信用風(fēng)險(xiǎn)分析方法的發(fā)展

1、信用風(fēng)險(xiǎn)分析方法的發(fā)展 摘要 對(duì)目前極具應(yīng)用前景的信用風(fēng)險(xiǎn)分析方法進(jìn)行了評(píng)述, 分析了它們的特點(diǎn)、應(yīng)用及進(jìn)展, 并在此基礎(chǔ)上, 提出了我國相應(yīng)的決策, 以便為促進(jìn)我國信用風(fēng)險(xiǎn)管理水平的提高提供有益的借鑒。 關(guān)鍵詞 信用風(fēng)險(xiǎn)神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)雜合體系一、問題的提出銀行面臨的主要風(fēng)險(xiǎn)有信用風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)、利率風(fēng)險(xiǎn)。我國商業(yè)銀行的改革一直在進(jìn)行中。就我國實(shí)際8ttt8情況8 tt t 8. com而言, 銀行經(jīng)營效益低下, 呆賬、壞賬增加www.8 t tt8. com固然有體制上的原因, 但忽視信用風(fēng)險(xiǎn)分析和管理方法的研究, 對(duì)信用資產(chǎn)進(jìn)行不合理的定價(jià)也是8tt t 8. com一個(gè)不容忽視的原因。

2、近20 年來,隨著國際金融領(lǐng)域競爭的空前加劇及大規(guī)模貸款組合的不斷ssbbww.Com發(fā)展, 傳統(tǒng)的信用評(píng)估方法已不能滿足人們的需要sSbBwW.cOm。一批以信息技術(shù)為支撐, 以系統(tǒng)采用統(tǒng)計(jì)科學(xué)、人工智能、模擬技術(shù)等為特征的現(xiàn)代信用風(fēng)險(xiǎn)分析方法在西方發(fā)達(dá)國家不斷ssbbww.Com涌現(xiàn)。與國外相比 ssB, 我國目前對(duì)風(fēng)險(xiǎn)分析方法的研究還不充分, 信用風(fēng)險(xiǎn)方法仍以傳統(tǒng)的比例分析為主, 定性、靜態(tài)、局部的分析多, 定量、動(dòng)態(tài)、全局的分析少。中國加入WTO后, 國內(nèi)的金融機(jī)構(gòu)面臨來自同行的激烈競爭, 因此www.8 t tt8. com了解和借鑒先進(jìn)的風(fēng)險(xiǎn)管理模型, 建立科學(xué)的信用風(fēng)險(xiǎn)分析體系就

3、成為目前的當(dāng)務(wù)之急。二、信用風(fēng)險(xiǎn)分析方法的發(fā)展及其進(jìn)展信用風(fēng)險(xiǎn)的分析是個(gè)世界性的問題。從20世紀(jì)60年代開始，美國與歐洲許多 8ttt8國家的研究者們已經(jīng)開始進(jìn)行信用風(fēng)險(xiǎn)分析研究。亞洲金融風(fēng)暴之后，全世界又興起了打破舊的信用風(fēng)險(xiǎn)分析方法，重新建立一套新的信用風(fēng)險(xiǎn)分析方法的熱潮。迄今為止，信用風(fēng)險(xiǎn)分析方法已經(jīng)從統(tǒng)計(jì)學(xué)方法、專家系統(tǒng)法、神經(jīng)網(wǎng)絡(luò)方法到近年來研究很熱的支持向量機(jī)方法。1.非參數(shù)統(tǒng)計(jì)方法從現(xiàn)有國內(nèi)外文獻(xiàn)看, 常用的非參數(shù)方法主要有: k 最近鄰居判別, 核密度估計(jì)和聚類分析。其主要思想是將與信用風(fēng)險(xiǎn)相關(guān)的一組因素表示為一個(gè)向量, 即樣本空間中的一個(gè)點(diǎn), 向量的每個(gè)元素即為某個(gè)財(cái)務(wù)指標(biāo),

4、 然后根據(jù)空間中的某個(gè)距離或規(guī)則將其分類。K近鄰判別法是一種非參數(shù)統(tǒng)計(jì)方法，它在一定距離概念下按照<8ttt8table>若干變量從樣本中選取與確定向量距離最短的k個(gè)樣本為一組。聚類分析是根據(jù)借款人的指標(biāo)計(jì)算出樣本空間的距離將其分類。這種方法的一個(gè)主要優(yōu)點(diǎn)是不要求 dDdtt總體服從某種具體的分布，可對(duì)變量采用名義尺度、次序尺度等。因此www.8 t tt8. com，該方法可用8ttt8于定量研究，也可對(duì)現(xiàn)實(shí)中無法用數(shù)值精確表述的屬性進(jìn)行分析。這很適用于信用風(fēng)險(xiǎn)分析中按照<8ttt8table>定量指標(biāo)和定性指標(biāo)。對(duì)不服從一定分布特性的數(shù)據(jù)信息進(jìn)行分類。除此之外，聚類

