SPSS Modeler 支持向量机模型评估银行客户信用

Modeler 支持向量机模型评估银行客户信用

本文要介绍的预测分析模型是“支持向量机模型”，我们将为大家简要介绍支持向量机模型的理论，然后结合IBM SPSS Modeler 产品详细讲述如何利用支持向量机模型来解决客户的具体商业问题—银行如何评估客户信用

银行典型案例

商业银行个人信用评估就是根据个人信息和借贷记录等历史数据，判断个人信用，它是保证信贷安全的重要一环。但是商业银行用于信用评估的数据往往具有特性不稳定，历史样本容量较小，指标较多，呈明显的非正态分布。这些特点导致很难利用一般的统计技术进行有效的评估。支持向量机模型( 简称SVM) 能够很好的处理此类数据，进行有效的信用评估。本文介绍了SVM 的基本概念以及Modeler 中使用SVM 进行信用评估的基本步骤和方法，并对结果进行分析和应用

支持向量机模型简介

支持向量机(Support Vector Machine, 简称SVM) 是一项功能强大的分类和回归技术，可最大化模型的预测准确度。与其他常用模型不同，SVM 一个优势就是能很好的处理小样本，高维数，非正态的数据。

SVM 的工作原理是将原始数据通过变换映射到高维特征空间，这样即使数据不是线性可分，也可以对该数据点进行分类。之后，使用变换后的新数据的进行预测分类。例如，图 1 中的数据点落到了两个不同的类别中，可以用一条曲线分隔这两个类别。对数据使用某种数学函数变换后，可以用超平面定义这两个类别之间的边界。

图 1. 数据变换后线性可分示意图

用于变换的数学函数称为核函数。IBM SPSS Modeler 中的SVM 支持下列核函数类型：

?线性

?多项式

?径向基函数(RBF)

?Sigmoid

如果数据的线性分隔比较简单，则建议使用线性核函数。在其他情况下，应当使用其他核函数。在所有情况下，最好尝试使用不同的核函数，才能从中找出最佳模型，因为每一个函数均使用不同的算法和参数。

回页首

使用IBM SPSS Modeler 支持向量机模型评估客户信用

IBM SPSS Modeler 中的SVM 提供了可视化的操作方法，具有界面友好，操作方便的特点。此节，介绍如何使用IBM SPSS Modeler SVM 评估客户信用。操作步骤分为：

?创建基本流（Modeler Stream），建立模型；

?测试模型，分析结果；

?用不同的核函数建模，比较并选择合适的模型；

?运用选定的模型来评估客户信用。

我们使用UCI Machine Learning Repository 上公开的商业银行客户信用记录作为数据集进行演示。该数据集由1000 条个人信用记录组成，每条记录均包含一组个人信息值，其中包括对客户信用的评估结果。1000 条记录保存在CreditData.csv 文件中，从1000 条记录中抽出一部分用于演示用选定的模型评估客户信用，将这部分数据保存到CreditData4Estimate.csv 文件中。

创建基本流（Modeler Stream），建立模型

图 2. 基本流建模图

基本流如图 2 所示，创建步骤如下

1) 添加源数据—选择合适的数据

创建新流，命名为SVM.str。从“源”选项卡中添加一个“可变文件”节点到SVM.str，从“输出”选项卡中添加一个“表”节点到流，并将“表”节点连接到“可变文件”节点。打开“可变文件”节点，导入客户信用数据CreditData.csv。运行“表”节点，显示源文件中数据，如图3 所示。数据有22 个字段，1000 条记录。ID 字段为客户标志符。每个客户的信息包含在从StatusChkAccount

到Foreigner的字段中。Class字段表示信用评级，取值为良( 值=1) 或者差( 值=2)。

图 3. 源数据图

2) 设置类型—选择用作预测的变量和目标变量

从“字段选项”选项卡中添加一个“类型”节点到SVM.str, 并将它连接到“可变文件”节点之后，打开“类型”节点，并单击[ 读取值] 按钮。获得数据集描述，如图4 所示。

图 4. 源数据类型描述图

本模型，希望预测Class的值( 此字段只有 2 个值，即良(=1) 还是差(=2))。在“类型”设置界面中，单击Class字段的“测量”列，将其改为“标志”，将Class的角色设置为“目标”;ID字段作为个人标识符，不会对建模和预测产生影响，不会用作预测变量或模型的目标，将其角色设置为“无”; 其他字段作为特征字段用作预测变量，因此将其角色设置为“输入”。

3) 添加分区—选择建模的数据和测试模型的数据

为了建立模型( 即训练模型)，同时测试模型，需要把数据集CreditData.csv 分为两部分，一部分用于建立模型，另一部分用于测试新建模型。分区节点通过在源数据表中添加一个字段，根据字段的不同取值，将数据分区。“分区”节点最多可以将数据分为三部分，分别用于训练、测试和验证。

从“字段选项”选项卡中添加“分区”节点到流，将其连接到“类型”节点，打开“分区”节点，使用默认设置。默认分为“训练”和“测试”两个分区，大小分别50%。选择“设置随机种子数”表示分区是随机分区的。

图 5. 分区节点图

添加“表”节点并连接到“分区”节点之后。运行“表”节点，如图 6 所示，“分区”字段被加入到表中。

图 6. 添加分区字段的数据图

4) 添加“建模”节点—建模

从“建模”选项卡中添加“SVM”节点，并连接到“分区”节点之后。双击“SVM”节点，设置属性。

“字段”选项卡默认选中“使用类型节点设置”。

在“模型”选项卡中，如图7 左所示，选中“自定义”选项，在相邻的文本字段中键入class-rbf 作为“模型名称”；默认选中“使用分区数据”和“为每个分割构建模型”，流中没有添加“分割”节点，这个选项没有实际作用，关于其功能这里不介绍，有兴趣的读者可以参考帮助文档。

在专家选项卡中，如图7 右所示，将“模式”设为“专家”以获得可靠性，“内核类型”（即核函数）默认设为RBF，其他选项使用默认值，这些选项是建模参数，这里不介绍，有兴趣的读者可以参考帮助文档。在“简单”模式下所有选项均为不可设置。

图7. 模型设置图

在“分析”选项卡上，选中“计算变量重要性”复选框，其他两个选项“计算原始的趋向得分”和“计算调整倾向得分”默认不选中，关于这两个选项功能，这里不介绍，有兴趣的读者可以参考帮助文档。

“注解”选项卡不作额外设置。

单击运行。运行成功表示建模完成，创建模型块被添加到流中。至此，流基本建立完毕，如上面图 2 所示。

测试模型，分析结果

双击建模生成的模型块class-rbf。如图8 所示，在“模型”选项卡上，预测变量重要性图显示了不同变量对预测的影响程度，从上到下预测变量的重要程度依次降低，其中StatusChkAccount和SavingAccounts的对预测的影响度最

大。“设置”选项卡指定在查看结果时显示的附加字段。“汇总”选项卡显示了分析( 包含记录数，分析准确性)、字段、构建设置、训练汇总等信息。这两个选项卡的详细功能，本文不介绍，请参考帮助文档。

