【文章內(nèi)容簡介】 部的經(jīng)營環(huán)境。內(nèi)部條件包括企業(yè)的經(jīng)營特點、經(jīng)營方式、技術(shù)情況、競爭地位、市場份額、勞資關(guān)系等，這些因素基本上屬于企業(yè)自身能決定的內(nèi)容。外部條件非企業(yè)自身所能控制，涉及范圍也很廣，如社會環(huán)境、商業(yè)周期、通貨膨脹、國民收入水平、產(chǎn) 業(yè)結(jié)構(gòu)調(diào)整、本行業(yè)發(fā)展趨勢、同業(yè)競爭狀況、市場價格變動等。 專家制度的步驟 上述對借款人“ 5C”的信用分析，只是銀行做出貸款決定前所需做的最基本的工作。就某 — 筆信貸業(yè)務(wù)而言，銀行還要動用大量人力、物力、財力進行較為復(fù)雜的分析，這個過程包括以下主要步驟： 1）確定借款人（公司）為何需要這筆貸款，這筆貸款申請是否符合國家的政策、當(dāng)前銀行的政策和偏好。 2）對該公司的會計報表進行分析，分析公司的經(jīng)營能力、償債能力、財務(wù)能力、流動性，以及未來發(fā)展趨勢和主要風(fēng)險因素等。銀行經(jīng)常采用的一些指標(biāo)見表 1。 3）分析公司的管理能力、發(fā)展戰(zhàn)略、信用品質(zhì)、公司政策的連續(xù)性等問題；分析公司的法人治理結(jié)構(gòu)和關(guān)聯(lián)交易情況。 9 4）對該公司的行業(yè)狀況和市場狀況進行分析，分析行業(yè)的發(fā)展趨勢、國家的行業(yè)政策和人民銀行的信貸政策導(dǎo)向等；分析公司在該行業(yè)的地位、競爭能力、競爭優(yōu)勢和競爭力的持續(xù)性。 5）對公司所處的行業(yè)結(jié)構(gòu)狀況進行認(rèn)真分析，對該行業(yè)的發(fā)展趨勢、公司在行業(yè)中的地位、競爭力以及政府對該行業(yè)的管制狀況給予特別的關(guān)注。 6）根據(jù)調(diào)查的情況，撰寫信貸審批所需的資料，包括客戶評價報告、信貸業(yè)務(wù)調(diào)查報告、項目評估、擔(dān)保評價報告等等。 7）審批會議審批，根據(jù)上報的信貸業(yè)務(wù)資料，信貸官對信貸做出是否同意的審批決策文件。 8）對審批同意的，要認(rèn)真準(zhǔn)備和簽署信貸合同文書。在準(zhǔn)備這些文件時，應(yīng)把所有的相關(guān)問題盡量考慮進去，做到全面準(zhǔn)確。 9）貸款的發(fā)放和回收。銀行要按合同約定履行義務(wù)，同時要行使權(quán)利，對貸款進行檢查，確保按期回收。 10 表 1 銀行在信用評估中經(jīng)常使用的財務(wù)比率指標(biāo) 類型 比率 經(jīng)營能力 息前稅前折舊前收益 /銷售收入 凈收入 /銷售收入 實際有效稅率 凈收入 /凈資產(chǎn) 凈收入 /總資 產(chǎn) 銷售收入 /固定資產(chǎn) 償債能力 息前稅前折舊前收益 /利息支付 （經(jīng)營活動現(xiàn)金流量 資本支出） /利息支付 （經(jīng)營活動現(xiàn)金流量 資本支出 股息）/利息支付 負(fù)債能力 長期債務(wù) /資本總額 長期債務(wù) /有形凈值 總負(fù)債 /有形凈值 （總負(fù)債 長期資本） /長期資本 長期資本 =總凈值 +優(yōu)先股 +次級債務(wù) 流動負(fù)債 /有形凈值 流動性 流動比率 速動比率 存貨占凈銷售收入比率 存貨占凈流動比率 流動負(fù)債占存貨比率 原材料、半成品、產(chǎn)成品占存貨總量比率 11 關(guān)于整個信用評估過程，用 下 圖進行詳細(xì)描述： 專家制度的缺陷 盡管古典信用 評估方法 —— 專家制度在銀行的信用 評估 中發(fā)揮著積極的重要作用，然而實踐卻證明它存在許多難以克服的缺點和不足。 1）要維持這樣的專家制度需要相當(dāng)數(shù)量的專門信用分析人員，隨著銀行業(yè)務(wù)量借款人還款意愿如何？借款同時有否其他需要的金融服務(wù)？ 動機分析：借款人（公司）為何向銀行借款 銀行對該公司是否有偏好，它的風(fēng)險 收回比率可接受嗎？ 業(yè)務(wù)及戰(zhàn)略評價：該公司是否有明確發(fā)展方向，怎樣達到，它這樣做可行嗎？ 行業(yè)分析包括：行業(yè)地位 市場價額 價格領(lǐng)先 創(chuàng)新趨勢 財務(wù)報表分析：平衡表和現(xiàn)金流量表分析 —— 效益與成本 —— 盈利狀況 —— 收入的穩(wěn)定性 —— 杠桿狀況 —— 項目評估 —— 未來發(fā)展趨勢分析 對企業(yè)管理層人員分析：能力、一致性以及信用品質(zhì) 財務(wù)模擬 盈虧點定價 壓力測試 將定 性分析置于信貸備忘錄里 風(fēng)險評估 契約條款 貸款文件 法律意見 貸款的談判事宜 貸款申請的提出 貸款申請的批準(zhǔn) 貸款的管理 建立籌資計劃 數(shù)據(jù)系統(tǒng) 貸款文件 其他法律文書 文書的審查 貸款發(fā)放 貸款管理 貸款收回 12 的不斷增加，其所需要的信用分析人員就會越來越多，必然會帶來銀行冗員、效率低下、成本居高不下等諸多問題。 2）專家制度實施的效果很不穩(wěn)定。這是因為信貸官員本身的素質(zhì)高低和經(jīng)驗多少將會直接影響該項制度的實施 效果。例如，對于公司所提供的一套財務(wù)報表和文件，不同的信貸官員對其進行分析會得出不同的分析結(jié)果，差異很大。 3）大大降低了銀行應(yīng)對市場變化的能力。銀行由于長期以來一直采用較為嚴(yán)格的等級制度，貸款流程復(fù)雜、審核程序苛刻，但現(xiàn)在金融市場已經(jīng)呈現(xiàn)出靈活多變的特征，傳統(tǒng)的操作方法已經(jīng)越來越不適應(yīng)市場。 4）加劇了信貸過度集中的問題。在專家制度下，專家對某一行業(yè)或某類客戶有著強烈的偏好，選擇的客戶都具有較高的相關(guān)性，這就加劇了銀行貸款的集中程度，必然給銀行帶來潛在的風(fēng)險。 綜上所述，專家制度有著許多難以克服的弊病，這 就不得不促使人們?nèi)で蟾涌陀^、更為有效的度量信用風(fēng)險的方法，來提高銀行信用評估的準(zhǔn)確性，如有些銀行將專家制度和專家系統(tǒng)結(jié)合起來以提高信貸審批決策的正確率。 3． 3 信用風(fēng)險評估模型概述 從前面對專家制度的分析可知，專家制度基本屬于一種定性分析法，當(dāng)然它也運用了許多財務(wù)會計信息對各種財務(wù)比率進行比較分析，屬于一種單變量的測定法。單變量測定法一個最大的缺陷就在于它不能夠?qū)Σ煌呢攧?wù)比率的重要性進行排序，對強比率和弱比率之間怎樣進行綜合分析也無能為力，如一個借款人（公司）的利潤指標(biāo)相對較低，而流動性指標(biāo)則高 出平均水平，那么應(yīng)當(dāng)如何綜合考慮借款人的信用狀況。在這種情況，人們便開始了構(gòu)筑多種變量的信用風(fēng)險預(yù)測法的研究和探討工作 ， 。 從國內(nèi)外信用風(fēng)險評估技術(shù)的應(yīng)用現(xiàn)狀以及發(fā)展趨勢看來，在商業(yè)銀行信用風(fēng)險管理領(lǐng)域中有著廣泛的應(yīng)用并且在不斷進步。 目前，在西方發(fā)達國家，商業(yè)銀行的信用風(fēng)險管理已形成了一整套較為成熟的管理體系，許多的技術(shù)和工具、軟件已付諸實際應(yīng)用，繼傳統(tǒng)的比例分析之后，統(tǒng)計方法得到廣泛的應(yīng)用， 國外在對信用風(fēng)險的評估中，廣泛采用基于統(tǒng)計判別方法的預(yù)測模型，常見的模型有：多元判別分析模型（ MDA）、 logit 分析模型、近鄰法、分類樹方法等， 它們接 13 受定義在已選變量集合上的一個隨機觀測值樣本，建立判別函數(shù)，進行分類。 其中以MDA 和 logit 分析模型應(yīng)用最為廣泛。 