A银行信贷项目风险管理研究
硕士学位论文
论文题目：
（中文） A银行信贷项目风险管理研究
（外文） Research on A bank credit project
risk management
所 在 院 系： 经济管理学院
专专业、名、称： 项目管理
研究生姓名： 黄 华
指专导专教专师：
论文主题词：银行信贷；信贷风险；风险管理
学专习专期专限：
提 交 时 间： 2011年7月
独创性声明
本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。
学位论文作者签名： 黄 华 签字日期： 2011-07
导师签名： 签字日期：
关于论文使用授权的说明
本人完全了解学校关于保留、使用学位论文的各项规定，同意以下事项：
1.学校有权保留本论文的复印件和磁盘，允许论文被查阅和借阅，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文；
2.学校有权将本人的学位论文提交至清华大学“中国学术期刊（光盘版）电子杂志社”用于出版和编入CNKI《中国知识资源总库》或其他同类数据库，传播本学位论文的全部或部分内容。
学位论文作者签名： 黄 华 签字日期： 2011-07
导师签名： 签字日期：
摘 要
商业银行在我国社会经济中具有重要的战略地位，关系到国民经济的安全与稳定。银行信贷业务是我国商业银行的主要业务之一，是银行的最主要利润来源。信贷项目风险管理因此成为商业银行运营管理的关键环节，信贷项目风险管理水平的高低决定着银行自身盈利能力、资产质量与生存状态，影响着整个金融系统的稳定和安全。
随着全球经济一体化的快速推进和证券市场的高速发展，市场竞争日趋激烈，全球金融市场的波动性使得商业银行的信贷风险逐渐加大，银行信贷风险管理模式和手段不断发生变化，现代信息技术和金融工程计算技术与方法的广泛应用，使得现代信贷项目风险管理越来越得到重视。巴塞尔银行监管委员会提出了“信贷风险模型化”的相关理念，信贷风险管理模型的发展对传统的信贷风险管理模式产生巨大的影响，信贷风险管理模型在金融领域的发展受到各国监管机构的重视。国际许多知名银行在信贷风险管理上已开发并使用了新的技术方法来度量和管理信贷风险，我国商业银行信贷风险管理从整体上与国外先进银行相比仍有较大的差距，尤其在风险度量上，由于受传统的信贷风险管理理念的影响，风险管理的方法和手段应用还没有形成很大的突破。如何对商业银行信贷风险进行及时准确地度量与有效管理，建立起银行早期预警与后期评估等风险管理体系，从而提高银行的盈利水平和促进银行的运营安全，促进整个金融系统的健康持续稳定发展，成为银行信贷风险管理工作的当务之急。
本文以银行信贷风险管理中的Zeta 和Z评分模型及Credit Metrics 市场风险度量制模型、KMV模型和Credit Portfolio View经济计量模型等为理论基础，通过结合A银行信贷项目的实际案例，借鉴国外先进科学的技术和方法，结合国内经济和金融的实际，对A银行信贷项目风险识别、风险分析和度量及风险控制和规避进行了剖析，提出构建适合A银行自身的信贷风险管理体系，优化A银行风险管理模式，提高信贷风险识别、控制和规避能力的相应研究建议，为银行信贷项目风险管理领域的研究提供参考。
关键词：银行信贷；信贷风险；风险管理
Abstract
The commercial bank has in the our country social economy important of strategic position, relate to national economy of safety and stability. Bank credit business is an our country one of the main businesses of the commercial bank, is the most profits of the bank project risk management consequently become a commercial bank luck camp management of key link, believe the height of credit project risk management level to decide the bank oneself profit ability, property quality and existence appearance, influence the whole stability and safety of financial system.
The high-speed development that turns quickly to push forward with stock market along with global economy integral whole, the market competes gradually vigorous, the motion of global financial market makes the letter loan of commercial bank risk gradually enlarge, the bank credit project risk management the mode and means continuously take place variety, modern information technique and financial engineering compute the extensive application of technique and method and make the modern credit project risk management more and more get a Basel bank takes charge of the related principle that the committee put forward " credit risk the model turn", the development of credit risk management model produces the huge influence on traditional credit risk management mode, and credit risk management model is subjected to the value that all countries take charge of organization in the development of financial many well-known banks are developed in credit risk management and used a new technique method generous character and management credit risk, the our country commercial bank credit risk management compares to still have a bigger margin from the whole top and the foreign advanced bank, particularly on the risk generous character, because of under the influence of traditional credit risk management principle, method and means of risk management applied haven't formed very big to the commercial bank credit risk to carry on in time accurately generous character with effective management, establishment rise bank the early warning expected with empress to evaluate etc. risk management system and raised the earnings level of bank and promoted the luck camp of bank safe thus in early days and promoted the whole financial system of health keeps on a stability development and becomes the urgent matter of the moment of the bank credit risk management work.
