信用风险评估范文

信用风险评估范文第1篇

一、中小企业融资难的成因

中小企业获得的贷款基本上是短期贷款, , 而企业谋求发展, 将流动资金贷款用于购买设备、技术改造, 这将直接导致流动性紧张。此外, 由于产业结构, 业务规模, 经营业绩和自身弱点的制约, 大多数中小企业短期内不能直接使用直接融资渠道。

(一) 信息不对称

许多中小企业都有信息不透明的情况, 银行对企业生产经营情况不明朗, 很难对贷款进行贷前调查, 贷款时间审查和贷后检查。基于对风险考量, 银行对中小企业谨慎放贷、强化对中小企业贷款的审核要求, 使中小企业难以融资, 或贷款审批程序冗长复杂。

(二) 企业自身原因

中小企业规模小, 没有健全规范的财务管理制度, 信息不透明, 导致银行不能获取有效信息。基于银行自身考虑在不能有效防范信用风险的情况下, 必然是“惜贷”的。中小企业自身素质不高, 信用度普遍较低, 当中小企业遇到经营瓶颈时, 无法按时归还贷款, 同时难以筹集发展资金。金融机构丧失对企业的信心, 必然导致企业失去融资机会, 从而使企业得不到长远发展。

(三) 金融机构的授权和信用不足

金融机构投资过于单一, 投资仍集中在国有企业和政府主导的基础项目上, 不愿意承担高风险, 将大量中小企业则被排除在金融之外。国有商业银行普遍实行集约化信贷管理制度, 权力不下放, 对基层银行信贷授权严重不足。根据调查, 贷款至少执行至少6个程序, 耗时28天才能批准和发放。报告各级贷款的审批程序烦琐复杂, 大大影响了贷款的时效性。

二、完善厦门银行小额贷款风险控制机制的建议

(一) 独立的信用评分管理部门

由于信息的不透明性, 投资存在一定的风险, 需成立独立的风险管理部门对风险进行集中管理。信用评分是确定风险程度的方式之一, 主要通过数理统计模型和计算机系统对客户的信用水平、还款能力等进行分析、预测, 确保风险之间的可比性。

(二) 完善监督机制, 防范管理风险

银行必须在自身内部建立健全的监管机制, 提高其员工的业务能力;建立客户投诉渠道, 并制定解决方案;寻求第三方商业银行监管部门信访投诉制约, 建立适合小额贷款风险防范的市场投诉渠道, 降低厦门银行自身的管理风险。

(三) 健全贷款信用评定机制

造成中小企业贷款困难的主要原因是信息的不对称, 银行无法判断企业的信用水平和还款能力。银行不愿承担未知风险, 大多会选择放弃贷款。为了解决这一矛盾, 有必要利用当地组织建立联合信用评级机构, 不断完善基础数据库。提高信息质量, 以科学的风险评估体系作为参照标准, 最大限度减少信息不对称造成的影响。

摘要：中小企业在我国经济发展中具有很重要的作用, 近年来随着经济的发展中小企业发展中的融资问题也越来越严峻。厦门作为商业银行, 一方面扮演向中小企业投放信贷资金支持企业发展的重要角色, 另一方面作为一个特定的利益团体, 必须对中小企业客户信用风险进行评价, 本文通过厦门银行中小企业贷款信用风险评估体系构建发展现状和发展问题进行研究, 并从中得出以下结论:中小企业虽然目前是经济发展的主力军, 就目前情况而言为谋求长远发展, 就需要源源不断地资金注入。但中小企业自身素质不高, 信用观念淡薄, 存在信用度普遍较低的显著问题。就这个问题, 企业应该建立完善的财务管理制度, 提升信用度, 提高银行贷款额度。厦门银行同事应该建立独立的信用评分、管理部门完善监督机制, 防范管理风险、健全贷款信用评定机制来完善厦门银行小额贷款风险控制, 不断助力中小企业的健康发展。

关键词：中小企业,贷款信用风险,厦门银行

参考文献

[1] 梁峰.试论制约我国中小企业发展的融资瓶颈[J].南开经济研究, 2000 (2) .

[2] 苗丽娜.中小企业银行贷款问题研究[D].合肥:安徽大学, 2006.

[3] 李丽霞, 徐海俊, 等.我国中小企业融资体系的研究[M].北京:科学出版社, 2005.

[4] 陈保君, 董雷, 孙延滨.对困难中小企业贷款盘活的信贷思路.济南金融, 2006 (9)

信用风险评估范文第2篇

【摘要】網络借贷在推动普惠金融的同时，其中的信用风险越来越多地暴露在公众面前，引发一系列的争论和质疑。本文从网络借贷的资金需求方入手分析，将网络借贷产生的信用风险归为个人信用问题，而个人信用管理体系对于信用风险防范和管控具有至关重要的作用。本文围绕信用管理体系，回归梳理了法律监管、信用征信建设、信用评估、贷后风险管理四个环节的具体内容和网络借贷背景下相应环节的研究现状，并认为大数据征信、动态评分模型研发和大数据贷后风险管控将会是未来研究方向。

【关键词】网络借贷 个人信用 信用风险 研究综述

一、引言

作为基于互联网平台开展借贷业务的新型借贷模式，网络借贷属于金融的互联网居间服务（姚海放等，2013）。主要模式有P2P网络借贷模式和电商供应链金融模式等。P2P网络借贷是个人对个人，不以传统金融机构为媒介的借贷模式。电商供应链金融是电商平台将中小企业与金融机构的信息有效对接，为平台上资金匮乏的中小企业提供各种形式融资服务的借贷模式。而网络众筹包括但不限于网络借贷模式。网络借贷借助互联网技术的信息获取优势在一定程度上提升了金融资源配置效率，缓解了小微金融市场的信贷失衡现象。据统计，2015年全年网贷成交量达9823.04亿元，相比2014年增长了288.57%，然而2015年全年问题平台达到896家，是2014年3.26倍。目前监管细则落地、不完善的征信体系、借贷利率虚高、債务结构不合理等原因造成问题平台突出，凸显网络借贷的信用风险问题。

二、网络借贷信用风险与个人信用风险

网络借贷的信用风险是指借款人未按合同约定向投资人支付本金、利息的风险和债务人未按约定向公司支付款项的风险。资金需求方主要以小微企业或者个人为主，因而网络借贷的风险问题更多地归结为个人信用风险问题。个人信用有狭义和广义之分：狭义个人信用指消费信用，即将贷款用于个人或者家庭的消费型活动，广义个人信用泛指以个人名义发生的借贷关系，其目的除个人或家庭消费外还用于生产经营。因而无论担保与否，P2P网贷中发生的借贷关系兼可归为个人信用问题。而以B2C模式和B2B模式为主的电商平台供应链金融中，信用关系的维续也存在着个人信用问题。

三、网络借贷信用风险研究

（一）网络借贷个人信用体系

由于信息不对称问题，传统商业银行小微贷款业务存在着逆向选择和道德风险问题。在贷前，对借贷人信用信息掌握不全面等原因会使得银行偏向于为能够接受现有利率水平的客户发放贷款，因而风险较大的客户会为银行带来较大违约风险，存在逆向选择问题。在贷后，则存在将款项用于非银行指定用途以及未按约定还本付息等道德风险问题。因而，为缓解信息不对称导致的一系列问题，小额信贷是依赖于征信环境、信用评估技术等个人信用体系的全面发展。个人信用体系包括个人信用征信、信用风险评估以及信用风险管理等多个环节。同时需要外部的法律监管和内部行业自律来指导其健康发展。征信完成对个人信用数据的收集并构建个人信用数据库，信用评估对信用数据建模分析来提供信用评分供需求者使用。最后，信用风险管理通过对信用风险的计量、预警和转移等手段来揭示和管理信用风险。

