農(nóng)村商業(yè)性小額貸款決策風(fēng)險(xiǎn)評(píng)估模型及其求解

林佳麗， 姜大志， 薛聲家

(1.汕頭大學(xué) 商學(xué)院，廣東汕頭515063;2.汕頭大學(xué) 工學(xué)院，廣東汕頭515063;3.暨南大學(xué)管理學(xué)院企業(yè)管理系，廣東廣州510632)

演化算法是基于自然選擇和自然遺傳等生物進(jìn)化機(jī)制的一種搜索算法演化算法［1］.其組成包含4類典型方法，分別是遺傳算法(genetic algorithms)、遺傳程序設(shè)計(jì)(genetic programming)、進(jìn)化策略(evolution strategies)和演化規(guī)劃(evolution programming).作為一種自組織、自適應(yīng)和自學(xué)習(xí)的智能算法，演化算法已廣泛應(yīng)用于計(jì)算機(jī)、系統(tǒng)工程、通信、機(jī)械以及經(jīng)濟(jì)與管理計(jì)算科學(xué)等眾多領(lǐng)域.問(wèn)題越復(fù)雜、非線性程度越高，演化算法的優(yōu)勢(shì)就會(huì)越明顯.在農(nóng)村小額貸款的實(shí)施過(guò)程中，風(fēng)險(xiǎn)管理是其中的一個(gè)重要環(huán)節(jié).在既有的國(guó)家政策下，我國(guó)小額貸款公司面臨著資金不足，貸款風(fēng)險(xiǎn)極大且難以解決與控制的問(wèn)題.目前已有一些文章開(kāi)始探討小額貸款過(guò)程中的信用風(fēng)險(xiǎn)、運(yùn)營(yíng)風(fēng)險(xiǎn)等可持續(xù)發(fā)展問(wèn)題［2－10］，但現(xiàn)有研究一般以宏觀指導(dǎo)為主，對(duì)于小額貸款業(yè)務(wù)的實(shí)際指導(dǎo)作用仍有待強(qiáng)化，其實(shí)操性仍有待提高.為了降低小額貸款公司的貸款風(fēng)險(xiǎn)，為小額貸款公司的貸款過(guò)程進(jìn)行有效的決策支持，本文首先從農(nóng)村商業(yè)性小額貸款的風(fēng)險(xiǎn)指標(biāo)出發(fā)，構(gòu)建農(nóng)村貸款業(yè)務(wù)的決策風(fēng)險(xiǎn)評(píng)估模型，然后利用演化算法優(yōu)越的計(jì)算能力，提出一種新型高效的演化算法［11］對(duì)模型進(jìn)行求解，通過(guò)模型的構(gòu)建與求解幫助小額貸款公司更科學(xué)有效的控制貸款風(fēng)險(xiǎn)，為其加強(qiáng)風(fēng)險(xiǎn)管理提供有借鑒意義的解決思路和操作方案.

1 決策風(fēng)險(xiǎn)評(píng)估模型的構(gòu)建

1.1 指標(biāo)建立

通過(guò)對(duì)相關(guān)文獻(xiàn)的回顧以及廣東省幾家小額貸款公司的調(diào)研可知，目前小額貸款公司開(kāi)通的小額貸款業(yè)務(wù)，主要服務(wù)于“三農(nóng)”經(jīng)濟(jì)、小型企業(yè)、個(gè)體工商戶和具有完全民事行為能力的自然人.在評(píng)估“三農(nóng)”貸款業(yè)務(wù)的可行性時(shí)，這些公司主要將風(fēng)險(xiǎn)分為4類:環(huán)境風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、管理風(fēng)險(xiǎn)和政策風(fēng)險(xiǎn).

