（企业管理专业论文）基于BP神经网络的银行房地产信贷风险研究.pdf

i 摘摘 要要 1998 年以后，随着住房实物分配制度的取消和按揭政策的实施，中国房地产市 场进入快速发展时期。房地产行业是一个资本密集型产业，其发展离不开银行业的 支持，同时，房地产业也是银行业重要的服务领域。房地产的价格涨跌、行情冷暖 都会直接影响到银行业的资产价值和资产质量，这样银行房地产贷款极易隐藏着巨 大的潜在的风险。因此，我国银行房地产信贷风险管理如何进行和改进是一个值得 深入研究的重要课题。本研究利用风险评价及其相关的理论和技术方法，提出了基 于 bp 神经网络的银行房地产信贷风险评价、分类和预警方法。 首先，本研究在对我国银行房地产行业贷款形成的原因进行了深入分析，针对 我国商业银行贷款风险管理的特点和贷款风险分类管理的一般流程，提出了三个主 要部分具体实现的基本思路：房地产行业的信贷风险评价的指标体系的建立、指标 体系的筛选及对房地产行业信贷风险总体评价。 其次，本研究在阐述贷款风险分析指标选择的原则及需要注意问题的同时，针 对房地产行业的结构特点以及相应的国家政策，建立了符合房地产企业贷款风险分 析预选指标集，分别从财务和非财务两方面建立房地产企业贷款指标体系，并且对 其中的非财务指标进行了量化处理，得到了衡量房地产企业的综合指标体系。 再次，本研究主要采用主成份因素分析法对房地企业指标体系指标进行筛选， 从指标的解释度及相关性两方面考虑，用数理统计方法对指标的显著度和相关性作 假设检验，通过检验结果找出对判别不提供附加信息的变量，精简了指标体系。 最后，在对房地产行业信贷风险总体评价的分析中，本研究采用了基于三层单 节点输出 bp 神经网络的贷款风险分类方法， 并将评价结果与巴塞尔协议中贷款的分 类模式相匹配，对所作的结果做了检验，得到较为满意的结果，同时通过对 logistic 模型的对比检验，证明了 bp 神经网络在总体风险评价方面的优越性。 关键词：关键词：商业银行 房地产信贷风险管理 指标体系 指标筛选 bp 神经网络 ii abstract after 1998, with the housing distribution system canceling and mortgage policy implementation, individual consumption has become the main demand of real estate. chinas real estate market is in the rapid development period. real estate that is a capital-intensive industry need financial support, meanwhile the real estate is also an important service area. the primary solution for it is to improve the management of credits, to adjust the credit structure and develop the credit quality. thus, improving the credit risk management of chinese commercial banks deserves a deep research on it. this thesis explores the mode recognition and the relative theories and methods, propose a bp nerve net based model real estate banking credit risk estimate, recognition and early-warning. from the deep research on the formation of commercial banks credit and specified to chinese commercial credit management and risk classification rules, the thesis build up three parts of a real estate credit risk estimate index system, filter of this index system, and real estate credit risk general estimate model. the paper not only studies the rules of choosing risk analysis index and related issues but also set up pre-selected index group of credit risk analysis, the index include two parts, the one is about real