基于BP神經(jīng)網(wǎng)絡(luò)的綠色信貸風(fēng)險評價

單蕊

摘? 要：時代進(jìn)步，在帶來經(jīng)濟(jì)突飛猛進(jìn)發(fā)展的同時，也帶來了物質(zhì)文明建設(shè)與生態(tài)文明建設(shè)辯證統(tǒng)一關(guān)系的嚴(yán)肅課題。近年來，要求將環(huán)境保護(hù)融入到企業(yè)生產(chǎn)的源頭——金融信貸的呼聲越來越高，開展綠色信貸，確實(shí)可以鼓勵低碳環(huán)保企業(yè)蓬勃發(fā)展，同時也能夠遏制“兩高一?！毙袠I(yè)對可持續(xù)發(fā)展的破壞。積極開展對商業(yè)銀行綠色信貸風(fēng)險進(jìn)行評價，選擇適合地方的風(fēng)險評估體系尤為重要。

關(guān)鍵詞：山東省;商業(yè)銀行;綠色信貸;風(fēng)險評價;BP神經(jīng)網(wǎng)絡(luò)

基金項(xiàng)目：本文系山東省重點(diǎn)研發(fā)計劃（軟科學(xué)）項(xiàng)目《山東省銀行機(jī)構(gòu)綠色信貸風(fēng)險評價研究》（2019RKA06018）研究的階段性成果。

一、山東省銀行機(jī)構(gòu)綠色信貸風(fēng)險概述

綠色信貸是在赤道原則的支持下產(chǎn)生發(fā)展的，受到可持續(xù)金融理論、企業(yè)社會責(zé)任理論和銀行環(huán)境風(fēng)險管理理論的指導(dǎo)。

（一）綠色信貸風(fēng)險

綠色信貸風(fēng)險是指銀行遇到的貸款無法收回的風(fēng)險，根據(jù)產(chǎn)生的原因不同，分為環(huán)境風(fēng)險和財務(wù)風(fēng)險。環(huán)境風(fēng)險是由于企業(yè)生產(chǎn)不合乎環(huán)境要求導(dǎo)致?lián)p失，進(jìn)而影響還貸的風(fēng)險，也是綠色信貸研究的主要風(fēng)險;財務(wù)風(fēng)險，是由于貸款企業(yè)經(jīng)營不善導(dǎo)致的無法按期歸還貸款的風(fēng)險。

（二）綠色信貸風(fēng)險評價方法

1、BP神經(jīng)網(wǎng)絡(luò)

BP 神經(jīng)網(wǎng)絡(luò)是 Matlab 軟件的一個重要模塊，網(wǎng)絡(luò)由輸入層、隱含層與輸出層共同構(gòu)成。本文選用的是輸入層、輸出層和單隱含層的三層感知器，將模型中的指標(biāo)作為輸入層，設(shè)置神經(jīng)網(wǎng)絡(luò)的各項(xiàng)具體參數(shù)，對綠色信貸風(fēng)險神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練;根據(jù)測試結(jié)果對綠色信貸風(fēng)險評價初步模型進(jìn)行調(diào)整，得出確定的評價指標(biāo)體系。

2、層次分析法

構(gòu)建一級指標(biāo)判斷矩陣，對責(zé)任管理風(fēng)險的二級指標(biāo)進(jìn)行系數(shù)賦值，通過指標(biāo)非量綱的歸一化處理，計算其在風(fēng)險構(gòu)成中的權(quán)重，并結(jié)合相關(guān)文獻(xiàn)和專家打分對50家上市公司評價指標(biāo)的表現(xiàn)情況進(jìn)行打分，得出其責(zé)任管理風(fēng)險的最終得分。

3、因子分析法

納入財務(wù)風(fēng)險，評價企業(yè)綠色信貸綜合風(fēng)險水平，建立初步的評價模型，并借鑒“3σ”法則對50家上市公司進(jìn)行綠色信貸風(fēng)險打分和評價。

