境外能源项目投资贷款决策的灰色聚类方法

摘要：文章针对境外项目贷款决策，提出基于灰色聚类分析的智能化决策方法。利用灰色聚类分析将按风险成因分类的原风险指标体系聚类成基于风险危害程度的灰色聚类风险指标体系，实现了对待决策境外项目贷款的准确风险度量，并将度量结果作为样本数据集进行聚类分析，得到以贷款实施方案为聚类中心的决策模型，完成境外项目贷款实施方案。

关键词：境外项目贷款；贷款实施方案；风险指标体系；灰色聚类分析；境外能源项目 文献标识码：A

中图分类号：F830 文章编号：1009-2374（2016）34-0003-03 DOI：10.13535/j.cnki.11-4406/n.2016.34.002

1 概述

随着经济全球化进程加快，国内银行业受理的境外项目贷款业务也日渐增多。由于银行境外项目贷款业务存在一定的风险，如果不能合理控制将会给银行带来巨大损失，因此科学分析境外项目贷款风险并制定相应方案是亟待解决的课题。

传统的境外项目贷款如何进行决策一般是根据以往的经验人工推算出来的。该决策存在着效率低、人为失误多等问题，为解决以上问题，近年来逐渐把智能决策方法应用到其中来。针对境外项目贷款决策，提出一种基于灰色聚类分析的智能化决策方法。同传统方法相比，基于GCA（Grey Clustering Analysis，GCA）的境外项目贷款决策模型具有较高可靠性。

2 灰色聚类分析

现今，以灰色关联矩阵或灰数的白化权函数为依据来定义灰色聚类分析。将一些观测指标分成几种不同的类别。根据不同的分类方式，可以分成灰色白化权函数聚类分析和灰色关联聚类分析。灰色聚类分析的优点是可以对任何类别分布的对象进行聚类分析，计算过程比较简单，聚类信息的获取优势明显。

3 境外项目贷款风险及实施方案分析

3.1 境外项目贷款风险分析

境外项目贷款风险要远高于国内贷款项目，根据风险级别的不同可分为一级风险和二级风险，其中一级风险4项、二级风险19项。

3.2 境外项目贷款实施方案分析

根据以往经验，可以把境外项目贷款实施方案划分成以下几种情况：

方案A：分工合作型的模式，就是母公司是债务人，子公司是附着在母公司基础上的二级公司行为，不必承担因为借贷产生的问题。

方案B：借贷方或者说债务方仍然是国内的母公司，但是放权由子公司在国外进行具体的操盘，并且子公司是国内母公司设置的全资子公司的类型。

方案C：母子共担型的新模式就是设计新的模式架构把母子公司绑定在一起进行债务的承担，共同作为借款人出现，但是在具体的运作操盘上是全部由子公司进行操盘的，风险由母公司和子公司共同承担。

方案D：不以子公司的股权为抵押，而是以子公司的产品作为银行质押。

方案E：以子公司在当地经营权限作为银行抵押，用子公司的经营收入来还款。

方案A、B是最早开始实行的两种方案，但投资风险较大且不能保证银行借贷资金安全。方案C增加了母公司的担保责任，与方案A、B相比，还贷风险有所下降，但银行的效益因此受到消极影响。最后的两个方案是基于方案B进行修改形成的，其优点是满足跨国能源类、矿产类投资项目的特殊要求，并根据这些项目的实际情况能有效降低贷款风险，增加银行收益。

因此，在选择这些贷款方案时，要根据实际情况做出合理科学的风险评价，以有效降低银行的贷款风险，提高银行收益，维护银行的资金安全和投资者的资金安全。

4 基于灰色聚类分析的境外项目贷款决策模型

基于灰色聚类分析的境外项目贷款决策模型建立过程主要分为“风险指标体系建立”和“历史贷款案例灰色聚类分析”两个步骤。

4.1 构建风险指标体系

4.1.1 风险指标体系建立原则。评价指标量的选取直接关系到贷款信用结构模式的评价结果。对贷款信用结构模式进行综合评价的前提是要有一套科学、合理，可以反映出境外并购项目贷款信用的评价指标体系。

4.1.2 构造风险指标体系。构建三类不同风险级别的指标体系，以“高”“中”和“低”三类灰度来区别其不同的危害程度，设计以下的体系过程：

STEP1：分析函数关系，建立基于聚类分析的白化矩阵，具体是通过待聚类样本的设计和设置，设计聚类指标体系，通过每个指标所指定的对象建立基于的矩阵类型，做好进行函数设计的第一步。

