【正文】 ates model etc. for theories foundation, pass to bine A bank credit project purpose actual case, technique and method draw lessons from foreign advanced science, bine domestic economy and finance of actual, to A bank credit project risk identifies, risk analysis and generous character and risk control and evade carried on an analysis, put forward to build suitable A bank credit of the oneself risk management system, excellent turn A bank of risk management mode, the exaltation credit risk to identify, control with evade ability of correspond a research suggestion, for bank credit project the research of the risk management realm provide a reference. 【 Keyword】 Bank credit。 國(guó)際許多知名銀行在信貸風(fēng)險(xiǎn)管理上已開(kāi)發(fā)并使用了新的技術(shù)方法來(lái)度量和管理信 貸風(fēng)險(xiǎn)，我國(guó)商業(yè)銀行信貸風(fēng)險(xiǎn)管理從整體上與國(guó)外先進(jìn)銀行相比仍有較大的差距， 尤其在風(fēng)險(xiǎn)度量上，由于受傳統(tǒng)的信貸風(fēng)險(xiǎn) 管理 理念的影響，風(fēng)險(xiǎn)管理的方法和手段應(yīng)用還沒(méi)有形成 很 大的突破。 銀行 信貸業(yè)務(wù)是我國(guó)商業(yè)銀行 的主要業(yè)務(wù)之一，是銀行的最主要利潤(rùn)來(lái)源。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過(guò)的研究成果。與 我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在 論文中作了明確的說(shuō)明并表示 謝意。信 貸項(xiàng)目風(fēng)險(xiǎn)管理 因此 成為商業(yè)銀行運(yùn)營(yíng)管理的關(guān)鍵環(huán)節(jié)，信貸項(xiàng)目風(fēng)險(xiǎn)管理水平的高低決定著銀行自身 盈利能力、 資產(chǎn)質(zhì)量與生存狀態(tài)，影響著整個(gè)金融系統(tǒng)的穩(wěn)定和安全。 如何對(duì) 商業(yè)銀行 信貸風(fēng)險(xiǎn)進(jìn)行及時(shí)準(zhǔn)確地度量 與有效 管理，建立起 銀行 早期預(yù)警 與 后期評(píng)估等風(fēng)險(xiǎn)管理 體系 ，從而提高銀行的盈利水平和促進(jìn) 銀行 的運(yùn)營(yíng) 安全， 促進(jìn) 整個(gè)金融 系統(tǒng) 的 健康持續(xù)穩(wěn)定發(fā)展 ，成為銀行信貸風(fēng)險(xiǎn)管理工作的 當(dāng) 務(wù)之急 。 Credit risk。 項(xiàng)目管理作為一種現(xiàn)代技術(shù)經(jīng)濟(jì)管理的手段，一般包含規(guī)劃、組織、領(lǐng)導(dǎo)、控制四個(gè)過(guò)程，這四個(gè)過(guò)程環(huán)環(huán)相扣，聯(lián)系緊密 。近年來(lái)，這種信貸風(fēng)險(xiǎn)管理模型的發(fā)展正在對(duì)傳統(tǒng)的信貸風(fēng)險(xiǎn)管理模式產(chǎn)生巨大的影響。