前言：我們精心挑選了數篇優質風險預警的概念文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

【關鍵詞】 風險預警系統;財務知識管理;本體

財務風險管理是企業風險管理的一個重要組成部分,是企業經營風險的集中體現。財務風險預警是財務風險管理發展的一個新階段。財務風險預警的重點是抓住小范圍、低程度的財務風險事件與財務狀況變化,采取控制措施,防止小事件引發大風險而使企業陷入財務危機。21世紀的經濟是世界經濟一體化條件下的經濟,是以知識決策為導向的經濟。企業管理進入知識經濟時代,企業的工作環境和工作內容都徹底發生了變化,知識管理的理念和方法不斷滲透到財務管理中,為財務管理創新提供了機遇。而財務風險預警是一項重要的知識依賴的技術工作,在企業財務風險管理中如何引入知識管理的理念和方法,構建財務風險預警系統,幫助管理者準確地了解企業財務狀況,指導風險應對工作的開展,從而降低經營風險,減少財務損失,是企業管理者關注的問題。本文運用知識本體(ontology)方法研究財務風險預警管理,探索科學化、智能化和系統化的財務風險預警機制。

一、基于知識本體的財務風險預警系統需求分析

財務風險預警系統是現代企業預測和防范風險的一個重要工具,它在收集大量相關信息的基礎上,借助計算機技術、信息技術、概率論和模糊數學等方法,設定風險預警指標體系及其預警警戒線,捕捉和監視各種細微的跡象變動,對不同性質和程度的財務風險及時發出警報,提醒決策者及時采取防范和化解風險的措施。可見,財務風險預警系統建立的關鍵是如何有效地捕獲企業內外部信息并形成有用的知識,有效的財務風險預警知識系統應滿足如下四點需求。

一是信息收集與轉換功能。財務風險預警知識系統應通過收集與企業經營相關的產業政策、國內外市場競爭狀況、企業本身的各類財務信息和生產經營狀況信息,并進行分析轉換,按一定形式和規則存入知識庫。

二是預警指標管理與更新功能。系統應建立起財務風險評價指標體系,并根據其中的評價指標計算公式,利用財務風險信息子系統提供的資料,計算出具體的指標值,供綜合評價和預警使用。

三是財務風險綜合評價功能。系統應根據已計算出的各種風險指標的值,利用各種科學的綜合評價模型和預測模型,對企業目前的財務風險進行綜合評價和對企業未來的風險進行預測。該功能是根據對企業運營過程跟蹤、監測的結果,運用現代企業管理技術和企業診斷技術對企業財務狀況的優劣作出判斷,找出企業財務運行中潛在的危險。

四是財務風險報警功能。系統應根據已計算出的反映企業財務風險的風險指標值、綜合評價值以及預測值,按照一定的報警模式發出不同程度的警報。

筆者在財務風險預警知識管理研究中引入本體的概念,本體原本是一個哲學上的概念,用于研究客觀世界本質。在本體中概念的關系可以被描述得更加廣泛、詳細、深入和全面,通過對概念添加屬性值,以及在屬性與屬性之間添加映射關系,一些不便描述的語義關系就可以清晰地描述出來。同時,在本體中可以使用形式語言,這就為實現知識檢索創造了條件。在對財務風險預警知識形式化定義后,本體概念模型能夠實現對財務風險預警知識理解的唯一性和精確性;另外,利用本體技術對知識的聯系進行形式化映射,可以產生和約束新的知識規則,增加財務風險預警知識本體表示方法的實用性。

二、財務風險預警系統知識本體建模

通過分析財務風險預警領域知識的概念、關系和知識結構,采用分層次的思路建立財務風險預警領域本體,并分別對財務風險預警評價模型、指標體系和財務狀況監控知識與案例進行形式化描述。本系統模型建立概念本體,評價模型本體、指標本體、資源本體和通訊本體等。下面以財務風險預警定量模型概念本體為例說明財務風險預警知識本體建模。

