论文部分内容阅读
企业是银行经济活动的主要对象,也是商业银行利润的主要来源。在金融危机随时都可能爆发的情况下,商业银行必须提高自身对企业信贷风险的掌控能力。目前,我国商业银行对企业信贷风险的管理,更多的是借助传统的信用分析方法或者相关规章制度的运用,在信用风险评估体系及技术的理解、研究、掌握和实践等方面还亟待加强。商业银行企业信贷风险管理的第一步便是对申请贷款的企业进行信用评价,以确定是否发放贷款。借贷企业信用评价是银行基层支行加强信贷业务管理、分析判断贷款企业风险的第一道门槛,是降低信贷项目风险的基础。金融学教授巴曙松博士曾指出:“如何运用适当的资料,对申请贷款企业进行客观的风险评级、衡量其可能违约的概率和违约时可能的损失,是目前商业银行面临的难题。”本文针对商业银行借贷企业信用评价,将定性因素和定量因素将结合,建立全面的指标评价体系,引入数据挖掘技术,在比较各种数据挖掘方法后选用二值型Logistic模型建立适合与我国商业银行借贷企业信用评价模型,收集大约1500家上市公司财务及非财务数据,借助SAS统计分析软件进行实证分析,并通过有效性检验。采取的数据挖掘技术包括使用主成分分析法、聚类分析等方法筛选指标和处理数据,以及利用二值型Logistic模型构建的一年期商业银行借贷企业信用评价模型。之后文章选取100家企业2009年数据代入模型进行评价,测试样本总体判别准确率达到93%,能较好的区分一年之内违约企业和正常企业,预测效果较为理想。论文实证结论表明,采用Logistic建立的商业银行借贷企业信用评价模型是可以用作我国借贷企业进行信用评价的。在实际工作中,商业银行企业信用评价应逐渐向以信用评分法为主、专家打分法为辅,定性与定量结合方式转变,以求最大限度提高评价的准确性,降低银行信用风险暴露。本文的研究为商业银行借贷企业信用评价提供了有效的评估模型,具备一定的借鉴意义和使用价值。