(1)環(huán)境風(fēng)險(xiǎn) 由于外界環(huán)境變化而引發(fā)收益不確定的風(fēng)險(xiǎn)問(wèn)題，我們稱之為環(huán)境風(fēng)險(xiǎn).環(huán)境作為參與小額信貸的外部客觀主體，其多變性和不可預(yù)測(cè)性的特征，通過(guò)作用于農(nóng)民生產(chǎn)、銷售等環(huán)節(jié)，間接給小額信貸造成大量風(fēng)險(xiǎn)［4，7］.環(huán)境風(fēng)險(xiǎn)主要包含了自然環(huán)境風(fēng)險(xiǎn)和市場(chǎng)環(huán)境風(fēng)險(xiǎn)兩大類［12］.

(2)信用風(fēng)險(xiǎn) 在本文中，信用風(fēng)險(xiǎn)是指借款人不能及時(shí)還本付息的風(fēng)險(xiǎn).產(chǎn)生信用風(fēng)險(xiǎn)的主體一般是指借方，即本文的農(nóng)戶.對(duì)于貸方，即小額貸款公司來(lái)說(shuō)，不論是借方有著強(qiáng)烈的還款觀念，可由于種種原因①與非農(nóng)產(chǎn)業(yè)不同，農(nóng)業(yè)對(duì)地質(zhì)、氣候、雨量等自然條件有著很強(qiáng)的依賴性，受自然災(zāi)害的影響較大，對(duì)自然災(zāi)害抵御能力較弱.一旦有災(zāi)害發(fā)生，農(nóng)業(yè)生產(chǎn)就會(huì)受到很大影響，農(nóng)戶將會(huì)面臨較低的產(chǎn)出甚至沒(méi)有產(chǎn)出，其貸款資金的償還就會(huì)不可避免的受到影響.另外市場(chǎng)瞬息萬(wàn)變，而農(nóng)村地區(qū)交通不便、信息閉塞，農(nóng)戶不能及時(shí)獲取有用信息并根據(jù)市場(chǎng)供求安排其種養(yǎng)結(jié)構(gòu)，往往只能參照上期市場(chǎng)價(jià)格來(lái)決定本期生產(chǎn)，這種情況下農(nóng)戶不可能獲得較好的收入(李強(qiáng)和楊蕊2007).此外，農(nóng)業(yè)生產(chǎn)有具有較長(zhǎng)的生產(chǎn)周期，農(nóng)戶不可能根據(jù)市場(chǎng)供求變化隨時(shí)調(diào)整種養(yǎng)結(jié)構(gòu)，在這種情況下市場(chǎng)價(jià)格是決定農(nóng)戶農(nóng)業(yè)收成好壞的一個(gè)很重要的因素.而造成無(wú)法按期還款;還是由于其本身就缺乏還款觀念而造成的違約都算作是信用風(fēng)險(xiǎn)［4，7 －8，12］.

(3)管理風(fēng)險(xiǎn) 作為小額信貸的資金供給者，小額貸款公司在經(jīng)營(yíng)管理上出現(xiàn)的疏忽也會(huì)人為的引起風(fēng)險(xiǎn)問(wèn)題.而這種風(fēng)險(xiǎn)往往表現(xiàn)在公司管理層的管理質(zhì)量、信貸員自身的素質(zhì)以及項(xiàng)目評(píng)估工作的實(shí)施過(guò)程［4］.

(4)政策風(fēng)險(xiǎn) 政策風(fēng)險(xiǎn)分為兩個(gè)方面，對(duì)小額信貸公司來(lái)說(shuō)，國(guó)家某些政策的不到位或是利空消息的出臺(tái)都會(huì)引發(fā)風(fēng)險(xiǎn)問(wèn)題.比如說(shuō)中國(guó)人民銀行和中國(guó)銀監(jiān)會(huì)尚未對(duì)小額貸款公司給出明確的定性，這影響到小額貸款公司的日常經(jīng)營(yíng)與監(jiān)管［13］.另外，國(guó)家或當(dāng)?shù)氐慕?jīng)濟(jì)、產(chǎn)業(yè)扶持政策將直接影響著小額貸款公司的貸款意向［12］.

