羅雁之

[摘 要] 本文針對(duì)中小企業(yè)融資難的現(xiàn)象，從銀行的角度出發(fā)分析其原因，并試圖建立一個(gè)銀行對(duì)中小企業(yè)融資風(fēng)險(xiǎn)的動(dòng)態(tài)評(píng)估體系，便于銀行在最大程度給企業(yè)提供資金方便的同時(shí)也保障自身資金的安全。本文以Logit回歸模型為基礎(chǔ)，選取了12個(gè)有針對(duì)性的指標(biāo)建立動(dòng)態(tài)評(píng)估體系，再引入某公司具體數(shù)據(jù)對(duì)該評(píng)估系統(tǒng)進(jìn)行實(shí)例研究。這一動(dòng)態(tài)評(píng)估系統(tǒng)的應(yīng)用在減少銀行貸前工作成本的同時(shí)也很好地提供了銀行貸后的風(fēng)險(xiǎn)把控。

[關(guān)鍵詞] 中小企業(yè)融資 風(fēng)險(xiǎn)管理 動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估

過(guò)去，我國(guó)的商業(yè)銀行大多以國(guó)有大中型企業(yè)作為主要的貸款對(duì)象，小企業(yè)在銀行眼里一直處于“雞肋”的地位，規(guī)模小，缺乏規(guī)范的會(huì)計(jì)制度，抵御風(fēng)險(xiǎn)能力較差，這些都意味著貸款給這樣的企業(yè)，銀行將承受更大的風(fēng)險(xiǎn)。然而，在銀行于大型企業(yè)貸款等相關(guān)領(lǐng)域的業(yè)務(wù)競(jìng)爭(zhēng)異常激烈并且趨于飽和的今天，為了謀求更大的發(fā)展，于情于理都該把注意力轉(zhuǎn)向已經(jīng)成為國(guó)民經(jīng)濟(jì)發(fā)展重要生力軍的中小企業(yè)上，努力開(kāi)展對(duì)中小企業(yè)的融資業(yè)務(wù)，以謀求最大的收益。

一、研究概述

據(jù)統(tǒng)計(jì)2010年，我國(guó)13416萬(wàn)家工業(yè)企業(yè)中，中小企業(yè)有13307家，占全國(guó)工業(yè)企業(yè)總數(shù)的99.2%，而這些中小企業(yè)創(chuàng)造的最終產(chǎn)品和服務(wù)價(jià)值占全國(guó)生產(chǎn)總值的60%，上繳稅收占全國(guó)稅收的50%，為城鎮(zhèn)居民提供了80%以上的就業(yè)崗位，中小企業(yè)以其充沛的活力為國(guó)民經(jīng)濟(jì)發(fā)展做出了巨大的貢獻(xiàn)。

然而，在今年通脹壓力增大的形勢(shì)下，中小企業(yè)經(jīng)營(yíng)壓力持續(xù)加大，原材料價(jià)格上漲，用工成本提高等因素產(chǎn)生了疊加影響，如此緊要關(guān)頭，中小企業(yè)卻面臨著嚴(yán)重的融資問(wèn)題，向銀行申請(qǐng)貸的困難度遠(yuǎn)遠(yuǎn)超出想象。據(jù)全國(guó)工商聯(lián)調(diào)查顯示，2011年第三季度統(tǒng)計(jì)，有近70%的中小企業(yè)銀行融資占全部負(fù)債比例不到30%，60%中小企業(yè)無(wú)銀行貸款，41%的中小企業(yè)認(rèn)為從銀行融資很困難，16%認(rèn)為基本不可能，僅30%的企業(yè)認(rèn)為基本還可以。

二、中小企業(yè)信貸風(fēng)險(xiǎn)評(píng)估體系

中小企業(yè)貸款難是個(gè)世界性難題，我們不禁要問(wèn)：為什么中小企業(yè)融資這么困難？要怎樣才能解決中小企業(yè)的融資難問(wèn)題？從銀行的角度看，中小企業(yè)融資難的最大問(wèn)題在于貸款的風(fēng)險(xiǎn)，如何對(duì)中小企業(yè)存在風(fēng)險(xiǎn)進(jìn)行最準(zhǔn)確有效的評(píng)估，已成為銀行支持中小企業(yè)發(fā)展的關(guān)鍵工作，因此也有必要更加深入的探討。