estate enterprise financial index and non-financial index, the two index is the real estate general index system, and make the quantification to the non-financial index. through building the index system, we can find the indicator system is too huge and complicated, affected the whole estimate results accuracy and the overall operating speed. then, filter the general index, the main filter method is main-factor analysis. considering explain and pertinence, use mathematical statistics in the language of hypothesis testing, through test to identify discrimination not to provide additional information variables. staring from the study on the characteristics of neutral network and artificial nn, the research focuses on tri-hierarchy-single unit output bp neutral network fuzzy evaluation model on credit assurance risk and the tri-layer-unit output bp neutral network model of credit risk classification. key word：commercial bank real estate credit risk management index system filter index bp neutral network 独创性声明独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他 个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集 体， 均已在文中以明确方式标明。 本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。 本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密， 在 年解密后适用本授权书。 不保密。 （请在以上方框内打“” ） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 本论文属于 1 1 绪论绪论 1.1 本课题的来源本课题的来源 我国房地产业发展对整个经济发展所做出贡献相当大，房地产业的投资也一直 保持较快的增长速度，有效拉动居民住房消费，房地产业呈现旺盛的发展趋势。同 时房地产业的快速发展对商业银行的发展也起了相当重要的作用，房地产业已经成 为我国商业银行利润的重要来源，对促进国有商业银行的改革也具有很重要的意义。 因此，银行信贷资金既要支持房地产市场发展，为全面建设小康社会做出积极贡献， 又要切实加强银行房地产信贷风险管理，警惕房地产泡沫的出现，保障银行信贷资 金安全，维护金融体系稳定。 商业银行由于对房地产业贷放资金的标准不严格，促成房地产投资规模过大。 房地产开发商、建筑公司、建材商之间形成巨大的债务链条，债务风险向银行集中。 如果这些不良贷款并且也没有及时加以解决，将不利于我国经济的发展和社会的稳 定，不利于防范银行信贷风险和保持金融持续稳定。 中国人民银行货币政策委员会 2003 年第二季度例会提出要注意防范房地产贷 款风险。货币政策委员会强调，要注意防范货币信贷较快增长时在房地产和低水平 重复建设中潜在的金融风险，加强贷款风险预警和监测，进一步优化贷款结构，切 实防范出现新的贷款风险，加快国有商业银行改革。为进一步落实房地产信贷政策， 防范金融风险，促进房地产金融健康发展，2003 年 6 月 13 日中国人民银行发布的 关于进一步加强房地产信贷业务管理的通知有针对性地提出了七大要求，即加 强房地产开发贷款管理、引导规范贷款投向，贷款重点支持符合中低收入家庭购买 能力的住宅项目，对大户型、大面积、高档商品房、别墅等项目应适当限制等。为 进一步落实房地产信贷政策，防范金融风险，促进房地产金融健康发展，2006 年 5 月国务院总理温家宝主持召开了国务院常务会议，研究促进房地产业健康发展的具 体措施。 因此，最重要的就是要从银行角度防范房地产信贷风险。房地产信贷风险具有 累积性，一旦爆发，便会迅速扩展，出现大面积的金融风波，危及整个金融体系的 安全。