信用风险的监测及模糊识别模型的应用

《信用风险的监测及模糊识别模型的应用》由会员分享，可在线阅读，更多相关《信用风险的监测及模糊识别模型的应用（5页珍藏版）》请在金锄头文库上搜索。

1、信用风险的监测及模糊识别模型的应用 胡援成朱艳嫣 一 、 引言当前 ,我国商业银行的信用风险仍然是一个应 高度关注的问题 。如何规避信用风险 ,尤其是应如 何正确识别正常贷款与不良贷款及其风险 ,将是我们讨论的主要内容 。 信用风险指的是当一项贷款到期不能偿付时 导致的可能损失 。金融理论与实践表明 ,信用风险程度依赖于贷款企业的最终偿还能力 。但是 ,界定 信用风险的级别是非常困难的 。信用风险的级别 通常与许多因素相关 ,而衡量这些风险因素又构成 一个多层次 、 多因素的复杂指标体系 ,既包括许多 定量分析指标 ,也包括不少定性分析指标 。1998 年 , 中国人民银行宣布在全国银行业中

2、开始改进贷款质量分类工作 ,实施新的 “五级贷款” 分类法 ,即将原贷款期限管理法的 “正常 、 逾期 、 呆 滞和呆帐” 改为国际通行的 “正常 、 关注 、 次级 、 可疑 和损失” 五类 。贷款风险的五级分类在美国十分流行 。通常把贷款的风险分为正常 、 关注 、 次级 、 可疑 和损失五级 ,前两位视为正常的 ,后三类视为不正 常的 。一 般 认 为 , 次 级 贷 款 不 还 款 的 可 能 性 约 有20 % ,可疑贷款造成损失的可能性约有 50 % ,而损 失贷款则意味着贷款无法收回的可能性为 100 % 。1984 年 , 美 国 经 济 学 家 马 瑞 斯 ( Marais)

3、 、 帕 特 尔 ( Pat tell) 和沃尔森 ( Wolf so n) 在五级分类基础上 ,运 用分类和回归树技术 (简称 CA R T) ,对美国 921 项 贷款进行了分析 ,其大致分类为正常贷款 839 项 , 关注贷款 37 项 ,次级贷款 32 项 ,可疑贷款 13 项 ,损失贷款为 0 ;其中 ,私人企业贷款 716 项 ,公共部 门企业贷款 205 项 。他们在分析过程中运用了 13 项标准的财务比率和另外 13 项其它变量指标 ,构 建了一个较为复杂的 CA R T 模型 。其分析结果表 明 ,根据上述分类和依据财务信息来判断贷款的风 险是完全可行 ,尽管私人企业的财务信

4、息没有公共部门企业的财务信息来的准确 ,但并不影响总体结 论 。本文将重点研究银行信贷的风险因素评价模 型 。第一部分运用会计比率构造信用风险的评价 指标体系 。第二部分运用模糊集理论建立模糊分 析模型 。通过模糊识别模型 ,也可以得到信用风险 评价值 。根据各种相应资料数据的分析 ,我们便可很容易得出总评价得分及其风险等级 。 二 、 风险预警监测指标体系的构建 (一) 应考虑的几个问题现我们以个体金融机构为基本单位 ,考察单个 银行的整体信贷风险 ,以一些传统的财务比率为基础 ,在此前提下构建一个风险预警监测指标体系 。 在构建该体系之前 ,我们先讨论几个问题 。1 、 关于资本充足率要求

5、 鉴于日益增长的金融风险 ,世界上许多国家和 地区都 制 定 了 高 于 10 %的 比 率 要 求 ( 如 美 国 、 法国 、 香港) 。美国联邦存款保险公司在 1991 年便要 求 ,如果资本充足率低于 8 % ,商业银行必须注资 , 并限制其资产增长和新业务开展 。在日本 ,类似的 措施仅当资本充足率低于 6 %才采取 。在美国 ,如 果资本充足率低于 6 % ,将限制存款吸收活动和管理人员的报酬 ;而日本此类措施仅在日资本充足率 低于 4 %时才采取 。2 、 对贷款带来的信用风险的处理 根据中国商业银行试推行的贷款风险五级分 类 ,即正常 、 关注 、 次级 、 可疑和损失 ,给定