1.構(gòu)建模型的方法

國(guó)內(nèi)外對(duì)于信貸風(fēng)險(xiǎn)評(píng)估的研究已經(jīng)有很長(zhǎng)的歷史，主要是建立風(fēng)險(xiǎn)評(píng)估線性模型，如Z-Score模型，ZETA模型，SOHO模型，BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型等等。上述模型總體上均存在“一次性”的特點(diǎn)，且指標(biāo)繁多，對(duì)于經(jīng)濟(jì)實(shí)力不強(qiáng)，財(cái)務(wù)制度不健全的中小企業(yè)來(lái)說(shuō)，這種評(píng)估無(wú)疑是不人性化的，評(píng)估同時(shí)也加大了銀行審批貸款的成本。因此，本文試圖構(gòu)建一種指標(biāo)針對(duì)性強(qiáng)，且可同時(shí)用于貸款前調(diào)查和貸款發(fā)放后再評(píng)估的多時(shí)段動(dòng)態(tài)信貸風(fēng)險(xiǎn)評(píng)估體系，用于銀行在不同時(shí)段對(duì)中小企業(yè)信貸風(fēng)險(xiǎn)進(jìn)行把控，方便銀行及時(shí)作出相應(yīng)決策。

如下圖，企業(yè)向銀行申請(qǐng)一定數(shù)額的貸款，銀行用此風(fēng)險(xiǎn)評(píng)估體系對(duì)企業(yè)進(jìn)行第一次評(píng)估，若評(píng)估通過(guò)則批準(zhǔn)發(fā)放貸款。貸款發(fā)放一定時(shí)間（如半年）后，銀行通過(guò)調(diào)查對(duì)企業(yè)進(jìn)行貸后評(píng)估，若企業(yè)通過(guò)評(píng)估，則企業(yè)可根據(jù)自身情況選擇按時(shí)還本付息，申請(qǐng)加大貸款力度，申請(qǐng)延長(zhǎng)貸款期限。若通過(guò)貸后評(píng)估發(fā)現(xiàn)這筆貸款風(fēng)險(xiǎn)性超過(guò)銀行可接受范圍，則銀行對(duì)企業(yè)進(jìn)行實(shí)地調(diào)查，有好轉(zhuǎn)可能的，一個(gè)月后再進(jìn)行一次評(píng)估，決定是否繼續(xù)貸款。若企業(yè)無(wú)轉(zhuǎn)好可能的，銀行有權(quán)利終止貸款，通過(guò)拍賣抵押物等方法收回資金。此貸后評(píng)估以此類推，一直到貸款到期收回。

圖 中小企業(yè)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估系統(tǒng)

2.確定模型指標(biāo)體系

本文共征詢了10位專家意見(jiàn)，經(jīng)過(guò)多次討論篩選，最后確定了6個(gè)財(cái)務(wù)指標(biāo)和6個(gè)非財(cái)務(wù)指標(biāo)作為此評(píng)估系統(tǒng)的指標(biāo)體系。如下表：

表1

這里需要提別說(shuō)明的是X9企業(yè)信用記錄是進(jìn)行此項(xiàng)風(fēng)險(xiǎn)評(píng)估的先決條件。若評(píng)估前發(fā)現(xiàn)此項(xiàng)得分過(guò)低，則判定發(fā)放貸款給此企業(yè)風(fēng)險(xiǎn)高，直接終止后續(xù)評(píng)估，拒絕發(fā)放貸款。在這里，假定當(dāng)X9≥3時(shí)，可進(jìn)行后續(xù)評(píng)估。

3.構(gòu)建信貸風(fēng)險(xiǎn)評(píng)估模型

相關(guān)指標(biāo)體系確定，建立評(píng)估模型。本文采用Logit回歸判別分析法。根據(jù)已知樣本各指標(biāo)數(shù)據(jù)推導(dǎo)出判別函數(shù)，確定Logit函數(shù)方程。使用時(shí)把觀測(cè)量代入判別函數(shù)中進(jìn)行評(píng)判，根據(jù)P來(lái)確定其風(fēng)險(xiǎn)性大小。

Logit函數(shù)的一般形式為

其中,P∈（0.1），表示屬于第一類事件的概率。b為常數(shù)，a為各變量的系數(shù),Xn是各特征變量，在這里為指標(biāo)體系所確定的X1-X12十二個(gè)指標(biāo)。該方法得出的P是被評(píng)估對(duì)象屬于第一類事件的可能性，在0-1之間，若取值≥0.5則表示該評(píng)估對(duì)象屬于第一類事件的可能性大于50%，也就是說(shuō)該對(duì)象被判定為低風(fēng)險(xiǎn)組。反之，若P＜0.5則被判定為高風(fēng)險(xiǎn)組。

本文選取民生銀行申請(qǐng)貸款的50家的生產(chǎn)型中小企業(yè)為數(shù)據(jù)樣本，其中25家企業(yè)貸款申請(qǐng)通過(guò)，其余25加企業(yè)貸款申請(qǐng)未通過(guò)，記錄其財(cái)務(wù)數(shù)據(jù)和非財(cái)務(wù)信息。