The paper with the bank credit risk management in of Zeta and the Z grade point model and Credit Metrics the market risk generous character system model and KMV model and Credit Portfolio View the economy calculates model etc. for theories foundation, pass to combine A bank credit project purpose actual case, technique and method draw lessons from foreign advanced science, combine domestic economy and finance of actual, to A bank credit project risk identifies, risk analysis and generous character and risk control and evade carried on an analysis, put forward to build suitable A bank credit of the oneself risk management system, excellent turn A bank of risk management mode, the exaltation credit risk to identify, control with evade ability of correspond a research suggestion, for bank credit project the research of the risk management realm provide a reference.
【Keyword】Bank credit; Credit risk;Risk management
目 录
III摘 要
IVAbstract
1第一章 绪论
研究背景和意义
研究背景和目的
研究的意义
研究现状
相关概念界定
国内外研究综述
研究内容和研究方法
主要研究内容
研究方法
本文研究框架
9第二章 基本理论
Zeta 和Z评分模型
Z评分模型
Zeta评分模型
现代信贷风险度量和管理方法
Credit Metrics 市场风险度量制模型
KMV模型
Credit Portfolio View经济计量模型
18第三章 A银行信贷项目风险识别
已有贷款风险识别和评估模型评价
A银行信贷项目风险管理文化
A银行已有贷款风险识别和评估模型评价
基于Elman神经网络的评估模型建立
神经网络模型基本思想
神经网络模型构建
23第四章 A银行信贷项目风险分析和度量
变量选择
条件假设
变量选择
模型建立
建立信用等级转移矩阵
推导远期贴现率
计算违约回收率
模型计算与分析
29第五章 A银行信贷项目风险控制和规避
建立由各相关宏观经济变量组成的风险预警指标体系
完善风险信用评价管理模型
强化风险信贷项目内控制度
建立和完善内部监控管理体系
建立和完善内审体系
33第六章 A银行信贷项目案例分析
A银行C房地产项目贷款的基本情况
C房地产项目概况
借款人简介
贷款风险事件的发生
问题贷款的产生
问题贷款成因分析
问题贷款风险控制与回收
贷前控制
贷后控制
案例结论
40第七章 结论与展望
41参考文献
44致 谢
第一章 绪论
研究背景和意义
研究背景和目的
随着金融全球化的迅速发展，金融市场的波动性不断加剧，商业银行的信贷风险相应增大，银行信贷风险管理的手段和内容也随之发生变化。以现代信息技术和金融工程计算技术为主的信贷风险管理在银行经营过程中发挥着越来越重要的作用。与传统风险管理主要依赖定性分析不同，现代信贷项目风险管理越来越重视定量分析，采用金融工程数理统计模型来识别、衡量和监测信贷风险,已经成为发展的大趋势，使得风险管理越来越多地体现出客观性和科学性的特征。
项目管理作为一种现代技术经济管理的手段，一般包含规划、组织、领导、控制四个过程，这四个过程环环相扣，联系紧密。目前，银行在对贷款业务的管理，从项目的确立、贷款的发放直到项目完工、本息收回的整个过程中，项目管理得到了广泛应用。当前现代信贷风险量化管理模型在国际金融界得到了较为广泛的应用，信贷风险管理模型在金融领域的发展也受到各国监管机构的重视。巴塞尔银行监管委员会提出了“信贷风险模型化”的相关理念，针对风险管理模型的应用对国际金融领域信贷风险管理的影响进行了评估。近年来，这种信贷风险管理模型的发展正在对传统的信贷风险管理模式产生巨大的影响。
本文以银行信贷风险管理模型中的市场风险度量制模型作为研究和分析的基础，通过结合A银行信贷项目的实际案例进行研究，在借鉴中外研究成果的基础上，构建适合A银行自身的商业银行信贷风险管理系统，为优化A银行风险管理模式，提高自身风险识别、控制和规避能力提供理论依据。
研究的意义
银行信贷风险是一个国家各种经济风险的集中表现形式，市场经济条件下，经济运行高度货币化、信用化和金融化。商业银行一般以货币和信用为媒介，与经济社会中的实体经济有广泛的信贷联系，银行信贷风险在整个经济风险中处于中枢地位。目前我国商业银行的信贷风险管理水平较低，管理手段比较落后，不良贷款率严重偏高，极大地影响了我国商业银行的竞争能力。通过对银行信贷项目风险管理研究，引入项目工程方法，以信贷风险管理模型中的市场风险度量制模型为理论基础进行风险计量，在理论上丰富了银行信贷项目风险管理研究领域的相关理论，对提高我国商业银行信贷风险管理水平和管理手段具有极大的现实意义和推广价值。首先，有利于发现我国银行信贷项目风险管理的发展方向，提升银行的核心竞争力，有利于推动我国商业银行向国际化发展。其次有利于控制银行信贷风险，运用现代金融信贷项目风险管理的思想有效控制银行信贷项目的各种风险，尽早识别风险，采取相应措施规避风险，减少无谓的损失。三是有利于提高我国商业银行的国际竞争力，通过强化和完善我国商业银行信贷风险管理，不断提高银行的综合竞争力，提高我国商业银行在全球化的发展中确立竞争优势。
研究现状
相关概念界定
1.银行信贷的概念与特征
广义的银行信贷是以银行为中介，以吸收存款、发放贷款为主题的信用活动的统称，它是以商业银行、储蓄贷款协会、信用合作社等金融机构为信用中介的金融活动的最主要形式。狭义的银行信贷是指以银行为主体的货币资金贷放行为。其特征主要体现在：有偿性、周转性与融通性。
（1）有偿性。是银行信贷的一个重要特征，存款有存有取，贷款有借有还，存贷均有一定的利息，是有偿的。
（2）周转性。存款是一个存入、支取、再存入、再支取的周转过程；贷款是一个发放、收回、再发放、再收回不断循环往复的周转过程，具有周转性特征。
（3）融通性。银行信贷通过存贷款在国民经济各实体之间相互融通资金，信贷不仅对社会资金在时间和空间上的余缺进行灵活调节、融通供需，还可以通过借贷行为使商业银行之间、商业银行系统内部资金余缺得到调剂，具有融通性的特征。
2.风险管理的内涵
美国风险管理的权威解释者威廉姆斯和汉斯的定义是，所谓风险管理是通过对风险的识别、衡量和控制，以最少的成本将风险导致的各种不利后果减少到最低限度的科学管理方法。
银行信贷风险是由于不确定性因素致使借款人不能按合同规定偿还银行贷款本息，导致信贷资产预期收入遭受损失的可能性。银行信贷项目风险管理就是是商业银行根据信贷风险的性质、大小、企业的经营目标、风险承受能力与管理能力等因素，选择合适的风险管理与控制的策略和工具，对所面临的信贷风险进行管理。其主要包括以下三方面的内涵:首先，风险管理的主体是商业银行；其次，风险管理的内容、方法和程序是通过风险的识别、衡量和控制并以选择最佳的风险管理技术为中心；第三，风险管理的目标是实现最大的安全保障。
国内外研究综述
银行信贷风险量化的发展一般可分为定性分析阶段（1970年以前）、基于财务指标的分析模型阶段（20世纪70-90年代）和综合模型阶段（20世纪90年代以来）三个阶段。国内外对银行信贷项目风险管理的研究也随这一发展轨迹涌现大量的研究成果：
1.国外研究综述
在定性分析阶段银行信贷项目风险管理基本上是依据专家的经验和主观分析来评估信贷风险，主要分析工具有5C分析法、LAPP法和五级分类法等；以主要财务比率为基础的分析模型，经过赋权和组合，利用模型确定一个信用风险分数或违约的概率。
Altman(1967,1997)分别给出了5个变量和7个变量的Z评分模型，将所有企业分为可能破产违约企业和不会破产违约企业两类，运用了资产报酬率、营运资本等5 个指标进行回归，并且引入了资产报酬率、利息保障倍数等7 个指标作为揭示企业失败和成功的变量，通过选择适当的变量，并构建评分模型以达到控制信用风险的目的。 1977年，阿尔特曼等对Z评分模型进行了修正和完善，提出了著名的第二代的ZETA信用评分模型，通过对z值的大小同衡量标准相比，对银行的风险进行了测定。其后，有提出如回归分析法、聚类分析法、因子分析法等来区分不同的企业类型，进入20世纪90年代，人工智能和神经网络的方法开始用于提高类型区分的准确度，Odom(1990)第一个将神经网络的方法引入到信用风险度量中，之后神经网络分析方法在研究和实践上都取得一定的成果 ；Coats P, Pant L（1993）在对美国企业与银行信用风险度量时，应用了神经网络的方法进行分析预测，提高了准确度 ；Kerling M , Poddig T(1994) 运用神经网络分析方法对企业信用风险进行研究,并进行了交叉验证 ；Piramuthu S(1999) 在对企业信用风险研究时, 应用神经网络方法进行分析并在神经网络中运用特征提取技术 ；2000年，Moody’s公司公布了以神经网络方法为主的上市企业信用风险模型。
20世纪90年代以来，随着现代金融理论和金融工程技术的快速发展，西方一些大型商业银行开发出新的信用评估和早期预警系统来定量评估信用风险和管理信用风险。目前，用于定量与测度信用风险的综合模型可分为违约模型和组合模型两大类；CreditRisk+模型和CreditPortfolioView模型属于违约模型，其主要特点是基于理论分析来确定资产组合未来的违约分布；CreditMetrics模型与KMV模型则属于组合模型，主要特点是基于历史数据来估计资产组合未来的违约分布。CreditMetrics模型是基于风险价值的控制和管理信用风险的模型代表，它用信用损失来度量信用风险，提出风险价值的概念，在信用风险管理和控制的应用研究领域很受关注。
2.国内研究综述
国内对信贷风险进行量化研究时间较短，研究过程中一般偏重于定性分析。由于我国商业银行没有建立起相应的历史信贷数据库，缺乏足够的历史信贷数据，导致了目前我国商业银行尚不具备独立建立信贷风险度量模型等银行内部风险度量模型的基础条件。随着我国商业银行市场化和国际化的深入推进，在巴塞尔协议框架下，银行信贷项目风险管理的研究越来越受到业内和学者的重视，近年来国内在银行信贷项目风险管理领域的研究也出现不少的成果：
