扫一扫
关注中图网
官方微博
¥93.9(6.8折)?
预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格（不含优惠券部分），仅供参考，未必等同于实际到手价。
00:00:00
促销活动:
本类五星书更多>
-
>
麦肯锡极简工作系列(全3册)
-
>
近代华商股票市场制度与实践(1872—1937)
-
>
麦肯锡图表工作法
-
>
李诞脱口秀工作手册
-
>
熵增定律
-
>
富爸爸穷爸爸
-
>
李欣频的文案课
农信社信贷风险管理研究 版权信息
- ISBN：9787030557063
- 条形码：9787030557063 ; 978-7-03-055706-3
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
农信社信贷风险管理研究 本书特色
适读人群 ：金融机构信贷管理部门、信贷工作从业者以及从事信贷风险管理研究的学者，教育工作者该书以某信用社实际应用为背景，将农信社信贷风险管理从理论研究具像为实例分析，再结合模型分析，使读者可以清晰了解其风险管理
农信社信贷风险管理研究 内容简介
本书总体分为4部分。**部分为绪论，除了说明分析框架外还对信贷风险管理的现状进行说明，指出了信贷风险管理的三个组成；第二部分为一般理论，说明了信贷风险管理的一般理论、信贷风险管理一般流程、模式识别一般方法；第三部分为农信社贷款风险管理深入研究，主要分析农信社个人信贷、企业信贷、项目信贷的具体特点以及管理方法等；第四部分为贷款风险管控支撑平台系统的分析设计。
农信社信贷风险管理研究 目录
目录
前言
第1章 农信社信贷风险管理回顾 1
1.1 农信社信贷风险管理 1
1.2 信贷风险管理借鉴 3
1.2.1 德国银行 3
1.2.2 美国银行 4
1.2.3 澳大利亚银行 5
1.2.4 法国银行 6
1.2.5 新加坡银行 7
1.2.6 中国农信社 7
1.3 信贷风险管理内容 9
1.3.1 信贷风险管理手段 9
1.3.2 信贷风险管理模式 10
1.3.3 信贷风险评估模型 12
1.3.4 信贷风险信息系统 17
1.4 本书框架 18
1.5 本章小结 18
第2章 农信社信贷风险识别管控 20
2.1 信用风险识别、量化与信用评级和贷款分类 20
2.1.1 信用风险管理与信用风险识别 20
2.1.2 信用风险识别与PD和LGD20
2.1.3 PD和LGD与信用评级和贷款分类 21
2.1.4 PD和LGD与信用风险度量 23
2.2 信贷风险控制与信用评级和贷款分类 26
2.2.1 信用风险管理与信贷风险控制 26
2.2.2 信用风险控制与内部信用评级 26
2.2.3 信用风险控制与贷款分类 27
2.3 本章小结 29
第3章 农信社信贷风险管理流程 30
3.1 贷款基本流程 30
3.1.1 制定贷款政策 31
3.1.2 贷款申请 31
3.1.3 信用等级评估 31
3.1.4 贷款调查 31
3.1.5 贷款评估和审批 32
3.1.6 签订借款合同 32
3.1.7 贷款发放 32
3.1.8 贷款分类 32
3.1.9 贷款归还 32
3.1.10 年度综合评价 32
3.1.11 关键流程分析 33
3.2 行业分析流程 34
3.2.1 行业分析要素特征 34
3.2.2 行业分析指标选择 35
3.2.3 行业风险管理策略 36
3.2.4 行业分析主要流程 37
3.3 信用评级流程 38
3.3.1 制定评级政策 38
3.3.2 选择指标方法 38
3.3.3 实施信用评级 38
3.3.4 结果检验修正 38
3.3.5 业务流程图示 39
3.4 信贷评估流程 40
3.4.1 制定授信政策 40
3.4.2 信用评级运用 40
3.4.3 风险评估审核 40
3.4.4 贷后发放分类 40
3.4.5 业务流程图示 40
3.5 贷款分类流程 41
3.5.1 制定分类政策 41
3.5.2 选择指标方法 41
3.5.3 实行贷款分类 42
3.5.4 分类结果修正 42
