摘要：文章針對(duì)境外項(xiàng)目貸款決策，提出基于灰色聚類分析的智能化決策方法。利用灰色聚類分析將按風(fēng)險(xiǎn)成因分類的原風(fēng)險(xiǎn)指標(biāo)體系聚類成基于風(fēng)險(xiǎn)危害程度的灰色聚類風(fēng)險(xiǎn)指標(biāo)體系，實(shí)現(xiàn)了對(duì)待決策境外項(xiàng)目貸款的準(zhǔn)確風(fēng)險(xiǎn)度量，并將度量結(jié)果作為樣本數(shù)據(jù)集進(jìn)行聚類分析，得到以貸款實(shí)施方案為聚類中心的決策模型，完成境外項(xiàng)目貸款實(shí)施方案。

關(guān)鍵詞：境外項(xiàng)目貸款；貸款實(shí)施方案；風(fēng)險(xiǎn)指標(biāo)體系；灰色聚類分析；境外能源項(xiàng)目 文獻(xiàn)標(biāo)識(shí)碼：A

中圖分類號(hào)：F830 文章編號(hào)：1009-2374（2016）34-0003-03 DOI：10.13535/j.cnki.11-4406/n.2016.34.002

1 概述

隨著經(jīng)濟(jì)全球化進(jìn)程加快，國(guó)內(nèi)銀行業(yè)受理的境外項(xiàng)目貸款業(yè)務(wù)也日漸增多。由于銀行境外項(xiàng)目貸款業(yè)務(wù)存在一定的風(fēng)險(xiǎn)，如果不能合理控制將會(huì)給銀行帶來(lái)巨大損失，因此科學(xué)分析境外項(xiàng)目貸款風(fēng)險(xiǎn)并制定相應(yīng)方案是亟待解決的課題。

傳統(tǒng)的境外項(xiàng)目貸款如何進(jìn)行決策一般是根據(jù)以往的經(jīng)驗(yàn)人工推算出來(lái)的。該決策存在著效率低、人為失誤多等問(wèn)題，為解決以上問(wèn)題，近年來(lái)逐漸把智能決策方法應(yīng)用到其中來(lái)。針對(duì)境外項(xiàng)目貸款決策，提出一種基于灰色聚類分析的智能化決策方法。同傳統(tǒng)方法相比，基于GCA（Grey Clustering Analysis，GCA）的境外項(xiàng)目貸款決策模型具有較高可靠性。

2 灰色聚類分析

現(xiàn)今，以灰色關(guān)聯(lián)矩陣或灰數(shù)的白化權(quán)函數(shù)為依據(jù)來(lái)定義灰色聚類分析。將一些觀測(cè)指標(biāo)分成幾種不同的類別。根據(jù)不同的分類方式，可以分成灰色白化權(quán)函數(shù)聚類分析和灰色關(guān)聯(lián)聚類分析?；疑垲惙治龅膬?yōu)點(diǎn)是可以對(duì)任何類別分布的對(duì)象進(jìn)行聚類分析，計(jì)算過(guò)程比較簡(jiǎn)單，聚類信息的獲取優(yōu)勢(shì)明顯。

3 境外項(xiàng)目貸款風(fēng)險(xiǎn)及實(shí)施方案分析

3.1 境外項(xiàng)目貸款風(fēng)險(xiǎn)分析

境外項(xiàng)目貸款風(fēng)險(xiǎn)要遠(yuǎn)高于國(guó)內(nèi)貸款項(xiàng)目，根據(jù)風(fēng)險(xiǎn)級(jí)別的不同可分為一級(jí)風(fēng)險(xiǎn)和二級(jí)風(fēng)險(xiǎn)，其中一級(jí)風(fēng)險(xiǎn)4項(xiàng)、二級(jí)風(fēng)險(xiǎn)19項(xiàng)。