梁琪（2005）在《商业银行信贷风险度量研究》中，阐述了商业银行面临的信贷风险、信贷风险的传统度量方法和建立量化度量方法的必要性与挑战性，提出了度量商业银行组合信贷风险的组合法；对银行个体贷款损失之间的相关度量进行了较全面的理论研究，对损失相关的各种替代度量方法进行了比较分析，提出了替代度量流程；同时，对银行信贷组合的预期损失和非预期损失等信贷风险度量值在银行信贷风险管理中的应用进行了分析，对组合信贷风险管理体系中的风险识别、风险度量、风险控制与绩效评估等进行了剖析，对我国商业银行信贷风险的度量和管理提出了诸多建议。
江刚（2006）在《商业银行信贷风险控制》中，指出我国商业银行信贷风险管理水平仍然偏低，缺乏一套完善的信贷风险管理制度系统，没有严格的信贷绩效考评和责任制，没有建立有效的信贷风险预警机制，信贷风险管理工作成效不显著；认为信贷风险管理受到组织环境、制度环境、技术环境与人员环境的影响，这些影响因素构成了信贷风险环境控制体系；通过实证分析，提出了问题贷款处理流程、问题贷款处理方法和贷后信贷业务总结三方面的信贷风险识别及处理对策。
吕岩（2007）在《我国商业银行信贷风险管理研究》中，对我国商业银行信贷风险产生的原因进行了分析，对国内外银行信贷风险管理技术进行了比较，认为我国商业银行信贷风险管理在度量方法、数据采集、数据加工、结果检验及工作社会环境等方面与国际银行存在相当的差距，信贷风险问题已成为我国商业银行进一步发展的障碍；指出从操作环节入手是解决信贷风险管理中存在问题的根本方法；提出了完善我国商业银行信贷风险管理相关制度的建议。
王冰在《银行信贷项目风险控制研究》中，以项目管理的视角，从银行信贷的贷前、贷中和贷后的三个环节对我国商业银行信贷现状进行了分析，对银行信贷风险控制的内部各环节进行了综合分析，指出我国商业银行信贷风险控制体系存在的问题，从表面上看银行业发生的信贷案件，大多数是由于客户经理对风险把握的意识薄弱、或者其他方面的个人因素造成了问题最终的发生，实际上是银行缺乏有效的信贷风险控制管理体系，以致无法保证单个人的风险控制意识强大到足以面对整个风险危机，或者说无法确保单个人的风险控制能力、以及意愿足以对信贷风险进行有效的控制，需要使用一个体系作为整体才能保证控制信贷风险。为此，提出了商业银行信贷项目风险控制模型的构建和商业银行信贷项目风险控制体系。
李剑锋（2007）在《我国商业银行信贷风险管理与控制研究》中，对我国商业银行信贷风险管理现状进行了分析，指出我国商业银行由于在进行信贷信用风险管理方面起步较晚，再加上外部环境与制度上的原因，导致我国商业银行信贷信用风险管理在理念、技术、机制上等方面存在着明显缺陷。为此，提出了商业银行要对信贷流程进行彻底的重新思考和重新设计，从而在成本、质量、服务和响应速度等关键指标上获得巨大的改善；同时我国商业银行要从全过程来控制和管理信贷的风险．在优化信贷业务上还要建立独立的企业信用历史评估方法，完善透明的授信过程和严密的贷款审核过程，实施功能齐备的信贷资产管理方法和周密的风险管理手段。
蒋正星在《浅析我国商业银行信贷风险与控制》中，指出当前我国商业银行信贷风险管理存在的主要问题：部分商业银行在信贷之前存在调查不全面、资料收集不全等现象；商业银行之间的无序竞争，造成商业银行对所谓的开户信贷审查时不严，未能严格执行信贷制度；重信贷营销轻信贷后检查管理；缺乏完善的征信系统和个人信用制度，银行缺乏调查借款人资信的有效手段，无法对借款人财产收入和纳税状况等信息的完整性、稳定性和真实性进行评估；信贷队伍不稳定和信贷品种盲目增加等问题。提出了完善并强化信贷风险内控管理机制；综合治理不良资产化解存量信贷风险；调整信贷结构，优化信贷投入；加快商业银行法人治理结构的完善步伐，从体制上严防信贷业务操作风险的产生；利用信息技术提高信贷风险管理技术水平及完善各项信贷管理制度；建立以风险控制为核心的信贷文化等对策措施。
魏宇林（2010）在《浅析我国商业银行信贷风险管理》中，认为当前我国商业银行信贷风险管理主要存在信贷管理机制不健全、信贷风险管理文化未能与时俱进、信息不对称以及政策风险等问题。指出商业银行信贷的主要风险是操作风险、担保风险和道德风险。提出了商业银行信贷的应采取的主要风险对策是修订、完善各项信贷管理制度，保证各项制度之间的协调、配合和制约，确保各项信贷管理制度的贯彻落实；建立健全信贷专门管理机构，防止信贷权力的过分集中，实行信贷决策民主化、科学化；建立借款人信用信息共享制度；进一步加大呆账核销的工作力度，全程管理信贷资金。
3.研究评论
从已有的银行信贷项目风险管理研究的成果来看，这些研究成果仍存在如下尚待解决的问题和不足：
一是我国银行信贷风险管理的研究在理论研究方面明显滞后于银行业务发展实践，在信贷风险管理上缺乏从理论到实证的支撑依据；
二是，对信贷风险管理缺少结合实证的深度研究；尤其缺乏对信贷风险风险识别、风险分析和度量的剖析和研究。
三是，已有的银行信贷项目风险管理研究成果对我国信贷风险管理没有形成全面的研究，许多仍处在探索阶段，对银行信贷项目风险管理缺乏清晰的结论。
研究内容和研究方法
主要研究内容
本文研究的主要内容：
第一章 绪论部分。介绍了本文的研究背景，阐述了本文研究的目的和研究意义；阐述了国内外研究现状的文献综述；对本文的主要与研究内容和研究框架进行说明。
第二章 基本理论部分。阐述作为本文研究理论支撑的Zeta 和Z评分模型及Credit Metrics 市场风险度量制模型、KMV模型和Credit Portfolio View经济计量模型。
第三章 A银行信贷项目风险识别部分。对A银行已有贷款风险识别和评估模型进行评价分析，并提出基于Elman神经网络的评估模型的构建。 第四章 A银行信贷项目风险分析和度量部分。对A银行信贷项目风险进行分析和度量，提出变量选择、模型构建和进行回归分析。 第五章 A银行信贷项目风险控制和规避部分。提出建立由各相关宏观经济变量组成的风险预警指标体系；对A银行风险信用评价管理模型进行完善；提出强化风险信贷项目内控制度措施。 第六章 A银行信贷项目案例分析部分。介绍A银行贷款的基本情况；对A银行贷款风险事件的发生进行分析；对A银行问题贷款的回收进行说明和总结。
第七章 结论与展望部分。总结了本论文研究的主要结论并对未来进行展望。
研究方法
银行信贷项目风险管理研究是金融领域较为前沿的研究课题，本文主要采用的研究方法是：
1.采用归纳与定型分析、定量定性分析与比较分析等方法，对银行信贷项目风险管理进行较全面的分析研究，并提出了完善银行信贷项目风险管理的相应对策。
2.采用案例分析法，在对银行信贷项目风险管理理论研究的基础上，利用案例进行实证分析和评论。
本文研究框架
第二章 基本理论
Zeta 和Z评分模型
1968年，美国爱德华·阿尔特曼（Edward ）提出了著名的Z评分模型。1977年，阿尔特曼、赫尔德门（Heldeman）和纳瑞亚南（Narayanan）对 Z评分模型进行了修正和完善，构建了第二代信用评分模型ZETA模型（ZETA credit risk model）。
Z评分模型
阿尔特曼确立的Z值分辨函数模型是
Z＝＋＋＋＋
式中，X1＝流动资金／总资产；
X2＝留存收益／总资产；
X3＝息前、税前收益／总资产；
X4＝股权市值／总负债帐面值；
X5＝销售收入／总资产。
阿尔特曼统计计算确定的借款人违约临界值Z0=。如果Z＜，借款人将被划入违约组；如果 Z＞，借款人被划入非违约组。Z值越大，表明资信越好；Z值越小，说明风险就越大。
Zeta评分模型
阿尔特曼等学者推出的第二代信用评分模型Zeta 评分模型，其变量由原来的5个增加到7个变量，提高了对不良借款人的辨认精度：
Zeta =aX1+bX2+cX3+dX4+eX5+fX6+gX7
式中，a，b，c，d，e，f，g是Zeta模型各变量的系数；X1、X2、X3、X4、X5、X6、X7表示模型中的7个变量。
X1为资产收益率，X1=息前、税前收益／总资产；
X2为收益稳定性指标，采用对X在5-10年估计值的标准差指标作为这个变量的度量，是资产收益率的标准差；
X3为偿债能力指标，X3＝息前、税前收益／总利息支付额；
X4为累积盈利能力指标，X4=留存收益／总资产；
X5为流动比率，X5=流动资产／流动负债；
X6为资本化率，X6=普通股年平均市值／长期资本总额；
X7为借款人资产规模性指标，即总资产的对数，X7=㏑总资产。
阿尔特曼等人经计算的借款人违约临界值Zeta0=，如果Zeta得分高于或大于某一预先确定的Zeta临界值，说明这家企业的财务状况良好或其风险水平可被银行接受；如果Zeta得分低于预定的Zeta临界值，意味着该企业可能无法按时还本付息，甚至可能破产。
ZETA模型和Z评分模型都是以会计资料为基础的多变量信用风险测定模型。根据模型计算出的Z值能较好地反映借款人在一定时期内的信用状况，作为对借款人的早期预警系统，是预测借款人违约或破产的常用分析方法。
现代信贷风险度量和管理方法
Credit Metrics 市场风险度量制模型
Credit Metrics模型是摩根银行（）于1997年4月推出的计算在险价值VaR的一种信用风险度量模型，是第一个用于度量组合信用风险的模型。Credit Metrics模型以信用转移分析为基础，借助市场风险管理的风险价值（VaR）概念，在给定的时间段内估计贷款及债券产品资产组合将来价值变化的分布状况；通过对任何债券或贷款组合价值的未来分布进行建模，给出组合在未来一定时期内，在给定置信区间内损失的最大值，从而给出信用风险的大小。一般分为四个步骤：一是确立评级体系及借款人从一个信用级别转移到另一个信用级别的概率；二是利用贴现法计算贷款的现值；三是计算出将来信用转移后资产组合价值的变化分布；四是计算在一定置信度下的VaR值。Credit Metrics模型具体计算方法如下：
1.单一债券或贷款的信用风险值计算
偿还贷款额现值V的计算模型：
式中，V为债券或贷款价值；
C为年利息；
M为到期的本金；
r为贴现率；
n为债券到期前的年数。
假设信贷资产平均值为μ，方差为σ2，则：
