張金貴+侯宇

【摘 要】 中小企業(yè)普遍存在的“融資難”現(xiàn)象影響了中小企業(yè)的發(fā)展。文章分析了中小企業(yè)的信貸風(fēng)險，適當(dāng)選取2013年上市公司為樣本，利用SPSS統(tǒng)計軟件，運(yùn)用因子分析方法對中小企業(yè)信貸風(fēng)險指標(biāo)進(jìn)行了篩選，構(gòu)建了基于Logit回歸模型的中小企業(yè)信貸風(fēng)險度量模型。實證分析表明，模型具有較高的有效性和準(zhǔn)確性，可作為中小企業(yè)信貸風(fēng)險評估的科學(xué)依據(jù)。

【關(guān)鍵詞】 中小企業(yè)； 信貸風(fēng)險； 因子分析； Logit回歸模型

中圖分類號：F275；F830.5 文獻(xiàn)標(biāo)識碼：A 文章編號：1004-5937（2014）30-0040-06

一、引言

中小企業(yè)在國民經(jīng)濟(jì)發(fā)展中具有重要地位，在推動技術(shù)創(chuàng)新、緩解就業(yè)壓力、方便群眾生活、保持社會穩(wěn)定等方面發(fā)揮著重要作用。但是，相對于大型企業(yè)而言，中小企業(yè)一般規(guī)模較小、員工素質(zhì)不高、研發(fā)投入不足、把握市場能力較弱，在激烈的市場競爭中缺乏應(yīng)變能力，使商業(yè)銀行對其設(shè)置了嚴(yán)格的融資約束和限制，普遍出現(xiàn)“融資難”的情況，導(dǎo)致經(jīng)營狀況、財務(wù)狀況越來越差，進(jìn)一步加劇了中小企業(yè)獲取資金的難度。為了改善中小企業(yè)經(jīng)營環(huán)境，促進(jìn)中小企業(yè)健康發(fā)展，中國人民銀行先后發(fā)布了有關(guān)服務(wù)中小企業(yè)的貨幣信貸政策和指導(dǎo)意見，加大了對中小企業(yè)的信貸支持。工業(yè)和信息化部發(fā)布的《“十二五”中小企業(yè)成長規(guī)劃》指出，中小企業(yè)成長面臨著國際和國內(nèi)經(jīng)濟(jì)巨大變革帶來的歷史機(jī)遇和嚴(yán)峻挑戰(zhàn)，提出了完善政策、加強(qiáng)金融支持等一系列保障措施。根據(jù)中國人民銀行發(fā)布的《2013年金融機(jī)構(gòu)貸款投向統(tǒng)計報告》，金融機(jī)構(gòu)（含商業(yè)銀行及農(nóng)村合作社、城市信用社和外資銀行等）全年中小企業(yè)貸款余額增加1.63萬億元，占全部企業(yè)新增貸款的43.5%；年末小企業(yè)貸款余額13.21萬億元，同比增長14.2%。因此，研究中小企業(yè)面臨的信貸風(fēng)險，分析其來源和表現(xiàn)形式，科學(xué)地度量其風(fēng)險水平，對于提高中小企業(yè)風(fēng)險控制能力具有重要的理論價值和現(xiàn)實意義。

二、中小企業(yè)信貸風(fēng)險分析

目前，中小企業(yè)財務(wù)融資和信貸風(fēng)險主要表現(xiàn)在：融資渠道單一、融資成本較高、信貸支持不夠等方面?，F(xiàn)有的信貸風(fēng)險分析的方法和度量模型，大多數(shù)針對大型上市公司，并沒有一套完全適合我國中小企業(yè)信貸風(fēng)險的評價體系。針對我國中小企業(yè)自身的特點，結(jié)合我國的經(jīng)濟(jì)發(fā)展?fàn)顩r和中小企業(yè)面臨的環(huán)境，分析中小企業(yè)信貸現(xiàn)狀和存在的風(fēng)險，是建立中小企業(yè)信貸風(fēng)險度量模型的基礎(chǔ)。

與大型企業(yè)不同，中小企業(yè)信貸風(fēng)險來源廣泛，主要是宏觀經(jīng)濟(jì)風(fēng)險、金融機(jī)構(gòu)的風(fēng)險、企業(yè)自身的風(fēng)險等方面。

