法律论文：浅议商业银行客户信用评价判别分析模型及其应用.docx

法律论文：浅议商业银行客户信用评价判别分析模型及其应用 　　　　论文关键词：商业银行风险管理　客户资信分析　判别分析 　　论文内容摘要：客户信用分析是商业银行风险管理的基础，而风险管理是商业银行取得经营成功的关键本文用多元统计中的判别分析为方法，探讨了中国社会这个信用相对缺失的大环境下，如何实现对于商业银行客户贷款资信的综合评价 　　一、商业银行信用评价现状 　　信用风险自商业银行开展业务以来一直伴随着银行的业务，信用风险是导致银行经营困难的重要原因，特别是经历了80年代金融全球化进程和金融市场波动的加剧，银行业充分认识到控制信用风险是商业银行经营中所面临的头等重要课题，在 1988年《巴赛尔协议》出台的带动下，世界各国在信用风险评价方面的方法上不断得到发展，许多定量技术、分析工具以及计算软件技术在这方面得到了充分的运用主要的评价方法有要素分析法、财务比率综合分析法、多元统计分析模型、层次分析法、模糊算子法、模糊积分法和模糊综合判别法 　　德国贷款保险公司、巴伐利亚联合银行和德国储蓄银行协会等资信评价的方法就是运用了多元统计分析方法，并且以线性判别分析为基础方法，本文所做的研究在国外研究的基础上，结合中国实际情况，构建多元统计分析模型。

　二、评价指标与样本的选取 　　德国经验在中国得到运用的一个首要前提是中国企业年报必须和德国年报有可比性，为此本研究选择了中国的合资企业作为研究对象对企业的先验评级来自于一家中国商业银行的上海分行由于三资企业在国内时素质较好的企业并且受到国家鼓励和支持，所以到研究期为止还没有出现样本企业赖账的情况，这里21家资信基本合格企业是那些预计在将来很可能产生赖账的企业，其他 36家企业是资信良好企业，预计在将来会有较好的发展，其中4家由于规模太大而被排除在研究范围之外 　　由于短期商业贷款业务占我国银行贷款业务的很大部分，客户资信分析主要用于短期贷款业务，对于中长期业务，银行把分析重点放在贷款所涉及的项目，所以和资信评价有关业务的时间跨度最长为一年，这样所要求的预测时间为一年以内，因此我们把研究的时间跨度定为一年国内银行可以得到企业月报，因此本研究以一年前、半年前和当月的数据为研究对象，这样可以通过研究得到我们能够在多长时间前得到有关的预测如果该时间点的数据缺失，则通过对前一个月数据的调整得到相应数据 　　变量选择的基础是企业财务分析理论，考虑资产结构、流动性、经营能力、盈利性和增长率等五个方面的指标，根据德国和国内商业银行的经验，其中包括德国银行在德国总行以及在中国分行的经验和国内各个商业银行在资信评价方面的经验，好参考了有关资料的基础上，还添加了来自资信评价业的看法，建立以下模型。

　　因素选择标准是各因素在国内外银行被使用的频率和中国国情，在选择的时候也考虑到因素的代表性根据附表，在资产和负债结构组中，负载／总资产、设备资产／长期负债和净资产以16／22、9／22和9[11名列榜首，其中净资产是绝对数，体现了企业的规模在本研究中为了排除企业规模的影响，所以不考虑净资本这个指标由于中国国情的特殊性，虽然到目前为止银行还没有考虑流动资产这个因素，但本文还是必须考虑这个因素根据以上分析在资产和债务结构组中，自有资本率、设备资产／长期负债和流动资产率是被选出的指标 　　由于企业支付能力是由流动性决定的，所以流动性是企业资信评价中的一个因素按照这个领域的因素的使用频率排名流动资产／短期资产、(流动资产一存货)／短期资产、现金流／销售额以及现金流和债务期以 16／22、14／22、8／11和10／11名列前茅，前面两个指标的意义相同，所以选定流动资产／短期资产为代表由于统计分析限定在一年以内，所以债务期对研究不重要在现金流指标中这里选择了相对值指标现金流／销售额虽然工作资本被运用的不多，但由于它给出了企业可以支配资金的数量，所以这个因素还是要考虑的综上所述在流动性组选出的因素为流动资产／短期资产、现金流／销售额和工作资本。

　　企业经营能力是决定企业效益的一个十分重要的因素企业经营能力强，企业内部资金利用合理，企业的各项周转率就高，所以这里以各项周转率来表示企业经营状况存货周转率和总资本周转率以6／22和9／22的运用率领先，它们分别代表了物流和资金的运用情况所以选出这两个指标作为经营组的代表 　　由于盈利是企业将来还本付息的基本来源，所以企业盈利状况对企业资信有十分重要的影响从附录中的表格可以看到，销售额盈利率、总资本盈利率和自有资本盈利率以18／22、18／22、9／22的运用率名列榜首由于资信评价是站在债权人立场上的，所以不用考虑自有资本利润率故选择销售额盈利率和总资本盈利率这两个指标代表企业的盈利能力 　　增长反映了企业在将来可能取得的成就在德国的模型中自有资本、设备和出口增长率分别以6／11、4／11和 5／11的运用率，显示出它们的重要性由于中国中型工业企业的重点不是出口，所以排除出口增长率的因素而设备增长体现了企业实力，但这是长期效应所以，这里排除设备增长的影响在国内模型中，销售额和利润增长率以 4／11和 4／1l经常被泳道，这两者由于和企业的财源有关而对企业的资信有直接作用这样增长组代表为自有资本、销售额和利润增长率。