STEP2：计算灰色聚类函数的系数，这个计算的过程要按照两个情况进行研究：其一是判断聚类函数指标体系中的指标的量纲是否一致，所代表的指标意义是否一致，只有出现一致的情况时才能进行计算，这种情况下的评估指标误差是非常低的；其二是根据情况进行关于量纲的处理工作，如果指标相差很大的时候就要进行量纲的无量纲化处理，这个时候就需要选定白化函数的参考标准，按照指标中灰类的灰数也就是标准值选定参照指标的参考标准，为避免在指标的选取中出现选择失衡的情况。一般情况下，在进行指标选择的时候采用的是Delphi方法，通过Delphi方法来判定函数设计所需要的灰色聚类权值。

STEP3：具体运算灰色聚类系数，具体的做法是首先进行白化处理，对选定的样本进行白化处理，通过指标的计算求出白化函数，通过白化函数再进一步求出各灰类的阈值，再计算指标的聚类权，就可以得到灰色聚类系数。在实际的运算过程中，要注意的是灰类数和聚类的向量值以及最大聚类系数，通过判定最大聚类系数的灰类确定聚类对象的灰类数。

4.2 历史贷款案例聚类

可以把基于历史案例的分类设计为三种不同的分析类型和情况进行计算，三种情况可以设定为高、中、低，通过计算可以得出三种情况的风险值，把计算出来的三类风险值放置在三维聚类空间所做表中进行赋值，通过将三种分类情况和五种贷款方案的聚类分析可以得到相关的分析结果和结论。

在三种灰色聚类分析的坐标中，全面反映出五种贷款方案之间的类间差异以及类内之间的关联和关系。本文一共选取30个涉及煤炭类、公共卫生类、电力类、基础设施类、产业类、文化教育类等各个行业的历史境外项目贷款案例，通过风险灰色聚类分析，实施方案见表3，聚类分析结果分别为10个方案A、10个方案B、5个方案C、3个方案D、2个方案E。

由图2可见，30个历史案例被聚为五类，图中“A”“B”“C”“D”和“E”分别代表五种境外项目贷款实施方案的聚类中心，其具体坐标为A（5，5，5）、B（9，2，7）、C（1，6，9）、D（8，6，1）和E（2，4，3）。图2的聚类结果也就是境外项目贷款决策模型。

到这一步，基于灰色聚类分析的境外项目贷款决策模型就建立起来了在选择具体的境外项目贷款实施方案时只要把其各类风险指标值输入到图2的风险指标体系中，计算“高”“中”和“弱”三种灰类风险值，然后在图1中寻找与五种聚类中心哪一个更吻合啊，吻合的聚类中心也就是要采用的贷款实施方案。

5 算例

为进一步验证该方法的可行性，选取了2010年某国有银行的三个真实境外项目贷款实施案例作为研究对象进行验证，同时采用AHP方法和OI方法做对比验证，实验结果见表3：

由表3可知，基于灰色聚类分析的贷款决策方法要比AHP方法和OI方法更具有效性和正确性，进一步验证了基于灰色聚类分析的贷款决策方法的优越性。

6 结语

本文提出的GCA境外项目贷款决策方法，利用GCA完成原有风险指标体系的灰色聚类分析，实现了贷款方案智能决策，克服了原有方法人为干扰因素多的缺陷，改善了贷款决策的准确率。通过基于历史真实境外贷款案例的实验证明，本文方法相对于传统方法拥有更高的准确率。

参考文献

[1] 张建华.企业并购风险分析与风险管理[J].华南金融研究，2002，（6）.

[2] 杜玉平.跨国信贷业务中的国家风险评估[J].广东外语外贸大学学报，2006，（10）.

[3] 冯文成，刘英.银行贷款风险管理及量化指标体系

[J].财经问题研究，1994，（8）.

[4] 陈秀镇，郑庆华，管晓宏.层次化网络安全威胁态势量化评估方法[J].软件学报，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] 胡艳，陈震红，徐勇.企业并购主要方式的风险剖析[J].工业技术经济，2001，（3）.

[8] 吴薇.风险投资评估指标体系的研究[D].武汉大学，2005.

[9] 王廷博，徐世超.基于层次分析法的网络安全态势评估方法研究[J].电脑知识与技术，2008，（10）.

基金项目：国家自然科学基金项目（71071053）。

作者简介：王敏（1983-），女，供职于国网江西省电力公司经济技术研究院，硕士，研究方向：电力与能源经济。

（责任编辑：黄银芳）