3.5.5 贷款执行管理 42
3.5.6 业务流程图示 42
3.6 贷款五级分类 43
3.6.1 正常贷款 43
3.6.2 关注贷款 43
3.6.3 次级贷款 44
3.6.4 可疑贷款 44
3.6.5 损失贷款 44
3.7 流程相互关系 45
3.8 本章小结 45
第4章 信用评级和贷款分类模型 46
4.1 信用评级概述 46
4.1.1 信用评级观点概览 46
4.1.2 信用评级的层次性 47
4.1.3 信用评级方法简述 48
4.2 比率综合评分 48
4.2.1 评分分析要素 49
4.2.2 AHP计算权重 49
4.2.3 熵权法计算权重 53
4.2.4 模糊综合评价 56
4.3 Z 评分与ZETA 评分模型 61
4.3.1 模型概述 61
4.3.2 模型分析 63
4.4 距离判别模型 64
4.4.1 模型概述 64
4.4.2 模型算法 64
4.4.3 流程代码 64
4.4.4 应用实例 66
4.5 Fisher判别模型 68
4.5.1 模型概述 68
4.5.2 模型算法 68
4.5.3 流程代码 69
4.5.4 应用实例 71
4.6 Logistic判别模型 72
4.6.1 模型概述 72
4.6.2 模型算法 74
4.6.3 流程代码 74
4.6.4 应用实例 80
4.7 BP神经网络模型 80
4.7.1 模型概述 80
4.7.2 模型算法 81
4.7.3 流程代码 81
4.7.4 应用实例 86
4.8 遗传神经网络模型 88
4.8.1 模型概述 88
4.8.2 模型算法 89
4.8.3 流程代码 92
4.8.4 应用实例 97
4.9 案例推理方法 100
4.9.1 模型概述 100
4.9.2 工作流程 100
4.9.3 应用实例 101
4.10 本章小结 106
第5章 农信社个人信贷管理研究 107
5.1 农信社个人贷款类别特点 107
5.1.1 农信社个人贷款类别 107
5.1.2 农信社个人贷款特点 108
5.1.3 农信社个人贷款风险 109
5.1.4 农信社个人信贷管理流程 109
5.2 农信社个人贷款信用评级 111
5.2.1 农户个人信用评级指标 111
5.2.2 农户个人信用评级流程 120
5.3 农信社个人贷款风险评估 122
5.3.1 农户贷款评估指标 122
5.3.2 农户贷款风险度模型 125
5.3.3 农户贷款风险综合评价 126
5.3.4 农户贷款评估等级 126
5.3.5 农户贷款评估流程 126
5.4 农信社个人贷款分类 127
5.4.1 个人贷款分类指标 128
5.4.2 个人贷款分类流程 129
5.5 本章小结 130
第6章 农户贷款五级分类模型研究 131
6.1 农户贷款分类指标体系构建 131
6.1.1 农户贷款分类指标选取原则 131
6.1.2 农户贷款分类指标构建 131
6.1.3 农户贷款五级分类设置 134
6.2 基于AHP-Fuzzy分类模型 134
6.2.1 农户贷款五级分类标准 135
6.2.2 农户贷款五级分类算例 136
6.3 本章小结 137
第7章 农信社企业信贷管理研究 138
7.1 中小企业信贷风险特点 138
7.1.1 中小企业信贷风险概述 138
7.1.2 中小企业信贷管理现状 139
7.1.3 中小企业信贷风险因素 140
7.2 企业信贷风险管理流程 141
7.2.1 制定信贷政策 141
7.2.2 选定目标市场 141
7.2.3 走访企业客户 141
7.2.4 企业贷款评估 141
7.2.5 企业贷款审批 143
7.2.6 企业贷款谈判 143
7.2.7 签署贷款文件与拨付贷款 143
7.2.8 贷款组合管理 144
7.2.9 贷款回收与不良贷款处置 144
7.2.10 年度综合评价 145
7.3 信用评估指标选择 145
7.3.1 指标体系设置原则 145
7.3.2 指标体系选择方法 146
7.3.3 评估指标体系建立 147
7.3.4 评级指标体系确定 151
