前言：中文期刊网精心挑选了信用风险评估范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
信用风险评估范文1
一、小额贷款信用风险的界定及成因
（一）小额贷款信用风险界定
信用风险包括借款人无法偿还债务的违约风险和信用质量下降的迁移风险，是金融机构面临的最主要风险，也是最难以量化的风险类型之一（王力伟，2013）。小额贷款公司风险主要集中于信用风险、自然风险和资金来源风险（孙颖，2008）。同时在贷款业务的单一性、区域有限性和贷款对象特殊性的影响下,其信用风险最为严重（李修平2009）。借款人的违约风险主要来自于两个方面，道德风险和逆向选择（李玉福，付代军，2007）。比如，招商银行信贷产品的标准化导致产品过于清晰，一些中介和担保公司利用这些信息给客户进行包装，客户经理也可能参与作假，增加了道德风险。而随着银行小微信贷的兴起，资质好的客户会选择银行进行小微贷，资质弱的客户只能来小贷公司，导致劣币驱逐良币（唐华，2013）。小额贷款公司虽然发展迅速，但是还不具备足够的风险评估技术和信用风险控制体系从而降低贷前的逆向选择和贷后的道德风险（辛鑫，王文荣2010)。除了债务人本身的信用问题，宏观经济的变动性也是信用风险的产生原因之一（李明，2015）。另外，不可忽视的是，信用风险也包括购买力风险。购买力风险是指未预期的高通货膨胀率所带来的风险（曼昆，2011），当实际通货膨胀率高于借款人预期时，实际还款额就会减少，小贷公司就会蒙受损失。
（二）小额贷款信用风险成因
信用风险防范一直是小贷公司的劣势，尽管在设立时，各试点省明确要求小贷公司建立信用风险控制措施，但是大部分地区并没有明确规定。小贷公司的信用风险成因可以划分为：外部原因和内部原因，个体原因和集体原因。学者们从宏观市场、贷款对象、担保公司和中介公司等主体入手探究外部成因。就宏观市场而言，通货膨胀率高于预期的时候小贷公司蒙受的利率损失就高，信用风险就会增大（曼昆，2011）。就贷款对象而言，小贷公司的信用风险主要是由贷款对象的特殊性所造成的。而作为小贷主要对象的农户和中小企业本身，自我防范风险能力较差，因而风险就转移到了小贷公司(孙思磊，2006)。因此小额贷款业务的违约率与贷款本金、利率、贷款客户的生产收益率以及违约的信用惩罚之间有着密切联系（王廷飞，高新兰，2013）。就担保和中介公司而言，由于存在投机行为和信息不对称，其很可能会通过给贷款人进行信息包装而发生道德风险和逆向选择。内部运营模式、风险控制机制、从业人员素质，贷款业务特征及资金来源的单一性等成为信用风险的主要内部因素。董军（2010）认为内部运营模式导致了小贷公司的信用风险。尽管在设立时，各试点省(区)明确要求小额贷款公司建立一系列信用风险控制措施，比如准备金制度、风险保障基金等，但是大部分地区并没有对此进行明确的规定（李明，2015）。就从业人员的素质而言，金珍珍（2009）认为，人才的缺失，例如：前端客户经理素质不高，风险预警员疏于职守，加剧了小贷公司信用风险的发生概率。贷款业务的单一性和资金来源的受限性导致了借款人一旦违约，贷款就难以及时回收（张小倩，2008）。此外，除了对单个贷款主体违约成因的研究，人们也已经很早就注意到了违约聚集的现象。即违约不是孤立发生的，而是存在一定的聚集现象，表明借款人之间存在一定的违约相关性（王力伟2013）。人们观察到经济上行期违约发生相对较少，经济下行期往往出现违约聚集的现象。例如，宏观经济因素和行业景气度，企业间直接的关系链等都会造成企业违约聚集。
二、小贷信用风险评估指标设计
对于指标的分类，大致有如下2种分类方法：按贷款主体分类为农户、个体工商户和小微企业3类指标，按贷款信息分类为硬信息和软信息2类指标。
（一）贷款主体分类指标
小额贷款的对象是农户、个体工商户及小微企业。因此风险评估指标的样本对象必须是这三者。当前对小贷信用风险的研究，国内实证研究基本上是围绕商业银行农户、小微企业小额贷款、农村信用社及小额贷款公司的贷款样本展开。关于农户指标的选取：马文勤（2010）选取了2009年陕西省杨凌区三家农村信用社农户的15个指标来判断其是否违约，包括户主年龄、户主性别、家庭人口数、家庭劳动力数、耕地面积、农业收入、非农收入、年总支出、信用社入股金额、房屋价值、机械价值、其他资产价值、贷款数额、贷款用途、贷款月利率共15个指标。陈良维（2008）在前者的基础上增加了文化程度、家庭资产总额、贷款历史、信用账户数目、信用申请情况、司法记录情况和月还款占收入比7个指标。刘畅、方靓、晏江、熊学萍（2009）增加了农户参保情况、村委会评价及是否遭受经济损失3个指标。刘泽双、王光宇、段晓亮（2009）对农户小贷信用风险的指标进行了归类，将其分为表层直接因素、中层直接因素及深层根本因素。孙清、汪祖杰（2006）选取的江苏省北部某农村信用社480个贷款数据中，以财产水平、负债状况、受教育程度、借款用途4个指标作为评估依据。可以看到，对农户指标的选取，家庭成员特征、耕地及其他资产状况、家庭收入状况、家庭信用情况、贷款特征这五项是重要的考量指标。其中，由于农户自身财务数据的缺乏，非财务数据的考量占据了非常重要的地位。个体工商户及小微企业信用风险指标选取：对于小微企业的信用风险的研究，多数学者集中在商业银行小贷部门信用风险的研究及小贷公司信用风险的研究。这里探讨的个体工商户和小微企业是指其财务数据不足以支撑其获得商业银行贷款资格的企业，其财务数据通常具备不完备性、不易获取性。因此，非财务因素的评估十分重要。杨德明（2012）在哈尔滨银行小企业信用等级评定指标中，特别强调了要强化非财务因素的作用，并在申请评分卡的非财务指标中增加了小微企业主这一因素。结合国内各大商业银行操作的实际情况，将企业信用非财务体系归纳为以下五大方面：企业管理环境、企业核心竞争力、行业发展前景、企业经营管理水平（领导者素质、员工素质、组织制度、决策机制、人事管理、财务制度建设）、企业信誉状态。
（二）贷款信息分类指标
