Analogical Reasoning,Analog Computation and the Computational Hypothesis of Cognitive Science
R.I.Damper,
Image,Speech and Intelligent Systems Research Group,
Department of Electronics and Computer Science,
University of Southampton,
Southampton SO171BJ,UK.
Abstract for Conference on Model-Based Reasoning(MBR’01),May17–19,Pavia,Italy
“Any kind of working model of a process is,in a sense,an analogy”(Craik1943)
“...analogy is like a modeling relation except that it relates two natural systems,
rather than a natural system and a formal one”(Rosen1991)
“But it can be misleading to call analogies‘models’,because verbal models are not
straightforward small scale versions of a larger object”(Johanssen1993) There is a very strong tendency for scienti?c models—or explanations—of new phenomena to be analogical.For if we seek to explain the unfamiliar in terms of the familiar,what is this but analogy?To quote Popper(1972,p.358): From Descartes...to Maxwell,most physicists tried to explain all newly discovered relations by
mechanical models;that is,they tried to reduce them to laws of push or pressure,with which we are
acquainted from handling everyday physical things.
This is only natural.Models are abstract simpli?cations of a complex reality:The more concrete(‘mechani-cal’)the abstraction,the simpler the model,the more likely we are to accept it according to Occam’s principle of parsimony—always provided it passes the test of satisfactorily explaining the observations.Yet analogical rea-soning is far from a sound or secure route to scienti?c knowledge(Knorr1981).Its appeal seems to transcend scienti?c theorizing and to re?ect a strong operational principle of human thought itself.This is the essential argu-ment of Craik(1943)who writes[pp.120–1]:“I have outlined a symbolic theory of thought,in which the nervous system is viewed as a calculating machine capable of modelling or paralleling external events,and have suggested that this process of parallelling is a basic feature of thought and explanation”.
These considerations raise the question of the exact relation between a model,a theory and an analogy.We will not pursue this in detail here,other than to point out that the question is vexed.For instance,Leatherdale(1974, p.41)writes:“...the literature on models displays a bewildering lack of agreement on what exactly is meant by the word‘model’in relation to science”.(See also Nagel1961,Moor1978and Wartofsky1979.)Our main purpose is different.
If analogy is,as we have argued above,a strong operational principle of human thought,is there something to be gained by considering the brain as a machine for making analogies—an analog computer?This is effectively the thesis of Craik,and it is salutory to re?ect that his book predates by some years the equally seminal paper of Turing(1950)which so?rmly established the digital computer as the accepted metaphor/model of brain in the?elds of arti?cial intelligence(AI)and cognitive science.While Turing readily conceded that“Everything really moves continuously”still he argued“there are many kinds of machines that can pro?tably be thought of as being discrete-state machines.”Turing’s typically bold assertions led the way for other thinkers to develop(often in equally assertive fashion)computationalism—“the hypothesis that cognition is the computation of functions”(Dietrich1990,p.135).In?uential work in this tradition,post-Turing,includes Newell(1980),Pylyshyn(1984), Pagels(1988)and Dietrich(1990).Only relatively rarely has this foundational assumption been questioned by, e.g.,Searle(1980,1990),Johnson-Laird(1983),Rubel(1985),McGinn(1989)and Penrose(1989).
Some workers in symbolic AI have championed analogical reasoning as a practical approach(Mitchell and Hofstadter1990;Hofstader and the Fluid Analogies Research Group1995).Also,in the machine learning com-munity,analogy(under the various guises of‘lazy’learning,memory-based reasoning,case-based reasoning,
similarity-based reasoning etc.)has been well formalized and frequently applied—most often to problems of natu-ral language processing(Stan?ll and Waltz1986;Stan?ll1988;Skousen1989;Jones1996;Aha1997;Daelemans, van den Bosch,and Zavrel1999;Pirrelli and Yvon1999).It is probably not the case,however,that these work-ers actually see the brain itself as an analog computer.For as Rubel(1989)points out,the digital computer is a universal simulation device and is routinely used to simulate real-world(analog)phenomena.
If computationalism is to be useful,capable of illuminating questions about brains and cognition,it is vital that the notions of computer and computation are closely and carefully de?ned.Apart from a short heyday in the late1950’s and early1960’s when practical applications of analog computation were brie?y popular(see Korn and Korn1964and Wilkins1970for state of the art surveys towards the end of this period),digital computation has always been the more advanced of the two paradigms,both in theory and in practice.Hence,AI has always focused strongly on digital computation as its fundamental metaphor,to the virtual exclusion of analog computation.This preoccupation directly mirrors the situation in computer science in general,where the classic texts and reviews (Minsky1967;Hopcroft and Ullman1979;Lewis and Papadimitriou1981;Hey1999)are virtually silent on the topic of analog computation.Almost certainly,this re?ects the availability of a formal,discrete-state model of computation—the universal Turing machine(Turing1936;Herken1988)—which apparently makes the notion concrete.