1.宏觀經(jīng)濟(jì)風(fēng)險。宏觀政策風(fēng)險——宏觀政策的調(diào)整（產(chǎn)業(yè)政策調(diào)整、信貸政策緊縮及出口退稅政策等）可能為中小企業(yè)帶來不可抗力的市場風(fēng)險；利率風(fēng)險——當(dāng)財政和貨幣政策較為寬松時，貸款利率降低，融資成本較低，反之會增大企業(yè)的融資風(fēng)險；匯率風(fēng)險——對涉及進(jìn)出口、外貿(mào)型的中小企業(yè)，匯率變動風(fēng)險也是不可忽略的。

2.金融機(jī)構(gòu)風(fēng)險。信息不對稱——許多中小企業(yè)內(nèi)部管理制度還不健全，財務(wù)管理和會計制度較為混亂導(dǎo)致財務(wù)報表失真，信息透明度通常較低，甚至有意隱瞞對貸款不利的信息和風(fēng)險，導(dǎo)致了銀行、企業(yè)之間的信息不對稱，使銀行不敢輕易給中小企業(yè)發(fā)放貸款；銀行信貸風(fēng)險管理水平不高——對中小企業(yè)的信用和貸款業(yè)務(wù)的分析經(jīng)驗不足，對于信貸風(fēng)險的識別和衡量還處于初級階段，增加了中小企業(yè)的信貸風(fēng)險；擔(dān)保體系還不完善——擔(dān)保公司少、資金數(shù)量少、資金來源少、內(nèi)部管理結(jié)構(gòu)不合理、承擔(dān)風(fēng)險能力不強(qiáng)，遠(yuǎn)遠(yuǎn)不能滿足中小企業(yè)信貸擔(dān)保需求。

3.企業(yè)內(nèi)部風(fēng)險。由中小企業(yè)自身特征所決定的內(nèi)部風(fēng)險主要包括：經(jīng)營風(fēng)險、財務(wù)風(fēng)險、信用風(fēng)險等。經(jīng)營風(fēng)險——中小企業(yè)通常經(jīng)營規(guī)模較小，資本積累不多，自有資金匱乏，生產(chǎn)設(shè)備、工藝不高，產(chǎn)品單一，抵御風(fēng)險能力較弱，持續(xù)經(jīng)營能力具有不確定性，經(jīng)營風(fēng)險相對較高；財務(wù)風(fēng)險——中小企業(yè)生命周期較短，財務(wù)管理不規(guī)范，難以全面了解、識別和判斷其財務(wù)真實情況，使銀行對其貸款面臨著更大的信貸風(fēng)險；信用風(fēng)險——中小企業(yè)權(quán)力高度集中，貸款的償還很大程度上取決于實際控制人的個人誠信，道德風(fēng)險大，當(dāng)企業(yè)面臨經(jīng)營效益下降，資金周轉(zhuǎn)困難等問題時，就會出現(xiàn)轉(zhuǎn)移財產(chǎn)、抽逃資本金等行為，同時資金使用的隨意性可能使貸款用于收益更高、風(fēng)險更大的項目。

三、基于因子分析的中小企業(yè)信貸風(fēng)險指標(biāo)篩選

（一）樣本選擇

1.樣本選取。由于大部分民營中小企業(yè)的財務(wù)狀況并不公開，無論從企業(yè)還是商業(yè)銀行都很難獲取，所以本文采用滬深交易所主板和深圳證券交易所中小企業(yè)板市場中，以符合《中小企業(yè)劃型標(biāo)準(zhǔn)規(guī)定》的部分上市企業(yè)為代表，隨機(jī)選取164家符合條件的上市公司為樣本。

2.樣本類別。滬深交易所特別重視上市公司的財務(wù)狀況，“因財務(wù)狀況異常而被特別處理”即標(biāo)示為ST、■ST。筆者認(rèn)為，這類企業(yè)因財務(wù)困境而產(chǎn)生“信用危機(jī)”，則可能發(fā)生違約，而非ST公司作為財務(wù)健康企業(yè)通常不會發(fā)生違約，并以此把上市公司分為“困境企業(yè)”和“健康企業(yè)”，分別用1、0表示。對于財務(wù)困境企業(yè)，本文從2013年仍被特別處理的ST、■ST公司中，具體分析其財務(wù)危機(jī)發(fā)生前1年的財務(wù)數(shù)據(jù)，即采用t-1年數(shù)據(jù)預(yù)測t年的財務(wù)狀況。