在网络环境下信息不对称问题依于大数据等信息挖掘技术优势而有所缓解。但信息技术的辅助并不能从根本上消除信用风险，网贷平台上诚信环境的构建同样依托于完善的个人信用体系。作为新型金融，网络借贷发展初期处于法律空白和监管盲区，亟需法律监管更新和行业自律控制。同时，融资者多数属于传统金融机构的边缘客户群，现有征信系统尚未覆盖或掌握信息存在时滞，这便对信用体系基础建设提出更高要求。在无抵押信用借贷模式中，需要借助信用评分来辅助双方的借贷决策，而贷后信用风险管理是进一步对借贷风险的揭示和防范。因此，网贷平台的信用风险具体细化在个人信用体系的各个环节，同时各环节的不断完善将有助于信用风险防控。如图1为网络借贷信用管理体系各环节的具体内容。

（二）信用管理内外部约束

1.传统领域。个贷行业发展需要来自主体外的立法建设和行政监管。法律制度主要包括对个人信用信息的采集、使用和披露，个人隐私界定与保护，个人破产保护等一系列法律制度。行政监管负责对征信机构、信用数据库、信用评估机构的监督管理、违法行为监管以及公民诚信意识宣传等。2013年《征信业管理条例》、《征信机构管理办法》等法规的出台使我国征信市场步入有法可依的轨道。《条例》规定中国人民银行及其派出机构为国务院监督管理机构，同时对个人信用信息开放与保护等问题做出相关规定。但较之信用制度健全国家，立法体系落后于实业发展、法律法规实施不到位、缺乏完善配套管理制度、信息共享机制尚未确立、失信惩罚机制落后等问题突出，制约着个人信用体系的发展。

2.网贷领域。网络借贷发展中的潜在法律风险，可从网贷平台、贷款人、借款人和第三方支付等方面划分。网贷平台作为信息中介应视为融资居间合同的居间人，不介入借贷双方交易。但一些偏离纯中介模式的网贷平台面临着额外的法律风险，表现为非法吸存和非法集资、非法经营、从事违法的居间活动、违反保密义务、“洗钱”、非法公开发行债券、以及涉及担保项目可能违反有关融资担保管理等风险。网贷贷款人面临的法律风险包含电子合同合规性、出借人债权合法性、出借人隐私权以及借助平台非法公开发行证券风险等。网贷借款人作为融资方，面临着与网贷平台类似的风险。第三方支付平台面临的法律风险表现在资金托管法律问题和沉淀资金法律问题。此外，道德风险也是制约行业健康发展所不能回避的问题。在监管政策上，已明确由银监会管理P2P网贷发展。目前P2P网络借贷在市场准入标准、退出机制、资金管理、信息透明等运营方面缺乏统一标准，运营风险的增大会进一步影响信用风险。在行业自律方面，目前已形成中关村互联网金融行业协会、广东互联网金融协会、北京市网贷行业协会等区域性自律组织。

网络借贷发展对于立法建设和监管探索的要求，逐渐成为学术界的共识。姚海放等学者（2013）认为，我国网络借贷行为应置于民间借贷范畴内，提出应将民间金融阳光化等思考。林荣琴（2014）从借贷关系法律界定出发，提出完善中介平台准入制度和中介平台信用评级制度，以增强中介平台信息透明度和建立行业协会自律组织等建议。杨振能（2014）提出明确网贷行为规则和法律责任的监管思路，并辅之以信用风险、流动性风险等一系列风险管理要求。刘绘（2015）提出规范信息披露和消费者保护等行为、过程控制式监管规则、完善以征信与评级为主要内容的信用体系等监管建议。网络借贷行业尚未形成完善的内外部约束，是由于信用观念、意识等因素，作为根源的传统个人信用领域尚未形成稳定的内外部保障所致。

（三）信用数据基础建设

1.传统领域。信用数据基础建设是信用管理体系的基础部分，主要有信用数据征集和数据库组建两部分。信用数据包括个人基本信息、信贷交易信息和反映個人信用状况的其他信息。在征信模式发展方面，杨晖（2011）指出我国已形成公共征信和私营征信并存互补的征信格局，作为行业和地方征信机构的补充，私营征信机构不断发展壮大。公共征信机构通过行政力量收集信息，私营机构通过协议方式采集公开渠道信息。但在发展过程中，隐藏着征信标准化滞后、信息共享机制缺失、信息安全等问题。

2.网贷领域。传统征信报告提供借贷人基本信息、贷款申请记录、还款情况等。在网络借贷领域，金融消费的精细化营销、个性化服务和批量处理将成为主要运营模式，因而新型金融催生着新的征信需求，云计算、数据挖掘等技术则为征信产品的创新升级奠定了技术基础。袁新峰（2013）在互联网征信研究中指出，除建立同业数据库外电商平台通过对累积客户行为数据进行深度挖掘，作为客户消费授信的评价依据，大数据征信已初见端倪。

对于大数据征信的发展研究，吴晶妹（2014）认为传统征信覆盖人群有限、数据反映能力不强等问题突出，而网络征信以海量数据刻画信用轨迹，通过记录信用行为状况和综合信用度来预测个人偿还能力和信用风险，目前中国征信体系建设中心已逐步向网络征信过渡。杨坚争等人（2015）认为网络征信数据来源包括社交媒体数据、网络借贷数据、网络购物数据、其他相关数据，其中社交媒体数据包含微信、微博等社交数据用以确认用户身份，网络借贷数据可提供逾期记录等信用信息，网购数据则提供以往电商网站购物记录和交易流水等财务数据，其他如打车记录、O2O生活行为记录、违章记录等生活数据均可用于大数据征信。刘新海（2014）借鉴美国新型网贷公司大数据技术，指出多元化征信不仅包括传统信用数据，还包括可用于挖掘个人性格、行为特征等网络数据，进一步说明了 “一切数据兼信用”。魏强（2015）提出大数据征信可包括挖掘多渠道数据源的信息特征、寻找变量间关联性、信用特征再归类、特征权值设置、计算综合得分等步骤。孔德超（2016）认为大数据征信具有数据来源广泛、市场定位清晰、应用场景多样化等优势，但在个人隐私保护、数据所有权、控制权、收益权问题仍需要在现有法律政策下进一步探讨。

（四）信用评估技术

1.传统领域。信用评分技术作为信用管理体系的核心，包括数据预处理和信用评分模型建模两个阶段。在预处理阶段，原始数据普遍存在噪音数据、遗漏数据、不一致数据等问题，需要进行数据清洗、数据变换和数据规约等预处理。其中，数据清洗是对不符合要求的数据进行处理，包括缺失数据填补技术、异常值检测处理、重复数据整合等；数据变换通过对连续数据离散化和不平衡样本结构优化来实现数据的规范化，将其转换为适合建模的形式；数据规约则是在将数据清洗和变换后，在不丢失有效信息的前提下对数据降維。

在评分建模过程中，首先需分析个人信用的影响因素，确定反映个人基本情况、偿还能力、偿还意愿等各方面的评分指标集，经排序加权后形成评分指标体系。指标体系的建立保证了评分模型数据输入的稳定性。同时在初选过程中，需要借助统计方法评估指标识别能力，并根据宏微观因素对指标体系不断修正和优化，保证评估的多维性和动态性。评分模型的检验包括模型精度检验和稳健性检验，其中模型精度是指评分模型判断个体类别的能力；稳健性强调模型对建模之外数据的预测能力。

具体的模型发展有统计学模型和非统计学模型两个发展阶段。在统计学评分模型发展中，先后出现了线性回归方法、Logistic回归方法以及Probit回归等方法，但因解释性不足未得到广泛应用。之后相关学者们将最近邻法、决策树模型和贝叶斯网络模型引入到评分模型中，逐步调高了模型的预测精度和稳健性。在非统计学评分模型发展中，先后出现了人工神经网络、遗传算法等人工智能方法在处理非线性化特征变量问题具有明显优势。之后，Baesens等人（2003）较早将支持向量机方法引入到评分模型中，认为较神经网络方法支持向量机方法性能更优。Bellotti等人（2008）将支持向量机算法引用到信用评分和重要特征属性发现研究中。Terry（2014）基于传统非线性支持向量机的缺陷，将聚类支持向量机（CSVM）算法引入到信用评分领域，经比较后认为CSVM模型可达到更优分类表现。