贷款信息包括软信息和硬信息。非财务信息也称软信息（softinformation），通常由信贷员提供（李明，2014）。在信息不对称和不完全契约环境下，小贷客户信用风险的评估对关系型借贷特别看重(Bel-louma,Bennaceur&Omri,2005)。Peterson（1999），认为关系型借贷所传递出的信息对小型企业而言更有价值。因为关系型借贷不仅涉及企业财务信息和经营状况，还涉及难以量化、传递的软信息（申韬，2011）。王锁柱，李怀祖（2004）认为硬信息是客观存在的信息的反映，软信息是含有涉及主体的价值观念和知识结构的主观判断的信息，主观判断涉及主体的价值观念和知识结构，是一种区别于是非判别的个人偏好。由于当前小贷公司信贷员具有一定的贷款决策权，因此，在将软信息内容作为评估指标时，很容易产生评估不够客观公正，甚至是道德风险。王延飞、高新兰（2013）提出，要建立以社会资本和道德风险为核心的信用风险评价机制，特别强调对道德风险和社会资本的评价。他们认为，业主社会声誉、生活习性及家庭因素是衡量其道德风险的重要指标，且这些因素是判别其生产经营能否正常运行的关键因素。另外，业主的社交网络、信任合作是衡量其社会资本的重要指标，社会资本越丰富，则其外部约束越大，就能够越多地补偿贷款信用风险。这种评估指标的选取更加符合小额贷款公司的实际情况，指出了小贷公司在信用评估过程中遇到的两个关键问题：社会资本的评估以补偿风险，道德风险的评估以防范风险。但是，道德风险的评估主观随意性较大，难以量化评估；而社会资本的评估过于抽象，也难以量化。基于此，Molodsov提出了软集合理论，该理论在处理不确定性问题的过程中引入近似解代替精确解的概念，有效地克服了传统数学方法的缺陷。申韬（2011）运用软集合理论对5家小额贷款公司进行了信用风险评估，选取了信用履约评价、偿债能力评价、盈利能力评价、经营及发展能力评价、综合评价5个指标作为参数，但由于5家公司评估指标都难以精确量化，该文通过对各评估指标“强”信息取值为1，“弱”信息取值为0，并请专家进行打分来实现风险评估，评估结果较为精确地反映了小额贷款公司的客户信用风险。可见，运用软集合理论可以对企业的财务信息和非财务信息做出一个合理的信用风险评估。
三、小贷信用风险评估模型构建
过去200年间，信用风险评估方法经历着行业变革和技术变革，单纯的主观判断和政策决策逐渐被其他的模型所取代。评估模型的选择取决于所需行业结构水平及大样本可获得性。小贷信用风险评估一般采用的是混合模型和数理模型。对于单纯仅使用专家评分法的情况很少。专家评分法主要表现为国际上通常对于非财务分析遵循的5C原则，即借款人的品格（Char-acte）r，能力（Capacity），资本（Capita）l，担保（Col-latera）l，环境（Condition）（周颖，毛定祥2006）。
（一）信用评分法
信用评分法就是混合模型的表现。Caouette，Altman，Narayanan(1998)指出当贷款对象信用记录不健全、信息获取较为困难时，信用风险评估通常采用综合企业财务因素和企业主个人因素的传统信用评分法。目前，信用评分法已经成为借贷机构是否发放贷款、贷款额度、贷款定价以及提高赢利性的决策支持工具（申韬，2011）。作为客户准入筛选的第一关，哈尔滨银行独立研发了小企业信用等级评定模型，对申请贷款的客户进行贷前评级打分。申请评分卡中最重要的四点是：①采用多行业区分，在客户准入上选取融资需求较集中的小企业所在的行业进行研究；②在评分卡中的非财务指标中增加了小微企业主这一因素；③根据第二还款来源对采取抵押担保方式进行贷款的小微企业进行担保评分；④对成长性指标和行业敏感性较高的个性指标等关键性指标调整（杨德明，2012）。这种申请评分法技术是对传统信用评分法的一种突破。它对硬信息的依赖程度大大降低，强化了非财务因素的作用，对于小贷公司信用风险管理有借鉴作用。但也有不足之处：其一，信贷员进行信用评分时难免会出现道德风险。这对小贷公司人员素质提出了高要求，无形中会增加人工成本。其二，贷款客户贷款时经常不具备担保物，不符合申请评分卡里面提供的担保项设置。因此，需要有更加客观和符合小贷公司情况的信用风险防范体系。
（二）基于神经网络模型的信用风险评估模型
人工神经网络（ArtificialNeuralNetwork），是基于对人脑神经网络结构及其功能的模仿而建立起的由大量处理单元相互联结成的智能化信息处理系统。通过这个系统可以实现非线性关系的操作（丛爽1998:1）。韩立群（2000）提出，神经网络具有高度的非线性，良好的容错性和联想记忆功能和较强的自适应性，能够大规模并行处理和分布式存储信息。神经网络由于对数据分布及自变量和因变量的函数关系的精确度要求不高，但其分类精度较高，因此成了信用风险评估领域的一个热点（马文勤，2010）。进入20世纪90年代，银行业引入神经网络将其用于信用风险评估。其风险评估主要是依靠其分类功能实现，即先找出一组对信用分类有影响的因素作为网络输入，再通过有教师或无教师训练建立信用风险评估模型，当输入新样本时该模型即可对其信用风险进行判别分类（沈艳2007）。马文勤（2010）基于BP神经网络建立了农户信用风险评估模型，并与基于Logit方法的农户信用风险评估模型比较得出，BP神经网络农户信用风险评估模型更加精确有效。该文选取了农户样本中的15个指标，将农户贷款行为分为违约类和非违约类，实证结果检验研究所建立的BP网络模型对违约类样本识别的准确率达到90%，因而可以将其作为农村信用社农户信用风险识别工具。吴冲，吕静杰，潘启树，刘云焘（2004）认为，信用风险的实质是信贷资金安全系数的不确定性，但一直以来信用风险评估在小贷公司被看成是对贷款企业进行“违约与否”的风险识别中的“分类”问题。随着信贷决策的日益复杂化，分类评估模式所反映的有限信息已远不能满足信贷风险决策的需要。基于此，这几位学者提出了建立基于模糊神经网络的小贷信用风险评估模型。该模型引入了贷款方式这一分类评估指标，这是对传统模型不区分贷款方式就进行信用风险的评估的一种改进。小贷公司贷款方式有：信用贷款、保证贷款、质押贷款、抵押贷款。同一企业在不同贷款方式下其信用风险是不同的，信用风险的评估结果应是某一特定贷款方式的量化值。该模型通过选取同一行业的短期贷款的样本数据进行实证研究，有效避免了由于不同行业带来的数据不可比问题。模型通过对营运能力因子、偿债能力因子、盈利能力因子和贷款方式因子训练发现，训练结果满意，可见模糊神经网络方法用于评估商业银行小额贷款信用风险非常适合。我们可以看到，模糊神经网络法是对专家评估法和信用评分法的一种改进，由于对数据的精确性要求不高，是分析小贷信用风险的非常好的一种方法。但同时我们也可以看到，其指标数据的选择大部分是财务数据，这对贷款客户财务信息的完备性提出了高要求。因此，如果将样本数据换成是软信息，再运用模糊神经网络模型进行分析，可能更适合于小贷公司信用风险的评估。
（三）基于模糊集合理论的信用风险评估模型