为此，在银行内部形成有效的自我激励、自我发展、自我约束机制，是防范 2 银行信贷风险的基础和前提。各商业银行必须谨慎选择房地产企业，科学合理地分 析贷款项目的可行性、风险性，加强对房地产开发企业和房地产项目的贷前调查， 选择基本成熟的房地产开发项目予以信贷支持，优先选择开发资质高、信用等级较 高的房地产开发企业和地理位置较好、市场销售前景看好的房地产项目。为此，银 行在考察房地产公司贷款时，必须从宏观和微观两个方面来预防贷款风险，在指标 体系中也是通过财务指标和非财务指标来实现的，指标体系的设计是整个房地产银 行信贷预警的基础，并且要作到重点突出，这就需要用指标筛选法把重要指标筛选 出来，通过精简的指标体系来有效、方便的衡量房地产公司的清偿贷款能力，最后， 通过总体评价模型，把风险度量值与五类贷款相对应，同时也符合国家银行监督委 员会对银行贷款类别划分的要求，达到了控制房地产行业信贷风险的目的。由此， 建立一个完整的房地产信贷指标体系及建立相应的总体评价模型是非常必要的。 1.2 本课题研究的目的本课题研究的目的 通过对企业主要财务指标的分析和模拟，再通过适当的评价方法，可以测评各 个企业的信用风险。但房地产企业与一般的工商企业相比有相当大区别。由于土地 资源的稀缺性和不可替代性，该行业具有很强的区域市场特征。不同类型的房地产 之市场供求、经营管理区别也很大。同时，房地产业易受政府法规及政策管制，如 城市规划、土地出让、投资金融、财政税收等政策都会对房地产行业产生直接影响。 另外，房地产业还与区域经济发展水平以及经济景气周期有着明显关系，其资产质 量与财务状况以及现金流量波动很大。因此，需要结合房地产公司的特点，来建立 房地产公司的借贷信用评测指标。 信贷风险管理指标体系的建立与评价模型，是商业银行控制房地产不良贷款的 关键技术与重要方法，是金融工程的资产负债管理技术、数学优化理论与自动控制 处理方法的交叉与渗透。本文研究的目的在于探讨我国经济发展中亟待解决的风险 测评和控制方面的实际问题，结合房地产行业的特点与信贷风险管理的创新方法， 建立新模型，提供科学的决策，提高银行风险管理的有效性。 如前所述，商业银行贷款风险管理是商业银行的管理人员运用系统和规范的方 法对房地产信贷资产风险进行识别、预测和评价，防范和降低风险损失的发生，其 核心是贷款风险的准确分类。基于此，本课题是把房地产行业特征与银行信贷风险 3 相结合的实证性研究。从房地产企业的指标体系的建立，对此进行的指标的筛选及 对风险总的评价方法等三个方面入手研究，希望能够建立一个较为科学、系统，输 出精度较高的房地产行业的银行信贷风险评价体系。 1.3 本课题的研究框架本课题的研究框架 本文的主要内容和结构如下： 第一章绪论分为三节，主要论述房地产行业银行贷款风险评价的来源、目的和 论文研究的主要问题及构架等三个方面的问题。 第二章主要为相关文献回顾，共分为三节。主要研究了银行房地产信贷风险分 析研究的发展概况、房地产企业的财务和非财务指标的建立、指标体系筛选及总的 评价方法三个方面。通过总结国内外相关文献的研究成果，为本课题提供新的思路， 主要介绍了评价房地产企业指标体系建立的流程即总体风险评价方法。 第三章是房地产企业指标体系的构建，共两节。在指标体系的建立中，主要是 财务指标与非财务指标相结合。对财务指标的建立，主要用比较传统经典指标体系 来的衡量公司的负债能力、盈利能力、现金流量、发展能力。非财务指标的建立主 要是要针对房地产行业的特点，综合考虑国家的宏观因素、公司内部的管理因素及 地产公司的规模来把握房地产公司的信贷风险。 第四章是房地产企业指标体系的筛选，对应于前一章共两节。在指标体系的筛 选方面，从财务指标的筛选方法和非财务指标的筛选两个方面分别进行论述，主要 包括筛选的过程及筛选之后的指标解释。 第五章是基于 bp 神经网络的整体风险评估，共分为三节。首先用传统的逻辑评 价分析方法 logistic 模型对数据进行检验。 第二节对 bp 神经网络模型进行总体介绍。 最后把指标体系的具体数据输入 bp 神经网络模型进行学习和检验并评价出最后的 风险级别。并且把 bp 神经网络模型和与 logistic 模型进行对比分析。 第六章是总结关于房地产银行信贷的问题与对策，主要分为两节。从房地产业 在银行信贷中存在的问题及防范银行房地产信贷风险的对策两方面讨论。 第七章全文总结与展望。主要是在总结全文工作的基础上，对今后进一步研究 的主要问题进行归纳和展望。 4 2 相关文献回顾相关文献回顾 房地产是一个资本密集型产业，它的发展离不开金融的支持，同时房地产业也 是银行业重要的服务领域。国内外的学者都对银行房地产企业贷款风险的研究给予 了极大的关注，对房地产行业企业的指标体系的建立、指标的筛选、总体风险评价 等方面都有很丰富的研究成果。本章主要是针对国内外这三个方面的内容的研究成 果加以概述。 2.1 银行房地产信贷风险分析研究的发展概况银行房地产信贷风险分析研究的发展概况 随着我国住房货币化和城镇化进程的推进，房地产行业近几年来处在方兴未艾 的发展阶段。