概念本體是用來描述某個領域內的一些基本概念和概念之間關系的本體,這些概念是被該領域內人們所共同認可的,概念是對事物認知的抽象,包含的內容很廣,與模型相關的內容有:關系、函數、公理與實例等;關系表達了財務風險預警領域內概念間的互相作用,n個概念之間的關系可以表示為 R:Cl×C2×…×Cn;函數是一種特殊的概念關系,表示在n元關系中確定了n-1個概念,則第n個概念是唯一的,即F:Cl×C2×…×Cn-1Cn;公理表示永遠為真的概念,即真命題;實例是具體的模型元素。財務風險預警定量模型概念本體形式化定義如下。

CO::=(Fn,Cc,R,Ac,Ic)。

其中,Fn是領域名,Cc是領域內的術語集,R是關系集,Ac是公理集,Ic是實例集。

R形式化為:R::=(Ra,Rc),Ra是Cc上的屬性集,形式化為:Ra::=(dc:Identifier,dc:Title,dc:Creator,dc:Description,dc:Date),前綴dc表示重用DC元數據集中的標識符、題名、創建者、描述及日期元素;Rc是術語間的關系集,Rc域是Cc1×Cc1,形式化為:Rc::=(SubConceptOf,SuperConceptOf,IsPartOf,HasPart,Equal,Pre,Next),SubConceptOf和SuperConceptOf

是包含和被包含的關系,IsPartof和HasPart是聚集關系,Equal是等價關系,Pre描述了概念和概念之間的直接前驅關系,Next描述了概念和概念之間的直接后繼關系。Ac是公理集,Ac形式化為:Ac::=(SubConceptOfSuperConceptOf-,IsPartOfHasPart-,PreNext-,IsPartOfIsPartof*,HasPartHasPart*,EqualEqual*,……),表達了SubConceptOf和SuperConc-

eptOf,IsPartOf和HasPart,Pre和Next都是逆反關系,IsPartOf和HasPart和Equal都是可傳遞的。Ic形式化為:Ic::=(IRa,IRc),IRa是屬性集實例,IRc是概念的關系實例。

概念是對人類知識的抽象,概念本體是按照分類法來組織領域概念及其客觀關系的,概念本體作為一類獨立的本體存在,由領域專家或知識工程師管理。財務風險預警定量模型概念本體的描述說明如下:

Fn=財務風險預警定量模型;

Cc=(Z計分模型,人工神經網絡模型,多元邏輯(logit)模型,F計分模型……);

IRa={(“Prop1”,“Z計分模型”,“Z-score”,“通過將反映企業償債能力的指標(X1,X4)、獲利能力指標(X2,X3)和營運能力指標(X5)五種財務比率有機聯系起來,綜合分析預警企業財務風險。”),(“Prop2”,“人工神經網絡模型”,“Artificial-Neural-Network”,“通過大量神經元的復雜連接,采用由底到頂的學習方法,以自組織和非線性動力學所形成的并列分布方式處理非語言化的財務模式信息,達到預警企業財務風險的目標”),……};

IRc={SubConceptOf(財務風險預警定量模型,Z計分模型),SubConceptOf(財務風險預警定量模型,人工神經網絡模型),IsPartOf(Z計分模型,函數形式),IsPartOf(Z計分模型,參數指標),IsPartOf(人工神經網絡模型,模型算法),IsPartOf(人工神經網絡模型,輸入矩陣),……}。

