我国商业银行信贷全面风险管理与识别
2011-10-24朱林
朱 林
（湖南大众传媒职业技术学院，长沙 410100）
我国商业银行信贷全面风险管理与识别
朱 林
（湖南大众传媒职业技术学院，长沙 410100）
文章基于一种信贷风险管理模型，探讨商业银行信贷全面风险管理与识别。
商业银行；信贷风险；全面风险管理
1 银行信贷全面风险管理模型
贷款企业情况、环境因素、银行内部因素及其下一层次的子指标体系与信贷风险密切相关，而且贷款企业情况、环境因素、银行内部因素之间存在互动影响的复杂关系，其模型如图1所示。
银行信贷风险受到贷款企业、环境因素和银行内部因素三方面的影响，假设如下：
假设1：贷款企业的情况对信贷风险有显著影响。贷款企业是信贷的主体之一，必然会影响到信贷的风险程度。国内外关于贷款企业的各种评估模型的提出正是关注贷款企业对信贷风险影响的强有力证明之一。
假设2：环境因素对信贷风险有显著影响。特别是在国内的一些研究中，环境因素被看成是影响信贷风险的关键因素。认为中国银行信贷风险问题出自中国的法律不健全、监管不力等原因。环境因素即使对信贷风险有影响，其影响也弱于贷款企业和银行内部因素，并不是最关键的因素。
假设3：银行信贷风险管理内部因素对信贷风险有显著影响。虽然银行内部控制理论由来已久，银行信贷风险管理的指导思想大多还是偏重贷款企业和环境因素，没有从管理理念上将银行内部因素作为影响信贷风险的最关键因素。
假设4：贷款企业与环境的交互作用对信贷风险有显著的影响；银行内部因素与环境的交互作用对信贷风险有显著的影响。环境因素一方面直接影响信贷风险，另一方面通过与贷款企业的交互作用、与银行内部因素的交互作用对信贷风险产生影响。
2 商业银行的信贷风险模型构建
2.1 样本数据和评价指标体系
基于近几年来信贷风险评估指标选取在公司资本市场分析上的不足，更加重了资本市场指标的选择。指标体系由财务指标和非财务指标组成，财务指标是以上市公司的偿债能力分析、盈利能力分析、营运能力分析、发展能力分析、流动性分析、财务杠杆分析、资本市场分析及其它共24个财务指标组成，如表1。
非财务指标共7个，虚拟变量1和虚拟变量2，其具体取值见表2。指标体系共由31个条件属性构成。“ST”是决策属性，取值为0或1，“0”表示该公司信贷违约风险底，属非ST公司。“1”表示该公司信贷违约风险高，容易发生信贷违约。在财务指标当中，尽管有些指标之间存在较高的相关性，但因粗糙集是一种非线性的平行处理结构模式，变量之间的相关性对数据处理的影响不大，因此在进行财务指标选择时，以提高银行信贷风险度量的准确性。
运用ROSETTA V1.4.41中的Equal Frequency对财务比率数据进行离散，得出不同断点，然后按照其属于不同的区间分为不同的类型。根据内插值法原理，如将总资产周转率划分为[0，0.5]、(0.5，1]、（1，1.5]、(1.5,*]四个类别，并分别赋值为1、2、3、4，是为了计算上的方便，不影响最后结果。
2.2 引入可拓理论模型建立同征物元体
可拓理论是利用物元和可拓集合的组合来解决现实生活中的矛盾，化不可行为可行。根据物元的“一物多征、一征多物、一值多征”的理论，将以上定量因素联立起来，建立起商业银行的信贷风险可拓模型。
定义1：把物N，特征C及N关于C的量值V构成的有序三元组R=(N,C,V)作为描述物的基本单元，称为一维物元。N,C,V称为物元R的三要素，其中C和V为R的特征元，关于特征C的取值范围记为V(c)，称为C的量域。
定义 2：物 N，n个特征 C1,C2,…，Cn及 N关于 Ci对应的量值Vi所构成的阵列R称为n维物元：
关联函数是解决矛盾问题的定量化过程，就是把“具有某种性质”的事物从定性描述拓展到 “具有某种性质的程度”的定量描述。为了描述类间事物的区别，在建立关联函数之前，规定点X与区间X0=
