水利行业信贷风险论文

面对新的形势，商业银行要准确把握新的经济环境对信贷经营提出的新要求，积极应对新的经济形势给信贷风险管理带来的新挑战，坚持改革发展、加快转型步伐，更好地适应和服务经济新常态。下面是小编为大家整理的《水利行业信贷风险论文(精选3篇)》，欢迎阅读，希望大家能够喜欢。

水利行业信贷风险论文 篇1：

供给侧背景下信贷配置变化及对银行信贷风险的影响

摘 要：本文运用了2010 —2016年间来自三大传统行业和三大新兴行业的全部上市公司以及11家上市银行对其行业的贷款数据，对供给侧改革背景下，银行信贷配置的行业间转移所对银行业信贷风险产生的影响进行研究。通过KMV模型，实证研究发现供给侧改革前后，信贷资源配置从传统行业向新兴行业的转移过程中银行面临的信贷风险总体而言加大了。因此必须促进银行贷款的平稳性阶段性的转移，降低银行业信贷风险。

关键词：传统行业 新兴行业 信贷风险

1 供给侧改革的提出

2015年开始中国经济进入了一个新的阶段，反映了经济状况的各项指标：GDP、CPI、PPI、PMI出现联动性的背离；2012年第三季度开始GDP同比增长率跌破10%，一路下行直至到达2015年第四季度的6.9%；而且2011年开始直至2015年，制造业PMI，CPI，PPI三项指数都呈现出巨大的波动中下浮倾向，这都意味着中国的经济发展出现了问题。

供给侧改革的提出为了解决经济中所面临的结构性问题和供需失衡性问题，在这之中银行业起到了至关重要的作用，信贷政策直接关乎了产业结构优化和各种结构的调整问题。

2 供给侧改革前后银行信贷配置的变化

2015年之前，银行业的信贷配置呈现以下特征：其一，贷款规模不断上升，总体增速趋于平稳。其二，贷款期限侧重于中长期，结构趋于稳定。其三，贷款三大产业间配比差距明显。2015年之后实施的供给侧改革要求银行业在配置资源的过程中要优化信贷投资方向，提高信贷配置效率。在信贷政策的转变过程中主要包括了地区间优化、企业间优化以及行业间优化。在这之中最为显眼的转变体现在行业间信贷资源的转变，信贷支持由传统行业转向绿色环保和高科技等新兴产业。

本文的关注重点就在于行业间贷款资源配置的问题，由于缺少整个银行业对于各个具体行业的贷款发放的数据，因此基于数据可得性原则本文综合比较考虑银行贷款的具体行业发放情况，选取11家上市银行：工商银行、建设银行、农业银行、交通银行、中信银行、招商银行、兴业银行、浦发银行、平安银行、华夏银行、光大银行作为观察对象，并且也在后续中考虑这11家上市银行作为银行业的代表所面临的风险问题。

基于这些银行对于行业间的贷款发放的行业划分以及贷款投放对象所属的行业划分有些许不同，本文统一按照中国证监会对于行业的CSRC分类来对行业进行分类。综合各项数据，将银行业贷款投向总体上分为传统行业和新兴行业两大行业：其中将采矿业，建筑业和制造业纳入传统行业的框架下考虑；而将水利、环境和公共设施管理业，信息传输、软件和信息技术服务业，租赁和商务服务业纳入新兴行业的框架中去。

通过数据的归纳以及处理，发现在供给侧的背景要求下，银行贷款配置出现了以下两方面趋势：（1）传统行业贷款规模下降，增速明显下滑。2010—2015年对于传统行业贷款发放维持缓慢正增长，2016年贷款大幅减弱，首次降低了对传统行业的信贷配置。（2）新兴行业贷款规模激增，增速明显上浮。2010 —2016年，以租赁和商务服务业、水利环境业以及信息技术业为代表的新兴行业的贷款发放规模逐年提升。随着改革的深入，银行业在配置金融贷款资源的时候，会不断加大对新兴行业贷款的发放。

