论文部分内容阅读
摘要：文章主要针对发放贷款的研究，利用间接融资系是我国主要融资渠道，商业银行肩负资金融通的重责，做了风险量化分析，给出合理的信贷策略。首先，把数据进行处理分析，定义信誉评级、总利润、来往企业数、企业总税额、销项废票率、每次进项平均金额这六个影响定量的变量，根据多元回归模型，建立关于风险系数RPN的多元回归方程，用正常最小二乘法计算各变量的系数，从而得到风险系数的多元回归方程。其次，根据得到的方程计算得出已知的企业是否违约，并进行拟合情况分析，发现风险系数输出与原始风险系数趋势基本吻合。最后，划分企业风险评估等级，根据贷款年利率与客户流失的关系拟合二次函数，建立贷款期望模型，得到基于风险等级和信誉等级的信贷策略。
关键词：风险量化分析;多元回归模型;拟合情况分析;二次函数
当前，我国很多商业银行对小微企业的审核标准还是同一参照，这种无差异化的信贷管理模式导致部分小微企业很难达到银行放贷标准，比如抵押等资产，小微企业很难获得贷款，并且没有充分考虑小微企业的运作模式，较难反应他们的真实需求情况。其实，我国商业银行完全可以认真研究国内小微企业的风险特征，并借助国外先进的信息技术手段，持续研发符合小微企业风险特征的风险模型和信用评分系统，为拓展小微企业贷款业务提供技术保障。2017年信贷策略偏向各季度均衡投放以外，从信贷投向来看，个人住房按揭贷款、消费贷、中小微贷款、大型企业对公贷款四大板块将出现此消彼长的趋势。按揭贷款狂飙难以为继，料将萎缩系多位受访银行人士的共识。而中小微贷款、消费贷或将成为商业银行的重点投向。
一、问题分析
定义信誉评级、总利润、来往企业数、企业总税额、销项废票率、每次进项平均金额这六个影响定量的变量，根据多元回归模型，建立关于风险系数RPN的多元回归方程，用正常最小二乘法计算各变量的系数，从而得到风险系数的多元回归方程。而后划分了企业风险评估的等级，根据贷款年利率与客户流失的关系拟合二次函数，建立贷款期望模型，得到基于风险等级和信誉等级的信贷策略。
风险系数的多元回归方程，计算出企业的风险系数，得到企业风险评估的等级，根据还款概率与客户流失率，得到利润优先的信贷政策。通过建立的银行长期贷款期望模型，以及现实生活中银行对于疫情期间信贷政策的调整，得出在疫情下该银行在利润与事实政策相结合的信贷策略。
二、模型的建立与求解
本文要求建立合适的数学模型，对企业的信贷风险进行量化分析。先对123家企业的数据进行量化分析得出风险系数，再研究得出当前条件下银行对这些中小微企业的信贷策略。实际上是在对数据进行筛选、统计，并结合所建立的模型进行分析，得出风险系数（RPN），最后有效得出合理的信贷策略。具体步骤如：STEP1根据数据建立多元回归模型，运用（OLS）普通最小二乘估计法得出风险系数的回归方程。STEP2 分析多元回归方程的拟合优度。STEP3 建立银行长期贷款期望模型得出该银行对企业的信贷策略。确定风险系数RPN为被解释变量，多项已知数据为解释变量根据多元回归模型建立如下模型
其中，β1，2，3……n为权值系数，x1，2，3……n为已知或挖掘出的数据项。ε为随机误差项，本文中由于数据有限，ε对风险系数RPN的影响很小，故忽略不计。确定“是否违约”一栏作为被预测目标RPN的样本。将sheet1表中“是否违约”一列进行数据量化（二分类）未违约→0，违约→1。经过一系列的拟合测试，在22种被挖掘的数据中选出其中对RPN影响显著，也就是置信水平较高的6组数据，作为解释变量进行量化分析。记为信誉评级。将sheet1表中“信誉评级”一列进行数据量化（数据映射）A→100，B→80，C→60，D→40。记x2为总利润。
x2=Moneyo-Meoneyi
Moneyo表示销项发票总金额;Meoneyi表示进项发票总金额。
记x3为来往企业数。
x3=Companyi+Companyo
Companyi表示上游公司数，Companyo表示下游公司数。
记x4为企业总税额。
x4=Taxo-Taxi
Taxo表示销项税总和，Taxi表示进项税总和。
记x5为销项废票率。
记x6为每次进项平均金额。
则得出RPN的多元回归方程为
RPN=β0+β1×x1+β2×x2+β3×x3+β4×x4+β5×x5+β6×x6
得出关于风险系数的多元回归方程如下：
RPN=1.07356+（-0.0128512）×x1+（-2.73×10-10）×x2+（4.68×10-7）×x3+（2.20×10-9）×x4+0.6547583×x5+（-1.13×10-6）×x6
