蔣宏成，趙 爽，吳啟高

（無錫職業(yè)技術(shù)學(xué)院，江蘇 無錫 214024）

1 引言

根據(jù)全國工商總局的數(shù)據(jù)，截止2013年底，全國市場主體數(shù)量達(dá)6 062.38 萬戶，其中99%以上是小微企業(yè)（含個體工商戶），其向社會提供了70%以上的城鎮(zhèn)居民和80%以上的農(nóng)民工就業(yè)崗位，占據(jù)GDP 的60%，貢獻(xiàn)了50%的稅收，卻只占用了社會30%的資源。小微企業(yè)是我國宏觀經(jīng)濟(jì)平穩(wěn)快速發(fā)展的重要基礎(chǔ)，但其發(fā)展卻深受融資瓶頸困擾，小微企業(yè)融資難、融資貴已成為制約其發(fā)展的最重要因素之一。盡管政府出臺了包括調(diào)整商業(yè)銀行存貸比計算口徑、定向降準(zhǔn)等許多政策支持小微企業(yè)融資，但商業(yè)銀行將小微企業(yè)自身實力弱、資產(chǎn)抵押小、信用缺失、資產(chǎn)負(fù)債率高等現(xiàn)實情況考慮在內(nèi)，為規(guī)避風(fēng)險而對小微企業(yè)惜貸，造成的結(jié)果是小微企業(yè)的融資需求與商業(yè)銀行給予的信貸規(guī)模之間還有很大的差距，形成了實事上的麥克米倫缺口。

解決小微企業(yè)融資難、融資貴的核心問題之一在于有效評價小微企業(yè)信貸風(fēng)險，信貸風(fēng)險評價水平等級對商業(yè)銀行做出放貸決策影響重大。國外學(xué)者對小微企業(yè)信貸風(fēng)險評價已有較好的研究成果和實務(wù)應(yīng)用，如Z-Score、ZETA、KMV、Credit Metries、Credit Risk等眾多較為先進(jìn)的評估模型和理論[1]，在實務(wù)領(lǐng)域中，美國富國銀行專注為小微企業(yè)貸款并取得了驕人的業(yè)績，但國外學(xué)者的研究成果與實務(wù)經(jīng)驗因需要較多的基礎(chǔ)性數(shù)據(jù)支撐而在我國難以得到較好的應(yīng)用。而國內(nèi)學(xué)者對小微企業(yè)信貸風(fēng)險評價研究成果較少，萬紹玫（2010）從定性角度研究了我國中小企業(yè)信貸風(fēng)險表現(xiàn)形式及對策[2]，錢慧、梅強(qiáng)、文學(xué)舟（2013）引入主成分分析-BP神經(jīng)網(wǎng)絡(luò)法來探索小微企業(yè)信貸風(fēng)險評估的適用性[3]，劉澄、武鵬、郝丹潔（2013）采用模糊集理論對科技型小微企業(yè)信用等級評估進(jìn)行了研究[4]，孫清華、張瞳、劉瑞林（2012）從RAROC 角度對金融企業(yè)防范小微企業(yè)信貸風(fēng)險問題進(jìn)行了研究[5]，來國偉（2013）分析了小微企業(yè)信貸風(fēng)險的成因及防范對策等[6]。縱觀國內(nèi)外相關(guān)研究成果，其針對不同的環(huán)境和不同的情況進(jìn)行了各自的研究，但非常缺少能有效解決國內(nèi)小微企業(yè)信貸風(fēng)險評估的普適性模型。在小微企業(yè)信貸風(fēng)險評價方面有兩個主要問題亟待解決，一是評價指標(biāo)的選擇問題：商業(yè)銀行經(jīng)常采用或參照使用與大中型企業(yè)信貸風(fēng)險評價相一致的指標(biāo)體系，脫離了小微企業(yè)信貸信息的主要特點；二是評價方法的選擇問題：我國小微企業(yè)不僅存在著資產(chǎn)規(guī)模小、群體廣、資產(chǎn)負(fù)債率高等不足，還存在著信息質(zhì)量不高，甚至缺失的情況，迫切需要能夠適應(yīng)小微企業(yè)信貸信息灰色和定性信息較多等特點的評價方法。

