中小企業(yè)是社會(huì)主義市場(chǎng)經(jīng)濟(jì)中的重要組成部分，對(duì)經(jīng)濟(jì)發(fā)展和社會(huì)穩(wěn)定起著重要的作用。據(jù)統(tǒng)計(jì)，我國(guó)中小企業(yè)數(shù)量占國(guó)內(nèi)市場(chǎng)中企業(yè)總量的99%以上，吸納了75%的城鎮(zhèn)就業(yè)人口，轉(zhuǎn)移了75%以上的農(nóng)村剩余勞動(dòng)力，對(duì)于拉動(dòng)國(guó)內(nèi)經(jīng)濟(jì)發(fā)展，解決國(guó)內(nèi)勞動(dòng)力就業(yè)等方面發(fā)揮了重要的作用。然而，我國(guó)中小企業(yè)在發(fā)展過程中面臨著嚴(yán)峻的資金匱乏的問題?？偨Y(jié)來(lái)看，我國(guó)中小企業(yè)融資困難的主要原因可以歸結(jié)為以下幾點(diǎn)：第一，中小企業(yè)自身資產(chǎn)規(guī)模小、企業(yè)發(fā)展不確定性較大導(dǎo)致信用風(fēng)險(xiǎn)較高；第二，我國(guó)缺乏完善的信用體系，中小企業(yè)與金融機(jī)構(gòu)之間存在信息不對(duì)稱現(xiàn)象；第三，金融機(jī)構(gòu)自身對(duì)于中小企業(yè)的信用風(fēng)險(xiǎn)評(píng)估存在缺陷，不能有效評(píng)估中小企業(yè)的信用情況。

本文通過搜集和閱讀相關(guān)新聞、資料和文獻(xiàn)，確定研究選題。通過對(duì)國(guó)內(nèi)外關(guān)于中小企業(yè)信用風(fēng)險(xiǎn)度量的相關(guān)研究進(jìn)行總結(jié)和歸納，對(duì)中小企業(yè)信用風(fēng)險(xiǎn)度量的相關(guān)模型進(jìn)行總結(jié)和梳理，針對(duì)我國(guó)中小企業(yè)特點(diǎn)并結(jié)合我國(guó)具體國(guó)情來(lái)選擇合適的信用風(fēng)險(xiǎn)度量模型。搜集具體的中小企業(yè)相關(guān)數(shù)據(jù)資料，利用選定的模型來(lái)進(jìn)行實(shí)證檢驗(yàn)。通過實(shí)證結(jié)果進(jìn)一步分析國(guó)內(nèi)中小企業(yè)信用風(fēng)險(xiǎn)度量問題并提出具體了對(duì)策建議。

1.信用風(fēng)險(xiǎn)評(píng)價(jià)模型簡(jiǎn)述

1.1 專家評(píng)分法方法

在專家評(píng)分法中，專家系統(tǒng)要考慮的因素很多，最為常用的專家方法之一是信貸的5C法。主要考慮以下凡個(gè)方面：

1.品格（Character）。

2.資本實(shí)力（Capital）。

3.償付能力（Capacity）。

4.抵押品（Collateral）。

5.經(jīng)濟(jì)周期（Cycle Conditions）。

1.2 KMV模型

KMV模型是KMV公司推出的一種計(jì)算信用風(fēng)險(xiǎn)的方法。其理論基礎(chǔ)為Black-SCholes和Merton的期權(quán)定價(jià)理論。該模型假設(shè)：當(dāng)企業(yè)的資產(chǎn)>負(fù)債時(shí)，股東行使看漲期權(quán)，即繼續(xù)擁有公司，當(dāng)資產(chǎn)<負(fù)債時(shí)，股東選擇使企業(yè)破產(chǎn)，企業(yè)所有者將企業(yè)資產(chǎn)出售給債權(quán)所有人。未來(lái)資產(chǎn)價(jià)值均值與所需清償負(fù)債的賬面價(jià)值直接的距離稱為違約距離，根據(jù)企業(yè)的違約距離與預(yù)期違約率之間的對(duì)應(yīng)關(guān)系，計(jì)算出企業(yè)在一定時(shí)期內(nèi)的預(yù)期違約率。