房地产热导致多家商业银行在房地产领域形成了大量的不良信贷资产 使得各家商业银行在住房地产信贷进程的初期采取了谨慎介入的保守策略，甚至将 房地产行业列为信贷高风险行业。鉴于此，有必要建立一套完整和系统的房地产信 贷预警指标和总体的评价方法。房地产业信贷预警指标体系是预警系统的基础，科 学和合理地设置参数体系能有效地实现房地产业信贷的预警系统。所以，对房地产 预警指标及指标体系的深入研究，无疑是房地产预警系统研究的一个最重要的内容。 2.1.1 国外银行房地产信贷风险研究的发展过程国外银行房地产信贷风险研究的发展过程 在对国外学者的研究中发现，最早的银行信贷风险分析起源于对企业的信用评 级及相关评价系统的开发与研究。belkaoui（1980）主张信用等级是由三大因素互动 决定的：公司（表现为规模因素和保障因素即现金流量） 、市场与契约（表现为贷款 方式)。 5c 要素分析法是金融机构对客户进行信用风险分析时所采用的专家分析法之 一，评估借款人的还款意愿和还款能力的指标，主要集中于借款人的品格、偿付能 力、资本、抵押品和周期的(或经济的)形势等五个方面，着重定性分析。在总体评价 的方法方面，国内外学者也做了大量的研究，以 altaman（1968）的 z-score 模型为 例，它的基本形式是通过五种特定的企业财务比率计算出 z 指数，并按 z 指数的大 小做为贷款决策标准。z 计分模型沿用至今，并且已经拓展应用于私人企业、非制造 企业以及新兴的市场公司。1987 年 srivivasa 和 kim 两个科学家提出了“决策树分析 法”，通过逐个结点的企业财务比率与特定的经验常数对比，来确定贷款与否。1995 5 年 van eyden 提出了基于信贷风险预测和评价基础上的统计决策模型。 jorion， philipe 在 2001 提出风险价值是在一定置信水平下银行资产蒙受损失的幅度，并且自 1998 年巴塞尔基于市场风险的资本需求允许银行应用风险价值来衡量信用风险，风险价 值已经广泛地被各国商业银行和监管当局所接受，并被广泛应用于银行风险控制。 日益成熟的神经网络技术，也给了研究银行信贷及信用评级领域的学者门新的思路， 1992 年，jensen 利用 bp 网络对贷款企业进行分类，分类的准确性达到 7680%。 coats 和 pant(1993)采用神经网络分析法对美国公司和银行的财务危机分别进行了预 测，取得了一定的成果。altman，marco 和 varetto（1994）应用神经网络技术对意 大利公司进行财务危机预测。hashemi，blanc（1998）构造了一个神经网络和简约 集成分的复合模型对银行控股模式进行了预测。2000 年，david west 建立了五种不 同的神经网络模型：多层感知器（multiplayer perceptron） 、专家杂合系统 （mixture-of-experts） 、 径向基函数(radial basis function)、 学习向量量化 （learning vector quantization）和模糊自适应共振（fuzzy adaptive resonance） ，用来研究商业银行信用 评价的准确性。reshmi malhotra，d.k. malhotra（2002）利用神经模糊系统对“信用 好”和“信用差”的贷款企业进行了辨识。 国外房地产预警研究的资料虽然很少，但可以看出，国外学者关于宏观经济的 预警监控理论、方法和使用的技术对房地产预警的研究是大有帮助的。 2.1.2 我国银行房地产信贷风险研究的发展过程及现状我国银行房地产信贷风险研究的发展过程及现状 我国对银行房地产信贷风险的研究主要是从指标体系的建立和总体风险评价两 个方面来着手研究的。在指标体系建立方面，叶艳兵、丁烈云（2001）以武汉市房 地产资料为例，以 22 个指标作为研究房地产业的基础指标体系，运用主成分分析法 分析得出了一套包含 7 个指标在内的房地产预警指标体系。 而周忠学、 李永江 （2003） 也采用了主成分分析法，以青岛市为例得出了一套包含 7 个指标在内的房地产预警 指标体系。李崇明（2006）提出了运用灰色关联分析和系统核及核度理论方法确定 房地产预警指标体系的办法。 在总体评价上，国内的学者的评价模型也是各有特点，主要是逻辑分析模型和 模糊分析模型两种。唐有瑜（2002）从沪深两地证券市场各挑选 5 家财务状况正常 与财务状况非正常的上市公司，验证了已有 logistic 模型的正确性。王剑伟（2007） 选择沪深股市场房地产行业 3 家上市公司为研究对象，利用这些上市公司的会信 6 息和公司治理信息构建了财务困境预测 z 分数模型。丁烈云、徐泽清（2000）以房 地产经济周期波动理论为指导，运用房地产预警理论和方法的最新成果，以武汉为 例，将计算机信息系统建模技术引入到城市房地产经济预警领域，将预警问题中的 定量化处理技术与定性分析有机地结合起来，提出了在房地产领域开发预警系统、 实现预警过程自动化的思路。1999 年，王春峰，万海晖和张维用神经网络技术进行 商业银行信用风险评估。将神经网络技术应用于商业银行信用风险评估中，结果表 明，神经网络技术具有广泛的应用前景。 