7.4 贷前行业分析 153
7.4.1 行业分析的目的 154
7.4.2 行业分析的内容 154
7.4.3 行业分析的方法 157
7.4.4 行业分析的建议 159
7.5 贷前信用评估 161
7.5.1 财务分析 161
7.5.2 现金流量分析 164
7.5.3 担保分析 166
7.5.4 非财务分析 173
7.5.5 综合分析 174
7.6 贷后风险管理 175
7.6.1 贷款分类 175
7.6.2 分类跟踪 183
7.6.3 贷款控制 185
7.7 本章小结 190
第8章 农村企业贷款五级分类模型研究 191
8.1 农村企业贷款分类过程 191
8.2 农村企业贷款分类关键因素 192
8.3 农村企业行业风险评价模型 192
8.3.1 评价指标体系的建立 192
8.3.2 AHP-Fuzzy评价模型 192
8.4 农村企业贷款五级分类模型 196
8.4.1 农村企业贷款分类指标构建 196
8.4.2 农村企业贷款五级分类设置 197
8.4.3 基于AHP-Fuzzy的企业贷款分类模型 198
8.5 本章小结 202
第9章 项目贷款评估研究 203
9.1 概述 203
9.1.1 评估内容 203
9.1.2 关联分析 203
9.2 项目贷款评估分类 204
9.2.1 农户客户项目贷款风险 205
9.2.2 企业客户项目贷款风险 205
9.3 本章小结 211
第10章 信贷管理信息系统 212
10.1 信贷管理信息系统的目标 212
10.1.1 面向客户服务 212
10.1.2 面向流程管理 212
10.1.3 面向风险管理 213
10.1.4 面向管理决策 213
10.2 信贷管理信息系统的组成 213
10.2.1 客户信息管理系统 214
10.2.2 信用评级系统 214
10.2.3 贷款评估系统 214
10.2.4 账务处理系统 214
10.2.5 贷款分类系统 215
10.2.6 贷款管理系统 215
10.2.7 预警监控系统 215
10.3 本章小结 216
第11章 农信社贷款五级分类信息系统 217
11.1 系统分析 217
11.1.1 概述 217
11.1.2 系统目标分析 218
11.1.3 系统需求分析 218
11.2 系统设计 221
11.2.1 设计要求原则 221
11.2.2 总体结构设计 222
11.2.3 应用架构设计 226
11.2.4 运行环境设计 226
11.2.5 数据库设计 226
11.3 系统实现 231
11.3.1 面向对象模型 231
11.3.2 对象模型类设计 232
11.3.3 类协作设计 241
11.3.4 典型功能界面 264
11.4 本章小结 266
参考文献 267
前言
第1章 农信社信贷风险管理回顾 1
1.1 农信社信贷风险管理 1
1.2 信贷风险管理借鉴 3
1.2.1 德国银行 3
1.2.2 美国银行 4
1.2.3 澳大利亚银行 5
1.2.4 法国银行 6
1.2.5 新加坡银行 7
1.2.6 中国农信社 7
1.3 信贷风险管理内容 9
1.3.1 信贷风险管理手段 9
1.3.2 信贷风险管理模式 10
1.3.3 信贷风险评估模型 12
1.3.4 信贷风险信息系统 17
1.4 本书框架 18
1.5 本章小结 18
第2章 农信社信贷风险识别管控 20
2.1 信用风险识别、量化与信用评级和贷款分类 20
2.1.1 信用风险管理与信用风险识别 20
2.1.2 信用风险识别与PD和LGD20
2.1.3 PD和LGD与信用评级和贷款分类 21
2.1.4 PD和LGD与信用风险度量 23
2.2 信贷风险控制与信用评级和贷款分类 26
2.2.1 信用风险管理与信贷风险控制 26
2.2.2 信用风险控制与内部信用评级 26
2.2.3 信用风险控制与贷款分类 27
2.3 本章小结 29
第3章 农信社信贷风险管理流程 30
3.1 贷款基本流程 30
3.1.1 制定贷款政策 31
3.1.2 贷款申请 31
