银行监管部门要求银行贷款按资产质量状况分为五类，正常、关注、次级、可疑和损失，后三类称为不良贷款。

其中这五类的定义为：

（1） 正常贷款：借款人能够履行合同，没有足够理由怀疑贷款本息不能按时足额偿还。

（2）关注贷款：尽管借款人目前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的因素。

（3）次级贷款：借款人的还款能力出现明显问题，完全依靠其正常经营收入无法足额偿还贷款本息，即使执行担保，也可能会造成一定损失。

（4）可疑贷款：借款人无法足额偿还贷款本息，即使执行担保，也肯定要造成较大损失。

（5）损失贷款：在采取所有可能的措施或一切必须的法律程序之后，本息仍然无法收回，或只收回极少部分。

此方案会根据银行提供的历史数据，进行量化统计并创建这五类资产风控体系的评级表。并辅助决策其项目风险性。

 考虑的主要因素包括：借款人的还款能力、借款人的信用记录，还款意愿、贷款担保和法律责任，另外银行的信贷项目管理能力也在考究之内。

一．信贷资产风险分析步骤

1.由银行提供的历史数据算出项目经营状况变化和其破产标准进行评分或评级。其涵盖了宏观经济数据，项目历时时间和项目财务报告数据。

2.利用模型根据历史数据算出的新的标准，进行回测，并将误差进行权重化处理和现有的体系进行比较，得出一套新的风控体系。

3.根据现在进行项目财务报告，项目估计时长和宏观经济数据算出进行中的项目的预测经营状况变化和其破产的可能性并进行评分或评级。

4.利用新的风控体系，根据进行中的项目评级或评分和以前的已经完成项目的评级或评分进行对比。来分析预测经营状况变化，其破产的可能性和款项收回可能性等。

二．基础的风险性量化分析模型

这些方法包括 CART结构分析、Zeta分析、信贷评分模型、回收率面板数据模型等.

1．Cart 结构分析

Cart结构分析在商业银行信贷风险管理之中的主要意义在于通过预测借款人经营状况的变化及其破产的可能性,来估计其违约的可能性,由此来推测该借款人持有的银行贷款的风险度。下图显示了CART分析的操作过程，CART分析采用4个财务比率作为分类标准：现金流量对负债总额比率，留存收益对资产总额比率，负债总额对资产总额比率以及现金对销售总额比率。根据不同的公司，例如：房地产企业（大型），房地产企业（中小型），传播文化产业（大型），传播文化产业（中小型），我们会分别进行不同的财务比率和不同的权重来进行评估。

 

2. Zeta分析

Zeta分析的目的是在于通过公司破产的可能性预测，已确认其信贷违约风险的大小。Zeta分析方法在原理论中是有7个因子作为考察标准。

1.资产收益率（息税前收入/资产总额的比率）

2.收益稳定性，通过估计资产大约10年的收益趋势的标准误差来测量。

3.偿债率，由息税前收入对利息支付总额的比率。

4.积累的盈利能力，由留存收益与资产总额的比值来测量。

5.流动性水平，由流动性资产与流动性负债的比值来测量。

6.资本化价值，在这里分为上市公司和非上市公司，测量其普通股5年的平均市场价值与长期资本总额之比。

7.公司的资产总额。

Zeta分析方法体现于Z-评分公司中，该公司为：

Z=a1x1+a2x2+a3x3+a4x4+a5x5+a6x6+a7x7

通过历史资料分析，先计算出Z评分公式中的各个系数，建立评分公式。然后根据被考察对象（公司）的财务报表，计算出相应的X1值。这样运用Z公式就可得到结果与事先给定的临界值Z0。 如果Z＜Z0时，属于违规组；Z≥Z0时，属于非违规组。Zeta分析实际上它也基本上考察了公司经营的重大方面,诸如公司的资产规模、盈利能力、收益状况、支出状况等.因此,它可以从总体上衡量被考察公司的经营状况。

3. 信贷资产评估模型

Delton L. Chessen模型根据评价借款人信用可靠性的技术和方法。根据这种模型，可以预测贷款违约的可能性，从而估计信贷风险。

其模型包括反映借款人经营状况的下述6个变量。

X1=现金/资产总额

X2=销售净额/现金

X3=EBIT/资产总额

X4=负债总额/资产总额

X5=固定资产/净值

X6=流动资本/销售净额

因此我们可以得到公式为

Y=a0+a1x1+a2x2+a3x3+a4x4+a5x5+a6x6

其中P0是我们根据历史统计资料计算分析求得的。其中Y我们可以通过X的线性组合得到，然后通过Y求得目标公司的P值。P为贷款违约概率，Y可以被看作是借款人违约倾向指数，因此Y值越大, 一笔贷款的违约概率越大。

因此我们可以根据求得出P值和P0值比较，确定应该分入违约组或非违约组。

这个模型只是基础模型，我们要需要加入时间分析，因为当目标项目的周期延长时，违约风险会一并成长。

4. 根据新巴塞尔协议倡导商业银行使用的内部评级法，而计算的面板数据模型。

此模型是通过构建面板数据模型来分析不良资产的回收率与相关财务指标的计量关系，从而为未处置的不良资产分类提供实证支持。

比如，项目在正常经营时，其财务指标越好，在进行不良资产处置时其回收率越高。因此我们在这里需要的主要因素有：净资产收益率、总资产报酬率、总资产周转率、流动资产周转率、资产负债率、已获利息倍数、流动比率、速动比率、营业增长率、资本积累率等。

在进行这类分析中，这些因子很可能出现自相关，因此我们要根据检验结果将部分指标进行剔除，然后选取代表性的关键因素进行分析。

例如我们可以得到的模型有：

In(rrit)=β0+β1In(xit)+αi+rt+uit

I,t 分别为不同项目和不同年份，rr代表不良资产的回收率X代表不同的影响因素,例如：净资产收益率，总资产周转率，资产负债率，流动比率，资本积累率。

当我们得到此类模型后，进行随机效应和固定效应检验，再进行模型的分析。再利用面板数据模型的分析结果，结合现在进行的项目的财务数据的分类进行预测。根据历史数据，带入原面板数据中，求出不良资产预测回收率，进而再进行五种情况的分类。

三．新体系建立

在我们根据上述四个模型做出预判断后，再根据历史数据进行对比，得出误差，并根据误差进行权重化修正，这样让模型的误差更小，预测更准确。让四个模型变成一个总的模型来对项目的进行评级，并对预测经营状况变化，收回可能性，违约可能性等进行测算。

四．总结

首先我们定义资产质量状况的五个标准，然后根据我们得四个基础模型对历史数据进行科学分析，对模型的准确性进行回测，并对其误差进行权重化处理和与现有的体系进行比较，得出一套新的风控体系。再对现在进行的项目进行科学测算并得出预测经营状况变化，其破产的可能性和款项收回可能性等结论。