汕尾市旅游資源開發(fā)與利用的思考及商業(yè)銀行信用風險評估模型研究-基于bp神經(jīng)網(wǎng)絡風險評估的改進

汕尾市旅游資源開發(fā)與利用的思考[論文摘要]本文闡述了汕尾市的概況，介紹了汕尾市豐富的人文旅游資源和類型多樣的自然旅游資源，如媽祖文化、水唇百年圍籠屋、紅色旅游資源和美麗金廂灘、人間仙境蓮花山等旅游景點；優(yōu)越的區(qū)域背景與客源市場。指出了汕尾市旅游資源開發(fā)滯后，亟待跨越。[關鍵詞]人文旅游資源紅色旅游資源自然旅游資源

汕尾市概述汕尾市位于廣東省東南部，頻臨南海。地處東經(jīng)約115—116度，北緯約22.5—23.5度，北回歸線穿過汕尾市北部，境內(nèi)絕大部分屬于熱帶，全年平均氣溫21.9攝氏度，由于頻臨南海，受海洋對氣溫的調(diào)解作用，全年氣溫變化不大，冬無嚴寒，夏無酷暑，特別適宜發(fā)展冬季休閑游。汕尾市背靠蓮花山，南部面向南海。陸地海岸線曲折綿長302千米，擁有紅海灣、碣石灣，三個海湖，五大河口灣，十個港口和多個沙嘴，在近海大陸架上還分布著93個島嶼。因此，汕尾市近海旅游資源豐富。盡管汕尾市位置得天獨厚，旅游資源豐富，但是汕尾市的旅游業(yè)并未得到充分發(fā)展，給人們的總體印象是缺少招牌旅游項目，進一步來說就是缺少在人們心目中有影響的旅游項目。例如：一說到桂林，人就會想到那里的山清水秀，一說到西安，就會想到兵馬俑。而汕尾的旅游業(yè)呈分散狀態(tài)，而且規(guī)模小，從這一點來說，如何發(fā)展汕尾的旅游業(yè)，使之成為支柱產(chǎn)業(yè)，從而帶動汕尾經(jīng)濟發(fā)展，是致關重要的。相反汕尾旅游資源開發(fā)利用不足，常以犧牲旅游資源來滿足其他生產(chǎn)。造成這種現(xiàn)想的重要原因是由于對旅游業(yè)的重要性沒有在根本上得到肯定，要充分認識到旅游業(yè)的潛在經(jīng)濟效益。一、豐富的人文旅游資源人文旅游資源又稱人文景觀，是在人類社會中通過歷史過程而形成的，具有歷史文化價值；或者當代人建造的，具有旅游價值的各種設施。燦爛的媽祖文化媽祖原名林默,生于北宋建隆元年，福建省莆田市湄洲島。媽祖平素精研醫(yī)學，為人防病治病，教人免疫消災，人們都感激她。她性情和順，熱心助人，只要能為相親排難解憂，也都愿意跟她商量，請她幫助。媽祖生長在大海之濱，諳習水性。閩南湄洲島與大陸之間的海峽有不少礁石，在這片海域里遇難的漁舟、商船，常得到媽祖的救助，因而人們傳說她能“乘舟渡?！?。宋太宗雍熙四年（987年）九月初九，年僅28歲的林默與世長辭。因生前出海救助過不少漁民和商船，死后遂被漁民供奉，以祈求航行平安順利。歷代朝廷還敕封她“天妃”，“天后”，“天上圣母”。汕尾鳳山媽祖建于明末清初，原是福建漁民漂泊到鳳山一帶定居，開創(chuàng)基業(yè)，同時也帶來了他們的信仰，并建起一座祖廟。清康熙年間解除海禁，汕尾港出現(xiàn)了海運、漁業(yè)的繁盛時期，“商旅云集”、“舟楫云屯”。于是鳳山祖廟也于乾隆年間（1742年）得以維修擴建，并形成了今天媽祖廟前殿和后殿的規(guī)模和風貌。鳳山祖廟已列為汕尾市城區(qū)文物保護單位，修葺一新，并開辟為旅游區(qū)，重修古戲臺、鳳山公園，建造天后閣、鐘鼓樓、石牌坊，于風山頂峰塑一座高達16．83m的全國最高的天后圣母石像，重1000噸，由468塊來自媽祖家鄉(xiāng)的優(yōu)質(zhì)花崗巖石雕刻而成。雕像雍容飄逸、慈祥秀慧而又莊嚴肅穆，集“真、善、美”于一身。我國著名文學家冰心女士為石像題寫了“天后圣母”四字。鳳山媽祖石像的落成，猶如在紅海灣畔綴上一顆絢麗璀燦的明珠，成為粵東明珠汕尾市的新標志。媽祖文化色彩絢麗，民俗事跡耐人尋味。在香港、臺灣、澳門以及東南亞的一些國家都建有媽祖廟供奉媽祖，傳播媽祖文化。每年農(nóng)歷三月二十三媽祖的生日和九月初九的“媽祖升天”節(jié)，成為海內(nèi)外漁民、商賈、華僑和港澳臺同胞朝拜和尋根懷祖的圣地。水唇百年圍籠屋圍籠屋是客家先民從中原遷住贛閩粵之后為抵御外敵而興建的一種集實用性、科學性、藝術性于一體的獨特建筑，它結構圓實，氣勢宏偉，堪稱中華民族建筑史上的經(jīng)典之作，深得各國建筑家的好評，被譽為“外星人的建筑”。汕尾市陸河縣水唇鎮(zhèn)有一座完整的圍籠屋，當?shù)厝朔Q為墩仔寨。墩仔寨是典型的粵東墻堡式客家山寨，據(jù)記載建成于乾隆十三年（1748年），至今已有250多年的歷史。它構筑于一小龜山上的大屋占地十余畝，呈橢圓形，中間高四周低。屋的周圍是池塘，大屋又像一只龜在湖中游。村中老人說每逢下雨，從大屋左右四個泄水孔奔涌而出，從屋后的高山上俯瞰，很像大龜奮力游弋時劃出的滔滔白浪。大屋有二道門，一前一后。正門屬二層樓飛檐結構，從圍墻中突出有兩炮眼像龜目，中間掛一塊石質(zhì)牌匾，上面鐫刻著四個字“川岳鐘英”。門樓設置了三重大門，可以想象此屋是何等的牢靠，防御功能可見一班。進了門是一條雜石鋪成的主街，青磚灰瓦的廂房錯落有致地沿街分布，左穿右插，東廊西室，撲遡迷離，似迷宮一般，置身其中，幾乎分不清南北，只聞聲音而不知人在何處。最令當?shù)厝私蚪驑返赖挠卸妫阂皇情T檻。前后門的門檻都是天然生就。前為青條石，后為朱砂石，一般長，一般高，連水平高也大致相當。天然生就的石條被十分講究風水的先生看中，不事一錘一鑿，便成了前后門檻，也確系奇事一樁。二是古井，古井位于屋外水塘中。它有四奇：出淤泥而不染，古井周圍是污泥塘，但2米見深的水井一塵不染，清澈見底，污水不能入侵；逢大雨塘水溢過井面，此時井水汩汩而出，不讓污水沾染;永不干涸，一口并不十分深廣的井可供村子千把人飲用，長年不枯，井水水面高于池塘水面，而水也不溢出。豐厚的紅色旅游資源紅色旅游，按照中宣部給出的定義是以中國共產(chǎn)黨領人民在革命戰(zhàn)爭時期形成的紀地、標志物為載體，以其所承載的革命歷史、業(yè)績和精神為內(nèi)涵，組織接待旅游者開展緬懷學習、參觀旅游的主體性旅游活動。1998年江西省提出了“紅色搖籃，綠色家園”的紅色旅游促銷口號，推動紅色旅游真正走向市場。2004年底，國家又出臺了《2004－2010年全國紅色旅游發(fā)展規(guī)劃綱要》，2005年國家發(fā)改委等13個部門聯(lián)合公布了30條紅色旅游精品線和100個紅色旅游經(jīng)典景區(qū)，并將2005年定為“紅色旅游年”。紅色旅游的興起，促進了中西部經(jīng)濟發(fā)展，幫助老區(qū)人民脫貧致富，增強中國旅游業(yè)的發(fā)展后勁。紅色歷史事件：1927年，在中共東江特委和彭湃的領導下，海陸豐人民10月底舉行第三次武裝起義，奪取政權，11月中旬彭湃在陸豐和海豐召開“全縣工農(nóng)兵大會”，發(fā)布了《海豐全縣工農(nóng)兵代表大會開幕通電》，正式宣告成立蘇維埃政府。12月12日，中共中央機關刊物《布爾什維克》發(fā)表了《中國第一個蘇維?！ｊ懾S工農(nóng)兵的大暴動》的文章，次年1月3日中共中央臨時政治局通過的決議案《廣州暴動之意義和教訓》，將海陸豐這次農(nóng)民暴動稱之為“勝利為最大”，并稱“中國革命之中，第一次組織成工農(nóng)兵群眾的無限制的政權”，對海陸豐的第三次武裝起義和紅色政權的建立做出了高度的評價，使海陸豐以中國第一個蘇維埃政權的誕生地而聞名于世。海陸豐蘇維埃政權成立之后，在制訂土地法規(guī)，沒收并分配土地實行土地革命，實行全民武裝、開拓財源保障供給、加強商品物資流通、建立金融新體系等方面進行了成功的實踐。這些紅色歷史事實，為海豐的紅色旅游開發(fā)提供非常重要的基本素材。

紅色歷史名人：海豐是共產(chǎn)黨早期重要領導人、杰出農(nóng)民運動先驅(qū)、海陸豐蘇維埃政權創(chuàng)建者彭湃的故鄉(xiāng)。彭湃早于1921年便在家鄉(xiāng)宣傳馬克思主義，更在1922年7月將其地主家庭分給他的那份田契當眾銷毀，把田地無償?shù)貧w還給佃農(nóng)，表明了與剝削階級決裂的決心。他提出了“一切土地歸農(nóng)民”，“一切武裝歸工農(nóng)”，“一切政權歸工農(nóng)兵代表會”，“土地革命萬歲”的口號，在全國尚無先例。另外周恩來、徐向前、葉鏞、董朗、葉挺、聶榮臻等老一輩無產(chǎn)階級革命家都曾在海豐領導了艱苦卓絕的革命斗爭，留下了革命的足跡。其中徐向前元帥回憶錄中的“奔向海陸豐”一節(jié)曾被選為小學語文教材，形成了深遠和廣泛的影響。

