趙圍瀚+李明鑒+魯亮

【摘要】信用評(píng)分技術(shù)的出現(xiàn)，使商業(yè)銀行找到一種有效評(píng)價(jià)、防范小微企業(yè)風(fēng)險(xiǎn)和控制貸款管理成本的信貸技術(shù)。但是這項(xiàng)技術(shù)在我國(guó)還不成熟，本文通過(guò)對(duì)山東省棗莊市與江蘇省南京市商業(yè)銀行以及對(duì)江蘇省南京市農(nóng)村小微企業(yè)的調(diào)查，試圖分析我國(guó)商業(yè)銀行在使用信用評(píng)分技術(shù)上的不足并提出相關(guān)建議。

【關(guān)鍵詞】信用評(píng)分技術(shù) 農(nóng)村小微企業(yè) 商業(yè)銀行

一、引言

隨著我國(guó)經(jīng)濟(jì)的高速發(fā)展，小微企業(yè)在經(jīng)濟(jì)發(fā)展中的重要地位逐漸被人們所認(rèn)識(shí)，它們提供了更多的就業(yè)機(jī)會(huì)和創(chuàng)新能力，但是小微企業(yè)的發(fā)展受到很大制約，集中表現(xiàn)在融資難問(wèn)題上。財(cái)務(wù)信息不透明導(dǎo)致的銀企信息不對(duì)稱是小微企業(yè)難以獲得銀行貸款的重要原因。而信用評(píng)分技術(shù)的出現(xiàn)，使商業(yè)銀行找到一種有效評(píng)價(jià)、防范小企業(yè)風(fēng)險(xiǎn)和控制貸款管理成本的信貸技術(shù)。

二、信用評(píng)分技術(shù)的介紹

信用評(píng)分自20世紀(jì)50年代首次運(yùn)用于信用卡貸款領(lǐng)域的信貸申請(qǐng)?jiān)u估后，銀行又將這一技術(shù)應(yīng)用于其他信貸產(chǎn)品，如汽車貸款、住房貸款等，到90年代中期它已成為銀行業(yè)評(píng)估并發(fā)放消費(fèi)貸款的主流方法。

（一）信用評(píng)分技術(shù)的含義

信用評(píng)分是銀行運(yùn)用現(xiàn)代數(shù)理統(tǒng)計(jì)模型和計(jì)算機(jī)系統(tǒng)對(duì)客戶的信用情況進(jìn)行分析、預(yù)測(cè)并作出信貸決策的新技術(shù)。

（二）信用評(píng)分技術(shù)的原理

信用評(píng)分的基本原理是：銀行首先通過(guò)對(duì)企業(yè)歷史數(shù)據(jù)的分析，選擇與信用風(fēng)險(xiǎn)密切相關(guān)的若干特征變量建立模型，然后根據(jù)模型對(duì)貸款申請(qǐng)者未來(lái)還款能力進(jìn)行預(yù)測(cè)并作出信貸決策。在實(shí)務(wù)中，銀行根據(jù)影響企業(yè)還款的各項(xiàng)因素指標(biāo)打分，根據(jù)指標(biāo)打分值與指標(biāo)所占比重相乘，得到總的信用評(píng)分值。銀行根據(jù)自身所能接受的風(fēng)險(xiǎn)程度設(shè)置一個(gè)得分下限，如果貸款申請(qǐng)人得分超過(guò)這一下限，計(jì)算機(jī)系統(tǒng)計(jì)算出的結(jié)果將建議發(fā)放貸款，否則拒絕發(fā)放貸款。對(duì)于拒絕發(fā)放的貸款，銀行如果認(rèn)為仍有審批的必要，就派人實(shí)地再調(diào)查，確認(rèn)企業(yè)情況仍比較好就將系統(tǒng)信用評(píng)分轉(zhuǎn)為手工審批，通過(guò)專家經(jīng)驗(yàn)進(jìn)行判斷再?zèng)Q定是否發(fā)放貸款。

