《商业银行信用风险评估方法》由会员分享，可在线阅读，更多相关《商业银行信用风险评估方法（7页珍藏版）》请在金锄头文库上搜索。
1、浅议商业银行信用风险评估方法【摘 要】信用风险是商业银行面临的主要风险，信用风险的范 围涉及商业银行经营活动的方方面面，如何防范与降低信用风险是 当前我国商业银行风险管理的迫切要求。【关键词】商业银行；信用风险；评估方法一、引言信用风险的定义有广义和狭义之分，广义的定义是信用关系的一 方因为另一方没有履约而导致的可能损失；从狭义的角度理解信用 风险指的是债务人在债务期限结束时不能按时履行债务合约，最后 导致债权人损失的可能性。世界银行对全球银行业危机的研究指出，信用风险管理不善 是导致商业银行破产的常见原因。加强信用风险管理对我国商业银 行而言十分重要。由于信用风险的形成主要取决于企业财务状况
2、， 我们通常将商业银行信用风险分析转化为企业财务状况的衡量。目 前我国的信用风险分析以对财务指标的分析为主。二、文献综述国外学者进行了大量的理论和实证研究，为银行信用风险评价的 研究提供了研究思路。rock(1984)指出7个因素比较受信用卡业者 所重视，steenackers 和 goovaerts(1989)采用 stepwise logistic regression模型寻找影响信用风险的原因，horrigan(1966)筛选 出总资产、债券价格、营运资金等变量采用z评分方法建立多元回归模型，预测穆迪公司与标准普尔公司的评价模型。ohlson （1980） 建立logistic回归模型进
3、行风险预测。halen、thomson（1988） 采用logistic模型对银行破产问题进行了分析。国内关于信用风险评估的研究起步较晚，但是随着我国金融市场 的发展及金融机构对于信用风险的逐渐重视，我国信用风险评估方 法的研究尤其是应用现代信用风险评估方法的研究成果逐渐增多。张玲和曾维火（2004）采用z模型对我国国内上市公司进行违约 预测分析。实证研究结果表明z模型测算的公司z值与上市公司信 用级别具有较好的相关性。章强（2002）提出要防范信用卡风险，要 使信用卡操作流程化，将分散的关于某一项具体业务操作的各项规 定综合起来，转换成“处理流程表”的形式。吴晶妹（2002）讨论了 现代信用
4、的地位、特征、信用结构、信用效率以及现代信用活动对 经济增长的积极作用。贾波，谢佳永（2002）则把信用消费理论和银 行的消费信贷业务联系在一起。王春峰、万海晖和张维（1998）将 判别分析法应用于商业银行信用风险评估中，与logistic方法的 比较，进一步研究了判别分析法的有效性。于立勇，唐捷辉（2004） 分析了我国国有商业银行财务数据并利用正向逐步选择法构建信 用风险评估指标体系，通过logistic方法建立违约概率计算模 型。方洪全、曾勇、何佳（2004）通过极大似然法建立序次probit 模型，该模型可用于银行债项风险等级的动态分析，对国内商业银 行准备金计提、贷款定价具有重要意义
5、。邓玺在美国的信用卡收入风险构成及相关性研究认为，在一定的收入规模以内，收入 的增长幅度大于风险的增长，信用卡产业存在明显的规模效益。周 洪亮、穆文全（2003）详细阐述了信用卡业务风险管理的理念、技 术和相关法规以及美国所采用的先进的信用卡业务风险管理方法。 胡勇，张永青（2006）分析了目前个人信用消费贷款的基础，提出 了建立全国统一的个人征信系统，建立风险呆账核销制度。三、信用风险评估方法信用风险评估方法不断推陈出新，管理技术正日臻完善，许多定 量技术、支持工具和软件已付诸商业应用。与过去的信用管理相对 滞后和难以适应市场变化的特点相对比，新一代的金融工程专家将 建模技术和分析方法应用到
6、这一领域，产生了一批新技术和新思 想。随之而来，在传统信用评级方法基础上产生了一批信用风险模 型，这些模型受到了业内人士的广泛关注。信用风险模型主要是通 过数学手段对历史数据进行统计分析，从而对有关群体或个体的信 用水平进行定性或者定量评估，并对其未来行为的信用风险进行预 测，提供信用风险防范的有效依据和手段。从统计学角度看，常用来对信用风险进行分析的数学工具主要包 括判别分析、logistic回归分析、主成分分析和神经网络等四种类 型。判别分析法（discriminantanalysis），也叫多变量判定分析法它是根据已知的违约和非违约的企业进行分类构成若干个总体，由这多个总体的特征找出一个
7、或多个判别函数（或准则），用于判别任一 己观察的向量应判属哪一个总体，以及检验两个或多个母体，在所 测量的指标量上是否有显著差异，如有则指出为哪些指标。该法很 适合用于信用分析，但这一方法也有很大缺陷，其假定条件过于严 格，如要求数据服从多元正态分布；协方差矩阵相同；均值向量、 协方差矩阵、先验概率均为己知等等，但在实际中所处理的数据都 有不同程度的违背，往往不能完全满足条件。logistic模型假设企业违约事件服从logistic分布。该模型同 样选择一系列的财务指标来研究企业的违约概率。logistic回归模 型不要求模型变量间具有线性的相关关系，自变量可以是连续变 量，也可以是离散变量或
