TWI805895B

TWI805895B - 聯合貸款風險評估方法

Info

Publication number: TWI805895B
Application number: TW109102310A
Authority: TW
Inventors: 陳敏玲; 范揚耀; 張順展
Original assignee: 臺灣銀行股份有限公司
Priority date: 2020-01-21
Filing date: 2020-01-21
Publication date: 2023-06-21
Also published as: TW202129581A

Abstract

提供一種聯合貸款風險評估系統及其方法，包括：一資料讀取裝置、一群體決策分析系統以及一風險評估裝置。上述資料讀取裝置，包括一信用資料庫。上述群體決策分析系統，由多個群體負責分析多個風險因子清單來評估所對應之多個績效指標。上述風險評估裝置包括一風險計算模組以及一建議值計算模組。上述風險計算模組，預估一客戶違約機率。上述建議值計算模組，計算與該客戶相同產業之違約案件對應之一產業違約機率，當上述產業違約機率與上述客戶違約機率之比值大於等於一門檻值時，接受該聯合貸款，當比值小於該門檻值時，回傳一聯合貸款建議值。

Description

聯合貸款風險評估方法

本發明是有關於一種風險評估系統及其方法，特別是一種銀行內部用於評估客戶之聯合貸款風險評估系統及其方法。

一般貸款風險評估為單一銀行針對單一授信對象進行風險評估，判斷授信對象是否為高違約客戶，並依此參考決定是否准許或駁回貸款申請。但因應全球化競爭，企業規模逐漸走向大型化，投資所需之資金亦趨龐大，而巨額資金之取得往往無法單從一家銀行獲得融資。

為了因應企業龐大的資金需求，產生了聯合貸款方式，透過兩個以上之銀行或金融機構組成之銀行團，採用同一貸款協議，按協議貸款期限、金額和條件聯合向一家公司提供貸款的一種融資方式。兩個以上之銀行或金融機構組成之銀行團在決定是否聯合向一家公司提供貸款前，因貸款金額龐大慎重起見都會對貸款對象進行風險評估。

然而，傳統貸款風險評估針對透過兩個以上之銀行或金融機構組成之銀行團，採用同一貸款協議，按協議貸款期限、金額和條件聯合向一家公司提供貸款的一種融資方式，由於銀行彼此之間因角色不同(例如主辦行、參貸行)以及對公司掌握訊息不同，無法相較單一銀行針對單一授信對象進行風險評估來的精準。

鑑於上述欲解決之問題及其原因，具體而言，本發明提供一種聯合貸款風險評估系統，採取群體決策支援分析方式，透過群體決策支援分析方式集合不同領域、不同銀行或金融機構專家的想法，從所有風險因子中找出顯著風險因子清單，進行風險評估。系統透過某一客戶違約機率以及與客戶相同產業之產業違約機率之比值，分析是否造成高信用風險，計算在銀行合理可承擔的信用風險下最合適的聯合貸款建議值。

本發明為一種聯合貸款風險評估系統，當一客戶向一銀行申請一聯合貸款時，使用該系統評估該聯合貸款之違約機率，該系統包括一資料讀取裝置、一群體決策分析系統以及一風險評估裝置。

上述資料讀取裝置，包括一信用資料庫，上述資料讀取裝置自動讀取上述信用資料庫內之一歷史信用資料。

上述群體決策分析系統，由多個群體負責分析多個風險因子清單來評估所對應之多績效指標，其中上述績效指標為上述群體所分析之正確率與誤判率之差值。

上述風險評估裝置，包括一風險計算模組以及一建議值計算模組。上述風險計算模組，依據上述績效指標中最大值之風險因子清單計算歷史信用資料，預估一客戶違約機率。上述建議值計算模組，取得信用資料庫中與客戶相同產業之多個產業違約案件，計算該些產業違約案件對應之一產業違約機率，當產業違約機率與客戶違約機率之比值大於等於門檻值時，接受客戶所提出的聯合貸款，當比值小於門檻值時，回傳一聯合貸款建議值，其中聯合貸款建議值為依據比值調整聯合貸款之建議值。

