论文部分内容阅读
在经济全球化背景下，特别是随着加入WTO以后我国对外金融的开放，致使商业银行面临的竞争更加激烈。随着同业竞争的不断加剧，传统的商业银行的客户贷后信用风险管理模式已经无法适应现代金融企业的发展需要，贷后信用风险管理成为决定商业银行经营成功的关键因素之一。本文关于商业银行的客户贷后信用风险管理理论的探讨和针对公司类客户贷后信用风险的识别与管理问题的研究，对于认清商业银行的客户贷后信用风险管理的本质，探索公司类客户贷后信用风险管理的运作机制，提高商业银行基于企业客户贷后破产和相关违约预测的风险管理决策制定能力，确保商业银行信用资产运行安全，具有重要的理论意义和实际意义。 本文运用现代金融风险管理理论、管理决策理论与方法、数据挖掘技术和统计技术，围绕客户贷后信用风险识别与管理问题，从以下几个方面对商业银行的客户贷后信用风险的识别、预测模型及管理策略、管理决策方法进行了系统的研究: (1)商业银行信贷过程与客户贷后信用风险管理 围绕商业银行的信贷过程展开分析，指出信贷过程的重点是贷后管理，并分别从贷后风险与预警以及贷后管理存在的问题等方面说明为什么客户贷后信用风险的识别与管理的研究是商业银行贷后管理的核心和关键、是本文的主要研究内容。提出客户贷后信用风险的识别与预警框架，比较不同的客户贷后信用风险识别模型的预测性能，指出用数据挖掘方法构建的企业破产预测模型是客户贷后信用风险识别的主要工具，可运用于商业银行信贷退出对象和退出时机的识别，以构建更加科学的客户贷后信用风险预警、反应、防范和化解机制。 (2)基于案例推理的客户贷后信用风险识别研究 基于对商业银行的客户贷后信用风险识别与管理问题的分析和认识，探讨商业银行如何选择合适的变量和数据挖掘方法来识别临近破产企业，以识别信贷退出对象和时机。通过对构建企业破产预测模型一般方法的分析和探讨，研究运用基于案例推理的分类技术建立企业破产预测模型的机理;结合商业银行自身的特点，提出一个将定性和定量因素综合融入企业破产预测模型中的层次分析和K最近邻案例检索相结合的新的混合检索技术;实例研究证明了这一破产预测模型的分类精确性。 (3)客户贷后信用风险识别的支持向量机方法 探讨使用支持向量机构建企业破产预测模型的方法。根据支持向量机的基本原理，分析使用支持向量机建立企业破产预测模型的可行性;为评估SVM模型的预测精确性，比较了BPN模型的限制和SVM模型的优势，提出SVM模型的框架;并利用SVM模型进行实例研究，通过引导关于不同的核参数和上界C的实验，在训练集容量变小时，对于具有不同参数的SVM预测性能进行比较。 (4)企业集团客户贷后信用风险识别研究 在对KMV信用风险模型的基本原理进行分析的基础上，探讨将KMV信用风险模型应用于识别企业集团客户信用风险的可行性，并对KMV模型的重要参数—净资产波动性和预期违约概率进行估计，提出一个新的企业集团违约概率指标以考察企业集团客户的贷后信用风险。通过对企业集团违约指标和母公司的信用价差之间的关系考察，对在传统的统计显著性水平上信用价差是否解释了企业集团违约指标变化问题进行实证研究，对母公司的信用风险与其企业集团的信用风险之间的关系作出了进一步的证明。 (5)基于识别基础上的客户贷后信用风险的防范与化解 客户贷后信用风险识别模型和方法的研究为商业银行提供了在贷后管理过程中识别信贷退出对象和时机的手段。本节探讨贷后信用风险管理与控制的一般思路，重点研究商业银行信贷退出的策略和途径，商业银行可承受贷后风险的防范与化解，结合集团客户信用风险的特点提出具体的贷后信用风险预控建议。