8、者虚拟变量，同时也放松了变量服从协方 差矩阵相等和残差服从正态分布的要求，模型的因变量以0或者1 来代表违约事件是否发生，更具有直观性。logistic模型的最大优点在于它解决了因变量不连续回归问题， 特别是因变量为分类变量时非常适合使用该模型进行研究。应用 logistic分析可识别自变量对个人住房抵押贷款违约风险的影响 方向，达到识别影响个人住房抵押贷款违约风险主要因素的目的。 logistic模型是由logic模型变换而来。logit模型采用的是逻辑 概率分布函数。probit模型是二元离散选择模型的一种。在probit模型中，采 用的概率函数则是累积标准正态分布函数，模型计算方法和lo
9、gistic很类似，但在具体的计算方法和假设前提上又有一定的差 异，probit模型假设企业样本服从标准正态分布，其概率函数的p 分位数可以用财务指标线性解释，probit模型采用极大似然函数求 极值的方法求解，采用积分的方法计算破产概率。该模型包括了非 线性估计，所以计算量较logistic模型大。自组织数据挖掘起源于乌克兰控制专家a.g.ivaklmenko在上世 纪六、七十年代提出的数据分组处理方法，因此自组织数据挖掘算 法通常又被称为gmdh算法。gmdh基于启发式自组织方法，启发式 自组织方法在过程动态分析的基础上利用启发式方法选择模型结 构，然后在模型结构的基础上估计模型的参数。它
10、不要求给出模型 的具体形式，只要给出函数的类型、生成函数的形式及选择准则就 可以了，并且函数的选择也不是原则性的问题。其中的自组织是一 种过程，复杂动态系统的组织在这个过程中产生、繁殖和完善。在 利用自组织原则的方法中，寻求复杂系统动态模型的过程是通过模 型结构由简单到复杂而逐渐实现的，即在归纳判断方法的基础上进 行的。具体步骤是将数据分成学习集和检测集，学习集的数据根据 内准则形成多个初始模型的集合，然后由外准则选出竞争模型，并 重复建模和筛选这一过程，最终形成最优复杂度模型。与回归分析 相比，gmdh是一个动态的建模过程，从样本数据中选出影响因素且 不用考虑相关性的问题，另外回归分析对数据
11、的数量和质量要求较 高，gmdh能够对有噪声的小样本进行较好拟合度的建模。它用二元一论文发表专家一ED国字术友表网Www.qjkanwang.ne二次多项式通过层层自组织形成最终的非线性选择模型；拟用主成 分分析基础上，再对主成分变量两两构造二元logit模型作为gmdh 的部分变量模型，以期得到识别率更高的离散选择模型。gmdh方法的优势在于它能够对输入输出的变量原始信息构造出 模型，从而进行自选择。出于gmdh方法构建出的网络具有神经网 络的的特性，用多项式处理数据同时在结构上有自组织、全局优选 的特性。因此，gmdh非常适合用于复杂系统的建模。鉴于文章的样本比较小，还有与gmdh法相似的
12、拔靴法。拔靴法 又称bootstrapping，就是利用有限的样本资料经由多次重复抽样， 重新建立起足以代表母体样本分配之新样本。bootstrapping是通 过具有估计值特性的样本数据来描述该特性，它不断地从真实数据 中进行抽样，以替代先前生成的样本。此法样本数越大越好，对于 估计结果的准确性更为有利。与解析方法相比，bootstrapping的 优点在于，它无需对分布特性做严格的假定就能进行推断分析，这 是因为它使用的分布就是真实数据的分布。参考文献:1 ohlson j.financial ratios and the probabilistic predictionof bankru
13、ptcyj.accounting research,1980.2 m.odom and r.sharda.a neural network for bankruptcypredictionj.international joint conference on neuralnetworks,1990.ED国字术友表网Www.qjkanwang.ne3 周洪亮，穆文全.信用卡风险管理m.中国金融出版 社，2002,9.4 王春峰，万海晖，张维.组合预测在商业银行信用风险评估中 的应用j.管理工程学报,1999(1):5-8.5 周敏，李世玲,张富堂.数据组合处理方法在数据预测中的应 用j.计算机测量与控制,2006,14(7).6 王建新，于立勇.基于信用风险度的商业银行风险评估模型研 究j.管理工程学报,2007,4.7 夏亮，符亚明，曾诗鸿.我国外汇储备影响因素实证分析j.生产力研究,2010(5).
