商業(yè)銀行信用風(fēng)險(xiǎn)與預(yù)測(cè)模型的比較

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了商業(yè)銀行信用風(fēng)險(xiǎn)與預(yù)測(cè)模型的比較范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

摘要：得益于互聯(lián)網(wǎng)金融高速的核審貸款速度、滿意的客戶體驗(yàn)、較低的借貸門檻，使這種新信貸模式得到飛速的發(fā)展。對(duì)于具有資金借貸需求的群體而言，融資渠道的擴(kuò)展在一定程度上有效地降低了融資成本，提高了融資效率；在促使商業(yè)銀行主動(dòng)改變服務(wù)方式的同時(shí)，對(duì)傳統(tǒng)業(yè)務(wù)也產(chǎn)生了一定的影響。本文比較分析了傳統(tǒng)、現(xiàn)代以及新興信用風(fēng)險(xiǎn)管理模型。結(jié)論表明，BP神經(jīng)網(wǎng)絡(luò)模型由于具有學(xué)習(xí)能力強(qiáng)，結(jié)構(gòu)簡(jiǎn)單等優(yōu)點(diǎn)，可以被用來(lái)對(duì)商業(yè)銀行的信用風(fēng)險(xiǎn)進(jìn)行評(píng)估和預(yù)測(cè)。

關(guān)鍵詞：信用風(fēng)險(xiǎn)；神經(jīng)網(wǎng)絡(luò)模型；風(fēng)險(xiǎn)管理

一、互聯(lián)網(wǎng)信貸發(fā)展背景

由于金融科技、大數(shù)據(jù)、云計(jì)算等快速發(fā)展，互聯(lián)網(wǎng)信貸正在潛移默化地改變著傳統(tǒng)金融業(yè)，由于這種形式具有門檻低，審批速度快等優(yōu)點(diǎn)，成為了當(dāng)前眾多借貸者的首選融資方式。這為推動(dòng)社會(huì)經(jīng)濟(jì)發(fā)展帶來(lái)了資金上巨大的推動(dòng)力，也給商業(yè)銀行帶來(lái)了新的挑戰(zhàn)。由于商業(yè)銀行在整個(gè)社會(huì)經(jīng)濟(jì)體系中具有強(qiáng)烈的外部性特點(diǎn)，對(duì)信用風(fēng)險(xiǎn)的管理和評(píng)估具有深刻的意義。信用風(fēng)險(xiǎn)評(píng)估是商業(yè)銀行信用風(fēng)險(xiǎn)管理的重要組成部分。如何在有效控制信用風(fēng)險(xiǎn)的前提下，提高審批效率，降低壞賬可能性是目前商業(yè)銀行所共同面臨的難題。積極尋找有效的借款人信用評(píng)估模型成為商業(yè)銀行控制其信用風(fēng)險(xiǎn)重要著力點(diǎn)。

二、信用風(fēng)險(xiǎn)及信用風(fēng)險(xiǎn)評(píng)估模型

（一）信用風(fēng)險(xiǎn)

廣義的商業(yè)銀行信用風(fēng)險(xiǎn)包括客戶違約風(fēng)險(xiǎn)，擠提風(fēng)險(xiǎn)以及或有負(fù)債轉(zhuǎn)為表內(nèi)負(fù)債的風(fēng)險(xiǎn)。狹義的商業(yè)銀行信用風(fēng)險(xiǎn)是指在信貸活動(dòng)過(guò)程中由于借款者違約導(dǎo)致借款無(wú)法按時(shí)足額償還本金和利息，為商業(yè)銀行帶來(lái)?yè)p失的可能性。向商業(yè)銀行借款的企業(yè)和個(gè)人都屬于借款者的范疇。在本文中，信用風(fēng)險(xiǎn)評(píng)估模型僅針對(duì)狹義的信用風(fēng)險(xiǎn)。

