DEA模型在ACLEDA銀行內(nèi)部信用評級體系的應(yīng)用研究.pdf

1、本文主要研究數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis,DEA)在柬埔寨ACLEDA銀行的內(nèi)部信用評級系統(tǒng)中的應(yīng)用,以及如何審查基于 DEA的信用評級系統(tǒng),減少或避免ACLEDA銀行中現(xiàn)有的信用評級系統(tǒng)的風(fēng)險(xiǎn)。
　　在這項(xiàng)研究中使用的樣本包括80家來自不同行業(yè)的企業(yè)。其中,我們發(fā)現(xiàn)所有的樣本利用ACLEDA銀行目前的信用評級預(yù)測的結(jié)果均正確無誤。雖然現(xiàn)有的模型評級信用有較高的效率,但是,由于現(xiàn)有評級系統(tǒng)中的權(quán)

2、重分配問題屬于人為分配,會導(dǎo)致其結(jié)果從一個(gè)信貸人員到另一個(gè)信貸人員可能會有所不同。這不符合新巴塞爾協(xié)議下的內(nèi)部為基礎(chǔ)的方法。評級結(jié)果應(yīng)在相同的信息,不同的分析師,所獲得的結(jié)果應(yīng)該盡可能類似。由于現(xiàn)有評級系統(tǒng)取決于各自信貸人員的主觀判斷,將會導(dǎo)致威脅到銀行的受損。因此,本論文研究的目的是提高信用評分模型中的現(xiàn)有數(shù)據(jù)包絡(luò)分析(DEA)的應(yīng)用,以補(bǔ)充或代替信用評級系統(tǒng)。不同于傳統(tǒng)的信用評級的權(quán)重分配主觀公式,DEA會自動(dòng)生成分析相應(yīng)權(quán)重。同時(shí)

3、,與其它分析法相比(如:多元判別分析、邏輯回歸分析、神經(jīng)網(wǎng)絡(luò)),這些分析方法需要事前的好/壞分類信息,而本文提出的DEA方法只需要利用事后信息的輸入和輸出數(shù)據(jù)的觀察利息(客戶企業(yè))的對象,計(jì)算各自的信用評分。信用評級是以數(shù)量和性質(zhì)上的因素定制的信用評級模型。信用評級評分范圍從1到5,其中“1”意味著良好的信用質(zhì)量,而“5”意味著差的信用質(zhì)量,并以其作為公司實(shí)體的默認(rèn)值。投資級別企業(yè)的信用評級得分范圍在0到2.36之間。信貸經(jīng)理分配給每個(gè)

4、企業(yè)信用評級,以表示銀行對該企業(yè)信用質(zhì)量的觀點(diǎn)。本文的部分?jǐn)?shù)據(jù)由各企業(yè)提供,如:資產(chǎn)負(fù)債表,利潤表和財(cái)務(wù)比率信息。全樣本的結(jié)果表明,DEA模型更有效并具有使用價(jià)值,尤其是其顯著的輸出潛力。這意味著,效率提高或降低隨著輸入或輸出的減少而均勻下降,但是這并不是評級的主要案例。我們發(fā)現(xiàn),除了4家企業(yè)效率不高外,DEA模型對大多數(shù)的企業(yè)都有效率,獲得的效率分?jǐn)?shù)接近1,與 ACLEDA銀行現(xiàn)有評級體系給大多數(shù)企業(yè)評為高和良好的品質(zhì)這一結(jié)果相近。綜