序論：好文章的創(chuàng)作是一個不斷探索和完善的過程，我們?yōu)槟扑]十篇信用風(fēng)險論文范例，希望它們能助您一臂之力，提升您的閱讀品質(zhì)，帶來更深刻的閱讀感受。

篇（1）

商業(yè)銀行信用交易成本指商業(yè)銀行（貸方）為和客戶（借方）達(dá)成借貸協(xié)議合同而發(fā)生的成本，它包括貸前、貸中、貸后三個階段發(fā)生的費用支出。

2銀行信用風(fēng)險交易成本構(gòu)成分析

商業(yè)銀行信用風(fēng)險交易成本構(gòu)成包括信息成本、審查成本、執(zhí)行成本、監(jiān)督成本、界定和保護(hù)產(chǎn)權(quán)成本等內(nèi)容。如圖1所示。

2.1貸前調(diào)查的信息成本

即尋找借款伙伴并調(diào)查借款人財務(wù)狀況、信譽狀況、經(jīng)營狀況的信息成本。信息成本既包括信息本身的成本，也包括商業(yè)銀行為取得信息而付出的尋找成本；由于事前機會主義的存在，要求對交易對手的情況要進(jìn)行徹底的了解。如：銀行要對借款人的經(jīng)營狀況、資金用途、還貸能力等進(jìn)行調(diào)查，對銀行客戶進(jìn)行篩選，搜集相關(guān)資料，而這些都是需要花費一定的費用才能夠取得的。

2.2貸中審查的成本

即簽約過程討價還價的成本，擬定合同條款所發(fā)生的成本，如落實擔(dān)保物、抵押登記、抵押物保險等。首先是合同擬定成本，主要指商業(yè)銀行事先擬定信貸合同所支付的成本；其次是談判和決策成本，主要是銀企雙方就信貸合同的某些內(nèi)容進(jìn)行協(xié)商而支出的成本；最后，在信貸合同起草時，要確定出各種情況下雙方的權(quán)利和義務(wù)，以及信貸交易合同的執(zhí)行辦法。這些工作的進(jìn)行都會使合同的起草和談判變的更加復(fù)雜，更加費時費力。

2.3貸后檢查發(fā)生的成本

即監(jiān)督合同簽署方，看其是否遵守合同條款，防止挪用資金、督促按期還款等活動發(fā)生的成本。在貸款出現(xiàn)逾期后，催收不良貸款需要花費大量的人力、物力、財力，還要支付訴訟費、律師費、產(chǎn)權(quán)登記和財產(chǎn)保全費等。

2.3.1合同交易的執(zhí)行成本

指在信貸合同執(zhí)行的過程中發(fā)生的成本。在合同簽訂以后，只要整個交易還沒有完成，就不可“掉以輕心”，因為還要監(jiān)視和檢查合同的執(zhí)行情況，防止合同的執(zhí)行人任何可能的違約行為，這也會引起更大程度上交易成本的增加。對商業(yè)銀行而言，主要有：按期繳納貸款時的交易成本；合同存續(xù)期間對貸款實施風(fēng)險管理的成本；事故發(fā)生后通知銀行客戶的成本；以及討價還價時的交涉成本。

2.3.2監(jiān)督成本

即在銀行和客戶交易雙方都存在機會主義行為的可能情況下發(fā)生的成本。由于事后機會主義的存在，要求對交易對手合同執(zhí)行情況進(jìn)行監(jiān)督檢查，防止違約，這就必須花費大量成本進(jìn)行監(jiān)督。商業(yè)銀行必須對客戶的貸款用途進(jìn)行跟蹤監(jiān)督、對客戶的信用水平、業(yè)務(wù)狀況、財務(wù)狀況實行全程監(jiān)督，并對其違約行為進(jìn)行公示等，這也會引起交易成本的增加。2.3.3界定和保護(hù)產(chǎn)權(quán)成本

指使產(chǎn)權(quán)交易得以有效進(jìn)行的必要成本支出。產(chǎn)權(quán)不清就無法進(jìn)行交易，交易成功后產(chǎn)權(quán)又要重新界定和保護(hù)，任何銀行業(yè)務(wù)的交易都離不開產(chǎn)權(quán)的界定和保護(hù)。貸款合約簽訂后，銀行的貨幣資金進(jìn)入了企業(yè)的賬戶，歸企業(yè)支配；企業(yè)的抵押物過戶到銀行名下，產(chǎn)權(quán)歸銀行所有。破壞產(chǎn)權(quán)的行為需要制裁，這些活動產(chǎn)生的費用都是界定和保護(hù)產(chǎn)權(quán)的交易成本。

3銀行信用風(fēng)險交易成本成因分析

企業(yè)失信以及交易成本產(chǎn)生不是偶然的，而是有一定的形成根源，是銀行和企業(yè)兩方面因素導(dǎo)致了商業(yè)銀行信用風(fēng)險交易成本的發(fā)生。

3.1借款人機會主義行為

在金融市場交易中，作為貸方的商業(yè)銀行要隨時注意、提防企業(yè)的機會主義行為，人的行為的不確定性，使借款人存在著缺乏誠信道德的現(xiàn)象[4]。現(xiàn)在的經(jīng)濟領(lǐng)域，不講信用現(xiàn)象時有發(fā)生，少數(shù)信用卡常被惡意透支，部分銀行承兌匯票到期不能承兌，有些銀行貸款被想方設(shè)法逃廢，這些違約行為，都是缺乏誠信道德的表現(xiàn)。不佳的信用環(huán)境，是信用風(fēng)險交易成本發(fā)生的源泉。機會主義的存在加大了銀行信用風(fēng)險交易成本。

3.2維護(hù)產(chǎn)權(quán)在交易成本中核心地位需要

交易過程中，存在著借款人違約的情況，在借款人違約時，銀行需要用法律程序來進(jìn)行索賠，這個過程也是需要花費交易成本的，我們也稱之為維護(hù)產(chǎn)權(quán)而斗爭時所付出的成本。有效的銀行借貸交易需要明確地界定產(chǎn)權(quán)，不僅“界定產(chǎn)權(quán)”本身需要花費成本，而且起草和制定有關(guān)銀行借貸方面的產(chǎn)權(quán)法律，也是要花費交易成本。商業(yè)銀行要想保護(hù)產(chǎn)權(quán)，及時獲取一切關(guān)于借款方破壞產(chǎn)權(quán)行為的信息，并對破壞產(chǎn)權(quán)的行為進(jìn)行制裁，就需要花費一定數(shù)量的交易成本。

3.3銀企之間信息不對稱

缺乏信息對稱。在銀行的貸后管理上，由于借款人在信息對稱方面占據(jù)優(yōu)勢，還貸與否很大程度上取決于自身的還款意愿，因而銀行僅能對借款人的收入、家庭狀況及提供的相關(guān)信息有所掌握，局限性很大。就借款企業(yè)來說，由于其報送的報表數(shù)據(jù)并非一成不變，提供信息的及時性、可信度都存在隱患，大量信息分散于多種渠道，因而銀行無法正常獲取，無從得知，始終處于被動地位。此種信息不對稱，容易造成銀行在貸款管理決策上的失誤，從而形成難以避免的信用風(fēng)險。為此，商業(yè)銀行就需要花費大量的信息交易成本。

3.4借款人經(jīng)營中的缺陷

銀行與借款人訂立借貸合同后，由于借款人經(jīng)營上的困難和失誤，造成企業(yè)資金緊張，不能按時履行合同規(guī)定的還款指標(biāo)，從而造成商業(yè)銀行資產(chǎn)信用風(fēng)險的加大和資產(chǎn)的損失。此種情況下，借款人不是不想履行合同而是無力履行合同，由此作為貸方的銀行需要花費大量的交易成本，來對借方的經(jīng)營能力和盈利水平做跟蹤評估[5]。

論文關(guān)鍵詞：商業(yè)銀行信用風(fēng)險交易成本

論文摘要：信用風(fēng)險已成為我國商業(yè)銀行中最為主要的風(fēng)險，銀行為控制信用風(fēng)險的發(fā)生需要付出巨大的交易成本作為代價。本文首先對商業(yè)銀行信用風(fēng)險交易成本如信息成本、審查成本、執(zhí)行成本、監(jiān)督成本、界定和保護(hù)產(chǎn)權(quán)成本等內(nèi)容進(jìn)行分析。然后進(jìn)一步分析銀行信用風(fēng)險交易成本產(chǎn)生的原因。

參考文獻(xiàn)：

[1]張維迎.博弈論與信息經(jīng)濟學(xué)[M].上海：上海三聯(lián)書店，2004.

[2]岳志.論金融交易成本[J].深圳金融，2001,5.