2.组合债券或贷款的计算方法
（1）公司价值计量模型
根据默顿模型和运用阈值方法，公司资产价值服从对数正态分布并可表示为：
如果P_{Def}表示债务人违约概率，违约时资产价值为V_{Def},则：
式中，Zt − N(0,1),t时间预期限值服从对数分布。
E(Vt) = V0exp(ut)
当满足以下条件时，违约就会发生：
式中，N(g)是一个标准累积正态分布，设d2为违约距离，则：
（2）联合评级概率推导
利用以上计算每笔贷款或新发行债券的阈值，以初始评级为BBB和A级的公司为例，假设每个公司的资产价值正规化后对数收益rBBB和rA服从标准正态分布，则联合正态分布的密度函数为：
对资产最终评级的联合概率推导计算为：
式中，和代表开始评级为BBB和A级公司的最终评级的状态。
（3）联合违约概率推导
借款人1 和借款人2的违约事件分别为Def1和Def2，资产收益相关性是ρ，考虑两个债务人违约概率分别为P_1(Def_1)和P_2(Def_2)，则P1(Def1,Def2)是违约的联合概率。假定资产收益率相关性ρ已知，表示为两种资产标准化的对数收益服从联合正态分布，则：
违约的相关性表示为：
两个借款人违约的联合概率是：
式中，V1、V2分别为两个借款人在时间的资产价值，还可以表示为：
式中，r1、r2分别表示借款人1与借款人2的标准资产收益；和分别为违约距离,N2(x,y,ρ)表示两变量的标准正态累积函数，ρ是x和y之间的相关系数。
KMV模型
KMV模型是一种期权推理分析法，由美国旧金山著名的KMV风险管理公司于1997年研究出的用来估计借款人违约概率的计量方法。KMV模型以默顿信用风险期权定价方法为基础，采用一种从受信企业股票市场价格变化的角度来分析企业信用状况，基本假设是当公司的资产价值低于一定水平时，公司就会对债权人和股东违约。这一水平对应的点就是违约触发点DP（default point）,即公司的资产价值等于负债价值时的点。
KMV模型的基本思路是：首先，KMV模型的分析工具最主要是预期违约概率，是指受信企业在正常市场条件下，在计划期内的违约概率，KMV公司目前发布5000家上市公司1-5年的EDF数据；其次，KMV模型对违约概念的理解，违约被定义为受信企业不能正常交付到期的本金和利息，而且被认为在企业的市场价值等于企业负债水平时就会发生。企业市场价值或资产价值的违约触发点被定为与企业负债水平相等的企业资产价值水平。EDF根据企业资产价值的波动性测算出违约概率；第三，KMV模型的基本特点之一就是通过对公司股票价格波动的分析来寻找其中包含该公司信用状况的信息；第四，KMV模型通过观察借款公司的股票价格以及公司债务的账面价值就可以间接地衡量借款公司资产的市场价值（资产市场价值=账面负债+股权市价）；第五，公司负债的账面价值波动性可以被视为0，因此可以通过观察股票市价的波动得到公司资产的波动性（资产市价的波动性=股权市价的波动性）。
KMV模型理论认为，所有者权益E可以由下列函数式表示：
E=f(A,σA,K,r,t)
式中，A是资产的市场价值；
σA是资产市场价值的标准差，σA=ησE；
K是银行贷款金额，即违约点；
r是无风险利率；
t是贷款到期的期限。
在贷款期限内，当A发生贬值，并且使A＜K时，即公司的资产市值低于贷款金额时，则企业不能如期归还贷款，就会发生违约。计算过程如下：
σA模型中，η是所有者权益对企业资产的弹性系数，, V是企业资产的当期价值；σE是所有者权益的标准差。
计算违约距离DD，它是资产价值A与违约点K的距离，计算公式为：
DD=(A-K)/σA
计算违约频率EDF，它是位于违约点以下的概率大小，计算计算公式为：
计算期望损失额EL, 计算公式为：
EL= EDF×LGD×RE
式中，LGD为违约后损失率，是指违约发生后，损失金额占贷款总额的百分比，LGD=1-RV；RV为恢复率，是指违约发生后，所能够偿还部分贷款总额的百分比。RE为信贷的风险暴露额，一般指可能经受损失风险的贷款金额。
Credit Portfolio View经济计量模型
麦肯锡公司的信用组合观点模型（Credit Portfolio View）是在Credit Metrics的基础上，将宏观经济变量模型化并与借款人的信贷质量相联系，通过对宏观经济周期波动的态势分析和信用周期评价的一种计量经济学信用风险评价方法。
CPV模型的主要思想是在对信用资产的在险价值计量时，考虑了宏观经济因素对信用等级转换概率的影响，确定动态的信用风险转移概率。CPV模型将利率、经济增长率、失业率等宏观经济变量与借款人违约及信用等级转移概率联系在一起，应用计量经济学模型，综合分析历史数据，对基于经济状况和风险期的组合损失分布进行计算，从而生成违约（转移）概率分布。麦肯锡公司借用了Wilson的建模思想，构建宏观模拟模型，以有条件转移矩阵取代以历史数据为基础的无条件转移矩阵，并求出对经济周期敏感的VaR值。CPV模型具体构建步骤：
假设Yt为一定宏观因素所构成的经济状态，Xt为系统宏观变量(包括GDP增长率、失业率等)的集合，vt为非系统宏观变量(指经济体系受到的随机冲击或创新)的集合。则：
Yt= g(Xt，vt)；
Pt= f(Yt)
式中，Xt为已知，vt可用蒙特卡罗模拟法求出。根据此方法，对转移矩阵中的其他元素进行调整，计算出以宏观经济状态为条件的未来各期的转移概率模拟值，得到未来各期的有条件的模拟转移矩阵，从而计算出对经济周期敏感的未来各期的VaR值。
CPV模型包括两个重要组成部分，一个是多因素系统违约风险模型，另一个是计算资产组合信贷敞口离散时间的损失分布。
1.系统违约风险模型
系统违约风险模型主要用来模拟各个国家不同行业的各种信用级别群体违约和信用等级转移概率的联合条件分布，其概率是由GDP、失业率、利率、汇率和总储蓄率等宏观经济因素决定。该模型认为信用周期跟随经济周期而变化，违约概率和信用等级转移率都是与经济状态紧密相连的。CPV认为多样化有助于减少损失不确定性；即使在最多样化的投资组合里，大量系统风险仍然存在；资产组合的系统风险主要是由宏观经济运行状况所导致的，当经济变差时，违约和等级下降的数量就会增加；经济中的不同部门对宏观经济冲击的反映是各不相同的，高β行业对经济周期性变化的反应最敏感。CPV提出将宏观经济因子与违约和信用等级转移概率联系在一起，构建如下多因素系统违约风险模型：
Yjt=βj0+βj1Xj1t+…+βjmXjmt +εjt
式中，j代表某个国家或行业，并假定每个宏观经济变量都服从二级一元自回归模型，并假定条件违约概率采用逻辑函数形式，则：
t期条件违约概率被确定且逻辑函数的形式能确保概率的大小不会超过Yjt式，式中Xj，t= Xj1t，Xj2t…Xjmt，代表国家或行业j在t期的宏观经济指数;εjt为误差项，εjt≈N(0, σj);βj=βj1, …βjm,代表国家或行业j的风险因子的评价系数。每一个宏观经济指数可以用二级单偏差自回归模型（AR2）进行统计：
式中，xj,i,t-1, xj,i,t-2表示宏观经济指数xj,i,t的滞后量，，，为回归系数，为服从正态分布的误差项。
模拟信贷损失模型
CPV模拟信贷损失模型构建步骤，首先确定经济所处的状态，其次估计每个行业部门的条件转移与累积违约概率，最后确定损失分布。在CPV模拟信贷损失模型中，违约率与经济环境有很大关联，在经济衰退时期，违约率会高于违约事件的均值，信用降级的事件会增加，升级的情况会减少。因此，在经济衰退时期：
在经济繁荣时期，则
式中，SDPt表示投机级债务人的违约率；φSDP是其相应的无条件违约概率的历史平均数。据此调整信用等级转移概率矩阵ΦM中的信用等级转移概率，生成以经济状态为条件的信用等级转移概率矩阵：
具体可调整为：当pjt/φSDP＞1时，信用等级下降的概率增加；而当pjt/φSDP＜1时，信用等级下降的概率减少。当模拟任何时间t=1,2,…,T的pjt，则可以生成一个多期的信用等级转移概率矩阵：
第三章 A银行信贷项目风险识别
已有贷款风险识别和评估模型评价
A银行信贷项目风险管理文化
A银行是新中国成立的第一家国有商业银行，前身最早可追溯到1951年成立的农业合作银行，是中国四大银行之一。A银行一直位居世界五百强企业之列，排名“世界银行1000强”第8位。A银行2010年成功实现“A+H”内地香港两地上市，总市值在全球上市银行中排名第5位。A银行奉行稳健的信贷项目风险管理战略，在从国家专业银行向国有独资商业银行转轨过程中，不断优化信贷项目风险管理运行架构，提高风险管理水平。A银行自2005 年起，通过经济资本管理手段，以计量、分配和控制各部门各行业和区域的风险敞口，对信贷项目进行有效风险管理。2007 年以来，采取了一系列旨在改善信贷项目管理基础架构的重要举措，构建了涵盖政策指引、行业政策、区域政策和客户名单制的信贷政策体系，实施差异化的信贷管理策略；推进信贷审批体制改革，建立独立审批人制度，逐步实现信贷业务的集中审查审批和网上作业；制定了新资本协议实施规划，完成了内部评级法的主要项目建设，启动了市场风险内部模型法和操作风险高级计量法。2009 年，构建了全面风险管理体系；加强风险管理部门的独立性和问责制，向二级分行和支行派驻风险主管或风险经理；进一步完善风险管理工具和系统，升级改造信贷管理系统（CMS），全面推行法人客户信贷资产十二级贷款分类管理，不仅对传统的五级分类进行了细化，还从原来以定性为主的划分标准转向以定量为主，从部门分离运作到明确分工、相互配合的工作流程，从以手工操作为主转向以电子化操作为主，将信贷资产划分与代后管理融为一体，推行风险限额管理，加快风险量化技术在风险管理流程中的应用。以内部历史数据的风险计量结果为基础改进经济资本计量，并将经济资本计量范围从信用风险扩展至市场风险及操作风险，从境内分行扩展至海外分行。
A银行已有贷款风险识别和评估模型评价