鑒于小微企業(yè)信貸風(fēng)險評價研究現(xiàn)狀和文獻(xiàn)，本文以小微物流企業(yè)信貸風(fēng)險評價為研究重點，通過構(gòu)建信貸風(fēng)險評價指標(biāo)體系和評價方法，在運用層次分析法對各指標(biāo)進(jìn)行權(quán)重分配的基礎(chǔ)上，針對小微物流企業(yè)信貸存在的信息嚴(yán)重不可得性缺陷，使用基于灰色關(guān)聯(lián)度的模糊分析方法展開研究，以期建立一種適應(yīng)性比較廣泛的小微物流企業(yè)信貸風(fēng)險評價模型，并可考慮將該模型推廣到一般性小微企業(yè)信貸風(fēng)險評價，目的在于推動解決小微企業(yè)信貸困境。

2 小微物流企業(yè)信貸風(fēng)險評價指標(biāo)的選擇

Joes A. G. Baptista等以回歸統(tǒng)計方法，得到影響小微企業(yè)信貸風(fēng)險的因素包括貸款人經(jīng)營理念、經(jīng)營水平、違法記錄、經(jīng)營思路、貸款利率和用途等；美國馬薩諸塞州大學(xué)的M.S.Johan和K.S.Bawa（2007）驗證了貸款人的信貸狀況、法律對貸款人的約束力、貸款人的家庭收支情況、貸款人的受教育程度、貸款人的總固定資產(chǎn)等均為小微企業(yè)信貸風(fēng)險的影響因素[7]。國內(nèi)的劉澄、武鵬、郝丹潔（2013）將包括小微企業(yè)財務(wù)指標(biāo)、企業(yè)狀況、發(fā)展前景等三方面共15項指標(biāo)納入科技型小微企業(yè)信貸風(fēng)險評估模型，而博鰲亞洲論壇發(fā)布的《2013小微企業(yè)融資發(fā)展報告》指出，小微企業(yè)一般缺乏財務(wù)報表、抵押擔(dān)保以及信用記錄方面的“硬信息”，商業(yè)銀行因信息不對稱問題也很難獲得小微企業(yè)與其他客戶的交易狀況、信用狀況等方面的“軟信息”。

本文在前人研究的基礎(chǔ)上，針對小微物流企業(yè)信貸風(fēng)險評價指標(biāo)的選擇，主張借鑒平衡計分卡（簡稱BSC）管理思想，采用定量指標(biāo)與定性指標(biāo)相統(tǒng)一的綜合性指標(biāo)體系。BSC是一種先進(jìn)的管理思想，它強(qiáng)調(diào)從財務(wù)、顧客、內(nèi)部過程、學(xué)習(xí)與創(chuàng)新四個維度對企業(yè)進(jìn)行全面認(rèn)識與分析，每個維度都可選取恰當(dāng)?shù)闹笜?biāo)來反映該維度的狀況，并且各維度指標(biāo)之間并不是孤立存在的，而是與企業(yè)目標(biāo)相聯(lián)系，并且最終都以直接或間接的形式和企業(yè)的財務(wù)表現(xiàn)相關(guān)聯(lián)。

從BSC 視角來評價小微物流企業(yè)信貸風(fēng)險，其積極意義非常明顯：通過定量與定性指標(biāo)相結(jié)合，不僅可以反映小微物流企業(yè)當(dāng)前的狀況，還可以引導(dǎo)商業(yè)銀行全面的分析小微物流企業(yè)的未來發(fā)展態(tài)勢，從而讓商業(yè)銀行從目前的過分注重償債能力中解放出來，將更多的決策因素轉(zhuǎn)移到小微物流企業(yè)的成長和發(fā)展中來。評價指標(biāo)體系見表1，該指標(biāo)體系不僅反映小微物流企業(yè)當(dāng)前的還貸能力，還注重其未來發(fā)展?jié)摿?，對引?dǎo)商業(yè)銀行將小微物流企業(yè)信貸風(fēng)險評價重點往后延伸有積極作用，從而能為有發(fā)展?jié)摿Φ男∥⑽锪髌髽I(yè)提供更多更好的信貸支持。