篇（2）

第一，非系統(tǒng)性與系統(tǒng)性。借款人的還款能力和還款意愿受多種因素的影響，一方面?zhèn)鶆?wù)人自身的財務(wù)狀況、投資策略和經(jīng)營能力等因素決定了其能否按期履約還款。而另一方面，除了借款人自身的非系統(tǒng)風(fēng)險之外，系統(tǒng)風(fēng)險的也會對債務(wù)人違約產(chǎn)生影響，包括宏觀經(jīng)濟狀況、行業(yè)發(fā)展?fàn)顟B(tài)和政策法律等因素。

第二，道德風(fēng)險與信息不對稱對信用風(fēng)險的形成具有重要作用。債權(quán)人與債務(wù)人的信用交易通常是在信息不對稱的條件下進(jìn)行的。債權(quán)人經(jīng)常對債務(wù)人的信息掌握缺乏或者掌握錯誤信息，在信息掌握失衡的情況下，債務(wù)人為了實現(xiàn)自身的利益最大化，道德風(fēng)險發(fā)生的可能性變大，即產(chǎn)生違約傾向，最終形成信用風(fēng)險。

第三，信用風(fēng)險收益的非對稱性。信用風(fēng)險收益的分布具有典型的非對稱性，信用風(fēng)險分布的偏峰厚尾特征決定了簡單的應(yīng)用均值和方差來衡量風(fēng)險的大小是不充分的。

第四，信用風(fēng)險作用于銀行信貸經(jīng)營的全過程，只有及時、準(zhǔn)確地發(fā)現(xiàn)信用風(fēng)險的誘導(dǎo)因素并系統(tǒng)、連續(xù)地掌握信用風(fēng)險的特征、大小、屬性及變動趨勢，才能防范和化解風(fēng)險。

二、信用風(fēng)險四個量化因子

第一，違約概率（ProbabilityofDefault，PD），是指銀行的交易對手（債務(wù)人）在未來一段時間內(nèi)發(fā)生違約的可能性。對違約概率進(jìn)行量化，需要我們對違約進(jìn)行具體的界定。長期以來對違約的定義沒有一個統(tǒng)一的標(biāo)準(zhǔn)，不同的用途有時會采取的不同的違約定義。新巴塞爾協(xié)議提供了違約的參考定義，違約是指以下兩種情況的一種或者兩者同時出現(xiàn)：一是銀行認(rèn)定除非采取追索措施，如變現(xiàn)抵質(zhì)押品（如果存在的話），借款人可能不能全額償還對銀行集團(tuán)的債務(wù)；二是借款人對銀行集團(tuán)的實質(zhì)性信貸債務(wù)逾期90天以上。對于“不能全額償還”，新協(xié)議又進(jìn)行了六點詳細(xì)闡述：一是銀行停止對貸款表內(nèi)計息，即借款人的貸款轉(zhuǎn)為表外計息；二是由于信貸質(zhì)量大幅下降，銀行核銷了貸款或計提了專項準(zhǔn)備；三是銀行將借款人貸款出售并相應(yīng)承擔(dān)了較大經(jīng)濟損失；四是銀行同意對借款人進(jìn)行消極債務(wù)重組而發(fā)生本金、利息或費用等較大規(guī)模的減免或推遲償還造成債務(wù)規(guī)模的減少；五是就借款人對銀行集團(tuán)債務(wù)而言，銀行將債務(wù)人列為破產(chǎn)或類似狀況；六是借款人破產(chǎn)或申請破產(chǎn)或處于類似保護(hù)狀態(tài)，由此不能履行或需要延期履行銀行集團(tuán)債務(wù)。

第二，違約損失率（LossGivenDefault，LGD），是指債務(wù)人一旦違約將給銀行(債權(quán)人)造成的損失數(shù)額占風(fēng)險暴露的百分比，它衡量了損失的嚴(yán)重程度，并且有違約損失率＝1-回收率。對違約損失率進(jìn)行量化需要我們對損失進(jìn)行具體的界定。損失的界定即損失計算的范圍，對此銀行業(yè)實際業(yè)務(wù)中缺乏統(tǒng)一定義，往往根據(jù)具體目的和需要確定，一般損失的內(nèi)容包括以下幾個方面：本金的損失、利息的損失、違約債務(wù)持有成本和清收費用（如托收費、律師訴訟費）等。

第三，違約風(fēng)險暴露（ExposureAtDefault，EAD），也稱違約敞口，指信用暴露中面臨違約風(fēng)險的部分。關(guān)于違約敞口最重要的一點是它是未來的敞口，即在將來面臨信用風(fēng)險的頭寸規(guī)模。由于提款和還款的方式不同，加上存在其他不確定性因素，在貸款到期之前信用敞口經(jīng)常隨著時間的推移而改變。

第四，有效期限（Maturity，M），是指當(dāng)前與貸款或債券到期償還日的時間間隔。向企業(yè)放貸對銀行來說是一種投資行為，與其他形式的投資一樣，銀行這一投資的收益受其時間價值的影響。貸款的期限越長，債務(wù)在到期之前面臨的不確定性越大，風(fēng)險自然也就越大。在最新的巴塞爾新資本協(xié)議中，明確的提到了期限的處理問題。

三、信用風(fēng)險損失的計量

對信用風(fēng)險的四個量化因子進(jìn)行研究，主要目的是對信用風(fēng)險可能帶來的損失進(jìn)行計量。對信用風(fēng)險損失的計量標(biāo)準(zhǔn)有兩種方法，一是基于違約式模型下的損失，即債務(wù)人已發(fā)生的違約行為而給債權(quán)人（這里主要說的是商業(yè)銀行）帶來的損失；二是盯市模型下的損失，即除了違約行為之外，債務(wù)人信用等級的降低或資信質(zhì)量的惡化導(dǎo)致的潛在損失，這是因為即使在借款人信用狀況惡化的情況下并沒有發(fā)生違約，但是信用資產(chǎn)的經(jīng)濟價值也會因借款人信譽發(fā)生變化而受到影響。目前，對于信用風(fēng)險損失的計量主要考慮預(yù)期損失、非預(yù)期損失和損失不足三種情況。

1、預(yù)期損失（EL）。預(yù)期損失是銀行在經(jīng)營活動中可以預(yù)期到的損失。銀行在事前計提損失準(zhǔn)備金來抵御預(yù)期損失，或者在貸款定價時將預(yù)期損失作為成本（如通過貸款利率）予以考慮。預(yù)期損失是損失的期望水平，沒有考慮不確定性因素的影響。因此銀行須將預(yù)期損失視為經(jīng)營的成本，在貸款的定價或事前損失撥備中予以考慮。預(yù)期信用風(fēng)險損失率等于違約損失率和違約概率的積。進(jìn)行違約概率和違約損失率測度，可以有效提升信用風(fēng)險管理水平。

2、非預(yù)期損失（UL）。又稱意外損失，非預(yù)期損失是指因經(jīng)濟環(huán)境或市場狀況異常波動等非預(yù)期事件造成的實際損失對預(yù)期損失的偏離。如果組合損失分布服從正態(tài)分布，預(yù)期損失和非預(yù)期損失的分布將與組合信用損失分布一致，因為已知一階矩和二階矩即可確定正態(tài)分布，那么非預(yù)期損失一般可以用預(yù)期損失的標(biāo)準(zhǔn)差來描述。但信用風(fēng)險的損失分布并不服從正態(tài)分布，而是具有明顯的有偏和非對稱性特征。此時非預(yù)期損失對應(yīng)于在險價值（VaR）與期望損失之差。

3、損失不足（ES）。意外損失不包括極端事件，極端事件指VaR置信水平以外的概率發(fā)生的損失，盡管股市崩盤、金融危機發(fā)生的概率很小，但是其造成的損失是投資者不能忽視的，而一般的統(tǒng)計規(guī)律不能估計極端損失，這需要采用壓力檢測分析這一問題，相應(yīng)的提出了極值理論和一致性風(fēng)險度量。損失不足即是度量超出VaR置信水平下最嚴(yán)重?fù)p失的平均值，它能夠滿足對極端損失的關(guān)注，在連續(xù)分布下，還滿足次可加性、齊次性、單調(diào)性和無風(fēng)險條件四個公理，是一致性風(fēng)險度量手段。

四、經(jīng)濟資本與經(jīng)風(fēng)險調(diào)整收益率

以經(jīng)營信貸資產(chǎn)為主要業(yè)務(wù)的商業(yè)銀行，始終面臨著風(fēng)險和潛在損失問題，為了抵御這些損失的影響，銀行必須配備一定的準(zhǔn)備或者資本，又因其行業(yè)的特殊性，其資產(chǎn)資本構(gòu)成與一般工商企業(yè)有較大的差異，銀行的資本僅占其資產(chǎn)總額的很小一部分，同時銀行除了自身主動提取風(fēng)險準(zhǔn)備以外，還要滿足外部監(jiān)管當(dāng)局的資本要求。

第一，經(jīng)濟資本（EC）。經(jīng)濟資本是銀行內(nèi)部用以緩沖風(fēng)險損失的權(quán)益資本。巴塞爾資本協(xié)議將經(jīng)濟資本籠統(tǒng)的定義為銀行等金融機構(gòu)在經(jīng)營過程中所必須持有能夠覆蓋所有可能風(fēng)險的資本數(shù)量，經(jīng)濟資本的數(shù)量由金融機構(gòu)自己估計。經(jīng)濟資本的概念與在險價值（ValueatRisk，記為VaR）的概念實際上一致的。在險價值刻畫了損失分布的尾部風(fēng)險，其定義是在一定時期內(nèi)，在某一置信水平下，投資組合的最大可能損失。事實上，銀行內(nèi)部測算的經(jīng)濟資本與外部監(jiān)管當(dāng)局所要求的監(jiān)管資本常常是不一致的，這種不一致既可能是經(jīng)濟資本高于監(jiān)管資本，也可能是經(jīng)濟資本低于監(jiān)管資本。經(jīng)濟資本是銀行內(nèi)部為抵御風(fēng)險而主動配備的資本，實際上是指所“需要的”資本或“應(yīng)該有的”資本，不是銀行已經(jīng)擁有的資本，它不同于帳面資本和監(jiān)管資本。雖然經(jīng)濟資本與監(jiān)管資本都起到風(fēng)險緩沖的作用，但前者是由銀行管理者從內(nèi)部來認(rèn)定和安排的緩沖，它實際上反映了股東價值最大化對銀行管理的要求；而后者則是銀行業(yè)監(jiān)管部門從行業(yè)監(jiān)管的角度對銀行資本金水平所做的要求。在風(fēng)險定價方面，監(jiān)管資本無法有效的區(qū)分暴露的風(fēng)險差異，而經(jīng)濟資本做到了這一點，經(jīng)濟資本對風(fēng)險的敏感性顯著高于監(jiān)管資本對風(fēng)險的敏感性。所以，從理論上經(jīng)營穩(wěn)健的銀行需要動態(tài)監(jiān)測監(jiān)管資本和經(jīng)濟資本，并保證經(jīng)濟資本大于等于監(jiān)管資本。當(dāng)經(jīng)濟資本高于監(jiān)管要求的資本時，銀行為了提高資本金的利用效率，會將超額的部分通過資本充足率的杠桿效應(yīng)，擴大信貸投放；或者通過增加表外業(yè)務(wù)實現(xiàn)資本金的投資收益。最終使經(jīng)濟資本與監(jiān)管資本趨于一致。當(dāng)銀行內(nèi)部計算的經(jīng)濟資本要求，大大低于監(jiān)管所規(guī)定的監(jiān)管資本要求時，銀行就會傾向于監(jiān)管資本套利。監(jiān)管資本套利的主要做法是通過資產(chǎn)證券化或其他金融創(chuàng)新工具將低風(fēng)險資產(chǎn)從信貸組合中稀釋出去，而從中獲得收益。