三、信用評(píng)分技術(shù)應(yīng)用的案例分析——以山東省棗莊市與江蘇省南京市為例

為了研究信用評(píng)分技術(shù)在我國(guó)商業(yè)銀行的應(yīng)用情況，本文以山東省棗莊市與江蘇省南京市為例，實(shí)地調(diào)查了兩地各一家商業(yè)銀行，山東省棗莊市薛城區(qū)的商業(yè)銀行A以及江蘇省南京市高淳區(qū)的商業(yè)銀行B，其中銀行A資產(chǎn)規(guī)模較大，是大銀行，銀行B資產(chǎn)規(guī)模較小，是小銀行，對(duì)兩家商業(yè)銀行信用評(píng)分技術(shù)的應(yīng)用進(jìn)行案例分析。

（一）對(duì)山東棗莊市薛城區(qū)的商業(yè)銀行A的案例分析

該行小微企業(yè)信用評(píng)分技術(shù)的使用以小微企業(yè)評(píng)分卡信貸業(yè)務(wù)的模式體現(xiàn)，結(jié)合國(guó)際先進(jìn)理念，根據(jù)小微企業(yè)歷史數(shù)據(jù)，采用邏輯回歸等統(tǒng)計(jì)方法，結(jié)合專家意見(jiàn)開(kāi)發(fā)形成，用于債項(xiàng)評(píng)價(jià)、貸后管理、續(xù)貸業(yè)務(wù)，包括申請(qǐng)?jiān)u分卡和行為評(píng)分卡。申請(qǐng)?jiān)u分卡根據(jù)小微企業(yè)歷史業(yè)務(wù)數(shù)據(jù)回歸形成數(shù)據(jù)驅(qū)動(dòng)指標(biāo)，并采用專家調(diào)整策略方式對(duì)小微企業(yè)客戶申請(qǐng)情況進(jìn)行補(bǔ)充分析，為貸款審批決策提供依據(jù)。

該評(píng)分卡模型框架由數(shù)據(jù)驅(qū)動(dòng)和專家調(diào)整策略指標(biāo)組成。

（1）數(shù)據(jù)驅(qū)動(dòng)模型變量：數(shù)據(jù)驅(qū)動(dòng)模型變量主要是企業(yè)申請(qǐng)貸款的條件，包括申請(qǐng)貸款的額度、擔(dān)保方式和貸款期限等以及企業(yè)高管的基本信息，包括年齡、受教育水平等，企業(yè)會(huì)得到一個(gè)數(shù)據(jù)驅(qū)動(dòng)模型評(píng)分結(jié)果，數(shù)據(jù)驅(qū)動(dòng)模型按照小微企業(yè)零售評(píng)分卡的分值規(guī)則分為“高分段”、“中分段”、“低分段”。

（2）專家調(diào)整策略模型變量：這些變量主要涉及企業(yè)的財(cái)務(wù)信息、穩(wěn)定性、企業(yè)主還款能力，是對(duì)企業(yè)主違約風(fēng)險(xiǎn)的度量，企業(yè)會(huì)得到一個(gè)專家調(diào)整策略模型評(píng)分結(jié)果，專家調(diào)整策略模型按照分?jǐn)?shù)高低分為“高風(fēng)險(xiǎn)”、“中風(fēng)險(xiǎn)”、“低風(fēng)險(xiǎn)”。

（3）在對(duì)小微企業(yè)進(jìn)行評(píng)分處理時(shí)，以上兩類模型結(jié)合起來(lái)使用：兩個(gè)模型的分?jǐn)?shù)按照下表進(jìn)行二維表對(duì)應(yīng)，分為“推薦通過(guò)”、“一般通過(guò)”和“建議拒絕”三種，審批人按照對(duì)應(yīng)區(qū)間的建議審批政策進(jìn)行審批。