这些风险评价模型中，基本上都用到了因素分析法或因子分析法来进行指标体 系的确定，而在总体评价模型上，各有千秋，根据具体的地区和行业的划分，选用 了不同的分析方法，常用的如 z 分数模型、logistic 模型来量化风险，神经网络及模 糊数学模型对企业进行企业评级，都取得了较为满意的结果。 2.2 房地产行业指标体系的建立及筛选房地产行业指标体系的建立及筛选 2.2.1 财务指标的建立财务指标的建立 财务风险预警主要是以财务会计信息及年报资料为基础，以计算、统计、分析、 监控等方法为手段，设置预警指标，观察这些指标的变化，对企业可能或者将要面 临的财务风险进行实时监控和预测警示。通过建立财务指标体系对企业的财务风险 的发生缘由、解决措施、处理结果评估，并且把事后控制变为事前、事中控制，可 以起到防患于未然的作用。 由此，财务风险预警指标的设计是整个财务风险预警的关键。可以通过设置并 观察一些敏感性财务指标的变化，对企业集团可能或将要面临的财务危机实现进行 预测预报。既然是基于预警功能而非业已陷入危机状况，因此相关的预警财务指标 必须具备：高度的敏感性、先兆性指标，而非已经陷入严重危机状态时的结果性指 标。在正常情形下，企业集团的财务风险程度首先取决于偿付能力，亦即整体的现 金流量状况。财务风险预警指标应以偿债能力为主，予以重点考察。 具体到房地产行业，企业的信贷财务指标所反映企业的财务困境由萌生到恶化 都要经历一个渐进积累转化过程。在这一过程中，各种危机的因素都将直接或间接 地在资金运动的晴雨表即一些敏感性变量指标的变化上反映出来。通过观测这些敏 感性指标的变化，可对企业的财务困境及偿债能力的变化发起到很好的预警作用。 7 2.2.2 房地产行业非财务指标体系房地产行业非财务指标体系 从 20 世纪 80 年代起，人们对传统的以财务指标为基础的评价体系提出了许多 质疑。大家普遍认为，传统的财务指标体系过于注重过去的事实和“回顾”，仅仅是 对短期行为的反馈， 缺少预测未来业绩的能力。而企业价值却要求反映现有经营行 为对未来价值的影响，即蕴含对未来价值的预期成分。越来越多的学者寻求在传统 业绩评价体系的基础上加入非财务指标，建立综合业绩评价体系。20 世纪 90 年代以 来，出现了一些各具特色的融入非财务指标的业绩评价系统，如霍尔的“四尺度”论、 卡普兰和诺顿的平衡计分卡、克罗斯和林奇的等级制度等。 越来越多的会计文献在讨论包含非财务指标和财务指标的综合业绩指标的使用 （ittner， larcker， 2001； amal， hassan， benson 2003； ittner， 1997； keating， 1997） ， 另有大量的会计文献对非财务指标的潜在优点进行了阐述 （kaplan and norton， 1992， mcnair etal，1990） 。研究者普遍认为非财务指标更放眼未来长远的发展，从而能产 生更好的业绩和信用。张川，潘飞，john robinson 以 76 家国有企业为样本，系统 分析了非财务指标“客户满意度”与企业财务业绩的相关关系，表明我国企业建立综 合业绩评价体系找到了实证依据非财务指标能预测企业财务业绩的增长，适合综合 业绩指标体系。并且得出结论，非财务指标能衡量企业偿债能力，从市场占有率高， 客户满意度高及信用额度优良的企业具有更好的偿债能力。 2.2.3 财务指标与非财务指标的筛选财务指标与非财务指标的筛选 在许多关于银行信贷风险评估计量模型的探讨中，就存在多种数据指标筛选模 型，如聚类分析和 fisher 判别分析对银行进行了信贷风险作计量评估，通过对指标 和数据的前期处理，可建立信用评级的判别函数。在此基础上，还可以采用应用程 序以便于金融机构建立内部信用风险评估体系，提高银行信贷资产质量。 从建立预选指标集可以看出，指标体系可以反应一个企业在经营过程中所面临 的风险状况，基本符合科学性、动态性、完备性和可行性原则。但是，由于指标过 于庞大和烦杂，其不足和弱点也是显而易见的，如果不进行科学的删减，将会影响 整个系统的运行成本和运行效率，甚至会影响到系统的输出精度。据此，本文主要 采用的是定量分析法主成份因素分析法。 主成份因素分析法，是一种多元统计分析方法，它把多种具有复杂关系的因素， 归结为几个保持原始因素信息的综合因素在同类事物间进行比较对照，考察各事物 8 取得经济效益的主次地位，为统计评比提供资料。 在处理样本数据时，指标选择得是否恰当是判别效果优劣的关键，如果将某个 重要的指标遗漏，效果一定不好。但如果不加选择地引入大量指标建立判别函数， 不仅计算工作量大，而且往往由于变量间的自相关性，使判别精度下降。遵循指标 的全面性、可比性和较强的分辨意义和显著的差异性原则，那么可以采用数理统计 的语言作假设检验，通过检验找出对判别不提供附加信息的变量。因此，本文将采 用统计软件 spss 实现主成份因素分析法，对样本数据进行筛选。 2.3 总体评价模型总体评价模型 企业的信贷评级与银行风险评级的对接是十分重要的，这样更能减少银行的不 良贷款和增强银行抗风险能力。银行贷款质量结构必须与国际上的贷款分类的要求 相适应。国际金融及监管组织如巴塞尔委员会等，对细化贷款分类类别的等级结构 有许多明确的限制条件。