【摘要】本文通過(guò)對(duì)小微企業(yè)信貸特征及國(guó)內(nèi)外主流信用風(fēng)險(xiǎn)度量方法的對(duì)比分析，篩選出適用于我國(guó)小微企業(yè)信用風(fēng)險(xiǎn)度量的Logistic模型。利用從銀行取得的94個(gè)小微企業(yè)信貸樣本，綜合企業(yè)的財(cái)務(wù)及非財(cái)務(wù)信息，進(jìn)行了Logistic模型的構(gòu)建和檢驗(yàn)。實(shí)證結(jié)果表明，該模型對(duì)于小微企業(yè)的信貸違約概率具有較高的正判率。

【關(guān)鍵詞】小微企業(yè) 信用風(fēng)險(xiǎn) 違約概率 Logistic模型

一、引言

隨著數(shù)量和規(guī)模的不斷增長(zhǎng)，小微企業(yè)已經(jīng)成為促進(jìn)我國(guó)經(jīng)濟(jì)快速、持續(xù)發(fā)展的重要力量，而從金融機(jī)構(gòu)所獲取的較少的信貸額度已成為制約其發(fā)展的主要因素。究其原因，小微企業(yè)貸款的高風(fēng)險(xiǎn)應(yīng)是重要原因。風(fēng)險(xiǎn)偏高一方面是由小微企業(yè)的經(jīng)營(yíng)特點(diǎn)所決定的，另一方面是由于我國(guó)大部分商業(yè)銀行針對(duì)小微企業(yè)的信用風(fēng)險(xiǎn)評(píng)價(jià)體系并不完善，風(fēng)險(xiǎn)度量的精度無(wú)法得到保證。然而，在金融脫媒、利率市場(chǎng)化以及國(guó)家政策引導(dǎo)的背景下，銀行勢(shì)必在規(guī)避風(fēng)險(xiǎn)、應(yīng)對(duì)監(jiān)管的同時(shí)，將目光放在開(kāi)拓小微企業(yè)信貸市場(chǎng)上。但是，目前我國(guó)商業(yè)銀行針對(duì)小微企業(yè)信用風(fēng)險(xiǎn)的評(píng)估，仍主要使用傳統(tǒng)的信用風(fēng)險(xiǎn)評(píng)分方法，對(duì)現(xiàn)代信用風(fēng)險(xiǎn)度量技術(shù)的研究和應(yīng)用尚處在起步階段。因此，基于理論和實(shí)證的高度，研究和分析適用于我國(guó)小微企業(yè)的現(xiàn)代信用風(fēng)險(xiǎn)度量方法，具有一定的理論和現(xiàn)實(shí)意義。

二、小微企業(yè)信用風(fēng)險(xiǎn)度量方法的對(duì)比及選擇

（一）小微企業(yè)的信貸特征

小微企業(yè)的產(chǎn)品單一、靈活性強(qiáng)、投資規(guī)模小、運(yùn)營(yíng)不規(guī)范等經(jīng)營(yíng)特征，決定了它們擁有與大中企業(yè)差異明顯的信貸特征。首先，小微企業(yè)貸款需求以短期流動(dòng)資金為主，且金額小、頻率高。小微企業(yè)的生產(chǎn)和銷(xiāo)售具有較強(qiáng)的隨機(jī)性和緊迫性，信貸需求往往無(wú)計(jì)劃，資金需求非常頻繁，但其經(jīng)營(yíng)規(guī)模不大，單筆資金需求金額往往較小。其次，對(duì)小微企業(yè)貸款效率低、成本高。小微企業(yè)貸款金額少而筆數(shù)多，銀行卻需要履行與大中企業(yè)一樣的信息收集與信貸審批程序，造成較高的信貸費(fèi)用。最后，與大中企業(yè)相比，貸款信息不對(duì)稱(chēng)。小微企業(yè)的治理結(jié)構(gòu)不夠完善，對(duì)外信息披露不清晰，銀行人員難以對(duì)企業(yè)的狀況和資金的流動(dòng)進(jìn)行足夠的了解，加劇了企業(yè)融資難的困境和銀行信貸風(fēng)險(xiǎn)程度。