A银行构建了全面风险管理体系，应用大量诸如将五级分类细化的十二级贷款分类法、回归分析法、聚类分析法、因子分析法和多元判别分析等贷款风险识别和评估模型。传统的信贷风险度量方法容易受主观因素的影响，而且对人的素质要求极高；传统的以主要财务指标为基础的信贷风险识别计量模型由于其假设条件的区别，优缺点并存。优点主要体现在这些模型有较强的解释性，风险识别计量模型的变量系数一般均有一定的涵义，缺点主要体现在其假设条件较为严格，而往往现实中的相关数据难以满足模型的条件要求，因为银行信贷风险存在诸多不确定性的因素，这些不确定性因素对银行信贷风险的影响实际上难以用确切的定量关系进行描述。而且由于财务会计的信息并不能全面地反映企业经营的实际信息及外部环境的变化；现实实际往往是非线性的，基于线性假设的线性识别模型和线性概率模型的准确率有局限性；虽然随着发展可以采用对数变换等技术手段和方法进一步予以改进，但同时还会出现其他变量涵义不清晰等系列问题和不足，缺乏必要的理论支持。
基于Elman神经网络的评估模型建立
Odom(1990)将神经网络分析方法引入到信用风险测度之后，神经网络分析方法得到较快的发展和实践应用。运用基于Elman神经网络的风险识别方法对商业银行信贷风险进行评估，能够较好地反映信贷过程中的非线性因素，能较为快速地进行风险评估度量并有效降低银行信贷风险，信贷风险评估测度准确性较高。E1man神经网络更有利于解决非线性问题，由于其克服了传统分析方法在分析过程中的复杂性和模型函数选择的困难，因此在非线性条件下的更方便模式识别、建模与计算。
神经网络模型基本思想
最先提出神经网络是在人脑模型领域，那里的隐单元表示神经元，当到达神经元细胞的信号超过了特定的临界值时，神经元细胞就会被激活。在神经网络计算方法中，单层神经网络将回归函数设计为：
式中，β0，β1，…βm, ，W1,…, ，Wm是未知参数，称为神经网络的隐单元，h称作激活函数并通常作如下s型函数：
除了s型函数，h有时会用高斯核函数表示，这样在神经网络中用来替代，于是得到以下径向基网络：
Elman神经网络由输入层、关联层、隐层和输出层四层递归神经网络结构组成。Elman神经网络的输入层、隐层和输出层的连接类似于前馈网络，输入层的单元仅起到信号传输的作用，输出层单元则起到线性加权的作用。隐层单元的传递可采用线性或非线性函数，关联层用来记忆隐层单元前一时刻的输出值。Elman神经网络的非线性状态空间表达式如下：
其中，Y，X，U，Xe分别表示m维输出结点向量，n维中间层结点单元向量，r维输入向量和n维反馈状态向量。w3，w2，w1分别表示中间层到输出层、输入层到中间层、关联层到中间层的连接权值。G(k)为输出神经元的传递函数，是中间层输出的线性组合。F(k)为中间层神经元的传递函数，采用逻辑斯蒂函数表示：
Elman神经网络采用误差平方和函数进行权值修正后的公式如下：
神经网络模型构建
1.参数确立
银行信贷风险评估Elman模型结构可以用Elman神经网络模型输入输出的节点数、隐含层数量与各隐含层的节点数来表示。输入节点的数量是信贷风险测评指标的数量，Elman模型的输出节点数既可以输出一个，也可以输出多个；分类模型的输出节点数量可以采用假定条件，假设贷款信用等级为m级，那么，Elman模型输出节点数则是m或log2m。一般我们将有多个输出的网络模型变为多个只有一个输出的网络模型，以简化网络结构。在此，我们按A银行的业务需要，将贷款信用等级分为AAA、AA、A、B、BB、BBB六级，并参照信用评分法，将模型的输出转换成一个连续型的变量，其取值范围与不同的信用等级相对应如下表（表3-1）：
表3-1 模型输出与信用等级转换关系表
信用等级
训练阶段模型输出
应用阶段模型输出
AAA
O．95
（，）
AA
0．85
（，)
A
O．75
（，)
B
O．65
（，)
BB
O．55
（，)
BBB
O．45
（，)
2.模型建立
我们采用扩张法确定隐含层节点数的合理范围，通过实验确认较好的隐含层节点数介于输入与输出节点数之和的50%-70%范围；并且隐含层节点数m须小于N>1(N为训练样本数)。
Elman神经网络模型与模型本身结构、样本数据特点和数量、模型初始权值和模型的学习参数等多种因素有关。Elman模型的求解速度等价于BP学习算法的收敛速度，用达到指定误差精度时的学习次数表示。学习率η、动量因子和收敛误差界值E(w)等是Elman神经网络模型算法训练速度的影响参数。学习率η取值范围为0<η<1；动量因子常量为0<<1，动量因子取值一般比学习率大，主要是为了避免模型训练陷于较浅的局部极小点，具体可根据实际情况确定。误差界值E是根据模型的收敛速度大小和具体样本的学习精度进行选择，选择较小的E值时，模型分类精度高、收敛速度慢、训练次数增加，可根据实际情况预先对误差界值E(w) 进行确定。
以表1中AA类信用等级为例，模型输出误差的计算AA取值为，在将评估模型输出转换为信用等级分类时，(，)区间的值映射为AA类，则：
=()2=
综合对模型的收敛速度和分类精度的评估考量，选择评估模型的误差界值E(w)为。
第四章 A银行信贷项目风险分析和度量
变量选择
Credit Metrics模型作为一种基于VAR的用于度量银行信贷项目风险的模型，是第一个用于度量组合信用风险的模型。Credit Metrics模型将资产信用等级迁移、贷款违约概率、挽回率及违约相关矩阵纳入其中，借助市场风险管理的VAR概念，通过对贷款组合价值的未来分布进行建模，对信贷项目风险进行综合度量，给出组合的信用风险大小。下面运用Credit Metrics模型对A银行信贷项目进行风险分析和度量。
条件假设
1.假设贷款组合在未来没有市场风险的存在，未来价值和风险完全由远期分布曲线决定时，信用是模型中唯一的变量，市场风险与信用风险无关。
2.模型转移概率矩阵遵循马尔可夫过程，转移概率矩阵为历年矩阵求平均值，信用等级在某一年内的转移概率独立于过去时期。
3.假定转移概率矩阵在不同时期内完全不变，且对不同类型的借款人一致。
4.假定贷款组合的相关系数为1，以便简化模型计算。
5.基于A银行对贷款企业的信用评级实际，设置风险期为1年。
变量选择
根据A银行某支行200*年末的公司贷款数据(如表4-1)，A银行贷款评级适用中国人民银行五级分类（即正常、关注、次级、可疑和损失五级）标准，样本数据从性质上能代表所有未到期的数据；样本数据借款人涉及多个行业，主要包括房地产、食品加工、生物医药、教育和金融投资等行业，样本的贷款总量占到该支行贷款总额的80%，样本数据具有一定的代表性。
表4-1 A银行某支行200*年末贷款数据情况表 单位：万元
序号
借款人类型
五级分类
贷款金额
剩余期限
利率
贷款方式
1
生物医药
正常
2300
2
抵押
2
生物医药
正常
1090
1
抵押
3
生物医药
关注
1800
1
抵押
4
生物医药
正常
500
3
保证
5
生物医药
正常
750
2
抵押
6
食品加工
正常
2700
4
信用
7
食品加工
正常
1000
1
抵押
8
食品加工
可疑
800
1
抵押
9
食品加工
正常
500
1
抵押
10
食品加工
次级
600
2
抵押
11
房地产
正常
600
1
抵押
12
房地产
正常
300
1
抵押
13
房地产
正常
500
1
抵押
14
房地产
次级
500
1
抵押
15
金融投资
次级
800
2
担保
16
金融投资
关注
500
2
担保
17
教育
正常
8000
4
信用
18
教育
正常
4500
3
信用
19
饲料
可疑
400
1
抵押
20
饲料
次级
700
2
抵押
模型建立
建立信用等级转移矩阵
信用等级转移矩阵建立在离散时间的基础上，根据每一资产当前评级状况转移到下一个信用等级的概率。CreditMetrics模型分析框架中的一个很强的假设前提就是具有相同信用等级的借款人都是信用同质的，他们都具有相同的转移概率矩阵，因此，根据历史数据可得到不同的信用等级之间相互转化的概率。我们假设某一时间段t0…t内，均匀发生了n次信用等级变动，期间的各时点信用等级为i的公司数量为A0i，A1i,…Ani，那么从信用等级i转移到j的公司数量分别为A0ij，A1ij，…A(n-1)ij,这一时期的信用等级转移概率可以用以下公式计算：
据此，我们可以得到各个信用等级转移的矩阵，并根据A银行本案例200*-200*年5年间的公司评级数据得到该支行信用等级转移矩阵(如表4-2)：
表4-2 A银行某支行信用等级转移矩阵（%）
等级
正常
关注
次级
可疑
损失
正常
关注
次级
可疑
推导远期贴现率
远期贴现率等于未来零收益利率曲线，加上用以弥补银行风险以及各类营运成本的信用价差(如表4-3)，通常选取对应期限的国债利率分别为：1年期%，2年期%，3年期%，4年期%，5年期%)。具体推导过程为：
表4-3 信用风险溢价
贷款等级
1年期
2年期
3年期
4年期
正常
关注
次级
可疑
假设当期利率为Xi(i=l，2，3，…n)，远期无风险利率为ri(i=l，2，3，…n)，则：
据此可以推导远期1年的无风险收益率，并计算出未来2-4年远期无风险收益率：
r1=%；
未来2-4年远期无风险收益率分别为：
r2=%；
r3=%；
r4=%。
无风险收益率加上不同级别相应期限的风险溢价就得远期的有风险收益率。如1年期%加上正常级别1年期的风险溢价%为远期1年的正常级的风险收益率%，如此可推导出不同等级下的贴现率(如表4-4)。
表4-4 不同等级下的贴现率（%）
贷款等级
1年期
2年期
3年期
4年期
正常
关注
次级
可疑
计算违约回收率
违约回收率的计算可以根据历史数据计算，即根据银行近几年的实际贷款数据，计算不同信用等级在借款人的违约回收率，通过加权平均计算出各信用等级贷款的回收率。按此方法我们计算出A银行的信用等级的贷款回收率分别为：
正常100%；
关注87%；
次级60%；
可疑35%。
模型计算与分析
1.单笔贷款的信用风险值计算
偿还贷款额现值V的计算通过建立以下数字模型：
其中，V--贷款价值；
C--每年的利息；
r--远期贴现率；
n--贷款剩余期限；
M--贷款金额。
假设信贷资产价值V的平均值为μ，方差为σ2，信用等级转移概率为Pi，那么：
计算的贷款价值的均值（μ）和方差（σ2）如表4-5：
表4-5 贷款价值的均值（μ）和方差（σ2）
序号
μ