贷款分类级别的多少取决于银行管理决策层的需要，同样 级别的内部对应转换结构的设计同样也取决于银行管理决策层的需要，而且还要于 银行贷款质量结构相匹配。 在国内，贷款风险等级分类法产生和应用的时间并不长（十年多） ，由于该种分 类显示了比较明显的优点和魅力，更由于巴塞尔银行监督委员会 1997 年发布的有 限银行监管的核心原则提出：“银行监管者应确保银行建立评估银行资产质量和贷 款损失准备金充足性的政策、做法和程序”（第八条） ，“如果有的银行实施了贷款质 量分类制度，检查者一般要对贷款进行抽样检查，已确定进行信贷风险管理时应建 立并推行内部的风险评级系统。该评级系统应于银行的业务性质、规模及复杂程度 相一致”等要求，越来越多的国家已经和正在开始应用这种“国际语言”信贷风险等 级分类法。在中国，普篇采用的是五类分类法，即： 正常：借款人能够履行合同，没有足够理由怀疑贷款本息不能按时足额偿还。 关注：尽管借款人目前有能力偿还贷款本息，但存在一些可能对偿还产生不利 影响的因素。 次级：借款人的还款能力出现明显问题，完全依靠其正常营业收入无法足额偿 还贷款本息，即使执行担保，也可能造成一定损失。 可疑：借款人无法足额偿还贷款本息，即使执行担保，也肯定要造成较大损失。 9 损失：在采取所有可能的措施或一切必要的法律程序之后，本息仍然无法收回， 或只能收回技术极少部分。 在总体评价的方法方面， 国内外学者也做了大量的研究， 以 altaman （1968） 的 z-score 模型为例，它的基本形式是通过五种特定的企业财务比率计算出 z 指数，并 按 z 指数的大小做为贷款决策标准。唐有瑜（2002）从沪深两地证卷市场各挑选 5 家财务状况正常与财务状况非正常的上市公司，验证了已有 logistic 模型的正确性。 齐治平，余妙志（2002）选用沪深两个市场的 164 家上市公司，建立了含有二次项 和交叉项的 logistic 模型，得到了比较令人满意的分析结果。但是这些方法的共同局 限性一是着眼于企业财务比率分析，并未考虑项目因素。这对于好的项目会使业绩 一般的企业“起死回生”的一类决策问题，往往会得出拒绝贷款的错误结论。二是模 型的通用性差，更换环境和时间则需重新进行统计样本的参数估计。 针对与这些信用评级的分类方法， 对总体评分模型提出了更高的要求， 得出的评分 必须与银行的五类分类相匹配， 而神经网络在这些方面更能符合要求， 实现与银行信贷 风险的衔接。 神经网络是一门边缘性交叉学科。 神经网络理论是据量信息并行处理和大 规模平行计算的基础，神经网络既是高度非线性动力学系统，又是自适应组织系统，可 以用来描述认识、决策及控制的智能行为。 最早的神经网络的研究可以追溯到 20 世纪 40 年代。1943 年，心理学家麦克洛 奇（w.mcculloh）和数理逻辑学家皮兹（w.pitts）在分析、总结神经元基本特性的 基础上，首先提出了神经元的数学模型。1949 年心理学家赫步（hebb）提出神经系 统的学习规则，为神经网络的学习算法奠定了基础。1957 年，罗森勃拉特 （f.rosenblatt）提出“感知机”（perceptron）模型，第一次把神经网络研究从纯理论 的探讨付诸工程实践，掀起了人工神经网络研究的第一次高潮。1982 年，美国加州 工学院物理学家霍普菲尔德（hopfield）提出了离散的神经网络模型，标志着神经网 络的研究又进入了一个新高潮。与此同时，世界上许多国家再次掀起了神经网络的 研究热潮。 神经网络的基本特点在于： （1）分布贮存和容错性。 （2）可塑性与自适应和自 组织性。 （3）并行处理（parallei processing） 。 （4）层次性。 （5）信息处理与存储合 一。 （6）鲁棒性。就其基本特点看，神经网络属于案例学习的模型，它模拟人的神 经元结构，构造人工神经元，吸取了生物神经网络的部分优点。人工神经网络的信 息处理功能是由网络单元的输入输出特性（激活特性） 、网络的拓扑结构（神经元的 10 连接方式）所决定的。人工神经网络是把同一系列的输入例子和理想的输出作为训 练来解答问题的，训练一个人工神经网络是把同一系列的输入例子各理想的输出作 为训练的“样本”，根据一定的训练算法对网络进行足够的训练，使得人工神经网络 能够学会包含在“解”中的基本原理，当训练完成后，该模型便可用来求解相同的问 题。总体来讲，神经网络具有一些其他方法无法比拟的优点。 （1）经网络方法是一种稳健的、非参数的方法，具有很强的非线性映射能力， 其学习经验的能力强，分类和识别精度高； （2）神经网络采用分布式存储结构，容错能力强。人工神经网络在结构上由许多 很小的处理单元互相连接而成， 局部后部分的神经元损坏后不会影响全局的活动， 网络 中少量单元的局部缺损不会造成网络的瘫痪，影响全局，反映了神经网络的鲁棒性； （3）神经网络进行大规模并行处理，反映为同一层所有神经元同时进行计算， 且每一神经存储的信息也同时参与计算； （4）神经网络具有在新环境下的泛化能力，即在经过一定数量带噪声样本训练 之后，网络通过学习来抽取规则或记忆知识，抽取样本隐含的关系并记忆，并对新 情况下数据进行内插或外推； （5）神经网络能不断接受新样本，新经验并不断调整模型，自适应能力强，具 有动态特性。 