信用風險分析方法的發(fā)展

1、_信用風險分析方法的發(fā)展 摘要 對目前極具應用前景的信用風險分析方法進行了評述, 分析了它們的特點、應用及進展, 并在此基礎上, 提出了我國相應的決策, 以便為促進我國信用風險管理水平的提高提供有益的借鑒。 關鍵詞 信用風險神經(jīng)網(wǎng)絡專家系統(tǒng)雜合體系 一、問題的提出 銀行面臨的主要風險有信用風險、市場風險、利率風險。我國商業(yè)銀行的改革一直在進行中。就我國實際情況而言, 銀行經(jīng)營效益低下, 呆賬、壞賬增加固然有體制上的原因, 但忽視信用風險分析和管理方法的研究, 對信用資產(chǎn)進行不合理的定價也是一個不容忽視的原因。近20 年來,隨著國際金融領域競爭的空前加劇及大規(guī)模貸款組合的不斷發(fā)展, 傳統(tǒng)的信用評

2、估方法已不能滿足人們的需要。一批以信息技術為支撐, 以系統(tǒng)采用統(tǒng)計科學、人工智能、模擬技術等為特征的現(xiàn)代信用風險分析方法在西方發(fā)達國家不斷涌現(xiàn)。與國外相比, 我國目前對風險分析方法的研究還不充分, 信用風險方法仍以傳統(tǒng)的比例分析為主, 定性、靜態(tài)、局部的分析多, 定量、動態(tài)、全局的分析少。中國加入wto后, 國內(nèi)的金融機構面臨來自同行的激烈競爭, 因此了解和借鑒先進的風險管理模型, 建立科學的信用風險分析體系就成為目前的當務之急。 二、信用風險分析方法的發(fā)展及其進展 信用風險的分析是個世界性的問題。從20世紀60年代開始，美國與歐洲許多國家的研究者們已經(jīng)開始進行信用風險分析研究。亞洲金融風暴之

3、后，全世界又興起了打破舊的信用風險分析方法，重新建立一套新的信用風險分析方法的熱潮。迄今為止，信用風險分析方法已經(jīng)從統(tǒng)計學方法、專家系統(tǒng)法、神經(jīng)網(wǎng)絡方法到近年來研究很熱的支持向量機方法。 1.非參數(shù)統(tǒng)計方法 從現(xiàn)有國內(nèi)外文獻看, 常用的非參數(shù)方法主要有: k 最近鄰居判別, 核密度估計和聚類分析。其主要思想是將與信用風險相關的一組因素表示為一個向量, 即樣本空間中的一個點, 向量的每個元素即為某個財務指標, 然后根據(jù)空間中的某個距離或規(guī)則將其分類。 k近鄰判別法是一種非參數(shù)統(tǒng)計方法，它在一定距離概念下按照若干變量從樣本中選取與確定向量距離最短的k個樣本為一組。聚類分析是根據(jù)借款人的指標計算出樣

4、本空間的距離將其分類。這種方法的一個主要優(yōu)點是不要求總體服從某種具體的分布，可對變量采用名義尺度、次序尺度等。因此，該方法可用于定量研究，也可對現(xiàn)實中無法用數(shù)值精確表述的屬性進行分析。這很適用于信用風險分析中按照定量指標和定性指標。對不服從一定分布特性的數(shù)據(jù)信息進行分類。除此之外，聚類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）通過對專家意見進行聚類分析，用來對商業(yè)銀行進行信貸風險評估。 從實證分析看, 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，若對具體問題的確存在特定的參數(shù)模型并可能找出時，非參數(shù)方法不及參數(shù)模型效率高。因此, 在無法確知總體的分布函數(shù)時,