二、基于BP神經(jīng)網(wǎng)絡(luò)的山東省綠色信貸風(fēng)險評價指標(biāo)體系的構(gòu)建

（一）指標(biāo)體系選取

指標(biāo)選取嚴(yán)格遵循全面系統(tǒng)性、科學(xué)合規(guī)性、可操作性以及實(shí)用性原則。

環(huán)境風(fēng)險指標(biāo)體系采用定性分析的方法，選取企業(yè)內(nèi)部環(huán)境管理、環(huán)境守法情況、與外部溝通狀況和環(huán)境狀態(tài)作為一級指標(biāo)。二級指標(biāo)的設(shè)計如下：企業(yè)內(nèi)部環(huán)境管理的二級指標(biāo)包括環(huán)保技術(shù)創(chuàng)新水平、三廢防治和噪音污染三項(xiàng);環(huán)境守法的二級指標(biāo)包括法律法規(guī)的遵守、生產(chǎn)人員綜合素質(zhì)和環(huán)境教育培訓(xùn)情況;企業(yè)與外部溝通狀況的二級指標(biāo)包含了環(huán)境報告的發(fā)布、環(huán)境事故的發(fā)生數(shù)和贊助社會環(huán)保經(jīng)費(fèi);環(huán)境狀態(tài)的二級指標(biāo)則采用了對全球環(huán)境的影響、對社會的影響。

財務(wù)風(fēng)險指標(biāo)體系選取的一級指標(biāo)包括企業(yè)的盈利能力、營運(yùn)能力、成長能力和償債能力。描述盈利能力的二級指標(biāo)采用總資產(chǎn)利潤率和銷售凈利率。描述營運(yùn)能力的二級指標(biāo)采用的是流動資金周轉(zhuǎn)率、總資金周轉(zhuǎn)率和股東權(quán)益周轉(zhuǎn)率。描述成長能力的二級指標(biāo)選取了主營業(yè)務(wù)收入增長率和總資產(chǎn)增長率。描述償債能力的指標(biāo)是常用的流動比率、速動比率和資產(chǎn)負(fù)債率。

（二）綠色信貸風(fēng)險的等級劃分

本文對于綠色信貸風(fēng)險等級的劃分，參照了中國人民銀行《貸款風(fēng)險分類指導(dǎo)原則》，即信貸風(fēng)險分為正常類、關(guān)注類、次級類、可疑類和損失類五大類。

三、基于BP神經(jīng)網(wǎng)絡(luò)山東省銀行機(jī)構(gòu)綠色信貸風(fēng)險評價的實(shí)證分析

（一）樣本數(shù)據(jù)選取

按照全面性、層次性和重點(diǎn)性原則，本文選取山東省重污染和高耗能的20家上市公司作為統(tǒng)計對象，采取其2019年的數(shù)據(jù)指標(biāo)為樣本，進(jìn)行分析。

（二）環(huán)境風(fēng)險指標(biāo)體系分析

該部分我們以企業(yè)內(nèi)部環(huán)境管理B1為例做出說明，B2、B3分析過程與B1一致，由于B4只包含兩個指標(biāo)，因此不存在一致性檢驗(yàn)問題。

首先，運(yùn)用層次分析法，根據(jù)專家意見，構(gòu)建一級指標(biāo)，并根據(jù)判斷矩陣計算準(zhǔn)則層指標(biāo)權(quán)重，結(jié)果為：WC11=0.621，WC12=1.000，WC13=1.557，歸一化得出準(zhǔn)則層指標(biāo)權(quán)重。企業(yè)內(nèi)部環(huán)境管理B1指標(biāo)層的判斷矩陣如表1所示：

接著，在對判斷矩陣的一致性檢驗(yàn)中，我們發(fā)現(xiàn)，λmax=3.112，CI=0.022，CR=0.051<1。這說明判斷矩陣構(gòu)建合理，滿足一致性要求，權(quán)重也能體現(xiàn)評價指標(biāo)的重要性。