图8. 模型图

模型块class-rbf 之后添加“表”节点，运行表节点，使用创建的class-rbf 模型对源数据中数据进行测试，获得图9 所示结果。

图9. 训练评估结果图

图9 的结果中，class-rbf 模型创建了两个新字段。向右滚动表输出可看到这两个字段：

表 1.带表头、所有列左对齐的样式

新字

段名

描述

$S-Class

由模型预测的Class 值。

$SP-Class

此预测值的倾向得分（即此预测值正确的可能性，其值介于0.0 到 1.0 之间）。表示预测值的准确程度，值越高，越说明预测值准确性越高

查看上表，看到大多数记录的倾向得分（$SP-Class 列）都相当高，即预测的准确度相当高。但是也存在一些明显的例外情况, 例如图9 位于第98 和99 行的记录，其倾向得分为0.539 和0.535。比较这两行的Class 和$S-Class，可以看到此模型对这两行记录做出了不正确的预测。因此，在实际使用模型预测时，选择相信倾向得分大于预设值的预测结果。

为了统计表中的预测信息，添加“分析”节点并连接到class-rbf 模型块，运行“分析”节点，获得预测汇总结果, 如图10 左所示。根据汇总结果，class-rbf 模型对于“1_ 训练”分区，预测正确率是99.59%；对于“2_ 测试”分区，预测正确率是71.93%。

如果选择相信倾向得分大于0.95 的预测结果，那么预测正确率更高。添加“选择”节点，将其连接至class-rbf 模型块之后，再将“分析”节点连接至“选

择”节点之后( 在警告对话框上选择替换)，在“选择”节点中设置只包含$SP-Class>=0.95 的记录。再运行“分析”节点，得到图10 右所示结果。可以看到class-rbf 模型对于“2_ 测试”部分的预测正确率达到81.39%

图10. 模型测试结果图

使用不同的核函数，选择最合适模型

为了比较不同的核函数创建的模型，添加第二个“SVM”建模节点并连接到“分区”节点之后，打开新“SVM”节点，在“模型”选项卡上选择“自定义”并将class-poly 作为模型名称；在“专家”选项卡上，将模式设置为专家；将内核类型设置为多项式并单击运行，class-poly 模型块被成功创建。将class-poly 模型块连接到class-rbf 模型块之后（在警告对话框上选择替换），将class-poly 模型连接到“分析”节点( 在警告对话框上选择替换), 在class-poly 模型块之后添“表”节点。最终建立的流如图11 所示。我们还可以看到class-rbf 模型块和class-poly 模型块被添加到屏幕右上角的“模型”选项板。

图11. 多核函数建模图

运行连接到class-poly 模型的表节点，如图12 所示, 为class-poly 模型生成的预测值和倾向得分字段分别命名为$S1-Class 和$SP1-Class。可以对比对每条记录两个模型预测结果。

图12. 两模型评估结果图

为了比较两个模型各自的预测准确度，运行分析节点，获得图13 所示结果。

图13. 两模型评估分析图

上图中，“单独模型”下面的“比较$S-Class 与Class”表示模型Class-rbf 的预测结果，它与上面图10 左的结果是一致的。“比较$S1-Class 与Class”表示Class-poly 模型预测结果，该模型对于487 条“1_ 训练”记录，全部预测正确；对于513 条“2_ 测试”记录，有360 条记录预测正确，正确率为70.18%.

“$S-Class$S1-Class 之间的一致性”表示对所有的记录，两个模型预测结果相同的记录的统计信息。对于“1_ 训练”分区，两模型对于485 ( 占训练记录总数99.59%) 条记录的预测结果是相同的，对于“2_ 测试”分区，对484 ( 占测试记录总数94.35%) 条记录预测结果是相同的。“比较一致性与class”表示两个模型预测结果相同的记录中，分别被正确预测和错误预测的记录数。从图13 中可见，对“1_ 训练”分区，两模型预测结果相同的485 条记录中，485 条记录被正确预测，0 条被错误预测；对“2_ 测试”分区，两模型预测结果相同的484 条记录中，有350 条记录被正确预测，134 条被错误预测，预测正确率为72.31%。

信用风险量化的4种模型

信贷风险管理的信用评级方法 信贷风险管理是当今金融领域的一个重要课题。银行在贷款或贷款组合的风险度量中特别注意运用信贷风险管理的工具。除了专家系统、评分系统和信用打分系统等传统方法外，新的信贷风险管理方法主要有KMV模型、JP摩根的VAR模型、RORAC模型和EVA模型。 1、KMV——以股价为基础的信用风险模型 历史上，银行在贷款决策时，曾经长时间忽视股票的市价。KMV模型基于这样一个假设——公司股票价格的变化为企业信用度的评估提供了可靠的依据。从而，贷款银行就可以用这个重要的风险管理工具去处理金融市场上遇到的问题了。尽管很少有银行在贷款定价中将KMV模型作为唯一的信用风险指示器，但非常多的银行将其用为信贷风险等级的早期报警工具。 KMV实际上是一个度量违约风险的期权模型，是由买入期权推演而来的。 KMV扭转了看待银行贷款问题的视角，从借款企业的普通股持有者的视角来看贷款偿还(回报)的激励问题。换句话说，它将持有普通股视为与持有一家公司资产的买入期权相同。基本原理如图所示： （1）KMV是如何工作的？ 假设普通股持有者拥有公开交易公孙的股票，公司债务是一张一年期的单一贴现票据（single discount note）,票面价值是B.上图显示的是从普通股持有者方面来看的贷款偿还问题。 在图中，若公司资产的价值跌到OB以下（以左，如OA1）,股的持有者就不会偿还那个等于OB的债务。当然，如果选择违约，他就必须将对公司资产的控制权转让给贷款银行，公司所有者的普通股就一文不值了。然而，若公司资产的价值是OA2，公司就会偿还债务OB，而保留其余的价值BA2.在KMV模型中，公司债务的票面价值B就是买入期权中的约定价格。可以看到公司的风险底线（downside risk）被限制在OL，因为“有限责任”保护了普通股的持有人。从而，对一个好公司的股票持有者的回报有一个有限的底线和一个无限延长的上限。 KMV从贷款于期权之间的这种联系之中得到了EDF模型（估计违约频率模型）。以下对EDF作简要介绍。