三、財務風險預警知識管理系統框架

通過分析基于本體的財務風險預警知識模型及需求,本文提出財務風險預警知識管理系統框架如圖1所示。

基本的知識管理活動包括知識的創造、發現、存儲和應用,財務風險預警知識管理將這些活動整合為財務風險預警知識的獲取、財務風險預警知識的存儲與推理、財務風險預警知識的應用與預警三個主要過程。財務風險預警以企業經營績效為基礎,充分認識財務風險的本質并在更廣泛的領域內選擇相關的預警指標,通過綜合評價企業的財務狀況進行預警。本財務風險預警模型由獲利能力、償債能力、經濟效率和發展潛力四個方面的評價構成,獲利能力和償債能力是公司財務評價的兩大基本部分,而經濟效率高低又直接體現了公司的經營管理水平,公司的發展潛力尤其值得重視,公司理財的目標是財富最大化,良好的財務風險預警系統不應僅僅關注目前的運營狀況。在具體預警指標的選取方面,考慮到各指標間既能相互補充,又不重復,盡可能全面綜合地反映公司運營狀況,故每個預警模塊各取兩個最具代表性的指標。系統從定量和定性兩個角度利用財務本體知識對企業財務風險進行評價,本體風險評價模型利用本體推理與財務知識庫得出的各指標值,代入建立的財務風險綜合評價模型,進行風險評估,具體的評價模型可根據風險案例庫的匹配情況,選取合適的模型,如層次分析模型或模糊評價模型等。

在企業內外部信息集成與知識獲取部分,利用本體技術、知識集成技術、多種檢索技術,對財務風險預警知識進行數字化語義處理;系統按照本體論思想對知識進行分類標注,組織到知識庫中,形成財務風險預警領域概念集;這種框架便于實現本體知識獲取、存儲、檢索等功能,并方便財務風險預警知識集成、共享、發現和重用。本框架一方面從技術角度針對財務風險預警知識管理提出了全面的解決方案;另一方面,通過引入本體技術,本框架在一定程度上能夠使知識提供者和知識需求者之間盡可能無歧議地相互理解,并且能夠表達組織內知識提供者和知識需求者的原始思想。這將使得財務風險預警知識管理能夠更廣泛地應用于各種類型的組織中,為組織的財務風險管理在技術上提供支持。

企業財務風險管理是一項復雜的系統工程,隨著知識經濟時代的到來,信息革命和經濟全球化的進程日趨加快,財務風險預警知識系統研究有著廣闊的發展前景,日益被人們所關注。本文采用本體方法為財務風險預警領域知識建模,并提出基于本體的財務風險預警知識管理框架,但在財務風險預警知識表達與推理等方面需進一步研究。

【參考文獻】

[1] 谷文林.企業財務風險預警研究綜述[J].現代管理科學,2008(8).94-95.

[2] 于富生,張敏,姜付秀,任夢杰.公司治理影響公司財務風險嗎?[J].會計研究,2008(10):52-59.

[3] 張友棠.基于內部控制的多維財務預警系統設計[J].財會月刊(會計版),2008(1):16-18.

[4] 彭潤華,陽震青.基于XBRL的集團財務知識管理研究[J].會計之友,2009(3):31-33.

[5] Segev A,Gal A.Enhancing portability with multilingual ontology-based knowledge management[J].Decision Support Systems.2008,45(3):567-584.

第2篇

【論文關鍵詞】風險預警系統財務知識管理本體

財務風險管理是企業風險管理的一個重要組成部分,是企業經營風險的集中體現。財務風險預警是財務風險管理發展的一個新階段。財務風險預警的重點是抓住小范圍、低程度的財務風險事件與財務狀況變化,采取控制措施,防止小事件引發大風險而使企業陷入財務危機。21世紀的經濟是世界經濟一體化條件下的經濟,是以知識決策為導向的經濟。企業管理進入知識經濟時代,企業的工作環境和工作內容都徹底發生了變化,知識管理的理念和方法不斷滲透到財務管理中,為財務管理創新提供了機遇。而財務風險預警是一項重要的知識依賴的技術工作,在企業財務風險管理中如何引入知識管理的理念和方法,構建財務風險預警系統,幫助管理者準確地了解企業財務狀況,指導風險應對工作的開展,從而降低經營風險,減少財務損失,是企業管理者關注的問題。本文運用知識本體(ontology)方法研究財務風險預警管理,探索科學化、智能化和系統化的財務風險預警機制。