（二）信用風(fēng)險(xiǎn)評(píng)估模型比較分析

（1）傳統(tǒng)信用風(fēng)險(xiǎn)評(píng)估模型。傳統(tǒng)的信用風(fēng)險(xiǎn)預(yù)測(cè)評(píng)估模型有專家制度模型、Z評(píng)分模型等。其中專家制度模型主要是由商業(yè)銀行選用有豐富信貸從業(yè)經(jīng)驗(yàn)的人員根據(jù)5C，5W，5P等標(biāo)準(zhǔn)做出是否貸款的決定，這種方法存在著主觀性強(qiáng)、容易造成貸款集中度過(guò)高、人力成本高等缺點(diǎn)。Z評(píng)分模型也存在一定的缺陷，例如：缺乏理論基礎(chǔ)，僅考慮財(cái)務(wù)變量而忽視市場(chǎng)指標(biāo)；線性關(guān)系假設(shè)；由于會(huì)計(jì)資料更新速度慢，對(duì)市場(chǎng)變化不夠靈敏；僅考慮違約與非違約兩種極端狀態(tài)，對(duì)于壞賬回收率很高的情況沒(méi)有分類等。（2）現(xiàn)代信用風(fēng)險(xiǎn)評(píng)估模型。KMV模型、VaR方法、CreditMetrics模型等則屬于現(xiàn)代信用風(fēng)險(xiǎn)評(píng)估模型的范疇。其中KMV模型僅能夠被應(yīng)用于上市公司，對(duì)于非上市商業(yè)銀行的指導(dǎo)意義不大。而當(dāng)使用VaR方法度量國(guó)內(nèi)商業(yè)銀行的信用風(fēng)險(xiǎn)時(shí)，所面臨的最大的問(wèn)題是國(guó)內(nèi)商業(yè)銀行的大部分貸款業(yè)務(wù)不能進(jìn)行交易，因此無(wú)法觀測(cè)到其實(shí)際市值，從而無(wú)法估算出貸款價(jià)值分布，因此適用性較差。然而，CreditMetrics模型直接根據(jù)歷史平均數(shù)據(jù)進(jìn)行違約率的估算，而違約率與歷史違約水平并沒(méi)有完全的相關(guān)關(guān)系?；诮y(tǒng)計(jì)方法的預(yù)測(cè)模型主要有多元判別分析模型、lo⁃gistic回歸模型、最近鄰法、決策樹法等。其中，應(yīng)用最廣泛的是多元判別分析模型和logistic回歸模型。由于單變量檢驗(yàn)存在固有的缺點(diǎn)，例如：無(wú)法對(duì)不同財(cái)務(wù)比率的重要性進(jìn)行排序，也無(wú)法對(duì)強(qiáng)比率與弱比率之間進(jìn)行綜合分析，如借款者，特別是企業(yè)借款者利潤(rùn)指數(shù)的相對(duì)表現(xiàn)；在流動(dòng)性指標(biāo)普遍高于平均水平的情況下，綜合評(píng)判借款者信用狀況成為單變量檢驗(yàn)的瓶頸。在這種情況下，多元判別分析模型應(yīng)運(yùn)而生。