3.樣本分類。將164家企業(yè)數(shù)據(jù)分為訓(xùn)練樣本和檢驗樣本，用訓(xùn)練樣本建立模型，用檢驗樣本對模型的準(zhǔn)確性進(jìn)行檢驗。具體樣本分類如表1所示。

（二）指標(biāo)選擇與篩選

1.中小企業(yè)信貸風(fēng)險度量指標(biāo)選擇的原則。中小企業(yè)信貸風(fēng)險評價的指標(biāo)，應(yīng)該能全面衡量中小企業(yè)所面臨的各種風(fēng)險，反映企業(yè)的發(fā)展、財務(wù)狀況和對貸款的償還能力。目前，我國尚未建立完整的中小企業(yè)信用評價指標(biāo)體系，結(jié)合中小企業(yè)特點，評價指標(biāo)的選擇應(yīng)遵循以下原則：

全面性。選取的評價指標(biāo)應(yīng)該全面地反映所有影響企業(yè)信用狀況的各種因素；同時，盡量避免指標(biāo)的重疊，在不影響模型評價結(jié)果的情況下，可以適當(dāng)減少一些次要的指標(biāo)。endprint

針對性。選取的評價指標(biāo)要符合中小企業(yè)自身的特點。中小企業(yè)具有高度靈活的經(jīng)營特點，所以在選取指標(biāo)時，應(yīng)該更注重企業(yè)的發(fā)展性和成長性。

預(yù)見性。選取評價指標(biāo)進(jìn)而分析信貸風(fēng)險的目的是預(yù)測中小企業(yè)貸款的違約概率，在指標(biāo)的選擇上要能夠充分反映企業(yè)未來的財務(wù)和經(jīng)營狀況。

可操作性。中小企業(yè)的財務(wù)制度還不規(guī)范，選擇的指標(biāo)既要獲取容易、操作簡捷、使用方便，又要保證數(shù)據(jù)的真實、可靠、準(zhǔn)確。

2.中小企業(yè)信貸風(fēng)險度量指標(biāo)的選取。根據(jù)企業(yè)財務(wù)特點和衡量風(fēng)險的需要，選取了14個財務(wù)指標(biāo)，衡量企業(yè)的償債能力、盈利能力、營運(yùn)能力和成長與發(fā)展能力，如表2所示。償債能力是企業(yè)信用評價的關(guān)鍵因素，直接影響到企業(yè)按時償還貸款的能力；盈利能力是企業(yè)有足夠的資金償還貸款的保障，能夠直接反映企業(yè)的經(jīng)營狀況；營運(yùn)能力是企業(yè)資產(chǎn)運(yùn)轉(zhuǎn)的能力，反映企業(yè)經(jīng)營活動的效率和活躍程度，較高的資金周轉(zhuǎn)效率是企業(yè)平穩(wěn)運(yùn)營、發(fā)展的基礎(chǔ)；由于中小企業(yè)大多處于成長的初級階段，經(jīng)營效率和成長速度都很高，成長與發(fā)展能力是考察企業(yè)以往發(fā)展水平和未來成長的重要指標(biāo)。

3.基于因子分析的中小企業(yè)信貸風(fēng)險度量指標(biāo)的篩選。為避免模型過于復(fù)雜，同時減少多重共線性對模型準(zhǔn)確度的影響，需要利用因子分析方法，對14個指標(biāo)進(jìn)行篩選并簡化模型。

相關(guān)性檢驗。利用KMO（Kaiser-Meyer-Olkin）檢驗和Bartlett球形檢驗對變量之間進(jìn)行相關(guān)性檢驗。結(jié)果顯示（見表3），KMO值為0.540，大于0.500；Bartlett檢驗的顯著性是0.000，小于1%。所以所選數(shù)據(jù)適合因子分析。