By contrast,in the realm of analog computation,it can even be hard to determine precisely what‘analog’is sup-posed to mean,and exactly how it differs from‘digital’(see Lewis1971,Moor1978and Pylyshyn1984,Chap.7). Hence,we have long had to content ourselves with such nebulous‘de?nitions’as(Korn and Korn1964,p.3):“An analog computer is any physical system which establishes de?nite prescribed relations between
continuously variable physical quantities.”
The problem with this is that it makes everything computation!Without a tighter de?nition,I can claim that the weeds in my garden are computers for they are solving the energetics equations of photosynthesis.Admittedly,the situation is starting to change with increased interest in formal models of analog computation(see,e.g.,Siegelmann 1999,Chap.11for review material)yet still it remains a cinderella relative to its digital counterpart.
In this paper,I will argue that the Turing machine is an abstract,theoretical device which should not be confused with a practical,digital computer.To do so is tantamount to confusing a scienti?c theory with reality. This exceedingly common error is encouraged by use of the same word(‘computation’)for the operation of both the abstract Turing machine as well as a practical computer.As Turing well knew,and every electronic engineer knows today,a‘digital’computer is physically an analog machine—designed to hide its fundamental analog nature from its users.For in the real world,everything is analog.So why should this not be true of the brain too?The previous points emphasize the importance of semantic interpretation in computation.This is what makes an analog machine into a‘digital computer’:the eye of the beholder,which assigns discrete states to continuous physical variables.But there can be no computation—digital or analogue—without semantic interpretation by an external observer.This surely distinguishes computation from cognition,at least if we are to avoid the worst excesses of homuncular‘explanations’.As Harnad(1994)reminds us—“Computation is just interpretable symbol manipulation:cognition isn’t”.
[1024words] References
Aha,D.W.(1997).Lazy learning.Arti?cial Intelligence Review11(1-5),7–10.
Craik,K.J.W.(1943).The Nature of Explanation.Cambridge,UK:Cambridge University Press.
Daelemans,W.,A.van den Bosch,and J.Zavrel(1999).Forgetting exceptions is harmful in language learning.Machine Learning34(1–3),11–43.
Dietrich,E.(1990).Computationalism.Social Epistemology4,135–154.
Harnad,S.(1994).Computation is just interpretable symbol manipulation:Cognition isn’t.Minds and Machines4,379–390.
Herken,R.(Ed.)(1988).The Universal Turing Machine–A Half-Century Survey.Oxford,UK:Oxford University Press.
Hey,A.J.G.(Ed.)(1999).Feymann and Computation:Exploring the Limits of Computers.Cambridge,MA:Perseus.
Hofstader,D.and the Fluid Analogies Research Group(1995).Fluid Concepts and Creative Analogies:Computer Models of Fundamental Mechanisms of Thought.London,UK:Penguin.
Hopcroft,J.E.and J.D.Ullman(1979).Introduction to Automata Theory,Languages and Computation.Reading,MA: Addison-Wesley.
Johanssen,S.R.(1993).The brain’s software:The natural languages and poetic information processing.In H.Haken,
A.Karlqvist,and U.Svedin(Eds.),The Machine as Metaphor and Tool,pp.9–43.Berlin,Germany:Springer-Verlag. Johnson-Laird,P.(1983).Mental Models:Towards a Cognitive Science of Language,Inference and Consciousness.Cam-bridge,UK:Cambridge University Press.
Jones,D.(1996).Analogical Natural Language Processing.London,UK:UCL Press.
Knorr,K.(1981).The Manufacture of Knowledge:Towards a Constructivist and Contextual Theory of Science.Oxford, UK:Pergammon.
Korn,G.A.and T.M.Korn(1964).Electronic Analog and Hybrid Computers.New York,NY:McGraw-Hill. Leatherdale,W.H.(1974).The Role of Analogy,Model and Metaphor in Science.Amsterdam,The Netherlands:North-Holland.
Lewis,D.(1971).Analog and digital.No?s5(3),321–327.
Lewis,H.R.and C.H.Papadimitriou(1981).Elements of the Theory of Computation.Englewood Cliffs,NJ:Prentice-Hall. McGinn,C.(1989).Mental Content.Oxford,UK:Basil Blackwell.
Minsky,M.(1967).Computation:Finite and In?nite Machines.Englewood Cliffs,NJ:Prentice-Hall.
Mitchell,M.and D.Hofstadter(1990).The emergence of understanding in a computer model of analogy-making.Phys-ica D42,322–334.
Moor,J.H.(1978).Three myths of computer science.British Journal for the Philosophy of Science29,213–222. Nagel,E.(1961).The Structure of Science.New York,NY:Harcourt,Brace and World.
Newell,A.(1980).Physical symbol systems.Cognitive Science4,135–183.