5、分析方法還能幫助商業(yè)銀行確定貸款方式和策略，遲國泰等（2001）通過對(duì)專家意見進(jìn)行聚類分析，用來對(duì)商業(yè)銀行進(jìn)行信貸風(fēng)險(xiǎn)評(píng)估。從實(shí)證分析看, 非參數(shù)法的效果不是很理想。其原因是：在同樣的樣本容量下，若對(duì)具體問題的確存在特定的參數(shù)模型并可能找出時(shí)，非參數(shù)方法不及參數(shù)模型效率高。因此www.8 t tt8. com, 在無法確知總體的分布函數(shù)時(shí), 非參數(shù)方法不失為一種有效的方法。如果8 tt 對(duì)某一具體問題能找出特定參數(shù)的模型, 則非參數(shù)法的效果會(huì)下降。2.專家系統(tǒng)專家系統(tǒng)是一種使用知識(shí)和推理的智能計(jì)算機(jī)程序，其目的是將專家解決8t t t 8. c o m問題的推理過程再現(xiàn)而成為專家的決策工具，或

6、為非專業(yè)決策者提供專業(yè)性建議。它的功能表現(xiàn)在dd dtt. com解釋功能、靈活性、學(xué)習(xí)功能三方面。專家系統(tǒng)自上世紀(jì)80年代以來逐步被用于商業(yè)、經(jīng)濟(jì)領(lǐng)域，如會(huì)計(jì)、審計(jì)、稅務(wù)信用評(píng)分、企業(yè)破產(chǎn)預(yù)測及證券組合等。Messier和Hansen（1985）從知識(shí)獲取角度探討比較了專家系統(tǒng)在信用風(fēng)險(xiǎn)分析領(lǐng)域中的應(yīng)用。傳統(tǒng)的專家系統(tǒng)采用直接法，這種方法要消耗大量的時(shí)間和人力，而且問題域中的一些 8 tt 經(jīng)驗(yàn)性知識(shí)無法清楚表示，故限制專家系統(tǒng)的規(guī)模和實(shí)用性。他們改變知識(shí)獲取的傳統(tǒng)方法即直接法，提出了啟發(fā)式方法，即首先由專家提出范例對(duì)其特性加以提取，之后使用啟發(fā)算法獲取生產(chǎn)式規(guī)則，選用概念學(xué)習(xí)算法，從若干固

7、定的屬性描述的已知分類中抽取共性的變量，然后在這些屬性的基礎(chǔ)上建立生產(chǎn)式系統(tǒng)，利用 www.8 t t t8. com其中的規(guī)則即可對(duì)新樣本中的指標(biāo)進(jìn)行評(píng)估。 信用風(fēng)險(xiǎn)分析方法的發(fā)展|有關(guān)金融研究的論文資料3.神經(jīng)網(wǎng)絡(luò)方法進(jìn)入20世紀(jì)90年代，神經(jīng)網(wǎng)絡(luò)（NN）引入銀行業(yè)，用于信用風(fēng)險(xiǎn)識(shí)別和預(yù)測。神經(jīng)網(wǎng)絡(luò)是一種具有模式識(shí)別能力，自組織，自適應(yīng)，自學(xué)習(xí)特點(diǎn)的計(jì)算機(jī)制，它的知識(shí)編碼于整個(gè)權(quán)值網(wǎng)絡(luò)，呈分布式存儲(chǔ)且具有一定的容錯(cuò)能力。神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)的分布要求 dDdtt不嚴(yán)格，也不需要sSbBwW.cOm詳細(xì)表述自變量與因變量之間的函數(shù)關(guān)系。這些特性，使之很快成為信用分析方法的一個(gè)熱點(diǎn)。它在信用風(fēng)險(xiǎn)分析