模糊集合理论(fuzzysets)于1965年由L.A.Zadeh教授提出，用以表达和解决模糊难以量化的问题。模糊综合评价法是基于模糊数学，将定性评价指标转化为定量评价指标的一种评估方法。一般评价步骤为，首先构建模糊综合评价的指标，确定被评价对象的因素集和评价集之间的函数关系，再确定各因素的权重以构建评价矩阵，最后将矩阵与因素的权重合成（模糊运算及归一化）得到模糊综合评价结果。它具有结果清晰，系统性强的特点，能较好地解决难以量化的问题，适合各种非确定性问题的解决。吕婷婷（2012）构建了基于模糊综合评价法的小额贷款公司风险评价模型。文章选取不良贷款率、贷款风险回报率、拨备充足率、正常关注类贷款迁徙率、贷款集中度、环保合格企业贷款余额占比作为信用风险的影响指标，实证结果得出拨备充足率对信用风险的影响权重最大，环保合格企业贷款余额占比对信用风险的影响最小。类似的能够解决模糊难以量化的问题的方法还有模糊层次分析法（FAHP）。模糊层次分析法（fuzzyanalytichierarchyprocess，FAHP）。模糊层次分析法是将模糊法和层次分析法（AHP）的优势结合而成的多准则决策方法。模糊层次分析方法能够准确地描述任意两个因素之间关于某准则的相对重要程度，能够很好地解决定性分析的抽象问题，得出的识别结果能较好地反映小额贷款公司的现实情况。李明（2014）运用模糊层次分析法（FAHP）进行风险识别，计算得出客户管理层特征维度、客户经营与决策能力维度、小额贷款公司关系能力维度、客户发展前景维度、客户偿债能力维度、客户贷款特征维度六个层面以及每个层面各个评估指标的模糊权重值，建立了小额贷款公司风险评价指标体系。该文从实际出发，根据专家意见，运用模糊层次分析法(FAHP)构建模糊互补判断矩阵，通过推导计算出矩阵指标层相对于目标层的权重，再通过对矩阵进行一致性检验表明其权向量结果的可靠性，最后得出风险识别结论，对小贷公司风险评估具有一定的指导意义。但是，由于不同的专家对小额贷款公司风险认识不同，在构建函数时具有很大的主观性，因此识别结果与现实有一定的差距。因此，为了得到理想的识别效果，专家根据不同的小贷公司的特点和环境来确定识别指标及权重至关重要。
（四）基于CreditMetrics的信用风险评估模型
CreditMetric模型是于1997年推出的用于量化信用风险的一种信用计量模型，通过计量风险价值来分析信用风险（宋志涛，2008）。CreditMetric模型中唯一的变量就是信用，模型认为违约是指借款人的信用等级下降，不管信用等级下降多少，都会给贷款人造成损失。模型最大的优势在于其对信用风险价值的估算，通过风险量化可以很直观地看到风险的变化。赵静（2012）选取了云南省农业银行某支行2010年以前的农户个人贷款为研究对象，构建了基于CreditMetrics信用计量模型的农户贷款风险预估体系，实证研究结果表明该银行目前VAR值较为合理，处于风险可接受状态。此模型首次提出了“边际风险贡献”的概念，将“债务人信用等级的变化”作为“违约”的一个考量因素，这不仅考虑到了违约风险，还将差额风险纳入其中，比较贴合实际。不过，该模型的分析需要大量的数据库做支撑，而目前由于我国的信用市场环境以及部分数据难以取得（如信用转移矩阵），CreditMetric模型在我国的运用受限，不过其对资产组合分析评价的方法和思想值得借鉴。
四、研究不足与展望
目前，国内对小额贷款公司风险管理的系统性理论研究和实证研究具有一定的局限性。从金融市场的发展趋势看，本领域具有更为广阔的研究空间。
（一）风险评估方法的局限性及数据库建立
当前信用风险指标的选取基本上是先通过专家分析法等主观地选取指标，相当于首先建立一个合理的假说，再通过层次分析法或其他方法对指标分配权重进一步筛选。这种指标选取的方法不可避免地带有主观性，如果没有建立在一个合理的假说之上的话，就会得出错误的结论。因此，建议建立一个更强大的小额贷款信用风险指标研究基础。目前的指标选取主要是以企业的方便样本为基础的，有些信息甚至是难以量化的，比如王延飞、高新兰（2013）提到的客户的社会资本和道德风险。在大数据时代背景下，这些软信息多半属于非结构化或半结构化信息（如图像、文本）。通过不断挖掘数据，运用数据处理工具———统计、决策树、神经元、模糊逻辑、数学规划等，可以辅助我们更好地应用大数据进行决策。展望未来，建议通过完善相关法律法规政策，在小额贷款全行业内建立一个统一规范的小额贷款信用风险指标数据库，使每个客户的信用数据都记录其中，依托该数据库来建立各个小贷公司的信用风险评价体系。小贷公司再将信用评估体系评估得出的信用数据反馈录入到信用数据库，实现数据的高效共享。这样的规范不仅有助于小贷公司做出客户放贷的决策，以避免因主观选取指标带来的不同企业评估的差异性，同样也是客户以后在各个金融机构借贷的信用通行证。
（二）研究数据的不充分性及信用知识管理
由于小额信贷对象信用数据难以取得且不够完善，有些基于软信息的指标在定量化的过程中会出现研究定量依据不同的情况，而且，目前信用风险软信息指标本身是观察性数据，存在着很多偏倚，例如选择偏倚、混杂变量和缺乏普遍性（Lifeomics,2014）。每个信用风险评估模型都有其优劣性，即便证实了一个风险指标和客户信用风险存在强有力的关联，我们仍然需要寻找一些证据来证明它在信用风险相关领域中具有实用性（即评估其客户信息与信用风险之间的平衡）。因此如何取得和规范指标内容以及增强指标间的真实关联性的问题亟待解决。建议通过更为深入、广泛的实地调研，多渠道(银行、农信社、证券公司、其他小贷公司、客户所在公司或家庭状况等)直接或间接地搜集客户信用指标，在样本容量充足的前提条件下，结合贷款客户的特点，提炼出更加完善、标准化的客户数据，以期进一步补充、提炼小额贷款公司信用风险评估指标，形成更具科学合理性、简约性、有效性和广泛适用性的小额贷款公司信用风险评估指标体系。此外，要证明样本数据的有效性和实用性，就需要对统计数据进行显著性检验，以区分真实关联还是虚假关联；就需要科学地选取计量模型，充分了解各模型的缺陷，防止检验失效。在进行数据搜集和提炼的过程中，同时要注意成本-效益问题。信用风险管理领域的各项研究是一个重复性较高的过程，需综合考虑成本-效益问题。机器学习算法（machinelearningalgorithm）将有助于知识内容管理（Lifeomics,2014）。建议通过开展知识管理，加强知识共享、知识转移和知识创新，建立公开透明的贷款客户信用档案制度，以降低信用风险的搜索成本。
（三）研究对象的不可比性及信用指标选取
信用风险评估范文2
关键词：长沙银行；信用风险评估；措施；建议
信用风险分析是对可能引起商业银行信贷资产风险的因素进行定性分析，定量计算，目的在于说明借款人违约可能性，从而为贷款决策提供依据。金融风险管理已成为我国目前经济生活中一个非常重要的问题。
一、长沙银行信用风险评估现状分析