在此，本文以汕頭市某貸款公司的“匯財(cái)通”業(yè)務(wù)為例，對(duì)其經(jīng)營(yíng)情況進(jìn)行剖析.該公司于2009年12月經(jīng)廣東省金融辦批準(zhǔn)成立，注冊(cè)資本金為1億.我們通過(guò)把風(fēng)險(xiǎn)分為環(huán)境風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、管理風(fēng)險(xiǎn)和政策風(fēng)險(xiǎn)4大類(如表1)，對(duì)該公司2010年度所發(fā)生的所有“匯財(cái)通”業(yè)務(wù)進(jìn)行隨機(jī)抽樣，選取樣本30個(gè)，并由該公司對(duì)應(yīng)業(yè)務(wù)主要負(fù)責(zé)人及其上層主管根據(jù)4項(xiàng)風(fēng)險(xiǎn)指標(biāo)對(duì)所涉信貸業(yè)務(wù)的風(fēng)險(xiǎn)影響進(jìn)行權(quán)重打分(根據(jù)李克特5分量表法進(jìn)行風(fēng)險(xiǎn)高低打分，風(fēng)險(xiǎn)越低得分越高，由二級(jí)指標(biāo)的算術(shù)平均獲得對(duì)應(yīng)一級(jí)指標(biāo)的得分，再由一級(jí)指標(biāo)的得分情況對(duì)各因素賦權(quán))最終獲得有效評(píng)分量表共56份，最后匯總整理得各影響因素的權(quán)重指標(biāo)如表1所示.

1.2 模型構(gòu)建

為了對(duì)農(nóng)村商業(yè)性小額貸款的決策風(fēng)險(xiǎn)進(jìn)行控制，本文希望通過(guò)構(gòu)建基于小額貸款的最優(yōu)決策模型，在微觀實(shí)操層面給予小額貸款公司的貸款決策進(jìn)行科學(xué)指導(dǎo)，該決策從小額貸款的風(fēng)險(xiǎn)指標(biāo)出發(fā)，以最優(yōu)化貸款平均價(jià)值和貸款比率為主要目標(biāo)(事實(shí)上，主要目標(biāo)取決于小額貸款公司的宏觀決策目標(biāo)，當(dāng)貸款公司的宏觀決策目標(biāo)發(fā)生變化，貸款決策模型也將發(fā)生變化，本文希望構(gòu)建出一種貸款決策模型的范式，供其他小額貸款公司的貸款決策參考借鑒).在此首先給出貸款平均價(jià)值和貸款比率的定義.

表1 貸款決策風(fēng)險(xiǎn)指標(biāo)、權(quán)重表Table 1 The risk indicators and weights of decision

貸款平均價(jià)值 假設(shè)小額貸款公司有一批貸款者G，那么所有貸款者的平均貸款價(jià)值可由以下函數(shù)模型表示:

上式中，i為貸款公司第i個(gè)貸款者.Aik指第i個(gè)貸款者的第 k 個(gè)指標(biāo)的取值，k=1，2，3，4.該取值由對(duì)應(yīng)指標(biāo)的二級(jí)指標(biāo)進(jìn)行算術(shù)平均求得.ωk是貸款決策指標(biāo)中第k指標(biāo)的權(quán)重.

貸款比率 在構(gòu)建小額貸款公司的決策風(fēng)險(xiǎn)評(píng)估模型中，還要考慮一個(gè)重要的因素是小額貸款公司的資金問(wèn)題.根據(jù)中國(guó)人民銀行和銀監(jiān)會(huì)聯(lián)合2008年5月頒布的《關(guān)于小額貸款公司試點(diǎn)的指導(dǎo)意見(jiàn)》，小額貸款公司是由自然人、企業(yè)法人與其他社會(huì)組織投資設(shè)立，不吸收公眾存款.在運(yùn)行特征方面，小額貸款公司有著不同于一般公司類企業(yè)和銀行類金融機(jī)構(gòu)的獨(dú)特運(yùn)作特征.首先，其資金來(lái)源具有確定性和有限性.其次，其外部融資來(lái)源限制為不超過(guò)兩家銀行業(yè)金融機(jī)構(gòu)，并且不得吸收公眾存款.為此，如何在有限的資金下獲得最大利潤(rùn)是一個(gè)小額貸款公司不得不面臨的嚴(yán)峻問(wèn)題.

