基于神经网络的金融风险评估研究(编辑修改稿)

基于神经网络的金融风险评估研究(编辑修改稿)内容摘要：

部的经营环境。 内部条件包括企业的经营特点、经营方式、技术情况、竞争地位、市场份额、劳资关系等，这些因素基本上属于企业自身能决定的内容。 外部条件非企业自身所能控制，涉及范围也很广，如社会环境、商业周期、通货膨胀、国民收入水平、产 业结构调整、本行业发展趋势、同业竞争状况、市场价格变动等。 专家制度的步骤 上述对借款人“ 5C”的信用分析，只是银行做出贷款决定前所需做的最基本的工作。 就某 — 笔信贷业务而言，银行还要动用大量人力、物力、财力进行较为复杂的分析，这个过程包括以下主要步骤： 1）确定借款人（公司）为何需要这笔贷款，这笔贷款申请是否符合国家的政策、当前银行的政策和偏好。 2）对该公司的会计报表进行分析，分析公司的经营能力、偿债能力、财务能力、流动性，以及未来发展趋势和主要风险因素等。 银行经常采用的一些指标见表 1。 3）分析公司的管理能力、发展战略、信用品质、公司政策的连续性等问题；分析公司的法人治理结构和关联交易情况。 9 4）对该公司的行业状况和市场状况进行分析，分析行业的发展趋势、国家的行业政策和人民银行的信贷政策导向等；分析公司在该行业的地位、竞争能力、竞争优势和竞争力的持续性。 5）对公司所处的行业结构状况进行认真分析，对该行业的发展趋势、公司在行业中的地位、竞争力以及政府对该行业的管制状况给予特别的关注。 6）根据调查的情况，撰写信贷审批所需的资料，包括客户评价报告、信贷业务调查报告、项目评估、担保评价报告等等。 7）审批会议审批，根据上报的信贷业务资料，信贷官对信贷做出是否同意的审批决策文件。 8）对审批同意的，要认真准备和签署信贷合同文书。 在准备这些文件时，应把所有的相关问题尽量考虑进去，做到全面准确。 9）贷款的发放和回收。 银行要按合同约定履行义务，同时要行使权利，对贷款进行检查，确保按期回收。 10 表 1 银行在信用评估中经常使用的财务比率指标 类型 比率 经营能力 息前税前折旧前收益 /销售收入 净收入 /销售收入 实际有效税率 净收入 /净资产 净收入 /总资 产 销售收入 /固定资产 偿债能力 息前税前折旧前收益 /利息支付 （经营活动现金流量 资本支出） /利息支付 （经营活动现金流量 资本支出 股息）/利息支付 负债能力 长期债务 /资本总额 长期债务 /有形净值 总负债 /有形净值 （总负债 长期资本） /长期资本 长期资本 =总净值 +优先股 +次级债务 流动负债 /有形净值 流动性 流动比率 速动比率 存货占净销售收入比率 存货占净流动比率 流动负债占存货比率 原材料、半成品、产成品占存货总量比率 11 关于整个信用评估过程，用 下 图进行详细描述： 专家制度的缺陷 尽管古典信用 评估方法 —— 专家制度在银行的信用 评估 中发挥着积极的重要作用，然而实践却证明它存在许多难以克服的缺点和不足。 1）要维持这样的专家制度需要相当数量的专门信用分析人员，随着银行业务量借款人还款意愿如何。 借款同时有否其他需要的金融服务。 动机分析：借款人（公司）为何向银行借款 银行对该公司是否有偏好，它的风险 收回比率可接受吗。 业务及战略评价：该公司是否有明确发展方向，怎样达到，它这样做可行吗。 行业分析包括：行业地位 市场价额 价格领先 创新趋势 财务报表分析：平衡表和现金流量表分析 —— 效益与成本 —— 盈利状况 —— 收入的稳定性 —— 杠杆状况 —— 项目评估 —— 未来发展趋势分析 对企业管理层人员分析：能力、一致性以及信用品质 财务模拟 盈亏点定价 压力测试 将定 性分析置于信贷备忘录里 风险评估 契约条款 贷款文件 法律意见 贷款的谈判事宜 贷款申请的提出 贷款申请的批准 贷款的管理 建立筹资计划 数据系统 贷款文件 其他法律文书 文书的审查 贷款发放 贷款管理 贷款收回 12 的不断增加，其所需要的信用分析人员就会越来越多，必然会带来银行冗员、效率低下、成本居高不下等诸多问题。 