《海南农业小额贷款风险管理技术探索》由会员分享，可在线阅读，更多相关《海南农业小额贷款风险管理技术探索（6页珍藏版）》请在金锄头文库上搜索。
1、海南农业小额贷款风险管理技术探索 吴敏 白宗钦 邵明 符江 郑德智 黄鹏云 海南省农村信用社联合社 近十年来, 海南省农村信用社联合社以推动普惠广大农村农业农民为目标, 以金融科技创新为指导思想, 以“移动互联网+大数据”为技术手段, 推出了一系列创新的金融服务模式, 有效解决了农村金融服务能力薄弱、覆盖范围有限、农民借贷还款不便等民生问题, 在农村普惠金融的发展道路上闯出了一条新路子。当前, 海南农户小额贷款风控主要以管理信用风险为主, 当贷款业务遇到农产品市场风险 (如农产品滞销、供过于求等) 时, 只能对拖欠还款采取展期措施, 从而导致银行成本上升, 降低了盈利性。如何将农产品市场风险,
2、 科学合理地融入到农户小额贷款的风险管理中, 是完善贷款政策、优化贷款评估指标的重要内容。一、海南农业贷款市场风险防控的经验海南农户贷款的市场风险的把控, 主要依靠信贷员们从农产品的供应端和消费端进行市场信息收集, 大概估计出农产品行情趋势, 从而实现对市场风险的把控。一些有较长工作经历的农业贷款人员, 主要从新闻报道、气象情报、上市时间情况、货车进出岛量等四个方面掌握农产品行情规律。1. 新闻报道当新闻报道中涉及的文本内容包含海南、某某蔬菜/水果、反季节瓜菜、赚钱、发家致富、小洋楼、别墅、新房、改善、好日子等词汇时, 会刺激农户在未来的生产规划中, 加大当前盈利较高的农产品投资规模, 容易造
3、成下一周期供大于求, 进而影响市场价格;反之, 当新闻报道中出现血汗钱、无人问津、天气灾害、自然灾害、失收、烂在地里等词汇时, 很可能会使农户压缩对应农产品的投资规模, 容易造成下一周期供小于求, 进而影响市场价格。此外, 如果多次连续对农业生产进行积极报道, 代表相关农产品市场尚未饱和, 还有升值空间;如果多次连续对农业生产进行负面报道, 会影响农户生产的积极性, 使得来年或下一周期相关农产品的价格上涨。2. 气象情报在蔬菜种植期间, 如果消费端地区出现诸如极端天气、严寒、多年不遇、缺水严重、干旱等负面天气状况时, 会导致消费端地区对农产品的需求旺盛, 进而推升市场价格, 反之是良好正面的天
4、气状况会导致消费端地区对农产品的需求下降, 进而影响市场价格下跌。对于供应端, 当天气的负面状况趋向严重时, 会导致农产品的供应量下降, 进而推升市场价格, 反之则会使供应量上升, 进而影响市场价格下跌。3. 上市时间情况供应端和消费端的农产品存量与市场价格负相关, 即存量越多, 价格行情越走低, 反之亦然。供应时间与需求时间越吻合, 或稍微提前, 行情价格越好;如果两者时间段不同步, 价格行情会非常不理想。在同一供应时间, 距离更近的供应端会取代距离更远的供应端, 售出价格呈现与距离负相关的趋势。4. 货车进出岛量农产品的即时价格与货车进出岛数量成正相关, 即价格行情越高, 进出岛量越大,
5、反之亦然。与此同时, 该指标对岛内蔬菜的价格影响非常明显, 因为没有商人舍近求远去找一个商品。因此, 要把控消费端农产品行情, 涉及相关数据收集、整理、分析及预测等一系列工作, 是一项专业且繁重的工作。掌握这些技能, 对海南从事农业贷款的业务员提出了很高要求。在实际工作中, 贷款业务员更多的是从供应端去了解农产品市场行情, 重点关注那些善于利用农产品经济周期性和盈利窗口期规律的农户, 这些有丰富的农业生产经验和掌握供给行情的农户, 比较容易获得农业贷款人员的贷款支持。二、建立模型对供应端贷款业务进行统筹规划如上所述, 消费端对应的蔬菜水果行情对于把控农产品市场风险具有非常重要的参考意义, 即使
