信用风险相关理论模板(10篇)

导言：作为写作爱好者，不可错过为您精心挑选的10篇信用风险相关理论，它们将为您的写作提供全新的视角，我们衷心期待您的阅读，并希望这些内容能为您提供灵感和参考。

篇1

中图分类号：F830.9；F832.5 文献标识码：A 文章编号：1001-8409（2014）02-0111-07

1 引言

一般而言，信用风险投资者①情绪是指金融市场上投资信用风险产品的投资者的投机倾向或对信用风险资产的乐观或者悲观态度，反映了信用风险资产的目前价格与内在价值的差别。在现实金融市场上，信用风险投资者易受到自己或他人的主观情绪（其信念的客观程度和认知的心理偏误）的影响，并呈现出系统的长期的一致性，引起市场流动性不足或过剩，而市场流动性的不足或过剩又会进一步提高信用风险投资者的非理性主观情绪程度，最终导致信用风险产品价格剧烈波动。投资者情绪和流动性是金融市场的两个重要特性，也是影响金融市场平稳健康运行的关键因素。2007年次贷危机就是市场投资者悲观情绪和流动性相互作用的结果[1]。

由于信用风险投资者的认知过程的偏误和情绪情感偏好等心理方面的原因会使其无法理性地做出正确的判断和理性的决策，对信用风险产品的定价、流动性、信用风险传染等方面均造成了重要影响。同时，流动性变化又会加深信用风险投资者的非理性程度和情绪变化。枫和梁丹[1]认为投资者情绪变化在一定程度上加深了资产价格的市场波动速度和幅度，给市场流动性造成了不容忽视的影响。Baker和Stein[2]认为如果市场参与者情绪程度较高，则市场流动性程度就会较高。同时，市场流动性随着非理性投资者情绪的增加而增加。Hong和Stein[3]认为投资者情绪与流动性具有显著的内在相关性。梁丽珍[4]认为投资者情绪显著影响了资产定价过程（即收益生成过程），而且与市场流动性具有正相关关系，随着投资者情绪的提高，交易对价格的边际冲击变小，市场流动性增加。Zouaoui等[5]认为投资者情绪增加了市场流动性和市场危机的发生概率。Lin和Huang[6]认为投资者情绪影响了人们的心理价格参考点水平，进而影响了人们决策行为。Baker等[7]认为投资者情绪可以在市场间进行传染，而且是通过流动性得以实现的。

行为金融学摒弃了投资者理性假说，认为投资者情绪对整个金融市场有着不可忽视的作用[8]。在信用风险产品交易过程中，投资者潜在地将银行系统的信用风险传播到二级市场，并实现在诸多投资者之间相互传染和扩散。而在这类信用风险传染过程中投资者情绪和流动性的影响是不可忽视的。这类以信用风险交易为特征的信用风险传染问题已经远远超出了传统信用风险传染模型所能够分析的范畴。近几年，随着复杂网络理论的快速发展和应用，国内外学者开始将复杂网络理论引入到金融风险传染的研究领域，也为解决信用风险交易为特征的信用风险传染问题提供了手段和工具。目前应用复杂网络分析信用风险传染主要集中于银行系统，通过分析网络结构特性及其演化对信用风险传染的影响机制[9～15]。林福永和孙凯[16]认为在社会科学研究中，如果把各类作用体抽象为网络节点，各种作用抽象为节点之间的连接线或边，那么，一切事物就都可以抽象为网络。在现实金融市场上，信用风险投资者之间具有非常复杂的网络关系，而且网络关系的变化会影响信用风险传染过程的复杂性，以及信用风险传染的速度和效率。因此，应用复杂网络理论研究信用风险传染具有一定的科学性和可行性。鉴于此，本文基于复杂网络视角，考虑到信用风险投资者情绪和流动性对信用风险传染的影响，通过构建信用风险传染的网络模型，研究信用风险投资者情绪和流动性的交互作用对信用风险传染行为及其演化的影响和作用机制。

2 信用风险传染的行为分析

2.1 信用风险传染的投资者情绪驱动机制

信用风险传染是金融系统中常见的复杂的社会现象，是一种典型的社会群体的心理行为。在这种社会现象中信用风险投资者的情绪和态度至关重要。从社会群体心理学角度来说，信用风险传染是信用风险的传染者和被传染者之间在信息、情绪、态度、行为等方面的双向互动交流和感染的过程。从传染的渠道来看，信用风险传染主要包括信用风险投资者之间的关系、个体持有信用风险资产的结构特征、信用风险的转移、宏观政策波动及新闻媒介传染等多种方式。从传染过程来看，主要包括信息甄别与筛选信息认同与强化市场信息同化市场剧烈震荡。从心理与行为角度来看，信用风险的传染主要包括对信息的关注与疑虑心理的认同与情绪激动情绪感染群体的趋同行为危机爆发。这种心理与行为过程主要包含四方面的原因。

（1）利益是信用风险传染的心理基础。在金融市场上，信用事件的发生往往会带来金融市场上信用风险资产价格的波动，会造成信用风险投资者巨大的利益损失。因此，一旦信用事件的发生引起金融市场波动超出了信用风险投资者的预期，危及到信用风险投资者的相关利益，他们就会产生心理恐慌和非理性的情绪和行为，并通过社会关系和各种媒介将非理和激动情绪向邻近或远程的个体传染，逐渐在市场上形成“心理群体”，加快信用风险的传染速度，加剧金融市场信用风险资产价格的剧烈波动，进一步扩大信用风险的传染范围。

（2）群体依赖性构成了信用风险传染的心理支撑。在金融市场信用事件发生前后，绝大多数信用风险投资者都极为关注市场信息的变化和市场的运行方向对自己是否有利。为了保护自己的利益，个体对群体的依赖情绪相对于金融市场平静时更为强烈，对群体情绪和行为的变化更加敏感。因此，对群体的依赖性在很大程度上为信用风险的传染提供了一种心理支撑作用，并不断加快信用风险的传染速度。

（3）信息的不完全性和不对称性是加快信用风险传染的现实条件。在金融市场上，信息的不完全性和不对称性是各类信息被扭曲或篡改、不利消息被快速传播或放大的症结所在，更是信用风险传染的沃土。因此，在市场信息不完全和不对称情况下，一旦金融市场上出现相关信用事件的发生，就可能会改变市场信息均衡状态，对不利于自己的信息总是以极其关注的态度和行为加以证实或否定，导致在市场信息不完全和个体间信息不对称下诸多真实信息在传播过程中被扭曲或篡改，经过多次反复的交互影响，信用风险投资者的信息不断被同化，其恐慌心理和非理不断得到强化，不断地提高了信用风险的传染速度和影响范围。

（4）情绪感染是信用风险传染的内在动力。在金融市场上，由于信用风险投资者极为关注自身的利益安全，一旦信用事件的发生威胁到了自身利益安全，他们就会产生一种恐惧情绪，并通过信用风险投资者之间的双向互动交流进行情绪传染，产生一系列非理性的行为，最终一步步加快信用风险传染的速度，扩大了信用风险传染的影响范围和力度。

2.2 信用风险传染的市场流动性驱动机制

在金融市场上，信用风险传染是投资者心理行为与流动互作用的结果，流动性也正成为影响金融系统稳定和各类金融风险传染的重要因素，它既可以通过金融机构、企业和家庭的资产负债表直接发挥作用，也可以通过资产价格间接地发挥作用。流动性对信用风险传染的驱动作用主要包括两个方面。

（1）流动性对银行系统信用风险传染的驱动。

银行系统中的信贷关系由银行同业风险分担或银行共同参与的支付清算系统所导致，即使银行“经济基础变量”之间是相互独立的银行之间的信贷关系也会使银行经营业绩之间有很强的相关性[17]。当银行系统受到不确定性流动性冲击时，贷出方银行会由于借入方银行的破产而发生资本损失，如果这个溢出效应超出自身的资本缓冲，信用风险就会由借入方银行向贷出方银行传染，严重时会导致银行系统崩溃[18]。因此，当一家或部分银行发生信用事件后，除了自身的流动性会受到冲击，与其相关联的银行的流动性也会立即受到扰动或冲击，一些资本缓冲能力弱的银行为了保证流动性稳定，一定会以低于“公平”价值的价格来售卖其长期资产或以更高的利率进行拆借，而银行资产价格的下降或同业拆借利率的上升又势必会反过来影响其他银行资产的价值，增加银行的系统性风险，最终导致一家或部分银行的信用风险会随着流动性通过银行资产市场传染给其他与之直接相关或者间接相关，甚至不相关的银行。而且，银行系统信用风险传染的速度和影响范围会随着流动性冲击的增加而增加。

（2）流动性对金融市场间信用风险传染的驱动。

在整个金融系统中，由于各个市场之间不可避免地存在着很大程度上的资产相关性和经济主体的相关性，其中任何一个或多个市场上的流动性问题也势必会导致其他市场的流动性问题。某一市场的信用风险会通过流动性的变化在多个市场间进行传染，并且呈现显著的流动性驱动效应。以2007年美国次贷危机为例。由于基准利率上升和房价下跌，导致了银行系统的信贷违约增加，银行系统的流动性受到冲击，引发银行系统内的信用风险传染。而银行系统内的信用风险传染又势必会致使基准利率持续上升和房价持续下跌，导致次级抵押贷款支持证券市场价值缩水，带动资本市场其他相关衍生产品价格下跌，引发资本市场流动性危机和信用风险传染。资本市场资产价格的下跌，又会引起货币市场流动性的紧缩，进而导致信用风险在货币市场上传染。因此，在流动性驱动下，在多个市场之间形成不利的“流动性螺旋”，驱动信用风险在多个市场之间反复交叉传染，在极端情况下会导致金融危机。