（4）在完成以上評(píng)分之后，銀行會(huì)對(duì)企業(yè)進(jìn)行貸款配額、定價(jià)、審批。其配額與定價(jià)策略都是根據(jù)企業(yè)在以上兩個(gè)模型中的評(píng)分結(jié)果來(lái)給予貸款的配額與定價(jià)，分?jǐn)?shù)越高，獲得的貸款額度就越大，貸款的利率就會(huì)越低，這是銀行對(duì)信用程度高、違約風(fēng)險(xiǎn)低的良好企業(yè)的優(yōu)惠與便利。

其審批策略包括：自動(dòng)拒絕、高分挑選、低分挑選與挽救策略，每個(gè)策略都有一定的條件。自動(dòng)拒絕策略是對(duì)那些不滿足基本準(zhǔn)入條件的企業(yè)，系統(tǒng)會(huì)自動(dòng)拒絕其申請(qǐng)；高分挑選策略是對(duì)那些“推薦通過(guò)”的客戶，通過(guò)人工審批將其中滿足某一條件、有不良信用而未被檢測(cè)的企業(yè)淘汰；低分挑選是對(duì)那些“建議拒絕”的客戶，通過(guò)人工審批將其中滿足某一條件、信用較好而未被檢測(cè)的企業(yè)挑選出來(lái)；挽救策略是對(duì)系統(tǒng)自動(dòng)拒絕的客戶，若滿足其條件，會(huì)對(duì)其重新進(jìn)行人工審批。

以上是該商業(yè)銀行信用評(píng)分技術(shù)的整個(gè)流程，能夠看出，作為資產(chǎn)規(guī)模較大的銀行，整個(gè)過(guò)程的完成，科學(xué)、嚴(yán)密，先評(píng)分，再配額、定價(jià)，最后審批，而配額、定價(jià)都是根據(jù)評(píng)分結(jié)果進(jìn)行的，審批更是全面，在好客戶中篩選不好的，在壞客戶中篩選不壞的，盡量不遺漏，而且其中過(guò)程大都是由計(jì)算機(jī)完成，信息獲取也從銀行內(nèi)部信息庫(kù)獲取，信用評(píng)分的效率高、成本低。

但是，在對(duì)銀行A進(jìn)行調(diào)查時(shí)，我們發(fā)現(xiàn)，銀行A自從2014年使用信用評(píng)分技術(shù)以來(lái)取得的效果甚微，在2016年內(nèi)，只有不到10家農(nóng)村小微企業(yè)在銀行申請(qǐng)過(guò)貸款，數(shù)量很少，而且企業(yè)的評(píng)分結(jié)果也很低，說(shuō)明銀行A的信用評(píng)分技術(shù)并沒(méi)有對(duì)該地區(qū)農(nóng)村小微企業(yè)的貸款的獲得性有顯著提高，說(shuō)明銀行A信用評(píng)分技術(shù)存在問(wèn)題。

理論上分析銀行A信用評(píng)分技術(shù)的使用：

首先，不同規(guī)模銀行信用評(píng)分審批方式不同，其中一種是銀行根據(jù)信用評(píng)分自動(dòng)做出貸款批準(zhǔn)/拒絕的決策，這種方法可稱作“懶惰式”策略。由于減少了大量的人力投入，可降低銀行的貸款審查成本。若貸款量足夠大，可實(shí)現(xiàn)銀行的規(guī)模經(jīng)濟(jì)，分散異質(zhì)化風(fēng)險(xiǎn)，還可以增加貸款產(chǎn)生階段和服務(wù)階段的手續(xù)費(fèi)收入，以及通過(guò)證券化和貸款出售等方式回收稀缺的銀行資本。大規(guī)模銀行更傾向于這種審批方式，而且大銀行獲取的信息以企業(yè)財(cái)務(wù)信息為主，銀行A就是這樣的大銀行。