商业银行信用风险评估

商业银行信用风险评估 结合本文分析了商业银行内部信用风险评估体系在银行风险管理的地位和作用，内容摘要：对如何完善和发展内蒙古商业银行,我国商业银行在信用风险评估方法上存在的问题和现状的内部信用风险评估体系提出了几点建议。国内银行业面临着参与国际随着我国金融体制改革步伐的加快和金融业开放程度的提高， 我国商业银行必须借鉴国际上先进的信用风险管理在金融全球化的新形势下，竞争的挑战。经验，强化信用风险管理，开发适用的信用风险管理模型，适应《巴赛尔协议》新框架的需银行融资仍将是企业筹措资金的在今后很长一段时期，要。我国处于经济发展的初期阶段，深入研究我国商业银行银行体系面临的风险将是我国金融风险的主要构成因素。主要方式，从全局不仅是商业银行作为微观金融主体进行内部管理的自主行为，的信用风险管理问题，股市引发货币危机、上看也是防范商业银行的信用风险导致银行信用体系和支付体系崩溃，下面仅就如何构建商行内部信用风险管理评估体系谈谈自己的一点暴跌和金融危机的需要。浅见，仅供交流和探讨。风险管理信用风险关键字：内蒙古商业银行 一、引言次系统性银行危机。个国家先后爆发了112世纪初，全球有70年代末到2193自20 世纪年美国利率风暴年美国股市崩盘、1994尤其90年代以来频频爆发的金融危机——如198720071998年俄罗斯政府违约事件，特别是及中南美洲比索风暴、1997年亚洲金融危机、影响程度之大，年的全球金融风暴，波及范围之广，年春季开始的次贷危机最终演变为2008对全它们不仅使一国多年的经济发展成果毁于一旦，还危机到一国的经济稳定，史无前例。近年随着巴林银行和雷曼兄弟的倒闭让人们愈加的认识到银行球经济也产生了强大的冲击。信用风险管理的重要性。二、我国商业银行业信用风险评估方法现状分析 目前我国的信用分析和评估技术仍处于传统的比率分析阶段。银行机构主要使用计算贷款风险度的方法进行信用风险评估。信用风险的分析仍然是以单一投资项目、贷款和证券为主,衍生工具、表外资产的信用风险以及信用集中风险的评估尚属空白,更没有集多种技术于一体的动态量化的信用风险管理技术。其主要表现在以下几个方面: (一)信用风险衡量采用专家制度。我国商业银行信用风险衡量大多采用专家制度。但专家制度存在一定的缺陷和不足,在实际运用中没有引起重视。如专门信用分析人员不足、实施效果很不稳定、银行应对市场变化的能力较低、银行在贷款组合方面过度集中的问题进一步加剧等。 (二)信用风险评估中定量分析不够。从信用风险的识别、衡量方面看,我国商业银行信用风险管理定性分析多,定量分析少(尽管已经使用了一些定量分析方法,但仍存在着不完善的地方);静态分析多,动态分析少;局部分析多,全局分析少。以企业信用评级为例,从评级要素的设计看,多侧重财务指标分析(总分值达三十分以上),而忽略了财务信息的质量问题。众所周知我国企业财务信息质量不高已是不争的事实;忽视了企业发展前景在信用评级中的作用,如企业所在行业发展状况、市场预期状况仅占1分,这样得出的评级结果更多反映的是企业过去和现在的信用状况,而未能反映企业未来的资信质量。从评级时间看,对企业的信用评级每年进行一次,不利于银行及时了解企业的信用等级变化,不能为风险管理提供动态的信息。再从国内银行对贷款的风险度测量方法看,一个最主要的问题就是贷款风险度涉及因素的选择和风险系数的确定很大程度上受到主观因素的影响。贷款风险度是否受到或仅受到企业信用等级、贷款方式的影响,有实证研究结果表明,中国的商业银行资产质量与抵押、担保贷款风险系数确定的依据是这意味着贷款方式与贷款风险度并无直接关系。, 率无直接线性关系 什么?这些问题由于未得到解决,导致了贷款风险度的测量并不能真正反映贷款信用风险水平。此外,我国商业银行贷款风险度的测量关注的是某一笔贷款的信用风险,并没有从组合管理的角度对信用风险进行测定。一笔贷款对贷款组合的信用风险贡献度,即边际信用风险为多少?各笔贷款之间的风险度相关性如何?这些问题在贷款风险度的测量方法中都没有加以解决。

各银行企业信用等级评定

中国农业银行企业信用等级评定 中国农业银行企业信用评定按得分高低，企业信用等级分为AAA、AA、A、B、C五个等级： 1．AAA企业。得分为90分(含)以上，且资产负债率、利息偿还率和到期信用偿付率指标得分均为满分，现金流量指标得分不得低于5分，有一项达不到要求，最高只能评定为AA级。 2·AA级企业。得分为80分(含)～90分(不含)，且资产负债率、利息偿还率指标得分均为满分，到期信用偿付率指标得分不得低于10．8分，现金流量指标得分不得低于3分，有一项达不到要求，最高只能评定为A级。 3．A级企业。得分为70(含)～80分(不含)，且资产负债率指标得分不得低于5分，利息偿还率指标得分不得低于8．1分，到期信用偿付率指标得分不得低于9．6分。 4．B级企业。得分为60分(含)～70分(不含)；或得分在70分以上，但具有下列情形之一的：(1)属于国家限制发展的行业；(2)资产负债率得分为5分以下；(3)利息偿还率得分在8．1分以下；(4)到期信用偿付率得分在9．6分以下。 5．C级企业。得分为60分(不含)以下；或得分在60分以上，但具有下列情形之一的：(1)生产设备、技术和产品属国家明令淘汰，(2)资不抵债(3)企业已停产半年以上；(4．存在逃废银行债权的行为，(5)利息偿还率得分在2．7分以下}(6)到期信用偿付率得分在3．6分以下。 国家开发银行企业信用等级评定 国家开发银行企业信用等级评定实行AAA级、AA级、A级、BBB级、BB级、B级、C级七级。行业信用等级用预警信号表示，分为绿信号、黄信号、红信号三种。地区信用等级用风险程度表示，分为低风险、较低风险、中等风险、较高风险、高风险五类。 中国银行客户信用评级 按照《中国银行客户信用评级办法》从偿债能力、获利能力、经营管理、履约情况、发展能力与潜力五个方面进行评价，定期评定、适时调整，目前中国银行的信用评级方法和评级标准属于银行内部掌握的信贷工具，不向社会公布，仅为银行内部管理服务。 中国银行的客户信用等级分为AAA级、AA级、A级、BBB级、BB级、B级、CCC级、CC 级、C级和D级，共十个信用等级。

构建商业银行信贷风险评估及预警体系

构建商业银行信贷风险评估及预警体 系

商业银行信贷风险评估及预警体系的构建 摘要随着金融全球化趋势及金融市场的波动性加剧各国金融机构受到了前所未有的信用风险挑战信贷风险成为金融机构和监管部门风险防范与控制的主要对象如何有效地防范银行的信贷风险已成为世界金融行业和学术界探讨的一个重要课题本文在对中国商业银行信贷业务进行调查研究的基础上分析商业银行信贷业务的现状指出其存在的问题并在全面深入分析其成因的基础上借鉴国外先进的信贷风险管理经验提出构建中国商业银行信贷风险评估和预警体系的思路 关键词信贷风险信贷风险评估体系预警体系信贷管理 近年来中国国民经济保持了持续、高速增长,而银行作为经济活动的主要媒介,如何在抓住机遇,加快发展的过程中规避和

防范金融风险已成为国内银行业不可回避的问题建立一套实用性较强又能与国际接轨的信贷预警模型及警管理机制对中国商业银行持续快速健康发展具有重要的现实意义 一、商业银行信贷风险的概念及形成的原因 商业银行信贷风险是由于不确定性因素使借款人不能按合同规定偿还银行贷款本息导致信贷资产预期收入遭受损失的可能性 商业银行的信贷风险产生的原因有许多方面如图1所示归纳起来主要表现为:(1)商业银行自身经营性原因例如银行信贷内部控制制度不完善缺乏科学的信贷管理与防范体系信贷资产质量监管制度与偿债的约束机制的执行不严格经营管理人员和经办人员缺乏职业道德等造成了信贷风险;(2)商业银行的信贷风险识别机制不健全没有对信贷风险准确全面的评估导致风险防控滞后;(3)信贷营销理念偏差盲目相信企业集团增大了信贷风险忧患;许多商业银行争抢大集团客户对企业集团盲目跟进对其多头授信、过度授信放宽了信贷条件和监控从成都市信贷统计数据看前10户商业银行贷款在全市各项贷款中的所占比例呈现逐年走高的态势末为28.4% 末31.5% 末为41.3%说明了各行的贷款投向高度集中增大了银行的信贷风险隐患(4)对国家经济产业及行业政策研

