论文部分内容阅读
摘 要:本文通过分析我国商业银行向中小企业授信时存在的问题和实际情况,提出了切实可行的风险评估方法以及向中小企业授信时应注意的问题。
关键字:授信;风险评估;风险管理
风险管理一直以来是商业银行永恒的话题,特别是在全球金融危机的席卷下,使得风险管理在商业银行的营运中显得尤为重要和迫切。加快中小企业授信业务的风险管理,已经成为我国商业银行应对金融危机、保持自身长期稳定发展的迫切需要。
一、定量与定性指标结合进行风险评估
当今的中小企业表现出以下特点:①企业规模小,融资渠道狭小;②大多数中小企业属于个人或家族企业,或由一些乡镇企业转型而来,经营机制不完善,管理水平有待提高;③财务信息不透明甚至严重失真,有可能向工商部门、税务部门和银行提供不同的财务报表;④担保状况不甚明晰,担保人背景很难核实。由于中小企业的这些特点,商业银行一般采用的对大企业进行授信风险评估的方法对其不适用或者评估起来不准确,这就需要有一些针对中小企业的信用评估方法对其进行授信风险评估。
传统信用评估方法主要是通过专家主观判断对影响企业信用评估的一些关键因素,长期以来被概括为”5C”原则,即借款人的品格(Character)、资本(Capital)、偿债能力(Capacity)、担保状况(Collateral)和环境(Condition)。在这个体系下,商业银行对是否批准一笔贷款,单纯的依靠信贷主管人员的主观判断,这种定性方法具有很大的不确定性,很难保证信贷资产的质量。
鉴于传统信用评估方法的主观性太强,缺乏必要的定量因素,本文采用定量因素与定性因素相结合的方法对中小企业信用进行评估。其中,定量指标与定性指标如下图所示:
图 银行授信风险评估指标
其中,定量指标中的经营管理水平可以从资本回报率、流动资金周转率、应收账款周转率、和主营收入现金含量四个方面来考察;偿债能力可以从流动比率、速动比率、资产负债率和企业经营现金流与流动负债比四个方面来考察;创新及发展能力可以从利润增长率、主营业务增长率、工资待遇增长率三个方面来考察。在进行信用评估时,可以根据实际情况以排序方法给每个指标一个权重,比如0,1,2,3,4......。
我们可以用排序多元离散选择模型对企业客户信用评级进行评定。此模型的一般形式是:y*=α+xiβ +?i,式中,y*是隐变量(latent variable),xi是解释变量的集合,α,β是待估计的参数,?i是随机扰动项。在估计排序模型时,可以把隐变量理解为某种效用,效用的大小可用数值来衡量,只需输入y*的观测值和各解释变量xi观测值。依据y*多对应的如下规则,对yi进行排序分类:
关键字:授信;风险评估;风险管理
风险管理一直以来是商业银行永恒的话题,特别是在全球金融危机的席卷下,使得风险管理在商业银行的营运中显得尤为重要和迫切。加快中小企业授信业务的风险管理,已经成为我国商业银行应对金融危机、保持自身长期稳定发展的迫切需要。
一、定量与定性指标结合进行风险评估
当今的中小企业表现出以下特点:①企业规模小,融资渠道狭小;②大多数中小企业属于个人或家族企业,或由一些乡镇企业转型而来,经营机制不完善,管理水平有待提高;③财务信息不透明甚至严重失真,有可能向工商部门、税务部门和银行提供不同的财务报表;④担保状况不甚明晰,担保人背景很难核实。由于中小企业的这些特点,商业银行一般采用的对大企业进行授信风险评估的方法对其不适用或者评估起来不准确,这就需要有一些针对中小企业的信用评估方法对其进行授信风险评估。
传统信用评估方法主要是通过专家主观判断对影响企业信用评估的一些关键因素,长期以来被概括为”5C”原则,即借款人的品格(Character)、资本(Capital)、偿债能力(Capacity)、担保状况(Collateral)和环境(Condition)。在这个体系下,商业银行对是否批准一笔贷款,单纯的依靠信贷主管人员的主观判断,这种定性方法具有很大的不确定性,很难保证信贷资产的质量。
鉴于传统信用评估方法的主观性太强,缺乏必要的定量因素,本文采用定量因素与定性因素相结合的方法对中小企业信用进行评估。其中,定量指标与定性指标如下图所示:
图 银行授信风险评估指标
其中,定量指标中的经营管理水平可以从资本回报率、流动资金周转率、应收账款周转率、和主营收入现金含量四个方面来考察;偿债能力可以从流动比率、速动比率、资产负债率和企业经营现金流与流动负债比四个方面来考察;创新及发展能力可以从利润增长率、主营业务增长率、工资待遇增长率三个方面来考察。在进行信用评估时,可以根据实际情况以排序方法给每个指标一个权重,比如0,1,2,3,4......。
我们可以用排序多元离散选择模型对企业客户信用评级进行评定。此模型的一般形式是:y*=α+xiβ +?i,式中,y*是隐变量(latent variable),xi是解释变量的集合,α,β是待估计的参数,?i是随机扰动项。在估计排序模型时,可以把隐变量理解为某种效用,效用的大小可用数值来衡量,只需输入y*的观测值和各解释变量xi观测值。依据y*多对应的如下规则,对yi进行排序分类: