商业银行信用风险预警模型
基于BP神经网络的商业银行风险预警模型研究

构 建一个科 学有 效 的商业 银行 风险 预警 模 型 ,对
于尽早 识别 和预警银 行风 险 ,并及 时采取 措施 防范 和 化解风 险 ,防止风 险蔓延 具有 重要 的现 实意 义 。传统 的风 险预警模 型多通 过统 计技 术如 多元统 计 分析 、逻
张美 恋 、王 秀 珍 ( 0 5 探 讨 了径 向基 神 经 网 20 ) 络 ( B ) 在商 业银行 安全 评价 系统 中 的应用 。他 们 RF 根据商 业 银 行 安 全 评 价 系统 的特 点 选 择 1 2个 指标 , 并对各 个指 标风 险程度 进行 判断 ,确定 相应 的风 险等 级 及 得 分 。 由此 构 建 了安 全 评 价 系统 的 R F模 型 , B 并 基于 该模 型进行 了示 范性仿 真实 验 ,结果 验证 了该
其 中 ,宏 观预 警指标综 合考 虑外 部环境 对 银行 业
的影 响 ,主要从 宏 观经济 风险 、货 币流通 风 险 、房 地
产 泡沫风 险这三 个方 面构建 。微 观预警 指标 主 要研究
单个 银行 机构 的风 险状 况 ,具体包 括 资本 风险 、流 动
资产流 动 性 比例 是 流 动 性 资 产 与 流 动 性 负 债 之 比,反 映 了商 业银行 资 产流 动性 强弱 的指标 。存 贷 款
确 定
( )反 映资本 风 险状况 的指 标体 系 1
虽 然银行 主 要是通 过 负债来 经 营 ,但 银行 自有 的
资本才 是 获 取 资 金 的 保证 。资 本 充 足 率 ( 与 核 X)
心资本 充 足率 ( 是 衡 量 银 行 经 营 稳 健 性 和 抵 御 X) 风 险能 力 的重 要指标 ,综 合反 映 了商业银 行 的资本 状 况 和资产 质量 。 ( ) 反映流 动性 风险 的指标 体 系 2 流动 性风 险是商 业银行 面临 的最直接 的风 险 ,也 是各 种风 险发生 后 的最 终 表现 。根 据我 国 的具 体 情况 建立 的 流 动 性 风 险 预 警 指 标 有 :资 产 流 动 性 比 例 ( 、存 贷款 比例 ( 。 X) X )
国有商业银行信贷风险预警模型研究

[ 关键词 ]商业银行 ; 贷风 险; 警; 信 预 模型 ; 实证研 究
[ 中图 分 类 号 ] 82 3 [ 献 标 识 码 ] [ F 3 .3 文 A 文章 编 号 ]6 1 7 1 (0 8 0 — 0 8— 5 17 — 12 20 ) 1 02 0
Th stv s a c t e— W a n ng M o e fC r d tR ik f r e Po ii e Re e r h o Pr ri d lo e i s 0
,
u ig t e I n a r b b l y Mo e n o it d l o c ry o h o i v e e r h,e t l hp e s h A e rP o a i t d la d L gsi Mo e ar i t e p st e r s a c n i c t l i s bi r —w r ig u gn d xss m a d c d i a s a n d igi e t n r ir k n j n ye et s
Ab t a t T i a e , h c i n l zn e e st ftk n r s r c : h s p p r w i h wh l a ay ig n c s i o i g p e—w r i g mo e n c e i rs n g me to tl d—o e o e y a a n n d li r d t ik ma a e n fsae wn d c mme ca a k ril n s b
[ 金融理 论与 实务 ]
国有 商 业银 行 信 贷风 险预 警模 型研 究
佘 雪锋 , 杨瑾 淑
( 台州市职业技术学院 , 浙江 台州 3 80 ) 10 0
商业银行的风险控制模型与预警机制

商业银行的风险控制模型与预警机制商业银行作为金融系统中的重要组成部分,承担着吸收存款、发放贷款和提供各种金融服务的角色。