基于以上定義，在構(gòu)建貸款決策模型之前，還需要給出關(guān)于小額貸款公司貸款決策的3點(diǎn)假設(shè):

假設(shè)1 在一般情況下，對(duì)小額貸款公司而言，貸款比率為1或者0的情況都極難出現(xiàn)，為此設(shè)定貸款比率在(0，1)之間取值.

假設(shè)2 基于管理效率和成本控制，對(duì)于可貸款資金總額無(wú)法滿足貸款總需求的小額貸款公司而言，在貸款者平均價(jià)值相等的情況下，貸款比率越低越好.

假設(shè)3 小額貸款公司的決策目標(biāo)是在可貸款額度以及理想貸款人數(shù)的預(yù)設(shè)范圍內(nèi)，于一批貸款者中選取一定數(shù)量的貸款者，使得模型中平均貸款價(jià)值越大越好，貸款比率越低越好.

基于上述定義和3點(diǎn)基本假設(shè)，小額貸款公司的決策風(fēng)險(xiǎn)評(píng)估模型之目標(biāo)就是對(duì)于一批貸款者，最大化貸款者的平均價(jià)值，最小化貸款比率，以此來(lái)確定貸款對(duì)象.由于貸款價(jià)值大小是根據(jù)風(fēng)險(xiǎn)評(píng)估結(jié)果判定，為此在貸款平均價(jià)值模型上除以風(fēng)險(xiǎn)評(píng)估總分5以統(tǒng)一量綱.上述模型由兩個(gè)目標(biāo)組成(多目標(biāo))，為了運(yùn)算簡(jiǎn)便起見(jiàn)，用線性加權(quán)方法把多目標(biāo)問(wèn)題轉(zhuǎn)化為單目標(biāo)問(wèn)題，此外，用貸款比率的倒數(shù)來(lái)代替原有的貸款比率模型，從而把待求解的問(wèn)題統(tǒng)一地轉(zhuǎn)化為相容的極大化問(wèn)題.綜上所述，小額貸款的決策模型的目標(biāo)函數(shù)如下所示.通過(guò)該模型，我們將獲得在實(shí)現(xiàn)最大化目標(biāo)函數(shù)時(shí)每個(gè)貸款者的貸款強(qiáng)度.

其中，Tmin表示獲得貸款的人數(shù)的下限，Tmax表示獲得貸款人數(shù)的上限.一般而言，0≤Tmin≤Tmax≤G.Smax和Smin表示整個(gè)小額貸款公司此次發(fā)放貸款的上下限(兩組上下限均由小額貸款公司在模型求解前進(jìn)行預(yù)設(shè)).

在決策風(fēng)險(xiǎn)評(píng)估模型中，我們根據(jù)貸款者的貸款強(qiáng)度來(lái)決定是否貸款.如果貸款強(qiáng)度太低則不考慮貸款，為此我們需要設(shè)定貸款強(qiáng)度的閾值δ來(lái)進(jìn)行貸款判斷.當(dāng)xi＜δ時(shí)，第i個(gè)貸款者不獲得貸款，否者獲得貸款.ψ函數(shù)的功能定義如下:

2 基于約束處理的UMCA算法

演化算法是一種求解復(fù)雜的非線性規(guī)劃問(wèn)題的有效算法［1］，本文基于統(tǒng)一的多父體雜交算法［11］(unified multi－ parent combination algorithm，UMCA)，提出基于約束處理的 UMCA算法(UMCA based on constraint treatment，UMCACT)求解小額貸款的決策風(fēng)險(xiǎn)評(píng)估模型.