依據又一實施例，本發明之系統還包括一風險監控模組以及一預警通知模組。上述風險監控模組，依據歷史信用資料定期監控銀行承做聯合貸款所需承擔的客戶違約機率之變化。上述預警通知模組，用以通知銀行之風險評估人員進行留意，並顯示有關客戶違約機率之變化原因。

依據又一實施例，其中歷史信用資料包括客戶資料、市場資訊以及銀行資產。

依據又一實施例，其中風險計算模組更包括一主辦行風險計算模組以及一參貸行風險計算模組。上述主辦行風險計算模組，用以預估當該銀行擔任一主辦行時，該銀行所需承擔的該客戶違約機率。上述參貸行風險計算模組，用以預估當該銀行擔任一參貸行時，該銀行所需承擔的該客戶違約機率。

依據又一實施例，其中客戶違約機率為群體所預估之多違約機率乘上多個風險權重，其中上述風險權重為每一績效指標與全體績效指標之比值。

綜上所述，本發明是以群體決策分析之方式，挑選出績效指標最大之風險因子清單，預估客戶違約機率，並且透過客戶違約機率以及與客戶相同產業之產業違約機率之比值，分析是否造成高信用風險，計算在銀行合理可承擔的信用風險下最合適的聯合貸款建議值。

110:銀行

120:聯合貸款風險評估系統

121:資料讀取裝置

122:信用資料庫

123:群體決策分析系統

124:風險評估系統

125:風險計算模組

126:建議值計算模組

200-212:步驟

為了讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂，所附附圖之說明如下：

圖1係繪示依據本發明之一實施例之一種聯合貸款風險評估系統中各模組的關係架構圖。

圖2係繪示依據本發明之一實施例之聯合貸款風險評估方法的流程示意圖。

請參閱圖1，圖1係繪示依據本發明一實施例之一種聯合貸款風險評估系統中各模組的關係架構圖。圖1的聯合貸款風險評估系統包括銀行110以及聯合貸款風險評估系統120。

根據本發明之另一實施例，聯合貸款風險評估系統之介面可設計成銀行評估人員之操作介面，銀行評估人員可透過介面單元的輸入並設定風險評估對象及聯合貸款年限等相關風險值計算參數，透過報表呈現銀行承做聯合貸款需承擔的信用風險。

根據本發明之另一實施例，例如銀行之評估人員可在系統介面上輸入A公司資訊、貸款金額、貸款時間等資訊，對A公司評估聯合貸款風險。

上述聯合貸款風險評估系統120包括資料讀取裝置121、群體決策分析系統123以及風險評估系統124。上述資料讀取裝置121包括信用資料庫122。上述風險評估系統124包括風險計算模組125以及建議值計算模組126。

上述資料讀取裝置121自動讀取信用資料庫122內之歷史信用資料。上述歷史信用資料包括客戶資料、市場資訊以及銀行資產。上述客戶資料包括非財務資訊以及財務資訊，非財務資訊例如可為公司成立年份、公司產業別、公司總員工數等，財務資訊例如可為年營收、公司負債比率、公司每股稅後純益(EPS)、本益比等。上述市場資訊例如可為產業成長率、失業率、產業股市動能。上述銀行資產例如可為台幣可用現金、庫存現金、銀行負債餘額表等。上述資料讀取裝置121可為任意可用之讀取裝置。

上述群體決策分析系統123，由多個群體負責分析多個風險因子清單來評估所對應之複數個績效指標，其中上述績效指標為上述群體所分析之正確率與誤判率之差值。

根據本發明之另一實施例，各群體根據背景、經歷從所有風險因子清單中挑選用以風險評估時使用之風險因子清單。各群體在群體決策支援分析中可得知其他群體挑選之風險因子清單，但無法得知其他群體之決策人員身分，透過群體決策支援分析可在任何場地任何時間從大量風險因子清單中找出風險因子清單。

