【《A商业银行信贷风险管理现状及问题研究》开题报告文献综述7400字】

IA商业银行信贷风险管理现状及问题研究开题报告文献综述1.1研究背景与意义1.1.1研究背景我国自改革开放以来，就加快了利率市场化的进程。自2013年7月，全面放开了贷款利率管制，自2015年10月对商业银行和农合机构不再设存款利率浮动上限。从积极的角度看，利率市场化是市场经济发展的必然要求，利率作为资金的价格理应放开，利率的放开有利于促进商业银行竞争、优胜劣汰，倒逼商业银行提升管理水平，‌‌整个‌‌金融系统的运转效率会有效提高，商业银行的利率管理能力、现代企业制度、运营能力亦会相应提升。但是另一方面，利率市场化会给金融系统带来更大的挑战，比如利率走势方向难以研判，信贷产品定价机制更加复杂，主要的银行系统风险防控和监测更加困难，资金市场的竞争会导致存贷利差收窄，商业银行盈利能力受到考验。2019年8月起，全国银行间同业拆借中心开始按月披露贷款市场报价利率（LPR），一年期LPR利率已经从最初的4.25%跌至3.85%,自2020年4月至今仍未调整，在利率市场化的背景下，我们可以预见低利率时代的到来，商业银行的净息差逐步收窄，商业银行过去单纯依靠传统的存贷利差、做大贷款规模来实现盈利的模式已经一去不复返。信贷业务‌‌作为商业银行传统的重点业务，‌‌也是当前‌‌银行利润构成的主要要素，在利率市场化背景下面临着更加激烈同业竞争，商业银行不得不主动谋求出路，一是降低贷款利率提升产品竞争力，另一种就是放低借款企业准入要求探索更多客户群体，相应的，这样做的代价就是面临着更高的信贷风险，进而影响当地的金融系统稳定。为了控制信贷领域风险，防范区域性、系统性金融性风险，商业银行在当前背景下必须建立起完备的信贷风险管理体系，此举既有利于提升商业银行自身的风险，也有利于社会上优质企业便捷获得信贷、降低融资成本，对整个金融市场的健康发展都有着重要意义。1.1.2研究目的‌‌本文的研究目的‌‌非常明确，在利率市场化背景下，相较于国有大型银行、股份制银行，A商业银行因其自身发展条线的限制面临着不利的局面，笔者通过研读学习国内外专家学者的先进风险管理理论，首先‌‌全面梳理‌‌A商业银行‌‌信贷管理的现状和问题。从A商业银行的内部管理、流程设置、人员配置等方面‌‌着手‌‌分析‌‌风险管理的‌‌现状，引入B公司的操作案例及调查问卷，‌‌从B公司的‌‌贷款贷前调查、‌‌贷中评级、‌‌贷中审查审批、‌‌贷后管理等方面‌‌分析‌‌A商业银行‌‌在‌‌信贷风险管理的‌‌具体操作实践。然后提出优化风险管理的建议。1.1.3研究意义（1）理论意义。本文在开展研究分析时，主要是基于国内外专家学者的研究成果，按照风险识别、风险计量、风险控制的风险管理流程顺序依次展开，从贷款管理操作的角度，融合了商业银行贷款实际操作中信贷风险管理流程运用，A商业银行目前使用的行业准入政策、信用风险评级模型、五级分类模型是当前商业银行主流使用的风险管理手段。本文通过流程式的分析，逐步引入模型、递进分析，将复杂的风险管理过程简单化，有利于从客观、真实的角度对当前信贷风险管理相关理论的实际运用情况进行评价，为商业银行信贷风险管理领域的研究提供了理论基础。（2）实践意义。本文是在实用性的基础上开展的研究分析。注重结合实际操作案例的问题让风险管理建议更易理解和采纳。尤其是对A商业银行这种地方金融机构，他们对‌‌新的风险管理方法模型‌‌的运用和体系构建方面，仍较为落后、矛盾突出，‌‌基于利率市场化的大背景下，A商业银行在市场竞争中处于劣势、金融创新不足，更多的改进手段只能是从现有的传统业务着手，优化信贷风险管理体系，提升风险控制能力，谋求新的突破，本文从商业银行的信贷风险管理的共性和个性问题，为优化A商业银行信贷风险管理体系提供参考。1.2国内外研究综述1.2.1国外研究综述国外的商业银行信贷风险管理相关理论已经发展到相对成熟的阶段，对国内专家学者的理论研究提供了一定的参考。