第二，經(jīng)風(fēng)險調(diào)整收益率（RAROC）定義為凈收益減去預(yù)期損失后與經(jīng)濟資本的比。該定義與資產(chǎn)組合理論中的風(fēng)險收益比率即Sharp比率相似。銀行除了重視估計風(fēng)險潛在損失和進(jìn)行經(jīng)濟資本配置以外，對銀行的收益能力也十分重視。20世紀(jì)70年代末，美國信孚銀行提出了RAROC，目的是為了度量銀行信貸資產(chǎn)組合的風(fēng)險和計算在特定損失率下為限制風(fēng)險暴露必須的股權(quán)數(shù)量。后來許多大銀行在此基礎(chǔ)上紛紛對RAROC模型進(jìn)行開發(fā)，從而逐漸改變了傳統(tǒng)的以資產(chǎn)收益率和資本收益率為中心的業(yè)績考核和管理體系，將風(fēng)險因素充分考慮到銀行的經(jīng)營業(yè)務(wù)考核中。20世紀(jì)90年代，這項技術(shù)在不斷完善的同時在國際上大銀行間得到了廣泛的推廣，并逐漸成為當(dāng)今金融理論界和實踐中公認(rèn)的最核心、最有效的經(jīng)營業(yè)績考核管理方法。我國銀行業(yè)監(jiān)管管理委員會在《商業(yè)銀行市場風(fēng)險管理指引》中指出，銀行是經(jīng)營特殊商品和服務(wù)的高風(fēng)險企業(yè)，必須將風(fēng)險因素引入到經(jīng)營管理和績效衡量中。實踐表明，銀行業(yè)要實施全面風(fēng)險管理，就必須以經(jīng)濟資本為基礎(chǔ)，建立一套有效的風(fēng)險調(diào)整后的資本收益率管理體系。

【參考文獻(xiàn)】

[1]MurphyA.：AnempiricalanalysisofthestructureofcreditriskpremiumsintheEurobondmarket[J].JournalofInternationalMoneyandFinance，2003（22）.

[2]Stiglitz，J.E.，A.Weiss：CreditRationinginMarketswithImperfectInformation[J].TheAmericanEconomicReview，1981（71）.

[3]李志輝：中國銀行業(yè)風(fēng)險控制和資本充足性管制研究[M].中國金融出版社，2007.

[4]孟慶福：信用風(fēng)險管理[M].經(jīng)濟科學(xué)出版社，2006.

篇（3）

2.農(nóng)民的生產(chǎn)經(jīng)營方式陳舊。在我國相當(dāng)大比例的農(nóng)業(yè)生產(chǎn)企業(yè)缺乏合理的經(jīng)營管理機制，沒有科學(xué)的市場觀念、競爭意識，其發(fā)展能力令人堪憂。其往往負(fù)債比例較高，反而經(jīng)營的效益過低，甚至資不抵債。更有甚者，其本身經(jīng)營情況良好，卻以兼并、破產(chǎn)、重組等為由將信用社債權(quán)擱置或者直接廢棄。一大筆信用社資產(chǎn)成為不良貸款，增加了農(nóng)村信用社的信用風(fēng)險。

二、經(jīng)營環(huán)境問題分析

1.委托方和方的信息不對稱。農(nóng)村信用社與借款人間實際上是一種委托關(guān)系，這種信用關(guān)系存在著信息的不對稱性。信用社的角色是委托人，在整個關(guān)系中處于信息不利地位。貸款人很清楚自身的財務(wù)狀況、經(jīng)營情況以及公司未來的前景以及行業(yè)情況。所以在貸款前其信息量遠(yuǎn)遠(yuǎn)大于信用社，所以在貸款之初其就能以最低的成本盡可能拿到最多的貸款，保證自身利益的最大化。而信用社顯然不可能做到面面俱到，所以處于信息渠道的劣勢一方，導(dǎo)致了其交易風(fēng)險的加大。

2.我國的農(nóng)村社保體系不夠完善。我國針對農(nóng)民的社會保障體系發(fā)展水平總體比較低，相較發(fā)達(dá)國家差距較大。同時存在很多問題如資金投入少、涉及面小、保障水平比較低、地方政府推行力度小等問題，顯然不能夠?qū)V大農(nóng)村居民的社會保障需求予以滿足。農(nóng)村居民不但要進(jìn)行農(nóng)業(yè)生產(chǎn)經(jīng)營，也有相當(dāng)一部分的支出用于醫(yī)療、教育、養(yǎng)老等，負(fù)擔(dān)加重。一旦出現(xiàn)上述額外支出，就難免不能按時還款，農(nóng)村信用社發(fā)放到款項在短期之內(nèi)基本不易追回。這就很大程度上增加了農(nóng)村信用社的信用風(fēng)險。

3.政府對農(nóng)業(yè)的支持力度較小。隨著物價的上漲，加之我國農(nóng)民數(shù)量基數(shù)很大，雖然政府投入了相當(dāng)大一筆資金進(jìn)行支持，但是平均到個人所得到的支持仍然很少。極端天氣的愈發(fā)頻繁，農(nóng)民的生產(chǎn)和生活愈發(fā)困難。農(nóng)業(yè)生產(chǎn)的成本在逐年升高。政府的微薄補助無法調(diào)動農(nóng)民的積極性，所以農(nóng)業(yè)生產(chǎn)的利潤一年不如一年。而農(nóng)民貸款的原有目的也就是用于擴大生產(chǎn)的目的沒有達(dá)到，反而導(dǎo)致貸款不能及時歸還，加大農(nóng)村信用社的信用風(fēng)險。

篇（4）

二、利用層次分析法確定各指標(biāo)的權(quán)重

首先，對己經(jīng)建立的層次結(jié)構(gòu)進(jìn)行簡化，用A，B1到B4，C1到C16對層次結(jié)構(gòu)中的各指標(biāo)進(jìn)行簡化標(biāo)號，得到以下層次結(jié)構(gòu)圖。接下來就對小額信貸信用風(fēng)險評估模型指標(biāo)體系建立判斷矩陣，判斷矩陣的具體數(shù)值，采用1~9標(biāo)度方法，標(biāo)度方法主觀性較強，專家打分可能存在不一致的情況，可以將不同專家的評分加權(quán)平均，以便獲得較為科學(xué)合理的判斷數(shù)值。以下是各層判斷矩陣，并根據(jù)判斷矩陣計算各自權(quán)重。對個人信息B1，職業(yè)特征B2，經(jīng)濟況B3，社會關(guān)系B4構(gòu)造判斷矩陣，如表1所示。因此，該模型的一致性得到檢驗通過。對文化程度C1，年齡C2，婚姻狀況C3，戶籍狀況C4，信用記錄C5，房產(chǎn)情況C6，個人年收入C7，信用卡最高額度C8，詳細(xì)住址C9，單位性質(zhì)C10，擔(dān)任職務(wù)C11，從業(yè)年限C12，行業(yè)風(fēng)險C13，家庭聯(lián)系人C14，工作聯(lián)系人C15，朋友聯(lián)系人C16，構(gòu)造判斷矩陣過程同上。由此，評分模型的各指標(biāo)權(quán)重及綜合權(quán)重確定見表2。從表2中可以看出，對于小額信貸信用風(fēng)險影響因素而言，相對較重要的指標(biāo)有信用記錄，占整個綜合權(quán)重的比例達(dá)到18.5%；房產(chǎn)情況和個人年收入，占整個綜合權(quán)重的比例均達(dá)到14.52%。相對重要性較低的指標(biāo)有從業(yè)年限和行業(yè)風(fēng)險，占整個綜合權(quán)重的比例均只有0.91%；朋友聯(lián)系人，占整個綜合權(quán)重的比例僅有1.9%；詳細(xì)地址和擔(dān)任職務(wù)，在整個綜合權(quán)重中的占比均未達(dá)到3%。

三、建立信用評分表

根據(jù)以上評分表，對小額信貸申請者的實際情況進(jìn)行評分，然后再根據(jù)得分情況列出與之相對應(yīng)的貸款決定。在此設(shè)定，75分以上的客戶可直接取得授信資格，具體授信金額按照客戶提交的資料予以確定；55~75分的客戶，由風(fēng)險管理人員進(jìn)行資料核實，通過電話調(diào)查、實地征信等方式進(jìn)行進(jìn)一步分析，由此來確定是否授信以及授信額度；55分以下的客戶直接評分拒貸。由于客戶資料的保密性，所獲得數(shù)據(jù)相對不多，不便于用大數(shù)據(jù)量進(jìn)行統(tǒng)計分析，故而抽取幾個典型的現(xiàn)實案例，來驗證該評分模型的有效性。

四、實際案例分析

案例：王女士，個體，法人，下面對她進(jìn)行評分，具體結(jié)果見表4。實際情況：王女士因購買原材料需要申請貸款15萬元，最終因其提供的聯(lián)系人均與其為同一工作單位，風(fēng)險管理人員以風(fēng)險過于集中為由，批下實際額度為6萬元。這個案例從一定程度上證明該模型有效。