6、相应的风险权数 ,就可以根据风险权重加 1 相应确定贷款的 风险资产值 。3 、 对日益增长的金融市场风险的处理 我国已参与制定并认可巴塞尔委员会的 “有效 银行监管的核心原则”,我国的商业银行可使用该 委员会于 1996 年公布的补充规定中推荐的新的银 该课题得到中国自然科学基金和中国 加拿大大学 产业合作项目 ( CCU IPP) 的资助 。 胡援成 、 江西财经大学财政金融学院教授 、 副院长 ;朱艳嫣 、 江西财政大学财政金融学院研究生 。19金 融 监 管行风险监管方法 : 风险值法 ( Value - At - Risk) 来 计算其所面临的市场风险值 ( VA R 值) 。该市场

7、风 险主要来自商业银行从事外汇业务带来的外汇风 险及其他不断增长的表外业务带来的其他风险 。4 、 指标的选取监测指标主要从人民银行 1994 年颁发的 “商 业银行资产负债比例暂行监控指标” 中选取 ,但要 对有关指标重新构造 ,以更适合当前金融的发展 。 值得一提的是 ,这些指标的应用都是对整个商业银 行而言的 。(二) 风险监测体系的确定下面 ,我们着重从资本充足率 、 资产流动性 、 资 产质量和盈利能力等方面来加以界定和构建风险 监测体系 。1 、 资本充足率资本充足充的临界值可设定为 8 % 。鉴于 日 益增长的金融风险 ,世界上许多国家和地区都制定 了高于 10 %的比例要求 (

8、 如美国 、 法国 、 香港等) 。 但考虑到我国目前的情况 ,对该比率公式的重新构造已考虑到市场风险值 ,故仍将临界值定为 8 % 。 资本充足率重新构造后其计算公式为 : 资本充足率 = 资本额/ ( 信用风险值 + 市场风 险值) 100 %= 资本额/ ( 信贷资产 风险系数 ( 1 + 五级分类风险权 重) ) + 其 他 资 产 风 险 系 数 + 市场风险值 100 %其中 ,风险系数参考人民银行的 “关于资本成 份和资产风险权数的暂行规定” 设定 : 五级分类风险权重 ,可根据贷款的风险分类结合清分工作 ,将 贷款清分后 ,分别赋予不同等级贷款以不同的风险 权数 ,以计量存量中

9、不同性质的贷款所带来的信用 风险 。(见表 1)表 1贷款风险的五级分类及其风险权重流动性指标包括存贷款比率指标 、 资产流动性 指标 (流动资产总额/ 流动负债总额) 、 备付金比例(贷款损失准备/ 存款总额) 。这些指标的计算预警 值分别设定为 75 % ,30 % ,2 % 。其中 ,存贷款比率 公式为 : 存贷款比率 = 各项贷款平均余额/ 各项存款平 均余额 100 %3 、 资产质量指标 由于贷款风险的五级分类办法仍在试行之中 ,一方面可采取五 级 风 险 分 类 , 并 相 应 设 定 风 险 权 重 ,再根据风险权重加 1 后与风险系数的乘积相应 确定贷款的风险资产值 ; 另一

10、方面 ,对目前仍用的 不良资产比例 、 逾期贷款比例 、 呆滞和呆帐贷款比 例来衡量较为方便 ,其预警值可分别设定为 15 % ,10 % ,4 %和 1 % 。4 、 盈利能力指标盈利能力 可 用 资 产 利 润 率 ( ROA) , 如 当 前 利 润总额与经营资产总额的比率来衡量 ;还可用净资 产收益率 ( RO E) ,即当前利润总额与净资产总额的 比率来衡量 。其预警值可设定为 1 %和 10 % 。5 、 预警系数的确定预警系数的取值定为 0 ,1 , 把各预警底线 的预警系数定为 0 ,把各指标历史最高/ 高低值或 经专家确定该地区可能导致最大金融风险的预警系数定为 1 ,在 0

11、1 时间 ,以一定的离差传递确定 其他相应指标值水平的预警系数 (见表 2)6 、 总预警系数 Z 的确定先确定资本充足率 、 资产流动性指标 、 资产质 量指标和盈利能力指标等方面指标的权数 ,然后在各方面指标的多个指标间确定权数 ,将这些预警指 标所对应的预警 系 数 加 权 平 均 , 即 可 求 得 总 系 数 Z。Z 值也是 0 - 1 之间 , Z 值越接近 1 ,表明风险越 大 ;相反 ,越趋近 0 ,表明风险越小 。计算总预警系 数 Z 的公式为 :Z = 类指标预警系数 j 权重 j类指标预警系数 = 个体指标预警系数 i 权 重 i 例如 ,我们可考虑根据预警类指标的相对重