然而,由于金融市场的不稳定性和不确定性,商业银行面临着各种风险,如信用风险、市场风险和操作风险等。
为了应对这些风险,商业银行需要建立科学有效的风险控制模型和预警机制。
本文将探讨商业银行风险控制模型与预警机制的重要性,并介绍几种常见的模型和机制。
一、商业银行风险控制模型商业银行风险控制模型是指利用统计学和数学方法分析和评估银行面临的各种风险,并制定相应的控制策略和措施的模型。
常见的商业银行风险控制模型包括VaR模型、基于历史模拟的风险度量模型和预期损失模型等。
1. VaR模型VaR(Value-at-Risk)模型是一种基于统计学方法的风险度量模型,用于评估在一定的信心水平下,银行在未来一段时间内可能面临的最大损失。
VaR模型通过对历史数据和概率分布进行分析,计算出在给定置信水平下的损失限额,从而控制银行的风险水平。
2. 基于历史模拟的风险度量模型基于历史模拟的风险度量模型是通过分析历史数据,建立风险敞口的分布,从而评估银行面临的风险水平。
该模型基于假设,认为未来的风险与过去的风险是相似的,因此可以通过过去的数据来预测未来的风险。
该模型的优点是简单易用,但也存在模型假设不准确的风险。
3. 预期损失模型预期损失模型是一种基于概率理论和数学统计的风险度量模型,通过分析不同风险事件的概率和损失大小,计算出银行在未来一段时间内可能发生的损失期望。
预期损失模型可以帮助银行更好地理解风险分布,并制定相应的风险控制策略。
二、商业银行预警机制商业银行预警机制是指通过建立一套有效的预警指标和监测系统,及时发现和预测银行面临的潜在风险,并采取相应的措施进行防范和化解。
商业银行预警机制的建立可以帮助银行及时警示风险,降低风险带来的损失。
1. 资产质量预警指标资产质量是商业银行的重要指标之一,直接影响到银行的偿还能力和盈利能力。
商业银行信用风险预警模型的实证研究

的预测 能力 。在 随后 的研 究 中 , mi ws i1 8 ) Z j k ( 9 4 使 e
用 P o i分 析 模 型 , ib ( 9 5 第 一 次 将 主 成 分 rbt Lb y 1 7 ) 分 析方 法 引入 了判 别 分 析 模 型 以克 服 自相 关 问题 。 而 且近 年来 基于 市 场价值 的现代 信用 风 险度量 模型
一
、
现 有 文 献 综 述
我 国关 于商业 银行 信 贷风 险分 析 方法 的研究 起 步较 晚 。陈 晓 、 陈治 鸿 ( 0 0 运 用 多元 逻 辑 回归 模 20) 型 , 中 国上 市公 司 的财 务 困境进 行 了预测 , 对 他们 研
信用 风 险 预 警模 型 又 称 为企 业 财 务 困 境研 究 ,
・
金 融 与保 险 ・
商业银行信 用风险 预警模 型的实证研究
刘 倩
(. 沙 理 工 大 学 经济 与 管理 学 院 , 1长 湖南 长 沙 4 0 1 }2 长 沙 商 贸 职 业 技 术 学 院 , 南 长 沙 114 . 湖 400 ) 10 4
摘
要 : 择 深沪两市 4 选 O家上 市公 司作 为样 本 , 基 础 财务 指 标 采 用 相 关 分 析 法 和 逻 辑 回 归 法 进 行 筛 对
第3 1卷
第 ] 6期 6
财 经理 论 与 实践 ( 月刊 ) 双
TH E HE0RY T AND PRACTI CE NANCE 0F FI AND ECON0M I CS
商业银行风险预警指标体系构建——以浦发银行为例

作者简介: 刘耀 成 (95 18 一 ) 男 , 川达 州人 , 苏银 行 镇 江 分 行 职 员, , 四 江 中级 经 济 师 , 要研 主
面 。可 以看 出 , 巴塞 尔 委 员 会 的理 念 是 通 过 加 强
参考信用评级 , 通过违 约概率 和坏账转变概率计
算 出 V R数值 来 估 计 应 提 取 的资 本 金 数 。著 名 A 的 C ME A L评 级体 系 以资 本 充 足 性 、 产 质量 、 资 管 理 水平 、 利 能力 及 流 动 能 力 5个 方 面 作 为考 察 获 重点 , 利用 统计 方 法先 评 出各 指标并 赋 以权 数 , 然
自己的 内部 风 险监测 与资 本配 置模 型, 以弥补