紅色革命遺跡：海豐是全國著名的革命老區(qū)，擁有豐富而寶貴的紅色革命史跡。紅宮紅場是國務院1961年頒布的第一批全國重點文物保護單位，廣東省首批愛國主義教育基地，中國第一個紅色政權在此處誕生。目前紅宮紅場已得到一定的保護并初步開發(fā)成紅色旅游景點。彭湃故居、得趣書室曾是彭湃同志成長學習的地方，周恩來和其他一些同志也曾在此住宿工作過；此外還有工農(nóng)革命軍第二師大本營——朝面山、東江特別委員會舊址、廣東總農(nóng)會舊址、赤山約農(nóng)會舊址、紅四師師部舊址、紅軍墓、社會主義研究室舊址、中共東江黨校舊址（觀音堂）、海豐縣農(nóng)民運動講習所、婦女解放協(xié)會舊址、共青團海陸豐地方委員會舊址等國家級、省級、縣級文物保護單位100多處，這些革命遺址都是進行革命傳統(tǒng)教育的重要場所。除此之外汕尾還有豐厚的文化底蘊，像汕尾的客家山歌、漁歌、民謠等，汕尾民間舞蹈錢鼓舞，1995年參加粵東地區(qū)和全省民間音樂舞蹈匯演后，被選調(diào)到北京演出。還有滾地龍舞、紅色婦女舞都是汕尾優(yōu)秀的民間舞蹈。汕尾地區(qū)的白字戲、西秦戲、正字戲是中國三大稀有劇種。二、類型多樣的自然旅游資源自然旅游資源又稱自然景觀，是指在自然界中通過自然過程而形成的，具有旅游吸引力的各種自然要素和現(xiàn)象。汕尾市絕大部分位于熱帶地區(qū)，所以熱量資源豐富，一月是汕尾市全年最冷的月份，平均氣溫為13.8攝氏度，冬無嚴寒；7、8月份是最熱的月份，平均氣溫28攝氏度左右，即夏無酷暑。汕尾市背靠蓮花山，南頻南海，所以自然景觀多樣，多優(yōu)良港灣。美麗金廂灘陸豐金廂灘被譽為東方夏威夷、南方北戴河。金廂灘位于金鄉(xiāng)鎮(zhèn)虎尾山到碣石鎮(zhèn)田尾山一帶，全長二十多千米，淺水灘寬達百余米。海這邊很平靜，波不興，浪不起，海灣如鏡。只是一個勁的藍，一直藍到天邊，水天一色。其間點綴幾叢黑礁石。那些礁石各有其名，好像叫鳥面礁、白礁、企鵝石，還有和尚追尼姑石什么的。沙是石英細沙，不含貝殼，不含雜質(zhì)，勻凈得好像揀過似的，踩上去，只覺軟軟的，暖暖的，猶如輕輕的吻沁上心頭。金廂灘東段，觀音領前海面，巨石散成環(huán)狀，形成局部波影區(qū)是個很理想的游泳嬉水去處。2米等深線據(jù)海岸線200米以上，1.5米等深線離海岸100米以上。此外漲潮可以有三四小時的持續(xù)時間，假如浪濤連天吶喊而來，那一種暴戾自然會嚇許多凡人的心；假如寧靜如湖無漪無瀾，那會顯得太平談，難體會到擊水的樂趣.人間仙境蓮花山蓮花山是粵東沿海的第一高峰，主峰海拔1337.3米。蓮花山的自然景觀具有“雄、奇、險、翠、幽”等特點。雄：群峰聳立，山石峻峭，聳立云天，云纏霧繞。山峰猶如開放的蓮花瓣尖，峰蓮吐芯，林木滴翠，形成聞名遐邇的“蓮峰疊翠”一景。險：懸崖峭壁，高數(shù)十仗。峭壁之上，奇葩異草，峭壁之下，古木怪騰。翠：蓮花山無論暖春，還是嚴冬；無論是遙望，還是近看，滿眼郁郁蔥蔥，生機勃勃，翠綠欲滴。幽：進入溪谷，水隨山轉(zhuǎn)，迂回曲折，綠樹四合，流泉叮咚，幽靜宜人。蓮花山瀑布是一道奇觀。在曲折的山路上，時聞“銀屏飛瀑”的聲音。瀑布撞擊在石上，水花四濺，氣勢磅礴，十分壯觀。在“玉龍噴須”陡峻的山谷中，小溪沿谷壁飛流而下，沖下石壁，分散成一片細流紛落如須如發(fā)，景色麗人。汕尾市的名勝古跡眾多，像宋將楊廣的“鎮(zhèn)海石”，民族英雄文天祥的方飯亭，碣石鎮(zhèn)玄武山云山寺。三、優(yōu)越的區(qū)域背景與客源市場汕尾市位于廣東省東南海濱，東臨潮汕平原，西接珠江三角洲，通過深汕高速公路和324國道可以連接珠三角和粵東兩大客源地區(qū)，距深圳、廣州、香港、汕頭、潮州、揭陽等地的車程都在3小時以內(nèi)，交通條件十分便捷。汕尾市地處珠江三角洲與粵東交匯地區(qū)，本區(qū)的居民是紅色旅游的基礎市場，而深圳、廣州、香港、汕頭、潮州、惠州和東莞等珠三角和粵東地區(qū)的城市是本地最主要的客源市場，其中珠三角地區(qū)是我國經(jīng)濟最活躍的地區(qū)，也是出游能力最強、消費能力最強的客源市場，應積極投入資源進行大力開拓?；洊|地區(qū)除了交通聯(lián)系的便捷之外，還有潮州話方言的一致性，也有利于對客源的吸引。四、開發(fā)滯后，亟待跨越

目前汕尾市旅游產(chǎn)品基本上處于初級和粗放型階段，在遺跡修復，旅游基礎設施的建設方面投入還不足，對旅游項目宣傳方式比較陳舊，對一些物品陳列和櫥窗式展覽延續(xù)了幾十年，展示方法單一，缺少特色，解說也不夠生動有趣?？蓞⑴c性、娛樂性項目開發(fā)極少，慕名而來的游客不能充分體驗到當年的激情和盛況，致使游客停留時間短，消費不足，社會效益和經(jīng)濟效益不高。

汕尾市旅游資源十分豐富，但是除了鳳山媽祖、紅宮紅場之外，大多知名度不高。雖然當?shù)攸h政領導有決心大力發(fā)展旅游市場，但在品牌意識、營銷方法等方面仍有待提高和改進。在周邊新的大型旅游點不斷涌現(xiàn)的條件下，汕尾旅游的知名度被相對淡化。同時，由于本地居民對旅游資源開發(fā)的參與度不夠，經(jīng)濟因素、文化素質(zhì)、民主意識等的不足都限制了他們對本地旅游業(yè)發(fā)展的關注和貢獻。這些都不利于本地旅游資源的開發(fā)，也使旅游業(yè)的發(fā)展速度低于地區(qū)生產(chǎn)總值的增長速度，與全省和全國旅游業(yè)的發(fā)展情況形成一定的反差。五、走向與策略結合地區(qū)背景進行資源優(yōu)化整合

與本地生態(tài)旅游資源、地方產(chǎn)品資源進行組合。汕尾旅游資源豐富，自然景觀、生態(tài)景觀和人文景觀眾多。有蓮花山森林公園、圓墩響水坑等山地生態(tài)資源；有公平水庫鳥類自然保護區(qū)、大湖鳥類自然保護區(qū)等濕地生態(tài)資源；有海麗高爾夫濱海旅游區(qū)、小漠南方澳、雞心石和江牡島、百安灣等海濱旅游資源；還有赤坑咸水溫泉、蓮花山召貢溫泉、蓮花山埔仔洞溫泉和赤石明熱溫泉等溫泉資源。在人文旅游資源方面，除了前面所述的紅色旅游資源外，還有文天祥公園（方飯亭）、雞鳴寺、蓮云寺、壯帝居、宋存庵、千年古道、鲘門古炮臺遺址、赤石明、清古圍村、圣井和御宴潭等；汕尾的民俗文化也獨具一格，具有全國稀有劇種白字戲、西秦戲、汕尾漁歌、汕尾八音、客家山歌等文化遺產(chǎn)，汕尾還有特色的購物美食旅游資源。汕尾發(fā)展紅色旅游資源，既要突出紅色主題，又要跳出紅色局限，增加生態(tài)綠色、文化、休閑等內(nèi)容，形成色彩斑斕的旅游產(chǎn)品組合。實施“紅線牽動五彩”的發(fā)展策略，以紅宮紅場為龍頭，重點帶動蓮花山森林公園，海麗高爾夫球場，赤石溫泉和赤坑溫泉，公平水庫和大湖等生態(tài)休閑旅游以及海產(chǎn)品和可塘珠寶購物旅游的發(fā)展，形成“革命（成功后）、休閑、生態(tài)（化）、購物”的系列精品線路，使游客在感受海豐紅色革命的激情之后，身心能在優(yōu)美的生態(tài)環(huán)境中得到舒適的休閑，并通過汕尾旅游特產(chǎn)（珠寶和海產(chǎn)干貨）的購買，同時得到精神和物質(zhì)的雙重收獲。

與相鄰縣市的資源進行整合。區(qū)域經(jīng)濟的協(xié)調(diào)發(fā)展是當今經(jīng)濟發(fā)展的一大特點，紅色旅游的發(fā)展也應該走區(qū)域合作和區(qū)域整合之路。海陸豐革命根據(jù)地在革命斗爭中發(fā)揮了很大的作用，是密不可分的一個整體，汕尾紅色旅游開發(fā)的區(qū)域協(xié)作，首先應該加強和陸豐的合作。陸豐的甲子鎮(zhèn)和金廂鎮(zhèn)，不僅有風光優(yōu)美的濱海沙灘，也是中共中央和南昌起義軍領導人周恩來、賀龍、葉挺、劉伯承、聶榮臻、彭湃、惲代英、譚平山、吳玉章、林伯渠、張國、李立三等在海陸豐活動后安全離境前往香港的地方。海豐的紅色旅游景點與其組成紅色旅游線路將相得益彰。潮州的涵碧樓、黃埔軍校分校舊址，汕頭的“七日紅”公園，普寧的流沙會議舊址，也可與海陸豐的紅色旅游景點形成有機聯(lián)系的紅色旅游線路。