因此，流动性正成为信用风险在单个金融市场内部传染和多市场间传染的核心渠道和纽带，而且，对信用风险传染的速度和影响范围具有显著的驱动效应，并呈现出“DNA双螺旋链”特征。

篇2

1引言

随着电子商务的发展，互联网金融开始出现，并且迅速发展。所谓互联网金融，它是指传统金融机构依托互联网平台，利用互联网技术、电子信息技术，实现融资、投资和信息中介服务的一种新型业务模式。互联网与金融结合，对传统金融业是一种全新的变革，对银行、证券等提供服务的方式和效率产生深刻的影响。互联网金融作为一个新生事物，既需要市场驱动，也需要政策助力来促进发展。然而，伴随高速增长的是行业的信用风险也在呈上升趋势。马克思在资本论中指出，商品资本向货币资本的转化这“惊险的一跳”蕴含着巨大风险，其原因在于，如果互联网金融的信用风险超过一定程度，导致信用破产，进而引发资金链断裂，使得企业破产，那么企业就会解雇大量员工，使得工人失业，最终造成整个社会经济危机。所以，在经济风险的防范中，对互联网金融信用风险的防范就越来越凸显出其重要性。马克思的货币、信用和危机理论常被当作一个系统的分析框架，虽然不能把西方国家的理论经验直接照搬到我国，但马克思在《资本论》中的世界观和方法论以及信用理论，对分析我国互联网金融信用风险有着重要的理论指导意义。全面系统地研究互联网金融信用风险具有一定的现实意义和理论意义。一方面，互联网金融行业在我国还处于初级发展阶段，目前已有的文献大多是研究互联网背景下对传统金融企业的冲击性影响，或者从实证角度研究互联网金融对居民消费的影响，而从信用风险防范的角度对其进行研究的文献却很少，从马克思信用理论视角去分析互联网金融信用风险的相关文献则更少。因此，从信用风险防范的角度着手，对于丰富国内该领域的研究具有一定的理论意义。另一方面，互联网金融行业在我国属于新兴行业，发展迅速，但行业整体的运营显现出巨大的信用风险。如何规范行业的整体发展，降低发展带来的风险就显得尤为重要。

2研究现状

关于信用这一概念的内涵和本质，马克思从经济学和伦理学2个角度进行了阐述。经济范畴中的“信用”是种经济利益关系，反映了一种特定的生产关系。国内其他学者基于这一理论进行了深入研究。柴艳萍（2013）[1]从诚信与信用的关系出发，提出了信用实现的条件。胡为雄（2010）[2]通过对马克思相关政治经济文献的挖掘，认为信用和虚拟资本是马克思上层建筑概念的隐喻。马超（2008）[3]强调信用道德水平与信用经济水平之间存在一定的关系。在互联网金融信用风险管理方面，也有很多学者作了相关的研究。陈秀梅（2014）[4]指出要从制度设计和标准制定2个方面入手，多方面建立互联网财务管理体系。谢平、邹传伟（2013）[5]认为，我国互联网金融与传统金融存在明显差异。由于大数据技术和传统金融的变革推动了互联网金融的快速发展，可能会使互联网金融存在巨大的潜在信用风险。既然大数据技术在推动互联网金融发展的过程中起到重要作用，那么也可以将大数据技术作为一种手段，利用其去管理信用风险。刘芸、朱瑞博（2014）[6]认为互联网金融应与信用体系等传统金融领域相衔接，使整个行业的信用风险管理更加全面、完善。

3我国互联网金融存在的信用风险及原因分析

马克思的信用理论包含了信用产生和功能，以及资本主义经济各要素在生产、分配、消费等环节的对立加速。在资本主义社会，各要素之间对立的最终发展趋势是相互分离，最后以危机的形式趋于统一，周而复始，具有周期性。在统一的过程中，有些是以特定的信用风险的形式表现出来的，网络金融的信用风险就是其一。网络金融信用风险是指网络金融融资借款人在合同到期日不履行合同义务，构成违约的行为。这种违约风险是客观的信用风险。此外，由于网络金融交易在时间和空间上的分离，可能存在的道德风险以及交易双方的信息不对称，使得网络金融存在人为的违约信用风险。还有，网络金融的信用风险也有其自身的特点：隐蔽性强，因为交易的时空分离为其作“掩护”，使得信息不对称情况下很难辨别真伪；传播速度快，依靠互联网信息技术，信用风险可以很快进行大范围传播；范围广、监管难，大数据技术为其提供了广阔的应用空间，且发展速度极快，还没有相应的法律法规对其进行约束，难以实行监管防范。网络金融信用风险可以按照不同的标准分类。根据来源，可分为狭义信用风险和广义信用风险。狭义信用风险是指从借款人角度出发的信用风险。广义信用风险是指从借款人和贷款人2个角度分析的信用风险。按其性质可分为故意违约信用风险和强制违约信用风险。故意违约信用风险指借款人因道德缺失、信息不对称、主观故意等，在客观上能够履行合同的情况下，不履行合同，给交易对方造成损失的可能性，通俗来讲就是有履行能力但却不愿意去履行合同。强制违约信用风险是指互联网金融信用风险的不确定性和随机性，使得借款人由于非主观故意而无法履约。网络金融信用风险产生的原因是多方面的。目前我国信用体系发展尚且不完善，经常会有恶意逃债的现象发生。如果融资平台不能够有效验证交易双方的真实身份，很容易诱发信用风险。除了机构与客户之间的信息不对称外，法律法规的不完善也加剧了网络金融的信用风险。互联网金融在我国发展时间还比较短，配套法律法规尚未形成。互联网金融在经历了最初的迅速而无管制的发展之后，其法律风险也逐渐暴露出来。互联网金融的虚拟性，很难对借款人形成有效约束，可能导致贷款达到约定日期，仍不履行还款的义务，信用风险爆发。

4互联网金融信用风险的防范措施

基于上述分析，针对目前我国互联网金融存在的信用风险，提出以下几点防范措施。

4.1完善互联网金融信用的征信体系和监管体系

战略层面，应该加强信用文化和金融生态环境建设；政策层面，应该建设互联网金融征信制度，并且加强互联网金融信用征信的监管，加强互联网金融信用信息安全管理和个人隐私保护。对于传统金融的法律法规、网上证券交易、支付安全等条例，已经不能满足瞬息变化的互联网金融的发展，应该及时完善法律体系，保证相关利益者的权利与义务。

4.2提高互联网金融信息安全技术

立足从业人员和互联网金融平台，注重安全设施的投入，包括设备、技术和人才的投入。加强内控设施的落实，成立互联网金融风险管理部，建立健全内控责任制，不违规。增强自律能力，在业务许可范围内合法合规的前提下开展业务，加强风险防控策略研究，提高自律能力和风险应对能力。逐步完善内部运行机制，提高科学管理水平，将内部管理变得科学化、规范化。

篇3

信用是市场经济的基石，信用风险的危害倍受金融界关注。一般情况下，信用风险方面的问题始终属于市场经济当中基本且极其古老的一类问题，其危害性受到人们的广泛关注。现阶段，社会经济的快速发展更是在很大程度上复杂化了信用风险问题。组合信用风险已经成为现在研究的一个重点，该问题当中核心为违约相关性，该核心具体能够分成微观以及宏观两种。现阶段，对违约相关性进行研究时主要包含三类方法，分别为约化方法、结构化方法以及Copula方法。

一、对信用风险的基本概念进行分析

通常情况下，相对比较传统的信用风险指的主要是相关的交易对象不可以根据事先已经达成的相应协议来对义务进行严格履行所造成的一种风险，也就是债务人根本没有对相应的债务进行如期偿还导致合同的违反，进而为债权人造成一定的风险[1]。而现代的金融信用风险主要指的是因为对手或者债务违约而造成损失的一种可能性，或因为债务人在信用评级方面发生变动以及履约能力方面发生一定的改变而造成损失的可能性。所以，现代金融信用风险基本的决定因素是对手的实际财务情况以及风险情况[1]。下面对现代金融信用风险的具体特征进行分析。首先，非对称性。价格所发生的波动会造成市场风险，所取得的收益呈现出对称性的分布，而信用风险不同于市场风险，主要的造成原因是借款人的违约，损失以及收益都呈现出不对称的分布，这就会导致信用风险概率分布发生一定的偏离[1]。其次，易传染性。通常来讲，信用风险会在很大程度上造成大范围的信用方面的违约，进而导致极其严重的金融事故。最后，非系统性。债务人所具有的实际还款能力的决定因素为和其相关的非系统性的一些因素，具体包括债务人的还款实际意愿、经营企业的真正能力以及财务情况等[1]。

二、信用风险模型理论研究现状

1.结构化模型。

结构化模型起源于20世纪70年代，并且建立在几何布朗运动的基础上，该理论认为，我们可以将对债券定价的过程简单化，即演化为对欧式期权的定价。理论可以得到期权定价理论的支持，并且建立了其自身的模型，称之为到期日违约模型法，理论致力于信用价差曲线的研究，通过定量分析和定性分析的方法，在查阅大量历史资料的基础上，在模型中建立了利率期限结构模型。

