1、商业银行在企业信贷中的信用风险管理技术与加强措施：信用风险是商业银行承当的金融风险中最重要的风险之一。信用风险产生的影响涉及到社会经济生活中的不同层面。在国家鼓励和号召商业银行向企业提供信贷支持的政策下，银行在向企业提供贷款获得较大利差的情况下，同时也承当着比其他贷款业务更大的信用风险，如何分析和防范信贷中的企业信用风险将成为商业银行今后工作的重点。本文主要从商业银行的角度出发，通过分析企业信贷中的信用管理技术，然后来制定一些有针对性的风险防范措施。关键词：商业银行；企业融资；信用风险管理；技术；措施由于我国商业银行长期在方案经济体制下代国家履行分配社会资金的职能，在具体贷款工程上根本没有真正
2、的决策权，更不用提风险分析和决策，这使得我国商业银行在风险分析与决策上缺乏技术、人员等各方面硬性条件。虽然近些年来，有些商业银行利用传统的定性信用分析方法来管理信用风险，但主要靠信贷人员的主观评测，因此在实际的风险评估上准确率比拟低，存在较大的误差。为了保障我国商业银行体系能够更加科学的对待企业融资，从而为国家经济开展提供更大的金融支持，我们对信用风险管理技术育措施进行详尽的探讨，是非常有必要的。一、商业银行应对企业融资信用风险管理的技术分析商业银行信用风险管理的方法及技术，不仅能够让商业银行合理的躲避发放贷款中风险，提高银行经营的稳定性，还能够让中小企业融资步入良性的开展轨道。这些方法和技术
3、对于借贷的双方都有着更加科学化、合理化的实质性帮助，因此对它们展开详尽的探讨，是我们解决中小企业融资难的必须实施的重要过程。下面我们就从信用评分法、现代信用风险管理模型两大方面来展开探讨。（一） 对信用评分法的分析1、 Z评分模型Z评分模型由美国纽约大学斯特商学院教授爱德华阿尔特曼(Edward IAltman)于1968年提出的，它一经推出就引起了各界的广泛关注。在此之后，众多的商业银行和金融机构普遍的运用它来预测信用风险，并且卓有成效。Z评分模型沿用到今天，已经不仅仅是金融行业专用的风险分析模型，更多行业的企业以及新兴的公司、集团也正在引用这一风险分析方法。Z评分模型的表达式为：Z=12X
4、l+14X2+33X3+06x4+0999X5，其中Xl=营运资本总资产；X2=留存收益总资产；X3=税前收益总资产；X4=市场价值总债务的账面值；X5=销售收入总资产。在最终的计算结果中，如果Z的值越低，那就说明贷款人的财务状况越差，存在着较大的信贷风险；反过来Z值越高，那就说明贷款人的财务状况越好，信贷风险也就越小。Altman运用统计样本测算出了贷款人的Z值临界值，其中最低下限值为18l，而上限值那么为2990。这也意味着当贷款人的Z值低于18l时，其财务状况以及非常的糟糕，银行或金融机构应该拒绝给其提供贷款；当贷款人的Z值高于299时，那么说明贷款人的财务状况趋近或比拟良好，银行或金融
5、机构可以提供贷款给贷款人。2、 ZETA评分模型ZETA评分模型是由Altman，Haldman以及Narayanan三人对Z评分模型进行的改良，它主要是将Z评分模型中的变量进行了改良，将原来的五个比值改为了资产收益率、积累盈利指标、收益稳定性指标、流动性指标、资本化程度指标、债务偿付能力指标、规模指标这七个指标。相对于Z评分模型来讲，它在适用范围上以及分析精确度上、预测风险的能力上有了很大的提高。3、Logit信用评分模型Logit模型主要是采用一系列财务比率来预测信用风险发生的概率，然后再对商业银行或者是金融机构的风险最低承受点来设定信用风险警戒线，以此对贷款人进行风险上的定位。在Logi
6、t模型中如果我们用Yi来表示企业的财务状况，假设Yi=0，我们假定贷款人不发生违约事件；假设Yi=1，我们就假定贷款人会发生违约事件。然后我们就可以通过计算其概率来判定信贷中的风险发生率，以此来分析应该放不放贷给贷款企业。Logit模型分析使用起来比拟简单，但是它也存在较为明显的经验性，在真正的风险分析中，其实用性并不强，在此我们就不对其进行详细地探讨了。信用评分法由于操作比拟简单，涉及到的企业财务数据以及计算量相对来说也比拟少，这与我国商业银行体系信用评分相关体制不健全以及国家对企业的财产、信用评估机制不完善的现状是比拟吻合的，所以目前我国商业银行在评估中小企业信贷风险中经常采用信用评分法来
7、控制可能发生的信用风险。（二） 商业银行信用风险管理中常用的其他技术由于银行信贷所涉及到的主体存在着信用以及财务上的具体差异，因此在对其进行信用风险管理上我们也应当有区别性的对待。下面我们再来探讨大型企业信用风险管理的方法。1、KMV模型分析技术KMV模型是由KMV公司研究开发的一种违约预测模型，它将信用风险与违约联系在一起，并且只通过违约概率来预估信用风险。它主要是利用期权定价理论，来分析上市公司的股价波动，以此来判定股权交易公司的发生违约的可能性。由于该模型分析过程中可以融入更多的财务指标，并且能够对指标的变动进行一定程度的分析，所以它比拟适用于上市公司或者是大型财团的信用风险管理。在此需
