時(shí)間：2023-04-19 16:54:47
引言：易發(fā)表網(wǎng)憑借豐富的文秘實(shí)踐，為您精心挑選了九篇信用風(fēng)險(xiǎn)論文范例。如需獲取更多原創(chuàng)內(nèi)容，可隨時(shí)聯(lián)系我們的客服老師。
傳統(tǒng)的信息不確定和不對稱的問題，使得投資人對企業(yè)價(jià)值評估不準(zhǔn)確，進(jìn)而要求高的風(fēng)險(xiǎn)溢價(jià)。從根本上講，債券市場同股票市場一樣，受宏觀經(jīng)濟(jì)面如貨幣政策、市場信心等市場信息因素的影響。Galai以宏觀市場的定價(jià)行為作為衡量信息不對稱的程度，說明了信息不對稱情況下，存在信用利差進(jìn)而影響企業(yè)債券估價(jià)。Moerman通過研究發(fā)現(xiàn)，二級市場中買賣價(jià)差與債券的利率利差存在正相關(guān)關(guān)系，買賣價(jià)差與債券的期限呈現(xiàn)正相關(guān)的關(guān)系。從宏觀角度講，能夠影響企業(yè)債券價(jià)值的因素有市場利率、票面利率、交易量、債券剩余期限、通貨膨脹率等。以大數(shù)據(jù)的視角可以將這些因素統(tǒng)歸于“利率”，因?yàn)楹暧^經(jīng)濟(jì)的各種指標(biāo)最終都會以利率的形勢表現(xiàn)出來。另外，從微觀風(fēng)險(xiǎn)信息的角度出發(fā)，內(nèi)部的經(jīng)營問題也可能會迫使企業(yè)在債券到期無力償還，導(dǎo)致投資者面臨違約風(fēng)險(xiǎn)。Duffie以不完全的會計(jì)信息作為指標(biāo)，提出會計(jì)信息不完整會使投資者錯(cuò)誤的評估公司的實(shí)際價(jià)值，結(jié)果是要求公司產(chǎn)生高的風(fēng)險(xiǎn)溢價(jià)。Hong(2000)認(rèn)為公司歷史越悠久就能越好的提供更多的有價(jià)值的信息，從而降低了這種信息不確定性，降低風(fēng)險(xiǎn)溢價(jià)。微觀層面影響的企業(yè)債券價(jià)值的信息，其實(shí)是對企業(yè)的運(yùn)營狀況、財(cái)務(wù)狀況等的一個(gè)反應(yīng)，都體現(xiàn)對公司“信用”的評級。以“利率”和“信用”為給定關(guān)鍵字后,利用大數(shù)據(jù)搜索技術(shù)，從而找到更多企業(yè)信息，對企業(yè)債券評估具有很高的價(jià)值，運(yùn)用數(shù)據(jù)挖掘技術(shù)有可以從大量的信息中提出影響企業(yè)價(jià)值的因素，這樣可以有效的解決以往的信息不確定和信息不對稱的問題。
二、大數(shù)據(jù)挖掘技術(shù)在債券信用風(fēng)險(xiǎn)估計(jì)中的應(yīng)用
大數(shù)據(jù)下，我們面對的是多種多樣紛繁復(fù)雜的數(shù)據(jù)，關(guān)于企業(yè)的信息有些是我們需要的，但是很大一部分是無關(guān)聯(lián)的數(shù)據(jù)，所以采取新型的數(shù)據(jù)挖掘技術(shù)，找到哪些因素能夠影響企業(yè)價(jià)值才是最關(guān)鍵的。數(shù)據(jù)挖掘就是大量的數(shù)據(jù)中，找到其中隱含的、我們看不見的、有價(jià)值的信息。數(shù)據(jù)挖掘技術(shù)有很多種，比較常見的有關(guān)聯(lián)規(guī)則、神經(jīng)網(wǎng)絡(luò)、決策樹等方法。這些方法中很多可以運(yùn)用到債券估價(jià)模型上。在當(dāng)下流行的關(guān)聯(lián)分析算法中，比較有影響力的是Apriori算法。該算法通過多次循環(huán)提取，盡可能減小候選集的規(guī)模，最終形成強(qiáng)關(guān)聯(lián)集合。這種關(guān)聯(lián)規(guī)則可以應(yīng)用到對影響企業(yè)債券信息的初期處理之中，找出哪些因素能夠?qū)瘍r(jià)值有影響，通過關(guān)聯(lián)規(guī)則可以實(shí)現(xiàn)數(shù)據(jù)的初期整合，刪除無影響的信息。決策樹是一種預(yù)測分類方法，其目的是對數(shù)據(jù)集訓(xùn)集進(jìn)行分類，找出有價(jià)值的，隱含的信息。J.R.Quinlan提出的ID3算法根據(jù)信息增益最大化為主要屬性設(shè)置決策樹的節(jié)點(diǎn)，然后在各支樹上采用遞歸算法建立分支樹。決策樹可以用于對企業(yè)價(jià)值信息進(jìn)行分類估價(jià)，建立信用風(fēng)險(xiǎn)模型。通過決策樹對信息的分類，達(dá)到評價(jià)企業(yè)信用風(fēng)險(xiǎn)等級評價(jià)的目的。神經(jīng)網(wǎng)絡(luò)算法是模擬人體細(xì)胞間的神經(jīng)元，通過訓(xùn)練實(shí)現(xiàn)分級、聚合等多種數(shù)據(jù)挖掘目標(biāo)。神經(jīng)網(wǎng)絡(luò)技術(shù)在債券市場的研究也日趨成熟，Coasts講神經(jīng)網(wǎng)絡(luò)應(yīng)用于公司財(cái)務(wù)狀況評價(jià)，發(fā)現(xiàn)利用神經(jīng)網(wǎng)絡(luò)預(yù)測正確率在93%。所以，利用神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘可以根據(jù)提取、篩選、分類后的數(shù)據(jù)進(jìn)行債券價(jià)格的預(yù)測。通過以上3種數(shù)據(jù)挖掘技術(shù)在債券市場上的應(yīng)用，可以很好的分析企業(yè)價(jià)值信息。關(guān)聯(lián)分析可以對找出相關(guān)信息，決策樹可以對信息進(jìn)行分類，神經(jīng)網(wǎng)絡(luò)可以對債券價(jià)值做一個(gè)很好的預(yù)測。
三、總結(jié)
信用風(fēng)險(xiǎn)，也稱違約風(fēng)險(xiǎn)，一般是指借款人到期不能或不愿履行還貸付息協(xié)議而使銀行面臨貸款損失的可能性。信用風(fēng)險(xiǎn)是指信貸資金安全系數(shù)的不確定性，表現(xiàn)為企業(yè)由于各種原因，不愿意或無力償還銀行貸款本息，使銀行貸款無法回收，形成呆帳的可能性（Murphy，2003）。具體的講，信用風(fēng)險(xiǎn)可以分為兩種情況：一是借款人或債務(wù)人沒有能力或者沒有意愿履行還款義務(wù)而給債權(quán)人造成損失的可能性；另一個(gè)是指由于債務(wù)人信用等級或信貸資產(chǎn)評級的下調(diào)、信貸利差的擴(kuò)大導(dǎo)致資產(chǎn)的經(jīng)濟(jì)價(jià)值或者市值下降的可能性。前者主要著眼于貸款是否違約，稱為違約風(fēng)險(xiǎn)。信用風(fēng)險(xiǎn)根據(jù)其定義，具有如下特征。
第一，非系統(tǒng)性與系統(tǒng)性。借款人的還款能力和還款意愿受多種因素的影響，一方面?zhèn)鶆?wù)人自身的財(cái)務(wù)狀況、投資策略和經(jīng)營能力等因素決定了其能否按期履約還款。而另一方面，除了借款人自身的非系統(tǒng)風(fēng)險(xiǎn)之外，系統(tǒng)風(fēng)險(xiǎn)的也會對債務(wù)人違約產(chǎn)生影響，包括宏觀經(jīng)濟(jì)狀況、行業(yè)發(fā)展?fàn)顟B(tài)和政策法律等因素。
第二，道德風(fēng)險(xiǎn)與信息不對稱對信用風(fēng)險(xiǎn)的形成具有重要作用。債權(quán)人與債務(wù)人的信用交易通常是在信息不對稱的條件下進(jìn)行的。債權(quán)人經(jīng)常對債務(wù)人的信息掌握缺乏或者掌握錯(cuò)誤信息，在信息掌握失衡的情況下，債務(wù)人為了實(shí)現(xiàn)自身的利益最大化，道德風(fēng)險(xiǎn)發(fā)生的可能性變大，即產(chǎn)生違約傾向，最終形成信用風(fēng)險(xiǎn)。
第三，信用風(fēng)險(xiǎn)收益的非對稱性。信用風(fēng)險(xiǎn)收益的分布具有典型的非對稱性，信用風(fēng)險(xiǎn)分布的偏峰厚尾特征決定了簡單的應(yīng)用均值和方差來衡量風(fēng)險(xiǎn)的大小是不充分的。
第四，信用風(fēng)險(xiǎn)作用于銀行信貸經(jīng)營的全過程，只有及時(shí)、準(zhǔn)確地發(fā)現(xiàn)信用風(fēng)險(xiǎn)的誘導(dǎo)因素并系統(tǒng)、連續(xù)地掌握信用風(fēng)險(xiǎn)的特征、大小、屬性及變動(dòng)趨勢，才能防范和化解風(fēng)險(xiǎn)。
二、信用風(fēng)險(xiǎn)四個(gè)量化因子
第一，違約概率（ProbabilityofDefault，PD），是指銀行的交易對手（債務(wù)人）在未來一段時(shí)間內(nèi)發(fā)生違約的可能性。對違約概率進(jìn)行量化，需要我們對違約進(jìn)行具體的界定。長期以來對違約的定義沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)，不同的用途有時(shí)會采取的不同的違約定義。新巴塞爾協(xié)議提供了違約的參考定義，違約是指以下兩種情況的一種或者兩者同時(shí)出現(xiàn)：一是銀行認(rèn)定除非采取追索措施，如變現(xiàn)抵質(zhì)押品（如果存在的話），借款人可能不能全額償還對銀行集團(tuán)的債務(wù)；二是借款人對銀行集團(tuán)的實(shí)質(zhì)性信貸債務(wù)逾期90天以上。對于“不能全額償還”，新協(xié)議又進(jìn)行了六點(diǎn)詳細(xì)闡述：一是銀行停止對貸款表內(nèi)計(jì)息，即借款人的貸款轉(zhuǎn)為表外計(jì)息；二是由于信貸質(zhì)量大幅下降，銀行核銷了貸款或計(jì)提了專項(xiàng)準(zhǔn)備；三是銀行將借款人貸款出售并相應(yīng)承擔(dān)了較大經(jīng)濟(jì)損失；四是銀行同意對借款人進(jìn)行消極債務(wù)重組而發(fā)生本金、利息或費(fèi)用等較大規(guī)模的減免或推遲償還造成債務(wù)規(guī)模的減少；五是就借款人對銀行集團(tuán)債務(wù)而言，銀行將債務(wù)人列為破產(chǎn)或類似狀況；六是借款人破產(chǎn)或申請破產(chǎn)或處于類似保護(hù)狀態(tài)，由此不能履行或需要延期履行銀行集團(tuán)債務(wù)。
第二，違約損失率（LossGivenDefault，LGD），是指債務(wù)人一旦違約將給銀行(債權(quán)人)造成的損失數(shù)額占風(fēng)險(xiǎn)暴露的百分比，它衡量了損失的嚴(yán)重程度，并且有違約損失率＝1-回收率。對違約損失率進(jìn)行量化需要我們對損失進(jìn)行具體的界定。損失的界定即損失計(jì)算的范圍，對此銀行業(yè)實(shí)際業(yè)務(wù)中缺乏統(tǒng)一定義，往往根據(jù)具體目的和需要確定，一般損失的內(nèi)容包括以下幾個(gè)方面：本金的損失、利息的損失、違約債務(wù)持有成本和清收費(fèi)用（如托收費(fèi)、律師訴訟費(fèi)）等。
