汕尾市旅游资源开发与利用的思考及商业银行信用风险评估模型研究-基于bp神经网络风险评估的改进

汕尾市旅游资源开发与利用的思考[论文摘要]本文阐述了汕尾市的概况，介绍了汕尾市丰富的人文旅游资源和类型多样的自然旅游资源，如妈祖文化、水唇百年围笼屋、红色旅游资源和美丽金厢滩、人间仙境莲花山等旅游景点；优越的区域背景与客源市场。指出了汕尾市旅游资源开发滞后，亟待跨越。[关键词]人文旅游资源红色旅游资源自然旅游资源

汕尾市概述汕尾市位于广东省东南部，频临南海。地处东经约115—116度，北纬约22.5—23.5度，北回归线穿过汕尾市北部，境内绝大部分属于热带，全年平均气温21.9摄氏度，由于频临南海，受海洋对气温的调解作用，全年气温变化不大，冬无严寒，夏无酷暑，特别适宜发展冬季休闲游。汕尾市背靠莲花山，南部面向南海。陆地海岸线曲折绵长302千米，拥有红海湾、碣石湾，三个海湖，五大河口湾，十个港口和多个沙嘴，在近海大陆架上还分布着93个岛屿。因此，汕尾市近海旅游资源丰富。尽管汕尾市位置得天独厚，旅游资源丰富，但是汕尾市的旅游业并未得到充分发展，给人们的总体印象是缺少招牌旅游项目，进一步来说就是缺少在人们心目中有影响的旅游项目。例如：一说到桂林，人就会想到那里的山清水秀，一说到西安，就会想到兵马俑。而汕尾的旅游业呈分散状态，而且规模小，从这一点来说，如何发展汕尾的旅游业，使之成为支柱产业，从而带动汕尾经济发展，是致关重要的。相反汕尾旅游资源开发利用不足，常以牺牲旅游资源来满足其他生产。造成这种现想的重要原因是由于对旅游业的重要性没有在根本上得到肯定，要充分认识到旅游业的潜在经济效益。一、丰富的人文旅游资源人文旅游资源又称人文景观，是在人类社会中通过历史过程而形成的，具有历史文化价值；或者当代人建造的，具有旅游价值的各种设施。灿烂的妈祖文化妈祖原名林默,生于北宋建隆元年，福建省莆田市湄洲岛。妈祖平素精研医学，为人防病治病，教人免疫消灾，人们都感激她。她性情和顺，热心助人，只要能为相亲排难解忧，也都愿意跟她商量，请她帮助。妈祖生长在大海之滨，谙习水性。闽南湄洲岛与大陆之间的海峡有不少礁石，在这片海域里遇难的渔舟、商船，常得到妈祖的救助，因而人们传说她能“乘舟渡海”。宋太宗雍熙四年（987年）九月初九，年仅28岁的林默与世长辞。因生前出海救助过不少渔民和商船，死后遂被渔民供奉，以祈求航行平安顺利。历代朝廷还敕封她“天妃”，“天后”，“天上圣母”。汕尾凤山妈祖建于明末清初，原是福建渔民漂泊到凤山一带定居，开创基业，同时也带来了他们的信仰，并建起一座祖庙。清康熙年间解除海禁，汕尾港出现了海运、渔业的繁盛时期，“商旅云集”、“舟楫云屯”。于是凤山祖庙也于乾隆年间（1742年）得以维修扩建，并形成了今天妈祖庙前殿和后殿的规模和风貌。凤山祖庙已列为汕尾市城区文物保护单位，修葺一新，并开辟为旅游区，重修古戏台、凤山公园，建造天后阁、钟鼓楼、石牌坊，于风山顶峰塑一座高达16．83m的全国最高的天后圣母石像，重1000吨，由468块来自妈祖家乡的优质花岗岩石雕刻而成。雕像雍容飘逸、慈祥秀慧而又庄严肃穆，集“真、善、美”于一身。我国著名文学家冰心女士为石像题写了“天后圣母”四字。凤山妈祖石像的落成，犹如在红海湾畔缀上一颗绚丽璀灿的明珠，成为粤东明珠汕尾市的新标志。妈祖文化色彩绚丽，民俗事迹耐人寻味。在香港、台湾、澳门以及东南亚的一些国家都建有妈祖庙供奉妈祖，传播妈祖文化。每年农历三月二十三妈祖的生日和九月初九的“妈祖升天”节，成为海内外渔民、商贾、华侨和港澳台同胞朝拜和寻根怀祖的圣地。水唇百年围笼屋围笼屋是客家先民从中原迁住赣闽粤之后为抵御外敌而兴建的一种集实用性、科学性、艺术性于一体的独特建筑，它结构圆实，气势宏伟，堪称中华民族建筑史上的经典之作，深得各国建筑家的好评，被誉为“外星人的建筑”。汕尾市陆河县水唇镇有一座完整的围笼屋，当地人称为墩仔寨。墩仔寨是典型的粤东墙堡式客家山寨，据记载建成于乾隆十三年（1748年），至今已有250多年的历史。它构筑于一小龟山上的大屋占地十余亩，呈椭圆形，中间高四周低。屋的周围是池塘，大屋又像一只龟在湖中游。村中老人说每逢下雨，从大屋左右四个泄水孔奔涌而出，从屋后的高山上俯瞰，很像大龟奋力游弋时划出的滔滔白浪。大屋有二道门，一前一后。正门属二层楼飞檐结构，从围墙中突出有两炮眼像龟目，中间挂一块石质牌匾，上面镌刻着四个字“川岳钟英”。门楼设置了三重大门，可以想象此屋是何等的牢靠，防御功能可见一班。进了门是一条杂石铺成的主街，青砖灰瓦的厢房错落有致地沿街分布，左穿右插，东廊西室，扑遡迷离，似迷宫一般，置身其中，几乎分不清南北，只闻声音而不知人在何处。最令当地人津津乐道的有二奇：一是门槛。前后门的门槛都是天然生就。前为青条石，后为朱砂石，一般长，一般高，连水平高也大致相当。天然生就的石条被十分讲究风水的先生看中，不事一锤一凿，便成了前后门槛，也确系奇事一桩。二是古井，古井位于屋外水塘中。它有四奇：出淤泥而不染，古井周围是污泥塘，但2米见深的水井一尘不染，清澈见底，污水不能入侵；逢大雨塘水溢过井面，此时井水汩汩而出，不让污水沾染;永不干涸，一口并不十分深广的井可供村子千把人饮用，长年不枯，井水水面高于池塘水面，而水也不溢出。丰厚的红色旅游资源红色旅游，按照中宣部给出的定义是以中国共产党领人民在革命战争时期形成的纪地、标志物为载体，以其所承载的革命历史、业绩和精神为内涵，组织接待旅游者开展缅怀学习、参观旅游的主体性旅游活动。1998年江西省提出了“红色摇篮，绿色家园”的红色旅游促销口号，推动红色旅游真正走向市场。2004年底，国家又出台了《2004－2010年全国红色旅游发展规划纲要》，2005年国家发改委等13个部门联合公布了30条红色旅游精品线和100个红色旅游经典景区，并将2005年定为“红色旅游年”。红色旅游的兴起，促进了中西部经济发展，帮助老区人民脱贫致富，增强中国旅游业的发展后劲。红色历史事件：1927年，在中共东江特委和彭湃的领导下，海陆丰人民10月底举行第三次武装起义，夺取政权，11月中旬彭湃在陆丰和海丰召开“全县工农兵大会”，发布了《海丰全县工农兵代表大会开幕通电》，正式宣告成立苏维埃政府。12月12日，中共中央机关刊物《布尔什维克》发表了《中国第一个苏维埃——海陆丰工农兵的大暴动》的文章，次年1月3日中共中央临时政治局通过的决议案《广州暴动之意义和教训》，将海陆丰这次农民暴动称之为“胜利为最大”，并称“中国革命之中，第一次组织成工农兵群众的无限制的政权”，对海陆丰的第三次武装起义和红色政权的建立做出了高度的评价，使海陆丰以中国第一个苏维埃政权的诞生地而闻名于世。海陆丰苏维埃政权成立之后，在制订土地法规，没收并分配土地实行土地革命，实行全民武装、开拓财源保障供给、加强商品物资流通、建立金融新体系等方面进行了成功的实践。这些红色历史事实，为海丰的红色旅游开发提供非常重要的基本素材。

红色历史名人：海丰是共产党早期重要领导人、杰出农民运动先驱、海陆丰苏维埃政权创建者彭湃的故乡。彭湃早于1921年便在家乡宣传马克思主义，更在1922年7月将其地主家庭分给他的那份田契当众销毁，把田地无偿地归还给佃农，表明了与剥削阶级决裂的决心。他提出了“一切土地归农民”，“一切武装归工农”，“一切政权归工农兵代表会”，“土地革命万岁”的口号，在全国尚无先例。另外周恩来、徐向前、叶镛、董朗、叶挺、聂荣臻等老一辈无产阶级革命家都曾在海丰领导了艰苦卓绝的革命斗争，留下了革命的足迹。其中徐向前元帅回忆录中的“奔向海陆丰”一节曾被选为小学语文教材，形成了深远和广泛的影响。