1.3 Credit Metrics模型

Credit Metrics的主要工作是估計(jì)貸款和債券金融產(chǎn)品的組合在一定期限內(nèi)價(jià)值變化的遠(yuǎn)期分布，使用均值、標(biāo)準(zhǔn)差、分位數(shù)等反映資產(chǎn)組合的風(fēng)險(xiǎn)特征，之后再通過信用風(fēng)險(xiǎn)的VAR（風(fēng)險(xiǎn)價(jià)值）的大小來(lái)反映商業(yè)銀行對(duì)某資產(chǎn)組合應(yīng)準(zhǔn)備的經(jīng)濟(jì)資本的數(shù)量。Credit Metrics模型風(fēng)險(xiǎn)度量框架由下面的四個(gè)模塊組成。第一模塊是單個(gè)資產(chǎn)的信用風(fēng)險(xiǎn)值度量，第二模塊是資產(chǎn)組合信用風(fēng)險(xiǎn)值度量，第三模塊是相關(guān)性度量，第四模塊是風(fēng)險(xiǎn)敞口度量。

1.4 Creditrisk+模型

該模型中的違約概率被模型化為具有一定概率分布的連續(xù)變量，而不再是離散的，即每一筆貸款都有著極小的違約概率并且違約率是隨機(jī)的，其本身就是風(fēng)險(xiǎn)的驅(qū)動(dòng)因素，而且在信用周期可以顯著地波動(dòng)；其任何兩項(xiàng)貸款發(fā)生違約的相關(guān)性為O，即每筆貸款發(fā)生違約的可能性是獨(dú)立的。由于違約相關(guān)不穩(wěn)定而且不可觀察，所以這種方法是利用違約率的波動(dòng)性來(lái)確定違約相關(guān)性的影響，進(jìn)而生成貸款組合的損失分布，而非直接通過模型來(lái)模擬這種關(guān)系。Creditrisk+模型可以用于處理不同的部門、時(shí)限、地區(qū)等不同類型的大量風(fēng)險(xiǎn)暴露。

1.5 Logistic模型

在LogistiC模型中，違約概率的預(yù)測(cè)被看作一個(gè)虛擬變量問題。所謂虛擬變量，是指人工構(gòu)造的取值為O和1的作為屬性變量代表的變量。屬性因素通常具有若干類型或水平，一般虛擬變量的取值為O和1。當(dāng)虛擬變量取值為O時(shí)，表示某種屬性或狀態(tài)不存在，當(dāng)虛擬變量取值為1時(shí)，表示某種屬性或狀態(tài)存在本文中，變量取值為O時(shí)表示企業(yè)狀態(tài)正常，變量取值為1時(shí)則表示企業(yè)違約，用logistic模型計(jì)算出的概率越大，表明該企業(yè)違約的可能性越大。LogistiC函數(shù)的常用形式如下：

p=11+e[-（β11+βixi）]

2.使用Logistic模型對(duì)我國(guó)中小企業(yè)信用風(fēng)險(xiǎn)的實(shí)證分析

2.1 Logistic模型對(duì)我國(guó)中小企業(yè)的適用性分析

該方法對(duì)數(shù)據(jù)的要求較容易滿足。與其他信用風(fēng)險(xiǎn)評(píng)價(jià)模型相比，Logistic模型只需要銀行內(nèi)部關(guān)于以往中小企業(yè)貸款的相關(guān)數(shù)據(jù)和財(cái)務(wù)報(bào)表，對(duì)數(shù)據(jù)的收集難度不是很大。其次，該方法不再依賴于外部的信用評(píng)級(jí)機(jī)構(gòu)，上文所論述的我國(guó)的信用評(píng)級(jí)機(jī)構(gòu)的不完善對(duì)于該方法的使用不存在影響；在使用時(shí)，該方法首先是假定商業(yè)銀行對(duì)企業(yè)的貸款發(fā)生違約的情況的概率服從Logistic分布，選用一系列財(cái)務(wù)比率構(gòu)建模型，反映企業(yè)發(fā)生財(cái)務(wù)危機(jī)進(jìn)而違約的可能性。在模型的使用中，根據(jù)銀行對(duì)風(fēng)險(xiǎn)的偏好程度設(shè)定分界點(diǎn)，判斷企業(yè)是否被劃入違約組。由于企業(yè)對(duì)債務(wù)的履行情況只可分為兩種，違約、不違約，因此在對(duì)中小企業(yè)信用風(fēng)險(xiǎn)進(jìn)行評(píng)估時(shí)，Logistic分布的特征對(duì)違約概率的估計(jì)恰好適用。