长沙银行成立于1997年5月，是湖南省首家区域性股份制商业银行。成立12年来，长沙银行取得了喜人的发展成绩。紧紧围绕“政务银行、中小企业银行、市民银行”的特色定位，以及“四个三”的客户发展计划，初步形成了自身的经营特色和核心竞争能力。由于信用评价制度是一个复杂的系统工程，涉及到各方面的因素，同时我国信用评价研究起步较晚，目前我国尚未建立一套全国性的客户信用评价制度与体系。长沙银行对贷款企业进行信用评级的主要做法是：根据评估的需要设置若干组评估指标，对每一指标规定一个参照值。如果这一指标、达到参考值的要求就给满分，否则扣减该指标的得分。最后将各指标的得分汇总，并按总分的高低给贷款企业划定信用等级，作为贷款决策的依据。该种方法的不足之处在于：（1）评级指标、体系的构成是通过内部信贷专家确定的，缺乏定量化，具有不确定因索，有待进一步深入研究。（2）指标、权重的设置主要依靠专家对其重要性的相对认志来设定，缺乏科学性及客观性。（3）缺少对贷款企业各方面能力的量化分析，在对偿债能力等重要指标上只采用直接观察法，凭经验据报表估计其能力，有很大的主观性。（4）缺少对非财务因素的分析和现金流量的量化预测。
二、加强长沙银行信用风险评估建设
（一）完善信用评价指标体系和评价方法
长沙银行要建立内部评级体系，既要学习借鉴国外模型的理论基础、方法论和设计结构，又要紧密结合本国银行系统的业务特点和管理现状，研究设计自己的模型框架和参数体系。要充分考虑诸如利率市场化进程、企业财务欺诈现象、数据积累量不足、金融产品发展不充分、区域风险差别显着、道德风险异常严重等国内特有因素。只有深刻理解中国的金融风险，才能建立起有效的风险评级模型，这需要信用风险系统设计师不仅掌握先进理论方法，还能够对长沙银行的现实问题提出技术对策。
（二）加强培训，提高银行评级人员的素质
长沙银行应加强与国际专业评级机构如穆迪公司、标准普尔公司合作，加快培养、建立评级专业人才队伍，负责内部评级实施和维护工作。同时聘请国外银行和评级公司的专家，对这些人员进行集中培训，或派往国外培训，使之成为风险量化专家和未来的金融工程专家，为国内商业银行新型评级系统的建立健全出谋划策。
在评级过程不可避免的会存在部分道德层面上的问题从而引发操作风险。对此，要从思想意志上对相关人员进行教育，增强其主人翁责任感；要将政治素质好、业务能力强的工作人员优先充实到信贷岗位。
（三）加强行业研究，建立和完善信用风险管理基础数据库
没有高质量的数据积累，信用评级的模型及各项指标则无用武之地。长沙商业银行要完善数据积累，必须在确保客户信息的完整性和准确性前提下，加快信用评级所需数据的收集，同时完善不良客户信息的收集。另外，长沙银行应根据客户的资产负债状况、市场环境等情况及时更新客户信息，以便做出准确的风险分析。在充分获取数据的同时，商业银行要加强信息技术系统的建设，并且要保证信息技术系统的可信度和稳健性。同时，必须按照行业进行适当分工，通过对不同行业的长期、深入研究，了解和把握不同行业的基本特点、发展趋势和主要风险因素，可以为受管理对象在同一行业内部和不同行业之间的风险比较创造必要条件，从而为信用级别的决定提供参照。
信用风险评估范文3
【关键词】中小型担保公司信用风险评估模糊综合评估
一、引言
在金融风暴影响下，我国经济和金融业受到了巨大冲击，中小型担保公司面临的风险日益突出。与大型担保公司相比，很多中小型担保公司从业人员缺乏从事担保业务的知识、经验，对担保对象不能准确判断，或风险意识淡薄，不利于对复杂金融市场环境下的风险进行有效控制。建立预警机制和应急保障体系，健全风险管理机制，规避信用风险已成为中小型担保公司目前所亟待解决的重要问题。
二、担保公司信用风险管理体系框架构建
在中小型担保公司实际运作过程中，既希望不断签单，提高资金的利用率，又希望对系统性风险进行有效控制，实现收益最大。然而，无论是政策性信用担保还是商业性信用担保，风险管理能力都是担保机构最核心的竞争力。尤其是商业性信用担保则完全要依靠自身的能力来获得生存和发展。可见，风险管理是大部分中小型担保公司的第一要务，决定了其生存和发展的能力。因此，建立一套完善的信用风险管理体系，为担保公司的整体风险控制提供有效支撑则显得尤为重要。担保公司信用风险管理体系框架如图1所示。
目前，很多文献都对担保公司信用风险的风险源（即风险识别部分）以及风险的应对措施进行了分析论述，但在风险分析过程中定量地对风险防控能力进行评价的研究还相对较少，不能给各担保机构以真正的辅助决策，在一定程度上制约了各中小型担保公司风险防范能力的准确性。因此，对定量的风险评估则需要进一步分析研究。
三、担保公司信用风险评估方法研究
（一）风险评估方法概述
作为一门理论和实用性都很强的工作，风险评估通过充分利用各种定量方法对风险进行评价以判断风险大小，为风险管理提供重要依据。目前，常用的风险评估的方法包括：蒙特卡罗法、模糊综合评价法、灰色预测法等。这些方法各有特点，可以针对不同规模的担保公司、不同金额的担保业务分别进行应用。
（二）评估指标体系的确立
一般担保公司对信用担保业务的风险评估主要从担保企业（含项目）和反担保措施两个方面进行评估，因此，在进行评估指标体系构建时需同时考虑这两个方面的内容。按照模糊评价指标体系建立应遵循的科学性、代表性、全面性、可行性和系统性等原则，建立了评价中小企业信用风险评估的指标体系，如图2所示。
图2 担保公司信用风险评估指标体系
该体系共分目标层.准则层和指标层三个层次。目标层主要为中小型担保公司需要进行担保的项目风险，这是第一层次。准则层由项目背景、反担保措施两大部份组成，这是第二层次。指标层企业行业特点、竞争能力、偿债能力、资产质量、盈利情况等指标组成，这是第三层次。
（三）基于模糊综合评估的信用风险评估方法
模糊综合评判原理简单，适于对受多因素影响的项目进行评价，尤其是对人才短缺、人员行业能力不是十分强大的中小型担保公司进行担保业务的风险定量研究时更为合适。因此，本文选择模糊综合评判方法对风险进行评估。
1.建立权重集
假设准则层对目标层的权重为,且，。同样，指标层对准则层的权重，，且。
2.建立评价集
作为对评判对象可能做出的各种评判结果所组成的集合。假设强度由高到低为强、较强、一般、较弱、弱，则评价集为：，则表示程度。
3.一级模糊综合评判
对准则层各评价指标建立模糊评价矩阵，通过指标层评价准则层分类因素指标，若单独考虑，评判其类属于第m个评语的概率为，得到模糊评价矩阵。
由得到准则层的各指标的一级模糊综合评价结果。
4.二级模糊综合评判
二级模糊综合评判的结果为：
5.确定评价结论
对作归一化处理，根据最大隶属原则，评定中小企业信用风险的高低。
四、总结
作为高风险行业，信用担保业能否有效地防范与控制担保风险决定着担保机构能否可持续发展。中小型担保公司因各种原因致使在信用风险的评估方面存在很大不足。因此，就需要不断探索信用风险评估方法，提高自身的风险管理能力。在此基础上，中小型担保公司还应利用网络实现企业信用等信息储备，提高信用风险评估的可信度和可行性。
参考文献
[1]李蔚等.中小企业信用担保机构综合风险预警系统研究[J].科研管理，2007（3）.
