在三种灰色聚类分析的坐标中，全面反映出五种贷款方案之间的类间差异以及类内之间的关联和关系。本文一共选取30个涉及煤炭类、公共卫生类、电力类、基础设施类、产业类、文化教育类等各个行业的历史境外项目贷款案例，通过风险灰色聚类分析，实施方案见表3，聚类分析结果分别为10个方案A、10个方案B、5个方案C、3个方案D、2个方案E。
由图2可见，30个历史案例被聚为五类，图中“A”“B”“C”“D”和“E”分别代表五种境外项目贷款实施方案的聚类中心，其具体坐标为A（5，5，5）、B（9，2，7）、C（1，6，9）、D（8，6，1）和E（2，4，3）。图2的聚类结果也就是境外项目贷款决策模型。
到这一步，基于灰色聚类分析的境外项目贷款决策模型就建立起来了在选择具体的境外项目贷款实施方案时只要把其各类风险指标值输入到图2的风险指标体系中，计算“高”“中”和“弱”三种灰类风险值，然后在图1中寻找与五种聚类中心哪一个更吻合啊，吻合的聚类中心也就是要采用的贷款实施方案。
5算例
为进一步验证该方法的可行性，选取了2010年某国有银行的三个真实境外项目贷款实施案例作为研究对象进行验证，同时采用AHP方法和OI方法做对比验证，实验结果见表3：
由表3可知，基于灰色聚类分析的贷款决策方法要比AHP方法和OI方法更具有效性和正确性，进一步验证了基于灰色聚类分析的贷款决策方法的优越性。
6结语
本文提出的GCA境外项目贷款决策方法，利用GCA完成原有风险指标体系的灰色聚类分析，实现了贷款方案智能决策，克服了原有方法人为干扰因素多的缺陷，改善了贷款决策的准确率。通过基于历史真实境外贷款案例的实验证明，本文方法相对于传统方法拥有更高的准确率。
参考文献
[1]张建华．企业并购风险分析与风险管理[J]．华南金融研究，2002，（6）.
[2]杜玉平．跨国信贷业务中的国家风险评估[J]．广东外语外贸大学学报，2006，（10）.
[3]冯文成，刘英．银行贷款风险管理及量化指标体系
[J]．财经问题研究，1994，（8）.
[4]陈秀镇，郑庆华，管晓宏．层次化网络安全威胁态势量化评估方法[J]．软件学报，2006，17（4）.
[5]Ming-FengYeh，Kuang-ChiungChang．ECGBeatClassificationUsingtheGreyARTNetwork[J]．SignalProcessing，2007，1（1）.