3.1.3 信用等级评估 31
3.1.4 贷款调查 31
3.1.5 贷款评估和审批 32
3.1.6 签订借款合同 32
3.1.7 贷款发放 32
3.1.8 贷款分类 32
3.1.9 贷款归还 32
3.1.10 年度综合评价 32
3.1.11 关键流程分析 33
3.2 行业分析流程 34
3.2.1 行业分析要素特征 34
3.2.2 行业分析指标选择 35
3.2.3 行业风险管理策略 36
3.2.4 行业分析主要流程 37
3.3 信用评级流程 38
3.3.1 制定评级政策 38
3.3.2 选择指标方法 38
3.3.3 实施信用评级 38
3.3.4 结果检验修正 38
3.3.5 业务流程图示 39
3.4 信贷评估流程 40
3.4.1 制定授信政策 40
3.4.2 信用评级运用 40
3.4.3 风险评估审核 40
3.4.4 贷后发放分类 40
3.4.5 业务流程图示 40
3.5 贷款分类流程 41
3.5.1 制定分类政策 41
3.5.2 选择指标方法 41
3.5.3 实行贷款分类 42
3.5.4 分类结果修正 42
3.5.5 贷款执行管理 42
3.5.6 业务流程图示 42
3.6 贷款五级分类 43
3.6.1 正常贷款 43
3.6.2 关注贷款 43
3.6.3 次级贷款 44
3.6.4 可疑贷款 44
3.6.5 损失贷款 44
3.7 流程相互关系 45
3.8 本章小结 45
第4章 信用评级和贷款分类模型 46
4.1 信用评级概述 46
4.1.1 信用评级观点概览 46
4.1.2 信用评级的层次性 47
4.1.3 信用评级方法简述 48
4.2 比率综合评分 48
4.2.1 评分分析要素 49
4.2.2 AHP计算权重 49
4.2.3 熵权法计算权重 53
4.2.4 模糊综合评价 56
4.3 Z 评分与ZETA 评分模型 61
4.3.1 模型概述 61
4.3.2 模型分析 63
4.4 距离判别模型 64
4.4.1 模型概述 64
4.4.2 模型算法 64
4.4.3 流程代码 64
4.4.4 应用实例 66
4.5 Fisher判别模型 68
4.5.1 模型概述 68
4.5.2 模型算法 68
4.5.3 流程代码 69
4.5.4 应用实例 71
4.6 Logistic判别模型 72
4.6.1 模型概述 72
4.6.2 模型算法 74
4.6.3 流程代码 74
4.6.4 应用实例 80
4.7 BP神经网络模型 80
4.7.1 模型概述 80
4.7.2 模型算法 81
4.7.3 流程代码 81
4.7.4 应用实例 86
4.8 遗传神经网络模型 88
4.8.1 模型概述 88
4.8.2 模型算法 89
4.8.3 流程代码 92
4.8.4 应用实例 97
4.9 案例推理方法 100
4.9.1 模型概述 100
4.9.2 工作流程 100
4.9.3 应用实例 101
4.10 本章小结 106
第5章 农信社个人信贷管理研究 107
5.1 农信社个人贷款类别特点 107
5.1.1 农信社个人贷款类别 107
5.1.2 农信社个人贷款特点 108
5.1.3 农信社个人贷款风险 109
5.1.4 农信社个人信贷管理流程 109
5.2 农信社个人贷款信用评级 111
5.2.1 农户个人信用评级指标 111
5.2.2 农户个人信用评级流程 120
5.3 农信社个人贷款风险评估 122
5.3.1 农户贷款评估指标 122
5.3.2 农户贷款风险度模型 125
5.3.3 农户贷款风险综合评价 126
5.3.4 农户贷款评估等级 126
5.3.5 农户贷款评估流程 126
5.4 农信社个人贷款分类 127
5.4.1 个人贷款分类指标 128
5.4.2 个人贷款分类流程 129
5.5 本章小结 130
第6章 农户贷款五级分类模型研究 131
6.1 农户贷款分类指标体系构建 131
6.1.1 农户贷款分类指标选取原则 131
6.1.2 农户贷款分类指标构建 131