加強營銷

多方籌集資金，加大營銷力度。營銷工作是紅色旅游開發(fā)中關鍵的一環(huán)，政府投入的資金，除了解決紅色旅游景點的建設之外，部分應投入到營銷和宣傳推介工作上?？砂幢镜芈糜螛I(yè)稅收中分撥一部分作為固定的促銷經(jīng)費，以此帶動和整合旅游相關行業(yè)的營銷經(jīng)費投入，在主要客源地的電視、報紙和互聯(lián)網(wǎng)投入一定數(shù)量的廣告，大力宣傳海豐的紅色旅游。2007年，是海陸豐蘇維埃成立80周年，海豐可借此契機，與陸豐聯(lián)合借助中央和省一級的媒體支持，通過大型慶典活動，大力推廣海陸豐紅色旅游品牌，以增加海陸豐紅色旅游的吸引力。

強化策劃，樹立品牌。旅游形象和品牌對游客的出游決策有著重大的影響。香港的“動感之都”、廣東的“活力廣東”、蘇杭的“人間天堂”等形象都對游客產(chǎn)生巨大的吸引力。在汕尾的旅游總體規(guī)劃中提出了將“紅色旅游勝地，綠色度假天堂”作為汕尾的旅游形象，筆者認為這一策劃結果雖反映了海豐旅游資源的一些特點，但這一形象在井岡山、韶山等革命勝地同樣也可以應用，汕尾特色尚不鮮明。我們建議將“激情彭湃，南海物豐”作為汕尾的旅游形象，這也許更為貼切。首先，這一形象有人物，有地名，彭湃作為海豐蘇維埃的創(chuàng)建人，有激情，有理想，有歷史功績，有較高的知名度且為汕尾所獨有，專指性強，汕尾的紅色歷史和地理特征，也都包含在這一形象中；第二，這一形象有精神，有物質(zhì)，游客帶著激情觀賞了紅色根據(jù)地海豐的紅色名人彭湃等英烈所創(chuàng)造的紅色歷史，又能領略海豐豐盛的自然生態(tài)風光和豐饒的海陸特產(chǎn)，從精神和物質(zhì)都能得到充分的享受；第三，這一形象具有強烈的語言沖擊力，“激情彭湃”，對游客能形成強烈的震撼，產(chǎn)生深刻的印記，“南海物豐”，可令游客細細回味，加深記憶。對此旅游形象進行大力推廣，將有利于強化汕尾紅色旅游的品牌效應，對提高海豐的知名度和增強旅游吸引力，將會起到明顯的促進作用，取得良好的效果。

[參考文獻][1]旅游地理人民教育出版社，2005[2]汕尾市鄉(xiāng)土教材（試用）廣東教育出版社，2004[3]汕尾人民政府門戶網(wǎng)站商業(yè)銀行信用風險評估模型研究——基于BP神經(jīng)網(wǎng)絡風險評估的改進目錄摘要 2一、商業(yè)銀行信用風險評估體系 4二、銀行信用風險評估模型發(fā)展 5（一）基于貸款客戶資產(chǎn)價值數(shù)據(jù)的風險評估模型 51.KMV模型 52.CreditMetrics模型 63.CreditPortfolioView模型 64.CreditRiskPlus模型 7（二）基于貸款客戶財務數(shù)據(jù)的風險評估模型 7（三）商業(yè)銀行財務風險的評估模型有待改進 81.我國商業(yè)銀行現(xiàn)有評估財務風險的方法 82.國際商業(yè)銀行普遍使用的風險評估方法 9三、信用風險評估的實證分析 10（一）YH銀行采用的貸款違約風險評估模型及評估結果 101.計算資產(chǎn)價值和資產(chǎn)波動率 102.計算違約距離和期望違約率 12（二）基于BP神經(jīng)網(wǎng)絡信用風險估計 141.樣本選取 142.實證分析 15四、對商業(yè)銀行信用風險評估提出的建議 21（一）結合KMV法與BP神經(jīng)網(wǎng)絡模型評估財務風險 21（二）逐步推進內(nèi)部評級法 22（三）建立使用預期損失模型 231.預期損失模型應關注謹慎性和中立性 232.預期損失模型提高相關性兼顧可靠性 23（四）完善財務風險披露要求 241.提供整體層面的風險信息 242.報告多種損失的分布結果 243.提高信息披露的全面性 25（五）通過健全內(nèi)部控制降低財務風險防范成本 25（六）建立非上市公司信用風險評估模型 26（七）針對不同的貸款類型選擇適當?shù)娘L險評估方法 26五、總結 26【參考文獻】 28摘要隨著濱海新區(qū)的經(jīng)濟發(fā)展，各商業(yè)銀行紛紛在濱海新區(qū)開展業(yè)務，為區(qū)內(nèi)企業(yè)提供金融服務。風險評估是建立商業(yè)銀行內(nèi)部控制體系的重要環(huán)節(jié)，本文從計量統(tǒng)計研究法和結構化研究法兩個角度評估信用風險。在結構化研究法方面，本文采用KMV模型對濱海新區(qū)YH銀行11家上市公司的違約概率進行計算。在計量統(tǒng)計研究法方面，本文從房地產(chǎn)、交通運輸、重金屬等與濱海新區(qū)YH銀行11家上市公司相關的經(jīng)營行業(yè)，以及與濱海新區(qū)發(fā)展軌跡類似的長三角地區(qū)選取18家企業(yè)作為樣本，采用BP人工神經(jīng)網(wǎng)絡訓練模型，對11家上市公司的信用風險進行評估。評估結果顯示BP神經(jīng)網(wǎng)絡模型的擬合效果優(yōu)于KMV模型。由于各類模型均有缺陷，商業(yè)銀行應該增加模型的多樣性，利用各類模型的優(yōu)勢，綜合比較。而且，針對組合貸款還應以相同風險特征的資產(chǎn)池為基礎估計信用風險。本文還提出利用BP人工神經(jīng)網(wǎng)絡模型并結合KMV模型評估非上市公司的信用風險，彌補以往采用線性模型評估非上市公司信用風險的不足，同時給出建立商業(yè)銀行信用風險評估方式的相應建議。關鍵詞：信用風險BP人工神經(jīng)網(wǎng)絡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天津濱海新區(qū)地處渤海之濱，面積廣闊，其優(yōu)越的地理位置和良好的投資環(huán)境吸引了大批金融機構的進駐。2006年6月，《國務院推進天津濱海新區(qū)開發(fā)開放有關問題的意見》中指出：“在金融企業(yè)、金融業(yè)務、金融市場和金融開放等方面的重大改革,原則上可安排在天津濱海新區(qū)先行先試”。此后，天津銀行率先成立了天津銀行濱海分行。2007年12月，天津濱海新區(qū)內(nèi)第一家具有獨立法人資格的商業(yè)銀行——天津市濱海農(nóng)村商業(yè)銀行正式揭幕。各銀行積極拓展在濱海新區(qū)的業(yè)務，為濱海新區(qū)內(nèi)企業(yè)提供各種金融服務。目前，濱海新區(qū)擁有泰達股份、天?；?、天津港等十余家實力雄厚的上市公司，涉及交通運輸倉儲業(yè)、建筑工程業(yè)和有色金屬等多種經(jīng)營領域。商業(yè)銀行在為區(qū)內(nèi)企業(yè)提供貸款，支持濱海新區(qū)建設的同時，也應該建立全面風險管理角度的內(nèi)部控制體系，及時防范信用風險。一、商業(yè)銀行信用風險評估體系美國的COSO框架和我國的《企業(yè)內(nèi)部控制基本規(guī)范》都提出風險評估是建立健全內(nèi)部控制體系的重要內(nèi)容?！缎沦Y本協(xié)議》（巴塞爾協(xié)議Ⅱ）認為商業(yè)銀行在日常經(jīng)營中面臨三種風險：信用風險、市場風險和操作風險。信用風險又稱違約風險，是指受信人不能履行還本付息的責任而使授信人的預期收益與實際收益發(fā)生偏離的可能性。引發(fā)信用風險的因素有預期損失和非預期損失。預期損失是損失分布的平均數(shù)，代表銀行信用資產(chǎn)組合平均損失；非預期損失是衡量信用損失的方差或資產(chǎn)組合固有的信用風險。銀行通過提取撥備覆蓋預期損失，通過充足的風險資本抵御非預期損失。鑒于信用風險的重要性，各方監(jiān)管機構都對信用風險評估有明確要求。