選取企業(yè)財(cái)務(wù)指標(biāo)數(shù)據(jù)X1-X6，將信息錄入SPSS進(jìn)行Logit回歸分析，可得到財(cái)務(wù)指標(biāo)Logit模型:

λ1=-15.24+7.14X1+0.04X2+0.06X3+3.74X4+4.29X5+0.1X6 (3)

將各企業(yè)X1-X6具體數(shù)據(jù)帶入方程(3)，得出λ1，再將λ1代入方程（1）得出P1值，將P1值以0.5分界， P1＜0.5為高風(fēng)險(xiǎn)組，P1≥0.5為低風(fēng)險(xiǎn)組。經(jīng)檢驗(yàn)，50家企業(yè)中有44家判別分類正確，該模型P1的判別正確率為88 %。

同樣，選取企業(yè)非財(cái)務(wù)信息，邀請(qǐng)前述10位專家根據(jù)信息描述對(duì)每家企業(yè)6個(gè)非財(cái)務(wù)指標(biāo)X7-X12分別打分，分值范圍為1-5之間，將以上分值信息錄入SPSS進(jìn)行Logit回歸分析，計(jì)算得到非財(cái)務(wù)指標(biāo)Logit模型:

λ2=-21.14+4.37X7+2.65X8+0.63X9+2.74X10-0.53X11-3.42X12(4)

同P1方法得出P2值，經(jīng)檢驗(yàn)，50家企業(yè)中有43家判別分類正確，該模型P2的判別正確率為86%。

將P1與P2綜合起來(lái)，則表示綜合財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)從整體來(lái)評(píng)估該企業(yè)。此種評(píng)估準(zhǔn)確性更強(qiáng)。

P= 0.5P1+ 0.5P2

通過(guò)以上公式得出P值，經(jīng)檢驗(yàn)，50家企業(yè)中有47家判別分類正確，該模型的判別正確率為94%。

三、中小企業(yè)信貸風(fēng)險(xiǎn)評(píng)估體系實(shí)證研究

以某食用菌產(chǎn)業(yè)有限公司的貸款為例，說(shuō)明上文構(gòu)建的中小企業(yè)信貸風(fēng)險(xiǎn)動(dòng)態(tài)評(píng)估體系的使用。下面將分成三種情況進(jìn)行討論：（1）貸款發(fā)放后公司經(jīng)營(yíng)情況良好，第二次評(píng)估后公司申請(qǐng)延長(zhǎng)貸款期限，銀行給予批準(zhǔn)延期兩個(gè)月；（2）貸款發(fā)放后公司經(jīng)營(yíng)出現(xiàn)問(wèn)題，貸款風(fēng)險(xiǎn)提高，經(jīng)調(diào)查，問(wèn)題有緩解可能，給予公司一個(gè)月時(shí)間解決現(xiàn)有問(wèn)題后再評(píng)估，決定是否終止貸款。（3）貸款發(fā)放后公司經(jīng)營(yíng)出現(xiàn)問(wèn)題，貸款風(fēng)險(xiǎn)提高，經(jīng)調(diào)查無(wú)緩解可能，銀行終止貸款，資金收回。

某食用菌產(chǎn)業(yè)有限公司，現(xiàn)有固定資產(chǎn)2800萬(wàn)元，技術(shù)力量雄厚，配套設(shè)施完備，其經(jīng)營(yíng)者一直在該公司擔(dān)任廠長(zhǎng)職務(wù)已有8年，有豐富的管理經(jīng)驗(yàn)。此公司行業(yè)前景樂(lè)觀。年初，該公司因擴(kuò)大生產(chǎn)規(guī)模，向銀行申請(qǐng)500萬(wàn)元一年期貸款，提供相應(yīng)價(jià)值抵押擔(dān)保物品。與其他中小企業(yè)相同，此公司由于與金融機(jī)構(gòu)合作不多，信用記錄缺乏，但其在同行業(yè)間口碑不錯(cuò)，也未有不良記錄，評(píng)估專家給予信用評(píng)價(jià)X9的分值為3，可繼續(xù)進(jìn)行后續(xù)評(píng)估。經(jīng)過(guò)年初實(shí)地調(diào)查，各項(xiàng)財(cái)務(wù)指標(biāo)非財(cái)務(wù)指標(biāo)如下：

表2長(zhǎng)沙市某食用菌產(chǎn)業(yè)有限公司評(píng)價(jià)指標(biāo)

將以上指標(biāo)分別帶入方程（3）（4），經(jīng)計(jì)算，可得此公司的P1為0.70，P2為0.84，由此得到P為0.77 >0.5，則判定該企業(yè)信用風(fēng)險(xiǎn)較低，可發(fā)放貸款。