Pagels,V.(1988).The Dreams of Reason:The Computer and the Rise of the Sciences of Complexity.New York,NY:Bantam Books.
Penrose,R.(1989).The Emperor’s New Mind:Concerning Computers,Minds and the Laws of Physics.New York,NY: Oxford University Press.
Pirrelli,V.and F.Yvon(1999).The hidden dimension:A paradigmatic view of data-driven NLP.Journal of Experimental and Theoretical Arti?cial Intelligence11(3),391–408.
Popper,K.R.(1972).Objective Knowledge:An Evolutionary Appproach.Oxford,UK:Oxford University Press.(Pagination refers to revised1977edition).
Pylyshyn,Z.W.(1984).Computation and Cognition.Cambridge,MA:MIT Press/Bradford Books.
Rosen,R.(1991).Life Itself:A Comprehensive Enquiry Into the Nature,Origin and Fabrication of Life.New York,NY: Columbia University Press.
Rubel,L.A.(1985).The brain as an analog computer.Journal of Theoretical Neurobiology4,73–81.
Rubel,L.A.(1989).Digital simulation of analog computation and Church’s thesis.Journal of Symbolic Logic54(3),1011–1017.
Searle,J.R.(1980).Minds,brains,and programs.Behavioral and Brain Sciences3(3),417–457.(Including peer commen-tary).
Searle,J.R.(1990).Is the brain a digital computer?Proceedings and Addresses of the American Philosophical Associa-tion64,21–37.
Siegelmann,H.T.(1999).Neural Networks and Analog Computation:Beyond the Turing Limit.Boston,MA:Birkh?user. Skousen,R.(1989).Analogical Modeling of Language.Dordrecht,The Netherlands:Kluwer Academic.
Stan?ll,C.and D.Waltz(1986).Toward memory-based https://www.doczj.com/doc/8d14891367.html,munications of the ACM29(12),1213–1228. Stan?ll,C.W.(1988).Learning to read:A memory-based model.In Proceedings of Case-Based Reasoning Workshop, Clearwater Beach,FL,pp.406–413.
Turing,A.M.(1936).On computable numbers,with an application to the Entscheidungsproblem.Proceedings of the London Mathematical Society(Series2)42,230–265.
Turing,A.M.(1950).Computing machinery and intelligence.Mind59,433–460.
Wartofsky,M.W.(1979).Models:Representation and Scienti?c Understanding.Dordrecht,The Netherlands:D.Reidel. Wilkins,B.R.(1970).Analogue and Iterative Methods in Computation,Simulation and Control.London,UK:Chapman and Hall.
