本文首先介绍并分析了现有的五种贷款组合优化方法,这些模型的同一特点是在Markowitz标准模型的基础上建立起来的,但在模型输入变量的确定上各有不同。Morgan和Gollinger的贷款组合标准模型是利用了企业的ZETA值作为模型输入变量;Altman的贷款组合优化模型的输入变量则是由其确定的预期收益推导得出;KMV的贷款组合管理模型中,通过期权定价模型推导出了预期违约频率EDF ,并且由此确定了模型中的输入变量;基于VaR约束的贷款组合优化决策模型是在Markowitz标准模型中加入了VaR约束;选择贷款企业的0-1整数规划模型基于净现值指标确定模型输入变量,并且把标准模型改造成了整数规划模型。上述这些模型都是在单层上考虑贷款组合问题,没有和银行的分层管理相结合,而且在贷款数量较多时增加求解难度。因此,本文建立了一个两层优化模型来解决贷款组合问题。模型输入变量通过贷款企业的信用评级和信用等级转换矩阵计算得出。模型设计上,首先对银行的整个贷款组合根据其所在行业分为若干个子贷款组合。然后,在模型的上层规划中利用Markowitz标准模型求解各行业贷款分配限额的优化问题;在模型的下层规划中利用0-1整数规划模型来筛选该行业内的申请贷款企业。这种方法有利于银行在各个层次上控制风险,并且合理地分解大型贷款组合问题。对于这个上层单一决策者,下层多个决策者的决策模型,本文提出了一种递阶优化算法。这是一种求解非线性两层规划问题的新颖方法。通过引入解耦向量将非线性两层规划问题分解为独立的、易于利用两级递阶结构第一级求解的若干优化子问题。而在第二级利用第一级求解的结果调整解耦向量。所提方法借助分解-协调原理并按迭代方式最终求得问题的解。对于含整数的贷款组合两层规划模型,通过连续化处理后,也可同样地按所提的方法进行方便地求解。文中的实证也表明该算法既简便又有效。