（1）信贷风险预警方面Iturriaga等（2015）[1]建立某美国银行破产的神经网络模型。将多层感知器和自组织地图结合起来，模拟破产前三年发生困境的可能性。研究发现，破产银行更集中于房地产贷款，他们的情况部分是由于风险扩大，导致股本和利息收入减少。基于银行现状开发神经网络模型来检测破产情况，美国银行破产事件来评估银行的短期、中期和长期风险。Bussmann等（2018）[2]提出了P2P贷款平台信贷风险人工智能模型。该模型将相关网络应用于Shapley值，对15000家中小企业的信贷需求进行的实证分析，结果表明，有风险和无风险的借款人都可以根据一组相似的财务特征进行分组，这些特征可以用来解释他们的信贷得分，从而预测未来信贷风险可能性。Du等（2020）[3]建立网络信用风险预警模型，利用遗传算法对神经网络进行优化，提高预警精度。基于90家企业5年来的450个数据样本，初步确定了网络信用风险水平。为了避免BP神经网络陷入局部极值的缺陷，采用遗传算法对神经网络进行优化，准确率可达97%。拓展了BP神经网络在网络金融领域的应用，为网络信用风险预警与评估提供了新的发展方向。Gunay（2020）[4]通过TED和OIS利差以及CDX和iTraxx家族的各种信用违约掉期指数来研究信用风险和流动性风险的相互作用。采用Kapetanios单位根检验、EGARCH模型、Bootstrap-Toda-Yamamoto修正Wald检验和非对称因果关系分析。结果表明，流动性风险在信用风险中起着重要作用，在大多数情况下，TED和OIS利差是CDS指数的主导因素。（2）信贷风险计量方面Alexeev（2017）[5]使用蒙特卡罗对商业银行的财务指标数据开展模拟分析研究。结合实证研究分析得出，商业银行的信贷结构整体上是合理的，但商业银行信贷风险仍然处于高位，商业银行建立完备的信用风险度量模型，有利于科学的对信贷风险进行计量，相应提升信贷风险管理能力。Weber等（2015）[6]发现在商业信用风险评估过程中整合环境、社会和可持续性标准，将有利提高信用风险预测的预测有效性。当可持续标准提高时，相应信用评级会更加有效。实施一个整合可持续性风险的信用风险评估模型将对贷款人更有利。考虑到可持续性问题，银行一方面可以避免信贷违约，另一方面可以向可持续性领导者提供商业贷款。Smith等（2011）[7]提出了一种新的不依赖于二元变量的回溯检验方法。结果表明，新的回溯检验为分位数模型的有限样本性能提供了充分条件，而现有的模型未能提供，最终该回溯检验方法可以实现基于分位数回归来判断风险增加的时间。（3）信贷风险研究方面Johnston（2014）[8]对信用卡领域进行研究，提出了信用风险管理的定价决策模型。通过定价决策模型，结合贷款人的重新定价策略和贷款人与借款人之间的关系，探讨信用风险管理的含义和营销的作用，以及关系营销对国外市场（包括美国市场）贷款人的影响。Arora（2021）[9]对印度公共部门银行信贷分析师的认知进行统计分析，调查了各种信贷风险管理（CRM）实践的有效性。对这些银行的CRM系统进行系统和全面的审查，研究得出结论，最具功能性的CRM实践是了解其他银行的风险管理系统、实施了解客户（KYC）规范、多层次信贷审批流程。Jabbouri（2019）[10]采用面板数据估计法研究银行信贷风险的具体和宏观经济决定因素。使用2003年至2016年间10个中东和北非（MENA）新兴国家的98家银行主要指标分析发现，银行规模、资本充足率、银行运营效率、盈利能力、GDP增长、失业率、通货膨胀和公共债务是中东和北非新兴市场不良贷款的主要决定因素，助于银行经理能够设计信贷政策，尽量减少借款人的违约。（4）信贷风险管理方面Dilek等（2017）[11]探讨了决定风险管理实践选择的因素。选取银行竞争和贷款市场的行业集中度两个主要决定因素，使用249家德国储蓄银行的信用风险管理数据，对模型的预测进行了实证检验。结果表明，竞争促使银行实施先进的风险管理实践，贷款市场的部门集中促进了信贷组合建模，但抑制了信贷风险转移。