银行业金融机构授信管理制度 第一章总则 第一条为加强对银行客户信用风险管理，提高信贷管理水平和金融服务水平，根据银监会《商业银行授信工作指引》、《商业银行内部控制指引》以及人民银行《商业银行授权、授信管理暂行办法》、《商业银行实施统一授信制度指引》等法律法规的规定，以及银行的《内部控制指引》、《信贷审查委员会议事规则》关于授信的相关规定，结合银行实际情况，特制订本制度。 第二条本制度所称统一授信是指在银行对客户的风险和财务状况进行综合评价的基础上，对单一法人客户统一确定最高综合授信额度，实施集中统一控制客户信用风险的信贷管理制度。银行对客户提供的本外币贷款、承兑、贴现、信用证、国际结算项下贸易融资、担保等表内外信用余额之和不得超过最高综合授信额度，该授信额度可在授信期限内滚动使用。 第三条银行实施统一授信制度。统一授信所指“统一”，包括以下四个方面的统一: （一）授信主体的统一。即银行作为一个整体统一向客户提供授信。信贷审查委员会是按上会标准审核批准银行客户授信的最高权力机构。 （二）授信形式的统一。银行按照统一的标准识别和评价客户的整体信用风险。并将客户的授信风险总量控制在授信风险限额之内。 （三）不同币种授信的统一。将本币业务授信与外币业务授信置于同一授信额度之下。 （四）授信对象的统一。授信对象必须是符合银行授信条件的企业法人客户。 第四条银行在确定对法人客户的最高综合授信额度的同时，应根据风险程度获得相应的担保。有条件授信时，必须先落实条件后实施授信，条件未落实或条件变更，不得实施授信。 第五条银行建立统一的授信审批程序及执行程序。 （一）授信审批程序。 1.未达信贷审查委员会审议标准的，按业务部门发起授信申请、风险管控部授信审 查、总经理审批的流程执行; 2.达到信贷审查委员会审议标准的，按业务部门发起授信申请、风险管控部授信审查、信贷审查委员会审议、总经理审批的流程执行。 （二）授信执行程序。最高授信额度确定后，各种具体授信形式的发放应由各业务部门按银
第四章金融机构风险管理的基本策略和机制 第一节基本策略 风险策略是指金融机构面临风险时可以选择采用的应对方法，主要包括风险规避、风险控制、风险对冲、风险转嫁、风险补偿和风险准备金。 一、风险规避 风险规避策略是指金融机构通过拒绝或退出某一业务或市场来消除本机构对该业务或市场的风险暴露，简单地说，就是不做业务，不承担风险。1本书第一章第一节分析了金融机构的风险选择问题，指出金融机构在宏观上和战略上都应该选择风险承担，而不能选择风险规避，金融机构从本质上是以承担风险为基本使命并求得生存和发展的特殊企业，在总体上都是风险承担者。但是，金融机构对风险的承担却不是盲目的，而是有目的，有标准的。金融机构承担风险的根本的目的在于获得风险溢价形式的回报，选择风险承担的标准在于三个方面。首先，该风险应该是本金融机构的目标风险，即金融机构擅长承担和管理的风险；其次，本机构应该具有足够的资本金用于支持对该风险的承担，即该风险是金融机构有能力承担的风险；再次，该风险应该具有与其相匹配的预期回报（风险溢价），即该风险是金融机构值得投资的风险。因此，金融机构在微观上和面临具体业务风险时可以选择规避风险，风险规避是金融机构管理风险的基本策略之一。根据上述三项风险承担的标准，风险规避策略的应用对象相应是金融机构不擅长承担和管理的非目标风险、超过金融机构资本金承受范围的过度风险和不具有适当风险溢价的不当风险。 在现代金融机构风险管理实践中，风险规避主要是通过经济资本配置来实现。经济资本配置过程首先将金融机构全部业务面临的风险进行量化，然后依据董事会所确定的风险战略和风险胃口确定经济资本分配，最终表现为信用限额和交易限额等各种业务限额。对于不擅长因而不愿意承担的风险，金融机构设立非常有限的风险忍耐度（即风险胃口），从而决定了对该类风险非常有限的经济资本配置，迫使业务部门降低对该业务的风险暴露，甚至完全退出该业务领域。风险规避策略的实施成本主要在于风险分析和经济资本配置方面的成本支出，此外，由于没有风险就没有收益，规避风险的同时自然失去了在这一风险和业务方面获 1需要说明的是，此处所指风险规避特指不做业务，不承担风险，不包括先做业务将风险承担下来，再通过期权和保险转嫁出去，或者通过期货、远期或互换交易对冲掉，最终做到不承担该风险。而后者在第一章第一节的风险规避中是包含在内的。