此外，通过组合将单一模型的优势互补以达到信息利用的最大化，已成为信用评估领域的研究趋势。Tian-Shyug（2002）将判别分析预测结果和其他特征变量一起作为输入单元建立神经网络模型，认为组合模型可以提高神经网络的收敛速度和预测精度。石庆焱（2005）提出基于神经网络和Logistic回归的混合两阶段评分模型，并将神经网络输出结果和其他特征变量一起作为Logistic回归模型的解释变量，结果显示组合模型的稳健性和预测精度较单一模型更优。姜明辉（2007）将Logistic模型和RBF神经网络模型的分类结果通过线性方法组合起来，结果表明组合模型在预测精度上较优。David West（2005）基于Bagging和Boosting方法构建了神经网络集成模型，Mariola（2009）利用Bagging和Adaboost算法集成了决策树模型，认为模型在信用评分预测精度和稳健性表现优良。

2.网贷领域。借贷评审是网贷平台最关键的技术，而信用风险在贷审环节的体现就在于贷款项目和信贷额度的控制。P2P网贷同样采用信用评级的方式，基于信用数据建立信用评分模型对违约风险进行量化评估。

近年来，国外信用风险评分技术在机器学习领域和数据挖掘算法领域不断深入。Malekipirbazari（2015）建立以随机森林为基础的分类方法预测借款人状态，并基于美国借贷网站借贷数据展开实证研究，认为随机森林算法在识别优质借款人方面优于FICO信用评分。Maria等人（2015）运用流数据挖掘技术，在传统评分模型基础上建立基于历史数据流的动态信用风险评分模型，实验证明该动态模型具有较好的鲁棒性。Fatemeh等人（2015）建立基于特征选择算法和集成分类器的数据挖掘组合模型，实证认为在评分性能方面基于非参数设置的数据挖掘组合模型优于基于参数设置的单一模型。美国网贷公司ZestFinance则基于集成学习和多角度学习的模型设计思路，设计身份验证模型、欺诈模型、还款能力模型、还款意愿模型、稳定性模型等从不同角度预测借款人的信用状况，克服了传统单一模型考虑因素的局限性。

在国内柳向东（2016）选用具有平衡效果的SMOTE算法对非平衡数据预处理，运用多种数据挖掘算法建立信用风险评估模型，实证得出随机森林模型算法对于违约项目的识别能力最佳。林汉川等人（2016）将随机森林模型与Logistic回归模型建立组合模型，实证认为模型有效克服传统模型数据噪声敏感问题和变量容量问题。

（五）贷后信用风险管理

1.传统领域。贷后信用风险管理是个人信用管理体系的下游部分，旨在通过信用风险计量、预警和转移，实现信用贷出方的最大安全性。传统商业银行实施信用风险管理，主要依据2005年实施的《新巴塞尔协议》。《新协议》提出商业银行全面风险管理的三大支柱，其中对最低资本要求的计算包含了对信用风险、市场风险和操作风险的度量。信用风险转移是指借助特定金融工具把信用风险转移至其他金融机构的信用转嫁方式，常见金融工具有资产证券化、信用担保、保险等。

2.网贷领域。网贷平台中信用风险管理偏重于贷前征信和贷审模型研发，对于贷后信用风险计量和转移尚未得到广泛关注。杨从正（2015）在P2P借贷风险管理体系研究中，认为借贷平台对事后的违约补偿可采取融资担保方代偿、保险公司信用保证保险赔付、风险准备金补偿等方式。逄明亮（2015）指出宜信公司在贷后风险担保方式上推陈出新，推出国内首例保险、信托、小额贷款三方合作。通过发行信托产品并向保险公司投保，险种为金融机构贷款损失信用保险，此项信用保险措施与信托计划的信用增级措施共同作用达到多重增信目标。向明（2015）分析美国网贷公司Kabbage在贷后风险管理经验，通过设立拖延还款惩罚机制，除收取一定延迟费外还保留向其他机构报告的权利。庞淑娟（2015）则认为数据挖掘技术可实现信用风险预警，譬如分类与预测可基于历史数据形成预测规则，孤立点分析可用于欺诈行为预测等。尹丽（2016）从第三方资金托管角度出发，分析我国网贷第三方资金托管发展现状、模式及现存问题，提出应明确第三方托管主体和托管机构的权利与义务等建议。

四、结语

基于以上综述，个人信用管理体系的完善是网贷信用风险研究的主要领域。对法律和监管细则的探讨正指导着网络借贷向合法合规化发展。个人征信业的研究逐步向大数据征信及网络征信聚焦，科技创新已成为推动普惠金融的强大引擎。在评分模型研发环节，现阶段单一评估模型中新技术的不断探索、组合评估模型精度和稳健性的提升以及基于大数據的动态模型的深入研究将有助于借贷平台的信用风险管控。同时大数据技术为贷后信用风险管理提供新的研究视角，将大数据动态监管融入到现有贷后管理体系中。网络借贷的商业模式已逐步成型，大数据分析、数据挖掘等信息技术将会在网络借贷的发展，乃至互联网金融体系的演变中发挥越来越关键的指引作用。

参考文献

[1]姚海放等.网络平台借贷的法律规制研究[J].法学家，2013（05）.

[2]2015年中国网络借贷行业年报[J].金融世界，2016（02）：第90-91页.

[3]林荣琴.论我国P2P线上网络借贷的法律风险控制[D]，2014，中国政法大学.第50页.

[4]刘绘与沈庆劼.P2P网络借贷监管的国际经验及对我国的借鉴[J].河北经贸大学学报，2015（2）.第56-61页.

[5]杨振能.P2P网络借贷平台经营行为的法律分析与监管研究[J].金融监管研究，2014（11）.第25-41页.

[6]张雨辰与杨坚争.大数据背景下的互联网金融征信问题研究[J].电子商务，2016（05）.第55-56頁.

[7]魏强.大数据征信在互联网金融中的应用分析[J].金融经济，2015（08）.第11-13页.

[8]杨晖与卢昊.中国特色征信体系模式研究[J].金融理论与教学，2011（04）.第1-4页.

[9]刘新海与丁伟.大数据征信应用与启示——以美国互联网金融公司ZestFinance为例[J].清华金融评论，2014（10）.第93-98页.

[10]葛志苏.互联网金融背景下征信业市场化发展研究[J].武汉金融，2014（12）.第33-34页.

[11]孔德超.大数据征信初探——基于个人征信视角[J].现代管理科学，2016（04）.第39-41页.

[12]袁新峰.关于当前互联网金融征信发展的思考[J].征信，2014（01）.第39-42页.

[13]吴晶妹.2015展望：网络征信发展元年[J].征信，2014（12）.第1-4+83页.

[14]向晖.个人信用评分组合模型研究与应用[D]，2011，湖南大学.第131页.

[15]帅理.个人信用风险评估理论与方法的拓展研究[D]，2015，电子科技大学.第 144页.

[16]孙亚南.中国个人信用管理体系建设研究[D]，2008，中国人民大学.第178页.

[17]Sousa，M.R.，J.O.Gama and E.Brand O，A new dynamic modeling framework for credit risk assessment[J].Expert Systems with Applications，2016.45：p.341-351.

[18]Harris，T.，Credit scoring using the clustered support vector machine[J]..Expert Systems with Applications，2015.42（2）：p.741-750.

[19]Kozeny，V.，genetic algorithms for credit scoring[J]..Expert Systems with Applications，2015.27：p.11-23.

