境外能源項目投資貸款決策的灰色聚類方法

摘要：文章針對境外項目貸款決策，提出基于灰色聚類分析的智能化決策方法。利用灰色聚類分析將按風險成因分類的原風險指標體系聚類成基于風險危害程度的灰色聚類風險指標體系，實現(xiàn)了對待決策境外項目貸款的準確風險度量，并將度量結(jié)果作為樣本數(shù)據(jù)集進行聚類分析，得到以貸款實施方案為聚類中心的決策模型，完成境外項目貸款實施方案。

關(guān)鍵詞：境外項目貸款；貸款實施方案；風險指標體系；灰色聚類分析；境外能源項目 文獻標識碼：A

中圖分類號：F830 文章編號：1009-2374（2016）34-0003-03 DOI：10.13535/j.cnki.11-4406/n.2016.34.002

1 概述

隨著經(jīng)濟全球化進程加快，國內(nèi)銀行業(yè)受理的境外項目貸款業(yè)務(wù)也日漸增多。由于銀行境外項目貸款業(yè)務(wù)存在一定的風險，如果不能合理控制將會給銀行帶來巨大損失，因此科學分析境外項目貸款風險并制定相應(yīng)方案是亟待解決的課題。

傳統(tǒng)的境外項目貸款如何進行決策一般是根據(jù)以往的經(jīng)驗人工推算出來的。該決策存在著效率低、人為失誤多等問題，為解決以上問題，近年來逐漸把智能決策方法應(yīng)用到其中來。針對境外項目貸款決策，提出一種基于灰色聚類分析的智能化決策方法。同傳統(tǒng)方法相比，基于GCA（Grey Clustering Analysis，GCA）的境外項目貸款決策模型具有較高可靠性。

2 灰色聚類分析

現(xiàn)今，以灰色關(guān)聯(lián)矩陣或灰數(shù)的白化權(quán)函數(shù)為依據(jù)來定義灰色聚類分析。將一些觀測指標分成幾種不同的類別。根據(jù)不同的分類方式，可以分成灰色白化權(quán)函數(shù)聚類分析和灰色關(guān)聯(lián)聚類分析。灰色聚類分析的優(yōu)點是可以對任何類別分布的對象進行聚類分析，計算過程比較簡單，聚類信息的獲取優(yōu)勢明顯。

3 境外項目貸款風險及實施方案分析

3.1 境外項目貸款風險分析

境外項目貸款風險要遠高于國內(nèi)貸款項目，根據(jù)風險級別的不同可分為一級風險和二級風險，其中一級風險4項、二級風險19項。

3.2 境外項目貸款實施方案分析

根據(jù)以往經(jīng)驗，可以把境外項目貸款實施方案劃分成以下幾種情況：

方案A：分工合作型的模式，就是母公司是債務(wù)人，子公司是附著在母公司基礎(chǔ)上的二級公司行為，不必承擔因為借貸產(chǎn)生的問題。

方案B：借貸方或者說債務(wù)方仍然是國內(nèi)的母公司，但是放權(quán)由子公司在國外進行具體的操盤，并且子公司是國內(nèi)母公司設(shè)置的全資子公司的類型。

方案C：母子共擔型的新模式就是設(shè)計新的模式架構(gòu)把母子公司綁定在一起進行債務(wù)的承擔，共同作為借款人出現(xiàn)，但是在具體的運作操盤上是全部由子公司進行操盤的，風險由母公司和子公司共同承擔。

方案D：不以子公司的股權(quán)為抵押，而是以子公司的產(chǎn)品作為銀行質(zhì)押。

方案E：以子公司在當?shù)亟?jīng)營權(quán)限作為銀行抵押，用子公司的經(jīng)營收入來還款。

方案A、B是最早開始實行的兩種方案，但投資風險較大且不能保證銀行借貸資金安全。方案C增加了母公司的擔保責任，與方案A、B相比，還貸風險有所下降，但銀行的效益因此受到消極影響。最后的兩個方案是基于方案B進行修改形成的，其優(yōu)點是滿足跨國能源類、礦產(chǎn)類投資項目的特殊要求，并根據(jù)這些項目的實際情況能有效降低貸款風險，增加銀行收益。

因此，在選擇這些貸款方案時，要根據(jù)實際情況做出合理科學的風險評價，以有效降低銀行的貸款風險，提高銀行收益，維護銀行的資金安全和投資者的資金安全。

4 基于灰色聚類分析的境外項目貸款決策模型

基于灰色聚類分析的境外項目貸款決策模型建立過程主要分為“風險指標體系建立”和“歷史貸款案例灰色聚類分析”兩個步驟。

4.1 構(gòu)建風險指標體系

4.1.1 風險指標體系建立原則。評價指標量的選取直接關(guān)系到貸款信用結(jié)構(gòu)模式的評價結(jié)果。對貸款信用結(jié)構(gòu)模式進行綜合評價的前提是要有一套科學、合理，可以反映出境外并購項目貸款信用的評價指標體系。

4.1.2 構(gòu)造風險指標體系。構(gòu)建三類不同風險級別的指標體系，以“高”“中”和“低”三類灰度來區(qū)別其不同的危害程度，設(shè)計以下的體系過程：

STEP1：分析函數(shù)關(guān)系，建立基于聚類分析的白化矩陣，具體是通過待聚類樣本的設(shè)計和設(shè)置，設(shè)計聚類指標體系，通過每個指標所指定的對象建立基于的矩陣類型，做好進行函數(shù)設(shè)計的第一步。

STEP2：計算灰色聚類函數(shù)的系數(shù)，這個計算的過程要按照兩個情況進行研究：其一是判斷聚類函數(shù)指標體系中的指標的量綱是否一致，所代表的指標意義是否一致，只有出現(xiàn)一致的情況時才能進行計算，這種情況下的評估指標誤差是非常低的；其二是根據(jù)情況進行關(guān)于量綱的處理工作，如果指標相差很大的時候就要進行量綱的無量綱化處理，這個時候就需要選定白化函數(shù)的參考標準，按照指標中灰類的灰數(shù)也就是標準值選定參照指標的參考標準，為避免在指標的選取中出現(xiàn)選擇失衡的情況。一般情況下，在進行指標選擇的時候采用的是Delphi方法，通過Delphi方法來判定函數(shù)設(shè)計所需要的灰色聚類權(quán)值。

STEP3：具體運算灰色聚類系數(shù)，具體的做法是首先進行白化處理，對選定的樣本進行白化處理，通過指標的計算求出白化函數(shù)，通過白化函數(shù)再進一步求出各灰類的閾值，再計算指標的聚類權(quán)，就可以得到灰色聚類系數(shù)。在實際的運算過程中，要注意的是灰類數(shù)和聚類的向量值以及最大聚類系數(shù)，通過判定最大聚類系數(shù)的灰類確定聚類對象的灰類數(shù)。

4.2 歷史貸款案例聚類

可以把基于歷史案例的分類設(shè)計為三種不同的分析類型和情況進行計算，三種情況可以設(shè)定為高、中、低，通過計算可以得出三種情況的風險值，把計算出來的三類風險值放置在三維聚類空間所做表中進行賦值，通過將三種分類情況和五種貸款方案的聚類分析可以得到相關(guān)的分析結(jié)果和結(jié)論。

在三種灰色聚類分析的坐標中，全面反映出五種貸款方案之間的類間差異以及類內(nèi)之間的關(guān)聯(lián)和關(guān)系。本文一共選取30個涉及煤炭類、公共衛(wèi)生類、電力類、基礎(chǔ)設(shè)施類、產(chǎn)業(yè)類、文化教育類等各個行業(yè)的歷史境外項目貸款案例，通過風險灰色聚類分析，實施方案見表3，聚類分析結(jié)果分別為10個方案A、10個方案B、5個方案C、3個方案D、2個方案E。

由圖2可見，30個歷史案例被聚為五類，圖中“A”“B”“C”“D”和“E”分別代表五種境外項目貸款實施方案的聚類中心，其具體坐標為A（5，5，5）、B（9，2，7）、C（1，6，9）、D（8，6，1）和E（2，4，3）。圖2的聚類結(jié)果也就是境外項目貸款決策模型。

到這一步，基于灰色聚類分析的境外項目貸款決策模型就建立起來了在選擇具體的境外項目貸款實施方案時只要把其各類風險指標值輸入到圖2的風險指標體系中，計算“高”“中”和“弱”三種灰類風險值，然后在圖1中尋找與五種聚類中心哪一個更吻合啊，吻合的聚類中心也就是要采用的貸款實施方案。

5 算例

為進一步驗證該方法的可行性，選取了2010年某國有銀行的三個真實境外項目貸款實施案例作為研究對象進行驗證，同時采用AHP方法和OI方法做對比驗證，實驗結(jié)果見表3：

由表3可知，基于灰色聚類分析的貸款決策方法要比AHP方法和OI方法更具有效性和正確性，進一步驗證了基于灰色聚類分析的貸款決策方法的優(yōu)越性。

6 結(jié)語

本文提出的GCA境外項目貸款決策方法，利用GCA完成原有風險指標體系的灰色聚類分析，實現(xiàn)了貸款方案智能決策，克服了原有方法人為干擾因素多的缺陷，改善了貸款決策的準確率。通過基于歷史真實境外貸款案例的實驗證明，本文方法相對于傳統(tǒng)方法擁有更高的準確率。

參考文獻

[1] 張建華.企業(yè)并購風險分析與風險管理[J].華南金融研究，2002，（6）.

[2] 杜玉平.跨國信貸業(yè)務(wù)中的國家風險評估[J].廣東外語外貿(mào)大學學報，2006，（10）.

[3] 馮文成，劉英.銀行貸款風險管理及量化指標體系

[J].財經(jīng)問題研究，1994，（8）.

[4] 陳秀鎮(zhèn)，鄭慶華，管曉宏.層次化網(wǎng)絡(luò)安全威脅態(tài)勢量化評估方法[J].軟件學報，2006，17（4）.

[5] Ming-Feng Yeh，Kuang-Chiung Chang.ECG Beat Classification Using the GreyART Network[J].Signal Processing，2007，1（1）.

[6] Yik-Hing Fung，Yuk-Hee Chan.Green Noise Digital Halftoning With Multiscale Error Diffusion[J].Image Processing，IEEE Transcation on，2010，19（7）.

[7] 胡艷，陳震紅，徐勇.企業(yè)并購主要方式的風險剖析[J].工業(yè)技術(shù)經(jīng)濟，2001，（3）.

[8] 吳薇.風險投資評估指標體系的研究[D].武漢大學，2005.

[9] 王廷博，徐世超.基于層次分析法的網(wǎng)絡(luò)安全態(tài)勢評估方法研究[J].電腦知識與技術(shù)，2008，（10）.

基金項目：國家自然科學基金項目（71071053）。

作者簡介：王敏（1983-），女，供職于國網(wǎng)江西省電力公司經(jīng)濟技術(shù)研究院，碩士，研究方向：電力與能源經(jīng)濟。

（責任編輯：黃銀芳）