6.1.3 农户贷款五级分类设置 134
6.2 基于AHP-Fuzzy分类模型 134
6.2.1 农户贷款五级分类标准 135
6.2.2 农户贷款五级分类算例 136
6.3 本章小结 137
第7章 农信社企业信贷管理研究 138
7.1 中小企业信贷风险特点 138
7.1.1 中小企业信贷风险概述 138
7.1.2 中小企业信贷管理现状 139
7.1.3 中小企业信贷风险因素 140
7.2 企业信贷风险管理流程 141
7.2.1 制定信贷政策 141
7.2.2 选定目标市场 141
7.2.3 走访企业客户 141
7.2.4 企业贷款评估 141
7.2.5 企业贷款审批 143
7.2.6 企业贷款谈判 143
7.2.7 签署贷款文件与拨付贷款 143
7.2.8 贷款组合管理 144
7.2.9 贷款回收与不良贷款处置 144
7.2.10 年度综合评价 145
7.3 信用评估指标选择 145
7.3.1 指标体系设置原则 145
7.3.2 指标体系选择方法 146
7.3.3 评估指标体系建立 147
7.3.4 评级指标体系确定 151
7.4 贷前行业分析 153
7.4.1 行业分析的目的 154
7.4.2 行业分析的内容 154
7.4.3 行业分析的方法 157
7.4.4 行业分析的建议 159
7.5 贷前信用评估 161
7.5.1 财务分析 161
7.5.2 现金流量分析 164
7.5.3 担保分析 166
7.5.4 非财务分析 173
7.5.5 综合分析 174
7.6 贷后风险管理 175
7.6.1 贷款分类 175
7.6.2 分类跟踪 183
7.6.3 贷款控制 185
7.7 本章小结 190
第8章 农村企业贷款五级分类模型研究 191
8.1 农村企业贷款分类过程 191
8.2 农村企业贷款分类关键因素 192
8.3 农村企业行业风险评价模型 192
8.3.1 评价指标体系的建立 192
8.3.2 AHP-Fuzzy评价模型 192
8.4 农村企业贷款五级分类模型 196
8.4.1 农村企业贷款分类指标构建 196
8.4.2 农村企业贷款五级分类设置 197
8.4.3 基于AHP-Fuzzy的企业贷款分类模型 198
8.5 本章小结 202
第9章 项目贷款评估研究 203
9.1 概述 203
9.1.1 评估内容 203
9.1.2 关联分析 203
9.2 项目贷款评估分类 204
9.2.1 农户客户项目贷款风险 205
9.2.2 企业客户项目贷款风险 205
9.3 本章小结 211
第10章 信贷管理信息系统 212
10.1 信贷管理信息系统的目标 212
10.1.1 面向客户服务 212
10.1.2 面向流程管理 212
10.1.3 面向风险管理 213
10.1.4 面向管理决策 213
10.2 信贷管理信息系统的组成 213
10.2.1 客户信息管理系统 214
10.2.2 信用评级系统 214
10.2.3 贷款评估系统 214
10.2.4 账务处理系统 214
10.2.5 贷款分类系统 215
10.2.6 贷款管理系统 215
10.2.7 预警监控系统 215
10.3 本章小结 216
第11章 农信社贷款五级分类信息系统 217
11.1 系统分析 217
11.1.1 概述 217
11.1.2 系统目标分析 218
11.1.3 系统需求分析 218
11.2 系统设计 221
11.2.1 设计要求原则 221
11.2.2 总体结构设计 222
11.2.3 应用架构设计 226
11.2.4 运行环境设计 226
11.2.5 数据库设计 226
11.3 系统实现 231
11.3.1 面向对象模型 231
11.3.2 对象模型类设计 232
11.3.3 类协作设计 241
11.3.4 典型功能界面 264
11.4 本章小结 266
参考文献 267
展开全部
农信社信贷风险管理研究 节选