3 信贷配置对于银行业信贷风险影响的理论分析

本文是基于银行对于行业间贷款配置的变化来探讨商业银行的信贷风险问题，因此选择的是从贷款对象——不同行业的上市公司出发，以期得出对于供给侧改革具有建设性意义的结论。对于商业银行信贷配置影响其自身信贷风险的影响机制可以大致分为以下三个方面。

第一，银行信贷配置的转变影响不同行业的企业对于贷款的可得性与可得规模；从银行将贷款资源从制造业等传统行业向新兴行业的转移过程中，可以明显发现经营传统行业的企业：如采矿、建筑等三高产业获得贷款规模会变少；相应的，作为国家不断鼓励和支持大力发展的高新技术和环保产业的企业会更容易获得更多的贷款用以支持产业发展。

第二，企业贷款可得性和贷款规模决定企业的运营决策以及偿债决策；传统行业的企业获取的银行贷款规模越来越少，这就對行业的可持续经营产生冲击。一方面，企业欠缺足够的流动性资金来满足生产需要，必须通过削减产量和更加高效的利用资金资源来维持行业的平稳运行，以及向下一个阶段过渡。对于企业的运营而言是非常艰难的；另一方面，由于没有足够的生产销售，阶段性库存的累计就将使得企业作出不能如期偿债的偿债决策。在削减银行信贷资源之后，行业的经营决策和偿债决策也会相对应的受到影响。对于新兴行业来说，企业获得合理的信贷资源，会增大投资支出以及产品的开发创新，且由于全社会对于新兴行业的照顾扶持力度会使得产品的销售变得十分通畅，资金的回笼周期也会压缩，因而对于这些新兴行业的企业而言会采取扩大再生产以及销售更加高质量的产品的经营决策；另外按时偿贷会有利于维持银企关系，所以企业会在经营好的基础上按时偿还银行贷款。也就是说供给侧改革下信贷配置的转变会对新兴行业带来不同的经营与偿债决策。

第三，企业经营绩效和偿债能力决定了企业的信用风险，因而对行业违约概率造成冲击，并最终影响商业银行的不良贷款率和信贷风险。伴随着供给侧改革的不断推进，传统行业的业务规模，金融资源以及整体行业发展都受到了严重的限制，在信贷资源不足以及行业景气度大幅滑坡的情况下，对企业的正常经营以及正常还贷来说都是巨大的挑战。因此在经营的当期没有稳定现金流会导致企业无法按期归还银行贷款，这对于商业银行来说就是行业的不良贷款率和信贷风险的双向飞升。但是改革给予了新兴行业政策的福利优惠，资金的有利支持以及社会对于产业的高度认可，这在非常大程度上使得新兴行业的企业在产品生产销售赚取利润的全过程变得异常顺利。尤其从企业对于贷款的获取上出发，资金源源不断的补给促进了产品质量的稳步提升，企业的可持续的经营决策为企业在当期以及以后多期都会带来利润，这就是企业进行偿债决策所付出的本金和利息；为了维持稳定的银企关系和后续贷款的持续发放，企业会严格遵守还贷期限。出于新兴行业的企业在经营以及偿债能力两方面考虑，商业银行会面临非常小的信贷风险。最终商业银行面临的信贷风险来自于两方面的权衡，也就是说从新兴行业缓解的信贷风险弥补与传统行业的信贷风险暴露两个角度来看，都会给银行业的信贷带来巨大的冲击。

4 供给侧改革下信贷配置转变对银行业信贷风险影响实证分析

基于本文是从银行贷款的发放对象—— 上市公司的角度去观察行业的违约风险，进而反映银行业的信贷风险。所以在客观比较各种模型以及考虑中国实际情况的基础上，本文选择KMV模型作为本文的计量模型，并且用KMV模型的违约距离来度量风险，违约距离越大，则信贷风险越小；违约距离越小，信贷风险越大。具体实证可分为以下步骤。

第一步，基于KMV模型，运用MATLAB的遗传算法计算出2010—2016年样本中六个行业的每一家上市公司的资产价值和资产价值的波动率。

第二步，在已知资产价值和资产价值的波动率的基础上，计算每个行业内每一家上市公司的违约距离DD。同时以行业内每一家上市公司的股权价值相对于行业总股权价值的占比为权重，来计算每个行业的平均违约距离DD，以此来反映六个行业所面临的信贷风险。