主成分分析。本文采用主成分分析法，根據(jù)最大方差旋轉(zhuǎn)法提取公因子，因子數(shù)目的確定是經(jīng)過反復(fù)試驗，指定公因子數(shù)目以確保累計貢獻(xiàn)率不小于90%，最終選取10個公因子對原始指標(biāo)變量進(jìn)行分析，其貢獻(xiàn)率為92.814%（見表4）。

選擇代表變量。在確定因子數(shù)目之后，為明確每個因子的具體意義，對因子載荷矩陣進(jìn)行方差最大選擇，使每個因子負(fù)荷值的總方差最大，選取出具有代表性的變量。

篩選典型指標(biāo)。從表5的結(jié)果中選取公因子載荷最大的變量，可以得出10個公因子所對應(yīng)的代表變量作為度量指標(biāo)，如表6所示。

四、基于Logit的中小企業(yè)信貸風(fēng)險模型及實證分析

以樣本、數(shù)據(jù)、指標(biāo)為基礎(chǔ)，構(gòu)建反映現(xiàn)實社會模型的實證分析方法，是經(jīng)濟(jì)研究的重要方法之一，也是中小企業(yè)信貸風(fēng)險分析的重要方法。這里以樣本和指標(biāo)為基礎(chǔ)，利用SPSS軟件，構(gòu)建基于Logit的中小企業(yè)信貸風(fēng)險模型，并進(jìn)行實證分析。

（一）模型的構(gòu)建

利用上述指標(biāo)數(shù)據(jù)，選擇訓(xùn)練樣本，采用逐步迭代的方法，得到模型總體的檢驗參數(shù)，如表7所示。

表7表明，在估計模型參數(shù)時，進(jìn)行到第10步迭代終止。-2對數(shù)似然值（-2 Log likelihood）反映了模型中因變量不能解釋的變動部分誤差的顯著性，Cox & Snell R方和Nagelkerke R方的值在第4步分別是0.573和0.803，說明模型的擬合程度一般，并不是非常顯著，可能是受樣本數(shù)量較少、ST股和■ST股的財務(wù)指標(biāo)波動性較大的影響。表8分別列出了步驟、塊、模型的卡方值，Sig.=0，即0.01的顯著性水平下模型整體是顯著的。結(jié)合表7綜合分析，模型有一定的解釋能力。

表9中列出了模型的變量估計及檢驗值，除X7以外，各變量在5%的顯著水平下都非常顯著，X7是企業(yè)凈資產(chǎn)收益率，是衡量企業(yè)盈利能力的重要指標(biāo)。造成這樣顯著性差異的原因很多，可能也是由于樣本數(shù)量較少和指標(biāo)波動性較大，所以為全面地保留指標(biāo)信息，筆者將X7加入到模型當(dāng)中。另外對于企業(yè)經(jīng)營管理能力，采納了較多的指標(biāo)，可能的解釋是，在之前通貨膨脹的經(jīng)濟(jì)增長預(yù)期下，更多的中小企業(yè)選擇持有大量的庫存，而不是應(yīng)收賬款或現(xiàn)金。

綜上所述，可得Logit回歸模型：

Logit（p）=ln■=1.114-0.380X1-0.132X5-0.056X7+0.461X9+0.259X10-7.278

X11+0.003X13 （1）

而違約概率為：

p=■

（2）

利用（2）式計算企業(yè)的違約概率，即可衡量企業(yè)的信貸風(fēng)險，通過與臨界點（0.50）進(jìn)行比較，為貸款決策提供依據(jù)。通過對樣本進(jìn)行測算，凱恩股份（002012）可能發(fā)生違約的概率為p=0.0167，信貸風(fēng)險較小，所以銀行可以直接向其發(fā)放貸款；■ST中華A（000017），p=0.8967，銀行向其提供貸款將面臨較高的違約風(fēng)險；天津普林（002134），其違約概率p=0.5376接近于臨界點，說明企業(yè)存在一定的信貸違約風(fēng)險，但并不必然構(gòu)成違約條件，需要對企業(yè)進(jìn)行綜合分析，才能作出貸款決策。

（二）模型的檢驗

模型的有效性需要進(jìn)行檢驗，衡量模型的預(yù)測能力。一般分為樣本內(nèi)檢驗和樣本外檢驗。

1.樣本內(nèi)檢驗。樣本內(nèi)檢驗是利用建立模型的數(shù)據(jù)，對比預(yù)測值和實際值的情況。SPSS軟件已經(jīng)給出了樣本內(nèi)檢驗結(jié)果，如表10所示。