根據本發明之另一實施例，績效指標係用以衡量群體決策系統中各群體決策人員正確與誤判客戶違約狀態數，績效指標使用兩個指標進行評估分別為正確率與誤判率。正確率為((TP²)+(TN²)/(TP+TN+FP+FN)，誤判率為((FP²)+(FN²))/(TP+TN+FP+FN)，績效指標例如可為正確率與誤判率之差值百分比，績效指標最佳狀況為1，績效指標最差狀況為-1。群體分析如下表1所示分為預測違約案件與實際違約案件，預測違約案件為中各群體決策人員預測違約案件，實際違約案件為真實現實事件中違約案件，其中TP(true positive)，係指實際為違約客戶，預測也為違約客戶；FP(false positive)，係指實際為非違約客戶，預測為違約客戶數；FN(false neagative)，係指實際為違約客戶，預測為非違約客戶；TN(true negative)，係指實際為非違約客戶，預測也為非違約客戶。因此，理想狀態下為TP與TN越大越好，FP與FN越小越好，最佳狀況為預測違約案件精準與實際違約案件重疊，FP與FN為0。

根據本發明之另一實施例，例如群體決策系統之群體決策人員分別為A與B，在10個評估案件中，實際上有8個違約客戶，有2個非違約客戶。請可參閱下表2，A群體決策人員評估會有7個違約客戶，3個非違約客戶；B群體決策人員評估會有4個違約客戶，6個非違約客戶。可經計算得知，A群體分析之正確率為((TP²)+(TN²)/(TP+TN+FP+FN)=0.882，誤判率為((FP²)+(FN²))/(TP+TN+FP+FN)=0.008，A群體績效指標=(0.882-0.008)/(0.882+0.008)=0.982；B群體分析之正確率為((TP²)+(TN²)/(TP+TN+FP+FN)=0.625，誤判率為((FP²)+(FN²))/(TP+TN+FP+FN)=0.125，B群體績效指標=(0.625-0.125)/(0.625+0.125)=0.667。

上述風險評估系統124包括風險計算模組125以及建議值計算模組126。上述風險計算模組125，依據上述績效指標中最大值之風險因子清單計算歷史信用資料，預估一客戶違約機率。上述風險評估系統124可為任何可用之計算機裝置，例如個人電腦、筆電或手持電子裝置。上述資料讀取裝置121和風險評估系統124可以整合至上述之計算機裝置之中。

根據本發明之另一實施例，A群體決策人員的績效指標為0.982，B群體決策人員的績效指標為0.667。因為績效指標 0.982>0.667，可知A群體決策人員所挑選之風險因子清單可較有效地正確辨識違約客戶與非違約客戶，故最終使用A群體決策人員所挑選之風險因子清單進行風險評估計算。

根據本發明之另一實施例，上述客戶違約機率可由信用評等法、區別系統分析法、邏輯斯迴歸分析法、類神經網路法、現金流量折現法與KMV法計算銀行承做聯合貸款所需承擔之客戶信用風險平均值。

根據本發明之另一實施例，上述客戶違約機率可由各群體評估之違約機率乘上各群體風險權重之百分比，風險權重為每一績效指標與全體績效指標之比值。例如A群體評估之違約機率為0.88，A群體評估銀行承做聯合貸款所需承擔的客戶信用風險值權重=0.982/(0.982+0.667)=0.60，B評估之違約機率為0.75，B群體決策人員評估銀行承做聯合貸款所需承擔的客戶信用風險值權重=0.667/(0.982+0.667)=0.42，因此，所計算出的客戶違約機率為=(0.88×0.60+0.75×0.42)/(0.60+0.42)=0.827。

上述建議值計算模組126，取得信用資料庫中與客戶相同產業之多個產業違約案件，計算該些產業違約案件對應之一產業違約機率，當產業違約機率與客戶違約機率之比值大於等於門檻值時，接受客戶所提出的聯合貸款，當比值小於門檻值時，回傳一聯合貸款建議值，其中聯合貸款建議值為依據比值調整聯合貸款之建議值。

根據本發明之另一實施例，上述產業違約機率可由信用評等法、區別系統分析法、邏輯斯迴歸分析法、類神經網路法、現金流量折現法與KMV法計算取得客戶信用風險平均值、平均貸款金額、平均期數、平均還款方式與平均利率。

