農(nóng)商行作為重要的地方性金融機構(gòu),在促進地方經(jīng)濟發(fā)展、服務(wù)“三農(nóng)”和小微企業(yè)中發(fā)揮著重要作用。而近年來受內(nèi)外部多重因素影響,部分農(nóng)商行難以平衡風(fēng)險控制和業(yè)務(wù)發(fā)展的關(guān)系,經(jīng)營管理和內(nèi)部控制中的不足逐漸暴露,不良貸款出現(xiàn)快速增長。貸款業(yè)務(wù)是農(nóng)商行的主營業(yè)務(wù),也是其最重要的盈利來源,農(nóng)商行如要生存和發(fā)展,并更好地為地方經(jīng)濟提供資金和金融服務(wù),則需要嚴格控制不良貸款比例,使自身保持較強的抗風(fēng)險能力。因此,研究貸款風(fēng)險管理對于地方經(jīng)濟發(fā)展以及農(nóng)商行自身健康發(fā)展都具有重要的理論和實踐意義。本文在結(jié)合國內(nèi)外貸款風(fēng)險管理相關(guān)理論的基礎(chǔ)上,以某市級農(nóng)商行（以下簡稱L農(nóng)商行）為研究對象,展開論述。首先,使用調(diào)查法了解L農(nóng)商行基本情況和貸款風(fēng)險管理現(xiàn)狀,并分析L農(nóng)商行在貸款風(fēng)險管理中存在的問題。其次,使用案例分析法說明L農(nóng)商行當前面臨的貸款風(fēng)險類型,并根據(jù)各類風(fēng)險成因,使用層次分析法構(gòu)建L農(nóng)商行貸款風(fēng)險評價模型,進行風(fēng)險評價。最后,結(jié)合L農(nóng)商行貸款風(fēng)險管理中的不足和風(fēng)險評價結(jié)果,為L農(nóng)商行提出提升貸款風(fēng)險管理水平的對策建議。通過本次研究,發(fā)現(xiàn)了L農(nóng)商行貸款風(fēng)險管理中的不足之處,構(gòu)建了貸款風(fēng)險評價模型,科學(xué)評估... 

【文章來源】：華東交通大學(xué)江西省

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

L農(nóng)商行近四年不良貸款余額及不良貸款率（不含票據(jù)貼現(xiàn)）

（圖 3-2 L 農(nóng)商行近四年關(guān)注類貸款余額及占比情況（不含票據(jù)貼現(xiàn)）Fig.3-2 Balance and proportion of fous loans in the past four years（Not included billdiscounting）除不良貸款外，L 農(nóng)商行各項貸款中，關(guān)注類貸款近三年均保持在 4 億以上的高位。關(guān)注類貸款是指盡管借款人目前有能力償還貸款本息，但存在一些可能對償還產(chǎn)生不利影響因素的貸款。在 L 農(nóng)商行，關(guān)注類貸款主要包括以下三種情形：①本金或利息已逾期，但逾期天數(shù)不足 90 天的貸款；②到期無法償還，已辦理展期的貸款；③原貸款已經(jīng)或即將形成不良，為以時間換空間，逐步化解風(fēng)險，為其辦理“借新還舊”或續(xù)貸的。由此可見，關(guān)注類貸款存在較大潛在風(fēng)險，轉(zhuǎn)化為不良貸款的概率較高。截至 2018 年 6 月，L 農(nóng)商行關(guān)注類貸款高達 42564.26 萬元，占各項貸款比重為 5.56%，按 30%的向下遷徙率推算，關(guān)注類貸款將有超過 1.2 億進入“次級”狀況，若原有不良貸款未能實現(xiàn)清收處置，屆時全行不良貸款將超過 4 億元，不良率超過 5%。3.2 L農(nóng)商行貸款風(fēng)險管理現(xiàn)狀

圖 3-3 占比列前十位貸款的份額分布情況Fig.3-3 Distribution of top 10 loans數(shù)據(jù)來源：L 農(nóng)商行信貸管理系統(tǒng)從上圖可以看出，貸款用途為房屋建筑、建材批發(fā)、裝修裝飾、房地產(chǎn)開發(fā)經(jīng)營的占比分別達到 14.04%、9.88%、9.84%、4.25%。該四類貸款因行業(yè)的相關(guān)性，實際均屬于房地產(chǎn)關(guān)聯(lián)行業(yè)，其總額達到 17.8 億元，占前十位貸款的38.01%，占全行各項貸款的 23.24%，比例極高。L 農(nóng)商行貸款投向多集中于房地產(chǎn)相關(guān)行業(yè)，導(dǎo)致全行貸款風(fēng)險水平與房地產(chǎn)行業(yè)發(fā)展狀況存在高度相關(guān)性，即當房地產(chǎn)市場發(fā)展勢頭良好時，相關(guān)上下游行業(yè)也處于高速發(fā)展期，資金結(jié)算和存貨周轉(zhuǎn)速度較快，該行業(yè)貸款壞賬率也會處于較低水平。但當人口因素、貨幣政策及地方調(diào)控政策等發(fā)生變化時，房地產(chǎn)市場由熱轉(zhuǎn)冷，購房意愿、裝修需求、新房開工率、建材銷售量等均會遭遇萎縮，在出現(xiàn)周轉(zhuǎn)速度下降、現(xiàn)金流不足的情況下，貸款極易形成不良。從 L 農(nóng)商行不良貸款結(jié)構(gòu)來看（見圖 3-4），屬房地產(chǎn)相關(guān)行業(yè)（住宅房

【參考文獻】：
期刊論文
[1]農(nóng)村金融機構(gòu)小額信貸業(yè)務(wù)風(fēng)險管控的策略研究[J]. 樊英.  經(jīng)濟論壇. 2018(11)
[2]我國商業(yè)銀行信貸風(fēng)險內(nèi)部控制研究——以A商業(yè)銀行為例[J]. 嚴冬.  企業(yè)改革與管理. 2018(21)
[3]我國商業(yè)銀行不良貸款化解策略探索[J]. 宋賀.  產(chǎn)業(yè)與科技論壇. 2018(21)
[4]探究新形勢下銀行信貸風(fēng)險管理問題[J]. 吳志榮.  現(xiàn)代經(jīng)濟信息. 2018(19)
[5]基于復(fù)雜網(wǎng)絡(luò)視角的企業(yè)信用風(fēng)險及關(guān)注度測評研究[J]. 山東銀監(jiān)局課題組,陳穎.  金融發(fā)展研究. 2018(07)
[6]完善債權(quán)人委員會制度[J]. 張志波.  中國金融. 2018(14)
[7]信息不對稱對商業(yè)銀行信貸風(fēng)險的影響[J]. 陳志祥.  中國商論. 2018(16)
[8]基于內(nèi)部控制的商業(yè)銀行信貸風(fēng)險管理研究[J]. 宋念君.  知識經(jīng)濟. 2018(12)
[9]商業(yè)銀行信貸風(fēng)險成因及應(yīng)對措施[J]. 孫凌云,臧建玲.  商業(yè)經(jīng)濟. 2018(05)
[10]基于修正KMV模型的商業(yè)銀行信用風(fēng)險度量研究[J]. 王佳,黎晗.  經(jīng)濟研究導(dǎo)刊. 2018(13)

碩士論文
[1]基于層次分析法的高校圖書館學(xué)科服務(wù)評價研究[D]. 汪樂.安徽大學(xué) 2017
[2]溫州地區(qū)商業(yè)銀行企業(yè)信貸風(fēng)險的特征和控制對策研究[D]. 姜來.浙江工業(yè)大學(xué) 2014



本文編號：3051047