3.2 境外項(xiàng)目貸款實(shí)施方案分析

根據(jù)以往經(jīng)驗(yàn)，可以把境外項(xiàng)目貸款實(shí)施方案劃分成以下幾種情況：

方案A：分工合作型的模式，就是母公司是債務(wù)人，子公司是附著在母公司基礎(chǔ)上的二級(jí)公司行為，不必承擔(dān)因?yàn)榻栀J產(chǎn)生的問(wèn)題。

方案B：借貸方或者說(shuō)債務(wù)方仍然是國(guó)內(nèi)的母公司，但是放權(quán)由子公司在國(guó)外進(jìn)行具體的操盤(pán)，并且子公司是國(guó)內(nèi)母公司設(shè)置的全資子公司的類型。

方案C：母子共擔(dān)型的新模式就是設(shè)計(jì)新的模式架構(gòu)把母子公司綁定在一起進(jìn)行債務(wù)的承擔(dān)，共同作為借款人出現(xiàn)，但是在具體的運(yùn)作操盤(pán)上是全部由子公司進(jìn)行操盤(pán)的，風(fēng)險(xiǎn)由母公司和子公司共同承擔(dān)。

方案D：不以子公司的股權(quán)為抵押，而是以子公司的產(chǎn)品作為銀行質(zhì)押。

方案E：以子公司在當(dāng)?shù)亟?jīng)營(yíng)權(quán)限作為銀行抵押，用子公司的經(jīng)營(yíng)收入來(lái)還款。

方案A、B是最早開(kāi)始實(shí)行的兩種方案，但投資風(fēng)險(xiǎn)較大且不能保證銀行借貸資金安全。方案C增加了母公司的擔(dān)保責(zé)任，與方案A、B相比，還貸風(fēng)險(xiǎn)有所下降，但銀行的效益因此受到消極影響。最后的兩個(gè)方案是基于方案B進(jìn)行修改形成的，其優(yōu)點(diǎn)是滿足跨國(guó)能源類、礦產(chǎn)類投資項(xiàng)目的特殊要求，并根據(jù)這些項(xiàng)目的實(shí)際情況能有效降低貸款風(fēng)險(xiǎn)，增加銀行收益。

因此，在選擇這些貸款方案時(shí)，要根據(jù)實(shí)際情況做出合理科學(xué)的風(fēng)險(xiǎn)評(píng)價(jià)，以有效降低銀行的貸款風(fēng)險(xiǎn)，提高銀行收益，維護(hù)銀行的資金安全和投資者的資金安全。

4 基于灰色聚類分析的境外項(xiàng)目貸款決策模型

基于灰色聚類分析的境外項(xiàng)目貸款決策模型建立過(guò)程主要分為“風(fēng)險(xiǎn)指標(biāo)體系建立”和“歷史貸款案例灰色聚類分析”兩個(gè)步驟。

4.1 構(gòu)建風(fēng)險(xiǎn)指標(biāo)體系

4.1.1 風(fēng)險(xiǎn)指標(biāo)體系建立原則。評(píng)價(jià)指標(biāo)量的選取直接關(guān)系到貸款信用結(jié)構(gòu)模式的評(píng)價(jià)結(jié)果。對(duì)貸款信用結(jié)構(gòu)模式進(jìn)行綜合評(píng)價(jià)的前提是要有一套科學(xué)、合理，可以反映出境外并購(gòu)項(xiàng)目貸款信用的評(píng)價(jià)指標(biāo)體系。

4.1.2 構(gòu)造風(fēng)險(xiǎn)指標(biāo)體系。構(gòu)建三類不同風(fēng)險(xiǎn)級(jí)別的指標(biāo)體系，以“高”“中”和“低”三類灰度來(lái)區(qū)別其不同的危害程度，設(shè)計(jì)以下的體系過(guò)程：

STEP1：分析函數(shù)關(guān)系，建立基于聚類分析的白化矩陣，具體是通過(guò)待聚類樣本的設(shè)計(jì)和設(shè)置，設(shè)計(jì)聚類指標(biāo)體系，通過(guò)每個(gè)指標(biāo)所指定的對(duì)象建立基于的矩陣類型，做好進(jìn)行函數(shù)設(shè)計(jì)的第一步。