根據本發明之另一實施例，例如客戶違約機率為0.827，相同產業類型之產業違約機率=0.775，產業違約機率與客戶違約機率之比值為0.775/0.827=0.937。當比值大於等於1時，接受客戶所提出的聯合貸款，當比值小於1時，回傳一聯合貸款建議值，其中聯合貸款建議值為依據比值調整聯合貸款之建議值。因此，聯合貸款建議值為貸款金額為平均貸款金額×比值=1500萬×0.937=14055000、期數為平均期數×比值=5×0.937=4.685、利率為平均利率×比值=0.035×0.937=0.032795。

根據本發明之另一實施例，聯合貸款風險評估系統根據銀行參與聯合貸款角色不同，風險計算模組更包括主辦行風險計算模組以及參貸行風險計算模組。例如主辦行、參貸行提供銀行評估人員不同風險評估需求協助，當銀行欲參與借款人於聯合貸款競標市場提出的聯合貸款需求並擔任主辦行時，風險評估人員可透過主辦行風險計算模組計算銀行所需承擔的信用風險，以及建議值計算模組計算最合適聯合貸款建議方案參與聯合貸款競標，客戶根據各銀行參與聯合貸款競標的貸款建議方案選擇委任聯合貸款的主辦行；當銀行收到聯合貸款主辦行的參貸邀請函邀請銀行參與聯合貸款並擔任聯合貸款參貸行時，銀行評估人員可透過參貸行風險計算模組計算銀行擔任聯合貸款參貸行時銀行需承擔之風險，提供銀行評估人員評估是否參與聯行貸款並擔任參貸行之參考資訊。

請參閱圖2，圖2係繪示依據本發明之一實施例之聯合貸款風險評估方法的流程示意圖。請同時參閱圖1-2，圖2的步驟200為開始。

在步驟201中，客戶向銀行110申請聯合貸款，銀行110向聯合貸款風險評估系統120提出聯合貸款的評估請求。

根據本發明之另一實施例，例如銀行之評估人員在系統介面上輸入A公司資訊、貸款金額、貸款時間等資訊，對A公司評估聯合貸款風險。

在步驟202中，資料讀取裝置121自動讀取信用資料庫122中之歷史信用資料。上述歷史信用資料包括客戶資料、市場資訊以及銀行資產。上述客戶資料包括非財務資訊以及財務資訊，非財務資訊例如可為公司成立年份、公司產業別、公司總員工數等，財務資訊例如可為年營收、公司負債比率、公司每股稅後純益(EPS)、本益比等。上述市場資訊例如可為產業成長率、失業率、產業股市動能。上述銀行資產例如可為台幣可用現金、庫存現金、銀行負債餘額表等。

在步驟203中，群體決策分析系統123中，多個群體使用多個風險因子清單分析歷史信用資料，以取得對應之多個績效指標，其中績效指標為群體所分析之正確率與誤判率之差值。

根據本發明之另一實施例，例如假設所有風險因子清單包含風險因子(A、B、C、D、E)，A群體挑選認為顯著之風險因子短清單資訊(A、C)，B群體挑選認為顯著之風險因子短清單資訊(B、C)。

根據本發明之另一實施例，例如10件測試案例中，7件為違約客戶，2件為非違約案件，最終風險值判斷6件為違約客戶案件、4件為非違約客戶案件，需計算風險值辨識效果是否大於門檻值，當風險值辨識效果小於門檻值，代表各群體所挑選之風險因子清單無法有效正確辨識違約客戶與非違約客戶值，各群體必須重新挑選風險因子。當風險值辨識效果大於門檻值，代表各別群體決策人員所挑選之風險因子短清單有效正確辨識違約客戶與非違約客戶值。

在步驟204中，風險計算模組125依據績效指標中最大值之風險因子清單計算該客戶之歷史信用資料，預估該聯合貸款之客戶違約機率。

根據本發明之另一實施例，A群體績效指標為0.982，B群體績效指標為0.667，透過績效指標0.982>0.667，得知A群體所挑選之風險因子清單有效正確辨識違約客戶與非違約客戶值，故最終使用A群體所挑選之風險因子短清單進行風險評估計算。