目前我國(guó)商業(yè)銀行的信貸風(fēng)險(xiǎn)管理水平較低，管理手段比較落后，不良貸款率嚴(yán)重偏高，極大地影響了我國(guó)商業(yè)銀行的競(jìng)爭(zhēng)能力。 三 是有利于提高我國(guó) 商業(yè)銀行的 國(guó)際競(jìng)爭(zhēng)力 ， 通過(guò) 強(qiáng)化 和完善我國(guó)商業(yè)銀行信貸風(fēng)險(xiǎn)管理 ，不斷提高 銀行的綜合競(jìng)爭(zhēng)力， 提高我國(guó) 商業(yè)銀行在 全球化的發(fā)展中確立競(jìng)爭(zhēng)優(yōu)勢(shì)。 （ 1） 有償性。 （ 3）融通性。 銀行信貸項(xiàng)目 風(fēng)險(xiǎn) 管理 就是是商業(yè)銀行根據(jù)信貸風(fēng)險(xiǎn)的性質(zhì)、大小、企業(yè)的經(jīng)營(yíng)目標(biāo)、風(fēng)險(xiǎn)承受能力與管理能力等因素，選擇合適的風(fēng)險(xiǎn)管理與控制的策略和工具，對(duì)所面臨的信貸風(fēng)險(xiǎn)進(jìn)行管理 。 Altman(1967,1997)分別給出了 5 個(gè)變量和 7個(gè)變量的 Z 評(píng)分模型，將所有企業(yè)分為可能破產(chǎn)違約企業(yè)和不會(huì)破產(chǎn)違約企業(yè)兩類， 運(yùn)用了資產(chǎn)報(bào)酬率、營(yíng)運(yùn)資本等 5 個(gè)指標(biāo)進(jìn)行回歸，并且引入了資產(chǎn)報(bào)酬率、利息保障倍數(shù)等 7 個(gè)指標(biāo)作為揭示企業(yè)失敗和成功的變量 ， 通過(guò)選擇適當(dāng)?shù)淖兞?，并?gòu)建評(píng)分模型以達(dá)到控制信用風(fēng)險(xiǎn)的目的。目前，用于定量與測(cè)度信用風(fēng)險(xiǎn)的綜合模型可分為違約模型和 組合模型兩大類； CreditRisk+模型和 CreditPortfolioView 模型屬于違約模型，其主要特點(diǎn)是基于理論分析來(lái)確定資產(chǎn)組合未來(lái)的違約分布 ； CreditMetrics 模型與 KMV 模型則屬于組合模型，主要特點(diǎn)是基于歷史數(shù)據(jù)來(lái)估計(jì)資產(chǎn)組合未來(lái)的違約分布。 隨著我國(guó)商業(yè)銀行市場(chǎng)化和國(guó)際化的深入推進(jìn)，在巴塞 ① Odom M D,Sharda neural work model for bank ruptcy prediction. Proceedings of the IEEE International Joint Conference on Neural Netwo ,2:163168. ② Coats P, Pant L. Recognizing financial dist ress pat terns using a neural work tool. Financial Management,1993,22(3):142155. ③ Kerling M , Poddig T. Klassifikation von Unternehmen mittels KNN. H Rehkugler, H G Zimmermann. Neuronale Netze in der Okonomie. Munchen,1994. ④ Piramuthu S. Financial creditrisk evaluat ionwith neural and neurofuzzy Journal of Operational Research,1999,112(2):310321. A 銀行信貸項(xiàng)目風(fēng)險(xiǎn)管理研究 5 