樣本內(nèi)檢驗的結(jié)果，對75個財務(wù)健康企業(yè)，正確判斷73個，2個企業(yè)被判定為財務(wù)困境，準(zhǔn)確率97.3%；對35個財務(wù)困境企業(yè)，30個判斷正確，5個被判定財務(wù)正常企業(yè)，準(zhǔn)確率85.7%；而模型的總體準(zhǔn)確率達(dá)到93.6%。

2.樣本外檢驗。利用之前預(yù)留出的檢驗樣本，可以進(jìn)行樣本外檢驗。仍設(shè)定臨界點為0.500，即預(yù)測值大于、小于臨界點，將判定為財務(wù)困境企業(yè)和財務(wù)健康企業(yè)，具體結(jié)果如表11所示。

樣本外檢驗樣本共檢驗了54個企業(yè)，34個財務(wù)健康企業(yè)，正確判斷28個，準(zhǔn)確率82.4%；20個財會困境企業(yè)，正確判斷14個，準(zhǔn)確率70%；總體判斷準(zhǔn)確率77.8%。這個結(jié)果可能是檢驗樣本中數(shù)據(jù)過少造成的。endprint

五、結(jié)束語

中小企業(yè)融資難是一個世界性的難題，世界銀行國際金融公司（IFC）在我國進(jìn)行了調(diào)查，結(jié)果表明：大、中、小企業(yè)貸款申請失敗的概率分別為12%、22%、23%，而有41%的中小企業(yè)認(rèn)為“融資難”是影響其發(fā)展的主要因素。通過對中小企業(yè)信貸風(fēng)險分析，運(yùn)用實證分析方法提出了適合我國中小企業(yè)信用指標(biāo)，運(yùn)用SPSS軟件建立了基于Logit回歸方法的中小企業(yè)信貸風(fēng)險度量模型，并得到以下結(jié)論：

1.構(gòu)建科學(xué)的指標(biāo)體系是評價中小企業(yè)信貸風(fēng)險的基礎(chǔ)。本文運(yùn)用因子分析方法，對14個變量指標(biāo)進(jìn)行了合理篩選，獲得了7個關(guān)鍵指標(biāo)，能很好地將相關(guān)性較強(qiáng)的指標(biāo)簡化，增加了模型的自由度。實證檢驗說明，篩選的風(fēng)險度量指標(biāo)適合我國目前中小企業(yè)的特點和面臨的經(jīng)濟(jì)環(huán)境。

2.Logit回歸方法對中小企業(yè)信貸風(fēng)險評估是可行的。Logit模型不受制于變量的分布情況，適用于財務(wù)分析，有較高的準(zhǔn)確率。同時，由于Logit回歸方法本身具有變量篩選功能，既可以減少計算量，降低評分的成本，也可以提高模型的預(yù)測能力。實證檢驗表明，本文構(gòu)建的中小企業(yè)信貸風(fēng)險度量模型是有效的，樣本內(nèi)、外預(yù)測的準(zhǔn)確率檢驗分別達(dá)到93.6%和77.8%，可以對中小企業(yè)信貸風(fēng)險進(jìn)行較為準(zhǔn)確的度量，為信貸決策提供依據(jù)。

3.科學(xué)分析中小企業(yè)信貸風(fēng)險，制定與之相適應(yīng)的風(fēng)險管理政策，對潛在的信貸風(fēng)險以及可能的損失進(jìn)行科學(xué)度量，建立有效的中小企業(yè)風(fēng)險預(yù)警和控制機(jī)制，通過不斷完善中小企業(yè)信用數(shù)據(jù)庫，逐步建立適合我國國情的中小企業(yè)信用度量模型和評估方法，對于促進(jìn)中小企業(yè)健康發(fā)展具有重要的現(xiàn)實意義。當(dāng)然，實證分析中一些問題還需要進(jìn)一步研究，比如樣本規(guī)模和結(jié)構(gòu)上還不具備地域分布廣泛、行業(yè)分布均勻的大量樣本條件，中小企業(yè)個體的自身特點、所處行業(yè)特征、地區(qū)經(jīng)濟(jì)發(fā)展水平、地方政策等差別因素，都有可能影響模型預(yù)測的可靠性和準(zhǔn)確率。

【參考文獻(xiàn)】

[1] 章安平.信息不對稱：中小外貿(mào)企業(yè)融資風(fēng)險的理論分析和政策路徑[J].金融與經(jīng)濟(jì)，2010（10）：22-25.