2.4 本章小结本章小结 上述的研究成果，有很多针对银行房地产信贷风险研究有很好的模型及方法思 路可以直接借鉴。并且，对于一些好的方法但是并没有运用到房地产企业或者是银 行风险研究的，我们可以加以融合和改进，使现代的银行房地产信贷研究上一个新 的台阶。但是有的研究成果也存在一些不足，比如，对房地产行业的指标体系的建 立主要集中在财务指标上和对房地产项目评估的定性分析上，结合银行信贷体系并 且建立一套很完善的针对房地产行业的财务和非财务指标及担保情况的也很少。因 此，在借鉴已有的对不同行业的指标体系的建立及筛选，并建立适合房地产行业的 总体评价的方法。 11 3 房地产业信贷指标体系的建立房地产业信贷指标体系的建立 如前所述，将商业银行信用风险管理的重要组成部分贷款风险五级分类看作 是银行信贷风险识别已为国内外理论界广泛认同。但是要提高贷款风险分类这一风 险评价的输出的精度，降低判误比率，这就需要处理好系统输入模式样本的采集和 描述、特征向量和特征的选择等问题。 本章将重点对上述问题中的房地产企业风险评价识别系统特征和特征向量的选 择问题，即商业银行贷款风险评价系统指标体系构建中的指标选取原则和具体指标 的解释说明进行深入的研究，建立一套符合我国商业银行的实际能评价房地产企业 贷款风险的财务指标体系和相应的非财务指标体系。 3.1 财务指标的建立财务指标的建立 对贷款风险分析定量研究应以定性研究为前提和基础，在选择财务指标之前要 首先确定贷款风险的基本概念和风险分类的标准，选择那些与概念和标准相关的指 标，构成评价的预选指标集合。预选指标集合是以后定量分析的基础，它包括的面 比较宽，涉及的指标也比较多。定量筛减就是对预选指标进行数量特性分析，从而 在预选指标集中选择特性较好的指标，以构成评价指标体系。本文采用的财务指标 主要参考的内容有：国外研究采用的财务指标、国内学者研究房地产公司财务困境 问题采用的指标、穆迪公司、标准普尔公司、大公资信评估公司等在评价企业资信 中采用的财务指标。 对这些财务指标分析之后，本文的预选指标除了满足定性分析中提出的贷款风 险概念和分类标准外，还必须符合房地产企业资信质量的特性，并且从量的角度至 少要满足两个条件：一是指标具有可观测性，即预选指标必须是可测量的，通过一 定的统计和年报的分析可求得指标的数值；二是关联性，即指标数值的变动能标志 着房地产企业借款风险的发展变化，否则，不能作为预选指标。 由此可以得出：评 价房地产企业的指标体系包括偿债能力指标、资产负债管理能力指标、盈利能力指 标、成长能力指标、现金流量指标、企业规模指标等六个二级子指标体系共三十个 评价指标。见图 3-1。 12 图 3-1 财务风险评价指标 运营能力 应收帐款周转率 存货周转率 不良资产比率 营业周期 总资产周转率 固定资产周转率 长期负债权益比率 偿债能力 现金比率 营运资本 流动比率 流动负债经营活动净现金流比 资产负债率 股东权益比率 盈利能力 主营业务利润率 净资产收益率 每股收益 主营业务比率 总资产收益率 成长能力 总资产扩张率 固定资产投资扩张率 净利润增长率 主营业务收入增长率 现金流量 每股营业现金流量 经营活动现金净流量增长率 营业活动收益质量 经营现金资本性支出比率 主营业务现金比率 规模 利润总额 主营业务收入 总资产 财 务 风 险 评 价 指 标 13 （1）偿债能力指标。只要包括短期偿债能力指标和长期偿债能力指标，短期偿 债能力是企业偿付下一年到的流动负债的能力，是衡量企业财务状况是否健康的重 要标志。企业债权人、投资者、原材料供应单位等使用者通常都非常关注企业的短 期偿债能力。而长期偿债能力是公司按期支付债务利息和到期偿还本金的能力。长 期偿债能力主要从保持合理的负债权益结构角度出发，来分析企业偿付长期负债到 期本息的能力。偿债能力指标主要包括：流动比率、现金比率、营运资本、流动负 债经营活动净现金流比、资产负债比率、负债权益比率、股东权益比率。 流动比率为流动资产除以流动负债 ，此指标反映了企业每一元流动负债有多少 流动资产作为偿还的保证，和该企业可用在一年内变现的流动资产偿还到期流动负 债的能力。流动比率越大，企业短期偿债能力越强，企业因无法偿还到期的短期负 债而产生的财务风险越小。该指标值，对房地产企业来说一般以 2 为宜。 现金比率是货币资金与短期投资之和除以流动负债的结果，此指标是在速动比 率的基础上进一步修正而得。在速动资产的基础上扣除了应收账款和应收票据。这 是最保守的短期偿债能力指标。 营运资本反映的是公司流动资产与流动负债的差额。指标值小于 0，说明公司有 无法偿还到期的短期负债的危险。该指标为适度指标。 流动负债经营活动净现金流比为经营活动净现金流量除以流动负债，它衡量了 公司产生的经营活动净现金流量对流动负债的保障程度。该指标越大越好。 资产负债比率又称财务杠杆系数，该指标反映了企业总资产来源于债权人提供 的资金的比重，以及企业资产对债权人权益的保障程度。在生产经营状况良好的情 况下，还可以利用财务杠杆的正面作用，得到更多的经营利润。