考虑到中小微企业以及银行均具有一定的不确定性，于是用两年为一个周期对银行的期望进行考察评估，比如向每个企业借款一万元，以风险系数A，信誉等级A的企业为例子，当其利息为l，其一年后还钱的概率为98.3%，一年之后银行收到的还款金额是（1+l）万元，第二年银行以最高的利率借贷，那么银行在第二年末收到金额的期望值为
H=（1-l（q）×（1+q）×1.15×0.983+l（q）（1+q）×0.983
其中l（q）表示利息为q时的流失客户率，在第二年利率取最大值，两年后银行借贷给所有企业的最大期望。经过数据分析，有5家金融业企业原本不予发放贷款，受疫情影响后风险等级升高;有154家企业受疫情影响，使得这些企业无法达到贷款标准，但由于现实生活中银行对于疫情专项信贷政策的调整，给予这些企业小额贷款。贷款额度为10万～20万元。
三、结语
在本次模型的建立过程中，综合运用了多种不同的计算工具，运营 Excel 分析展示数据，整理规范数据，使用 Stata 进行多元回归运算，使用 Matlab实现神经网络算法。建立了风险系数与企业各项指标的关系，结合实际生活中的政策，计算银行信贷策略与企业风险、信誉的关系。通过风险评估计算出银行的风险与收益对冲的最优解，为银行的信贷策略提供有效的依据。运用了多元回归，通过分析数据，更准确地提供了企业的风险系数。用matlab学习创建的神经网络算法，对数据进行整合分析，将定性的研究转化为对定量的研究，创建了一个较为完整的模型。基于现实生活中的实际情况，推出了较为完善的信贷策略。
参考文献：
[1]http：//www.stats.gov.cn/statsinfo/auto2074/202004/t20200418_1739603.html國家统计局官网，2020-04-18.
[2]SimonHaykin.神经网络原理[M].北京：机械工业出版社，2004.
[3]金俐.信贷配给论：制度分析[M].上海：上海财经大学出版社，2006.
[4]夏佳佳.经济新常态下商业银行不良贷款影响因素研究——基于多元线性回归模型[J].安徽商贸职业技术学院学报（社会科学版），2020，19（02）：40-43.
[5]库特纳.应用线性回归模型[M].北京：中国统计出版社，1990.
[6]威廉D.贝里.线性回归分析基础[M].上海：格致出版社，上海：上海人民出版社，2011.
[7]姜启源.数学模型[M].北京：高等教育出版社，1993.
（作者单位：上海建桥学院信息技术学院）
关键词：风险量化分析;多元回归模型;拟合情况分析;二次函数
当前，我国很多商业银行对小微企业的审核标准还是同一参照，这种无差异化的信贷管理模式导致部分小微企业很难达到银行放贷标准，比如抵押等资产，小微企业很难获得贷款，并且没有充分考虑小微企业的运作模式，较难反应他们的真实需求情况。其实，我国商业银行完全可以认真研究国内小微企业的风险特征，并借助国外先进的信息技术手段，持续研发符合小微企业风险特征的风险模型和信用评分系统，为拓展小微企业贷款业务提供技术保障。2017年信贷策略偏向各季度均衡投放以外，从信贷投向来看，个人住房按揭贷款、消费贷、中小微贷款、大型企业对公贷款四大板块将出现此消彼长的趋势。按揭贷款狂飙难以为继，料将萎缩系多位受访银行人士的共识。而中小微贷款、消费贷或将成为商业银行的重点投向。
一、问题分析
定义信誉评级、总利润、来往企业数、企业总税额、销项废票率、每次进项平均金额这六个影响定量的变量，根据多元回归模型，建立关于风险系数RPN的多元回归方程，用正常最小二乘法计算各变量的系数，从而得到风险系数的多元回归方程。而后划分了企业风险评估的等级，根据贷款年利率与客户流失的关系拟合二次函数，建立贷款期望模型，得到基于风险等级和信誉等级的信贷策略。
风险系数的多元回归方程，计算出企业的风险系数，得到企业风险评估的等级，根据还款概率与客户流失率，得到利润优先的信贷政策。通过建立的银行长期贷款期望模型，以及现实生活中银行对于疫情期间信贷政策的调整，得出在疫情下该银行在利润与事实政策相结合的信贷策略。
二、模型的建立与求解
本文要求建立合适的数学模型，对企业的信贷风险进行量化分析。先对123家企业的数据进行量化分析得出风险系数，再研究得出当前条件下银行对这些中小微企业的信贷策略。实际上是在对数据进行筛选、统计，并结合所建立的模型进行分析，得出风险系数（RPN），最后有效得出合理的信贷策略。具体步骤如：STEP1根据数据建立多元回归模型，运用（OLS）普通最小二乘估计法得出风险系数的回归方程。STEP2 分析多元回归方程的拟合优度。STEP3 建立银行长期贷款期望模型得出该银行对企业的信贷策略。确定风险系数RPN为被解释变量，多项已知数据为解释变量根据多元回归模型建立如下模型
其中，β1，2，3……n为权值系数，x1，2，3……n为已知或挖掘出的数据项。ε为随机误差项，本文中由于数据有限，ε对风险系数RPN的影响很小，故忽略不计。确定“是否违约”一栏作为被预测目标RPN的样本。将sheet1表中“是否违约”一列进行数据量化（二分类）未违约→0，违约→1。经过一系列的拟合测试，在22种被挖掘的数据中选出其中对RPN影响显著，也就是置信水平较高的6组数据，作为解释变量进行量化分析。记为信誉评级。将sheet1表中“信誉评级”一列进行数据量化（数据映射）A→100，B→80，C→60，D→40。记x2为总利润。
x2=Moneyo-Meoneyi
Moneyo表示销项发票总金额;Meoneyi表示进项发票总金额。
记x3为来往企业数。
x3=Companyi+Companyo
Companyi表示上游公司数，Companyo表示下游公司数。
记x4为企业总税额。
x4=Taxo-Taxi
Taxo表示销项税总和，Taxi表示进项税总和。
记x5为销项废票率。
记x6为每次进项平均金额。
则得出RPN的多元回归方程为
RPN=β0+β1×x1+β2×x2+β3×x3+β4×x4+β5×x5+β6×x6
得出关于风险系数的多元回归方程如下：
RPN=1.07356+（-0.0128512）×x1+（-2.73×10-10）×x2+（4.68×10-7）×x3+（2.20×10-9）×x4+0.6547583×x5+（-1.13×10-6）×x6
考虑到中小微企业以及银行均具有一定的不确定性，于是用两年为一个周期对银行的期望进行考察评估，比如向每个企业借款一万元，以风险系数A，信誉等级A的企业为例子，当其利息为l，其一年后还钱的概率为98.3%，一年之后银行收到的还款金额是（1+l）万元，第二年银行以最高的利率借贷，那么银行在第二年末收到金额的期望值为
H=（1-l（q）×（1+q）×1.15×0.983+l（q）（1+q）×0.983
其中l（q）表示利息为q时的流失客户率，在第二年利率取最大值，两年后银行借贷给所有企业的最大期望。经过数据分析，有5家金融业企业原本不予发放贷款，受疫情影响后风险等级升高;有154家企业受疫情影响，使得这些企业无法达到贷款标准，但由于现实生活中银行对于疫情专项信贷政策的调整，给予这些企业小额贷款。贷款额度为10万～20万元。
三、结语
在本次模型的建立过程中，综合运用了多种不同的计算工具，运营 Excel 分析展示数据，整理规范数据，使用 Stata 进行多元回归运算，使用 Matlab实现神经网络算法。建立了风险系数与企业各项指标的关系，结合实际生活中的政策，计算银行信贷策略与企业风险、信誉的关系。通过风险评估计算出银行的风险与收益对冲的最优解，为银行的信贷策略提供有效的依据。运用了多元回归，通过分析数据，更准确地提供了企业的风险系数。用matlab学习创建的神经网络算法，对数据进行整合分析，将定性的研究转化为对定量的研究，创建了一个较为完整的模型。基于现实生活中的实际情况，推出了较为完善的信贷策略。
参考文献：
[1]http：//www.stats.gov.cn/statsinfo/auto2074/202004/t20200418_1739603.html國家统计局官网，2020-04-18.
[2]SimonHaykin.神经网络原理[M].北京：机械工业出版社，2004.
[3]金俐.信贷配给论：制度分析[M].上海：上海财经大学出版社，2006.
[4]夏佳佳.经济新常态下商业银行不良贷款影响因素研究——基于多元线性回归模型[J].安徽商贸职业技术学院学报（社会科学版），2020，19（02）：40-43.
[5]库特纳.应用线性回归模型[M].北京：中国统计出版社，1990.
[6]威廉D.贝里.线性回归分析基础[M].上海：格致出版社，上海：上海人民出版社，2011.
[7]姜启源.数学模型[M].北京：高等教育出版社，1993.
（作者单位：上海建桥学院信息技术学院）