篇（5）

（二）實證方法構(gòu)建多變量金融時序Copula函數(shù)的關(guān)鍵在于，建立單變量金融時序分布模型與選擇合適的多元Copula函數(shù)[32]。多元正態(tài)Copula函數(shù)不能反映變量之間的聯(lián)合厚尾特征[33-34]。多元t-Copula函數(shù)可以用于研究變量之間的聯(lián)合厚尾特征，其自由度越小，表明聯(lián)合厚尾特征越明顯[35]。1.邊緣分布的確定金融資產(chǎn)收益率序列具有異方差、尖峰厚尾、時變、右偏與杠桿效應(yīng)，適合用AR（1）-GJR（1,1）模型擬合邊緣分布。2．Copula函數(shù)的選用多元t-Copula函數(shù)尾部較厚，能很好地擬合尾部相關(guān)關(guān)系[37-39]。因此，從理論上可以推斷，多元t-Copula函數(shù)能夠更好地度量股價的聯(lián)動關(guān)系。本文使用Q-Q圖、K-S檢驗判斷單個多元Copula函數(shù)的擬合情況。同時，引入經(jīng)驗分布函數(shù)，構(gòu)建反映擬合誤差大小的平方歐式距離指標(biāo)。該平方歐式距離反映了多元Copula函數(shù)擬合原始數(shù)據(jù)的誤差情況。該指標(biāo)值越小，說明偏差越小。3．Copula函數(shù)的時變過程與估計對于C-藤分解結(jié)構(gòu)下的時變條件相關(guān)系數(shù)，Engle（2002）提出了比較常用的描述其時變過程的DCC（1，1）模型其中，ρt是t時刻的條件相關(guān)系數(shù)；向量εt是由選定的時變Copula函數(shù)邊際分布逆函數(shù)轉(zhuǎn)換得到的標(biāo)準(zhǔn)化殘差；Q軒t是一個p×p矩陣，該矩陣對角線上的元素是Qt的平方根，其他元素為0；Qt和R分別是殘差項的樣本協(xié)方差與相關(guān)系數(shù)；rt是在項數(shù)為m（m>p）的移動窗中殘差的相關(guān)系數(shù)。該時變Copula函數(shù)的參數(shù)估計可以由兩步極大似然估計法完成[43]。第一步先利用最大似然估計法，估計邊際分布AR（1）-GJR（1，1）模型中的參數(shù)；第二步對殘差做概率積分轉(zhuǎn)換，再利用最大似然估計法，估計時變Copula函數(shù)的參數(shù)。4.基于Copula函數(shù)的相關(guān)性分析選擇合適的Copula函數(shù)后，擬合估計出其參數(shù)值，就可以利用表1中的計算式，計算出各相關(guān)系數(shù)值。在靜態(tài)Copula函數(shù)中，其參數(shù)是不變的，計算出來的是靜態(tài)總體相關(guān)性；如果采用時變Copula函數(shù)，參數(shù)ρt（t=1，2，…，T）是時變參數(shù)，就可以利用表1中公式，一一對應(yīng)地計算出總體線性相關(guān)系數(shù)、非線性相關(guān)系數(shù)及尾部相關(guān)系數(shù)的動態(tài)時變過程。

二、計算結(jié)果與分析

（一）研究樣本根據(jù)企業(yè)之間存在的信用關(guān)聯(lián)，選擇寶鋼股份（BGGF）、必和必拓（BHP）、力拓（RIO）、上海汽車（SHQC）、上港集團(tuán)（SGJT）、山西煤電（SXMD）、青島海爾（QDHE）和中國船舶（ZGCB）在內(nèi)的幾家企業(yè)作為研究樣本，研究這些企業(yè)從2001年1月2日至2011年4月28日之間的股價聯(lián)動。列出了6個樣本企業(yè)股價收益率序列數(shù)據(jù)的描述統(tǒng)計指標(biāo)。由表2可知，6個變量的峰度都在10以上，呈現(xiàn)尖峰分布，其中，SGJT收益率分布最尖；BHP、RIO、SHQC、SGJT的偏度都大于0，其中，SGJT收益率分布右偏程度最大；BGGF、XSMD的偏度小于0，說明與正態(tài)分布、t分布相比較，適合選用左偏的t分布擬合樣本收益率數(shù)據(jù)。

（二）邊際分布擬合檢驗根據(jù)white檢驗結(jié)果可知，3個統(tǒng)計量的P值都拒絕“不存在異方差”的原假設(shè)，說明異方差比較突出。表明收益率序列適合選用ARCH模型。本文中的邊際分布選用帶有杠桿效應(yīng)的AR（1）-GJR（1，1）-Skewt模型。其模型估計的參數(shù)值如表3所示。從AIC、BIC、LL值看，AR（1）-GJR（1,1）-Skewt模型的有效性好于AR（1）-GJR（1，1）-t模型①。8個序列的自由度估計值都比較小，說明它們的分布都具有厚尾特征，其中上港集團(tuán)的尾部最厚。另外，使用時變Copula函數(shù)估計時變條件相關(guān)系數(shù)時，需要把序列數(shù)據(jù)通過概率積分轉(zhuǎn)換為U（0，1）分布序列。本文對邊際分布擬合情況還進(jìn)行了獨立性檢驗與同分布檢驗。拉格朗日乘數(shù)檢驗結(jié)果表明，在5%顯著水平下，這8個序列都不存在自相關(guān)，可以認(rèn)為轉(zhuǎn)換后的序列相互獨立；非參數(shù)K-S檢驗結(jié)果表明，轉(zhuǎn)換后的8個序列在5%顯著水平上服從U（0，1）分布。這些結(jié)論表明，邊際分布采用AR（1）-GJR（1，1）-Skewt模型非常合理。

（三）利用多元t-Copula函數(shù)靜態(tài)度量股價的聯(lián)動效應(yīng)常用的固定參數(shù)多元Copula函數(shù)包括多元正態(tài)Copula函數(shù)和多元t-Copula函數(shù)。在這兩個函數(shù)的Q-Q圖中，本文無法區(qū)分其擬合優(yōu)劣；而由多元正態(tài)Copula函數(shù)的K-S檢驗可知，在0.01顯著水平上拒絕原假設(shè)，說明多元正態(tài)Copula函數(shù)不能很好地擬合多元時序數(shù)據(jù)；而多元t-Copula函數(shù)擬合該的多元數(shù)據(jù)序列。從Copula函數(shù)與經(jīng)驗分布函數(shù)之間的平方歐式距離來看，多元正態(tài)分布Copula函數(shù)的平方歐式距離為0.3873，多元t分布Copula函數(shù)的平方歐式距離為0.0568，多元t-Copula函數(shù)可以較好擬合該股價原始數(shù)據(jù)的經(jīng)驗分布情況，與理論分析一致。根據(jù)各樣本收益率序列的條件邊際分布，利用多元Skewt分布函數(shù)與多元t-Copula函數(shù)之間的關(guān)系，信用資產(chǎn)關(guān)聯(lián)各企業(yè)股票收益率之間的多元t-Copula函數(shù)非線性相關(guān)系數(shù)如表4所示。從表4可以看出，受中外股市之間的一體化約束，寶鋼股份（BGGF）與必和必拓（BHP）、力拓（RIO）之間，必和必拓（BHP）、力拓（RIO）與上海汽車（SHQC）、上港集團(tuán)（SGJT）、山西煤電（SXMD）、青島海爾（QDHE）、中國船舶（ZGCB）之間的相關(guān)系數(shù)都很低，但其他信用資產(chǎn)關(guān)聯(lián)企業(yè)之間的相關(guān)系數(shù)都在0.5左右，存在中等程度的正相關(guān)聯(lián)動現(xiàn)象。

（四）利用時變多元t-Copula函數(shù)度量股價的聯(lián)動效應(yīng)不同邊際分布下時變t-Copula函數(shù)的相關(guān)系數(shù)時變方程參數(shù)估計值如表5所示。從AIC、BIC、LL值看，對于條件相關(guān)系數(shù)的時變過程G-DCC、t-DCC，邊際分布選用AR（1）-GJR（1，1）-Skewt模型最合理，但時變G-DCC過程擬合效果最差，t-DCC過程則最好。本文選用AR（1）-GJR（1，1）-Skewt模型作為邊際分布，選用時變過程為t-DCC的多元t-Copula函數(shù)為多元連接函數(shù)，動態(tài)擬合計算動態(tài)條件相關(guān)系數(shù)，得到8個按照C-藤結(jié)構(gòu)分解的pair-copula函數(shù)的時變無條件相關(guān)擬合的AIC、BIC、LL值分別是-7158.6、-7141.7、3582.3。利用這28個時變Copula相關(guān)系數(shù)的時間序列數(shù)據(jù)，計算出相對應(yīng)的時變等級相關(guān)系數(shù)、秩相關(guān)系數(shù)與尾部相關(guān)系數(shù)的時間序列，如表6所示。從表6可以看出，4個相關(guān)系數(shù)都顯示出，股價呈現(xiàn)低度正相關(guān)性，具有弱板塊效應(yīng)；時變Copula相關(guān)系數(shù)的集中趨勢值最大，尾部相關(guān)系數(shù)最小。但是，時變Copula相關(guān)系數(shù)的絕對離散波動程度、波動幅度最大；從離散系數(shù)、極差/平均值的結(jié)果可以看出，尾部相關(guān)系數(shù)的相對離散波動程度最大。從時變Copula相關(guān)系數(shù)可以看出，在C-藤結(jié)構(gòu)下條件相關(guān)系數(shù)的均值在0.0583~0.7376之間，呈現(xiàn)出弱相關(guān)關(guān)系，因為條件相關(guān)系數(shù)有正值、負(fù)值，相關(guān)方向存在轉(zhuǎn)換，正負(fù)抵消導(dǎo)致簡均值的結(jié)果較小。其他16個條件相關(guān)系數(shù)均為正值，平均值在0.5左右，呈現(xiàn)出中等強度的相關(guān)性。從條件相關(guān)系數(shù)值的離散指標(biāo)可以看出，標(biāo)準(zhǔn)差從0.0573~0.1042，絕對變化范圍從0.2628~0.5706，最大相對幅度變化范圍從0.4899~6.2644，說明條件相關(guān)系數(shù)的時變性較強。為了觀察條件相關(guān)系數(shù)的時變特征，本文也分別在標(biāo)準(zhǔn)差最小與最大、離散系數(shù)最小與最大、波幅最小與最大等6種情況下，計算了時變Copula函數(shù)度量的4個時變相關(guān)系數(shù)，均表現(xiàn)出相同的變化趨勢，而且在常態(tài)相關(guān)性走強時，股價板塊效應(yīng)的作用愈加強大，同時暴跌暴漲的相關(guān)性走強；在常態(tài)相關(guān)性走弱時，股價板塊效應(yīng)的作用減弱，由一家企業(yè)股價大幅漲跌引發(fā)的信用資產(chǎn)關(guān)聯(lián)企業(yè)同時暴跌暴漲的相關(guān)性走強。