一、基于知識本體的財務風險預警系統需求分析

財務風險預警系統是現代企業預測和防范風險的一個重要工具,它在收集大量相關信息的基礎上,借助計算機技術、信息技術、概率論和模糊數學等方法,設定風險預警指標體系及其預警警戒線,捕捉和監視各種細微的跡象變動,對不同性質和程度的財務風險及時發出警報,提醒決策者及時采取防范和化解風險的措施。可見,財務風險預警系統建立的關鍵是如何有效地捕獲企業內外部信息并形成有用的知識,有效的財務風險預警知識系統應滿足如下四點需求。

一是信息收集與轉換功能。財務風險預警知識系統應通過收集與企業經營相關的產業政策、國內外市場競爭狀況、企業本身的各類財務信息和生產經營狀況信息,并進行分析轉換,按一定形式和規則存入知識庫。

二是預警指標管理與更新功能。系統應建立起財務風險評價指標體系,并根據其中的評價指標計算公式,利用財務風險信息子系統提供的資料,計算出具體的指標值,供綜合評價和預警使用。

三是財務風險綜合評價功能。系統應根據已計算出的各種風險指標的值,利用各種科學的綜合評價模型和預測模型,對企業目前的財務風險進行綜合評價和對企業未來的風險進行預測。該功能是根據對企業運營過程跟蹤、監測的結果,運用現代企業管理技術和企業診斷技術對企業財務狀況的優劣作出判斷,找出企業財務運行中潛在的危險。

四是財務風險報警功能。系統應根據已計算出的反映企業財務風險的風險指標值、綜合評價值以及預測值,按照一定的報警模式發出不同程度的警報。

筆者在財務風險預警知識管理研究中引入本體的概念,本體原本是一個哲學上的概念,用于研究客觀世界本質。在本體中概念的關系可以被描述得更加廣泛、詳細、深入和全面,通過對概念添加屬性值,以及在屬性與屬性之間添加映射關系,一些不便描述的語義關系就可以清晰地描述出來。同時,在本體中可以使用形式語言,這就為實現知識檢索創造了條件。在對財務風險預警知識形式化定義后,本體概念模型能夠實現對財務風險預警知識理解的唯一性和精確性;另外,利用本體技術對知識的聯系進行形式化映射,可以產生和約束新的知識規則,增加財務風險預警知識本體表示方法的實用性。

二、財務風險預警系統知識本體建模

通過分析財務風險預警領域知識的概念、關系和知識結構,采用分層次的思路建立財務風險預警領域本體,并分別對財務風險預警評價模型、指標體系和財務狀況監控知識與案例進行形式化描述。本系統模型建立概念本體,評價模型本體、指標本體、資源本體和通訊本體等。下面以財務風險預警定量模型概念本體為例說明財務風險預警知識本體建模。

概念本體是用來描述某個領域內的一些基本概念和概念之間關系的本體,這些概念是被該領域內人們所共同認可的,概念是對事物認知的抽象,包含的內容很廣,與模型相關的內容有:關系、函數、公理與實例等;關系表達了財務風險預警領域內概念間的互相作用,n個概念之間的關系可以表示為R:Cl×C2×…×Cn;函數是一種特殊的概念關系,表示在n元關系中確定了n-1個概念,則第n個概念是唯一的,即F:Cl×C2×…×Cn-1Cn;公理表示永遠為真的概念,即真命題;實例是具體的模型元素。財務風險預警定量模型概念本體形式化定義如下。

CO::=(Fn,Cc,R,Ac,Ic)。

其中,Fn是領域名,Cc是領域內的術語集,R是關系集,Ac是公理集,Ic是實例集。

R形式化為:R::=(Ra,Rc),Ra是Cc上的屬性集,形式化為:Ra::=(dc:Identifier,dc:Title,dc:Creator,dc:Description,dc:Date),前綴dc表示重用DC元數據集中的標識符、題名、創建者、描述及日期元素;Rc是術語間的關系集,Rc域是Cc1×Cc1,形式化為:Rc::=(SubConceptOf,SuperConceptOf,IsPartOf,HasPart,Equal,Pre,Next),SubConceptOf和SuperConceptOf