[2] 蔡紅遠(yuǎn).降低我國中小企業(yè)融資風(fēng)險策略研究[J].經(jīng)濟(jì)研究，2010（8）：38-40.

[3] 工業(yè)和信息化部，等.中小企業(yè)劃型標(biāo)準(zhǔn)規(guī)定[S].2011.

[4] 王磊，張慶.企業(yè)融資風(fēng)險與防范[J].財務(wù)與會計，2011（9）：13-15.endprint

五、結(jié)束語

中小企業(yè)融資難是一個世界性的難題，世界銀行國際金融公司（IFC）在我國進(jìn)行了調(diào)查，結(jié)果表明：大、中、小企業(yè)貸款申請失敗的概率分別為12%、22%、23%，而有41%的中小企業(yè)認(rèn)為“融資難”是影響其發(fā)展的主要因素。通過對中小企業(yè)信貸風(fēng)險分析，運(yùn)用實證分析方法提出了適合我國中小企業(yè)信用指標(biāo)，運(yùn)用SPSS軟件建立了基于Logit回歸方法的中小企業(yè)信貸風(fēng)險度量模型，并得到以下結(jié)論：

1.構(gòu)建科學(xué)的指標(biāo)體系是評價中小企業(yè)信貸風(fēng)險的基礎(chǔ)。本文運(yùn)用因子分析方法，對14個變量指標(biāo)進(jìn)行了合理篩選，獲得了7個關(guān)鍵指標(biāo)，能很好地將相關(guān)性較強(qiáng)的指標(biāo)簡化，增加了模型的自由度。實證檢驗說明，篩選的風(fēng)險度量指標(biāo)適合我國目前中小企業(yè)的特點和面臨的經(jīng)濟(jì)環(huán)境。

2.Logit回歸方法對中小企業(yè)信貸風(fēng)險評估是可行的。Logit模型不受制于變量的分布情況，適用于財務(wù)分析，有較高的準(zhǔn)確率。同時，由于Logit回歸方法本身具有變量篩選功能，既可以減少計算量，降低評分的成本，也可以提高模型的預(yù)測能力。實證檢驗表明，本文構(gòu)建的中小企業(yè)信貸風(fēng)險度量模型是有效的，樣本內(nèi)、外預(yù)測的準(zhǔn)確率檢驗分別達(dá)到93.6%和77.8%，可以對中小企業(yè)信貸風(fēng)險進(jìn)行較為準(zhǔn)確的度量，為信貸決策提供依據(jù)。

3.科學(xué)分析中小企業(yè)信貸風(fēng)險，制定與之相適應(yīng)的風(fēng)險管理政策，對潛在的信貸風(fēng)險以及可能的損失進(jìn)行科學(xué)度量，建立有效的中小企業(yè)風(fēng)險預(yù)警和控制機(jī)制，通過不斷完善中小企業(yè)信用數(shù)據(jù)庫，逐步建立適合我國國情的中小企業(yè)信用度量模型和評估方法，對于促進(jìn)中小企業(yè)健康發(fā)展具有重要的現(xiàn)實意義。當(dāng)然，實證分析中一些問題還需要進(jìn)一步研究，比如樣本規(guī)模和結(jié)構(gòu)上還不具備地域分布廣泛、行業(yè)分布均勻的大量樣本條件，中小企業(yè)個體的自身特點、所處行業(yè)特征、地區(qū)經(jīng)濟(jì)發(fā)展水平、地方政策等差別因素，都有可能影響模型預(yù)測的可靠性和準(zhǔn)確率。

【參考文獻(xiàn)】

[1] 章安平.信息不對稱：中小外貿(mào)企業(yè)融資風(fēng)險的理論分析和政策路徑[J].金融與經(jīng)濟(jì)，2010（10）：22-25.