Purnanandam（2006）[12]研究了宏观经济的冲击、商业银行主要特征对利率风险管理的影响，认为昂贵的外部融资成本和内部财务困境成本的套期保值理论有高度相似性，当银行金融危机的可能性增加时，他们更有可能综合运用表内外金融工作主动管理利率风险。与衍生品使用者相比，非衍生品使用者的银行在更严格的货币政策体系中采取保守的资产负债管理政策。随着货币供应量的减少，非用户银行对衍生品的放贷量大幅下降。Sawada（2009）[13]利用战前日本的数据，研究了在缺乏存款保险的金融危机期间，存款人行为引起的流动性冲击对银行资产组合管理的影响。研究发现银行对流动性冲击的反应是敏感的，通过在金融市场出售持有的债券、证券等同业业务来增加手上的流动现金，而不是通过回收存量贷款。受金融危机影响严重的银行机构，会积极的开展同业拆解、买入返售、证券交易等方式来回收流动性。Kamani（2018）[14]研究了商业银行的规模大小在银行系统性风险敞口受非传统银行业务影响中的决定性作用。文章通过广义矩量方法，以欧洲银行经营指标为样本，在剔除了不可观测的其他干扰项后，发现小型商业银行的风险会受非传统银行业务、贸易活动的影响，而大型商业银行则会受到佣金和手续费活动的影响，建议建立类似于格拉斯-斯蒂格尔法案的银行监管体系。Jacobson（2007）[15]研究分析商业银行信用风险的决定因素，在小额贷款总额不变的情况下，商业银行进行外部信贷的时候并非按照风险最小化开展，同时通过科学的风险评估方法，信用风险可以减少大约80%。1.2.2国内研究综述相比较于西方发达国家，我国的商业银行发展较晚，发展水平尚不够成熟，风险防范意识和风险评估方法还不够科学系统。除了基本的统计理论分析外，还介绍了多种系统分析方法。国内专家学者对商业银行风险管理、指标体系构建、衍生风险、对策和建议等方面都做了深入的研究。（1）商业银行信贷管理体系构建方面赵志宏（2005）[21]认为信贷风险管理体系应当由风险管理环境、管理目标与政策制定、风险检测与识别、风险评估、风险应对、内部控制、风险信息处理与报告、评价和持续改进等版块构建，这些版块是完善风险管理的内涵和基础，且为判断和衡量风控管理的有效性提供一个尺度。赵楷（2017）[22]通过使用层次分析法构建风险预警指标体系。选取2012年至2014年3年的时序数据运用模糊评价法对我国商业银行面临主要金融分析进行量化分析。研究得出，当前我国商业银行的金融风险基本平稳，部分指标表现恶化可能存在风险隐患。丁德臣（2016）[23]设计了综合风险预警性指标体系，通过专家评价法确立了预警指标体系每项指标的阈值，将十二家银行的指标数据代入模型体系进行分析实证，并提出对应的风险管理建议。何官强（2018）[24]将信贷业务和看涨期权进行类比，通过使用二叉树模型对信贷业务历史价格进行走势模拟。然后对应期权的Delta对冲风险规避方法对信贷风险进行对冲。（2）信贷风险影响分析方面祁树鹏等（2015）[25]研究发现不良贷款相关指标具有惯性，而银行体系受宏观经济指标影响并不大，国民生产总值与不良率的走势呈现负相关，居民价格指数与不良率的走势呈现正相关转负相关，宽松的货币政策会提升商业银行的不良贷款率水平。黄大禹等（2016）[26]运用了风险价值（VaR）和预期损失（ES）两种风险度量工具分析商业银行的风险传染情况。研究发现当前我国商业银行的尾部风险会加大银行的风险情况，且银行间存在较强的风险传染可能性，当风险传染能力足够大时，就会造成系统性风险。姜翔程、孔唯、乔莹莹（2017）[27]从行业配给的层面对信贷风险进行分析研究，结果表明我国商业银行的信贷供给当前与供给侧结构性改革的行业主导方向一致，提出商业银行应从金融供给的角度出发，以供给侧改革的指向为参照，调整信贷资源倾向，促进实体企业发展。