基層銀行不良貸款清收中的問題及對(duì)策

基層銀行不良貸款清收中存在的問題及對(duì)策

不良貸款居高不下，不僅制約著基層銀行的生存和發(fā)展，而且也影響到銀行對(duì)農(nóng)村經(jīng)濟(jì)活動(dòng)的信貸再投能力，而盤活不良貸款的困難重重，又是讓當(dāng)前銀行各級(jí)行都感到頭疼的突出問題。筆者所在的*行，盡管每年都要投入大量的人力、物力、財(cái)力等清收盤活不良貸款，但相對(duì)于全行*億元的不良貸款，收效甚微。因此，深入地剖析清收不良貸款難的原因，對(duì)癥下藥，進(jìn)行綜合治理，便成為擺在當(dāng)前基層銀行面前迫在眉睫的嚴(yán)峻課題。那么，清收不良貸款緣何難呢？根據(jù)筆者多年的觀察和體驗(yàn)認(rèn)為，不僅有貸戶拖欠賴債的原因，更有銀行自身管理存在的弊端及社會(huì)信用環(huán)境差等諸多問題。

──封建殘余思想根深蒂固，為清收設(shè)下“層巒疊障”。由于受政治、經(jīng)濟(jì)體制的影響以及社會(huì)思想根源的長期積淀，一些貸戶總覺得在集體或國家的大鍋里舀飯吃理直氣壯，天經(jīng)地義。于是，便認(rèn)為貸款是國家的錢，能拖則拖，能賴則賴。更有的靠“耍賴皮”過活，無錢靠“東西”跑套取貸款，有錢則在布置安樂窩上胡思亂想，而對(duì)還貸款卻熟視無睹。筆者曾遇到不少這樣的貸戶：高樓大廈住著，雞鴨魚肉吃著，手機(jī)用著，汽車坐著，瀟灑自在，游哉悠哉，而貸款一催再催卻久拖不還，或兜圈子，或耍嘴皮，或瞪眼睛，頗令催收人員困惑不堪。個(gè)別甚至對(duì)信貸人員大打出手，表現(xiàn)出十足的流氓意識(shí)。

──還款困難的貸款戶，索性“破罐子破摔”，使清收進(jìn)退維谷。有些貸戶負(fù)債累累，家徒四壁，反正“面朝黃土背朝天”，一滴汗水摔八瓣掙點(diǎn)錢還貸款也杯水車薪。不如掙了花了心安理得，“虱多不

咬，帳多不愁！”也有些貸戶還貸款無能為力，清收人員的“難聽話”聽多了，便不耐煩了，索性“豁出去”算了，貸款者成千上萬，又不止我一人，反正法不責(zé)眾，我無錢你無法，動(dòng)用家產(chǎn)也好，依法起訴也罷，只要你討不回債，我受點(diǎn)委屈或遭點(diǎn)冷遇也“劃算”。

──“貸款難”使一些貸戶還貸款顧慮重重，使清收雪上加霜。時(shí)下“貸款難”的呼聲日趨高漲，銀行從貸款的安全性、流動(dòng)性、效益性方面考慮，發(fā)放貸款時(shí)往往把關(guān)嚴(yán)格，謹(jǐn)小慎微，一些貸戶“求爺爺告奶奶”求得貸款后，為免遭再度求貸的難題，即使能歸還貸款也顧慮重重，猶豫再三。雖然貸款利息讓一些貸戶“包袱”沉重，他們也心甘情愿。一位個(gè)體企業(yè)老板曾直言不諱地告訴筆者：不是我們不愿歸還貸款，只是貸款歸還了，“求爺爺告奶奶”是否還能貸出款來？貸不出款，生產(chǎn)資金就難以為繼，企業(yè)就要面臨“半死不活”和破產(chǎn)倒閉，“貸款難”讓我們害怕��！