2.简约化模型。

简约化模型绕过了公司的财务基础，这是和与结构化模型最大的不同之处，简约化模型的计算方法相对比较简单，而且所需要的数据流量也较少。在建模过程中，当事人可以泊松理论来建立模型，其准确度收到违约概率的强度影响。采用简约化模型的优势在于债务方的强度能够对另外一方的相关性方面进行制约，从而降低了风险。简约化模型的建立还需要以状态变量X为主要驱动力。

三、对信用违约相关性的影响因素进行分析

一般情况下，违约事件会在很大程度上会造成信用风险，此外，和一般的损失不同，通常来说，违约事件所引起的不仅仅是财务上的损失，还包括许多不能够预期的事件，带有很强的随机性，而这也是处理违约事件过程中需要特别注意的一个方面。单个的违约所产生的负面影响，主要是有两个方面所决定，其一是债务的回收率，其二是违约发生的概率。从组织层面上来讲，由于分散化，组织所发生的损失根本就不是简单的一种加和，当对多个变量所产生的组合效应进行一定的研究时，也就是信用债权人与债权人间之间存在的影响，这就应该要对资产间相干性进行有效的度量。所以，要想对组织损失的实际情况进行更有效研究，实施组织以及风险方面的管理，这就应该对组合当中的资产违约相依的结构进行充分的考虑[2]。下面对影响信用违约的相关性的因素进行分析。首先是宏观经济因素。对于市场经济来讲，市场利率所发生的变化、商品价格上的变化以及宏观经济上的波动等都会造成一定的影响，进而实现了循环性的违约相关性。其次，特定行业的因素。在所有的行业当中，基本上都会受到原材料价格上涨以及生产力过剩等各种因素所造成的冲击，各个行业之间所存在的直接性练习同时还会造成所有企业的违约相关性。该类风险引起的主要原因根本就不是经营风险，同时还不是财务风险，主要原因是特定行业当中市场经济环境所发生的波动以及变动。因此，行业当中的环境所造成的影响会严重造成企业的关联违约，而且这些负面影响往往是不可估量的，同时也属于银行最需要考虑的一个影响因素[2]。最后，业务交叉的因素。一般来讲，资产相关指的主要是各个企业之间有着投资、持股以及参股等各种资本上的关系。当存在一定资产相关性时，违约相关性主要是两债务人之间违约概率所形成的函数，同时随着违约概率的增大，会增大违约的相关性。各个企业之间有着非常多的业务之间的往来时，有时还会是供应链方面的合作伙伴，这时候，企业应该非常容易出现关联现象。所以，在此状况之下，企业当中也会存在相对比较高的违约相关性[2]。

四、对问题的基本假设进行分析

在已经给定的相对比较完备的概率空间（Ω，φ，Q）当中，Q指的主要是风险处于中性时的概率测度，这时，我们引入能够表示宏观经济的流域，主要的构成是能源价格、汇率以及利率等各种宏观方面额定经济变量。运用（Ω，φ）上的可以测量的随机变量Ti来表示i公司违约的实际时刻[2]。当选择Copula函数时，具体能够分成两个类型。在本文中主要考虑在现实情况中非常常用的GaussianCopula。在该函数当中包含着标准正态分布的分布函数，还包含着协方差矩阵的多维正态分布的函数。根据Copula方法来对违约相关性进行一定的研究，能够大体分成两个步骤：第一个步骤是建立单个企业的违约模型；第二个步骤是对违约相关性进行一定的引进，也就是建立Copula模型[3]。

五、对单个公司的生存概率进行分析

对违约相关性先不进行考虑，i企业出现违约的影响因素是自身因素以及宏观经济，也就是在相应的域流之下，得出相应的域流空间。主要的目标是在相应的约束条件之下，来对该企业的生存概率进行有效求解[3]。适应约化的方法来对企业生存概率进行求解属于一个非常常见的方法，Lando对其有着比较深刻的认识以及研究。也就是说，在t时刻应该对未来宏观经济信息进行预先知道，预知未来，但这很明显与实际存在一定的差距。从根本上来讲，Lando因为将其求解放在Cox过程的实际框架当中，因此，需要将信息进行一定的扩大。然而，在现实情况当中，在对生存率进行一定的求解时根本就不会涉及到Cox过程，该过程仅仅会在模拟违约时刻时才会运用到。因此，应该对Lando的方法进行一定的改进[4]。

六、对信用组合风险的损失的度量进行分析

第一步，应该对违约损失进行一定的估计。工具违约概率的确定在于来自于公司内部，即所有工具的违约概率的确定标准都是内部的具体评级。这一过程的测定较为复杂，需要以大量的数据为依托，为了简化计算，应该根据行业当中的相应平均数来确定违约的损失值。除此之外，还应该对违约损失的具体标准差进行一定的估计。第二步，应该对债务人的资产相关性进行一定的估计。因为一般来说，我们不能够直接地观察出企业的实际资产价值，但是，我们能够通过Black-Scholes公式来对其进行精确的推导，运用专业知识，建立相关的数学模型，进而运用Copula函数对其资产相关性进行估计[4]，从而得出接近于实际情况的数值。第三步，产生出相关的违约事件。由于违约相关性与资产相关性所具有的依赖结构存在一定的相似性，所以能够对资产相关性进行有效反映的Copula函数属于是违约点的结果。进而利用Copula函数以及边缘分布来获得违约时间的相关分布。第四步，对随机违约损失进行一定的产生。如果出现违约的现象，我们就需要计算违约所产生的具体损失，此时，可以从以前已经得到的违约损失值中获取相关数据，即我们可以将违约案例进行归类，对于相似的案例，确定违约数据的平均值，并且通过标准差的相关分布，抽取其中的随机数，进而借助计算机等工作，计算出违约的损失值。第五步，对损失进行一定的计算。出现违约，应该按照组合头寸来得到违约暴露，并且采用计数法，对于违约数据可以记为1，对于不发生违约的情况，则损失就为零。第六步，得到损失实际分布。无论是何种形式的违约以及违约数据的大小，其计算的结果都是所有的情景都会产生出一个相应的组合损失值，此时，对上面的步骤进行相应次数的重复，进而来得到相应的组合损失。

七、结束语

综上所述，违约相关性的Copula方法是本文研究的主要对象，在本文当中，建立并研究了约化方法与结构化方法之间存在的关系，进而可以在很大程度上辅导我们对各研究方法及其内在所存在的相互关系进行充分理解。

参考文献：

[1]何海鹰.基于Copula理论的信用风险研究[D].厦门大学，2009.

[2]谢铨.基于Copula的信用风险经济资本计量模型及应用[J].科学技术与工程，2011，（17）：4112-4116.

篇4

全球金融危机对金融机构风险管理理念的最大影响之一就是对交易对手信用风险的重视。金融机构评估对手方信用风险的方法、模型合理与否，关系到评估结果的优劣。本文概要阐述了银行信用风险计量方面的相关理论依据和基本做法。并对银行间市场完善授信管理提出了具体建议。

一、信用风险评估理论

银行等金融机构信用风险评估方法大致有统计模型、CAMEL模型和专家判断模型等三种理论依据：

(一)统计模型

利用统计模型进行信用评估的前提条件是有足够的数据积累，一般至少需要连续3年的相关数据。

1．违约概率(ProbabilityofDefauh，PD)理论

违约概率是预计债务人不能偿还到期债务(违约)的可能性。评估结果与违约率的对应关系是国际公认的事后检验评级机构评估质量标准的一项最重要的标尺。在商业银行信用风险管理中，违约概率是指借款人在未来一定时期内不能按合同要求偿还银行贷款本息或履行相关义务的可能性。如何准确、有效地计算违约概率对商业银行信用风险管理十分重要。不同评级机构所设定的违约定义可能不同，所反映同一等级的质量也因此而不同。只有违约定义相同的评级机构，其评级结果才可以进行比较。有了对应违约率的资信等级才能真正成为决策的依据。商业银行违约概率常用的测度方法主要有两种：基于内部信用评级历史资料的测度方法；基于期权定价理论的测度方法。

2．违约损失率(LossGivenDefault，LGD)理论

违约损失率是指债务人一旦违约将给债权人造成的损失数额占风险暴露(债权)的百分比，即损失的严重程度。在竞争日益激烈、风险日益加大和创新日新月异的市场环境中，银行对资产风险的量化和管理显得越来越重要。传统的信用风险评估方法因过于简单、缺乏现代金融理论基础等原因已经不能适应金融市场和银行监管的需要。以独立身份服务于全社会公众投资者、以公开上市债券为主的外部信用评级对银行内部以信贷资产为主、与银行自身有着特定联系的资产组合的适用性也越来越小。因此，银行开始开发类似外部信用评级但又反映内部管理需要的内部信用评级系统，以适应上述市场和内部管理发展的需要。随着银行内部评级体系的发展，越来越多的银行认识到LGD在全面衡量信用风险方面的重要作用，评级体系的结构开始由只注重评估违约率的单维评级体系向既重违约率又重违约损失率的多维评级体系发展。历史数据平均值法是目前银行业应用最广泛最传统的方法，新巴塞尔资本协定的许多规定也采用这种方法，这种方法以其简单易操作而获得欢迎。

