基于AHP—OVP模型的银行信贷客户选择评价研究

摘要：文章针对国内外关于银行信贷客户选择评价方法研究存在的不足，将层次分析法（AHP）与密切值法（OVP）有机结合，构建了AHP-OVP评估模型，引入到银行信贷客户的选择中，并对模型进行了检验，结果表明该方法能有效的对银行信贷客户进行选择，并在一定程度上弥补了以往银行信贷客户选择评价方法的一些缺陷。

关键词：银行信贷客户；层次分析法；密切值法

一、 引言

合理有效地选择信贷客户对于银行来说不仅能有效控制贷款风险，还能为银行创造十分大的价值，因此，怎样选择合适的信贷客户对于银行来说十分重要。目前国内外学者已开始对银行信贷客户选择问题进行了相关研究，余燕达和李海晨基于数据挖掘的方法对信贷客户信用评价选择进行了研究，王雪青和马辉采用灰色关联法对银行信贷客户选择进行了评价研究，赵鉴采用模糊评价法对银行信贷客户选择评价模型进行了构建。通过以上文献可以看出，现有学者对银行信贷客户选择评价模型构建的思路为：首先将信贷客户采用若干类型的评价指标，采用专家评价手段获得各指标评价值，然后采用诸如数据挖掘法、灰关联法、模糊评价法等方法对评价指标数据进行处理，从而实现对信贷客户的选择。虽然现有信贷客户选择的评价方法主要以相对流行的数理评价模型为依据，但是上述这些数理评价模型在评价对象上具有一定的约束条件，并且评价权重的确定较为主观，无法剔除评价指标之间的非线性关系和信息重叠，由此导致银行信贷客户选择评价信息失真而给银行造成较大的损失。基于此，本文将层次分析法和密切值法这两种方法进行组合，构建出银行信贷客户选择的ahp-ovp评价模型。

二、 银行信贷客户选择的AHP-OVP模型构建

1. 建立层次结构模型。根据银行信贷客户选择的影响因素将银行信贷客户选择评价指标分解成目标层、准则层和项目层。

2. 构造判断矩阵。根据银行信贷客户评价标准采用1-9标度方法对各指标因素进行两两比较由此构造出银行信贷客户选择评价的判断矩阵。

3. 层次单排序及一致性比较。采用CR=■来对判断矩阵的一致性进行检验，当且仅当CR

4. 建立指标矩阵并规范化。设对象集Ai（i=1，2，…，m）在指标Sj（j=1，2，…，n）下取值aij，得到指标矩阵A=（aij）m×n，由于项目的指标较多，且各指标的量纲不同，为便于比较，对指标矩阵进行规范化处理。

令：Xij=■当j为正向指标时■当j为逆向指标时

得到规范化指标矩阵X=（xij）m×n。

5. 确定对象集的最优点和最劣点。

令：

x+j=max{xij} x+j=min{xij} （j=1，2，…，n）

则：

最优点集为：A+=（x+1，x+2，…，x+n）

最劣点集为：A-=（x-1，x-2，…，x-n）

最佳高银行信贷客户就是在决策点集中找出离最优点集最近离最劣点集最远的决策点。

6. 计算各对象的密切值。

对象Ai在的密切值为：Ci=d+i/d+-d-i/d-

其中：d+i=[■（xij-x+i）2]1/2

d-i=[■（xij-x-i）2]1/2

d+=min{d+i}，d-=max{d-i}

d+i，d-i分别表示对象Ai与最优对象A+，A-之间的欧氏距离，d+，d-分别表示m个最优点距的最小值和m个最劣点距的最大值。

Ci的大小反映了对象集偏离最优点的程度，当Ci>0时，Ai偏离最优点，其值越大，偏离越远；当Ci=0时，A最接近最优点，以Ci的大小作为决策准则，Ci最小的对象就是最佳信贷客户。

三、 应用实例

现有三个备选的贷款企业客户，根据对选择基准因素的分析，各个备选企业客户的评价主要包括财务状况、管理水平、行业地位、变现能力、技术实力和履约信誉。下面将通过运用前面第2节构建AHP-OVP模型对备选的贷款企业客户进行评价选择。

1. 建立层次结构模型。根据前面可知银行信贷客户选择为评价目标层，财务状况、管理水平、行业地位、变现能力、技术实力和履约信誉为评价指标构成准则层，三个备选贷款企业客户构成对象层，如图1所示。

2. 确定备选企业在信贷客户选择评价指标中的权重

由银行管理层人员组建评价小组，根据三个被选贷款企业客户依次对六项评价指标进行两两比较从而得出具体的评价分值，进而根据评价分值对判断矩阵进行构建。并对各备选企业在评价指标中的权重和一致性检验参数进行测算，结果如表2-7所示。