红色革命遗迹：海丰是全国著名的革命老区，拥有丰富而宝贵的红色革命史迹。红宫红场是国务院1961年颁布的第一批全国重点文物保护单位，广东省首批爱国主义教育基地，中国第一个红色政权在此处诞生。目前红宫红场已得到一定的保护并初步开发成红色旅游景点。彭湃故居、得趣书室曾是彭湃同志成长学习的地方，周恩来和其他一些同志也曾在此住宿工作过；此外还有工农革命军第二师大本营——朝面山、东江特别委员会旧址、广东总农会旧址、赤山约农会旧址、红四师师部旧址、红军墓、社会主义研究室旧址、中共东江党校旧址（观音堂）、海丰县农民运动讲习所、妇女解放协会旧址、共青团海陆丰地方委员会旧址等国家级、省级、县级文物保护单位100多处，这些革命遗址都是进行革命传统教育的重要场所。除此之外汕尾还有丰厚的文化底蕴，像汕尾的客家山歌、渔歌、民谣等，汕尾民间舞蹈钱鼓舞，1995年参加粤东地区和全省民间音乐舞蹈汇演后，被选调到北京演出。还有滚地龙舞、红色妇女舞都是汕尾优秀的民间舞蹈。汕尾地区的白字戏、西秦戏、正字戏是中国三大稀有剧种。二、类型多样的自然旅游资源自然旅游资源又称自然景观，是指在自然界中通过自然过程而形成的，具有旅游吸引力的各种自然要素和现象。汕尾市绝大部分位于热带地区，所以热量资源丰富，一月是汕尾市全年最冷的月份，平均气温为13.8摄氏度，冬无严寒；7、8月份是最热的月份，平均气温28摄氏度左右，即夏无酷暑。汕尾市背靠莲花山，南频南海，所以自然景观多样，多优良港湾。美丽金厢滩陆丰金厢滩被誉为东方夏威夷、南方北戴河。金厢滩位于金乡镇虎尾山到碣石镇田尾山一带，全长二十多千米，浅水滩宽达百余米。海这边很平静，波不兴，浪不起，海湾如镜。只是一个劲的蓝，一直蓝到天边，水天一色。其间点缀几丛黑礁石。那些礁石各有其名，好像叫鸟面礁、白礁、企鹅石，还有和尚追尼姑石什么的。沙是石英细沙，不含贝壳，不含杂质，匀净得好像拣过似的，踩上去，只觉软软的，暖暖的，犹如轻轻的吻沁上心头。金厢滩东段，观音领前海面，巨石散成环状，形成局部波影区是个很理想的游泳嬉水去处。2米等深线据海岸线200米以上，1.5米等深线离海岸100米以上。此外涨潮可以有三四小时的持续时间，假如浪涛连天呐喊而来，那一种暴戾自然会吓许多凡人的心；假如宁静如湖无漪无澜，那会显得太平谈，难体会到击水的乐趣.人间仙境莲花山莲花山是粤东沿海的第一高峰，主峰海拔1337.3米。莲花山的自然景观具有“雄、奇、险、翠、幽”等特点。雄：群峰耸立，山石峻峭，耸立云天，云缠雾绕。山峰犹如开放的莲花瓣尖，峰莲吐芯，林木滴翠，形成闻名遐迩的“莲峰叠翠”一景。险：悬崖峭壁，高数十仗。峭壁之上，奇葩异草，峭壁之下，古木怪腾。翠：莲花山无论暖春，还是严冬；无论是遥望，还是近看，满眼郁郁葱葱，生机勃勃，翠绿欲滴。幽：进入溪谷，水随山转，迂回曲折，绿树四合，流泉叮咚，幽静宜人。莲花山瀑布是一道奇观。在曲折的山路上，时闻“银屏飞瀑”的声音。瀑布撞击在石上，水花四溅，气势磅礴，十分壮观。在“玉龙喷须”陡峻的山谷中，小溪沿谷壁飞流而下，冲下石壁，分散成一片细流纷落如须如发，景色丽人。汕尾市的名胜古迹众多，像宋将杨广的“镇海石”，民族英雄文天祥的方饭亭，碣石镇玄武山云山寺。三、优越的区域背景与客源市场汕尾市位于广东省东南海滨，东临潮汕平原，西接珠江三角洲，通过深汕高速公路和324国道可以连接珠三角和粤东两大客源地区，距深圳、广州、香港、汕头、潮州、揭阳等地的车程都在3小时以内，交通条件十分便捷。汕尾市地处珠江三角洲与粤东交汇地区，本区的居民是红色旅游的基础市场，而深圳、广州、香港、汕头、潮州、惠州和东莞等珠三角和粤东地区的城市是本地最主要的客源市场，其中珠三角地区是我国经济最活跃的地区，也是出游能力最强、消费能力最强的客源市场，应积极投入资源进行大力开拓。粤东地区除了交通联系的便捷之外，还有潮州话方言的一致性，也有利于对客源的吸引。四、开发滞后，亟待跨越

目前汕尾市旅游产品基本上处于初级和粗放型阶段，在遗迹修复，旅游基础设施的建设方面投入还不足，对旅游项目宣传方式比较陈旧，对一些物品陈列和橱窗式展览延续了几十年，展示方法单一，缺少特色，解说也不够生动有趣。可参与性、娱乐性项目开发极少，慕名而来的游客不能充分体验到当年的激情和盛况，致使游客停留时间短，消费不足，社会效益和经济效益不高。

汕尾市旅游资源十分丰富，但是除了凤山妈祖、红宫红场之外，大多知名度不高。虽然当地党政领导有决心大力发展旅游市场，但在品牌意识、营销方法等方面仍有待提高和改进。在周边新的大型旅游点不断涌现的条件下，汕尾旅游的知名度被相对淡化。同时，由于本地居民对旅游资源开发的参与度不够，经济因素、文化素质、民主意识等的不足都限制了他们对本地旅游业发展的关注和贡献。这些都不利于本地旅游资源的开发，也使旅游业的发展速度低于地区生产总值的增长速度，与全省和全国旅游业的发展情况形成一定的反差。五、走向与策略结合地区背景进行资源优化整合

与本地生态旅游资源、地方产品资源进行组合。汕尾旅游资源丰富，自然景观、生态景观和人文景观众多。有莲花山森林公园、圆墩响水坑等山地生态资源；有公平水库鸟类自然保护区、大湖鸟类自然保护区等湿地生态资源；有海丽高尔夫滨海旅游区、小漠南方澳、鸡心石和江牡岛、百安湾等海滨旅游资源；还有赤坑咸水温泉、莲花山召贡温泉、莲花山埔仔洞温泉和赤石明热温泉等温泉资源。在人文旅游资源方面，除了前面所述的红色旅游资源外，还有文天祥公园（方饭亭）、鸡鸣寺、莲云寺、壮帝居、宋存庵、千年古道、鲘门古炮台遗址、赤石明、清古围村、圣井和御宴潭等；汕尾的民俗文化也独具一格，具有全国稀有剧种白字戏、西秦戏、汕尾渔歌、汕尾八音、客家山歌等文化遗产，汕尾还有特色的购物美食旅游资源。汕尾发展红色旅游资源，既要突出红色主题，又要跳出红色局限，增加生态绿色、文化、休闲等内容，形成色彩斑斓的旅游产品组合。实施“红线牵动五彩”的发展策略，以红宫红场为龙头，重点带动莲花山森林公园，海丽高尔夫球场，赤石温泉和赤坑温泉，公平水库和大湖等生态休闲旅游以及海产品和可塘珠宝购物旅游的发展，形成“革命（成功后）、休闲、生态（化）、购物”的系列精品线路，使游客在感受海丰红色革命的激情之后，身心能在优美的生态环境中得到舒适的休闲，并通过汕尾旅游特产（珠宝和海产干货）的购买，同时得到精神和物质的双重收获。

与相邻县市的资源进行整合。区域经济的协调发展是当今经济发展的一大特点，红色旅游的发展也应该走区域合作和区域整合之路。海陆丰革命根据地在革命斗争中发挥了很大的作用，是密不可分的一个整体，汕尾红色旅游开发的区域协作，首先应该加强和陆丰的合作。陆丰的甲子镇和金厢镇，不仅有风光优美的滨海沙滩，也是中共中央和南昌起义军领导人周恩来、贺龙、叶挺、刘伯承、聂荣臻、彭湃、恽代英、谭平山、吴玉章、林伯渠、张国、李立三等在海陆丰活动后安全离境前往香港的地方。海丰的红色旅游景点与其组成红色旅游线路将相得益彰。潮州的涵碧楼、黄埔军校分校旧址，汕头的“七日红”公园，普宁的流沙会议旧址，也可与海陆丰的红色旅游景点形成有机联系的红色旅游线路。

加强营销

多方筹集资金，加大营销力度。营销工作是红色旅游开发中关键的一环，政府投入的资金，除了解决红色旅游景点的建设之外，部分应投入到营销和宣传推介工作上。可按本地旅游业税收中分拨一部分作为固定的促销经费，以此带动和整合旅游相关行业的营销经费投入，在主要客源地的电视、报纸和互联网投入一定数量的广告，大力宣传海丰的红色旅游。2007年，是海陆丰苏维埃成立80周年，海丰可借此契机，与陆丰联合借助中央和省一级的媒体支持，通过大型庆典活动，大力推广海陆丰红色旅游品牌，以增加海陆丰红色旅游的吸引力。

强化策划，树立品牌。旅游形象和品牌对游客的出游决策有着重大的影响。香港的“动感之都”、广东的“活力广东”、苏杭的“人间天堂”等形象都对游客产生巨大的吸引力。在汕尾的旅游总体规划中提出了将“红色旅游胜地，绿色度假天堂”作为汕尾的旅游形象，笔者认为这一策划结果虽反映了海丰旅游资源的一些特点，但这一形象在井冈山、韶山等革命胜地同样也可以应用，汕尾特色尚不鲜明。我们建议将“激情彭湃，南海物丰”作为汕尾的旅游形象，这也许更为贴切。首先，这一形象有人物，有地名，彭湃作为海丰苏维埃的创建人，有激情，有理想，有历史功绩，有较高的知名度且为汕尾所独有，专指性强，汕尾的红色历史和地理特征，也都包含在这一形象中；第二，这一形象有精神，有物质，游客带着激情观赏了红色根据地海丰的红色名人彭湃等英烈所创造的红色历史，又能领略海丰丰盛的自然生态风光和丰饶的海陆特产，从精神和物质都能得到充分的享受；第三，这一形象具有强烈的语言冲击力，“激情彭湃”，对游客能形成强烈的震撼，产生深刻的印记，“南海物丰”，可令游客细细回味，加深记忆。对此旅游形象进行大力推广，将有利于强化汕尾红色旅游的品牌效应，对提高海丰的知名度和增强旅游吸引力，将会起到明显的促进作用，取得良好的效果。

[参考文献][1]旅游地理人民教育出版社，2005[2]汕尾市乡土教材（试用）广东教育出版社，2004[3]汕尾人民政府门户网站商业银行信用风险评估模型研究——基于BP神经网络风险评估的改进目录摘要 2一、商业银行信用风险评估体系 4二、银行信用风险评估模型发展 5（一）基于贷款客户资产价值数据的风险评估模型 51.KMV模型 52.CreditMetrics模型 63.CreditPortfolioView模型 64.CreditRiskPlus模型 7（二）基于贷款客户财务数据的风险评估模型 7（三）商业银行财务风险的评估模型有待改进 81.我国商业银行现有评估财务风险的方法 82.国际商业银行普遍使用的风险评估方法 9三、信用风险评估的实证分析 10（一）YH银行采用的贷款违约风险评估模型及评估结果 101.计算资产价值和资产波动率 102.计算违约距离和期望违约率 12（二）基于BP神经网络信用风险估计 141.样本选取 142.实证分析 15四、对商业银行信用风险评估提出的建议 21（一）结合KMV法与BP神经网络模型评估财务风险 21（二）逐步推进内部评级法 22（三）建立使用预期损失模型 231.预期损失模型应关注谨慎性和中立性 232.预期损失模型提高相关性兼顾可靠性 23（四）完善财务风险披露要求 241.提供整体层面的风险信息 242.报告多种损失的分布结果 243.提高信息披露的全面性 25（五）通过健全内部控制降低财务风险防范成本 25（六）建立非上市公司信用风险评估模型 26（七）针对不同的贷款类型选择适当的风险评估方法 26五、总结 26【参考文献】 28摘要随着滨海新区的经济发展，各商业银行纷纷在滨海新区开展业务，为区内企业提供金融服务。风险评估是建立商业银行内部控制体系的重要环节，本文从计量统计研究法和结构化研究法两个角度评估信用风险。在结构化研究法方面，本文采用KMV模型对滨海新区YH银行11家上市公司的违约概率进行计算。在计量统计研究法方面，本文从房地产、交通运输、重金属等与滨海新区YH银行11家上市公司相关的经营行业，以及与滨海新区发展轨迹类似的长三角地区选取18家企业作为样本，采用BP人工神经网络训练模型，对11家上市公司的信用风险进行评估。评估结果显示BP神经网络模型的拟合效果优于KMV模型。由于各类模型均有缺陷，商业银行应该增加模型的多样性，利用各类模型的优势，综合比较。而且，针对组合贷款还应以相同风险特征的资产池为基础估计信用风险。本文还提出利用BP人工神经网络模型并结合KMV模型评估非上市公司的信用风险，弥补以往采用线性模型评估非上市公司信用风险的不足，同时给出建立商业银行信用风险评估方式的相应建议。关键词：信用风险BP人工神经网络KMV模型Z值模型Abstract:WiththeeconomicdevelopmentofTianjinBinhaiNewArea,thecommercialbankshaveoperationsintheBinhaiNewArea,toprovidefinancialservicestocompaniesintheregion.Riskassessmentisanimportantpartofthecommercialbanktomakeinternalcontroltoestablishthevaluesofthecompanies.Thisresearchmethodmakesuseofthemeasurementstatisticsandstructuredresearchmethodstoevaluatethecreditrisk.Instructuringresearch,weuseKMVmodeltogettheprobabilityofdefaultof11listedcompaniesinBinhaiNewArea.Inthemeasurementofstatisticalresearch,thisarticleuse18companiesselectedassamplesthataresimilartotheabove11companies,usingBPartificialneuralnetworkmodeltoassessthecreditriskofthe11listedcompanies.AssessmentresultsshowthatBPneuralnetworkmodelfittedbetterthantheKMVmodel.Sincethevariousmodelshaveshortcomings,commercialbanksshouldincreasethediversityofmodelsandmaketheuseoftheadvantagesofvariousmodels.ThispaperalsoproposedusingBPartificialneuralnetworkmodelcombinedwithKMVmodeltoevaluatethecreditriskofnon-listedcompaniestomakeupthatnon-linearmodel’sweakness.Keywords:CreditRisk;BPartificialneuralnetwork;KMVmodel;Zmodel天津滨海新区地处渤海之滨，面积广阔，其优越的地理位置和良好的投资环境吸引了大批金融机构的进驻。2006年6月，《国务院推进天津滨海新区开发开放有关问题的意见》中指出：“在金融企业、金融业务、金融市场和金融开放等方面的重大改革,原则上可安排在天津滨海新区先行先试”。此后，天津银行率先成立了天津银行滨海分行。2007年12月，天津滨海新区内第一家具有独立法人资格的商业银行——天津市滨海农村商业银行正式揭幕。各银行积极拓展在滨海新区的业务，为滨海新区内企业提供各种金融服务。目前，滨海新区拥有泰达股份、天保基建、天津港等十余家实力雄厚的上市公司，涉及交通运输仓储业、建筑工程业和有色金属等多种经营领域。商业银行在为区内企业提供贷款，支持滨海新区建设的同时，也应该建立全面风险管理角度的内部控制体系，及时防范信用风险。一、商业银行信用风险评估体系美国的COSO框架和我国的《企业内部控制基本规范》都提出风险评估是建立健全内部控制体系的重要内容。