──“執(zhí)行難”是不爭的事實(shí)，使清收“四面楚歌”。一方面在貸款管理中，由于法制不健全和不完善，造成某些方面無法可依，執(zhí)法部門由于對(duì)某些問題感到棘手，又無規(guī)可循，往往退避三舍。另一方面，有法不依、有法難依的現(xiàn)象更為嚴(yán)重，盡管《經(jīng)濟(jì)合同法》、《借款合同法》、《企業(yè)破產(chǎn)法》等法律法規(guī)早已頒布實(shí)施，但執(zhí)行起來仍困難重重，執(zhí)行部門在處理經(jīng)濟(jì)（貸款）案件中，由于人情的、行政的和經(jīng)濟(jì)利益等原因，執(zhí)行起來，彈性較大。加之不少貸款依法起訴后，有些雖“贏了官司”，但訴訟成本較高，銀行得不償失；有些雖也判銀行“有理”，但卻未能執(zhí)行回任何資產(chǎn)和現(xiàn)金，還使銀行

“得罪”了貸戶，為此，銀行有苦難言，慢慢地對(duì)依法起訴感到厭倦。近年來，銀行依法起訴了不少貸款，但真正強(qiáng)制收回的卻微乎其微，更多的不良貸款則“棚架”、“懸空”，將盤活清收推向?qū)擂尉车亍Ｕ屹J戶，貸戶因銀行將其推向法庭憤憤不平，哪愿積極歸還陳欠；找法院，法院以已判決而一推而之。有些不良貸款雖被執(zhí)法部門強(qiáng)制收回了，但由于多方面原因致使款項(xiàng)長期到不了銀行帳上，足見“執(zhí)行難”之一斑。

不良貸款居高不下，不僅嚴(yán)重制約著銀行的信貸再投能力及資金效益，而且也妨礙到銀行的生存和發(fā)展。那么，基層銀行面對(duì)不良貸款清收困難的原因，怎樣采取行之有效的措施，努力降低不良貸款呢？

一、分類施策，多策并舉，是盤活清收不良貸款的首要方法。不良貸款形成情況復(fù)雜，原因各異，必須認(rèn)真分析每筆不良貸款形成的成因，抓住癥結(jié)，對(duì)癥下藥。對(duì)賴債戶，釘子戶，可通過依法起訴，強(qiáng)制清收；對(duì)棘手戶、難纏戶，可通過行政、經(jīng)濟(jì)的、法律的等手段多策并舉，掃除障礙；對(duì)老村組集體貸款和死亡絕戶貸款，通過地方政府和村委會(huì)能落實(shí)的，想方設(shè)法予以落實(shí)，無法落實(shí)的，進(jìn)入呆帳，逐級(jí)報(bào)批核銷；對(duì)找不到借款人的，可列為“黑名單”，通過公安機(jī)關(guān)或上網(wǎng)查找，搜集線索，捕捉信息，不留清收盤活“遺忘角落”；對(duì)一些一時(shí)難以歸還的，可通過充電、供氧、補(bǔ)血等，以貸養(yǎng)貸，增強(qiáng)“造血”功能，培養(yǎng)還貸能力；對(duì)行政干預(yù)貸款，可通過加強(qiáng)同地方政府、社會(huì)各部門的聯(lián)系，磋商協(xié)調(diào)，千方百計(jì)為盤活不良貸款打

開“突破口”。

二、金融聯(lián)手，多方制裁，是清收盤活不良貸款的重要方法。許多貸款戶想方設(shè)法逃避債務(wù)，是清收不良貸款的一大障礙。對(duì)此，基層銀行一方面要同各金融機(jī)構(gòu)聯(lián)起手來，建立逃廢債務(wù)單位檔案，定期進(jìn)行監(jiān)督，通過金融債權(quán)管理工作聯(lián)席會(huì)議，確定逃廢債及惡意欠息者名單，向社會(huì)公開“曝光”，并采取停放貸款、凍結(jié)帳戶等聯(lián)合制裁措施。另一方面，要加強(qiáng)同地方政府、社會(huì)各部門的聯(lián)系溝通，使他們聯(lián)合起來，通過種種手段，落實(shí)銀行的債權(quán)。能通過兼并、重組、分立等方式盤活的，可通過轉(zhuǎn)化，化解風(fēng)險(xiǎn)；能通過法律制裁盤活的，強(qiáng)制收回；能通過租賃、出租、承包或拍賣等方式清收盤活的，加快處置步伐；對(duì)一些貸款欠息大戶或多頭貸款戶，可實(shí)行清收人員蹲點(diǎn)跟蹤，促其還貸，從而維護(hù)銀行的合法權(quán)益，確保銀行信貸資產(chǎn)不受損失。

