商业银行信贷风险预警研究

VIP免费

3.0 陈辉 2024-11-19 6 4 740.26KB 79 页 15积分

侵权投诉

摘要

风险管理是商业银行面临的永恒的课题，其中，对于信用风险的研究又是最

古老，最重要的内容。信用风险是商业银行面临的最主要风险，它直接影响着金

融体系的安全稳定，影响着国家甚至全球金融经济的稳定和发展。因此，如何度

量、预警、控制、管理商业银行的信用风险，提高信贷资产质量，是目前摆在我

们面前的重要课题。

2006 年12 月11 日，《中华人民共和国外资银行管理条例》正式颁布实施，标

志着我国银行业“入世”过渡期结束，中国银行业迎来了国内外银行同业竞争的

时代。虽然我国商业银行在规模、服务、管理等方面取得了很大的改善和提高，

但是，与国外的银行相比，我国商业银行的信贷资产管理方面的研究尚处在起步

阶段，无论从信用风险的度量、风险管理的理念、技术等方面都与国外有很大的

差距。我国银行必须加强学习国外银行业信用风险管理方面的先进技术，并结合

我国的实际情况，借鉴先进方法，改进现有技术，发展适合我国金融机构的信用

风险管理技术。只有这样，才能在国际竞争中立于不败之地。

我国商业银行现行信贷风险管理中只重视贷前对贷款人信用的评价，而对贷

后资金的安全性无法控制，往往在企业违约之前不能确定信贷资产的风险大小，

只能等到企业违约时遭受巨大的财产损失。本文为了解决这种情况，根据信用风

险的各种影响因素设立指标体系，采用人工智能和灰色预测的方法对商业银行信

贷资产的风险大小进行评估预警，真正做到信贷资产贷前和贷后的风险预警，对

于风险较大的资产立即采取措施，将损失控制到最小程度。此外，财务管理、数

理统计等相关理论知识为银行信贷风险预警系统提供了支持。商业银行信贷风险

预警系统研究对于加强信贷风险管理实践，提高银行信贷风险管理水平都具有较

强的现实意义。

按照本文的写作思路，文章共分为六部分：

第一部分是绪论，主要对本文的写作背景、国内外研究现状，写作思路和方

法做了说明。第二部分介绍了一些基本概念和本文所用到的理论知识。第三、四

部分是本文的重点，阐述了基于 ANN 和GM（1，1）模型的预警系统的构建并通

过选取样本进行了实证研究。第五部分对我国建立健全预警系统的配套措施提出

了建议。最后总结全文，说明了研究的创新和不足，并提出了以后研究过程中的

改进方向。

关键词：信贷风险预警系统 GM(1,1)模型 BP 神经网络

ABSTRACT

Risk management is the everlasting task of the commercial banks and the research of

credit risk is the oldest and most important element. Credit risk is the most important

risk faced by commercial banks, which directly affects the security and stability of the

financial system, even the country and the global financial and economic. Therefore, it

is an important task in front of us currently that how to measure, warn early, control and

manage of credit risk of commercial banks.

It is a symbol of the end of the transitional period of WTO that “Regulations of the

People's Republic of China for the Administration of Foreign Banks” is issued on

December 11th, 2006. The banking industry will be competed with the banks both at

home and abroad. Although the commercial banks in our country have made great

improvement in terms of size, service and management skills, the research of credit risk

management is still in the initial stage compared with foreign banks. It is a far cry from

abroad in terms of credit risk measurement, risk management philosophy and

technology and so on. We can remain invincible in the international competition only by

the way of learning the advanced methods of credit risk management, improving

existing technology and developing the credit risk of management technology which is

suited to China.

It is a main problem in the current loan risk management of commercial banks that

they only pay attention to the appraisal on creditor’s credit before the loan and the

safety of loan is out of control after lending money to the enterprise. So, the banks

cannot control the size of credit risk before the default and only wait to suffer great

damage when the corporate defaults. In order to solve the problem, the article

establishes an early-warning system of credit risk, which has an indicators system

whose indicators selected from the various factors affecting credit risk. It uses artificial

neural networks and gray model to make early warning of the credit risk. It can warn

credit risk early both before and after the loan and we can immediately take measures to

make losses to the minimum extent when the default will happen. In addition, financial

management, mathematical statistics and other relevant theory support the early

warning system of the credit risk, which is extremely and realistically meaningful on the

practice of bank credit risk management and improving the level of bank credit risk

management.

According to the thinking of writing of this thesis, the article is divided into six parts:

The first part introduces the background, current situation and researching methods of

this study. The second part introduces the basic concepts and theoretical knowledge

used in this article. The third and fourth parts are the focus of this paper. The third part

builds an early-warning system which is based on the ANN and the GM (1,1) model,

and then the fourth part is the evidence based on the third part. Measures of establishing

an early-warning system were proposed in the fifth part. The last part is a summary of

the article. It pointes out some of the advantages and the inadequacies of the study and

proposes improvements in the future research.