《新资本协议》（巴塞尔协议Ⅱ）认为商业银行在日常经营中面临三种风险：信用风险、市场风险和操作风险。信用风险又称违约风险，是指受信人不能履行还本付息的责任而使授信人的预期收益与实际收益发生偏离的可能性。引发信用风险的因素有预期损失和非预期损失。预期损失是损失分布的平均数，代表银行信用资产组合平均损失；非预期损失是衡量信用损失的方差或资产组合固有的信用风险。银行通过提取拨备覆盖预期损失，通过充足的风险资本抵御非预期损失。鉴于信用风险的重要性，各方监管机构都对信用风险评估有明确要求。巴塞尔协议Ⅱ鼓励银行采用内部评价法评估信用风险，中国银监会也于2007年2月发布《中国银行业实施新资本协议指导意见》，明确国内大型银行采用内部评价法计量信用资本。2009年，国际会计准则理事会（IASB）发布《金融工具：摊余成本和减值》的征求意见稿，提出采用“预期损失模型”来计提商业银行贷款的减值。预期损失模型要求贷款在初始确认时即估计其未来整个存续期内的信用损失，并据以确认减值。可见，信用风险不但是金融监管机构的监控重点，而且已经引起了准则制定机构的注意。二、银行信用风险评估模型发展（一）基于贷款客户资产价值数据的风险评估模型基于资产价值的违约风险度量模型根据对损失定义的不同可以分为两类：一类模型仅度量由违约导致的损失，有时称为违约式模型（Default—ModeModel，DM）；另一类模型除了考虑违约损失外，还包含了信用变化产生的损益，称此为多状态模型或盯市模型（Marked—to—MarketModel，MTM）。MTM模型的风险包括信用等级的升降和贷款违约，以贷款的市场价值变化为基础计算贷款价值，进而衡量信贷风险。DM模型则偏重于预测违约损失，不考虑信用等级的升降。目前基于资产价值评估风险的模型主要有四种：KMV模型；CreditMetrics模型；CreditPortfolioView模型；CreditRiskPlus模型。其中CreditMetrics模型是一种MTM模型，而CreditRiskPlus模型属于DM模型，CreditPortfolioView和KMV则既可被当作MTM模型使用，也可被当作DM模型使用。1.KMV模型KMV模型是美国KMV公司于1995年推出的违约概率评估模型。此模型的思路出自BlackScholes和Metron模型以及White的期权定价理论，Metron模型假设公司的资本结构为除了发行股票以外，只发行一种一年期的零息债券。公司的股票价值为VE，债券面值为D，公司价值为VA。若一年后，公司公司资产价值与债券面值之间的差额为正，则公司资产价值大于债券面值，不会违约；否则公司资不抵债，可能会违约。其正差额越大，违约距离越大，违约可能性越小。基于违约数据库，模型根据违约距离得出贷款的违约概率（EDF）。KMV模型采用企业股票市场的数据，使模型不仅随时根据市场变化更新违约概率，而且反映了市场投资者对于企业未来发展的综合预期。另外，使用KMV模型预测违约概率，可以量化不同企业的贷款风险差异程度，使贷款定价更为准确。但是，KMV模型也有其固有局限性：由于模型数据来源于资本市场，所以该模型多适用于上市贷款企业违约风险的评估；该模型的资产价值是动态数据，而模型假设企业长短期债务结构不变，因此将动态数据与静态数据比较会造成结构的偏差。2.CreditMetrics模型CreditMetrics模型是J.P摩根银行于1997年开发的以VAR（在险价值法）为基础的信贷风险度量模型。计算VAR的两个关键因素是金融工具在市场上的价值和金融工具市场的波动性。由于贷款不能在市场上公开交易，CreditMetrics模型利用借款人的信用评级、下一年信用评级发生变化的概率（评级转移矩阵）、违约贷款的回收率、债券市场上的信用风险价差和收益率作为输入参数，为贷款计算出假想的市场价值和波动率，随之计算出一项贷款的违约风险。CreditMetrics模型以分析性的框架为基础，计算贷款组合的波动率和预期损失，认为资产组合价值的变化不仅受到违约的影响，还要受到资产等级变化影响，而且还考虑到组合内各资产的联合违约概率。但是，此模型也存在很多缺陷。首先，模型假设同一信用评级内所有债务人都具有相同的违约概率，但是不同的企业面临经济变化时会产生不同的决策；其次，模型假设金融工具收益率和市场价格变动呈正态分布，但是金融市场价格变化经常出现“肥尾”现象；最后，模型只反映了风险因子与资产价格的线性关系，影响准确性。3.CreditPortfolioView模型CreditPortfolioView模型（麦肯锡模型）是由麦肯锡公司于1998年推出的利用宏观经济变量模拟的多因素模型。信用评级转移一般取决于经济状态，企业在经济周期低迷时期更有可能降级违约，贷款组合中的系统信用风险收信贷周期的影响，而信贷周期又受经济周期的影响。所以，麦肯锡模型使用GDP增长率、失业率、长期利率等宏观经济变量来决定违约概率，度量贷款中无法分散的系统性风险。模型转移矩阵中信用等级的转移概率受两方面影响：一个是由宏观经济变量度量的系统风险，另一个是随机扰动项的影响。麦肯锡模型对CreditMetrics模型进行了完善，克服了转移矩阵的静态假设，将违约概率和经济周期联系起来，提高了准确性。但是模型只考虑了系统风险，忽略了企业的自身情况，还有待进一步完善。4.CreditRiskPlus模型CreditRiskPlus模型是由瑞士银行金融产品部于1997年开发的信贷风险管理模型。模型只考虑违约风险，不考虑降级风险。模型视违约事件为随机事件，并采用保险精算学的分析框架来得出贷款组合的损失分布。模型假设资产每期的违约概率相同，某个债务人的违约概率很小并且相互独立。这些假定使资产组合发生违约事件的概率服从泊松分布，而违约事件数即为泊松分布的输入参数。CreditRiskPlus模型将风险相似的预期损失划分为若干频段，每个频段的损失近似为一个常数，通过违约事件数由泊松分布生成该频段的损失分布，对所有频段的损失加总可得贷款组合的损失分布。CreditRiskPlus模型的优点是仅通过违约事件数就可以推导出贷款的损失分布，简单易行。但是，该模型没有考虑市场风险，而且假定每一频段的损失固定，忽略风险的影响，所以很多财务公司采用了基于贷款客户财务数据的风险评估模型。（二）基于贷款客户财务数据的风险评估模型第一类评估贷款违约风险的模型是借助企业历史样本数据寻找违约可能性与公司特征变量之间的关系模型，主要包括专家评价法和评分法。专家评价法中最常用的是信贷分析的5C法，即对借款人的品格（Character）、资本（Capital）、偿付能力（Capacity）、抵押品（Collateral）和周期形势（CycleConditions）进行评估。除5C法之外，有些银行还是用5W或5P5W即借款人(Who)，借款用途(Why)、还款期限(When)、担保品(What)及如何还款(How)。5P即个人因素(Personal)、借款目的(Purpose)，偿还(Payment)，保障(Protection)和前景(Perspective)。5W即借款人(Who)，借款用途(Why)、还款期限(When)、担保品(What)及如何还款(How)。5P即个人因素(Personal)、借款目的(Purpose)，偿还(Payment)，保障(Protection)和前景(Perspective)。