从图1可以发现，作为传统行业中具有代表性的三个子行业而言，供给侧改革造成采矿业和制造业的违约风险越来越大，而建筑业的违约风险得到了有效的控制。另外，供给侧改革之后的2015—2016年，新兴行业的三个子行业的违约风险出现了一致性的下降倾向。说明改革对于新兴行业的各个子行业而言带来的良性效应已经有所体现。

第三步，结合2010—2016年银行业对于不同子行业信贷发放规模的数据基础上，简单计算得出银行业对于传统行业中各个子行业的贷款发放比值以及银行业对于新兴行业中各个子行业的贷款发放比值。依据本文中所计算出的传统行业和新兴行业每个子行业在2010—2016年间的平均违约距离，整体上得出在银行业发放贷款的背景之下，银行业所承担的传统行业和新兴行业的违约距离的变动状况以及2015年之前与2015年后银行业承担的信贷风险的变化趋势，如表1所示。

银行业在大幅降低对于传统行业的贷款配置的情形下，面临的信贷风险非常大。在供给侧改革的要求下，优化信贷等金融资源，银行业对传统行业信贷开始呈现负增长，也就是说大大削弱对于传统几大行业信贷配置的规模，来应对供给侧改革以期形成产业的升级优化调整。但是明显发现银行业由此产生了很大的信贷风险，违约距离的快速下降逼至0.45证明了信贷违约的概率非常之大，这必须引起银行业对于传统行业贷款的重视与管制。同时银行业在2015—2016年间大幅加大了对于新兴子行业的信贷配置规模，且信贷增速也远远超过2015年，在这种巨大的信贷投入的情况下对于商业银行而言形成了良性的机制，它在新兴行业上所面临的信贷风险大幅减弱，表现与传统行业完全不一致。也就是对于新兴行业信贷配置增速的明显上浮，降低银行业在此方面的信贷风险。

第四步，依据传统行业与新兴行业总体贷款发放的各自比重以及传统行业和新兴行业的银行违约距离数据，通过加权得出2010—2016年银行业整体承担的信贷风险，清楚地判别信贷配置对于银行业整体造成的信贷风险的变化情况。通过计算可知2015—2016年，作为供给侧改革实施的关键性年份，银行业整体信贷风险是在上升的。这很大程度上是由于大幅降低对于传统行业的信贷配置由此产生非常巨大的信贷风险，即使大力增大对于新兴行業信贷投入缓和了信贷风险，还是会由于传统行业相对于新兴行业比重很大的原因带来整体信贷风险的增大。

5 结论及建议

对于2015年11月提出的供给侧改革，短短一年之内，银行业从信贷资源上绝对支持了此项改革。对于传统行业贷款的迅速下跌，对于新兴行业信贷资源配置的极速上升给银行造成的结果呈现分化的态势。巨大的贷款从传统行业的撤离，威胁到了传统行业中企业的持续经营，进而不良贷款的巨大增涨给银行业带来了巨大的信贷危机；而对于新兴行业的贷款源源不断的发放最终十分有利于新兴行业的健康发展，且违约概率的下跌有效缓和了商业银行的信贷风险。但是由于传统行业信贷转移速度过快以及传统行业巨大的行业发展规模致使商业银行在供给侧改革后仍然面临较大的信贷风险，不过相对于前期有所缓和。

结合本文的理论和实证研究结果，降低银行业的信贷风险对于维持银行业稳定运营具有重大的意义，而且在银行大力支持供给侧改革的状况下，信贷配置的具体调整所给银行业和国家带来的启示也至关重要：（1）阶段性的改变传统行业以及新兴行业的信贷配置；（2）坚持传统行业的主体地位，充分发展新兴行业；（3）深入供给侧改革，促进产业结构的优化调整。

参考文献

[1] 曾诗鸿，许程.新兴产业非ST上市公司风险管理新思路——基于KMV模型的信用风险分析[J].科学管理研究，2014，32（1）.

