基于ANP的国家助学贷款风险评价模型

基于ANP的国家助学贷款风险评价模型
文章分析了国家助学贷款的性质；指出传统的研究往往从层次分析法分析(AHP)，忽略了层次内部元素的相互依存性。

从学生还贷的角度，运用Delphi method构建评估指标体系，运用网络层级分析法（ANP）对同一层次的指标建立两两比较判断矩阵，得到评估指标体系中各层指标对于上层指标的权重，即学生在校的表现对学生贷款归还影响比较大，据此科学抓好学生的有关教育，规避国家助学贷款的风险。

标签：国家助学贷款；风险评估体系；网络层级分析法
一、前言
2010年，我国国家助学贷款发放209.1万人，发放金额113.57亿元，占全国学生资助总额27.84%，比2009年增加20亿元，增幅21.37%；2009年，
我国用于支付国家助学贷款贴息和风险补偿金的资金为22.45亿元，占全国普通高校学生资助经费支出的6.07%，比2008年的10.43亿元增加了12.02亿元，增幅高达115.24%。

到2008年底,已有436.1万名贫困大学生通过该项政策圆了大学梦。

国家助学贷款已经成为高校资助体系中覆盖率最广、资助力度最大的一项政策。

国家助学贷款主要是通过金融系统向学生发放贷款，国家在学生在校期间全部由财政贴息和提供风险补偿金，每个学生每年最高可以贷6000元，以帮助他们交纳在校期间学费和住宿费。

截至2009年，国家助学贷款合同金额已累计494亿元。

仅2010年金融机构国家助学贷款113.57亿元，比2009年增加20亿元，增幅21.37%。

但是由于我国国家助学贷款是国家政策引导，学生与银行发生借贷关系的商业性贷款，属于风险性贷款。

以广东为例，2008年,广东省有94所高校的15585笔助学贷款合同进入还息期,这也是自2006年广东实施助学贷款新政后首次大规模还息期的到来,涉及本金863.97万元。

截至2009年6月30日,仍有2118笔贷款合同未按时支付利息,利息违约金额43.85万元,违约合同数占总还息合同数的13.59%。

全省利息违约比例高于10.9%(风险补偿金)的高校有43所。

2003年首批贷款的学生陆续进入还款期，全国平均违约率超过20%。

这不仅造成了银行的惜贷，对国家助学贷款的进一步开展带来了危害，而且对于未能按时还贷的借贷者而言，也造成了信用的不良记录。

如何防患于未然，在早期做
好防护措施，建立适合我国国家助学贷款特点的风险评估体系极为重要。

国外的研究中，Vandell(1984)认为助学贷款的风险不仅取决于贷款人的项目风险（即贷款项目的可能性），还取决于贷款人诚实与否，是否贷款成功之后如实还贷。

Woodhal（1987）［1］从贷款的管理、对象、规模等10个方面详尽的分析了发展中国家实施国家助学贷款计划必须注意的制度规定，试图建立一套助学贷款计划管理的计算机模型以降低风险。

Douglas和Adrian（1991）［2］对国家
助学贷款进行了系统研究，认为在实施学生助学贷款时要认真考虑，否则将是不明智的，提出“必须考虑毕业生未来收益与还款率之间的关系”等需要注意的问题。

Johnstone(2003)［3］认为发展中国家的助学贷款要切实可行必须满足以下几个基本条件：（1）贷给经济上有需要的学生，必须进行家庭经济状况调查；(2)政府需要对国家助学贷款进行较多的补贴，这样对学生来说可以降低贷款成本，使贫困学生敢借愿还;(3)政府要为助学贷款提供担保，降低贷款机构的风险，使得商业银行敢贷不惜贷。

Ziderman（2002）［4］在对世界各地助学贷款的不同目标作简要的回顾和评论的基础上，区分两种不同目标取向的国家助学贷款之间的差异：第一类助学贷款追求经济目标，如贷款的设立是为了促进高等教育的成本补偿，为紧张的大学财政获取额外财源；第二类助学贷款追求的则是社会目标，如设立贷款的目的是为了增进高等教育入学机会均等。

他认为助学贷款的设计和评价必须考虑到贷款政策的目标，不能混淆其边界。

由于助学贷款的借贷与偿还等多方面的风险性，许多学者同时对国家助学的风险与控制展开了研究。

Dur和Glazer(2007)［5］认为为了降低信贷风险，同时为了让社会真正需要接受教育的
学生有机会学习，维护社会公平，需要对不同学生的家庭经济状况调查。

目前国内对国家助学贷款的风险和控制的研究才起步，没有形成系统、深入的研究，对国家助学贷款风险的量化研究基本处于空白，并且在构建风险评估体系中往往采用层次分析法，没有考虑因素层中不同因素的相互依存性，由此在此基础上得出的结论可能是失真的。

本文采用网络层级分析法，考虑到层次内部因素的相互依存性，在此基础上从还贷者的角度，构建国家助学贷款风险评价体系，
得出更适合现实系统的评估。

二、国家助学贷款风险的ANP评价模型
1、ANP网络层级分析法
网络层级分析法ANP（analytic network process）是在层次分析法AHP （analytic hierarchy process）的基础上建立起立更为复杂、更为有效的系统分析与综合评价方法。

层次分析法是20世纪70年代由美国运筹学家托马斯·萨迪提出的一种集层次结构、实验心理学、比较权衡和数学方法于一体的分析方法。

该方法将评价对象视为一个系统，根据评价的总目标，将问题分成不同的要素，并将要素归并成目标层、准则层和因素层，形成一个多层次的分析结构体系。

层次分析法成功的将定量分析与定性分析相结合，对于解决多层次、多目标的复杂问
题行之有效。

但是，层次分析法忽略了同一层次元素之间可能存在的依存性，僅仅考虑了上层元素对下层元素的支配作用，同一层次元素被认为是相互独立。

在现实世界中，各层次元素之间往往是有联系的，低层元素对上层元素亦有反馈作用。

这样
的系统更类似于网络结构。

层次分析法因此不太符合现实世界的实际情况，限制了在复杂决策问题中的应用。

网络层级分析法正是由此延伸发展、适应网状系统结构的决策方法。

网络层级分析法的系统结构内，既存在层次内部的循环与依赖，也存在递阶层次与递阶层次的反馈，构成了一个网络层次结构。

通过这种网络层次结构，系统更能体现出要素之间的相互依存关系，计算出要素的权重，也更准确的标度其重要程度。

因此，采用网络层级分析法来构建国家助学贷款的风险评
估体系能够更加准确的反应现实世界的真实情况，更具有理论价值。

2、ANP网络层级分析法步骤
（1）风险评估指标的选取。

本文采用专家调查法选取评估体系的指标。

专家调查法，采用匿名方式通过信函征询方法对专家意见采取多次有控制的反馈，并有调查人员进行归纳统一，最好取得一致意见，从而使模糊信息明朗化。

本文在借鉴以往商业银行和类似研究中风险评估体系的基础上，以指标选取原则为取向，充分考虑国家助学贷款中借贷人（即大学生）所独有的特点，通过重庆大学、重庆师范大学、四川美术学院等学校国家助学贷款负责人的选择打分，最后选取了若干指标，如图一所示。

图一是一个典型的网络层次结构。

图中将指标体系系统元素分为两大部分。

第一部分为控制因素层，包括问题目标及决策准则。

所有的决策准则认为相互独立且仅受目标元素分配。

第二部分是网络层，由所有受控制层支配的元素组成。

箭头表示箭尾指标影响箭头指标。

若自身有对自己的箭头则表示属于该元素集的下一级指标之间存在相互影响关系，即该元素内是相互依
存的。

图一国家助学贷款风险的网络指标体系①
（2）获得判断矩阵。

由于元素的相互依存性，ANP不同于AHP的判断矩
阵的获取方法，将以以下两种方式进行：
a. 直接优势度：给定一个准则，两元素对于该准则的重要程度进行比较；
b. 间接优势度：给定一个准则，两元素在准则下对第三个元素（称为次准则）的影响程度进行比较，间接获得重要性程度。

