□文/趙池北

（宿遷職業(yè)技術(shù)學院江蘇·宿遷）

中小企業(yè)信用風險評估模型比較

□文/趙池北

（宿遷職業(yè)技術(shù)學院江蘇·宿遷）

本文立足于我國中小企業(yè)融資難現(xiàn)狀，從中小企業(yè)產(chǎn)業(yè)特點出發(fā)，在比較分析國內(nèi)外信用風險度量技術(shù)的基礎(chǔ)上，借鑒先進的信用風險度量方法，為金融機構(gòu)提出切實可行的信用風險識別評估模型組合，以破解中小企業(yè)融資難困境。

中小企業(yè)；信用風險；模型

收錄日期：2014年7月3日

引言

作為市場經(jīng)濟的活力之源，中小企業(yè)支撐著國民經(jīng)濟“半壁江山”。隨著近年外部市場及金融環(huán)境趨緊，中小企業(yè)發(fā)展面臨諸多挑戰(zhàn)，最突出的就是信用風險導致的融資困難。中小企業(yè)融資渠道狹窄，銀行信貸是其主要融資渠道，但由于信息不對稱造成的逆向選擇和道德風險，使銀行對中小企業(yè)有惜貸趨勢。因此，破解中小企業(yè)融資困難的關(guān)鍵首先在于完善中小企業(yè)各類信用數(shù)據(jù)庫，為銀行信貸提供數(shù)據(jù)支撐；其次要立足國情，學習先進測量技術(shù)，開發(fā)適合中小企業(yè)特點的信用風險度量方法，構(gòu)建信用風險識別、評估模型，系統(tǒng)評價企業(yè)信用風險，改變企業(yè)與銀行信息不對稱的現(xiàn)狀，破解中小企業(yè)融資困境。信息系統(tǒng)的建設(shè)與共享是一項長期而艱巨的任務(wù)，目前我國已經(jīng)認識到數(shù)據(jù)庫在中小企業(yè)信用風險管理中的重要性，人行征信中心的企業(yè)信用信息數(shù)據(jù)庫已經(jīng)逐漸成熟，司法、環(huán)保、社保、質(zhì)檢等中小企業(yè)信用數(shù)據(jù)已經(jīng)逐步共享完善。所以，目前當務(wù)之急是合理設(shè)計中小企業(yè)信用評價模型，為銀行信貸提供技術(shù)支持，降低信用風險。

一、傳統(tǒng)信用風險度量模型分析

傳統(tǒng)信用風險分析評估方法已相當成熟，在國內(nèi)外銀行信貸決策中應(yīng)用較多，主要包含專家制度法、信用評級法、信用評分法。

（一）專家制度法。20世紀70年代前，企業(yè)信用風險評估主要是銀行專家依據(jù)品格、資本、償付能力、抵押品、經(jīng)濟周期等5C要素進行主觀判斷，后來衍生出5P模型（個人因素、目的因素、償還因素、保障因素、前景因素）和5W模型（借款人、借款用途、還款期限、擔保物、如何還款）。縱觀這三種模型，都是定性分析，無法量化風險水平，而且嚴重依賴專家的主觀判斷，這會造成銀行信貸決策官僚主義作風盛行，降低銀行在金融市場中的應(yīng)變能力，同時專家制度在對借款人進行信用分析時，難以確定共同遵循的標準，造成信用評估的隨意性和不一致性。

（二）信用評級法。信用評級法是美貨幣監(jiān)理署開發(fā)的，該方法將現(xiàn)有貸款安全級別分為5類：正常類、關(guān)注類、次級類、可疑類、損失類，后來細化為10類：AAA、AA、A、BBB、BB、B、CCC、CC、C、D（標注普爾）。評級后再根據(jù)級別提取不同貸款準備金率。

（三）信用評分法。和前兩種方法相比，信用評分法是一個量化法，最著名的模型就是Z計分模型（Z-score）：它的基本思想是利用數(shù)理統(tǒng)計中的辨別方法分析銀行的貸款情況，建立一個可以在最大程度上區(qū)分信貸風險度的模型，得到最能夠反映借款人的財務(wù)狀況的好壞，具有預(yù)測和分析價值的比率，從而對企業(yè)進行信用風險狀況評估。模型如下：

Z＝0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

變量解釋：

X1＝流動資本/總資產(chǎn)；X2＝留存收益/總資產(chǎn)；X3＝息稅前收益/總資產(chǎn)；X4＝優(yōu)先股和普通股市值/總負債；X5＝銷售額/總資產(chǎn)＝主營業(yè)務(wù)收入凈額/總資產(chǎn)。

判斷準則：

Z＜1.8，財務(wù)狀況較差，信用風險高，拒絕貸款；1.8≤Z≤2.99，為灰色區(qū)，誤判的概率較大；2.99＜Z，財務(wù)狀況良好，信用風險低，可以貸款。

Z-score模型主要是利用財務(wù)指標進行加權(quán)平均，該模型有2大缺陷：①企業(yè)財務(wù)數(shù)據(jù)反映的是過去的信息，利用這些數(shù)據(jù)進行風險度量的結(jié)果也只是對過去風險水平的測量；②中小企業(yè)多半不是上市公司，財務(wù)指標原始數(shù)據(jù)獲得困難。