[2] 曹国华，刘睿凡.供给侧改革背景下我国商业银行信贷风险的防控[J].财经科学，2016（4）.

[3] 姜翔程，孔唯，乔莹莹.供给侧改革背景下商业银行信贷风险管理的行业思维[J].管理现代化，2017，37（6）.

作者：李晗

水利行业信贷风险论文 篇2：

新常态下商业银行应加强信贷风险管理

面对新的形势，商业银行要准确把握新的经济环境对信贷经营提出的新要求，积极应对新的经济形势给信贷风险管理带来的新挑战，坚持改革发展、加快转型步伐，更好地适应和服务经济新常态。

随着我国经济进入换挡期，开始步入以转变发展方式、调整结构和提质增效为重点的“新常态”，经济金融领域出现了许多新情况、新问题，商业银行的信贷风险管理面临诸多新形势、新挑战。

就宏观经济整体形势来看，我国经济运行总体平稳，但面临不少困难和挑战。长期看，处于增长速度换挡期，经过多年的高速发展，内外部环境的变化，导致我国经济增速出现阶段性回落。中期看，我国处于结构调整阵痛期，经济增速回落的主要因素除了传统周期性理论下的总需求不足外，更重要的是结构性趋势的改变，化解产能过剩矛盾成为产业结构调整的重要课题。短期看，处于前期刺激政策消化期，此前为应对国际金融危机而推出的强刺激政策，在发挥了积极作用的同时，负面效应需要逐步消化。

经济周期性波动与结构性转变，给商业银行的信贷风险管理带来新的挑战，正如中国银监会主席尚福林所指出的：“要充分估计银行业面临的潜在风险和挑战，特别是当前经济下行、结构调整以及利率市场化等都将对银行业带来严峻挑战。经济增速放缓将使信用风险加重，部分过剩行业盘整将使风险暴露增多，非法集资、民间高利贷、不规范的互联网金融业务、不审慎的代理业务活跃，并有向银行业传染风险的趋势。”

面对新形势，商业银行要准确把握新经济环境对信贷经营提出的新要求，积极应对新经济形势给信贷风险管理带来的新挑战，坚持改革发展、加快转型步伐，更好地适应和服务经济新常态。

坚持改革发展 努力克服困难、应对挑战

一是坚持在发展中解决问题。就银行信贷经营的外部环境来说，仍然面临难得的机遇：从长期看，我国经济发展的基本面没有发生变化，总体上处于稳中向好的态势；从中期看，经济结构正在发生积极的变化，最终消费对GDP增长的贡献率不断上升，第三产业增速持续快于第二产业；从短期看，经济运行总体平稳，2012年二季度以来，GDP同比增速已连续十个季度在7.5%左右平稳运行。商业银行要主动适应经济发展趋势，抓住市场机会、坚持发展，在发展中克服困难，解决问题。

二是更加强调积极稳妥可持续的发展。在新的形势下，要摒弃单纯做大资产规模的粗放式增长模式，主动平衡长、短期风险与收益，合理设定信贷规模、结构、质量和绩效指标。通过贯彻积极稳妥的可持续发展策略，主动适应经济新常态，努力实现速度、质量和效益的有机统一。

三是要通过深化改革增强发展的内生动力。新常态之下，中央坚定不移地全面深化改革，积极实施创新驱动发展战略，让活力竞相迸发，让动力充分涌流，更好地推动经济社会持续健康发展。对银行业而言，告别高增长时代后，内涵式增长的“新常态”已来临。商业银行必须加大改革创新力度，增强发展的内生动力和活力，努力向管理变革要红利、向服务创新要红利。

坚持服务实体经济 调整优化信贷资源配置

信贷资源的结构配置应以国家产业政策为导向。新常态之下，需更加注重经济社会的可持续发展，更加需要用金融的活水来浇灌实体经济之树。当前，在信贷资源配置上，应注意以下几方面：