是包含和被包含的關系,IsPartof和HasPart是聚集關系,Equal是等價關系,Pre描述了概念和概念之間的直接前驅關系,Next描述了概念和概念之間的直接后繼關系。Ac是公理集,Ac形式化為:Ac::=(SubConceptOfSuperConceptOf-,IsPartOfHasPart-,PreNext-,IsPartOfIsPartof*,HasPartHasPart*,EqualEqual*,……),表達了SubConceptOf和SuperConc-

eptOf,IsPartOf和HasPart,Pre和Next都是逆反關系,IsPartOf和HasPart和Equal都是可傳遞的。Ic形式化為:Ic::=(IRa,IRc),IRa是屬性集實例,IRc是概念的關系實例。

概念是對人類知識的抽象,概念本體是按照分類法來組織領域概念及其客觀關系的,概念本體作為一類獨立的本體存在,由領域專家或知識工程師管理。財務風險預警定量模型概念本體的描述說明如下:

Fn=財務風險預警定量模型;

Cc=(Z計分模型,人工神經網絡模型,多元邏輯(logit)模型,F計分模型……);

IRa={(“Prop1”,“Z計分模型”,“Z-score”,“通過將反映企業償債能力的指標(X1,X4)、獲利能力指標(X2,X3)和營運能力指標(X5)五種財務比率有機聯系起來,綜合分析預警企業財務風險。”),(“Prop2”,“人工神經網絡模型”,“Artificial-Neural-Network”,“通過大量神經元的復雜連接,采用由底到頂的學習方法,以自組織和非線性動力學所形成的并列分布方式處理非語言化的財務模式信息,達到預警企業財務風險的目標”),……};

IRc={SubConceptOf(財務風險預警定量模型,Z計分模型),SubConceptOf(財務風險預警定量模型,人工神經網絡模型),IsPartOf(Z計分模型,函數形式),IsPartOf(Z計分模型,參數指標),IsPartOf(人工神經網絡模型,模型算法),IsPartOf(人工神經網絡模型,輸入矩陣),……}。

三、財務風險預警知識管理系統框架

通過分析基于本體的財務風險預警知識模型及需求,本文提出財務風險預警知識管理系統框架如圖1所示。

基本的知識管理活動包括知識的創造、發現、存儲和應用,財務風險預警知識管理將這些活動整合為財務風險預警知識的獲取、財務風險預警知識的存儲與推理、財務風險預警知識的應用與預警三個主要過程。財務風險預警以企業經營績效為基礎,充分認識財務風險的本質并在更廣泛的領域內選擇相關的預警指標,通過綜合評價企業的財務狀況進行預警。本財務風險預警模型由獲利能力、償債能力、經濟效率和發展潛力四個方面的評價構成,獲利能力和償債能力是公司財務評價的兩大基本部分,而經濟效率高低又直接體現了公司的經營管理水平,公司的發展潛力尤其值得重視,公司理財的目標是財富最大化,良好的財務風險預警系統不應僅僅關注目前的運營狀況。在具體預警指標的選取方面,考慮到各指標間既能相互補充,又不重復,盡可能全面綜合地反映公司運營狀況,故每個預警模塊各取兩個最具代表性的指標。系統從定量和定性兩個角度利用財務本體知識對企業財務風險進行評價,本體風險評價模型利用本體推理與財務知識庫得出的各指標值,代入建立的財務風險綜合評價模型,進行風險評估,具體的評價模型可根據風險案例庫的匹配情況,選取合適的模型,如層次分析模型或模糊評價模型等。

第3篇

關鍵詞:信用風險;支持結構模型;概念模型;支持系統

文章編號:1003-4625(2006)08-0003-03中圖分類號:F832.33 文獻標識碼:A

Abstract: Corresponding to the present research on commercial bank risk early-warning mainly focusing on risk measuring and lacking the early-warning process mechanism and model study, the author conducts an analysis on the life cycle of commercial bank risk, proposes the logic process and supporting system of commercial bank risk early-warning by combining enterprise early-warning theory, and finally exhibits some practical examples.

