一、研究背景
随着我国经济的持续低迷，银行不良贷款率从 2013 年第一 季 度0.96%上升到 2015 年第三季度的2%（见图 1）。2015 年上半年，银行不良贷款余额达 10919 亿元，较上季末增加 1094 亿元。银监会将遏制不良贷款率快速上涨作为风险防范的首要工作。各类银行逐渐认识到风险防范的重要性，运用各种手段改善资产质量、提高风险防范能力。
对比外资银行和大型商业股份银行、股份制商业银行、城市商业银行、农村商业银行的不良贷款率不难发现，外资银行的不良贷款率是最低的，然后是股份制商业银行，接下来是城市商业银行和大型商业银行，最差的是农村商业银行。
关注类贷款是指尽管借款人有能力偿还贷款本息，但存在一些可能对偿还产生不利影响因素的贷款。
截至 2015 年上半年，银行金融机构关注类贷款率为 4.32%,较年初上升0.34 个百分点；关注类贷款余额达4.18 万亿，同比增长 33.02%;较年初增加了 6081 亿，为 2014 年同期新增额的 2.66 倍。关注类贷款加上银行迫于考核压力将一些到期贷款通过“展期”人为强行压下来，或者被企业通过“借新还旧”或“过桥贷款”方式掩盖信贷资产变差事实，银行实际不良贷款可能会比现在更高。
从地区来看，不良贷款余额增加较多的区域仍然集中在长三角、西部地区、环渤海地区和珠三角地区。从具体行业来看，主要是制造业以及批发和零售业。从企业规模上看，主要是中小企业。
不良贷款增加的原因主要是：第一，前期不良贷款基数过低。与 3%的不良率国际水平相比，国内商业银行由于经过前期的不良贷款重组，不良率长期控制在 1%以下。第二，宏观经济增速放缓，市场需求下降，大宗商品价格下跌，影响了制造业、批发和零售业。部分制造业企业、产能过剩企业盈利状况下滑，资金紧张导致贷款违约，部分批发领域企业经营困难，贷款违约增加。新常态下，实体经济积累的一些压力已经越来越多反映到银行信贷质量上，典型表现就是银行业不良贷款余额和比率持续“双升”.第三，商业商业银行产品、风控的同质化以及国家战略支持行业的不同，商业银行自身风险识别和风险防范能力的差别。
2015 年下半年，企业不良贷款继续增长，覆盖的领域和行业有加快扩散的趋势。原来，不良贷款多集中在制造业、过剩产能行业等，而在经济放缓和大宗商品价格下跌的背景下，正在逐步向资源类等其他行业进行扩散，未来半年资源型行业企业将面临巨大的挑战，并对中下游行业企业产生影响。
商业银行 2015 年下半年资产质量走势会受到小微企业不良贷款增长的影响，但为了发展实体经济和自身业务的发展，商业银行对小微企业的投入还会不断增加。尽管这一举措短期内可能会使不良贷款发生额增加。另外，逾期贷款已经对商业银行的资产质量产生了很大的压力。
预计 2015 年下半年这一情况仍难以出现根本性的转变，并将继续对商业银行资产质量形成不利影响。
二、信用风险特点和产生的原因
信用风险即违约风险，是指交易对手未能履行约定契约中的义务而造成经济损失的风险，也就是说授信人不能履行还本付息的责任而使授信人的预期收益与实际收益发生偏离的可能性，它是金融风险的主要类型。这种风险不但出现在贷款中，也出现在担保、承兑和证券投资等表内、表外业务中。信用风险主要包括违约风险和追偿风险。
信用风险产生的主要原因是信息不对称。交易的双方所掌握的信息量不一样，一方拥有信息优势，另一方处于信息劣势。信息不对称就会产生逆向选择和道德风险。信贷市场上的逆向选择是指借款人比银行更清楚自己的信用状况、财务经营情况、履约能力等，可能当前根据这些信息借款人符合银行的贷款条件，所以就把资金贷给借款人，其实这些信息并不能充分的体现借款人的信用程度，这样就产生了逆向选择。如果借款人借到钱之后并不将偿还贷款作为自己应该履行的义务，这就产生了道德风险。银行内部的信贷人员为了从贷款申请人那里取得利益，可能向真实情况不符合贷款条件的借贷人提供贷款。