2.2 數(shù)據(jù)收集

為了進(jìn)行實(shí)證研究，本文以企業(yè)是否違約為分類標(biāo)準(zhǔn)，判斷企業(yè)是否違約依據(jù)商業(yè)銀行債項(xiàng)評(píng)級(jí)中五級(jí)分類的標(biāo)準(zhǔn)（正常、關(guān)注、次級(jí)、可疑、損失），認(rèn)為次級(jí)及以下的貸款為違約。本文從廣州、深圳一共四家商業(yè)銀行的數(shù)據(jù)庫(kù)中隨機(jī)選擇50家違約中小企業(yè)作為樣本，受數(shù)據(jù)采集難度的限制，只選取了最典型的工業(yè)企業(yè)數(shù)據(jù)。剔除了異常和數(shù)據(jù)不完整的個(gè)體，剩余32份不良企業(yè)樣本。按1：1的數(shù)量配比原則，另外選擇了32家正常中小企業(yè)作為匹配樣本，樣本采用2009年底與2010年底數(shù)據(jù)。之所以選取以上數(shù)據(jù)，一是由于數(shù)據(jù)采集的難度較大，以上數(shù)據(jù)是通過較大的努力方能取得的；二是廣州、深圳地區(qū)中小企業(yè)無(wú)論是從發(fā)展環(huán)境還是從發(fā)展程度而言都較有先進(jìn)性和代表性，國(guó)際化程度較高，發(fā)展環(huán)境較為復(fù)雜，信用違約囊括的情況也較為全面。

2.3 模型構(gòu)建

經(jīng)過回歸分析，得到以下結(jié)果：

本文得出的最終模型數(shù)學(xué)表達(dá)式為：

pi=11+e-（0.137-1.091xi-0.806x2+0.026x3-0.389x4+0.03x5-2.374x6+0.079x7）

xl=0.81*總資產(chǎn)增長(zhǎng)率+0.68*主營(yíng)業(yè)務(wù)收入增長(zhǎng)率+0.567*凈利潤(rùn)增長(zhǎng)率十0.466*固定資產(chǎn)增長(zhǎng)率+0.777*凈資產(chǎn)增長(zhǎng)率

x：=-0.366*總資產(chǎn)增長(zhǎng)率+0.548*主營(yíng)業(yè)務(wù)收入增長(zhǎng)率+0.675*凈利潤(rùn)增長(zhǎng)率-0.558*固定資產(chǎn)增長(zhǎng)率-0.255*凈資產(chǎn)增長(zhǎng)率

x3=0.798*應(yīng)收賬款周轉(zhuǎn)率+0.824*存貨周轉(zhuǎn)率+0.339*總資產(chǎn)周轉(zhuǎn)率+0.913*流動(dòng)資產(chǎn)周轉(zhuǎn)率

x4=-0.694*資產(chǎn)負(fù)債率十0.929*流動(dòng)比率+0.945*速動(dòng)比率-0.169*現(xiàn)金比率

x5=-O，171*資產(chǎn)負(fù)債率-0.187*流動(dòng)比率-0.114*速動(dòng)比率+0.965*現(xiàn)金比率

x6=-0.238*資本收益率-0.361*總資產(chǎn)利潤(rùn)率+0.805*銷售凈利率+0.82*毛利率

x7==0.83*資本收益率十0.782*總資產(chǎn)利潤(rùn)率+0.323*銷售凈利率+0.269*毛利率

本文中，判斷變量是否應(yīng)該包含在模型中，即考慮每個(gè)自變量在回歸方程中的重要性，主要考慮Wald統(tǒng)計(jì)量。檢驗(yàn)步驟為：

