【文章內(nèi)容簡(jiǎn)介】 報(bào)表進(jìn)行分析，分析公司的經(jīng)營(yíng)能力、償債能力、財(cái)務(wù)能力、流動(dòng)性，以及未來(lái)發(fā)展趨勢(shì)和主要風(fēng)險(xiǎn)因素等。銀行經(jīng)常采用的一些指標(biāo)見(jiàn)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(wèn)題；分析公司的法人治理結(jié)構(gòu)和關(guān)聯(lián)交易情況。4）對(duì)該公司的行業(yè)狀況和市場(chǎng)狀況進(jìn)行分析，分析行業(yè)的發(fā)展趨勢(shì)、國(guó)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(jìng)爭(zhēng)能力、競(jìng)爭(zhēng)優(yōu)勢(shì)和競(jìng)爭(zhēng)力的持續(xù)性。5）對(duì)公司所處的行業(yè)結(jié)構(gòu)狀況進(jìn)行認(rèn)真分析，對(duì)該行業(yè)的發(fā)展趨勢(shì)、公司在行業(yè)中的地位、競(jìng)爭(zhēng)力以及政府對(duì)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(xiě)信貸審批所需的資料，包括客戶評(píng)價(jià)報(bào)告、信貸業(yè)務(wù)調(diào)查報(bào)告、項(xiàng)目評(píng)估、擔(dān)保評(píng)價(jià)報(bào)告等等。7）審批會(huì)議審批，根據(jù)上報(bào)的信貸業(yè)務(wù)資料，信貸官對(duì)信貸做出是否同意的審批決策文件。8）對(duì)審批同意的，要認(rèn)真準(zhǔn)備和簽署信貸合同文書(shū)。在準(zhǔn)備這些文件時(shí)，應(yīng)把所有的相關(guān)問(wèn)題盡量考慮進(jìn)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(shí)要行使權(quán)利，對(duì)貸款進(jìn)行檢查，確保按期回收。表1 銀行在信用評(píng)估中經(jīng)常使用的財(cái)務(wù)比率指標(biāo)類型比率經(jīng)營(yíng)能力息前稅前折舊前收益/銷售收入凈收入/銷售收入實(shí)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(yíng)活動(dòng)現(xiàn)金流量資本支出）/利息支付（經(jīng)營(yíng)活動(dòng)現(xiàn)金流量資本支出股息）/利息支付負(fù)債能力長(zhǎng)期債務(wù)/資本總額長(zhǎng)期債務(wù)/有形凈值總負(fù)債/有形凈值（總負(fù)債長(zhǎng)期資本）/長(zhǎng)期資本長(zhǎng)期資本=總凈值+優(yōu)先股+次級(jí)債務(wù)流動(dòng)負(fù)債/有形凈值流動(dòng)性流動(dòng)比率速動(dòng)比率存貨占凈銷售收入比率存貨占凈流動(dòng)比率流動(dòng)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關(guān)于整個(gè)信用評(píng)估過(guò)程，用下圖進(jìn)行詳細(xì)描述：借款人還款意愿如何？借款同時(shí)有否其他需要的金融服務(wù)？動(dòng)機(jī)分析：借款人（公司）為何向銀行借款銀行對(duì)該公司是否有偏好，它的風(fēng)險(xiǎn)收回比率可接受嗎？業(yè)務(wù)及戰(zhàn)略評(píng)價(jià)：該公司是否有明確發(fā)展方向，怎樣達(dá)到，它這樣做可行嗎？行業(yè)分析包括：行業(yè)地位市場(chǎng)價(jià)額價(jià)格領(lǐng)先創(chuàng)新趨勢(shì)財(cái)務(wù)報(bào)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(xiàng)目評(píng)估——未來(lái)發(fā)展趨勢(shì)分析對(duì)企業(yè)管理層人員分析：能力、一致性以及信用品質(zhì)財(cái)務(wù)模擬盈虧點(diǎn)定價(jià)壓力測(cè)試將定性分析置于信貸備忘錄里風(fēng)險(xiǎn)評(píng)估契約條款貸款文件法律意見(jiàn)貸款的談判事宜貸款申請(qǐng)的提出貸款申請(qǐng)的批準(zhǔn)貸款的管理建立籌資計(jì)劃數(shù)據(jù)系統(tǒng)貸款文件其他法律文書(shū)文書(shū)的審查貸款發(fā)放貸款管理貸款收回 專家制度的缺陷盡管古典信用評(píng)估方法——專家制度在銀行的信用評(píng)估中發(fā)揮著積極的重要作用，然而實(shí)踐卻證明它存在許多難以克服的缺點(diǎn)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(mén)信用分析人員，隨著銀行業(yè)務(wù)量的不斷增加，其所需要的信用分析人員就會(huì)越來(lái)越多，必然會(huì)帶來(lái)銀行冗員、效率低下、成本居高不下等諸多問(wèn)題。2）專家制度實(shí)施的效果很不穩(wěn)定。這是因?yàn)樾刨J官員本身的素質(zhì)高低和經(jīng)驗(yàn)多少將會(huì)直接影響該項(xiàng)制度的實(shí)施效果。例如，對(duì)于公司所提供的一套財(cái)務(wù)報(bào)表和文件，不同的信貸官員對(duì)其進(jìn)行分析會(huì)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(duì)市場(chǎng)變化的能力。銀行由于長(zhǎng)期以來(lái)一直采用較為嚴(yán)格的等級(jí)制度，貸款流程復(fù)雜、審核程序苛刻，但現(xiàn)在金融市場(chǎng)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(lái)越不適應(yīng)市場(chǎng)。