2）专家制度实施的效果很不稳定。 这是因为信贷官员本身的素质高低和经验多少将会直接影响该项制度的实施 效果。 例如，对于公司所提供的一套财务报表和文件，不同的信贷官员对其进行分析会得出不同的分析结果，差异很大。 3）大大降低了银行应对市场变化的能力。 银行由于长期以来一直采用较为严格的等级制度，贷款流程复杂、审核程序苛刻，但现在金融市场已经呈现出灵活多变的特征，传统的操作方法已经越来越不适应市场。 4）加剧了信贷过度集中的问题。 在专家制度下，专家对某一行业或某类客户有着强烈的偏好，选择的客户都具有较高的相关性，这就加剧了银行贷款的集中程度，必然给银行带来潜在的风险。 综上所述，专家制度有着许多难以克服的弊病，这 就不得不促使人们去寻求更加客观、更为有效的度量信用风险的方法，来提高银行信用评估的准确性，如有些银行将专家制度和专家系统结合起来以提高信贷审批决策的正确率。 3． 3 信用风险评估模型概述 从前面对专家制度的分析可知，专家制度基本属于一种定性分析法，当然它也运用了许多财务会计信息对各种财务比率进行比较分析，属于一种单变量的测定法。 单变量测定法一个最大的缺陷就在于它不能够对不同的财务比率的重要性进行排序，对强比率和弱比率之间怎样进行综合分析也无能为力，如一个借款人（公司）的利润指标相对较低，而流动性指标则高 出平均水平，那么应当如何综合考虑借款人的信用状况。 在这种情况，人们便开始了构筑多种变量的信用风险预测法的研究和探讨工作 ，。 从国内外信用风险评估技术的应用现状以及发展趋势看来，在商业银行信用风险管理领域中有着广泛的应用并且在不断进步。 目前，在西方发达国家，商业银行的信用风险管理已形成了一整套较为成熟的管理体系，许多的技术和工具、软件已付诸实际应用，继传统的比例分析之后，统计方法得到广泛的应用， 国外在对信用风险的评估中，广泛采用基于统计判别方法的预测模型，常见的模型有：多元判别分析模型（ MDA）、 logit 分析模型、近邻法、分类树方法等， 它们接 13 受定义在已选变量集合上的一个随机观测值样本，建立判别函数，进行分类。 其中以MDA 和 logit 分析模型应用最为广泛。 判别分析法 在针对分类问题的多种不同的统计方法中，最常用的是多元判别分析法 MDA，根据观察到的一些统计数字特征，对客观事物进行分类，以确定事物的类别。 它的特点是已经掌握了历史上每个类别的若干样本，从中总结出分类的规律性，建立判别公式，当遇到新的事物时，只要根据总结出来的判别公式，就能判别式无所属的类别。 MDA 的关键在于建立判别函数，目前， 统计学中建立判别函数常用方法有：一是已知总体分布的前提下求得平均出错概率最小的分类判别函数，通常成为贝叶斯判别函数；二是未知总体分布或未知总体分布函数时，费歇准则下的最优线性判别函数。 在这里判别分析模型是通过采用极大化组间比和组内方差的费歇方法来建立的。 在满足如下条件时，可以证明，由费歇方法得出的判别规则最优极小化误判代价。 每组均服从多元正态分布； 每组的协方差矩阵相同； 每组的均值向量、协方差矩阵、先验概率和误判代价是已知的。 MDA 有两个总体与多个总体判别之分，在两个总体判别时，判别公式为 ： 111 2 1 2 1 21( ) ( ) ( ) ( )2TTDF             其中， 1 ， 2 和  分别是各组均值和共同协方差矩阵，依据一定判别规则即可对原始样本进行分类。 显然，判别函数 ()DF 是各独立变量（或指标）的线性函数。 在满足上述三个条件假设下，它能使得误判达到最小。 Altman应用判别分析法建立了著名的 Zscore模型 和在此基础上改进的 ZETA模型，这两个模型的目的是预测企业破产的概率，为银行贷款决策提供支持。 目前 ZETA模型已商业化，广泛应用于美国、意大利等国的商业银行的业务中，取得了巨大的经济效益。 