假設(shè)演化算法種群為N，對(duì)于求解小額貸款決策問(wèn)題，算法中用Xi表示種群中的第i個(gè)個(gè)體，每個(gè)個(gè)體的長(zhǎng)度為 G，Xi中的每個(gè)分量 Xi，j在(0，1)之間取值，表示第j個(gè)貸款者的貸款強(qiáng)度.

UMCACT的算法框架如下所示.

Step1 隨機(jī)產(chǎn)生N個(gè)個(gè)體構(gòu)成種群P={X1，X2，…XN}，Xi∈S.

Step2 求 Xbest與 Xworst，使得?Xi∈P，i=1，…，N，有 better(Xbest，Xi)，better(Xi，Xworst).

Step3 如果滿足算法終止條件，轉(zhuǎn)到Step9;否則對(duì)所有的個(gè)體做后續(xù)操作Xi∈P，i=1，…，N.

Step4 構(gòu)造搜索子空間V;

Step4－1 在種群中選擇M個(gè)個(gè)體Xj=(xj1，xj2，…，xjm)T，j=1，2，…，M;

Step5在V中隨機(jī)選取一點(diǎn)ˉXi;

Step6 采用DE/rand/1/bin中的雜交操作對(duì)進(jìn)行重組，得ˉX′i;

Step7如果better(ˉX′i，Xworst)，則Xworst:=ˉX′i;

Step8 轉(zhuǎn)到Step2;

Step9 輸出Xbest;結(jié)束.

對(duì)于一個(gè)具有約束條件的函數(shù)優(yōu)化問(wèn)題，我們需要采用約束處理算子來(lái)保證UMCACT算法中個(gè)體的合法性.假設(shè)某一問(wèn)題有q個(gè)約束函數(shù)gi(X)(上述貸款決策模型中的約束條件可以轉(zhuǎn)化為4個(gè)約束函數(shù))，如果gi(X)≤0，則滿足約束，否者不滿足.hi(X)表示為個(gè)體X在約束gi(X)中違反約束的程度，H(X)表示為個(gè)體X整體違反約束條件的程度，若H(X)=0，則表明X滿足所有的約束條件，為一個(gè)可行解.hi(X)和H(X)表示如下:

據(jù)此，上述算法中的better可定義如下，

其中f為目標(biāo)函數(shù)的值.對(duì)于個(gè)體X1和X2，如果 better(X1，X2)=true，表示 X1優(yōu)于 X2，否則 X1劣于X2.

通過(guò)better函數(shù)我們可以發(fā)現(xiàn)，當(dāng)兩個(gè)個(gè)體要進(jìn)行適應(yīng)值的比較時(shí)，我們側(cè)重判斷個(gè)體對(duì)約束條件的滿足情況，而不考慮單純的適應(yīng)值取值.假設(shè)兩個(gè)個(gè)體X1和X2，如果f(X1)＞f(X2)，但是H(X1)＜H(X2)，我們還是認(rèn)為個(gè)體X1優(yōu)于X2.這種機(jī)制可以使得種群朝著問(wèn)題的可行解區(qū)域移動(dòng)，從而提高算法求解問(wèn)題的效率.

3 實(shí)證分析

現(xiàn)對(duì)2010年12月1日至2010年12月30日期間向該小額貸款公司申請(qǐng)的“財(cái)匯通”業(yè)務(wù)進(jìn)行整理，共獲得12個(gè)有效樣本，在此我們對(duì)這些樣本進(jìn)行實(shí)證分析.其中所有的貸款者用 G(G1，G2，…，G12)表示，每個(gè)貸款者的期望貸款數(shù)額如表2所示.當(dāng)月小額貸款業(yè)務(wù)可供發(fā)放的貸款總額為45萬(wàn)元，經(jīng)過(guò)公司的評(píng)估與考核，基于人工評(píng)價(jià)的貸款結(jié)果如表3所示，其中1表示貸款，0表示拒絕貸款(下同)，總共發(fā)放貸款總額為45萬(wàn)元，獲得貸款的貸款人數(shù)為6.