σ2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
2.贷款组合的信用风险值计算
贷款组合的均值：
贷款组合的方差：
251,（万元）。
标准差σp=万元。
该组合贷款在正态分布下的信用风险估值为：
99%置信度的Var=，σp=，组合价值μσp =29401．65；95%置信度的Var=σp=，组合价值μσp =29，744．86。
3.计量分析
在贷款价值假定为正态分布条件下，该组合资产VAR值与预期均值相比1%可能性损失为万元，5%可能性损失为万元。
根据巴塞尔新协议资本充足率的相关规定，资本充足率不得低于8%，该贷款组合总计28840万元，最低风险资本金为万元，比在正态分布下1%的在险价值万元多出万元。说明A银行该支行的信贷结构和当前的VAR值较为合理，风险处于可控状态。
第五章 A银行信贷项目风险控制和规避
建立由各相关宏观经济变量组成的风险预警指标体系
通过构建信贷风险预警体系，能够对银行信贷项目的相关指标、经营管理活动和信贷风险进行动态监测和分析，及时发现风险和隐患，有效规避信贷风险，确保我国商业银行业务的高效运行和持续
Credit Portfolio View模型是现代银行信贷风险度量比较先进的方法之一，其最显著的特点就是将宏观经济变量模型化并与借款人的信贷质量相联系，在分析计算信用资产VAR时，对宏观经济因素的影响进行了充分的考虑。CPV模型将GDP增长率、失业率、利率、汇率和总储蓄率等宏观经济变量与借款人违约及信用等级转移概率相联系，并应用计量经济学模型和历史数据分析，构建多因素的信贷项目违约风险管理模型。CPV模型由于充分地考虑了宏观经济因素对信用等级迁移的影响，因此具有盯市性的特点，也提高了信用风险度量的准确性，它不仅适合单个借款人也可以适合多个借款人。由于该模型对国家行业数据要求高，因此，建立相关的宏观经济变量对有效应用CPV模型尤其重要。
完善风险信用评价管理模型
巴塞尔新资本协议反映了当今先进的风险管理技术和监管理念与实践，代表了世界资本监管的大方向。目前，全球银行业已经进入了全面推进“巴塞尔资本协议II”的时期，2010年11月召开的20国集团领导人首尔峰会上批准了“巴塞尔资本协议III”，不仅大幅提高了对银行资本、流动性的监管标准，还进一步强化了金融机构风险处置机制，全球银行业迎来了一个全新的资本监管时代。
我国银行业近年来改革和发展取得了较大的突破，整体抗风险能力有所增强，但总体而言，我国银行业无论从体制还是机制建设上仍然处于发展的初期，风险管理的基础还不够扎实，仍缺乏有效的风险管理体系和抵御风险的执行能力。我国商业银行在风险管理上与国际领先的银行相比仍有一定的差距，主要体现在：目前我国商业银行的信用管理仍普遍采用传统的信用评分法，即选取一定的财务指标和其他定性指标，由专家判断或其他方法设定每一指标的权重，评级人员根据事先确定的打分表对每一个指标进行打分，再根据总分确定其对应的信用级别。传统的信用评分法虽然操作性强、简单易行，但也存在管理的基础是过去的财务数据，缺乏对未来发展趋势的预测；缺乏足够的数据资料，根据经验或专家判断而选取的指标和权重缺乏客观依据，预测结果难以准确反映管理对象的信用风险；缺乏对现金流量充足性的分析和预测，较难反映管理对象未来的真实偿债能力；行业分析研究不足，不能反映行业的不同特点，对不同行业间的比较不够等方面的缺陷。同时，我国商业银行对操作风险的管理流程源于计划经济时代的审批程序，严密审慎的逐级授权制度及与业务部门独立的内审稽核机制仍处在完善阶段，离精确度量、监控、缓释和控制操作风险仍有较大的差距。
面对全球化的挑战和在海外上市的要求，我国商业银行只有不断强化风险管理，才能全面提升核心竞争力，保持银行稳定持续健康发展。我国作为巴塞尔委员会成员国，在巴塞尔新协议框架下，选择与自身实际相适应的方法，建立和完善与国际接轨的风险管理模型和制度，已成为风险管理工作的当务之急。其实，无论选择哪种风险管理方法，其关键环节还是集中在数据采集上，需要通过采集数据并进行数据挖掘和分析，最终以数据分析的结果支持银行的核心业务，因此，建立银行业行业数据库意义重大，只有建立起相关行业的信用数据库，才能有效地保障和支持高级的风险管理体系。在此基础上，可以学习和借鉴国外先进科学的技术来度量和管理信贷风险，建立和完善适合自身的高级量化信贷风险管理模型，构建能对信贷项目进行风险识别、度量和控制，进行风险管理绩效评估，最终实现对银行信贷资产进行有效的组合管理的高级的信贷风险管理系统，而其中的关键在于信贷风险的科学测度，它关系到整个风险管理体系的成败。通过建立和完善银行内部信贷风险度量模型，对预期违约概率、赔付率与贷款损失等变量进行有效评估，根据信贷风险度量结果制定明确的信贷风险管理政策，如授信的对象、额度和期限等。同时通过对个体分析和组合分析风险收益的比较，尽量分散和降低贷款组合的总风险，实现对信贷项目风险的有效动态管理。
强化风险信贷项目内控制度
内部控制是银行信贷项目操作风险管理的最根本的方法，有效的内部控制可以从源头上防范风险。
建立和完善内部监控管理体系
1.建立A银行内部控制机制
根据《商业银行法》、《商业银行内部控制指引》、《企业内部控制基本规范》、巴塞尔银行监管委员会的指南等对企业内部控制建设的要求，A银行从内部环境、内部监督、控制活动、风险评估和信息与沟通等方面构建多层次、全方位、一体化的内部控制体系。建立了“三会一层”的公司治理架构，在董事会下设立战略规划委员会、“三农”金融发展委员会、审计委员会、风险管理委员会等决策议事机构。设立专门的风险管理部门和内控合规部门，明确内控合规部为本行内部控制的牵头管理部门，并上收一级分行审计职能，建立董事领导下实行垂直管理和独立于业务经营管理的内部审计体系。通过不断调整和优化组织结构，形成了由决策层、建设执行层和监督评价层组成的内部控制管理框架。通过不断完善公司治理架构，构建全面风险管理体系，注重业务精细化管理和流程化建设，提升信息技术水平，建立多渠道监督制约机制，促进内部控制水平的持续提高。
2、确立内部控制体系建设的目标和原则
A银行内部控制体系建设的总体目标：
（1）确保全行发展战略和经营目标的全面实施和充分实现；
（2）确保国家法律规定和内部规章制度的贯彻落实；
（3）确保风险管理体系的有效性；
（4）确保业务记录、财务信息和其他管理信息的及时、真实和完整；
（5）确保全行资产和客户资金的安全。
A银行内部控制体系建设遵循的原则如下：
（1）全面性原则。内部控制应当贯穿决策、执行和监督全过程，覆盖全行所有机构的各种业务和事项；
（2）重要性原则。内部控制应当在全面控制的基础上，关注重要业务事项和高风险领域；
（3）审慎性原则。内部控制应当以防范风险、审慎经营为出发点，业务经营管理，尤其是设立新机构、开办新业务、开发新产品或运用新技术，均应当体现“内控优先”的要求；
（4）制衡性原则。内部控制应当在治理结构、机构设置及权责分配、业务流程等方面相互制约、相互监督，同时兼顾运营效率；
（5）适应性原则。内部控制应当与本行经营规模、业务范围、竞争状况和风险水平等相适应，并随着情况的变化及时加以调整；
（6）成本效益原则。内部控制应当权衡实施成本与预期效益，以适当的成本实现有效控制。
3、建立和完善内部控制制度体系
A银行通过深入贯彻落实《企业内部控制基本规范》，明确了“抓合规、控风险、促发展”的内控管理理念，构建了内部控制体系基本框架，并指导全行内部控制建设。修订《分支机构内部控制评价办法》，充实评价内容，改进评价方法，提高评价效率，从而更加客观公正反映分支机构内控管理情况。通过扎实推进合规手册编写和审核工作，组织合规手册编写培训班，下发《法人客户授信业务操作手册》和《数据中心管理手册》，分别对全行涉及法人客户授信业务的操作流程和数据中心管理流程进行了规范。
4、进一步完善内部控制的措施
（1）优化内部控制环境，夯实内部控制基础；
（2）全面推广核心理念，培育良好企业文化；
（3）健全风险管理体系，提升风险管理技术水平；
（4）规范完善业务流程，推动业务健康发展；
（5）加快信息系统建设，充分实现信息资源共享；
（6）创新监督检查方式，落实内外部整改要求。
建立和完善内审体系
A银行建立了独立、垂直的内部审计体系。内部审计机构对全行的经营管理、经营行为和经营绩效进行审计和评价，向董事会负责并向其报告工作，接受监事会的指导，接受审计委员会的检查、监督和评价。审计机构由审计局和十个审计分局组成，审计局统一组织、管理和报告全行审计工作，审计分局是审计局的派出机构，负责指定的内部审计工作，向审计局负责并报告工作。为了确保国家法律法规和本行各项制度的贯彻执行，A银行不断完善内部审计体制，定期不定期地由审计部门对业务部门操作控制情况、制度执行情况、自我评估程序的有效性进行督促检查，对本行风险管理、内部控制和公司治理效果进行评价并促使风险控制在可接受的水平，不断改善全行各项业务运营与管理活动。
第六章 A银行信贷项目案例分析
A银行C房地产项目贷款的基本情况
C房地产项目概况
C房地产项目位于*市*路*号，项目用地面积约70 亩。开发商为B房地产公司，拟开发建设小高层商品房，总建筑面积万M2，其中住宅万 M2，地下车库万M2。项目开发周期预计为30 个月，分两批开发，首批开发面积为万M2，第2批开发面积为万 M2。项目用地为公开拍卖方式取得，已缴纳土地出让金等费用550万元并已取得《国有土地使用权证》；拆迁、三通一平工作已基本完成，完成立项和建筑初步设计，取得《建设用地规划许可证》，正在进行项目工程施工图纸设计。该项目总投资为25080万元（如表6）；项目资金拟由B房地产公司自筹资金4300万元，项目工程施工单位垫资1000万元，向A银行*市支行申请贷款金额共9000万元；项目贷款性质为房地产开发贷款；贷款期限为2年；贷款方式为抵押。
表6 C房地产项目投资估算与效益分析表
序号
项目
费用（万元）
备注
1
项目总投资
25080
土地费用
5310
建安费
17480
地上土建费
10251
850 元/M2
地下土建费
2340
1300 元/M2
设备、安装费
4889
报建费税
1313
报健费用
723
60 元/M2