隨后，對其他指標(biāo)進(jìn)行分析。環(huán)境守法層次分析結(jié)果為：WC21=0.601，WC22=0.113，WC23=0.278;λmax=3.721，CI=0.027，CR=0.073<1。企業(yè)與外部溝通狀況層次分析結(jié)果為：WC31=0.511，WC32=0.292，WC33=0.163;λmax=3.019，CI=0.004，CR=0.007<1。環(huán)境狀態(tài)層次分析結(jié)果為：WC41=0.567，WC42=0.0.323。

最后，在得到指標(biāo)層的權(quán)重后，結(jié)合專家意見和相關(guān)文獻(xiàn)對本文選取的20家上市企業(yè)打分，分值與企業(yè)在該項(xiàng)指標(biāo)上的表現(xiàn)呈正比例關(guān)系，以最終判斷各個企業(yè)在環(huán)境風(fēng)險方面的情況。

（三）因子分析

運(yùn)用因子分析對企業(yè)綠色信貸風(fēng)險水平進(jìn)行定量評價，此時將會納入財務(wù)風(fēng)險指標(biāo)，具體步驟如下。

第一，KMO和Bartlett檢驗(yàn)結(jié)果為：KMO值0.597>0.5，Bartlett球體檢驗(yàn)的統(tǒng)計值的顯著性概率0.000<1%。以上檢驗(yàn)結(jié)果均說明變量數(shù)據(jù)具有相關(guān)性，適合作因子分析。

第二，對環(huán)境風(fēng)險和財務(wù)表現(xiàn)指標(biāo)進(jìn)行因子分析，提取公共因子得出，變量信息提取最低的共同度為0.724，說明公共因子對變量的信息提取充分，可以接受。

第三，利用SPSS進(jìn)行因子分析，碎石圖顯示，前6個因子特征值大于1，共解釋原始變量85.25

的信息，可以提取公因子，并提取到旋轉(zhuǎn)前初始特征值方差，分別為23.12、15.21、12.95、8.22、6.29、6.11。

下面，對各公因子進(jìn)行賦權(quán)，計算綜合因子得分。由旋轉(zhuǎn)前的解釋方差表，對各公共因子進(jìn)行賦值權(quán)重，權(quán)重結(jié)果以W1為例：

W1=23.12/（23.12+15.21+12.95+8.22+6.29+6.11）= 0.32 式（1）

第四，本文利用最大方差法進(jìn)行因子旋轉(zhuǎn)，旋轉(zhuǎn)后的6個公因子分別解釋了原始變量23.96%、 26.81%、15.22%、12.89%、11.81%和8.56%的信息。旋轉(zhuǎn)后成分矩陣可見，F(xiàn)l公因子可選擇流動比率、速動比率和資產(chǎn)負(fù)債率組成;F2公因子可選擇企業(yè)內(nèi)部環(huán)境管理、環(huán)境守法和與外部溝通狀況組成;F3公因子可選擇總資產(chǎn)利潤率和銷售凈利率組成;F4公因子可選擇流動資金周轉(zhuǎn)率和總資金周轉(zhuǎn)率組成;F5公因子可選擇股東權(quán)益周轉(zhuǎn)率和主營業(yè)務(wù)收入增長率組成;F6公因子可選擇環(huán)境狀態(tài)和總資產(chǎn)增長率組成。

第五，根據(jù)成分得分系數(shù)矩陣計算得到各個公因子，以F1為例：

F1= -0.073X1+ 0.011X2-0.007X3 +……+ 0.332X12 + 0.340X13-0.225X14? ? ?式（2）

因此，綠色信貸風(fēng)險綜合水平的表達(dá)式為：

F=0.32 F1+0.21F2+0.18F3+0.11F4+0.09F5+0.08F6? 式（3）

（四）信貸風(fēng)險狀況確定

為了避免量綱不一致對公共因子得分造成的影響，我們對因子分析得到的初步評價指標(biāo)數(shù)據(jù)進(jìn)行了極值化處理，得出Xij*（0，1）。帶入公因子表達(dá)式，得到公因子得分;帶入綜合因子表達(dá)式，計算出綠色信貸風(fēng)險綜合因子得分。