8、的作用是通過神經(jīng)網(wǎng)絡(luò)的分類功能進(jìn)行的。首先找出一組影響分類的因素作為dddtt神經(jīng)網(wǎng)絡(luò)的輸入，然后通過有導(dǎo)師或無導(dǎo)師的訓(xùn)練，形成信用風(fēng)險(xiǎn)分析模型。對(duì)新樣本的輸入，模型可產(chǎn)生信用風(fēng)險(xiǎn)分析的判別的的結(jié)果。從目前國內(nèi)外文獻(xiàn)看, 研究和應(yīng)用中使用最多的NN有:多層感知機(jī)(MLP)、專家混合網(wǎng)絡(luò)(MOE)、學(xué)習(xí)矢量化器(LVQ)、徑向基函數(shù)(RBF)、模糊自適應(yīng)諧振(FAR)及概率神經(jīng)網(wǎng)(Probabilistic Neural Networks)。其中,MLP由于www.ddd tt. com其在理論上及網(wǎng)絡(luò)構(gòu)建的成熟性, 成為應(yīng)用最多的NN方法。對(duì)于NN的有效性, 研究者大多將其與傳統(tǒng)的LDA、LG

9、方法進(jìn)行對(duì)比。NN是否優(yōu)于傳統(tǒng)方法目前仍存在爭議。David West于2000 年分別將德國、澳大利亞的企業(yè)信用數(shù)據(jù)利用 www.8 t t t8. com交錯(cuò)鑒定法分為訓(xùn)練樣本和測試樣本。結(jié)果顯示,對(duì)于德國數(shù)據(jù)的分析,判別最準(zhǔn)確的是MOE,其余依次為:LG、RBF、MLP、LDA、LVQ、CART、KD、KNN 和FAR;對(duì)澳大利亞數(shù)據(jù)的分析顯示, 判別最準(zhǔn)確的是RBF,其余依次為:ML P、MO E、L G、LDA、KNN、LVQ、CART、KD和FAR。相反的觀點(diǎn)如Altman認(rèn)為:NN分析方法在信用風(fēng)險(xiǎn)識(shí)別和預(yù)測中的應(yīng)用, 并沒有實(shí)質(zhì)性的優(yōu)于線性區(qū)別模型。因此www.8 t tt8.

10、 com從目前的研究文獻(xiàn)看,NN系統(tǒng)已顯示出非常大的應(yīng)用前景,但與傳統(tǒng)的DA、LG方法相比 ssB,還不具備絕對(duì)的優(yōu)勢。原因在于目前尚無成熟的理論指導(dǎo)來設(shè)定網(wǎng)絡(luò)結(jié)構(gòu), 要得到一個(gè)較好8 t tt 8.c o m的NN結(jié)構(gòu),需要sSbBwW.cOm人為地試湊。并且網(wǎng)絡(luò)的學(xué)習(xí)過程慢,尤其當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜 ,樣本訓(xùn)練次數(shù)多時(shí),其運(yùn)算效率降低。因此www.8 t tt8. com,NN的未來發(fā)展仍有待人們艱苦不懈的努力。4.雜合系統(tǒng)與支持向量機(jī)方法(1)雜合系統(tǒng)。雜合方法是指把兩種或多種不同的方法結(jié)合在一起形成一種新的方法，這種新的方法既能繼承原來 8 t tt 8.c o m各方法中的優(yōu)點(diǎn)，又能克服各

11、方法中的缺點(diǎn)，同時(shí)ssbbww. com還能形成一種新的優(yōu)點(diǎn)，而這種新的優(yōu)點(diǎn)是原來 8 t tt 8.c o m所有8 tt 方法中都不具備的。由于www.ddd tt. com具有這樣的特性，提高了解決8t t t 8. c o m問題的效率，是目前一種比較流行的研究方法。Kerling(1995)將遞歸分割算法與DA方法進(jìn)行比較的同時(shí)ssbbww. com，提出了兩種方法的雜合方法，結(jié)果證明雜合方法的分類效果比單獨(dú)使用這兩種方法都好。West（2000）在利用 www.8 t t t8. com專家雜合系統(tǒng)研究商業(yè)銀行信用評(píng)價(jià)的準(zhǔn)確性時(shí)，對(duì)德國和澳大利亞兩組不同的財(cái)務(wù)數(shù)據(jù)分別進(jìn)行兩類模式分

12、類時(shí)，分類準(zhǔn)確率分別為75.66%和86.68%。(2)支持向量機(jī)。20世紀(jì)90年代中末期，Vapnik等根據(jù)統(tǒng)計(jì)學(xué)習(xí)理論提出支持向量機(jī)（簡稱SVM）的學(xué)習(xí)方法，研究如何根據(jù)有限學(xué)習(xí)樣本，進(jìn)行模式識(shí)別和回歸預(yù)測等。近年來，SVM已成為解決8t t t 8. c o m模式分類和回歸問題的有利工具。由于www.ddd tt. comSVM在學(xué)習(xí)過程中避免了神經(jīng)網(wǎng)絡(luò)的一些 8 tt 缺陷，如網(wǎng)絡(luò)結(jié)構(gòu)難以確定、在樣本訓(xùn)練過程中發(fā)生過學(xué)習(xí)或欠學(xué)習(xí)、容易 Dddtt產(chǎn)生局部極小等，因此www.8 t tt8. com，在進(jìn)行模式分類時(shí)，人們自然認(rèn)為SVM學(xué)習(xí)方法優(yōu)于神經(jīng)網(wǎng)絡(luò)方法。它的主要研究內(nèi)容是，當(dāng)問