【摘要】由于农村金融机构面临业务对象的特殊性以及农村金融本身固有的问题，使得其面临诸多经营管理风险，尤其是信用风险。本文在对我国农村金融机构现状的分析上论述当今主要的信用风险管理手段，重点论述通过使用农业保险来规避信用风险，同时通过农业保险促进农业发展，增加农民收入。 【关键词】农村金融机构；信用风险；风险管理 一、我国农村金融机构信用风险现状 金融机构风险水平的一个重要指标是不良贷款率。目前，我国农村金融机构的利润90%以上来自贷款提供的利息，在这样资产结构下，贷款质量成为影响农村合融机构生存和发展的首要因素，据银监会统计资料显示，中国农村信用社的历史呆坏账为5000元，亏损的信用社高达85%以上。在四大商业银中，农业银行的不良资产比率最高。在农业银行所有贷款中，涉农贷款的不良贷款比率又是最高的，农村商业银行的不良贷款比国内主要商业银行多出将近1.5倍。虽然随着农村商业银行的不断发展，不良贷款率稳步下降，但是农村商业银行不良贷款率还是居于一个相当高的比例。农村金融机构的不良资产比例过高，信用风险是最主要的风险，不良贷款成为农村金融机构的主要风险因素。 农村商业银行不良贷款情况表单位：亿元、% 第一季度第二季度第三季度第四季度 余额占全部贷款比例余额占全部贷款比例余额占全部贷款比例余额占全部贷款比例 2007 150.6 5.32% 146.0 4.8% 135.1 4.21% 130.6 3.97 2008 129.5 3.68% 122.0 3.26% 208.8 4.44% 191.5 3.94% 2009 197.4 3.59% 192.8 3.20% 197.9 2.97% 207.1 2.76% 2010 265.8 2.47% 288.2 2.34% 284.4 2.16% 272.7 1.95% 2011 299 1.8% 299 1.7% 资料来源：中国银行业监督管理委员会 二、导致农村金融机构信用风险的来源因素分析 （一）外部因素 1.农业生产受到的最主要影响就是自然条件，我国旱涝灾害频繁发生，沙漠化的扩张和最近几年我国境内多次发生大地震，导致农业发展滞后。另外农民种植农作物也有一定的盲目性，不能预见市场的变化，比如去年种植辣椒在市场上卖的好，今年就会有许多的农民去种植辣椒，根据经济学规律，当产出大于消费的时候，辣椒的价格就会下降，使得辣椒就算丰收农民的收入也不会很高。所以农业是高风险的弱质产业，这决定了农业信贷具有高风险性。整个农业生产是自然再生产与经济再生产交织的过程，面临自然灾害与经济风险的双重考验，此外，农业风险缺乏保障和补偿机制。 2.银行在与借款人的信息不对称。由于信息的不对称，借款人总要比银行更了解项目的风险――收益状况，银行难以高效率、低成本地对借款人进行筛选和监督，也难以监控和发现风险问题，银行不知不觉陷入了高风险投资经营活动中，产生了银行在应付信贷风险上的内在脆弱性。 3.企业经营风险直接导致信用风险。企业抵抗市场风险能力差；如贷款企业产权关系不明晰，经营机制不健全，信息不灵，决策滞后，应变能力差，产品更新换代慢，市场竞争能力弱等，致使企业经营不善，大额亏损，使银行贷款到期后无力偿还本息，形成银行的不良贷款。
（金融保险）第四章金融机构信用管理
第四章金融机构信用管理 一、重难点解析 （一）金融机构信用管理的主要内容 金融机构信用管理是指金融机构按照一定的信用管理政策，对信用风险进行识别、衡量和处理的一系列活动的总和，它能够帮助金融机构实现风险和收益的配比。 1.对客户的授信管理 2.对具体业务的信用管理 3.对自身信用水平的管理 （二）金融机构信用风险管理的定位 从流程上来看，金融机构信用管理主要针对于信用风险的管理，并可以定位于如下几个方面： 1.信用风险的识别 2.信用风险的衡量 3.信用风险的选择 4.信用风险的反馈和调整 （三）商业银行信用管理的内容 1.存款业务信用风险的管理 2.贷款业务信用风险的管理 3.中间业务信用风险的管理 （四）证券公司信用风险管理的内容 1.证券承销业务的信用风险管理 2.证券经纪业务信用风险管理 3.证券投资咨询业务信用风险管理
4.证券自营业务信用风险管理 5.证券公司资产管理业务信用风险管理 （五）保险公司信用管理的基本内容 1.保险产品开发环节的信用风险管理 2.保险展业过程中的信用风险管理 3.保险承保过程中的信用风险管理 4.保险理赔过程中的信用风险管理 （六）信托公司的信用风险管理 1.对信托贷款业务的信用风险管理 （1）做好对贷款对象的资信调查工作 （2）做好对贷款项目的考查工作 （3）做好贷款的担保准备工作 （4）健全贷款管理机制 2.对信托投资业务的信用风险管理 （1）做好信托投资项目的选择工作 （2）做好对投资企业的监督管理工作 （3）投资分散策略 （4）做好风险的化解工作 （七）租赁公司的信用风险管理 对租赁公司的信用风险管理，具体可包括两个方面的内容，从微观层面上，包括租赁公司自身强化对信用风险的管理（如：谨慎做好项目前期调查研究、做好对租赁项目的经济效益分析、建立早期风险预警体系、资产质量分析指标体系等方面）；从宏观层面上看，包括