篇（6）

二、構(gòu)建信用風(fēng)險評價指標(biāo)體系

（一）構(gòu)建原則信用風(fēng)險評價的各個評價指標(biāo)對于實證模型的最終結(jié)果起著十分重要作用。在進(jìn)行指標(biāo)選取時，需要遵循以下幾個基本原則：1.目的性原則。該評價指標(biāo)體系應(yīng)該針對銀行現(xiàn)有的信用風(fēng)險評價，進(jìn)行構(gòu)成要素的客觀表述，要為信用評價的最終目的服務(wù)，并且為評價的最終結(jié)果判定提供相應(yīng)的理論依據(jù)。2.完備性原則。指標(biāo)體系中所選擇的指標(biāo)需要包含有銀行信用風(fēng)險評估所涉及到的各個方面。3.預(yù)見性原則。中小企業(yè)信用風(fēng)險評估是以深入挖掘中小企業(yè)的潛在風(fēng)險信息為目的的，因此，選擇的各個指標(biāo)需要體現(xiàn)出中小企業(yè)的未來發(fā)展趨勢。4.科學(xué)性原則。該信用風(fēng)險評估指標(biāo)體系應(yīng)該科學(xué)合理，保證各個風(fēng)險評價指標(biāo)之間的邏輯關(guān)系與鮮明的層次結(jié)構(gòu)。5.實用性原則。選取的信用評價的指標(biāo)數(shù)量要適宜，各個指標(biāo)的數(shù)據(jù)要便于收集。

（二）指標(biāo)構(gòu)建銀行的信用風(fēng)險評估主要是針對授信業(yè)務(wù)進(jìn)行的，因此，中小企業(yè)的基本財務(wù)狀況就是評價信用風(fēng)險大小的一個重要方面。結(jié)合指標(biāo)設(shè)計的基本原則,選取了企業(yè)償債能力、企業(yè)盈利能力、企業(yè)資產(chǎn)管理能力和企業(yè)發(fā)展能力四個方面的12項指標(biāo)構(gòu)建指標(biāo)評價體系。

三、信用風(fēng)險評估實證分析

本文選取了四川省5家上市公司作為檢驗對象，為了避免對這些公司的影響，本文以A、B、C、D和E指代五家上市公司，對樣本數(shù)據(jù)進(jìn)行規(guī)范化處理，結(jié)果如表2所示：根據(jù)表2的數(shù)據(jù)，計算出被評價企業(yè)各項指標(biāo)的關(guān)聯(lián)系數(shù)，計算結(jié)果如表3：通過變異數(shù)系對各個指標(biāo)的權(quán)重進(jìn)行確定，計算結(jié)果如表4所示：最后可以計算出各個公司的最終信用風(fēng)險排序情況。

篇（7）

1.2直覺模糊層次分析法。針對以上層次分析法在對目標(biāo)預(yù)測上的不足，本文提出了一種將直覺模糊集與層次分析法相結(jié)合的直覺模糊層次分析法，對模糊環(huán)境下的目標(biāo)預(yù)測與方案的決策提供了更為客觀的依據(jù)。（1）建立層次結(jié)構(gòu)模型。本文設(shè)計的中小企業(yè)信用風(fēng)險評價指標(biāo)體系如圖1所示，整套指標(biāo)體系分為三個層次，分別為目標(biāo)層，準(zhǔn)則層和方案層，其中目標(biāo)層體現(xiàn)的是本文需要解決的最終問題所在，即為呼和浩特市小額貸款公司提供客觀的有效的中小企業(yè)客戶信用風(fēng)險評價；準(zhǔn)則層為該體系的各指標(biāo)的體現(xiàn)，本文分為一級指標(biāo)和二級指標(biāo)兩個層次；方案層體現(xiàn)了申請小額貸款的中小企業(yè)個體。（2）確定待評價指標(biāo)的權(quán)重。根據(jù)小額貸款中小企業(yè)法人客戶的特殊性，以及對中小企業(yè)法人信用風(fēng)險評價指標(biāo)選取的原則，本文選取企業(yè)管理者情況、企業(yè)經(jīng)營狀況、企業(yè)發(fā)展前景、企業(yè)償債能力、企業(yè)信用狀況以及其他等六方面作為評價呼和浩特市小額貸款公司中小企業(yè)客戶信用風(fēng)險評價的有效性指標(biāo)。由于在進(jìn)行評價的過程中，各評價指標(biāo)的重要性程度各不相同，所以在評價時的大小也應(yīng)該有所區(qū)別。本文利用層次分析法，通過專家評分法為以上各指標(biāo)之間的重要性程度兩兩比較。1號專家根據(jù)經(jīng)驗以及歷史數(shù)據(jù)的統(tǒng)計得到指標(biāo)的判斷矩陣A1，運用Matlab軟件中的層次分析法程序得到判斷矩陣M的最大特征值λmax以及選取指標(biāo)的權(quán)重，通過一致性指標(biāo)C.I.=λmax-n/(n-1)以及平均隨機一致性指標(biāo)R.I.對指標(biāo)進(jìn)行一致性檢驗，其具體賦值如表2所示。一致性比率為C.R.=C.I./R.I.，當(dāng)C.R.<0.1時則通過一致性檢驗，從而確定權(quán)重分配是否合理。TOPSIS法的原理。其基本原理是通過檢測評價對象與最優(yōu)解、最劣解的距離來進(jìn)行排序，若評價對象最靠近最優(yōu)解同時又最遠(yuǎn)離最劣解，則為最好；否則為最差。其中最優(yōu)解的各指標(biāo)值都達(dá)到各評價指標(biāo)的最優(yōu)值。最劣解的各指標(biāo)值都達(dá)到各評價指標(biāo)的最差值。

二、基于直覺模糊TOPSIS法的小額貸款公司信用風(fēng)險評價模型

呼和浩特市小額貸款公司對中小企業(yè)信用風(fēng)險評價問題是一個涉及許多影響因素的多目標(biāo)決策問題，評價指標(biāo)體系的構(gòu)建應(yīng)遵循全面性、適應(yīng)性、經(jīng)濟性及可測性等基本原則，并盡可能地綜合考慮各個影響因素。根據(jù)中小企業(yè)信用風(fēng)險自身的特點，綜合相關(guān)研究，本文選擇企業(yè)管理者情況(u1)、企業(yè)經(jīng)營狀況(u2)、企業(yè)發(fā)展前景(u3)、企業(yè)償債能力(u4)、企業(yè)信用狀況(u5)以及其他(u5)等六個一級指標(biāo)對中小企業(yè)的信用風(fēng)險作出評價。每一個一級指標(biāo)又可以分為若干個二級指標(biāo)，其中企業(yè)管理者情況(u1)包括企業(yè)管理者教育水平(u11)、企業(yè)管理者健康狀況(u12)、企業(yè)管理者管理者個人管理水平(u13)等三個二級指標(biāo);企業(yè)經(jīng)營狀況(u2)包括企業(yè)經(jīng)營規(guī)模(u21)、企業(yè)經(jīng)營定位及區(qū)域(u22)、企業(yè)經(jīng)營時間(u23)等三個二級指標(biāo);企業(yè)發(fā)展前景(u3)包括企業(yè)內(nèi)部發(fā)展前景(u31)、行業(yè)發(fā)展前景(u32)、行業(yè)相關(guān)政策(u33)等三個二級指標(biāo);企業(yè)償債能力(u4)包括企業(yè)資產(chǎn)負(fù)債率(u41)、企業(yè)主營業(yè)務(wù)收入負(fù)債比(u42)、企業(yè)現(xiàn)金流動負(fù)債比(u43)等三個二級指標(biāo);企業(yè)信用狀況(u5)包括企業(yè)的信用記錄(u51)、企業(yè)的納稅記錄及相關(guān)信息披露(u52),企業(yè)擔(dān)保機制(u53)等三個二級指標(biāo);其他(u6)包括企業(yè)職工素質(zhì)(u61)、企業(yè)有無違法記錄(u62)、企業(yè)貸款用途(u63)等三個二級指標(biāo)。設(shè)呼和浩特市小額貸款公司資金有限，中小企業(yè)為了謀求自身的發(fā)展需要貸款的資金支持。為了實現(xiàn)呼和浩特市小額貸款公司的利益最大化和信用風(fēng)險最小化，使其貸款業(yè)務(wù)開展得更加順利，擬在m個備選需要貸款的中小企業(yè)A={A1,A2,…Am}中選擇一個信用風(fēng)險最小的企業(yè)。假設(shè)中小企業(yè)的信用風(fēng)險評價指標(biāo)ui的權(quán)重是wi，滿足wi≥0，且需加和為1。那么，基于直覺模糊層次分析法和TOPSIS方法的中小企業(yè)信用風(fēng)險評價決策的方法的步驟如下所示:1.構(gòu)建中小企業(yè)信用風(fēng)險評價的直覺模糊評價矩陣。假設(shè)有p個專家D1,D2,.....DP參與中小企業(yè)信用風(fēng)險評價的決策，通過專家打分可以得到備選企業(yè)Ai的第j個指標(biāo)的評價值，可用直覺模糊集來表示。各備選企業(yè)的信用風(fēng)險評價構(gòu)成的集合的直覺模糊評價矩陣如下所示：2.確定直覺模糊正理想解和負(fù)理想解。所謂直覺模糊正理想解是指完全滿足決策者要求的候選方案，而直覺模糊負(fù)理想解是指完全不滿足決策者要求的候選方案。定義直覺模糊正理想解A+、負(fù)理想解A-為：3.計算備選企業(yè)信用風(fēng)險的直覺模糊評價值到直覺模糊理想解和負(fù)理想解的距離。根據(jù)層次分析法確定各評價指標(biāo)的權(quán)重向量wi，則各備選中小企業(yè)Ai的直覺模糊評價值到正理想解A+的距離以及到負(fù)理想解A-的加權(quán)距離為：按照綜合評價指數(shù)的大小對中小企業(yè)的信用風(fēng)險進(jìn)行排序，ki的值越大，相應(yīng)的企業(yè)信用風(fēng)險就越小；ki的值越小，相應(yīng)的企業(yè)信用風(fēng)險就越大。呼和浩特市小額貸款公司可以選擇信用風(fēng)險最小的企業(yè)為其提供貸款服務(wù)。