根據本發明之另一實施例，當銀行擔任聯合貸款主辦行時，會考量以下14個因素，包含1.資金用途、2.借款人財務風險、3.借款人營運風險、4.借款人授信產業別(銀行針對個別產業別有一定限額限制)、5.銀行自身實力、6.金融市場狀況、7.資金報酬率、8.其他銀行參貸意願、9聯貸總金額、10.天期、11保證人、12擔保品、13幣別、14還款方式，並分別從14個考慮因素中挑選顯著的風險因子透過風險計算模組的信用評等法、區別系統分析法、邏輯斯迴歸分析法、類神經網路法、現金流量折現法與KMV法計算銀行擔任聯合貸款主辦行需承擔之風險。

根據本發明之另一實施例，當銀行擔任參貸行參與聯合貸款時，會考量以下12個因素，包含1.資金用途、2.借款人財務風險、3.借款人營運風險、4.借款人授信產業別、5.銀行自身實力、6.資金報酬率、7.擔保品、8.參貸金額、9.幣別、10.還款方式、11天期、12保證人，並分別從12個考慮因素中挑選顯著的風險因子透過風險計算模組的信用評等法、區別系統分析法、邏輯斯迴歸分析法、類神經網路法、現金流量折現法與KMV法計算銀行擔任聯合貸款參貸行需承擔之風險。

根據本發明之另一實施例，上述當當銀行擔任主辦行以及參貸行會考量的因素可參閱下表3。

在步驟205中，建議值計算模組126會取得信用資料庫中與客戶相同產業之多個產業違約案件。

在步驟206中，計算產業違約案件對應之產業違約機率。

根據本發明之另一實施例，例如A公司為一家電子公司，建議值計算模組126會取得信用資料庫中找出所有電子業之違約案件，計算相對應的電子業違約機率。

在步驟207中，取得產業違約機率與客戶違約機率之比值。

根據本發明之另一實施例，例如客戶違約機率為0.827，相同產業類型之產業違約機率=0.775，產業違約機率與客戶違約機率之比值為0.775/0.827=0.937。

在步驟208中，判斷產業違約機率與該客戶違約機率之比值是否大於等於一門檻值。若是，進入步驟209，接受該聯合貸款。若否，進入步驟210，依據比值調整聯合貸款之建議值，進入步驟211，回傳一聯合貸款建議值。最後，步驟212為結束。

根據本發明之另一實施例，聯合貸款風險評估系統根據銀行參與聯合貸款角色不同，例如主辦行、參貸行提供銀行評估人員不同風險評估需求協助，當銀行欲參與借款人於聯合貸款競標市場提出的聯合貸款需求並擔任主辦行時，風險評估人員可透過建議值計算模組計算銀行可承擔的信用風險下最合適聯合貸款建議方案參與聯合貸款競標，客戶根據各銀行參與聯合貸款競標的貸款建議方案選擇委任聯合貸款的主辦行；當銀行收到聯合貸款主辦行的參貸邀請函邀請銀行參與聯合貸款並擔任聯合貸款參貸行時，銀行評估人員可透過風險計算模組計算銀行擔任聯合貸款參貸行時銀行需承擔之風險，提供銀行評估人員評估是否參與聯行貸款並擔任參貸行之參考資訊。

根據上述揭露之系統及方法，藉由群體決策分析之方式挑選出績效指標最高之風險因子清單，計算最終風險值，依據相同產業類別之違約案件，提供一聯合貸款建議值給客戶參考。改善傳統貸款風險評估針對透過兩個以上之銀行或金融機構組成之銀行團，採用同一貸款協議，由於銀行對公司掌握訊息不同，無法精準的評估聯合貸款風險之問題。

雖然本發明已實施方式揭露如上，然其並非用以限定本發明，凡熟悉該項技藝之人士其所依本發明之精神，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此本發明之保護範圍當視後之申請專利圍所界定者為準。