1．进行商业银行信用风险分析的金融背景 1.1银行业的发展历史 20世纪70年代，国际金融业处于稳定发展时期，此时严格的金融监管使商业银行的业务仅仅限于经营存款和贷款。此种政策之下不仅限制了银行之间的竞争，将银行的经营风险控制在较低的水平，也是使其获得了稳定的收益。随后，在金融市场功能的扩张、放松管制和竞争加剧形式的推动下70年代末80年代初银行业迎来了变革的第一次浪潮。此次变革使得资本流量递增流速不断加快，金融效率得以极大提高，从而为银行业带来极大地机遇和挑战；长期存在于美国、日本商业银行与投资银行业务之间的严格界限日渐消失，竞争日益明显激烈；金融机构所提供的产品和服务范围得到拓展，新的金融产品层出不穷，咨询、结构交易、资产购置、杠杆收购、项目融资、信用卡和住房抵押贷款的证劵化、衍生工具和表外交易等各种附加值服务得到了突飞猛进的发展，并随给商业银行带来新的业务风险。 90年代以后，银行间的兼并浪潮汹涌。为降低成本提高竞争力，金融产业的集中程度和规模越来越大，通过合并与兼并，出现了巨型商业银行和投资银行，进一步推动了金融全球化的发展。目前，全球证劵业内50家顶尖的证劵商都是银行集团和金融集团的下属部门。银行业和证劵业的合二为一是国际资本市场效率更高，竞争性更强。大量迅速的全球资金流动进一步密切了世界各国的经济联系，不仅促进了资金在国际间的有效分配和世界经济的发展，也使得金融机构的经营风险加大，并且越来越呈现出链状反映。于是，银行业在此浪潮中加强风险管理的必要性更加凸显。 1.2我国商业银行现状
我国实行的是以中国人民银行为中央银行的分支银行制。从建国到20世纪90年代初，基本上不存在中央银行与商业银行之间的区别。随着国民经济的快速发展，国家逐步恢复和建立了中国工商银行、中国农业银行、中国银行和中国建设银行，并逐渐演变成商业银行。 2004年国有制商业银行股份制改革以来，我国形成了3家政策性银行（国家开发银行、农业发展银行、进出口银行）、5家国有商业银行（中、农、工、建、交，其中工商银行、建设银行、中国银行已经完成股份制改革，严格说来已经不算是传统的国有商业银行，农业银行也正在加紧股份制改革）、12家股份制商业银行(中信、华夏、招商、光大、民生、浦东发展、深圳发展、渤海、广发、兴业、浙商及中国邮政储蓄银行）、110家城市商业银行的银行体系。商业银行在国民经济中担负起越来越重要的作用。 当前，我国商业银行经营治理中问题和困难比较多的主要是国有商业银行。国有商业银行是我国金融业的主体，更是我国银行业的主体和中坚，在国民经济和社会发展中具有举足轻重的地位。应当肯定地说，近20年来，国有商业银行在改革开放中不断发展壮大，为我国经济建设和社会发展做出了巨大贡献。但是，必须看到，国有商业银行存在的问题还相当突出，主要是： 不良贷款比例高，资产损失风险很大。按中国人民银行规定的不良贷款比例不得超过15％的标准，2001年，除中国建设银行基本合规外，其余3家国有独资商业银行的不良贷款比例都在20％以上。由于长期以来呆账预备计提不足，大量的呆账贷款没有能够及时核销，资产风险越积越大。再加上资本严重不足，大量资本被占用在固定资产上，使资本吸收资产损失的能力很小。由此造成国有商业银行的实际资本充足率很
有关金融风险管理的认识 这学期我们开设金融风险管理课程，让我们对金融风险有了一定的认识。 金融风险指的是与金融有关的风险，如金融市场风险、金融产品风险、金融机构风险等。一家金融机构发生的风险所带来的后果，往往超过对其自身的影响。金融机构在具体的金融交易活动中出现的风险，有可能对该金融机构的生存构成威胁；具体的一家金融机构因经营不善而出现危机，有可能对整个金融体系的稳健运行构成威胁；一旦发生系统风险，金融体系运转失灵，必然会导致全社会经济秩序的混乱，甚至引发严重的政治危机。 我国金融市场面临的主要金融风险 一是信用风险仍然是中国金融业面临的最主要风险。贷款和投资是金融机构的主要业务活动。贷款和投资活动要求金融机构对借款人和投资对象的信用水平做出判断。但由于信息不对称的存在，金融机构的这些判断并非总是正确的，借款人和投资对象的信用水平也可能会因各种原因而下降。因此，金融机构面临的一个主要风险就是交易对象无力履约的风险，即信用风险。在经营过程中，如果金融机构不能及时界定发生问题的金融资产、未能建立专项准备金注销不良资产，并且未及时停止计提利息收入，这些都将给金融机构带来严重的问题。并且现在我国经济正处于新一轮扩张期，经济景气的上升，也部分掩盖了房地产贷款业务隐含的风险。要知道，就像潮汐，经济景气状况总有发生变化的时候。一旦经济进入下调期，房地产贷款违约率