三、實證研究

呼和浩特市MC小額貸款公司是一家民營的小額貸款公司，該公司成立于2011年，主要開展對中小企業(yè)以及個人的小額貸款業(yè)務(wù)，而申貸對象絕大多數(shù)是中小企業(yè)。由于公司開立時間不長，資金流動相對緊張，再加上當(dāng)?shù)刂行∑髽I(yè)的信用狀況良莠不齊，公司內(nèi)部又缺乏相應(yīng)的信用風(fēng)險評價機制，公司在謀求自身發(fā)展，追求利益最大化的同時也追求信用風(fēng)險的最小化。MC小額貸款公司運用基于直覺模糊TOPSIS法的中小企業(yè)信用風(fēng)險評價模型成功的實現(xiàn)了上述目標(biāo)，該模型量化了中小企業(yè)的信用風(fēng)險，也為呼和浩特市小額貸款公司進(jìn)行貸款決策提供了客觀的科學(xué)依據(jù)。其具體的運用過程如下：現(xiàn)有5家中小企業(yè)(A1,A2,A3,A4,A5)需要向MC呼和浩特市小額貸款公司申請貸款，他們的總體情況各有不同。MC呼和浩特市小額貸款公司運用基于直覺模糊TOPSIS方法的信用風(fēng)險評價模型，從企業(yè)管理者情況（u1）、企業(yè)經(jīng)營狀況（u2）、企業(yè)發(fā)展前景（u3）、企業(yè)償債能力（u4）、企業(yè)信用狀況（u5）以及其他（u6）等六個一級指標(biāo)對以上5個企業(yè)進(jìn)行綜合評價和決策。首先，呼和浩特市小額貸款公司貸款決策者將各一級指標(biāo)兩兩對比，得到對比矩陣M，如下所示。由表2可知權(quán)重向量的一致性指標(biāo)比率C.R.=0.0573/1.24=0.0462<0.1，因此，指標(biāo)權(quán)重通過一致性檢驗。其次，呼和浩特市小額貸款公司根據(jù)經(jīng)驗、知識以及歷史數(shù)據(jù)等，參照表3的屬性重要性程度標(biāo)度確定出每個申請貸款的中小企業(yè)的直覺模糊評價矩陣，如表4所示:再次，根據(jù)上文提到的公式計算各備選給予小額貸款的中小企業(yè)信用風(fēng)險與直覺模糊正理想解和負(fù)理想解的加權(quán)距離di+和di-以及各備選中小企業(yè)信用風(fēng)險的綜合評價指數(shù)ki，計算結(jié)果如表6所示。由上述計算結(jié)果可知，各備選的中小企業(yè)信用狀況的優(yōu)劣次序為：k2>k3>k4>k1>k5，即A2企業(yè)的貸款信用風(fēng)險最低，呼和浩特市小額貸款公司可以接受該企業(yè)的貸款申請；而A5企業(yè)的貸款信用風(fēng)險最高，呼和浩特市小額貸款公司需要對該企業(yè)的貸款申請謹(jǐn)慎決策。通過以上結(jié)果分析，A2企業(yè)的各項指標(biāo)平均處在較高的水平，且專家在權(quán)重較大的企業(yè)償債能力，企業(yè)經(jīng)營狀況以及企業(yè)發(fā)展前景三個方面都給A2企業(yè)評出了較高的分?jǐn)?shù)。專家的評分與計算結(jié)果一致，體現(xiàn)了該模型的有效性，說明了該模型可以為呼和浩特市小額貸款公司的貸款業(yè)務(wù)進(jìn)行預(yù)測，從而為其進(jìn)行貸款決策提供客觀依據(jù)。

篇（8）

（一）樣本選取與簡單描述性統(tǒng)計。本文數(shù)據(jù)來源于國內(nèi)某商業(yè)銀行的信貸系統(tǒng)，以2006年的化工業(yè)為例，從中選擇了2457個小微企業(yè)非上市公司樣本，其中48個違約樣本，2409個非違約樣本。對于樣本公司，本文從償債能力、盈利能力、營運能力、成長能力、現(xiàn)金流量以及規(guī)模等六個方面，選取了15個財務(wù)指標(biāo)，對小微企業(yè)非上市公司的經(jīng)營現(xiàn)狀進(jìn)行因子分析，從中找出最能反映公司經(jīng)營特點的少數(shù)公共因子，進(jìn)而為后續(xù)的Logistic模型風(fēng)險預(yù)警提供解釋變量。選取的15個財務(wù)指標(biāo)如表1所示：在選取樣本時，本文首先運用SPSS16.0軟件對數(shù)據(jù)進(jìn)行了異常值剔除處理，步驟如下：首先對選定的15個財務(wù)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，除指標(biāo)量綱的差異，然后將每個指標(biāo)的標(biāo)準(zhǔn)化值的絕對值大于或等于3的樣本視為異常值加以剔除；對剔除后的樣本，重復(fù)進(jìn)行指標(biāo)標(biāo)準(zhǔn)化處理、檢驗異常值、剔除異常值，直至無異常數(shù)據(jù)為止。本文重復(fù)了5次異常值剔除處理，最終篩選出2457個合格樣本，用于因子分析。下表2為數(shù)據(jù)的簡單描述性統(tǒng)計量。

（二）因子分析1.因子分析的適用性檢驗。因子分析要求變量間具有相關(guān)性，本文在進(jìn)行因子分析前，主要采用KMO檢驗和巴特利特球度檢驗方法對變量進(jìn)行相關(guān)性檢驗。表3為運用SPSS16.0軟件運行得出的檢驗結(jié)果。從表中可以看出KMO檢驗統(tǒng)計量的值等于0.633，其大于0.5，證明適合作因子分析。同時巴特利特球度檢驗值為27600，其相伴概率為0.000，在5%的顯著性水平下極其顯著，說明相關(guān)系數(shù)矩陣不是單位陣，即變量間存在相關(guān)性，適合作因子分析。2.確定因子數(shù)目。構(gòu)造因子變量首先要確定因子數(shù)目，本文采用特征值大于1的標(biāo)準(zhǔn)提取公因子，同時通過碎石圖直觀判斷公因子數(shù)目。首先，運用SPSS16.0軟件運行得出因子分析的特征根和方差貢獻(xiàn)率，如下表4。表4中，三部分分別為初始因子、因子提取后以及經(jīng)過方差最大旋轉(zhuǎn)后的相關(guān)系數(shù)矩陣的特征根、方差貢獻(xiàn)率以及累計方差貢獻(xiàn)率。從第三部分可以看出，依據(jù)特征值大于1的標(biāo)準(zhǔn)，共提取6個主因子，且前6個主因子的方差貢獻(xiàn)率依次為21.501%、17.884%、11.366%、10.71%、10.509%、8.762%，累計方差貢獻(xiàn)率大于80%，說明前6個主因子可以解釋變量的大部分信息，從而把前6個公因子作為評價樣本公司的綜合指標(biāo)，降低了公司綜合評價的指標(biāo)維度，為后續(xù)Logistic回歸提供了解釋變量。其次，建立碎石圖判斷因子數(shù)目。首先將特征根從大到小排序，序號相應(yīng)為1，2，…，15。以橫軸表示序號，縱軸表示特征值，構(gòu)造出碎石圖1。觀察碎石圖發(fā)現(xiàn)，特征值大于1的因子有6個，分別為F1，F(xiàn)2，…，F(xiàn)n，這與表3-4確定的因子數(shù)目一致。3.估計因子載荷矩陣。運用SPSS16.0軟件運行得出初始因子載荷矩陣，由于無法確定公共因子的經(jīng)濟意義，使用方差最大化旋轉(zhuǎn)法對初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)，可得到旋轉(zhuǎn)后的因子載荷矩陣，如表5所示。通過旋轉(zhuǎn)，各個公因子有了較為明確的經(jīng)濟含義：第一個公共因子F1，其在指標(biāo)X5（總資產(chǎn)報酬率）、X6（凈資產(chǎn)收益率）、X7（息稅前利潤/總資產(chǎn)）、X8（息稅前利潤/主營業(yè)務(wù)收入凈額）上有較大載荷，命名為“盈利能力因子”。第二個公共因子F2，其在指標(biāo)X1（資產(chǎn)負(fù)債率）、X2（產(chǎn)權(quán)比率）、X3（流動性比率）上有較大載荷，命名為“償債能力因子”。第三個公共因子F3，其在指標(biāo)X11（所有者權(quán)益增長率）、X12（總資產(chǎn)增長率）、X14（現(xiàn)金流量比率）上有較大載荷，命名為“成長能力因子”。第四個公共因子F4，其在指標(biāo)X13（現(xiàn)金比率）、X4（速動比率）上有較大載荷，命名為“現(xiàn)金流量因子”。第五個公共因子F5，其在指標(biāo)X9（總資產(chǎn)周轉(zhuǎn)率）、X15（總資產(chǎn)）上有較大載荷，命名為“總資產(chǎn)營運能力因子”。第六個公共因子F6，其在指標(biāo)X10（應(yīng)收賬款周轉(zhuǎn)率）上有較大載荷，命名為“應(yīng)收賬款周轉(zhuǎn)率因子”。4.計算因子得分。表6是通過主成分回歸方法估計出的因子得分系數(shù)，用表中各公共因子對應(yīng)的得分系數(shù)分別乘以各變量標(biāo)準(zhǔn)化值即可得到各公因子對應(yīng)的得分序列。

