融资租赁信用风险的评估及防范研究

发布时间：2020-04-29 18:49

【摘要】：近年来,我国融资租赁行业发展迅猛,无论是资产规模、机构数量还是产业分布、地域范围均出现了大幅度的增长。但是,与行业的高速增长不相匹配的是我国融资租赁出租人对于信用风险管理手段的缺失。究其根源,一方面是由于我国市场环境及社会信用体系不健全等客观环境的约束,另一方面则是由于我国对于融资租赁信用风险评估问题的研究不足所造成的,尤其是缺乏针对于我国融资租赁交易及市场特征的融资租赁信用风险的定量研究。因此,本文立足于融资租赁及其信用风险的基本原理,结合我国融资租赁市场的特点,重点对融资租赁信用风险的评估模型进行研究,并在模型应用的基础上,提出防范融资租赁信用风险的对策与建议。首先,本文从实践的角度对我国融资租赁企业的风控模式以及采用的信用风险评估方法进行分析。总体上,我国融资租赁企业建立了以风控委员会为核心的融资租赁信用风险评估体系,其实质上依然是专家评分模型,虽然在指标选取、信息采集方面进行了拓展,但是评分过程和结果依然过于依赖专家的经验判断。现有的信用风险评估模型是静态模型,主要关注的是承租人是否违约,忽视了租赁资产质量对于融资租赁信用风险的影响,并且无法对信用风险在租赁期间的动态变化进行跟踪。另外,现有的信用风险评估体系及模型也制约了融资租赁产品在我国金融市场的核心竞争力,也是造成我国融资租赁行业发展水平较低的主要原因之一。与传统的以货币为载体的融资方式不同,融资租赁兼有融资融物的双重特性,在交易过程中以有形的工具设备为载体,即租赁资产。租赁资产既是承租人的生产经营工具、租金偿还的收入来源,同时也为出租人管理融资租赁信用风险提供了抓手。鉴于此,本文将租赁资产的生产运营信息融入到信用风险评估模型中,并引入租赁不良资产处置回收率,对融资租赁的信用风险进行了动态度量。为了引入承租人的信用资质对融资租赁信用风险的影响,本文采用了层次分析法作为构建承租人信用风险评估模型的基础。层次分析法作为一种典型的复杂问题分析方法,在权重赋值方面通过严格的定量计算,很大程度上避免了专家评估模型中的一致性和客观性问题。同时,层次分析法还可用于评估承租人的设备维保能力,而设备维保能力则是影响租赁不良资产回收率重要因素之一。在此基础上,本文提出了一种基于层次分析法和预期损失的融资租赁信用风险动态评估模型。该模型不仅可用于融资租赁项目的投放决策,还能反映出融资租赁信用风险的动态变化,能够评估融资租赁项目在T=0及T0时的信用风险,满足出租人实施全周期的融资租赁信用风险评估及管理的要求。最后,本文将提出的模型应用于具体的融资租赁项目中,并根据模型的仿真结果对我国防范融资租赁信用风险提出建议。对于融资租赁企业,应当充分关注租赁资产的二手市场价格、加强对租赁物的管控能力、优化保证金机制、优化项目投放决策、提高项目的信息化程度并实施全周期的信用风险管理机制。对于外部环境而言,我国应当培育发展设备二手市场、建立健全社会信用体系、加强行业数据建设、建立健全普通动产的登记制度并促进设备管控技术的进步与应用推广。总体而言,本文的创新性研究成果主要包括以下几个方面:(1)提出了一种融合资产运营信息的承租人违约率动态评估模型。该模型体现出信息技术在信用风险管理中的作用与价值,旨在鼓励出租人在开展融资租赁业务时关注租赁资产的运营状况,有助于体现出融资租赁产品的核心竞争力。(2)将极值理论引入到承租人的偿付能力判断中,是对极值理论在融资租赁领域的创新性应用。在本文的研究中,将承租人的债务视为一种待检验可靠性的产品,将承租人的偿付压力视为产品的磨损程度,偿付压力的增加则对应产品磨损程度的加剧,当超过一定的极限时,产品失效,即承租人因为偿付能力的不足而违约。(3)提出了一种基于资产运营和预期损失的融资租赁信用风险动态评估模型。文章基于信用风险的构成要素理论,通过对风险敞口、违约概率、租赁不良资产处置回收率等指标的度量,通过计算资产预期损失的方式实现了对融资租赁信用风险的动态度量。(4)提出了一种基于层次分析法和预期损失的融资租赁信用风险动态评估模型。该模型是对承租人的信用风险评估模型和预期损失度量模型的改进,实现了承租人信用风险与租赁物资产风险的融合,同时适用于租前、租后的信用风险评估,有助于出租人实施全周期的信用风险管理策略。
【图文】：

租金,风险,资产处置,违约概率

租赁交易额；违约概率；违约资产损失率；违约资产处置回收率。违约风险敞口iEAD 、违约概率iPD 及资产处置融资租赁信用风险的关键指标。其中，关于违约概算是模型推导的关键之处。而风险敞口iEAD 的动式所决定。以等额租金为例，根据公式（6.2）而降低（如图 6.1）。

产量分布,动态预测,预测方法,仿真图

图 6.3 包括更新因子的产量分布得到动态预测仿真是对这一预测方法的仿真。其中，蓝色表示新的观测值，估计出的预期均值，，红线和绿线则分别表示为预期的上下差为估计范围）。根据仿真的结果，随机变量的观测值围且大部分情况下波动范围在估计出的 1 倍的预期标准差范该预测方法简单易用，虽然无法进行预期产量的精确预测量的分布特征，符合本文模型推导的条件。（6.10）和式（6.15），可进一步得到以下概率模型：10 0101Pr ( )( - )( )( )iT Tt tt i t it i t iiT Tt tt i t it i t iiT Tt tt i t it i t iP Zob TDCI Ip c Q Zb TDCI Ir Q Zb TDCI I
【学位授予单位】：对外经济贸易大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：F832.49

【相似文献】