表1 BSC視角下的小微物流企業(yè)信貸風(fēng)險評價指標(biāo)體系

3 灰色關(guān)聯(lián)度的模糊分析模型

模糊分析方法把數(shù)學(xué)的應(yīng)用范圍，從精確數(shù)據(jù)擴(kuò)大到了模糊現(xiàn)象領(lǐng)域；灰色關(guān)聯(lián)度分析對于信息不夠明確情況有很好的處理效果。結(jié)合小微物流企業(yè)信貸信息的不準(zhǔn)確性與缺失性，模糊分析和灰色關(guān)聯(lián)度分析已被證明是有效的方法?，F(xiàn)采用基于灰色關(guān)聯(lián)度的模糊分析方法對小微物流企業(yè)信貸風(fēng)險進(jìn)行評價。

3.1 灰色關(guān)聯(lián)度模糊分析模型的構(gòu)建

由參與評價的小微物流企業(yè)組成評價對象集合E={e1,e2,…,en}；由所選擇的評價指標(biāo)組成評價指標(biāo)集I={i1,i2,…,im}，ik(k=1,2,…,m)是第k個因素的指標(biāo)。對參與評價的任一小微物流企業(yè)ej，可以通過評價指標(biāo)集得到評價向量ej=(i1j,i2j,…,imj)，其中ikj∈ik,k=1,2,…,m；j=1,2,…,n。

因此在評價指標(biāo)ik上可以得到一個單目標(biāo)模糊決策函數(shù)：

對于給定的小微物流企業(yè)所組成的評價對象集E，函數(shù)值fk(ej)fk(ikj)∈[0,1]表示小微物流企業(yè)ej在指標(biāo)ik上的優(yōu)越度[8]。令：

那么，可得到模糊關(guān)系矩陣R：

R 為綜合評價矩陣，R 的第k 行向量中的每一個分量rj(k)是第j個小微物流企業(yè)的第k個因素指標(biāo)Ikj與第k個最優(yōu)指標(biāo)的關(guān)聯(lián)度，并可根據(jù)rj(k)的大小進(jìn)行優(yōu)越度排序。

由于rj(k)是單因素評價，而評價指標(biāo)集中各指標(biāo)對小微物流企業(yè)信貸風(fēng)險的影響程度不同，因此需要將各單因素評價通過權(quán)重向量進(jìn)行加權(quán)，即用評價指標(biāo)集各指標(biāo)權(quán)重組成的向量P={P1,P2,…,Pm}與綜合評價矩陣相乘，即可得到小微物流企業(yè)信貸風(fēng)險的綜合評價C：

C為綜合考慮小微物流企業(yè)j所有因素后的優(yōu)越程度，cj∈[0,1]，j=1,2,…,n。

3.2 模型基本原理及步驟

（1）選擇小微物流企業(yè)信貸風(fēng)險評價的參考數(shù)列與比較數(shù)列。把小微物流企業(yè)集E={e1,e2,…,en}作為評價對象，確定相應(yīng)評價對象的比較數(shù)列；選擇評價指標(biāo)集I={i1,i2,…,im}中的m個指標(biāo)，并將相應(yīng)的參考數(shù)列作為評價標(biāo)準(zhǔn)。由此得到比較數(shù)列如下：

參考數(shù)列為：

（2）建立評語集。采用集合V來表示評語集，V={V1,V2,…,Vj}，Vj表示信貸風(fēng)險水平的第j個等級。

（3）分配信貸風(fēng)險各評價指標(biāo)權(quán)重。利用層次分析法（AHP）基本原理，通過構(gòu)造小微物流企業(yè)信貸風(fēng)險評價指標(biāo)的目標(biāo)層、準(zhǔn)則層和方案層判斷矩陣，在通過矩陣一致性檢驗的基礎(chǔ)上，分配各準(zhǔn)則層和方案層指標(biāo)權(quán)重，從而得到各指標(biāo)權(quán)重如下：