(二)CAMEL模型

CAMEL评级体系是目前美国金融管理当局对商业银行及其他金融机构的业务经营、信用状况等进行的一整套规范化、制度化和指标化的综合等级评定制度。其有五项考核指标，即资本充足性(CapitalAde．quacy)、资产质量(AssetQuality)、管理水平(Manage—ment)、盈利水平(Earnings)和流动性(Liquidity)。当前国际上对商业银行评级考察的主要内容基本上未跳出美国“骆驼”评级的框架。“骆驼”评级体系的特点是单项评分与整体评分相结合、定性分析与定量分析相结合，以评级风险管理能力为导向．充分考虑到银行的规模、复杂程度和风险层次，是分析银行运作是否健康的最有效的基础分析模型。在具体CAMEL模型的指标及其权重选取及校验过程中，大多采用了回归分析、主成分分析等统计方法。

(三)专家判断模型

银行信用评估的起点是对其财务实力的综合判断。应从定量定性两个角度综合评估。经营战略、管理能力、经营范围、公司治理、监管情况、经营环境、行业前景等要素，无法通过确切数量加以计算，而专家打分卡是一种更加偏向于定性的模型。在缺乏外在基准值，如信用等级、违约和损失数据等的情况下，开发专家判断模型是一种较好的选择。专家判断模型的特点是：符合Basel要求．具有透明度和一致性：专家打分卡建模时间短，所需数据不需要特别的多：专家打分卡可充分利用评估人员的经验。

二、信用风险评估的通常做法

(一)信用风险评估的基本思路

评估方法应充分考虑风险元素的定量和定性两个方面，引入大量的精确分析法，并尽可能地运用统计技术。另一方面，不浪费定性参数的判别能力，并用以优化计量模型的预测效能。除CAMEL要素外，还需考虑更多更深入的风险因素。评估要素主要包括品牌价值、风险定位、监管环境、营运环境、财务基本面。

(二)信用风险评估模型的构造

数据准备是模型开发和验证的基础，建模数据应正确反映交易对手的风险特征以及评级框架。定义数据采集模板。收集、清洗和分析模型开发和验证所需要的样本数据集。影响交易对手违约风险要素主要有非系统性因素和系统性因素。非系统性因素是指与单个交易对手相关的特定风险因素，包括财务风险、资本充足率、资产质量、管理能力、基本信息等。系统性因素是指与所有交易对手相关的共同风险因素．如宏观经济政策、货币政策、商业周期等。既要考虑交易对手目前的风险特征，又要考虑经济衰退、行业发生不利变化对交易对手还款能力和还款意愿的影响．并通过压力测试反映交易对手的风险敏感性

(三)变量选择方法

1．层次分析法

层次分析法(Theanlaytichierarchyprocess)简称AHP：它是一种定性和定量相结合、系统化、层次化的分析方法。层次分析法不仅适用于存在不确定性和主观信息的情况，还允许以合乎逻辑的方式运用经验、洞察力和直觉。层次分析法的内容包括：指标体系构建及层次划分；构造成对比较矩阵；相对优势排序；比较矩阵一致性检验。

2．主成分分析法

主成分分析法也称主分量分析，旨在利用降维的思想，通过原始变量的线性组合把多指标转化为少数几个综合指标。在保留原始变量主要信息的前提下起到降维与简化问题的作用，使得在研究复杂问题时更容易抓住主要矛盾。通过主成分分析可以从多个原始指标的复杂关系中找出一些主要成分，揭示原始变量的内在联系，得出关键指标(即主成分)。

3．专家判断

篇5

中图分类号：TP301.6　文献标识码：A

收录日期：2012年6月11日

一、引言

随着金融市场的波动性和金融全球化的影响，金融的关注焦点之一的商业银行风险管理面临着极大的挑战。信用风险、利率风险、流动性风险、操作风险、科技风险是商业银行运营过程中面临的金融风险，信用风险占有重要的地位。信用风险是指，借款人由于各种原因，不愿或无力偿还银行贷款本息，使银行贷款无法收回，造成呆账损失的可能性。在商业银行经营中，影响商业银行安全高效运营的主要原因是信用风险。房屋贷款、农业抵押贷款、企业贷款等，导致呆账和不良贷款不断增加，造成流动性危机，最终使其倒闭，给金融业和整个国民经济造成严重损失。所以，加强信用风险尤为重要，对于中国处于市场转型期下的我国商业银行，加强信用风险显得尤为重要。究其原因，商业银行的运营中，不良资产一直是影响我国银行业有效经营的主要因素，呆账坏账的负担是我国商业银行进一步发展的障碍，加强信用风险管理是解决这一问题的关键。

目前，许多定量技术和支持工具、软件已经应用到商业。传统的比例分析、统计方法都得到广泛的应用，如判别分析和Logistic回归等。神经网络、专家系统、分类树也被用于商业银行的信用风险中。在我国，信用分析和评估技术仍然是比例分析阶段，远不能满足商业银行对各种形式贷款安全性的准确测量。核心的信用等级评定时通过对企业的财务报表指标进行分析和评价，然后加权平均确定。该方法带有主观性，所以有很大程度上的缺陷，应以科学的方法确定有效指标和用定量模型解决评估问题。

二、信用风险管理

商业银行信用风险管理包括风险的测量和评估，信用风险管理与控制。信用风险管理与控制包括贷款定价、贷款发放、贷款检查。信用风险分析指引起贷款风险的因素进行定性分析、定量计算，来测量贷款自然人的违约概率，为贷款决策提供依据。信用风险分析时，商业银行的做法一般是遵循5C原则：贷款人的品质（character）、能力（capital）、担保（collateral）、环境（condition），还有LAPP原则：流动性（liquidity）、活动性（activity）、盈利性（profitability）、潜力（potentialities），定性分析借款人目前的财务状况、管理水平、行业经济状况反应还款人能力的指标体系，利用一定的定量技术、评估模型判别借款人的违约概率。

三、信用风险评估模型

国外商业银行处理这一问题的方法是把信用风险分析看成是模式识别中的一类分类问题，将贷款人分为能够按期还本息和违约两类。作法为从历史数据中的若干样本中发现规律，从而总结出分类规则，建立判别模型，用于对新样本的判别，这种方法称“粗暴的经验主义方法”，商业银行信用风险的测度转换为企业财务状况衡量的问题，企业能否如期还本息主要取决于企业的财务状况。指标体系的确立和评估模型的选择，将多维指标综合起来建立模型。目前有统计方法、专家系统、神经网络技术等。随着信息的爆炸式发展，客户信息是海量的，本文先用粗糙集的方法对历史数据进行数据约简，然后用支持向量机进行分类，建立判别模型。

总之，SVM建立在统计学理论的基础上，在解决小样本、非线性及高维模式识别问题中表现出很多优势，并在许多应用中取得了很好的结果。

六、基于粗糙集与支持向量机的信用风险评估模型

我们引入粗糙集主要借鉴其处理数据的优势：一是粗糙集理论处理数据不需要任何的先验知识，仅利用数据本身提供的数据即可；二是粗糙集理论能表达和处理不完备的互补一致的信息，以不可辩关系为基础，通过约简能从经验数据中获取知识的规则及相互关系。SVM如果所处理的样本的维数较大，就可能导致SVM训练的时间过长，影响到分类的时间复杂行性，在进行分类之前先用粗糙集对数据进行处理，剔除冗余的属性，不但能降低维数，而且能更快地 找到最优的支持向量，使分类面的距离最大化，分类的效果更明显，提高了训练样本的时间和准确性。本文模型加入粗糙集后的分类算法如图1所示。（图1）

在分类过程中，先由用户给出查询，然后有一个排列函数（?专为排列函数的参数）为每个客户信息计算出一个反映该客户与语义特征相关程度的数值，系统按照此参数从大到小把用户信息排列并输出前m个，这样就完成了一次分类过程。

在反馈过程中，用户将部分检出的客户进行标记为相关、不相关，被标记的特征向量f与对应的标记相关类型y构成学习集合S={（f，y）}，然后通过相关反馈算法里面的约简函数与SVM分类器进行分类，将学习后的特征向量f′对数据库中的图像进行检索，通过一次或者多次的反馈，最终得到合适的目标结果，本文模型加入粗糙集后的分类算法步骤如下：

由于每次检索时用户标记的都是在特征空间中距离查询图像中最近的信息，同时，在前N个反馈的信息中未标记的无关的信息也离查询信息较近，因此非常适合用SVM构造分类器，因为支持向量是位于分割平面上的样本，而距离分割面远的样本对分类器的构造是没有影响的，因此通过有限的标记和反馈却能把特征空间中相关和不相关的信息分开，进一步地检索也能够找到更多的信息。

七、结语

本文借鉴相关文献中的试验数据和文献分类模型分析得出如下结论：基于支持向量集与粗糙集的混合分类算法有效地解决了SVM算法中的时空性能问题，降低了维数灾难，应用到商业银行信用风险预测，由于用户的参与更能使检索的结果接近用户的语义特征，因此该算法具有简单、高效、查全率等优点。

主要参考文献：

[1]Freeman A.A survey of international banking.The Economist，1993.

[2]Saunder A.Financial Institutions Management.Boston：Irwin，Inc.，1994.

[3]世界银行.新兴市场经济中的商业银行.北京：中国财政经济出版社，1994.