（二）信用風(fēng)險(xiǎn)度量方法對(duì)比分析

國(guó)內(nèi)外對(duì)于信用風(fēng)險(xiǎn)度量的研究，大致經(jīng)過(guò)了傳統(tǒng)的專(zhuān)家判斷法、信用評(píng)分方法、現(xiàn)代風(fēng)險(xiǎn)度量模型等幾個(gè)階段。較早的專(zhuān)家判斷法，主要依靠專(zhuān)家根據(jù)自己的經(jīng)驗(yàn)對(duì)企業(yè)進(jìn)行信用評(píng)價(jià)，具有過(guò)高的主觀性，不能滿(mǎn)足現(xiàn)實(shí)需求。信用評(píng)分方法是種類(lèi)最多、使用最廣的信用風(fēng)險(xiǎn)度量方法，主要運(yùn)用數(shù)理統(tǒng)計(jì)方法建立回歸模型，進(jìn)而通過(guò)計(jì)算違約概率來(lái)評(píng)估信用風(fēng)險(xiǎn)，如Logit模型、多元判別分析、Probit模型和人工智能方法等。20世紀(jì)90年代以來(lái)，現(xiàn)代信用風(fēng)險(xiǎn)度量模型獲得了迅速發(fā)展，如基于期權(quán)理論的KMV信用監(jiān)控模型、基于信用風(fēng)險(xiǎn)VaR的Credit Metrics模型、基于信用等級(jí)變遷的CPV信貸組合、基于財(cái)產(chǎn)保險(xiǎn)精算的Credit Risk+模型等。

由于專(zhuān)家判斷法精度太低，而現(xiàn)代風(fēng)險(xiǎn)度量模型對(duì)于金融數(shù)據(jù)依賴(lài)較大，國(guó)內(nèi)外對(duì)于小微企業(yè)信用風(fēng)險(xiǎn)度量的研究和應(yīng)用，集中于使用基于統(tǒng)計(jì)判別方法的預(yù)測(cè)模型。其中，由于Logistic回歸模型對(duì)數(shù)據(jù)的要求不嚴(yán)，不需要保持自變量與因變量的線(xiàn)性關(guān)系，也不需要滿(mǎn)足正態(tài)分布，并且能夠解決部分因變量是非財(cái)務(wù)指標(biāo)的問(wèn)題，因此比較適用于小微企業(yè)信用風(fēng)險(xiǎn)度量。

（三）Logistic回歸模型簡(jiǎn)介

Logistic回歸模型比較常見(jiàn)的非線(xiàn)性概率模型，對(duì)于信用風(fēng)險(xiǎn)的度量有著三方面的特點(diǎn)：第一，自變量的類(lèi)型（離散、連續(xù)或虛擬變量等）不會(huì)影響到模型的應(yīng)用；第二，能夠使求得的預(yù)測(cè)概率值處在[0，1]區(qū)間內(nèi)；第三，能夠在因變量為二分類(lèi)變量的情況下把問(wèn)題轉(zhuǎn)變?yōu)閷?duì)發(fā)生概率的理論解釋。它以計(jì)算某種狀態(tài)或者屬性的概率為目標(biāo)，其采用函數(shù)的形式如下：

Logistic模型直接預(yù)測(cè)了事件發(fā)生的概率P，它的值介于0到1之間。在預(yù)測(cè)違約概率時(shí)候，P值越接近于1就表示違約的可能性越大，越接近0則表示違約的可能性越小。

三、實(shí)證檢驗(yàn)

（一）樣本選取及違約定義

本文選取了某銀行2013～2013年的94個(gè)制造業(yè)和批發(fā)零售業(yè)的小微企業(yè)信貸樣本，其中包含47個(gè)違約樣本。根據(jù)銀行信貸情況，將因變量在違約時(shí)定義為1，不違約時(shí)定義為0。

（二）財(cái)務(wù)及非財(cái)務(wù)指標(biāo)選取

結(jié)合前人的研究，并根據(jù)所收集到的信貸信息，從五個(gè)維度選取財(cái)務(wù)指標(biāo)。企業(yè)規(guī)模：總資產(chǎn)、凈資產(chǎn)、銷(xiāo)售收入；償債能力：流動(dòng)比率、速動(dòng)比率、銀行負(fù)債資產(chǎn)比、現(xiàn)金流動(dòng)比率；盈利能力：凈資產(chǎn)收益率、總資產(chǎn)收益率、銷(xiāo)售凈利率；營(yíng)運(yùn)能力：應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率；發(fā)展能力：凈利潤(rùn)增長(zhǎng)率、凈資產(chǎn)增長(zhǎng)率、總資產(chǎn)增長(zhǎng)率、銷(xiāo)售收入增長(zhǎng)率。同時(shí)，由于小微企業(yè)財(cái)務(wù)信息的準(zhǔn)確性和及時(shí)性不太高，而其信用風(fēng)險(xiǎn)往往受到其經(jīng)營(yíng)環(huán)境和股東情況等非財(cái)務(wù)信息的影響，因此有必要將非財(cái)務(wù)信息納入模型的備選指標(biāo)池中，具體見(jiàn)表1：