該模型的建模關(guān)鍵點(diǎn)是構(gòu)建判別函數(shù)。按照判別標(biāo)準(zhǔn)，存在多種判別法，例如：距離判別法、貝葉斯判別法、Fisher判別法、逐步及序貫判別法。目前建立判別函數(shù)的方法最常用的有以下兩種：第一，貝葉斯判別函數(shù)。這種判別函數(shù)是在已知總分布的前提下，得到平均誤差概率最小的判別函數(shù)。第二，未知種群分布或未知種群分布函數(shù)。這是在Fisher準(zhǔn)則下的最優(yōu)線性判別函數(shù)，其方法是建立判別分析模型，使組間比值和組內(nèi)方差最大。已知各組的協(xié)方差矩陣、均值向量、先驗(yàn)概率以及誤判代價(jià)時(shí)，當(dāng)各組服從多元正態(tài)分布，并且各組的協(xié)方差矩陣相同，可以證明由Fisher判別方法推導(dǎo)出的判別規(guī)則可以最大限度地減少誤判懲罰。多元判別分析模型雖然能夠解決信息丟失以及無(wú)法獲得直接信息的難點(diǎn)，但由于它的應(yīng)用也建立在眾多假設(shè)條件下，造成多元判別分析模型的應(yīng)用也存在著一定的局限性。另一個(gè)較為常用的logistic回歸模型由于其操作的簡(jiǎn)便性并且能夠適用于連續(xù)和類別性自變量受到眾多學(xué)者的推崇。但是這個(gè)模型對(duì)于自變量的多重共線性較為敏感，而在為分析借款人信貸風(fēng)險(xiǎn)進(jìn)行建模時(shí)，選用的自變量往往存在多重共線性，這導(dǎo)致模型的預(yù)測(cè)結(jié)果存在偏差。（3）BP神經(jīng)網(wǎng)絡(luò)模型。由心理學(xué)家、神經(jīng)學(xué)家、生物學(xué)家共同提出的神經(jīng)網(wǎng)絡(luò)模型，是一種并行分布式模式處理系統(tǒng)，通過(guò)模擬人腦神經(jīng)組織進(jìn)行學(xué)習(xí)以及記憶存儲(chǔ)。目前被廣泛應(yīng)用于各個(gè)領(lǐng)域。神經(jīng)網(wǎng)絡(luò)由輸入層、中間隱藏層和輸出層組成，結(jié)構(gòu)簡(jiǎn)單。其中每個(gè)連接的輸入和輸出單元都與一個(gè)權(quán)值相關(guān)聯(lián)。它的學(xué)習(xí)過(guò)程主要是經(jīng)歷以下階段：首先將學(xué)習(xí)樣本輸入層，通過(guò)“模式傳播”到達(dá)輸出層，如果輸出結(jié)果與實(shí)際結(jié)果存在較大誤差，結(jié)果則從輸出層傳遞到隱層，然后進(jìn)行逐層修改權(quán)值，通過(guò)這樣的一個(gè)“誤差反向傳播”過(guò)程，模擬人腦神經(jīng)進(jìn)行“記憶訓(xùn)練”，直至輸出結(jié)果與實(shí)際結(jié)果趨于收斂，使總體誤差趨于最小。