8、要我们注意的是，KMV模型需要大量的数据支持以及复杂的计算软件进行数据结果计算，因此对商业银行的信用评估体制的素质要求比拟高。2、信用组合观点模型分析技术信用组合观点模型是由麦肯锡公司应用计量经济学理论和蒙特卡罗模拟法开发出来的一款多因素信用风险量化模型。它的违约概率分析方法主要是通过对宏观经济周期的波动进行分析，然后来评价信用周期，进而评估信用风险。这种模型中宏观经济变量集合中的元素个数、元素的经济含义以及具体的计算结果、期间的函数关系都难以确定和检验。但是，由于它能通过分析大量的数据对企业经济周期的波动进行评估，因此有助于银行决策人员从宏观上断定信贷企业的信用。但是，由于其所需要的数据比拟
9、多，并且要求企业必须提供一定会计期间的准确财务信息和指标，所以它对信贷企业的要求也比拟高，在信用风险评估中具有相对特殊的适用范围。二、 商业银行加强企业信贷信用风险管理的措施通过我们对目前商业银行信用风险管理技术进行的分析与论述，我们简要了解了商业银行在企业信贷中所能采取信用评估方法。但是，信用评估方法的高水平实施也需要银行内部条件、外部环境的共同协助。我们从目前我国商业银行的现状出发来制定一些针对性的加强商业银行信用风险管理的措施。（一） 商业银行应树立起鼓励约束并重的理念目前我国商业银行普遍采用制度式的管理来控制信用风险，而忽略了人性化的鼓励与管理。所以商业银行应当航建立并完善鼓励机制，充
10、分调动信贷工作人员的积极性，从而发挥出对信贷风险的控制的主观能动性。具体的措施有：首先，对信贷人员的工作能力进行等级划分，按照能力等级赋予其信贷审批权限，使信贷审批与行政完全脱钩。其次，建立考核机制，将信贷业绩与工作人员的职务升迁以及薪水增加相互捆绑，提高信贷人员的主管积极性。最后，在信贷管理的过程中，注重科学的信用评价方法，客观地分析企业的财务、信用状况，杜绝主观信用分析以及“走后门、拉关系等不良信贷现象形成的信贷信用风险。（二） 创造商业银行信用风险管理的宏观环境1、 转变政府的监管职能，保持商业银行的经营独立性。商业银行在市场经济中应该是独立的经济体，央行或者是政府下属机构不应过多的干预
11、的银行的经营管理，过多的保护或者是干预将会导致银行信用风险管理意识的冷淡。2、 政府应加强对商业银行的外部监管。目前我国的内部评级系统还不够完善，因此政府对银行的外部监管对银行的风险防范就尤为重要。具体的措施是：首先，发挥银监会在商业银行风险管理中的作用，充分运用商业银行经营管理数据，并不断更新监督数据和技术。其次，加快社会信用评级体系的建设。由于我国在对企业信用评级上面的社会机构和政府机构的比拟缺乏，因此社会信用评级的能力比拟薄弱，这也使得商业银行无法对企业的信用状况进行正确的评估，所以说加快信用评估机制的建设也是提高银行信用风险管理的主要措施之一。最后，硬化企业信用约束。企业产权制度的改革
12、是硬化企业信用约束的根本目的，企业产权改革是企业产权明确化的根本性措施，这将有助于企业财产状况以及信用状况的透明化，从而有利于商业银行的信贷管理以及信用风险防范。3、 建立商业银行风险预警机制。我们根据预警指标根据外部环境变化而变化的特征，加强预警指标各个要素在每个阶段的变化分析，从而将预警指标不断的调整。此外，我们还应该时刻注意预警指标外部影响因素转变，及时的对其进行检测，以确保预警指标的准确性。（三） 建立资产组合风险管理体制首先，商业银行应该借鉴国外银行先进经验来建立专门的资产组合管理部门，进行信贷资产的专业化经营。其次，加强信贷组合部门与其它经营部门的信息沟通。最后，注重信贷组合部门信
13、息收集、数据分析以及汇总报告的能力，及时的为信贷提供科学、准确的决策支持。总结：关于商业银行在企业信贷中的信用风险管理技术与加强型措施，本文主要从以上几个方面进行简要的论述。具体的内容可能因为分析问题的出发点以及措施指定的环境不同而不尽相同。总的来说，只要我们立足于科学的角度和客观的环境上来分析银行风险管理的技术与方法，就是切实有效的。在此，也希望有更多的相关专业人士以及相关行业从业人士参与到这项课题的研究中来，为保障将国家金融体系的科学开展提供强有力的理论支持。参考文献1 郑允弢. 以数据仓库技术构建工商银行个贷信用风险管理体系J. 金融论坛, 2023(10) 2 李慧英,王丽华. 我国商业银行的监管机制与跟进巴塞尔新资本协议J. 当代经济管理, 2023(02) 3 周锋. 中国商业银行信用风险管理研究J. 经营管理者, 2023,(09) . 4 熊雅丽. 我国商业银行信用风险现状分析J. 湖北播送电视大学学报, 2023(02) 5 陈虹,韩笑,杨楷模. 我国商业银行信用风险管理J. 合作经济与科技, 2023(19)