篇6

当前国际上流行的信用资产风险管理模型主要包括KMV信用监控模型、基于VaR方法的信用度量术、麦肯锡公司的信用风险管理模型和瑞士信贷公司开发的信用风险附加模型。

一、KMV信用监控模型及评价

KMV信用监控模型是由美国KMV公司开发的，是现今国际上流行并得到信用监控机构认可的几种主要信用风险管理模型之一。

1　KMV信用监控模型的基本原理

KMV模型基于莫顿结构化模型的原理，计算信用资产的违约概率。

在KMV信用监控模型中，决定信用风险的因素如下：

首先，是决定单个信用资产的信用风险。

其次，是违约相关性，以各种借款者或交易对手在资产组合中面临的违约风险的相关程度。

再次，是风险暴露，每个贷款人或交易对手面临的违约风险在资产组合所面临的风险暴露中的比例。

2　KMV信用监控模型的评价

(1)利用KMV模型进行信用风险管理的优点

①它可以被利用于任何公开招股公司。

②由于它是以股票市场数据为基础，而不是“历史记载的”账簿价值这样的会计核算数据，所以具有前瞻性。

③它基于现代公司理财和期权理论的结构化模型，强有力的理论支持。

(2)KMV模型存在的缺陷

①在计算违约概率时，资产收益的天上石麟侧面假设与实际情况有一定的出入，难免会造成一定的计算误差，可能影响风险管理的效果。

②对于计算没有公开招股的企业来说，由于没有公司交易的数据可以用，只能基于企业的会计数据和其他可观察的特征进行某些可比性分析，这加大了研究的难度。

③KMV模型没有根据资历、抵押品、合约条件或可转换型区别不同类型的贷款和债券，并没有进一步细化研究对象。

④它是静态的模型，因为莫顿模型假定，一旦管理人员采纳了合适的债务结构就不再变化了，即使企业资产价值减少。这样使模型不能捕捉那些寻求跨时保持不变的或特定的杠杆比例目标的企业行为。

二、信用度量术及其评价

1　信用度量术简介

信用度量术是1997年由J.P.摩根公司和一些合作机构(美国银行、KMV公司、瑞士联合银行等)联合推出的，旨在提供一个信用风险在险价值的框架。该模型主要针对由贷款及债券等非交易性资产组成的资产组合，在既定的期间内，对投资组合进行估值和风险计算。信用度量术并非信用评级工具，也非定价模型，此模型提供了一种考虑各种资产对于投资组台风险贡献程度以及投资组合在险价值的衡量方法，可以作为信用风险管理决策的有效参考。

2　信用度量术评价

信用度量术运用市场风险度量的在险价值方法进行信用风险度量，这是一个重要的创新，不仅提出了对信用风险量化的技术，同时也为金融机构将信用风险与市场风险综合管理提供了重要的线索。但是，信用度量术由于发展时间较短，难免会存在一些不足。

(1)转移概率计算的背后涉及到将过去的一段时间里的一年内转移概率的数据进行平均，这是关于违约方式和发生信用级别转移的重要假定。具体的我们假设转移概率遵循马尔可夫过程，这意味着一种债券或贷款在这一时期内移往任何特定状态的概率是独立于过去时期里的任何结果。然而，有证据表明，信用评级的转移是跨时自相关的。举例来说，如果一种债券或贷款在前一时期被降级，那么它在当前被降级的概率就会更高。这表明为描述信用级别的跨时转移，采用第二个或更高的马尔可夫过程可能更好。

(2)信用度量术中，使用单一转移矩阵需要假定转移概率在不同类型的贷款者之间没有不同；或在不同时间之内并无不同。实际上，有明显的证据表明，重要的行业因素、国家因素和商业周期因素都会影响到信用评级转移矩阵。

(3)债券的老化对于计算转移矩阵中的概率具有显而易见的影响。本质性的差异是显著的，这取决于被用于计算转移概率的债券样本是基于新债券还是基于特定时点的某一信用级别的所有未偿还的债券。

(4)利用债券转移矩阵评估贷款有关。如前所述，在一定程度上，抵押品、合约条件和其他特点使贷款的表现与债券不同，所以，使用债券转移矩阵可能导致某种内存的估值偏差。

(5)信用度量术利用企业的股权价值的相关性来计算企业之间信用等级转移的相关系数，这只是个近似，还有待进一步验证。

三、麦肯锡公司的信用风险管理模型及评价

1997年4月，麦肯锡公司公布了用于计算资产组合信用风险的Credit Portfolil View系统。该系统使用一组宏观经济变量解释违约概率，主要包括利率水平、汇率水平、经济增长率、失业率、政府购买力水平等。

Credit Portion View是宏观计量经济学模型，理论依据是宏观经济的变化决定信用风险的大小，银行信贷资产组合能够反映宏观经济变量的敏感性。但是，由于银行贷款的决策还要考虑单个贷款人的特定情况，而该模型显然忽略了这一点；该模型的有效性依赖于可靠的产业和宏观参数；该模型使用自己的特定方法调整转移矩阵，打破了标准化信用评级矩阵，不易推广使用。

篇7

一、供应链金融内容

1、供应链金融的涵义

现代意义上的供应链的定义是：供应链相当于在网站中购买商品的流程，之间有资金运转、物流传递、信息转换等环节，这些都在一定情况下得到控制。在网络中将产品送到消费者的手里，是一个整体的网上商务服务流程。在不断的风险中，发掘到不同的问题，解决问题的方法就是让出现的风险得到控制。这样也会对决策的失误起到缓解，企业自身的价值得到提高。对金融业务中各个环节都进行监督与控制。

2、供应链金融的特点

供应链金融在中小企业中发现需要融资的对象。这个企业能在供应链中发挥一定的作用同时又有很高的地位，那么就可以成为融资的对象。企业的财务状况与信用等级是作为次要评判标准。供应链的交易状况必须从内部和外部进行统计与记录。对于两者的变化要了如指掌。将所有信息在共享平台中让参与者都能够及时接受最新消息，了解供应链的运营状况。信息流越加的准确那么银行就能根据实况做出相对应的融资处理。

与传统的资产抵押相比，供应链金融主要突出的特点，授信活动会在融资过程中是停止的。资金也不能随便挪用。利用供应链产生的流动资产，将预收账款，应收账款以及存货进行融资。供应链金融最显著的特征，企业必须具有一定的信用等级，通过一定的评判标准才能获得银行的帮助。在整个融资流程中所得销售收入，用于授信还款。

二、供应链金融的理论基础和经济学分析

1、交易成本

科斯提出的交易成本理论认为，在市场交易中出现不同的情况，发现费用，通知交易者，谈判时的费用，一切与交易相关的费用都必须做到了解。供应链作为基础存在，有效的控制成本，让交易的效率得到提高。供应链产生的流动资产，将预收账款，应收账款以及存货进行融资。将企业的信用等级与能力作为供应链的评判标准。

2、信息不对称问题

信息不对称的影响有两种，在事前的选择并没有直接选择，在方向上是相反的，还有就是事后所要承担的道德风险。就逆向选择这种情况，可以采取一定的评级标准，审查中确保真实性。而第二种风险的控制是需要通过监管来控制的。在银行的内部建立一定的信息共享机制。

3、委托

在供应链金融中，有委托这一项。银行与各企业之间，在信贷业务上必须更加的谨慎，在业务交易中要妥善处理两者之间的关系。物流相关企业负责货物的运输，对于仓储等做好一定的监管。在银行与物流企业之间，避免出现委托问题。在两者相互进行交易时，进行监督并做好信息交流。在各大合作中，共同承担风险，互惠互利的，建立在共同利益基础上的。参与者的目标如果不一致，出现冲突时并没有合理的解决问题，导致双方利益受损，那么整体的供应链就没有办法顺利进行下去，造成信用风险。

三、风险管理的类型

银行业务中，风险时涉及到信用，市场以及内外部操作的。风险的控制主要表现在市场和信用风险上。银行在风险管理上，在投资中向多元化发展，贷款的出售也在其中等。最常用的是要进行信用等级的测定，利用信用衍生工具对出现的损失提供一定的保险。供应链作为基础存在，有效的控制成本，让交易的效率得到提高。

1、信用互换

信用互换在信用衍生品中是非常广泛使用的。可以将金融工具分离，在一定基础上提高信用风险管理的效率，在市场中的流通性也会增强。信息流越加的准确那么银行就能根据实况做出相对应的融资处理。促通过信息流的整合，信息系统的充分完善，银行可以对相关企业进行监控管理。避免这样的事情发生，合作者必须规范自己的信用行为，建立充分的信用体系，这样才能更好地降低风险，有效地促进供应链的发展。

在不同的供应链中，各大企业可以进行信贷业务。银行可以贷款给不同的企业。在企业，银行之间存在着第三者，那么就是中介机构。中介机构通过银行给企业的贷款提供一定的服务获得收益。银行会根据一定的评估标准，给予相关需要帮助的企业。在贷款过程中可以实行等价额度的业务，从中可以进行比例互换。获得利益的同时，在形式上有一定程度的互换。中介机构从中所获得的相当于服务费。签订相关的协议，一切建立在合理的信用基础上来实施，信用互换也是风险管理中出现很频繁的类型。

2、信用期权和信用利差期权

信用期权在供应链中出现的问题，信用期权在成熟的金融市场，发挥着不同的作用。发行债券需要建立在一定的条件之上，它需要满足一定的信用评估。供应链的交易状况必须从内部和外部进行统计与记录。对于两者的变化要了如指掌。将所有信息在共享平台中让参与者都能够及时接受最新消息，了解供应链的运营状况。信息流越加的准确那么银行就能根据实况做出相对应的融资处理。

