基于層次分析法和改進熵值法的商業銀行信用風險評估

侯玉格

一、前言

自2007 年以來，我國銀監會發布了《中國銀行業實施新資本協議指導意見》，標志正式實施了《巴塞爾新資本協議》工程。這一協議將商業銀行面臨的主要風險匯總為八個方面：信用風險、市場風險、流動性風險、利率風險、操作風險、國家和轉移風險、法律風險和聲譽風險[1]。在這八類經營風險中，信用風險位居首位，約占銀行總風險的60%。2008年美國次貸危機爆發，全球經濟受到重創，這充分暴露出商業銀行在信用風險管理中的問題，如貸款損失持續上升、信用風險不斷增加、資本充足率不斷下降等[2]。這次危機爆發的原因有很多，但信用風險管理不當是一個非常關鍵的因素。如何合理有效地控制信用風險，直接決定了商業銀行的經營狀況。

商業銀行信用風險管理的基本程序依次是風險識別、風險分析與評價、風險控制以及風險決策[3]。風險識別即風險評估，它是信用風險管理的首要環節。目前，國內外學者在該領域已經進行了一系列的研究，也取得了顯著的成果。但由于金融衍生產品的不斷創新，使影響信用風險的因素逐步多樣化，為此對商業銀行的信用風險管理提出了更高的要求。國內商業銀行信用風險度量方法現階段以專家制度法為主，主觀隨意性很強，會將銀行業的發展引向極端。因此，本文針對這一問題對相關指標進行主客觀賦權[4]，在一定程度上既不否定專家觀點，又能通過客觀數據進行定量分析，使度量結果更具有合理性。

基于此，本文分析了商業銀行存在信用風險的主要影響因素，并據此建立信用風險評估體系，對部分上市公司進行風險度量，為我國商業銀行信用風險管理提供一種科學合理的風險控制方案。

二、研究方法

（一）層次分析法

層次分析法的思想原理如下：分析n個因素對整個系統的影響，并對其進行兩兩對比，其結果由判斷矩陣A表示。根據矩陣A求得最大特征值、其標準化后相對應的特征向量和一致性指標CI。將CI與隨機性指標CR做比即CI/CR進行一致性檢驗，若通過，則對權重進行分析，其結果用于評估與決策[5]。其計算步驟為：

Step 1： 建立層次結構模型，考慮決策的目標、因素與對象將其關系分為目標層、因素層和指標層，并給出層次結構圖。

Step 2： 構造判斷矩陣，在確定各因素之間的權重時，往往是通過定性的兩兩比較，按照其重要程度進行評級。設影響決策目標的因素有個即，采用1-9標度法（表1）對各因素進行賦值，兩兩比較的結果構成的方陣即為判斷矩陣。

Step 3：計算最大特征值與其標準化后的特征向量。

Step 4：計算一致性指標，一般來說比大的越多，不一致性越嚴重，值越小，說明一致性越大，其定義為：

Step 4：一致性檢驗，根據查表2得到隨機性指標值，并計算。若值小于等于0.1，則該判別矩陣通過一致性檢驗。

（二）改進的熵值法

熵值法是用來判斷指標的離散程度，離散程度越大，對系統的影響就越大。本文采用一種改進的熵值法以解決負值和極值不能直接計算的問題[6]。其步驟如下所示：

Step 1：數據的標準化。由于指標的單位和量級不同，這些數據無法直接進行比較。為了消除這一現象，利用Z-score標準化方法將所有數據進行無量綱化處理，量化為0到1之間的數字，其公式為：

Step 3：計算第項指標的差異系數，對于某一項指標而言，差異系數越大，熵值越小，對系統的影響作用越大，其公式為：

Step 4：求得權重：

三、我國商業銀行信用風險評估

（一）商業銀行信用風險評估體系

本文建立了一套科學的評估指標體系以準確預測商業銀行的信用風險。通過歸納分析，可以將影響商業銀行信用風險的因素劃分為財務與非財務因素。非財務因素主要有宏觀經濟政策、企業所在行業的發展狀況以及企業發展戰略等因素，財務因素主要包括企業的盈利能力、營運能力、現金流量、發展能力、償債能力等因素。與此同時，本文在選取指標時完全遵循科學實用、易于獲取、簡明全面和層次分明的選取原則，最終選取了五個二級指標，在此基礎上，又細分為十一個三級指標，其中五個二級指標為盈利能力、營運能力、償債能力、現金流量以及發展能力。商業銀行信用風險評估體系如表3所示：

（二）指標體系的信度分析

信度系數來測算指標體系的可靠程度，信度系數越大，表明可信程度越大[7]。信度分析的衡量標準如表4所示。

本文采取克隆巴赫信度系數法對商業銀行信用風險指標體系進行信度分析，其計算公式為：

其中為指標變量數，為指標變量協方差的平均值，為指標變量的平均數。

通過SPSS 24.0軟件，對附錄B中的指標數據進行信度分析，得到表5和表6。

由表5可得，指標在未進行標準化時其克隆巴赫Alpha系數只有0.252，指標體系的可信度很差，但在對指標進行標準化處理后，克隆巴赫Alpha系數卻到達了0.749，對照信度分析的衡量標準可知，指標數據的可信程度相當高。由此可得，標準化后的指標數據對信用風險評估體系的影響較大，在風險評估中發揮著重要的作用。從表6可知，11個三級指標通過了霍特林T方檢驗，并且顯著性為0.000，說明經過標準化處理的指標數據選擇合理，可信度較高，能夠保證商業銀行信用風險評估的公正客觀。