200-212:步驟

Claims

一種由電腦執行之聯合貸款風險評估方法，該方法包括：一客戶申請一聯合貸款，提出該聯合貸款的評估請求，並以一銀行作為一主辦行；取得該客戶所屬產業之複數個歷史信用資料，其中，該些歷史信用資料包括一客戶資料、一市場資訊以及一銀行資產；透過複數個群體決策人員使用複數個風險因子清單分析該些歷史信用資料，以取得對應之複數個績效指標，其中，每一該些群體決策人員使用至少一顯著的風險因子，以產生該些風險因子清單，其中，每一該些績效指標為每一該些歷史信用資料之正確率與誤判率之差值，該正確率為((TP²)+(TN²)/(TP+TN+FP+FN)以及該誤判率為((FP²)+(FN²))/(TP+TN+FP+FN)，且TP(true positive)係指實際為違約客戶，預測也為違約客戶的數量；FP(false positive)係指實際為非違約客戶，但預測為違約的客戶數的數量；FN(false negative)係指實際為違約客戶，但預測為非違約客戶的數量；TN(true negative)係指實際為非違約客戶，預測為非違約客戶的數量；根據每一該些風險因子清單對應之每一該些績效指標，篩選出該些風險因子清單之中績效指數最高的風險因子清單；透過複數個評估方法以績效指數最高的風險因子清單計算該客戶之該歷史信用資料，以產生一客戶違約機率，其中，該主辦行透過績效指數最高的風險因子清單計算該主辦行所需承擔之該客戶違約機率，以及一參貸行透過績效指數最高的風險因子清單計算該參貸行所需承擔的該客戶違約機率，以取得該主辦行和該參貸行之客戶違約機率，其中，該些評估方法包括信用評等法、區別系統分析法、邏輯斯迴歸分析法、類神經網路法、現金流量折現法以及KMV法；取得一信用資料庫中與該客戶相同產業之複數個產業違約案件；透過該些評估方法計算績效指數最高的風險因子清單與該主辦行或該參貸行自身的風險因子清單計算該些產業違約案件對應之一產業違約機率；當該產業違約機率與該客戶違約機率之一比值大於等於一門檻值時，接受該聯合貸款；當該比值小於該門檻值時，回傳一聯合貸款建議值給該主辦行或該參貸行，其中該聯合貸款建議值為依據該比值調整該聯合貸款之建議值；該主辦行或參貸行調整該聯合貸款建議值；以及提供調整後之該聯合貸款建議值給該客戶，以讓該客戶選擇委任聯合貸款的主辦行，以執行該聯合貸款。
依據請求項1所述之由電腦執行之聯合貸款風險評估方法，還包括：依據該歷史信用資料定期監控該銀行承做聯合貸款所需承擔的該客戶違約機率之變化；以及通知該銀行之一風險評估人員進行留意，顯示有關該客戶違約機率之變化原因。
依據請求項1所述之由電腦執行之聯合貸款風險評估方法，其中該歷史信用資料包括客戶資料、市場資訊以及銀行資產。
依據請求項1所述之由電腦執行之聯合貸款風險評估方法，其中該客戶違約機率為該些群體決策人員所預估之該些個違約機率乘上複數個風險權重，其中該些風險權重為每一該績效指標與全體績效指標之比值。
依據請求項1所述之由電腦執行之聯合貸款風險評估方法，其中該客戶資料更包括非財務資訊以及財務資訊，非財務資訊例如可為公司成立年份、公司產業別、公司總員工數等，財務資訊例如可為年營收、公司負債比率、公司每股稅後純益(EPS)、本益比。
依據請求項1所述之由電腦執行之聯合貸款風險評估方法，其中擔任該主辦行之該風險因子清單更包括資金用途、借款人財務風險、借款人營運風險、借款人授信產業別、銀行自身實力、金融市場狀況、資金報酬率、其他銀行參貸意願、聯貸總金額、天期、保證人、擔保品、幣別以及還款方式。
依據請求項1所述之由電腦執行之聯合貸款風險評估方法，其中擔任該參貸行之該風險因子清單更包括資金用途、借款人財務風險、借款人營運風險、借款人授信產業別、銀行自身實力、資金報酬率、擔保品、參貸金額、幣別、還款方式、天期以及保證人。