基于AHP层次分析法的国家助学贷款信用风险测算.doc

　　基于AHP层次分析法的国家助学贷款信用风险测算 基于AHP层次分析法的国家助学贷款信用风险测算 一、引言 国家助学贷款计划是我国通过金融手段支持教育发展的一项新的尝试性举措，其金额大、办理手续相对复杂、涉及主体较多，在缓解贫困大学生的就学资金压力方面起到了一定的积极作用，助学贷业务一度出现了高违约率现象。 2006年教育部在助学贷款的相关会议上指出，大学生助学贷款违约率28.4%，欠费高达数亿元。2010年，齐鲁晚报报道2007年至2008年，国家开发银行广东分行共为该省高校发放了三批贷款，违约合同数占总还息合同数的13.59%。全省利息违约比例高于10.9%的高校有43所，这也意味着有近一半的高校违约率触到了风险底线。根据中国银行北京分行某支行给出的数据显示，北京市部分重点高校，2012年国家助学贷款的违约率均超过10%，甚至部分已经超过15%。 商业银行开展国家助学贷款业务面对的贷款对象是大学生，其贷款形式采用无担保的信用贷款，因此本文尝试用AHP层次分析法对大学生信用风险进行量化测算，以期能够得到学生信用风险的评价指标体系，为商业银行开展助学贷款提供一定的参考依据。 二、学生信用风险AHP评价模型构建 在助学贷款风险模型的设计中，首先，要考虑模型的目标层，即明确要解决的问题，本文的研究中是指信用风险对学生助学贷款风险的影响程度。其次，要考虑因素准则层，即用于解释影响目标的因素层，该因素层由3个因素群所组成。最后，依据目标层、准则层的情况，构建学生贷款信用风险影响因素的递阶模型，表1所示。 表1学生贷款信用风险影响因素的递阶模型 目标层 准则层 因素层 因素解释 A 学生贷款信用 B1 学生自身情况 C1年龄 随着年龄的增长信用意识增强 C2性别 男生相对女生更易就业或升迁 C3学历 学历越高就业越容易，工资相对较高 C4生源地 学生相对在生源地就业容易 B2 学校、专业情况 C5学校类型 学校越好就业越容易 C6专业类型 专业热门相对就业容易 B3 学生在校情况 C7学习成绩 专业成绩越好，相对就业容易 C8学生工作 担任过学生干部相对就业容易 C9实践实习情况 参加实习实践经验较多，相对就业较容易 C10获奖情况 获奖较多，相对优秀，就业容易 B4 外部影响情况 C11家庭人均月收入 家庭收入越高，还款能力越强 C12当年大学生就业率 就业率越高，就业越易，还款资金稳定 C13学校历史违约率 学校违约率越高，学生受影响还款越差 表1是学生贷款信用风险影响因素的递阶模型，该模型分为三层，准则层共有4个因素群，覆盖13个影响学生贷款风险的因素，模型还对各因素进行了具体解释，详细的诠释了因素层各因素的具体内涵，以便更好的判断各因素对目标的影响程度，测算各因素的权重。 三、助学贷款风险AHP评价指标权重计算 如学生贷款信用风险影响因素的递阶模型所示，首先要确定B1-B4四类因素对目标A的影响程度。每次取两个因素Bi和Bj，以aij 表示Bi、Bj对A的影响程度比较，得到两两比较判断矩阵： A=(aij)n*m 其中 aijgt;0 aji=1/aij ( ine;j ; i ,j =1,2,3,4) aii =1 aij的判断矩阵是表示某层所有因素针对上一层某一个因素的相对重要性的比较，从而通过科学合理的数学运算，求得每一因素的权重。本课题将采用Santy的1-9标度方法（如表2）给出判断矩阵的元素aij。 表2 判断矩阵元素aij的标度方法 标度 含义 1 表示两个因素相比，具有同样重要性 3 表示两个因素相比，一个因素比另一个因素稍微重要 5 表示两个因素相比，一个因素比另一个因素明显重要 7 表示两个因素相比，一个因素比另一个因素强烈重要 9 表示两个因素相比，一个因素比另一个因素极端重要 2,4,6,8 上述两相邻判断的中值 倒数 因素i与j比较的判断aij，则因素j与i比较的判断aji=1/ aij 根据表2，笔者向专家进行调查，对指标的相对重要程度进行比较。选取了10位在大学生思想政治教育和大学生资助一线工作的专家进行了访谈调查，经过与各位专家的商讨，确立学生信用风险管理矩阵如下： 表3学生信用风险的判断矩阵 j i B1学生自身情况 B2学校专业情况 B3学生在校情况 B4外部环境情况 B1学生自身情况 1 1/2 1/3 1 B2 学校专业情况 1 2/3 2 B3 学生在校情况 1 3 B4 外部环境情况 1 由于本方法建立在专家打分的基础上，会存在相应的赋值误差，为保障赋值结果的科学合理，将通过一致性检验来验证赋值的科学性。CI为A的一致性指标，CI愈大，A的一致性愈差，一般情况下，若CI＜1，则认为A通过一致性检验，否则需重新进行赋值。 本研究通过天津大学开发的AHP测