银行业金融机构绿色信贷风险评估的研究.docVIP

银行业金融机构绿色信贷风险评估的研究 　　【摘要】银行业金融机构在开展绿色信贷业务过程中面临契约风险、利率风险、贷款抵押风险等多种风险，因此做好风险防控对银行业金融机构至关重要。本文在文献研究的基础上建立绿色信贷风险评估体系，以财务指标、非财务指标和环保指标作为一级指标，下设24个二级指标，运用“3σ”准则对信贷风险标准进行定量判定，计算出贷款企业的信贷风险等级，再选取贵州省20家大型企业作为样本进行实证研究，对其财务指标进行正态性检验和显著性检验，对非财务指标和环保指标权重的判定采用网络分析法（ANP），再根据专家打分得出样本得分，将三类指标进行因子分析，得到具有代表性的公共因子，最后运用MATLAB软件对构建的BackPropagation神经网络进行仿真分析，得出测试结果，为信贷风险评估方法的选择和运用提供参考。 　　【关键词】绿色信贷 风险评估 网络分析法 BP神经网络 　　一、研究背景 　　（一）问题的提出 　　绿色信贷的提出是我国加大生态保护的重要举措，所谓绿色信贷是指银行等金融机构对从事研发、生态保护建设与开发的企业给予贷款一定优惠政策的手段。近几年，绿色信贷在我国不断发展，兴业银行、中国工商银行、平安银行等多家银行推出绿色金融产品并积极加入赤道原则。2012年2月，银监会发布《绿色信贷指引》，2013年8月，国务院出台《国务院关于加快发展节能环保产业的意见》，旨在促进节能环保产业发展，2016年8月，中国人民银行发布《关于构建绿色金融体系的指导意见》。借此机遇，贵州高度重视环境保护，把发展绿色经济作为调整经济结构，转变发展方式的重要举措。然而，贵州省银行业金融机构在开展绿色信贷业务过程中存在贷款层面缺乏统一的绿色金融标准体，绿色金融业务固有风险较高，银行风险管控能力不足等问题。而商业银行有别于普通企业的一个主要特征是对风险的管理与控制，信贷风险是最重要的风险之一，做好风险防控对商业银行的发展有至关重要的作用。但由于绿色信贷在我国提出不久，发展还不成熟，国内较少有学者对绿色信贷的风险问题进行实证研究。因此，构建绿色信贷评估体系，研究影响绿色信贷风险的因素，提高金融支持绿色经济发展效率是当前贵州银行业金融机构亟需解决的重要问题。 　　鉴于此，本文在文献研究的基础上构建绿色信贷风险评估的BP神经网络模型。首先建立绿色信贷风险评估的指标体系，以财务指标、非财务指标和环保指标作为一级指标，下设24个二级指标；其次，运用“3σ”法则对信贷风险标准进行定量判定，计算出贷款企业的信贷风险等级；再次，选取贵州省20家上市公司作为样本进行实证研究，对其财务指标进行正态性检验和显著性检验，对环保指标和非财务指标权重的判定采用网络分析法（ANP），之后根据专家打分得出个样本的得分，将三类指标进行因子分析，得到具有代表性的公共因子。 　　（二）研究文献综述 　　在国外的研究中，绿色信贷通常被称为可持续金融、环境融资，研究的是金融业与可持续发展之间的关系SoniaLabatt，Rodney R.White认为环境融资涵盖了基于市场的、旨在传递环境质量和转化环境风险而设计的特定金融工具，环境问题主要从违规带来的直接风险、客户导致的间接风险以及信誉风险三种方式对金融机构产生影响，为此需在风险管理中加入衡量环境问题的标准并进行产品创新。 　　通过对以上文献的分析和整理，我们可以看到：目前，国内外对绿色信贷风险评估研究主要集中在主观定性判断和传统计量分析法。然而事实上，绿色信贷风险涉及指标多。相比于此，本文试图通过BP神经网络，选取贵州省20家大型企业，并纳入对绿色信贷风险有重要影响的财务指标、非财务指标和环保指标，对贵州省绿色信贷风险进行实证研究，突破了传统信贷风险评估方法的局限性，具有一定的创新性。 　　二、绿色信贷风险评估体系及模型的构建 　　（一）样本选择 　　贵州省20家大型企业2015年末相关数据。贵州省20家大型企业经营和财务数据为调查所得，其他数据来源于当地环保部门公布和银行业金融机构。 　　（二）评估指标体系的构建 　　通?^文献研究及相关分析，我们选取以下指标作为绿色信贷风险评估指标。 　　一是环保指标。包括：环境变化影响（H1）、环境管理（H2）、节能措施（H3）、“三废”治理（H4）。 　　二是财务指标。包括：一是盈利指标[主营业务利润率（X1）、主营业务成本率（X2）、销售利润率（X3）、销售毛利率（X4）、净资产回报率（X5）]；二是偿债能力[资产负债率（X6）、流动性比率（X7）、速动比率（X8）]；三是营运能力[应收账款周转率X9、存货周转率X10、流动资产周转率X11、固定资产周转率（X12）]；四是现金流量[现金流量比率（X13）、经营现金流量对销售收入比率（X14）]；5企业