Pk為通過AHP法確定的第k個評價指標(biāo)權(quán)重。

（4）計算信貸風(fēng)險各評價指標(biāo)的灰色關(guān)聯(lián)系數(shù)[9]。

其中，ri(k)是比較數(shù)列Xi的第i 個評價對象中的第k 個評價指標(biāo)與參考數(shù)列X0的第k個評價指標(biāo)上的相對差值；ρ∈[0,1]，由此可以得到模糊關(guān)系矩陣R。

（5）進(jìn)行基于灰色關(guān)聯(lián)度的模糊分析，并得出評價結(jié)果。將權(quán)重矩陣與模糊關(guān)系矩陣相乘，即可得到評價結(jié)果矩陣C；參照評語集V，即可對小微企業(yè)信貸風(fēng)險做出有效評價。

4 模型應(yīng)用舉例

現(xiàn)以向無錫某商業(yè)銀行申請信貸的3家小型物流企業(yè)（凡順物流、正仁物流、亞中物流）相關(guān)信息為例，展示基于BSC的小微物流企業(yè)信貸風(fēng)險灰色關(guān)聯(lián)度模糊分析模型的應(yīng)用情況。

4.1 選擇評價指標(biāo)體系

采用表1 所列示的BSC 視角下的小微物流企業(yè)信貸風(fēng)險評價指標(biāo)體系，有效地將各小微物流企業(yè)的關(guān)鍵性信貸定量指標(biāo)、定性指標(biāo)融合在一起，對于信貸風(fēng)險的評價起關(guān)鍵性作用。

4.2 建立評語集

取評語集V=（V1優(yōu)秀，V2良好，V3中等，V4較差，V5很差），并建立信貸風(fēng)險水平等級劃分表，見表2。

表2 小微物流企業(yè)信貸風(fēng)險水平等級劃分及其含義

4.3 確定被評企業(yè)的指標(biāo)數(shù)值列和參考評價標(biāo)準(zhǔn)數(shù)列

對于所選的3家小企業(yè)，除了需要審核其會計報表之外，還需要派專業(yè)人員到企業(yè)實地調(diào)研以獲取重要的定性信息，在此基礎(chǔ)上邀請銀行信貸方面的專家對它們的20個指標(biāo)進(jìn)行評分，每項指標(biāo)分值在0-100之間，以100分為最高分，并對原始評分?jǐn)?shù)據(jù)采用簡單加權(quán)平均法進(jìn)行統(tǒng)計，從而得到比較數(shù)列與參考數(shù)列，見表3。需要注意的是，對于資產(chǎn)負(fù)債率這樣的指標(biāo)，其值越高，小微物流企業(yè)信貸風(fēng)險越高，其評分值為越小越好，屬于負(fù)向指標(biāo)；而對于其他指標(biāo)，其值越大，小微物流企業(yè)信貸風(fēng)險越低，其評分值為越大越好，屬于正向指標(biāo)。

4.4 確定評價指標(biāo)權(quán)重

采用層次分析法（AHP）對小微物流企業(yè)信貸風(fēng)險評價的定量指標(biāo)和定性指標(biāo)進(jìn)行賦權(quán)，具體過程如下：

（1）構(gòu)建AHP 多層次模型。根據(jù)AHP 的應(yīng)用原理，把小微物流企業(yè)信貸風(fēng)險作為目標(biāo)層，把四個維度作為準(zhǔn)則層（D1-D4），把20 個具體指標(biāo)作為方案層（I1-I20），構(gòu)建AHP 多層次模型；并采用1-9 標(biāo)度法（含義見表4），在參照專家打分的基礎(chǔ)上，確定因素之間的相對重要性并賦值。