三、關(guān)心支持，全力配合，是清收盤活不良貸款的不容忽視的方法。清收盤活工作涉及面廣、情況復(fù)雜，僅靠銀行一家去唱“獨(dú)角戲”，顯然孤掌難鳴，力不從心。為此，社會(huì)各部門要關(guān)心重視銀行清收盤活工作，密切配合，通力協(xié)作，才能使盤活清收工作取得突破性進(jìn)展。一是要加強(qiáng)同地方黨政部門的聯(lián)系，通過溝通協(xié)商，使他們主動(dòng)過問自己經(jīng)手、擔(dān)�；蜉爟�(nèi)企業(yè)、個(gè)人形成的不良貸款；二是要積極同公、檢、法、司、工商、稅務(wù)等部門搞好關(guān)系，千方百計(jì)為銀行盤活不良貸款提供極大“便利”；三是銀行自身要搞好資產(chǎn)保全和“門前清”工作。對(duì)手續(xù)不合規(guī)、不完善貸款，應(yīng)盡快健全手續(xù)，保全資產(chǎn)，避

免訴訟時(shí)效喪失；對(duì)銀行職工自貸、擔(dān)�；�?yàn)橛H屬、朋友介紹、擔(dān)保發(fā)放的人情、關(guān)系、跨區(qū)、頂名等貸款，調(diào)查摸底，登記造冊(cè)，采取聯(lián)系工資、離崗收貸、行政處分、解除勞動(dòng)合同、追究法律責(zé)任等措施，限期收回；四是健全金融法律管理體系，組建金融法庭，為清收盤活工作開辟“通道”，以維護(hù)基層銀行的合法權(quán)益。

四、嚴(yán)格管理，績效論酬，是清收盤活不良貸款行之有效的方法。一方面，嚴(yán)把貸款投放關(guān)，通過擇優(yōu)扶持，尋找新的經(jīng)濟(jì)增長點(diǎn)，從源頭上控制不良貸款，新形成的不良貸款，根據(jù)調(diào)查、審查、審批人員的責(zé)任，嚴(yán)格責(zé)任追究，堅(jiān)決推行風(fēng)險(xiǎn)貸款賠償制度，不心慈手軟，不留情面；另一方面，建立降低不良貸款激勵(lì)約束機(jī)制，給清收人員分配降低不良貸款的目標(biāo)任務(wù)，建立新老劃斷、余額和占比三項(xiàng)考核，并推行任務(wù)完成優(yōu)劣與個(gè)人收入直接掛鉤的激勵(lì)機(jī)制，按月考核，獎(jiǎng)優(yōu)罰劣；對(duì)連續(xù)三個(gè)月完不成清收盤活任務(wù)的，亮出“黃牌”，對(duì)連續(xù)半年完不成任務(wù)的，給其“斷奶”，對(duì)清收盤活進(jìn)展緩慢或收效甚微的，予以下崗辭退，從而調(diào)動(dòng)清收人員的盤活清收積極性和創(chuàng)造力。

擴(kuò)展閱讀：銀行不良貸款問題

選題：論文名稱：學(xué)院：參賽組別：組員：電話：電子郵箱：提交日期：

樂山師范學(xué)院201*年數(shù)學(xué)建模競賽論文

B題銀行不良貸款問題

數(shù)信學(xué)院學(xué)院�？平M魏仙(09級(jí))_________________

羅秀玲(09級(jí))___________________高敏(09級(jí))______________

15228188993308856417@qq.com201*.5.

