基于大数据的商业银行小微企业信贷风险管控开题报告

1. 研究目的与意义

选题背景：

（1）小微企业对我国经济发展的重要性以及其融资难问题

小企业在增加就业岗位、推动经济发展、加快科学技术创新等方面具有不可或缺的作用。中国经济在#8220;新常态#8221;阶段，政府希望实现更加轻盈、绿色的gdp，经济是否在合理区间内运行需要有充分就业作保障。李克强总理强调，从眼前看，小微企业是吸纳就业的#8220;主战场#8221;，是顶住当前经济下行压力的#8220;重要一招#8221;；从长远看，通过扶持小微企业，鼓励大众创业、万众创新，也是推动中国经济持续发展的#8220;重要一招#8221;。与此同时，小微企业的发展还将有助于推进内外联动，成为促进中外经济发展的桥梁，帮助中国优势要素#8220;走出去#8221;，消减国内过剩产能，减轻产业调整、升级的难度和阵痛，从而实现中外#8220;合作共赢，共同发展#8221;。

2. 研究内容和预期目标

研究内容：本文分为六大板块：第一部分为绪论，阐述研究背景及研究目的和意义；第二部分为小微企业信贷风险研究的相关理论综述，以及国内外商业银行信用风险评估研究综述和风险管控研究概述；第三部分分析我国国内商业银行小微企业贷款的现状及问题；第四部分为运用logistic模型，小微企业信贷风险因子的识别，以及构建商业银行小微企业信贷风险评估体系，并做模型验证；第五部分为基于netlogo的小微企业贷款仿真，借助实例检验并优化上述评估体系与模型；第六部分为完善商业银行小微贷款信用风险管控的建议，总结全文。

拟解决的关键问题：一是研究分析出商业银行对小微企业贷款的信贷风险因素，如何建立规范有效的信贷风险评估体系；二是如何更准确地评估小微企业的信贷风险，避免两大类错误，即筛选出无抵押物无良好信用记录但优质的小微企业，打破其资金瓶颈；三是如何帮助商业银行更准确地作出贷款决策，促进商业银行和小微企业的双赢发展。

3. 国内外研究现状

国外研究现状：西方国家对贷款风险评估的发展从历史维度可以分为三个阶段，即经验判断阶段、数学模型阶段、系统综合阶段。在20世纪50年代以前，贷款风险评估的主要特征是专家经验判断。通过对客户的申请资料进行审阅，结合一些评估要素的分析，给出评估结论。其中最典型的是5c、5w、5p法。5c，即character、capacity、capital、collateral、condition。5w即who、why、when、what以及how。5p，即personal、purpose、payment、protection、perspective。类似的还有杜邦财务分析体系等。专家经验判断法往往具有主观性，为了克服这个问题，20世纪60年代以后，贷款风险评估方法开始转向数学领域。60年代以后数十年在贷款风险评估领域应用最为普遍的是财务比率分析法，Finance Ratio Analysis，简称FRA。1986年，Altman永统计方法筛选出了对公司未来有预测意义的5个财务比率，建立了多元线性判别式分析模型，即Z-score模型。此外，线性概率模型（Linear Probability Model，简称LPM)、数学规划模型（Mathematical Programming Techniques，简称MPT）、Logit模型、Probit模型等，纷纷开始应用在信用评估领域。数学模型的建立假设条件太多，计算复杂，操作性不强，因此其发展得到了限制。贷款风险评估方法从20世纪90年代开始进入系统综合阶段，建立在人工智能、计算机技术和系统技术上，相继出现了一批综合性的信用评估方法。出现了以公司信用行为为主要研究对象的、解决经典判别方法缺乏定量问题的决策支持系统（decision support system，DSS）和多目标决策（multi-criteria decision making，MDM），以及以人工智能为支撑的应用神经网络方法（netural network，NNK）和专家系统（expert system，ES）。