水平可能就会上升。因此，不能对目前看似蒸蒸日上的房地产信贷业务过于乐观。 除银行类金融机构面临很高的信用风险外。近几年我国证券类金融机构面临的信用风险也日益突出，相当部分证券公司的资产质量低下。最近已发生多起证券公司因资不抵债被接管的案件，中央银行不得不为此动用再贷款偿还被接管公司对个人债权人的债务。所以，我们对金融业面临的信用风险始终不能掉以轻心。信用风险仍然是目前我国金融业面临的最主要风险。 在对目前我国金融机构面临的信用风险状况进行判断时，一个值得密切关注的问题是近年来房地产贷款的大幅度增长。我国房地产市场的发展与房改有直接关系。我国的房改是上个世纪末启动并在近年基本完成的。居民住房抵押贷款是房改后出现的新生事物。 我国金融业风险管理的制度本身存在一些缺陷，加上金融风险本身的复杂性、隐蔽性等，使得我国面临以下的金融风险。 （一）金融风险管理的体制尚未成型。这主要表现在：多部门共同监管的现象仍然存在，导致监管的独立性和权威性的严重缺乏；监管分支机构地方化的倾向也仍然没有得到根本的解 决；缺乏对监管机构的约束；监管职责范围还没有完全分清，因此监管漏洞和重复监管的问题共同存在；还没有形成一套科学的、规范的监控指标体系。 （三）资本市场信息透明度不高。透明度是指公开披露可靠、及时的信息，有助于信息使用者准确地评价一家金融机构的财务状况等综合
附件4： 信用风险内部评级法风险暴露分类标准 一、银行账户信用风险暴露分类的政策和程序 （一）商业银行应制定银行账户信用风险暴露分类政策，明确开展风险暴露划分与调整的程序和内部控制要求，完善相应的报告制度和信息系统管理。 （二）商业银行应结合本行的管理架构、资产结构和风险特征确定风险暴露分类的标准和流程。商业银行分类标准与本办法要求不一致的，应报银监会备案。 （三）商业银行应指定部门牵头负责全行风险暴露分类工作，并由两个相对独立的岗位或部门分别负责风险暴露的划分和认定。 （四）商业银行开展风险暴露分类时，应根据不同风险暴露类别的划分标准，将资产划入相应的风险暴露类别。对不符合主权风险暴露、金融机构风险暴露、零售风险暴露、股权风险暴露、其他风险暴露划分标准且存在信用风险的资产，应纳入公司风险暴露处理。 （五）商业银行应根据风险暴露特征的变化，调整风险暴露类别。在出现风险暴露类别调整特征后的半年内，商业银行应完成暴露类别的调整。 （六）商业银行应建立银行账户信用风险暴露分类和调整的报告制度，定期向董事会和高管层报告分类状况和风险情况。 （七）商业银行应在相关信息系统中对每笔业务的风险暴露类别进行标识。
（八）商业银行应建立银行账户信用风险暴露分类的内部审计制度，对银行账户风险暴露分类实施情况定期开展审计。 二、主权风险暴露 主权风险暴露是指对主权国家或经济实体区域及其中央银行、公共部门实体，以及多边开发银行、国际清算银行和国际货币基金组织等的债权。 多边开发银行的范围见本办法第五十六条。 三、金融机构风险暴露 （一）金融机构风险暴露是指商业银行对金融机构的债权。根据金融机构的不同属性，商业银行应将金融机构风险暴露分为银行类金融机构风险暴露和非银行类金融机构风险暴露。 （二）银行类金融机构包括在中华人民共和国境内设立的商业银行、农村合作银行、农村信用社等吸收公众存款的金融机构，以及在中华人民共和国境外注册并经所在国家或者地区金融监管当局批准的存款类金融机构。 （三）非银行类金融机构包括经批准设立的证券公司、保险公司、信托公司、财务公司、金融租赁公司、汽车金融公司、货币经纪公司、资产管理公司、基金公司以及其他受金融监管当局监管的机构。 四、公司风险暴露 （一）公司风险暴露是指商业银行对公司、合伙制企业和独资企业及其他非自然人的债权，但不包括对主权、金融机构和纳入零售风险暴露的企业的债权。
期末考试题型与分值 一、名词解释4*5=20 二、简述题2*10=20 三、论述题2*15=30 四、判断题1*10=10 五、选择题10*1=10 六、计算题2*5=10 教材要点： 1.信用管理与信用管理分类 信用管理： 定义一：信用管理就是授信者对信用交易进行科学管理以控制信用风险的专门技术。信用管理的主要功能包括五个方面：征信管理（信用档案管理）、授信管理、帐户控制管理、商帐追收管理、利用征信数据库开拓市场或推销信用支付工具。 定义二：对在信用交易中的风险进行管理，即对信用风险进行识别、分析和评估。通过制定信用管理政策，指导和协调内部各部门的业务活动，以保障应收帐款安全和及时的回收，有效的控制风险和用最经济合理的方法综合处理风险，使风险降低到最小程度。 定义三：指授信方运用一定方法或专门技术对信用交易进行管理，进而识别、分析、评估信用风险，并制定相关政策以控制风险，将其尽可能遭受的损失降低到最小的过程。 信用管理分类： 按对象划分：经济主体不同； 按管理层面及其影响来分：宏观、行业和微观； 按流程来分：事前、事中、事后 2.金融机构信用管理的内涵及其意义？ 金融机构信用风险管理的范畴 按照一定的信用管理政策，对信用风险进行识别、衡量和处理的一系列活动的总和。 管理的目的：管理风险降低损失 管理原则：安全性，流动性，营利性 信用管理政策是信用管理原则具体化 信用管理主要内容：客户授信，具体业务或产品的信用管理；自身信用管理 意义 维护经济金融体系的稳定 降低金融机构信用风险，减少损失 有效利用信用管理扩展业务，提高金融机构竞争力。 