銀行不良貸款問題

摘要

不良貸款率高，最大的危害是影響銀行對(duì)經(jīng)濟(jì)的支持能力。中國的銀行對(duì)貸款極其謹(jǐn)慎小心，就是因?yàn)椴涣假J款太多，影響了銀行放款能力。如果靠發(fā)行基礎(chǔ)貨幣來解決不良貸款問題，容易引發(fā)通貨膨脹。如果對(duì)之掉以輕心，不良貸款的大量發(fā)生還會(huì)誘發(fā)社會(huì)道德風(fēng)險(xiǎn)，如果加大處理不良貸款的力度又可能會(huì)引起企業(yè)連鎖倒閉破產(chǎn)，增加財(cái)政風(fēng)險(xiǎn)和社會(huì)危機(jī)。為了解決以上問題，所以銀行必須制定良好的方案。

本文通過分析不良貸款與各項(xiàng)貸款余額，本年累計(jì)應(yīng)收貸款，貸款項(xiàng)目，本年固定資產(chǎn)投資額之間在自然現(xiàn)象中普遍存在相關(guān)關(guān)系，我們將用回歸分析處理變量之間的相關(guān)關(guān)系，根據(jù)初步的作圖分析，不良貸款受幾個(gè)影響因素主次難以區(qū)分，這時(shí)采用一元回歸分析預(yù)測法進(jìn)行預(yù)測是難以奏效的，我們需要采用多元回歸分析預(yù)測法。多元線性回歸預(yù)測首先是不良因素與其有關(guān)影響因素之間線性關(guān)系的數(shù)學(xué)模型。然后通過對(duì)各影響因素未來值的預(yù)測推算出不良貸款的預(yù)測值。

對(duì)于問題一、我們利用題中某銀行一年貸款主要業(yè)務(wù)數(shù)據(jù)（附表6），根據(jù)表中數(shù)據(jù)分別用Excel作出不良貸款與各項(xiàng)貸款余額，本年累計(jì)應(yīng)收貸款，貸款項(xiàng)目，本年固定資產(chǎn)投資額散點(diǎn)圖（附圖1，2,3,4），根據(jù)圖和專業(yè)知識(shí)可得他們之間存在不確定的相關(guān)關(guān)系，所以對(duì)于問題一要討論不良貸款與幾個(gè)影響因素之間的相關(guān)關(guān)系，建立多元線性回歸模型,利用Matlab編程確定回歸系數(shù)（b0,b1,b2,b3,b4）,以及R和F的值，由F分布表

2查得F0.05(1,25)=4.24，由于F=22.6335>F0.05(1,25),說明回歸方程的線性回歸效果顯著，確定回歸方程模型（1），然后通過逐步對(duì)回歸系數(shù)進(jìn)行檢驗(yàn)得出自變量（x3）對(duì)因變量y的影響比較小，考慮剔除自變量（x3），得到最優(yōu)回歸方程，建立模型（2）。再通過最優(yōu)回歸方程對(duì)題目中某銀行一年貸款主要業(yè)務(wù)數(shù)據(jù)進(jìn)行預(yù)測，預(yù)測值y與數(shù)據(jù)中不良貸款數(shù)據(jù)基本符合，說明此模型具有一定的實(shí)用性。

對(duì)于問題二是在問題一的基礎(chǔ)上，根據(jù)問題一建立的模型可知對(duì)不良貸款的影響不大的是貸款項(xiàng)目�？梢灾�道哪些因素對(duì)降低不良貸款有促進(jìn)作用或抑制作用，從而給出建議。

經(jīng)檢驗(yàn)，本文的模型簡單易懂，具有很強(qiáng)的推廣性和可行性，對(duì)于控制不良貸款的發(fā)生額有較強(qiáng)的控制性。

關(guān)鍵字：銀行不良貸款多元線性回歸逐步回歸法最優(yōu)回歸方程

一、問題提出

商業(yè)銀行主要業(yè)務(wù)之一就是對(duì)項(xiàng)目建設(shè)、固定資產(chǎn)投資等進(jìn)行貸款。近年

來，銀行貸款額平穩(wěn)增長，但不良貸款也有較大比例的提高，給銀行貸款業(yè)務(wù)的發(fā)展帶來較大壓力。請(qǐng)您：

1.利用網(wǎng)絡(luò)等收集有關(guān)數(shù)據(jù)資料，建立合適的數(shù)學(xué)模型幫助銀行控制不良貸款的發(fā)生金額；

2.不良貸款是多方面因素造成的，銀行希望利用自己業(yè)務(wù)的有關(guān)數(shù)據(jù)做些定量分析，以便找出控制不良貸款的辦法。下表是某商業(yè)銀行25家分行一年的主要業(yè)務(wù)數(shù)據(jù)：見圖6

