摘 要：小企業(yè)與銀行的信息不對(duì)稱使銀行難以評(píng)價(jià)貸款的信用風(fēng)險(xiǎn)。而通過(guò)改變傳統(tǒng)的定性分析的方法，建立一個(gè)以企業(yè)財(cái)務(wù)狀況和其他因素為基礎(chǔ)的定量分析模型，能夠幫助銀行有效評(píng)估企業(yè)信用風(fēng)險(xiǎn)。文章通過(guò)主成分分析和Logistic回歸得出小企業(yè)信用評(píng)分模型，并用于模擬銀行信貸選擇過(guò)程，以驗(yàn)證信貸模型的適用性。

關(guān)鍵詞：小企業(yè)信用評(píng)分模型 Logistic 回歸信貸選擇

一、引言

小企業(yè)存在著資金規(guī)模小、財(cái)務(wù)管理不規(guī)范、貸款數(shù)額較少等現(xiàn)象，從而造成與銀行的信息不對(duì)稱，小企業(yè)融資難的現(xiàn)狀。而在20世紀(jì)90年代以后，信用評(píng)分模型被發(fā)達(dá)國(guó)家廣泛運(yùn)用，從而使這一現(xiàn)象得到了有效改善。實(shí)踐證明，小企業(yè)信用評(píng)分模型使銀行能夠根據(jù)大量數(shù)據(jù)統(tǒng)計(jì)驗(yàn)證的客觀標(biāo)準(zhǔn)，對(duì)小企業(yè)貸款業(yè)務(wù)的批量處理，為銀行的信用風(fēng)險(xiǎn)管理提供有效支持。但目前在我國(guó)，小企業(yè)信用評(píng)分模型還處于起步階段，相應(yīng)的理論和方法還不完善。為此，文章通過(guò)主成分分析和Logistic回歸得出小企業(yè)信貸模型，然后用于模擬銀行信貸選擇過(guò)程，從而分析小企業(yè)信貸模型的適用性。

二、評(píng)分模型的構(gòu)建及貸款選擇模擬

（一）模型基礎(chǔ)和數(shù)據(jù)選取

本文模型是以財(cái)務(wù)指標(biāo)和其他非財(cái)務(wù)因素為基礎(chǔ)，使用Logistic回歸得出小企業(yè)信用評(píng)分模型。Logistic回歸雖然結(jié)構(gòu)簡(jiǎn)單，但在處理多指標(biāo)組成的復(fù)雜數(shù)據(jù)時(shí)，能排除個(gè)別異常數(shù)據(jù)點(diǎn)的影響，在對(duì)小企業(yè)評(píng)分時(shí)有很大的優(yōu)勢(shì)。

本文研究樣本選自規(guī)模較小的上市公司，根據(jù)《中小企業(yè)標(biāo)準(zhǔn)暫行規(guī)定》中的有關(guān)標(biāo)準(zhǔn)，從所有上市公司中選取了136家小企業(yè)作為樣本。首先將全部樣本企業(yè)隨機(jī)分為兩個(gè)子樣本，第一個(gè)子樣本包含90個(gè)小企業(yè)，第二個(gè)子樣本包含的46個(gè)小企業(yè)。然后將第一個(gè)子樣本用于本章構(gòu)建基于Logistic回歸的小企業(yè)信用評(píng)分模型，并將其應(yīng)用于第二個(gè)子樣本進(jìn)行模擬銀行信貸篩選。

（二）信用評(píng)分指標(biāo)體系

參照其他學(xué)者對(duì)于小企業(yè)信用評(píng)分的研究成果，結(jié)合現(xiàn)實(shí)情況和數(shù)據(jù)資料，選取企業(yè)特征、財(cái)務(wù)指標(biāo)和企業(yè)主特征三類，共17個(gè)變量作為模型解釋變量。將違約變量定義為：在過(guò)去3年中，企業(yè)是否能夠按時(shí)還本付息，是否存在拖欠工人工資和貨款的情況。本文構(gòu)建的指標(biāo)體系見表1。

表1 小企業(yè)信用評(píng)分指標(biāo)體系

變量類型變量名稱變量含義

被解釋變量違約變量在過(guò)去3年內(nèi)的經(jīng)營(yíng)活動(dòng)中是否違約

企業(yè)特征變量資產(chǎn)規(guī)模企業(yè)資產(chǎn)總計(jì)的對(duì)數(shù)

員工人數(shù)企業(yè)員工人數(shù)

生存年限企業(yè)成立年限

行業(yè)性質(zhì)屬于工業(yè) =1，其他=0

財(cái)務(wù)指標(biāo)總資產(chǎn)報(bào)酬率息稅前利潤(rùn)×2/平均總資產(chǎn)