信用期权和信用利差期权两者相比，建立供应链专有的金融风险应急管理系统是非常重要的，但是因为它的复杂性，突发状况会变的很多。那么在系统成立的同时我们就必须做到，成功的控制金融突发事件的风险。流动性债券的转换，需要更多流通性的抵押物。金融衍生品的使用可以转换成使用债券，这样不仅能够完善银行的信用风险，还能让整个金融系统的流通性更强也变得更加的安全。避免这样的事情发生，合作者必须规范自己的信用行为，建立充分的信用体系，这样才能更好地降低风险，有效地促进供应链金融信用风险管理的发展。

四、信用风险管理

1、信用风险管理的概念

市场越来越开放，相关法律法规的波动和创新产品的产生都会对企业造成一定的影响。这样也会对决策的失误起到缓解，企业自身的价值得到提高。保障整个流程的安全实施。信息流的整合，信息系统的充分完善，银行可以对相关企业进行监控管理。信用风险的及时关注，让供应链金融风险管理更加的标准化，理论与实践相结合，更好地为供应链金融做出非常专业的服务。

2、信用风险管理的目标

最终根据信息的搜集与整合来决定最终给企业的融资是多少。事后风险的处理就是，在遇到意外情况时，银行必须与企业共同来面对问题，将风险控制到最小。这样才能达到信用风险的管理目标。信用风险管理同时也要采取一定的措施控制风险的发生。银行必须对企业进行前期的了解，才决定是否进行融资，以及融资的标准。事前事后的双结合，可以让整个信用风险管理掌控在一定的范围内，可以在遇到问题的时候，采取相应的应急措施。

五、完善供应链金融信用风险管理的建议

1、加强信息流整合帮助控制风险

加强信息流的整合能够起到控制风险的作用。必须从信息的控制入手，信息要适时的更新并充分做到共享。信息管理系统的更新也要适应当下发展的需要。供应链的交易状况必须从内部和外部进行统计与记录。对于两者的变化要了如指掌。将所有信息在共享平台中让参与者都能够及时接受最新消息，了解供应链的运营状况。

信息流越加的准确那么银行就能根据实况做出相对应的融资处理。促进了各个企业在供应链中合作的发展。通过信息流的整合，信息系统的充分完善，银行可以对相关企业进行监控管理，同时各大企业也可以相互监督，可以有效的减少信用风险行为的产生。避免风险这样的事情发生，合作者必须规范自己的信用行为，建立充分的信用体系，这样才能更好地降低风险，有效地促进供应链的发展。

2、发挥金融衍生产品在供应链金融信用中的地位

关于供应链金融信用风险的研究还处在萌芽阶段，并没有做到深入的了解。随着社会主义市场经济的发展和完善，金融衍生产品在供应链金融中发挥的作用将会越来越重要。商业银行在信贷抵押资产实现证券化，合理的运用衍生产品能够最大限度的降低风险。流动性债券的转换，需要更多流通性的抵押物。金融衍生品的使用可以转换成使用债券，这样不仅能够完善银行的信用风险，还能让整个金融系统的流通性更强也变得更加的安全。

3、建立供应链金融风险应急管理系统

在市场经济发展过程中，风险的存在是不可避免的。如何让风险降低到最低，转被动为主动是非常重要的。供应链的管理运用涉及的范围非常的广，参与者也是非常的多，所以承担的风险也多。建立供应链专有的金融风险应急管理系统是非常重要的，但是因为它的复杂性，突发状况会变的很多。那么在系统成立的同时我们就必须做到，成功的控制金融突发事件的风险。适时对系统进行监督管理，发现问题的同时不断的改进。对于突发事件要给予非常完善的处理方案。将供应链金融风险中出现的危险最小化，避免更严重的事情发生。

4、加强社会信用体系建设

信用评估部门的不专业，商业银行的专业评估也不达标，这样会很容易造成金融风险。信用质量必须从宏观和微观一起着手，两者结合更能作为非常有利的保障。供应链中的参与者都是有相关契约的，通过模型对信用进行评估从而规避较大的信用风险。在各大合作中，它们是共同承担风险，互惠互利的，建立在共同利益基础上的。参与者的目标如果不一致，出现冲突时并没有合理的解决问题，导致双方利益受损，那么整体的供应链就没有办法顺利进行下去，造成信用风险。为了避免这样的事情发生，合作者必须规范自己的信用行为，建立充分的信用体系，这样才能更好地降低风险，有效地促进供应链的发展。

六、结论

供应链金融信用风险管理，本文是根据以往的研究，对于供应链金融使用中如何规避风险进行了讨论与分析。结合供应链中出现的问题，提出了合理的建议。对于风险监管的处理与突发风险的产生都做了相应的分析，为以后的发展提供了非常有利的理论基础。让供应链金融风险管理更加的标准化，理论与实践相结合，更好的为供应链金融做出非常专业的服务。才能更好地降低风险，有效地促进供应链的发展。

参考文献

[1] 黄佑军.基于模糊综合评价法的供应链金融业务风险分析[J].2013.

[2] 白世贞，黎双.基于BP神经网络的供应链金融风险评估研究[J].商业研究，2013.

篇8

中图分类号：F279.23 文献标识码：A 文章编号：1001-828X（2014）04-00-01

经济领域的飞速发展，使得时代面貌日新月异，与此同时，信用时代席卷全球。所谓的信用风险是人类社会进入信用时代后所产生的一种经济现象，是在以信用为基础的经济交易过程中，交易一方不能履行原本的交易承诺，无法为对方提供损失资金。而决策对象和决策目标的多样化、复杂化也使得风险评估面临困境，解决这一问题的关键就是完善决策内容，并在决策程序不断增多的情况下提供相应的多目标决策理论，规避信用风险，保证国家经济的稳定发展。

一、多目标决策理论为信用风险评估赋予权重

（一）传统的权重确定方法

所谓权重，是指各种指标在经济发展过程中的相对重要度，尤其是在多目标决策的过程中，权重起着至关重要的作用，是规避信用风险的重要一环。多目标决策理论的传统权重确定方法有很多，可以简单概括为三大类：主观法、客观法、主客观综合法。其中，主观法是指从人的主观认识出发，主要考虑人们的主观感受，当然，这里的个人主观法并不是普通的个人确定方法，而是以众多专家的主观判断为代表的；客观法，就是除却人的主观感受，着力从实际出发，实事求是，探寻数据与事物之间的联系，在综合客观因素的基础上确定权重，分析影响信用安全的主要因素，并计算所占比例；主客观综合法，是将专家经验、科学伦理同客观事物相结合，此种方法更加具有针对性，考虑周全，对于多目标决策理论的丰富和信用风险的规避起到了极其重要的作用，占据着较大的评估权威。

（二）层次分析法

层次分析法是多目标决策理论的一个重要发展成果，在信用风险评估领域中占据着至关重要的地位。该种方法将个人的观念、想法抽离出来，采用科学的手段进行分析探讨。顾名思义，层次分析法的主要特点就是将经济问题变得更加条理清晰，打造层次更加突出的经济结构模型。细致分析各种因素关系，并以此进行比较，判断矩阵，明确各种比较因素与权重值之间的差距，坚持权重分析的标准。多目标决策就是因为决策目标众多而得名，所以，处理好各个因素之间的关系是做好多目标决策的根本保障，针对这一问题，层次分析法能够很好地处理各个元素之间的相对重要程度，进而为信用风险的规避提供理论支撑和方法保证。

二、多目标决策理论为信用风险评估提供时间序列数据处理

（一）传统的时间序列数据处理法

多目标决策理论的影响因素颇多，除了其自身的分析目标众多以外，还受时间的影响。时间序列数据处理法是按照时间顺序排列各个经济元素、目标，因为时间的不同会导致各个目标因素发挥作用的程度、时间发生变化，鉴此，完善时间序列是规避信用风险的关键步骤。传统的时间序列数据处理方法是以数理统计方法为基础，该种数理统计要按照时间顺序排列有关数据，并查看该数据中是否存在某种统计方式，通过计算数据之间的相关系数来确定各个因素之间的相关程度，这就好比一家公司的经营业绩与其股价之间的关系一样。虽然数理统计是多目标决策的基础方式，对信用风险评估有着积极作用，但却过度强调经济发展的稳定性，没有制定严密的危机处理提案，这一弊端的日益呈现，使得数理化的信息统计有了限定条件，无法做好金融信息的时间序列评估，与此同时，数据挖掘技术将会取而代之。数据挖掘技术采用平稳性分类方法解决了海量信息的整理难题，使得多目标决策变得日益参数化，保证信用风险评估的准确性，将危险系数降至最低。

（二）熵权法

多目标决策的过程存在多种矛盾因素，较为常见的一种就是：在不同的时间段内比较综合系统和同一时间分析系统整体状况。这就好比在不同的时间段比较国家信用的综合系统和在同一时间段内分析国家信用的整体状况，要解决这一矛盾体，就需要有更为有力的时间序列数据处理方法。传统的数理方法仅是在经济平稳运行的过程中使用的，但是经济的发展具有上升性，经济危机也具有突发性和破坏性，这就需要借助熵权法理论综合评价时间权重，关注不同的时刻，根据熵权法理论的有关要求，时间权向量是综合分析信用风险的常用方式，通过这一途径，可以细致分析主客观影响因素，有效清除影响多目标决策的障碍。熵权法能够兼顾样本自身的信息，并且能够对其进行客观评价，通过不断减小信息熵，以此减轻信息的无序化，才能增大信息量，扩大信息效用，实现对时间序列数据的处理，只有处理好信息数据，才能为多目标决策做好充分准备，有效防患信用风险。

结束语：当今，经济全球化已经成为不可阻挡的时代潮流，与之而来的是国际贸易的全球化，这就使得信用风险评估不再只局限于国内，加之金融行业发展的日益繁盛，交易方式的不断变化，这就于无形中加大了信用评估的风险系数，而经济危机的突发性也加剧了危险防范的难度，鉴此，我们更需不断研发新型技术，优化多目标决策理论，积极容身到经济全球化的大潮中，着力寻找信用风险的评估方案，追根溯源，着力找出造成信用风险的因素，打造高质量的信用风险评估。

参考文献：

[1]何慎远，李斌，庞淑娟，汪寿阳.我国出口信用保险对出口促进作用的实证研究[J].系统工程理论与实践，2011（05）.