（2）構(gòu)建判斷矩陣。以準(zhǔn)則層賦值為依據(jù)，構(gòu)建準(zhǔn)則層判斷矩陣D如下：

其中，Dij＞0，Dij=1（i=j）,Dji=1/Dij。

表3 3家小型物流企業(yè)信貸風(fēng)險評分比較數(shù)列與參考數(shù)列

表4 因素兩兩比較判斷標(biāo)度含義

說明：指標(biāo)兩兩相比較的標(biāo)度說明了前一指標(biāo)相對于后一指標(biāo)的重要性；若標(biāo)度評定為2、4、6、8，說明其重要性介于相鄰的兩個標(biāo)度之間；若因素i 和因素j 相比較得到的判斷值為aij,則因素j 和因素i相比較的判斷值為aji=1/aij。

設(shè)定D1為財務(wù)維度方案層判斷矩陣，D2、D3、D4分別為市場顧客維度、內(nèi)部流程維度、學(xué)習(xí)與創(chuàng)新維度方案層判斷矩陣，以方案層賦值為依據(jù)，構(gòu)建各方案層指標(biāo)判斷矩陣如下：

（3）運用AHP軟件進(jìn)行權(quán)重分配。設(shè)定AHP軟件檢驗參數(shù)：一致性比例閥值為0.05，最大一致性比例為0.05，缺失項最大比例為5%。通過次序一致性和基本一致性檢驗后，由AHP軟件計算得出準(zhǔn)則層和各方案層指標(biāo)權(quán)重分配結(jié)果。若以PD表示準(zhǔn)則層權(quán)重向量，PD1、PD2、PD3、PD4分別表示財務(wù)維度、市場顧客維度、內(nèi)部流程維度、學(xué)習(xí)與創(chuàng)新維度權(quán)重向量，則各權(quán)重向量如下：

現(xiàn)以財務(wù)維度方案層指標(biāo)I1權(quán)重計算過程為例進(jìn)行計算說明，其他指標(biāo)計算過程類似，如下：

方案層指標(biāo)I1權(quán)重=方案層指標(biāo)I1所屬的準(zhǔn)則層權(quán)重×指標(biāo)I1在所屬的方案層權(quán)重=財務(wù)維度權(quán)重0.333 3×指標(biāo)I1在財務(wù)維度方案層權(quán)重0.105 3=0.035 1（四舍五入）

同理，通過AHP 軟件計算可得到方案層各指標(biāo)權(quán)重向量Pk，權(quán)重分配結(jié)果見表5。

表5 方案層各評價指標(biāo)權(quán)重分配表

由表5可知，定量信息占比46.67%，而定性指標(biāo)信息占比53.33%，該指標(biāo)權(quán)重體系完全符合立足支持小微物流企業(yè)信貸不能僅關(guān)注當(dāng)前償債能力的觀點。同時，可將各方案層指標(biāo)權(quán)重形成方案層權(quán)重向量Pk。

4.5 計算灰色關(guān)聯(lián)系數(shù)

根據(jù)灰色關(guān)聯(lián)度計算公式，對企業(yè)1而言，兩級最小差和最大差情況如下：

同理，可計算得到3家小企業(yè)各指標(biāo)的灰色關(guān)聯(lián)系數(shù)，將計算結(jié)果匯總?cè)缦拢?/p>

在此基礎(chǔ)上可以得到模糊判斷矩陣R=(r1(k),r2(k),r3(k))。

4.6 計算基于灰色關(guān)聯(lián)度的模糊分析結(jié)果

基于上述分析與計算結(jié)果，將權(quán)重向量Pk與模糊關(guān)系矩陣R 相乘，即可得到小微物流企業(yè)信貸風(fēng)險綜合評價結(jié)果C。以企業(yè)1的綜合評價結(jié)果的計算過程為例，計算如下：