（3）信贷风险衍生风险研究方面杨有振、王书华（2015）[28]基于流动性风险建立了商业银行资本结构演变的指标体系，国内十一家商业银行的经营指标作为样本数据，分析得出流动性风险约束对资本机构演变的影响能力，商业银行为提高流动性风险管理能力，应当注重资本结构的调整，短期应关注流动性风险约束，长期应关注其时滞效应。肖雯雯（2010）[29]以压力测试为手段开展研究流动性风险，将压力测试与银行的流动性风险管理的流程进行结合分析，基于历史经营数据设立压力测试模型，在压力情景下分析B银行在承压下的风险管理能力。（4）信贷风险管理操作研究方面郑倩璐（2004）[30]以CreditRisk+模型对商业银行信贷风险管理进行分析，通过与其他类似模型进行对比，得出CreditRisk+模型在商业银行信贷风险管理中具有一定的优势。通过CreditRisk+模型对损失组合的分析推导，并以商业银行信贷数据进行反推及验证，得出商业银行的信贷风险具有一定可循性，并具正态分布。刘金婵（2019）[31]通过梳理国有商业银行不良贷款现状,剖析其深层次原因,着重从银行间竞争、信贷从业人员素质、信贷风险管理制度、不良贷款治理手段、金融信息系统五个方面提供化解对策。1.2.3国内外研究现状评论从当前的国内外风险管理理论发展轨迹来看，国内信贷风险管理理论在借鉴国外相关理论体系的基础上，现已慢慢形成和构架出国内特有的、适应中国金融市场环境的处理体系。但总体而言，我国中小商业银行信贷风险管理体系理论尚有不足及待完善之处，和外国商业银行相差甚远，大多数理论还不够成熟，且停留的阶段较为初步，仅仅止步于定性分析阶段，对风险的度量和控制缺乏精准的把控。宏观来看，在利率市场化背景下，我国当前金融市场尚处于高速发展阶段，大量商业银行尤其是地方性商业银行在适用传统信贷风险管理理论时往往会出现诸多难以适应的情况。这就需要从利率市场化的大环境背景下，从商业银行的自身风险管理现状出发，对其信贷风险管理体系进行拓展性研究。1.3研究思路、方法及内容1.3.1研究内容本文通过文献分析，案例研究‌‌和问卷调查‌‌三种研究方法‌‌对A商业银行‌‌信贷风险管理的现状‌‌及‌‌问题进行分析，共分为四个部分:第‌‌一部分包含‌‌第1章、‌‌第2章，‌‌第1章为引言部分，包含研究背景、‌‌研究目的意义‌‌和国内外文献综述、‌‌研究内容及方法等部分，‌‌阐述了笔者选题的背景‌‌及意义。‌‌研究方法阐述了本文文献分析，案例分析、问卷调查‌‌和实地调研四种方法的使用过程。‌‌第2章为理论基础部分，‌‌主要是对‌‌目前商业银行信贷风险管理的理论基础进行阐述，‌‌包含了利率市场化、信贷风险管理流程、‌‌信贷风险管理理论等。第二部分为第3章、第4章，分析了A商业银行基本情况及信贷风险特征，第3章梳理该行现行的信贷风险管理体系，将信贷风险类型分成市场风险、信用风险、操作风险三类，从风险识别、风险计量、风险控制三个流程入手展开风险管理全面分析。第4章采用案例法及调查问卷法的方式，以B公司贷款业务管理流程为例，分析了A商业银行的具体信贷风险管理过程，以问卷调查的形式，从贷前调查、贷中审查审批、贷后管理三个流程出发，对A商业银行信贷风险管理现状及问题进行问卷调查，最后，基于A商业银行风险管理现状、案例分析及问卷调查分析，从A商业银行本身和信贷发放执行过程的宏观和微观两个层面提出问题，商业银行自身层面，存在信贷结构导向不合理、员工的综合素质能力问题、考核体系重体量轻质量等问题，在信贷发放具体执行过程中，暴露出贷款流程管理不严谨、风险计量不合理、组织架构不合理的问题。‌‌第三部分为‌‌第5章、第6章，‌‌第5章‌‌主要是针对前文发现的问题逐一提出优化建议，宏观层面，针对信贷结构导向不合理问题提出优化信贷结构建议；针对员工综合素质能力问题提出优化信贷人员队伍建议；针对考核体系重体量轻质量等问题提出完善绩效考核体系建议；微观层面，针对贷款流程管理不严谨问题提出优化风险管控环节建议；针对风险计量不合理问题提出完善风险计量模型建议；针对组织架构不合理问题提出优化组织架构建议。