1.提出假設(shè)：

H0∶ βi=0（i=1，2，……k）

H1∶ βi≠0

2.構(gòu)造回歸系數(shù)檢驗(yàn)的統(tǒng)計(jì)量Wald：

Waldi=β2iVar（βi）

Wald統(tǒng)計(jì)量大的因素顯著性高，也就表明其越重要。從表中可以看出，本文Logistic回歸模型中各個(gè)指標(biāo)的Wald統(tǒng)計(jì)量中，資產(chǎn)增長(zhǎng)因子、收益增長(zhǎng)因子、流動(dòng)比例因子、主營(yíng)業(yè)務(wù)效益因子這四個(gè)指標(biāo)Wald統(tǒng)計(jì)量相對(duì)較大，也就是說(shuō)，這四個(gè)指標(biāo)在估計(jì)中小企業(yè)的信用風(fēng)險(xiǎn)，意義更大。下表顯示了得出的Logistic回歸模型對(duì)樣本是否違約的預(yù)測(cè)：可以看出，該回歸模型對(duì)中小企業(yè)信用風(fēng)險(xiǎn)的判別準(zhǔn)確率總體來(lái)說(shuō)較高，達(dá)到74.96%。其中，對(duì)違約企業(yè)判別率為78.12%，對(duì)正常企業(yè)的判別率為71.80%，擬合效果尚可。如表2-11

2.5 模型分析

觀察logistic模型的系數(shù)，我們可以看出：

本文的資產(chǎn)增長(zhǎng)因子主要反映了凈資產(chǎn)增長(zhǎng)率與總資產(chǎn)增長(zhǎng)率這兩個(gè)指標(biāo)。資產(chǎn)增長(zhǎng)因子越大，違約概率越小。這是因?yàn)?，公司的資產(chǎn)是公司生存與發(fā)展的最基本條件，規(guī)模的擴(kuò)大是公司處于擴(kuò)張時(shí)期的基本表現(xiàn)，相反，資產(chǎn)規(guī)?？s小或者不變是公司經(jīng)營(yíng)不力的一種表現(xiàn)。

收益增長(zhǎng)因子越大，中小企業(yè)的違約概率越小。本文的收益增長(zhǎng)因子主要反映的是主營(yíng)業(yè)務(wù)收入增長(zhǎng)率與凈利潤(rùn)增長(zhǎng)率兩個(gè)財(cái)務(wù)指標(biāo)。很明顯，中小企業(yè)主營(yíng)業(yè)務(wù)收入與利潤(rùn)增長(zhǎng)率越高，說(shuō)明企業(yè)經(jīng)營(yíng)有方，企業(yè)利潤(rùn)越大，償債能力越強(qiáng)，違約風(fēng)險(xiǎn)也就越小。

流動(dòng)比率因子越大，中小企業(yè)違約概率越小。本文的流動(dòng)比率因子主要反映的是流動(dòng)比率與速動(dòng)比率，用來(lái)衡量企業(yè)流動(dòng)資產(chǎn)在短期債務(wù)到期以前可以變?yōu)楝F(xiàn)金用于償還負(fù)債的能力。數(shù)值越大，償債能力越強(qiáng)，違約的概率越小。

本文的主營(yíng)業(yè)務(wù)效益因子主要反映銷售凈利率、毛利率，該因子用于衡量企業(yè)的收益水平，數(shù)值越大，表明企業(yè)的經(jīng)營(yíng)水平越強(qiáng)，違約概率越低。

3.加強(qiáng)我國(guó)中小企業(yè)信用風(fēng)險(xiǎn)管理的對(duì)策建議

3.1 從銀行的角度

首先要區(qū)分開中小企業(yè)與傳統(tǒng)大企業(yè)之間的區(qū)別：財(cái)務(wù)管理不規(guī)范、經(jīng)營(yíng)狀況不穩(wěn)定、規(guī)模小、成本高利潤(rùn)薄等，對(duì)中小企業(yè)的授信產(chǎn)品不能像傳統(tǒng)大企業(yè)那樣采用傳統(tǒng)額度授信、銀承、抵押等方法，而應(yīng)該針對(duì)中小企業(yè)自身的特殊屬性設(shè)計(jì)出符合其發(fā)展需求的產(chǎn)品。銀行應(yīng)當(dāng)通過采用資金池、捆綁授信等各種可能的方式來(lái)拓寬中小企業(yè)的融資渠道，迎合中小企業(yè)的融資需求，降低中小企業(yè)的融資成本。當(dāng)前許多新興銀行通過利用大數(shù)法則對(duì)中小企業(yè)展開集體授信以防控風(fēng)險(xiǎn)，也有銀行通過定位專業(yè)市場(chǎng)、專門行業(yè)的形式，以行業(yè)劃分的形式對(duì)中小企業(yè)進(jìn)行定位授信。