4）加劇了信貸過(guò)度集中的問(wèn)題。在專家制度下，專家對(duì)某一行業(yè)或某類客戶有著強(qiáng)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(lái)潛在的風(fēng)險(xiǎn)。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(xiǎn)的方法，來(lái)提高銀行信用評(píng)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(lái)以提高信貸審批決策的正確率。3．3 信用風(fēng)險(xiǎn)評(píng)估模型概述從前面對(duì)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(yùn)用了許多財(cái)務(wù)會(huì)計(jì)信息對(duì)各種財(cái)務(wù)比率進(jìn)行比較分析，屬于一種單變量的測(cè)定法。單變量測(cè)定法一個(gè)最大的缺陷就在于它不能夠?qū)Σ煌呢?cái)務(wù)比率的重要性進(jìn)行排序，對(duì)強(qiáng)比率和弱比率之間怎樣進(jìn)行綜合分析也無(wú)能為力，如一個(gè)借款人（公司）的利潤(rùn)指標(biāo)相對(duì)較低，而流動(dòng)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(kāi)始了構(gòu)筑多種變量的信用風(fēng)險(xiǎn)預(yù)測(cè)法的研究和探討工作。從國(guó)內(nèi)外信用風(fēng)險(xiǎn)評(píng)估技術(shù)的應(yīng)用現(xiàn)狀以及發(fā)展趨勢(shì)看來(lái)，在商業(yè)銀行信用風(fēng)險(xiǎn)管理領(lǐng)域中有著廣泛的應(yīng)用并且在不斷進(jìn)步。目前，在西方發(fā)達(dá)國(guó)家，商業(yè)銀行的信用風(fēng)險(xiǎn)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(shí)際應(yīng)用，繼傳統(tǒng)的比例分析之后，統(tǒng)計(jì)方法得到廣泛的應(yīng)用，國(guó)外在對(duì)信用風(fēng)險(xiǎn)的評(píng)估中，廣泛采用基于統(tǒng)計(jì)判別方法的預(yù)測(cè)模型，常見(jiàn)的模型有：多元判別分析模型（MDA）、logit分析模型、近鄰法、分類樹(shù)方法等，它們接受定義在已選變量集合上的一個(gè)隨機(jī)觀測(cè)值樣本，建立判別函數(shù)，進(jìn)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(duì)分類問(wèn)題的多種不同的統(tǒng)計(jì)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(jì)數(shù)字特征，對(duì)客觀事物進(jìn)行分類，以確定事物的類別。它的特點(diǎn)是已經(jīng)掌握了歷史上每個(gè)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(shí)，只要根據(jù)總結(jié)出來(lái)的判別公式，就能判別式無(wú)所屬的類別。MDA的關(guān)鍵在于建立判別函數(shù)，目前，統(tǒng)計(jì)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(cuò)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(shí)，費(fèi)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(guò)采用極大化組間比和組內(nèi)方差的費(fèi)歇方法來(lái)建立的。在滿足如下條件時(shí)，可以證明，由費(fèi)歇方法得出的判別規(guī)則最優(yōu)極小化誤判代價(jià)。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(yàn)概率和誤判代價(jià)是已知的。MDA有兩個(gè)總體與多個(gè)總體判別之分，在兩個(gè)總體判別時(shí)，判別公式為：其中，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(duì)原始樣本進(jìn)行分類。顯然，判別函數(shù)是各獨(dú)立變量（或指標(biāo)）的線性函數(shù)。在滿足上述三個(gè)條件假設(shè)下，它能使得誤判達(dá)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(jìn)的ZETA模型，這兩個(gè)模型的目的是預(yù)測(cè)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(guó)、意大利等國(guó)的商業(yè)銀行的業(yè)務(wù)中，取得了巨大的經(jīng)濟(jì)效益。不過(guò)，這個(gè)方法最大的缺陷在于其過(guò)于嚴(yán)格的假定條件，在實(shí)際應(yīng)用中，各種案例均會(huì)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(jì)假設(shè)過(guò)于苛刻的不足，開(kāi)始采用Logit模型以及非參數(shù)統(tǒng)計(jì)等方法來(lái)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)， ，其中表示第個(gè)指標(biāo)，是第個(gè)指標(biāo)的系數(shù)，是一表示企業(yè)財(cái)務(wù)狀況好壞的概率。