Key words: credit risk; support structure model; conception model; support system

[收稿日期]2006-06

注:本研究得到國家自然科學基金,廣西自然科學基金(桂科青:0542033)以及湖北省人文社科重點研究基地現代信息管理研究中心資助｡

[作者簡介]毛錦(1970-),男,河南原陽人,高級經濟師,博士研究生;周鵬(1981-),男,湖北武漢人,碩士研究生;蔡淑琴(1955-),女,湖南長沙人,博士生導師｡

一､引言

商業銀行是經營風險的組織,能否很好地管理信用風險將關系到商業銀行的生存和發展｡現有對信用風險管理的研究,不論是5C法､Z-Score還是KVM模型等,都傾向判斷信用風險的大小｡這些研究的方向沿著“逐步求精”的思想,從判別信用風險的相對大小到判別信用風險的絕對大小｡然而,信用風險的大小是內外部環境不斷變化的,具有易變性;同時它也隨時間而不斷變化,具有時變性｡雖然,對單一時間點信用風險的研究在信用風險研究中,可以度量及比較信用風險的大小,但在商業銀行信用風險管理的實務中,還需要解決什么時間､由什么依據決定需要對信用風險進行度量,以及對度量結果采取怎樣避險措施的問題｡

對預警(Early-Warning)的研究最早來源于軍事,指通過預警飛機､預警雷達等工具提前發現､分析和判斷敵人的進攻信號,并把這種信號的威脅程度傳遞給指揮部門,以提前采取應對措施｡在經濟領域,穆爾首先采用多種指標綜合方法構建美國宏觀經濟預警系統｡在信用風險管理方面,首先將信用風險預警和將預警系統(EWS)的概念應用到信用風險管理的是Fisk,預警被認為是對風險的提前預測｡將預警理論應用到信用風險預警,現有的研究大多集中在對單一時間點､信用風險大小轉化成預警級別的研究,如基于人工神經網絡的信用風險預警､基于灰色模型的信用風險預警等等｡這些研究從本質上看都是對信用風險度量方法的應用和延伸,缺乏對信用風險整個生命周期內預警的研究｡

本文通過對商業銀行信用風險生命周期的研究,結合企業預警理論,研究商業銀行信用風險預警的三個階段,在分析商業銀行信用風險預警各個階段的目標和實現步驟的基礎上,研究信用風險預警的概念模型,最后運用系統分析的方法,研究商業銀行信用風險預警支持系統的系統結構｡

二､信用風險的生命周期和信用風險預警的過程

傳統的信用風險定義為包括借款人､債券發行人或金融交易對方在內的交易對手由于各種原因不能完全履約致使金融機構､投資人或交易對方遭受損失的可能性｡從狹義上講,信用風險就指信貸風險｡通過對風險概念的梳理,從風險承擔者(即商業銀行)的角度來看,信用風險即由于交易對手是否違約的最終結果和商業銀行認為交易對手是否違約之間的偏差,這種差異可能對商業銀行造成損失｡

信貸交易是產生信用風險的一種交易,商業銀行的交易對手即貸款人｡根據貸款人借貸的實際情況,對一個貸款人信用風險產生到結束的時間階段可以用圖1表示｡該過程一直持續到借貸合同到期,貸款人做出是否違約的決策為止,即信貸交易信用風險的生命周期｡在生命周期內,商業銀行如果始終認為貸款人一定不會違約的話,貸款人是否違約的事實和商業銀行對貸款人是否違約的預期存在差距,這種差距可能導致商業銀行的損失,即信用風險｡因此信用風險管理應該覆蓋信用風險的生命周期(T)｡

