(duì)信貸風(fēng)險(xiǎn)有顯著的影響；銀行內(nèi)部因素與環(huán)境的交互作用對(duì)信貸風(fēng)險(xiǎn)有顯著的影響。環(huán)境因素一方面直接影響信貸風(fēng)險(xiǎn)，另一方面通過(guò)與貸款企業(yè)的交互作用、與銀行內(nèi)部因素的交互作用對(duì)信貸風(fēng)險(xiǎn)產(chǎn)生影響。

2 商業(yè)銀行的信貸風(fēng)險(xiǎn)模型構(gòu)建

2.1 樣本數(shù)據(jù)和評(píng)價(jià)指標(biāo)體系

基于近幾年來(lái)信貸風(fēng)險(xiǎn)評(píng)估指標(biāo)選取在公司資本市場(chǎng)分析上的不足，更加重了資本市場(chǎng)指標(biāo)的選擇。指標(biāo)體系由財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)組成，財(cái)務(wù)指標(biāo)是以上市公司的償債能力分析、盈利能力分析、營(yíng)運(yùn)能力分析、發(fā)展能力分析、流動(dòng)性分析、財(cái)務(wù)杠桿分析、資本市場(chǎng)分析及其它共24個(gè)財(cái)務(wù)指標(biāo)組成，如表1。

非財(cái)務(wù)指標(biāo)共7個(gè)，虛擬變量1和虛擬變量2，其具體取值見(jiàn)表2。指標(biāo)體系共由31個(gè)條件屬性構(gòu)成。“ST”是決策屬性，取值為0或1，“0”表示該公司信貸違約風(fēng)險(xiǎn)底，屬非ST公司。“1”表示該公司信貸違約風(fēng)險(xiǎn)高，容易發(fā)生信貸違約。在財(cái)務(wù)指標(biāo)當(dāng)中，盡管有些指標(biāo)之間存在較高的相關(guān)性，但因粗糙集是一種非線性的平行處理結(jié)構(gòu)模式，變量之間的相關(guān)性對(duì)數(shù)據(jù)處理的影響不大，因此在進(jìn)行財(cái)務(wù)指標(biāo)選擇時(shí)，以提高銀行信貸風(fēng)險(xiǎn)度量的準(zhǔn)確性。

運(yùn)用ROSETTA V1.4.41中的Equal Frequency對(duì)財(cái)務(wù)比率數(shù)據(jù)進(jìn)行離散，得出不同斷點(diǎn)，然后按照其屬于不同的區(qū)間分為不同的類(lèi)型。根據(jù)內(nèi)插值法原理，如將總資產(chǎn)周轉(zhuǎn)率劃分為[0，0.5]、(0.5，1]、（1，1.5]、(1.5,*]四個(gè)類(lèi)別，并分別賦值為1、2、3、4，是為了計(jì)算上的方便，不影響最后結(jié)果。

2.2 引入可拓理論模型建立同征物元體

可拓理論是利用物元和可拓集合的組合來(lái)解決現(xiàn)實(shí)生活中的矛盾，化不可行為可行。根據(jù)物元的“一物多征、一征多物、一值多征”的理論，將以上定量因素聯(lián)立起來(lái)，建立起商業(yè)銀行的信貸風(fēng)險(xiǎn)可拓模型。

定義1：把物N，特征C及N關(guān)于C的量值V構(gòu)成的有序三元組R=(N,C,V)作為描述物的基本單元，稱(chēng)為一維物元。N,C,V稱(chēng)為物元R的三要素，其中C和V為R的特征元，關(guān)于特征C的取值范圍記為V(c)，稱(chēng)為C的量域。

定義 2：物 N，n個(gè)特征 C1,C2,…，Cn及 N關(guān)于 Ci對(duì)應(yīng)的量值Vi所構(gòu)成的陣列R稱(chēng)為n維物元：