Z=1.2*Xl+1.4*X2+3.3*X3+0.6*X4+1.0*X5（2.1）式中:Xl=营运资金/总资产，表明企业流动性强弱；X2=留存收益/总资产，表明企业筹资和再投资的能力，代表企业创新和竞争力；X3=息税前利润/总资产，表明企业在不考虑税收和财务杠杆情况下的盈利能力。X4=资本市值/债务账面价值，表明资本的投资价值，指标越高说明企业越有投资价值；X5=销售额/总资产，表明企业资产获得销售收人的能力。通过对统计数据的分析，Altman得出经验临界值Z=3.0，Z值高于3.0的企业安全性比较高，低于3.0的企业面临破产风险，同时，Altman还发现Z值低于1.8的企业已经存在严重的财务危机，具有很高的破产概率。但是，随着时间的推移，Z值模型预测的效力就会降低，所以Z值模型只能进行短期风险的预测，不适合商业银行长期贷款的风险预测。此后，线性模型、Logstic多元模型和Probit模型等统计模型不断应用于贷款违约的预测。随着计算机的发展，许多非线性模型得以开发，如BP神经网络模型。同时，风险预测模型还与模糊数学、数学规划等理论结合，目的是有效挖掘样本信息，提高模型应对风险的预测效果。由于财务数据以年报的形式公开，银行可以充分掌握信息，所以基于财务数据的模型一直广泛应用。但是，模型过分依赖历史数据而忽略资本市场指标，以过去的角度预测未来，亦存在一定的局限。（三）商业银行财务风险的评估模型有待改进1.我国商业银行现有评估财务风险的方法如前文所述，商业银行采用的信用风险评估可以分为利用企业历史财务数据和使用资产价值数据的两种方法。银行使用哪种方法主要取决于企业的经营环境和银行的评估成本。我国贷款企业中上市公司较少，而且我国商业银行风险管理刚刚起步，还没有建立完善的评估模式，所以，利用企业财务数据进行违约风险度量的计量统计模型相对适宜，并使用线性模型进行概率判别。但是，此类统计法也存在很大的局限性。首先，现有的线性模型过于重视样本的横截面分析，忽视了时间序列的分析，不能反映财务循环的时间序列特征；其次，模型选取的样本受到限制，估计样本和对比样本必须是同行业同规模的，实际中贷款业务规模各异，不能一概而论，对样本的要求过于严格可能增加样本的测试难度；最后，线性模型的自变量与因变量呈线性关系，实际中贷款违约的影响因子本身具有一定联动性，既受微观企业经营状况的制约，还受宏观经济周期的影响，并不是简单的线性关系。2.国际商业银行普遍使用的风险评估方法国际上普遍使用的风险评估方法是利用贷款企业资产价值数据，建立利率和公司特征变量之间的动态模型，称为结构化研究方法。例如：以CreditMetrics模型为代表的盯市模型，以CreditRiskPlus模型为代表的违约式模型，以及兼有二者特征的CreditPortfolioView和KMV模型等等。这些模型是美国等金融业相对成熟的国家使用的银行风险评估模型，这些模型更加准确地度量了贷款的违约风险。国际商业银行和学者对于结构化方法有四类模型。第一类是基于期权定价技术的计量模型。该模型将贷款看作卖出以资产为标的的看涨期权，执行价格为债务面值。当公司资产超过债务面值，则执行期权，偿还债务，否则贷款将违约。美国KMV公司开发的模型就基于这一原理，KMV模型是目前国际金融界最流行的信用风险评估模型之一。第二类模型违约风险统计模型，将违约率作为连续的单点运动描述，同时考虑了违约的波动性，但不考虑违约的原因，将违约事件的次数用泊松分布描述。瑞士银行在此基础上开发了CreditRiskPlus模型。第三类是离散动态宏观模拟模型，对不同行业的宏观数据和违约率时间序列数据建立多因素模型，适用评估贷款组合的系统风险。第四种模型是在险价值模型，利用企业信用等级、评级迁徙矩阵、违约贷款损失率、风险价差和收益率计算企业价值及其波动性。夏红芳.商业银行信用风险度量与管理研究[M].杭州：浙江大学出版社，2009年：18-31在险价值模型是巴塞尔协议内部评级法中用来评价违约风险的模型，通过穆迪、标准普尔等提供的评级数据，考察债务信用等级变化，计算出迁徙矩阵的转移概率，进而得出贷款的违约概率。夏红芳.商业银行信用风险度量与管理研究[M].杭州：浙江大学出版社，2009年：18-31相比于上述风险评估模型，我国的线性评估方法显然落后。虽然一些银行正在积极改进，但是由于上述大多数模型需要建立高质量的信息数据库，耗时长，成本高，很多银行仍然采用以主观判断为主的传统方式评估财务风险。三、信用风险评估的实证分析YH银行是一家全国性的非上市银行，坐落于天津，服务滨海新区。YH银行贷款客户规模和行业呈多样化分布，既有实力雄厚的上市公司，也有快速发展的中小企业；所属行业包括制造业、交通运输业、房地产业、餐饮娱乐业等众多行业。本文选取各行业中具有代表性的11家上市公司进行财务风险防范分析。（一）YH银行采用的贷款违约风险评估模型及评估结果由贷款的财务风险主要指贷款违约的可能性，量化这一可能性的指标就是贷款违约概率，前面章节已经介绍过国内外使用的贷款违约概率估计模型。YH银行针对不同性质的贷款，采用不同的贷款违约概率估计模型，对于上市公司的重要贷款实施严密的风险监控，使用国际通行的KMV模型估计违约概率。KMV模型是借助BlackScholes的期权定价模型，将公司股权看做是买入一份欧式看涨期权，以公司债务面值为执行价格，以公司资产市场价值为标的。如果借款到期时，公司资产的市场价值高于债务，则公司选择执行，偿还债务；如果资产市价低于债务，公司将选择违约。KMV模型的计算公式如下:VE=VAN(d1)-DPe-rTN(d2)（5.1）d1=[ln(VA/DP)+(r+0.5δA2)T]/δAT0.5（5.2）d2=d1-δAT0.5（5.3）δE=VAΔδA/VE（5.4）其中：N（·）为标准正态分布函数，VE、σE、DP和r分别是股权价值、股价波动率、总负债和无风险利率，均可以从资本市场和企业财务信息中得到。VA、σA是未知量，由以上方程组进行迭代和编程求解。1.计算资产价值和资产波动率使用KMV模型时还存在若干假设：股票价格服从对数正态分布；股改后非流通股占比减少，视流通股与非流通股具有相同的每股市值；公司的债务等于短期债务与长期债务一半之和。11家企业已知的数据如下：表111家企业KMV模型样本数据股票代码股票简称年份年末股权价值(VE)股价年波动率（σE）总负债（D）无风险利率（r）债务偿还期(T)000652泰达股份20087,864,808,6300.74108835963,482,590,4760.04141200912,173,484,2800.242441008844,380,652,7160.02521000695滨海能源2008939,684,0900.67192248782501,541,0400.0414120091,826,052,7700.26072282868489,117,5300.02521000897津滨发展20084,965,025,7600.523638158373,212,840,2620.0414120099,525,733,4600.243363165254,780,559,2180.02521000965天保基建20081,639,906,1900.598324921251,511,692,8390.0414120096,969,527,6000.388824802221,985,749,2610.02521600082海泰发展20081,624,981,3000.510937216421,402,306,7390.0414120094,988,014,1800.63893461859779,489,1730.02521600489中金黄金200813,382,802