其重要性程度标度的确定方法采用1～9标度法，具体如表一。

（3）构造超矩阵和加权超矩阵。

假设ANP的控制层有元素P1,P2,…P m，网络层有元素组C1,C2,…C n，其中C i中有元素e i1,e i2,i=1,2,…N.以控制层元素P s(S=1,2,…m)为准则，以C j中元素e jl(l=1,2,…n)为次准则，元素组C i中元素按其对e jl的影响力大小间接优势度比较，按照表的定义的标度进行两两因素比较判断，构造判断矩阵并由特征根得到归一化特征向量,记：
W ij的列向量就是C i中元素e i1,e i2,…e iN i对C j中元素e j1,e j2,…e jN j的影响程度排序向量。

若两者并没有影响，则w ij=0。

由此可以构建P s准则下超矩阵：
进一步在P s下各元素组对准则C j的重要性进行比较再进行归一化特征向量处理，得到权重矩阵：
对超矩阵W的元素加权：W—ij=a ij(W ij)
i=1,2,…N;j=1,2,…N
W—就是加权超矩阵，列和为1。

（4）计算极限超矩阵。

网络层级分析法中，为了反映元素间的依存关系，加权超矩阵W需要做稳定处理。

加权超矩阵中的元素
W—ij
的大小反应了元素i对元素j的一步优势度，i对j的优势度还可以用Nk=1W ik——W kj——得到，称为二步优势度。

当W∞=lim t→∞W′——存在的时候，W∞的第j列就是P s下网络层中各元素对于元素j的极限相对排序向量,即各元素相对于最高目标的权重值。

ANP较AHP计算麻烦，解决超矩阵非常复杂，运算量大，一般才采用Super Decisions软件的计算各个指标的权重。

（5）结果分析。

本文首先给出层次分析法的计算结果：
从AHP分析结果可以看出学生的在校情况对于国家助学贷款风险的权重最大，为0.733，其中学生参加勤工助学的权重为0.281。

其次为表彰或违纪、图书馆借阅情况。

学生的在校情况对于以后学生还贷影响最大。

尽早建立学生还贷意
识，鼓励其参加勤工助学对于今后按时还贷有积极的影响。

AHP方法没有考虑因素层中不同因素的相互依存性，得到的结果可能会失真，因此本文进一步采用Super Decisions软件对国家助学贷款风险评估体系进行ANP分析，分析结果如表三所示。

ANP分析结果表明，由于元素之间相互依存性的存在，在校情况的权重有所下降，但是仍然是最大的，说明学生的在校情况对以后及时偿还国家助学贷款
影响是最重要的。

对比AHP方法，学生参加勤工助学、辅导员评价和表彰或违纪的权重相对较大，而在AHP方法中的图书馆借阅情况的权重相对降低。

学生主动参加勤工助学，培养独立生活的意识，有助于增强还贷能力；表彰或违纪与学生的德育教育有关。

学生的德育教育，可以加强学生的信用观念，降低贷款违约的风险。

而辅导员对借贷学生的评价，对借贷学生综合素质的评价较为合理。

辅导员评价高，表明借贷者的综合素质较高，德育观念较强，信用意识较强，对
于以后及时、按时还贷有积极影响。

三、结论
合理的指标体系的建立和科学的指标权重的确定是构建国家助学贷款风险体系的两个难点。

本文通过专家调查法，建立了国家助学贷款的风险体系；运用网络层级分析法计算指标权重。

以往的研究都是采用层次分析法，忽略了元素之间的相互依存关系，由此得出的指标权重可能是不科学的。

本文对比了层次分析法和网络层级分析法计算出的权重，网络层级分析法相对更有说服力，更科学。

采用网络层级分析法表明，说明学生的在校情况对以后及时偿还国家助学贷款
发影响是最为重要，学生参加勤工助学、辅导员评价和表彰或违纪的权重相对较
大。

【注释】
①备注：限于图形篇幅，各个指标具体含义见下文分析结果.。