中国农业银行客户信用等级评定办法

中国农业银行客户信用等级评定办法中国农业银行文件 农银发［2003］135号 关于印发《中国农业银行客户信用等级评定办法》的通知 各省、自治区、直辖市分行，新疆兵团分行，各直属分行： 现将《中国农业银行客户信用等级评定办法》印发给你们，请认真贯彻执行。执行中遇到的情况和问题，请及时报告总行（信贷管理部）。 附件：1、中国农业银行客户信用等级评定办法 2．中国农业银行客户信用等级评定办法修订说明 二○○三年七月三十日 主题词：贷款业务信用等级办法通知 附件1 中国农业银行客户信用等级评定办法 第一章总则 第一条为科学评价客户信用状况，有效防范信贷风险，提高信贷资产质量，根据中国农业银行信贷管理基本制度规定，制定本办法。 第二条本办法所称客户是指财务管理制度健全，能提供会计报表的企事业法人、合伙类企业、个人独资企业、法人客户分支机构（依法独立经营，单独或独立核算，并经总公司授权）和其他经济组织。 第三条客户信用等级评定，是指按照统一的财务与非财务指标及标准，以偿债能力和意愿为核心，从信用履约能力、偿债能力、盈利能力、经营及发展能力等方面，对农业银行客户进行综合评价和信用等级确定。 第四条农业银行客户信用等级评定采取定量分析与定性分析相结合的方法，遵循统一标准、严格程序、分级管理、动态调整的原则。 第五条农业银行客户信用等级评定是农业银行信贷管理的基础性工作，评定结果是我行客户准入退出、信贷风险审查、信贷定价、授权授信管理的重要依据。 第二章评定对象 第六条农业银行信用等级评定对象按行业和客户性质分为农业、工业、商贸、房地产开发、建筑安装、外资、事业法人、银行、证券公司、非银行金融机构类客户（证券公司除

信用风险的度量方法

一、信用风险度量方法与模型 １．传统的信用风险评价方法 （１）要素分析法。 要素分析法是通过定性分析有关指标来评价客户信用风险时所采用的专家分析法。 常用的要素分析法是５Ｃ要素分析法，它主要集中在借款人的道德品质（Ｃｈａｒａｃｔｅｒ）、还款能力（Ｃａｐａｃｉｔｙ）、资本实力（Ｃａｐｉｔａｌ）、担保（Ｃｏｌｌａｔｅｒａｌ）和经营环境条件（Ｃｏｎｄｉｔｉｏｎ）五个方面进行全面的定性分析，以判别借款人的还款意愿和还款能力。 根据不同的角度，有的将分析要素归纳为“５Ｗ”因素，即借款人（Ｗｈｏ）、借款用途（Ｗｈｙ）、还款期限（Ｗｈｅｎ）、担保物（Ｗｈａｔ）及如何还款（Ｈｏｗ）。 还有的归纳为“５Ｐ”因素，即个人因素（Ｐｅｒｓｏｎａｌ）、借款目的（Ｐｕｒｐｏｓｅ）、偿还（Ｐａｙｍｅｎｔ）、保障（Ｐｒｏｔｅｃｔｉｏｎ）和前景（Ｐｅｒｓｐｅｃｔｉｖｅ）。 无论是“５Ｃ”、“５Ｗ”还是“５Ｐ”，其共同之处都是先选取一定特征目标要素，然后对每一要素评分，使信用数量化，从而确定其信用等级，以其作为其销售、贷款等行为的标准和随后跟踪监测期间的政策调整依据。 （２）特征分析法。 特征分析法是目前在国外企业信用管理工作中应用较为普遍的一种信用分析工具。它是从客户的种种特征中选择出对信用分析意义最大、直接与客户信用状况相联系的若干因素，将其编为几组，分别对这些因素评分并综合分析，最后得到一个较为全面的分析结果。

一般所分析的特征包括客户自身特征、客户优先性特征、信用及财务特征等。特征分析法的主要用途是对客户的资信状况做出综合性的评价，它涵盖了反映客户经营实力和发展潜力的所有重要指标，这种信用风险分析方法主要由信用调查机构和企业内部信用管理部门使用。 （３）财务比率分析法。 信用风险往往是由财务危机导致的，因此，可以通过及早发现和找出一些特征财务指标，判断评价对象的财务状况和确定其信用等级，从而为信贷和投资提供决策依据。 财务比率综合分析法就是将各项财务分析指标作为一个整体，系统、全面、综合地对企业财务状况和经营情况进行剖析、解释和评价。这类方法的主要代表有杜邦财务分析体系和沃尔比重评分法。 杜邦财务分析体系是由美国杜邦公司创立的，它以净值报酬率为龙头，以资产净利润率为核心，重点揭示企业获利能力及其前因后果，通过对某项综合性较强的财务比率的逐层分解，将相关财务指标联系起来，形成一个综合体系，以便清楚地反映各项财务指标的相互关系。 沃尔比重评分法是由财务综合评价领域的著名先驱者之一亚历山大·沃尔创立的，他把若干个财务比率用线性关系结合起来，以此评价企业的信用水平。他选择了七种财务比率，即流动比率、产权比率、固定资产比率、存货周转率、应收账款周转率、固定资产周转率和自有资金周转率，分别给定各自的分数比重，通过与标准比率（行业平均比率）进行比较，确定各项指标的得分及总体指标的累计分数，从而得出企业财务状况的综合评价，继而确定其信用等级。 ２．多变量信用风险判别模型 多变量信用风险判别模型是以财务会计信息为基础，以特征财务比率为解释变量，运用数量统计方法建模。多变量信用风险判别模型主要