13、題是線性可分時(shí)，給出一個(gè)求解最大間隔法的方法；而當(dāng)問題不是線性可分時(shí)，提出利用 www.8 t t t8. com一核函數(shù)將樣本集映射到某一高維空間，使得樣本集在高維空間中的像是線性可分的。其學(xué)習(xí)方法最大的特點(diǎn)是：根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小劃原則，盡量提高學(xué)習(xí)機(jī)的泛化能力。其中，通過非線性映射，將低維空間中的非線性問題轉(zhuǎn)變?yōu)楦呔S空間中的線性問題，并采用一核函數(shù)代替高維空間中的內(nèi)積運(yùn)算，達(dá)到避免高維運(yùn)算和解決8t t t 8. c o m非線性的目的。盡管通常來說，支持向量機(jī)方法也是8tt t 8. com神經(jīng)網(wǎng)絡(luò)方法的一種，但考慮到支持向量機(jī)方法與其他神經(jīng)網(wǎng)絡(luò)方法相比 ssB，確實(shí)有其獨(dú)特之處，特別是在

14、信用風(fēng)險(xiǎn)分析領(lǐng)域的研究中表現(xiàn)出很強(qiáng)的應(yīng)用前景，因此www.8 t tt8. com將該方法單列出來。三、結(jié)語目前, 具有高技術(shù)含量的風(fēng)險(xiǎn)管理模型在西方發(fā)達(dá)國家獲得ssbbww了突飛猛進(jìn)的發(fā)展, 其主要特征表現(xiàn)為綜合吸收當(dāng)今各學(xué)科領(lǐng)域的最新技術(shù)成果, 大量運(yùn)用計(jì)算機(jī)信息技術(shù)、經(jīng)濟(jì)計(jì)量技術(shù)、模擬技術(shù)，以及神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)對(duì)信用風(fēng)險(xiǎn)進(jìn)行計(jì)量、定價(jià)、交易和套期保值, 風(fēng)險(xiǎn)評(píng)價(jià)方法越來越體現(xiàn) ssbbWw出從定性到定量、從簡單到復(fù)雜 、從微觀層次的個(gè)別資產(chǎn)信用風(fēng)險(xiǎn)評(píng)價(jià)到宏觀層次的資產(chǎn)組合信用風(fēng)險(xiǎn)評(píng)價(jià)的趨勢。由于www.ddd tt. com我國商業(yè)銀行和金融市場尚處在新興發(fā)展階段, 核心的信用風(fēng)險(xiǎn)分析

15、仍采用傳統(tǒng)的比例分析方法, 遠(yuǎn)不能滿足商業(yè)銀行對(duì)貸款進(jìn)行風(fēng)險(xiǎn)分析的需要sSbBwW.cOm。吸收和借鑒西方風(fēng)險(xiǎn)管理的新方法, 對(duì)于我們sSBbWw具有重要的意義。這里僅提出幾點(diǎn)建議:1.由于www.ddd tt. com風(fēng)險(xiǎn)分析方法的成功運(yùn)用依賴于龐大完整的數(shù)據(jù)庫, 而我國目前大多數(shù)企業(yè)數(shù)據(jù)資料不全, 并且國內(nèi)缺乏獨(dú)立的金融資信評(píng)級(jí)機(jī)構(gòu)。因此www.8 t tt8. com,我國目前當(dāng)務(wù)之急要大力培育和發(fā)展中國獨(dú)立的信用評(píng)級(jí)機(jī)構(gòu), 同時(shí)ssbbww. com從長遠(yuǎn)看, 我國商業(yè)銀行和企業(yè)必須ssbbww. c om盡快建立統(tǒng)一、規(guī)范的數(shù)據(jù)倉庫和管理信息系統(tǒng),以滿足所有8 tt 工具對(duì)數(shù)據(jù)的需求。2.要抓緊培養(yǎng)高素質(zhì)的專業(yè)人才隊(duì)伍, 同時(shí)ssbbww. com建立良好ssbbww.Com的信用文化環(huán)境及適合