一是着力支持结构调整和转型升级。服务实体经济是银行业的本质要求。随着中国经济进入新常态，经济结构也在持续优化升级，逐步进入新的优化再平衡阶段。在此过程中，金融服务实体经济应有效聚焦到支持和促进经济结构调整和转型升级上来，对符合国家产业政策、行业标准、属于技术改造升级、产品结构调整、优化产业空间布局项目的合理信贷需求，在商业上可持续、风险可控和手续齐备的前提下，进一步加大信贷支持力度。

二是要重点扶持关键领域和薄弱环节。在经济新常态下，宏观调控的方式方法更加注重区间调控、定向调控、精准调控，避免采取大规模刺激，不搞“大水漫灌”，而是针对实体经济中的关键领域和薄弱环节进行定向扶持。商业银行的信贷经营要适应调控政策的转变：深化机制建设、创新金融产品、加大倾斜力度，积极服务小微企业；围绕“三农”发展，支持城乡一体化、新型城镇化和农田水利建设，支持新型农业生产经营主体发展，支持农业规模化生产和集约化经营试点；积极支持铁路、水利、能源、保障性安居工程、城市基础设施建设等国家重点建设项目。

三是要积极拓展绿色信贷和普惠金融。在新常态下，经济发展更加强调遵循经济规律的健康发展，更加强调遵循自然规律的可持续发展，更加强调遵循社会规律的包容性发展。适应新的发展理念，商业银行在信贷经营中，要将绿色信贷理念、标准、方法贯穿到信贷全流程，大力支持绿色经济、循环经济、低碳经济发展；要将服务人民生活作为信贷业务的基本目标，积极满足居民家庭首套自住购房、大宗耐用消费品、新型消费品以及教育、旅游等服务消费领域的合理信贷需求，支持人民生活改善和消费升级。

有效处置经济增速放缓及结构转型带来的存量风险

伴随着经济的周期性波动，信贷风险存在一个从积累到释放的过程。在经济增速放缓、结构转型加快的背景下，经济高速增长过程中逐步积累的风险，需要有效的化解和处置，既不能放任自流、也不能一退了之。

一是要通过行业、客户、区域、产品等维度的结构优化，降低经济增速放缓和结构转型带来的组合风险。要加强对集中度风险的识别、评估和化解。经济上行期容易形成特定行业、区域、客户的信贷风险集中，在经济增速放缓的过程中要特别关注此类集中度风险的化解，防止风险的集中爆发。当前，特别要遵循“四个一批”的原则，按照 “分类管理、区别对待、逐步化解”的要求，加快产能过剩行业中无效率、无市场、长期亏损企业的压缩退出。

二是要围绕到期管理、收息管理、逾期欠息客户管理、不良贷款清收管理等关键环节，加大对各类风险客户的清收化解力度。在此过程中，明确目标，落实责任，建立问题贷款清单，一户一策，责任到人，抓大带小；及时高效，尽快止损，切断与其他业务的危机蔓延路径；要灵活务实，本着实事求是的原则，既要运用诉讼、保全、打包、拍卖、转让、清收、以资抵债等手段大力清收，又要充分利用重组、置换、租赁、并购等方式尽快盘活资产，与企业共度时艰。

三是通过有效处置不良资产，释放沉淀呆滞的资金占用，加快信贷资金周转。要完善不良贷款处置流程，拓宽不良贷款处置渠道，提升不良贷款处置效率。通过有效处置不良资产，一方面回收现金，变不生息资产为现金资产，同时释放资金占用，加快资金周转；另一方面通过处置不良资产，在锁定损失的基础上，节省出精力和资源，轻装上阵，更好地服务于经济结构调整和转型升级。

强化基础管理 提高全面授信风险管理的有效性

宏观经济下行对于商业银行而言是现实版的“压力测试”，经过形形色色的“危机”洗礼，银行能够更加全面、客观和清晰地了解自身经营管理中存在的薄弱环节。

在新的经济形势下，商业银行要从根本上摒弃粗放经营的观念认识，推行科学管理和精益管理，要特别注意解决经济长期繁荣环境下的“管理疲劳”，防范操作和管理上的麻木、迟钝，并根据暴露出的问题不断重检业务标准和业务流程，发现问题及时纠正。要重检信贷制度和审批标准，评估关键风险点的控制机制是否有效，以底线思维把好审批关；高度重视客户信息、贸易背景、风险缓释等的真实性核查，严格落实各环节、岗位的核查责任；要加强贷中及贷后管理，进一步加大不良贷款责任追究的力度；要深入开展案件风险排查工作，保持案件风险防控的高压态势。