（三）Logistic實證分析1.建立Logistic回歸方程。設(shè)被解釋變量y為0-1型隨機變量，當(dāng)樣本違約時y取1，非違約時y取0，另以6個公共因子F1，F(xiàn)2，…，F(xiàn)6作為解釋變量，建立Logistic回歸模型，回歸方程的形式如下：2.Logistic模型參數(shù)估計。運用SPSS16.0軟件對因變量Y和自變量F進(jìn)行Logistic回歸建模，選擇逐步向前回歸分析法，篩選出回歸系數(shù)比較顯著的自變量進(jìn)入模型，剔除回歸系數(shù)比較顯著的自變量進(jìn)入模型，剔除回歸系數(shù)不顯著的自變量。本文參數(shù)估計結(jié)果中已剔除回歸系數(shù)不顯著的因子F2，F(xiàn)3和F6，保留了因子F1、F4和F5，最終獲得的參數(shù)估計結(jié)果如下表7所示：表7中，Wald統(tǒng)計量用來檢驗回歸系數(shù)是否顯著，Sig是Wald統(tǒng)計量的相伴概率，結(jié)果顯示因子F1，F(xiàn)4和F5的Wald值、Sig值在1%的顯著性水平下極其顯著，說明模型擬合較成功。3.Logistic回歸違約率（）判別分析。判別分析的目的是為了檢驗?zāi)Ｐ徒⒌臏?zhǔn)確性，為風(fēng)險預(yù)警做準(zhǔn)備。具體方法為運用已建立的Logistic回歸方程（3.3），得出各樣本的違約概率值，以違約概率0.5為判別臨界點，>0.5計入違約組，<0.5計為非違約組，運用SPSS16.0軟件運行得出模型違約組和非違約組的判別結(jié)果如下表8所示。上表顯示，Logistic模型總的判別準(zhǔn)確率為98%，其中非違約組2409個樣本全部判別為非違約，判別準(zhǔn)確率100%；而違約組48個違約樣本全部錯判為非違約，判別準(zhǔn)確率0%。由于通過估計違約概率來識別違約樣本的結(jié)果不理想，我們尋找其他能提高違約樣本判別準(zhǔn)確率的方法。4.Logistic回歸殘差（ZREi）判別分析。回歸方程的殘差gi是指實際觀察值yi與通過回歸方程估計出的回歸值yi之差。殘差可以分為普通殘差gi、標(biāo)準(zhǔn)化殘差ZREi=giσ，一般用于判斷異常值，判斷標(biāo)準(zhǔn)為將超過±2σ或±3σ的殘差視為異常值。由于普通殘差ei的方差不相等，不適合直接用來做判斷，一般將普通殘差標(biāo)準(zhǔn)化，使殘差具有可比性，從而用標(biāo)準(zhǔn)化殘差ZREi來進(jìn)行判斷。本文將殘差異常值的判斷與樣本的違約性判斷聯(lián)系起來，進(jìn)而通過識別回歸殘差的異常值來判斷樣本的違約性。運用SPSS16.0軟件輸出所有樣本的標(biāo)準(zhǔn)化殘差ZREi，將用ZREi＞2和ZREi＞1兩個標(biāo)準(zhǔn)，分別進(jìn)行違約識別，對比分析判別結(jié)果的準(zhǔn)確率，進(jìn)而選取準(zhǔn)確率更高的判別臨界點。在ZREi＞2的判別標(biāo)準(zhǔn)下，判別結(jié)果為：違約組48個樣本中，標(biāo)準(zhǔn)化殘差值均為正值，且大于2，判為違約組，判別準(zhǔn)確率100%；非違約組2409個樣本中，標(biāo)準(zhǔn)化殘差值均為負(fù)值，且絕對值小于2，全部判為非違約組，判別準(zhǔn)確率100%。在ZREi＞1的判別標(biāo)準(zhǔn)下，判別結(jié)果與ZREi＞1的判別結(jié)果完全一致，違約組和非違約組的判別準(zhǔn)確率均為100%。

（四）Logistic模型樣本外預(yù)測。為了檢驗?zāi)Ｐ偷念A(yù)警能力，本文根據(jù)2006年建立的Logistic回歸方程去預(yù)警2007年的客戶違約情況。選取2007年化工行業(yè)的33個樣本數(shù)據(jù)，其中7個違約樣本、26個非違約樣本。首先運用SPSS16.0軟件，將33個樣本的15個財務(wù)指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化，根據(jù)因子得分系數(shù)表4-7，算出每個樣本的因子得分值F1、F4和F5，代入Logistic回歸方程（4.5），根據(jù)y的預(yù)測值和實際值算出普通殘差和標(biāo)準(zhǔn)化殘差，分別運用ZREi＞2和ZREi＞1兩個標(biāo)準(zhǔn)來進(jìn)行風(fēng)險預(yù)警。在ZREi＞2的判別標(biāo)準(zhǔn)下，預(yù)警結(jié)果為：違約組7個樣本，預(yù)警出2個違約，預(yù)警準(zhǔn)確率28.57%；非違約組26個樣本，全部預(yù)警為非違約，預(yù)警準(zhǔn)確率100%。在ZREi＞1的判別標(biāo)準(zhǔn)下，預(yù)警結(jié)果為：違約組7個樣本，全部預(yù)警為違約，預(yù)警準(zhǔn)確率100%；非違約組26個樣本，預(yù)警出25個違約，預(yù)警準(zhǔn)確率96.15%。鑒于ZREi＞1的預(yù)警準(zhǔn)確率明顯高于ZREi＞2的預(yù)警準(zhǔn)確率，本文將ZREi＞1作為預(yù)警樣本違約的判別標(biāo)準(zhǔn)。

篇（9）

二十世紀(jì)70年代以來，交易成本理論在經(jīng)濟學(xué)界引起極大反響，作為新制度經(jīng)濟學(xué)的核心概念，它已成為現(xiàn)代經(jīng)濟學(xué)的中心議題。交易成本概念不僅作為一個范疇，而且作為一種新的經(jīng)濟學(xué)分析方法，被頻繁地用于各種經(jīng)濟現(xiàn)象的分析，從交易成本角度去研究商業(yè)銀行信用風(fēng)險，也會獲得耳目一新的成果。

1交易成本概述

交易成本指履行一個合同的成本，它包括事前發(fā)生的為達(dá)成一項合同而發(fā)生的成本，和事后發(fā)生的監(jiān)督、貫徹該項合同的執(zhí)行而發(fā)生的成本；它區(qū)別于生產(chǎn)成本，即為執(zhí)行合同本身而發(fā)生的成本[1]。交易成本的特征：交易成本是一種機會成本；是經(jīng)濟主體之間知識、信息不對稱的結(jié)果，是利益沖突與調(diào)和過程中浪費的資源；是無法徹底消除的；由于事件的概率性和不確定性的存在，對于任意一項經(jīng)濟活動，人們只能在事前根據(jù)不完備的知識和信息對交易成本的種類和數(shù)量進(jìn)行估計，準(zhǔn)確的計量只有在事后才能進(jìn)行[2]。

商業(yè)銀行信用交易成本指商業(yè)銀行（貸方）為和客戶（借方）達(dá)成借貸協(xié)議合同而發(fā)生的成本，它包括貸前、貸中、貸后三個階段發(fā)生的費用支出。

2銀行信用風(fēng)險交易成本構(gòu)成分析

商業(yè)銀行信用風(fēng)險交易成本構(gòu)成包括信息成本、審查成本、執(zhí)行成本、監(jiān)督成本、界定和保護(hù)產(chǎn)權(quán)成本等內(nèi)容。如圖1所示。

2.1貸前調(diào)查的信息成本

即尋找借款伙伴并調(diào)查借款人財務(wù)狀況、信譽狀況、經(jīng)營狀況的信息成本。信息成本既包括信息本身的成本，也包括商業(yè)銀行為取得信息而付出的尋找成本；由于事前機會主義的存在，要求對交易對手的情況要進(jìn)行徹底的了解。如：銀行要對借款人的經(jīng)營狀況、資金用途、還貸能力等進(jìn)行調(diào)查，對銀行客戶進(jìn)行篩選，搜集相關(guān)資料，而這些都是需要花費一定的費用才能夠取得的。

2.2貸中審查的成本

即簽約過程討價還價的成本，擬定合同條款所發(fā)生的成本，如落實擔(dān)保物、抵押登記、抵押物保險等。首先是合同擬定成本，主要指商業(yè)銀行事先擬定信貸合同所支付的成本；其次是談判和決策成本，主要是銀企雙方就信貸合同的某些內(nèi)容進(jìn)行協(xié)商而支出的成本；最后，在信貸合同起草時，要確定出各種情況下雙方的權(quán)利和義務(wù)，以及信貸交易合同的執(zhí)行辦法。這些工作的進(jìn)行都會使合同的起草和談判變的更加復(fù)雜，更加費時費力。

2.3貸后檢查發(fā)生的成本

即監(jiān)督合同簽署方，看其是否遵守合同條款，防止挪用資金、督促按期還款等活動發(fā)生的成本。在貸款出現(xiàn)逾期后，催收不良貸款需要花費大量的人力、物力、財力，還要支付訴訟費、律師費、產(chǎn)權(quán)登記和財產(chǎn)保全費等。

2.3.1合同交易的執(zhí)行成本

指在信貸合同執(zhí)行的過程中發(fā)生的成本。在合同簽訂以后，只要整個交易還沒有完成，就不可“掉以輕心”，因為還要監(jiān)視和檢查合同的執(zhí)行情況，防止合同的執(zhí)行人任何可能的違約行為，這也會引起更大程度上交易成本的增加。對商業(yè)銀行而言，主要有：按期繳納貸款時的交易成本；合同存續(xù)期間對貸款實施風(fēng)險管理的成本；事故發(fā)生后通知銀行客戶的成本；以及討價還價時的交涉成本。

2.3.2監(jiān)督成本

即在銀行和客戶交易雙方都存在機會主義行為的可能情況下發(fā)生的成本。由于事后機會主義的存在，要求對交易對手合同執(zhí)行情況進(jìn)行監(jiān)督檢查，防止違約，這就必須花費大量成本進(jìn)行監(jiān)督。商業(yè)銀行必須對客戶的貸款用途進(jìn)行跟蹤監(jiān)督、對客戶的信用水平、業(yè)務(wù)狀況、財務(wù)狀況實行全程監(jiān)督，并對其違約行為進(jìn)行公示等，這也會引起交易成本的增加。2.3.3界定和保護(hù)產(chǎn)權(quán)成本