巴塞爾協(xié)議Ⅱ鼓勵銀行采用內(nèi)部評價法評估信用風險，中國銀監(jiān)會也于2007年2月發(fā)布《中國銀行業(yè)實施新資本協(xié)議指導意見》，明確國內(nèi)大型銀行采用內(nèi)部評價法計量信用資本。2009年，國際會計準則理事會（IASB）發(fā)布《金融工具：攤余成本和減值》的征求意見稿，提出采用“預期損失模型”來計提商業(yè)銀行貸款的減值。預期損失模型要求貸款在初始確認時即估計其未來整個存續(xù)期內(nèi)的信用損失，并據(jù)以確認減值。可見，信用風險不但是金融監(jiān)管機構的監(jiān)控重點，而且已經(jīng)引起了準則制定機構的注意。二、銀行信用風險評估模型發(fā)展（一）基于貸款客戶資產(chǎn)價值數(shù)據(jù)的風險評估模型基于資產(chǎn)價值的違約風險度量模型根據(jù)對損失定義的不同可以分為兩類：一類模型僅度量由違約導致的損失，有時稱為違約式模型（Default—ModeModel，DM）；另一類模型除了考慮違約損失外，還包含了信用變化產(chǎn)生的損益，稱此為多狀態(tài)模型或盯市模型（Marked—to—MarketModel，MTM）。MTM模型的風險包括信用等級的升降和貸款違約，以貸款的市場價值變化為基礎計算貸款價值，進而衡量信貸風險。DM模型則偏重于預測違約損失，不考慮信用等級的升降。目前基于資產(chǎn)價值評估風險的模型主要有四種：KMV模型；CreditMetrics模型；CreditPortfolioView模型；CreditRiskPlus模型。其中CreditMetrics模型是一種MTM模型，而CreditRiskPlus模型屬于DM模型，CreditPortfolioView和KMV則既可被當作MTM模型使用，也可被當作DM模型使用。1.KMV模型KMV模型是美國KMV公司于1995年推出的違約概率評估模型。此模型的思路出自BlackScholes和Metron模型以及White的期權定價理論，Metron模型假設公司的資本結構為除了發(fā)行股票以外，只發(fā)行一種一年期的零息債券。公司的股票價值為VE，債券面值為D，公司價值為VA。若一年后，公司公司資產(chǎn)價值與債券面值之間的差額為正，則公司資產(chǎn)價值大于債券面值，不會違約；否則公司資不抵債，可能會違約。其正差額越大，違約距離越大，違約可能性越小。基于違約數(shù)據(jù)庫，模型根據(jù)違約距離得出貸款的違約概率（EDF）。KMV模型采用企業(yè)股票市場的數(shù)據(jù)，使模型不僅隨時根據(jù)市場變化更新違約概率，而且反映了市場投資者對于企業(yè)未來發(fā)展的綜合預期。另外，使用KMV模型預測違約概率，可以量化不同企業(yè)的貸款風險差異程度，使貸款定價更為準確。但是，KMV模型也有其固有局限性：由于模型數(shù)據(jù)來源于資本市場，所以該模型多適用于上市貸款企業(yè)違約風險的評估；該模型的資產(chǎn)價值是動態(tài)數(shù)據(jù)，而模型假設企業(yè)長短期債務結構不變，因此將動態(tài)數(shù)據(jù)與靜態(tài)數(shù)據(jù)比較會造成結構的偏差。2.CreditMetrics模型CreditMetrics模型是J.P摩根銀行于1997年開發(fā)的以VAR（在險價值法）為基礎的信貸風險度量模型。計算VAR的兩個關鍵因素是金融工具在市場上的價值和金融工具市場的波動性。由于貸款不能在市場上公開交易，CreditMetrics模型利用借款人的信用評級、下一年信用評級發(fā)生變化的概率（評級轉(zhuǎn)移矩陣）、違約貸款的回收率、債券市場上的信用風險價差和收益率作為輸入?yún)?shù)，為貸款計算出假想的市場價值和波動率，隨之計算出一項貸款的違約風險。CreditMetrics模型以分析性的框架為基礎，計算貸款組合的波動率和預期損失，認為資產(chǎn)組合價值的變化不僅受到違約的影響，還要受到資產(chǎn)等級變化影響，而且還考慮到組合內(nèi)各資產(chǎn)的聯(lián)合違約概率。但是，此模型也存在很多缺陷。首先，模型假設同一信用評級內(nèi)所有債務人都具有相同的違約概率，但是不同的企業(yè)面臨經(jīng)濟變化時會產(chǎn)生不同的決策；其次，模型假設金融工具收益率和市場價格變動呈正態(tài)分布，但是金融市場價格變化經(jīng)常出現(xiàn)“肥尾”現(xiàn)象；最后，模型只反映了風險因子與資產(chǎn)價格的線性關系，影響準確性。3.CreditPortfolioView模型CreditPortfolioView模型（麥肯錫模型）是由麥肯錫公司于1998年推出的利用宏觀經(jīng)濟變量模擬的多因素模型。信用評級轉(zhuǎn)移一般取決于經(jīng)濟狀態(tài)，企業(yè)在經(jīng)濟周期低迷時期更有可能降級違約，貸款組合中的系統(tǒng)信用風險收信貸周期的影響，而信貸周期又受經(jīng)濟周期的影響。所以，麥肯錫模型使用GDP增長率、失業(yè)率、長期利率等宏觀經(jīng)濟變量來決定違約概率，度量貸款中無法分散的系統(tǒng)性風險。模型轉(zhuǎn)移矩陣中信用等級的轉(zhuǎn)移概率受兩方面影響：一個是由宏觀經(jīng)濟變量度量的系統(tǒng)風險，另一個是隨機擾動項的影響。麥肯錫模型對CreditMetrics模型進行了完善，克服了轉(zhuǎn)移矩陣的靜態(tài)假設，將違約概率和經(jīng)濟周期聯(lián)系起來，提高了準確性。但是模型只考慮了系統(tǒng)風險，忽略了企業(yè)的自身情況，還有待進一步完善。4.CreditRiskPlus模型CreditRiskPlus模型是由瑞士銀行金融產(chǎn)品部于1997年開發(fā)的信貸風險管理模型。模型只考慮違約風險，不考慮降級風險。模型視違約事件為隨機事件，并采用保險精算學的分析框架來得出貸款組合的損失分布。模型假設資產(chǎn)每期的違約概率相同，某個債務人的違約概率很小并且相互獨立。這些假定使資產(chǎn)組合發(fā)生違約事件的概率服從泊松分布，而違約事件數(shù)即為泊松分布的輸入?yún)?shù)。CreditRiskPlus模型將風險相似的預期損失劃分為若干頻段，每個頻段的損失近似為一個常數(shù)，通過違約事件數(shù)由泊松分布生成該頻段的損失分布，對所有頻段的損失加總可得貸款組合的損失分布。CreditRiskPlus模型的優(yōu)點是僅通過違約事件數(shù)就可以推導出貸款的損失分布，簡單易行。但是，該模型沒有考慮市場風險，而且假定每一頻段的損失固定，忽略風險的影響，所以很多財務公司采用了基于貸款客戶財務數(shù)據(jù)的風險評估模型。（二）基于貸款客戶財務數(shù)據(jù)的風險評估模型第一類評估貸款違約風險的模型是借助企業(yè)歷史樣本數(shù)據(jù)尋找違約可能性與公司特征變量之間的關系模型，主要包括專家評價法和評分法。專家評價法中最常用的是信貸分析的5C法，即對借款人的品格（Character）、資本（Capital）、償付能力（Capacity）、抵押品（Collateral）和周期形勢（CycleConditions）進行評估。除5C法之外，有些銀行還是用5W或5P5W即借款人(Who)，借款用途(Why)、還款期限(When)、擔保品(What)及如何還款(How)。5P即個人因素(Personal)、借款目的(Purpose)，償還(Payment)，保障(Protection)和前景(Perspective)。5W即借款人(Who)，借款用途(Why)、還款期限(When)、擔保品(What)及如何還款(How)。