坚持底线思维 提高转型中的风险抵御能力

一是要积极运用巴塞尔新资本协议高级方法，开发计量跨周期的风险计量模型，确保准确衡量信贷风险水平；二是要保持风险分类的审慎性和一致性，准确反映信贷资产风险状况，并坚持审慎稳健客观的拨备政策，贯彻落实谨慎性原则、客观性原则、及时性原则和重要性原则，对可能发生的各项资产损失进行准确计量并充分计提拨备；三是要强化资本充足率的监测分析，保持各级资本充足性。要树立和强化资本节约、资本有偿使用、风险调整后回报最大化的核心理念，通过资本配置、风险定价和绩效考核等工具，强化资本管理目标的执行和传导；建立以风险偏好为约束、以风险绩效为基础、以战略目标为导向，定量与定性相结合的资本规划机制，制定具有约束性和实际可操作的资本补充规划；突出内源式资本补充对持续发展的基础支撑作用，同时建立多渠道的外部资本补充机制，持续优化资本工具结构。（责任编辑：李立群）本文原载于《中国银行业》杂志2014年第11期。

作者：赵欢

水利行业信贷风险论文 篇3：

基于双目标规划的中小微企业信贷策略研究

摘 要：本文主要针对银行对中小微企业的放贷过程进行了相关研究，利用Logistics回归模型和贝叶斯神经网络拟合模型，做了最优的信贷策略即获得最大的收益和最低的风险。首先对123家企业的信贷风险进行数据预处理，进一步地对变量进行Spearman相关性分析和筛选，分析企业信贷风险水平，其次考虑到数据和方法存在缺陷的影响，本文建立Logistics回归模型和贝叶斯神经网络拟合模型对筛选出来的五个变量进行验证。在无信贷记录的302家企业的放贷过程中，拟合出三个信誉评级中贷款年利率对客户流失率的影响。最后收益最大和违约率最小建立双目标规划模型，用MATLAB进行运算得出结果。根据结果我们建议信用评级为A的企业贷款利率可以调节在（0.04-0.10）内，而信用评级为B或C的企业贷款利率可以调节在（0.10-0.15）内。对此可以保证银行的利润最大化，风险最小化。信用评级为D的企业不予以贷款，其违约率极高。

关键词：Logistics回归;贝叶斯神经网络;双目标规划模型

一、引言

近年来，我国科技和经济快速发展，特别是互联网和银行的融合，使得金融领域也开始利用信息技术来发展，以此获得更高收益。在大数据背景下，中小微企业的贷款开始得到技术上的支持，逐渐成为我国经济发展中的中坚力量。在实际中，由于中小微企业规模相对较小，也缺少抵押资产，因此银行通常是依据信贷政策、企业的交易票据信息和上下游企业的影响力，向实力强、供求关系稳定的企业提供贷款，并可以对信誉高、信贷风险小的企业给予利率优惠。银行首先根据中小微企业的实力、信誉对其信贷风险做出评估，然后依据信贷风险等因素来确定是否放贷及贷款额度、利率和期限等信贷策略。某银行对确定要放贷企业的贷款额度为10万元-100万元;年利率为4%-15%;贷款期限为1年。通过建立数学模型研究对中小微企业的信贷策略。

二、问题分析

本文主要是对中小微企业放贷过程中进行分析，同时建立相关的模型及策略以获得最优的放贷收益。根据题目要求对数据集做量化分析，对数据进行预处理，将销项发票去除，利用数据透视表得出十四个指标。在固定的年信贷总额条件下，选择最优的信贷策略。在信贷总额确定为一亿元时对无信贷记录的企业的条件下，对风险进行量化，对客户流失率关于贷款利率进行拟合，以最大化收益和最小化风险进行双目标模型的规划，利用模拟退火算法求全局最优解。讨论得出银行对企业的信贷策略。