凈資產(chǎn)收益率凈利潤(rùn)/加權(quán)平均凈資產(chǎn)

資產(chǎn)負(fù)債率負(fù)債總額/資產(chǎn)總額

流動(dòng)比率流動(dòng)資產(chǎn)/流動(dòng)負(fù)債

已獲利息倍數(shù)息稅前利潤(rùn)/利息費(fèi)用

存貨周轉(zhuǎn)率營(yíng)業(yè)成本/平均存貨凈額

應(yīng)收賬款周轉(zhuǎn)率營(yíng)業(yè)收入/應(yīng)收賬款平均額

流動(dòng)資產(chǎn)周轉(zhuǎn)率營(yíng)業(yè)總收入/平均流動(dòng)資產(chǎn)

總資產(chǎn)周轉(zhuǎn)率營(yíng)業(yè)總收入/平均總資產(chǎn)

總資產(chǎn)增長(zhǎng)率本期末資產(chǎn)總計(jì)-上期末資產(chǎn)總計(jì)/上期末資產(chǎn)總計(jì)

企業(yè)主特征變量（董事長(zhǎng)）性別男=1，女=0

年齡企業(yè)主年齡

學(xué)歷專科及以下=0，本科=1，碩士=2，博士及以上=3

（三）模型的構(gòu)建

由于本文采用的樣本變量之間存在一定程度的多重共線性，因此首先對(duì)樣本的財(cái)務(wù)類變量進(jìn)行主成分分析，以減少解釋變量個(gè)數(shù)，可以有效解決多重共線性問題，另外也可以克服樣本容量較小對(duì)模型準(zhǔn)確性的影響。通過(guò)SPSS對(duì)變量進(jìn)行主成分分析，有6個(gè)因子的特征值大于1，累積貢獻(xiàn)率為75.754%，因此選定6個(gè)主成分，定義為F1～F6。

在完成主成分分析后，利用軟件計(jì)算出各樣本企業(yè)的主成分值，利用Logistic方法對(duì)主成分以及其他變量進(jìn)行回歸，得出小企業(yè)信用評(píng)分模型為：

Ln（p/1-p）=-6.503013-0.298645*F2+1.220881*行業(yè)性質(zhì)+0.128556*企業(yè)主年齡-0.993561*企業(yè)主學(xué)歷

可以看出，企業(yè)主學(xué)歷越高，企業(yè)的違約概率越小；工業(yè)企業(yè)違約的概率比非工業(yè)企業(yè)違約的概率要小。

（四）模擬銀行信貸篩選過(guò)程

為了模擬銀行信貸篩選的過(guò)程，將上述信用評(píng)分模型用于第二個(gè)子樣本進(jìn)行模擬銀行信貸篩選，第二個(gè)子樣本中有46家企業(yè)，其中違約企業(yè)11家，違約率為23.91%。

運(yùn)用模型對(duì)46家企業(yè)進(jìn)行信用評(píng)分排序，在貸款拒絕率是20%的情況下，拒絕評(píng)分靠后的9家企業(yè)，這樣得到一個(gè)新樣本。新樣本中有37家企業(yè)，其中違約企業(yè)剩7家，違約率為18.91%。如果隨機(jī)拒絕9家，則理論上違約率是23.91%。因此使用評(píng)分模型使新樣本的信用質(zhì)量提高了26.44%。

三、結(jié)論

融資難一直是我國(guó)小企業(yè)可持續(xù)發(fā)展中亟待解決的問題，國(guó)外實(shí)踐經(jīng)驗(yàn)表明，通過(guò)運(yùn)用信用評(píng)分技術(shù)將貸款風(fēng)險(xiǎn)管理以及貸款審批和發(fā)放予以標(biāo)準(zhǔn)化，有利于減少交易成本、控制信貸風(fēng)險(xiǎn)、提高中小企業(yè)信貸獲得率，有助于解決小企業(yè)融資難的困境?；趌ogistic回歸的信用評(píng)分模型，具有評(píng)分的客觀性和優(yōu)越性，能夠有效加強(qiáng)小企業(yè)貸款審批的效率和精確性。

參考文獻(xiàn)：

[1] 劉瑩.從日元國(guó)際化看人民幣國(guó)際化問題.武漢大學(xué)學(xué)報(bào)，2010（10）

[2] 吳潔.信用評(píng)分技術(shù)在中小企業(yè)貸款中的應(yīng)用.現(xiàn)代金融，2005（8）

[3] 高圣智.不同模型在信用評(píng)分中的比較研究.西部金融，2011（10）