商业银行小微企业贷款风险预警体系优化范文研究——以中国银行X支行为例

本文的主要结论如下：（1） 研究分析了国内外专家对信用风险管理理论的研究文献，简要概述了信用风险及其分类，选择灰色预测理论作为本文构建信用风险预测模型的理论基础。（2） 分析了中国银行 X 支行信贷业务的经营情况、信贷业务的经营管理情况以及现有的信贷风险指标体系。研究发现，中国银行 X 支行在信用风险管理组织结构、信用风险评价指标体系等方面存在信用风险管理人员素质提高、业务素质偏低等问题。同时，还分析了信用风险相关的宏观和微观因素，为后续构建信用风险综合评价指标体系奠定了基础。

1 绪论

1.1 研究背景、研究意义与目的
1.1.1 研究背景
在我国市场经济的发展中，商业银行一直具有重要和不可替代的作用。他们一直是世界和市场经济货币交易活动的主导和参与者，是世界和中国货币流通的重要工具和媒介。只有防范和化解我国信贷业务发展过程中的各种相关风险，才能有效保证自身的健康可持续发展，从而不断防范和减少商业银行不良贷款的现象，提高其经营效率和利润。中共十八大后，中国的经济快速增长出现了继续的放缓，我国商业银行的不良贷款也越来越多，不良贷款的利用率也随之大幅度的上升。从商业银行不良贷款的种类和现状发展趋势来看，大部分的商业不良贷款管理公司可能无法自行资产处置，商业不良资产管理银行贷款管理有限公司可能需要在当地银行采用商业资产直接打包或者直接出售的不良资产银行管理业务方式，将不良资产银行贷款管理公司进行剥离并直接将其移交北京商业不良资产银行管理有限公司对其进行资产处置。现阶段，我国高度重视对各类金融风险进行综合治理控制。党的十九大中央政府经济工作会议报告把“防范化解重大风险”这个问题重点放在三大战役的首位，金融风险被外界普遍认为已经构成是最重要的三个系统性金融风险之一。由于内外部经济发展环境的严重变化和复杂性，我国商业银行信用风险频发，不同程度地严重影响了下一阶段我国和区域经济的健康发展。其中，商业银行在推动地方和中央以及区域实体经济的发展中一直起着引擎的重要作用。2016 年初，商业银行的不良贷款余额累计为 1300 万元，不良率上升为 1.50%；2017 年末，商业银行的不良贷款余额累计为 1800 万元，不良率大幅上升至 1.52%。可见，商业银行的不良贷款率居高不下并持续上升，中国银行 X 支行也不例外，如图 1.1 所示。

..........................

1.2 国内外研究现状
1.2.1 国外研究现状
国外对于企业信用风险预警系统的理论和定量分析方法的研究已经比较成熟。早期的商业组织和银行只对于企业信用的风险预警系统进行了定性的分析，如采用标准化的信用风险调查分析方法和 5C 分析方法，这些分析方法简单、直观、易于组织实施。但是定性的分析主要是依靠于专家的理论知识和实践经验，主观上难以形成规范。由于对定性统计分析的技术局限性，人们逐渐将各种数理统计分析方法从理论上引入应用到了预警的研究中。随着现代数学和社会主义统计学的深入和发展，预警的研究领域中的定量分析逐渐得到发展并不断完善，一些新的研究成果已经出现在实践中也得到了应用。一些模式甚至已经商业化，在金融业得到广泛应用，产生了巨大的经济效益。
Fitz Patrick（1932）以 19 家非破产公司名字为单位的样本，采用单一破产公司财务的比率将每个样本分为破产公司组和非破产公司组，并在研究中运用先进的统计分析方法对每个样本财务比率进行了信用风险的预测模型研究[1]。
来自美国的一位 William beaver(1968)学者运用他的统计分析思想和方法研究了美国过去10年(1954-1965)79家单一破产企业公司和79家非破产企业公司的30个单一财务比率，并对样本利用单变量财务比率分析建立了一个对信用风险的预测模型[2]。来自日本著名商业管理咨询公司财务专家田中和阿部正茂也在论文中提出了一种基于非破产企业贷款的利息和破产企业票据贴现的成本分别占其产品销售额百分比的“利息和票据贴现成本”判别分析的方法，以判断任何一家非破产公司的财务是否健康[3]。
Studend（2015）利用他的数学观点研究了近年来许多大型破产保险公司和非大型破产公司的信用财务风险比率，并成功地利用单变量的分析方法研究开发了一个新的信用风险预测模型[4]。单变量的分析方法简单易行，但有很大的局限性不同财务比率的预测差异较大，有时同一公司由于财务比率的不同而预测不同的结果。很难判断一家公司是否具有高流动性。高比率、高杠杆比率的公司是否比低流动比率、低杠杆比率的公司具有更高的风险。
.........................

2 商业银行信贷风险预警的理论基础

2.1 我国小微企业的界定及特征
我国对于企业规模是有界定的。小微企业是相对于大中型企业而言的，对于小微企业的概念界定，重点是在于“微”和“小”。小微企业最基本的特征是小微企业的创办的时间较短，创办时资产规模，小微企业内的员工较少，整体的营业收入较低。不同发达国家的小微企业进行分类的标准略有不同。在目前我国，主要分类标准是根据小微企业所拥有的资产经营规模、小微企业内员工人数的多少以及营业收入规模这三个主要的指标来进行界定的。根据我国相关部门对于小微企业公布的统计数据，我国小微企业的数量非常多，大约占绝了我国企业总数的 99%。近几年，小微企业在不断的发展，越来越成熟，同时推动了我国经济的发展，促进了我国经济的良性发展，很大程度上解决了我国的就业问题，提供了就业机会，为社会稳定做出了贡献。
通常来说，小微企业需要在日常的生产经营的过程中，不断的衡量自己发展的条件和境况，为了未来的发展而进行资金的筹集，从而满足小微企业的正常的生产经营活动。故而，小微企业的具有以下特点。
（1）不良贷款率高
小微企业规模较小，资产额度也比较低。和中大型企业相比，小微企业在进行资金筹集时存在着信用风险更高的情况，信用信息和中大型企业相比，更加的不对称。这无疑是小微企业信用管理的最重要的问题。首先，从商业银行的角度来看，商业银行在信贷政策上对于小微企业和中大型企业毫无二致，采用基本相同的管理方式和方法[31]。无论是小微企业还是中小型企业，贷款的基准理论都是 30%。商业银行对于企业在信贷方面的政策和管理并没有进行差异化，故而，在相同的条件和管理政策下，银行通常不愿意将资金款项借贷给小微企业，而更倾向于中大型企业。其次，小微企业由于成立的时间短，各方面都还存在很多管理不完善的问题，故而，小微企业在财务管理方面还有很多问题，例如财务报表和实际的差距较大、财务内部管控不完善等等。商业银行在进行贷款信用审核时，无法对小微企业的资质和提供的财务资料进行准确的审核和分析，无法对小微企业的真实偿债能力作出评价，这无疑加大了商业银行产生不良贷款率的难度[32]。
..........................

2.2 商业银行信贷风险预警概述
2.2.1 信贷风险预警的定义
信用风险预警从字面上理解就是对信用程度的警示，主要是指银行在进行放贷以后对企业信用进行监测，从而对信用风险的情况有全面的掌握，进而可以更早的识别和对信贷风险做出及早的分析，一旦风险产生，就要及时采取相应的措施，对风险做出控制。在我国，商业银行的风险防范还处于起步阶段，是一种新兴的科学。在进行信用风险判断时会综合使用定量、定性等相结合的手段。具体的信用风险预警程序包括以下几个方面：
（1）收集数据。商业银行在对信用风险做出判断以后，要对企业的全部数据都要进行收集，从而进行完全的判断和考量。
2）对风险进行分析。商业银行在建立风险预警机制时，需要结合数据对风险进行客观并全面的风险，并将其都归入到预警指标体系中，从而预测市场和企业客户的全部的风险状况，进而经过分析、判断，根据结果发出预警提示。
（3）风险处理。在发现了风险以后，对商业银行面对的风险进行及时的处理，从而降低商业银行面对风险的程度。风险处理阶段主要分为两类，一是预控处理，二是综合处理。

..........................

3 商业银行小微企业信贷风险预警的现状与问题分析....................14
3.1 商业银行的概况................................14
3.1.1 商业银行基本情况及发展历程.........................14
3.1.2 商业银行的组织结构.......................15
4 商业银行小微企业信贷风险预警体系的优化设计........................22
4.1 信贷风险预警指标的选取................................22
4.1.1 预警指标选取的原则............................22
4.1.2 预警指标体系设定..........................22
5 中国银行 X 支行小微企业信贷风险预警体系的实证分析与配套措施................28
5.1 灰色预测模型的构建...................28
5.2 实证分析............................29

5 中国银行 X 支行小微企业信贷风险预警体系的实证分析与配套措施

5.1 灰色预测模型的构建
商业银行在进行小微企业的信贷风险预测时，要面对很多不确定的因素。中国银行 X 支行在对目标的信贷公司的信用风险进行评估以发展的方向和趋势进行判断时，要得出准确的判断和预估时非常困难的。根据前文中所梳理的预测分析方法和理论基础，运用灰色预测理论和模型进行分析。在本文的前期研究中，发现建立预测模型进行预测时，需要的样本数量相对较少，所需要花费的成本较低。可以对中国银行 X 支行在对小微企业中所面对的不确定的因素和困难时，可以得到补偿。故而，在本文中，所建立的信用风险预测模型是在灰色理论和模型的基础三进行的。根据灰色预测理论，景观数据是各种各样的，但是数据还是存在一定规律和规则的。通过对于中国银行 X支行历史信贷风险预测的综合指数的原始数据进行分析，找到其中存在的数据的规律性，降低数据存在的随机性，增加数据规律化的影响，主要采用的方法是累加法。在本文中建立的灰色预测模型为一阶模型，用 GM（1，1）表示。
.......................

6 结论

6.1 结论
近年来，中国银行 X 支行在不断的努力经营的过程中，已经发展相对稳定。经过十几年的历练，在信贷风险预警方面已经有了一定的经验。但是，受到经济全球化的影响，很多小微企业面临破产和倒闭，导致中国银行 X 支行的不良贷款率不断的上升。随着经济环境的影响和市场竞争的加剧，要将中国银行 X 支行的信贷风险控制在可控的范围内，并降低风险，是其必须要严肃面对的问题，也是急切需要解决的问题。本研究选择以中国银行 X 分行的信贷风险作为研究对象，结合银行信贷的实际情况，再加上对信用风险管理理论和信用风险预测方法的梳理，建立灰色预测模型，进行了中国银行 X 支行风险预警体系的建立。
本文的主要结论如下：
（1） 研究分析了国内外专家对信用风险管理理论的研究文献，简要概述了信用风险及其分类，选择灰色预测理论作为本文构建信用风险预测模型的理论基础。
（2） 分析了中国银行 X 支行信贷业务的经营情况、信贷业务的经营管理情况以及现有的信贷风险指标体系。研究发现，中国银行 X 支行在信用风险管理组织结构、信用风险评价指标体系等方面存在信用风险管理人员素质提高、业务素质偏低等问题。同时，还分析了信用风险相关的宏观和微观因素，为后续构建信用风险综合评价指标体系奠定了基础。
（3） 基于信用风险指标体系的选取原则，运用层次分析法、专家打分法和灰色预测理论，构建了中国银行 X 支行信用风险评价指标体系和信用风险预测模型。
（4） 提出完善信贷风险预警体系的配套措施：建立健全规章制度；规范业务流程；提高风险识别水平；加强信贷队伍建设；健全充实风险监测的数据系统。
参考文献（略）