表2 各貸款者的貸款數(shù)額Table 2 Each lenders′s loan number

表3 實(shí)際發(fā)放貸款(人工決策)Table 3 The actual payment of the loans

我們通過(guò)決策風(fēng)險(xiǎn)評(píng)估模型對(duì)該實(shí)例進(jìn)行分析.首先，小額貸款公司根據(jù)上文所提到的4個(gè)指標(biāo)對(duì)這12個(gè)貸款者進(jìn)行評(píng)估，評(píng)估的結(jié)果見(jiàn)表4(單項(xiàng)因素的評(píng)分為5分制).在決策風(fēng)險(xiǎn)評(píng)估模型中，設(shè)定 ω1=0.232，ω2=0.367，ω3=0.253，ω4=0.148.在約束條件中，我們?cè)O(shè)定:Tmin=4，Tmax=8，公司發(fā)放貸款的總額(萬(wàn)元)的上下限為Smax=45，Smin=40.

表4 貸款者指標(biāo)評(píng)估得分表Table 4 Evaluation score table of lenders′risk indicators

UMCACT算法的參數(shù)設(shè)置如下:N=100，M=3，αlow= －1.0，αup=1.5，Slow= －1，Sup=2，Cr=0.9.

為了驗(yàn)證UMCACT算法求解效率，本文采用SGA算法和加權(quán)得分的結(jié)果進(jìn)行對(duì)比研究.在SGA算法中，種群大小為N=100，選擇算子使用輪盤賭策略，交叉算子采用單點(diǎn)雜交，變異算子采用正態(tài)分布隨機(jī)數(shù)的策略，交叉率和變異率分別為0.95和0.005，同樣在SGA中采用UMCACT中的約束處理辦法.為了客觀準(zhǔn)確地評(píng)價(jià)算法的運(yùn)算性能，本文采用NFC(number of function calls)作為算法的終止條件，兩種算法每次運(yùn)行時(shí)NFC設(shè)定為20 000，算法獨(dú)立運(yùn)行50次.由于貸款總?cè)藬?shù)為12，所以設(shè)定演化種群中個(gè)體的長(zhǎng)度為12.運(yùn)行結(jié)果如表5所示(表中第2行和第3行數(shù)據(jù)分別為UMCACT和SGA算法50次運(yùn)算之后的求得的可貸款強(qiáng)度的平均值).“加權(quán)得分”一行表示根據(jù)貸款者各個(gè)指標(biāo)的評(píng)分并根據(jù)權(quán)重加權(quán)得到的關(guān)于每個(gè)貸款者的評(píng)分結(jié)果.

表5 決策風(fēng)險(xiǎn)評(píng)估模型運(yùn)行結(jié)果Table 5 The result of the risk evaluation model

在表5中，通過(guò)這3組數(shù)值的對(duì)比可以發(fā)現(xiàn)，依據(jù)可貸款強(qiáng)度的值，通過(guò)UMCACT算法，本次貸款將全額發(fā)放給貸款者G3、G5、G9和G10，發(fā)放給G6部分貸款(66.667%，6萬(wàn)元)，發(fā)放貸款的總額為40萬(wàn)元，滿足貸款總額的上下限，被貸款者的總?cè)藬?shù)為5，滿足貸款總?cè)藬?shù)的上下限.未貸款成功的貸款者為 G1、G2、G4、G7、G8、G11和 G12.

通過(guò)SGA算法，本次貸款同樣將全額發(fā)放給貸款者 G3、G5、G9和 G10，發(fā)放給 G6部分貸款(66.667%，6萬(wàn)元)，發(fā)放給 G12部分貸款(16%，1.92萬(wàn)元)，發(fā)放貸款的總額為41.92萬(wàn)元，滿足貸款總額的上下限，被貸款者的總?cè)藬?shù)為6，滿足貸款總?cè)藬?shù)的上下限.通過(guò)對(duì)比兩個(gè)算法的運(yùn)行結(jié)果可以發(fā)現(xiàn)，UMCACT算法不僅降低了貸款總額度，而且有效減少了貸款業(yè)務(wù)量.