第6章总结本文研究结论、指出文章存在不足，并提出展望。基于以上研究内容，绘制技术路线图如下：图1.1本文研究技术路线图1.3.2研究方法本文主要是通过文献分析法、案例研究法、问卷调查法开展研究。‌‌文献分析法。‌‌通过梳理国内外‌‌专家相关文献，使得本文的理论基础更丰富、研究方法更科学、选取的角度更合理。在撰写文章的过程中，通过研读利率市场化及其作用、信贷风险释义、信贷风险管理方法等理论，吸取其精华部门，在提出优化建议时予以运用，保证了文章的前沿性。案例分析法。‌‌通过对A商业银行在‌‌实际发放信贷业务中的‌‌实际性的案例‌‌进行再分析‌‌找到‌‌信贷风险管理，实际操作中存在的各种风险点及问题，‌‌贷款发放过程是一个多方参与的复杂流程，‌‌涉及到‌‌商业银行‌‌多个部门‌‌和多名人员，‌‌将B公司贷款案例‌‌分析透彻，‌‌有利于分析出A商业银行信贷风险管理的问题，‌‌并针对性提出风险管理优化建议。问卷调查法。为了对案例分析法得出结论进行补充完善，本文采用问卷调查法，通过对信贷管理流程中一线信贷人员、贷款审查审批人员、贷后管理人员等相关人员发放调查问卷，从贷前调查、贷中审查审批、贷后管理三个流程出发，对A商业银行信贷风险管理现状及问题进行调查，使得结论得出更有针对性和说服力。1.4论文创新点本文的创新点主要体现在流程、内容、方法三个方面。流程上，是基于风险识别、风险计量、风险控制的风险管理流程顺序依次展开，并且引入了行业准入政策、信用风险评级模型、五级分类模型等当前商业银行主流使用的风险管理手段，呈现了当下地方性商业银行典型的信贷风险管理全流程。内容上，基于笔者的从业经历，获取到A商业银行信贷管理相关内部数据，以数据为基础进行了风险现状的分析更加具体化。方法上，本文运用了案例分析和问卷调查双结合辅佐验证，既分析了贷款案例的操作过程，又开展了问卷调查，综合两个方法互相验证得出A商业银行风险管理存在的问题，使得结论的引出更加自然和有说服力。参考文献[1]FélixJ.LópezIturriaga,IvánPastorSanz.Bankruptcyvisualizationandpredictionusingneuralnetworks:AstudyofU.S.commercialbanks[J].ExpertSystemsWithApplications,2015,42(6):2857-2869.[2]NiklasBussmann,PaoloGiudici,JochenPapenbrock.ExplainableMachineLearninginCreditRiskManagement[J].ComputationalEconomics,2020(57):203-216.[3]DuGuansan,LiuZixian,LuHaifeng.ApplicationofinnovativeriskearlywarningmodeunderbigdatatechnologyinInternetcreditfinancialriskassessment[J].JournalofComputationalandAppliedMathematics,2020,386(2):215-226.[4]SametGunay.Seekingcausalitybetweenliquidityriskandcreditrisk:TED-OISspreadsandCDSindexes[J].ResearchinInternationalBusinessandFinance,2020,52(3):15-20.[5]VitaliAlexeev,MardiDungey,WenyingYao.Time-varyingcontinuousandjumpbetad:Theroleoffirmcharacterristicsandperiodsofstress[J].JournalofEmpiricalFinance,2017,40(1):1-19.