商业银行信贷风险模糊综合评价研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇商业银行信贷风险模糊综合评价研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：随着贷款业务不断发展，信誉风险已成为中国商业银行面临的最大风险。介绍了银行贷款的风险分类，并给出贷款风险的指标评价体系，为了避免信息重叠，运用主成分分析法进行降维处理，同时引入了对数化法对指标进行无量纲化处理。结合模糊综合评价理论建立风险等级评价模型，并用实例验证了模型的有效性。
关键词：模糊评价；风险；主成分分析；贷款
中图分类号：F830.5 文献标志码： A 文章编号：1673-291X（2011）07-0073-04
商业银行是具有综合功能的特殊企业。贷款业务是商业银行的一项主要资产业务。贷款风险的大小和质量会对商业银行经营管理产生根本影响，银行贷款一般存在贷款金额大和风险较高的特点，因此贷款银行必须对贷款项目进行严格的科学评估。中国银行业监督管理委员会统计，截至2007年第四季度末，中国商业银行不良贷款余额达12 684.2亿元，不良贷款率6.17%[1]。因此，研究如何构建项目贷款风险等级的评价体系，并在此基础上对其进行科学的评判，就显得很有现实意义。
目前，中国银行的项目评价主要采用风险等级评定法，但在具体操作过程中，存在指标过于主观化的问题，不管是主观指标还是客观指标，都采取单纯的专家打分法，有点过于粗略，无法客观反映贷款项目的真实风险，不利于银行做出科学的贷款决策。文献[2]采用层次分析法进行银行贷款风险分类评价，没有考虑到专家评价的主观性。文献[3～5]运用了模糊综合评价法识别风险。本文对风险评价指标之间存在不同程的相关性以及信息重叠的可能性，采用主成分分析的方法进行降维处理，进而降低了实际计算的工作量。另外，本文针对贷款风险评价的模糊性，运用模糊综合评价理论对项目贷款进行的风险评价。
一、银行信贷风险及分类
风险是指由不确定性因素所引起损失产生的可能性。商业银行的信贷风险，是商业银行在经营过程中，由于不确定性因素使借款人不能按合同规定偿还银行贷款本息，导致信贷资产预期收入遭受损失的可能性。银行信贷风险管理是指银行通过对信贷风险的识别，选择相应的手段，以最小的支出获取最大安全效果的过程。
贷款风险分类指银行综合所获得的各种信息，并运用最佳判断，根据贷款风险程度对贷款质量作出论证。对贷款风险分类的标准，目前国际上没有贷款分类标准，也没有权威的准则和指导方针。中国人民银行在比较研究各国在信贷资产分类方面做法的基础上，要求商业银行按风险程度将贷款划分为五类，即正常、关注、次级、可疑、损失。（1）正常贷款：借款人能够履行合同，没有足够理由怀疑贷款本息不能按时足额偿还；（2）关注贷款：尽管借款人目前有能力偿还贷款本息，但存在一些可能对偿还产生不利影响的因素。虽然借款人目前偿还贷款本息没有问题，但是存在潜在的缺陷，继续存在下去将会影响贷款的偿还；（3）次级贷款：借款人的还款能力出现明显问题，完全依靠其正常经营收人无法保证足额偿还贷款本息，即使执行担保，也可能会造成一定损失；（4）可疑贷款：借款人无法足额偿还贷款本息，即使执行担保，也肯定要造成较大损失。贷款已经肯定要发生损失，只是因为存在借款人重组、兼并、合并、抵押物处理或未决诉讼等待定因素，损失金额不能确定。（5）损失贷款：在采取所有可能的措施或一切必要的法律程序之后，贷款本息仍然无法收回，或只能收回极少部分。
二、银行项目贷款风险评价指标评价体系
文献[6]从银行（债权人）角度出发 ，将贷款的风险主要分为三类：财务风险、经营风险和道德风险。本文依据评价的科学性、可比性、综合性和层次性的原则，基于中国现有的银行项目贷款风险等级的评价指标，力求全面系统地反映真实的风险内涵。本文基于层次分析法的思想，首先确定目标层，即银行项目贷款风险等级评价体系。然后确定准则层，项目管理者素质、项目概况、项目财务评价、项目获利能力、社会效益、银行自身素质6个指标。具体方案层指标（见下页图1）。
三、银行贷款风险评价模型构建
（一）主成分分析法介绍
主成分分析（principle component analysis）是将多个指标转化为一个或少数几个互不相关的综合指标一种多元统计分析方法，它的核心思想是降维，通过把具有相关关系的多个因子转化为一组相互独立的少数几个综合因子，把各原始指标因子中重叠的信息去掉，在不改变原始数据所提供的信息的基础上更集中、更典型地显示出研究对象的本质特征。由于传统的主成分分析法没有考虑原始变量之间可能存在着一种非线性关系，所以在本文引入了对数化法对指标进行无量纲化，即对原始数据矩阵进行对数化处理。主成分分析的步骤如下：
1.原始数据矩阵的构建
设有n个被评价对象，每个对象由p个指标x1，x2，…，xP来描述。则得到原始数据矩阵：
X=x11 x12 … x1Px21 x22 … x2P… … … …xn1 xn2 … xnP=（x1，x2，…，xP）
2.将原始数据标准化
引入了对数化法对指标进行无量纲化。即对原始数据矩阵进行对数化处理：yij=lnxij-lnxik
为了使各种评价指标具有可比性，采用如下公式（标准差标准化方法），对原始数据进行标准化处理。
x*ij= i=1，2，…n j=1，2，…p
其中，j和s2j分别是第j个指标的样本均值和样本方差，且j=yij
s2j=（yij-j）2
采用极值标准化公式把标准化数据压缩到[0，1]区间，x′ij=，其中，x* j max和x* j min分别是标准化数据中的最大和最小值。
3.计算相关关系矩阵
由上一步得标准化数据矩阵X′=（x′ij），计算原始指标的相关系数矩阵。R=r11 r12 … r1Pr21 r22 … r2P… … … …rP1 rP2 … rPP，其中，rij是xi指标因子与xj指标因子的相关系数，且
rij=x′kix′kj i，j=1，2，…，p
4.求解相关矩阵的特征根和特征向量
相关矩阵R作正交变换得对角矩阵，即存在正交矩阵Q，使得
Q′RQ=λ1λ2 λP
其中，λ1，λ2，…，λP为R的p个特征根，设λ1≥λ2≥…≥λP对应的特征向量为aj=（a1j，a2j，…，apj）j=1，2，…，p
特征向量aj是主成分Yj的原始指标（标准化）的组合系数，即Yj=a*kjx* k j=1，2，…，p
5.计算方差贡献率和累计方差贡献率
第j个主成分Yj的贡献率为：ej=
累计方差贡献率是表示前个主成分所提取的原始数据信息量的比重 ，G（r）=ek
6.提取主成分
在已确定的全部p个主成分中合理选择前r个来实现最终的评价分析。实际应用中，确定r的值通常要使G（r）达到70%～85%以上为原则。
1.评价因子和模型库的确定
银行贷款风险等级的标准模型库定义为U={A1，A2，A3，A4，A5}，风险评价指标集为X={x1，x2，…，xn}。各评价因子的标准值（见表1）。
表1 评价因子的标准值
2.隶属度计算
根据实际情况，隶属函数按照指派方法确定，选择梯形分布。A1、A2～A4、A5的隶属函数分别为：
A1（xi）=1， xi≥ai1， ai1＞xi≥aii20， xi＜ai2
A5（xi）=1， xi≥ai4， ai5＞xi≥ai40， xi＜ai5
Aj（xi）=0， xi≥aij+1， aij-1＞xi≥aij， aij＞xi≥aij+10， xi＜aij+1
3.根据隶属函数得出模糊评价矩阵B
4.计算各指标的权重V={v1，v2，…，vn}
5.综合评价
进行模糊矩阵合成运算，项目贷款的风险评价。由公式C=V•B计算出总体评价隶属度。根据最大隶属度原则可判断风险等级。
（三）实证分析
本文以石家庄市某银行项目贷款作为样本，该项目为房地产开发建设，投资额巨大。风险也极高，因此，必然要对该建设项目进行科学的风险评估。
首先对指标进行主成分分析，对通过计算样品的相关系数矩阵出发进行主成分分析，按照提取主成分的个数一般要求其累计方差贡献超过80%的原则，提取前4个主成分（见表2）。
用主成分载荷矩阵中的数据除以主成分相对应的特征值开平方根便得到主成分中每个指标所对应的系数，具体数值（见表3），由于篇幅有限，只写出了第一个主成分的表达式。
Y1=0.0807X1-0.3907X2+0.1391X3+0.2301X4-0.0673X5
+0.0152X6-0.0191X7+0.2357X8+0.4632X9+0.5794X10+0.2720X11
+0.3208X12+0.5058X13+0.2198X14+0.1449X15+0.2510X16+0.1950X17
-0.0426X18-0.0002X19+0.0686X20-0.2084X21-0.1163X22+0.010X23
在第一在主成分中，累计债务覆盖率、项目债务偿还率、总债务比率等指标，其权重均在0.4以上，可视为债务因素；在第二主成分中，内部收益率、现金流量的充足情况、利润总额、净资产收益率、销售利润率等指标，其权重均在0.4以上，可视为收益因素；在第三主成分中，学历、信誉、管理能力、销售能力、银行信贷文化等指标所占比重较大，各指标权重均在0.4以上，可视为能力因素；在第四主成分中，项目的建设条件、先进适用性、市场的前景、公共关系评价、增加就业情况、对环境的影响等指标权重较大，可视为外部因素。
运用上述模型进行模糊综合评价，根据各主成分的总贡献率，可以确定4个主成分的权重。V＝｛0.329，0.280，0.228，
0.150｝，采用专家评分法确定指标值，计算4个主成分的得分，并代替原始样本数据用于模糊评价，因子得分值（见表3）。
表3 主成分得分
根据上述模型中的隶属函数得出模糊评价矩阵B。
B=0 0 0.54000 0.660 000.160 0 000 0 0 00.06 C=V•B=（0.036，
0.185，0.178，0.009）
根据最大隶属度原则，该大型水利水电项目贷款的风险等级为：关注贷款，与实际状况基本一致。从各主成分得分可以看出，该项目的外部风险较大，因此，建议银行规范贷款行为，正确评价项目的市场前景，并积极关注产业项目的发展走势。
四、结论
1.本文使用主成分分析方法消除各指标间的相关影响，有助于对评价对象的正确认识，而且在合成时，可直接采用线性加权，非常方便。在本例中就是由23个指标合成为4个主成分，并根据主成分分析中的特征值来确定各指标的权重，直接应用于模糊评价模型。
2.本文运用的模糊综合评价方法是定性与定量相结合、专家经验与科学计算互为补充的系统分析方法。用该方法评定出的银行项目贷款风险，有利于银行作出客观科学的信贷决策。
3.本文基于主成分分析法和模糊综合评价法对商业银行进行风险评价，实证显示该方法与实际状况基本一致，由于目前国际上没有贷款分类标准和评分标准，因此，无法获取更充分的数据。希望本文提出的模型能够对商业银行进行风险评价、降低贷款风险提供帮助。
参考文献：
[1]中国银行业监督管理委员会.2007年商业银行不良贷款情况表[EB/OL].http：//www.cbrc.省略/.
[2]姜灵敏.基于AHP的商业银行贷款风险分类评价模型[J].科技管理研究，2005，(9)：178-181.
[3]刘晓星，何建敏.银行项目贷款风险等级的模糊综合评价[J].研究管理，2003，(6)：49-54.
[4]蔡明瑞，黄志强.模糊综合评价法在银行贷款风险分类中的应用[J].合作经济与科技，2004，(12)：23-24.
[5]聂名华，颜晓晖.境外直接投资风险识别及其模糊综合评价[J].中南财经政法大学学报，2007，(2)：86-90.
[6]魏农.贷栽企业风险评价及规避[J].现代金融，2004，(11)：14-15.
Research on Fuzzy Comprehensive Evaluation of Commercial Bank Credit Risk
CUI He-rui，HUANG Jie
（Department of Economics and Management，North China Electricity Power University，Baoding 071003，China）
Abstract：With the continuous development of business loans，credit risk has become the greatest risk which commercial banks faced.This paper analyzed the risk classification of bank loans and gave the credit risk evaluation indicators system，in order to avoid duplication of information，used principal component analysis for reduced-order processing，in the meanwhile，used Logarithmic for non-dimensional bined with fuzzy comprehensive evaluation to establish a risk prediction model，and an empirical were given to analyze the validity of the model
Key words：principal component analysis；risk；fuzzy comprehensive evaluation；load