同理可得C2=0.755 5，C3=0.782 3。 即C=Pk×RT=(0.809 1,0.755 5,0.782 3)。

根據(jù)綜合評價結(jié)果，對比模糊評語集可知，企業(yè)1信貸風(fēng)險等級為良，而企業(yè)2和企業(yè)3信貸風(fēng)險等級為一般，但企業(yè)3比企業(yè)2風(fēng)險略低一點。如果按照風(fēng)險水平排序決定放貸程度，則放貸先后順序和放貸程度從高到低依次為：企業(yè)1＞企業(yè)3＞企業(yè)2。

5 結(jié)論

基于BSC的小微物流企業(yè)信貸風(fēng)險評價灰色關(guān)聯(lián)度模糊分析模型，能有效地評價小微物流企業(yè)信貸風(fēng)險水平。此外，該評價模型還有以下四個方面的優(yōu)點：

（1）從BSC觀點出發(fā)，以全面的視角看待小微物流企業(yè)的發(fā)展，而不僅僅把目光停留在當(dāng)前的償債能力上；該模型能有效引導(dǎo)商業(yè)銀行將評價重點向后延伸，對引導(dǎo)商業(yè)銀行在有效評價信貸風(fēng)險的基礎(chǔ)上做出科學(xué)的信貸決策起積極的促進(jìn)作用。

（2）該模型充分考慮了小微物流企業(yè)信貸信息存在的不可靠性和缺失性等特點，通過灰色關(guān)聯(lián)度和模糊綜合分析方法的結(jié)合，有效克服了信息不足或缺失等缺陷，在實務(wù)應(yīng)用中有更強(qiáng)的生命力。

（3）該模型所選指標(biāo)體系為參考指標(biāo)，商業(yè)銀行可以根據(jù)自身管理要求進(jìn)行一定的調(diào)節(jié)，并且指標(biāo)權(quán)重亦可根據(jù)管理目的和要求進(jìn)行一定的調(diào)整，增強(qiáng)了模型對環(huán)境變化的適應(yīng)能力；并且，商業(yè)銀行還可以在信息與數(shù)據(jù)積累的基礎(chǔ)上，將此模型的應(yīng)用推廣到一般性小微企業(yè)信貸風(fēng)險的評價，模型有較為廣泛的應(yīng)用潛力。

（4）該模型手工運算量略大，但可以通過計算機(jī)軟件處理，能有效提高小微物流企業(yè)信貸風(fēng)險評價效率。

當(dāng)然，本文僅對小微物流企業(yè)信貸風(fēng)險水平評價進(jìn)行了探討，其它有關(guān)的貸前、貸后等管理活動有待繼續(xù)研究。

[1]糜仲春,申義,張學(xué)農(nóng).我國商業(yè)銀行中小企業(yè)信貸風(fēng)險評估體系的構(gòu)建[J].金融論壇,2007,(3).

[2]萬紹玫.我國中小企業(yè)信貸風(fēng)險及防范探析[J].企業(yè)經(jīng)濟(jì),2010,(11).

[3]錢慧,梅強(qiáng),文學(xué)舟.小微企業(yè)信貸風(fēng)險評估實證研究[J].科技管理研究,2013,(14).

[4]劉澄,武鵬,郝丹潔.基于模糊集理論的科技型小微企業(yè)信用等級評估研究[J].科技進(jìn)步與對策,2013,(18).

[5]孫清華,張瞳,劉瑞林.金融企業(yè)防范小微企業(yè)信貸風(fēng)險問題研究—基于RAROC的視角[J].管理現(xiàn)代化,2012,(5).

[6]來國偉.淺析小微企業(yè)信貸風(fēng)險成因及相關(guān)對策[J].浙江金融,2013,(9).

[7]鐘緣.基于模糊層次分析法的小微企業(yè)信貸評級模型研究[D].長沙:中南大學(xué),2013.

[8]魏一鳴,童光煦,吉兆寧.基于灰色關(guān)聯(lián)度的礦山經(jīng)營狀況模糊層次分析[J].中國鉬業(yè),1995,(3).

[9]杜棟,龐慶華,吳炎.現(xiàn)代綜合評價方法與案例精選[M].北京:清華大學(xué)出版社,2012.