三、BP神經(jīng)網(wǎng)絡(luò)模型適用性分析

風(fēng)險(xiǎn)管理是商業(yè)銀行日常經(jīng)營(yíng)管理中的重中之重。隨著監(jiān)管要求的提高以及利率市場(chǎng)化的推進(jìn)，國(guó)內(nèi)各商業(yè)銀行之間的競(jìng)爭(zhēng)日益加劇，商業(yè)銀行對(duì)信用風(fēng)險(xiǎn)預(yù)測(cè)、度量以及評(píng)估建模提出了越來(lái)越高的要求。在這種情況下，國(guó)內(nèi)外研究機(jī)構(gòu)和學(xué)者針對(duì)這一領(lǐng)域展開了深入的研究，試圖能夠找到一種適應(yīng)目前特定市場(chǎng)環(huán)境，預(yù)測(cè)效果精準(zhǔn)的商業(yè)銀行信用風(fēng)險(xiǎn)度量模型，相關(guān)模型研究如上文所所述，然而這些模型存在一定的局限性，不能適應(yīng)現(xiàn)代信用風(fēng)險(xiǎn)評(píng)估。BP神經(jīng)網(wǎng)絡(luò)模型的獨(dú)特優(yōu)點(diǎn)決定了該模型在商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)測(cè)和管理中的適用性。首先，BP神經(jīng)網(wǎng)絡(luò)模型屬于非參數(shù)模型，具有很強(qiáng)的非線性映射能力和自主學(xué)習(xí)能力。在缺少具體信用體系指標(biāo)的信貸市場(chǎng)情境中，與傳統(tǒng)的信用風(fēng)險(xiǎn)評(píng)估方法相比，BP神經(jīng)網(wǎng)絡(luò)模型具有更好的分類精度、適應(yīng)性和動(dòng)態(tài)性；神經(jīng)網(wǎng)絡(luò)使用的是分布式的儲(chǔ)存結(jié)構(gòu)，這意味著個(gè)別數(shù)據(jù)并不會(huì)影響最終的評(píng)估結(jié)果，這是BP神經(jīng)網(wǎng)絡(luò)模型的魯棒性的體現(xiàn)。這種優(yōu)點(diǎn)可以有效地降低由于個(gè)別借款者信用意識(shí)淡薄，利用虛假偽造信息進(jìn)行借貸所發(fā)生的壞賬可能性對(duì)評(píng)估模型的影響。另外，神經(jīng)網(wǎng)絡(luò)在新環(huán)境下具有泛化能力和容錯(cuò)能力，能夠處理噪聲和不完整的數(shù)據(jù)，這樣就可以減少由于信息缺失所帶來(lái)的模型風(fēng)險(xiǎn)。更重要的是它具有較強(qiáng)的數(shù)據(jù)融合能力，具有同時(shí)處理定量和定性信息的能力。這一特點(diǎn)解決了貸款審批過(guò)程中借款人信用評(píng)價(jià)指標(biāo)體系構(gòu)成不明確，定量與定性指標(biāo)混用的問(wèn)題；除上述優(yōu)點(diǎn)之外，BP神經(jīng)網(wǎng)絡(luò)模型是一個(gè)多變量模型，可以任意設(shè)定輸入變量和輸出變量的數(shù)量，在實(shí)際使用過(guò)程中具有靈活性和簡(jiǎn)便性。在海量數(shù)據(jù)時(shí)代，BP神經(jīng)網(wǎng)絡(luò)模型可以通過(guò)自主學(xué)習(xí)，在海量數(shù)據(jù)中找到規(guī)律，為解決大規(guī)模復(fù)雜問(wèn)題提供了一種相對(duì)有效和簡(jiǎn)單的方法，隨著人工智能、大數(shù)據(jù)的飛速應(yīng)用以及算法的優(yōu)化，越來(lái)越受到金融風(fēng)險(xiǎn)管理領(lǐng)域的認(rèn)可。

四、結(jié)語(yǔ)

根據(jù)現(xiàn)有主流信用風(fēng)險(xiǎn)評(píng)估模型的比較分析，BP神經(jīng)網(wǎng)絡(luò)模型在當(dāng)前特定的市場(chǎng)環(huán)境下具有獨(dú)特的優(yōu)勢(shì)，其簡(jiǎn)潔性、魯棒性、適用性決定了BP神經(jīng)網(wǎng)絡(luò)模型可以在商業(yè)銀行的風(fēng)險(xiǎn)管理過(guò)程中被用來(lái)進(jìn)行預(yù)測(cè)和評(píng)估。當(dāng)然，每種模型都會(huì)存在一定的缺陷，完全依賴模型進(jìn)行風(fēng)險(xiǎn)管控很容易受到模型風(fēng)險(xiǎn)的影響，從而對(duì)預(yù)測(cè)結(jié)果造成一定的干擾。除了借助模型，政府還應(yīng)該從積極引導(dǎo)建立健全社會(huì)信用評(píng)價(jià)體系方面入手，同時(shí)商業(yè)銀行在信貸業(yè)務(wù)開展過(guò)程中堅(jiān)持嚴(yán)格審查，借款者自覺(jué)披露真實(shí)信息，才能將信用風(fēng)險(xiǎn)有效地降低在可控范圍之內(nèi)。

參考文獻(xiàn)

［1］黃薷丹.基于大數(shù)據(jù)算法的商業(yè)銀行企業(yè)客戶信貸風(fēng)險(xiǎn)評(píng)價(jià)模型建立與實(shí)證研究［J］.當(dāng)代經(jīng)濟(jì),2018（22）.

［2］曾嶸欣.基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)度量模型研究［J］.金融發(fā)展研究，2018（6）.

［3］胡欣悅,李麗.商業(yè)銀行信貸風(fēng)險(xiǎn)分析的人工神經(jīng)網(wǎng)絡(luò)模型研究［J］.系統(tǒng)工程理論與實(shí)踐

作者：趙曉娟 單位：山東女子學(xué)院