二、問題分析

控制銀行不良貸款的發(fā)生金額問題；是在著重考慮不良貸款與各項(xiàng)貸款余額，本年累計(jì)應(yīng)收貸款，貸款項(xiàng)目，本年固定資產(chǎn)投資額之間是否存在著必要的聯(lián)系的基礎(chǔ)上建立模型。

對(duì)于問題一，首先根據(jù)圖6作出散點(diǎn)圖（見附表圖1、2、3、4）幫助分析，結(jié)合散點(diǎn)圖與用Excel計(jì)算出的相關(guān)系數(shù)（見附表5）分析的結(jié)果中，建立不良貸款多元線性回歸模型（1）。從而得出上面四個(gè)因素與不良貸款金額之間存在的線性關(guān)系。又因銀行要控制不良貸款金額，我們應(yīng)該找出對(duì)他影響不大的因素，從而銀行可以適當(dāng)?shù)恼{(diào)節(jié)貸款主要業(yè)務(wù)，控制或減少不良貸款的金額，進(jìn)而使銀行損失減到最小，通過觀察置信區(qū)間是否包含零點(diǎn)，考慮利用逐步回歸法剔出對(duì)不良貸款影響較小的變量，由此建立模型（2）得到最優(yōu)回歸方程，以獲得較精確的結(jié)果。從而得出控制不良貸款金額的有效辦法。

對(duì)于問題二，根據(jù)一建立的模型，已經(jīng)得出四個(gè)自變量中哪一個(gè)對(duì)不良貸款金額影響較小，那么銀行就可以適當(dāng)考慮對(duì)四個(gè)業(yè)務(wù)的重新分配問題，進(jìn)而使銀行的損失降到最小。

三、模型假設(shè)

1、假設(shè)題目給定的數(shù)據(jù)具有代表性和現(xiàn)實(shí)性，可以作為模型計(jì)算的依據(jù)。2、假設(shè)不良貸款與各項(xiàng)貸款余額、本年累計(jì)應(yīng)收貸款、貸款項(xiàng)目、本年固定資產(chǎn)投資額存在線性函數(shù)關(guān)系。

3、假設(shè)不良貸款是隨機(jī)變量服從均值為零的正態(tài)分布。

四、符號(hào)說明

Y：不良貸款為研究指標(biāo)；

x：各項(xiàng)貸款余額；

1x：本年累計(jì)應(yīng)收貸款；

2x：貸款項(xiàng)目；

3

x：本年固定資產(chǎn)投資額分別為自變量.；

4b,b,b,b,b01234：回歸系數(shù)；

F：統(tǒng)計(jì)量值(F0.05(1,25)=4.24)；

R

2：回歸方程的決定系數(shù)；

p：統(tǒng)計(jì)量對(duì)應(yīng)的概率值

五、模型的建立與求解

1、據(jù)圖分析y與x1和x2的關(guān)系，利用表中的數(shù)據(jù)分別作出他們之間的散點(diǎn)圖（見圖1、2）從圖1、2可以發(fā)現(xiàn)，隨著x1、x2，的增加，y值有明顯的增長趨勢。利用Excel計(jì)算出相關(guān)系數(shù)（見表5），由圖可知x1,x2,x3,x4與y的相關(guān)系數(shù)r≠0，根據(jù)相關(guān)系數(shù)的取值范圍及意義,則可說明它們與y存在線性相關(guān)系，從而建立如下線性回歸模型：

Y=b0b1x1b2x2b3x3b4x4（1）

~N(0，)

直接利用Matlab統(tǒng)計(jì)工具箱中的命令regress求解,相關(guān)程序見（附表6）得出結(jié)果建立表格如下;

參數(shù)參數(shù)估計(jì)值參數(shù)置信區(qū)間-1.3299[-2.85740.1977]b02b10.02860.2174-0.0167-0.0005R2=0.8191F=22.6335p

六、結(jié)果分析

由表得出線性回歸方程Y=-1.3299+0.0286x1+0.2174x2

-0.0167x3-0.0005x4，成立。表中數(shù)據(jù)顯示，R=0.8191指因變量y（不良貸

2款）的81.91％可由模型確定，F(xiàn)=22.6335》F0.05(1,25)=4.24，p

由上表的回歸系數(shù)中b0=-1.3299，b1=0.0286，b2=0.2174，b3=-0.0167，

b4=-0.0005檢查他們的置信區(qū)間可知，只有b3的置信區(qū)間包含0點(diǎn)，由附

表（去掉x3的）知變量x3（對(duì)因變量y的影響）不是太顯著的，則考慮經(jīng)過篩選變量x3這一過程（逐步回歸法）建立最優(yōu)回歸方程：

yb0b1x1b2x2b4x4。（2）

直接利用Matlab統(tǒng)計(jì)工具箱中的命令regress求解剔除變量x3的相關(guān)程序見（附表7），得出結(jié)果建立表格如下;參數(shù)參數(shù)估計(jì)值參數(shù)置信區(qū)間[-2.7511-0.0576][0.01510.0394]b0b1b2b4-1.40400.02720.2160-0.0005R2=0.8185F=31.5774p22.6335》p

八、模型優(yōu)缺點(diǎn)評(píng)價(jià)

1、對(duì)于模型（1）的結(jié)果可知，不良貸款與各項(xiàng)貸款余額、本年累計(jì)應(yīng)收貸款、貸款項(xiàng)目、本年固定資產(chǎn)投資額都存在著一定的聯(lián)系，但是其中有些項(xiàng)目與不良貸款的聯(lián)系并不明顯，因此銀行在控制不良貸款金額方面沒有確切的方法。

2對(duì)模型（2）信預(yù)測區(qū)間與模型（1）的結(jié)果相比，區(qū)間長度明顯縮小，F(xiàn)比模型1大大提高，表明回歸直線對(duì)樣本數(shù)據(jù)點(diǎn)的擬合程度很高，說明回歸方程線性回歸顯著。由此可以看出投資項(xiàng)目對(duì)不良貸款的影響不顯著，則銀行可以根據(jù)模型二制定控制不良貸款的方案。

給銀行的建議

根據(jù)模型（1）和模型（2）所得不良貸款余額與各項(xiàng)貸款余額、本年累計(jì)應(yīng)收貸款、貸款項(xiàng)目、本年固定資產(chǎn)投資額的線性回歸方程顯示，其變量前系數(shù)為負(fù)時(shí)，說明自變量對(duì)降低不良貸款余額均有正向促進(jìn)作用，其變量前系數(shù)為正時(shí)，說明自變量對(duì)降低不良貸款余額均有負(fù)向抑制作用，由模型可知，其中各項(xiàng)貸款余額、本年累計(jì)應(yīng)收貸款、本年固定資產(chǎn)投資額的增加對(duì)降低商業(yè)銀行不良貸款都有影響，但貸款項(xiàng)目對(duì)其影響不顯著，因此，為了發(fā)展經(jīng)濟(jì)、保持經(jīng)濟(jì)持續(xù)穩(wěn)定增長，銀行應(yīng)該增加貸款項(xiàng)目，同時(shí)擴(kuò)大對(duì)固定資產(chǎn)的投資，保持各項(xiàng)貸款余額、本年累計(jì)應(yīng)收貸款的穩(wěn)定，從而間接降低商業(yè)銀行的不良貸款余額。

九參考文獻(xiàn)

[1]廖銓生，概率與統(tǒng)計(jì)，上海：華東師范大學(xué)出版社，201*.5

[2]姜啟元，數(shù)學(xué)建模與數(shù)學(xué)實(shí)驗(yàn)，北京：高等教育出版社，201*.8[3]付鵬，數(shù)學(xué)實(shí)驗(yàn)，北京：科學(xué)出版社，201*

400.0350.0300.0貸款余額250.0200.0150.0100.050.00.00.05.0不良貸款10.015.0

系列1圖表1

30.025.0累計(jì)應(yīng)收貸款20.015.010.05.00.00.02.04.06.08.010.012.014.0不良貸款系列1

圖表2

40.035.030.0貸款項(xiàng)目個(gè)數(shù)25.020.015.010.05.00.00.02.04.06.08.010.012.014.0不良貸款系列1