[2]熊笑坤.中小企业信用担保机构风险分析及防范[J].河北金融，2007（1）.
[3]张志斌.中小企业信用担保机构风险分析及对策[J].河北经济，2009（10）.
信用风险评估范文4
关键词：信用风险评估；指标体系；履约意愿；履约能力
中图分类号：F830.33文献标志码：A文章编号：1673-291X（2011）10-0065-02
引言
随着中国加入WTO，《新巴塞尔资本协议》正式，金融全球化进程不断加快，中国商业银行业除了要与国内同业展开竞争之外，还要面对国际先进的商业银行的挑战，因此对金融风险管理的要求更高、更紧迫。在商业银行所面临的各类金融风险中，信用风险是最古老也是最重要的一类风险，商业银行必须对自己的信用风险进行更加科学有效的评估和防范。
商业银行信用风险评估是一个较为复杂的系统，信用风险的评估指标作为此复杂系统的输入项，对于评估结果的有效性和准确性起着举足轻重的作用。因此，商业银行进行信用风险评估及管理的首要任务是以指标选择原则为指引，以对信用风险的影响因素分析为依据，构建信用风险评估指标体系，为商业银行的风险评估及管理工作奠定基础。
一、商业银行信用风险评估指标的选取原则
1.科学性原则。即评估指标的选择、数据的选取和计算必须以公认的科学理论为依据。
2.全面性和独立性原则。即评估指标具有较强的概括性，既能综合反映商业银行信用风险的程度，各指标间又相互独立，相关性小。
3.可行性原则。即评估指标所涉及的数据容易获取和计算。
4.可量化原则。即指标的选择及表述要尽量做到以量化研究为主，从而避免主观评价所带来的不确定性。
二、商业银行信用风险的影响因素分析
商业银行信用风险的影响因素有很多，经过研究发现可以将其概括为两个方面：贷款企业的履约能力及履约意愿。贷款企业履约就意味着银行能够在规定期限内收回贷款本息，该贷款企业不会令银行遭受因贷款而带来的损失。
1.履约能力。企业的履约能力是企业经营管理情况及发展实力的综合体现，通常可以通过其财务情况体现。财务指标是企业财务状况的客观反映，与一般技术经济指标相比，它具有更强的灵敏度和综合性。企业的管理模式及有效性各不相同，也很难评判，但都会不同程度地反映在其财务指标的发展变动上，因此信用风险评估的一个中心内容就是对企业财务指标的提炼和分析。
2.履约意愿。企业的履约意愿包括企业管理者的道德修养、宏观经济环境变化对管理者履约心理的影响、金融监管环境的好坏对管理者履约投机心理的影响等等。基于以下两点考虑，本研究将履约意愿暂不作为指标体系构建的考虑因素。
其一，履约能力与履约意愿并不是相互独立存在的，而是相互影响、相互作用的。在经济环境稳定、法制健全、讲求商业信誉的社会中，贷款企业有履约能力而不愿履约的可能性较小，此时，履约意愿可以内化于对履约能力的考察。其二，由指标选取的基本原则出发，所选指标要尽可能量化和标准化，履约意愿以中国目前的社会信用管理状况来讲，还不能达到对各贷款企业精确量取。
综上所述，商业银行信用风险评估指标的选取就集中于对企业履约能力的研究，即企业财务指标的选取。
三、商业银行信用风险评估指标体系构建
由以上的分析及对企业财务指标的归纳，商业银行信用风险指标体系可由以下四个方面，14个指标构成。
1.偿债能力。（1）流动比率：比率越高，说明偿还短期负债的能力越强，一般认为，对于大部分企业来说，流动比率为200%是比较合适的比率。（2）速动比率：比率越高，说明偿还短期负债的能力越强，但不宜过高，一般应维持在100%的水平。（3）资产负债率：反映在总资产中有多大比例是通过借债来筹资的，一般情况下，资产负债率越小，表明企业长期偿债能力越强。（4）超速动比率：比率越高，说明变现能力越强，较速动比率能够更确切地反映立即变现能力。
2.营运能力。（1）应收账款周转率：反映应收账款周转速度。比率越高，说明发生坏账损失的可能性越小。（2）存货周转率：综合衡量企业生产经营各环节中存货运营效率。比率越高，说明借款人存货从资金投入到销售收回的时间越短。在销售利润率相同的情况下，比率越高，获利越多。（3）流动资产周转率：比率越高，说明以相同的流动资产完成的周转额越多，流动资产利用效果越好。（4）固定资产周转率：比率越高，说明企业固定资产利用充分，结构合理，能够充分发挥效率。（5）总资产周转率：比率越高，说明企业全部资产的使用效率越高。
3.盈利能力。（1）销售利润率：反映企业一定时期的获利能力。比率越高，说明销售净收入中的利润越高。（2）净资产收益率：衡量企业运用自有资本的效率。比率越高，说明投资带来的收益越高。（3）成本费用利润率：反映经营耗费所带来的经营成果。比率越高，说明企业的经济效益越好。（4）资产收益率：衡量每单位资产创造的净利润大小。比率越高，说明企业在增加收入和节约资金方面的能力越强。
4.贷款方式。贷款方式虽非企业的财务指标，但在信用风险研究领域越来越受到各专家学者的重视。贷款方式不仅影响贷款企业的履约意愿，更为重要的是，在企业履约能力不足以偿还贷款本息的时候不同程度的补偿银行因此所遭受的损失。从这个意义上来讲，贷款方式是影响银行信用风险的一个重要指标。
结论
1.商业银行信用风险评估指标体系的应用。商业银行信用风险评估作为一个具有系统性、非线性等的复杂系统问题，传统的比例分析方法、统计分析方法等线性方法已经不足以客观、准确地反映银行所面临的信用风险。指标体系的结构以及指标权数的确定应以基于复杂、非线性理论的人工智能方法为主，通过建立合理完善的信用风险评估模型对银行信用风险进行评估。
2.商业银行信用风险评估指标体系的不足。对信用风险评估指标的选取主要集中于定量的财务指标范畴，这一方面是基于对信用风险影响因素之间相互作用的理论分析，一方面是源于中国金融信用体系的限制。这种评估体系结构，虽在一定的理论及实际条件下是科学、合理的，但是从长远考虑，中国商业银行在不断加强金融管制、健全金融法制的同时，对信用风险评估指标的选择应不断纳入环境因素、企业信用因素等更多非财务指标，不断提高商业银行信用风险评估的前瞻性和科学性。
参考文献：
[1]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.