,8700.581053013323,531,412,6300.04141200946,076,515,9300.645514336626,069,383,9030.02521600583海油工程200832,908,984,0000.553468870424,299,012,2160.04141200936,949,680,0000.274855286925,176,588,7380.02521600717天津港200814,536,995,9600.336391219516,098,623,9690.04141200920,817,380,1600387,661,2480.02521600787中储股份20082,955,280,9100.436622672954,869,335,8310.0414120098,140,595,9600.294904397714,145,633,2970.02521601919中国远洋200857,267,557,6800.4962347215641,505,053,4320.041412009106,135,873,5600.3177992793956,147,232,6510.02521600751SST天海20081,050,500,0400.29066928052754,238,2840.0414120092,948,278,3700.23521765933969,151,8040.025212.计算违约距离和期望违约率KMV公司通过观察大量企业的违约现象，发现企业资产价值达到其全部债务中的某一点时，会发生违约行为，而这一违约触发点（DefaultPoint）可以认为是短期债务与一半长期债务之和。用资产波动率衡量的公司资产价值与违约点的距离就是违约间距（DD）。KMV模型假设资产服从正态分布，所以公司的期望违约率（EDF）是违约间距的标准正态函数：EDF=N(-DD)=1-N(DD)滨海新区11家上市公司2008年——2009年违约率计算如下表所示：表211家企业KMV模型计算结果股票代码股票简称年份年末资产价值(VA)年末资产波动率(σA)违约距离（DD）N(DD)违约概率（EDF）000652泰达股份200811,195,120,0000.523271.911050.90660.0934200916,445,120,0000.179475.5720610000695滨海能源20081,419,970,0000.446472.239810.92510.074920092,302,999,0000.206734.837280.9990.001000897津滨发展20088,046,887,0000.323373.092390.96780.0322200914,187,330,0000.163406.1199410000965天保基建20083,088,271,0000.319573.129230.94410.055920098,905,861,0000.304293.286390.99460.0054600082海泰发展20082,970,034,0000.279973.571140.96990.030120095,748,070,0000.554471.803510.93940.0606600489中金黄金200816,770,760,0000.463732.156370.95540.0446200951,994,700,0000.572051.748090.93820.0618600583海油工程200837,033,650,0000.491832.033210.96330.0367200941,997,450,0000.241824.135310.999890.00011600717天津港2008203,882,900,0000.239854.169270.999980.00009200927,046,080,0000.137217.2879010600787中储股份20087,626,580,0000.169445.901430.98340.0166200912,183,060,0000.197055.074800.999810.00019601919中国远洋200897,083,450,0000.292933.413790.97440.02562009160,886,000,0000.209654.769830.99650.0035600751SST天海20081,774,150,0000.172115.808290.999810.0001920093,893,313,0000.178125.614110.999980.00009KMV模型虽然简便易行，但是只能评估上市公司的违约概率。对于非上市公司，YH银行只能采取分析财务信息和非财务信息，并结合主观判断进行估计。YH银行对非上市公司财务风险评估模型如下表所示：指标性质指标类型指标名称财务因素偿债及变现能力指数资产负债率、利息保障倍数、流动比率盈利比率指数销售利润率、资产报酬率效率比率指数总资产周转率、存货周转率、应收账款周转率发展能力比率指数销售收入增长率、资本增值率非财务因素企业内部环境企业内部控制制度、企业管理水平、企业信誉企业外部环境企业所属行业、宏观经济水平数据来源：YH银行财务信息，2010（二）基于BP神经网络信用风险估计神经网络可以处理和识别非线性关系,解决Logistic等线性模型不能解决的复杂问题。它可以从输入层到输出层实现任意非线性映射，并且具有很强的泛化能力。BP神经网络分为三个层次：输入层、隐含层和输出层。通过对已知信用风险因素和风险评分进行学习，调整模型结构，生成能够预测企业信用风险的模型。人工神经网络映射结构如下图所示：图1人工神经网络映射结构图资料来源：作者编制1.样本选取本文选取了与YH银行11家贷款企业区位、经营领域相似的18支A股股票作为训练样本。训练样本按地域分类，滨海新区概念股8股，长三角地区股票5股，其他地区5股；按行业分类，房地产类6股交通运输类5股，重金属类1股，综合类6股。按市场分类，深市7股，沪市11股。本文以Z值模型涉及的指标为基础，结合代表企业偿债能力、获利能力和运营能力的财务指标共11个，设置为输入层。利用Z值法得分和专家经验对信用风险打分，作为训练样本的期望值（导师值），设置为输出层。Z值法的公式为：Z=0.717X1+0.847X2+3.107X3+0.42X4+0.998X5其中，Z：判别函数值；X1：营运资金/资产总额；X2：留存收益/资产总额；X3：息税前利润/资产总额；X4：股东权益总额/负债总额；X5：总资产周转率。当Z<1.23时，企业具有很高的破产概率；当1.23≤Z≤2.9时，企业财务状况不稳定，需要引起注意；当Z>2.9时，企业破产的可能性很小，可以不予考虑。根据Z值得分结合其它财务指标为企业信用风险评分。企业信用风险打分标准如下表[15]：表3企业信用风险打分标准评分风险低风险较低风险一般风险较高风险高得分1―0.90.9-0.80.8-0.60.6-0.4<0.42.实证分析为适应BP人工神经网络学习规则的要求，将样本数据进行线性变化，使之落入区间[0,1]内。变换公式为：Xi=(X-Xmin)/(Xmax-Xmin)本文选取18家上市公司2008年、2009年连续两年的财务指标和信用风险得分作为训练样本，以YH银行11家上市公司信用风险为预测目标。输入层的神经元数为11，输出层的神经元数为1，训练时学习速率为0.01，最大训练步数为4000，误差精度为0.001，使用MATLAB软件进行学习（如表4所示）。