第三，違約風(fēng)險(xiǎn)暴露（ExposureAtDefault，EAD），也稱違約敞口，指信用暴露中面臨違約風(fēng)險(xiǎn)的部分。關(guān)于違約敞口最重要的一點(diǎn)是它是未來的敞口，即在將來面臨信用風(fēng)險(xiǎn)的頭寸規(guī)模。由于提款和還款的方式不同，加上存在其他不確定性因素，在貸款到期之前信用敞口經(jīng)常隨著時(shí)間的推移而改變。
第四，有效期限（Maturity，M），是指當(dāng)前與貸款或債券到期償還日的時(shí)間間隔。向企業(yè)放貸對銀行來說是一種投資行為，與其他形式的投資一樣，銀行這一投資的收益受其時(shí)間價(jià)值的影響。貸款的期限越長，債務(wù)在到期之前面臨的不確定性越大，風(fēng)險(xiǎn)自然也就越大。在最新的巴塞爾新資本協(xié)議中，明確的提到了期限的處理問題。
三、信用風(fēng)險(xiǎn)損失的計(jì)量
對信用風(fēng)險(xiǎn)的四個(gè)量化因子進(jìn)行研究，主要目的是對信用風(fēng)險(xiǎn)可能帶來的損失進(jìn)行計(jì)量。對信用風(fēng)險(xiǎn)損失的計(jì)量標(biāo)準(zhǔn)有兩種方法，一是基于違約式模型下的損失，即債務(wù)人已發(fā)生的違約行為而給債權(quán)人（這里主要說的是商業(yè)銀行）帶來的損失；二是盯市模型下的損失，即除了違約行為之外，債務(wù)人信用等級的降低或資信質(zhì)量的惡化導(dǎo)致的潛在損失，這是因?yàn)榧词乖诮杩钊诵庞脿顩r惡化的情況下并沒有發(fā)生違約，但是信用資產(chǎn)的經(jīng)濟(jì)價(jià)值也會因借款人信譽(yù)發(fā)生變化而受到影響。目前，對于信用風(fēng)險(xiǎn)損失的計(jì)量主要考慮預(yù)期損失、非預(yù)期損失和損失不足三種情況。
1、預(yù)期損失（EL）。預(yù)期損失是銀行在經(jīng)營活動(dòng)中可以預(yù)期到的損失。銀行在事前計(jì)提損失準(zhǔn)備金來抵御預(yù)期損失，或者在貸款定價(jià)時(shí)將預(yù)期損失作為成本（如通過貸款利率）予以考慮。預(yù)期損失是損失的期望水平，沒有考慮不確定性因素的影響。因此銀行須將預(yù)期損失視為經(jīng)營的成本，在貸款的定價(jià)或事前損失撥備中予以考慮。預(yù)期信用風(fēng)險(xiǎn)損失率等于違約損失率和違約概率的積。進(jìn)行違約概率和違約損失率測度，可以有效提升信用風(fēng)險(xiǎn)管理水平。
2、非預(yù)期損失（UL）。又稱意外損失，非預(yù)期損失是指因經(jīng)濟(jì)環(huán)境或市場狀況異常波動(dòng)等非預(yù)期事件造成的實(shí)際損失對預(yù)期損失的偏離。如果組合損失分布服從正態(tài)分布，預(yù)期損失和非預(yù)期損失的分布將與組合信用損失分布一致，因?yàn)橐阎浑A矩和二階矩即可確定正態(tài)分布，那么非預(yù)期損失一般可以用預(yù)期損失的標(biāo)準(zhǔn)差來描述。但信用風(fēng)險(xiǎn)的損失分布并不服從正態(tài)分布，而是具有明顯的有偏和非對稱性特征。此時(shí)非預(yù)期損失對應(yīng)于在險(xiǎn)價(jià)值（VaR）與期望損失之差。
3、損失不足（ES）。意外損失不包括極端事件，極端事件指VaR置信水平以外的概率發(fā)生的損失，盡管股市崩盤、金融危機(jī)發(fā)生的概率很小，但是其造成的損失是投資者不能忽視的，而一般的統(tǒng)計(jì)規(guī)律不能估計(jì)極端損失，這需要采用壓力檢測分析這一問題，相應(yīng)的提出了極值理論和一致性風(fēng)險(xiǎn)度量。損失不足即是度量超出VaR置信水平下最嚴(yán)重?fù)p失的平均值，它能夠滿足對極端損失的關(guān)注，在連續(xù)分布下，還滿足次可加性、齊次性、單調(diào)性和無風(fēng)險(xiǎn)條件四個(gè)公理，是一致性風(fēng)險(xiǎn)度量手段。
四、經(jīng)濟(jì)資本與經(jīng)風(fēng)險(xiǎn)調(diào)整收益率
以經(jīng)營信貸資產(chǎn)為主要業(yè)務(wù)的商業(yè)銀行，始終面臨著風(fēng)險(xiǎn)和潛在損失問題，為了抵御這些損失的影響，銀行必須配備一定的準(zhǔn)備或者資本，又因其行業(yè)的特殊性，其資產(chǎn)資本構(gòu)成與一般工商企業(yè)有較大的差異，銀行的資本僅占其資產(chǎn)總額的很小一部分，同時(shí)銀行除了自身主動(dòng)提取風(fēng)險(xiǎn)準(zhǔn)備以外，還要滿足外部監(jiān)管當(dāng)局的資本要求。
第一，經(jīng)濟(jì)資本（EC）。經(jīng)濟(jì)資本是銀行內(nèi)部用以緩沖風(fēng)險(xiǎn)損失的權(quán)益資本。巴塞爾資本協(xié)議將經(jīng)濟(jì)資本籠統(tǒng)的定義為銀行等金融機(jī)構(gòu)在經(jīng)營過程中所必須持有能夠覆蓋所有可能風(fēng)險(xiǎn)的資本數(shù)量，經(jīng)濟(jì)資本的數(shù)量由金融機(jī)構(gòu)自己估計(jì)。經(jīng)濟(jì)資本的概念與在險(xiǎn)價(jià)值（ValueatRisk，記為VaR）的概念實(shí)際上一致的。在險(xiǎn)價(jià)值刻畫了損失分布的尾部風(fēng)險(xiǎn)，其定義是在一定時(shí)期內(nèi)，在某一置信水平下，投資組合的最大可能損失。事實(shí)上，銀行內(nèi)部測算的經(jīng)濟(jì)資本與外部監(jiān)管當(dāng)局所要求的監(jiān)管資本常常是不一致的，這種不一致既可能是經(jīng)濟(jì)資本高于監(jiān)管資本，也可能是經(jīng)濟(jì)資本低于監(jiān)管資本。經(jīng)濟(jì)資本是銀行內(nèi)部為抵御風(fēng)險(xiǎn)而主動(dòng)配備的資本，實(shí)際上是指所“需要的”資本或“應(yīng)該有的”資本，不是銀行已經(jīng)擁有的資本，它不同于帳面資本和監(jiān)管資本。雖然經(jīng)濟(jì)資本與監(jiān)管資本都起到風(fēng)險(xiǎn)緩沖的作用，但前者是由銀行管理者從內(nèi)部來認(rèn)定和安排的緩沖，它實(shí)際上反映了股東價(jià)值最大化對銀行管理的要求；而后者則是銀行業(yè)監(jiān)管部門從行業(yè)監(jiān)管的角度對銀行資本金水平所做的要求。在風(fēng)險(xiǎn)定價(jià)方面，監(jiān)管資本無法有效的區(qū)分暴露的風(fēng)險(xiǎn)差異，而經(jīng)濟(jì)資本做到了這一點(diǎn)，經(jīng)濟(jì)資本對風(fēng)險(xiǎn)的敏感性顯著高于監(jiān)管資本對風(fēng)險(xiǎn)的敏感性。所以，從理論上經(jīng)營穩(wěn)健的銀行需要?jiǎng)討B(tài)監(jiān)測監(jiān)管資本和經(jīng)濟(jì)資本，并保證經(jīng)濟(jì)資本大于等于監(jiān)管資本。當(dāng)經(jīng)濟(jì)資本高于監(jiān)管要求的資本時(shí)，銀行為了提高資本金的利用效率，會將超額的部分通過資本充足率的杠桿效應(yīng)，擴(kuò)大信貸投放；或者通過增加表外業(yè)務(wù)實(shí)現(xiàn)資本金的投資收益。最終使經(jīng)濟(jì)資本與監(jiān)管資本趨于一致。當(dāng)銀行內(nèi)部計(jì)算的經(jīng)濟(jì)資本要求，大大低于監(jiān)管所規(guī)定的監(jiān)管資本要求時(shí)，銀行就會傾向于監(jiān)管資本套利。監(jiān)管資本套利的主要做法是通過資產(chǎn)證券化或其他金融創(chuàng)新工具將低風(fēng)險(xiǎn)資產(chǎn)從信貸組合中稀釋出去，而從中獲得收益。
第二，經(jīng)風(fēng)險(xiǎn)調(diào)整收益率（RAROC）定義為凈收益減去預(yù)期損失后與經(jīng)濟(jì)資本的比。該定義與資產(chǎn)組合理論中的風(fēng)險(xiǎn)收益比率即Sharp比率相似。銀行除了重視估計(jì)風(fēng)險(xiǎn)潛在損失和進(jìn)行經(jīng)濟(jì)資本配置以外，對銀行的收益能力也十分重視。20世紀(jì)70年代末，美國信孚銀行提出了RAROC，目的是為了度量銀行信貸資產(chǎn)組合的風(fēng)險(xiǎn)和計(jì)算在特定損失率下為限制風(fēng)險(xiǎn)暴露必須的股權(quán)數(shù)量。后來許多大銀行在此基礎(chǔ)上紛紛對RAROC模型進(jìn)行開發(fā)，從而逐漸改變了傳統(tǒng)的以資產(chǎn)收益率和資本收益率為中心的業(yè)績考核和管理體系，將風(fēng)險(xiǎn)因素充分考慮到銀行的經(jīng)營業(yè)務(wù)考核中。20世紀(jì)90年代，這項(xiàng)技術(shù)在不斷完善的同時(shí)在國際上大銀行間得到了廣泛的推廣，并逐漸成為當(dāng)今金融理論界和實(shí)踐中公認(rèn)的最核心、最有效的經(jīng)營業(yè)績考核管理方法。我國銀行業(yè)監(jiān)管管理委員會在《商業(yè)銀行市場風(fēng)險(xiǎn)管理指引》中指出，銀行是經(jīng)營特殊商品和服務(wù)的高風(fēng)險(xiǎn)企業(yè)，必須將風(fēng)險(xiǎn)因素引入到經(jīng)營管理和績效衡量中。實(shí)踐表明，銀行業(yè)要實(shí)施全面風(fēng)險(xiǎn)管理，就必須以經(jīng)濟(jì)資本為基礎(chǔ)，建立一套有效的風(fēng)險(xiǎn)調(diào)整后的資本收益率管理體系。
【參考文獻(xiàn)】
[1]MurphyA.：AnempiricalanalysisofthestructureofcreditriskpremiumsintheEurobondmarket[J].JournalofInternationalMoneyandFinance，2003（22）.
[2]Stiglitz，J.E.，A.Weiss：CreditRationinginMarketswithImperfectInformation[J].TheAmericanEconomicReview，1981（71）.
[3]李志輝：中國銀行業(yè)風(fēng)險(xiǎn)控制和資本充足性管制研究[M].中國金融出版社，2007.
[4]孟慶福：信用風(fēng)險(xiǎn)管理[M].經(jīng)濟(jì)科學(xué)出版社，2006.
[5]葉蜀君：信用風(fēng)險(xiǎn)度量與管理[M].首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2008.
從客戶角度來看，誠信意識和信用觀念淡薄是導(dǎo)致信用卡產(chǎn)業(yè)信用風(fēng)險(xiǎn)的主要原因。我國經(jīng)濟(jì)發(fā)展逐步駛向快車道的同時(shí)，社會思想道德領(lǐng)域的建設(shè)卻顯得較為滯后。在市場交易的過程中，一些人缺乏誠信意識和信用觀念，只關(guān)注經(jīng)濟(jì)利益。他們只看到了透支消費(fèi)帶來的誘惑，卻缺乏主動(dòng)定期償還透支消費(fèi)的責(zé)任感，合同意識和履約意愿十分淡薄，常常延遲還款或不予還款。甚至一些客戶受經(jīng)濟(jì)利益的驅(qū)使，法律意識淡薄，在辦理信用卡之初的目的就是向發(fā)卡機(jī)構(gòu)騙取透支額度，若信用卡發(fā)卡機(jī)構(gòu)沒能及時(shí)辨別，就會造成損失。在申請辦理信用卡的客戶中，部分客戶對使用信用卡進(jìn)行透支消費(fèi)后的還款風(fēng)險(xiǎn)沒有足夠清醒的認(rèn)識，將信用卡業(yè)務(wù)簡單地理解為透支消費(fèi)。一些信用卡持卡客戶，在辦理信用卡業(yè)務(wù)時(shí)只看到了使用信用卡“先消費(fèi)、后還款”的便捷，卻沒有認(rèn)真考慮自己的財(cái)務(wù)狀況。為了獲得更高的信用額度，一些客戶申請時(shí)不惜夸大自己的個(gè)人收入，甚至制作虛假的資金證明。當(dāng)透支額超出自身還款能力時(shí)，一些信用卡客戶只好通過在不同銀行辦理多張信用卡，相互還款以求度日，這種做法將風(fēng)險(xiǎn)最終轉(zhuǎn)嫁到信用卡發(fā)卡機(jī)構(gòu)。傳統(tǒng)理論對于信用卡客戶信用問題的解決主要依賴于政府和市場兩個(gè)主體，即通過政府的計(jì)劃、指令、法律法規(guī)以及市場供求關(guān)系和優(yōu)勝劣汰來建立對信用卡客戶的選擇、規(guī)范和淘汰機(jī)制。但是這種機(jī)制所能發(fā)揮作用的前提是交易雙方信息對稱以及理性的完全契約條件。在實(shí)際生活中，這種理想狀態(tài)是不存在的，這就需要人們在不完全契約條件下實(shí)現(xiàn)信用卡產(chǎn)業(yè)信用風(fēng)險(xiǎn)的最小化。
2第三配置的內(nèi)涵和特征
第三配置是指由市場和政府之外的第三種力量實(shí)施的資源配置，是除市場調(diào)節(jié)和政府調(diào)節(jié)之外的配置力量之和。它具有豐富的內(nèi)涵，其主要內(nèi)容大體包括以下三個(gè)方面：(1)社會精神力量，是支撐人們行動(dòng)的精神動(dòng)力源泉，來源于社會意識、精神世界的力量，如世界觀、價(jià)值體系、道德觀念、、思想意識等。(2)社會制度力量，是規(guī)范人們行為的潛意識規(guī)則，包括成文的社會正式制度如鄉(xiāng)規(guī)民約、社團(tuán)規(guī)章、協(xié)會章程等，以及不成文的社會非正式制度如習(xí)俗、慣例、社會規(guī)范、行為模式等。(3)社會組織力量，是以組織形式存在的第三配置力量，包括非政府、非營利性的社會團(tuán)體、民間組織、行業(yè)協(xié)會、慈善機(jī)構(gòu)等。這三種力量在形成機(jī)制、表現(xiàn)形式、約束力大小等方面既有區(qū)別又有交叉，它們的關(guān)系是辯證統(tǒng)一的。其中世界觀和意識形態(tài)是一種相對隱性和軟性的東西，而習(xí)俗、慣例、章程等則相對來說更為顯性和硬性，約束力也相對更強(qiáng)。同時(shí)，這三種力量存在一定程度的交叉。非政府、非營利性的社會團(tuán)體、民間組織、行業(yè)協(xié)會、慈善機(jī)構(gòu)等，往往通過制訂規(guī)章制度的方式來協(xié)調(diào)成員的行為，進(jìn)行利益分配。相對于政府配置和市場配置，第三配置具有自發(fā)性、非強(qiáng)制性、廣泛性、隱蔽性、實(shí)施成本低、高路徑依賴性、一定程度的封閉性等特點(diǎn)。
3第三配置在信用卡產(chǎn)業(yè)信用風(fēng)險(xiǎn)控制中的必要性
信用卡產(chǎn)業(yè)所代表的信用關(guān)系體系是我國市場經(jīng)濟(jì)安全有效運(yùn)轉(zhuǎn)的一個(gè)重要環(huán)節(jié)。建立一種可靠的信用關(guān)系，并非簡單地制作或發(fā)放一張信用卡就可以實(shí)現(xiàn)。信用關(guān)系的背后實(shí)際上是一種制度性契約和長期習(xí)俗的混合體，也是一種信用文化和有保障支付歷史記錄的體現(xiàn)。如前所述，只有在信息完全的情況下，社會契約才能是實(shí)現(xiàn)完全契約的效果，在現(xiàn)實(shí)不完全契約的條件下，我國需要做兩方面工作，一是有必要不斷健全和完善個(gè)人征信體系，二是在此基礎(chǔ)上通過第三配置進(jìn)一步完善信用卡產(chǎn)業(yè)的信用文化。第三配置通常在特殊類型的社會網(wǎng)絡(luò)關(guān)系中起重要作用，比如，親緣關(guān)系、地緣關(guān)系、私人交往圈、民間組織網(wǎng)絡(luò)等，即往往存在于特殊意義的人際關(guān)系中。這種特性恰好與我國的信用卡產(chǎn)業(yè)發(fā)展路徑相契合。首先，信用卡產(chǎn)業(yè)發(fā)展源起于人類信用關(guān)系網(wǎng)絡(luò)。它的產(chǎn)生與發(fā)展都以社會網(wǎng)絡(luò)的結(jié)構(gòu)性變動(dòng)為前提。在我國現(xiàn)代化轉(zhuǎn)型過程中，社會的信任結(jié)構(gòu)正從特殊信任向普遍信任發(fā)展，從而為信用卡提供了發(fā)展的土壤。
其次，信用卡產(chǎn)業(yè)的分配現(xiàn)狀并不完全是市場競爭的結(jié)果。作為一種社會資本的產(chǎn)物，它的分配體系受到了社會結(jié)構(gòu)的制約。只有當(dāng)一個(gè)人或者一個(gè)階層在社會結(jié)構(gòu)中獲取了相應(yīng)的認(rèn)同時(shí)才能夠便捷地得到信用卡。最后，信用卡產(chǎn)業(yè)受控于社會結(jié)構(gòu)與文化。信用卡作為貨幣支付的一種方式，與普通現(xiàn)金支付之間存在用途與意義的區(qū)別。信用卡在我國發(fā)展初期就被消費(fèi)文化定義為“高端貨幣”，界定了它的文化內(nèi)涵與使用領(lǐng)域，而傳統(tǒng)文化則使人們對這種容易導(dǎo)致“負(fù)債”的貨幣保持警惕。文化的二重性塑造了我國特殊的信用卡產(chǎn)業(yè)特性。
4相關(guān)建議
在市場經(jīng)濟(jì)條件下，經(jīng)濟(jì)活動(dòng)越頻繁，對信用的要求越高；社會的信用道德程度越高，信用卡產(chǎn)業(yè)的經(jīng)濟(jì)運(yùn)作成本就越低，所以，信用對信用卡產(chǎn)業(yè)來說不僅是一種社會規(guī)范，更是一種資源。從資源的配置視角看，資源的配置除了傳統(tǒng)的市場和政府以外，還存在第三配置，即由社會公共組織或社會公共道德協(xié)調(diào)機(jī)制等方面的配置力量所進(jìn)行的補(bǔ)充性配置，我國信用卡產(chǎn)業(yè)信用風(fēng)險(xiǎn)控制應(yīng)重視這種良性補(bǔ)充。
(1)積極培育和發(fā)展相關(guān)專業(yè)化的組織，加強(qiáng)信用宣傳。如推動(dòng)誠信建設(shè)有關(guān)的社會性組織等，它們既不從屬于政府，更不屈從于市場，它們的功能主要在于進(jìn)一步規(guī)范和推動(dòng)相關(guān)的行為，以保證信用卡產(chǎn)業(yè)信用風(fēng)險(xiǎn)控制在持續(xù)和健康的軌道內(nèi)運(yùn)行，并選擇適合我國國情的信用培育模式。同時(shí)，要做到信息公開、透明，以加強(qiáng)相關(guān)組織的公信力建設(shè)。
(2)重視信用理念的培育和信用文化建設(shè)，繼承和弘揚(yáng)中華民族的傳統(tǒng)美德和誠信價(jià)值觀，通過社會價(jià)值觀的支持使信用成為一種大眾文化。借助觀念培育、制度激勵(lì)、道德教化、榜樣示范和輿論評價(jià)等力量，推進(jìn)信用傳統(tǒng)在信用卡產(chǎn)業(yè)實(shí)踐層面的現(xiàn)代轉(zhuǎn)化。
(3)營造有利于信用卡產(chǎn)業(yè)發(fā)展的良好信用氛圍。以信用建設(shè)為主要內(nèi)容的第三配置在信用卡產(chǎn)業(yè)發(fā)展中要想發(fā)揮越來越重要的作用，政府和社會各界需要對此給予更多的支持和關(guān)注，除了在政策等方面予以支持外，還要通過一定的物質(zhì)支持和精神鼓勵(lì)，對為此做出貢獻(xiàn)的個(gè)人和其他社會團(tuán)體給予更多的鼓勵(lì)，在全社會營造有利于信用卡產(chǎn)業(yè)發(fā)展的良好信用氛圍。
(4)結(jié)合信用卡產(chǎn)業(yè)現(xiàn)狀對第三配置內(nèi)容進(jìn)行重新設(shè)計(jì)。針對當(dāng)前的信用卡產(chǎn)業(yè)中的信用問題，一方面要在客戶中引導(dǎo)他們對現(xiàn)實(shí)信用制度的正確理解；另一方面,要提出切實(shí)可行的改革措施，在治理消極現(xiàn)象的同時(shí)使這些措施被公眾所認(rèn)同。
論文關(guān)鍵詞：銀行間市場；信用風(fēng)險(xiǎn)；風(fēng)險(xiǎn)管理
全球金融危機(jī)對金融機(jī)構(gòu)風(fēng)險(xiǎn)管理理念的最大影響之一就是對交易對手信用風(fēng)險(xiǎn)的重視。金融機(jī)構(gòu)評估對手方信用風(fēng)險(xiǎn)的方法、模型合理與否，關(guān)系到評估結(jié)果的優(yōu)劣。本文概要闡述了銀行信用風(fēng)險(xiǎn)計(jì)量方面的相關(guān)理論依據(jù)和基本做法。并對銀行間市場完善授信管理提出了具體建議。
一、信用風(fēng)險(xiǎn)評估理論
銀行等金融機(jī)構(gòu)信用風(fēng)險(xiǎn)評估方法大致有統(tǒng)計(jì)模型、CAMEL模型和專家判斷模型等三種理論依據(jù)：
(一)統(tǒng)計(jì)模型
利用統(tǒng)計(jì)模型進(jìn)行信用評估的前提條件是有足夠的數(shù)據(jù)積累，一般至少需要連續(xù)3年的相關(guān)數(shù)據(jù)。
1．違約概率(ProbabilityofDefauh，PD)理論
違約概率是預(yù)計(jì)債務(wù)人不能償還到期債務(wù)(違約)的可能性。評估結(jié)果與違約率的對應(yīng)關(guān)系是國際公認(rèn)的事后檢驗(yàn)評級機(jī)構(gòu)評估質(zhì)量標(biāo)準(zhǔn)的一項(xiàng)最重要的標(biāo)尺。在商業(yè)銀行信用風(fēng)險(xiǎn)管理中，違約概率是指借款人在未來一定時(shí)期內(nèi)不能按合同要求償還銀行貸款本息或履行相關(guān)義務(wù)的可能性。如何準(zhǔn)確、有效地計(jì)算違約概率對商業(yè)銀行信用風(fēng)險(xiǎn)管理十分重要。不同評級機(jī)構(gòu)所設(shè)定的違約定義可能不同，所反映同一等級的質(zhì)量也因此而不同。只有違約定義相同的評級機(jī)構(gòu)，其評級結(jié)果才可以進(jìn)行比較。有了對應(yīng)違約率的資信等級才能真正成為決策的依據(jù)。商業(yè)銀行違約概率常用的測度方法主要有兩種：基于內(nèi)部信用評級歷史資料的測度方法；基于期權(quán)定價(jià)理論的測度方法。
2．違約損失率(LossGivenDefault，LGD)理論
違約損失率是指債務(wù)人一旦違約將給債權(quán)人造成的損失數(shù)額占風(fēng)險(xiǎn)暴露(債權(quán))的百分比，即損失的嚴(yán)重程度。在競爭日益激烈、風(fēng)險(xiǎn)日益加大和創(chuàng)新日新月異的市場環(huán)境中，銀行對資產(chǎn)風(fēng)險(xiǎn)的量化和管理顯得越來越重要。傳統(tǒng)的信用風(fēng)險(xiǎn)評估方法因過于簡單、缺乏現(xiàn)代金融理論基礎(chǔ)等原因已經(jīng)不能適應(yīng)金融市場和銀行監(jiān)管的需要。以獨(dú)立身份服務(wù)于全社會公眾投資者、以公開上市債券為主的外部信用評級對銀行內(nèi)部以信貸資產(chǎn)為主、與銀行自身有著特定聯(lián)系的資產(chǎn)組合的適用性也越來越小。因此，銀行開始開發(fā)類似外部信用評級但又反映內(nèi)部管理需要的內(nèi)部信用評級系統(tǒng)，以適應(yīng)上述市場和內(nèi)部管理發(fā)展的需要。隨著銀行內(nèi)部評級體系的發(fā)展，越來越多的銀行認(rèn)識到LGD在全面衡量信用風(fēng)險(xiǎn)方面的重要作用，評級體系的結(jié)構(gòu)開始由只注重評估違約率的單維評級體系向既重違約率又重違約損失率的多維評級體系發(fā)展。歷史數(shù)據(jù)平均值法是目前銀行業(yè)應(yīng)用最廣泛最傳統(tǒng)的方法，新巴塞爾資本協(xié)定的許多規(guī)定也采用這種方法，這種方法以其簡單易操作而獲得歡迎。
(二)CAMEL模型
CAMEL評級體系是目前美國金融管理當(dāng)局對商業(yè)銀行及其他金融機(jī)構(gòu)的業(yè)務(wù)經(jīng)營、信用狀況等進(jìn)行的一整套規(guī)范化、制度化和指標(biāo)化的綜合等級評定制度。其有五項(xiàng)考核指標(biāo)，即資本充足性(CapitalAde．quacy)、資產(chǎn)質(zhì)量(AssetQuality)、管理水平(Manage—ment)、盈利水平(Earnings)和流動(dòng)性(Liquidity)。當(dāng)前國際上對商業(yè)銀行評級考察的主要內(nèi)容基本上未跳出美國“駱駝”評級的框架?！榜橊劇痹u級體系的特點(diǎn)是單項(xiàng)評分與整體評分相結(jié)合、定性分析與定量分析相結(jié)合，以評級風(fēng)險(xiǎn)管理能力為導(dǎo)向．充分考慮到銀行的規(guī)模、復(fù)雜程度和風(fēng)險(xiǎn)層次，是分析銀行運(yùn)作是否健康的最有效的基礎(chǔ)分析模型。在具體CAMEL模型的指標(biāo)及其權(quán)重選取及校驗(yàn)過程中，大多采用了回歸分析、主成分分析等統(tǒng)計(jì)方法。
(三)專家判斷模型
銀行信用評估的起點(diǎn)是對其財(cái)務(wù)實(shí)力的綜合判斷。應(yīng)從定量定性兩個(gè)角度綜合評估。經(jīng)營戰(zhàn)略、管理能力、經(jīng)營范圍、公司治理、監(jiān)管情況、經(jīng)營環(huán)境、行業(yè)前景等要素，無法通過確切數(shù)量加以計(jì)算，而專家打分卡是一種更加偏向于定性的模型。在缺乏外在基準(zhǔn)值，如信用等級、違約和損失數(shù)據(jù)等的情況下，開發(fā)專家判斷模型是一種較好的選擇。專家判斷模型的特點(diǎn)是：符合Basel要求．具有透明度和一致性：專家打分卡建模時(shí)間短，所需數(shù)據(jù)不需要特別的多：專家打分卡可充分利用評估人員的經(jīng)驗(yàn)。
二、信用風(fēng)險(xiǎn)評估的通常做法
(一)信用風(fēng)險(xiǎn)評估的基本思路
評估方法應(yīng)充分考慮風(fēng)險(xiǎn)元素的定量和定性兩個(gè)方面，引入大量的精確分析法，并盡可能地運(yùn)用統(tǒng)計(jì)技術(shù)。另一方面，不浪費(fèi)定性參數(shù)的判別能力，并用以優(yōu)化計(jì)量模型的預(yù)測效能。除CAMEL要素外，還需考慮更多更深入的風(fēng)險(xiǎn)因素。評估要素主要包括品牌價(jià)值、風(fēng)險(xiǎn)定位、監(jiān)管環(huán)境、營運(yùn)環(huán)境、財(cái)務(wù)基本面。
(二)信用風(fēng)險(xiǎn)評估模型的構(gòu)造
數(shù)據(jù)準(zhǔn)備是模型開發(fā)和驗(yàn)證的基礎(chǔ)，建模數(shù)據(jù)應(yīng)正確反映交易對手的風(fēng)險(xiǎn)特征以及評級框架。定義數(shù)據(jù)采集模板。收集、清洗和分析模型開發(fā)和驗(yàn)證所需要的樣本數(shù)據(jù)集。影響交易對手違約風(fēng)險(xiǎn)要素主要有非系統(tǒng)性因素和系統(tǒng)性因素。非系統(tǒng)性因素是指與單個(gè)交易對手相關(guān)的特定風(fēng)險(xiǎn)因素，包括財(cái)務(wù)風(fēng)險(xiǎn)、資本充足率、資產(chǎn)質(zhì)量、管理能力、基本信息等。系統(tǒng)性因素是指與所有交易對手相關(guān)的共同風(fēng)險(xiǎn)因素．如宏觀經(jīng)濟(jì)政策、貨幣政策、商業(yè)周期等。既要考慮交易對手目前的風(fēng)險(xiǎn)特征，又要考慮經(jīng)濟(jì)衰退、行業(yè)發(fā)生不利變化對交易對手還款能力和還款意愿的影響．并通過壓力測試反映交易對手的風(fēng)險(xiǎn)敏感性
(三)變量選擇方法
1．層次分析法
層次分析法(Theanlaytichierarchyprocess)簡稱AHP：它是一種定性和定量相結(jié)合、系統(tǒng)化、層次化的分析方法。層次分析法不僅適用于存在不確定性和主觀信息的情況，還允許以合乎邏輯的方式運(yùn)用經(jīng)驗(yàn)、洞察力和直覺。層次分析法的內(nèi)容包括：指標(biāo)體系構(gòu)建及層次劃分；構(gòu)造成對比較矩陣；相對優(yōu)勢排序；比較矩陣一致性檢驗(yàn)。
2．主成分分析法
主成分分析法也稱主分量分析，旨在利用降維的思想，通過原始變量的線性組合把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)。在保留原始變量主要信息的前提下起到降維與簡化問題的作用，使得在研究復(fù)雜問題時(shí)更容易抓住主要矛盾。通過主成分分析可以從多個(gè)原始指標(biāo)的復(fù)雜關(guān)系中找出一些主要成分，揭示原始變量的內(nèi)在聯(lián)系，得出關(guān)鍵指標(biāo)(即主成分)。
3．專家判斷
關(guān)鍵指標(biāo)權(quán)重和取值標(biāo)準(zhǔn)設(shè)定是通過專家在定量分析的基礎(chǔ)上共同討論確定，取值標(biāo)準(zhǔn)是建立指標(biāo)業(yè)績表現(xiàn)同分?jǐn)?shù)之間的映射關(guān)系。取值標(biāo)準(zhǔn)的設(shè)定應(yīng)能夠正確區(qū)分風(fēng)險(xiǎn)，取值標(biāo)準(zhǔn)應(yīng)根據(jù)宏觀經(jīng)濟(jì)周期、行業(yè)特點(diǎn)和周期定期調(diào)整，從而反映風(fēng)險(xiǎn)的變化。
(四)模型校驗(yàn)修改
模型構(gòu)造完成后．需要相應(yīng)財(cái)務(wù)數(shù)據(jù)的不斷校驗(yàn)修改。財(cái)務(wù)數(shù)據(jù)可直接向?qū)?yīng)機(jī)構(gòu)索取，也可通過第三方數(shù)據(jù)提供商獲得。直接獲取數(shù)據(jù)的方式準(zhǔn)確性較高，但需對應(yīng)機(jī)構(gòu)積極配合．且需大量的人力物力用于數(shù)據(jù)錄入、核對和計(jì)算。通過第三方數(shù)據(jù)提供商獲取數(shù)據(jù)效率高，但需支付一定費(fèi)用，且面臨數(shù)據(jù)不全、數(shù)據(jù)轉(zhuǎn)換計(jì)算等問題。在違約概率模型的開發(fā)過程中，通常遇到模型賴以建造的數(shù)據(jù)樣本中的違約率不能完全反映出總的違約經(jīng)歷，需進(jìn)行模型的壓力測試，確保模型在各種情況下都能獲得合理的結(jié)果．并對模型進(jìn)行動(dòng)態(tài)調(diào)整。
(五)引進(jìn)或自主開發(fā)授信評估系統(tǒng)
根據(jù)完善授信評估模型，撰寫授信評估系統(tǒng)業(yè)務(wù)需求書．引進(jìn)或自主開發(fā)授信評估系統(tǒng)，提高授信評估效率。授信評估系統(tǒng)還應(yīng)與會員歷史數(shù)據(jù)庫、限額管理系統(tǒng)、會員歷史違約或逾期等信息庫無縫連接，避免各個(gè)環(huán)節(jié)的操作風(fēng)險(xiǎn)。
三、對銀行間市場完善授信評估的啟示
(一)完善授信評估可積極推動(dòng)銀行間市場業(yè)務(wù)發(fā)展
銀行間市場會員信用評估水平的提高?？捎行Х婪躲y行間市場系統(tǒng)性風(fēng)險(xiǎn)。為防范交易對手信用風(fēng)險(xiǎn)，市場成員需及時(shí)、合理、有效地對相應(yīng)會員銀行或做市商進(jìn)行信用評估，并根據(jù)會員或做市商資信狀況的變化進(jìn)行動(dòng)態(tài)調(diào)整，為其設(shè)置信用限額。
(二)引進(jìn)成熟的授信評估方法、模型和流程
根據(jù)巴塞爾協(xié)議的有關(guān)監(jiān)管要求，國內(nèi)大中型銀行都已經(jīng)或正在國際先進(jìn)授信評估機(jī)構(gòu)的幫助下，開發(fā)PD或LGD評估模型。銀行間市場參與者應(yīng)學(xué)習(xí)借鑒國內(nèi)外先進(jìn)的授信評估方法和模型。在消化吸收先進(jìn)經(jīng)驗(yàn)的基礎(chǔ)上，選擇國際先進(jìn)咨詢機(jī)構(gòu)作為顧問，構(gòu)建授信評估方法和模型。
(三)引進(jìn)或自主開發(fā)授信評估系統(tǒng)
為防止操作風(fēng)險(xiǎn)，提高授信評估工作效率，實(shí)現(xiàn)授信評估與機(jī)構(gòu)內(nèi)部相關(guān)系統(tǒng)的連接，銀行間市場參與者需根據(jù)授信評估方法、模型、授信資料清單、分析報(bào)告模板、建議授信計(jì)算公式等內(nèi)容。撰寫系統(tǒng)開發(fā)業(yè)務(wù)需求書，或引進(jìn)先進(jìn)的授信評估系統(tǒng)并進(jìn)行客戶化改造．或選擇系統(tǒng)開發(fā)商進(jìn)行自主開發(fā)授信管理系統(tǒng)。
根據(jù)物流金融的運(yùn)作特點(diǎn)，可將其風(fēng)險(xiǎn)來源歸納為來自融資企業(yè)、抵押物以及第三方物流企業(yè)三大方面。借鑒Altman，Haldeman和Narayanan（1977）提出的第二代“ZETA計(jì)分模型”中企業(yè)信用評價(jià)指標(biāo)體系[3]，將來自融資企業(yè)的風(fēng)險(xiǎn)細(xì)化為中小企業(yè)營運(yùn)能力w1、盈利能力w2、償債能力w3、及信用記錄w4四大方面的十個(gè)具體指標(biāo)，分別為w11持續(xù)經(jīng)營、w12資產(chǎn)回報(bào)率、w13存貨周轉(zhuǎn)率、w21連續(xù)盈利、w22稅后利潤率、w23銷售利潤率、w31穩(wěn)定存貨、w32資產(chǎn)負(fù)債率、w33速凍比率、w41履約率。我國現(xiàn)階段的物流金融業(yè)務(wù)主要集中于基于權(quán)利質(zhì)押以及基于存貨質(zhì)押兩種，因此質(zhì)押物本身的質(zhì)量也直接關(guān)系其風(fēng)險(xiǎn)大小。指標(biāo)包括：所有權(quán)w51、市場性質(zhì)w61、保險(xiǎn)率w71三方面。作為重要參與方的物流企業(yè)為實(shí)現(xiàn)其對質(zhì)押物的有效監(jiān)管，企業(yè)規(guī)模w81及企業(yè)信譽(yù)w91也即成為影響物流金融風(fēng)險(xiǎn)的重要指標(biāo)。
2基于BP神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的評價(jià)方法
2.1BP神經(jīng)網(wǎng)絡(luò)的基本原理
BP神經(jīng)網(wǎng)絡(luò)，是由Rumelhart和McCelland等人（1986）提出的。其基本思想是，學(xué)習(xí)過程由信號的正向傳播與誤差的反向傳播兩個(gè)過程組成。正向傳播時(shí)，輸入樣本從輸入層通過隱含層傳向輸出層。若輸出層的實(shí)際輸出與期望輸出不符，則轉(zhuǎn)入誤差的反向傳播階段，并將誤差分?jǐn)偨o各層的所有單元。正向傳播與誤差反向傳播周而復(fù)始，一直到網(wǎng)絡(luò)輸出的誤差減少到可接受的程度，或預(yù)先設(shè)定的次數(shù)為止。
2.2證據(jù)理論的基本原理
①定義1：設(shè)為一個(gè)互斥又可窮舉的元素的集合，稱作識別框架，基本信任分配函數(shù)m是一個(gè)集合2到[0，1]的映射，A表現(xiàn)識別框架的任一子集，記作A哿，式中：m（A）稱為時(shí)間A的基本信任分配函數(shù)，它表示證據(jù)對A的信任程度。②Dempter合成法則：假定識別框架下的兩個(gè)證據(jù)E1和E2,其相應(yīng)的基本信任函數(shù)為m1和m2，焦元分別為Ai和Bj，則m（A）=m1（A）茌m2（A）2.3信用風(fēng)險(xiǎn)評估算法為了保證神經(jīng)網(wǎng)絡(luò)的收斂和穩(wěn)定性，本論文中將15個(gè)指標(biāo)分為四組，建立4個(gè)神經(jīng)網(wǎng)絡(luò)NN1，NN2，NN3和NN4。神經(jīng)網(wǎng)絡(luò)的輸出設(shè)計(jì)為（0.1，0.1，0.9）T、（0.1，0.9，0.1）T、（0.9，0.1，0.1）T，表示的信用風(fēng)險(xiǎn)級別分別為高風(fēng)險(xiǎn)、中度風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)，記為A1，A2，A3。將輸出歸一化，得到向量（a′i1，a′i2，a′i3）T，記作V′i。令mi（Ai）=a′il，i∈{1，2，3，4}，l∈{1，2，3}，表示由NNi得到的對信用風(fēng)險(xiǎn)級別Ai的基本信任度，即針對事件Ai的證據(jù)。之后，再將4個(gè)證據(jù)利用DS證據(jù)理論融合。就可以對信用風(fēng)險(xiǎn)進(jìn)行評估，最初最終決策。
3應(yīng)用實(shí)例
本次數(shù)據(jù)采集共發(fā)出問卷200份，收回135份，有效問卷92份。將前91組數(shù)據(jù)分別訓(xùn)練神經(jīng)網(wǎng)絡(luò)。再將余下1個(gè)樣本輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，歸一化處理輸出結(jié)果即得該證據(jù)對該命題的基本概率分配，而后利用DS證據(jù)理論將其融合得到最終優(yōu)化結(jié)果。
4結(jié)論
1．1評價(jià)指標(biāo)體系內(nèi)容
針對我國民營企業(yè)自身特征，在構(gòu)建企業(yè)信用風(fēng)險(xiǎn)評價(jià)指標(biāo)體系的過程中要充分對企業(yè)素質(zhì)進(jìn)行分析，對企業(yè)整體經(jīng)濟(jì)發(fā)展情況、經(jīng)營范圍與產(chǎn)品銷售與盈利水平等進(jìn)行綜合評價(jià)，同時(shí)也包括對企業(yè)綜合管理情況的評估，如企業(yè)職工能力、領(lǐng)導(dǎo)管理能力以及企業(yè)內(nèi)部文化結(jié)構(gòu)等;要對企業(yè)資金信用進(jìn)行評估，通過對企業(yè)資產(chǎn)結(jié)構(gòu)、資金鏈運(yùn)行以及資產(chǎn)質(zhì)量的分析，進(jìn)行量化財(cái)務(wù)指標(biāo)考察，充分反映企業(yè)資金自有率和流動(dòng)比率，對信貸情況、貸款承付率等全面評估;對企業(yè)的經(jīng)營水平與經(jīng)濟(jì)效益進(jìn)行綜合評價(jià)，包括對產(chǎn)品生產(chǎn)、銷售、開發(fā)、費(fèi)用核算以及納稅與利潤多方面情況考察;另外，對企業(yè)發(fā)展情景的分析，要對民營企業(yè)進(jìn)行近期考察，對目標(biāo)實(shí)現(xiàn)情況以及長遠(yuǎn)規(guī)劃等全面分析，并對企業(yè)的行業(yè)地位以及多元化市場競爭力進(jìn)行分析，對其目標(biāo)的制定與措施的落實(shí)以及長遠(yuǎn)發(fā)展趨勢進(jìn)行分析。
1．2指標(biāo)體系構(gòu)建原則
為避免民營企業(yè)信用風(fēng)險(xiǎn)評價(jià)指標(biāo)的選擇存在隨意性，要遵循全面性原則、科學(xué)性原則、公正性原則、通用性原則、可獲得性原則。民營企業(yè)風(fēng)險(xiǎn)評估直接關(guān)系到企業(yè)長遠(yuǎn)發(fā)展趨勢，一旦出現(xiàn)評估偏差將會影響企業(yè)信用狀況，給企業(yè)帶來風(fēng)險(xiǎn)。因此，風(fēng)險(xiǎn)評估指標(biāo)體系的構(gòu)建要全面體現(xiàn)民營企業(yè)信用狀況。要積極借鑒國外信用風(fēng)險(xiǎn)評估體系構(gòu)建經(jīng)驗(yàn)，使數(shù)據(jù)結(jié)構(gòu)構(gòu)建更加豐富、全面、科學(xué)。只有在客觀判斷和評估的前提下，才能保證指標(biāo)體系構(gòu)建的公正性和有效性。另外，指標(biāo)體系構(gòu)建必須要依照國家政策和法律以及規(guī)定標(biāo)準(zhǔn)進(jìn)行，避免偏離經(jīng)濟(jì)發(fā)展軌道，使其適用于民營企業(yè)中，被債權(quán)人和企業(yè)理解和認(rèn)同。
2．基于相似度的民營企業(yè)信用風(fēng)險(xiǎn)評級方法
信用評級方法主要是指基于企業(yè)的信用狀況完成的等級判定，通過進(jìn)行系統(tǒng)分析發(fā)現(xiàn)，信用評價(jià)方式對于信用等級的判定具有科學(xué)性。針對民營企業(yè)的信用評估方法應(yīng)用，我國多贊同美國做法，但是也有持反對意見的。認(rèn)為通過定量方式分析量化評估指標(biāo)具有客觀性。而通過定性分析則相對比較主觀，需要進(jìn)行相應(yīng)的主觀判斷，可以說，采用定量分析相對于定性具有一定的進(jìn)步性特征。本文中對兩者之間的關(guān)系與作用并不做機(jī)械性判斷，而是根據(jù)實(shí)際需要選擇定量或者是定性分析。
2．1定性評估方法
根據(jù)分析人員的差異性特征可以進(jìn)行以下幾個(gè)方面的分類:首先，個(gè)性特征分析方法:個(gè)人可以通過三種方式進(jìn)行分析，也就是根據(jù)因果性原理完成對以表現(xiàn)出來的信用情況以及經(jīng)濟(jì)指標(biāo)變化情況進(jìn)行判斷，形成信用狀況信息。這個(gè)過程中也可以采用對比類推法，通過結(jié)合類推原理將信用狀況與相類似的狀況之間相互結(jié)合，形成對未來一段時(shí)間范圍內(nèi)企業(yè)信用狀況的評估。其次，集體分析方法:采用個(gè)人因素分析方法會受到個(gè)人知識結(jié)構(gòu)等多方面因素的限制，因此具有局限性。集中個(gè)人形成專業(yè)性判斷能夠極大提升信用評估的質(zhì)量與效果。這項(xiàng)評估方式主要采用的是集體討論方式進(jìn)行信用評估。最后，專家調(diào)查方法:這項(xiàng)評估需要借助于具有專業(yè)性能力的專家，通過進(jìn)行咨詢完成相關(guān)信用問題的解決。因?yàn)閷＜业膶I(yè)性能力相對更強(qiáng)，通過借助于他們的專業(yè)性知識與能力，可以充分解決各個(gè)方面的實(shí)際問題。
2．2信用評估定量分析
首先，比率分析:也就是采用財(cái)務(wù)分析方法，這也是信用評估當(dāng)中的主要應(yīng)用方式。在進(jìn)行信用評估時(shí)很難通過一項(xiàng)數(shù)據(jù)內(nèi)容完成整體評估，因此需要計(jì)算比率指標(biāo)內(nèi)容，這樣就能夠進(jìn)行判斷，形成科學(xué)性結(jié)果。其次，還包括趨勢性分析方法、結(jié)構(gòu)性分析方法以及相互對比法。以上三種指標(biāo)也都是進(jìn)行信用評估最為主要的使用方式。
3．實(shí)際應(yīng)用研究
結(jié)合某食品企業(yè)進(jìn)行實(shí)例分析，該企業(yè)成立于2000年，總投資金額為3000萬余元，公司總?cè)藬?shù)達(dá)800人。主要生產(chǎn)的是花生系列產(chǎn)品，產(chǎn)品出口國際市場。年生產(chǎn)力能夠達(dá)到3000噸。當(dāng)前企業(yè)為了進(jìn)一步實(shí)現(xiàn)擴(kuò)大再生產(chǎn)，引進(jìn)專業(yè)技術(shù)人才達(dá)到員工總數(shù)的41%，創(chuàng)新費(fèi)用比重為8%，新型技術(shù)裝備更新率為6%，產(chǎn)品銷售收入比重達(dá)到原來的28%，資本積累達(dá)到4%。
4．結(jié)論
P2P網(wǎng)絡(luò)借貸作為新生事物，吸引了眾多研究者的關(guān)注，國內(nèi)外學(xué)者對其進(jìn)行了大量的研究，從最初的P2P網(wǎng)絡(luò)借貸起源與現(xiàn)狀、特征、經(jīng)營模式，到后面的積極作用與消極作用、發(fā)展趨勢等方面，而近幾年則將目光集中在了網(wǎng)絡(luò)借貸的信用風(fēng)險(xiǎn)上。
（一）網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)分析
早期的P2P網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)研究表明，平臺中借款者的特征差異不大，但是信用風(fēng)險(xiǎn)卻很顯著。Herzensteinetal．（2008）和PopeandSydnor（2011）認(rèn)為，P2P網(wǎng)絡(luò)借貸平臺是由投資者個(gè)人而非借貸平臺篩選確定借款人是否值得信賴，因此，更容易出現(xiàn)借款人通過虛假陳述騙取借款的情況，即網(wǎng)絡(luò)借貸的風(fēng)險(xiǎn)更大［2］。Michaels（2012）通過對Prosper網(wǎng)站上的數(shù)據(jù)分析，發(fā)現(xiàn)網(wǎng)絡(luò)借貸平臺責(zé)任的缺失使網(wǎng)絡(luò)借貸市場運(yùn)行有效性下降，因而帶來較大的風(fēng)險(xiǎn)［3］。Sufi（2007），MichaelKlafft（2008）認(rèn)為，如同在金融市場中一樣，網(wǎng)絡(luò)借貸市場也存在信息不對稱，此外，由于投資者缺乏經(jīng)驗(yàn)，網(wǎng)絡(luò)環(huán)境下貸款的信用風(fēng)險(xiǎn)更高［4］。Leeetal．（2012）研究韓國最大P2P平臺上的“從眾行為”發(fā)現(xiàn)，“從眾行為”導(dǎo)致網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)加大，即信息不對稱現(xiàn)象非常嚴(yán)重，往往還會導(dǎo)致道德風(fēng)險(xiǎn)［5］。在國內(nèi)，近幾年來由于網(wǎng)絡(luò)借貸平臺資質(zhì)良莠不齊，發(fā)展模式并不規(guī)范，帶來很大的信用風(fēng)險(xiǎn)［6］。陳初（2010）也認(rèn)為，P2P平臺可能泄露重要的信息，加之貸款用途難以核實(shí)，信用風(fēng)險(xiǎn)很大［7］。由于網(wǎng)絡(luò)借貸平臺作為交易平臺，實(shí)行的是無擔(dān)保無抵押，缺乏擔(dān)保的P2P借貸會使債權(quán)人的風(fēng)險(xiǎn)增加［8］。
（二）網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)管理
信用風(fēng)險(xiǎn)管理就是通過有效的方法對信用風(fēng)險(xiǎn)進(jìn)行分析、防范和控制，使風(fēng)險(xiǎn)貸款安全化，確保本息的收回。借貸平臺信用風(fēng)險(xiǎn)管理水平?jīng)Q定了自身的生存和發(fā)展，也對金融體系的穩(wěn)定與發(fā)展產(chǎn)生巨大影響。國外的信用風(fēng)險(xiǎn)管理體系發(fā)展較早，在實(shí)踐和理論上已經(jīng)形成相應(yīng)的體系，不少學(xué)者的研究主要集中在如何使投資人更好地掌握借款人誠信信息以及怎樣通過借貸平臺自身機(jī)制有效緩解信息不對稱等方面。FreedmanandJin（2008）發(fā)現(xiàn)，雖然投資者由于信息不對稱問題面臨著逆向選擇的風(fēng)險(xiǎn)，但網(wǎng)站上提供的資料信息可以在一定程度上幫助識別潛在的信用風(fēng)險(xiǎn)［9］。Linetal．（2009）也指出社會互動(dòng)作為一種軟信息資源，能夠一定程度上降低信息不對稱和道德風(fēng)險(xiǎn)［10］。HarpreetSingha（2009）使用決策樹對不同期限、風(fēng)險(xiǎn)配置的投資進(jìn)行研究，認(rèn)為目前主要是通過多樣化投資來降低信用風(fēng)險(xiǎn)［11］。國內(nèi)的P2P網(wǎng)絡(luò)借貸模式尚處于起步階段，信用風(fēng)險(xiǎn)管理體系不健全，大多數(shù)平臺只是依據(jù)自身情況建立了基于專家判斷法的信用評分模型，但由于此模型的預(yù)測能力沒有通過系統(tǒng)驗(yàn)證，在實(shí)際業(yè)務(wù)中的應(yīng)用實(shí)效大打折扣［12］?？梢娫谖覈鴤€(gè)人信用體系缺失的情況下，國內(nèi)網(wǎng)絡(luò)借貸平臺的信用評級對信用風(fēng)險(xiǎn)控制的作用并不大［8］。此外，李悅雷（2013）認(rèn)為借貸中人際關(guān)系的應(yīng)用能降低金融交易的風(fēng)險(xiǎn)和成本［13］。陳初（2010）則認(rèn)為可把從事網(wǎng)絡(luò)借貸業(yè)務(wù)的網(wǎng)站界定為民間借貸中介組織，即可將網(wǎng)絡(luò)借貸納入相關(guān)的監(jiān)管系統(tǒng)［7］。綜上所述，學(xué)者主要是基于理論對P2P網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)進(jìn)行分析，或者定性分析當(dāng)前P2P網(wǎng)絡(luò)借貸的信用風(fēng)險(xiǎn)管理，而對網(wǎng)絡(luò)借貸平臺信用風(fēng)險(xiǎn)影響因素的實(shí)證研究較為缺乏。因此，本文擬從P2P網(wǎng)絡(luò)借貸平臺的內(nèi)部視角，運(yùn)用平臺具體數(shù)據(jù)，對網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)的影響因素進(jìn)行實(shí)證，分析網(wǎng)絡(luò)借貸平臺的信用風(fēng)險(xiǎn)管理體系是否能有效控制信用風(fēng)險(xiǎn)，并提出控制網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)的政策建議。
二、實(shí)證分析
（一）數(shù)據(jù)選取
本文基于VBA開發(fā)環(huán)境，采用XMLHttpRe－quest方法。網(wǎng)絡(luò)借貸平臺的貸款頁面URL（Uni－versalResourceLocator）具有一定的規(guī)律，即每筆貸款都按照借款時(shí)間通過編號排列順序，URL的結(jié)尾都是以貸款編號結(jié)束，我們正好利用這一特點(diǎn)，通過固定編號獲取大量貸款數(shù)據(jù)。將需要的貸款編號列入Excel中的第一列，然后利用VBA函數(shù)讀取編號對應(yīng)的網(wǎng)頁。將網(wǎng)頁轉(zhuǎn)換為文本格式以后，由于需要的數(shù)據(jù)都出現(xiàn)在頁面的特定位置上，VBA函數(shù)通過定位關(guān)鍵字，將對應(yīng)變量的具體數(shù)據(jù)采集到Excel表格對應(yīng)的其他列中。通過不斷地讀取對應(yīng)網(wǎng)址頁面，本文對拍拍貸編號為220000～319999以及人人貸中編號為120000～179999的借款數(shù)據(jù)和相應(yīng)的借款人信息進(jìn)行以下收集。主要從人口特征、信用變量、歷史表現(xiàn)和借款信息四個(gè)方面選取網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)影響因素的變量（見表1），即：從拍拍貸及人人貸網(wǎng)站平臺上提取的數(shù)據(jù)，刪除一些缺失數(shù)據(jù)以及審核未通過數(shù)據(jù)，從拍拍貸網(wǎng)站得到了61944組有效數(shù)據(jù)，其中存在信用風(fēng)險(xiǎn)的用戶數(shù)據(jù)共有3360組，違約率達(dá)到了5．42％；從人人貸網(wǎng)站得到了59972組有效數(shù)據(jù)，提取其中存在信用風(fēng)險(xiǎn)的數(shù)據(jù)810組，違約率為1．35％。對數(shù)據(jù)中借款人的基本人口特征進(jìn)行初步分析，結(jié)果如表2、3所示。從表2、3的數(shù)據(jù)可以初步判斷，具有信用風(fēng)險(xiǎn)的借款人性別主要以男性為主，無論是占樣本比率還是占逾期比率，男性借款人逾期概率都要遠(yuǎn)遠(yuǎn)高于女性；年齡方面，26～31歲的逾期人數(shù)占到總逾期人數(shù)的比率明顯高于其他年齡段，且隨著年齡的增加，違約概率呈明顯降低趨勢。
（二）模型選擇
①類似于二元選擇模型，假設(shè)潛在變量y與解釋變量x存在線性關(guān)系y＊i＝x＊iβ＋u＊i，i＝1，2，3，…，N，其中ui是獨(dú)立同分布的隨機(jī)干擾?？偣灿蠱＋1個(gè)等級，觀測到y(tǒng)i位各個(gè)等級的概率為：P（yi＝0）＝F（c1－x′iβ），P（yi＝1）＝F（c2－x＇iβ）－F（c1－x′iβ），…，P（yi＝M）＝1－F（cM－x＇iβ）。模型采用極大似然法估計(jì)，其中，c1，c2，…，cM是M的臨界值，作為參數(shù)和回歸系數(shù)一起估計(jì)。
（三）實(shí)證研究
從結(jié)果可以看出，除了age不夠顯著（P值＜10％，呈負(fù)相關(guān)）以外，剩下的變量fail、gender、credit、success、rate和time對于信用風(fēng)險(xiǎn)的影響都很顯著（P值＜5％，呈正相關(guān)）。正如Iyeretal．（2009）發(fā)現(xiàn)的，信用變量、歷史信用等對信用風(fēng)險(xiǎn)有相關(guān)影響［14］。而FreedmanandJin（2008）也發(fā)現(xiàn)，高利率的借款人通常具有較高的信用風(fēng)險(xiǎn)［9］。人人貸中g(shù)ender、success不夠顯著，可能是因?yàn)槿巳速J網(wǎng)站中具有信用風(fēng)險(xiǎn)的用戶較少，人口特征和歷史表現(xiàn)無法在一定程度上反映信用風(fēng)險(xiǎn)。排序選擇模型是概率模型，由于有多個(gè)等級，圖2為觀測到的屬于各個(gè)等級的概率預(yù)測，每個(gè)觀測都是對應(yīng)信用風(fēng)險(xiǎn)等級的概率預(yù)測，并且概率之和為1。從圖2看出，基本各個(gè)風(fēng)險(xiǎn)的概率處于穩(wěn)定。以上分別從人口特征、信用變量、歷史表現(xiàn)和借款信息四個(gè)方面對信用風(fēng)險(xiǎn)的影響進(jìn)行了研究，結(jié)果發(fā)現(xiàn)：1．人口特征（age、gender）對信用風(fēng)險(xiǎn)的影響都較為顯著，說明人口特征對網(wǎng)絡(luò)借貸過程中的信用風(fēng)險(xiǎn)具有一定的影響。從表2和3中也可以看出，在具有信用風(fēng)險(xiǎn)的借款人中，男性的比率遠(yuǎn)遠(yuǎn)高于女性。由于P2P網(wǎng)絡(luò)借貸依托于互聯(lián)網(wǎng)，參與用戶體現(xiàn)出年齡較小的趨勢，但是年輕的用戶經(jīng)濟(jì)基礎(chǔ)較為薄弱，經(jīng)濟(jì)來源也不太穩(wěn)定，往往容易出現(xiàn)資金短缺的情況，信用風(fēng)險(xiǎn)較高；年齡較大的用戶社會資源豐富，經(jīng)濟(jì)來源也較為穩(wěn)定，信用風(fēng)險(xiǎn)就相對較低。2．信用變量（credit）中，認(rèn)證等級是網(wǎng)站對用戶各項(xiàng)資料進(jìn)行評分，然后加總起來得到的信用評級。理論上，認(rèn)證等級越高信用風(fēng)險(xiǎn)就越低，但實(shí)證結(jié)果顯示，認(rèn)證等級與信用風(fēng)險(xiǎn)正相關(guān)。網(wǎng)站上的認(rèn)證分僅僅只是對一些基礎(chǔ)信息打出的分?jǐn)?shù)，如身份證、學(xué)歷、視頻等認(rèn)證，但平臺往往無法保證其真實(shí)性，所以，網(wǎng)站由于自身能力有限而無法達(dá)到控制信用風(fēng)險(xiǎn)的預(yù)期效果，即平臺的信用等級評分對用戶避免信用風(fēng)險(xiǎn)起到的作用不大，有時(shí)還導(dǎo)致一些反效果。3．歷史表現(xiàn)（success、fail）中，失敗和成功的次數(shù)都是用戶在平臺的活躍程度。成功的次數(shù)越高，說明在此次借款之前，借款人都按時(shí)完成還款，即信用等級很高，但對某些人來說，成功的次數(shù)只是為了提高自己的信用，最終借到需要的金額，所以與信用風(fēng)險(xiǎn)呈正相關(guān)。失敗的次數(shù)多，說明借款人的信息無法給投資者安全感，即被大多數(shù)投資者認(rèn)為具有較高的信用風(fēng)險(xiǎn)，在借款成功后出現(xiàn)違約的可能性更大，即失敗次數(shù)與信用風(fēng)險(xiǎn)負(fù)相關(guān)。4．借款信息（rate、time）中，優(yōu)質(zhì)的借款者往往難以提供足夠高的收益率，即利率與信用風(fēng)險(xiǎn)呈正相關(guān)。還款期限也和風(fēng)險(xiǎn)呈正相關(guān)關(guān)系，在網(wǎng)絡(luò)借貸平臺上的借貸行為，由于沒有人際關(guān)系作為潛在的信用保障，一筆投資無疑是時(shí)間越短，所要面臨的信用風(fēng)險(xiǎn)就越小。時(shí)間越長，投資者的相對風(fēng)險(xiǎn)就越大，因此，時(shí)間成為正向影響信用風(fēng)險(xiǎn)的顯著因素。從以上的數(shù)據(jù)分析以及實(shí)證中發(fā)現(xiàn)，網(wǎng)站對于借款人的信用評分對信用風(fēng)險(xiǎn)管理并沒有起到實(shí)質(zhì)性作用，評分高的用戶依然具有較高的信用風(fēng)險(xiǎn)。網(wǎng)站為滿足借款人的資金安全性要求，在借款滿額后進(jìn)行內(nèi)部審核，但是內(nèi)部審核主要也是以信用評分為基礎(chǔ)，對防止信用風(fēng)險(xiǎn)效果不大。出現(xiàn)逾期現(xiàn)象后，平臺對借款人實(shí)行本金保障制度，但在監(jiān)管缺失的情況下，由于沒有特定的維權(quán)部門，逾期還款的追討難度很大，而風(fēng)險(xiǎn)儲備池的資金有限，加大了平臺的經(jīng)營風(fēng)險(xiǎn)，所以，單靠平臺本身無法對信用風(fēng)險(xiǎn)進(jìn)行有效管理。
三、結(jié)論與政策建議
用logistic回歸模型對客戶信用風(fēng)險(xiǎn)進(jìn)行預(yù)警，主要包括兩部分內(nèi)容，一是對樣本財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行因子分析，篩選出logistic回歸的關(guān)鍵自變量，二是建立logistic回歸模型，用于對客戶違約情況進(jìn)行風(fēng)險(xiǎn)預(yù)警。
（一）樣本選取與簡單描述性統(tǒng)計(jì)。本文數(shù)據(jù)來源于國內(nèi)某商業(yè)銀行的信貸系統(tǒng)，以2006年的化工業(yè)為例，從中選擇了2457個(gè)小微企業(yè)非上市公司樣本，其中48個(gè)違約樣本，2409個(gè)非違約樣本。對于樣本公司，本文從償債能力、盈利能力、營運(yùn)能力、成長能力、現(xiàn)金流量以及規(guī)模等六個(gè)方面，選取了15個(gè)財(cái)務(wù)指標(biāo)，對小微企業(yè)非上市公司的經(jīng)營現(xiàn)狀進(jìn)行因子分析，從中找出最能反映公司經(jīng)營特點(diǎn)的少數(shù)公共因子，進(jìn)而為后續(xù)的Logistic模型風(fēng)險(xiǎn)預(yù)警提供解釋變量。選取的15個(gè)財(cái)務(wù)指標(biāo)如表1所示：在選取樣本時(shí)，本文首先運(yùn)用SPSS16.0軟件對數(shù)據(jù)進(jìn)行了異常值剔除處理，步驟如下：首先對選定的15個(gè)財(cái)務(wù)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，除指標(biāo)量綱的差異，然后將每個(gè)指標(biāo)的標(biāo)準(zhǔn)化值的絕對值大于或等于3的樣本視為異常值加以剔除；對剔除后的樣本，重復(fù)進(jìn)行指標(biāo)標(biāo)準(zhǔn)化處理、檢驗(yàn)異常值、剔除異常值，直至無異常數(shù)據(jù)為止。本文重復(fù)了5次異常值剔除處理，最終篩選出2457個(gè)合格樣本，用于因子分析。下表2為數(shù)據(jù)的簡單描述性統(tǒng)計(jì)量。
（二）因子分析1.因子分析的適用性檢驗(yàn)。因子分析要求變量間具有相關(guān)性，本文在進(jìn)行因子分析前，主要采用KMO檢驗(yàn)和巴特利特球度檢驗(yàn)方法對變量進(jìn)行相關(guān)性檢驗(yàn)。表3為運(yùn)用SPSS16.0軟件運(yùn)行得出的檢驗(yàn)結(jié)果。從表中可以看出KMO檢驗(yàn)統(tǒng)計(jì)量的值等于0.633，其大于0.5，證明適合作因子分析。同時(shí)巴特利特球度檢驗(yàn)值為27600，其相伴概率為0.000，在5%的顯著性水平下極其顯著，說明相關(guān)系數(shù)矩陣不是單位陣，即變量間存在相關(guān)性，適合作因子分析。2.確定因子數(shù)目。構(gòu)造因子變量首先要確定因子數(shù)目，本文采用特征值大于1的標(biāo)準(zhǔn)提取公因子，同時(shí)通過碎石圖直觀判斷公因子數(shù)目。首先，運(yùn)用SPSS16.0軟件運(yùn)行得出因子分析的特征根和方差貢獻(xiàn)率，如下表4。表4中，三部分分別為初始因子、因子提取后以及經(jīng)過方差最大旋轉(zhuǎn)后的相關(guān)系數(shù)矩陣的特征根、方差貢獻(xiàn)率以及累計(jì)方差貢獻(xiàn)率。從第三部分可以看出，依據(jù)特征值大于1的標(biāo)準(zhǔn)，共提取6個(gè)主因子，且前6個(gè)主因子的方差貢獻(xiàn)率依次為21.501%、17.884%、11.366%、10.71%、10.509%、8.762%，累計(jì)方差貢獻(xiàn)率大于80%，說明前6個(gè)主因子可以解釋變量的大部分信息，從而把前6個(gè)公因子作為評價(jià)樣本公司的綜合指標(biāo)，降低了公司綜合評價(jià)的指標(biāo)維度，為后續(xù)Logistic回歸提供了解釋變量。其次，建立碎石圖判斷因子數(shù)目。首先將特征根從大到小排序，序號相應(yīng)為1，2，…，15。以橫軸表示序號，縱軸表示特征值，構(gòu)造出碎石圖1。觀察碎石圖發(fā)現(xiàn)，特征值大于1的因子有6個(gè)，分別為F1，F(xiàn)2，…，F(xiàn)n，這與表3-4確定的因子數(shù)目一致。3.估計(jì)因子載荷矩陣。運(yùn)用SPSS16.0軟件運(yùn)行得出初始因子載荷矩陣，由于無法確定公共因子的經(jīng)濟(jì)意義，使用方差最大化旋轉(zhuǎn)法對初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)，可得到旋轉(zhuǎn)后的因子載荷矩陣，如表5所示。通過旋轉(zhuǎn)，各個(gè)公因子有了較為明確的經(jīng)濟(jì)含義：第一個(gè)公共因子F1，其在指標(biāo)X5（總資產(chǎn)報(bào)酬率）、X6（凈資產(chǎn)收益率）、X7（息稅前利潤/總資產(chǎn)）、X8（息稅前利潤/主營業(yè)務(wù)收入凈額）上有較大載荷，命名為“盈利能力因子”。第二個(gè)公共因子F2，其在指標(biāo)X1（資產(chǎn)負(fù)債率）、X2（產(chǎn)權(quán)比率）、X3（流動(dòng)性比率）上有較大載荷，命名為“償債能力因子”。第三個(gè)公共因子F3，其在指標(biāo)X11（所有者權(quán)益增長率）、X12（總資產(chǎn)增長率）、X14（現(xiàn)金流量比率）上有較大載荷，命名為“成長能力因子”。第四個(gè)公共因子F4，其在指標(biāo)X13（現(xiàn)金比率）、X4（速動(dòng)比率）上有較大載荷，命名為“現(xiàn)金流量因子”。第五個(gè)公共因子F5，其在指標(biāo)X9（總資產(chǎn)周轉(zhuǎn)率）、X15（總資產(chǎn)）上有較大載荷，命名為“總資產(chǎn)營運(yùn)能力因子”。第六個(gè)公共因子F6，其在指標(biāo)X10（應(yīng)收賬款周轉(zhuǎn)率）上有較大載荷，命名為“應(yīng)收賬款周轉(zhuǎn)率因子”。4.計(jì)算因子得分。表6是通過主成分回歸方法估計(jì)出的因子得分系數(shù)，用表中各公共因子對應(yīng)的得分系數(shù)分別乘以各變量標(biāo)準(zhǔn)化值即可得到各公因子對應(yīng)的得分序列。
（三）Logistic實(shí)證分析1.建立Logistic回歸方程。設(shè)被解釋變量y為0-1型隨機(jī)變量，當(dāng)樣本違約時(shí)y取1，非違約時(shí)y取0，另以6個(gè)公共因子F1，F(xiàn)2，…，F(xiàn)6作為解釋變量，建立Logistic回歸模型，回歸方程的形式如下：2.Logistic模型參數(shù)估計(jì)。運(yùn)用SPSS16.0軟件對因變量Y和自變量F進(jìn)行Logistic回歸建模，選擇逐步向前回歸分析法，篩選出回歸系數(shù)比較顯著的自變量進(jìn)入模型，剔除回歸系數(shù)比較顯著的自變量進(jìn)入模型，剔除回歸系數(shù)不顯著的自變量。本文參數(shù)估計(jì)結(jié)果中已剔除回歸系數(shù)不顯著的因子F2，F(xiàn)3和F6，保留了因子F1、F4和F5，最終獲得的參數(shù)估計(jì)結(jié)果如下表7所示：表7中，Wald統(tǒng)計(jì)量用來檢驗(yàn)回歸系數(shù)是否顯著，Sig是Wald統(tǒng)計(jì)量的相伴概率，結(jié)果顯示因子F1，F(xiàn)4和F5的Wald值、Sig值在1%的顯著性水平下極其顯著，說明模型擬合較成功。3.Logistic回歸違約率（）判別分析。判別分析的目的是為了檢驗(yàn)?zāi)Ｐ徒⒌臏?zhǔn)確性，為風(fēng)險(xiǎn)預(yù)警做準(zhǔn)備。具體方法為運(yùn)用已建立的Logistic回歸方程（3.3），得出各樣本的違約概率值，以違約概率0.5為判別臨界點(diǎn)，>0.5計(jì)入違約組，<0.5計(jì)為非違約組，運(yùn)用SPSS16.0軟件運(yùn)行得出模型違約組和非違約組的判別結(jié)果如下表8所示。上表顯示，Logistic模型總的判別準(zhǔn)確率為98%，其中非違約組2409個(gè)樣本全部判別為非違約，判別準(zhǔn)確率100%；而違約組48個(gè)違約樣本全部錯(cuò)判為非違約，判別準(zhǔn)確率0%。由于通過估計(jì)違約概率來識別違約樣本的結(jié)果不理想，我們尋找其他能提高違約樣本判別準(zhǔn)確率的方法。4.Logistic回歸殘差（ZREi）判別分析?；貧w方程的殘差gi是指實(shí)際觀察值yi與通過回歸方程估計(jì)出的回歸值yi之差。殘差可以分為普通殘差gi、標(biāo)準(zhǔn)化殘差ZREi=giσ，一般用于判斷異常值，判斷標(biāo)準(zhǔn)為將超過±2σ或±3σ的殘差視為異常值。由于普通殘差ei的方差不相等，不適合直接用來做判斷，一般將普通殘差標(biāo)準(zhǔn)化，使殘差具有可比性，從而用標(biāo)準(zhǔn)化殘差ZREi來進(jìn)行判斷。本文將殘差異常值的判斷與樣本的違約性判斷聯(lián)系起來，進(jìn)而通過識別回歸殘差的異常值來判斷樣本的違約性。運(yùn)用SPSS16.0軟件輸出所有樣本的標(biāo)準(zhǔn)化殘差ZREi，將用ZREi＞2和ZREi＞1兩個(gè)標(biāo)準(zhǔn)，分別進(jìn)行違約識別，對比分析判別結(jié)果的準(zhǔn)確率，進(jìn)而選取準(zhǔn)確率更高的判別臨界點(diǎn)。在ZREi＞2的判別標(biāo)準(zhǔn)下，判別結(jié)果為：違約組48個(gè)樣本中，標(biāo)準(zhǔn)化殘差值均為正值，且大于2，判為違約組，判別準(zhǔn)確率100%；非違約組2409個(gè)樣本中，標(biāo)準(zhǔn)化殘差值均為負(fù)值，且絕對值小于2，全部判為非違約組，判別準(zhǔn)確率100%。在ZREi＞1的判別標(biāo)準(zhǔn)下，判別結(jié)果與ZREi＞1的判別結(jié)果完全一致，違約組和非違約組的判別準(zhǔn)確率均為100%。
（四）Logistic模型樣本外預(yù)測。為了檢驗(yàn)?zāi)Ｐ偷念A(yù)警能力，本文根據(jù)2006年建立的Logistic回歸方程去預(yù)警2007年的客戶違約情況。選取2007年化工行業(yè)的33個(gè)樣本數(shù)據(jù)，其中7個(gè)違約樣本、26個(gè)非違約樣本。首先運(yùn)用SPSS16.0軟件，將33個(gè)樣本的15個(gè)財(cái)務(wù)指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化，根據(jù)因子得分系數(shù)表4-7，算出每個(gè)樣本的因子得分值F1、F4和F5，代入Logistic回歸方程（4.5），根據(jù)y的預(yù)測值和實(shí)際值算出普通殘差和標(biāo)準(zhǔn)化殘差，分別運(yùn)用ZREi＞2和ZREi＞1兩個(gè)標(biāo)準(zhǔn)來進(jìn)行風(fēng)險(xiǎn)預(yù)警。在ZREi＞2的判別標(biāo)準(zhǔn)下，預(yù)警結(jié)果為：違約組7個(gè)樣本，預(yù)警出2個(gè)違約，預(yù)警準(zhǔn)確率28.57%；非違約組26個(gè)樣本，全部預(yù)警為非違約，預(yù)警準(zhǔn)確率100%。在ZREi＞1的判別標(biāo)準(zhǔn)下，預(yù)警結(jié)果為：違約組7個(gè)樣本，全部預(yù)警為違約，預(yù)警準(zhǔn)確率100%；非違約組26個(gè)樣本，預(yù)警出25個(gè)違約，預(yù)警準(zhǔn)確率96.15%。鑒于ZREi＞1的預(yù)警準(zhǔn)確率明顯高于ZREi＞2的預(yù)警準(zhǔn)確率，本文將ZREi＞1作為預(yù)警樣本違約的判別標(biāo)準(zhǔn)。
二、結(jié)論
關(guān)鍵詞:信用評級風(fēng)險(xiǎn)防范議題
一、引言
新巴塞爾協(xié)議的核心內(nèi)容是內(nèi)部評級,包括了市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)。市場風(fēng)險(xiǎn)由于數(shù)據(jù)都來之外部資本市場,而且方法成熟,需要我們自行研究的較少;操作風(fēng)險(xiǎn)的計(jì)量方法還不夠成熟;信用風(fēng)險(xiǎn),雖然方法成熟,但是需要使用內(nèi)部數(shù)據(jù),從而更多的需要我們自行開發(fā)研究,而且對于中國的銀行業(yè),傳統(tǒng)的信貸業(yè)務(wù)仍是比重最大的業(yè)務(wù),所以信用風(fēng)險(xiǎn)評級是目前我國銀行研究的重點(diǎn),也是內(nèi)部評級的突破口。
信用風(fēng)險(xiǎn)評級模型的基本思想是從已有信用表現(xiàn)的歷史數(shù)據(jù)中提煉信息,得到客戶屬性和行為變量與客戶違約概率之間的函數(shù)關(guān)系,從而來預(yù)測未來的客戶信用狀況。這種函數(shù)關(guān)系,是廣義上的對應(yīng)關(guān)系,并不一定存在顯式的表達(dá)。
盡管信用風(fēng)險(xiǎn)計(jì)量有很多領(lǐng)域還處于研究階段,不過信用風(fēng)險(xiǎn)評級發(fā)展較早,從1968年奧爾特曼(Altman)引入的Z-score模型開始,到現(xiàn)在的logistic模型、機(jī)器學(xué)習(xí)等方法,在發(fā)達(dá)國家,不論是理論研究,還是實(shí)際應(yīng)用,信用風(fēng)險(xiǎn)評級都已經(jīng)相當(dāng)?shù)某墒?。那么我們是否可以直接搬來使用?信用風(fēng)險(xiǎn)內(nèi)部評級模型,方法的選擇固然重要,但是好的方法并不一定對應(yīng)好的結(jié)果,實(shí)際上模型表現(xiàn)更多的決定于問題本身情況和問題解決的處理細(xì)節(jié)。我國的銀行業(yè)進(jìn)行信用風(fēng)險(xiǎn)評級,雖然在技術(shù)上的有一定的“后發(fā)優(yōu)勢”,但是絕對不是簡單的“直接拿來”。信用風(fēng)險(xiǎn)的內(nèi)部評級工作需要根植于內(nèi)部數(shù)據(jù),來開發(fā)適合中國實(shí)際情況的評級模型。本文從銀行內(nèi)部評級的角度,對信用風(fēng)險(xiǎn)評級的若干問題進(jìn)行了討論,并提出了適當(dāng)?shù)奶幚矸绞健?/p>
二、數(shù)據(jù)特性
不同的數(shù)據(jù)特性適用不同的模型。例如,判別分析要求自變量符合多元正態(tài)分布;而Logistic回歸對于數(shù)據(jù)的分布要求比較低,而且在處理綱目數(shù)據(jù)方面有著非常大的優(yōu)越性。在變量不服從多元正態(tài)分布的情況下,Logistic回歸優(yōu)于判別回歸;但是如果變量服從多元正態(tài)分布,那么線性判別規(guī)則是最優(yōu)的。而機(jī)器學(xué)習(xí)類的模型,對于分布要求不高,而且處理離散變量也有明顯的優(yōu)勢,例如決策樹、神經(jīng)網(wǎng)絡(luò)。
模型沒有絕對的最優(yōu),必須按照數(shù)據(jù)情況來選擇合適的模型。數(shù)據(jù)情況的統(tǒng)計(jì)分析,是十分重要的,即使國外已經(jīng)有經(jīng)驗(yàn)表明某種模型表現(xiàn)優(yōu)異,也有結(jié)合實(shí)際的建模數(shù)據(jù)進(jìn)行分析。如果我國的數(shù)據(jù)情況與國外不同,不符合該模型的假定,該模型就不可取。
所以,建模的第一步工作就是分析數(shù)據(jù)情況,討論各種可能模型的適用性,初步確定符合數(shù)據(jù)情況的模型框架。
三、分布的變化
既然信用評級的基本思想是從歷史數(shù)據(jù)中提煉信息來預(yù)測未來的客戶信用狀況。那么,即使我們從歷史數(shù)據(jù)中提煉出了完整的信息,如果歷史數(shù)據(jù)與未來情況不同,預(yù)測的可信度也會成為問題。
一個(gè)比較典型的問題是宏觀經(jīng)濟(jì)的變化。宏觀經(jīng)濟(jì)的變化對于整體違約概率的影響是非常大的,如圖1所示,美國歷年來的公司違約情況。公司客戶的評級往往主要依據(jù)公司的財(cái)務(wù)數(shù)據(jù)來得出結(jié)論,而實(shí)際上,即使是相同的財(cái)務(wù)比例,在不同的宏觀經(jīng)濟(jì)情況下,也有不同的表現(xiàn)。公司類客戶同樣還要考慮整體行業(yè)的演變過程,根據(jù)經(jīng)濟(jì)學(xué)理論,行業(yè)生命周期往往經(jīng)歷萌芽期-擴(kuò)展期-成熟期-衰退期四個(gè)周期。
在消費(fèi)者評分模型中,還有一個(gè)問題是人口漂移。我國目前正處在精神文明和物質(zhì)文明高速發(fā)展的階段,人口特性變化很快,如打工族的出現(xiàn)、貸款購房的增加、家用轎車消費(fèi)增加等。這些變化會導(dǎo)致潛在信用消費(fèi)人群和信用觀念的變化。這種隨著經(jīng)濟(jì)環(huán)境、人口結(jié)構(gòu)和生活方式的變遷使樣本人群的范圍和特質(zhì)發(fā)生變化,一般被稱為人口漂移。人口漂移會使原有評分標(biāo)準(zhǔn)下的評價(jià)結(jié)果與現(xiàn)實(shí)情況不符,這時(shí)就應(yīng)適當(dāng)?shù)恼{(diào)整權(quán)值修正人口漂移帶來的偏差,并不斷更新作為訓(xùn)練樣本的數(shù)據(jù)。
在宏觀經(jīng)濟(jì)的變化引起的違約概率的整體變化,需要建立宏觀經(jīng)濟(jì)模型來調(diào)整客戶評級;而類似人口漂移等問題,數(shù)據(jù)結(jié)構(gòu)都已經(jīng)發(fā)生了變化,需要經(jīng)常的更新訓(xùn)練樣本,升級評級模型。評級模型有個(gè)別模型本身對于分布變化的這類問題有一定的解決能力,例如最近鄰法,它可以直接加入新的申請者或刪除老的用戶的方式動(dòng)態(tài)升級系統(tǒng),從而克服人口漂移帶來的問題。
四、拒絕推斷
當(dāng)我們使用訓(xùn)練樣本進(jìn)行模型研究的時(shí)候,所有訓(xùn)練樣本都是已經(jīng)有信用表現(xiàn)的客戶,即都是曾經(jīng)被授信的客戶,而申請被拒絕的客戶不在其列。但是當(dāng)我們使用模型的時(shí)候,卻面對了所有的可能客戶(即包括了按照以前的標(biāo)準(zhǔn)被授信或者被拒絕的客戶),既然我們模型從來就不認(rèn)識被拒絕客戶,又如何對他們作出判斷呢?所謂“拒絕推斷”(refusereference)是指如何從被拒絕的申請人中鑒別出應(yīng)向其授信的申請人的問題。模型開發(fā)者面臨的情況。
在完全不準(zhǔn)確(近乎隨機(jī))的信用評分的情況下,躍為較為精確的評級模型,“拒絕推斷”造成的影響不是很嚴(yán)重。當(dāng)然實(shí)際情況不會如此,即使是簡單的專家選擇,也會使得訓(xùn)練樣本有偏。而開始使用模型后,由于人口漂移等諸多因素,原有的信用評級模型隨著時(shí)間的流逝而漸漸失效,從而需要不斷地更新。“拒絕推斷”是信用操作中無法回避的重要問題,目前主要的解決有部分接受法、混合分解法等。
1.部分接受法
這是一種解決這類問題的較理想的方法,但是卻不會受到經(jīng)營者的歡迎。部分接受法就是在未被授信的客戶集中進(jìn)行隨機(jī)的取樣,批準(zhǔn)他們的貸款申請,然后觀察其以后的行為。這些申請者,被賦以相應(yīng)的權(quán)重,然后和那些通過原有規(guī)則獲得批準(zhǔn)的客戶(或者是它們當(dāng)中的隨機(jī)取樣)聯(lián)系在一起,這將會帶來完全隨機(jī)的人群樣本,可以用來創(chuàng)建新的評級模型。但是經(jīng)營者往往不愿意這樣做,他們的理由就是既然那些客戶已經(jīng)被認(rèn)為是沒有好的信用質(zhì)量,批準(zhǔn)他們的信用申請會帶來損失。但是,如果授信方接收了當(dāng)中一些人的申請,那么就可以通過建立更加具有預(yù)測能力的模型再長期獲利。在任何情況下,授信方的利潤都不會因?yàn)檫@些取樣而受到太大的影響,因?yàn)檫@些取樣都是經(jīng)過仔細(xì)挑選的。關(guān)于部分接受法的研究還需要更加廣泛的工作,不過有一點(diǎn)可以肯定的是,這個(gè)方法需要前臺經(jīng)營部門和風(fēng)險(xiǎn)管理部門的通力合作和預(yù)先的計(jì)劃。
2.混合分解法
這是一種在沒有任何關(guān)于人群信息的情況下,估計(jì)兩種人群比例的方法。使用這種方法的前提是關(guān)于好壞人群的性質(zhì)分布的假設(shè)。特別是,必須假設(shè)知道這些分布就等同于知道一些參數(shù)的值,而這些值是可以通過數(shù)據(jù)估計(jì)的。這種方法的關(guān)鍵就在于將假定的優(yōu)質(zhì)客戶分布與假定的劣質(zhì)客戶分布的加權(quán)平均作為觀察值的分布與整體樣本分布的匹配。如此得到的整體樣本分布稱為“混合分布”。
這一方法可以讓人們能夠利用已知分布的一些優(yōu)異性質(zhì),但它的弊端也很明顯,就是關(guān)于好壞分布的假設(shè)必須是準(zhǔn)確的。不幸的是,信用數(shù)據(jù)的特征非常復(fù)雜,想準(zhǔn)確的得到它的分布往往是很困難的。
五、數(shù)據(jù)真實(shí)性
這是一個(gè)比較有中國特色的問題,雖然發(fā)達(dá)國家也有財(cái)務(wù)欺詐,但是絕對沒有中國的嚴(yán)重。由于制度的缺失,或者制度執(zhí)行的乏力,在中國,即使是會計(jì)師事務(wù)所審計(jì)出來的數(shù)據(jù)可能也是不可靠的。所以反財(cái)務(wù)欺詐,對于模型開發(fā)者是面臨的嚴(yán)峻問題。但是模型開發(fā)者能做的只能是發(fā)現(xiàn)在統(tǒng)計(jì)意義上或者邏輯關(guān)系上出現(xiàn)的異常現(xiàn)象。
六、數(shù)據(jù)缺失
我國銀行建立評級模型,面臨最為嚴(yán)重的問題是數(shù)據(jù)缺失。在數(shù)據(jù)缺失非常嚴(yán)重的情況,建立一個(gè)優(yōu)秀的模型幾乎是不可能的,所以在此討論在能建模的前提下,數(shù)據(jù)缺失問題如何處理。
如果一個(gè)變量缺失一定比例(例如50%)以上,只有放棄該變量;如果從經(jīng)濟(jì)學(xué)含義上,該變量確實(shí)非常重要,那么只有通過專家的經(jīng)驗(yàn)來尋找可替代的變量(或者變量組合)。例如,家庭地址的所屬區(qū)可能是十分重要的變量,但是并沒有被記錄,或者建模人員無法從家庭地址中提煉出區(qū)域,那么可以通過郵政編碼和電話號碼結(jié)合表征區(qū)域變量。
在數(shù)據(jù)缺失不是很嚴(yán)重的情況下,我們可以采用缺值替代的方法,例如均值替代、同類均值替代等,或者在不影響數(shù)據(jù)量的前提下也可以直接刪除數(shù)據(jù)缺失的記錄。
以上討論的都還是完全隨機(jī)缺失,這類缺失是完全隨機(jī)發(fā)生的,不影響樣本的無偏性。但是缺失更常見的隨機(jī)缺失和非隨機(jī)缺失,所謂隨機(jī)缺失是指該變量的數(shù)據(jù)缺失與其他變量有關(guān),例如財(cái)務(wù)數(shù)據(jù)缺失情況與企業(yè)的大小有關(guān);非隨機(jī)缺失是該變量的缺失與本身取值有關(guān),如高收入人群的不原意提供家庭收入,財(cái)務(wù)情況差的公司不提供財(cái)務(wù)報(bào)表。
對于隨機(jī)缺失和非隨機(jī)缺失,刪除記錄是不合適的,隨機(jī)缺失可以通過已知變量對缺失值進(jìn)行估計(jì);而非隨機(jī)缺失還沒有很好的解決辦法?？偨Y(jié)而言,缺值問題還是一個(gè)需要深入研究的問題。
七、過度擬合
由于樣本中存在噪音,所以模型的擬合優(yōu)度只能達(dá)到一定程度,這是理論能達(dá)到的最優(yōu)擬合度。有些時(shí)候,當(dāng)模型把噪音當(dāng)成了信息進(jìn)行擬合,使得擬合優(yōu)度超過了理論的最優(yōu)擬合度,過度擬合的模型實(shí)際上包含了錯(cuò)誤的信息,預(yù)測能力很差。如圖3是一個(gè)過度擬合的簡單例子,對于圖中的點(diǎn),我們通過線性擬合和非線性擬合得到擬合曲線a和b,顯然的曲線b的擬合優(yōu)度要高于曲線a,但是如果本質(zhì)上y和x之間是線性關(guān)系,那么非線性擬合的模型假設(shè)是錯(cuò)誤的,較高的擬合優(yōu)度實(shí)際上是過度擬合造成的。
過度擬合可以通過評價(jià)樣本等方法來解決,如圖4,當(dāng)訓(xùn)練不斷進(jìn)行,訓(xùn)練樣本的誤判率不斷降低,而評價(jià)樣本則呈現(xiàn)先降后升的情況,那么當(dāng)評價(jià)樣本的誤判率到最低時(shí),我們就應(yīng)該停止訓(xùn)練。
八、指標(biāo)選取中一些問題
信用評級在我國還處于起步階段,而發(fā)達(dá)國家已建立起一套相當(dāng)完備的標(biāo)準(zhǔn),在很多方面我們可以借鑒已有成果,但我國的文化習(xí)慣和道德標(biāo)準(zhǔn)與發(fā)達(dá)國家之間存在很大差異,在選取指標(biāo)時(shí)應(yīng)注意國情和評估的具體目的。具體評價(jià)指標(biāo)的選取各國具有不同,如美國法律不允許將性別、年齡等個(gè)人屬性作為指標(biāo)列入消費(fèi)者信用評估體系,但這顯然是非常重要的指標(biāo),而且我國目前沒有這樣的法律規(guī)定;德國將是否服兵役作為一項(xiàng)重要指標(biāo);意大利將出生省份和婚約中對共同財(cái)產(chǎn)的要求作為重要指標(biāo);而日本則將供職公司是否上市以及公司的雇員數(shù)作為重要指標(biāo)。