圖表3

180.0160.0140.0120.0100.080.060.040.020.00.00.02.04.06.08.0不良貸款10.012.014.0系列1固定資產(chǎn)投資額

圖表4

用Excel計(jì)算x1,x2,x3,x4與y的相關(guān)系數(shù)矩陣如下：

圖表5

分行不良貸款各項(xiàng)貸款余額本年累計(jì)應(yīng)收貸貸款項(xiàng)目編號(hào)（億元）Y（億元）X1款（億元）X2個(gè)數(shù)X3123456789101112131415

本年固定資產(chǎn)投資額(億元)X451.9903973.714.563.22.220.243.855.964.342.776.722.8117.1146.70.91.14.83.27.82.71.612.512.60.340.83.510.267.3111.317380.8199.716.2107.4185.496.172.864.2132.258.6174.6263.510

6.819.87.77.216.52.210.727.11.79.12.111.2612.715.651617101911718101411231426

1617181920212223242530.20.416.811.61.61.27.23.279.314.873.524.7139.4368.295.7109.6196.2102.28.90.65.957.216.83.810.315.81215211428321014161029.942.125.313.464.3163.944.567.939.797.1圖表6

Matlab計(jì)算模型（1）程序：>>x1=[0.963.76.8551.9;1.1111.319.8169039;4.81737.71773.7;3.280.87.21014.5;7.8199.716.51963.2;2.716.22.212.2;1.6107.410.71720.2;12.5185.427.11843.8;196.11.71055.9;2.672.89.11464.3;0.364.22.11176.7;4132.211.22376.7;0.858.661422.8;

3.5117.412.726117.1;10.2263.515.634146.7;379.38.91529.9;0.214.80.6242.1;0.473.55.91125.3;124.75413.4;

6.8139.47.22864.3;11.6368.216.832163.9;1.695.73.81044.5;1.2109.215.81639.7;7.2196.215.81639.7;3.2102.2121097.1];

>>X=[ones(size(x1(:,1))),x1(:,2:5)];Y=x1(:,1);

[b,brint,r,rint,stats]=regress(Y,X,0.05)b=

-1.32990.02860.2174-0.0167-0.0005

brint=

-2.85740.01120.0538-0.1633-0.0010r=

-0.96200.0115-0.17590.82500.17373.1054-2.17772.9513-0.59520.1345-0.4407-0.4663-0.6068-0.79691.23750.39021.0313-1.46070.60923.0744-0.6466-0.4465-3.7446-0.2365-0.7877

0.19770.04610.38110.1298-0.0001

rint=

-4.32462.4006-0.03530.0583-3.54823.1964-2.64804.2980-3.19693.54440.16166.0492-5.50401.14860.92354.9792-3.89722.7067-3.32483.5937-3.83452.9530-3.83622.9036-4.01792.8043-3.86832.2746-1.81374.2888-3.06853.8490-2.22854.2912-4.88331.9619-2.76503.98350.43105.7178-2.98351.6904-3.85012.9572-6.5527-0.9366-3.53563.0626-4.19242.6170

stats=

0.819122.63350.0000去掉x3的程序：

x1=[0.963.76.851.9;1.1111.319.89039;4.81737.773.7;3.280.87.214.5;7.8199.716.563.2;2.716.22.22.2;1.6107.410.720.2;12.5185.427.143.8;196.11.755.9;

2.828513

2.672.89.164.3;0.364.22.176.7;4132.211.276.7;0.858.6622.8;

3.5117.412.7117.1;10.2263.515.6146.7;379.38.929.9;0.214.80.642.1;0.473.55.925.3;124.7513.4;6.8139.47.264.3;11.6368.216.8163.9;1.695.73.844.5;1.2109.215.839.7;7.2196.215.839.7;3.2102.21297.1];

>>y=[0.91.14.83.27.82.71.612.512.60.340.83.510.230.20.416.811.61.61.27.23.2];X=x1(:,2:5);y=x1(:,1);Stepwise(X,y,[1,2,4],0.05)

CoefficientswithErrorBarsX1Coeff.t-statp-val0.03908754.78170.0001X20.1167451.52680.1417X30.01806120.21810.8296X4-0.100.10.20.3-0.0179954-1.35310.1904ModelHistory32101RMSE