12、要 性来规定各自的权数 ,设定资本充足率权重为 0 .15 ,资产流动性指标权重为 0 . 25 ,资产质量指标权 重为 0 . 4 ,盈利能力指标权重为 0 . 2 。 同样可设定资产流动性指标中存贷款比率权 重为 0 . 2 ,资产流动性比率权重为 0 . 3 ,备付金比率市 场 风 险 值 是 运 用 风 险 值 法 ( VA R) 来 计 算 的 。2 、 流动性指标20贷款风险分类风险权数 ( %) 正常0 关注10次级20 可疑50 损失100金 融 监 管表 2商业银行风险监测指标的预警系数权重为 0 . 5 ;资产质量指标中不良贷款比率权重为0 . 2 ,逾期贷款比率权重为 0

13、 . 1 ,呆滞贷款权重为 0 .3 ,呆帐贷款权重为 0 . 4 ;盈利能力指标中资产利润 权重为 0 . 4 ,净资产利润率权重为 0 . 6 。 按照某金融机构上述各项个体指标的实际值 , 根据表 2 可得相 对 应 的 预 警 系 数 , 再 与 其 权 重 相 乘 ,求得各类指标的预警系数值 ; 然后再与各类指 标的权重相乘 ,便可得到总预警系数 。 三 、 信贷风险的模糊识别模型现我们从单个贷款角度来研究信用风险的评 估 。我们将信用风险指标范围缩小 ,仅考虑贷款的 风险问题 ,并仅用模糊识别模型来进行贷款风险分 级 。 自 1998 年以来 ,中国的商业银行贷款开始实 行五级贷款

14、分类法 ,这将对信用风险的防范产生积 极的作用 。这种新的 “五级贷款分类法” 实质上是 一种以贷款风险管理为主的划分方法 ,它将信用风 险分为五个级别 ,即 “最小 、 较小 、 中度 、 较大 、 最大”五级 。根据模糊识别方法 ,我们试用模糊识别模型 来对各种贷款风 险 进 行 模 糊 判 断 , 并 依 此 进 行 评 级 。 今假设某欲评价其贷款的目标金融机构有 n项不同类型的贷 款 , 每 项 贷 款 的 借 款 企 业 是 同 质 的 ,则可得待评贷款集 F :负债率指标 、 资产流动性指标 ,以及企业还贷率和付息率指标等 ,这样 ,在整个系统 S 中 ,全体待评贷 款质量的 m

15、 项贷款的评价指标值可用矩阵表示如 下 :e11e21en1e12e22en2e1me2menm(3)(eji) =(j = 1 ,2 ,m) 由于式中每,n ,i = 1 ,2 ,列标的量纲和数量级不尽相同 ,可比性较差 ,所以应对 (3) 式进行相应的转换和标准化处理 。考虑到 式中各个指标 ,有的属于 “愈大愈优型”,如投资收益率 ;有的属于 “越小越优型”,如借款企业资产负 债率 ;还有的指标属于 “愈中愈优型”,如流动比率 指标 。对上述三种不同类型指标 ,可分别采用以下 方法进行标准化处理 。ej3(4) 优型)= (e - E) / ( E- E)( 愈小愈i ji jmin j

16、maxjminej3(5) 优型)= ( E- e ) / ( E)( 愈大愈- Eijmax ji jmaxjmin( Ejmean - eji) / ( Ejmean - Ejmin)e 3()(6)Ee愈中愈优型=jmean jiji (eji - Ejmean) / ( Ejmax - Ejmean)Ej mean eji(1)F = F1 , F2 , Fj , Fn 通过以上三个公式 ,我们可以将 (3) 式转换为标准化数对于序号为 j 的贷款可用向量 Fj 表示对第 j 项贷款的 m 个评价指标值 :据矩阵 。其中 ej3 均在区间 0 ,1 上取值 ,一般而言 ,指标越i 好 ,其值越小 ,意味着贷款的风险因素越小 。 这个标准化数据矩阵就是风险因素的系统评价隶属矩阵 :(2)Fj = (ej1