国内研究现状：我国对贷款风险评估技术和方法的研究始于20世纪90年代末，尚处于起步阶段。而商业银行贷款风险评估在实践中仍处定性分析阶段。总的来说，我国商业银行信用风险评估模型的研究较多的集中在对国外先进理念、方法和模型的介绍、引进和模仿上，其中主要涉及判别分析法、数学规划法、层次分析法、数据包络分析法、神经网络分析法等。赵清首先通过对企业的相关财务指标进行筛选，建立了基于Fisher判别和logistic回归的违约概率模型统计，并结合某商业银行的真实数据，得出了企业的信用风险等级。胡胜、朱新蓉在运用Logistic回归模型对上市公司信用风险进行实证研究的时候，着重区分了第一类和第二类判别错误，指出该模型在实际运用时犯第一类错误即高信用风险企业误判为低信用风险企业的概率达到30%左右。陈佳洁、李建波在现有信用风险评估模型的基础上，结合DEA及层次分析法特点的基础上，建立了AHP-DEA信用风险评估模型，并做实证研究表明该模型具有良好的风险预测能力。刘铮铮在构建商业银行信用风险评价指标的基础上，引入了《新巴塞尔自本协议》，运用层次分析法来构建信用评级模型。朱天星、于立新等构建了基于蒙特卡洛-层次分析法的商业银行个人信用风险评价模型。张婧婧通过对比BP神经网络和KMV模型，发现两者具有互补性，据此建立了BP-KMV模型。赵中华、程昆、官敏等系统介绍了VAR相关理论，并对基于VAR的几种信用风险模型进行了比较分析。

4. 计划与进度安排

1.研究方案：

（1）确定毕业论文的大致写作方向； （2）搜集相关书籍和文献资料，加以阅读和理解； （3）确定写作思路并列出提纲； （4）进行实证分析和定性定量分析； （5）总结并提出自己的见解。

2.研究方法：（1）文献调研法；通过对文献的调研，对国内外商业银行对小微企业信贷风险评估方面的情况进行学习，了解信贷风险评估的基本理论知识，发现我国商业银行现行工作中的不足。 （2）文献归纳法； 本文在理论研究的基础上对小企业信贷风险因素进行探讨研究，从而初步决定影响信贷的风险因素，为本文后面的研究奠定基础。 （3）实地调查法； 为获得银行实际工作的具体情况，本文专门到苏南地区常熟农商银行进行实地调研，了解其微贷的具体流程、目前的信贷评价体系等，为本文构建模型打下基础。 （4）回归分析法；利用某商业银行信贷评级中的实际数据，通过logistics回归分析，对我国商业银行对小微企业的信贷风险进行识别和评估研究，尽可能精确的影响小微企业信贷的主要风险因素及其权重。 （5）仿真模拟法。通过netlogo软件，应用仿真技术，借助实例检验并优化上述评估体系与模型。

5. 参考文献

[1]于洋.中国小微企业融资问题研究[D].吉林：吉林大学金融学院，2013[2]张铖.P银行C分行小微企业贷款风险测评[D].广西：广西大学金融学院，2014[3]符建斌.关于商业银行小微企业信贷风险评估模型的实证研究[J].经济科苑，2015，30:1-1[4]刘芸，朱瑞博.互联网金融、小微企业融资与征信体系深化[J].征信体系建设，2014，02:1-5[5]郑庆明.互联网金融下我国小微企业融资风险探讨[J].时代金融，2014,05:1-2[6]翟万里.基于人工神经网络的商业银行信用风险评估模型研究[D].湖南：长沙理工大学技术经济及管理学院，2013[7]朱敏艳.基于信用评分模型的小微企业贷款的可获得性研究[D].苏州：苏州大学国际金融学 院，2014[8]陈幸幸.商业银行对小微企业企业贷款风险评估的仿真研究[D].广东：五邑大学，2013[9]刘龑.商业银行小微企业贷款信用风险控制研究[D].湖南：湖南大学金融与统计学院，2013[10]刘亮亮.商业银行小微企业客户信贷风险评价与防范研究[D].山东：青岛大学工商管理学 院，2013[11]论商业银行中小企业信贷业务的信贷风险防控[J].现代商业，2012,30:1-2[12]杨再平.商业银行如何破解小微企业融资难[N].金融时报，2012-11-09（010）[13]陈伟.论我国商业银行小微企业信贷风险控制[J].特区经济，2014,01:1-2[14]胡佳.我国商业银行信贷风险评估模型比较研究[D]湖南：湖南大学金融学院，2007[15]陈幼莎.小微企业贷款违约影响因素分析[D]上海：复旦大学经济学院，2013[16]金轩宇.商业银行小微企业信贷风险管控研究[D]上海：复旦大学管理学院，2013