5、非參數(shù)方法不失為一種有效的方法。如果對某一具體問題能找出特定參數(shù)的模型, 則非參數(shù)法的效果會下降。 2.專家系統(tǒng) 專家系統(tǒng)是一種使用知識和推理的智能計算機程序，其目的是將專家解決問題的推理過程再現(xiàn)而成為專家的決策工具，或為非專業(yè)決策者提供專業(yè)性建議。它的功能表現(xiàn)在解釋功能、靈活性、學習功能三方面。專家系統(tǒng)自上世紀80年代以來逐步被用于商業(yè)、經(jīng)濟領域，如會計、審計、稅務信用評分、企業(yè)破產(chǎn)預測及證券組合等。 messier和hansen（1985）從知識獲取角度探討比較了專家系統(tǒng)在信用風險分析領域中的應用。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間和人力，而且問題域中的一些經(jīng)驗性知識無法清

6、楚表示，故限制專家系統(tǒng)的規(guī)模和實用性。他們改變知識獲取的傳統(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，選用概念學習算法，從若干固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上建立生產(chǎn)式系統(tǒng)，利用其中的規(guī)則即可對新樣本中的指標進行評估。 3.神經(jīng)網(wǎng)絡方法 進入20世紀90年代，神經(jīng)網(wǎng)絡（nn）引入銀行業(yè)，用于信用風險識別和預測。神經(jīng)網(wǎng)絡是一種具有模式識別能力，自組織，自適應，自學習特點的計算機制，它的知識編碼于整個權值網(wǎng)絡，呈分布式存儲且具有一定的容錯能力。神經(jīng)網(wǎng)絡對數(shù)據(jù)的分布要求不嚴格，也不需要詳細表述自變量與因變量之

7、間的函數(shù)關系。這些特性，使之很快成為信用分析方法的一個熱點。它在信用風險分析的作用是通過神經(jīng)網(wǎng)絡的分類功能進行的。首先找出一組影響分類的因素作為神經(jīng)網(wǎng)絡的輸入，然后通過有導師或無導師的訓練，形成信用風險分析模型。對新樣本的輸入，模型可產(chǎn)生信用風險分析的判別的的結果。 從目前國內(nèi)外文獻看, 研究和應用中使用最多的nn有:多層感知機(mlp)、專家混合網(wǎng)絡(moe)、學習矢量化器(lvq)、徑向基函數(shù)(rbf)、模糊自適應諧振(far)及概率神經(jīng)網(wǎng)(probabilistic neural networks)。其中,mlp由于其在理論上及網(wǎng)絡構建的成熟性, 成為應用最多的nn方法。對于nn的有效性

8、, 研究者大多將其與傳統(tǒng)的lda、lg方法進行對比。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)利用交錯鑒定法分為訓練樣本和測試樣本。結果顯示,對于德國數(shù)據(jù)的分析,判別最準確的是moe,其余依次為:lg、rbf、mlp、lda、lvq、cart、kd、knn 和far;對澳大利亞數(shù)據(jù)的分析顯示, 判別最準確的是rbf,其余依次為:ml p、mo e、l g、lda、knn、lvq、cart、kd和far。相反的觀點如altman認為:nn分析方法在信用風險識別和預測中的應用, 并沒有實質(zhì)性的優(yōu)于線性區(qū)別模型。因此從目前的研究文獻看,n

9、n系統(tǒng)已顯示出非常大的應用前景,但與傳統(tǒng)的da、lg方法相比,還不具備絕對的優(yōu)勢。原因在于目前尚無成熟的理論指導來設定網(wǎng)絡結構, 要得到一個較好的nn結構,需要人為地試湊。并且網(wǎng)絡的學習過程慢,尤其當網(wǎng)絡結構復雜,樣本訓練次數(shù)多時,其運算效率降低。因此,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合在一起形成一種新的方法，這種新的方法既能繼承原來各方法中的優(yōu)點，又能克服各方法中的缺點，同時還能形成一種新的優(yōu)點，而這種新的優(yōu)點是原來所有方法中都不具備的。由于具有這樣的特性，提高了解決問題的效率，是目前一種比較流行的研