[20]Koutanaei，F.N.，H.Sajedi and M.Khanbabaei，A hybrid data mining model of feature selection algorithms and ensemble learning classifiers for credit scoring[J]..Journal of Retailing and Consumer Services，2015.27：p.11-23.

[21]宋丽平.张利坤与徐玮，P2P网络借贷个人信用风险评估[J].财会月刊，2015（35）.第94-96页.

[22]夏立明.边亚男与宗恒恒，基于供应链金融的中小企业信用风险评价模型研究[J].商业研究，2013（10）：171-177页.

[23]柳向东与李凤.大数据背景下网络借贷的信用风险评估——以人人贷为例[J].统计与信息论坛，2016（05）：第41-48頁.

[24]刘新海与丁伟.美国ZestFinance公司大数据征信实践 [J].征信，2015（08）：第27-32页.

[25]杨从正.P2P借贷风险管理魔方体系构建研究[D].2015，云南大学.第56页.

[26]李宁宁.P2P资金第三方托管问题研究[D].2015，华南理工大学.第52页.

[27]赵刚.商业银行信用卡业务信用风险管理研究[D].2007，华东师范大学.第158页.

[28]逄明亮.我国P2P网络货款平台全面风险管理体系构建研究[D]，2015，山东大学.第76页.

[29]庞淑娟.大数据在银行信用风险管理中的应用[J].征信，2015（03）.第12-15页.

[30]尹丽.P2P网络借贷平台资金托管问题研究[J].当代经济管理，2016（01）.第86-90页.

[31]杨大楷与俞艳.中国个人消费信贷状况及风险防范研究[J].金融论坛，2005（07）.第45-50+63页.

[32]向明.冀源溪与曲博，美国大数据网络贷款公司Kabbage的运营模式及启示[J].征信，2016（01）：第60-62.

作者简介：李銘（1993-），女，内蒙古乌兰察布人，硕士研究生，中央财经大学信息学院，研究方向：互联网金融。

信用风险评估范文第3篇



关键词：商业银行;信用风险;期权;防范

1 商业银行信用风险及其防范方法的概述

由于商业银行经营对象和经营过程的特殊性，自其产生之初，风险就与之相伴而生、形影不离。 根据《新巴塞尔资本协议》，现代银行业所面临的风险主要包括信用风险、市场风险和操作风险。其中信用风险又称违约风险，主要是指商业银行贷款过程中由于借款者违约而给银行造成损失的可能性。信用风险不但在计量、管理等方面均比操作风险、市场风险更复杂，而且长期以来一直是商业银行所面临的最大风险。

2 利用期权防范商业银行信用风险的原理

期权是20世纪70年代国际金融创新中发展起来的一种金融衍生工具。在金融风险管理中，期权是进行套期保值、回避价格风险的理想工具。所谓期权实质是一种选择权，是指一种能在未来某特定时间以特定价格买入或卖出一定数量的某种特定资产的权利。期权购买者在支付一定费用的基础上便获得这种选择权。如果未来价格向不利于期权购买者的方向变动，期权购买者则可选择执行期权，从而在一定程度上通过对冲弥补这种不利的价格走势给其带来的损失。相反，如果未来价格向有利于期权购买者的方向变动，则期权购买者会选择放弃执行期权，他所损失的仅仅是当初为了获得这种选择权而支付的费用。因此，虽然期权购买者为了获得这一权力额外支付了一定费用，但却有效规避了价格不确定性带来的风险。从这个角度上看，期权十分类似于汽车保险。车主为了在车辆出险时获得一定的经济补偿，向保险公司支付一定的保险费购买保险。如果车辆出险使车主遭受损失，由于购买了汽车保险，车主可以从保险公司获得赔偿以弥补其所遭受的损失。相反，如果在此期间车辆没有出险，则车主的最大损失也不过是保险费。

商业银行同样可以利用期权的这种风险对冲机制进行信用风险防范。商业银行在发放贷款的同时购买期权，这就相当于为其贷款购买了一份保险。一旦贷款违约事件发生，商业银行就可以从期权出售者那里获得一定的补偿，以弥补借款者信用水平向不利于银行的方向变化而给银行带来的损失，将信用风险转移给期权出售者。银行最大损失就是从期权出售者那里购买期权所支付的费用。商业银行利用期权对冲信用风险的方法大致可以分为两类，一类对贷款利率进行保值，另一类对贷款金额进行保值。

第一类方法利用期权对贷款利率进行保值，以达到防范信用风险。它的主要原理是要求商业银行在发放贷款的同时，买进一个利率看涨期权。根据投资学的基本原理，任何金融资产的收益率都可以看成是无风险利率和风险溢价之和。因此，贷款利率水平作为贷款人的发放贷款的收益率也是由这两个因素决定的。其中，风险溢价是对贷款人承担信用风险的补偿。当借款人信用等级下降时，作为贷款人的商业银行所承担的信用风险相应扩大，相应应提高风险溢价水平以及贷款利率水平。固定利率贷款由于在贷款存续期间内利率固定不变，银行无法通过对贷款利率的调整，获得相应的补偿。因此，固定利率贷款既无法规避无风险利率的不利变化可能给其造成的损失，也无法规避借款人信用风险扩大，进而风险溢价水平扩大可能造成的损失。当前为了防范利率风险，商业贷款特别是国际长期贷款往往被设计成浮动利率贷款，使得在贷款存续期间内，贷款利率能够随基准利率的变化而变化，可在一定程度上规避无风险利率变化带来的损失，但贷款合约签定后，信用风险溢价则仍然是固定的，无法回避。

第二类方法利用期权对贷款金额进行保值，从而达到防范信用风险。其主要原理是要求商业银行在发放贷款的同时，买进与该笔贷款金额相对应的贷款合约价格看跌期权。当借款者违约事件发生时，商业银行作为期权的购买者可以一个事先已经约定价格出售这笔贷款，从而弥补由于借款者违约而给其带来的损失。

3 利用期权防范商业银行信用风险的意义

3.1 有利于提高信用风险管理水平

商业银行作为信用创造和信用中介的主体，不可避免地成为整个社会信用风险的集散地。因此，妥善地管理和控制信用风险是商业银行生存所必须掌握的一门技术。在商业银行的信用风险管理方法中十分重要的一条就是对包括贷款和各类投资在内的资产实现多样化、分散化，通过减小资产组合内各类资产的相关性，使组合内信用风险相互对冲抵消。然而，实践中的贷款分散化并非无懈可击。商业银行往往都有比较稳定的客户信用关系、经营领域、区域优势、行业优势、信息优势以及贷款规模经济效应等，这使得银行信用风险很难分散化。我国四大国有商业银行脱胎于国有专业银行，历史上有明显的业务分工，这在一定程度也限制了贷款分散化。此外，贷款分散化还有可能对银行效益产生负面影响。而期权克服了贷款分散化的缺陷，在允许贷款相对集中的同时，通过期权的非对称性风险收益机制将商业银行面对的信用不确定性进行拆分，对冲并转移对其不利的信用不确定性，而保留对其有利的信用不确定性。从而使商业银行对信用风险管理由消极被动转为积极主动，有利于提高信用风险管理的水平。

3.2 有利于降低商业银行的不良贷款率

在我国社会主义改革过程中，由于产权制度的不合理及体制改革的严重滞后，使得社会信用风险逐渐集聚到了银行体系。长期以来一直困扰着我国商业银行的大量不良贷款正是这一问题的集中体现。为解决这一问题，我国采取了一系列措施，如资产管理公司进行债转股、资本重置和贷款出售等，取得了一定效果，但仍不足以使银行彻底摆脱信用风险。使用期权来防范信用风险无疑为我国商业银行降低不良贷款开拓了思路，提供了新工具。