企業預警管理理論的基本方法,即通過監測并預控造成各種經營風險和管理失誤的致錯環境,通過對致錯環境中各種內部和外部主要致錯因素(行為)進行有效的測評,進而控制錯誤的發生或發展,把失誤控制在早期,把各種經營風險降到最低限度｡對于商業銀行信用風險的預警,也需要在信息的時效性范圍之內,及時地從作為信用風險的表現和影響因素的外部環境中獲取信息,根據獲取到的信息,篩選到可能影響商業銀行交易對手或是交易對手信用風險大小變更的信息以及這些信息所對應的交易對手;針對所發現的交易對手,重新度量其信用風險,得到交易對手的信用風險大小;根據評估出的交易對手和他們的信用風險大小,從眾多應對策略中選取合適的應對策略并實施｡因此,將信用風險預警分解成如下三個預警階段:環境的監視和信用風險的發現階段(P_d)､信用風險度量階段(P_e)､制定應對策略階段(P_s)｡

其中:P_d階段在整個信用風險的生命周期中持續工作,僅當P_d階段發現交易對手信用風險變化的信號或可能影響信用風險預警的交易對手信息和環境信息時,才觸發信用風險度量階段通過獲取交易對手的財務數據或金融市場數據使用專家系統､記分模型或定量模型等信用風險度量模型來度量其信用風險的大小;僅當P_e階段度量出的信用風險值大于某一個閾值,才進入P_s階段｡這樣商業銀行就完成了一次信用風險預警的全部過程｡在T內,可能重復著一個或多個這樣的信用風險預警過程｡

三､信用風險預警的概念模型

商業銀行信用風險包括兩個確定的直接參與者,即商業銀行(L)和交易對手(B)｡若把自然的選擇(N)當成一個間接的參與人,則商業銀行信用風險預警中的參與人(P)可以表示如下:

P=(L,B,N) (1)

(一)信用風險預警各階段目標和子過程

從L的視角,分析在信用風險各個階段的需求和信息交互｡

(1)環境的監視和信用風險的發現階段(P_d)

該階段的任務是從N和B中發現可能導致信用風險變化的信息以及這些信息所影響的B｡為了實現這個目的,L要在整個信用風險的生命周期中持續從B和L獲取信息｡由于信息量非常巨大,而且所獲取的信息可能由于不具備有用性､時效性和真實性等等要求,需要對獲取的信息進行篩選｡并且,當單獨的信息并不能直接發現信用風險,需要通過信息組合起來才能發現信用風險｡如發現某個B｀的貸款在時間t｀內到期并不能發現其信用風險變更,發現它在其他商業銀行的貸款在時間t｀內到期也不能說明其信用風險變更,然而這兩條信息組合則意味著由于B｀要同時償還多筆貸款而可能產生現金的不足｡篩選､組合后的信息轉換成知識,和L的所有B進行匹配,得到其信用風險可能受影響的一部分交易對手B+(B+∈B)｡該階段中,信息主要從N和B向L流動,由于在B和L之間的博弈中,信息不對稱對B有利,因此N是主要的信息來源｡該階段向下一階段輸出B+和相關的知識｡

(2)信用風險度量階段(P_e)

該階段的任務是根據P_d輸出的B+和相關的知識,選擇滿足合理性和準確性的信用風險度量模型和方法度量其信用風險的大小｡該階段的核心任務是選擇并運行信用風險的度量模型｡該階段通過度量模型的選擇､輸入數據的獲取､模型運行和度量結果的輸出四個子過程來實現其核心任務｡該階段中,信息主要從N和B流動,和上一階段不同的是,由于直接獲取用于度量信用風險的財務和金融數據,該階段主要的信息來源是B｡該階段的輸出為B+的信用風險度量結果｡

(3)制定應對策略階段(P_s)

該階段的任務是根據P_e輸出的B+的信用風險度量結果,判定是否超過閾值,并選擇或制定L的應對策略并加以實施,以避免由于信用風險的變更而引起的損失｡該階段的核心任務是選擇并實施信用風險應對策略｡該階段的子過程有:判斷是否超過閾值､風險應對策略的選擇､策略的實施｡

