赵 晶
（连云港财经高等职业技术学校，江苏 连云港 222000）
【摘 要】相比于巴塞尔新资本协议的现代化管理要求，我国金融机构在信用风险管理方面的能力，基础相对薄弱，无法周全顺应金融行业未来谋划成长、市场竞争等需求。为此，本文将通过金融机构信用风险评估模型的构建，从中提出强化信用风险管理体系的方法，进而为金融机构信用风险管理水平的进步，供以有用的根据。
教育期刊网 http://www.jyqkw.com
关键词 金融机构；信用风险；评估模型
1 金融机构信用风险评估模型构建的基本思路
1.1 顺应金融机构内外部情况
金融机构信用风险管理工作，以金融机构内部谋划情况和外部市场情况为根本，尤其是金融机构之间竞争关系的理顺，按照金融机构的“利润”与“风险收益比较”为导向，并结合新巴塞尔协议的内部信用风险尺度标准，以此构建信用风险评估模型，就能够顺应金融机构内部谋划和外部竞争的环境。笔者认为，金融机构信用风险评估模型的构建，并非仅仅为了金融机构某项业务的信用风险评估，而是立足于国内外金融市场，综合考量金融机构内部业务在金融市场中的定位情况，以此所构成的风险评估结果，方可顺应金融机构的内外部环境。
1.2 顺应风险全方位管理需求
金融机构信用风险评估模型的构建，必须适应风险全方位管理的需求，比方贷款的定价、贷款的方法、贷款的检查等，期间所引入的风险因素定性分析和定量计算，可较为精准测定出贷款者违约的概率大小，以及计算出违约时的损失累计，从而为贷款的科学决策，供以强有力的撑持。金融机构信用风险评估具有复杂性特征，在贷款之前未能分析借款人的财务状况，并设置贷款企业的财务指标，就无法因子分析估计样本，适时贷款将存在较大的风险。而能够适应风险全方位管理需求的金融机构信用风险评估模型，建立起贷款水平与财务指标间的线性判断函数，并计算出待估企业的财务指标，就可以得出待估企业的信用风险等级。
1.3 保证模型预测的稳定性
金融机构信用风险一般划分为正常和违约两个等级，即正常借款和违约贷款，而鉴于样本容量比较小，估计区间与检验区间的样本总量之差，可能在150个左右波动，针对这种情况，所构建的金融机构信用风险评估模型，就必须克服这种容量缺陷，借助独立的多元统计技术，形成多个水平的数学模型，这样进行信用风险评估，就能够选取更多的财务指标作为分析变量，将原来的风险等级，拓展为正常借款、逾期贷款、欠息贷款、呆滞贷款、呆账贷款等领域，以便在选择样本时，可选取更多的估计和检验样本，模型预测的稳定性也能够因此得以提高。
2 金融机构信用风险评估模型的构建方法
2.1 选取样本数据和指标
金融机构信用评估数据的分析，其基础是确保数据的有效性，而金融机构信用风险评估相关的数据，来自于贷款的形态表，其中涉及了贷款企业所在行业的市场行情，以及该企业的经营规模等。在此以某金融机构共420笔贷款作为样本数据，并根据贷款的常见状况，将这些贷款分类为正常贷款、逾期贷款、欠息贷款、呆滞贷款和呆账贷款五种类型，其中200笔为估计样本，220笔为检验样板，而估计样本又分为63笔正常贷款、34笔逾期贷款、24笔欠息贷款、19笔呆账贷款、60笔呆滞贷款，检验样本又分为66笔正常贷款、34笔逾期贷款、32笔欠息贷款、28笔呆账贷款、60笔呆滞贷款。在分类好贷款之后，以资产负债表、利润表、现金流量表等形式，形成信用风险评估模型的初始指标集。
2.2 构建风险评估模型
首先是因子的分析，罗列出可以代表各种类型信息的综合指标，分别确定原始变量和主成分，然后以矩阵的形式，表示各个因子与原始变量之间的关系，经分析，可看出原始变量向量的大小，与公因子负荷系数矩阵、公因子向量、残差向量相关，属于正交模型，也是主成分分析的结果，及结果可根据因子荷载矩阵求解得出，最终通过比较观测变量之间的简单相关系数，找出不合适做因子分析的变量。其次是逐步判别模型，检测模型中判别力贡献最大的变量，并剔除出模型中不匹配的变量，同步采用逐步判别分析的方法，形成判据统计量，得出存货周转率、流动比率、应收债款周转率、销售毛利率、固定资产比率、主营业务利润率、总资产周转率等变量方差分析结果，进而确定正常借款、逾期贷款、欠息贷款、呆滞贷款、呆账贷款等函数，通过逐步判别和预测分类，就可以比较得出错判率。
2.3 检验风险评估模型
对于金融机构信用风险评估模型的检验，一方面是检验线性判别模型，根据确定的判别函数，重点检查检验样本，代入各个判别函数后，根据函数值的大小，确定所属样本的类别，根据判断，线性判别模型对检验样本的总体判别准确率达到了64%左右，尤其针对正常贷款、逾期贷款和欠息贷款，其判别准确率最高，而对于其他类型的贷款，预测的准确率并不高，其中估计样本中的正常贷款68.1%、逾期贷款83.3%、欠息贷款76.0%、呆账贷款37.5%、呆滞贷款51.5%，检验样本的正常贷款68.8%、逾期贷款84.8%、欠息贷款76.0%、呆账贷款16.7%、呆滞贷款50.7%；另一方面是Logistic回归模型的检验，其检验结果表示所有样本预测准确率高达68%左右，尤其是正常贷款和呆滞贷款的样本，其预测准确率最高，其中估计样本中正常贷款88.0%、逾期贷款76.7%、欠息贷款86.0%、呆账贷款22.5%、呆滞贷款78.5%，检验样本中正常贷款84.7%、逾期贷款65.3%、欠息贷款36.3%、呆账贷款36.7%、呆滞贷款75.9%，由此说明这种类型的风险评估模型较为适用于当前金融机构信用风险的评估。
3 结束语
综上所述，金融机构信用风险管理，需要通过样本数据和指标的选取，进而构建评估模型，然后对模型进行检验，以分析模型的准确性。文章通过研究，基本明确了金融机构信用风险评估模型的构建方法，但鉴于金融机构信用风险的多变性和复杂性，因此以上方法还需要根据金融机构业务的风险类型和特征，予以灵活的应用。
教育期刊网 http://www.jyqkw.com
参考文献
［１］柳凌燕,王宪明,胡继成.基于免疫规划的金融机构信用风险评估方法研究[J].经济研究参考,2014(20):25-31.
［２］李倩,苏越良.基于供应链金融的金融机构信用风险评估[J].价值工程,2014(8):31-34.
［３］陈宜成.基于宏观压力测试的我国金融机构信用风险评估[J].哈尔滨商业大学学报:社会科学版,2014(4):10-17.
［责任编辑：杨玉洁］