（三）商業銀行信用風險評估體系

1.數據的選取

我國目前在商業銀行信用風險度量上最大的問題就是數據庫的不健全，導致借貸雙方信息的不對稱。一般來說，借款企業會有意隱瞞歷史違約狀況、貸款情況等數據，因此商業銀行很難及時了解到企業的真實情況。基于數據易于獲取的原則，本文以上市公司為研究對象，通過財務指標進行綜合評估。

所謂上市公司，即經過國務院等有關部門批準，能夠公開發行的股票并在證券交易所上市交易的股份有限公司。上市公司分為ST公司和非ST公司兩種，其中ST公司是指上市公司連續兩年虧損被證券交易所進行特別處理的公司，非ST公司是指未被進行特別處理的公司。

本文在上市公司中選取了來自各行各業的21家公司，其中有8家ST公司（如ST生物、ST宜化、ST美麗），13家非ST公司（如珠江啤酒、中國國貿、廣匯物流），涉及行業包括采礦、能源、化學、制藥等領域，數據均來源于上海證券交易所、深圳證券交易所和巨潮資訊網等。

2.主客觀賦權綜合評估

將所選取的數據分別代入層次分析法和改進的熵值法當中，得到主觀權重和客觀權重，如表7所示。

基于主觀權重與客觀權重，利用加權評價法確定指標的綜合權重，其計算公式為：

其中，是由層次分析法得到的主觀權重，是由熵權法得到的客觀權重，為修正系數，修正系數的大小是由所有指標的客觀權重的差異程度所決定的，其公式表示為：

式中，為指標個數，為差異程度系數，指標之間權重差異越大，差異程度系數越接近1；差異越小，差異程度系數越接近0，其公式表示為：

其中，是指標的客觀權重按從小到大的順序排列后的狀態。

首先，將表7中的主客觀權重代入公式（10）中判斷數據的離散狀況，并求得差異程度系數；其次，將差異程度系數代入公式（9），得到修正系數，最后，利用公式（8）求得指標的綜合權重（表8）。

根據建立的商業銀行信用評估體系的結構特點，采取加權平均的方法對上市公司的信用狀況進行評估。加權平均即利用線性方程對企業的信用風險進行評價，其公式為：

其中，為信用風險評估系數，為經過標準化處理的數據，為與相對應的綜合權重。

根據公式（11），將標準化后的樣本數據與綜合權重代入，得到上市公司信用風險評估系數，如表9所示。

3.誤差分析

通過查閱相關資料[8]，一般把風險評估系數等于0.5時作為違約的臨界點，當系數大于0.5時，則公司被認為是非ST公司；當系數小于0.5時，則公司被認為是ST公司。將本文建立的商業銀行信用風險評估體系所得到的21家公司風險評估系數與其評判標準進行對比，分析說明該模型的準確性以及所測量的誤差大小。

由圖1可知， ST公司的輸出結果應小于0.5，但有兩家公司在評估時發生錯誤，分別是ST東電和ST云網。對于ST公司的評估結果的誤差為22.22%，命中率為78.88%。非ST公司的輸出結果應大于0.5，但有兩家公司在評估時發生錯誤，分別是深華發A和珠江啤酒。對于非ST公司的評估結果的誤差為16.67%，命中率為83.33%。綜上，該信用風險評估體系對全部公司評價結果的誤差為19.05%，命中率為80.95%，說明該模型對上市公司的信用狀態評估的準確率較高，構建的指標體系較為合理。

四、結論

本文分析了產生商業銀行信用風險的影響，基于指標篩選原則確定了以盈利能力、償債能力等財務因素為主的信用風險評估指標體系，并通過信度分析得到基于標準化后克隆巴赫Alpha值為0.749，則說明該體系的可信程度較高。隨后通過層次分析法獲得主觀權重，熵權法獲取客觀權重，并通過加權平均的手段將主客觀權重進行匯總得到信用風險評估指標的綜合權重。將其綜合權重與標準化后的數據進行計算，得到對借款公司（ST公司、非ST公司）進行信用風險評估結果，其命中率為80.95%，說明該模型對上市公司的信用狀態評估的準確率較高，構建的指標體系較為合理。

引用

[1]周瑋.中國銀行業實施Basel Ⅱ的路徑[J].經濟理論與經濟管理，2007（01）：64-67.

[2]李志輝，王飛飛.美國次貸危機對國際銀行業的影響與發展展望[J].國際金融研究，2009（06）：40-47.

[3]周瑋，楊兵兵.商業銀行信用風險管理基本要素[J].經濟理論與經濟管理，2002（11）：24-28.

[4]高波.基于DPSIR模型的陜西水資源可持續利用評價研究[D].西安：西北工業大學，2007.

[5] Saaty T L， Kearns K P. The Analytic Hierarchy Process[M]. Analytical Planning，1985.

[6]郭顯光.改進的熵值法及其在經濟效益評價中的應用[J].系統工程理論與實踐，1998（12）：99-103.

[7]阮桂海.數據統計與分析：SPSS應用教程[M].北京：北京大學出版社，2005.

[8]于立勇.商業銀行信用風險評估：一種實證模型的探討[M].北京：北京大學出版社，2007.