3.2 從中小企業(yè)自身的角度

中小企業(yè)自身應(yīng)當(dāng)通過強(qiáng)化財(cái)務(wù)管理和自身運(yùn)營(yíng)，不斷優(yōu)化自身發(fā)展體系，降低銀行授信風(fēng)險(xiǎn)，建立銀行信用度。首先，要建立全局觀的財(cái)務(wù)管控制度執(zhí)行機(jī)制，并強(qiáng)化對(duì)財(cái)務(wù)管理制度執(zhí)行情況的監(jiān)督考核，確認(rèn)財(cái)務(wù)管理的每一個(gè)處理環(huán)節(jié)都得到切實(shí)的落實(shí)，受到有效的約束。其次，要提高與完善管理層的財(cái)務(wù)管理能力，優(yōu)化制度建設(shè)，制度建設(shè)前應(yīng)多作調(diào)查研究，充分聽取基層和群眾的意見，制度落實(shí)后應(yīng)對(duì)制度發(fā)揮成效進(jìn)行了解檢測(cè)。確保財(cái)務(wù)管理制度的科學(xué)性與落實(shí)性。最后，伴隨著計(jì)算機(jī)互聯(lián)網(wǎng)的普及，計(jì)算機(jī)成為了企業(yè)經(jīng)營(yíng)管理過程中一個(gè)十分常用和有效的工具。而當(dāng)前在中小企業(yè)中，許多中小企業(yè)主受自身認(rèn)識(shí)的局限影響，對(duì)于網(wǎng)絡(luò)信息化管理模式及其方便快捷高效了解并不多，甚至根本沒有了解。企業(yè)管理層及相關(guān)財(cái)務(wù)人員應(yīng)當(dāng)不斷更新自身財(cái)務(wù)管理知識(shí)和技能，跟上時(shí)代的步伐，通過合理采用各種現(xiàn)代化工具和互聯(lián)網(wǎng)，取代傳統(tǒng)效率慢、出錯(cuò)率高的財(cái)務(wù)管理方式，不斷強(qiáng)化和提升自身財(cái)務(wù)管理能力。

3.3 從中小企業(yè)信用風(fēng)險(xiǎn)度量的角度

從當(dāng)前情況來(lái)看，我國(guó)對(duì)于中小企業(yè)信用風(fēng)險(xiǎn)度量的管理仍然存在較大的局限性，首先一點(diǎn)就是重視程度不足，當(dāng)前盡管國(guó)家對(duì)中小企業(yè)及其發(fā)展的重視程度不斷提升，但在對(duì)中小企業(yè)融資方面的支持仍然不夠，其中重要的一點(diǎn)就是沒有建立起合理、有序的中小企業(yè)信用風(fēng)險(xiǎn)度量模型。銀行不愿對(duì)中小企業(yè)融資，很主要的一方面原因就是中小企業(yè)信用風(fēng)險(xiǎn)難以度量，如果我國(guó)能建立起中小企業(yè)信用庫(kù)，對(duì)中小企業(yè)信用違約進(jìn)行統(tǒng)一的記錄和監(jiān)控，一方面有利于相關(guān)部門和學(xué)者強(qiáng)化對(duì)中小企業(yè)信用違約情況的研究和中小企業(yè)信用風(fēng)險(xiǎn)度量方法的更好研究，另一方面有助于銀行根據(jù)數(shù)據(jù)庫(kù)的統(tǒng)計(jì)對(duì)中小企業(yè)展開授信，此外信息庫(kù)也在很大程度上對(duì)中小企業(yè)的信用違約起到很好的監(jiān)控作用。

參考文獻(xiàn)：

[1] 〔美〕林·C.托馬斯、戴維·B.埃德爾曼、喬納森·N.克魯克.信用評(píng)分及其應(yīng)用.中國(guó)金融出版社，2006.

[2] Mallick R.and Chakraborty.Crdeit Gap in Small Business：Some New Evidencd.Working Paper from EconPaper；2002.

[3] CHEN，MU-CHEN，HUANG SHIH-HSIEN.Credit scoring and rejected instances reassigning through evolutionary computation techniques[J].Expert Systems with Applications，2003（24）：433-441.

[4] 王鈺穎.供應(yīng)鏈金融下中小企業(yè)信用風(fēng)險(xiǎn)度量的研究.東華大學(xué)，2014.

[5] 謝俊平.我國(guó)中小企業(yè)融資的信用風(fēng)險(xiǎn)度量研究.華南理工大學(xué)，2013-04-06.