商业银行信用风险案例

商业银行向社会投资者转让不良贷款债权的案例研究 国有商业银行完成股改成功上市后，不良贷款处置主要通过动用自身拨备核销、批量打包转让给四家资产管理公司、依法保全、现金清收等途径来实现。 2012年末，某国有银行天津市分行（以下简称A银行）通过天津产权交易中心采用市场化处置方式转让了某房地产开发有限公司（以下简称B公司）不良贷款债权。这是天津市商业银行向社会投资者转让不良贷款债权的首次尝试。 一、A银行不良贷款债权转让案例 B公司成立于1992年12月，主营房地产开发及商品房销售。注册资金1500万元。截至2004年6月末。B公司在A银行贷款余额1900万元，抵押物为天津市某区80套房产。2004年6月，B公司还款能力出现问题：同年9月，B公司总经理因涉嫌诈骗，被公安机关强行羁押，公司资产被人民法院查封；2005年6月，停止经营；2008年12月29日，B公司被吊销营业执照。2006年3月，A银行以B公司无力偿还贷款本息为由，向天津市第一中级人民法院提起诉讼。同年5月，天津市第一中级人民法院判决A银行胜诉。在该案执行过程中，由于被执行人曾擅自出售抵押房产，造成多名案外人提出异议，法院拍卖处置抵押物困难重重，致使该案始终未能完成执行程序。截至2012年3月8日，B公司拖欠A银行贷款本金1900万元，利息1172.79万元。鉴于该案在长达六年的时间里未能完成法律执行程序，A银行尝试通过向社会投资者转让该房地产公司不良贷款债权方式实现不良贷款的处置。 一是寻求新途径，制定债权转让方案。鉴于该笔不良贷款处置的难度、特点以及抵押物房产的各类瑕疵等情况。A银行开拓思路，探讨运用市场化手段处置不良贷款债权的新途径。根据《中国银监会办公厅关于商业银行向社会投资者转让贷款债权法律效力有关问题的批复》（银监办发[2009]24号）、A总行《做好2012年度不良资产清收处置相关工作的通知》等文件精神，2012年初，A银行依法拟定了通过天津产权交易中心采用市场化处置方式转让某房地产公司不良贷款债权的方案。 二是探索新模式，严格执行总行批复。2012年4月28日，A银行就该笔不良贷款债权转让价格、受让方资格条件、交易保证金、交易价款支付方式、转让交易价款处置等事宜向A总行报送请示。2012年5月11日，A总行批准同意A银行通过天津产权交易中心对外公开转让该房地产公司不良贷款债权，并规定了该笔债权挂牌交易价格及下浮幅度。 三是尝试新方式；公开透明债权转让程序。根据A总行批复要求。2012年6月7日，A银行将该房地产开发有限公司不良贷款债权在天津产权交易中心公开处置。在挂牌过程中，A银行按照天津产权交易中心交易规则确定的审批程序和公示时间，对不良贷款债权信息、买受人受让条件以及相关重大事项等情况进行公开披露。按照A总行批复文件要求，以2012年6月8日该笔不良贷款本金、利息及产生的全部费用合计数为依据，第一次挂牌转让价格确定为3200万元，在无人竞买的情况下，先后依次20%、10%两次降价，挂牌价调整为2350万元，最终只有一家意向受让方进行受让登记。并交纳了挂牌价格30%的保证金。2012年7月26日，A银行与受让方签订了《债权转让协议》，债权转让价款为2350万元。2012年10月31日，A银行向受让人交割与该案债权有关的贷款合同、抵押合同、抵押他项权证书及相关法律文书，并将债权转让事宜通知B公司。至此，A银行完成全部债权转让程序，B公司不良贷款本息合计3200万元，该行垫付的诉讼费、拍卖费、评估费、债权转让交易佣金、交易手续费、交易鉴证手续费共计46.48万元、律师费47万元。本息及可计量费用成本共计3293.48万元，债权最终转让价款为2350万元，在归还全部贷款本金1900万元后，实际应收未收利息损失943.48万元。 四是反映新成果，及时报备债权转让事项。按照《天津银监局转发<关于商业银行向社

企业信用风险评估模型分析

企业信用风险评估模型 企业信用风险评估是构建社会信用体系的重要构成要素，也是企业信用风险管理的 核心环节。企业信用风险评估涉及四个基本的概念，即信用、信用风险、信用风险管理以及信用风险评估。本节重点为厘清基本概念，并介绍相关企业信用风险评估操作。 I —、企业信用风险评估概念 企业信用风险评估是对企业信用情况进行综合评定的过程，是利用各种评估方法，分析受评企业信用关系中的履约趋势、偿债能力、信用状况、可信程度并进行公正审查和评估的活动。 信用风险评估具体内容包括在收集企业历史样本数据的基础之上，运用数理统计方法与各种数学建模方法构建统计模型与数学模型，从而对信用主体的信用风险大小进行量化测度。 I 二、企业信用风险评估模型构建 (一）信用分析瘼型概述 — 在信用风险评估过程中所使用的工具——信用分析模型可以分为两类，预测性模型和管理性模型。预测性模型用于预测客户前景，衡量客户破产的可能性；管理性模型不具有预测性，它偏重于均衡地揭示和理解客户信息，从而衡量客户实力。 计分模型 Altman的Z计分模型是建立在单变量度量指标的比率水平和绝对水平基础上的多变量模型。这个模型能够较好地区分破产企业和非破产企业。在评级的对象濒临破产时，Z 计分模型就会呈现出这些企业与基础良好企业的不同财务比率和财务趋势。 2.巴萨利模型

巴萨利模型（Bathory模型）是以其发明者Alexander Bathory的名字命名的客户资信分析模型。此模型适用于所有的行业，不需要复杂的计算。其主要的比率为税前利润/营运资本、股东权益/流动负债、有形资产净值/负债总额、营运资本/总资产。 Z计分模型和巴萨利模型均属于预测性模型。 3.营运资产分析模型 营运资产分析模型同巴萨利模型一样具有多种功能，其所需要的资料可以从一般的财务报表中直接取得。营运资产分析模型的分析过程分为两个基本的阶段：第一阶段是计算营运资产（working worth);第二阶段是资产负债表比率的计算。从评估值的计算公式中可以看出，营运资产分析模型流动比率越高越好，而资本结构比率越低越好。 《 营运资产分析模型是管理性模型，与预测性模型不同，它着重于流动性与资本结构比率的分析。由于净资产值中包含留存收益，因而营运资产分析可以反映企业的业绩。 □第三章企业征信业务 又因为该模型不需要精确的业绩资料，可以有效地适用于调整后的账目。通过营运资产和资产负债表比率的计算，确定了衡量企业规模大小的标准，并对资产负债表的评估方法进行了考察，可以确定适当的信用限额。 4.特征分析模型 特征分析模型采用特征分析技术对客户所有财务和非财务因素进行归纳分析；从客户的种种特征中选择出对信用分析意义最大、直接与客户信用状况相联系的若干特征，把它们编为几组，分别对这些因素评分并综合分析，最后得到一个较为全面的分析结果。 (二）企业信用风险评估模型构建① 1.预测性风险模型构建——Z计分模型

村镇银行客户信用评级管理办法

**村镇银行客户信用评级管理办法 第一章总则 第一条为进一步规范**村镇银行（下称“本行”）客户信用评级管理，防范授信业务风险，完善本行内部评级体系，依据中国银行业监督管理委员会颁布实施的《商业银行信用风险内部评级体系监管指引》（银监发[2008]67号），并结合本行实际，制定本办法。 第二条客户信用评级属于债务人评级，是本行对授信客户和担保客户资信状况的评价确认。客户信用评级结果是本行授信业务授权管理、客户准入和退出管理的重要依据，是授信审批决策、授信定价、授信资产风险分类的重要参考因素。 第三条本行客户信用评级遵循以下原则： （一）统一标准：总行统一制定评级管理办法，由各级机构获得评级专业资格人员进行实施。同一客户在本行内部只能有一个评级。 （二）集中认定：除中小企业业务部门管理的中小企业业务新模式下的中小企业客户，其他客户等级认定集中在总行和一级分行。 （三）定期评估：每年根据客户最新年度财务报表及其他经营管理状况进行评级更新。

（四）动态调整：客户状况发生重大变化时，及时进行评级更新。 第四条本办法适用于本行总行及国内机构的非金融机构公司类客户信用评级工作。 第二章基本概念 第五条客户信用等级本行将客户按信用等级划分为A、B、C、D四大类，分为AAA、AA、A、BBB+、BBB、BBB-、BB+、BB、BB-、B+、B-、CCC、CC、C、D十五个信用等级。D 级为违约级别，其余为非违约级别。各信用等级含义如下：AAA：信用极佳，具有很强的偿债能力，未来一年内几乎无违约可能性。 AA：信用优良，偿债能力强，未来一年内基本无违约可能性。 A：信用良好，偿债能力较强，未来一年内违约可能性小。 BBB+：信用较好，具有一定的偿债能力，未来一年内违约可能性较小，违约可能性略低于BBB级。 BBB：信用较好，具有一定的偿债能力，未来一年内违约可能性较小。 BBB-：信用较好，具有一定的偿债能力，未来一年内违约可能性较小，违约可能性略高于BBB级。 BB+：信用一般，偿债能力不稳定，未来一年内存在一