[2] 蔡紅遠(yuǎn).降低我國中小企業(yè)融資風(fēng)險策略研究[J].經(jīng)濟(jì)研究，2010（8）：38-40.

[3] 工業(yè)和信息化部，等.中小企業(yè)劃型標(biāo)準(zhǔn)規(guī)定[S].2011.

[4] 王磊，張慶.企業(yè)融資風(fēng)險與防范[J].財務(wù)與會計，2011（9）：13-15.endprint

五、結(jié)束語

中小企業(yè)融資難是一個世界性的難題，世界銀行國際金融公司（IFC）在我國進(jìn)行了調(diào)查，結(jié)果表明：大、中、小企業(yè)貸款申請失敗的概率分別為12%、22%、23%，而有41%的中小企業(yè)認(rèn)為“融資難”是影響其發(fā)展的主要因素。通過對中小企業(yè)信貸風(fēng)險分析，運(yùn)用實證分析方法提出了適合我國中小企業(yè)信用指標(biāo)，運(yùn)用SPSS軟件建立了基于Logit回歸方法的中小企業(yè)信貸風(fēng)險度量模型，并得到以下結(jié)論：

1.構(gòu)建科學(xué)的指標(biāo)體系是評價中小企業(yè)信貸風(fēng)險的基礎(chǔ)。本文運(yùn)用因子分析方法，對14個變量指標(biāo)進(jìn)行了合理篩選，獲得了7個關(guān)鍵指標(biāo)，能很好地將相關(guān)性較強(qiáng)的指標(biāo)簡化，增加了模型的自由度。實證檢驗說明，篩選的風(fēng)險度量指標(biāo)適合我國目前中小企業(yè)的特點和面臨的經(jīng)濟(jì)環(huán)境。

2.Logit回歸方法對中小企業(yè)信貸風(fēng)險評估是可行的。Logit模型不受制于變量的分布情況，適用于財務(wù)分析，有較高的準(zhǔn)確率。同時，由于Logit回歸方法本身具有變量篩選功能，既可以減少計算量，降低評分的成本，也可以提高模型的預(yù)測能力。實證檢驗表明，本文構(gòu)建的中小企業(yè)信貸風(fēng)險度量模型是有效的，樣本內(nèi)、外預(yù)測的準(zhǔn)確率檢驗分別達(dá)到93.6%和77.8%，可以對中小企業(yè)信貸風(fēng)險進(jìn)行較為準(zhǔn)確的度量，為信貸決策提供依據(jù)。

3.科學(xué)分析中小企業(yè)信貸風(fēng)險，制定與之相適應(yīng)的風(fēng)險管理政策，對潛在的信貸風(fēng)險以及可能的損失進(jìn)行科學(xué)度量，建立有效的中小企業(yè)風(fēng)險預(yù)警和控制機(jī)制，通過不斷完善中小企業(yè)信用數(shù)據(jù)庫，逐步建立適合我國國情的中小企業(yè)信用度量模型和評估方法，對于促進(jìn)中小企業(yè)健康發(fā)展具有重要的現(xiàn)實意義。當(dāng)然，實證分析中一些問題還需要進(jìn)一步研究，比如樣本規(guī)模和結(jié)構(gòu)上還不具備地域分布廣泛、行業(yè)分布均勻的大量樣本條件，中小企業(yè)個體的自身特點、所處行業(yè)特征、地區(qū)經(jīng)濟(jì)發(fā)展水平、地方政策等差別因素，都有可能影響模型預(yù)測的可靠性和準(zhǔn)確率。

【參考文獻(xiàn)】

[1] 章安平.信息不對稱：中小外貿(mào)企業(yè)融資風(fēng)險的理論分析和政策路徑[J].金融與經(jīng)濟(jì)，2010（10）：22-25.

[2] 蔡紅遠(yuǎn).降低我國中小企業(yè)融資風(fēng)險策略研究[J].經(jīng)濟(jì)研究，2010（8）：38-40.

[3] 工業(yè)和信息化部，等.中小企業(yè)劃型標(biāo)準(zhǔn)規(guī)定[S].2011.

[4] 王磊，張慶.企業(yè)融資風(fēng)險與防范[J].財務(wù)與會計，2011（9）：13-15.endprint