6、存在地区差异性, 即一个市场价格偏低, 而另外一个市场价格较高, 也可以归因为是区域供需不平衡所致, 不影响整体的消费趋势;而对于供应端的行情调研, 当前主要依赖农业贷款业务员对农户的上门拜访、实地调查、乡邻寻访等工作, 缺乏计算模型进行科学的统筹规划。为了避免大量的农业贷款业务员行情调研工作, 消除个人工作经验、工作态度等主观因素带来的实际数据良莠不齐, 更加科学地掌控消费端的农产品行情, 同时统筹规划供应端贷款业务, 本文提出基于向量自回归模型 (Vector Auto Regression, VAR) 的农产品消费端行情趋势追踪方法, 同时提出基于风险平价模型 (Risk Parity)
7、 , 对供应端贷款业务进行统筹规划。海南农业小额贷款的市场风险管理技术框架如图 1 所示。图 1 面向海南农业小额贷款的市场风险管理技术框架 下载原图1. 基于向量自回归模型的消费端行情趋势预测对于消费端行情趋势的追踪分析, 本文收集了海南农产品销售地区的果蔬价格、交易量及气温等时间序列数据, 目的在于利用历史数据, 预测未来可能发生的趋势变化。由于农产品销售及气温等时间序列都属于周期类数据, 在数据的生成过程中, 包含了一定的经济周期特性。同时, 周期性的事件过程都符合平稳分布, 即数据的统计特征不随时间的推进而发生变化, 因此这些数据具备可预测的条件。为此, 本文引入向量自回归模型实现这一
8、目标。假设果蔬价格、交易量可以表示为 , 气温信息表示为。根据向量自回归模型的定义, 任意一个时间点 t 的 (蔬价格、交易量) 可以表达出如下数学关系:其中, Y 表示为模型的内生变量, 即需要进行趋势预测的变量;X 表示为模型的外生变量, 即驱动该迭代公式进行下一个时间点计算的已知变量;p 表示为模型的滞后值, 即表示 t 时间的 值需要考虑一段时间内的值; 表示为误差项。式 1 中, 变量 A 和 B 是需要求解的模型参数, 可由普通最小二乘法 (Ordinary Least Squares, OLS) 求解得到。由于全国各地一年四季的气温变化存在显著周期特征, 因而将气温因素设定为内生
9、变量 X, 作为一项对当前果蔬价格、交易量的影响因素。对于式 1 的计算误差MSE, 可以通过下式求解得到:其中, y 为实际值, 为估计值。为验证模型的预测效果, 本文导入 2016 年 37 月, 天津金钟农贸市场的香蕉价格/交易量和北京新发地农贸市场哈密瓜价格/交易量数据, 如图 2 所示, 横轴表示时间日期, 竖轴表示相应的数值 (价格、交易量) , 蓝色线条表示预测值, 橙色点线表示实际值, 蓝线上下的两条粉色线条给出了预测的误差值区间。从图中可以看出, 随着预测天数的增加, 模型的预测误差逐步增大。这种预测符合向量自回归模型在大多数经济数据场景的应用效果, 即短期内的预测效果较好,
10、 长期预测结果参考价值较低。与此同时, 根据果蔬价格与交易量的发展趋势预测, 信贷员可以对相关地区的农产品市场风险作出一定的判断。例如, 当价格上涨, 且交易量上涨, 意味着该商品未来在该地区的经营环境良好, 风险较小;当价格下跌, 但交易量上涨, 意味着该商品未来在该地区的经营环境良好, 但竞争逐渐增大, 风险增大。图 2 基于向量自回归模型的消费端行情趋势追踪实例 下载原图2. 基于风险平价模型的供应端贷款风险规划在实际的小额贷款流程中, 短时间内 (23 天) , 如果对同一农作物, 提出了大量的小额贷款申请, 则可以被视为是一种潜在的市场风险, 可以理解为有一定数量的农户群体, 扎堆种