（三）模型的建立及檢驗(yàn)

首先，對(duì)各個(gè)自變量進(jìn)行單因素T檢驗(yàn)，剔除對(duì)因變量不顯著的指標(biāo)，余下凈資產(chǎn)收益率、總資產(chǎn)收益率、凈資產(chǎn)增長(zhǎng)率、關(guān)鍵人職稱(chēng)、經(jīng)營(yíng)場(chǎng)地所有權(quán)等五個(gè)指標(biāo)。其次，對(duì)篩選出的指標(biāo)進(jìn)行相關(guān)性分析，而凈資產(chǎn)收益率和總資產(chǎn)收益率高度相關(guān)，經(jīng)選擇，剔除凈資產(chǎn)收益率。最后，再次將剩余的四個(gè)指標(biāo)進(jìn)行Logistic回歸建立模型，結(jié)果如下：

由表2可以看出，在0.05的顯著性水平下，四個(gè)自變量都是顯著的，可以寫(xiě)出Logistic的方程：P=exp（0.706-1.256*經(jīng)營(yíng)場(chǎng)地所有權(quán)+0.934*關(guān)鍵人職稱(chēng)-3.009*總資產(chǎn)收益率-3.537*凈資產(chǎn)增長(zhǎng)率）/[1+exp（0.706-1.256*經(jīng)營(yíng)場(chǎng)地所有權(quán)+0.934*關(guān)鍵人職稱(chēng)-3.009*總資產(chǎn)收益率-3.537*凈資產(chǎn)增長(zhǎng)率）]。方程表明，違約概率與經(jīng)營(yíng)場(chǎng)地所有權(quán)、總資產(chǎn)收益率、凈資產(chǎn)增長(zhǎng)率成反比，而與關(guān)鍵人職稱(chēng)成正比。由表3可以看出，Nagelkerke R Square值為0.705，說(shuō)明模型具有較好的擬合度。由表4可以看出，對(duì)“y=0”一類(lèi)的正判率為88.0%，對(duì)“y=1”一類(lèi)的正判率為85.1%，總的正判率為84%，說(shuō)明模型的擬合效果較好。

四、結(jié)論與展望

本文通過(guò)對(duì)小微企業(yè)信用風(fēng)險(xiǎn)特征及度量方法的對(duì)比分析，并選取Logistic模型進(jìn)行實(shí)證檢驗(yàn)，結(jié)果表明，該方法適用于我國(guó)小微企業(yè)的信用風(fēng)險(xiǎn)度量。根據(jù)實(shí)證結(jié)果，小微企業(yè)的違約概率與經(jīng)營(yíng)場(chǎng)地所有權(quán)、總資產(chǎn)收益率、凈資產(chǎn)增長(zhǎng)率成反比，與關(guān)鍵人職稱(chēng)成正比。同時(shí)，本文也存在一些需要改進(jìn)的地方，比如樣本選取的代表性不夠、沒(méi)有考慮宏觀經(jīng)濟(jì)因素等，有待于后續(xù)研究。

參考文獻(xiàn)

[1]胡建生，葛揚(yáng)，陸彩蘭.內(nèi)部評(píng)級(jí)法在信用風(fēng)險(xiǎn)評(píng)估中的運(yùn)用及挑戰(zhàn)[J].現(xiàn)代管理科學(xué).2012（2）：9-11.

[2]夏紅芳.商業(yè)銀行信用風(fēng)險(xiǎn)度量與管理研究[D].南京航空航天大學(xué)博士學(xué)位論文，2007.8.

[3]趙軻軻，毛加強(qiáng).信用風(fēng)險(xiǎn)中違約概率的測(cè)算模型研究——兼論我國(guó)商業(yè)銀行基于巴塞爾新協(xié)議的內(nèi)部評(píng)級(jí)法.鄭州大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2007.40（3）：68-72.

作者簡(jiǎn)介：曹明生（1989-），男，河南周口人，福州大學(xué)經(jīng)濟(jì)與管理學(xué)院會(huì)計(jì)學(xué)碩士研究生，研究方向：財(cái)務(wù)管理。