圖表7

CoefficientswithErrorBarsX1Coeff.t-statp-val0.02864243.4201*.0027X20.3353073.87360.0009X30.1512982.45280.0230X400.10.20.30.40.5-0.000700421-2.76410.0116ModelHistory43211RMSE

圖表8

CoefficientswithErrorBarsX1Coeff.t-statp-val0.03884374.49670.0002X20.2174462.77230.0118X3-0.00142257-0.01770.9861X4-0.2-0.100.10.20.30.4-0.000279167-1.26970.2181ModelHistory32101RMSE

圖表9

CoefficientswithErrorBarsX1Coeff.t-statp-val0.03352483.67840.0014X20.132911.67730.1083X3-0.0211015-0.26860.7909X4-0.2-0.100.10.20.3-0.000531827-2.50780.0209ModelHistory32101RMSE

圖表10

CoefficientswithErrorBarsX1Coeff.t-statp-val0.02724674.65780.0001X20.4629446.03900.0000X30.1512982.45280.0230X400.10.20.30.40.50.6-0.000823649-2.99260.0067ModelHistory43211RMSE

圖表11

CoefficientswithErrorBarsX1Coeff.t-statp-val0.03352483.67840.0014X20.2455842.68220.0136X30.1851012.68330.0136X400.10.20.30.4-0.000700421-2.76410.0116ModelHistory43211RMSE

圖表12

模型（2）程序

x1=[0.963.76.851.9;1.1111.319.89039;4.81737.773.7;3.280.87.214.5;7.8199.716.563.2;2.716.22.22.2;1.6107.410.720.2;12.5185.427.143.8;196.11.755.9;2.672.89.164.3;0.364.22.176.7;4132.211.276.7;0.858.6622.8;

3.5117.412.7117.1;10.2263.515.6146.7;379.38.929.9;0.214.80.642.1;0.473.55.925.3;124.7513.4;6.8139.47.264.3;11.6368.216.8163.9;1.695.73.844.5;

17

1.2109.215.839.7;7.2196.215.839.7;3.2102.21297.1];

X=[ones(size(x1(:,1))),x1(:,2:4)];Y=x1(:,1);

[b,brint,r,rint,stats]=regress(Y,X,0.05)b=

-1.40400.02720.2160-0.0005

brint=

-2.75110.01510.0571-0.0010r=

-0.87250.0136-0.13340.85520.23303.1887-2.22243.0229-0.55170.0894-0.4579-0.5760-0.6763-0.97521.13350.33711.0937-1.45940.6583

-0.05700.03940.3749-0.00012.8851-0.5692-0.4004-3.7626-0.1330-0.7205

rint=

-4.2421-0.0355-3.4363-2.5330-3.08680.2512-5.47670.9740-3.7889-3.3001-3.7632-3.9890-4.0479-4.3359-1.9804-3.0616-2.1206-4.7902-2.6511-0.2137-2.9460-3.7381-6.4958-3.4696-4.0886

stats=

0.8185

2.49710.06283.16964.24353.55276.12611.03185.07182.68553.47882.84752.83692.69532.38554.24743.73594.30791.87153.96775.98391.80762.9372-1.02933.20362.647531.5774

0.00002.701519

友情提示：本文中關(guān)于《基層銀行不良貸款清收中的問題及對(duì)策》給出的范例僅供您參考拓展思維使用，基層銀行不良貸款清收中的問題及對(duì)策：該篇文章建議您自主創(chuàng)作。

來源：網(wǎng)絡(luò)整理 免責(zé)聲明：本文僅限學(xué)習(xí)分享，如產(chǎn)生版權(quán)問題，請(qǐng)聯(lián)系我們及時(shí)刪除。

《基層銀行不良貸款清收中的問題及對(duì)策》由互聯(lián)網(wǎng)用戶整理提供,轉(zhuǎn)載分享請(qǐng)保留原作者信息,謝謝!
鏈接地址：http://m.taixiivf.com/gongwen/698448.html

• 上一篇：滴灌工程施工安裝
• 下一篇：國外商業(yè)銀行清收不良貸款的經(jīng)驗(yàn)與啟示