10月16日 ，逊克片区甘岔子加油站加油员小张手拿加油枪正站在一台农用施拉机上分别为车上的4个大桶加油。“一个大桶能装130升，加满需要25分钟，4个大桶加满约需要1个半小时。”小张告诉记者，现在还可以，等天再冷时，手、脚冻得受不了，就需要有别的加油员过来替换，总之不能耽误农民用油，真正高峰时比现在队排得长，小张用手指了指后面排队的两三辆农用车说。
设X=(c,d)，则称D(x,X0,X)为位置，其中：
由以上可定义初等关联函数为：
关联函数的建立使得关联度的确立不必依靠主观判断或统计，而是根据对事物的要求X0=
同征物元即为：
N表示事物N1,N2,N3,…，Nm的全体，即事物的各个评价级别，
N=N1∪N2∪N3…∪Nmvij为相应评价特征的量值。
2.3 模型的计算过程
R0是同征物元体。其中Nj表示将事物P划分的第j个等级，ci表示第i个评价指标，Vij=(aij,bij)分别为Nj关于指标ci的量值范围，即各评价等级关于对应的评价指标所取的范围—经典域。
表1 模型选取的财务指标
其中N为所分的等级的全体，(ann,bnn)为所有等级量值的取值范围，即N的节域。
应用层次分析法来确定指标ci的权重
等级评定方法：如果：Kj0=maxKj，
则评定该事物P的等级为Nj0。
2.4 信贷风险评估规则检验
表2 非财务指标的赋值
为验证其有效性，对测试子表中的28个样本进行检验，具体如表3。检验结果表明：在正常公司的14个样本中有12个指标准确预测，准确率达到了85.7%；在非正常公司的14个样本当中有11个样本预测准确，准确率达到了78.5%；所有样本均可判别，总的准确率达到了82.1%。检验结果表明，此模型预测精度良好。
采用可拓理论的企业信贷违约风险评估规则具有较高的预测准确性，总预测率在80%以上，可以提高信贷风险预警体系中警度的判定精度，可为商业银行信贷决策提供参考。但其在判别正常公司的预测精度高于非正常公司的预测精度，总结其原因可能是非财务指标选取不足及企业的行业差异所造成的，值得进一步的开展讨论。
3 结论建议
近年来，出于战略调整和经营转型需要，商业银行普遍将个人信贷作为收入的主要增长点。商业银行应高度关注个人住房信贷及个人住房抵押贷款的风险，不能简单地将个人贷款或消费性贷款视为低风险贷款而不加选择地大力发展。本研究的分析显示，环境因素并不是产生信贷风险的主要原因，其对信贷风险的影响没有起到显著的作用。优化银行信贷风险管理主要是健全银行内部制度，建立健全适合银行自身发展的风险识别评估体系、风险监控体系和后评价体系。面对全球范围内扩散的金融危机，我国商业银行应主动开展信贷风险排查，确保面临的风险得到及时发现和化解。
[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]廖强，曾怡景.中资银行面临的国内信用风险甚于次贷危机威胁[J].新金融，2008，(5).
[5]刘大远.商业银行信贷风险的防范[J].生产力研究，2007，(6).
[6]胡栗源等.信息不对称导致的信贷风险分析与对策[J].统计与决策,2006，(16).
[7]大卫·G·梅斯，丽莎·海尔姆，阿诺·柳克西拉.改进银行监管[M].北京：中国人民大学出版社，2006.
[8]约瑟.罗培斯，马可.勃格.信用风险模型有效性的评估方法探析[J].国际金融研究，2002，(9).
[9]裘清.构筑我国商业银行现代化信贷风险管理体系[J].中央财经大学学报，2002，(4).
[10]赵宗俊.基于不对称信息理论的商业银行信贷风险管理[J].现代管理科学，2005，(3).
F830.5
A
1002－6487（2011）04－0128-02
朱 林（1969-），男，湖南永州人，硕士，副教授，研究方向：高等教育管理。
(责任编辑/浩 天)