《 巴塞尔协议》 的不 足。这些 内部 风险检测模型 主要有 : 在险价值法 V R 其最 主要 代表是摩根 A ,
银行 的 “ 险矩 阵系统 ” 银行 业 绩衡 量 与资 本 配 风 ;
、
文 献 综 述
置方法 , 主要代表是美 国信孚银行 的“ 险调 最 风
第 7卷
第 2期
南 京 审 计 学 院 学 报
Ju a o 肌j gA dt nv ri or lf n N i u iU i sy n e t
Vo . 1 7,No .2 Ap .,2 0 r 01
21 0 0年 4月
商业银行风险预 警指 标体 系构建
以浦 发 银行 为 例
后计算综合指数 , 根据得分考察银行 的风险状况 , 这一方法较适用于考察单个银行 的风险状况 , 也
商业银行信用风险管理模型设计与实现

商业银行信用风险管理模型设计与实现在当今的商业银行业务中,信用风险是一项重要的风险之一。
为了有效地管理和控制信用风险,商业银行需要设计和实现科学可靠的信用风险管理模型。
本文将探讨商业银行信用风险管理模型的设计与实现。
一、风险管理模型的设计1. 信用评级模型的设计信用评级模型是商业银行信用风险管理的核心工具之一。
基于借款人的信用历史、财务状况、行为特征等数据,通过一系列评估指标来对借款人进行评级。
在设计信用评级模型时,应考虑以下几个因素:(1)数据获取与清洗:需要建立完整、准确、全面的数据获取和清洗机制,确保评级模型所使用的数据质量高且可靠。
(2)评级标准的制定:根据实际业务需求和信用风险管理的目标,制定科学合理的评级标准,确保评级结果能够准确反映借款人的信用风险水平。
(3)模型参数的确定:通过统计分析和实证研究,确定评级模型的各项参数,包括权重、截距等,以保证评级结果的准确性和稳定性。
2. 风险度量模型的设计风险度量模型是评估商业银行信用风险水平的重要工具。
通过量化评估信用风险,并计算出相应的风险指标,帮助商业银行确定风险容忍度和资本充足率。
在设计风险度量模型时,需要考虑以下几个因素:(1)指标选择:选择合适的风险指标,如违约概率、违约损失等,用于度量信用风险的大小。
(2)模型构建:根据选定的指标,构建风险度量模型,可以采用概率模型、回归模型等方法,以准确地估计信用风险的水平。
(3)风险分析与报告:通过风险度量模型,对商业银行的信用风险进行分析和报告,提供有效的决策支持和风险预警。
二、风险管理模型的实现1. 数据采集与处理风险管理模型的实现首先需要进行数据的采集与处理。
商业银行需要收集借款人的相关信息,包括个人资料、财务信息、交易记录等。
同时,对采集的数据进行清洗、筛选和整理,以确保数据的准确性和完整性。
2. 模型开发与验证在模型开发阶段,需要根据设计的信用评级模型和风险度量模型,进行模型的具体实现。
商业银行信贷风险管理:模型与技术
商业银行信贷风险管理:模型与技术在当今复杂多变的经济环境中,商业银行作为金融体系的重要组成部分,信贷业务是其主要的盈利来源之一。
然而,信贷业务在带来收益的同时,也伴随着不可忽视的风险。
有效的信贷风险管理对于商业银行的稳健运营和可持续发展至关重要。
本文将深入探讨商业银行信贷风险管理中所应用的模型与技术。
信贷风险,简单来说,就是借款人无法按时足额偿还贷款本息的可能性。
这种风险可能源于借款人的信用状况、市场环境的变化、宏观经济的波动等多种因素。
为了应对这些风险,商业银行需要运用一系列的模型和技术来进行识别、评估和控制。
首先,信用评分模型是信贷风险管理中常用的工具之一。
信用评分模型通过对借款人的各种信息,如年龄、收入、职业、信用历史等进行量化分析,给出一个综合的信用评分。
这个评分可以帮助银行快速判断借款人的信用风险水平,从而决定是否批准贷款以及贷款的额度和利率。
常见的信用评分模型有逻辑回归模型、决策树模型等。
逻辑回归模型通过建立自变量(借款人的各种特征)与因变量(是否违约)之间的线性关系来进行预测。
决策树模型则通过对数据的逐步分类和分割,生成一棵决策树,从而对借款人的信用风险进行判断。
除了信用评分模型,风险评估模型也是信贷风险管理的重要手段。
风险评估模型更加全面地考虑了各种风险因素,包括行业风险、区域风险、宏观经济风险等。