5P即個人因素(Personal)、借款目的(Purpose)，償還(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=營運資金/總資產(chǎn)，表明企業(yè)流動性強弱；X2=留存收益/總資產(chǎn)，表明企業(yè)籌資和再投資的能力，代表企業(yè)創(chuàng)新和競爭力；X3=息稅前利潤/總資產(chǎn)，表明企業(yè)在不考慮稅收和財務杠桿情況下的盈利能力。X4=資本市值/債務賬面價值，表明資本的投資價值，指標越高說明企業(yè)越有投資價值；X5=銷售額/總資產(chǎn)，表明企業(yè)資產(chǎn)獲得銷售收人的能力。通過對統(tǒng)計數(shù)據(jù)的分析，Altman得出經(jīng)驗臨界值Z=3.0，Z值高于3.0的企業(yè)安全性比較高，低于3.0的企業(yè)面臨破產(chǎn)風險，同時，Altman還發(fā)現(xiàn)Z值低于1.8的企業(yè)已經(jīng)存在嚴重的財務危機，具有很高的破產(chǎn)概率。但是，隨著時間的推移，Z值模型預測的效力就會降低，所以Z值模型只能進行短期風險的預測，不適合商業(yè)銀行長期貸款的風險預測。此后，線性模型、Logstic多元模型和Probit模型等統(tǒng)計模型不斷應用于貸款違約的預測。隨著計算機的發(fā)展，許多非線性模型得以開發(fā)，如BP神經(jīng)網(wǎng)絡模型。同時，風險預測模型還與模糊數(shù)學、數(shù)學規(guī)劃等理論結合，目的是有效挖掘樣本信息，提高模型應對風險的預測效果。由于財務數(shù)據(jù)以年報的形式公開，銀行可以充分掌握信息，所以基于財務數(shù)據(jù)的模型一直廣泛應用。但是，模型過分依賴歷史數(shù)據(jù)而忽略資本市場指標，以過去的角度預測未來，亦存在一定的局限。（三）商業(yè)銀行財務風險的評估模型有待改進1.我國商業(yè)銀行現(xiàn)有評估財務風險的方法如前文所述，商業(yè)銀行采用的信用風險評估可以分為利用企業(yè)歷史財務數(shù)據(jù)和使用資產(chǎn)價值數(shù)據(jù)的兩種方法。銀行使用哪種方法主要取決于企業(yè)的經(jīng)營環(huán)境和銀行的評估成本。我國貸款企業(yè)中上市公司較少，而且我國商業(yè)銀行風險管理剛剛起步，還沒有建立完善的評估模式，所以，利用企業(yè)財務數(shù)據(jù)進行違約風險度量的計量統(tǒng)計模型相對適宜，并使用線性模型進行概率判別。但是，此類統(tǒng)計法也存在很大的局限性。首先，現(xiàn)有的線性模型過于重視樣本的橫截面分析，忽視了時間序列的分析，不能反映財務循環(huán)的時間序列特征；其次，模型選取的樣本受到限制，估計樣本和對比樣本必須是同行業(yè)同規(guī)模的，實際中貸款業(yè)務規(guī)模各異，不能一概而論，對樣本的要求過于嚴格可能增加樣本的測試難度；最后，線性模型的自變量與因變量呈線性關系，實際中貸款違約的影響因子本身具有一定聯(lián)動性，既受微觀企業(yè)經(jīng)營狀況的制約，還受宏觀經(jīng)濟周期的影響，并不是簡單的線性關系。2.國際商業(yè)銀行普遍使用的風險評估方法國際上普遍使用的風險評估方法是利用貸款企業(yè)資產(chǎn)價值數(shù)據(jù)，建立利率和公司特征變量之間的動態(tài)模型，稱為結構化研究方法。例如：以CreditMetrics模型為代表的盯市模型，以CreditRiskPlus模型為代表的違約式模型，以及兼有二者特征的CreditPortfolioView和KMV模型等等。這些模型是美國等金融業(yè)相對成熟的國家使用的銀行風險評估模型，這些模型更加準確地度量了貸款的違約風險。國際商業(yè)銀行和學者對于結構化方法有四類模型。第一類是基于期權定價技術的計量模型。該模型將貸款看作賣出以資產(chǎn)為標的的看漲期權，執(zhí)行價格為債務面值。當公司資產(chǎn)超過債務面值，則執(zhí)行期權，償還債務，否則貸款將違約。美國KMV公司開發(fā)的模型就基于這一原理，KMV模型是目前國際金融界最流行的信用風險評估模型之一。第二類模型違約風險統(tǒng)計模型，將違約率作為連續(xù)的單點運動描述，同時考慮了違約的波動性，但不考慮違約的原因，將違約事件的次數(shù)用泊松分布描述。瑞士銀行在此基礎上開發(fā)了CreditRiskPlus模型。第三類是離散動態(tài)宏觀模擬模型，對不同行業(yè)的宏觀數(shù)據(jù)和違約率時間序列數(shù)據(jù)建立多因素模型，適用評估貸款組合的系統(tǒng)風險。第四種模型是在險價值模型，利用企業(yè)信用等級、評級遷徙矩陣、違約貸款損失率、風險價差和收益率計算企業(yè)價值及其波動性。夏紅芳.商業(yè)銀行信用風險度量與管理研究[M].杭州：浙江大學出版社，2009年：18-31在險價值模型是巴塞爾協(xié)議內(nèi)部評級法中用來評價違約風險的模型，通過穆迪、標準普爾等提供的評級數(shù)據(jù)，考察債務信用等級變化，計算出遷徙矩陣的轉(zhuǎn)移概率，進而得出貸款的違約概率。夏紅芳.商業(yè)銀行信用風險度量與管理研究[M].杭州：浙江大學出版社，2009年：18-31相比于上述風險評估模型，我國的線性評估方法顯然落后。雖然一些銀行正在積極改進，但是由于上述大多數(shù)模型需要建立高質(zhì)量的信息數(shù)據(jù)庫，耗時長，成本高，很多銀行仍然采用以主觀判斷為主的傳統(tǒng)方式評估財務風險。三、信用風險評估的實證分析YH銀行是一家全國性的非上市銀行，坐落于天津，服務濱海新區(qū)。YH銀行貸款客戶規(guī)模和行業(yè)呈多樣化分布，既有實力雄厚的上市公司，也有快速發(fā)展的中小企業(yè)；所屬行業(yè)包括制造業(yè)、交通運輸業(yè)、房地產(chǎn)業(yè)、餐飲娛樂業(yè)等眾多行業(yè)。本文選取各行業(yè)中具有代表性的11家上市公司進行財務風險防范分析。（一）YH銀行采用的貸款違約風險評估模型及評估結果由貸款的財務風險主要指貸款違約的可能性，量化這一可能性的指標就是貸款違約概率，前面章節(jié)已經(jīng)介紹過國內(nèi)外使用的貸款違約概率估計模型。YH銀行針對不同性質(zhì)的貸款，采用不同的貸款違約概率估計模型，對于上市公司的重要貸款實施嚴密的風險監(jiān)控，使用國際通行的KMV模型估計違約概率。KMV模型是借助BlackScholes的期權定價模型，將公司股權看做是買入一份歐式看漲期權，以公司債務面值為執(zhí)行價格，以公司資產(chǎn)市場價值為標的。如果借款到期時，公司資產(chǎn)的市場價值高于債務，則公司選擇執(zhí)行，償還債務；如果資產(chǎn)市價低于債務，公司將選擇違約。KMV模型的計算公式如下: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（·）為標準正態(tài)分布函數(shù)，VE、σE、DP和r分別是股權價值、股價波動率、總負債和無風險利率，均可以從資本市場和企業(yè)財務信息中得到。VA、σA是未知量，由以上方程組進行迭代和編程求解。1.計算資產(chǎn)價值和資產(chǎn)波動率使用KMV模型時還存在若干假設：股票價格服從對數(shù)正態(tài)分布；股改后非流通股占比減少，視流通股與非流通股具有相同的每股市值；公司的債務等于短期債務與長期債務一半之和。11家企業(yè)已知的數(shù)據(jù)如下：表111家企業(yè)KMV模型樣本數(shù)據(jù)股票代碼股票簡稱年份年末股權價值(VE)股價年波動率（σE）總負債（D）無風險利率（r）債務償還期(T)000652泰達股份20087,864,808,6300.74108835963,482,590,4760.04141200912,173,484,2800.242441008844,380,652,7160.02521000695濱海能源2008939,684,0900.67192248782501,541,0400.0414120091,826,052,7700.26072282868489,117,5300.02521000897津濱發(fā)展20084,965,025,7600.523638158373,212,840,2620.0414120099,525,733,4600.243363165254,780,559,2180.02521000965天?