3.3 有利于提高资本充足率及回报率

为了促进国际银行业的稳健经营，巴塞尔协议规定，银行资本充足率要达到8%，也就是要求银行的总资本不能低于加权风险资产总额的8%，其中加权风险资产总额是由银行各项资产与风险权重的乘积来确定。因此，风险权重越高，对银行资本金数量的要求也就越高。由于利用期权等衍生工具做套期保值可以达到规避风险的目的，因此《新巴塞尔资本协议》对银行已经采用期权等衍生工具进行套期保值的交易头寸的资本要求相对较低。如果能实现完全套期保值，则银行可以不必提取专项资本;如果无法实现完全套期保值，银行可以仅对其敞口头寸提取20%的专项资本。由此可见，通过期权来防范信用风险后，同样数量的贷款资产所要求的作为贷款保证金的资本金数量下降，意味着同样数量的资本金可以支持更多的贷款资产，从而使得资本充足率得到提高，并有效地利用了财务杠杆，提高资本回报率，这对于资本充足率普遍比较低的我国商业银行是非常有利的。

3.4 有利于推进金融业混业经营

由于我国直接和间接融资市场发展不平衡，企业融资长期倚重以银行贷款为主的间接融资方式。而非银行类金融机构往往被通过立法排斥在存放款业务之外。商业银行利用期权来防范信用风险，为非银行类金融机构间接涉足贷款市场提供了可能性。非银行类金融机构参与期权交易在分散化解银行所承受的信用风险的同时，也有利于非银行类金融机构自身投资组合的分散化，有助于其取得更好的经济效益。根据国外经验，保险公司通常是此类期权的出售者。一方面，保险公司尤其人寿保险公司拥有稳定的长期性资金来源，另一方面，保险公司可运用其在风险管理上的优势，进一步在不同领域进行信用风险的再分散化。可见，期权的应用有助于推进金融业的混业经营，实现不同金融机构间的业务融合和优势互补，改善其资产组合结构，扩展了金融市场的广度和深度，有利于提高金融体系的整体运行效率。 

参考文献

[1]伊斯雷尔·尼尔肯.实用信用衍生产品[M].北京: 机械工业出版社,2002.

信用风险评估范文第4篇

摘  要：当前P2P网络借贷平台面临的风险主要有平台内部风险、借款信用风险、资金来源风险和资金用途风险。P2P网络接待平台在很大程度上弥补了我国金融资源配置的不足，对于解决融资难投资难问题起到了积极作用。因此，我们要加强P2P网络借贷平台的监管力度，实现P2P网络借贷平台的健康发展。

关键词：P2P网络借贷平台;风险;监管

一、我国P2P网络借贷平台的发展

（一）起步阶段（2007年至2009年）。2007年，发达国家的P2P网络借贷平台正式进入我国，我国第一个P2P网络借贷平台是拍拍贷网络借贷平台。从那之后，一直到2009年，我国的P2P网络借贷平台便逐渐推广开来，一批P2P网络借贷平台开始出现。据不完全统计，在这一阶段我国P2P的数量仅有三十余家。

（二）快速膨胀阶段（2010年至2014年）。从2010年开始，我国的P2P网络借贷平台经历了一个快速膨胀期。在这一期间，有许多的P2P网络借贷平台出现，人人贷、积木盒子等P2P网络借贷平台大量进入市场。拒不完全统计，截至2014年底，我国的P2P网络借贷平台就达到了三千余家。这种快速膨胀，从成交额也可以看出。在2012年，全国P2P网络借贷平台成交额仅有200亿，然而到了2014年，就达到了3000亿。

（三）稳健发展阶段（2015年至今）。从2015年至今，P2P网络借贷平台的风险性开始凸显出来。特别是随着前几年的快速发展之后，P2P网络借贷平台参与人数越来越多，在2014年日参与人数甚至一度达到了七万多人。国家以及地方政府开始通过多种途径希望通过遏制P2P网络借贷平台的发展势头，而达到控制P2P网络借贷平台风险的目的。

二、我国P2P网络借贷平台面临的风险

（一）平台内部风险。对于P2P网络借贷平台来说，平台内部的风险已经外显出来。P2P网络借贷平台主要依托于高科技互联网技术而发展起来的。然而，这种高科技除了使得P2P网络借贷平台功能更加强大之外，还会增加互联网金融风险成本，特别是一些高科技互联网技术漏洞的存在，极易发生一些泄密事件，比如将借款人、出借人等的身份信息、财产信息等隐私泄露出去。

（二）借款信用风险。P2P网络借贷平台是一种互联网金融借贷模式，不仅具有金融平台的特点，同时也具有互联网虚拟性的特点。同时，P2P网络借贷平台无法直接对接中国人民银行的征信中心。因此，在很大程度上，P2P网络借贷平台在向借款人借款时，只能通过借款人提供的身份证等各种身份证件、财产证明甚至是熟人评价等来考核借款人的还款信用。然而，由于是通过互联网进行操作，P2P网络借贷平台所需要的这些证件和证明非常容易造假，一旦将资金出借给信用度极低的借款人，这种损失是非常慘痛的。

（三）资金来源风险。P2P网络借贷平台的资金来源基本无从考究，因此，无法完全肯定P2P网络借贷平台资金来源的全面合法性。P2P网络借贷平台仅仅被作为一个中介平台被使用，因此基本没有审核客户资金来源的权力。然而，非法资金如果在P2P网络借贷平台上实现资金流通，就极易发生洗钱风险。

（四）资金用途风险。P2P网络借贷平台虽然会协助借款人和出借人来签订协议，共同约定款项的具体用途。然而，借款人违规或者违法使用借款的情况，P2P网络借贷平台却无法进行规范和监督。如果一旦发生违法行为，资金的回收就会是一个很大的问题。P2P网络借贷平台却没有保证的责任，这在我国的法律中有明确的规定。《最高人民法院关于人民法院审理借贷案件的若干意见》第13条规定：“在借贷关系中，仅起联系、介绍作用的人，不承担保证责任。”因此，P2P网络借贷平台可能会出现资金跑路甚至破产的风险。

三、加强P2P网络借贷平台监管的建议

（一）完善P2P网络借贷平台的法律规定，实现监管信息对称。将P2P网络借贷平台上升到法律层面，对它的监管对象和监管主体都要进行明确的规定。一方面，要明确P2P网络借贷平台的法律地位和法律规定，对P2P网络借贷平台的职责、作用、权利和义务等进行清晰的说明。另一方面，针对P2P网络借贷平台的具体法律规定明确监管单位，切实落实监管内容，实现监管对象和监管主体的信息对称，真正做到有法可依。

（二）制定P2P网络借贷平台准入标准，完善行业评价体系。P2P网络借贷平台当前的准入门槛较低，没有一个明确的行业标准，这也使得P2P网络借贷平台的风险进一步增加。鉴于此，相关的监管部门要针对P2P网络借贷平台这一行业制定相关的行业标准，形同一种统一的规范性要求，加强审核力度，让确实有相关资质的机构加入到P2P网络借贷平台中。

（三）以资金流动性监管为中心，进行风险控制。P2P网络借贷平台中，资金是重中之重。因此，P2P网络借贷平台的风险绝大多数来自于针对资金的风险。对此，监管部门要以资金流动性监管为中心，切实的实现资金来源、资金用途以及资金回收等多方面的监管，除了可以将部分权力下放给P2P网络借贷平台之外，同时自身也要实现全程监督，实现P2P网络借贷平台资金合法流动。

参考文献：

[1] 赵婉媚.论P2P网络借贷平台的风险与监管[D].华东政法大学2014

[2] 白浩.P2P网络借贷平台问题及解决对策[D].河北大学2013

信用风险评估范文第5篇

收稿日期： 2014-01-12

基金项目： 国家社会科学基金（13BGL041）

作者简介： 顾海峰（1972—），男，江苏苏州人，金融学博士后，东华大学旭日工商管理学院金融系研究员、博士生导师（副），研究方向：金融理论、金融工程与金融风险管理。