例如,压力测试模型可以模拟在极端市场情况下,借款人的还款能力和银行的资产质量受到的影响。
通过压力测试,银行可以提前制定应对策略,增强自身的抗风险能力。
在信贷风险管理中,大数据技术的应用也日益广泛。
随着信息技术的发展,银行能够获取到海量的客户数据,包括交易数据、社交数据、行为数据等。
通过大数据分析,银行可以更全面、更深入地了解借款人的信用状况和还款意愿。
例如,通过分析借款人的消费行为和交易模式,可以判断其收入稳定性和财务状况。
同时,大数据技术还可以实现实时监控和预警,及时发现潜在的风险信号。
商业银行信用风险评估模型文献综述
2 O 世纪 5 O年代 以前 , 信 用风 险评价 以传 统 的主观 分析 法 为 主, 主要依据专 家 的知识 和经 验 , 对贷 款 的信用 风 险做 出判 断 。比较具有代表性 的分 析方 法是 专家分析法 , 该方法简单 、 易
接受 , 但主观性较强 , 容 易造成 较大的评估误 差。
展进 程。
数学方法定量评价信用风险 。Ma r k o wi t z 提 出现 代资产组 合理
论( Mo d e m P o r t f o l i o T h e o r y ) 、 L u c e根 据 I I A特性首次 导 出 L o g i t 模型 、 S h a r p e 构建 了资本资产定价模型( C AP M) 、 B l a c k& S c h o l e s和 Me r t o n提 出 了 期 权 定 价 理 论 ( O p t i o n P r i c i n g
费率 。
近几年来 , 各保险公司逐渐涉足农村保险 , 但 农村保险的发 展 不尽 如人意。农 村保险要 发展 , 增加有 效需求 是关键 。农 村 保 险需求不 足是困扰中国农村保险发展的重要问题 。本文通过 对 山东省农村保险需求的调查分析发现 山东省农 民的农村保险 购买率低 , 农 民对保 险缺乏 了解 。通过对 样本进行 多元 回归分 析, 发现影响农户购买保 险 的主要 影 响因素有农 民对保 险的 了 解程度 、 农 民年 收入 、 保险产品费用等 。并对农村保险 的发展提 出 了相 关 建 议 。
金 融 管 理
商 业 银 行 信 用 风 险评 估 模 型 文 献 综 述
翟 万 里 彭 中云
摘 要: 商 业 银 行 信 用风 险 评 估 是 银 行 信 用 风 险 管 理 的 核 心 环
我国商业银行信用风险预警系统构建的开题报告
我国商业银行信用风险预警系统构建的开题报告一、研究背景和意义信用风险是商业银行面临的最主要的风险之一,信用风险管理的水平直接影响到银行业的发展和稳定。
商业银行信用风险包括贷款、担保、信用证、保函等业务中涉及的借款人、担保人、开证人、保证人等各类交易方的信用违约风险。
如何有效地评估和预测信用风险,成为商业银行风险管理中的重要问题。
随着信息技术的迅速发展,商业银行信用风险预警系统逐渐成为商业银行风险管理的有力工具。
商业银行可以对客户和交易方的信用风险进行实时监控和分析,及时发现预警信号,防止信用违约事故发生,保障银行的经济效益和声誉。
因此,商业银行信用风险预警系统的构建对于提高商业银行风险管理的水平和效率具有重要意义。
二、研究目标本次研究的目标是构建一套完整的商业银行信用风险预警系统,包括数据采集、数据挖掘和模型建立三个模块,具体目标如下:1. 数据采集模块:建立数据采集系统,实现对客户、交易方等相关数据的实时采集和更新。
2. 数据挖掘模块:利用数据挖掘技术和机器学习算法,提取信用风险的关键特征,并建立信用风险模型。
3. 模型建立模块:基于机器学习算法和统计分析方法,建立商业银行信用风险预警模型,并对模型进行优化和测试。
三、研究内容1. 商业银行信用风险预警系统总体架构设计:简要介绍商业银行信用风险预警系统的总体设计和流程,明确各个模块之间的关系和数据流向。
2. 数据采集模块:设计并实现数据采集系统,对客户、交易方等相关数据进行实时采集和更新。
3. 数据挖掘模块:收集、处理和分析商业银行相关的业务数据,利用数据挖掘技术和机器学习算法提取关键特征,并建立信用风险模型。
4. 模型建立模块:基于机器学习算法和统计分析方法,构建商业银行信用风险预警模型。