11、植同一种农作物。但是在同一时间段内大量上市某一种农产品, 往往不能取得理想的收益。如果能够通过农业小额贷款手段, 将这些种植品种尽可能地分散开来, 不但可以降低因为市场风险因素给农户造成的损失, 也提高了银行对于农业小额贷款的风险管理能力。针对这一问题, 本文基于风险平价模型, 检测一段时间内对某一农产品发生集中贷款的行为。假设有 N 种贷款项目, 在某段时间内第 i 种贷款项目的波动性表示为, 即贷款记录时间序列的方差, 当 比较大时, 则理解为该贷款项目在这段时间出现了较大的风险, 因为那些扎堆单一品种的贷款行为是能够反映在该变量值上的。比如在西瓜、荔枝、芒果、黄瓜等果蔬种植的贷款项目上,
12、 某段时间对应的波动性分别为 4、1、3、6, 则表示这段时间内西瓜和黄瓜的波动性相对较大, 潜在着较大的市场风险, 而荔枝和芒果的波动性相对较小, 潜在的市场风险也较小。如果银行对于当年的小额贷款总额是一定的, 即贷款总额为 Q, 那么对于各个贷款项目的贷款发放数量 都会有一个对应的比例或权重 , 使得本文的目的是解出权重 , 使得各个贷款项目的风险尽可能保持一致, 然后根据这组权重 , 对当年贷款总额 Q 的余额进行分配, 即通过保持各个贷款项目波动性的一致性, 来调节整个小额贷款的业务部署。假设全部贷款项目时间序列记录的协方差矩阵表示为 , 则全体贷款项目组合的风险, 可以由下式计算出来
13、:对于各个贷款项目的边缘风险 可以通过下式进行求解:为达到此目的, 可以通过求解如下目标函数来得到权重组合 :表 1 某银行 6 月 15 日发生的小额农业贷款记录 下载原表 表 2 后续贷款发放比例 下载原表 求解式 (7) , 可得到权重组合 , 按照 权重, 分配贷款余额, 可使各个贷款项目风险水平保持一致, 从而达到控制小额贷款市场风险目的。以某银行 6 月 15 日发放的小额农业贷款记录数据为例, 逐步说明如何应用该方法, 进行供应端贷款风险规划。由表 1 可知, 经过 5 天的小额贷款方法后, 统计发现西瓜和芒果的贷款项目出现了较大的风险, 西瓜的波动性为 0.25886894,
14、芒果的波动性为 1.19819339, 说明这几天的小额贷款发放比例不合理, 西瓜和芒果的贷款项目, 可能给银行带来较大的市场风险 (假设优化前的各个贷款项目资金分配比例相同) 。在进行风险平价计算前, 已知贷款项目数量, 需要先根据表 1 求出各个贷款项目的协方差矩阵 :由式 (7) , 求出能够使各贷款项目风险保持一致的权重组合 , 结果如表 2 所示, 风险最高的芒果贷款项目, 通过风险平价模型的优化, 被赋予了一个最低的权重值 (0.08796194) , 将原来的贷款风险值从 1.19819339 降到了 0.25269487, 将最初 0.25 的放贷资金比例大幅度调低到 0.08
15、796194;而风险第二高的西瓜贷款项目, 模型只是略微从原来 0.25886894 的权重降到了0.25269485, 将最初 0.25 的放贷资金比例下降到 0.12940389;对于之前风险等级较低的荔枝和黄瓜两个贷款项目, 模型将其原来的权重 (0.25, 0.25) 调到了 (0.44699651, 0.33563765) , 即增大了这两个农业贷款项目资金的拨放量。本文围绕海南农业小额贷款业务在市场风险管理上所遇到的问题, 分别从对农产品的消费端和供应端对问题进行分析, 提出了基于向量自回归模型和基于风险评价模型。实验结果表明, 本文提出的模型和方法能够有效分析引入的数据, 并改进农业贷款风险管理。
