基于AHP—OVP模型的銀行信貸客戶選擇評價研究

摘要：文章針對國內外關于銀行信貸客戶選擇評價方法研究存在的不足，將層次分析法（AHP）與密切值法（OVP）有機結合，構建了AHP-OVP評估模型，引入到銀行信貸客戶的選擇中，并對模型進行了檢驗，結果表明該方法能有效的對銀行信貸客戶進行選擇，并在一定程度上彌補了以往銀行信貸客戶選擇評價方法的一些缺陷。

關鍵詞：銀行信貸客戶；層次分析法；密切值法

一、 引言

合理有效地選擇信貸客戶對于銀行來說不僅能有效控制貸款風險，還能為銀行創造十分大的價值，因此，怎樣選擇合適的信貸客戶對于銀行來說十分重要。目前國內外學者已開始對銀行信貸客戶選擇問題進行了相關研究，余燕達和李海晨基于數據挖掘的方法對信貸客戶信用評價選擇進行了研究，王雪青和馬輝采用灰色關聯法對銀行信貸客戶選擇進行了評價研究，趙鑒采用模糊評價法對銀行信貸客戶選擇評價模型進行了構建。通過以上文獻可以看出，現有學者對銀行信貸客戶選擇評價模型構建的思路為：首先將信貸客戶采用若干類型的評價指標，采用專家評價手段獲得各指標評價值，然后采用諸如數據挖掘法、灰關聯法、模糊評價法等方法對評價指標數據進行處理，從而實現對信貸客戶的選擇。雖然現有信貸客戶選擇的評價方法主要以相對流行的數理評價模型為依據，但是上述這些數理評價模型在評價對象上具有一定的約束條件，并且評價權重的確定較為主觀，無法剔除評價指標之間的非線性關系和信息重疊，由此導致銀行信貸客戶選擇評價信息失真而給銀行造成較大的損失。基于此，本文將層次分析法和密切值法這兩種方法進行組合，構建出銀行信貸客戶選擇的AHP-OVP評價模型。

二、 銀行信貸客戶選擇的AHP-OVP模型構建

1. 建立層次結構模型。根據銀行信貸客戶選擇的影響因素將銀行信貸客戶選擇評價指標分解成目標層、準則層和項目層。

2. 構造判斷矩陣。根據銀行信貸客戶評價標準采用1-9標度方法對各指標因素進行兩兩比較由此構造出銀行信貸客戶選擇評價的判斷矩陣。

3. 層次單排序及一致性比較。采用CR=■來對判斷矩陣的一致性進行檢驗，當且僅當CR<0.1時，判斷矩陣的一致性可以接受。其中，CI=■，？姿max=■■■， ？棕k=■，RI則根據表1進行確定。

4. 建立指標矩陣并規范化。設對象集Ai（i=1，2，…，m）在指標Sj（j=1，2，…，n）下取值aij，得到指標矩陣A=（aij）m×n，由于項目的指標較多，且各指標的量綱不同，為便于比較，對指標矩陣進行規范化處理。

令：Xij=■當j為正向指標時■當j為逆向指標時

得到規范化指標矩陣X=（xij）m×n。

5. 確定對象集的最優點和最劣點。

令：

x+j=max{xij} x+j=min{xij} （j=1，2，…，n）

則：

最優點集為：A+=（x+1，x+2，…，x+n）

最劣點集為：A-=（x-1，x-2，…，x-n）

最佳高銀行信貸客戶就是在決策點集中找出離最優點集最近離最劣點集最遠的決策點。

6. 計算各對象的密切值。

對象Ai在的密切值為：Ci=d+i/d+-d-i/d-

其中：d+i=[■（xij-x+i）2]1/2

d-i=[■（xij-x-i）2]1/2

d+=min{d+i}，d-=max{d-i}

d+i，d-i分別表示對象Ai與最優對象A+，A-之間的歐氏距離，d+，d-分別表示m個最優點距的最小值和m個最劣點距的最大值。

Ci的大小反映了對象集偏離最優點的程度，當Ci>0時，Ai偏離最優點，其值越大，偏離越遠；當Ci=0時，A最接近最優點，以Ci的大小作為決策準則，Ci最小的對象就是最佳信貸客戶。

三、 應用實例

現有三個備選的貸款企業客戶，根據對選擇基準因素的分析，各個備選企業客戶的評價主要包括財務狀況、管理水平、行業地位、變現能力、技術實力和履約信譽。下面將通過運用前面第2節構建AHP-OVP模型對備選的貸款企業客戶進行評價選擇。

1. 建立層次結構模型。根據前面可知銀行信貸客戶選擇為評價目標層，財務狀況、管理水平、行業地位、變現能力、技術實力和履約信譽為評價指標構成準則層，三個備選貸款企業客戶構成對象層，如圖1所示。