不过，这个方法最大的缺陷在于其过于严格的假定条件，在实际应用中，各种案例均会不同程度的违背方法条件限制。 Logit 方法 为了克服线性判别函数统计假设过于苛刻的不足，开始采用 Logit 模型以及非参数统计等方法来建立违约判别函数。 Logit 分析与判别分析法的本质差异在于前者不要求满足正态分布或等方差，模型采用 Logistic 函数， 14 11Y e  ，0 1piiic c X  其中  1iX i p 表示第 i 个指标， ic 是第 i 个指标的系数， Y 是一表示企业财务状况好坏的概率。 由于 Logit 是采用一系列财务比率变 量来分析公司破产或违约的概率，然后根据银行、投资者的风险偏好程度设定风险界限，以此对分析对象进行风险定位和决策，企业财务状况的评价可以看作是基于一系列独立变量基础上的分类问题，企业财务状况的好坏与财务指标是非线性的，财务指标可能是高度相关的，并且并不服从正态分布，而采用 Logit 方法对预测企业破产尽管有所改进，但仍不够理想。 近邻法 近邻法是一种非参数方法，当已知总体表现为非正态分布时，特别是当属于同一类的样本在变量空间形成聚类时，近邻法十分有效，与参数类方法相比，近邻法用于对总体分布施加很少 约束的情况下，是一种十分灵活的方法。 近邻法不仅放松了正态性假定，也避免了传统技术对模型函数形式设定的困难。 任何一个样本到底划归哪一类是由 k 个近邻划归类型所确定。 任意两个样本之间的距离可定义为      1, c o vTd x y x y x y  ，其中 1cov 是合并协方差的逆。 这样，一个样本划归为它的 k 个近邻的多数（即当一个样本的 k 个近邻的大多数划归一类，则该 样本也应划属一类）。 3． 4 统计方法的缺陷 统计模型的最大优点在于其具有明显的解释性，评估方法简单、计算复杂度低，但是这些方法都是基于线性模型的评估方法，有着过于严格的前提条件，而且商业银行的风险因素错综复杂，各个因素之间错综复杂，存在着不确定、非线性特点 ， 无法用简单的线性模型做出准确的评估，。 上述三种方法在国外已有大量应用，实证结果发现： 1)企业财务状况的评价可以看作是一类基于一系列独立变量基础上的分类问题 ； 2)企业财务状况的好坏与财务比率的关系常常是非线性的 ； 3)预测变量 (财务比率 )可能是高度相关的 ； 4)大量实证结果表明 ,许多指标不成正态分布。 并且我国的现代商业银行体制刚刚建立，各种风险的评估与管理体制仍不健全， 15 对信用风险的研究还处于传统的风险分析阶段，这远不能满足我国商业银行发展的需求。 因此 ,传统的分类方法不能很好地解决这些问题。 作为研究复杂性的有力工具 ,神经网络技术近年来在模式识别与分类、识别滤波、自动控制、预测等方面已展示了其非凡的优越性 ， 特别是能处理任意类数据 ,这是许多传统方法所无法比拟的。 通过不断学习 ， 能够从未知模式的大量的复杂数据中发现其规律。 神经网络方法克服了传统分析过程的复杂性及选择适当模型函数形式的困难 ， 它是一种自然的非线性建模过程 ,毋需分清存在何种非线性关系 ,给建模与分析带来极大的方便。 该方法用于企业财务状况研究时 ,一方面利用其映射能力 ,另一方面主要利用其泛化能力 ,即在经过一定数量的带噪声的样本的训练之后 ,网络可以抽取样本所隐含的特征关系 ,并对新情况下的数据进行内插和外推以推断其属性。 16 4 神经网络模型 4． 1 神经网络模型理论 神经网络模型的概述 神经网络最早是由心理学家和 神经生物学家提出的，旨在寻求开发和测试神经的计算模拟。 神经网络是一组连接的输入 /输出单元，其中每个连接都与一个权值相关联。 在学习阶段，通过调整神经网络的权值，使得神经网络模型可以预测输入样本的正确分来来学习。 神经网络近来越来越受到人们的关注，因为它为解决大复杂度问题提供了一种相对来说比较有效的简单方法。