摘 要：科学高效的商业银行信用风险测度模型，是实现商业银行信用风险监测目标的重要保障。商业银行信用风险主要来源于贷款企业层面，贷款企业信用质量状况将对应着商业银行信用风险水平。对此，从贷款企业的财务与非财务两个层面设计信用风险的测度指标体系，运用模糊综合评判法构建信用平稳下商业银行信用风险测度模型，并给出信用风险测度模型的应用实例。研究发现，在信用平稳下，依赖于专家评判及打分方式，使得模糊综合评判法对于解决商业银行信用风险测度问题具有很好的操作便利性；也可为我国商业银行体系构建科学高效的信用风险监测机制提供重要的理论指导与决策参考。

关键词： 信用平稳；商业银行；信用风险；测度模型；模糊综合评判法

一、问题提出及研究述评

2008年全球金融危机的爆发及其演变，已充分暴露出全球商业银行体系，尤其是中小商业银行在信用风险管理方面存在着较大缺陷，这种缺陷不仅体现在信用风险管理的环节方面，还体现在信用风险管理的效能方面。由于金融市场中信息不对称的客观存在，容易引发逆向选择与道德风险问题，从而商业银行可能面临一定程度的贷款损失。因此，商业银行还应当注重信用风险监测环节，即揭示信用风险传导机理，测度信用风险水平。信用风险监测环节主要针对贷款之前的风险审核管理，通过测度贷款企业的信用质量，来准确反映商业银行面临来自于贷款企业的信用风险水平。若测度结果不符合商业银行放贷标准，则商业银行拒绝放贷，从而将劣质企业群体排斥在贷款之外，有效降低商业银行面临来自于贷款企业的信用风险。可见，信用风险监测是商业银行信用风险管理的重要环节。此外，运用模糊综合评判法来构建信用平稳下的商业银行信用风险测度模型，有助于提升信用风险管理效能。从信用风险管理的环节与效能分析中可以发现，信用风险测度模型是商业银行信用风险监测机制的重要内容，构建科学高效的商业银行信用风险测度模型，是实现商业银行信用风险监测目标的重要保障。

国内外对于商业银行信用风险测度研究在方法方面居多。其中，Jorion（1996）运用VAR方法构建了基于VAR方法的信用风险测度模型[1]；Saunders（1999）对VAR方法进行了修正及拓展，使得测度结果更为精确[2]；Jeffrey（2000）提出了期望违约概率模型[3]；Jose和Marc（2000）对Credit Metrics模型进行了分析与拓展，提出了两阶段风险测度方法[4]；Gordy（2000）将Credit Metrics模型与风险附加法模型（CreditRisk+）进行了实证比较[5]；Albanese等（2003）考察了流动性障碍下的信用风险测度问题，提出了基于流动性障碍的风险测度模型[6]；Steven等（2004）将政策周期与政治民主引入发展中国家主权信用风险的评价问题，建立了发展中国家主权信用风险测度模型[7]；Wand等（2008）将小数据集合运用于贝叶斯神经网络模型，探讨金融机构操作中的信用风险测度方法[8]。国内方面，郭英见等（2009）提出了基于信息融合的商业银行信用风险测度模型[9]；吴冲等（2009）采用模糊积分支持向量机集成技术，构建了商业银行信用风险评估模型[10]；白保中等（2009）运用Copula函数法对银行资产组合信用风险进行了测度[11]；李江等（2008）通过压力测试方法来评估银行信用风险[12]。

综合国内外文献发现，现有文献较多涉及方法论层面探讨信用风险测度问题，尚未涉及对信用环境进行分类，并考察不同信用环境下的信用风险测度问题，对此，本文将运用模糊综合评判法，探讨信用平稳环境下的信用风险测度问题。

二、信用平稳下商业银行信用风险测度指标体系设计

考虑到商业银行信用风险主要来源于贷款企业层面，贷款企业的信用质量状况对应着商业银行的信用风险水平，且两者之间存在着负相关关系①。对此，商业银行可以通过对贷款企业信用质量进行测度，来准确反映商业银行自身面临来自于贷款企业的信用风险水平。商业银行信用风险的测度过程，就是贷款企业信用质量的测度过程。此外，为准确反映商业银行面临来自于贷款企业的信用风险，我们分别从贷款企业的财务与非财务层面遴选出信用风险测度指标体系。具体设计过程如下：

（一）信用风险的财务性测度指标体系②

商业银行面临来自于贷款企业的信用风险程度主要通过贷款企业的经营水平、盈利水平、偿债水平等中间变量来综合反映。考虑到贷款企业的这些中间变量，可以通过贷款企业的相关财务性指标来直接反映，将它们称为“财务性变量”。

（1）经营水平变量。主要反映贷款企业的资金运作与资产盘活效率，由资产周转率、库存周转率、应付款周转率、应收款周转率等指标来综合决定。

（2）盈利水平变量。主要反映贷款企业的利率获取效率，由销售利润率、营业利润率、资产报酬率等指标来综合决定。

（3）偿债水平变量。主要反映贷款企业的债务偿还效率，由资产负债率、流动比率、速动比率、净资产收益率等指标来综合决定。

（二）信用风险的非财务性测度指标体系③

商业银行面临来自于贷款企业的信用风险程度，除了依赖于贷款企业的财务性变量之外，还依赖于履约状况水平、管理水平、生态环境、领导水平、创新水平、发展潜力等中间变量。考虑到这些中间变量是通过财务数据之外的相关经验统计而得到的，将它们称为“非财务性变量”。

（1）履约水平变量。主要反映贷款企业的历史履约效率，由贷款履约率、合同履约率等指标来综合决定。

（2）管理水平变量。主要反映贷款企业的经营管理效率，由销售管理、资金管理、质量管理、技术管理等指标来综合决定。

（3）生态环境变量。主要反映贷款企业的行业经营环境，由行业景气度、行业竞争性、行业政策性等指标来综合决定。

（4）领导水平变量。主要反映贷款企业的高管领导效率，由领导层的个人信用、学历水平、经营理念、经营业绩等指标来综合决定。

（5）创新水平变量。主要反映贷款企业的技术创新效率，由创新人力、创新物力、创新财力、创新效益方面的投入等指标来综合决定。

（6）发展潜力变量。主要反映贷款企业的发展潜力程度，由行业政策、市场份额、潜在效益等指标来综合决定。

（三）信用风险测度指标体系的基本架构

依据上述分析，给出商业银行信用风险测度指标体系的基本架构，即：信用风险测度指标体系主要由财务性测度指标体系与非财务性测度指标体系两大部分构成。具体指标体系及符号分别见表1、表2所示。

三、信用平稳下商业银行信用风险测度模型构建

在信用平稳环境下，运用模糊综合评判法中的专家评判及打分方式来设定各个测度指标的相应权重，尽管存在一定的主观性，但是对测度结果影响较小，且操作便利。具体建模过程与方法如下：

1.测度指标的权重设定及反向标准化处理。为设定信用风险测度指标权重，模糊综合评判法中通常采用专家评判及打分方式来实现，专家依据历史经验对反映各个变量的相关测度指标权重进行评判及打分，从而确定各个测度指标对关联变量的权重系数。以mijk表示测度指标Xijk对变量Xij的权重，则反映变量Xij的权重向量为Mij=（mij1，mij2，…，mijl）。

通过专家打分方式还可以获得各个测度指标的实际取值。考虑到财务性测度指标均属于无量纲的比例，取值范围自然位于[0，1]区间内；对于非财务性测度指标，例如测度指标Xijk，专家依据经验数据给出测度指标Xijk的上、下限阀值max Xijk与min Xijk，再通过反向标准化运算ijk=max Xijk-Xijkmax Xijk-min Xijk，使得指标数值ijk必然分布于[0，1]内。此外，通过上述反向标准化处理，使得商业银行信用风险水平与来自贷款企业的测度指标取值之间由原来的负相关性转换为正相关性。