；?0081,639,906,1900.598324921251,511,692,8390.0414120096,969,527,6000.388824802221,985,749,2610.02521600082海泰發(fā)展20081,624,981,3000.510937216421,402,306,7390.0414120094,988,014,1800.63893461859779,489,1730.02521600489中金黃金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中儲股份20082,955,280,9100.436622672954,869,335,8310.0414120098,140,595,9600.294904397714,145,633,2970.02521601919中國遠洋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.計算違約距離和期望違約率KMV公司通過觀察大量企業(yè)的違約現(xiàn)象，發(fā)現(xiàn)企業(yè)資產(chǎn)價值達到其全部債務中的某一點時，會發(fā)生違約行為，而這一違約觸發(fā)點（DefaultPoint）可以認為是短期債務與一半長期債務之和。用資產(chǎn)波動率衡量的公司資產(chǎn)價值與違約點的距離就是違約間距（DD）。KMV模型假設資產(chǎn)服從正態(tài)分布，所以公司的期望違約率（EDF）是違約間距的標準正態(tài)函數(shù)：EDF=N(-DD)=1-N(DD)濱海新區(qū)11家上市公司2008年——2009年違約率計算如下表所示：表211家企業(yè)KMV模型計算結果股票代碼股票簡稱年份年末資產(chǎn)價值(VA)年末資產(chǎn)波動率(σA)違約距離（DD）N(DD)違約概率（EDF）000652泰達股份200811,195,120,0000.523271.911050.90660.0934200916,445,120,0000.179475.5720610000695濱海能源20081,419,970,0000.446472.239810.92510.074920092,302,999,0000.206734.837280.9990.001000897津濱發(fā)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海泰發(fā)展20082,970,034,0000.279973.571140.96990.030120095,748,070,0000.554471.803510.93940.0606600489中金黃金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中儲股份20087,626,580,0000.169445.901430.98340.0166200912,183,060,0000.197055.074800.999810.00019601919中國遠洋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模型雖然簡便易行，但是只能評估上市公司的違約概率。對于非上市公司，YH銀行只能采取分析財務信息和非財務信息，并結合主觀判斷進行估計。YH銀行對非上市公司財務風險評估模型如下表所示：指標性質(zhì)指標類型指標名稱財務因素償債及變現(xiàn)能力指數(shù)資產(chǎn)負債率、利息保障倍數(shù)、流動比率盈利比率指數(shù)銷售利潤率、資產(chǎn)報酬率效率比率指數(shù)總資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率、應收賬款周轉(zhuǎn)率發(fā)展能力比率指數(shù)銷售收入增長率、資本增值率非財務因素企業(yè)內(nèi)部環(huán)境企業(yè)內(nèi)部控制制度、企業(yè)管理水平、企業(yè)信譽企業(yè)外部環(huán)境企業(yè)所屬行業(yè)、宏觀經(jīng)濟水平數(shù)據(jù)來源：YH銀行財務信息，2010（二）基于BP神經(jīng)網(wǎng)絡信用風險估計神經(jīng)網(wǎng)絡可以處理和識別非線性關系,解決Logistic等線性模型不能解決的復雜問題。它可以從輸入層到輸出層實現(xiàn)任意非線性映射，并且具有很強的泛化能力。BP神經(jīng)網(wǎng)絡分為三個層次：輸入層、隱含層和輸出層。通過對已知信用風險因素和風險評分進行學習，調(diào)整模型結構，生成能夠預測企業(yè)信用風險的模型。人工神經(jīng)網(wǎng)絡映射結構如下圖所示：圖1人工神經(jīng)網(wǎng)絡映射結構圖資料來源：作者編制1.樣本選取本文選取了與YH銀行11家貸款企業(yè)區(qū)位、經(jīng)營領域相似的18支A股股票作為訓練樣本。訓練樣本按地域分類，濱海新區(qū)概念股8股，長三角地區(qū)股票5股，其他地區(qū)5股；按行業(yè)分類，房地產(chǎn)類6股交通運輸類5股，重金屬類1股，綜合類6股。按市場分類，深市7股，滬市11股。本文以Z值模型涉及的指標為基礎，結合代表企業(yè)償債能力、獲利能力和運營能力的財務指標共11個，設置為輸入層。利用Z值法得分和專家經(jīng)驗對信用風險打分，作為訓練樣本的期望值（導師值），設置為輸出層。Z值法的公式為：Z=0.717X1+0.847X2+3.107X3+0.42X4+0.998X5其中，Z：判別函數(shù)值；X1：營運資金/資產(chǎn)總額；X2：留存收益/資產(chǎn)總額；X3：息稅前利潤/資產(chǎn)總額；X4：股東權益總額/負債總額；X5：總資產(chǎn)周轉(zhuǎn)率。當Z<1.23時，企業(yè)具有很高的破產(chǎn)概率；當1.23≤Z≤2.9時，企業(yè)財務狀況不穩(wěn)定，需要引起注意；當Z>2.9時，企業(yè)破產(chǎn)的可能性很小，可以不予考慮。根據(jù)Z值得分結合其它財務指標為企業(yè)信用風險評分。企業(yè)信用風險打分標準如下表[15]：表3企業(yè)信用風險打分標準評分風險低風險較低風險一般風險較高風險高得分1―0.90.9-0.80.8-0.60.6-0.4<0.42.實證分析為適應BP人工神經(jīng)網(wǎng)絡學習規(guī)則的要求，將樣本數(shù)據(jù)進行線性變化，使之落入?yún)^(qū)間[0,1]內(nèi)。變換公式為：Xi=(X-Xmin)/(Xmax-Xmin)本文選取18家上市公司2008年、2009年連續(xù)兩年的財務指標和信用風險得分作為訓練樣本，以YH銀行11家上市公司信用風險為預測目標。輸入層的神經(jīng)元數(shù)為11，輸出層的神經(jīng)元數(shù)為1，訓練時學習速率為0.01，最大訓練步數(shù)為4000，誤差精度為0.001，使用MATLAB軟件進行學習（如表4所示）。將線性化處理后的預測企業(yè)財務指標輸入訓練好的網(wǎng)絡，得出預測企業(yè)的信用風險評估值（如表5所示）。表418家企業(yè)的訓練樣本此表由作者自行繪制，表格數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫：http://www.gtadata.此表由作者自行繪制，表格數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫：/。