商业银行信贷风险评估及预警体系的构建

商业银行信贷风险评估及预警体系的构建 摘要随着金融全球化趋势及金融市场的波动性加剧各国金融机构受到了前所未有的信用风险挑战信贷风险成为金融机构和监管部门风险防范与控制的主要对象如何有效地防范银行的信贷风险已成为世界金融行业和学术界探讨的一个重要课题本文在对我国商业银行信贷业务进行调查研究的基础上分析商业银行信贷业务的现状指出其存在的问题并在全面深入分析其成因的基础上借鉴国外先进的信贷风险管理经验提出构建我国商业银行信贷风险评估和预警体系的思路 关键词信贷风险信贷风险评估体系预警体系信贷管理 近年来我国国民经济保持了持续、高速增长,而银行作为经济活动的主要媒介,如何在抓住机遇,加快发展的过程中规避和防范金融风险已成为国内银行业不可回避的问题建

立一套实用性较强又能与国际接轨的信贷预警模型及警管理机制对我国商业银行持续快速健康发展具有重要的现实意义 一、商业银行信贷风险的概念及形成的原因 商业银行信贷风险是由于不确定性因素使借款人不能按合同规定偿还银行贷款本息导致信贷资产预期收入遭受损失的可能性 商业银行的信贷风险产生的原因有许多方面如图1所示归纳起来主要表现为:(1)商业银行自身经营性原因例如银行信贷内部控制制度不完善缺乏科学的信贷管理与防范体系信贷资产质量监管制度与偿债的约束机制的执行不严格经营管理人员和经办人员缺乏职业道德等造成了信贷风险;(2)商业银行的信贷风险识别机制不健全没有对信贷风险准确全面的评估导致风险防控滞后;(3)信贷营销理念偏差盲目相信企业集团增大了信贷风险忧患；许多商业银行争抢大集团客户对企业集团盲目跟进对其多头授信、过度授信放宽了信贷条件和监控从成都市信贷统计数据看前10户商业银行贷款在全市各项贷款中的所占比例呈现逐年走高的态势2005年末为28.4%2006年末31.5%2007年末为41.3%说明了各行的贷款投向高度集中增大了银行的信贷风险隐患（4）对国家

信用风险量化模型

银行风险量化评级模型 银行根据巴塞尔新资本协议对内部评级法的要求及借鉴国际银行业经验，采用信用风险评级模型，通过此模型测算客户违约概率、违约损失率等风险参数。 将客户信用等级分为三等九级，即AAA、AA、A、BBB、BB、B、CCC、CC、C级。从AAA级到C级风险逐及递增。在内部评级结果运用于确定授信额度上，表现为授信额度以企业净资产为基数，乘以一个与企业评级相对应的信用系数；客户信用等级高，对应的信用系数大，则相应的授信额度就高；客户信用等级低，对应的信用系数小，则相应的授信额度就低。内部评级结果除了影响授信额度外，还被用于进行简单的贷款定价，如某银行将借款人评级等级与贷款利率浮动水平联系起来，信用等级高的借款人其贷款利率在基准利率的基础上下浮动，等级越高，下浮幅度越大；信用等级低的借款人其贷款利率在基准利率的基础上上浮，等级越低，上浮幅度越大，从而起到覆盖风险成本的作用。 通过建立有效的程序来获得和更新有关借款人财务状况和贷款特性的重要信息，并在掌握重要信息的基础上及时更新借款人评级，对可能影响借款人违约概率、违约损失率的因素进行持续监测，并根据掌握的信息对客户和业务进行重

新评级。同时，独立部门必须至少每年检查一次银行评级体系及其运行状况，包括信用风险控制职能的运作和对违约概率、违约损失率等风险要素的估计。 在开发评级模型和评级系统等“硬件”设施的同时，设计了内部评级体系运行的组织架构，明确了风险管理、信贷等有关部门的职能分工，从管理制度等“软件”方面保证评级体系的正常运行。内部评级体系的运行由风险管理部、信贷经营部、合规部三个部门分工合作完成，其中风险管理部门负责制定客户信用评级办法，组织专家对信用评级的指标体系、模型方法和参数标准进行论证，负责设计、开发、维护评级系统；信贷部门负责确定评级人员，组织、推进和实施客户信用评级；合规部门则负责指导、检查和监督信用等级审定工作。

个人信贷风险评估模型建立

个人信贷风险评估模型 建立 Company number：【WTUT-WT88Y-W8BBGB-BWYTT-19998】

个人信贷风险评估模型建立 摘要 随着我国商业银行个人消费贷款突飞猛进的发展，总量和规模与日俱增，个人消费贷款违约事件也屡见不鲜，因此商业银行个人消费贷款客户的信用评价也更显重要。 本文通过合理假设数学模型，研究确定银行个人信贷风险的评估标准。在实际中，影响贷款风险性的因素涉及很多方面，我们在题目中所给因素的基础上，选择和添加了十组较为重要的影响因素，并对其进行量化处理。 论文内容可分为三个层次：首先，我们在对大量真实样本数据分析的基础上，确定了信贷风险评分中十项影响因素的取值，并通过矩阵运算、程序设计、均值算法、数据统计、方程求解等方法，确定了各项指标的评分系数，进而最终确定了评估个人信贷风险的评分函数；其次，在确定评分函数的基础上计算贷款评分的临界值，并依次对客户进行信用评分等级划分；最后，随机选择了十位客户的数据进行检验，得出通过建立的评估模型和所求的数据与实际情况基本一致，且具有简便、易用的特点。 一、问题的提出 2008年9月美国金融市场风云再起，雷曼兄弟控股公司破产，美洲银行收购美林集团和AIG集团陷入危机。由此引发了美国金融市场的强烈震撼，并在国际金融市场掀起滔天巨浪，旷日持久的美国次贷危机中与演变成一场严峻的全球经济危机，未及一年多来，贸易骤减，企业倒闭，失业增加，各国经济特别是发达国家的经济呈现出一片萧条的景象。 “古为今用，史为实用”。前车之鉴，反思效实。所以，次贷风险的度量和防范就成为当前一个重要研究内容，而次贷风险的防范应该从信贷开始。因此，研究分析银行的客户信用程度，偿还能力等指标对银行的更好运作有着举足轻重的作用。 二、问题分析 中国人民银行颁布的《关于开展个人消费信贷指导意见》中要求各中资商业银行加大对消费贷款的支持力度，刺激消费从而带动经济发展。个人消费贷款将成为银行贷款投向的一个重点，但是消费贷款不同于其他贷款，其客户分散，贷款规模较小，且笔数多，成本高，风险远远高于其他贷款。所以银行应当加强消费信贷风险管理，建立健全信贷风险管理机制及评分标准，以保证贷款的安全性。而对贷款进行风险评估和量化研究则是银行信贷风险管理的一个必要手段。