Key Word: Credit risk, Early-warning system, GM(1,1) model

BP neural network

摘要

ABSTRACT

第一章绪论 .....................................................................................................................1

1.1 选题背景和意义 .................................................................................................... 1

1.2 文献综述 ................................................................................................................ 2

1.2.1 国外研究综述 ..................................................................................................2

1.2.2 国内研究综述 ..................................................................................................5

1.2.3 研究文献评述 ..................................................................................................6

1.3 本文的研究方法及结构框架 ................................................................................ 6

1.3.1 研究方法 ..........................................................................................................7

1.3.2 结构框架 ..........................................................................................................7

1.4 本文的主要创新点和不足 .................................................................................... 8

第二章基本概念与理论概述 ...................................................................................... 10

2.1 银行信贷风险概述 .............................................................................................. 10

2.1.1 信贷风险的定义及其特点 ............................................................................10

2.1.2 《巴塞尔资本协议》与银行信贷风险管理 ................................................12

2.1.3 我国商业银行信贷风险管理现状 ................................................................14

2.2 信贷风险预警系统概述 ...................................................................................... 17

2.2.1 信贷风险预警系统定义要素 ........................................................................17

2.2.2 信贷风险预警系统功能意义 ........................................................................18

2.2.3 信贷风险预警系统研究现状 ........................................................................19

2.3 信贷风险预警的理论基础 .................................................................................. 20

2.3.1 统计学基本理论 ............................................................................................20

2.3.2 灰色理论及 GM(1,1)模型 ............................................................................ 21

2.3.3 人工神经网络理论及 BP 神经网络模型 .....................................................23

第三章银行信贷风险预警系统设计 .......................................................................... 28

3.1 神经网络在银行信贷风险预警中运用的可行性 .............................................. 28

3.2 信贷风险预警系统框架 ...................................................................................... 29

3.3 银行信贷风险预警模型指标模块的设计 .......................................................... 30

3.3.1 银行信贷风险预警指标体系选择的原则 ....................................................31

3.3.2 指标体系中的财务指标 ................................................................................32

3.3.3 指标体系中的非财务指标 ............................................................................35

3.3.4 指标体系中的综合指标 ................................................................................36

3.4 银行信贷风险预警模型判别模块的设计 .......................................................... 38

3.4.1 网络结构的设计 ............................................................................................38

3.4.2 网络参数的确定 ............................................................................................39

第四章银行信贷风险预警系统的实证研究 .............................................................. 42

4.1 样本数据及指标变量的选择 .............................................................................. 42

4.1.1 样本数据来源 ................................................................................................42

4.1.2 财务指标的选取 ............................................................................................42

4.1.3 非财务指标的选取 ........................................................................................45

4.2 神经网络训练和仿真 .......................................................................................... 45

4.3 GM(1,1)模型预测数据 ......................................................................................... 48

4.3.1 灰色模型的数据转换 ....................................................................................48

4.3.2 财务数据的预测 ............................................................................................48

4.4 预警结果分析 ...................................................................................................... 48

4.5 基于 ANN 的预警方法与其他预警方法的比较 ................................................51

第五章银行信贷风险预警系统应用的对策建议 ...................................................... 54

5.1 信贷风险预警系统的实现途径 .......................................................................... 54

5.2 信贷风险预警系统应用的注意事项 .................................................................. 54

5.3 银行信贷风险预警系统配套设施的建设 .......................................................... 55

5.3.1 营造良好的信贷环境 ....................................................................................55

5.3.2 进一步完善商业银行的信贷制度 ................................................................56

5.3.3 加强信贷业务的电子化建设 ........................................................................57

5.3.4 建设商业银行信用文化体系 ........................................................................59

5.3.5 建立和完善信贷退出机制 ............................................................................60

第六章结论 ...................................................................................................................62

附录一样本数据 .......................................................................................................... 64

附录二 MATLAB 程序 ................................................................................................ 72

参考文献 .........................................................................................................................74

在读期间公开发表的论文和承担科研项目及取得成果 ............................................ 80

致谢 ...............................................................................................................................82