爾協(xié)議框架下，銀行信貸項(xiàng)目風(fēng)險(xiǎn)管理的研究越來(lái)越受到業(yè)內(nèi)和學(xué)者的重視， 近年來(lái)國(guó)內(nèi)在銀行信貸項(xiàng)目風(fēng)險(xiǎn)管 理領(lǐng)域的研究也出現(xiàn) 不少的 成果： 梁琪（ 2021）在《商業(yè)銀行信貸風(fēng)險(xiǎn)度量研究》中，闡述了商業(yè)銀行面臨的信貸風(fēng)險(xiǎn)、信貸風(fēng)險(xiǎn)的傳統(tǒng)度量方法和建立量化度量方法的必要性與挑戰(zhàn)性，提出了度量商業(yè)銀行組合信貸風(fēng)險(xiǎn)的組合法；對(duì)銀行個(gè)體貸款損失之間的相關(guān)度量進(jìn)行了較全面的理論研究，對(duì)損失相關(guān)的各種替代度量方法進(jìn)行了比較分析，提出了替代度量流程；同時(shí)，對(duì)銀行信 貸組合的預(yù)期損失和非預(yù)期損失等信貸風(fēng)險(xiǎn)度量值在銀行信貸風(fēng)險(xiǎn)管理中的應(yīng)用進(jìn)行了分析，對(duì)組合信貸風(fēng)險(xiǎn)管理體系中的風(fēng)險(xiǎn)識(shí)別、風(fēng)險(xiǎn)度量、風(fēng)險(xiǎn)控制與績(jī)效評(píng)估等進(jìn)行了剖析，對(duì)我國(guó)商業(yè)銀行信貸風(fēng)險(xiǎn)的度量和管理提出了諸多建議。為此，提出了商業(yè)銀行信貸項(xiàng)目風(fēng)險(xiǎn)控制模型的構(gòu)建和商業(yè)銀行信貸項(xiàng)目風(fēng)險(xiǎn)控制體系。提出了 完善并強(qiáng)化信貸風(fēng)險(xiǎn)內(nèi)控管理機(jī)制 ； 綜合治理不良資產(chǎn)化解存量信貸風(fēng)險(xiǎn) ； 調(diào)整信貸結(jié)構(gòu)，優(yōu)化信貸投入 ； 加快商業(yè)銀行法人治理結(jié)構(gòu)的完善步伐，從體制上嚴(yán)防信貸業(yè)務(wù)操作風(fēng)險(xiǎn)的產(chǎn)生 ； 利用信息技術(shù)提高信貸風(fēng)險(xiǎn)管理技術(shù)水平及完善各項(xiàng)信貸管理制度 ； 建立以風(fēng)險(xiǎn)控制為核心的信貸文化 等對(duì)策措施。 ① 從已有的 銀行信貸項(xiàng)目風(fēng)險(xiǎn)管理 研究 的 成 果來(lái)看，這些研究成果仍存在 如下尚待解決的 問(wèn)題和不足 ： 一是 我國(guó) 銀行信貸風(fēng)險(xiǎn)管理 的研究在理論研究方面明顯滯后于 銀行業(yè)務(wù) 發(fā)展實(shí)踐， 在信貸風(fēng)險(xiǎn)管理上 缺乏從理論到實(shí)證 的 支撐依據(jù)； 二是 ， 對(duì)信貸風(fēng)險(xiǎn)管理 缺少結(jié)合實(shí)證的 深度 研究；尤其缺乏對(duì) 信貸風(fēng)險(xiǎn) 風(fēng)險(xiǎn)識(shí)別、風(fēng)險(xiǎn)分析和度量 的剖析 和 研究。 第二章 基本理論 部分。 第四章 A 銀行信貸項(xiàng)目風(fēng)險(xiǎn)分析和度量 部分。 第六章 A 銀行信貸項(xiàng)目案例分析 部分。 研究方法 銀行信貸項(xiàng)目風(fēng)險(xiǎn)管 理研究是金融領(lǐng)域較為前沿的研究課題 ， 本文主要采用的研究方法是： 、定量定性分析與比較分析等方法，對(duì)銀行信貸項(xiàng)目風(fēng)險(xiǎn)管理進(jìn)行較全面的分析研究，并提出了完善銀行信貸項(xiàng)目風(fēng)險(xiǎn)管理的相應(yīng)對(duì)策。 1977 年，阿爾特曼、赫爾德門（ Heldeman）和納瑞亞南（ Narayanan）對(duì) Z 評(píng)分模型進(jìn)行了修正和完善，構(gòu)建了第二代 信用評(píng)分 模型 ZETA 模型（ ZETA credit risk model）。 