其次，信用評(píng)分技術(shù)起源于個(gè)人消費(fèi)信貸領(lǐng)域，而小企業(yè)貸款與消費(fèi)者信貸有相似之處：筆數(shù)多、數(shù)額小、交易成本高，小企業(yè)的信貸價(jià)值與其所有者的信貸價(jià)值緊密相聯(lián)[5]，因此大銀行獲取的以企業(yè)財(cái)務(wù)信息為主的信息并不能準(zhǔn)確反映小微企業(yè)的償債能力與違約風(fēng)險(xiǎn)，所以大銀行的信用評(píng)分技術(shù)的應(yīng)用效果不明顯，銀行A的案例驗(yàn)證了這點(diǎn)。

（二）對(duì)江蘇南京市高淳區(qū)的商業(yè)銀行B信用評(píng)分技術(shù)的案例分析

該行小微企業(yè)信用評(píng)分技術(shù)的使用以一系列評(píng)分表的模式體現(xiàn)。

（1）首先是準(zhǔn)入評(píng)分表：準(zhǔn)入評(píng)分表只是小微企業(yè)貸款準(zhǔn)入的評(píng)判依據(jù)，如果企業(yè)評(píng)分表得分超過(guò)60分，則銀行其次使用軟信息測(cè)評(píng)表繼續(xù)對(duì)企業(yè)進(jìn)行評(píng)分。

（2）軟信息評(píng)分表，這個(gè)表將企業(yè)主的軟信息給硬化處理，其中銀行對(duì)企業(yè)主的個(gè)人基本信息方面尤為重視，包括企業(yè)主的家庭信息、信用信息、財(cái)務(wù)信息、側(cè)面信息等，而對(duì)于企業(yè)的財(cái)務(wù)信息則極少關(guān)注，比如償債能力指標(biāo)、營(yíng)運(yùn)能力指標(biāo)等。企業(yè)在軟信息評(píng)分表的得分達(dá)到70分以上，最后還需要經(jīng)過(guò)邏輯檢驗(yàn)表的檢測(cè)。

（3）邏輯檢驗(yàn)表，邏輯檢驗(yàn)表是檢查企業(yè)主的誠(chéng)信程度的工具，通過(guò)企業(yè)主口述營(yíng)業(yè)收入與營(yíng)業(yè)利潤(rùn)與銀行實(shí)際調(diào)查的營(yíng)業(yè)收入與營(yíng)業(yè)利潤(rùn)之比表示偏差率，偏差率在0.2以下的客戶才允許發(fā)放貸款。

商業(yè)銀行B的信用評(píng)分技術(shù)需要通過(guò)三個(gè)檢測(cè)表完成對(duì)客戶的信用評(píng)分。

可以看出，商業(yè)銀行B作為資產(chǎn)規(guī)模較小的銀行，其信用評(píng)分技術(shù)的整個(gè)流程較為簡(jiǎn)單，主要由以上三個(gè)表組成，而且獲取信息的渠道主要是信貸員對(duì)企業(yè)主的實(shí)地調(diào)查，信用評(píng)分的效率因此比較低，成本比較高。

經(jīng)過(guò)調(diào)查，發(fā)現(xiàn)銀行B是2015年開(kāi)始使用信用評(píng)分技術(shù)的，而且銀行B自使用信用評(píng)分技術(shù)以來(lái)，對(duì)小微企業(yè)的貸款額有顯著上升，小微企業(yè)不良貸款率下降，信用評(píng)分技術(shù)效果明顯。

理論上分析銀行B信用評(píng)分技術(shù)的使用：

（1）不同規(guī)模銀行信用評(píng)分審批方式不同：信用評(píng)分被用做第一階段的篩選器，以較低成本來(lái)辨別那些明顯可拒絕或批準(zhǔn)的貸款申請(qǐng)，這種方法稱為“審慎式”策略。若使用得當(dāng)， 該方法可以降低銀行的全面審查貸款成本且不影響貸款質(zhì)量。這是小規(guī)模銀行經(jīng)常使用的審批方式，而且，小銀行收集的特征變量基本是關(guān)于企業(yè)主的基本信息，銀行B就是如此。