第1章 农信社信贷风险管理回顾 1.1 农信社信贷风险管理 发展农业和农村经济是我国经济发展和加快现代化建设的根本问题，而深化农村金融体制改革，建立和完善农村合作金融管理体制，是我国金融体制改革的重要组成部分，也是提高金融服务水平、促进农村经济发展的重要条件。因此，随着中国金融业市场化进程的加快，中国农村信用社迫切需要提高经营管理水平，提高效益，保证资产质量，积极参与市场竞争。为此，农村信用社必须借鉴国内外相关金融机构的成熟经验和方法，充分利用信息技术实现信贷及资产业务管理的智能化，保证资产质量，提高管理水平，从而为更好地贯彻国家的“三农”政策而服务。 所谓农村信用社贷款风险 [1]，就是在贷款资金的融通过程中，各种事先难以预料的不确定因素带来的影响，使农村信用社的贷款未能如期偿还，实际收益与预期收益发生一定的偏差，甚至到期不能收回本金和利息，从而蒙受损失的可能性。所谓农村信用社贷款风险管理，是指农村信用社通过风险分析、风险预测和风险控制等方法预防、规避、转移或化解贷款业务中的风险，以保证贷款资金营运的安全，减少或避免经济损失，从而达到贷款资产结构*优化和利润*大化的目标。它具有两方面的含义：一是在收益一定的条件下使风险*小化；二是在风险一定的条件下使贷款资产的收益*大化。贷款资产是农村信用社的主要资产，其质量优劣直接影响农村信用社的生存与发展。贷款风险存在于贷款资金运动的全过程，贯穿于贷款活动的始终。 农村信用社贷款风险会造成贷款资金的损失，导致贷款资金不能正常循环和周转，其*终结果是造成社会财富的巨额浪费和损失。从宏观上讲，农村信用社贷款风险会对整个农村经济造成危害，集中表现为对社会经济效益的危害。贷款资金的作用是和社会资金一起共同参与社会再生产的循环和周转，促进价值的形成和实现，创造社会财富。农村信用社贷款风险所引起的贷款损失浪费了大量资金，降低了社会效益，进而会对农村经济的增长造成沉重打击。若农村信用社出现巨额不良资产，会使人们对我国农村金融体系的流动性和偿债能力产生怀疑，影响人们对农村金融体系的稳定性和可靠性的信心，易产生信用危机。信用危机则直接引发农村信用社挤兑风潮，从而导致金融危机，直至农村信用社体系的崩溃。从微观上讲，贷款风险的发生大大削弱了农村信用社的支付能力，损害农民利益。农村信用社贷款风险也会影响金融机构经营目标的实现，严重时，还会导致信用社的破产、倒闭。 农村信用社的宗旨是服务“三农”，因此，农村信用社的贷款中有相当一部分是农业贷款。除了一般所说的农村信用社经营风险、会计风险等，农业贷款还具有一些不同于非农贷款的风险。农业贷款的特殊风险，其本质是由农业生产本身的风险决定的。农业贷款的风险包括 [2]： （1）受自然条件影响极大。尽管科学技术的发展已经能够人为地部分改善天气、地理等方面的条件，但是农业生产本身对于土壤条件、气候条件、水源条件等有较强的依赖性。此外，农业生产还容易受病虫害等的威胁。稍有不测，便会危及贷款安全。 （2）回收周期长。农业贷款回收周期长来自两方面的原因：农业生产本身的周期性和农业生产结果受自然、市场等因素影响的不可测性。 （3）没有多样而有效的贷款抵押品。在我国，农业流动性资产较多，可作抵押的资产较少，农民拥有的主要是自身的劳动力以及对土地的使用权，缺乏多样而有效的抵押品。 （4）无法有效控制贷款资金的有效使用。由于信息不对称，对于农业贷款资金的使用，目前金融机构无力进行有效的监督，无法确定贷款资金是否能够真正流向农业发展，也不能有效了解资金是否被应用到高风险的行业。 （5）零散性。我国农业生产的差异性很大，既有大规模的生产基地式生产，也有小农小户的分散经营。小农户因其生产规模小，农业贷款也以零散的小额贷款为主。这种农业贷款的发放具有零散性的特点，使贷款对象多、规模小、管理难度较大，从而导致规模不经济。 （6）政策性。农村信用社承担了一些政策性业务，如扶贫性质的贷款、保值储蓄存款等，由于农村信用社底子薄，自身积累少，故而无力消化。农村信用社贷款风险的特殊性决定了有必要针对农村信用社自身的贷款风险管理加以研究。 另外，相关资料也表明 [3]，农业发展银行、农业银行和农村信用社的贷款余额分别占“三农”贷款总额的 21%、25%、54%。因此，农村信用社在农村金融中的作用可想而知。