2.建立信用风险测度等级集及分布区间集。

根据中国银行业按照五大级别对贷款风险进行分类管理的原则，将商业银行信用风险测度等级也划分为五个等级，分别为正常（A级）、轻度（B级）、中轻（C级）、中度（D级）、重度（E级）。考虑到测度指标已进行了反向标准化处理，且各个测度指标取值与信用风险水平之间呈现正相关性，即：反向标准化处理后的测度指标数值越大，则对应的信用风险水平就越大。此外，对经过标准化处理后的各个测度指标取值进行加权平均运算，得到各个变量值的范围也必然在[0，1]区间内。然后，再次对各个变量进行加权平均运算，最后得到的信用风险测度结果也必然分布于[0，1]区间内。对此，将[0，1]区间划分为五个子区间，每个子区间分别对应着某个风险测度等级，为便于操作，对[0，1]区间进行均匀分割，即：将[0，0.2）对应的风险等级设定为正常（A级）；将[0.2，0.4）对应的风险等级设定为轻度（B级）；将[0.4，0.6）对应的风险等级设定为中轻（C级）；将[0.6，0.8）对应的风险等级设定为中度（D级）；将[0.8，1]对应的风险等级设定为重度（E级）。

3.给出测度指标隶属向量及评判隶属矩阵。

假设参与风险评价的专家人数为P，专家对任意测度指标Xijk按照A、B、C、D、E等级进行打分评价，则指标Xijk对应于A级的隶属度为wijk1=PAP，其中PA表示认定该指标值为A级的专家人数，将对应于每个等级的隶属度以横向量形式表示，即可得到变量Xij的隶属向量Wijk=（wijk1，wijk2，wijk3，wijk4，wijk5）。考虑到任意变量Xij可由若干个测度指标Xijk（1≤k≤l）来综合反映，于是得到变量Xij的评判隶属矩阵为：

Wij=Wij1

Wij2

Wijl=

wij11wij12wij13wij14wij15

wij21wij22wij23wij24wij25

wijl1wijl2wijl3wijl4wijl5

4.计算风险测度结果及评判信用风险等级

下面，将变量Xij的评判隶属矩阵进行加权平均运算，得到变量Xij的隶属向量：

Aij=（mij1，mij2，…，mijl）×

wij11wij12wij13wij14wij15

wij21wij22wij23wij24wij25

wijl1wijl2wijl3wijl4wijl5=

（aij1，aij2，…，aij5）

对隶属向量Aij进行标准化运算ijk=aijk∑5k=1aijk，得到归一化隶属向量ij=（ij1，ij2，…，ij5）。

以各个归一化隶属向量ij=（ij1，ij2，…，ij5）为横向量形成矩阵形式，即可得到两大主变量X1与X2的隶属矩阵分别为：

W1=111112…115

121122…123

131132…133

W2=211212…215

…………

261262…265

以mij表示变量Xij对主变量Xi的权重，则反映主变量X1与X2的权重向量分别为M1=（m11，m12，m13），M2=（m21，m22，…，m26），对主变量Xi的隶属矩阵进行加权平均运算，得到主变量Xi的隶属向量为Ai=Mi·Wi=（ai1，ai2，…，ai5），i=1，2。再对Ai进行标准化运算ij=aij∑5j=1aij，得到归一化隶属向量i=（i1，i2，…，i5），还可得到信用风险的隶属矩阵为W=1112…15

2122…25。最后，结合主变量对信用风险的权重向量M=（m1，m2），即可得到信用风险的隶属向量为A=M·W=（a1，a2，…，a5），通过标准化运算i=ai∑5i=1ai，得到信用风险的归一化隶属向量=（1，2，…，5）。此外，取五大等级区间的中间值建立权重向量S=（0.1，0.3，0.5，0.7，0.9），则信用风险测度结果为f=·ST。考虑到0≤f≤1，则f必然落在某个等级区间内，即可认定测度结果对应的风险等级。

四、商业银行信用风险测度模型应用：实例分析

（一）设定测度指标隶属向量数据及相关权重

假设某商业银行邀请10位专家组成员对某贷款企业进行评判及打分，专家组依据贷款企业的财务及非财务数据，对各个测度指标对应的相关数据进行了反向标准化运算处理，并按照A、B、C、D、E顺序对各个测度指标进行了评判及打分，并对相关测度指标及变量的权重系数进行了设定，具体结果分别由表3、表4给出。

表3 财务性测度指标对应的隶属向量及权重数据

（二）依据评判隶属矩阵计算归一化隶属矩阵

依据上述隶属向量数据及相应权重，可得到各个变量的评判隶属矩阵；对评判隶属矩阵及对应权重向量进行加权平均运算，可得到各个变量Xij的隶属向量Aij；再对各个隶属向量Aij进行标准化运算，可得到两大主变量X1与X2的隶属矩阵：

W1=0.50.350.1500

0.460.30.2400

0.380.30.240.080

W2=0.370.230.220.180

0.390.270.270.070

0.50.30.200

0.440.280.2800

0.370.380.2500

0.360.320.3200

再结合权重向量M1=（0.3，0.4，0.3），M2=（0.2，0.2，0.2，0.2，0.1，0.1），即可得到两大主变量Xi（i=1，2）的隶属向量分别为A1=（0.448，0.315，0.213，0.024，0），以及A2=（0.323，0.292，0.215，0.05，0），再进行标准化运算，即可得到信用风险的隶属矩阵为：

W=0.4480.3150.2130.0240

0.3670.3320.2440.0570

最后，依据主变量对信用风险的权重向量M=（0.5，0.5），得到信用风险的隶属向量A，再对A进行标准化运算，得到信用风险的归一化隶属向量=（0.4075，0.3235，0.2285，0.0405，0）。

（三）计算风险测度结果及评判信用风险等级

选取五大等级区间的中间值建立权重向量S=（0.1，0.3，0.5，0.7，0.9），依据信用风险测度公式f=·ST，即可计算出信用风险值为f=0.2904。显然，商业银行来自于样本贷款企业的信用风险测度结果分布于[0.2，0.4）区间内，该区间所对应的风险等级为轻度（B级）。进一步分析还可以发现，信用风险值f=0.2904，逼近轻度（B级）对应区间的中心位置，对此，将信用风险等级认定为轻度（B级）的可靠性程度较高。此外，一般模糊分析法通常依据归一化隶属向量的最大隶属度来作出判断，若将上述实例运用一般模糊分析法思路，得到的结论是：信用风险等级属于正常（A级），因为归一化隶属向量的最大隶属度为0.4075，恰好对应于正常（A级）位置。考虑到对应于B级与C级的隶属度之和远大于A级对应的最大隶属度，说明被认定为B级或C级的可能性也较大。显然，一般模糊分析法的测度结论相对比较粗糙。通过对上述结论的比较分析发现，运用模糊综合评判法所得到的测度结果相对可靠，尤其是对于解决信用平稳环境下的信用风险测度问题，具有明显的优越性。

五、结论与展望

以上探讨了信用平稳下商业银行信用风险测度问题。一方面，从贷款企业的财务与非财务两个层面入手，设计了信用风险测度指标体系，在此基础上，运用模糊综合评判法，构建了信用平稳下商业银行信用风险测度模型，并给出了信用风险测度模型的应用实例。通过实例分析发现，与一般模糊分析法相比较，模糊综合评判法对于解决信用平稳环境下的信用风险测度问题具有较高的可靠性与优越性。但是，在信用突变环境下，模糊综合评判法则具有较大的局限性，因为一旦测度指标发生突变，依赖于专家评判及打分方式得到的测度结果容易发生等级的“过度跳跃”，导致风险测度结果的不稳定性，从而缺乏一定的说服力。

商业银行信用风险测度问题是金融学领域的重大问题，尤其是2008年全球金融危机的爆发及其演变，展开这方面研究对于提升我国银行业风险管理能力具有重要意义。对此，探讨不同信用环境下的商业银行信用风险测度问题，还有待于进一步探讨，希望我们的研究能为这方面的后续研究提供重要的基础性铺垫。

注释：

①

贷款企业信用质量越高，说明贷款企业贷款偿还能力越大，则商业银行面临来自于贷款企业层面的信用风险水平越低；贷款企业信用质量越低，说明贷款企业贷款偿还能力越小，则商业银行面临来自于贷款企业层面的信用风险水平越高。因此，两者之间存在负相关性。

②所谓信用风险的财务性测度指标体系，就是通过贷款企业财务报告数据能够直接反映信用风险水平的相关因子集合。

③所谓信用风险的非财务性测度指标体系，就是通过财务数据之外的相关经验统计能够间接反映信用风险水平的相关因子集合。

参考文献：

[1]Jorion P.Risk： measuring the risk in value at risk[J]. Financial Analysts Journal， 1996，（11）：198-221.

