基于人工魚群算法的中小企業(yè) 信貸風險評估模型

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)務的同時加強風險防范是一個急需解決的問題，但目前的風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中小企業(yè)的實際經(jīng)營情況; 其次構(gòu)造中小企業(yè)風險級別識別模型，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)風險級別的識別，同時保證較快的收斂速度，從而達到防范信貸風險的目的。

關(guān)鍵詞：信貸風險；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)信貸風險的研究，進而建立針對性的風險評價模型對商業(yè)銀行具有重要意義。

一、中小企業(yè)信貸風險

信貸風險[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)信貸面臨的主要風險有：市場風險、信用風險、經(jīng)營風險及道德風險等。

（1）市場風險。中小企業(yè)的規(guī)模較小，抗市場風險能力較差，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)人承擔著過多的市場風險。

（2）信用風險。大多數(shù)中小企業(yè)財務信息透明度不高，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,企業(yè)之間相互拖欠三角債等問題。

（3）經(jīng)營風險。中小企業(yè)的經(jīng)營風險主要是企業(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)生的風險。許多中小企業(yè)設(shè)備工藝落后，競爭力較弱，抵御風險的能力弱。風險對于中小企業(yè)來說影響力大大超過了大企業(yè)，而中小企業(yè)的任何一種風險都會帶來危機。

（4）道德風險。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。

（5）管理風險。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)所面臨的風險大。

二、 目前已有的信貸風險評價方法

目前中小企業(yè)信貸普遍面臨著各種風險，只有建立完善高效的風險管理模型，才能從根本上解決信貸風險問題，使中小企業(yè)的信貸業(yè)務進入良性循環(huán)的境況中。

目前已有的信貸風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)真實的風險狀況。層次分析法和模糊評價方法沒有考慮到評價指標之間的相關(guān)性問題。而基于協(xié)同學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)信貸風險評估模型。

三、風險評價指標及類別

1.風險評價指標

為較好地反映可能影響企業(yè)信用風險的內(nèi)外部因素,本文選取了16個指標，這些指標主要是從企業(yè)的還款能力、盈利能力及發(fā)展前景等方面選取。這些評價指標如表1所示。

2. 信貸風險分類

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險評價模型

1. 中小企業(yè)風險信息建模

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)風險評價指標，如還款能力、盈利能力及發(fā)展前景等方面的指標。

如何衡量中小企業(yè)的風險是一個核心問題,風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■出現(xiàn)在風險等級■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小（fishnum）、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)風險信息向量;

2)構(gòu)建風險度量函數(shù);

3)初始化魚群;

4）以評價準確率作為適應度函數(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)標注風險等級。

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)建了風險信息向量。其次構(gòu)造風險評價模型。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)信貸風險的各種主客觀因素，較好地處理中小企業(yè)風險級別的識別，同時保證較快的收斂速度，從而達到防范信貸風險的目的。當然必須說明的是，

目前國內(nèi)關(guān)于中小企業(yè)的貸款分類標準和評價準則仍有待進一步完善，影響風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)務的同時加強風險的防范。

參考文獻：

[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險分類中的應用[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）