李森　劉媛華　黃燁　于明亮

定性與定量指標相結(jié)合的中小企業(yè)融資問題研究

李森劉媛華黃燁于明亮

中小企業(yè)在解決社會就業(yè)問題、技術(shù)創(chuàng)新問題、維持社會穩(wěn)定等方面起著重要作用，然而融資難問題一直制約著我國中小企業(yè)的健康發(fā)展。本文針對中小企業(yè)自身的特點，采用主成分分析與Logistic模型相結(jié)合的方式，同時引入定性指標與定量指標，構(gòu)建了中小企業(yè)違約概率模型，該模型考慮了誤判損失，模型擬合度較好，能夠很好地預(yù)測中小企業(yè)的違約風(fēng)險。

定性指標；定量指標；主成分分析；Logistic模型

一、引言

中小企業(yè)在解決社會就業(yè)問題、技術(shù)創(chuàng)新問題、維持社會穩(wěn)定等方面起著重要作用，然而融資難問題一直制約著我國中小企業(yè)的健康發(fā)展。盛世杰等［1］認為，引入政策性擔(dān)保機構(gòu)是解決中小企業(yè)融資難問題的有效方法。黃明剛等［2］分析了貧困地區(qū)中小企業(yè)融資現(xiàn)狀，認為中小企業(yè)融資難的主要原因在于中小企業(yè)融資信息不對稱，導(dǎo)致銀行對中小企業(yè)融資的逆向選擇、道德風(fēng)險和信貸配給不足。希倫等［3］對深圳證券交易所的20家創(chuàng)新型中小企業(yè)的數(shù)據(jù)進行了實證分析，認為利用層次分析法能夠很好地對創(chuàng)新型中小企業(yè)融資能力進行合理評價與分類。李昕陽［4］認為，商業(yè)銀行針對中小企業(yè)信用的評級體系，已無法適應(yīng)中小企業(yè)發(fā)展以及金融體制改革的要求。GiulianoIannotta等［5］認為債務(wù)市場不透明，評級信息惡化，將刺激投資者花更多的本錢在非公開信息的收集上。Kenneth S.CHAN等［6］認為，在中國，小企業(yè)信貸約束問題明顯。中國的金融改革措施并沒有有效緩解中小企業(yè)所面臨的融資難困境。本文針對中小企業(yè)自身的特點，借鑒我國商業(yè)銀行企業(yè)資信評估指標體系以及相關(guān)文獻研究，共篩選出18個定量指標（財務(wù)指標）和5個定性指標（具體內(nèi)容如表1所示），采用主成分分析與Logistic模型相結(jié)合的方式，構(gòu)建了中小企業(yè)違約概率模型。該模型考慮了誤判損失，模型擬合度較好，能夠很好地預(yù)測中小企業(yè)的違約風(fēng)險。

表1　中小企業(yè)評價指標

二、模型構(gòu)建

1.主成分分析

由于財務(wù)指標往往具有很強的相關(guān)性，而logistic模型對自變量的多維相關(guān)性較為敏感，因此，為減少變量之間的相關(guān)性，本文首先采用主成分分析方法，對財務(wù)指標進行了降維處理。本文的財務(wù)數(shù)據(jù)均來自于銳思數(shù)據(jù)庫，從2011年1月1日到2012年1月1日的制造型企業(yè)上市公司年報數(shù)據(jù)。

（1）KMO和Bartlett檢驗。主成分分析是用于把眾多相關(guān)變量縮減為較少的不相關(guān)的主成分變量的一種方法。因此，用于主成分分析的原始變量之間必須具有一定相關(guān)性，因而在做主成分分析之前，需要對數(shù)據(jù)的相關(guān)性進行檢驗，即進行KMO和Bartlett檢驗。

表2　KMO和Bartlett檢驗

由表2可以看出，KMO測度和Bartlett檢驗指標均顯示相關(guān)變量的相關(guān)性較強，有必要對相關(guān)指標進行主成分分析。

（2）基于特征值準則的因子個數(shù)的確定。財務(wù)數(shù)據(jù)的各主成分變量的特征值與貢獻率如表3所示。

表3　主成分變量的特征值與貢獻率

由表3可知，根據(jù)特征值準則，當前樣本數(shù)據(jù)條件下的初始因子個數(shù)應(yīng)該為7個。并且這7個指標的累計解釋方差的比例為78.961%，保留了原有數(shù)據(jù)的主要經(jīng)濟信息。

（3）求解主成分表達式。通過SPSS18.0求得因子負載矩陣如表4所示。

利用因子負載矩陣和特征值之間的關(guān)系，求得七個主成分的表達式為：

2.Logistic違約概率模型構(gòu)建

（1）切割點的選取。切割點的選擇對Logistic模型的預(yù)測精度有很重要的影響。由于違約企業(yè)被判為正常企業(yè)所造成的損失要明顯高于正常企業(yè)被判為違約企業(yè)所產(chǎn)生的損失，因此，在綜合考慮誤判損失和模型的預(yù)測精度的情況下，經(jīng)過多次嘗試，最終選取0.2作為切割點。

（2）Logistic模型構(gòu)建。本文以制造型上市公司作為研究對象，將違約企業(yè)定義為：公司因財務(wù)狀況異常而被特別處理的企業(yè)（即ST企業(yè)）以及2011年在訴訟仲裁中作為被告的企業(yè)。為了更加貼近實際情況，本文在構(gòu)建模型時，并沒有采取配對的方法進行樣本選擇，而是將全樣本直接引入到模型中。由于中小企業(yè)的財務(wù)規(guī)范性較差，抵御風(fēng)險的能力較弱，因此除了財務(wù)指標，本文還引入了5個定性指標來分析中小企業(yè)違約概率問題。這些定性指標數(shù)據(jù)根據(jù)呂躍進教授的依據(jù)心理因素劃分評價等級和數(shù)量等級理論來確定（詳細情況見表1）。

根據(jù)我國的中小企業(yè)劃分標準，本文共篩選出中小企業(yè)樣本142個，其中違約樣本23個，正常樣本119個。運用spss18.0軟件對七個定量指標（Y1、Y2、Y3、Y4、Y5、Y6、Y7）和五個定性指標（X19、X20、X21、X22、X23）進行l(wèi)ogistic回歸分析，最終得出logistic模型為：

H-L擬合度檢驗結(jié)果如表5所示。

用于H-L檢驗的卡方值7.265< 15.507，Sig.值0.508>0.05，據(jù)此可以判知H-L檢驗可以通過。

準確度的檢測結(jié)果如表6所示。

表6　logistic模型分類表

通過表6可以看出，同時引入定性指標與定量指標，采用主成分分析與Logis?tic模型相結(jié)合的方式對中小企業(yè)違約風(fēng)險進行度量時，模型的準確率為82.4%。在信用較好的119家企業(yè)中，有101家分類正確，18家分類錯誤，分類正確率為84.9%；在信用較差的23家企業(yè)中，有16家分類正確，7家分類錯誤，分類正確率為69.6%。由此可以看出，該模型的檢測精度較好。

三、結(jié)論

由于中小企業(yè)的財務(wù)規(guī)范性較差，抵御風(fēng)險的能力較弱，因此本文在構(gòu)建模型時，同時引入了定性指標與定量指標，并針對中小企業(yè)自身的特點，采用主成分分析與Logistic模型相結(jié)合的方式，構(gòu)建了中小企業(yè)違約概率模型。通過引入定性指標，減少了對財務(wù)指標的依賴和中小企業(yè)財務(wù)不規(guī)范的影響，所構(gòu)建的模型擬合度較好，能夠很好地預(yù)測中小企業(yè)的違約風(fēng)險，為進一步探討中小企業(yè)融資難問題奠定了基礎(chǔ)。

［1］盛世杰.周遠游.劉莉亞.引入擔(dān)保機構(gòu)破解中小企業(yè)融資難：基于期權(quán)策略的機制設(shè)計［J］.財經(jīng)研究.2016，42（6）：63-73.

［2］黃明剛.楊昀.貧困地區(qū)中小企業(yè)融資模式創(chuàng)新研究——基于互聯(lián)網(wǎng)金融新業(yè)態(tài)視角［J］.技術(shù)經(jīng)濟與管理研究，2016（5）：55-59.

［3］希倫.呂隨啟.基于層次分析法的創(chuàng)新型中小企業(yè)融資能力［J］.北京航空航天大學(xué)學(xué)報（社會科學(xué)版），2016，29（3）：108-111.

［4］李昕陽.芻議以財務(wù)評價為核心的商業(yè)銀行中小企業(yè)信用評級體系重構(gòu)［J］.商業(yè)經(jīng)濟.2012（4）：110-117.

［5］GiulianoIannotta，GiacomoNocera，AndreaResti.Do investors care about credit ratings？An anal?ysis through the cycle［J］.Journal of Financial Stability，2013，9（4）：545-555.

［6］KennethS.CHAN，VinhQ.T.DANG，IsabelK.M.YAN.Financial reform and fi nancing con?straints：Some evidence from listedChinese firms［J］.ChinaEconomicReview，2012（23）：482-497.

（作者單位：上海理工大學(xué)公共實驗中心、上海理工大學(xué)管理學(xué)院）

10.16653/j.cnki.32-1034/f.2016.15.031