[2]Saunders A.Credit risk measurement： new approaches to value at risk and other paradigms[M]. John Wiley and Sons， Inc，1999：368-392.

[3]Jeffrey， R. B.a survey of contingent claims approaches to risky debt valuation[J].Journal of Risk Finance，2000，（3）：53-70.

[4]Jose A. Lopez， Marc R. Saidenberg，evaluating credit risk models[J]. Journal of Banking and Finance，2000，（24）：151-165.

[5]Gordy， M. B.A comparative anatomy of credit risk models[J]. Journal of Banking and Finance，2000，（24）：119-149.

[6]Albanese C， Campolieti J.，Chen O. and zavidonov a. Credit Barrier Models[J]. Risk Magazine，2003，（16）：357-388.

[7]Steven A. Block and Paul M. Vaaler.The price of democracy：sovereign risk rationing，bond spreads and political business cycles in developing countries[J].Journal of International Money and Finance，2004，（23）：917-946.

[8]Wand S C， Liu X H and Zhang P Q.Learning bayesian networks structure from small data set in operation risk analysis[J]. Journal of System & Management，2008，（4）：448-454.

[9]郭英见，吴冲. 基于信息融合的商业银行信用风险评估模型研究[J].金融研究，2009，（1）：95-106.

[10]吴冲，郭英见，夏晗. 基于模糊积分支持向量机集成的商业银行信用风险评估模型研究[J].运筹与管理，2009，（2）：115-119.

[11]白保中，宋逢明，朱世武. Copula函数度量我国商业银行资产组合信用风险的实证研究[J].金融研究，2009，（4）：129-142.

[12]李江，刘丽平. 中国商业银行体系信用风险评估——基于宏观压力测试的研究[J].当代经济科学，2008，（6）：66-73.

（责任编辑：宁晓青）

Study on Application and Commercial Bank Credit Risk

Measurement Model

under Credit Stability Based on

Fuzzy Comprehensive Evaluation Method

GU Hai feng

（Glorious Sun School of Business and Management of Donghua University， Shanghai 200051， China）

Key words：Credit stability； Commercial bank； Credit risk； Measurement model； Fuzzy comprehensive evaluation method

信用风险评估范文第6篇

摘要：小额信贷作为微型金融中国化的产物，在金融系统中扮演着越来越重要的角色。本文借鉴国内银行贷款业务的信用评分方法，针对常州市场小额信贷的实际开展情况和市场特征，选取一系列模型指标，构建指标体系，利用层次分析法确定指标体系中各个指标的权重。在设计出信用评分模型后，结合实际案例，对评分模型的实际应用进行实际分析，最后得出相关结论。

关键词：小额信贷；常州市；信用评分；风险评价

一、小额信贷的定义

目前，对于小额信贷的概念界定并未形成一个统一的认识，我国广泛认可的定义是杜晓山和孙若梅（2000）提出的，即小额信贷是专门向中低收入人群提供持续的小额度的信贷服务方式。

二、信用风险的定义

信用风险是金融机构所要面对的基本风险之一，赵晓菊（2008）对于信用风险的定义获得了学界的认可，即信用风险是指交易对手不能履行合同规定的义务或者其信用质量下降，影响金融工具的价值，从而给金融工具持有人或债权人带来损失的可能性。

三、小额信贷信用评分模型的建立

（一）信用评分法的内涵

信用评分法是一种被广泛运用的从定量分析的角度对信用风险进行评价的方法，在建立小额信贷信用评分模型的时候需要遵循一定的原则，包括综合性原则、可操作性原则、可量化原则、预见性原则、灵活性原则。

（二）指标的选取

信用评分模型成功的关键在于模型指标变量的选取。小额信贷申请者的信息透明度比较差，在国内小额信贷市场上，普遍认为还款意愿是目前小额信贷目标客户群体信用风险中最为主要的成分。按照对信用风险影响程度的显著性，本文按照以下几个方面对模型变量进行选取：申请者个人情况、申请者职业特征、申请者的经济状况、申请者的社会关系。

根据以上分析，结合个人信用贷款信用评分模型中各项指标的选取，本文选取了四个一级指标：个人信息、经济状况、职业特征和社会关系。其中，每一个一级指标中包含了若干个二级指标。

（三）层次分析法的概念

层次分析法是美国匹茨堡大学的运筹学专家T.L.Satty教授于20世纪70年代中期创立的一种对不同层次中相关因素的权重赋值的分析方法。它本质上是一种决策思维方式，它把复杂的问题分解为各个组成因素，将这些因素按支配关系分组形成有序的递阶层次结构，通过两两比较的方式确定层次中诸因素的相对重要性，然后综合人的判断以决定决策诸因素相对重要性总的顺序。

（四）利用层次分析法确定各指标的权重

（五）建立信用评分表

根据以上评分表，对小额信贷申请者的实际情况进行评分，然后再根据得分情况列出与之相对应的贷款决定。在此设定，75分以上的客户可直接取得授信资格，具体授信金额按照客户提交的资料予以确定；55～75分的客户，由风险管理人员进行资料核实，通过电话调查、实地征信等方式进行进一步分析，由此来确定是否授信以及授信额度；55分以下的客户直接评分拒贷。由于客户资料的保密性，所获得数据相对不多，不便于用大数据量进行统计分析，故而抽取几个典型的现实案例，来验证该评分模型的有效性。

（六）实际案例分析

案例：王女士，个体，法人，下面对她进行评分，具体结果见表4。

实际情况：王女士因购买原材料需要申请贷款15万元，最终因其提供的联系人均与其为同一工作单位，风险管理人员以风险过于集中为由，批下实际额度为6万元。这个案例从一定程度上证明该模型有效。

四、结论

信用评分模型的存在为小额信贷信用风险评价提供了科学的、客观的、有效的、公平的手段，有利于提高贷款效率，降低小额信贷机构的业务成本，降低不良贷款产生的可能性。虽然在实际工作中，该信用评分模型具有一定的有效性，与信用风险管理人员的综合经验和分析能力相结合可以对信贷决定提供一定的支撑，然而在某些特殊的情况下，该评分模型也会失效，甚至对信用风险给出错误的信号，这就需要根据实际的情况和真实而大量的数据对模型进行不断的修正和完善，以此来提高信用评分的有效性、科学性和客观性。

参考文献：

[1]杜晓山，孙若梅.中国小额信贷的时间和政策思考[J].财贸经济，2000（07）.

[2]郑志元.中小企业信贷风险管理新模式[J].中国内部审计，2011（01）.

[3]赵晓菊.信用风险管理[M].上海：上海财经大学出版社，2008.

[4]尹泽东.论农户小额信贷风险防范[J].合作经济与科技，2011（01）.