表格內(nèi)財務指標是經(jīng)過線性變化的數(shù)據(jù)。股票代碼股票簡稱所屬行業(yè)年份營運資金/資產(chǎn)總額留存收益/資產(chǎn)總額息稅前利潤/資產(chǎn)總額總資產(chǎn)周轉(zhuǎn)率股東權益/負債總額每股經(jīng)營現(xiàn)金流量速動比率000537廣宇發(fā)展房地產(chǎn)20080.7770.8250.4710.4980.0980.4910.07820090.7270.8650.3240.4540.0571.0000.011000594國恒鐵路重金屬20080.7070.9510.4750.0001.0000.5340.29620090.8770.9160.2370.0741.0000.5231.000000836鑫茂科技房地產(chǎn)20080.7610.9290.8870.2940.1780.8020.15120090.8330.9340.2980.5300.1030.3000.094600335鼎盛天工綜合20080.7150.8730.4420.4940.1310.5190.18720090.6780.8700.1560.4960.0670.4590.053600468百利電氣綜合20080.6970.9180.5080.5960.2860.6190.26920090.6830.9420.2960.6530.1230.5230.103600800ST磁卡綜合20080.6080.7000.9840.0630.1030.6150.22820090.5350.6370.0000.0930.0400.5160.052000540中天城投綜合20080.8670.8790.6090.2600.1050.2220.14120090.9230.9170.3630.4460.0480.0000.103000606青海明膠綜合20080.7320.9000.4590.4670.2160.5600.33620090.7390.8960.2301.0000.1340.5020.161000669領先科技房地產(chǎn)20080.8450.9280.3880.0310.5170.4971.00020090.8400.9450.2420.0510.2580.5230.333000979ST科苑房地產(chǎn)20080.0000.0000.0000.1700.0000.5810.00020090.0000.0001.0000.3900.0000.5470.000600003ST東北高交通運輸20080.6980.9370.4410.0590.5090.6510.53220090.6570.9670.3160.0760.2670.6860.118600017日照港交通運輸20080.6650.9150.5670.2300.1990.6690.26620090.6420.9470.3510.4170.1330.6830.085600087長航油運交通運輸20080.7430.9070.5500.2030.1350.4940.70720090.7130.9160.2480.2770.0630.4300.205600428中遠航運交通運輸20080.7911.0001.0001.0000.2681.0000.90520090.7341.0000.2530.7610.1300.5660.223600638新黃浦房地產(chǎn)20080.7510.9630.5630.0400.3270.5790.44420090.8310.9430.2800.0020.0900.4700.177600653申華控股綜合20080.6680.8120.4470.6300.1800.5810.26020090.6300.8600.2850.8750.0820.5740.083600732上海新梅房地產(chǎn)20081.0000.9140.5380.2200.1450.0000.24220091.0000.9360.2610.0000.0810.4920.031600798寧波海運交通運輸20080.6350.8920.5760.1310.1340.9030.17920090.6170.9100.2780.0550.0710.6250.051表418家企業(yè)的訓練樣本（續(xù)表）股票代碼股票簡稱所屬行業(yè)年份流動比率應收賬款周轉(zhuǎn)率資產(chǎn)負債率凈資產(chǎn)收益率Z值導師值000537廣宇發(fā)展房地產(chǎn)20080.2200.3260.3780.0000.9770.420090.1330.0040.3940.5280.8050.2000594國恒鐵路重金屬20080.2730.2420.0000.1573.5530.920091.0000.0680.0000.6476.2791000836鑫茂科技房地產(chǎn)20080.2420.1300.2350.9031.6890.720090.3120.0030.2550.6881.3730.4600335鼎盛天工綜合20080.1810.0790.3040.1251.0320.320090.1150.0010.3560.5400.4390.1600468百利電氣綜合20080.1810.1010.1420.1801.7850.720090.1220.0020.2200.7061.3320.5600800ST磁卡綜合20080.1110.0320.3661.0000.6320.120090.0530.0000.4870.000-1.0200000540中天城投綜合20080.3270.2120.3600.4831.1660.420090.3060.0050.4401.0001.2550.4000606青海明膠綜合20080.2310.0960.1940.1471.3840.420090.1840.0020.2040.5291.4420.5000669領先科技房地產(chǎn)20080.4790.0160.0580.1182.0710.720090.3200.0000.1020.5621.9150.7000979ST科苑房地產(chǎn)20080.0000.1331.0000.109-3.099020090.0000.0061.0000.560-0.9980600003ST東北高交通運輸20080.2420.3510.0600.1391.9080.220090.1040.0130.0980.6201.9010.2600017日照港交通運輸20080.1340.1230.2110.2371.1210.520090.0820.0030.2050.6441.3240.5600087長航油運交通運輸20080.3260.2580.2980.2890.9770.420090.1960.0060.3720.5610.6460.2600428中遠航運交通運輸20080.4311.0000.1530.5963.052120090.2130.0220.2090.5891.5420.7600638新黃浦房地產(chǎn)20080.3260.2670.1200.2001.5730.620090.3190.0070.2840.6170.9670.4600653申華控股綜合20080.1480.6210.2310.1311.1510.520090.0870.0180.3060.6180.9430.3600732上海新梅房地產(chǎn)20081.0000.0000.2810.3361.4560.520090.6791.0000.3100.5901.1230.6600798寧波海運交通運輸20080.0790.5340.2990.3610.7200.420090.0440.0130.3420.5740.4670.2表511家企業(yè)評估結果此表由作者自行繪制，表格數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫：http://www.gtadata.此表由作者自行繪制，表格數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫：/。