第一章绪论

1.1 选题背景和意义

现代经济的发展离不开金融的发展，金融的发展离不开银行，特别是具有信

用创造能力的商业银行的发展，而信贷业务又是商业银行的核心业务，因此如何

管理商业银行信贷过程中面临的风险就显得尤其重要。《巴塞尔新资本协议》

1指出，

在银行所面临的八大风险2中，信用风险、操作风险和市场风险是商业银行面临的

主要风险。其中，信用风险是最主要的风险。

信贷风险是指商业银行信贷过程中所遇到的风险，始终伴随着商业银行诞生

成长的整个过程。一般而言，广义的信贷风险的成因有外部和内部因素，包括银

行信贷过程中所面临的信用风险、市场风险、流动性风险、操作管理等风险，狭

义的信贷风险即指银行最古老，最重要的信用风险。

自20世纪80年代以来，在全球范围内银行倒闭，金融危机等事件不断爆发，

如80年代美国储蓄和贷款机构的大量倒闭，90年代中期英国巴林银行、日本大和

银行等大型银行和金融机构爆发的危机，以及近来由亚洲金融危机、美国次债危

机引起的多家银行机构的倒闭事件等，给国家乃至世界经济都带来了巨大的破坏

力。而在我国，同样面临着同样的问题，例如海南发展银行和多家非银行金融机

构的倒闭等。世界银行对全球银行危机的研究表明，导致银行破产的最常见原因

就是信用风险。3信用风险的度量、预警、评价、管理等关系到银行的生存和社会

的稳定，是全球范围内银行业发展所必须面对的重要问题，也是现在以及今后若

干年内国内外金融研究领域最重要的课题之一。

在欧美等发达国家，银行信用风险管理的技术不断完善发展，许多定量的分

析技术已经用在了信用风险评估方面，使银行信用风险评价管理技术更加精确、

理论更加完善，同时，这些技术在实践方面也取得了很好的效果。特别是近 20 年

来，由于计算机信息技术的发展，神经网络、专家系统等人工智能技术应用于商

业银行信用风险评估之中，大大提高了西方发达国家的商业银行信用风险评估管

理的水平。而在我国，由于现代商业银行体制的建立时间不长，有些商业银行的

各项资产比例与巴塞尔协议的要求还有一定的差距，加之我国加入 WTO 后使我国

的银行业面临着国外银行业的竞争，加强信用风险管理，特别是银行信贷风险发

1巴塞尔协议，全名是资本充足协定（Capital Accord），是巴塞尔银行监管委员会成员，为了维持资本市场稳

定、减少国际银行间的不公平竞争、降低银行系统信用风险和市场风险，推出的资本充足比率要求。在 1988

年首次订立，并于 2003 年进行了第二次修订，修订后的版本称作巴塞尔新资本协议。

2巴塞尔银行监管委员会于 1997 年9月颁布了《有效银行监管核心原则》，文件将银行面临的主要风险分为信

用风险、国家和转移风险、市场风险、利率风险、流动性风险、操作风险、法律风险和声誉风险八个方面。

3王春峰,万海晖,张维.基于神经网络技术的商业银行信用风险评估[J].系统工程理论与实践,1999(9).