[2]于立勇.商业银行信用风险评估[M].北京：北京大学出版社，2007.
[3]李小燕，钱建豪.中国企业信用风险评价指标的有效性研究[J].中国软科学，2005，(9).
[4]Cebenoyan，A.Sinan；Strahan，Philip E.Risk management，capital structure and lending at banks[J].Journal of Banking and Finance， 2004，(1).
[5]陈元燮.建立信用评级指标体系的几个理论问题[J].财经问题研究，2000，(8).
A Construction Research on Credit Risk Evaluation Index System for Commercial Banks
GUAN Du-juan
（School of Economics and Management，Xi’an Shiyou University，Xi’an 710065，China）
信用风险评估范文5
关键词：层次分析法；信用风险；评估模型
1.引言
近年来随着我国经济的高速发展，中小企业在促进国民经济增长、提供就业岗位、推动技术创新、保持社会稳定等方面发挥着越来越重要的作用。由于中小企业自有资金少、知名度不高，所以依靠内部融资以及通过资本市场直接发行债券股票融资都比较困难，所以中小企业更加依赖以商业银行贷款融资为主的间接融资手段，以商业银行为中介的间接融资是目前小企业资金配置的主要形式。中小企业与大企业相比，中小企业具有信息透明度差，经营稳定性差等缺点，对中小企业提供信贷支持时，商业银行很难对其信用风险进行评断。所以结合中小企业的实际情况，建立起一套中小企业贷款的信用评价模型，这对于商业银行有效地控制中小企业贷款风险非常有重要的。
我国对信用风险度量、管理的研究始于上个世纪80年代末期，目前对信用风险度量、管理的系统研究主要集中在对企业信用风险的分析和预测研究。最早根据财务会计数据提出单变量分析企业破产风险预测的是Beaver[1]，Altman[2]将其延伸至多变量，即著名的Z评分模型，这些分析均采用最小二乘法进行估计。此外，还有几种常见的用于信用风险分析的统计方法：k-邻近法、主成分分析法、聚类分析法、分类树法等[3]。进入20世纪90年代，神经网络引入了银行业，用于信用风险识别和预测[4]。但是这些方法主要是针对大型企业而建立的，并不完全适合于中小企业。
本文首先分析中小企业的特点，建立适合中小企业的信用风险指标体系，然后将层次分析法与信用风险分析和预测相结合，提出了一种基于层次分析法的综合评价模型，结合企业实际数据对模型的有效性和准确性进行了验证。
2.中小企业风险评价指标体系
中小企业与大企业不同，既具有信息透明度差，经营稳定性差等缺点，又具有经营灵活、创新能力强、发展成长力强以及国家政策扶持等优势。故而在设置其指标体系时应考虑到其所具有的创新性、成长性、发展性等特点。
结合中小企业的特定，借鉴已有的国内外金融机构和评级公司的企业信用评级模型，在已有的国内外文献研究成果的基础之上，笔者认为在构建适用于中小企的信用评级指标体系时，应在分析企业的运营能力、盈利能力、偿债能力等财务因素的同时，要结合企业所处的外部宏观环境条件和行业发展状况来说明企业
的偿债能力。此外，在分析偿债能力的同时，还应该考察企业的偿债意愿。只有在分析了企业偿债能力的同时，考察企业的偿债意愿，才能比较客观地掌握企业的信用情况，最终在评定时才能得出较为科学的结果。在此，笔者根据现有的研究成果和实际情况，构建中小企业信用评级指标体系，并将评级的指标分为财务指标和非财务指标两大类。
1）财务指标
定量指标主要根据企业的财务数据来确定，不同的财务指标从不同的方面反映企业的财务、经营和盈利状况。那么，到底应使用哪些财务指标来反映企业的偿债能力呢？由于财务指标数量很多，所以必须借鉴现有的指标体系和研究成果。在选择定量指标的同时，需要考虑哪些指标最能说明企业的偿债能力，同时在指标的选择上，需要剔除相关性系数较大的指标，因为指标之间的相关性会导致评级因素的重复计算，降低评级结果的有效性。我国很多学者在这方面做了相关的研究。综上，基于国内外的研究成果，经过专家访谈和理性分析，本文拟从以下几个方面构建财务指标体系，偿债能力、盈利能力、营运能力、发展能力。
2）非财务指标
衡量企业的信用等级，不仅要根据财务指标来分析和考察企业的偿债能力，同时还要分析企业所处的宏观环境、企业的基本素质、企业的基本信用等非财务因素对企业信用等级评价的影响。综合考虑非财务指标与财务指标，比仅仅以财务指标为变量更能够准确的预测企业的违约概率；张培[5]通过实证研究探讨了非财务指标对商业银行内部评级有效性的影响，得出行业特征、宏观环境、公司管理等非财务指标的介入使得评级模型根据有效性，建议商业银行在建立企业信用评级体系时应加强非财务指标的重视；梁晓佩[6]指出，非财务指标的科学引入是增强评级模型预测能力的必然要求，因为它能够更好地预测企业未来发展趋势，能够从整体上评价企业的业绩。鉴于非财务指标对企业信用等级评价的重要性，在前人研究的基础之上，通过文献整理和专家访谈，建立以下非财务指标因素体系，外部宏观环境，企业基本素质，履约情况。
综上所述，可建立如图1所示的虚拟企业风险分析指标体系，在这个基础上引入基于期望值的模糊多属性决策法来解决虚拟企业的风险评价问题。
如上表所示，本文所构建的中小企业信用评级指标体系包含2个层次：一级准则层包含‘‘财务指标”和“非财务因素指标”；二级准则层有包含7个方面的指标，即“财务指标”下的偿债能力、盈利能力、营运能力、发展能力指标，“非财务因素指标”下的外部宏观环境、企业基本素质、履约状况三项指标。
3.运用层次分析法评价企业信用风险
3.1 层次分析法原理[7]
层次分析法（简称AHP）是美国运筹学家T.L.Saaty教授于20世纪70年代初期提出的一种简便、灵活而又实用的多准则决策方法。人们在进行社会的、经济的以及科学管理领域问题的系统分析中，面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。层次分析法就是针对这种复杂问题进行条理化、层次化，依据其本身的属性和相互关系构造出若干层次。
大体分为四个步骤：（1）建立问题的递阶层次结构模型；（2）构造各层次的两两比较判断矩阵；（3）由各层判断矩阵计算出被比较元素的相对权重，并进行一致性检验；（4）计算出总元素组合的权重，并对总体进行一致性检验。
3.1层次分析法在企业信用风险评估中的应用