Z 值越大，表明資 信越好； Z值越小，說(shuō)明風(fēng)險(xiǎn)就越大 。 ZETA模型和 Z評(píng)分模型 都是 以會(huì)計(jì)資料為基礎(chǔ)的多變量信用 風(fēng)險(xiǎn)測(cè)定 模型。一般 分為 四個(gè)步驟：一是確立評(píng)級(jí)體系及借款人從一個(gè)信用級(jí)別轉(zhuǎn)移到另一個(gè)信用級(jí)別的概率；二是利用貼現(xiàn)法計(jì)算貸款的現(xiàn)值；三是計(jì)算出將來(lái)信用轉(zhuǎn)移后資產(chǎn)組合價(jià)值的變化分布；四是計(jì)算在一定置信度下的 VaR 值。 （ 3） 聯(lián)合違約概率 推導(dǎo) 借款 人 1 和 借款 人 2 的違約事件分別為 Def1 和 Def2，資產(chǎn)收益相關(guān)性是ρ ，考慮兩個(gè)債務(wù)人違約概率分別為 P_1(Def_1)和 P_2(Def_2)，則 P1(Def1,Def2)是違約的聯(lián)合概率。這一水平對(duì)應(yīng)的點(diǎn)就是違約觸發(fā)點(diǎn) DP（ default point） ,即公司的資產(chǎn)價(jià)值等于負(fù)債價(jià)值時(shí)的點(diǎn)。 ① KMV 模型 理論認(rèn)為，所有者權(quán)益 E 可以由下列函數(shù)式表示： E=f(A,σ A,K,r,t) 式中， A 是資產(chǎn)的市場(chǎng)價(jià)值； σ A是 資產(chǎn)市場(chǎng)價(jià)值的標(biāo)準(zhǔn)差 ， σ A=ησ E； K 是銀行貸款金額，即違約點(diǎn)； r 是無(wú)風(fēng)險(xiǎn)利率； t 是貸款到期的期限。 RE 為信貸的風(fēng)險(xiǎn)暴露額，一般指可能經(jīng)受損失風(fēng)險(xiǎn)的貸款金額。麥肯錫公司借用 了 Wilson的建模思想， 構(gòu)建 宏觀模擬模型，以有條件轉(zhuǎn)移矩陣取代以歷史數(shù)據(jù)為基礎(chǔ)的無(wú)條件轉(zhuǎn)移矩陣，并求出對(duì)經(jīng)濟(jì)周期敏感的 VaR值。 CPV 模型 包括兩個(gè)重要組成部分，一個(gè)是多因素系統(tǒng)違約風(fēng)險(xiǎn)模型，另一個(gè)是計(jì)算資產(chǎn)組合信貸敞口離散時(shí)間的損失分布。 CPV 提出將宏觀經(jīng)濟(jì)因子與違約和信用等級(jí)轉(zhuǎn)移概率聯(lián)系 在一起，構(gòu)建如下多因素系統(tǒng)違約風(fēng)險(xiǎn)模型： Yjt=β j0+β j1Xj1t+? +β jmXjmt +ε jt 式中， j代表某個(gè)國(guó)家或行業(yè)，并假定每個(gè)宏觀 經(jīng)濟(jì)變量都服從二級(jí)一元自回歸模型，并假定條件違約概率采用邏輯函數(shù)形式，則： )exp(1 1 Yp jtjt ??? t 期條件違約概率被確定且邏輯函數(shù)的形式能確保概率的大小不會(huì)超過(guò) Yjt式， 式 中 Xj， t= Xj1t， Xj2t? Xjmt， 代表 國(guó)家或行業(yè) j 在 t 期的宏觀經(jīng)濟(jì)指數(shù) 。 模型 CPV 模擬信貸損失 模型 構(gòu)建步驟，首先確定經(jīng)濟(jì) 所處的狀態(tài)，其次估計(jì)每個(gè)行業(yè)部門的條件轉(zhuǎn)移與累積違約概率，最后確定損失分布。當(dāng)模擬任何時(shí)間 t=1,2,? ,T的 pjt，則可以生成一個(gè)多期的信用等級(jí)轉(zhuǎn)移概率矩陣： .)/(,...,1 ,??? Tt tjT SD PpMM ?