商业银行信贷风险预警研究

生前的预警措施意义重大。加强信用风险管理是我国商业银行与国际金融业接轨，

参与国际金融竞争的重要措施。然而，由于我国对商业银行信用风险管理的研究

起步较晚，信用风险分析管理技术相对比较落后，贷款形式多样化的趋势越来越

明显等原因，使我国现有的信贷风险管理技术远远不能满足我国商业银行对贷款

安全性的要求。主要表现在企业财务数据不准确、不充分；信用风险评估的方法

过于单调；信用风险监管制度不完善，信用风险管理人员素质不高等。因此加强

我国商业银行信贷风险管理刻不容缓。

建立科学的信贷风险管理系统需要我们构建一套科学的信贷风险评价指标体

系，建立信贷风险评价的定量模型，研制动态预警信贷风险状况，从而为商业银

行信贷管理工作提供强有力的决策支持。

本课题研究对于提高我国商业银行的经营管理水平具有重要的理论和现实意

义。有利于提高我国银行的风险管理水平，加强银行竞争力，促进经济的平稳快

速发展；有利于全面、实时的反映信贷资产的风险情况，及时追踪资产风险的变

化情况；有利于加快我国银行业的现代化进程，快速同国际银行业接轨，有利于

提高信贷操作人员及风险管理人员的素质，培养良好的信贷文化。

1.2 文献综述

1.2.1 国外研究综述

1.传统的定性分析方法

传统的定性信贷风险分析方法是商业银行在长期的信贷活动中根据经验总结

出的判定贷款风险的分析方法，其中，最具代表性的是专家分析法4和LAPP 法则5。

现阶段仍在使用的五级分类法也是一种定性的信贷风险分析方法，它按照银行贷

款收回的可能性将贷款分为正常、关注、次级、可疑、损失五个不同的等级。传

统的定性的分析方法在银行信贷风险分析的历史上有其积极的作用，简单易操作

是其显著的特点，但是随着银行信贷业务的发展及对风险控制要求的增加，传统

的定性分析方法的不足也越来越明显：首先，它只停留在贷款前期对贷款资产的

评价上；其次，过分依赖信贷员的感性评价，对信贷员的要求过高，容易产生银

行信贷组合过渡集中的现象，增加银行信贷风险；最后，由于信贷人员感性、随

4专家分析法最为常用的是信贷 5C 法，包括品格(Character)、资本(Capital)、偿付能力(Capacity)、抵押品

(Collateral)、周期的(或经济的)形式(Cycle Conditions)。也有些银行将信贷分析的内容归纳为：5P 或者 5W。

5P 是指个人因素(Personal)、目的因素(Purpose)、偿还因素(Payment)、保障因素(Protection)和前景因素

(Perspective)。5W 是指借款人(Who)、借款用途(Why)、还款期限(When)、担保物(What)和如何还款(How)。

5LAPP 法则是从借款人的流动性（Liquidity ）活动性（Activity）盈利性（Profitability）和发展潜力

（Potentialities）四个方面来评估信贷风险。

第一章绪论

意性等原因，信贷评估结果不是很理想。

2.基于统计学的信用分析法

Fisher(1936)[1]第一次提出了判别分析法(DA)，研究异类分类问题。

Beaver(1966)[2]采用了一系列指标区分了经营5年后破产和不破产的公司样本。

Deakin(1972)[3]使用14个变量，采用与Beaver一样的方法进行预测。虽然对于样本

公司破产前3年的分类准确率达到95%，但是对于破产前一年的公司样本的分类准

确率退化，研究结果表明由样本开发经验式的判别关系的时机尚不成熟。

Libby(1975) [4]首次将主成分分析法引入判别分析中，以克服多重共线性的问题。

Edward I. Altman(1968) [5]运用DA的思路提出了著名的Z评分模型(Z-score

model)。模型建立后不久，就用33个破产公司样本和33个非破产公司样本对模型进

行了检验，企业破产前1年的总体分辨准确率为95%，企业破产前2年的总体分辨准

确率为83%。Altman、Haldeman和Narayanan(1977) [6]年对原始的Z模型进行了扩展

和修改，建立了7个变量的ZETA模型(ZETA Credit Risk Model)。ZETA模型的适用

范围得到了扩大，预测精度也有所提高。以上两个模型都能对借款人的经营状况

做出反映，因此一般作为早期的银行信用风险预警的模型。但是，这两个模型都

是依据企业的会计报表，并且认为风险与企业的财务指标存在线性关系，缺乏对

信用风险的系统性认识，因此，其理论基础较薄弱，实际运用效果不好。

Ohlson(1980) [7]构建了Logit模型，它是一种非线性的统计学分析模型，可以用

于定性指标变量的分析。它选取1970到1976年间105家破产危机公司样本和2058家

非破产危机公司样本，用Logit模型进行三年的预警分析，指出公司规模、财务结

构、经营绩效及现金流动性与公司破产危机具有高度的相关性。Lawrence和

Arshadi(1995) [8]用logit模型分析了问题贷款的管理；Laitinen(2000) [9]运用泰勒级数

展开在logiscic回归分析预测企业违约破产分析中的应用，发现现金比率、股东权

益比率和现金流量比率是判定违约风险高低的重要指标。Charitou，Neophytou和

Charalambous(2004)[10]实证研究发现logit模型与其他预测违约风险的方法相比具有

较强的预测能力。Logit模型不要求变量具有正态分布和协方差相等的条件，客服

了线性方程的局限性，具有广泛的实用性。但是，此模型还没有脱离依赖企业会

计报表的限制，没有考虑到影响信用风险的其他方面；再者，运算过程中过多的

近似处理影响着模型的精度。

Lundy(1993)[11]运用聚类分析法对消费信贷进行分析，将消费者年龄、职业、

居住条件等6类分别进行回归评分，最后不仅将消费者进行精确分类，还对银行的

信贷发放，风险控制等具有指导意义。Tam K. Y.(1992)[12]用K阶近邻法对信用风险

进行分析，但结果显示不如Logit模型分析和神经网络分析。

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要风险管理是商业银行面临的永恒的课题，其中，对于信用风险的研究又是最古老，最重要的内容。信用风险是商业银行面临的最主要风险，它直接影响着金融体系的安全稳定，影响着国家甚至全球金融经济的稳定和发展。因此，如何度量、预警、控制、管理商业银行的信用风险，提高信贷资产质量，是目前摆在我们面前的重要课题。2006年12月11日，《中华人民共和国外资银行管理条例》正式颁布实施，标志着我国银行业“入世”过渡期结束，中国银行业迎来了国内外银行同业竞争的时代。虽然我国商业银行在规模、服务、管理等方面取得了很大的改善和提高，但是，与国外的银行相比，我国商业银行的信贷资产管理方面的研究尚处在起步阶段，无论从信用风...

展开>> 收起<<

商业银行信贷风险预警研究.pdf

共79页,预览8页

还剩页未读，继续阅读

商业银行信贷风险预警研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: