（计算数学专业论文）基于人工智能方法的贷款分类模型研究.pdf

中文摘要 摘要：本文采用专家系统( e s ) 和b p 人工神经网络算法对商业银行贷款按风险程 度进行质量分类。经研究，将影响贷款归还可能性的因素分为四个方面：财务因 素、非财务因素、现金流量、信用支持，分别建立模块对上述因素进行分析，从 而将贷款按照五级分类法分为：正常、关注、次级、可疑、损失。 首先，将b p 人工神经网络应用于对财务因素及现金流量的分析过程中，通过 选取合适的指标和数据，构造训练集，训练神经网络，得到b p 神经网络输入层到 隐含层以及隐含层到输入层的最终权值，这样，神经网络模型也就建立起来了。 然后，将e s 专家系统应用到非财务因素的分析中来。首先，建立非财务因素的指 标体系，然后根据采取的指标运用产生式专家系统，建立规则体进行分析，在输 出时，输出的是非财务指标的状况，将非财务因素分析的结果分为极高风险，中 高风险，中风险，中的风险，低风险五类。至此，三方面因素分析完成，我们再 次运用产生式专家系统对这三因素分析的结果进行综合分析，建立新的规则体， 得到初步的分类结果。最后，根据信用支持对贷款质量的影响程度，对初步分类 结果进行调整，得到最终的贷款分类结果。 关键词：贷款分类；人工神经网络；专家系统：财务分析；现金流量；信用支持 分类号：f 8 3 0 a b s t r a c t a b s t r a c t ：t i l i sp a p e rd e a l sw i t ht h eb a s e dr i s kl o a ne l a s s i f i c a 廿o no fc o m m e r c i a l b a n k sw i t l lt h em e t h o d so fe x p e r ts y s t e ma n dn e u r a ln e t w o r kw h i c hb e l o n gt ot h e a r t i c l ei n t e l l i g e n c e 1 1 h ef a c t o r st h a ti n f l u e n t st h el o a nq u a l i t yi n c l u d et h ef i n a n c e , t h e c a s hf l o w , t h ec r e d i ts u p p o r ta n ds oo n i nt h i sp a p e r , i tc h o s et h ep r o p e rd a t aa n di n d e x t ob u i l dt h et r a i n i n gs e t t h r o u g hh u n d r e d st i m e st r a i n i n g , i tf i n a l l yb u i l tt h en e u l a l n e t w o r k t h e n , i tu s e dt h en e u r a ln e t w o r kt oa n a l y s tt h ef i n a n c ef a c t o ra n dt h ec a s hf l o w i tu s e dt h ee x p e r ts y s t e md e a l i n gw i t ht h en o n f i n a n c ef a c t o r f i r s t ，b u i l d i n gi n d e x s y s t e mf o rt h en o n - f i n a n c ea n a l y s i s ；s e c o n d ，a n a l y z i n gt h en o n - f i n a n c ef a c t o rw i t ht h e e x p e r ts y s t e m ，f i n a l l yi tg o tt h er e s u l to ft h en o n - f i n a n c ea n a l y s i s a f t e rt h ea n a l y s i so f t h et h r e ep a r t s ，i tu s e dt h ee x p e r ts y s t e ma g a i n 谢t l lt h ef a c t o ro ft h ec r e d i ts u p p o r tt o g e tt h ef i n a ll o a nc l a s s i f i c a t i o n k e y w o r d s ：l o a nc l a s s i f i c a t i o n ，n e u r a ln e t w o r k ，e x p e r ts y s t e m ，f i n a n c ea n a l y s i s ， c a s hf l o w ，c r e d i ts u p p o r t c l a s s n o ：f 8 3 0 l v 学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国 家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名香算椠 签字日期：础年p i 月l 日 名：彤 签字日期：厶缈p 年磊 l 旧 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研 究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得北京交通大学或其他教育机构的学位或证书 而使用过的材料。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了谢意。 学位论文作者签名：奄夏璇 签字日期：凇窖年口月j 1 日 致谢 本论文是在张作泉教授的悉心指导下完成的，张作泉教授严谨的治学态度和 科学的工作方法给了我极大的帮助和影响。在此衷心感谢多年来张作泉老师对我 的关心和指导。 感谢理学院所有帮助、关心过我的老师，衷心地感谢他们在这段时间中给我 的关心和呵护。 感谢我的同窗同学，感谢郎凡、张玉川等同学对我论文中的研究工作给予了 热情帮助，在此向他们表达我的感激之情。 另外也感谢我的家人，他们的理解和支持使我能够在学校专心完成我的学业。 序 商业银行在我国经济和社会发展中居于举足轻重的地位。目前，我国商业银 行的利润主要来自于存贷款利差，信贷风险自然也成为银行面临的最重要的金融 风险。如何及时发现和防范信贷风险，提高信贷资产的管理质量，增强信贷资产 的安全性、流动性和盈利性，是商业银行信贷管理工作的核心主题，是商业银行 稳健经营，健康发展的基础。 贷款分类是指商业银行的信贷分析和管理人员，或监管当局的检查人员，综 合能获得的全部信息并运用最佳判断，根据贷款的风险程度对质量做出评价。我 国于1 9 9 3 1 9 9 6 期间引入了五级分类法，将贷款按风险分为正常，关注，次级， 可疑和损失五类。 早期的五级分类体系中运用核心定义法来对贷款质量进行分类，这种方法主 要对贷款分类人员的要求比较高，也比较容易受贷款分类人员的主观影响，分类 结果不尽人意。 人工智能技术的发展为我们进行贷款分类提供了更加有效的方法。近年来， 随着计算机科学的发展，人工神经网络的研究又掀起了新的高潮，同时，专家系 统作为一种应用最广泛的人工智能方法，其理论与实践的研究都已趋于成熟。本 文尝试将这两种方法综合起来，对影响贷款质量的四种因素，财务因素，现金流 量，非财务因素，信用支持分别进行定性定量分析，以期达到对贷款质量进行准 确分类的目的。 运用人工智能技术进行贷款风险分类，从宏观上讲，为中央银行有效的稽核 监督各商业银行的信贷业务质量提供了统一，科学的手段，从而有利于中央银行 对整个金融市场状况的调控；从微观上讲，准确的对贷款进行分类，可以使各商 业银行更加准确的把握信贷资产结构，计提足够的呆帐准备金，客观全面的评价 信贷质量，及时有效的防范潜在的信贷风险，逐步提高银行内部的信贷管理质量。 1 引言 在我国，商业银行的主营业务是吸收存款和发放贷款。其中发放贷款简称贷 款，是指金融企业根据放款原则、政策，按规定的利率，向其他单位或公民融通 资金的一种信用活动，是银行的一项重要资产业务，也是银行运用资本金取得利 润的主要途径。 风险是指在一定的时间、条件下，发生某种不利事件的可能性。从社会经济 角度而言，风险即使发生经济损失的可能性。风险在商品经济活动中是一种普遍 存在的客观经济现象。商业银行作为商品经济活动中的货币借贷方，也必然要遇 到贷款风险。 贷款风险，是指商业银行发放贷款后，贷款不能按时收回本息，使信贷资金 蒙受损失的可能性。贷款风险来源于一个具有风险的资金使用过程，其根源在于 市场经济活动本身的不确定性。在社会主义市场经济条件下，企业实行自主经营、 自负盈亏、自担风险。而银行贷款一旦贷放给企业使用，就与企业自身的经营资 金合为一体，共同周转。因此，企业经营风险就会通过资金的变化传导作用于信 贷资金，造成银行贷款无法按期收回【1 1 。 商业银行贷款风险管理是指商业银行运用系统和规范的方法，对信贷资金风 险进行识别、预测和处理，防范和降低风险损失的发生，并对信贷活动加以影响， 以实现信贷目标的信贷调控行为。从社会角度看，银行信贷是商业信用、国家信 用、消费行用等所有信用的主要来源之一。特别是在我国，资金需求的增大和银 行有限信贷资金供给之间的矛盾日益尖锐，这就促使银行寻求合理、优化和安全 的资金投放方式，既要使资金投放对g d p 增长发挥最大作用，又要为商业银行带 来丰厚的利润的同时确保资金的安全回收，这样目标的实现就需要对信贷资金进 行科学的管理。 贷款分类是指商业银行的信贷分析和管理人员，或监管当局的管理人员，综 合能获得的全部信息，并运用最佳判断方法，根据贷款的风险度对贷款质量作出 评价。贷款分类不仅包括分类的结果，而且包括分类的过程和所用的方法。商业 银行为实现效益性、流动性和安全性的经营目标，就要根据审慎的原则和风险管 理的需要，定期对自身的信贷资产质量进行审查，并对审查的结果按照一定的原 则和标准进行分类管理，这种做法本身就是贷款的风险分类管理。而从总体上看， 贷款分类的档次和标准是衡量和测度贷款内在风险的一种价值尺度，因此，贷款 风险的分类及管理是商业银行贷款风险管理的重要组成部分。 2 我国贷款分类的方法 在推行贷款风险分类知道原则之前，我国实行的贷款分类方法基本是沿 袭财政部1 9 8 8 年在金融保险企业财务制度中的规定，即把贷款划分为正常、 逾期、呆滞、呆账，其中后三类合成不良贷款( 简称“一逾两呆”) 。我国在1 9 9 3 年至1 9 9 6 年接收的世界银行技术援助项目，其中一项主要内容就是采用以风险为 依据的贷款分类方法，对国内一些商业银行的专项资产质量进行稽核。从1 9 9 6 年 下半年开始，中国人民银行在对外资银行和境外中资机构的稽核中，正式采用了 这套方法。1 9 9 8 年4 月，中国人民银行制定贷款风险分类指导原则，决定于 1 9 9 8 年下半年起，在政策性银行、商业银行中开展清理信贷资产、改进贷款分类 的工作，对贷款采取五级分类法。 2 1 “一逾两呆”分类方法 改革开放以来到1 9 9 8 年以前，我国实行的贷款分类方法基本上是沿袭财政部 1 9 8 8 年在金融保险企业财务制度中的规定，即把贷款划分为正常、逾期、呆 滞、呆账，其中后三类合成不良贷款( 简称“一逾两呆 ) 。 逾期贷款是指借款合同约定到期( 含展期后到期) 未归还的贷款( 不含呆滞 贷款和呆账贷款) 。呆滞贷款是指按财政部有关规定，逾期( 含展期后到期) 超过 规定年限以上仍未归还的贷款，或虽未逾期或逾期不满规定年限但生产经营已终 止、项目已停建的贷款( 不含呆帐贷款) 。呆账贷款是指财政部有关规定列为呆帐 的贷款。 按照“一逾两呆”的贷款分类方法，贷款没有到期的，均划为正常；贷款本 息拖欠超过1 8 0 天以上的，划分为逾期；根据会计制度限定的挂帐停息时间，贷 款利息拖欠超过3 年的划分为呆滞；借款人走死逃亡或经国务院批准的，划分为 呆帐。 2 2 五级分类法 出于监管的需要，经过反复实践和对各国贷款分类制度的比较研究，中国人 民银行从1 9 9 8 年5 月开始试行贷款风险分类指导原则，并在2 0 0 1 年1 2 月修 订后正式发布。指导原则采用新的贷款风险分类方法，按风险程度将贷款分为五 类：正常，关注，次级，可疑，损失。正常：借款人能够履行合同，有充分把握 2 按时足额偿付本息，没有足够理由怀疑贷款本息不能按时足额偿还。在一般情况 下，一家商业银行的正常贷款应当占银行资产组合的绝大部分。其实，对银行来 说，最重要的是保证贷款能够正常还本付息，因此对正常类贷款不能高枕无忧。 为了能对这部分资产进行更为严密的监控和细致的管理，避免笼统地把大多数贷 款都不加区别地划分为正常，很多银行的内部贷款分类制度还把正常类贷款细分 为多个档次。这样，就可以对虽属于正常类，但内在风险有可能加剧的贷款，给 予更多的关注。 关注：尽管借款入目前有能力偿还贷款本息，但存在一些可能对偿还产生不 利影响的因素。这些因素目前对贷款的偿还尚未构成实质影响，然而如果这些因 素继续下去，就有可能使贷款发生损失。顾名思义，对这类贷款要给予关注。已 经发生逾期但逾期时间没有超过9 0 天的贷款，一般应划分为关注类贷款。 次级：借款人的还款能力出现明显问题，完全依靠其正常营业收入无法足额 偿还贷款本息，即使执行担保，也可能会造成一定损失。根据我国中央银行发布 的指导原则，如果是有担保的贷款可以在分类时把担保的因素考虑在内。按照审 慎的会计制度，贷款本金或利息拖欠超过9 0 天，就不再将应收未收利息计入当期 损益，并且将已经计入的利息冲回。此类贷款，般要划分为次级类。 可疑：借款人无法足额偿还贷款本息，即使执行担保，也肯定要造成较大损 失。我国中央银行2 0 0 1 年发布的贷款风险分类指导原则规定，肯定要造成 较大损失的贷款，可以划分为可疑类贷款。从期限上考虑，贷款本息逾期在1 8 0 天以上的，至少要划分为可疑类。 损失：在采取所有可能的措施或一切必要的法律程序之后，本息仍然无法收 回，或只能收回极少部分。贷款逾期在3 6 0 天以上的，就应该划分为损失类。计 提1 0 0 的贷款损失准备，并在履行必要的程序之后冲销。有些贷款虽然没有到期， 但是如果有充足的理由相信，贷款已无法收回，仍然可以划分为损失类。有关五 级贷款的主要特征，详见表1 。 表1 五级贷款主要特征【2 】 主要特征 正常 借款人有能力履行承诺，并且对贷款的本金和利息进行全额偿还， 没有问题的贷款 关注 1 净现金流量减少； 2 借款人销售收入、经营利润在下降，或净值开始减少，或出 现流动性不足的征兆； 3 借款人的一些关键财务指标低于行业平均水平或有较大下 3 降； 4 借款人的经营管理有较严重的问题，借款人未按规定用途使 用贷款； 5 借款人的还款意愿差，不愿于银行积极合作； 6 贷款的抵押品，质押品价值下降； 7 银行对抵押品失去控制； 8 银行对贷款缺乏有效的监督等。 次级1 借款人支付出现困难，并且难以按市场条件获得新的资金； 2 借款人不能偿还对其他债权人的债务； 3 借款人内部管理问题未解决，妨碍债务的及时足额清偿； 4 借款人采取隐瞒事实等不正当手段套取贷款。 可疑 1 借款入处于停产，半停产状态； 2 固定资产贷款项目处于停缓状态； 3 借款人已资不抵债； 4 银行已诉诸法律来收回贷款； 5 贷款经过了重组，仍然逾期，或仍然不能正常归本还息，还 款状况没有得到明显改善等。 损失1 借款人无力偿还，抵押品价值低于贷款额； 2 抵押品价值不确定； 3 借款人已彻底停止经营活动； 4 固定资产借款项目停止时间很长，复工无望等。 2 3 五级分类法与“一逾两呆 的比较 从根本上说，五级分类法是以风险为主的贷款分类方法和制度，重在识别贷 款的内在风险。五级分类法最大特点是：逾期与否和逾期时间长短，只是参考因 素，五级分类法及其相配套的语言、工具、程序、制度，以及与其有密切关系的 挂账停息会计制度、贷款损失准备金制度、呆账核销制度等，构成一个完整的体 系，是商业银行审慎经营和银行监管当局有效监管的重要组成部分。而“一逾两 呆 则主要是按逾期的账龄给贷款分类，目的主要是满足财政税收的需要。使用 “一逾两呆的结果是：不但掩盖了商业银行贷款内在风险、导致收入高估，还 使商业银行的信贷员和管理人员行为不审慎、滋生落后的信用文化。可以说五级 分类法和“一逾两呆 是完全不同的两套体系。 运用五级分类法，可能更加准确地把握信贷资产结构，计提足额的呆账准备 4 金，客观全面地评价贷款质量，及时有效地防范潜在的信贷风险，并逐步提高银 行内部的信贷管理质量。 从五级分类法本身看，相较传统的“一逾两呆具有如下优点： ( 1 ) 分类级别更细，更合理，有利于贷款质量的真实反映； ( 2 ) 对信贷风险能做到动态把握，提前防范： ( 3 ) 评价贷款质量具有多维性； ( 4 ) 增加了对呆账准备充足性的评价 总之，五级分类法是一套对银行的信贷质量进行评价并对银行抵御信贷风险 的能力进行评估的系统方法。 5 3 影响贷款归还可能性的因素 按风险程度对贷款质量进行分类时，应考虑多方面的因素，主要有：借款人 的还款能力，借款人的还款记录，借款人的还款意愿，贷款的信用支持，贷款偿 还的法律责任以及银行的信贷管理等等。对于上面所提到的这些因素，我们大致 可以将其分为四类：财务因素分析，现金流量分析，非财务因素分析以及信用支 持因素分析。 3 1 财务因素分析 在贷款风险分类及借款入偿还贷款可能性分析中，财务因素是根本因素，其 财务状况的评估好坏是偿债能力的关键。贷款风险分类中的财务分析是指银行对 借款人财务报表中有关数据资料所进行的确认、比较、研究和分析，借此掌握借 款人的财务状况，分析借款人的偿债能力，预测借款人的未来发展趋势，为作出 正确的贷款分类提供依据。借款人的偿债能力并不是孤立的，它和借款人的盈利 能力、营运能力、资本结构和现金净流量等因素密切相关，因而为了准确计算和 评价借款人的偿债能力，在贷款分类中所进行的财务分析也应分析以下这些内容。 3 1 2 盈利能力分析 盈利能力简单地说就是获取利润的能力。对于银行来说，盈利能力在某种程 度上来说比偿债能力更重要，因为借款人的正常经营并产生利润是偿还债务的前 提条件。盈利能力越强，借款人还本付息的可能性就越大，贷款的风险也就越小。 由于银行向借款入发放贷款时分为短期和长期两种，所以银行对借款人盈利 能力的分析的侧重点也会有所不同，当银行向借款人发放短期贷款时，分析的目 的主要是当期的盈利能力；当银行向借款人发放长期贷款时，则关心的是借款人 未来盈利水平的稳定性和持久性。 反映借款人盈利能力的财务指标主要有：销售利润率、营业利润率、净利润 率和成本费用利润率。 ( 1 ) 销售利润率 销售利润率是指销售利润和产品或商品销售收入净额对比的结果。计算公式 如下： 销售利润率= 销售利润销售收入净额x10 0 销售利润率反映每元产品或商品销售收入净额中所实现的销售利润额为多 6 少，用来评价借款人产品销售收入净额的盈利能力。该指标越高，表明取得同样 的产品销售收入的产品销售成本越低，销售利润越高。如果将借款人连续几年的 销售利润率加以比较分析，就可以判断并掌握销售活动盈利能力的发展趋势。 ( 2 ) 营业利润率 营业利润率是指借款人的营业利润与产品或商品销售收入净额的比率，计算 公式为： 营业利润率= 营业利润销售收入净额1 0 0 营业利润率反映借款人营业利润占产品销售收入净额的比重，营业利润率越 高，说明借款人营业活动的盈利水平越高。将借款人连续几年的营业利润率加以 比较，就可对其盈利能力的变动趋势作出评价。 ( 3 ) 净利润率 净利润率= 净利润销售收入净额1 0 0 净利润率反映每元销售收入净额所取得的净利润。净利润率越大，说明每元 产品销售收入净额所取得的净利润越多，这个比率直接关系到借款人未来偿还债 务的能力和水平。 ( 4 ) 资产收益率 资产收益率= 税后净嗌资产总额x 1 0 0 ( 5 ) 股东权益收益率 股东权益收益率= 净利润股东权益 ( 6 ) 成本费用率 成本费用率= ( 费用+ 成本) 销售收入1 0 0 3 1 3 营运能力分析 营运能力是指通过借款人资产周转速度的有关指标反映出来的资产利用的效 率，它表明管理人员经营、管理和运用资产的能力。借款人偿债能力和盈利能力 的大小，在很大程度上都取决于管理人员对资产的有效运用程度。资产利用效率 高，则各项资产周转速度就快，资产变现的速度就快，这样，借款人就会有现金 用来偿付流动负债，因而其短期偿债能力就强。借款人资产利用效率高，各项资 产周转速度就快，就能取得更多的收入和利润，盈利能力就强，就会有足够的资 金还本付息，那么其长期偿债能力就强。营运能力的大小对借款人盈利能力的持 续增长和偿债能力的不断提高有着决定性的影响。营运能力常用的指标主要有： 总资产周转率、固定资产周转率、应收账款周转率、存货周转率等。 ( 1 ) 总资产周转率 7 总资产周转率是指借款人销售收入净额与资产平均余额的比率。其计算公式 如下： 总资产周转率= 销售收入净额资产平均余额1 0 0 资产平均余额= ( 期初余额+ 期末余额) 2 总资产周转率可以用来分析借款人全部资产的使用效率。如果借款人总资产 周转率高，说明其全部资产经营效率好，取得的收入高；相反，如果借款人总资 产周转率低，则说明其资产经营效率差，取得的收放少，这些最终会影响到借款 人的盈利能力。 ( 2 ) 固定资产周转率 固定资产周转率是指借款人销售收入净额与固定资产平均净值的比率。它是 反映借款人固定资产使用效率的指标。计算公式为： 固定资产周转率= 销售收入净额固定资产平均净值1 0 0 固定资产平均净值= ( 年初固定资产净值+ 年末固定资产净值) 2 固定资产周转率高，不仅表明借款人固定资产利用较充分，同时也表明借款 人固定资产投资得当，固定资产结构合理，能够发挥效率。 ( 3 ) 应收账款周转率 应收账款周转率是反映应收账款周转速度的指标。它是一定时期内赊销收入 净额与应收账款平均余额的比率。其计算公式如下： 应收账款周转率= 赊销收入净额应收账款平均余额1 0 0 赊销收入净额= 销售收入一现销收入一销售退回一销售折让一销售折扣 应收账款平均余额= ( 期初应收账款+ 期末应收账款) 2 应收账款周转率一般以年为计算基础，如果是季节性生产和销售的企业，每 月、每季度销售收入和应收账款变化较大，这时也可按月、季度计算。一般说来， 该比率总是越高越好。该比率越高，说明借款人应收账款回收越快，管理工作的 效率越高。这不仅减少和避免发生坏账损失的可能性，而且有利于提高借款人资 产的流动性，提高借款人短期债务的偿还能力。 ( 4 ) 存货周转率 存货周转率是一定时期内借款人销货成本与平均存货余额的比率。它是反映 借款人销售能力和存货周转速度的一个指标，也是衡量借款人生产经营环节中存 货营运效率的一个综合性指标。其计算公式如下： 存货周转率= 销货成本平均存货余额 平均存货余额= ( 期初存货余额+ 期末存货余额) 2 存货周转速度的快慢，不仅反映了流动资产变现能力的好坏，经营效率的高 低，同时也说明了借款人的营运能力和盈利能力。存货周转率越高，说明借款人 8 存货从资金投入到销售收回的时间越短。在营业利润率相同的情况下，存货周转 率越高，获取的利润就越多；相反，如存货周转率慢，反映借款人的存货可能过 多或不适应生产或销货需要，而过多的存货将影响资金的及时回笼。 3 1 4 长期偿债能力分析 长期偿债能力是指借款人偿还长期负债的能力。它表明借款人对债务的承受 能力和偿还债务的保障能力。长期偿债能力的强弱是反映借款人财务状况稳定与 安全程度的重要标志。反映企业长期偿债能力的指标包括：资产负债率、负债与 所有者权益比率和利率保障倍数。 ( 1 ) 资产负债率 资产负债率又称负债比率，是借款人负债总额对资产总额的比率。它说明在 借款人总资产中债权人提供的资金所占的比重，以及借款人资产对债权人权益的 保障倍数。对银行来讲，负债比率越低越好。因为负债比率较低，说明负债在借 款人总资产中所占比重较小，这样债权的保障程度就较高，风险也就较小；反之， 负债比率越高，说明负债在总资产中的比重越大，则表明借款人债务负担越重， 这样债权的保障程度就较低，债权人的权益就存在风险。资产负债率的计算公式 如下： 资产负债率= 负债总额资产总额x1 0 0 负债经营对借款人来讲，是有一定风险的，因此，负债经营规模应控制在合 理水平内，负债比重应掌握在一定标准内。过去人们一般认为负债比率控制在3 0 左右比较稳妥，但随着金融业的发展，负债比率普遍提高，甚至高达8 0 以上， 致使借款人经营风险越来越大，稍有不慎就会有破产的危险。因此，银行应根据 借款人的经营状况和盈利能力，正确测算借款人的负债比率，以保证其权益在经 营环境恶化时得到保障。 ( 2 ) 负债与所有者权益比率 负债与所有者权益比率指负债总额与所有者权益总额的比例关系，用以表示 所有者权益对债权人权益的保障程度，即在企业清算时债权人权益的保障程度。 其计算公式如下： 负债与所有者权益率= 负债总额所有者权益总额1 0 0 该比率越低，表明借款人的长期偿债能力越强，债权人权益保障程度越高， 承担的风险越少；反之，这一比率越高，则表明借款人的长期偿债能力越低。当 然这比率也不能过低，即所有者权益比重过大，尽管借款人偿还长期债务的能 力很强，但是借款人不能充分发挥负债的财务杠杆作用。 9 ( 3 ) 利息保障倍数 利息保障倍数是指借款人生产经营所获得的息税前利润与利息费用的比率。 它是衡量借款人偿付负债利息能力的指标。其计算公式如下： 利息保障倍数= ( 利息总额+ 利息费用) 利息费用1 0 0 公式中利息费用一般包括流动负债利息费用，长期负债中进入损益的利息费 用以及进入固定资产原价的利息费用，长期租赁费用等。 借款人生产经营所获得的息税前利润对于利息费用的倍数越高，说明借款人 支付利息费用的能力越强，因此，它即是借款人举债经营的前提，又是衡量借款 人长期偿债能力强弱的重要标志。利息保障倍数究竟多大为宜，这要根据借款人 历史经验结合行业特点来判断。根据稳健原则，应以倍数较低的年度为评价依据。 但无论如何，利息保障倍数不能低于1 ，因为一旦利息倍数低于1 ，意味着借款人 连利息偿还都保证不了，更别说还本了，也就更谈不上长期偿债能力的好坏。 3 1 5 短期偿债能力分析 短期偿债能力就是借款人以流动资产偿还流动负债的能力，它反映借款人偿 付日常到期债务的实力。影响短期偿债能力的因素很多，但流动资产与流动负债 以关系以及资产的变现速度是其最主要的方面，因为大多数情况下，短期债务需 要现金来偿还，因此，短期偿债能力应注意一定时期的流动资产变现能力的分析， 而一般不太注重借款人盈利能力的分析。 反映借款人短期偿债能力的指标主要有：流动比率、速动比率和现金比率。 ( 1 ) 流动比率 流动比率是流动资产与流动负债的比率。它表明借债人每元流动负债有多少 流动资产作为偿还的保证。其计算公式如下： 流动比率= 流动资产流动负债1 0 0 一般情况下，流动比率越高，反映借款人短期偿债能力越强，债权的权益越 有保证。流动比率高，不仅反映借款人拥有的营运资金高，可用以抵偿短期债务， 而且表明借款人可以变现的资产数额大，债权人遭受损失的风险小。但是，流动 比率也不能过高，过高不仅表明借款人流动资产占用较多，影响资产的使用效率 和盈利能力，而且还可能表明借款人的应收账款或存货过多。 从理论上讲，只要流动比率高于1 ，借款人便具有偿还短期债务人的能力。由 于行业性质的不同，流动比率也会出现不同，如商业和流通领域的企业，一般而 言，流动性较高，而机器制造业及电力业流动性则较差，因此，根据不同行业分 别研究流动比率标准更为合理。 l o ( 2 ) 速动比率 速动比率又称酸性比率，是借款人速动资产与流动负债的比率，它是衡量借 款人短期偿债能力的另一项指标，其计算公式为： 速动比率= 速动资产流动负债1 0 0 速动资产= 流动资产一存货一预付账款一待摊费用 计算速动资产时要扣除存货，是因为存货在流动资产中变现较慢，它通常要 经过产品的销售和账款的收回两个过程才能变为现金，有些存货还可能不适销， 根本无法变现。至于待摊费用和预付账款等，它们本质上属于费用，同时又具有 资产的性质，它们只能减少借款人未来的现金付出，却不能转变为现金。因此， 应将这些项目扣除。 速动比率可用作流动比率的辅助指标，有时借款人流动比率虽然较高，但是 流动资产中易于变现、具有即时支付能力的资产却很少，借款人的短期偿债能力 仍然较差。因此，速动比率较流动比率能够更加准确、可靠地评价借款人资产流 动性及其偿还短期债务的能力。根据经验，一般认为速动比率为1 比较合适，表 明借款人每l 元流动负债都有1 元易于变现的资产作为抵偿。如果速动比率低， 说明借款人的短期偿债能力存大问题；速动比率过高，则又说明借款人拥有过多 的速动资产，可能失去一些有利的投资或获利的机会。 以上所介绍的所有指标为本文中拟采用的财务分析指标，我们将在后续内容 中通过神经网络算法来对其进行分析，将财务状况分为良好、一般、合格、不佳、 恶化五类。 3 2 现金流量分析 运用贷款风险分类法对贷款评级时，我们最主要的考察贷款的风险程度，即 借款人偿还贷款的可能性有多大，这取决于还款意愿和还款能力。而借款人的还 款能力的主要标志是借款人的现金流量是否充足。因此，信贷分析人员首先要根 据借款人的即期现金流量，并与同期要偿还的对外债务进行比较，看当期的现金 流是否足以偿还到期债务。现金流量就是我们用以分析借款人的还款能力以及对 贷款进行评级的重要工具。 3 2 1 现金 在贷款风险分类中计算、预测和分析现金流量是为了揭示借款人过去和未来 的还款能力，而除了我们通常所指的现金外，活期存款等一些流动资产也具有非 常强的偿债能力。为此，现金流量中的现金包括两个部分：现金，包括库存现金、 活期存款和其他货币性资金、短期证券投资，称为现金等价物。而作为现金等价 物的短期证券投资应当指债权性投资，而不包括权益性投资。所以现金等价物指 三个月以内的债权投资。 这样，现金流量中的现金包括：库存现金、活期存款、其他货币性资金以及 三个月内的债券投资。另外，现金流量中的现金必须不受限制而可以自由使用。 比如，已办理质押的活期存款不能用于还款，因此应该剔除。 3 2 2 现金流量 现金流量即现金的流量。流量是相对于存量的一个概念：存量是某一时点的 数据，如会计中的余额；流量是一定期间内所发生的数据，如会计中的发生额。 现金流量包括现金流入量、现金流出量和现金净流量，现金净流量为现金流入量 和现金流出量的差。它们有如下关系： 现金流入 现金流出，则现金净流量 0 现金流入 ( 3 ) 则此时相应的输出y k 为 f 1 v k 0 以2 l o o 其中，咋= 薯一幺。 ( 2 ) 一种常规的s 型函数可由下式表示： m ) 2 专 4 ) 通常，用双曲正切函数如图4 所示来取代常规s 型函数，因为s 型函数的输 出均为正值，而双曲正切函数的输出值可正可负，可由下式表示： j 垦塞交通太堂亟堂僮j 金塞童塞丕统厘厶王袖丝圈终摄述 厂( v ) = 丽1 一e m l t ( 5 ) 图3 4 2 3 神经网络的结构及工作方式 j 厂。 一 ，? 图4 从神经元间的连接方式看，神经网络可分为两种： ( 1 ) 递归网络 在递归网络中，多个神经元互连以组织一个互连神经网络，如图5 所示，有 些神经元在输出被反馈至同层或前层的神经元。因此，信号能够从正向和反向流 通。递归网络又叫做反馈网络。图5 中，k 表示节点的状态，置为节点的输入( 初 始) 值，x ；为收敛后的输出值，i = 1 , 2 ，咒。 ( 2 ) 前馈网络 前馈网络具有递阶分层结构，由一些同层神经元间不存在互连的层级组成。 从输入层至输出层的信号通过单向连接流通；神经元从一层连接至下一层，不存 在同层神经元间的连接；如图6 所示，图6 中，实线指明实际信号流通而虚线表 示反向传播。前馈网络又分为很多种：输入输出有反馈的前馈网络、前馈内层互 联网络、反馈型全互联网络以及反馈型局部连接网络。 置 x 2 图5递归反馈网络 输入层隐含层输出层 图6前馈( 多层) 网络 人工神经网络的工作过程主要分为两个阶段：第一个阶段是学习期，此时各 计算单元状态不变，各连线上的权值可以通过学习来修改；第二个阶段是工作期， 此时各连接权固定，计算单元状态变化，以达到某种稳定状态。 4 2 4 神经网络的学习 ( 1 ) 学习方法：神经网络有两种不同的学习方法：一种是有导师的学习，也 称为监督学习；一种是无导师的学习，也称为自主学习。 有导师的学习：有导师学习是在有“导师”指导和考察的情况下进行学习的方 式，如图7 。这种学习方式下，“导师 给出了与所有输入模式p 对应的输出模式 的“正确答案 ，即期望输出，用于学习过程的输入输出模式的集合称为训练样 本集；神经网络学习系统根据一定的学习规则进行学习，每一次学习过程完成后， “导师 都要考察学习的结果；即实际输出a 与期望输出t 的误差e ，以此决定网 络是否需要再次学习，并根据误差信号调整学习的过程，使网络实际输出和期望 输出的误差随着学习的反复进行而逐渐减小，直到达到要求的性能指标为止。 图7 2 7 对误差信号可以有不同的定义，常用的有： 均方误差m s e ( m e a ns q u a r e de r r o r ) ( 气- a i ) 2 d i 3 e = e e 】上l 一 以 式中：靠输出单元数； 吼第k 个输出单元的实际值； 气第k 个输出单元的期望值。 平均绝对误差m a e ( m e a na b s o l u t ee r r o r ) i 一以| 朋坦p = 三墨一 n ( 6 ) ( 7 ) 误差平方和s s e ( s u ms q u a r e de r r o r ) 船e = ( “- a 七) 2 ( 8 ) k - l 无导师的学习：无导师学习不存在“导师”的指导和考察，是靠神经网络本 身完成的，如图8 出 图8 由于没有现成的信息作为响应的校正，学习则是根据输入的信息，根据其特有的 网络结构和学习规则来调节自身的参数或结构( 这是一种自学习、自组织的过程) ， 从而使网络的输出反映输入的某种固有的特性。 ( 2 ) 误差纠正学习规则 令y 。( ，1 ) 为输a x ( n ) 时神经元j | 在行时刻的实际输出，d k ( 刀) 表示相应的期望 输出，则误差信号可写为： p 女( ，z ) = d t ( 疗) 一y t ( 刀) ( 9 ) 误差纠正学习的最终目的是使某一基于( ，1 ) 的目标函数达到最小，以使网络 中每一输出单元的实际输出在某种统计意义上最逼近于期望输出。一旦选定了目 标函数形式，误差纠正学习就成为一个典型的最优化问题。最常用的目标函数是 均方误差判据，定义为： j = e ( 寺( 万p ( 1 0 ) 其中e 是求期望算子，y 表示对所有输出层神经元求和。上式的前提是学习过程 下 是宽平稳的，具体方法可用最陡梯度下降法。直接用i ，作为目标函数时，需要知道 整个过程的统计特性，为解决这一困难通常用，在时刻n 的瞬时值s ( 万) 代替其期望 值，即 占( 刀) = 寺( 刀) ( 1 1 ) 问题变成求s ( n ) 对权值w 的极小值，欲使误差s ( 刀) 变小，权值的调整应与误差 的负梯度成正比，即： 1 a w z ( n ) = 一猡( 寺( 万) ) = - r l e k ( n ) v e k ( n ) 二 = 一r l e k ( n ) v ( d k ( 疗) 一儿( 疗) ) = 一刁( 刀) v ( 畋( 以) 一厂( 咋) ) ( 1 2 ) = r l e k ( n ) f ( v k ) ( 1 f ( v k ) ) x j 其中刁为学习步长，是一个正的常数。这就是通常说的误差纠正学习规则。 4 2 5b p 神经网络模型及算法 b p 神经网络又称为多层前馈神经网络，是由非线性变换单元组成的前馈网络， 具有思路清晰，结构严谨，可操作性强，以及具有大规模并行运算、自组织、自 适应、容错和自学习能力等特点，并且由于隐含节点的引入，使得一个三层的具 有s i g m o i d 神经元的非线性网络可以以任意精度逼近任何连续函数，因而它人工神 经网络中应用最广泛的一种网络。 典型的三层b p 网络的结构如图9 所示，即：输入层、隐含层、输出层各层 之间实行全连接。 输入层( 而) 隐含层( y )输出层( 吼) 图9 2 9 b p 网络属于有导师的学习方式，其算法的基本思想是：学习过程由信号的正 向传播与误差的反向传播两个过程组成。正身传播时，输入样本从输入层传入， 经各隐含层逐层处理后，传向输出层。若输出层的实际输出与期望输出相关超过 某一规定的值，则转入误差的反向传播阶段。误差反传是将输出误差以某种形式 通过隐含层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层 单元的误差信号，此误差信号即作为修正各单元权值的依据。这种信号正向传播 与误差反向传播的各层权值调整过程是周而复始地进行的。权值不断调整的过程， 也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少到事先规定 的值为止，或进行到预选设定的学习次数为止。 一般而言，b p 网络算法主要有以下几个步骤： ( 1 ) 对全部连接权的权值进行初始化，一般设置成较小的随机数，以保证网 络不会出现饱和或反常情况 ( 2 ) 取一组训练数据输入网络，计算得到网络的输出值 ( 3 ) 计算该输出值与期望值之间的偏差，然后从输出层反向计算输入层，向 着减少该偏差的方向调整各个权值 ( 4 ) 对训练集中的每一组数据都重复上面两个步骤，直到整个训练偏差达到 能被接受的程度为止 下面我们具体推导b p 网络的算法： 假定输入向量为肛( x l ，x 2 ，x 。) 7 ，此外增加了一个新的输入，其输入值为 x o = - - 1 ，它是为隐含层神经元引入阈值而设置的；隐含层输出向量为 】，_ ( m ，y 2 ，y 。) r ，此外也增加了一个新的输入，其输入值为y o = - - 1 ，是为输 出层神经元引入阈值而设置的；输出层输出向量为d = ( d l ，d ：，0 ，) r ；期望输出 向量为d = ( d ，d ：，d ，) r ，输入层到隐含层之间的权值矩阵用y 表示， v = ( k ，巧9 e 9 圪) ，其中列向量巧为隐含层第个神经元对应的权向量；隐 含层到输出层之间的权值矩阵用形表示，w = ( 暇，岷，彬) ，其中列向量 呒为输出层第k 神经元对应的权向量。 ( 1 ) 分析各层之间的数学关系： 对于输出层，有： 0 | = f ( n e t 七) k = 1 , 2 ，z ( 1 3 ) l n e t k = w j k y ，k = 1 ，2 ， ( 1 4 ) j = o 对于隐含层，有： y ，= f ( n e t ，) j = 1 , 2 ，m ( 1 5 ) n e t i = b 而 j = l ，2 ，删 ( 1 6 ) 以上两式中，激活函数，( 曲我们选取为单极s i g m o i d 函数： f ( x ) = 击 ( 1 7 ) 厂( 曲具有连续、可导的特点，且有： 广( x ) = 厂( 工) 【l - f ( x ) 】 ( 1 8 ) 式( 1 3 ) 一( 1 8 ) 共同构成了三层b p 神经网络的数学模型。 ( 2 ) b p 学习算法： 网络误差与权值调整思路： 当网络输出与期望输出不等时，存在误差e ，定义如下： e = 去( d d ) 2 - - 吉( d t - - o t ) 2 ( 1 9 ) 将上述误差定义式展开到隐含层，有： e = 寺【d 。- f ( n e t 。) 】2 = 寺 d 。一厂( w j k y ，) 】2 ( 2 0 ) 进一步展开至输入层，有： 层= 圭水川善咏f ( n e t j ) 2 = 丢水一九姜哪扣朋) 2 ( 2 1 ) 由上式可以看出，网络误差是各层权值w 雎，y i ，的函数，因此调整权值可改变e ， 从最小化误差函数的角度看，误差函数也称为目标函数。 显然，调整权值的原则是使误差不断地减小，因此应使权值的调整量与误差 的梯度下降成正比，即： w 雎= 一刁要，j ：0 ，1 2 ，m ；k = 1 , 2 ， ( 2 2 ) u w 准 屹：一，7 姜竺，f ：0 ，l ，2 ，以；_ ，：0 ，l ，2 ，扰 ( 2 3 ) o v 式中，负号表示梯度下降，常数矽( o ，1 ) 表示比例系数，在训练中反映了学习 速率。 ( 3 ) 权值调整公式推导 式( 2 2 ) ( 2 3 ) 只是对权值调整思路的数学表达，而不是具体的权值调整公式。 下面推导三层b p 算法权值调整的计算式。事先约定，在全部推导过程中，对输出 层均有j = o ，1 ，2 ，m ，k = 1 , 2 ，；对隐含层均有i = 0 , 1 ，2 ，万，j = o ，1 ，2 ，m 对于输出层，式( 2 2 ) 可写为： aw：一刀旦：一力旦一onetkw ( 2 4 ) j k2 _ 刁瓦2 一刁瓦瓦 皑4 ) 对隐含层，式( 2 3 ) 可写为： v 封：一刁堕：1 旦一a n e t i ( 2 5 ) 咄一刁石2 1 面百 眩 对输出层和隐含层各定义一个误差信号，令： 群：一l