将线性化处理后的预测企业财务指标输入训练好的网络，得出预测企业的信用风险评估值（如表5所示）。表418家企业的训练样本此表由作者自行绘制，表格数据均来源于国泰安数据库：http://www.gtadata.此表由作者自行绘制，表格数据均来源于国泰安数据库：/。表格内财务指标是经过线性变化的数据。股票代码股票简称所属行业年份营运资金/资产总额留存收益/资产总额息税前利润/资产总额总资产周转率股东权益/负债总额每股经营现金流量速动比率000537广宇发展房地产20080.7770.8250.4710.4980.0980.4910.07820090.7270.8650.3240.4540.0571.0000.011000594国恒铁路重金属20080.7070.9510.4750.0001.0000.5340.29620090.8770.9160.2370.0741.0000.5231.000000836鑫茂科技房地产20080.7610.9290.8870.2940.1780.8020.15120090.8330.9340.2980.5300.1030.3000.094600335鼎盛天工综合20080.7150.8730.4420.4940.1310.5190.18720090.6780.8700.1560.4960.0670.4590.053600468百利电气综合20080.6970.9180.5080.5960.2860.6190.26920090.6830.9420.2960.6530.1230.5230.103600800ST磁卡综合20080.6080.7000.9840.0630.1030.6150.22820090.5350.6370.0000.0930.0400.5160.052000540中天城投综合20080.8670.8790.6090.2600.1050.2220.14120090.9230.9170.3630.4460.0480.0000.103000606青海明胶综合20080.7320.9000.4590.4670.2160.5600.33620090.7390.8960.2301.0000.1340.5020.161000669领先科技房地产20080.8450.9280.3880.0310.5170.4971.00020090.8400.9450.2420.0510.2580.5230.333000979ST科苑房地产20080.0000.0000.0000.1700.0000.5810.00020090.0000.0001.0000.3900.0000.5470.000600003ST东北高交通运输20080.6980.9370.4410.0590.5090.6510.53220090.6570.9670.3160.0760.2670.6860.118600017日照港交通运输20080.6650.9150.5670.2300.1990.6690.26620090.6420.9470.3510.4170.1330.6830.085600087长航油运交通运输20080.7430.9070.5500.2030.1350.4940.70720090.7130.9160.2480.2770.0630.4300.205600428中远航运交通运输20080.7911.0001.0001.0000.2681.0000.90520090.7341.0000.2530.7610.1300.5660.223600638新黄浦房地产20080.7510.9630.5630.0400.3270.5790.44420090.8310.9430.2800.0020.0900.4700.177600653申华控股综合20080.6680.8120.4470.6300.1800.5810.26020090.6300.8600.2850.8750.0820.5740.083600732上海新梅房地产20081.0000.9140.5380.2200.1450.0000.24220091.0000.9360.2610.0000.0810.4920.031600798宁波海运交通运输20080.6350.8920.5760.1310.1340.9030.17920090.6170.9100.2780.0550.0710.6250.051表418家企业的训练样本（续表）股票代码股票简称所属行业年份流动比率应收账款周转率资产负债率净资产收益率Z值导师值000537广宇发展房地产20080.2200.3260.3780.0000.9770.420090.1330.0040.3940.5280.8050.2000594国恒铁路重金属20080.2730.2420.0000.1573.5530.920091.0000.0680.0000.6476.2791000836鑫茂科技房地产20080.2420.1300.2350.9031.6890.720090.3120.0030.2550.6881.3730.4600335鼎盛天工综合20080.1810.0790.3040.1251.0320.320090.1150.0010.3560.5400.4390.1600468百利电气综合20080.1810.1010.1420.1801.7850.720090.1220.0020.2200.7061.3320.5600800ST磁卡综合20080.1110.0320.3661.0000.6320.120090.0530.0000.4870.000-1.0200000540中天城投综合20080.3270.2120.3600.4831.1660.420090.3060.0050.4401.0001.2550.4000606青海明胶综合20080.2310.0960.1940.1471.3840.420090.1840.0020.2040.5291.4420.5000669领先科技房地产20080.4790.0160.0580.1182.0710.720090.3200.0000.1020.5621.9150.7000979ST科苑房地产20080.0000.1331.0000.109-3.099020090.0000.0061.0000.560-0.9980600003ST东北高交通运输20080.2420.3510.0600.1391.9080.220090.1040.0130.0980.6201.9010.2600017日照港交通运输20080.1340.1230.2110.2371.1210.520090.0820.0030.2050.6441.3240.5600087长航油运交通运输20080.3260.2580.2980.2890.9770.420090.1960.0060.3720.5610.6460.2600428中远航运交通运输20080.4311.0000.1530.5963.052120090.2130.0220.2090.5891.5420.7600638新黄浦房地产20080.3260.2670.1200.2001.5730.620090.3190.0070.2840.6170.9670.4600653申华控股综合20080.1480.6210.2310.1311.1510.520090.0870.0180.3060.6180.9430.3600732上海新梅房地产20081.0000.0000.2810.3361.4560.520090.6791.0000.3100.5901.1230.6600798宁波海运交通运输20080.0790.5340.2990.3610.7200.420090.0440.0130.3420.5740.4670.2表511家企业评估结果此表由作者自行绘制，表格数据均来源于国泰安数据库：http://www.gtadata.