本站小編為你精心準(zhǔn)備了小額信貸信用風(fēng)險論文參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

一、層次分析法的概念

層次分析法是美國匹茨堡大學(xué)的運籌學(xué)專家T.L.Satty教授于20世紀70年代中期創(chuàng)立的一種對不同層次中相關(guān)因素的權(quán)重賦值的分析方法。它本質(zhì)上是一種決策思維方式，它把復(fù)雜的問題分解為各個組成因素，將這些因素按支配關(guān)系分組形成有序的遞階層次結(jié)構(gòu)，通過兩兩比較的方式確定層次中諸因素的相對重要性，然后綜合人的判斷以決定決策諸因素相對重要性總的順序。

二、利用層次分析法確定各指標(biāo)的權(quán)重

首先，對己經(jīng)建立的層次結(jié)構(gòu)進行簡化，用A，B1到B4，C1到C16對層次結(jié)構(gòu)中的各指標(biāo)進行簡化標(biāo)號，得到以下層次結(jié)構(gòu)圖。接下來就對小額信貸信用風(fēng)險評估模型指標(biāo)體系建立判斷矩陣，判斷矩陣的具體數(shù)值，采用1~9標(biāo)度方法，標(biāo)度方法主觀性較強，專家打分可能存在不一致的情況，可以將不同專家的評分加權(quán)平均，以便獲得較為科學(xué)合理的判斷數(shù)值。以下是各層判斷矩陣，并根據(jù)判斷矩陣計算各自權(quán)重。對個人信息B1，職業(yè)特征B2，經(jīng)濟況B3，社會關(guān)系B4構(gòu)造判斷矩陣，如表1所示。因此，該模型的一致性得到檢驗通過。對文化程度C1，年齡C2，婚姻狀況C3，戶籍狀況C4，信用記錄C5，房產(chǎn)情況C6，個人年收入C7，信用卡最高額度C8，詳細住址C9，單位性質(zhì)C10，擔(dān)任職務(wù)C11，從業(yè)年限C12，行業(yè)風(fēng)險C13，家庭聯(lián)系人C14，工作聯(lián)系人C15，朋友聯(lián)系人C16，構(gòu)造判斷矩陣過程同上。由此，評分模型的各指標(biāo)權(quán)重及綜合權(quán)重確定見表2。從表2中可以看出，對于小額信貸信用風(fēng)險影響因素而言，相對較重要的指標(biāo)有信用記錄，占整個綜合權(quán)重的比例達到18.5%；房產(chǎn)情況和個人年收入，占整個綜合權(quán)重的比例均達到14.52%。相對重要性較低的指標(biāo)有從業(yè)年限和行業(yè)風(fēng)險，占整個綜合權(quán)重的比例均只有0.91%；朋友聯(lián)系人，占整個綜合權(quán)重的比例僅有1.9%；詳細地址和擔(dān)任職務(wù)，在整個綜合權(quán)重中的占比均未達到3%。

三、建立信用評分表

根據(jù)以上評分表，對小額信貸申請者的實際情況進行評分，然后再根據(jù)得分情況列出與之相對應(yīng)的貸款決定。在此設(shè)定，75分以上的客戶可直接取得授信資格，具體授信金額按照客戶提交的資料予以確定；55~75分的客戶，由風(fēng)險管理人員進行資料核實，通過電話調(diào)查、實地征信等方式進行進一步分析，由此來確定是否授信以及授信額度；55分以下的客戶直接評分拒貸。由于客戶資料的保密性，所獲得數(shù)據(jù)相對不多，不便于用大數(shù)據(jù)量進行統(tǒng)計分析，故而抽取幾個典型的現(xiàn)實案例，來驗證該評分模型的有效性。

四、實際案例分析

案例：王女士，個體，法人，下面對她進行評分，具體結(jié)果見表4。實際情況：王女士因購買原材料需要申請貸款15萬元，最終因其提供的聯(lián)系人均與其為同一工作單位，風(fēng)險管理人員以風(fēng)險過于集中為由，批下實際額度為6萬元。這個案例從一定程度上證明該模型有效。

五、結(jié)論

信用評分模型的存在為小額信貸信用風(fēng)險評價提供了科學(xué)的、客觀的、有效的、公平的手段，有利于提高貸款效率，降低小額信貸機構(gòu)的業(yè)務(wù)成本，降低不良貸款產(chǎn)生的可能性。雖然在實際工作中，該信用評分模型具有一定的有效性，與信用風(fēng)險管理人員的綜合經(jīng)驗和分析能力相結(jié)合可以對信貸決定提供一定的支撐，然而在某些特殊的情況下，該評分模型也會失效，甚至對信用風(fēng)險給出錯誤的信號，這就需要根據(jù)實際的情況和真實而大量的數(shù)據(jù)對模型進行不斷的修正和完善，以此來提高信用評分的有效性、科學(xué)性和客觀性。

作者：蔣小兔査奇芬單位：江蘇大學(xué)財經(jīng)學(xué)院