STEP2：計(jì)算灰色聚類函數(shù)的系數(shù)，這個(gè)計(jì)算的過(guò)程要按照兩個(gè)情況進(jìn)行研究：其一是判斷聚類函數(shù)指標(biāo)體系中的指標(biāo)的量綱是否一致，所代表的指標(biāo)意義是否一致，只有出現(xiàn)一致的情況時(shí)才能進(jìn)行計(jì)算，這種情況下的評(píng)估指標(biāo)誤差是非常低的；其二是根據(jù)情況進(jìn)行關(guān)于量綱的處理工作，如果指標(biāo)相差很大的時(shí)候就要進(jìn)行量綱的無(wú)量綱化處理，這個(gè)時(shí)候就需要選定白化函數(shù)的參考標(biāo)準(zhǔn)，按照指標(biāo)中灰類的灰數(shù)也就是標(biāo)準(zhǔn)值選定參照指標(biāo)的參考標(biāo)準(zhǔn)，為避免在指標(biāo)的選取中出現(xiàn)選擇失衡的情況。一般情況下，在進(jìn)行指標(biāo)選擇的時(shí)候采用的是Delphi方法，通過(guò)Delphi方法來(lái)判定函數(shù)設(shè)計(jì)所需要的灰色聚類權(quán)值。

STEP3：具體運(yùn)算灰色聚類系數(shù)，具體的做法是首先進(jìn)行白化處理，對(duì)選定的樣本進(jìn)行白化處理，通過(guò)指標(biāo)的計(jì)算求出白化函數(shù)，通過(guò)白化函數(shù)再進(jìn)一步求出各灰類的閾值，再計(jì)算指標(biāo)的聚類權(quán)，就可以得到灰色聚類系數(shù)。在實(shí)際的運(yùn)算過(guò)程中，要注意的是灰類數(shù)和聚類的向量值以及最大聚類系數(shù)，通過(guò)判定最大聚類系數(shù)的灰類確定聚類對(duì)象的灰類數(shù)。

4.2 歷史貸款案例聚類

可以把基于歷史案例的分類設(shè)計(jì)為三種不同的分析類型和情況進(jìn)行計(jì)算，三種情況可以設(shè)定為高、中、低，通過(guò)計(jì)算可以得出三種情況的風(fēng)險(xiǎn)值，把計(jì)算出來(lái)的三類風(fēng)險(xiǎn)值放置在三維聚類空間所做表中進(jìn)行賦值，通過(guò)將三種分類情況和五種貸款方案的聚類分析可以得到相關(guān)的分析結(jié)果和結(jié)論。

在三種灰色聚類分析的坐標(biāo)中，全面反映出五種貸款方案之間的類間差異以及類內(nèi)之間的關(guān)聯(lián)和關(guān)系。本文一共選取30個(gè)涉及煤炭類、公共衛(wèi)生類、電力類、基礎(chǔ)設(shè)施類、產(chǎn)業(yè)類、文化教育類等各個(gè)行業(yè)的歷史境外項(xiàng)目貸款案例，通過(guò)風(fēng)險(xiǎn)灰色聚類分析，實(shí)施方案見(jiàn)表3，聚類分析結(jié)果分別為10個(gè)方案A、10個(gè)方案B、5個(gè)方案C、3個(gè)方案D、2個(gè)方案E。

由圖2可見(jiàn)，30個(gè)歷史案例被聚為五類，圖中“A”“B”“C”“D”和“E”分別代表五種境外項(xiàng)目貸款實(shí)施方案的聚類中心，其具體坐標(biāo)為A（5，5，5）、B（9，2，7）、C（1，6，9）、D（8，6，1）和E（2，4，3）。圖2的聚類結(jié)果也就是境外項(xiàng)目貸款決策模型。