10、究方法。kerling(1995)將遞歸分割算法與da方法進行比較的同時，提出了兩種方法的雜合方法，結果證明雜合方法的分類效果比單獨使用這兩種方法都好。west（2000）在利用專家雜合系統(tǒng)研究商業(yè)銀行信用評價的準確性時，對德國和澳大利亞兩組不同的財務數(shù)據(jù)分別進行兩類模式分類時，分類準確率分別為75.66%和86.68%。 (2)支持向量機。20世紀90年代中末期，vapnik等根據(jù)統(tǒng)計學習理論提出支持向量機（簡稱svm）的學習方法，研究如何根據(jù)有限學習樣本，進行模式識別和回歸預測等。近年來，svm已成為解決模式分類和回歸問題的有利工具。由于svm在學習過程中避免了神經(jīng)網(wǎng)絡的一些缺陷，如網(wǎng)絡結

11、構難以確定、在樣本訓練過程中發(fā)生過學習或欠學習、容易產(chǎn)生局部極小等，因此，在進行模式分類時，人們自然認為svm學習方法優(yōu)于神經(jīng)網(wǎng)絡方法。它的主要研究內(nèi)容是，當問題是線性可分時，給出一個求解最大間隔法的方法；而當問題不是線性可分時，提出利用一核函數(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。其學習方法最大的特點是：根據(jù)結構風險最小劃原則，盡量提高學習機的泛化能力。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)積運算，達到避免高維運算和解決非線性的目的。盡管通常來說，支持向量機方法也是神經(jīng)網(wǎng)絡方法的一種，但考慮到支

12、持向量機方法與其他神經(jīng)網(wǎng)絡方法相比，確實有其獨特之處，特別是在信用風險分析領域的研究中表現(xiàn)出很強的應用前景，因此將該方法單列出來。 三、結語 目前, 具有高技術含量的風險管理模型在西方發(fā)達國家獲得了突飛猛進的發(fā)展, 其主要特征表現(xiàn)為綜合吸收當今各學科領域的最新技術成果, 大量運用計算機信息技術、經(jīng)濟計量技術、模擬技術，以及神經(jīng)網(wǎng)絡和專家系統(tǒng)對信用風險進行計量、定價、交易和套期保值, 風險評價方法越來越體現(xiàn)出從定性到定量、從簡單到復雜、從微觀層次的個別資產(chǎn)信用風險評價到宏觀層次的資產(chǎn)組合信用風險評價的趨勢。由于我國商業(yè)銀行和金融市場尚處在新興發(fā)展階段, 核心的信用風險分析仍采用傳統(tǒng)的比例分析方法

13、, 遠不能滿足商業(yè)銀行對貸款進行風險分析的需要。吸收和借鑒西方風險管理的新方法, 對于我們具有重要的意義。這里僅提出幾點建議: 1.由于風險分析方法的成功運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)缺乏獨立的金融資信評級機構。因此,我國目前當務之急要大力培育和發(fā)展中國獨立的信用評級機構, 同時從長遠看, 我國商業(yè)銀行和企業(yè)必須盡快建立統(tǒng)一、規(guī)范的數(shù)據(jù)倉庫和管理信息系統(tǒng),以滿足所有工具對數(shù)據(jù)的需求。 2.要抓緊培養(yǎng)高素質(zhì)的專業(yè)人才隊伍, 同時建立良好的信用文化環(huán)境及適合自身的信用文化和管理哲學, 要將風險意識根植于銀行的上上下下, 讓全體員工以倫理道德、避免風險及銀行的健康發(fā)展作為其行動準則; 3.在實踐中, 國內(nèi)不能直接照搬國外的方法,而要科學、靈活地借鑒國外的先進模型, 逐步開發(fā)適合中國實際的信用風險模型。 4.意識到模型自身固有的缺陷。要堅持定性與定量相結合的原則, 任何復雜的數(shù)量分析都不能替代經(jīng)驗判斷, 況且目前現(xiàn)有的信用風險模型仍處于發(fā)展的早期階段, 過度依賴于數(shù)量模型將會產(chǎn)生模型風險。 其他參考文獻：1.趙慧芝.加強高校科研經(jīng)費管理的幾點思考