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(guó)相應(yīng)的決策， 以便為促進(jìn)我國(guó)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(zhuān)家系統(tǒng)雜合體系

一、問(wèn)題的提出

銀行面臨的主要風(fēng)險(xiǎn)有信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、利率風(fēng)險(xiǎn)。我國(guó)商業(yè)銀行的改革一直在進(jìn)行中。就我國(guó)實(shí)際情況而言， 銀行經(jīng)營(yíng)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(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)也是一個(gè)不容忽視的原因。近20 年來(lái)，隨著國(guó)際金融領(lǐng)域競(jìng)爭(zhēng)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(píng)估方法已不能滿足人們的需要。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(guó)家不斷涌現(xiàn)。與國(guó)外相比， 我國(guó)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(guó)加入WTO后， 國(guó)內(nèi)的金融機(jī)構(gòu)面臨來(lái)自同行的激烈競(jìng)爭(zhēng)， 因此了解和借鑒先進(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(wèn)題。從20世紀(jì)60年代開(kāi)始，美國(guó)與歐洲許多國(guó)家的研究者們已經(jīng)開(kāi)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(zhuān)家系統(tǒng)法、神經(jīng)網(wǎng)絡(luò)方法到近年來(lái)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(guó)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(lèi)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)， 然后根據(jù)空間中的某個(gè)距離或規(guī)則將其分類(lèi)。

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(lèi)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(lèi)。這種方法的一個(gè)主要優(yōu)點(diǎn)是不要求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，該方法可用于定量研究，也可對(duì)現(xiàn)實(shí)中無(wú)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(lèi)。除此之外，聚類(lèi)分析方法還能幫助商業(yè)銀行確定貸款方式和策略，遲國(guó)泰等（2001）通過(guò)對(duì)專(zhuān)家意見(jiàn)進(jìn)行聚類(lèi)分析，用來(lái)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(wèn)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， 在無(wú)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。如果對(duì)某一具體問(wèn)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(zhuān)家系統(tǒng)

專(zhuān)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(zhuān)家解決問(wèn)題的推理過(guò)程再現(xiàn)而成為專(zhuān)家的決策工具，或?yàn)榉菍?zhuān)業(yè)決策者提供專(zhuān)業(yè)性建議。它的功能表現(xiàn)在解釋功能、靈活性、學(xué)習(xí)功能三方面。專(zhuān)家系統(tǒng)自上世紀(jì)80年代以來(lái)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(cè)及證券組合等。

Messier和Hansen（1985）從知識(shí)獲取角度探討比較了專(zhuān)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(zhuān)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(wèn)題域中的一些經(jīng)驗(yàn)性知識(shí)無(wú)法清楚表示，故限制專(zhuān)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(zhuān)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，從若干固定的屬性描述的已知分類(lèi)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)，利用其中的規(guī)則即可對(duì)新樣本中的指標(biāo)進(jìn)行評(píng)估。