① 第三章 A 銀行信貸項(xiàng)目風(fēng)險(xiǎn)識(shí)別 已有貸款風(fēng)險(xiǎn)識(shí)別和評(píng)估模型評(píng)價(jià) A 銀行信貸項(xiàng)目風(fēng)險(xiǎn)管理文化 A 銀行 是新中國(guó)成立的第一家國(guó)有商業(yè)銀行， 前身最早可追溯到 1951 年成立 的農(nóng)業(yè)合作銀行， 是 中國(guó)四大銀行 之一。 A 銀行自 2021 年起，通過(guò)經(jīng)濟(jì)資本管理 手段，以計(jì)量、分配和控制各部門各行業(yè)和區(qū)域的風(fēng)險(xiǎn)敞口， 對(duì)信貸項(xiàng)目進(jìn)行有效 風(fēng)險(xiǎn) 管理。 A 銀行已有貸款風(fēng)險(xiǎn)識(shí)別和評(píng)估模型評(píng)價(jià) A銀行構(gòu)建了全面風(fēng)險(xiǎn)管理體系， 應(yīng)用大量 諸如 將 五級(jí)分類細(xì)化的十二級(jí) 貸款分類法、 回歸分析法、聚類分析法、因子分析法 和 多元判別分析 等 貸款風(fēng)險(xiǎn)識(shí)別和評(píng)估模型。 A 銀行信貸項(xiàng)目風(fēng)險(xiǎn)管理研究 20 基于 Elman神經(jīng)網(wǎng)絡(luò)的評(píng)估模型建立 Odom(1990)將神經(jīng)網(wǎng)絡(luò)分析方法引入到信用風(fēng)險(xiǎn)測(cè)度之后，神經(jīng)網(wǎng)絡(luò)分析方法得到較快的發(fā)展和實(shí)踐應(yīng)用。在 神經(jīng)網(wǎng)絡(luò) 計(jì)算方法中，單層 神經(jīng)網(wǎng)絡(luò) 將回歸函數(shù)設(shè)計(jì)為： )()( 10 XWhx TmmMm m ??? ?? ? ??? 式中， β 0， β 1， ? β m, ?1 ， W1,? , ?m ， Wm 是未知參數(shù)， )( XWh Tmm?? 稱為神經(jīng)網(wǎng)絡(luò)的 隱單元， h稱作激活函數(shù)并通常作如下 s型函數(shù)： Reh ??? ? ?? ? ),1/(1)( 除了 s型函數(shù)， h有時(shí)會(huì)用高斯核函數(shù) eh ?? ?? 2)( 表示，這樣 )( XWh Tmm??在神經(jīng)網(wǎng)絡(luò)中用 ?mmWXh /)( ? 來(lái)替代，于是得到以下徑向基網(wǎng)絡(luò)： }/e x p {)( 2210 ??? mmMm m WXx ???? ?? ? Elman 神經(jīng)網(wǎng)絡(luò) 由 輸入層、 關(guān)聯(lián)層、 隱層和輸出層 四層 遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)組成 。 w3， w2， w1分別表示中間層到輸出層、輸入層到中間層、 關(guān)聯(lián)層 到中間層的連接權(quán)值。 一般我們 將有多個(gè)輸出的網(wǎng)絡(luò)模型 變 為 多個(gè)只有一個(gè) 輸出的網(wǎng)絡(luò)模型 ，以簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)。學(xué)習(xí)率 η 、動(dòng)量因子 ? 和收斂誤差界值 E(w)等是 Elman 神經(jīng)網(wǎng)絡(luò) 模型 算法訓(xùn) 練速度的影響參數(shù) 。 Elman 神經(jīng)網(wǎng)絡(luò)模型 與 模型本身 結(jié)構(gòu)、樣本數(shù)據(jù) 特點(diǎn)和 數(shù)量 、模型 初始權(quán)值和 模型的學(xué)習(xí)參數(shù)等多種因素有關(guān)。 F(k)為中間層神經(jīng)元的傳遞函數(shù)，采用邏輯斯蒂函數(shù) 表示： ensig n??? 1 1)(log Elman 神經(jīng) 網(wǎng)絡(luò)采用誤差平方和函數(shù)進(jìn)行權(quán)值修正 后的公式如下： ?? ??? nk w