[2]易平涛，张丹宁，郭亚军，高立群.动态综合评价中的无量纲化方法[J].东北大学学报（自然科学版），2009（06）.

[3]张守华，孙树栋.基于AHP和区间模糊TOPSIS法的高新技术科研项目评价[J].上海交通大学学报，2011（01）.

篇9

1大数据技术与城商行信用风险管理概述

1.1大数据技术的相关内容

计算机以及物联网的发展为大数据技术的发展提供了技术支持，使得我国大数据技术水平不断强化提升，与其他发达国家相比，我国大数据技术发展比较晚，但是我国大数据技术的发展却比较快，在众多领域都有着广泛的应用，也推动了相关产业的发展。随着技术的进一步发展以及相关理论研究内容的不断增加，有关大数据技术应用的深度和广度也会得以进一步拓展。以下内容是大数据技术的主要模块，包括:数据采集、数据存取、基础架构、数据处理、统计分析、数据挖掘、模型预测以及结果呈现，城商行信用风险管理中应用大数据技术则可以对影响信用风险的因素进行重点分析，提高信用风险管理的准确性，降低信用风险所造成的损失。

1.2城商行信用风险管理的相关内容

城商行发展过程中所面临的突出风险就是信用风险，虽然也有采取措施规避，但是效果微乎其微，而大数据技术的发展则为城商行信用风险管理提供了新的思路和可能性。

2大数据技术在城商行信用风险管理中应用的重要性

其一，有利于建立科学完善的风险防范体系，城商行信用风险管理具有一定的复杂性，而且涉及的基础信息比较多，在进行分析时难免会有考虑不周的地方，导致信用风险管理的措施不能有效规避风险。而大数据技术在其中的应用则有利于建立科学完善的风险防范体系，对信用风险的影响因素分析以及相关信息的获取更加科学准确，可以依据不同种类的风险，提出对应的计算形式。通过对风险的计算、识别等，将金融风险的发生率及损害率等内容进行有效监管;其二，有利于提高信用风险管理水平和效率，大数据技术的应用可以利用计算机对信用风险影响因素进行整合和分析，之后做出判断，管理水平明显提高;其三，大数据技术在城商行信用风险管理中应用是社会发展的必然趋势和必然结果，这些年，随着人们对于大数据技术研究的不断深入，其在信用风险管理层面的应用无论是广度还是深度都有所加深;其四，有利于满足城商行服务模式的风险管理。当前，金融行业蓬勃发展，城商行是金融行业的主体，其信用风险的管理工作能够满足当前金融企业增强信用风险管理的要求。

3大数据技术在城商行信用风险管理中的应用

3.1建立一个信用信息服务平台

其一，可以创建统一的信用信息服务平台，实现大数据连接，能够对客户的各方面信用信息进行全面的了解和掌握，实现多部门信息的整合。比如，政府部门了解其偷漏税以及行政处罚情况;银行了解客户的交易信息，以判断其诚信情况。总之，通过这些方面信息的获取和整合便于城商行信用风险管理中对客户的信用情况以及当前状态做出准确的判断;其二，建立客户的完整图像信息数据库，对客户信用的准确把握是城商行信用风险有效管理的重要举措之一，大数据技术的应用则会使城商行更加全面了解客户的信用情况。这样就可以避免进一步减少与失信客户的合作，从源头上对信用风险进行有效控制，降低信用风险出现的可能性，基于客户信用数据制定有效的风险规避策略。

3.2创新风险控制模式

创新风险控制模式可以有效的对金融企业存在的风险进行控制，主要以可观察到的交易，作为变量利用大数据进行分析计算，评判出存在的风险程度，将风险分为几个不同等级。从客户进行交易的第一个行为开始进行分析，与对应的风险做出判断并且及时采取方法控制风险，从而能够有效控制风险进行科学决策，对其在风险高的交易可以形成预警以此开展调查。

3.3将智能决策与业务应用流程进行合理的结合

在信用信息服务平台数据的基础上利用新型风险控制模式，采取相应的业务策略，设计好合理的风险控制流程，在风险发生时，可以及时做出判断并采取有效的方法控制风险。更新金融行业的相关制度，除了在事中对风险进行控制外，还要在事前对风险进行管控，通过各方数据整合，对于大数据技术做出计算，对风险进行预防。在解决相应的风险后，对相关决策、管理、控制进行记录并且及时总结，防止出现相同情况，只有明确风险控制流程才能在风险控制中有条不紊的进行各项工作

4如何加强大数据技术在城商行信用风险管理中的应用

为了提高大数据技术在城商行信用风险管理中的应用效果，要积极采取措施广泛应用，通过整合优化风险管理组织架构;建立完善的制度保障，以先进的信用风险管理理念进行管理;培养高素质的复合型人才，为信用风险管理提供人才支持;建立健全社会信用体系，规范客户的信用等级评价等措施降低城商行的信用风险，实现城商行发展的可持续性。

4.1整合优化风险管理组织架构

城商行应该对现有风险管理组织架构进行整合优化，建立更加完善的组织架构。一般而言，风险组织架构的整合优化需要从总行以及分行两个层面进行有效控制，在总行层面，需要有专门的信用风险管理人员，负责管理信用风险以及相关团队，为了确保城商行信用风险管理的独立性和集中性，应该采取适合的风险管理模式，由总行向分行派驻风险管理人员，但是却采用双线汇报，既要对总行汇报，又要对分行领导汇报，以确保信用风险管理的系统性。在分行层面，也需要统一风险政策，建立科学的信用风险管理评价和考核机制，而且要注重对业务审核的专业性和科学性，确保有关业务的审核流程更加独立科学，在一定程度上降低信用风险。除此之外，需要总行与分行之间相互协调，有关风险管理政策要统一，而且能够确保信用风险管理措施切实贯彻执行，避免风险管理组织架构形同虚设，最大限度地发挥风险管理组织架构的作用。

4.2建立完善的制度保障，以先进的信用风险管理理念进行管理

首先，城商行需要完善信用风险管理制度，对其中的一些内容和步骤等进行合理的规范，以确保信用风险管理的规范和有效。要从制度层面出发，对其中的一些行为进行约束，为信用风险管理提供制度保障和支持。而且要避免信用风险管理制度形同虚设，这就需要建立完善的监督体系，确保相关制度内容的贯彻落实。城商行还需要以先进的信用风险管理理念进行管理，先进的风险管理理念以及风险文化是城商行进行信用风险管理中所必不可少的，既可以提升有关人员的团结性，有效提升业务效率，也是适应时展的结果。城商行可以在内部组织一些活动或者设置一些标语等正向激励的方式进行信用风险理念的引导和文化的宣传，从而使信用风险管理理念和文化潜移默化地对相关人员产生影响并且深入人心。与此同时，还需要与时俱进，不断进行信用风险管理理念的更新，确保相关内容能够适应新的变化和发展形式，从而达到内化于心、外化于形。除此之外，还需要引导树立良好的风险文化和合法合规文化，对员工的行为进行正确的引导。

4.3培养高素质的复合型人才，为信用风险管理提供人才支持

大数据技术在信用风险管理中应用效果的提高，需要培养高素质的复合型人才，既要掌握信用风险管理的知识和内容，还能够对大数据分析和技术有所了解，能够利用数据建模以及数据挖掘等能力，能够有效利用大数据技术对信用风险的相关数据进行分析。因此，就需要培养和引进高素质的复合型人才，为信用风险管理提供人才保障。其一，在人才培养方面要调整思路，重视和加大复合型人才的培养，当前城商行风险管理中仍然是以金融业人才为主，信息类人才在其中并没有切实有效地发挥作用，这就需要在一定程度上打破信息技术人才与金融人才之间的界限，加强对金融人才的信息技能培训，确保其能够灵活地将大数据技术应用到信用风险管理中，发挥复合型人才的作用;其二，需要适时引进高素质复合型人才，加强人才储备，人才引进不仅能够将先进的理念和技术引进吸收，还能够通过人才引进促进员工之间的公平竞争，切实发挥鲶鱼效应，促进共同发展进步。

4.4建立健全的社会信用体系，规范客户的信用等级评价

城商行还应该建立健全的社会信用体系，规范客户的信用等级评价，其一，设立专门的机构进行相关信用信息的收集和整理工作，为大数据分析提供数据基础。与此同时，还需要确保收集到的信息能够进行实时更新，便于城商行及时了解客户的信用状况，从而规避信用风险;其二，则需要城商行之间的信息共享，加强城商行之间的联系和沟通，确保客户的信用状况能够共享，这样可以在很大程度上避免信息不畅而导致的多头骗贷行为，降低城商行的信用风险;其三，通过专业的信用评定机构对客户和信用进行有效评定，城商行根据信用等级制定分层级的相关政策，确保信用管理工作的高效，也达到规避风险的目的。