但是，这一支撑中国农村金融活动的主要力量所面临的市场经营状况要比国有商业银行和城市商业银行差很多。这是因为农村信用社主要面对农村市场，不仅挖掘潜力小，而且质量也低，绝大多数农信社的不良资产率远远高于四大国有商业银行就是一个明显的例证。有学者认为，农信社的不良资产率多数在 50%以上，*高的甚至在 80%以上，4万多家农村信用社中，只有大约 15%能够盈利，其他的经营状况比较糟糕，甚至有一些面临破产 [3]。因此，如何及时发现和防范农信社的信贷风险，提高信贷资产的管理质量，增强信贷资产的安全性、流动性和盈利性，是信用社信贷管理工作的核心主题。其中，如何提高信贷资产的安全性，降低并有效控制信贷风险，提高信贷质量，是信贷管理的工作重点，是稳健经营、健康发展的基础。五级分类方法正是一套对信贷质量进行评估和分类管理的系统方法，可对农信社的信贷资产进行分类和管理，为提高信用社经营效益、降低金融风险提供支持。 国际通用的信贷管理方法，是将贷款按风险程度分类，为特定风险等级的贷款设置相应的准备金提取方案以及其他准备措施。这套以风险管理为基础的贷款分类方法一般称为“贷款五级分类法” [4]。国内比较通行的做法是将贷款按照风险等级及其偿还可能性划分为正常、关注、次级、可疑、损失五类（后三者称为“不良贷款”），分别按不同比例足额提取呆账准备金以供专门用于贷款呆账损失的核销，从而达到控制风险的目的。贷款五级分类法在许多发达国家，如美国，得到了广泛的应用。国内银行从 1998年引进贷款五级分类法 [4]，经过试点后，各类贷款机构已经全面施行贷款五级分类管理，结束了长期以来实行的“一逾两呆”贷款分类管理方式。数年实践证明，通过贷款分类，为央行有效地稽核监督各商业银行的信贷资产质量和信贷管理质量提供了更加统一、科学的手段，有利于央行宏观调控金融市场，使其向健康稳定的方向发展。 农村信用社客户群的特点决定了农村信用社的信息劣势较商业银行更为显著，农村信用社获取信息的信息系统不同于商业银行。以风险管理为核心内容的贷款五级分类法的实施是农村信用社深化改革的需要，也是当前农村信用社资产风险监管的需要，这对改善农村信用社信贷管理、加强资产监管、防范贷款风险有着极其重要的作用。但是，由于农村信用社所面临的具体环境，目前这种分类方法还没有大规模实施。由此可见，实施贷款分类在农村信用社虽然同样会面临着巨大的困难，但又是大势所趋。 1.2 信贷风险管理借鉴 1.2.1 德国银行 德国的银行信贷资产风险管理主要聚焦于信用主体的风险管理。主要涉及技术包括：客户贡献度评价技术、借贷主体信用等级评价技术、行业信用风险评估体系技术、区域风险与国家风险评估技术、信用风险与安全保证指数综合权衡技术、客户发展潜力风险投资技术、商业信用与银行信用互换控制技术（应收账款折价收购业务）、债权信用风险与投资风险互换控制技术（如债转股、推荐债务人进入资本市场等）等。德国银行对信贷资产风险管理的一些细节值得借鉴 [5]： （1）对一个借款人实行全方位、全口径的信用风险监控，对本行向同一借款人参股超过 20%特别是 50%以上的子公司所有债权风险（包括多币种贷款、担保、授信开证、票据承兑、租赁等）实行“主办分行”制度，由母公司所在地的分行在总行统一管理下，确定统一授信额度并进行日常管理与监督。 （2）以企业历史数据计算的各类指标在信用等级确定中的权重逐渐降低，一般只占 40%左右，其余 60%则主要是对企业未来 5年发展前景的预计，依据其行业发展指数、行业地位、发展潜能、管理者素质与战略选择、与本行目标客户群的吻合程度等因素来决定。 （3）充分利用贷款前的主动地位，保证与借款人谈判得到一个收益与风险匹配的贷款合同。德国明确规定：借款人必须提供充足、真实的财务信息，以克服信息不对称问题；借款人所支付的贷款利息与其主要财务指标（如付息倍数、资本收益率等）、国际评级变化挂钩；借款人不得将企业资产用于其他债务的抵押；为规避银行债权风险，要求借款人必须购买不同的保险，如应收账款保险、财产险、营业中断险等。 1.2.2 美国银行 美国的银行经过 200多年的发展，信用风险管理方法层出不穷。但是， 20世纪 80年代中期，美国的银行贷款及公司债券违约问题突出，投机债券的违约率高达 10%以上。