营业税
590
税率5%
配套费
477
设计费
150
道路绿化环卫费
277
150 元/M2
围墙
50
其他费用
500
2
项目总销售收入
38660
住宅销售收入
36000
3000 元/ M2
车位销售收入
2660
70000元/个
3
成本费用
25080
管理费
300
100 万元/年
利息
700
年息7%
销售费用
603
50 元/ M2
其他
23477
4
销售利润
11647
5
所得税
33%
6
净利润
借款人简介
B房地产公司成立于1999年，具有三级房地产开发资质，公司注册资本为5000万元。公司管理人员共有160人，其中高级工程师10人，工程师、经济师55人，助理工程师19人。B公司已累计开发面积近30万M2 ，有3年郊县房地产开发经验。截止200*年末，公司总资产为亿元，总负债8600万元，净资产亿元，资产负债率44%，完成销售收入2200万元，实现利润416万元，净资产利润率%。公司信用等级为AA级。
贷款风险事件的发生
问题贷款的产生
A银行*市支行通过对贷款项目评估后认为，B房地产公司与A银行*市支行有多年的信贷关系，B房地产公司及其母公司具有一定的经济实力信用良好。C房地产项目地处本市机场路边，项目周边有一批高中低档住宅小区，交通便利，具有完备的购物、生活和上学等配套设施较完善，具有良好的地理位置优势；项目定位较为合理，采取小高层高档住宅，售房均价3000 元/M2，价格定位有竞争优势，性价比较高；项目户型设置较有吸引力，以点式住宅单元组合布置为主导，立面造型中西结合，小区整体布局合理，设有地下停车位，物业实现智能化服务管理，小区定位具有特色优势。项目有良好的发展前景，项目贷款的风险可控，能给银行带来较高回报期望，A银行*市支行于200* 年9 月，批准了C房地产项目贷款，贷款授信额度为5000 万元，贷款期限为3 年。
A银行*市支行批准C房地产项目贷款后，B公司的C房地产项目相关手续也陆续完善，银行在完善抵押担保有关手续后， 200*年底发放了贷款2000 万元，项目一期开发的万M2 的工程顺利展开并正式发售，住宅销售顺利，开发商与一有实力集团公司达成150 套的住宅定向买卖协议，车库销售相对不太理想。到C项目一期主体全部完成，并开始进行内外装修时，银行发放的项目贷款已达4000 万元。一期已销售的住房率达%,销售合同金额达亿元，住房基本达到预期销售目标，车库销售仍不够理想。项目资金已经投入已达亿元，内外装修等所需资金不到1000 万元，按理此时的贷款项目风险已经很小了。可是，也就在进入项目工程收尾阶段，施工进展异常缓慢，临近交房时间了，可现场并见不到赶工迹象。经银行深入调查后发现，集团定向购房款已按合同支付了90%达4500 余万元，开发商挪用资金严重，挪用资金超过7000万元；而开发商拖欠施工单位工程款、材料款等总额达2300多万元，B公司出现了信用问题。
问题贷款成因分析
1.信用风险是本个案问题贷款的内因
我国商业银行的现状客观存在有90%以上的收益来自存贷净息差，信贷业务作为我国银行的主要业务，在相当长的一段时间信用风险仍将是我国银行面临的主要风险之一。本个案问题贷款的内在原因来自于借款人的信用风险，也可以说是我国普遍存在的信用基础脆弱性风险。由于我国市场经济发展还不够深入，机制也不够完善，现实中人们还没有养成按信用规则行事的习惯，信用制度、法律法规等与信用活动相关的规则不够健全，社会信用基础较为薄弱，信用素质不高，借钱不还、强制拖欠甚至金融诈骗案件时有发生。大量三角债的存在恶化了信用关系的基础，破坏了信用环境，常常形成银行对经济实体的贷款不是增大银行对借款人的调控杠杆自主性，而是借款人以银行贷款为资产人质的倒逼银行信用现象，本个案就是典型的倒逼行为。
2.银行自身的贷款风险管理问题
本项目在贷款风险评估过程就发现诸多存在问题，主要体现在：一是开发商的经营管理经验问题，C项目开发商在大城市运作大型、高档的房地产开发项目的经验还较为欠缺，之前几年仅在郊县有过房地产开发的运营管理，对大型房地产项目的资金和成本管理经验不足；二是项目前期报建相关手续不齐，送交银行进行项目评估时，项目《建设工程规划许可证》等证件还没有办妥，尤其是施工图设计还没有完成，这些将会对项目评估的准确性带来影响；三是项目开发商在资金自筹上准备不足，项目总投资25080万元，项目自筹资金仅5300 万元，占总投资的%，而且还要求工程施工企业垫资1000万元；四是项目计划使用售房款转资比例过高，预转投资达亿元，占总投资的43%，项目开工后如果预售不顺畅，项目将会因为资金缺口而带来较大的风险。这些存在的问题从不同的层面反映了贷款安全隐患，但由于银行内部信贷风险管理机制上的问题，对贷款的安全性重视不够，是产生问题贷款的一大祸根。
问题贷款风险控制与回收
贷前控制
A银行*市支行在贷款发放前的风险控制如下：
首先，要求开发商完善项目前期相关手续，继续办理《建设工程规划许可证》和《施工许可证》等有关建设证件，在这些重要证件没办妥之前，银行不予发放贷款。
其次，重新安排资金。要求开发商自筹资金务比达到30%达到7524万元，自筹资金缺口2224万元部分要求开发商承诺，在C项目开工后陆续将自筹资金募集到位投入使用。
第三，适当延长贷款期限，项目原预计工期为30个月，综合考虑各方面因素，银行为了防止出现不良贷款，将贷款期限作适当延长后定为3年期。
第四，进行项目贷款抵押。为了控制贷款担保风险，C项目贷款采用项目用地等抵押方式，项目用地经中介机构评估后定价为4550万元，银行抵押率为60%，不足部分在贷款时由开发商另行提供其他抵押物。
第五，落实项目监管措施。对项目资金进行封闭管理，在银行设立收入和支出专户，对支出进行逐笔审核；实行监管员负责制，项目监管员对项目进行监管；严格控制销售费用，要求开发商承诺在贷款未归还完毕前不得随意挪用销售收入。
贷后控制
问题贷款出现后，A银行*市支行采取了以下控制措施：
1.强化对资金的监控
针对开发商的信用问题，银行委派专人入驻项目现场，对一期售房合同进行逐户核实，严格对售房合同的控制管理，确保售房款项进入银行专户；清理未销售住房，逐套进行核实并保证销售房款进入银行专户，防止资金再次被挪用。
2.解决资金缺口问题
由于开发商采取售房款不入账、虚报工程材料费等手段挪用资金达7000 多万元，原来要求开发商增加的自筹资金没有按时到位，致使项目资金出现缺口现象，一期工程已经接近尾声，工程尾款缺口1500 多万元急需解决，为确保项目能按期交房，避免购房者退房或进行索赔要求，银行被迫追加项目贷款800 万元；同时要求开发商继续落实自筹资金500 万元，尽快落实购房度的资金回笼以弥补资金缺口现象。
3.补充贷款抵押物
C项目的前期贷款抵押物是C项目土地使用权，项目在建房屋实际已出售80%以上，为了避免悬空贷款抵押，A银行*市支行要求开发商补充贷款抵押物，在A银行的要求下，B公司将一大厦的部分产权和一宗土地评估作价4000多万元向银行进行补充抵押。
4.二期工程缓建
基于项目一期工程出现的问题，考虑到开发商挪用资金信用缺失已经影响了项目售楼形象，项目二期工程如果销售不佳，再次出现资金问题就会给项目带来更为恶劣的影响。因此，A银行*市支行不同意开发商提出的立即由新的建筑施工单位垫资启动二期工程，通过预售回笼资金的方案，而要求开发商集中人财物及时完成一期工程保证资金到位，挽回不良影响，缓建二期工程项目。
案例结论
综观上述，A银行*市支行对C项目在贷款风险管理上有许多启示，主要体现在：
1.信用风险是产生问题贷款的内因
信用风险是银行业面临的最古老的风险，我国商业银行的发展现状，客观上决定了我国银行业在相当长的一段时间将是面临着信用风险。由于机制的不完善，信用制度、法律法规等不健全，人们的信用规则行事习惯和社会信用基础较薄弱。本项目开发商虽然对银行作了自筹资金到位、专户管理资金和不挪用资金等承诺，但实际并不守信，是产生贷款风险的内在原因。
2.银行自身经营管理存在问题
（1）项目评估存在不足
A银行*市支行对本贷款项目借款人资信评估时，对开发商的前期静态信用作了评估而且较为关注，但对动态信用风险重视不足，A银行*市支行与开发商有多年的信贷关系，过去连年信用等级为AA级，信用记录表现良好，银行是作了静态测度，但动态评估不够深入，导致后期建设期间贷款风险的出现。同时，A银行*市支行在资信评估时，虽然对B公司的大型房地产开发项目管理经验提出过质疑，但在风险管控上没有采取相应的有效对策。另外，银行评估时忽略了资产的流动性和变现能力，对借款人的偿债能力评价不足。B公司总资产亿元，净资产亿元，总负债8600万元，资产负债率为44%，从这些财务指标看B公司有一定的经济实力。但是，B公司的资产结构不够合理，流动资产明显不足，流动比率偏低，存量资产变现能力不高，公司的短期偿债能力不足。这些在贷前没有引起A银行*市支行的高度重视，也成为本个案问题贷款出现的原因之一。
（2）制度的执行力不强
本项目A银行*市支行在信贷项目管理制度的执行上力度不够，主要表现为，A银行*市支行对C项目的贷款和销售资金要求专户管理，但银行项目监管人员的管理经验缺乏，尤其缺乏房地产项目管理的相关专业业务和经验，监管人员工作频繁调动，对项目资金的管控能力不高，管理不到位，没有对项目的实际销售情况进行认真核对，粗放式的管理造成开发商大量挪用了资金。
（3）风险管理措施不力
问题贷款出现后，A银行*市支行在风险管理上，采取了如追加贷款保证一期工程竣工交房，补充悬空贷款抵押物等一些补救措施。但缺乏相对强有力的风险控制手段，如介入B公司的经营管理和决策，增加信息对称性等。主要通过帮助开发商实施自救，一旦借款人自救失败，最后只能通过法律手段来解决问题贷款。
3. 对项目的风险管控不力
房地产开发行业是资金高度密集的行业，按当时房地产开发的合规贷款要求，房地产开发建设项目自筹资金投入必须达到30%以上。C项目开发商自有资金很低，自筹资金不足30%,本身就存在较大的风险。A银行*市支行虽然要求开发商自筹资金投入要达到30%以上，开发商也向银行承诺陆续到位，但在实际资金来源还没有具体落实的情况下，银行就开始发放贷款，贷后银行也没有及时严格敦促开发商落实自筹资金到位，带来了资金缺口的风险。在担保风险控制上，虽然采用了在建项目用地作抵押物，但往往抵押物随着商品房销售而发生了转移，容易造成抵押担保悬空。另外，在项目销售风险评估测度把握不足，C项目的住房销售超出了预期，一期销售率超过了90%，但车库销售远达不到预期，由于经营理念跟不上，导致大量车库形成积压。
