论文部分内容阅读
目前，我国正处于产业结构优化升级的关键时期，产业结构的变化势必对商业银行贷款的行业配置决策带来重要影响，商业银行必须考虑产业结构变化对各行业贷款收益和风险的影响。本文从我国实际出发，对商业银行的贷款资产的行业分布进行了分析，发现我国商业银行的贷款资产存在行业分布不均和过度集中等问题。与此同时，阐述了在产业结构优化升级背景以及产业自身发展规律下，未来我国各个行业有着不同的成长性。因此，商业银行在进行贷款的行业配置决策时，不仅应该追求当前利益最大化，同时应当考虑行业的成长性，从长远来看待自身的发展。 在借鉴前人研究的基础上，本文从理论和实证两方面对我国商业银行贷款的行业配置进行了以下研究: 第一，本文基于财务角度，从偿债能力、营运能力、盈利能力和发展能力四个方面选取了资产负债比率、产权比率、利息收入倍数、应收账款周转率、流动资产周转率、总资产周转率、主营业务利润率、成本费用率、净资产收益率、主营业务收入增长率、所有者权益增长率、资产增长率12个指标来刻画行业的成长性，并分别用熵权法和因子分析法计算了样本行业的成长性得分。通过对比评价结果，发现两种方法的评价结果具有较好的一致性。然后根据配置模型的特征最终选用熵权法进行行业成长性的评价。 第二，在建立了评价行业成长性的指标体系以及选择了行业成长性评价方法的基础上，本文计算了行业的成长性得分，然后将行业成长性这一因素加入优化模型的目标函数中。与此同时，经济资本作为商业银行信用风险管理的先进工具，被纳入优化模型的约束条件中。据此构建了以经济增加值(EVA)最大化、行业成长性最好为目标函数，以经济资本限额为主要约束条件的商业银行贷款的行业配置优化模型。 第三，在建立了优化模型的基础上，以我国某大型国有商业银行为例，分别以农副食品加工业造纸和纸制品业等制造业9个制造业的子行业以及采矿业、制造业等10个大行业为样本，利用优化模型进行了贷款的行业配置计算，通过调整参数，改变目标函数中短期收益和长期发展的权重，得到不同的结果，并就其结果进行比较分析，对模型的有效性进行了检验。 研究结果表明:利用该模型进行贷款行业配置时，配置结果会受到RAROC、行业成长性以及行业贷款间违约相关系数的影响，且变化方向与模型建立的预期一致，从而验证了模型的有效性;同时发现，将行业成长性纳入贷款的行业配置考虑中时，能够很好的降低贷款行业集中度的问题。