如果在能掌握现先进的方法预先识别信用风险，同时在风险发生之前就及时控制，或者在风险发生之后采取有效措施控制，减少风险损失，增强商业银行的市场竞争力，则有利于金融机构经营的安全性、金融体系的稳定性和国民经济的持续健康发展。
三、信用风险识别方法
信用风险识别的方法有很多，主要有传统方法：专家分析法、财务比率评级法、信用评分法；以及国内和国外流行的受险价值模型、RAROC模 型 、KMV 模 型 、Credit Metrics、Credit Portfolio View、Credit Risk Plus等，这些模型都各有优缺点，各有侧重的地方。
我国个人征信市场处于起步阶段，企业征信开展壮大。随着互联网快速发展，大数据时代的到来，我国征信体系逐渐建立。
未来行业风险控制主要从几个方面着手：
第一，个人贷款业务，主要是住房贷款、信用卡等消费型贷款。在传统的社保、公积金等央行传统的征信之外，与互联网巨头腾讯或者阿里合作，借助互联网大数据对客户消费行为和诚信记录作出尽可能全面的综合分析，为其互联网战略的推广提供支持，场景信用评分体系和信用累积管理模型来管理，形成一个多维度立体的风险评估和预警体系，包括基于互联网大数据分析、涉及客户的消费行为分析、履约能力分析和社交行为分析等多个维度。
第二，从宏观方面考虑，每个公司所处的阶段。这是一个产业升级造成的宏观情况，因此风险控制要考虑宏观经济情况，更多的是对未来经济的判断。Credit Portfolio View,该模型关注资产信用等级的转换和宏观经济状况之间的关系，直接将信用等级转化概率与宏观因素之间的关系模型化，一旦发现模型拟合，通过制造宏观上的对于模型冲击来模拟信用等级转化概率的跨时演变状况。它最大限度的考虑了当前宏观经济环境因素。
第二，分析行业发展前景。现在钢铁、水泥、煤炭、汽车等行业都产能过剩，国家严格控制高污染、高能耗行业。银行要逐渐停止对这类企业的贷款，调整贷款结构。向大数据、新能源、生物医药、软件开发、人工智能等行业倾斜。
第三，分情况分析企业状况。如果是企业发展初期，则贷款前这些硬性的指标并不是很难获取，更大的问题在于贷后控制和资产处理的后半程，所以应该偏向于贷中和贷后的部分。如果是在发展时期，则采用传统方法中的信用评分法。它用财务指标反映企业的信用状况，通过对企业主要财务指标的分析和模拟，预测企业破产的可能性，从而预测企业的信用风险。
四、信用风险控制策略
第一，给所有的交易购买保险，当其中的一项或者几项发生风险的时候，损失由保险公司来承担。这样就可以以较小的成本来保障损失的减少。主要有银行一揽子保险；董事及高级职员责任保险；未授权交易保险；财产保险和其他险种等。
第二，加大监测力度。运用大数据动态监测贷款的变化，从以前的按季度监测变为现在的按月监测，做到提前预警，提早退出。商业银行人员有较强的风险发现意识和风险控制能力，同时要掌握一定的技巧和方法。如有以下情况：客户不好联系、不提供报表、纳税等信息，转移基本账户，现金流异常，外部评价差，等等。要按照预警信号的级别由商业银行对应工作人员处理，注意风险预警信号的级别。
第三，信用衍生产品来对风险进行控制。信用违约互换、总收益互换、信用息差产品、信用息差期权、综合结构化产品，信用联系票据，担保债务凭证，变异 CDO,达到风险分散化，降低信用风险的集中度，有利于提高银行系统的稳定，抵御外部冲击。（图略）