到這一步，基于灰色聚類分析的境外項(xiàng)目貸款決策模型就建立起來(lái)了在選擇具體的境外項(xiàng)目貸款實(shí)施方案時(shí)只要把其各類風(fēng)險(xiǎn)指標(biāo)值輸入到圖2的風(fēng)險(xiǎn)指標(biāo)體系中，計(jì)算“高”“中”和“弱”三種灰類風(fēng)險(xiǎn)值，然后在圖1中尋找與五種聚類中心哪一個(gè)更吻合啊，吻合的聚類中心也就是要采用的貸款實(shí)施方案。

5 算例

為進(jìn)一步驗(yàn)證該方法的可行性，選取了2010年某國(guó)有銀行的三個(gè)真實(shí)境外項(xiàng)目貸款實(shí)施案例作為研究對(duì)象進(jìn)行驗(yàn)證，同時(shí)采用AHP方法和OI方法做對(duì)比驗(yàn)證，實(shí)驗(yàn)結(jié)果見(jiàn)表3：

由表3可知，基于灰色聚類分析的貸款決策方法要比AHP方法和OI方法更具有效性和正確性，進(jìn)一步驗(yàn)證了基于灰色聚類分析的貸款決策方法的優(yōu)越性。

6 結(jié)語(yǔ)

本文提出的GCA境外項(xiàng)目貸款決策方法，利用GCA完成原有風(fēng)險(xiǎn)指標(biāo)體系的灰色聚類分析，實(shí)現(xiàn)了貸款方案智能決策，克服了原有方法人為干擾因素多的缺陷，改善了貸款決策的準(zhǔn)確率。通過(guò)基于歷史真實(shí)境外貸款案例的實(shí)驗(yàn)證明，本文方法相對(duì)于傳統(tǒng)方法擁有更高的準(zhǔn)確率。

參考文獻(xiàn)

[1] 張建華.企業(yè)并購(gòu)風(fēng)險(xiǎn)分析與風(fēng)險(xiǎn)管理[J].華南金融研究，2002，（6）.

[2] 杜玉平.跨國(guó)信貸業(yè)務(wù)中的國(guó)家風(fēng)險(xiǎn)評(píng)估[J].廣東外語(yǔ)外貿(mào)大學(xué)學(xué)報(bào)，2006，（10）.

[3] 馮文成，劉英.銀行貸款風(fēng)險(xiǎn)管理及量化指標(biāo)體系

[J].財(cái)經(jīng)問(wèn)題研究，1994，（8）.

[4] 陳秀鎮(zhèn)，鄭慶華，管曉宏.層次化網(wǎng)絡(luò)安全威脅態(tài)勢(shì)量化評(píng)估方法[J].軟件學(xué)報(bào)，2006，17（4）.

[5] Ming-Feng Yeh，Kuang-Chiung Chang.ECG Beat Classification Using the GreyART Network[J].Signal Processing，2007，1（1）.

[6] Yik-Hing Fung，Yuk-Hee Chan.Green Noise Digital Halftoning With Multiscale Error Diffusion[J].Image Processing，IEEE Transcation on，2010，19（7）.

[7] 胡艷，陳震紅，徐勇.企業(yè)并購(gòu)主要方式的風(fēng)險(xiǎn)剖析[J].工業(yè)技術(shù)經(jīng)濟(jì)，2001，（3）.

[8] 吳薇.風(fēng)險(xiǎn)投資評(píng)估指標(biāo)體系的研究[D].武漢大學(xué)，2005.

[9] 王廷博，徐世超.基于層次分析法的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估方法研究[J].電腦知識(shí)與技術(shù)，2008，（10）.

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（71071053）。

作者簡(jiǎn)介：王敏（1983-），女，供職于國(guó)網(wǎng)江西省電力公司經(jīng)濟(jì)技術(shù)研究院，碩士，研究方向：電力與能源經(jīng)濟(jì)。

（責(zé)任編輯：黃銀芳）