对于各项指标的权重，可以由层次分析法计算得出。设有s位专家对评价指标的重要性进行排序，设每位专家的重要程度相等，得出判断矩阵，计算每层每个指标的指标权重。在实践中，有很多位专家对指标集进行独立排序，可能每位专家的排序都各不相同，这时，就要在层次分析法的基础上采用加权平均的方法来确定指标权重。
1.准则层次判断矩阵Bij权重的确定和一致性检验。
相对于企业信用风险评估指标体系来说，判断矩阵中的元素是由财务因素和非财务因素相对重要性的比较来确定，如下（见表1）
由于CR
财务指标是由偿债能力、盈利能力、营运能力、发展能力指标的相对重要性来比较确定的，非财务因素指标是由外部宏观环境、企业基本素质、履约状况的相对重要性来比较确定的，指标层判断矩阵权重的确定如下（见表2-3）。
由于CR
从权重数可以看出影响企业信用风险的指标主要是财务因素，在非财务因素中政策因素影响力最大。
实际应用中，可以写出方案层的判断矩阵，根据以上计算结果的权重，计算出每个方案的综合评价值对方案进行排序。（作者单位：宜宾学院数学学院；四川大学商学院）
基金项目：四川大学系统科学与企业发展研究中心一般项目（Xq14C05）
参考文献：
[1]William H.Beaver.Financial Ratios As Predictors of Failure.Journal of Accounting Research，1966，4
[2]Edward I.Altman.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy.The Journal of Finance，1968，23
[3]张晓莉，刘大为.一种基于遗传算法的企业信用风险分析方法.经营谋，2012，8.
[4]郭文伟，陈泽鹏，钟明.基于MLP神经网络构建小企业信用风险预警模型.财会月刊，2013，3.
[5]张培.非财务指标对商业银行企业信用评级的影响研究――以上市公司为例.2009，2.
信用风险评估范文6
关键词：属性论方法；信用风险；评估
中图分类号：TP311文献标识码：A文章编号：1009-3044(2011)16-3821-03
The Model of Personal Credit Risk Evaluation Based on Analysis of Attribute Coordinate
LUO Jun
(Information Engineering College, Shanghai Maritime University, Shanghai 200135, China)
Abstract: The model of risk evaluation, applying for the personal credit card, is made based on the method of attribute theory. Many kinds of data that 200 people applied for the credit card are simulated and sequenced by computer. The result can be adjusted according to different psychological power, which can reflect the influence under different people's interest. The use of the method of attribute theory has added a new and effective approach to the model of personal credit risk valuation.
Key words: method of attribute theory; credit risk; evaluation
目前，全世界最著名的管理咨询公司麦肯锡公司预测[1]，到2013年中国的信用卡市场利润将上升到130亿至140亿元，这种呈指数式的增长将使之成为银行界的核心业务及其主要利润来源。然而，据央行2010年的第三季度《支付体系运行总体情况》[2]可看出，信用卡坏账风险仍值得关注。总的来说，在信贷活动越来越频繁的后金融危机时代，国内当前采用的信用风险评估法仍以静态、局部、定性的为主，动态、全局、定量的分析少。而属性论方法是一种直接面向评判者心里权重及其变化过程的决策模型，并且该方法通过实践证明[3]确实具有良好的评估能力及学习性。因此，利用属性论方法为商业银行提出一种具有新思路的信用评分系统，不但能更好地完善信用卡的经营和管理，使之更为智能化、精细化，还能提高金融效率，降低金融风险，为我国金融秩序的稳定做出贡献。
1 指标体系的构建
个人信用评估是一个多元的复杂系统，它将个人及其家庭的各类因素纳入统筹范围，采用科学严谨的分析方法，对其可信程度和履约能力进行全面的估价与评判，最后表明其信用状况。本论文采用属性论对其进行评估，建立分层指标体系，它结合了国内文化背景和实际情况，并借鉴国内外成熟的个人信用评估指标体系而成。主要归纳为3大一级指标，及13个扩展二级指标，指标分布情况如表1所示。
2 指标的量化
将个人信用评估的各项指标量化后，就可以利用属性论坐标评估与分析法对个人信用状况进行评估了。由于个人信用从总体上分为“自然状况”、“职业状况”和“与银行的关系”三维，每一维又分别包括其他指标，又构成一个N维的坐标系。这里构建“个人信用空间”，如图1所示，层层递进地分析属性坐标。
2.1 定量指标的标准化处理
在个人信用评估指标中，有“年龄”、“在现单位工作年限”和“年收入”3个属性为定量指标，且近似于正态分布[4]。对于这些属性值可以通过正态函数转换为分布在（0,1）内的数值。表达式如下：
密度函数（-∞＜x+∞）：
分布函数（-∞＜x+∞）：
其中，σ＞0，μ、σ为常数，X服从均值为μ，方差为σ2的正态分布。
在个人信用评估模型中，取值如表2所示。
例1对于“年收入”属性，通过分布函数进行转换。若“年收入”属性值为10，则得到转换后的属性值：
例2对于“年龄”和“在现单位工作年限”属性，利用密度函数进行转换。若“年龄”属性值为45岁，“在现单位工作年限”属性值为15，则可得到转换后的属性值：
2.2 定性指标的量化
对于个人信用评估中的定性指标，即各项离散指标采取不同的量化方法。例如：“性别”属性，女1，男0.8；“婚姻状况”属性，已婚有子女1，已婚无子女0.8，未婚0.5；或者采用两点线性插值公式或最大最小值等方法量化定性指标。下面主要介绍关于属性论方法中的逆定性映射法。
2.2.1 逆定性映射[5]