關(guān)聯(lián)函數(shù)是解決矛盾問(wèn)題的定量化過(guò)程，就是把“具有某種性質(zhì)”的事物從定性描述拓展到 “具有某種性質(zhì)的程度”的定量描述。為了描述類(lèi)間事物的區(qū)別，在建立關(guān)聯(lián)函數(shù)之前，規(guī)定點(diǎn)X與區(qū)間X0=之距為：

10月16日 ，遜克片區(qū)甘岔子加油站加油員小張手拿加油槍正站在一臺(tái)農(nóng)用施拉機(jī)上分別為車(chē)上的4個(gè)大桶加油。“一個(gè)大桶能裝130升，加滿(mǎn)需要25分鐘，4個(gè)大桶加滿(mǎn)約需要1個(gè)半小時(shí)。”小張告訴記者，現(xiàn)在還可以，等天再冷時(shí)，手、腳凍得受不了，就需要有別的加油員過(guò)來(lái)替換，總之不能耽誤農(nóng)民用油，真正高峰時(shí)比現(xiàn)在隊(duì)排得長(zhǎng)，小張用手指了指后面排隊(duì)的兩三輛農(nóng)用車(chē)說(shuō)。

設(shè)X=(c,d)，則稱(chēng)D(x,X0,X)為位置，其中：

由以上可定義初等關(guān)聯(lián)函數(shù)為：

關(guān)聯(lián)函數(shù)的建立使得關(guān)聯(lián)度的確立不必依靠主觀判斷或統(tǒng)計(jì)，而是根據(jù)對(duì)事物的要求X0=和質(zhì)變區(qū)間X=(c,d)來(lái)確定，這使關(guān)聯(lián)函數(shù)擺脫了主觀判斷造成的偏差。這樣同征物元用一個(gè)物元來(lái)表示：

同征物元即為：

N表示事物N1,N2,N3,…，Nm的全體，即事物的各個(gè)評(píng)價(jià)級(jí)別，

N=N1∪N2∪N3…∪Nmvij為相應(yīng)評(píng)價(jià)特征的量值。

2.3 模型的計(jì)算過(guò)程

R0是同征物元體。其中Nj表示將事物P劃分的第j個(gè)等級(jí)，ci表示第i個(gè)評(píng)價(jià)指標(biāo)，Vij=(aij,bij)分別為Nj關(guān)于指標(biāo)ci的量值范圍，即各評(píng)價(jià)等級(jí)關(guān)于對(duì)應(yīng)的評(píng)價(jià)指標(biāo)所取的范圍—經(jīng)典域。

表1 模型選取的財(cái)務(wù)指標(biāo)

其中N為所分的等級(jí)的全體，(ann,bnn)為所有等級(jí)量值的取值范圍，即N的節(jié)域。

應(yīng)用層次分析法來(lái)確定指標(biāo)ci的權(quán)重

等級(jí)評(píng)定方法：如果：Kj0=maxKj，

則評(píng)定該事物P的等級(jí)為Nj0。

2.4 信貸風(fēng)險(xiǎn)評(píng)估規(guī)則檢驗(yàn)

表2 非財(cái)務(wù)指標(biāo)的賦值

為驗(yàn)證其有效性，對(duì)測(cè)試子表中的28個(gè)樣本進(jìn)行檢驗(yàn)，具體如表3。檢驗(yàn)結(jié)果表明：在正常公司的14個(gè)樣本中有12個(gè)指標(biāo)準(zhǔn)確預(yù)測(cè)，準(zhǔn)確率達(dá)到了85.7%；在非正常公司的14個(gè)樣本當(dāng)中有11個(gè)樣本預(yù)測(cè)準(zhǔn)確，準(zhǔn)確率達(dá)到了78.5%；所有樣本均可判別，總的準(zhǔn)確率達(dá)到了82.1%。檢驗(yàn)結(jié)果表明，此模型預(yù)測(cè)精度良好。