二、現(xiàn)代判別法

（一）統(tǒng)計模型法。統(tǒng)計模型法是典型的定量評級法，根據(jù)中小企業(yè)信用數(shù)據(jù)，統(tǒng)計模型，計算其違約風險的大小常見的有Logit模型和Probit模型。

1、Logit模型。Logit模型是通過一個取值為0和1之間的Logistic函數(shù)來進行二類模式分類。不要求數(shù)據(jù)滿足正態(tài)分布，這是其最大優(yōu)點；另外，自變量、因變量之間不是線性關(guān)系，模型如下：

xk（k＝1，2，…m）為信用風險影響變量（多為企業(yè)財務(wù)指標），ck（k＝0，1，2，…，m）為技術(shù)系數(shù)，通過回歸估計獲得?；貧w值p∈（0，1）為中小企業(yè)信用風險分析的判別結(jié)果。如果p接近于0，則被判定為“差類”企業(yè)；若p接近于1，則被判定為“好類”企業(yè)。即p值離0越遠，企業(yè)違約風險越??；反之，違約風險越大。

2、Probit模型。Probit模型假定誤差項服從標準正態(tài)分布，樣本企業(yè)的債信質(zhì)量得分也服從標準正態(tài)分布。模型如下：

Xi與B分別為解釋變量與回歸系數(shù)構(gòu)成的向量；Yi*為樣本公司有財務(wù)危機的傾向。當Yi*＞0時，表示樣本企業(yè)有債務(wù)危機傾向；當Yi*＜0時，表示無債務(wù)危機傾向。

統(tǒng)計模型確實可以憑借統(tǒng)計分析提供有參考價值的依據(jù)，比較容易在評級效果上取得一致性。但存在兩點缺陷：①缺乏有力的理論基礎(chǔ)支持區(qū)別函數(shù)中的權(quán)重及自變量。在信用評分模型中的權(quán)重及自變量通常只能維持短期的穩(wěn)定狀態(tài)，特別是當金融市場發(fā)生變化時，其他的財務(wù)比率也許在解釋違約風險概率上容易造成預(yù)測模型的不穩(wěn)定。②模型忽略了難以計量但又重要的因素，如借款人聲譽。

（二）人工智能法。人工智能法主要包含專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)。

1、專家系統(tǒng)。專家系統(tǒng)其實是模擬專家運用知識進行推理的計算機程序，將專家解決問題的推理過程再現(xiàn)從而成為專家的決策工具或為非專業(yè)決策者提供專業(yè)性建議。專家系統(tǒng)一般采用歸納推理法，分析一系列案例，發(fā)現(xiàn)其規(guī)律。歸納推理有兩種途徑：一是利用大量案例信息來發(fā)現(xiàn)規(guī)律的信息驅(qū)動型；二是利用先驗?zāi)Ｐ椭笇戆l(fā)現(xiàn)規(guī)律的意識模型驅(qū)動型。利用計算機的人工智能法大大降低了風險評估的難度，但是專家系統(tǒng)中知識的獲取始終是瓶頸，極大地影響著專家系統(tǒng)在信用分析領(lǐng)域的應(yīng)用前景。

2、神經(jīng)網(wǎng)絡(luò)（PNN）。神經(jīng)網(wǎng)絡(luò)是一種具有模式識別能力、自組織、自適應(yīng)、自學習特點的計算機制，該方法主要將知識編碼用于整個權(quán)值網(wǎng)絡(luò)，具有包容錯誤的能力，同時對數(shù)據(jù)的分布沒有嚴格要求，也不必要詳細表述自變量與因變量之間的函數(shù)關(guān)系。該模型原理是通過神經(jīng)網(wǎng)絡(luò)的分類功能進行信用風險分析的。首先找出影響分類的因素，作為PNN的輸入量，然后通過有導師的或無導師的訓練形成神經(jīng)網(wǎng)絡(luò)的信用風險分析模型，用于新樣本的判別。

三、結(jié)論

信用風險度量方法大致經(jīng)歷了從定性到定量；從指標分析到模型分析；從財務(wù)指標分析到資產(chǎn)市場價值分析；從只考慮公司這個微觀客體到把宏觀經(jīng)濟因素考慮在內(nèi)?？紤]到我國中小企業(yè)大部分為非上市公司，Z-score模型無法普遍推行使用。另外，我國中小企業(yè)信用數(shù)據(jù)庫尚不成熟，歷史信用數(shù)據(jù)積累少，質(zhì)量較差，當前運用現(xiàn)代信用風險度量技術(shù)評估我國中小企業(yè)信用風險尚不成熟。但是，目前銀行單獨使用傳統(tǒng)分析法，將大部分資金匱乏的中小企業(yè)拒之門外，逼迫中小企業(yè)求助民間貸款，年利息高達30%?！百J款越來越少，利息越來越高”成了中小企業(yè)發(fā)展的罩門。因此，度量中小企業(yè)信用風險的最有效辦法是將傳統(tǒng)方法與現(xiàn)代判別法相結(jié)合，同時載入財務(wù)數(shù)據(jù)與非財務(wù)數(shù)據(jù)，進行多元統(tǒng)計分析。

［1］安東尼·桑德斯等.劉宇飛譯.信用風險度量［M］.北京:機械工業(yè)出版社，2001.

［2］李志輝.現(xiàn)代信用風險量化度量和管理研究［M］.北京:中國金融出版社，2001.

F27

A