企业信用评级指标体系

企业信用评级指标体系 为了便于分析比较，企业的信用评级指标体系，读者可从中得到一定启发。 评价的对象是指已经或可能为之提供信贷服务的非金融类企业法人，通过评估，就客户的偿债能力作出全面判断，以评定信用等级。 企业信用等级分为7级，各级意义如下： AAA级：企业生产经营规模达到一定经济规模，市场竞争力很强，有很好的发展前景，流动性很好，管理水平很高，具有很强的偿债能力，对建设银行的业务发展很有价值。 AA级：企业市场竞争力很强，有很好的发展前景，流动性很好，管理水平高，具有强的偿债能力，对建设银行的业务发展有价值。 A级：企业市场竞争力强。有较好的发展前景，流动性好，管理水平较高，具有较强的偿债能力，对建设银行的业务发展有一定价值。 BBB级：企业市场竞争力一般，发展前景一般，流动性一般，管理水平一般，企业存在需要关注的问题，偿债能力一般，具有一定风险。 BB级：企业市场竞争力、流动性和管理水平较差，发展前景较差，偿债能力较弱，风险较大。 B级：企业市场竞争力、流动性和管理水平很差，不具有发展前景，偿债能力很弱，风险很大。 F级：不符合国家环境保护政策、产业政策和银行信贷政策的企业，或贷款分类结果属于可疑或损失类的企业。 企业信用等级根据企业评估指标得分评定，F级企业不评分，根据评估条件直接评定。企业信用等级评定依据如下表所示。 企业信用等级有效期为一年，从审批认定之日起计算。在有效期内，企业经营状况发生重大变化，例如重大建设项目、重大体制改造、重大法律诉讼和对外担保、重大人事调整、重大事故及赔偿等对企业履约能力有一定影响，将重新评级。 评价坚持客观公正、实事求是的原则，采取定量分析与定性分析相结合的方法，主要从企业的市场竞争力、资产流动性、管理水平和其他等4个方面评定，共有16项指标，评级指标体系如表所示。

银行信用风险内部评级模型监控体系

信用风险内部评级模型监控体系 本文系统性梳理了信用风险内部评级监控体系的整体框架，具体阐述了监测体系的建设目标、监测内容和方法、监测结果的应用等内容，提出了银行内部评级模型监控体系下一步重点关注领域和解决思路。 20世纪50年代以来，随着银行业务复杂程度的提高，国际银行业采用了越来越多的风险计量模型来评估客户、产品、交易的风险。近10年来，银行风险管理的技术方法取得了跨越式发展。当前，国内商业银行已普遍建立内部评级体系，对客户交易等风险进行定量评估和计算。本文系统性梳理了信用风险内部评级监控体系的整体框架，具体阐述了监测体系的建设目标、监测内容和方法、监测结果的应用等内容，提出了银行内部评级模型监控体系下一步重点关注领域和解决思路。 一、开展内部评级体系监测的目的 商业银行内部评级体系是独立于外部评级的，基于本行内部信息对客户、交易等做出风险判断的过程。内部评级体系的建设和实施，是商业银行风险管理现代化过程的一个重要标志，它把对客户、债项风险的判断从完全依赖专家判断的传统模式，转变成为基于大数据和专家经验的现代化工具方式，极大地提高了风险识别和计量的效率。经过近些年的推广和深入应用，银行内部评级体系结果不仅应用于监管资本的计量，更广泛应用于银行内部的贷款审批、授信额度调整、经济资本计算与考核、行业限额制定、信贷政策制定等领

域，成为银行风险管理的基础性工具之一。但是，先进工具的使用也带来了潜在的模型风险，模型一旦设计、使用不当，将可能导致对客户风险判断的实质性偏离，并带来信贷风险。因此，建立一套针对内部评级模型的全面、及时、准确的监测体系，及时发现模型使用过程中的问题，并建立问题诊断体系，已经成为银行业风险计量和风险管理领域的核心工作之一。 二、内部评级监测体系的设计目标 商业银行建设内部评级监测体系的目标是，实现自动、及时、全面、自诊断地监测内部评级体系运行情况，包括监测内部评级体系中模型、模型支持体系运行情况，及时发现并诊断内部评级体系运行中存在的问题，为后续实施改进措施如深入验证、模型优化、应用流程修正等提供依据和支持。 监测体系应当实现监测活动的自动化。内部评级模型监测体系要以n系统和数据集市为核心载体，以人工监测和判断为辅助手段，大幅度减少监测过程中的大量的人工投入和重复性工作，实现内部评级体系的批量化、自动化监测，同时实现监测的及时性。 内部评级监测体系应当是一个覆盖多维度、全流程、分段负责的完整体系。该体系不仅要监测模型本身的表现，还要监测影响到内部评级模型运行的多种因素，如前端基础源数据的质量、模型变量波动情况、变量，后端模型支持体系中的模型使用情况等，使监控体系能准确发现、定位模型运行过程中存在的问题环节，并采取相应的管理行动。

基于供应链金融的中小企业信用风险评价模型研究

２０１３／１０　总第４３８期 商业研究 　ＣＯＭＭＥＲＣＩＡＬＲＥＳＥＡＲＣＨ 文章编号：１００１－１４８Ｘ（２０１３）１０－０１７１－０７ 基于供应链金融的中小企业信用风险评价模型研究 夏立明１ ，边亚男１ ，宗恒恒 ２ （１．天津理工大学管理学院，天津　３００４５０；２．天津房友工程咨询有限公司，天津　３００４５０）摘要：在以往供应链金融视角下，中小企业信用风险评价多在孤立时间点上进行，这样会造成指标数据因某些原因而可能发生较大幅度变化，进而导致评价结果的错误，使银行在放贷过程中存在较大风险。本文以Ａ企业为例，构建了基于时间维的供应链金融视角下中小企业信用风险评价模型。根据评价指标特点，该模型在各个时间点上选用微粒群算法和模糊综合评价方法对其进行信用风险评价，将各个时间点上的评价结果进行比较，分析企业的信用等级变化趋势，以期为银行放贷风险的降低提供有效途径。 关键词：供应链金融；中小企业；信用风险评价；时间维；微粒群算法中图分类号：Ｆ８３０ 文献标识码：Ａ 　收稿日期：２０１３－０７－０３ 作者简介：夏立明（１９６０－），男，天津人，天津理工大学管理学院教授，研究生导师，研究方向：工程项目管理和 供应链金融；边亚男（１９８８－），女，河北保定人，天津理工大学管理学院研究生，研究方向：工程项目管理和供应链金融；宗恒恒（１９８６－），女，山东枣庄人，天津房友工程咨询有限公司职员，管理学硕士，研究方向：工程项目管理、供应链金融。 基金项目：天津市哲学社会科学规划项目，项目编号：ＴＪＧＬ１２－０４６。 一、引言 近年来，银行业的竞争日渐激烈，传统的利润空间在不断缩小，拓展中小企业贷款业务的竞争正在不断升温。针对现有中小企业融资存在的风险性弊端，探索结合供应链和中小企业特点的“供应链金融”模式应运而生。目前，造成银企之间融资信贷风险矛盾的原因主要是两者之间存在的信息不对称所引起的逆向选择和道德风险，这会使得其在放贷的过程中存在很大风险。信用风险评价旨在通过建立相应的信用风险评价模型，确定中小企业信用等级，以便使银行做出正确的贷款决策，降低银行的放贷风险。因此，研究供应链金融模式下的中小企业信用风险评价问题具有重要的指导意义。 到目前为止，供应链金融视角下中小企业的信用风险评价已成为一大研究热点。熊熊等（２００９）运用主成分分析法和Ｌｏｇｉｓｔｉｃ回归方法建立了供应链金融模式下中小企业信用风险评价模型，降低了依靠专家评价的局限性 ［１］ 。胡海青等（２０１１）针对 Ｌｏｇｉｓｔｉｃ回归方法要求样本量大且预测精度不高的缺点，提出了运用支持向量机建立供应链金融模式下中小企业信用风险评价模型，并对这两种方 法进行了对比研究 ［２］ 。谈俊英（２０１２）分析了我 国商业银行供应链金融服务的不足之处，并运用了因子分析和Ｌｏｇｉｓｔｉｃ的分析方法对中小企业进行信用评价 ［３］ 。谢伟（２０１２）运用了层次分析法和 功效系数法等构建供应链金融视角下中小企业信用评价模型，并与传统的信用评价指标体系进行比较 ［４］ 。孟丽（２０１１）建立了灰色层次分析法、 一次门限法和模糊综合评价法相结合的供应链金融视角下中小企业的评价实用模型 ［５］ 。 综上所述，目前关于供应链金融视角下中小企业信用风险评价方法的研究大多是在孤立时间点上落实的，结果只能反映中小企业在此时间点上的信用状况，而指标数据由于政策、市场环境等变化，往往可能会发生较大幅度增长或降低，导致产生错误的评价结果，从而使银行在放贷过程中存在很大风险。可见，如何对供应链金融视角下的中小企业进行真实有效的信用风险评价，是一个亟