表格內(nèi)財務指標為經(jīng)過線性變化的數(shù)據(jù)。股票代碼股票簡稱所屬行業(yè)年份營運資金/資產(chǎn)總額留存收益/資產(chǎn)總額息稅前利潤/資產(chǎn)總額總資產(chǎn)周轉(zhuǎn)率股東權益/負債總額每股經(jīng)營現(xiàn)金流量速動比率000652泰達股份綜合20080.6930.9370.5160.1720.5050.3380.40420090.7260.9431.0000.3040.5130.1660.320000695津濱能源綜合20080.5590.9260.0000.1800.4930.5050.28120090.6460.9110.7420.2690.4770.3100.269000897津濱發(fā)展房地產(chǎn)20080.9700.9180.0260.0170.5090.3480.27620090.8790.9230.8310.0380.4580.6090.241000965天?；ǚ康禺a(chǎn)20080.9410.9280.0420.0000.7740.2990.00020090.8600.9440.8830.0000.6961.0000.038600082海泰發(fā)展房地產(chǎn)20081.0000.9600.2330.0620.6670.0000.84720091.0000.9770.8790.0581.0000.2160.932600489中金黃金重金屬20080.6550.9520.8461.0000.9000.4890.31820090.6790.9530.9700.9980.5190.8200.219600583海油工程綜合20080.7121.0000.6090.3440.7420.5270.43620090.7001.0000.9500.4470.8390.5140.389600717天津港交通運輸20080.6220.9960.4530.2431.0000.6430.40520090.6980.9910.9010.1940.9790.6400.498600787中儲股份交通運輸20080.6700.9390.0120.9010.4930.6260.42620090.7420.9460.8591.0000.7140.4270.471601919中國遠洋交通運輸20080.7650.9661.0000.4400.7691.0001.00020090.7820.9260.6950.1680.5380.0001.000600751SST天海交通運輸20080.0000.0000.2060.2920.0000.3720.10420090.0000.0000.0000.1070.0000.2020.000表511家企業(yè)評估結果（續(xù)表）股票代碼股票簡稱所屬行業(yè)年份流動比率應收賬款周轉(zhuǎn)率資產(chǎn)負債率凈資產(chǎn)收益率Z值導師值預測導師值000652泰達股份綜合20080.3640.0670.2220.3041.1070.40.347520090.2100.0860.1701.0001.3360.90.8838000695津濱能源綜合20080.1630.0000.2300.0260.7930.20.021520090.1220.0280.1910.8880.6800.60.7217000897津濱發(fā)展房地產(chǎn)20080.9940.0690.2190.1240.9310.60.785020090.3640.1030.2030.9480.8160.50.6096000965天?；ǚ康禺a(chǎn)20080.7180.0240.0790.4441.0840.80.852820090.3320.0000.0860.9791.0540.60.6047600082海泰發(fā)展房地產(chǎn)20081.0001.0000.1270.3971.3050.90.856120091.0000.1730.0000.9661.6770.90.9386600489中金黃金重金屬20080.3150.5680.0310.7593.09510.989820090.1641.0000.1670.9932.31210.9796600583海油工程綜合20080.4010.0420.0920.8731.7790.90.858820090.1980.0470.0400.9891.8440.90.9688600717天津港交通運輸20080.2230.0320.0000.5391.6230.80.888520090.2030.0490.0050.9711.4810.80.9209600787中儲股份交通運輸20080.3270.1990.2300.2012.3400.70.231120090.2270.1780.0800.9652.39310.9899601919中國遠洋交通運輸20080.6530.0730.0801.0002.1020.80.742620090.4000.0720.1560.8830.7420.50.5021600751SST天海交通運輸20080.0000.0411.0000.000-1.53100.000120090.0000.0201.0000.000-4.07900.0000以均方誤差()對模型預測結果進行評價,MSD=0.000516,證明模型的評估效果很好，BP人工網(wǎng)神經(jīng)絡模型對企業(yè)信用風險的評估是有效的。從濱海新區(qū)11家上市公司的結果來看，網(wǎng)絡模型對SST海天的風險評估符合其在資本市場SST的狀況，違約概率較高，風險較大；房地產(chǎn)類企業(yè)信用風險比較平穩(wěn)；天津港、海油工程等企業(yè)由于政府的一貫支持而保持較低的信用風險。而泰達股份等綜合類企業(yè)由于投資領域廣泛，信用風險變化應該引起借款銀行的注意。KMV模型和BP神經(jīng)網(wǎng)絡模型評估結果的擬合圖如下所示：資料來源：作者編制上圖中的導師值是由11家企業(yè)財務比率通過Z值評分法得出；預測導師值是由BP神經(jīng)網(wǎng)絡模型學習得出；違約距離是11家企業(yè)資本市場數(shù)據(jù)通過KMV模型得出。預測導師值與真實導師值偏差不大，證明BP神經(jīng)網(wǎng)絡模型可以用于貸款企業(yè)的財務風險評估。KMV模型與BP神經(jīng)網(wǎng)絡模型整體上具有很好的擬合效果。KMV法基于資本市場數(shù)據(jù)評估財務風險，BP神經(jīng)網(wǎng)絡模型基于財務數(shù)據(jù)評估財務風險。企業(yè)的市場環(huán)境、經(jīng)營前景等非財務因素通常包含在資本市場的供求關系中，所以KMV模型評估的財務風險受宏觀條件影響較大，各企業(yè)差距很小，走勢相對平緩。而且資本市場的炒作也經(jīng)常使股價偏離企業(yè)價值，掩蓋企業(yè)的財務危機。而BP神經(jīng)網(wǎng)絡評估的結果剔除了宏觀因素，更能直接反應貸款企業(yè)的財務風險。四、對商業(yè)銀行信用風險評估提出的建議（一）結合KMV法與BP神經(jīng)網(wǎng)絡模型評估財務風險KMV模型主要應用于上市公司違約風險度量，而對非上市公司財務風險評估，國際和國內(nèi)都缺乏有效研究。與銀行以往評價財務風險的模型不同，BP神經(jīng)網(wǎng)絡模型是一種非線性模型，其優(yōu)勢主要表現(xiàn)于：該模型根據(jù)提供的數(shù)據(jù)，通過學習和訓練，找出輸入與輸出之間的內(nèi)在聯(lián)系進而求解；該模型不依賴于變量間的線性或獨立假設，可以弱化權重確定中的人為因素；該模型可以自動處理不完全的數(shù)據(jù)，具有泛化功能和一定的容錯能力。利用兩個模型的優(yōu)勢可以開發(fā)出有效評估非上市公司財務風險的模型。首先，將銀行的貸款客戶劃分為上市公司和非上市公司兩個區(qū)域，每個