采用可拓理論的企業(yè)信貸違約風(fēng)險(xiǎn)評(píng)估規(guī)則具有較高的預(yù)測(cè)準(zhǔn)確性，總預(yù)測(cè)率在80%以上，可以提高信貸風(fēng)險(xiǎn)預(yù)警體系中警度的判定精度，可為商業(yè)銀行信貸決策提供參考。但其在判別正常公司的預(yù)測(cè)精度高于非正常公司的預(yù)測(cè)精度，總結(jié)其原因可能是非財(cái)務(wù)指標(biāo)選取不足及企業(yè)的行業(yè)差異所造成的，值得進(jìn)一步的開(kāi)展討論。

3 結(jié)論建議

近年來(lái)，出于戰(zhàn)略調(diào)整和經(jīng)營(yíng)轉(zhuǎn)型需要，商業(yè)銀行普遍將個(gè)人信貸作為收入的主要增長(zhǎng)點(diǎn)。商業(yè)銀行應(yīng)高度關(guān)注個(gè)人住房信貸及個(gè)人住房抵押貸款的風(fēng)險(xiǎn)，不能簡(jiǎn)單地將個(gè)人貸款或消費(fèi)性貸款視為低風(fēng)險(xiǎn)貸款而不加選擇地大力發(fā)展。本研究的分析顯示，環(huán)境因素并不是產(chǎn)生信貸風(fēng)險(xiǎn)的主要原因，其對(duì)信貸風(fēng)險(xiǎn)的影響沒(méi)有起到顯著的作用。優(yōu)化銀行信貸風(fēng)險(xiǎn)管理主要是健全銀行內(nèi)部制度，建立健全適合銀行自身發(fā)展的風(fēng)險(xiǎn)識(shí)別評(píng)估體系、風(fēng)險(xiǎn)監(jiān)控體系和后評(píng)價(jià)體系。面對(duì)全球范圍內(nèi)擴(kuò)散的金融危機(jī)，我國(guó)商業(yè)銀行應(yīng)主動(dòng)開(kāi)展信貸風(fēng)險(xiǎn)排查，確保面臨的風(fēng)險(xiǎn)得到及時(shí)發(fā)現(xiàn)和化解。

[1]Huang,Z.,Chen,H.,Hsu,C.J.Credit Rating Analysis with Support Vector Machine and Neural Networks:A Market Comparative Study[J].Decision Support Systems,2004,(37).

[2]Min,J.H.,Lee,Y.-C.Bankruptcy Prediction Using Support Vector Machine with Optimal Choice of Kernel Function Parameters[J].Expert Systems with Applications,2005,28(4).

[3]Young-Chan Lee.Application of Support Vector Machines to Corporate Credit Rating Prediction[J].Expert Systems with Applications,2007，(33).

[4]廖強(qiáng)，曾怡景.中資銀行面臨的國(guó)內(nèi)信用風(fēng)險(xiǎn)甚于次貸危機(jī)威脅[J].新金融，2008，(5).

[5]劉大遠(yuǎn).商業(yè)銀行信貸風(fēng)險(xiǎn)的防范[J].生產(chǎn)力研究，2007，(6).

[6]胡栗源等.信息不對(duì)稱(chēng)導(dǎo)致的信貸風(fēng)險(xiǎn)分析與對(duì)策[J].統(tǒng)計(jì)與決策,2006，(16).

[7]大衛(wèi)·G·梅斯，麗莎·海爾姆，阿諾·柳克西拉.改進(jìn)銀行監(jiān)管[M].北京：中國(guó)人民大學(xué)出版社，2006.

[8]約瑟.羅培斯，馬可.勃格.信用風(fēng)險(xiǎn)模型有效性的評(píng)估方法探析[J].國(guó)際金融研究，2002，(9).

[9]裘清.構(gòu)筑我國(guó)商業(yè)銀行現(xiàn)代化信貸風(fēng)險(xiǎn)管理體系[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2002，(4).

[10]趙宗俊.基于不對(duì)稱(chēng)信息理論的商業(yè)銀行信貸風(fēng)險(xiǎn)管理[J].現(xiàn)代管理科學(xué)，2005，(3).

F830.5

A

1002－6487（2011）04－0128-02

朱 林（1969-），男，湖南永州人，碩士，副教授，研究方向：高等教育管理。

(責(zé)任編輯/浩 天)