此表由作者自行绘制，表格数据均来源于国泰安数据库：/。表格内财务指标为经过线性变化的数据。股票代码股票简称所属行业年份营运资金/资产总额留存收益/资产总额息税前利润/资产总额总资产周转率股东权益/负债总额每股经营现金流量速动比率000652泰达股份综合20080.6930.9370.5160.1720.5050.3380.40420090.7260.9431.0000.3040.5130.1660.320000695津滨能源综合20080.5590.9260.0000.1800.4930.5050.28120090.6460.9110.7420.2690.4770.3100.269000897津滨发展房地产20080.9700.9180.0260.0170.5090.3480.27620090.8790.9230.8310.0380.4580.6090.241000965天保基建房地产20080.9410.9280.0420.0000.7740.2990.00020090.8600.9440.8830.0000.6961.0000.038600082海泰发展房地产20081.0000.9600.2330.0620.6670.0000.84720091.0000.9770.8790.0581.0000.2160.932600489中金黄金重金属20080.6550.9520.8461.0000.9000.4890.31820090.6790.9530.9700.9980.5190.8200.219600583海油工程综合20080.7121.0000.6090.3440.7420.5270.43620090.7001.0000.9500.4470.8390.5140.389600717天津港交通运输20080.6220.9960.4530.2431.0000.6430.40520090.6980.9910.9010.1940.9790.6400.498600787中储股份交通运输20080.6700.9390.0120.9010.4930.6260.42620090.7420.9460.8591.0000.7140.4270.471601919中国远洋交通运输20080.7650.9661.0000.4400.7691.0001.00020090.7820.9260.6950.1680.5380.0001.000600751SST天海交通运输20080.0000.0000.2060.2920.0000.3720.10420090.0000.0000.0000.1070.0000.2020.000表511家企业评估结果（续表）股票代码股票简称所属行业年份流动比率应收账款周转率资产负债率净资产收益率Z值导师值预测导师值000652泰达股份综合20080.3640.0670.2220.3041.1070.40.347520090.2100.0860.1701.0001.3360.90.8838000695津滨能源综合20080.1630.0000.2300.0260.7930.20.021520090.1220.0280.1910.8880.6800.60.7217000897津滨发展房地产20080.9940.0690.2190.1240.9310.60.785020090.3640.1030.2030.9480.8160.50.6096000965天保基建房地产20080.7180.0240.0790.4441.0840.80.852820090.3320.0000.0860.9791.0540.60.6047600082海泰发展房地产20081.0001.0000.1270.3971.3050.90.856120091.0000.1730.0000.9661.6770.90.9386600489中金黄金重金属20080.3150.5680.0310.7593.09510.989820090.1641.0000.1670.9932.31210.9796600583海油工程综合20080.4010.0420.0920.8731.7790.90.858820090.1980.0470.0400.9891.8440.90.9688600717天津港交通运输20080.2230.0320.0000.5391.6230.80.888520090.2030.0490.0050.9711.4810.80.9209600787中储股份交通运输20080.3270.1990.2300.2012.3400.70.231120090.2270.1780.0800.9652.39310.9899601919中国远洋交通运输20080.6530.0730.0801.0002.1020.80.742620090.4000.0720.1560.8830.7420.50.5021600751SST天海交通运输20080.0000.0411.0000.000-1.53100.000120090.0000.0201.0000.000-4.07900.0000以均方误差()对模型预测结果进行评价,MSD=0.000516,证明模型的评估效果很好，BP人工网神经络模型对企业信用风险的评估是有效的。从滨海新区11家上市公司的结果来看，网络模型对SST海天的风险评估符合其在资本市场SST的状况，违约概率较高，风险较大；房地产类企业信用风险比较平稳；天津港、海油工程等企业由于政府的一贯支持而保持较低的信用风险。而泰达股份等综合类企业由于投资领域广泛，信用风险变化应该引起借款银行的注意。KMV模型和BP神经网络模型评估结果的拟合图如下所示：资料来源：作者编制上图中的导师值是由11家企业财务比率通过Z值评分法得出；预测导师值是由BP神经网络模型学习得出；违约距离是11家企业资本市场数据通过KMV模型得出。预测导师值与真实导师值偏差不大，证明BP神经网络模型可以用于贷款企业的财务风险评估。KMV模型与BP神经网络模型整体上具有很好的拟合效果。KMV法基于资本市场数据评估财务风险，BP神经网络模型基于财务数据评估财务风险。企业的市场环境、经营前景等非财务因素通常包含在资本市场的供求关系中，所以KMV模型评估的财务风险受宏观条件影响较大，各企业差距很小，走势相对平缓。而且资本市场的炒作也经常使股价偏离企业价值，掩盖企业的财务危机。而BP神经网络评估的结果剔除了宏观因素，更能直接反应贷款企业的财务风险。四、对商业银行信用风险评估提出的建议（一）结合KMV法与BP神经网络模型评估财务风险KMV模型主要应用于上市公司违约风险度量，而对非上市公司财务风险评估，国际和国内都缺乏有效研究。与银行以往评价财务风险的模型不同，BP神经网络模型是一种非线性模型，其优势主要表现于：该模型根据提供的数据，通过学习和训练，找出输入与输出之间的内在联系进而求解；该模型不依赖于变量间的线性或独立假设，可以弱化权重确定中的人为因素；该模型可以自动处理不完全的数据，具有泛化功能和一定的容错能力。利用两个模型的优势可以开发出有效评估非上市公司财务风险的模型。首先，将银行的贷款客户划分为上市公司和非上市公司两个区域，每个