三、对中小微企业信贷建模与策略优化分析

通过对信誉评级和信用违约进行筛选，通过分类，发现其有直接关系，如信誉评级为D的企业一定违约。关系如下图所示。

因为在企业实际经营过程中，进货和卖货行为是一个企业完成的，所以我们将销项发票：企业销售产品时为购货方开具的发票去掉。首先14个变量较多，且变量之间存在直接的相关性，所以我们采用斯皮尔曼（Spearman’s correlation coefficient）相关系数对其进行筛选。此方法根据原始数据的排序位置进行求解，这种表征形式适用范围更广。具体表达形式如下：

Logistic回归为概率型非线性回归模型，是研究二分类观察结果与一些影响因素之间关系的一种多变量分析方法。考虑具有个n个独立变量的向量，设条件概率为根据观测量相对于某事件发生的概率。那么Logistic回归模型可以表示为：

这里的称为Logistic函数。

其中。

对于上述问题，通过求解：

其中有x1，x2，x3，x4，x5五个变量。同时把因变量ABCD转化成了1、0.75、0.5、0。目的是为了方便神经网络进行训练。BP网络一般由一个输入层、N个中间层（隐含层）和一个输出层构成，每一层均由若干个相互独立的神经元组成，以此形成一个由N维输入到M维输出的高度非线性映射的系統模型。在传统的BP神经网络中一般是通过网络当前输出和期望输出的差值，如下表达式：

神经网络对ABCD的预测比较好，不同的等级均存在不同的范围中，ABCD的四个不同范围进行划分，可以得到下图。

四、银行信贷的双目标规划模型及求解

根据数据进行拟合，选择2次拟合函数，拟合效果较好。可以看出：模型的可决系数R2和R2均大于0.8，说明模型的拟合优度非常好;在95%的置信区间下，取出p1、p2、p3的取值范围的均值作为其相应的估计值，使得3个拟合模型的残差平方和以及均方根误差都小于0.05。首先考虑信贷风险p，其取值已经根据模型算法求出了。考虑到银行的收益最大化，应该使如下式子达到最大：

其中：

1-p：为达到不会违规的概率，p则是违规概率

x1则为对每一个企业的投资金额

x2则为对每一个企业投资的利率

则为我们上述求出的客户流失率关于贷款年利率的拟合函数。

1-表示挽留的客户比例，失去的那一部分表示不赚钱。

将x1提出表达式外后，可以把上述式子分为两个部分来做：

因为表示x2的一个函数，其取值与x1无关，在保证x1一定的情况下，只要使这个表达式最大，就能下列条件满足最大值：

求i=0，在解空间中随机生成一个初始解ω0，作为搜索起始点S（S=ω0），计算搜索点S对应的目标函数值f（S）=f（ω0）;i++，在S附近随机生成一个新解ωi，计算ωi对应的目标函数值f（ωi）;若f（ωi）≥f（S），则搜索点S移动到解ωi的位置，然后重复;若f（ωi）≤f（S），与爬山算法不同，搜索点此时并没有完全拒绝解 ωi，而有一定的概率p接收新解。我们用程序生成一个（0，1）之间的随机数r，如果r<p，说明这个概率为p的把握成立，则搜索点S移动到ωi的位置，反之S不移动，然后重复。可以理解为产生随机数，然后在初始解的基础上加上一个随机扰动，最后根据定义域来进行修正。

求解出x2后，上述表达式变为：

其中c已经在上一步求解。

且满足条件：

故第二步：求解线性规划模型

进而求解出投资份额比例x1。

1.求解银行利润最大值

2.利用模拟退化算法求解

3.建立线性规划模型

其中c为已知，即。根据上述结论，可以看出大部分信贷集中在13万-26万之间，只有少部分集中在52万-100万，说明银行贷款主要以量取胜。我们构造了一个以13000为区间间距的投资额分布图，对于第一问我们建模分析的结果为在（0，13万）（13万，26万）（26万，39万）（39万，52万）（52万，65万）（65万，78万）（78万，91万）（91万，104万）的投资额区间内对应的投资份额百分比16.56%、32.12%、17.55%、14.90%、3.31%、7.28%、4.97%、7.28%。