3. 应用密切值法进行综合评价。由于各选择基准因素指标的数值越大越好运用公式（3）转化为规范化指标矩阵，计算结果见表8。

由（5）式可得最优点和最劣点，分别为

A+=（0.933 1，0.688 3，0.871 1，0.666 7，0.861 5，0.869 8）

A-=（0.122 7，0.229 3，0.164 0，0.333 3，0.071 8，0.165 0）

根据（7）、（8）式可计算d+i、d-i：

d+i=（0.810 4，1.001 5，1.323 8），

d-i=（1.393 6，1.021 2，0.589 1）

由（9）式易得d+=min{d+i}=0.810 4，d-=max{d-i}=1.393 6

根据公式（6）则可得到各对象的密切值Ci=（0，0.5030，1.2108）

由此可知，C1

四、 结论

银行信贷客户选择是一个非常复杂的系统工程，其不确定性与诸多因素相关，现有银行信贷客户选择评价方法虽然主要以相对流行的数理评价模型为依据，但是上述这些数理评价模型在评价对象上具有一定的约束条件，并且评价权重的确定较为主观，无法剔除评价指标之间的非线性关系和信息重叠，由此导致银行信贷客户选择评价信息失真而给银行造成较大的损失。基于现有研究不足，本文构建了银行信贷客户选择的AHP-OVP评价模型，依据财务状况、管理水平、行业地位、变现能力、技术实力和履约信誉这六个选择基准因素对各备选贷款企业客户进行了有效排序，并通过了一个案例对其进行了验证，结果发现，银行信贷客户选择的AHP-OVP评价模型能充分利用层次分析法和密切值法各自的长处，不用对评价指标计算权重，并且计算相对直观明了，从而减少了主观性又不是科学性、合理性，能有效地对贷款企业客户进行选择，在一定程度上弥补了以往银行信贷客户选择评价方法的一些缺陷，因而值得推广。

参考文献：

1. 韩军.现代商业银行市场风险管理理论与实务.北京：中国金融出版社，2006．

2. 余燕达，李海晨．基于数据挖掘的信贷客户信用评估系统研究.情报杂志，2010，（7）：141-144．

3. 王雪青，马辉．商业银行信用风险的灰色管理评价研究.太原理工大学学报，2005，（15）：26-28．

4. 赵鉴.应用FUZZY评价银行贷款信用风险.上海管理科学，2003，（5）：48-50．

5. 吴翊等.数学建模的理论与实践.长沙： 国防科技大学出版社，1999．

6. 王登瀛.多目标决策方案优选的密切值法.系统工程，1989，（1）：33-35．

7. 张目，周宗放.我国高技术企业信用风险地区差异识别分析.商业研究，2010，（9）.

8. 杨军，程建，潘俊武.违约损失率模型开发的理论分析和实证研究.国际金融研究，2009，（6）.

9. 郑学，黄建忠，李叔诚.违约损失率模型开发部分关键技术实证研究.国际金融研究，2010，（10）.

10. 段胜，许诺.金融风险计量中的LGD模型在我国研究情况综述.高校社科动态，2011，（3）.

11. 黄建忠，褚保金.商业银行违约损失率的影响因素——基于江苏省某银行历史债项数据的分析.现代经济探讨，2011，（8）.

12. 代太山，陈敏。杨晓光.不同担保类型之下违约损失率的结构特征：针对中国的实证.南方经济，2008，（8）.

13. 陈浩，马宇超，陈暮紫，唐跃，王博，陈敏，杨晓光.不良贷款有无回收判别：一类可选变量的支持向量机方法.系统工程理论与实践，2009，（12）.

14. 唐跃，王东浩，陈暮紫，陈敏，杨晓光.中国不良贷款回收率地区差异的原因分析.系统工程理论与实践，2011，（3）.

15. 王博，唐跃，陈浩，温琪，陈敏，杨晓光.我国不良贷款回收率的影响因素和预测模型.系统工程理论与实践，2011，（5）.

16. 陈浩，王博，唐跃，陈敏，杨晓光.我国资产管理公司违约贷款回收的时间效应实证.系统工程理论与实践，2011，（7）.

17. 于瑞贤，周将.我国商业银行信用风险管理的新思路.北京机械工业学院学报，2007，（2）.

18. 任宇航，侯光明，孙孝坤.巴塞尔新资本协议下的LGD测算方法研究.北京理工大学学报（社会科学版），2006，（5）.

作者简介：宋纪宁，中国社会科学院金融研究所金融学博士后；杨名，北京大学经济学博士后，中国青年政治学院讲师。

收稿日期：2013-01-28。