假設(shè)1：

同年6月，銀行對(duì)該公司進(jìn)行貸后評(píng)估。年中實(shí)地調(diào)查各項(xiàng)財(cái)務(wù)指標(biāo)非財(cái)務(wù)指標(biāo)如下：

經(jīng)計(jì)算，年中該公司P為0.82>0.5，則判定該企業(yè)信用風(fēng)險(xiǎn)較低。此時(shí)該企業(yè)向銀行提出延長(zhǎng)兩個(gè)月貸款期限，以獲得更多周轉(zhuǎn)資金。此時(shí)假定銀行批準(zhǔn)延長(zhǎng)貸款期限。

年末，再一次貸后評(píng)估，評(píng)估結(jié)果P為0.81>0.5。公司經(jīng)營(yíng)未出現(xiàn)任何異常情況，對(duì)此項(xiàng)貸款不做任何處理。

次年2月，銀行從此公司收回貸款本息。一年期貸款500萬(wàn)元，銀行獲利一年期利息32.8萬(wàn)元，延時(shí)兩個(gè)月貸款利息5.6萬(wàn)元，共計(jì)38.4萬(wàn)元。

假設(shè)2：

同年6月，銀行對(duì)該公司貸款使用進(jìn)行跟進(jìn)，以及時(shí)把控風(fēng)險(xiǎn)變化，作出相應(yīng)調(diào)整。年中實(shí)地調(diào)查評(píng)估后，得出年中各項(xiàng)財(cái)務(wù)指標(biāo)非財(cái)務(wù)指標(biāo)如下：

經(jīng)計(jì)算，年中該公司P為0.45<0.5，風(fēng)險(xiǎn)高。此時(shí)銀行對(duì)該企業(yè)存在問(wèn)題進(jìn)行實(shí)地調(diào)查，判定該企業(yè)問(wèn)題為可解決問(wèn)題，待企業(yè)自行解決，一個(gè)月后再一次評(píng)估。

7月，銀行對(duì)該公司進(jìn)行重評(píng)估，P為0.69>0.5，問(wèn)題已解決，公司經(jīng)營(yíng)正常，對(duì)此項(xiàng)貸款不做任何處理。

年末，銀行從此公司收回貸款本息。一年期貸款500萬(wàn)元，銀行獲利32.8萬(wàn)元。

假設(shè)3：

同假設(shè)2中的6月年中評(píng)估，該公司年中P為0.45<0.5，風(fēng)險(xiǎn)高。銀行對(duì)該企業(yè)存在問(wèn)題進(jìn)行實(shí)地調(diào)查，發(fā)現(xiàn)此問(wèn)題已無(wú)緩解可能，如繼續(xù)貸款極有可能造成資金損失，決定終止貸款。資金通過(guò)變賣抵押物或由其擔(dān)保公司支付。收回貸款本金500萬(wàn)元，6個(gè)月利息16.8萬(wàn)元。

四、總結(jié)

企業(yè)信貸風(fēng)險(xiǎn)評(píng)估是商業(yè)銀行融資貸款風(fēng)險(xiǎn)管理的基礎(chǔ)。本文建立的評(píng)估體系經(jīng)驗(yàn)證正確率達(dá)到90%以上，得到了較好的評(píng)估效果。本模型解決了過(guò)去評(píng)估體系中由于指標(biāo)眾多且繁雜造成的數(shù)據(jù)收集困難，同時(shí)采用動(dòng)態(tài)多時(shí)段評(píng)估解決了選擇指標(biāo)不全面造成銀行潛在風(fēng)險(xiǎn)提高的問(wèn)題。便于銀行及時(shí)作出相應(yīng)決策，同時(shí)也為信譽(yù)良好貸款使用健康的企業(yè)提供方便，使他們可以更加靈活有效的運(yùn)用資金。

參考文獻(xiàn)：

[1]王學(xué)人.淺談商業(yè)銀行在中小企業(yè)融資方面的金融創(chuàng)新[J]. 經(jīng)濟(jì)師, 2010, (10)

[2]徐加勝,陳震宇.中小企業(yè)融資與商業(yè)銀行業(yè)務(wù)拓展[J]. 金融理論與實(shí)踐, 2005, (12)

[3]王建民,王明江.加強(qiáng)貸后管理工作的有效途徑[J]. 農(nóng)業(yè)發(fā)展與金融, 2010, (03)

[4]徐玉萍.不同評(píng)估模型對(duì)中小企業(yè)信用風(fēng)險(xiǎn)度量的適用性分析[J]. 商業(yè)時(shí)代, 2009, (15)

[5]王瓊.淺談商業(yè)銀行對(duì)中小企業(yè)貸款的風(fēng)險(xiǎn)控制與防范[J]. 現(xiàn)代經(jīng)濟(jì)信息, 2009, (10)