5. 系统测试和优化:测试商业银行信用风险预警系统的效果和性能,对系统进行优化和改进。
四、研究方法1. 数据采集模块采用数据采集技术和数据库技术,实现数据的实时采集和存储。
信用风险评估的预警指标和模型
信用风险评估的预警指标和模型信用风险评估是一个重要的金融管理工具,用于衡量个人或机构在未来违约的可能性。
为了能够及时发现潜在的风险并采取相应的措施,预警指标和模型的使用变得至关重要。
本文将介绍信用风险评估的预警指标和模型,以及其在风险管理中的应用。
一、信用风险预警指标1. 违约概率违约概率是衡量个人或机构未来违约可能性的指标之一。
它通常基于历史数据、财务指标、市场前景等因素进行计算。
违约概率高的个人或机构意味着其信用风险较大,需要采取相应的风险管理措施。
2. 信用评级信用评级是金融机构对个人或机构信用状况的评估结果。
通常分为AAA、AA、A、BBB、BB、B、CCC等级。
评级较低的个人或机构被视为信用风险较高,需要进行严格的监控和管理。
3. 财务指标财务指标是评估个人或机构财务状况的重要参考标准。
例如,个人的债务比率、流动比率、盈利能力等指标,以及企业的资产负债表、利润表、现金流量表等报表都是衡量信用风险的重要指标。
4. 市场指标市场指标是评估个人或机构信用风险的重要参考数据。
市场指标包括股票价格、债券收益率、信用违约互换等金融市场数据。
这些指标可以反映市场对个人或机构信用状况的预期,对风险管理有重要意义。
二、信用风险预警模型1. Logistic回归模型Logistic回归模型是一种常用的信用风险预警模型。
它基于个人或机构的历史数据,通过建立多个变量之间的关系,预测个人或机构未来违约的可能性。
该模型可以将各种风险因素纳入考虑,对信用风险进行较为准确的预测。
2. 神经网络模型神经网络模型是一种模拟人脑神经系统工作原理的数学模型,也常用于信用风险预警。
该模型通过构建多层神经元之间的连接,将输入的个人或机构信息转化为输出的违约概率,提供了一种复杂问题建模的方法。
3. 决策树模型决策树模型是一种基于树形结构的预测模型,也常用于信用风险评估。
该模型通过对历史数据进行分析,构建树形结构,根据个人或机构信息的不同特征进行不同路径选择,最终预测违约概率。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
商业银行信用风险预警支持模型及其系统一、引言商业银行是经营风险的组织,能否很好地管理信用风险将关系到商业银行的生存和发展。现有对信用风险管理的研究,不论是5C法、Z-Score还是KVM模型等,都倾向判断信用风险的大小。这些研究的方向沿着“逐步求精”的思想,从判别信用风险的相对大小到判别信用风险的绝对大小。然而,信用风险的大小是内外部环境不断变化的,具有易变性;同时它也随时间而不断变化,具有时变性。虽然,对单一时间点信用风险的研究在信用风险研究中,可以度量及比较信用风险的大小,但在商业银行信用风险管理的实务中,还需要解决什么时间、由什么依据决定需要对信用风险进行度量,以及对度量结果采取怎样避险措施的问题。对预警(Early-Warning)的研究最早来源于军事,指通过预警飞机、预警雷达等工具提前发现、分析和判断敌人的进攻信号,并把这种信号的威胁程度传递给指挥部门,以提前采取应对措施。在经济领域,穆尔首先采用多种指标综合方法构建美国宏观经济预警系统。在信用风险管理方面,首先将信用风险预警和将预警系统(EWS)的概念应用到信用风险管理的是Fisk,预警被认为是对风险的提前预测。将预警理论应用到信用风险预警,现有的研究大多集中在对单一时间点、信用风险大小转化成预警级别的研究,如基于人工神经网络的信用风险预警、基于灰色模型的信用风险预警等等。这些研究从本质上看都是对信用风险度量方法的应用和延伸,缺乏对信用风险整个生命周期内预警的研究。本文通过对商业银行信用风险生命周期的研究,结合企业预警理论,研究商业银行信用风险预警的三个阶段,在分析商业银行信用风险预警各个阶段的目标和实现步骤的基础上,研究信用风险预警的概念模型,最后运用系统分析的方法,研究商业银行信用风险预警支持系统的系统结构。