采用“3σ”法則開展評價，計算綜合得分的均值μ和標(biāo)準(zhǔn)差σ，數(shù)值分別為0.53和0.12，分別將綠色信貸風(fēng)險的臨界點(diǎn)設(shè)置為μ-σ、μ+σ、μ-3σ、μ+3σ，對綠色信貸風(fēng)險進(jìn)行劃分為五個等級。分別為：

1、無風(fēng)險：區(qū)間（μ-σ，μ+σ），值區(qū)間（0.41，0.65）;

2、低風(fēng)險：區(qū)間（μ+σ，μ+3σ），值區(qū)間（0.65，0.89）;

3、中等風(fēng)險：區(qū)間（μ+3σ，+∞），值區(qū)間（0.89，+∞）;

4、高風(fēng)險：區(qū)間（μ-3σ，μ-σ），值區(qū)間（0.17，0.41）;

5、超高風(fēng)險：區(qū)間（-∞，μ-3σ），值區(qū)間（-∞，0.17）。

隨后即可以得出20家企業(yè)綠色信貸風(fēng)險情況，其中無風(fēng)險11個，低風(fēng)險5個，中等風(fēng)險3個，高風(fēng)險1個，超高風(fēng)險0個。

（五）基于BP神經(jīng)網(wǎng)絡(luò)的實(shí)證分析

在BP神經(jīng)網(wǎng)絡(luò)測試中，輸入層采用前述6個公因子，將綠色信貸風(fēng)險分布情況作為輸出層，各項(xiàng)參數(shù)設(shè)置如下。

第一，節(jié)點(diǎn)數(shù)設(shè)置。我們先放入較少的隱含層單元，測試過程中如果發(fā)現(xiàn)學(xué)習(xí)效果較差，再不斷增加隱含層單元數(shù)據(jù)，直至獲得較好的學(xué)習(xí)效果，此時隱含層節(jié)點(diǎn)數(shù)為6，輸出層節(jié)點(diǎn)數(shù)為4。

第二，函授設(shè)置。選擇S形函數(shù)為隱含層的激活函數(shù)，線性函數(shù)為輸出層函數(shù)，梯度下降自適應(yīng)學(xué)習(xí)率為訓(xùn)練函數(shù)。

第三，網(wǎng)絡(luò)參數(shù)設(shè)置?？山邮艿臉?biāo)準(zhǔn)誤差為0.01，學(xué)習(xí)次數(shù)為10000次，學(xué)習(xí)速率為0.01，以保障網(wǎng)絡(luò)學(xué)習(xí)的效率和準(zhǔn)確性。

第四，神經(jīng)元數(shù)設(shè)置。將研究樣本分為訓(xùn)練集、驗(yàn)證集和測試集，分別占總樣本的60%、20%和20%。前述表明，神經(jīng)元數(shù)為4，分別設(shè)為：無風(fēng)險（1，0，0，0）， 低風(fēng)險（0，1，0，0），中等風(fēng)險（0，0，1，0），高風(fēng)險（0，0，0，1）。

BP神經(jīng)網(wǎng)絡(luò)總體樣本輸岀結(jié)果顯示：各集樣本對4個神經(jīng)元預(yù)測準(zhǔn)確率最低為93.25%，其余均在100%，預(yù)測準(zhǔn)確率較高。BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果分析可得，BP神經(jīng)網(wǎng)絡(luò)能更好、更快地得出與專家評價一致性的結(jié)果，為商業(yè)銀行綠色信貸風(fēng)險評價做好保障。

參考文獻(xiàn)：

[1]于飛.淺談“綠色信貸”與環(huán)境風(fēng)險管理[J].經(jīng)營管理者，2008（09）：73-76.

[2]鄧聿文.為企業(yè)節(jié)能減排構(gòu)筑“綠色信貸”[N].上海證券報，2007， 7（20）：7.

作者簡介：

單? 蕊（1981.06-）;性別：女;籍貫：山東省棗莊市;學(xué)歷：碩士;職稱：教授;研究方向：財會金融、節(jié)能環(huán)保。