农村信用社风险评估方法选择

□文/冯永刚

（安徽财经大学09金融研究生 安徽·蚌埠）

一、商业银行风险评估方法比较

经过多年的发展，风险评估方法由早期传统的ZET评估方法发展到现代的VAR评估方法，中间还有BP神经网络法、因子分析法、层次分析法等，可谓是不胜枚举。这些评估方法各有各的优点和缺点，下面就以神经网络法、层次分析法和VAR法为例进行比较。

（一）BP神经网络法

1、BP神经网络概述。BP神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层、隐层和输出层。

2、BP神经网络的特点

（1）BP神经网络的优点。一是分布式储存信息。其信息的存储分布在不同的位置，神经网络是用大量神经元之间的连接及对连接权值的分布来表示特定的信息，从而使网络在局部网络受损或输入信号因各种原因发生部分畸变时，仍然能够保证网络的正确输出，提高网络的容错性和鲁棒性；二是并行协同处理信息。神经网络中的每个神经元都可根据接收到的信息进行独立的运算和处理，同一层中的各个神经元的输出结果可被同时计算出来，然后传输给下一层做进一步处理，这体现了神经网络并行运算的特点，这一特点使神经网络具有很强的实时性。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为是极其丰富多彩的；三是信息处理与存储合二为一。神经网络的每个神经元都兼有信息处理和存储功能，神经元之间连接强度的变化，既反映了对信息的记忆，同时又与神经元对激励的响应一起反映了对信息的处理；四是对信息的处理具有自组织、自学习的特点，便于联想、综合和推广。神经网络的神经元之间的连接强度用权值的大小来表示，这种权值可以通过对训练样本的学习而不断变化，而且随着训练样本量的增加和反复学习，这些神经元之间的连接强度会不断增加，从而提高神经元对这些样本特征的反映灵敏度。

（2）BP神经网络的局限性。一是由于学习速率是固定的，因此网络的收敛速度慢，需要较长的训练时间。对于一些复杂问题，BP算法需要的训练时间可能非常长，这主要是由于学习速率太小造成的，可采用变化的学习速率或自适应的学习速率加以改进；二是BP算法可以使权值收敛到某个值，但并不保证其为误差平面的全局最小值，这是因为采用梯度下降法可能产生一个局部最小值。对于这个问题，可以采用附加动量法来解决；三是网络隐含层的层数和单元数的选择尚无理论上的指导，一般是根据经验或者通过反复实验确定。因此，网络往往存在很大的冗余性，在一定程度上也增加了网络学习的负担。

（二）层次分析法

1、层次分析法概述。层次分析法是20世纪七十年代美国运筹学家萨蒂提出的一种相结合的决策分析法。AHP主要是通过建立层次分析结构、逻辑判断、分解综合化将模糊不确定的因素转化为明确可衡量的评估因素，使得评估的思维更加条理化，以解决复杂的决策问题。层次分析法优势较为明显，它理论简单且操作容易，具有将不确定因素比较量化以纳入决策过程的特性，同时能够吸收并反映专家及决策者的意见。层次分析法把复杂的问题分解成各组成因素，将这些因素按支配关系进行分组，形成有序的阶梯层次结构，以此建立层次结构模型；通过两两比较的方式确定层次中各因素的相对重要性，综合专家的判断以决定各因素相对重要性的总顺序，来构造判断矩阵；根据判断矩阵计算指标的权重；最后，对其进行一致性检验。

2、层次分析法的特点

（1）层次分析法的优点。一是系统性的分析方法。层次分析法把研究对象作为一个系统，按照分解、比断、综合的思维方式进行层次分析法决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的因素对结果的影响程度都是量化的，非常清晰和明确；二是简单实用的决策方法。这种方法既不单纯地追求高深的数学，又不片面地注重行为、逻辑、推理，而是把定性方法和定量方法有机地结合起来，使复杂的系统分解，将人们的思维过程数学化、系统化，便于人们接受；而且计算简便，所得的结果简单明确，易为决策者了解和掌握。

（2）层次分析法的缺点。一是定量数据较少，定性成分较多，不易令人信服。层次分析法是一有模拟人大脑的决策方法，带有较多的定性色彩。往往人们更愿意信服于定量成分；二是指标过多时，数据统计量大，且权重难以确定。一般情况下，我们对层次分析法的两两比较是用1～9来说明其相对重要性的。如果有越来越多的指标，我们对每两个指标之间的重要程度的判断就可能会出现困难，甚至会对层次排序和总排序的一致性产生影响，使一致性检验不能通过，指标权重自然就不能确定。