社会信用体系的组成部分 有利于金融服务创新 3.银行业金融机构全面风险管理 中国银监会关于印发银行业金融机构全面风险管理指引的通知银监发〔2016〕44号 第三条银行业金融机构应当建立全面风险管理体系，采取定性和定量相结合的方法，识别、计量、评估、监测、报告、控制或缓释所承担的各类风险。各类风险包括信用风险、市场风险、流动性风险、操作风险、国别风险、银行账户利率风险、声誉风险、战略风险、信息科技风险以及其他风险。 银行业金融机构的全面风险管理体系应当考虑风险之间的关联性，审慎评估各类风险之间的相互影响，防范跨境、跨业风险。 第五条银行业金融机构全面风险管理体系应当包括但不限于以下要素： （一）风险治理架构； （二）风险管理策略、风险偏好和风险限额； （三）风险管理政策和程序；
海南发展银行的关闭 一案例 1998年6月21日，中国人民银行发表公告，关闭刚刚诞生2年10个月的海南发展银行。这是新中国金融史上第一次由于支付危机而关闭一家有省政府背景的商业银行。海南发展银行成立于1995年8月，是海南省唯一一家具有独立法人地位的股份制商业银行，其总行设在海南省海口市，并在其他省市设有少量分支机构。它是在先后合并原海南省5家信托投资公司和28家信用社的基础上建立和壮大的。成立时的总股本为16.77亿元，海南省政府以出资3.2亿元成为其最大股东。关闭前有员工2800余人,资产规模达160多亿元。 海南发展银行从开业之日起就步履维艰，不良资产比例大，资本金不足，支付困难，信誉差。1997年底按照省政府意图海南发展银行兼并28家有问题的信用社之后，公众逐渐意识到问题的严重性，开始出现挤兑行为。随后几个月的挤兑行为耗尽了海南发展银行的准备金，而其贷款又无法收回。为保护海南发展银行，国家曾紧急调了34亿元资金救助，但只是杯水车薪。为控制局面，防止风险漫延，国务院和中国人民银行当机立断，宣布1998年6月21日关闭海南发展银行。同时宣布从关闭之日起至正式解散之日前，由中国工商银行托管海南发展银行的全部资产负债，其中包括接收并行使原海南发展银行的行政领导权、业务管理权及财务收支审批权；承接原海南发展银行的全部资产负债，停止海南发展银行新的经营活动；配合有关部门施实清理清偿计划。对于海南发展银行的存款，则采取自然人和法人分别对待的办法，自然人存款即居民储蓄一律由工行兑付，而法人债权进行登记，将海南发展银行全部资产负债清算完毕以后，按折扣率进行兑付。6月30日，在原海南发展银行各网点开始了原海南发展银行存款的兑付业务，由于公众对中国工商银行的信用，兑付业务开始后并没有造成大量挤兑，大部分储户只是把存款转存工商银行，现金提取量不多，没有造成过大的社会震动。 （参见易纲《货币银行学》上海人民出版社，1999年）二风险分析 （一）信用风险
利率风险：金融机构资产和负债期限不匹配时当利率发生变化而面临的风险 表外风险：金融机构资产负债表之外的或有资产和或有负债业务所带来的风险 市场风险：由于市场价格（金融资产和商品价格）波动而导致的金融机构资产负债表表内表外头寸遭受损失 再定价缺口：GAP = RSA – RSL （利率敏感性资产（RSA ）利率敏感性负债（RSL ）） 久期（有效期限）：是一种以现金流量的相对现值为权重的加权平均到期期限 VaR ：处在风险中的价值 ，其含义指在市场正常波动下，某一金融资产或证券组合的最大可能损失。 BIS 事态分析法：通过对某种事态下各种资产和负债现金流发生概率的估计，来确定这些现金流的出现时间 金融机构的杠杆比：资本与资产比，计量的是银行的主要或核心资本之账面值与其资产账面值之比 资本充足率：CAR 是保证银行等金融机构正常运营和发展所必需的资本比率。是指资本总额与加权风险资产总额的比例。资本充足率反映商业银行在存款人和债权人的资产遭到损失之前，该银行能以自有资本承担损失的程度 贷款承诺：金融机构按固定利率条件向企业提供一定限额贷款的一种契约性承诺 备用信用证：应用于向一些更重大、更不可预测的或有事项提供担保，而不一定与贸易相关 表外套期保值：不涉及表内调整，而是通过从事远期或其他衍生证券交易来对外汇风险进行保值 1.固定收益证券的久期和它的利率弹性是怎样联系起来的？她的价格和有效期限是怎样的关系？ 有效期限是一种直接衡量资产或负债利率敏感性或利率弹性的方法，即资产或负债的有效期限的数值越大，资产或负债的价格随利率变化的敏感性就越大。用公式表示为：()R dR P dP +1//=-D 从经济上理解，该等式中的D 就是利率弹性，即证券价格对微小利率变化的敏感性。D 代表了必要利率或收益率有一定的现值增加[dR/(1+R)]时，债券价格下降百分比(dP/P)当利率发生微小变化时，债券价格会按照相反的方向变化，其变化值为利率变化的D 倍。 2.移动分析？金融机构如何利用它来计量信用风险集中度？它的缺点？ 移动分析 ? 跟踪某些贷款组合或某些行业的贷款信用等级调整对其的评定。 ? 编制贷款移动矩阵