由于Logit是采用一系列財(cái)務(wù)比率變量來(lái)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(xiǎn)偏好程度設(shè)定風(fēng)險(xiǎn)界限，以此對(duì)分析對(duì)象進(jìn)行風(fēng)險(xiǎn)定位和決策，企業(yè)財(cái)務(wù)狀況的評(píng)價(jià)可以看作是基于一系列獨(dú)立變量基礎(chǔ)上的分類問(wèn)題，企業(yè)財(cái)務(wù)狀況的好壞與財(cái)務(wù)指標(biāo)是非線性的，財(cái)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(duì)預(yù)測(cè)企業(yè)破產(chǎn)盡管有所改進(jìn)，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(shí)，特別是當(dāng)屬于同一類的樣本在變量空間形成聚類時(shí)，近鄰法十分有效，與參數(shù)類方法相比，近鄰法用于對(duì)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(duì)模型函數(shù)形式設(shè)定的困難。任何一個(gè)樣本到底劃歸哪一類是由k個(gè)近鄰劃歸類型所確定。任意兩個(gè)樣本之間的距離可定義為，其中是合并協(xié)方差的逆。這樣，一個(gè)樣本劃歸為它的個(gè)近鄰的多數(shù)（即當(dāng)一個(gè)樣本的個(gè)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(jì)方法的缺陷統(tǒng)計(jì)模型的最大優(yōu)點(diǎn)在于其具有明顯的解釋性，評(píng)估方法簡(jiǎn)單、計(jì)算復(fù)雜度低，但是這些方法都是基于線性模型的評(píng)估方法，有著過(guò)于嚴(yán)格的前提條件，而且商業(yè)銀行的風(fēng)險(xiǎn)因素錯(cuò)綜復(fù)雜，各個(gè)因素之間錯(cuò)綜復(fù)雜，存在著不確定、非線性特點(diǎn)，無(wú)法用簡(jiǎn)單的線性模型做出準(zhǔn)確的評(píng)估。上述三種方法在國(guó)外已有大量應(yīng)用，實(shí)證結(jié)果發(fā)現(xiàn)：1)企業(yè)財(cái)務(wù)狀況的評(píng)價(jià)可以看作是一類基于一系列獨(dú)立變量基礎(chǔ)上的分類問(wèn)題；2)企業(yè)財(cái)務(wù)狀況的好壞與財(cái)務(wù)比率的關(guān)系常常是非線性的；3)預(yù)測(cè)變量(財(cái)務(wù)比率)可能是高度相關(guān)的；4)大量實(shí)證結(jié)果表明,許多指標(biāo)不成正態(tài)分布。并且我國(guó)的現(xiàn)代商業(yè)銀行體制剛剛建立，各種風(fēng)險(xiǎn)的評(píng)估與管理體制仍不健全，對(duì)信用風(fēng)險(xiǎn)的研究還處于傳統(tǒng)的風(fēng)險(xiǎn)分析階段，這遠(yuǎn)不能滿足我國(guó)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(wèn)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(lái)在模式識(shí)別與分類、識(shí)別濾波、自動(dòng)控制、預(yù)測(cè)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(wú)法比擬的。通過(guò)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(guò)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(guò)程,毋需分清存在何種非線性關(guān)系,給建模與分析帶來(lái)極大的方便。該方法用于企業(yè)財(cái)務(wù)狀況研究時(shí),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(guò)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(duì)新情況下的數(shù)據(jù)進(jìn)行內(nèi)插和外推以推斷其屬性。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(kāi)發(fā)和測(cè)試神經(jīng)的計(jì)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(gè)連接都與一個(gè)權(quán)值相關(guān)聯(lián)。在學(xué)習(xí)階段，通過(guò)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(cè)輸入樣本的正確分來(lái)來(lái)學(xué)習(xí)。神經(jīng)網(wǎng)絡(luò)近來(lái)越來(lái)越受到人們的關(guān)注，因?yàn)樗鼮榻鉀Q大復(fù)雜度問(wèn)題提供了一種相對(duì)來(lái)說(shuō)比較有效的簡(jiǎn)單方法。雖然神經(jīng)網(wǎng)絡(luò)的理論可追溯到40年代,但在信用風(fēng)險(xiǎn)分析中的應(yīng)用還是90年代的新生事物。神經(jīng)網(wǎng)絡(luò)是從神經(jīng)心理學(xué)和認(rèn)識(shí)科學(xué)研究成果出發(fā),應(yīng)用數(shù)學(xué)方法發(fā)展起來(lái)的一種并行分布模式處理系統(tǒng),具有高度并行計(jì)算能力、自學(xué)能力和容錯(cuò)能力。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是由一個(gè)輸入層、若干個(gè)中間隱