二、信用风险的生命周期和信用风险预警的过程传统的信用风险定义为包括借款人、债券发行人或金融交易对方在内的交易对手由于各种原因不能完全履约致使金融机构、投资人或交易对方遭受损失的可能性。从狭义上讲,信用风险就指信贷风险。通过对风险概念的梳理,从风险承担者(即商业银行)的角度来看,信用风险即由于交易对手是否违约的最终结果和商业银行认为交易对手是否违约之间的偏差,这种差异可能对商业银行造成损失。信贷交易是产生信用风险的一种交易,商业银行的交易对手即贷款人。根据贷款人借贷的实际情况,对一个贷款人信用风险产生到结束的时间阶段可以用图1表示。该过程一直持续到借贷合同到期,贷款人做出是否违约的决策为止,即信贷交易信用风险的生命周期。在生命周期内,商业银行如果始终认为贷款人一定不会违约的话,贷款人是否违约的事实和商业银行对贷款人是否违约的预期存在差距,这种差距可能导致商业银行的损失,即信用风险。因此信用风险管理应该覆盖信用风险的生命周期(T)。企业预警管理理论的基本方法,即通过监测并预控造成各种经营风险和管理失误的致错环境,通过对致错环境中各种内部和外部主要致错因素(行为)进行有效的测评,进而控制错误的发生或发展,把失误控制在早期,把各种经营风险降到最低限度。对于商业银行信用风险的预警,也需要在信息的时效性范围之内,及时地从作为信用风险的表现和影响因素的外部环境中获取信息,根据获取到的信息,筛选到可能影响商业银行交易对手或是交易对手信用风险大小变更的信息以及这些信息所对应的交易对手;针对所发现的交易对手,重新度量其信用风险,得到交易对手的信用风险大小;根据评估出的交易对手和他们的信用风险大小,从众多应对策略中选取合适的应对策略并实施。因此,将信用风险预警分解成如下三个预警阶段:环境的监视和信用风险的发现阶段(P_d)、信用风险度量阶段(P_e)、制定应对策略阶段(P_s)。其中:P_d阶段在整个信用风险的生命周期中持续工作,仅当P_d阶段发现交易对手信用风险变化的信号或可能影响信用风险预警的交易对手信息和环境信息时,才触发信用风险度量阶段通过获取交易对手的财务数据或金融市场数据使用专家系统、记分模型或定量模型等信用风险度量模型来度量其信用风险的大小;仅当P_e阶段度量出的信用风险值大于某一个阈值,才进入P_s阶段。这样商业银行就完成了一次信用风险预警的全部过程。在T内,可能重复着一个或多个这样的信用风险预警过程。三、信用风险预警的概念模型商业银行信用风险包括两个确定的直接参与者,即商业银行(L)和交易对手(B)。若把自然的选择(N)当成一个间接的参与人,则商业银行信用风险预警中的参与人(P)可以表示如下:P=(L,B,N) (1)(一)信用风险预警各阶段目标和子过程从L的视角,分析在信用风险各个阶段的需求和信息交互。(1)环境的监视和信用风险的发现阶段(P_d)该阶段的任务是从N和B中发现可能导致信用风险变化的信息以及这些信息所影响的B。为了实现这个目的,L要在整个信用风险的生命周期中持续从B和L 获取信息。由于信息量非常巨大,而且所获取的信息可能由于不具备有用性、时效性和真实性等等要求,需要对获取的信息进行筛选。并且,当单独的信息并不能直接发现信用风险,需要通过信息组合起来才能发现信用风险。如发现某个B`的贷款在时间t`内到期并不能发现其信用风险变更,发现它在其他商业银行的贷款在时间t`内到期也不能说明其信用风险变更,然而这两条信息组合则意味着由于B`要同时偿还多笔贷款而可能产生现金的不足。筛选、组合后的信息转换成知识,和L的所有B 进行匹配,得到其信用风险可能受影响的一部分交易对手B+(B+∈B)。该阶段中,信息主要从N和B向L流动,由于在B和L之间的博弈中,信息不对称对B有利,因此N是主要的信息来源。该阶段向下一阶段输出B+和相关的知识。(2)信用风险度量阶段(P_e)该阶段的任务是根据P_d输出的B+和相关的知识,选择满足合理性和准确性的信用风险度量模型和方法度量其信用风险的大小。该阶段的核心任务是选择并运行信用风险的度量模型。该阶段通过度量模型的选择、输入数据的获取、模型运行和度量结果的输出四个子过程来实现其核心任务。该阶段中,信息主要从N和B 流动,和上一阶段不同的是,由于直接获取用于度量信用风险的财务和金融数据,该阶段主要的信息来源是B。该阶段的输出为B+的信用风险度量结果。