判別分析法 在針對分類問題的多種不同的統(tǒng)計方法中，最常用的是多元判別分析法 MDA，根據(jù)觀察到的一些統(tǒng)計數(shù)字特征，對客觀事物進行分類，以確定事物的類別。它的特點是已經(jīng)掌握了歷史上每個類別的若干樣本，從中總結(jié)出分類的規(guī)律性，建立判別公式，當(dāng)遇到新的事物時，只要根據(jù)總結(jié)出來的判別公式，就能判別式無所屬的類別。 MDA 的關(guān)鍵在于建立判別函數(shù)，目前， 統(tǒng)計學(xué)中建立判別函數(shù)常用方法有：一是已知總體分布的前提下求得平均出錯概率最小的分類判別函數(shù)，通常成為貝葉斯判別函數(shù)；二是未知總體分布或未知總體分布函數(shù)時，費歇準(zhǔn)則下的最優(yōu)線性判別函數(shù)。在這里判別分析模型是通過采用極大化組間比和組內(nèi)方差的費歇方法來建立的。在滿足如下條件時，可以證明，由費歇方法得出的判別規(guī)則最優(yōu)極小化誤判代價。 每組均服從多元正態(tài)分布； 每組的協(xié)方差矩陣相同； 每組的均值向量、協(xié)方差矩陣、先驗概率和誤判代價是已知的。 MDA 有兩個總體與多個總體判別之分，在兩個總體判別時，判別公式為 ： 111 2 1 2 1 21( ) ( ) ( ) ( )2TTDF ? ? ? ? ? ???? ? ? ? ? ? ??? 其中， 1? ， 2? 和 ? 分別是各組均值和共同協(xié)方差矩陣，依據(jù)一定判別規(guī)則即可對原始樣本進行分類。顯然，判別函數(shù) ()DF? 是各獨立變量（或指標(biāo)）的線性函數(shù)。 在滿足上述三個條件假設(shè)下，它能使得誤判達到最小。 Altman應(yīng)用判別分析法建立了著名的 Zscore模型 和在此基礎(chǔ)上改進的 ZETA模型，這兩個模型的目的是預(yù)測企業(yè)破產(chǎn)的概率，為銀行貸款決策提供支持。目前 ZETA模型已商業(yè)化，廣泛應(yīng)用于美國、意大利等國的商業(yè)銀行的業(yè)務(wù)中，取得了巨大的經(jīng)濟效益。不過，這個方法最大的缺陷在于其過于嚴(yán)格的假定條件，在實際應(yīng)用中，各種案例均會不同程度的違背方法條件限制。 Logit 方法 為了克服線性判別函數(shù)統(tǒng)計假設(shè)過于苛刻的不足，開始采用 Logit 模型以及非參數(shù)統(tǒng)計等方法來建立違約判別函數(shù)。 Logit 分析與判別分析法的本質(zhì)差異在于前者不要求滿足正態(tài)分布或等方差，模型采用 Logistic 函數(shù)， 14 11Y e?? ? ，0 1piiic c X? ???? 其中 ? ?1iX i p?? 表示第 i 個指標(biāo)， ic 是第 i 個指標(biāo)的系數(shù)， Y 是一表示企業(yè)財務(wù)狀況好壞的概率 。 由于 Logit 是采用一系列財務(wù)比率變 量來分析公司破產(chǎn)或違約的概率，然后根據(jù)銀行、投資者的風(fēng)險偏好程度設(shè)定風(fēng)險界限，以此對分析對象進行風(fēng)險定位和決策，企業(yè)財務(wù)狀況的評價可以看作是基于一系列獨立變量基礎(chǔ)上的分類問題，企業(yè)財務(wù)狀況的好壞與財務(wù)指標(biāo)是非線性的，財務(wù)指標(biāo)可能是高度相關(guān)的，并且并不服從正態(tài)分布，而采用 Logit 方法對預(yù)測企業(yè)破產(chǎn)盡管有所改進，但仍不夠理想。 近鄰法 近鄰法是一種非參數(shù)方法，當(dāng)已知總體表現(xiàn)為非正態(tài)分布時，特別是當(dāng)屬于同一類的樣本在變量空間形成聚類時，近鄰法十分有效，與參數(shù)類方法相比，近鄰法用于對總體分布施加很少 約束的情況下，是一種十分靈活的方法。 