再來(lái)比較UMCACT與直接根據(jù)加權(quán)得分的結(jié)果，在明確最優(yōu)貸款人數(shù)的情況下，可以確定G2、G4、G7、G8、G11和 G12將不能取得貸款，但是令人驚訝的是根據(jù)模型結(jié)果G1也不能取得貸款，但是比G1加權(quán)得分偏小的G6確獲得了貸款.要解釋這個(gè)問(wèn)題就有必要對(duì)模型進(jìn)一步分析，首先，若貸款給G1而不貸款給G6，那么整個(gè)貸款總額將低于預(yù)設(shè)的貸款總額，不可行;其次，若給G1和G6都放貸，那么貸款總額雖然滿足上下限，但是平均貸款價(jià)值將減低，而且貸款比率會(huì)升高，不滿足一般企業(yè)的微觀理性追求，所以應(yīng)該在G1和G6之間尋找權(quán)衡點(diǎn)，通過(guò)演化發(fā)現(xiàn)，部分貸款給G6，可以使得決策風(fēng)險(xiǎn)模型的風(fēng)險(xiǎn)降到最低.這個(gè)結(jié)果符合一般小額貸款公司的日常決策，由于貸款過(guò)程需要耗費(fèi)一定的成本，貸款公司基于內(nèi)部管理和成本方面的考慮，貸款業(yè)務(wù)的數(shù)量會(huì)有一定控制.在同等條件下，則會(huì)盡量貸款給評(píng)分高，貸款額度大的貸款者，這樣不僅降低成本，而且會(huì)提高收益.我們的模型結(jié)果符合小額貸款公司的期望，可見(jiàn)模型構(gòu)造及其求解的有效性.

與該公司2010年12月份實(shí)際發(fā)生的貸款業(yè)務(wù)對(duì)比發(fā)現(xiàn)，通過(guò)決策風(fēng)險(xiǎn)評(píng)估模型求解得到的結(jié)果與實(shí)際貸款結(jié)果有一定量的交集，但是決策風(fēng)險(xiǎn)評(píng)估模型的結(jié)果更為謹(jǐn)慎.對(duì)于G1和G6，基于人工評(píng)價(jià)的結(jié)果是均對(duì)兩者發(fā)放貸款，這樣不僅發(fā)放了更多的貸款資金，而且風(fēng)險(xiǎn)變得更高.決策風(fēng)險(xiǎn)評(píng)估模型能在更為微觀的層面甄別貸款者的差異，同時(shí)能在全局的層面控制貸款的風(fēng)險(xiǎn)，幫助小額貸款公司做出理性、科學(xué)的決策.與事實(shí)的比較發(fā)現(xiàn)，決策風(fēng)險(xiǎn)評(píng)估模型的構(gòu)建是合理的、有效的.

此外，若公司需要消除部分貸款的可能性，則可在算法中設(shè)定閾值δ(如δ=0.5)，那么演化過(guò)程中貸款強(qiáng)度大于該閾值就將獲得全額貸款.通過(guò)設(shè)定閥值，算法50次運(yùn)算之后的結(jié)果均為G3、G5、G6、G9和G10獲得全額貸款(貸款對(duì)象不變)，貸款總額為43萬(wàn)元.

4 結(jié)語(yǔ)