(二)信用風險預警的概念模型

綜合前面提出的信用風險預警的邏輯過程分析､參與者分析和信用風險影響因素分析,三階段信用風險預警的概念模型如圖3所示｡

四､信用風險預警支持系統

(一)信用風險預警系統需求分析

對于信用風險預警而言,其目標是得出何時對B采用何種度量方法和模型進行信用風險度量,并且對度量結果需要采用何種措施來避免可能的損失｡根據前面對信用風險預警三個階段的分析,可以提出三個信用風險預警階段的功能需求｡

(1)環境的監視和信用風險的發現階段(P_d)

該階段的功能需求:信息獲取､知識組合和篩選､與交易對手匹配､輸出B?和相關知識｡該階段從各種國家的､行業的､商業､企業自身相關的信息系統和WEB網站中獲取信息,向下一階段P_e輸出可能發生信用風險的交易對手和相關聯知識｡

(2)信用風險度量階段(P_e)

該階段的功能需求:模型選擇､輸入數據的獲取､模型運行､輸出度量結果｡該階段接受P_d階段輸入的交易對手和相關聯知識,向P_e輸出交易對手的信用風險度量值｡

(3)制定應對策略階段(P_s)

該階段的功能需求:判斷是否超過閾值､應對策略選擇､策略的實施｡該階段接受P_e輸入的交易對手信用風險度量值,輸出應對策略｡

(二)信用風險預警系統框架模型

根據信用風險預警三階段的功能需求分析,信用風險預警支持系統的框架模型如圖4所示｡

五､案例分析

本文以商業銀行B在成功收回A公司巨額逾期貸款本息及全部追償費用一案為例,具體闡述商業銀行信用風險預警過程｡A公司是一家當地知名企業,因承建某國家重點建設項目,而先后獲得包括B以及另一銀行的億元貸款,資金來源充足,B經貸前考察向其發放了貸款｡

圖5模擬了商業銀行B通過信用風險預警的三個階段,及時發現A公司信用風險的變化､并加以度量和采取措施的過程｡在P_d階段,B行從直接信息來源獲取了要求B行貸款展期而賬戶內并未籌集足夠還貸資金的信息,并從銀行同業獲取了A公司在近三個月內在數家銀行多筆數量較大的貸款將先后到期的信息｡通過這些信息的組合,發現的知識指向了A公司在到期時可能現金不足;在P_e階段,B行通過專家主觀估計了該信用風險的大小,發現其信用風險有明顯變大的趨勢;在P_s階段,B行選取信貸政策與法律相結合的策略,一方面明確拒絕其展期要求,另一方面,結合法院以訴前保全方式查封其多家銀行賬戶｡最終A公司將其在B行的全部貸款本息及包括訴訟費､律師費等在內的全部追償費用一并償還｡

本文對信用風險和信用風險預警進行了研究,提出了信用風險預警的概念模型和支持系統的系統結構,其目標是從商業銀行的實務出發,建立商業銀行信用風險預警的支持系統｡要實現最終的目標,還需要做以下方面的研究:信用風險發現的機理;對不同交易對手和不同類型的信用風險,風險度量的方法､模型的自動選擇機理;信用風險應對策略的選擇機理｡

參考文獻:

[1]E I Altman. Financial Ratios, Discriminant Analysis and the Prediction of Corporate. Bankruptcy. Journal of Finance, 1968,(23): 189-209.

[2]KMV Corporation. Credit Monitor Review. SanFrancisco California: 1993.

[3]佘從國,席酋民.我國企業預警研究理論綜述[J].預測,2003,(22):23-29.

[4]Charles Fisk, Frank Rimlinger. Nonparametric Estimates of LDC Repayment Prospects. Journal of Finance, 1979, 34(2): 429-436.

[5]苗建敏.財務風險概念梳理及其識別､估測與控制[J].理財者,2004,(1).