[6]OlafWeber,AsadulHoque,MohammadAyubIslam.IncorporatingenvironmentalcriteriaintocreditriskmanagementinBangladeshibanks[J].JournalofSustainableFinance&Investment,2015,5(1-2):1-15.[7]WagnerPiazzaGaglianone,LuizRenatoLima,OliverLinton,DanielR.Smith.EvaluatingValue-at-RiskModelsviaQuantileRegression[J].JournalofBusiness&EconomicStatistics,2011,29(1):150-160.[8]LuciaAlessi,CarstenDetken.Identifyingexcessivecreditgrowthandleverage[J].JournalofFinancialStability,2018,35(6):215-225.[9]RenuArora.Drivingexcellenceincreditriskmanagementpracticesincommerciallending-anempiricalanalysisofIndianpublicsectorbanks[J].InternationalJournalofBusinessContinuityandRiskManagement,2021,11(1):54-63.[10]ImadJabbouri,MaryemNaili.DeterminantsofNonperformingLoansinEmergingMarkets:EvidencefromtheMENARegion[J].ReviewofPacificBasinFinancialMarketsandPolicies,2019,22(04):137-141.[11]Bülbül,Dilek,HakenesH,LambertC.Whatinfluencesbanks'choiceofcreditriskmanagementpractices?Theoryandevidence[J].JournalofFinancialStability,2019,40(3):139-153.[12]AmiyatoshPurnanandam.Interestratederivativesatcommercialbanks:Anempiricalinvestigation[J].JournalofMonetaryEconomics,2006,54(6):173-179.[13]MichiruSawada.Liquidityriskandbankportfoliomanagementinafinancialsystemwithoutdepositinsurance:EmpiricalevidencefromprewarJapan[J].InternationalReviewofEconomicsandFinance,2009,19(3):17-21.[14]EricFinaKamani.Theeffectofnon-traditionalbankingactivitiesonsystemicrisk:Doesbanksizematter?[J].FinanceResearchLetters,2019,30(6):1223-1244.[15]TorHacobson,KasperRoszbach.Dataenvelopmentanalysisappliedtofinancialstatements[J].Availableonline12June,2007(04):42-45.[16]PurnimaRao,SatishKumar,VidhuGaur,etal.Whatconstitutesfinancin