对于投资的百分比基础上，根据信用评级来调节利率，由我们得出的数据，建议信用评级为A的企业贷款利率可以调节在（0.04-0.10）内，而信用评级为B或C的企业贷款利率可以调节在（0.10-0.15）内.对此可以保证银行的利润最大化，风险最小化。信用评级为D的企业不予以贷款，其违约率极高。利用AHP对不同行业的企业遭遇疫情时的影响打分首先对企业进行划分，分为10种行业，分别为医药卫生、建筑建材、冶金矿产、石油化工、水利水电、信息产业、交通运输、办公文教、电子电工、个体工商判断标准的选取为准则层，有4个准则，分别为，综合成本压力根据调查，企业在停工过程中，租金工资、税费等综合成本压力情况会对企业造成影响。供应链压力企业面临难以找到替代供应商的风险，说明大部分企业供应链缺乏韧性;可能因原材料库存比较少而无法保证生产的稳定，办公模型许多线下办公的企业将会面临较大挑战。裁员压力大多数企业离职率较低;但面临裁员压力比较大的企业占比很大，因此新冠对裁员压力的影响也较大。建立判断矩阵：进行层次分析就要在建立问题层次模型的基础上，对层次结构中各指标的相对重要性做出判断，我们通过专家打分法构造其判别矩阵，可以看出，一共需要构造5个判别矩阵。层次单排序是根据判断矩阵计算出对于上一层指标而言求层次与之有联系的指标的重要性权值。计算判断矩阵的特征值和特征向量，即对判断矩阵计算满足下列关系的特征值和特征向量

其中为判断矩阵D的最大特征根，V为对应于的特征向量。

层次分析模型涉及的目标决策者与决策模型和方法之间的交互作用变得越来越重要，有利于解决企业评估、决策优化、人才选拔一系列问题。对于建立的AHP层次分析法模型，虽然是根据他人分析得出的一个大致的权重比例关系，但仍然带有一定的主观性，对于其最终权重的确立会造成影响。由于主观性带来的影响，我们认为可在此处引入AHP—模糊综合评价法。首先利用AHP层次分析法对各元素进行权重的分析与确立，进行層次单排序和一致性检验，最后通过模糊综合评价方法建立相应的一级、二级模糊评价矩阵对各元素进行评估，得出修正后的评估结果，通过以上改进方法结果将具有更好的可靠性与准确性，有利于进一步提高模型的精确度和可信度。

五、结论

本文巧妙地运用了贝叶斯神经网络拟合模型，双目标规划模型，AHP层次分析法等，充分考虑了多个因素，使得模型具有更好的合理性和现实意义。建立的模型参考引用了实际数据，与现实生活息息相关，使模型更贴近于实际，可行性强，利用 EXCEL、MATLAB等软件对数据进行处理做出了各种表格，图形。使模型建立过程、模型结论简洁、直观，运用了多种数学、统计软件，取长补短，所得结论更加准确;具体问题具体分析，为每一个问题都制定了合理的解决方案。

在进行层次分析的时候，模型设计的主观性较强，虽然参照了大量现实数据但依旧存在一部分的不合理性，可能导致结论产生一定误差，金融市场瞬息万变，企业的生存充满了不确定性，但为了方便模型的建立，本文适当对部分数据进行假设和处理，可能会导致真实情况和求得结论之间存在一些偏差。

参考文献：

[1]刘俊磊，刘思捷，钱峰，刘结，彭孝强，刘明亮.基于贝叶斯神经网络的风电机组参数辨识[J].科技创新与应用，2020（12）：21-23.

[2]李笑锋.C银行对中小企业经营性贷款的风险管理[D].云南财经大学，2020.

[3]宋栋，张雷，苏马婧.基于AHP-模糊综合评价法的泄露数据价值评估模型[J].信息技术与网络安全，2020，39（09）：44-48.

作者：冯怡茗 肖烈 郑鼎昊