2. 確定備選企業在信貸客戶選擇評價指標中的權重

由銀行管理層人員組建評價小組，根據三個被選貸款企業客戶依次對六項評價指標進行兩兩比較從而得出具體的評價分值，進而根據評價分值對判斷矩陣進行構建。并對各備選企業在評價指標中的權重和一致性檢驗參數進行測算，結果如表2-7所示。

3. 應用密切值法進行綜合評價。由于各選擇基準因素指標的數值越大越好運用公式（3）轉化為規范化指標矩陣，計算結果見表8。

由（5）式可得最優點和最劣點，分別為

A+=（0.933 1，0.688 3，0.871 1，0.666 7，0.861 5，0.869 8）

A-=（0.122 7，0.229 3，0.164 0，0.333 3，0.071 8，0.165 0）

根據（7）、（8）式可計算d+i、d-i：

d+i=（0.810 4，1.001 5，1.323 8），

d-i=（1.393 6，1.021 2，0.589 1）

由（9）式易得d+=min{d+i}=0.810 4，d-=max{d-i}=1.393 6

根據公式（6）則可得到各對象的密切值Ci=（0，0.5030，1.2108）

由此可知，C1

四、 結論

銀行信貸客戶選擇是一個非常復雜的系統工程，其不確定性與諸多因素相關，現有銀行信貸客戶選擇評價方法雖然主要以相對流行的數理評價模型為依據，但是上述這些數理評價模型在評價對象上具有一定的約束條件，并且評價權重的確定較為主觀，無法剔除評價指標之間的非線性關系和信息重疊，由此導致銀行信貸客戶選擇評價信息失真而給銀行造成較大的損失?；诂F有研究不足，本文構建了銀行信貸客戶選擇的AHP-OVP評價模型，依據財務狀況、管理水平、行業地位、變現能力、技術實力和履約信譽這六個選擇基準因素對各備選貸款企業客戶進行了有效排序，并通過了一個案例對其進行了驗證，結果發現，銀行信貸客戶選擇的AHP-OVP評價模型能充分利用層次分析法和密切值法各自的長處，不用對評價指標計算權重，并且計算相對直觀明了，從而減少了主觀性又不是科學性、合理性，能有效地對貸款企業客戶進行選擇，在一定程度上彌補了以往銀行信貸客戶選擇評價方法的一些缺陷，因而值得推廣。

參考文獻：

1. 韓軍.現代商業銀行市場風險管理理論與實務.北京：中國金融出版社，2006．

2. 余燕達，李海晨．基于數據挖掘的信貸客戶信用評估系統研究.情報雜志，2010，（7）：141-144．

3. 王雪青，馬輝．商業銀行信用風險的灰色管理評價研究.太原理工大學學報，2005，（15）：26-28．

4. 趙鑒.應用FUZZY評價銀行貸款信用風險.上海管理科學，2003，（5）：48-50．

5. 吳翊等.數學建模的理論與實踐.長沙： 國防科技大學出版社，1999．

6. 王登瀛.多目標決策方案優選的密切值法.系統工程，1989，（1）：33-35．

7. 張目，周宗放.我國高技術企業信用風險地區差異識別分析.商業研究，2010，（9）.

8. 楊軍，程建，潘俊武.違約損失率模型開發的理論分析和實證研究.國際金融研究，2009，（6）.

9. 鄭學，黃建忠，李叔誠.違約損失率模型開發部分關鍵技術實證研究.國際金融研究，2010，（10）.

10. 段勝，許諾.金融風險計量中的LGD模型在我國研究情況綜述.高校社科動態，2011，（3）.

11. 黃建忠，褚保金.商業銀行違約損失率的影響因素——基于江蘇省某銀行歷史債項數據的分析.現代經濟探討，2011，（8）.

12. 代太山，陳敏。楊曉光.不同擔保類型之下違約損失率的結構特征：針對中國的實證.南方經濟，2008，（8）.

13. 陳浩，馬宇超，陳暮紫，唐躍，王博，陳敏，楊曉光.不良貸款有無回收判別：一類可選變量的支持向量機方法.系統工程理論與實踐，2009，（12）.

14. 唐躍，王東浩，陳暮紫，陳敏，楊曉光.中國不良貸款回收率地區差異的原因分析.系統工程理論與實踐，2011，（3）.

15. 王博，唐躍，陳浩，溫琪，陳敏，楊曉光.我國不良貸款回收率的影響因素和預測模型.系統工程理論與實踐，2011，（5）.

16. 陳浩，王博，唐躍，陳敏，楊曉光.我國資產管理公司違約貸款回收的時間效應實證.系統工程理論與實踐，2011，（7）.

17. 于瑞賢，周將.我國商業銀行信用風險管理的新思路.北京機械工業學院學報，2007，（2）.

18. 任宇航，侯光明，孫孝坤.巴塞爾新資本協議下的LGD測算方法研究.北京理工大學學報（社會科學版），2006，（5）.

作者簡介：宋紀寧，中國社會科學院金融研究所金融學博士后；楊名，北京大學經濟學博士后，中國青年政治學院講師。

收稿日期：2013-01-28。