　　综上所述，我们初选研究指标结果是： 　　(1)资产和结构指标类： 　　LCR：设备财务支持率、ECR：自有资本率、CCR：流动资产率 　　(2)流动性指标类： 　　CFSL：现金流／短期债务、LII：流动比、WCTA：工作资本／资产总额 　　(3)经营能力指标类： 　　VTA：总资产周转率、VST：存货周转率 　　(4)盈利性指标类： 　　PRTC：总资本盈利率、PRTS：销售额盈利率 　　(5)增长指标类： 　　I REC：自有资本增长率、IRP：利润增长率、IRTS：销售额增长率 　　三、评价模型的建立及实证 　　首先我们利用当月数据进行分析，按照Kolmogomv―Smirnov一检验变量 LCE、IREC和 UM 由于检验值为 0．0066、0．008和0．031，未通过检验，所以他们的分布不是正态分布根据t一检验，VrA和CCR由于检验值为0．97和一0．81，未通过检验，认为它们没有判别能力，所以在后面的研究中不再讨论 　　下面我们先用剩下的所有变量建立判别函数，直接进行判别可得 　　一0．0315LCE+1．067CFSL一0．105IREC+3．278PRTC+0．194IRP+ 0．416LII+ 4．215PRTS一 0．177IRTS +0．119VST+2．387WCTA+O=0．432ECR一1．265 　　根据此判别函数可得到分类能力矩阵如下： 　　　　总的分类能力为83．67％ 　　同样用上面的变量进行逐步判别，可得到判别函数为 　　0．169IRP+5．77PRTS+0．123VTS+2．18ECR一1、702同样的得到可得到分类能力矩阵如下： 　　　　总的分类能力为86％ 　　在逐步判别中我们可以看出 IRP、PRTS、VTS、ECR这几个变量对分类的作用尤其显著，现在我们排除其他因素的影响，用这四个变量建立判别函数，可得 　　0．169IRP+5．828PRTs+0．126V1、s+2．166ECR―1．671 　　这个得到分类能力矩阵如下： 　　　　总分类能力为88％ 　　按照同样的方法可以得到半年前年报数据和一年前年报数据的有关结论。

　　对当月所建立的判别函数进行分析，可看出总的分类能力分别为83．67％、86％和 88％，分类能力在不断增加从分类能力矩阵可以看到组I中企业被模型判错的比例从l2．9％改善到9．7％，这意味着银行失去潜在顾客的危险在减少；组I／中企业被模型判错的概率从 22．2％改善到 15．8％，这意味着银行接受不合格顾客的危险也在减少，这对银行十分重要，因为一个顾客违约会导致几十笔成功生意的收益化为泡影所以当月判别函数为 0．169IRP+5．828PRTS+0、126VTS+2．166ECR一1．671 　　同理可以确定半年前的判别函数为 0、576VTA+0、058VST+5．595PRTS+3．072ECR一2．3，其总的分类能力为90．2％，组 I的误判概率为9．4％，组 Ⅱ的误判概率为 10．5％确定一年前的判别函数为0．1713VST+4．439ECR一2．684，其总的分类能力为70．45％，组 I的误判概率为29．6％，组Ⅱ的误判概率为29．4％ 　　对上面的模型进行分析可以得到依据半年前的数据所建立的判别函数总分类能力最好，而且误判概率也相对低，这说明商业银行可以根据企业的年报数据做一个为期六个月的预测，这对短期贷款有着十分重要的意义，可以在中期检查中及时发现问题并提供解决方案。

一年前的数据所建立的模型分类能力只有70％，所以在贷款发放时就对企业状况做出的预测的准确性比较差，这也和中国的经济发展波动较大有关由于按照惯例企业必须每月给银行提供财务数据月报，所以六个月前的数据的取得没有困难；另外作为短期业务六个月的预测时间足够了 　　四、分析结论及其解释 　　综上所述，判别函数 0．576VTA+0．058VST+5．595PRTS+3．072ECR一2．3是最佳的企业资信评价模型，判别值大于0的企业为资信合格企业 　　此判别函数包含有总资产周转率、存货周转率、销售额盈利率、自有资本率，其中自有资本率是企业资本结构的代表，说明企业资信评价和企业自有资本比率有十分密切的关系；存货周转率和总资产周转率反映了企业的经营管理水平，说明企业经营的好坏决定了银行是否应为企业提供贷款以帮助企业发展；销售额盈利率是企业盈利水平的代表，他人选说明企业盈利是贷款本息归还的根本源泉。