近鄰法不僅放松了正態(tài)性假定，也避免了傳統(tǒng)技術(shù)對模型函數(shù)形式設(shè)定的困難。任何一個樣本到底劃歸哪一類是由 k 個近鄰劃歸類型所確定。任意兩個樣本之間的距離可定義為 ? ? ? ? ? ?1, c o vTd x y x y x y?? ? ?，其中 1cov? 是合并協(xié)方差的逆。這樣，一個樣本劃歸為它的 k 個近鄰的多數(shù)（即當(dāng)一個樣本的 k 個近鄰的大多數(shù)劃歸一類，則該 樣本也應(yīng)劃屬一類）。 3． 4 統(tǒng)計方法的缺陷 統(tǒng)計模型的最大優(yōu)點在于其具有明顯的解釋性，評估方法簡單、計算復(fù)雜度低，但是這些方法都是基于線性模型的評估方法，有著過于嚴(yán)格的前提條件，而且商業(yè)銀行的風(fēng)險因素錯綜復(fù)雜，各個因素之間錯綜復(fù)雜，存在著不確定、非線性特點 ， 無法用簡單的線性模型做出準(zhǔn)確的評估， 。 上述三種方法在國外已有大量應(yīng)用，實證結(jié)果發(fā)現(xiàn)： 1)企業(yè)財務(wù)狀況的評價可以看作是一類基于一系列獨立變量基礎(chǔ)上的分類問題 ； 2)企業(yè)財務(wù)狀況的好壞與財務(wù)比率的關(guān)系常常是非線性的 ； 3)預(yù)測變量 (財務(wù)比率 )可能是高度相關(guān)的 ； 4)大量實證結(jié)果表明 ,許多指標(biāo)不成正態(tài)分布 。 并且我國的現(xiàn)代商業(yè)銀行體制剛剛建立，各種風(fēng)險的評估與管理體制仍不健全， 15 對信用風(fēng)險的研究還處于傳統(tǒng)的風(fēng)險分析階段，這遠(yuǎn)不能滿足我國商業(yè)銀行發(fā)展的需求。 因此 ,傳統(tǒng)的分類方法不能很好地解決這些問題。作為研究復(fù)雜性的有力工具 ,神經(jīng)網(wǎng)絡(luò)技術(shù)近年來在模式識別與分類、識別濾波、自動控制、預(yù)測等方面已展示了其非凡的優(yōu)越性 ， 特別是能處理任意類數(shù)據(jù) ,這是許多傳統(tǒng)方法所無法比擬的。通過不斷學(xué)習(xí) ， 能夠從未知模式的大量的復(fù)雜數(shù)據(jù)中發(fā)現(xiàn)其規(guī)律。神經(jīng)網(wǎng)絡(luò)方法克服了傳統(tǒng)分析過程的復(fù)雜性及選擇適當(dāng)模型函數(shù)形式的困難 ， 它是一種自然的非線性建模過程 ,毋需分清存在何種非線性關(guān)系 ,給建模與分析帶來極大的方便 。 該方法用于企業(yè)財務(wù)狀況研究時 ,一方面利用其映射能力 ,另一方面主要利用其泛化能力 ,即在經(jīng)過一定數(shù)量的帶噪聲的樣本的訓(xùn)練之后 ,網(wǎng)絡(luò)可以抽取樣本所隱含的特征關(guān)系 ,并對新情況下的數(shù)據(jù)進行內(nèi)插和外推以推斷其屬性。 16 4 神經(jīng)網(wǎng)絡(luò)模型 4． 1 神經(jīng)網(wǎng)絡(luò)模型理論 神經(jīng)網(wǎng)絡(luò)模型的概述 神經(jīng)網(wǎng)絡(luò)最早是由心理學(xué)家和 神經(jīng)生物學(xué)家提出的，旨在尋求開發(fā)和測試神經(jīng)的計算模擬。神經(jīng)網(wǎng)絡(luò)是一組連接的輸入 /輸出單元，其中每個連接都與一個權(quán)值相關(guān)聯(lián)。在學(xué)習(xí)階段，通過調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值，使得神經(jīng)網(wǎng)絡(luò)模型可以預(yù)測輸入樣本的正確分來來學(xué)習(xí)。神經(jīng)網(wǎng)絡(luò)近來越來越受到人們的關(guān)注，因為它為解決大復(fù)雜度問題提供了一種相對來說比較有效的簡單方法 。