因此，信用风险管理的业界人士对所持投资组合业绩表现欠佳非常不满，开始对新的信贷技术表现出浓厚的兴趣。然而这些关注并没有转化为动力去创新贷款风险管理技术，甚至连投资组合技术都没被很好地吸纳。 20世纪 90年代中期以来，由于受监管者的压力、贷款动态交易市场的出现以及为了追求股东权益*大化等因素的驱动，业界尝试采用了一系列新方法，如组合管理方法、 VAR法等，开发了许多用于信用风险管理的创新产品和结构化的金融合约（如有担保的抵押贷款以及自产支撑证券等信用衍生产品）。 美国的银行在贷款评估时主要考虑的因素包括 [6]： （1）财务报表分析。重点分析借款人的偿债能力、所占用的现金流量、资产的流动性及公司除本农信社之外获得其他资金的能力。 （2）借款人的行业特征。借款人所在行业的特征，如行业周期性、行业竞争状况、行业现金流量和利润的特点等，经常会作为财务报表分析的背景资料来考虑，在评级财务分析时，常要比较借款人财务比率与现行行业标准比率。 （3）借款人财务信息的质量。相对来说，经过会计公司审计的借款人财务报表比较可信。 （4）借款人资产的变现性。银行在评级时既要重视公司规模（销售收入和总资产），又要重视公司权益的账面或市场价值。多数小公司甚至中等规模公司通常都很难得到外界资金，紧急情况下很难在不影响经营的前提下变现资产。 （5）借款人的管理水平。通过对借款人管理水平的评估能揭示其在竞争力、经验、诚实和发展战略等方面存在的不足。评估的重点包括高层管理人员的专业经验、管理能力、管理风格、管理层希望改善公司财务状况的愿望以及保护贷款人利益的态度等，也要考虑关键人物的退休或离开而造成的管理影响。 （6）借款人所在国。特别是当汇兑风险或政治风险较大时，国别风险的分析尤其重要。 （7）特殊事件的影响。如诉讼、环境保护义务或法律和国家政策的变化。 （8）担保因素。充分的担保一般会改善评价等级，特别当担保是以现金或容易变现的资产形式存在时。 美国的银行对反映企业经营状况的财务指标数据进行长期跟踪、积累，在基本掌握财务数据波动状况后，找到一些统计特征（如某一财务指标的中位数），结合整个行业平均值或标准值，确定某一企业评级。例如， 1997～1999年的美国关键行业财务指标对照表（表 1-1），便可以大致估计企业经营水平。 表1-1 1997～1999年美国关键行业财务指标（单位：%） 1.2.3 澳大利亚银行 澳大利亚的银行对零售客户的小额信贷业务（包括对私人客户和小型企业客户）多采用历史数据统计分析建立评分卡的方法，通过计算机系统自动审批，一般不需提交个人或委员会审批 [7]。澳大利亚信贷风险管理如图 1-1所示。 澳大利亚的银行对公司客户授信业务，审批操作程序遵循前后台分离、额度控制、分级审批（但不是层层审批）的基本原则。在授信政策指引下，动态风险评级以风险评级为基础，设置授信审批权限，设立客户总量授信额度，建立授信执行标准，进行授信定价、组合管
书友推荐
- >
中国历史的瞬间
中国历史的瞬间
¥12.5¥38.0 - >
回忆爱玛侬
回忆爱玛侬
¥10.5¥32.8 - >
有舍有得是人生
有舍有得是人生
¥21.2¥45.0 - >
史学评论
史学评论
¥18.5¥42.0 - >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥8.4¥14.0 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.3¥10.0 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥27.3¥45.8 - >
月亮虎
月亮虎
¥15.4¥48.0
本类畅销
-
富爸爸穷爸爸
¥43.6¥89 -
货币战争3－高金融边疆(46.00)
¥14.7¥46 -
货币战争5－山雨欲来
¥14.7¥46 -
战国时代-货币战争-4
¥12.8¥39.9 -
华尔街-金融的力量-II
¥10¥39.8 -
华尔街关系:美国投资大师给中国企业上市的忠告
¥12.5¥39