（2）信用評(píng)分技術(shù)起源于個(gè)人消費(fèi)信貸領(lǐng)域，而小企業(yè)貸款與消費(fèi)者信貸有相似之處：筆數(shù)多、數(shù)額小、交易成本高，小企業(yè)的信貸價(jià)值與其所有者的信貸價(jià)值緊密相聯(lián)，從小企業(yè)主個(gè)人的基本信息，就可相當(dāng)準(zhǔn)確地預(yù)期小企業(yè)的還款表現(xiàn)。銀行B主要調(diào)查小微企業(yè)主的基本信息，因此信用評(píng)分效果較顯著。

銀行A與銀行B收集的信息種類有較大差異，小規(guī)模銀行與企業(yè)主關(guān)系較為密切，易于獲取企業(yè)主的基本信息，大規(guī)模銀行與企業(yè)主關(guān)系較為疏遠(yuǎn)，但是銀行內(nèi)部擁有企業(yè)的財(cái)務(wù)數(shù)據(jù)，獲取成本較低。案例分析中，大銀行B獲取企業(yè)財(cái)務(wù)信息，其信用評(píng)分效果并不好，而小銀行A獲取企業(yè)主基本信息，其信用評(píng)分效果較顯著，接下來(lái)通過(guò)實(shí)證分析來(lái)檢驗(yàn)其結(jié)果如何。

四、信用評(píng)分技術(shù)的應(yīng)用與農(nóng)村小微企業(yè)貸款可獲得性的實(shí)證分析——以江蘇省南京市為例

本文對(duì)江蘇省南京市高淳區(qū)農(nóng)村小微企業(yè)實(shí)地調(diào)研，根據(jù)被調(diào)查小微企業(yè)的相關(guān)數(shù)據(jù)，建立多元線性回歸模型，對(duì)信用評(píng)分技術(shù)的應(yīng)用情況進(jìn)行實(shí)證分析，驗(yàn)證企業(yè)主基本信息、企業(yè)財(cái)務(wù)信息與信用評(píng)分技術(shù)的使用對(duì)小微企業(yè)貸款可獲得性的影響。

根據(jù)調(diào)查，商業(yè)銀行B所使用的信用評(píng)分技術(shù)的特征變量主要是企業(yè)主的基本信息以及與銀行的信貸關(guān)系，本文選取其中個(gè)別變量作為分析對(duì)象，另外，根據(jù)理論研究，衡量企業(yè)違約風(fēng)險(xiǎn)的因素包括企業(yè)的償債能力和營(yíng)運(yùn)能力，因此本文將企業(yè)的資產(chǎn)負(fù)債率和營(yíng)業(yè)利潤(rùn)率也作為分析對(duì)象（也是大銀行A獲取的主要信息），建立多元線性回歸模型。

CA=β0+X1β1+X2β2+X3β3+X4β4+X5β5+X6β6+X7β7

變量的具體描述見(jiàn)下表：

回歸結(jié)果分析：

經(jīng)多重共線性和異方差檢驗(yàn)，模型不存在多重共線性和異方差性。

由以上回歸結(jié)果可以看出：

（1）β1=0.189797，信用評(píng)分技術(shù)的使用對(duì)于該地區(qū)小微企業(yè)的貸款可獲得性是正相關(guān)關(guān)系，而且在α=5%的水平下顯著，說(shuō)明信用評(píng)分技術(shù)確實(shí)提高了小微企業(yè)貸款可獲得性。

（2）根據(jù)P檢驗(yàn)，在α=5%的情況下，X2、X3、X4、X5的P值遠(yuǎn)小于α，而X6、X7的P值大于α，說(shuō)明企業(yè)主的基本信息對(duì)貸款可獲得性的影響是顯著的，而企業(yè)的重要財(cái)務(wù)信息對(duì)貸款可獲得性的影響并不顯著。

五、主要結(jié)論

（1）信用評(píng)分技術(shù)的使用能夠提高小微企業(yè)貸款可獲得性、降低商業(yè)銀行小微企業(yè)不良貸款率，對(duì)改善小微企業(yè)融資起到重要作用。