如果企业的经营状 况不佳，不但企业资金实力不能保证偿债的安全，财务杠杆还会发挥负面作用导致， 导致财务状况越加恶化。这一比率越小，表明企业的长期偿债能力越强。对房地产 企业而言该指标值以不高于 70%为宜。 负债权益比率为负债总额除以股东权益，它主要反映所有者权益对债权人权益 的保障程度。从另一个角度反映企业的长期偿债能力。此指标与与资产负债率、股 东权益比率两个指标可以相互印证。 股东权益比率反映了企业总资产中，权益资产占的比例。它一方面反映了企业 经营资产，偿债风险越小，但是另一方面也反映了企业没有充分利用负债资金，存 在利用财务杠杆的空间。 14 （2）资产负债管理能力指标。资产负债管理能力反映企业经营管理、利用资金 的能力。通常来说，企业生产经营资产的周转速度越快，资产的利用效率就越高。 资产负债管理能力指标主要包括：应收账款周转率、存货周转率、不良资产比率、 营业周期、总资产周转率、固定资产周转率、长期负债权益比率。 应收账款周转率为主营业务收入净额除以应收账款平均余额。 存货周转率为主营业务成本除以存货平均余额，它是衡量企业生产经营各个环 节中存货运转效率的一个综合性指标。一般情况下，存货周转率越高越好。存货周 转率高，说明存货的流动性较好，存货的管理也具有较高的效率，销售形势也好。 不良资产比率为三年以上应收账款、待摊费用、长期待摊费用、待处理流动资 产净损失、待处理固定资产损失和递延资产之和再除以年末资产总额，该指标反映 公司变现能力差、未来价值小的资产占总资产的比重。该指标通常越小越好。 营业周期是存货周转天数与应收账款周转天数之和，反映了企业正常经营周期 所经历的天数。从购进原材料开始，经历了生产过程中从原材料到半成品到产成品 中间的过程，之后产品售出，直到应收账款收回为止的周期。对房地产企业来说， 营业周期越短，企业的运作效率越高。 总资产周转率用来分析企业全部资产的运用效率，是主营业务收入净额除以平 均资产总额。资产管理的任何一个环节都会影响指标值的高低。对房地产企业来说， 这一指标也是越好越好。 固定资产周转率表明一定的销售收入平均需要占用的固定资产，为主营业务收 入净额除以平均固定资产净值。通常，这一比率越高，公司固定资产利用效率越高。 这一指标通常是越大越好。 长期负债权益比率为长期负债除以所有者权益，该指标表明了所有者权益对长 期债务债权人利益的保障程度。该指标值较大，说明该企业采用的是一种比较冒险 的财务策略，这一方面表明企业有较大的债务风险，一方面也表明企业能够充分的 利用财务杠杆扩大生产经营规模。指标值以适度为宜。 （3）盈利能力指标。盈利能力是企业获取利润的能力。利润是投资者取得投资 收益，债权人收取本息的资金来源，是衡量企业长足发展能力的重要指标。盈利能 力指标主要包括：主营业务利润率、净资产收益率、每股收益、主营业务比率。 主营业务利润率反映了主营业务的收入带来净利润的能力，为净利润除以主营 业务收入净额。该指标越高，说明企业每销售出一元的产品所能创造的净利润越高。 15 这个指标通常越高越好。 净资产收益率为利润总额除以平均股东权益，它表明了所有者每一元钱的投资 能够获得多少净收益，该指标通常也是越高越好。 每股收益为利润总额除以年末普通股股份总数，它反映了普通股每股所享有的 利润。每股收益越大，企业越有能力发放股利，从而投资者得到回报越高。通常这 个指标越大越好。 主营业务比率揭示在企业的利润构成中，经常性主营业务利润所占的比率。通 常来说，企业要获得长足的进步依赖于，主营业务的积累。该项比率越高，说明企 业的盈利越稳定。该项指标越高越好。 （4）成长能力指标。成长能力指标是对企业的各项财务指标与往年相比的纵向 分析。通过成长能力指标的分析，我们能够大致判断企业的变化趋势。从而对企业 未来的发展情况做出准确预测。成长能力指标主要包括：主营业务增长率、净利润 增长率、固定资产增长率、总资产扩张率。 主营业务增长率为连续两年的主营业务收入之差除以第一年年主营业务收入， 它能反映公司主营业收入规模的扩张情况。一个成长性的企业，这个指标的数值通 常较大。处于成熟期的企业，这个指标可能较低，但是凭借其已经占领的强大的市 场份额，也能够保持稳定而丰厚的利润。处于衰退阶段的企业，这个指标甚至可能 为负数。这种情况下通常是危险信号的红旗。该指标能反映公司未来的发展前景。 净利润增长率为连续两年净利润之差除以第一年净利润，它反映了企业获利能 力的增长情况，反映了企业长期的盈利能力趋势。该指标通常越大越好。 固定资产增长率为连续两年固定资产总额之差除以第一年固定资产总额，反映 了固定资产投资的扩张程度。如果该指标较大，说明企业正在进行较大规模的资产 扩张投资项目，表明企业长足的盈利能力能够有所增强。如果过大，也需要注意企 业是否盲目投资，导致投资失败。 总资产扩张率为连续两年资产总额之差除以第一年资产总额，反映了企业总资 产的扩张程度。通常来说，处于成长期的企业会运用各种渠道（权益性筹资，例如 新股发行，配股等；债务性筹资，发行债券，举借各种借款等）来扩张资本规模， 从而进行更多的投资项目获得回报。该指标较高反映了企业积极扩张，但是过高 就包含了一些风险。该指标需要综合分析。 （5）现金流量指标。