(3)制定应对策略阶段(P_s)该阶段的任务是根据P_e输出的B+的信用风险度量结果,判定是否超过阈值,并选择或制定L的应对策略并加以实施,以避免由于信用风险的变更而引起的损失。该阶段的核心任务是选择并实施信用风险应对策略。该阶段的子过程有:判断是否超过阈值、风险应对策略的选择、策略的实施。(二)信用风险预警的概念模型综合前面提出的信用风险预警的逻辑过程分析、参与者分析和信用风险影响因素分析,三阶段信用风险预警的概念模型如图3所示。四、信用风险预警支持系统(一)信用风险预警系统需求分析对于信用风险预警而言,其目标是得出何时对B采用何种度量方法和模型进行信用风险度量,并且对度量结果需要采用何种措施来避免可能的损失。根据前面对信用风险预警三个阶段的分析,可以提出三个信用风险预警阶段的功能需求。(1)环境的监视和信用风险的发现阶段(P_d)该阶段的功能需求:信息获取、知识组合和筛选、与交易对手匹配、输出B?觹和相关知识。该阶段从各种国家的、行业的、商业、企业自身相关的信息系统和WEB网站中获取信息,向下一阶段P_e输出可能发生信用风险的交易对手和相关联知识。(2)信用风险度量阶段(P_e)该阶段的功能需求:模型选择、输入数据的获取、模型运行、输出度量结果。该阶段接受P_d阶段输入的交易对手和相关联知识,向P_e输出交易对手的信用风险度量值。(3)制定应对策略阶段(P_s)该阶段的功能需求:判断是否超过阈值、应对策略选择、策略的实施。该阶段接受P_e输入的交易对手信用风险度量值,输出应对策略。(二)信用风险预警系统框架模型根据信用风险预警三阶段的功能需求分析,信用风险预警支持系统的框架模型如图4所示。五、案例分析本文以商业银行B在成功收回A公司巨额逾期贷款本息及全部追偿费用一案为例,具体阐述商业银行信用风险预警过程。A公司是一家当地知名企业,因承建某国家重点建设项目,而先后获得包括B以及另一银行的亿元贷款,资金来源充足,B经贷前考察向其发放了贷款。图5模拟了商业银行B通过信用风险预警的三个阶段,及时发现A公司信用风险的变化、并加以度量和采取措施的过程。在P_d阶段,B行从直接信息来源获取了要求B行贷款展期而账户内并未筹集足够还贷资金的信息,并从银行同业获取了A公司在近三个月内在数家银行多笔数量较大的贷款将先后到期的信息。通过这些信息的组合,发现的知识指向了A公司在到期时可能现金不足;在P_e阶段,B行通过专家主观估计了该信用风险的大小,发现其信用风险有明显变大的趋势;在P_s阶段,B行选取信贷政策与法律相结合的策略,一方面明确拒绝其展期要求,另一方面,结合法院以诉前保全方式查封其多家银行账户。最终A公司将其在B行的全部贷款本息及包括诉讼费、律师代理费等在内的全部追偿费用一并偿还。本文对信用风险和信用风险预警进行了研究,提出了信用风险预警的概念模型和支持系统的系统结构,其目标是从商业银行的实务出发,建立商业银行信用风险预警的支持系统。要实现最终的目标,还需要做以下方面的研究:信用风险发现的机理;对不同交易对手和不同类型的信用风险,风险度量的方法、模型的自动选择机理;信用风险应对策略的选择机理。参考文献:[ 1]E I Altman. Financial Ratios, Discriminant Analysis and the Prediction of Corporate. Bankruptcy. Journal of Finance, 1968,(23): 189-209.[ 2]KMV Corporation. Credit Monitor Review. SanFrancisco California: 1993.[ 3]佘从国,席酋民.我国企业预警研究理论综述[ J].预测,2003,(22):23-29.[ 4]Charles Fisk, Frank Rimlinger. Nonparametric Estimates of LDC Repayment Prospects. Journal of Finance, 1979, 34(2): 429-436.[ 5]苗建敏.财务风险概念梳理及其识别、估测与控制[ J].理财者,2004,(1).[ 6]佘廉.企业预警管理理论[ M].石家庄:河北科学技术出版社,1999.。