第七章 结论与展望
本文针对商业银行信贷风险管理现状、A银行信贷项目风险识别、风险分析和度量及风险控制和规避进行了深入的分析，选择银行信贷项目风险管理为研究主题进行了较全面的研究。
随着金融全球化的迅速发展，金融市场的波动性不断加剧，商业银行的信贷风险相应增大，银行业之间的竞争也越来越激烈，我国银行业在巴塞尔协议框架下信贷风险管理面临许多新的问题，本文选题具有一定的理论和实践意义，在深入分析银行信贷风险管理各种先进手段和方法的基础上，针对银行信贷项目风险识别、风险分析和度量及风险控制和规避进行了研究探讨，得出银行信贷项目风险管理的以下主要研究成果：在分析银行信贷风险管理中的Zeta 和Z评分模型及Credit Metrics 市场风险度量制模型、KMV模型和Credit Portfolio View经济计量模型等为理论基础，构建A银行信贷风险分析和度量模型，提出构建适合A银行自身的信贷风险管理体系，优化A银行风险管理模式以及Elman神经网络模型的构建，提高信贷风险识别、控制和规避能力。
本文运用较规范的研究方法并结合实证研究，对银行信贷项目风险管理进行了较系统的研究，为完善银行信贷风险管理研究提供理论依据。由于受到对相关资料收集的局限性，本论文研究的内容仅限于银行信贷项目风险管理方面的问题，加上时间限制和经营欠缺，文中部分内容尚待进一步剖析和解决，请各位专家批评指正，以期今后有机会进一步进行完善与提高。
参考文献
[1]Brian J. Ransom. Using Models in Managing: Credit-Risk Portfolios[J]，Commercial lending review, Fall 2001.
[2]Odom M D,Sharda neural network model for bank ruptcy prediction[A]. Proceedings of the IEEE Internation-al Joint Conference on Neural Netwo rks[C].1990,2:163-168.
[3]Maurizio Pmpella. Framework for Credit Risk Management[J]，Journal of Risk and Insurance, Malvern; Mar 2003.
[4]Coats P, Pant L. Recognizing financial dist ress pat terns using a neural network tool [J]. Financial Management,1993,22(3):142-155.
[5]Kerling M , Poddig T. Klassifikation von Unternehmen mittels KNN[A]. H Rehkugler, H G Zimmermann. Neu-ronale Netze in der Okonomie[C]. Munchen, 1994.
[6]Piramuthu S. Financial credit-risk evaluat ionwith neural and neurofuzzy systems [J]. European Journal of Opera-tional Research,1999,112(2):310-321.
[7]梁琪.商业银行信贷风险度量研究[M]，北京：中国金融出版社，2005.
[8]王顺.金融风险管理[M]，北京：中国金融出版社，2007.
[9]徐成贤，薛宏刚.金融工程：计算技术与方法[M]，北京：科学出版社，2007.
[10]陈德胜，文根第，刘伟等.商业银行全面风险管理[M]，北京：清华大学出版社，2009.
[11]周脉伏，成琴，葛大江.信贷风险管理[M]，成都：西南财经大学出版社，2009.
[12]顾晓安.问题贷款识别与防范[M]，上海：立信会计出版社，2010.
[13]黎子良，邢海鹏.金融市场中的统计模型和方法[M]，姚佩佩译，北京:高等教育出版社，2009.
[14]IBM中国商业价值研究院.IBM中国商业价值报告：行业与发展[M]，北京：东方出版社，2007.
[15]江刚.商业银行信贷风险控制研究[D]，西南交通大学，2006.
[16]吕岩.我国商业银行信贷风险管理研究[D]，南开大学，2007.
[17]王冰.银行信贷项目风险控制研究[EB/OL]，, 2011-03-10访问.
[18]李剑锋．我国商业银行信贷风险管理与控制研究[J]，职业圈，2007，（6）.
[19]魏宇林.浅析我国商业银行信贷风险管理[J]，决策探索，2010，（20）：68-69.
[20]蒋正星.浅析我国商业银行信贷风险与控制[EB/OL]，
[21]李兴法，王庆石.基于CreditMetrics模型的商业银行信用风险应用研究[J]，财经问题研究，2006，(12).
[22]索贵彬，赵国杰. 现代信用风险度量模型的适用性[J]，西北农林科技大学学报(社会科学版)，2006，（01）.
[23]黎鹏飞．当前通货膨胀环境下商业银行发展策略研究[J]，中国高新技术企业，2010，（35）.
[24]汪婷．信用风险度量模型及其在我国的应用研究[D]，江西财经大学，2006．
[25]刘颖．信用风险评级模型的应用研究[D]，天津大学，2007．
[26]魏杰琼．国有商业银行信贷风险控制模型研究[D]，西北工业大学，2006．
[27]孔松泉．基于银行微观信贷风险管理的理论与方法研究[D]，东南大学，2002．
[28]汉丽萍．基于风险管理的商业银行内部控制研究 [D]，西南财经大学，2008．
[29]郭宁宁．商业银行资产组合管理机制的框架与流程[J]，现代金融，2008，（01）.
[30]王丽君．商业银行内部风险管理研究[J]，现代商业，2008，（24）.
[31]孙月静．股份制商业银行公司治理绩效的实证分析[J]，财经问题研究，2006，（03）.
[32]马超群．商业银行信贷风险及其度量模型研究[J]，现代管理科学，2006，（10）.
[33]王祥．商业银行内部控制制度的分析研究 [J]，China,s Foreign Trade, 2010，（16）.
[34]伊玲娜．浅析我国商业银行信贷风险管理的现状[J]，现代经济信息，2010，（14）.
[35]李丹娜.商业银行信贷风险分析及对策研究[J]，黑龙江金融，2009:94-95.
[36]毕桂凤.我国商业银行信贷管理问题与对策[J]，商业经济,2009，（2）.
[37]吴小平.我国商业银行信贷风险管理及对策分析[J]，科技和产业,2008，（7）.
[38]卫季悦.中国商业银行信贷风险存在的问题及对策研究[J]，经济研究导刊,2010，（13）.
[39]卞薇.我国商业银行信贷风险管理研究[J]，经营管理者,2009，（4）.
[40]吕贤杰.我国商业银行信贷资产风险管理[J]，内蒙古统计.2008，（3）.
致 谢
陈德胜，文根第，刘伟等.商业银行全面风险管理，北京：清华大学出版社，2009.
Altman Edward,Anthony risk measurement:developments over the last 20 York University,Salomon Center,1996,227.
Odom M D,Sharda neural network model for bank ruptcy prediction. Proceedings of the IEEE Internation-al Joint Conference on Neural Netwo ,2:163-168.
Coats P, Pant L. Recognizing financial dist ress pat terns using a neural network tool. Financial Management,1993,22(3):142-155.
Kerling M , Poddig T. Klassifikation von Unternehmen mittels KNN. H Rehkugler, H G Zimmermann. Neu-ronale Netze in der Okonomie. Munchen,1994.
Piramuthu S. Financial credit-risk evaluat ionwith neural and neurofuzzy Journal of Opera-tional Research,1999,112(2):310-321.
梁琪，商业银行信贷风险度量研究，北京：中国金融出版社，2005.
江刚.商业银行信贷风险控制研究，西南交通大学，2006.
吕岩.我国商业银行信贷风险管理研究，南开大学，2007.
王冰.银行信贷项目风险控制研究，, 2011-03-10访问.
李剑锋．我国商业银行信贷风险管理与控制研究，职业圈，2007，（6）.
蒋正星.浅析我国商业银行信贷风险与控制， HYPERLINK " ，2011-03-10访问.
魏宇林.浅析我国商业银行信贷风险管理，决策探索，2010，（20）：68-69.
王顺.金融风险管理，北京：中国金融出版社，2007：81-84.
李兴法，王庆石.基于CreditMetrics模型的商业银行信用风险应用研究，财经问题研究，2006，(12).
徐成贤，薛宏刚.金融工程：计算技术与方法，北京：科学出版社，2007:376-388.
王顺.金融风险管理，北京：中国金融出版社，2007：84-85.
徐成贤，薛宏刚.金融工程：计算技术与方法，北京：科学出版社，2007:392-394.
PAGE
PAGE VI