向農(nóng)民和農(nóng)村中小企業(yè)提供金融服務(wù)，是中國(guó)農(nóng)村經(jīng)濟(jì)發(fā)展需要解決的一個(gè)重要課題.近年來(lái)，小額貸款公司的產(chǎn)生是中國(guó)發(fā)展小額信貸的一個(gè)創(chuàng)新性成果，也是中國(guó)政府在農(nóng)村金融領(lǐng)域進(jìn)行增量改革的重要載體.本文構(gòu)建了小額貸款公司的決策風(fēng)險(xiǎn)評(píng)估模型，提出一種新型的演化算法進(jìn)行求解，為解決貸款公司的農(nóng)戶信貸業(yè)務(wù)風(fēng)險(xiǎn)管理問(wèn)題提供了一種新的思路.本文雖然受取樣條件限制樣本個(gè)數(shù)較少，但模型的適配性和實(shí)操性已得到有效的驗(yàn)證，在實(shí)際操作中隨著小額貸款公司貸款業(yè)務(wù)量的增多該模型的優(yōu)勢(shì)將逐步凸顯.而且通過(guò)對(duì)風(fēng)險(xiǎn)評(píng)估指標(biāo)的調(diào)整即可將模型應(yīng)用到“三農(nóng)”以外的貸款業(yè)務(wù)中，如中小型企業(yè)、個(gè)體工商戶等貸款業(yè)務(wù)，因而具有很強(qiáng)的實(shí)際指導(dǎo)意義.此外，本文構(gòu)建的風(fēng)險(xiǎn)評(píng)估模型具有很強(qiáng)的外延性，如果根據(jù)不同業(yè)務(wù)特點(diǎn)對(duì)指標(biāo)權(quán)重或者相關(guān)參數(shù)進(jìn)行調(diào)整將能使風(fēng)險(xiǎn)評(píng)估模型適用于不同類型的借貸業(yè)務(wù)，在更多領(lǐng)域幫助小額貸款公司進(jìn)行決策風(fēng)險(xiǎn)判斷.

［1］潘正君，康立山，陳毓屏.演化計(jì)算［M］.北京:清華大學(xué)出版社，1998.

［2］郭素貞.我國(guó)小額貸款公司發(fā)展問(wèn)題探析［J］.農(nóng)村經(jīng)濟(jì)與科技，2010，21(11):68 －70.

［3］方金兵.農(nóng)村信用社經(jīng)營(yíng)風(fēng)險(xiǎn)評(píng)價(jià)與預(yù)警研究—以江蘇為例［D］.南京:南京農(nóng)業(yè)大學(xué)，2010.

［4］朱欣樂(lè).農(nóng)村小額信用貸款的風(fēng)險(xiǎn)管理研究［J］.經(jīng)濟(jì)縱橫，2010(12):80－83.

［5］胡 愈，許紅蓮，王 雄.農(nóng)戶小額信用貸款信用評(píng)級(jí)探究［J］.財(cái)經(jīng)理論與實(shí)踐，2007，28(145):30 －33.

［6］汪 軼.小額信貸機(jī)構(gòu)可持續(xù)發(fā)展問(wèn)題研究［D］.成都:西南財(cái)經(jīng)大學(xué)，2004.

［7］陳 瑩.我國(guó)農(nóng)戶小額信用貸款信用風(fēng)險(xiǎn)控制研究［D］.成都:西南財(cái)經(jīng)大學(xué)，2006.

［8］薛 雪.基于誤差修正模型的農(nóng)戶小額信貸風(fēng)險(xiǎn)評(píng)價(jià)［D］.大連:大連理工大學(xué)，2010.

［9］胡 愈，許紅蓮，王 雄.農(nóng)戶小額信用貸款信用評(píng)級(jí)探究［J］.財(cái)經(jīng)理論與實(shí)踐，2007，28(145):30 －33.

［10］孟衛(wèi)東，周蘋逢，江麗梅.農(nóng)村小額團(tuán)體貸款防合謀機(jī)制設(shè)計(jì)［J］.科研管理，2011，32(6):124－132.

［11］姜大志，林佳麗.一種統(tǒng)一的多父體雜交算法［J］.華中科技大學(xué)學(xué)報(bào):自然科學(xué)版，2010，38(12):98－101.

［12］李 強(qiáng)，楊 蕊.農(nóng)戶小額信貸風(fēng)險(xiǎn)問(wèn)題探討［J］.南方農(nóng)業(yè)，2007，1(1):63 －65.

［13］劉恒怡，王延濤.小額信貸在我國(guó)農(nóng)村金融體系發(fā)展中的問(wèn)題研究［J］.農(nóng)業(yè)經(jīng)濟(jì)，2011，8:69 －70.