逆定性映射可以使个人信用评估中的离散指标纳入科学、量化的研究轨道。在个人信用评估指标中，有“持卡程度”属性，单位：张。分为3个阶段，0-2张为差，3-6张为一般，7-10张为满意（大于10张均记为10张），若为一般和满意的采用递增公式。若为差的采用递减公式。
递增公式：x(μi)=βi+δi(μi-1)
递减公式：x(μi)=αi+δi(1-μi)
其中：αi和βi是所在程度的边界值，δi =βi-αi。
例3设已知一个人“持卡程度”为“一般”，且程度为0.5，则利用递增公式可得其量化值：
x=0.6+0.3(0.5-1)=0.45
3 评估模型简介
3.1 风险评价的FICO法
在全球得到普遍使用的FICO(Bill Fair & Earl Issac Corporation)信用评分是一种最常用的普通信用评分，它被认为是衡量个人风险的“黄金标准”。其方法主要分为三个步骤：
1) 建立评级指标体系
2) 从定性到定量的量化评分（量化）
对n项指标分别打分xi，并设总分x=xi，则得到一个FICO评分（300-900）。若设wi为第 项指标的权重，并令x=wixi，则x是一个效用函数，并可得到一个多属性决策模型。
3) 从定量到定性的评级（等级化）
令[300,900]= [300,500]∪[500,600] ∪[600,700] ∪[300,900] ∪[800,900]
得到A、B、C、D和E五个等级。
从而，根据借款人的信用评分等级判定其应该发放贷款，还是要求借款人增加担保或干脆拒绝贷款，亦或是需做进一步核查。
3.2 基于属性坐标分析的信用评价模型
从理论上讲，效用值x的最大值即使存在，然而在整个效用值空间中将它找到，也是很困难的。因此，在将决策者的心理权重解释为：“等总分条件下，各决策属性分数的一种满足决策者心理权重的合理性分配”的基础上，提出了基于属性坐标学习和分析的评估决策模型。
核心思想：将其求解分解为一系列求（等总分）局部最满意解的子问题，继而由局部到综合，找出全局满意解，即效用值x的最大值。
综上所述，基于属性坐标学习和分析法信用评价模型具体算法如下：
设xi为第i个用户，xik为第i个用户关于第k个指标属性的评分，其中0≤xik≤100，k=1,…,m，m为指标属性个数。w=(w1,…,wm)为决策者的心理权重（或偏好），满足：。
1) 确定影响个人信用卡申请的各类指标，即事物的属性，构建个人信用评估指标体系，并对各项指标属性进行量化和评估。
2) 设T0为临界总分，在(T0,100m)中，据曲线拟合要求，均匀选取若干点Ti(i=1,2,3,…,n-1)，在总分为 的每个点上选取若干个个人样本进行学习，按照 2)中公式找到总分为Ti的重心坐标，即局部最满意解为：
式中，b({xh(z)})为{xh(z)}的重心点，{xk,k=1,…,S}?哿ST∩X为总分等于T的样本方案xi的集合，评估者z从{xk}中挑选了t套认为较为满意的方案{xh,h=1,…,t}，且分别评分为vh(xh)，vh(xh)为加权平方方法的权重。
3) 利用如下插值公式，进行曲线拟合，找到心理标准线（局部最满意解）L(b({xh(z)}))。
4) 计算全局满意度，从大到小进行排序，从而获得最满意解：
式中：δi=δi(z)为决策者z与第i个标准zi间的误差，权重wj为x*j(z)和δi的函数。为各属性值都是满分之和，归一化后应为100m，为方案xi各属性值xij之和。
4 模拟应用结果
本文运用MATLAB根据属性论的相关步骤编写相应的程序，模拟200位个人信用卡申请用户的信用数据库，并进行评价评判和排序。
首先对200位用户的各项指标属性进行评估和打分。例如，“自然状况”有5项指标：年龄、性别、婚姻状况、文化程度和住宅性质。分别以这5个属性αj,j=1,2,…,5为坐标轴，以其评分x(aj)为坐标分量，则每一用户xi,i=1,2,…,200在五维决策坐标中对应一个五维坐标点xij=(xi1,xi2,…,xi5)。通过对某一评判者的心理偏好及其变化过程进行学习或模拟，得到该评判者的心理标准线。然后，利用全局满意度函数求得各信用卡申请用户的信用满意度。如图2所示。
类似地，可以得到“职业状况”和“与银行关系”两大指标的全局满意度。接着通过满意度和定性映射的关系，将这三大指标作为个人信用评估的三大属性，进行总体信用评估计算，最后根据全局满意度对所有的个人信用进行排序。如图3所示为计算机模拟运算得到的200位申请信用卡用户的信用评估水平从高到低的排序。
5 结论
分析图2可以看出，该评判者的心理偏好为：文化程度和住宅性质最主要，其次是婚姻状况，但是年龄和性别的分数也不能太差。如195号个用户的关键属性“住宅性质”只有60分，128号用户的关键属性“住宅性质”有100分，然而“性别”属性，“文化程度”属性都没有195号用户高，虽然总分相同，但是最后的“自然状况”属性满意度两者相差0.0249，排名差6位，这就充分体现了评判者的心理偏好。这种心理偏好并不是由评判者显性表示出来的，而是由计算机经过多次模拟评判者的评价自动识别的。
通过图3可将个人用户最后的信用全局满意度的排序和总分的排序进行对比，发现总分高的个人用户全局满意度不一定高，总分低的个人用户全局满意度不一定低，这就从侧面反映了个人信用卡申请的评估模型的评判是按照评判者的心理偏好及其心理变化曲线确定的，不同评判者对同一个人信用卡申请用户的信用评估也可以有不用的结果。
综上所述，基于属性论评估与决策法的个人信用卡申请的风险评估模型可以通过学习评判者在若干个总分点的评估过程，模拟出评判者心理标准变化曲线，这是其独到之处。并且本文给出了评判者在局部，或某个档次和全局评估的满意度，并对结果的合理性给出定性和定量相结合的数学解释。随着模拟的次数增多，计算机识别的准确性就越接近评判者的心理偏好，因此，该系统具有不断学习，不断改正和完善的功能。此外，不同偏好的评判者可以根据自己的心理权重进行模拟评估，让计算机自动识别，更具有使用价值。在实际应用中，由于计算机模拟评估者的心理偏好，在模拟评估及指标的评估与量化过程中，最好模拟有丰富经验和准确判断能力的评判者，同时尽可能加大样本数量，这样得出的排序结果才会更为合理。
参考文献：
[1] 尤晓明.后金融危机下信用卡业务的风险防范[J].中国信用卡（专业）,2010,(3):53-56.
[2] 中国人民银行.2010年第一、二、三季度《支付体系运行总体运行情况》[EB/OL].(2010-11-25)[2010-12-19]. /.
[3] 冯嘉礼.核事故严重事故应急决策支持系统及其计算机实现研究[D].北京:中国原子能科学研究院,2001.
[4] 张德栋.基于神经网络的信用评估模型的研究[D].山东:山东科技大学,2003.