指使產(chǎn)權(quán)交易得以有效進(jìn)行的必要成本支出。產(chǎn)權(quán)不清就無法進(jìn)行交易，交易成功后產(chǎn)權(quán)又要重新界定和保護(hù)，任何銀行業(yè)務(wù)的交易都離不開產(chǎn)權(quán)的界定和保護(hù)。貸款合約簽訂后，銀行的貨幣資金進(jìn)入了企業(yè)的賬戶，歸企業(yè)支配；企業(yè)的抵押物過戶到銀行名下，產(chǎn)權(quán)歸銀行所有。破壞產(chǎn)權(quán)的行為需要制裁，這些活動產(chǎn)生的費用都是界定和保護(hù)產(chǎn)權(quán)的交易成本。

3銀行信用風(fēng)險交易成本成因分析

企業(yè)失信以及交易成本產(chǎn)生不是偶然的，而是有一定的形成根源，是銀行和企業(yè)兩方面因素導(dǎo)致了商業(yè)銀行信用風(fēng)險交易成本的發(fā)生。

3.1借款人機會主義行為

在金融市場交易中，作為貸方的商業(yè)銀行要隨時注意、提防企業(yè)的機會主義行為，人的行為的不確定性，使借款人存在著缺乏誠信道德的現(xiàn)象[4]。現(xiàn)在的經(jīng)濟領(lǐng)域，不講信用現(xiàn)象時有發(fā)生，少數(shù)信用卡常被惡意透支，部分銀行承兌匯票到期不能承兌，有些銀行貸款被想方設(shè)法逃廢，這些違約行為，都是缺乏誠信道德的表現(xiàn)。不佳的信用環(huán)境，是信用風(fēng)險交易成本發(fā)生的源泉。機會主義的存在加大了銀行信用風(fēng)險交易成本。

3.2維護(hù)產(chǎn)權(quán)在交易成本中核心地位需要

交易過程中，存在著借款人違約的情況，在借款人違約時，銀行需要用法律程序來進(jìn)行索賠，這個過程也是需要花費交易成本的，我們也稱之為維護(hù)產(chǎn)權(quán)而斗爭時所付出的成本。有效的銀行借貸交易需要明確地界定產(chǎn)權(quán)，不僅“界定產(chǎn)權(quán)”本身需要花費成本，而且起草和制定有關(guān)銀行借貸方面的產(chǎn)權(quán)法律，也是要花費交易成本。商業(yè)銀行要想保護(hù)產(chǎn)權(quán)，及時獲取一切關(guān)于借款方破壞產(chǎn)權(quán)行為的信息，并對破壞產(chǎn)權(quán)的行為進(jìn)行制裁，就需要花費一定數(shù)量的交易成本。

3.3銀企之間信息不對稱

缺乏信息對稱。在銀行的貸后管理上，由于借款人在信息對稱方面占據(jù)優(yōu)勢，還貸與否很大程度上取決于自身的還款意愿，因而銀行僅能對借款人的收入、家庭狀況及提供的相關(guān)信息有所掌握，局限性很大。就借款企業(yè)來說，由于其報送的報表數(shù)據(jù)并非一成不變，提供信息的及時性、可信度都存在隱患，大量信息分散于多種渠道，因而銀行無法正常獲取，無從得知，始終處于被動地位。此種信息不對稱，容易造成銀行在貸款管理決策上的失誤，從而形成難以避免的信用風(fēng)險。為此，商業(yè)銀行就需要花費大量的信息交易成本。

3.4借款人經(jīng)營中的缺陷

銀行與借款人訂立借貸合同后，由于借款人經(jīng)營上的困難和失誤，造成企業(yè)資金緊張，不能按時履行合同規(guī)定的還款指標(biāo)，從而造成商業(yè)銀行資產(chǎn)信用風(fēng)險的加大和資產(chǎn)的損失。此種情況下，借款人不是不想履行合同而是無力履行合同，由此作為貸方的銀行需要花費大量的交易成本，來對借方的經(jīng)營能力和盈利水平做跟蹤評估[5]。

參考文獻(xiàn)：

[1]張維迎.博弈論與信息經(jīng)濟學(xué)[M].上海：上海三聯(lián)書店，2004.

[2]岳志.論金融交易成本[J].深圳金融，2001,5.

篇（10）

1.2再保險信用風(fēng)險定義及分類。再保險信用風(fēng)險是保險公司面臨的各項信用風(fēng)險的組成部分之一，主要是指保險公司可能面臨的再保險人資信風(fēng)險，簡言之，是指保險公司的再保險接受人有無足夠的能力和意愿承擔(dān)其對分出公司的到期債務(wù)（再保險合同約定的、由再保險人對分出人承擔(dān)的賠付責(zé)任）。對于保險公司而言，相關(guān)資產(chǎn)或權(quán)益主要包括應(yīng)收分保賬款、應(yīng)收分保未到期責(zé)任準(zhǔn)備金和應(yīng)收分保未決賠款準(zhǔn)備金。按照再保險信用風(fēng)險的性質(zhì)，可以進(jìn)行如下分類：（1）契約風(fēng)險/合同風(fēng)險：是指再保險人與分出公司就已簽署的分保合同發(fā)生爭議或糾紛，例如已簽訂的文本中有關(guān)定義不清晰而發(fā)生歧義；或因雙方對損失原因是否屬于保險責(zé)任發(fā)生爭議等。（2）履約風(fēng)險：指再保險人失去償付能力，無法按約定履約，例如倒閉，破產(chǎn)清算等；或再保險人因道德風(fēng)險蓄意拒付或有意拖延等。（3）管理風(fēng)險：主要是分出公司內(nèi)部在再保險人資信管理中存在的風(fēng)險。主要包括再保險人信息記錄不真實、不完整；未及時了解再保險人信用風(fēng)險以及信用評級的重大變化情況；與再保險人溝通的及時性較差；對應(yīng)收分保賬款等監(jiān)控不嚴(yán)；對拖欠賬款缺乏有效的追討手段等。

2再保險人信用風(fēng)險日常管理

再保險信用風(fēng)險日常管理主要包括：再保險人的資信選擇；再保險人資信信息的收集和更新；再保險人資信檔案的建立和管理；再保險人信用風(fēng)險分析評估等工作。

2.1對于再保險人的選擇，目前既有行業(yè)的監(jiān)管要求，各保險公司內(nèi)部也不同的制度規(guī)定，主要是指再保險人在資信評級與資本金方面的硬性要求，比如有的保險公司對于再保險人有著明確的不低于“A-”（標(biāo)普，惠譽，穆迪或貝氏評級）標(biāo)準(zhǔn)。

2.2再保險資信信息的收集與管理。對于再保險人信息資料的搜集與整理，是當(dāng)前保險公司再保險信用管理的主要工作，一般通過以下渠道獲取再保險人資信信息：（1）直接向?qū)Ψ剿魅∽再Y料及有關(guān)證明文件；（2）通過公共途徑獲取信息，例如通過網(wǎng)絡(luò)、報紙或者行業(yè)協(xié)會等搜集相關(guān)信息；（3）向?qū)I(yè)的信用評估機構(gòu)定購信用報告，以便及時了解國際國內(nèi)再保險人的信用評級情況；（4）與同行其他公司進(jìn)行信息交換。

2.3再保險人資信分析與評估。對再保險人進(jìn)行信用分析和信用評級評價，是日常再保險信用風(fēng)險管理的工作核心，也是工作難點，通過對再保險人所有相關(guān)財務(wù)及非財務(wù)信息進(jìn)行整理、分析，得出再保險人的償債能力評估，一般需要運用專門的信用分析技術(shù)和模型并結(jié)合專業(yè)人員的經(jīng)驗來完成。目前國內(nèi)尚未見到保險公司對于再保險人的信用評級管理實例，個別管理較好的保險公司通過建立再保險人黑灰名單制度，以加強對再保險人應(yīng)收應(yīng)付的日常管理，實現(xiàn)降低再保險信用風(fēng)險的目的。

3再保險信用風(fēng)險管理建議

國內(nèi)再保險信用風(fēng)險管理，與國際上管理成熟的保險市場或保險主體相比，存在不小的差距，建議國內(nèi)保險公司從以下幾方面加強這方面的工作，提高國內(nèi)再保險信用風(fēng)險水平：

3.1提高認(rèn)識，建立專業(yè)團(tuán)隊統(tǒng)一歸口管理。雖然近年來國內(nèi)再保險業(yè)務(wù)不斷發(fā)展，但是再保險信用風(fēng)險與保險公司其他業(yè)務(wù)風(fēng)險相比，由于從業(yè)人員少，專業(yè)化較強，外部以及行業(yè)整體上，對于再保險信用風(fēng)險認(rèn)識不足。因此，加強宣導(dǎo)，提高認(rèn)識，將是近年行業(yè)的主題。此外，設(shè)立專業(yè)的團(tuán)隊及崗位，統(tǒng)一歸口管理再保險信用風(fēng)險，是再保險信用風(fēng)險管理落實的基本保障。

3.2明確信用風(fēng)險容忍度，即信用風(fēng)險承受能力問題。在業(yè)務(wù)安排上，明確標(biāo)準(zhǔn)并嚴(yán)格執(zhí)行再保險人的使用，對于重要業(yè)務(wù)分保安排的風(fēng)險敞口要實現(xiàn)明確，特別要考慮單個再保險人的風(fēng)險集中度問題，無論是分出風(fēng)險責(zé)任，還是應(yīng)收賬款或應(yīng)攤賠款，都要事先確認(rèn)公司的風(fēng)險承受限額。

3.3完善信息管理系統(tǒng)，動態(tài)管理再保險人信用風(fēng)險。無論是再保險人信息的收集整理，還是相關(guān)交易數(shù)據(jù)統(tǒng)計監(jiān)控，均需要強大的信息管理系統(tǒng)支持。開發(fā)再保險信用信息管理系統(tǒng)，搭建再保險人資信管理監(jiān)控平臺，以更好的實現(xiàn)對再保險人信用風(fēng)險的動態(tài)管理，例如通過結(jié)算周期研究，發(fā)現(xiàn)有結(jié)算問題的再保險人，通過暫停支付、暫停新業(yè)務(wù)交易等方法，降低再保險信用風(fēng)險。