中国建设银行贷款业务

中国建设银行贷款业务 1.个人贷款业务 个人住房贷款、 个人消费贷款（个人汽车贷款、助学贷款、个人消费额度贷款、个人住房装修贷款、个人耐用消费品贷款、个人权利质押贷款）、 个人经营贷款、 个人信用卡透支、 2.公司贷款业务 流动资金贷款（按期限分类：临时流动资金贷款、短期流动资金贷款、中期流动资金贷款；按贷款方式分类：流动资金整贷整偿贷款、流动资金整贷临偿贷款、流动资金循环贷款、法人账户透支）、 固定资产贷款（基本建设贷款、技术改造贷款、科技开发贷款、商业网点贷款）、 并购贷款、 房地产贷款、 银团贷款、 贸易融资（国内贸易融资、国外贸易融资） 个人住房贷款 个人住房贷款是个人贷款最主要的组成部分，是指向借款人发放的用于购买、建造和大修理个类型住房的贷款，主要包括如下几类： 个人住房按揭贷款、 二手房贷款、 公积金个人住房贷款、 个人住房组合贷款、 个人住房最高额抵押贷款、 直客式个人住房贷款、 固定利率个人住房贷款、 个人商用房贷款 银团贷款 银团贷款又称辛迪加贷款，是指由两家或两家以上银行基于相同贷款条件，依据统一贷款协议按约定时间和比例，通过代理行向借款人提供的本外币贷款或授信业务。 按照在银团贷款中的职能和分工，银团贷款成员通常分为牵头行、代理行、参加行等角色。

中国建设银行对个人住房贷款风险的控制 1、完善对贷款人的资信评价 个人住房贷款的资信评价作为个人信用评估的组成部分，是以借款人财产数据、信用数据等数据为依据，通过分析借款人信用状况，对借款人还款能力和还款意愿做出判断的过程。对还款能力的评价主要考察借款人的收入来源证明、税单等资产证明。对借款人还款意愿的评价主要依赖于对借款人质量的考察，通过了解借款人的学历、职业、年龄、收入等综合评定，并通过与借款人的直接对话，判断其资信情况。 中国建设银行建立了相对完善的客户信用评级系统，对贷款客户的经济实力、信誉情况加强分析，通过各种管道了解借款人的还款能力。 2、发展住房贷款证券化 住房抵押贷款证券化是把金融机构发放的住房抵押贷款转化为抵押贷款支持证券，然后通过在资本市场上出售给投资者，以融通资金，并使住房贷款风险分散为由众多投资者承担。 加强内部管理，努力防范金融风险。 3在个人住房贷款中，银行扮演着十分重要的角色，它既是贷款的债权人，也是抵押物的抵押权人，还是贷款资金的筹集人，因而加强银行内部信贷管理，是防范个人住房贷款风险的重点所在。（1）中国建设银行加强了对借款人借款资格和偿债能力的审查。（2）完善贷款相关手续。建行相对完善了个人住房贷款的公证、抵押、保险等手续，加强贷款合同、档案等基础管理工作。（3）重视贷后管理工作。中国建设银行对已发放贷款的还款情况进行监控和跟踪，对发生的有可能影响贷款正常回收的情况及时发现并处理；对逾期贷款应加强催收及抵押物处置力度。（4）提高住房信贷业务人员素质，强化其责任感，亦是防范风险的重要方面。 3．加强房屋交易价格的监督与管理，减少抵押物价格风险，健全抵押物处理制度。 在房屋交易价格管理中，中国建设银行不仅对商品房实行价格管理，而且对二手房交易价格，上市后房改房的交易价格进行监督与管理。通过建立科学的定价、估价管理制度使各类房屋成交价格最大限度地接近市场实际价值，以达到规避个人住房贷款业务价格风险的作用。

商业银行信用风险评估指标体系的构建研究

龙源期刊网 https://www.wendangku.net/doc/fd8773262.html, 商业银行信用风险评估指标体系的构建研究作者：管杜娟 来源：《经济研究导刊》2011年第10期 摘要：商业银行信用风险评估是商业银行信用风险管理工作的依据和基础，其前提是要为信用风险评估建立科学合理的评估指标体系。商业银行信用风险评估指标体系的建立一方面需要基于对影响信用风险各因素的正确分析，另一方面需要遵循指标选取的一般性原则。商业银行信用风险评估指标体系作为商业银行信用风险评估模型的重要组成部分，对指标体系的充分合理应用和不断完善将逐步提升中国商业银行信用风险防范的能力。 关键词：信用风险评估；指标体系；履约意愿；履约能力 中图分类号：F830.33文献标志码：A文章编号：1673-291X（2011）10-0065-02 引言 随着中国加入WTO，《新巴塞尔资本协议》正式发布，金融全球化进程不断加快，中国商业银行业除了要与国内同业展开竞争之外，还要面对国际先进的商业银行的挑战，因此对金融风险管理的要求更高、更紧迫。在商业银行所面临的各类金融风险中，信用风险是最古老也是最重要的一类风险，商业银行必须对自己的信用风险进行更加科学有效的评估和防范。 商业银行信用风险评估是一个较为复杂的系统，信用风险的评估指标作为此复杂系统的输入项，对于评估结果的有效性和准确性起着举足轻重的作用。因此，商业银行进行信用风险评估及管理的首要任务是以指标选择原则为指引，以对信用风险的影响因素分析为依据，构建信用风险评估指标体系，为商业银行的风险评估及管理工作奠定基础。 一、商业银行信用风险评估指标的选取原则 1.科学性原则。即评估指标的选择、数据的选取和计算必须以公认的科学理论为依据。 2.全面性和独立性原则。即评估指标具有较强的概括性，既能综合反映商业银行信用风险的程度，各指标间又相互独立，相关性小。 3.可行性原则。即评估指标所涉及的数据容易获取和计算。 4.可量化原则。即指标的选择及表述要尽量做到以量化研究为主，从而避免主观评价所带来的不确定性。