5结论

综上所述，城商行的发展与社会经济的发展息息相关，其经济效益与信用风险管理的效果也有着密切的关系，对信用风险进行有效控制和管理才能实现城商行的可持续发展。我国大数据技术还处于不断发展和完善阶段，在城商行信用风险管理中的应用并不是尽善尽美的，仍然有需要改进的地方，但是大数据技术对信用风险管理的重要作用是不容忽视的。在未来，要顺应大数据的发展趋势，提升大数据技术在城商行信用风险管理中应用的深度和广度，从而推动城商行信用风险体系的建立，实现经济的可持续发展。

参考文献:

篇10

3.信用风险的非系统性

信用风险的非系统性风险特征明显。借款人的还款能力主要取决于与借款人相关的非系统因素，如借款人财务状况、经营能力、还款意愿等。基于资产组合理论的资本资产定价模型(capm)和基于组合套利原理的套利资产定价模型都只对系统风险因素定价，信用风险没有在这些资产定价模型中体现出来。

4.信用风险数据的获取困难

由于信用资产的流动性较差，贷款等信用交易存在明显的信息不对称性以及贷款持有期长、违约事件频率少等原因，信用风险不像市场风险那样具有数据的可得性，这也导致了信用风险定价模型有效性检验的困难。正是由于信用风险具有这些特点，因而信用风险的衡量比市场风险的衡量困难得多，也成为造成信用风险的定价研究滞后于市场风险量化研究原因。

二、信用风险模型及其发展

信用风险定价的突破性进展始于1974年，莫顿(merton)将期权定价理论运用于有风险的贷款，并将违约债务看作企业资产的或有权益，利用期权理论进行定价分析。模型基本假定某个企业在其资产价值降低到其债务价值以下时就发生违约。之后black和cox(1976)、geske(1977)、longstaff和schwarz(1995)、dsa(1995)以及zhou(1997)等一大批金融学家对其模型进行了更为深入的研究和推广，由于这些模型都是基于bsm(black scholes merton)的股票期权定价模型，因此也称为结构化模型。

根据基于期权理论的信用风险定价思想，企业违约与否决定于企业资产的市场价值，如果贷款到期时企业市场价值高于其债务（贷款），企业有动力还款；当企业市场价值小于其债务时，企业有违约的选择权，因此可将银行的贷款收益看作卖出一份借款企业资产的看跌期权。

为了易于理解，假设市场是无摩擦的，交易成本及税收为零，无红利分配，且企业只有一笔贷款，则企业的价值等于负债加所有者权益，贷款一旦转化为具有固定到期日t的无息债券，那么企业必须在t时偿付债券的本金f；如果公司市场价值v[,t]低于其债务价值f，一旦在到期日t发生违约，则资产即转让给债权人。如果企业到期能够支付本金，则企业市场价值超过债券本金的部分属于资产所有者。

债务支付形式为：

附图

则到期日t企业资产的价值为：

e(t)=max(v[,t]-f,0)

贷款的收益函数上部固定支付和底部的呈长尾形的风险，也与股票的看跌期权的出售者的收益函数相似。如果股票价格超过执行价格，则期权的卖方持有卖权费用；如果股票价格低于执行价，则期权的卖方会遭受重大损失。因此银行发放贷款的收益与卖出一份借款企业资产的看跌期权是同构的；因此违约的选择权价值如同bsm期权定价模型一样，均取决于5个相似的变量。

一份股票的看跌期权的价值＝f(s,x,r,σ[,s],t)

一项风险贷款的违约选择权的价值＝f(v,f,r,σ,t)

其中s为股票的价格；x为股票的执行价格；r为短期利率；σ[,s]为股票价值波动性；t为期权到期事件或贷款的时间限度；v为企业资产市场价值；f为债券的面值，即贷款值；σ为企业资产的市场价值波动性。如果可以得到企业资产的价值和波动性，则期权定价理论可以解决信用风险的定价问题。

企业资产的价值如bs模型中的brown运动dv[,t]/v[,t]=rdt+σdb[,t]

merton估值模型债务的市场价值为

e(v,f,r,σ,τ)=e[-rt][n(d[,2]-in(-d[,1])] (1)

其中τ为距贷款到期的剩余事件长度，即t-t，t为到期日，t为当前时间；i为衡量企业杠杆比率v/fe[,-tτ]；n(d)为标准正态分布的累计概率分布函数，发生偏差超过计算出的d值的概率。

附图

因此信用利差为credit spread，即违约风险＝风险债务利率－无风险债务利率

附图

merton模型依赖于基础资产；模型建立在bs模型基础上，并基于固定利率；模型假设违约是在贷款到期时资产市场价值低于债务的价值发生违约。longstaff和schwarz(1995)对其模型假设进行扩展的结果是：只要企业市场价值v低于为偿还债务价值f，债务在任一时刻当违约；

企业资产的价值服从dv[,t]/v[,t]=r[,t]dt+σ[,t]dw[,v](t),dr(t)=θ(v-r(t))dt+ηdw[,r](t),其中w[,v]和w[,r]相关度为(p)。longstaff和schwarz扩展了metron的假设，但没有给出信用风险价值的明确的公式。然而merton模型中的企业资产价值和波动性是不能直接观察的，这就给模型的应用带来困难。kmv公司在莫顿模型的基础上开发edf(expected defaultfrequency)模型，并可对信用风险定价。

三、kmv的信用风险定价模型及应用

kmv模型将有信用风险公司的权益视为以公司资产价值为标的的看涨期权，将违约视为公司不执行看涨期权；公司的资产价值下降愈多，违约风险越大，则卖权价值就愈高。

1.违约距离

kmv的信用风险定价模型主要分析预期违约概率edf，edf建立在违约距离(distance to default)的概念基础上。违约距离dd(distance to default)是企业资产的预期价值与违约点之间的标准差倍数。违约点dp(defauh point)，即企业资产价值与公司负债价值相等时的价值，也就是当公司资产价值低于此一违约点时，公司就会被视为违约。

附图

e(v)为企业资产的预期价值，σ[,f]为企业资产波动性。kmv方法的关键是确定相对违约风险的所有相关信息，这些信息包含于资产的预期价值、违约点及资产的波动性变量之中。

2.资产的波动性的计算

企业资产价值、企业资产价值波动性是不能直接观察到的，因此参数的估计是困难的。kmv利用企业的股权市场价值及股权的波动性来估计企业资产市值及企业资产的波动性。

要从企业股票的价值、股价的波动性、负债的账面价值估计企业市场价值及其波动性，就得依据bsm模型：

e=vn(d[,t]-fe[rt]n(d[,2]) (4)

其中e为股权的市场价值（看涨期权的价值）；f为负债的账面价值（执行价格）；v为企业资产的市场价值；t为时间范围，到期时间；r为无风险利率；n为正态分布累计概率函数，d1、d2分别为：

附图

其中σf为资产价值波动性（标准差）。

对等式(3)两边求导，再求期望得到：

附图

(3)、(4)已知的变量为股权的市场价值(e)，股权的价值波动性为σ[,e]（可由历史数据估计），通过负债的面值及时间范围，可解出资产的市场价值v和波动性σ[,f]。

3.资产的预期价值和违约点的确定

kmv利用历史数据来确定资产的预期利益，将它和资产的现时资产价值结合起来即得到资产的未来预期价值。违约点则发生在企业市场价值低于负债的面值时。kmv根据实证分析发现，违约发生最频繁的分界点在企业价值大约等于流动负债±50%的长期负债。根据已知企业未来预期价值、违约点及波动性，可由(3)求出违约距离。违约距离是标准化的信用风险度量方法，也可用于不同公司之间的比较。

kmv模型将股权视为企业资产的看涨期权，可以用于任何公开招股的公司。它以股票的市场数据为基础，指标数据不仅反映了企业历史和当前的发展状况，而且反映了市场中投资者对企业未来发展的综合预期。它将现有的价值和违约点及历史波动性联系起来，是用现有价值对未来价值的预测，因此模型具有前瞻性(forward-looking)。预测公开交易债券收益变化的结果表明，kmv模型比标准普尔的违约预测能力更强。

然而edf模型对企业违约的预测是基于资产收益正态分布的假设，数据信息依赖于股价信息和企业的汇集数据，因此在模型应用中受到限制，需要进一步修正。另外，kmv模型只分析单个受信企业在股票市场的价格变化，着重分析自身的信用状况，对企业信用变化的相关性没有充分考虑。

信用风险是金融风险中最为重要的风险之一。虽然信用风险管理还保持着传统的定性分析特性，然而，现代风险管理越来越重视定量分析，因为它能够体现出客观性和科学性。以kmv模型为代表的信用风险量化管理模型的推出与应用，使信用风险管理正发生着革命性的变革，使难以量化的信用风险管理模型获得了很大的发展。我国目前信用风险量化管理还很薄弱，还停留在资产负债指标管理和头寸匹配管理的水平上。随着我国加入wto，我国金融业对外开放将进入新的阶段，现代风险管理将直接关系到我国金融体系在开放条件下的风险水平，信用风险量化管理将成为我国金融管理领域一个重要的极具挑战性的课题。

【参考文献】