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(cè)。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)的分布要求不嚴(yán)格，也不需要詳細(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)分析的作用是通過(guò)神經(jīng)網(wǎng)絡(luò)的分類(lèi)功能進(jìn)行的。首先找出一組影響分類(lèi)的因素作為神經(jīng)網(wǎng)絡(luò)的輸入，然后通過(guò)有導(dǎo)師或無(wú)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(guó)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(zhuān)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(zhēng)議。David West于2000 年分別將德國(guó)、澳大利亞的企業(yè)信用數(shù)據(jù)利用交錯(cuò)鑒定法分為訓(xùn)練樣本和測(cè)試樣本。結(jié)果顯示，對(duì)于德國(guó)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(cè)中的應(yīng)用， 并沒(méi)有實(shí)質(zhì)性的優(yōu)于線性區(qū)別模型。因此從目前的研究文獻(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，還不具備絕對(duì)的優(yōu)勢(shì)。原因在于目前尚無(wú)成熟的理論指導(dǎo)來(lái)設(shè)定網(wǎng)絡(luò)結(jié)構(gòu)， 要得到一個(gè)較好的NN結(jié)構(gòu)，需要人為地試湊。并且網(wǎng)絡(luò)的學(xué)習(xí)過(guò)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，NN的未來(lái)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(lái)各方法中的優(yōu)點(diǎn)，又能克服各方法中的缺點(diǎn)，同時(shí)還能形成一種新的優(yōu)點(diǎn)，而這種新的優(yōu)點(diǎn)是原來(lái)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(wèn)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)，提出了兩種方法的雜合方法，結(jié)果證明雜合方法的分類(lèi)效果比單獨(dú)使用這兩種方法都好。West（2000）在利用專(zhuān)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(guó)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(lèi)模式分類(lèi)時(shí)，分類(lèi)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(jiǎn)稱(chēng)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(cè)等。近年來(lái)，SVM已成為解決模式分類(lèi)和回歸問(wèn)題的有利工具。由于SVM在學(xué)習(xí)過(guò)程中避免了神經(jīng)網(wǎng)絡(luò)的一些缺陷，如網(wǎng)絡(luò)結(jié)構(gòu)難以確定、在樣本訓(xùn)練過(guò)程中發(fā)生過(guò)學(xué)習(xí)或欠學(xué)習(xí)、容易產(chǎn)生局部極小等，因此，在進(jìn)行模式分類(lèi)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?jī)?nèi)容是，當(dāng)問(wèn)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(wèn)題不是線性可分時(shí)，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(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(guò)非線性映射，將低維空間中的非線性問(wèn)題轉(zhuǎn)變?yōu)楦呔S空間中的線性問(wèn)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)算和解決非線性的目的。盡管通常來(lái)說(shuō)，支持向量機(jī)方法也是神經(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，確實(shí)有其獨(dú)特之處，特別是在信用風(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，因此將該方法單列出來(lái)。

三、結(jié)語(yǔ)

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(guó)家獲得了突飛猛進(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(zhuān)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(lái)越體現(xiàn)出從定性到定量、從簡(jiǎn)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(shì)。由于我國(guó)商業(yè)銀行和金融市場(chǎng)尚處在新興發(fā)展階段， 核心的信用風(fēng)險(xiǎn)分析仍采用傳統(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。吸收和借鑒西方風(fēng)險(xiǎn)管理的新方法， 對(duì)于我們具有重要的意義。這里僅提出幾點(diǎn)建議:

1.由于風(fēng)險(xiǎn)分析方法的成功運(yùn)用依賴(lài)于龐大完整的數(shù)據(jù)庫(kù)， 而我國(guó)目前大多數(shù)企業(yè)數(shù)據(jù)資料不全， 并且國(guó)內(nèi)缺乏獨(dú)立的金融資信評(píng)級(jí)機(jī)構(gòu)。因此，我國(guó)目前當(dāng)務(wù)之急要大力培育和發(fā)展中國(guó)獨(dú)立的信用評(píng)級(jí)機(jī)構(gòu)， 同時(shí)從長(zhǎng)遠(yuǎn)看， 我國(guó)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(cāng)庫(kù)和管理信息系統(tǒng)，以滿足所有工具對(duì)數(shù)據(jù)的需求。

2.要抓緊培養(yǎng)高素質(zhì)的專(zhuān)業(yè)人才隊(duì)伍， 同時(shí)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(xué)， 要將風(fēng)險(xiǎn)意識(shí)根植于銀行的上上下下， 讓全體員工以倫理道德、避免風(fēng)險(xiǎn)及銀行的健康發(fā)展作為其行動(dòng)準(zhǔn)則;

3.在實(shí)踐中， 國(guó)內(nèi)不能直接照搬國(guó)外的方法，而要科學(xué)、靈活地借鑒國(guó)外的先進(jìn)模型， 逐步開(kāi)發(fā)適合中國(guó)實(shí)際的信用風(fēng)險(xiǎn)模型。

4.意識(shí)到模型自身固有的缺陷。要堅(jiān)持定性與定量相結(jié)合的原則， 任何復(fù)雜的數(shù)量分析都不能替代經(jīng)驗(yàn)判斷， 況且目前現(xiàn)有的信用風(fēng)險(xiǎn)模型仍處于發(fā)展的早期階段， 過(guò)度依賴(lài)于數(shù)量模型將會(huì)產(chǎn)生模型風(fēng)險(xiǎn)。