（三）VAR法

1、VAR的含义。VAR即在险价值，表示在一定的置信度1－α下，可能损失的最大价值。在数学上可表示为:

VAR分析方法实际上是要回答银行的投资组合在下一阶段可能会损失多少资金，或者更精确地说，在风险概率给定的情况下，投资组合的价值最多可能损失多少。假如某银行一天的概率为95%的VAR值为2万元，那就意味着，这个银行在一天内发生的损失大于两万元的可能性最多不超出5%。

2、VAR的特点

（1）VAR的优点。一是VAR模型测量风险结果简洁明了，直观而清晰地反映了风险的量化概念，容易为管理者所理解和掌握；二是VAR值明确地反映了市场风险，如果定期地测定各个金融机构的VAR值并且公布，便可以令普通投资者了解金融机构的经营状况，增强市场的透明度，并且督促银行管理者加强与客户的沟通，增进双方的信任和投资者的信心；三是VAR对风险的测量是建立在数理统计与概率论的理论基础上的，计算简便，有很强的可操作性，同时又不缺乏理论上的科学性，适于银行进行内部监管和风险控制。

（2）VAR的缺点。一是VAR模型在使用时隐含了一定的前提假设，其中一个重要假设就是认为金融资产组合的未来走势与过去是高度相似的，可以根据过去的历史数据来推测未来的市场风险。然而事实上，市场风险却往往是由一些突发的重大事件造成的，这种突发的市场波动却往往与过去的市场走势没有太多的联系，这样来看，VAR模型估计出来的市场风险并不能涵盖所有的市场风险；二是VAR法是建立在大量的历史数据的基础之上的，而我国金融市场发展的历史短，面临样本数据有限的问题，利率、汇率没有完全市场化，同宏观政策还存在着一定的联系，市场风险还可能来自人为因素，因此在我国使用VAR法存在着特殊的难度。这一点也需要我们从加速金融体系改革，增强市场的透明度来入手加以解决。

二、农村信用社风险评估方法适用性分析

农村信用社资产业务主要是贷款，贷款对象主要是农户和中小企业。农户的分散性、农户贷款的小额性、中小企业的信息不透明性等使得金融机构难以采用复杂的信用风险评价方法和模型。特别是那些建立在现代金融理论和成熟的金融市场信息支持基础之上的所谓新方法，目前不可能在农村信用社运用。其原因:一是我国金融市场相对不完善，缺乏相应金融资信评级机构，缺乏中小企业信息数据库；二是我国农村信用社的规模相对狭小，技术设备、人员素质均相对较低，对定量方法的理解和运用能力都相对不足。因而，目前农村信用社的信用风险评价主要还应加强对传统方法的有效运用。一是加强和完善专家主观方法（如5C）的应用，并加强对贷款的监督检查；二是加强对信用贷款的分类分级管理；三是建立中小企业的信用评分系统，通过搜集和建立相应的数据档案，运用Logit模型、区别分析模型，有效评价信用风险，为信用社贷款决策和贷款定价服务；四是针对农村金融的特点，适当进行信贷配给。

由于我国金融市场相对不完善，相应数据档案资料不健全，特别是农村信用社经营规模较小、经营水平不高，其贷款客户为分散的农户和中小企业，因而信用社的信用风险评价还很难运用较复杂的模型，特别是所谓新型的、适用大型或特大型金融机构针对大型企业和特大型企业的信用风险评价方法。

三、结论

经过对BP神经网络法、层次分析法和VAR法的比较，以及农村信用社在贷款对象、企业信息数据的收集和人员素质这些方面不同于商业银行。所以，对数据要求高的以及复杂的模型不适用于农村信用社风险评估，即层次分析法要比BP神经网络法和VAR法更适用于农村信用社的风险评估。

[1]马超群，李红权.VAR方法及其在金融风险管理中的应用[J].系统工程，2000.3.

[2]戴国强.VAR方法对我国金融风险管理的借鉴及作用[J].金融研究，2000.7.

[3]张强，王鑫泽.农村信用社组织的信息特征及其风险防范.金融理论与实践，2001.1.

[4]邹新月.VAR方法在银行贷款风险评估中的应用统计研究[J].2005.6.

[5]郭学能.基于BP神经网络的商业银行经营风险预警研究[D].武汉理工大学，2007.

[6]赵伟，王家传.农村信用社金融风险预警系统设计.金融理论与实践，2007.6.

[7]刘平.谈层次分析法在决策中的应用[J].时代经贸，2008.3.

[8]胡绪华，吉敏.基于BP神经网络的银行信贷风险评价[J].统计与决策，2009.11.