（2）商業(yè)銀行在使用信用評(píng)分技術(shù)時(shí)，會(huì)有不同的選擇，這些選擇包括：使用“審慎式”或者“懶惰式”的方式、獲取與企業(yè)主相關(guān)的基本信息還是與企業(yè)有關(guān)的財(cái)務(wù)信息、應(yīng)用的信用評(píng)分模型等等，銀行在做出選擇所依據(jù)的是企業(yè)的特征，如果銀行根據(jù)自身特征做出選擇就會(huì)產(chǎn)生問(wèn)題，大銀行內(nèi)部數(shù)據(jù)庫(kù)完善，容易獲取硬信息，在使用信用評(píng)分技術(shù)時(shí)以“懶惰式”方式為主，這樣會(huì)降低信用評(píng)分技術(shù)的準(zhǔn)確性。

（3）不同規(guī)模的銀行在使用信用評(píng)分技術(shù)時(shí)的方式與獲取的變量信息不同：大銀行內(nèi)部數(shù)據(jù)庫(kù)完善，容易獲取硬信息，在使用信用評(píng)分技術(shù)時(shí)以“懶惰式”方式為主，預(yù)測(cè)準(zhǔn)確性較低，而小銀行以“審慎式”方式為主，獲取軟信息為主，預(yù)測(cè)準(zhǔn)確性較高，大銀行如果想要想小微企業(yè)發(fā)放貸款業(yè)務(wù)，降低小微企業(yè)不良貸款率，需向小銀行學(xué)習(xí)，改變自身信用評(píng)分技術(shù)的特征變量，獲取與企業(yè)主有關(guān)的基本信息，這樣才能提高小微企業(yè)貸款可獲性，拓寬自身業(yè)務(wù)渠道。小銀行也需向大銀行學(xué)習(xí)建立銀行內(nèi)部的信息數(shù)據(jù)庫(kù)，減少信息搜查的成本。

六、我國(guó)商業(yè)銀行應(yīng)用信用評(píng)分技術(shù)的建議

（一）合理細(xì)分市場(chǎng)

我國(guó)銀行可以利用信用評(píng)分模型對(duì)本地區(qū)的小微企業(yè)客戶進(jìn)行細(xì)分，同時(shí)針對(duì)細(xì)分的客戶群進(jìn)一步開(kāi)發(fā)出與其特征相對(duì)應(yīng)的信貸創(chuàng)新產(chǎn)品，在通用信用評(píng)分模型的基礎(chǔ)上再次細(xì)分。銀行要從可能接觸到小微企業(yè)信用評(píng)分的相關(guān)職能部門(mén)中抽調(diào)人員組成小微企業(yè)貸款工作小組，并選擇客戶群和相關(guān)信貸產(chǎn)品。工作小組還應(yīng)該推動(dòng)整個(gè)銀行對(duì)小微企業(yè)信用評(píng)分系統(tǒng)的正確理解及應(yīng)用，從而開(kāi)發(fā)針對(duì)特定行業(yè)以及貸款項(xiàng)目的更實(shí)用、預(yù)測(cè)精準(zhǔn)度更高的專用信用評(píng)分模型。

（二）謹(jǐn)慎選擇數(shù)據(jù)樣本和特征變量

商業(yè)銀行可以選擇某地區(qū)5年內(nèi)全部類型小微企業(yè)客戶的資料包括“好客戶”、“壞客戶”以及申請(qǐng)被拒絕客戶）作為模型樣本總數(shù)量，然后按照業(yè)務(wù)需求、數(shù)據(jù)結(jié)構(gòu)、企業(yè)性質(zhì)及歷史經(jīng)驗(yàn)，對(duì)相關(guān)樣本數(shù)據(jù)進(jìn)一步細(xì)分。對(duì)于一些相似或重復(fù)數(shù)據(jù)，銀行需要檢查并合并數(shù)據(jù)才可以建立數(shù)據(jù)集合。通過(guò)對(duì)數(shù)據(jù)整理分析找出數(shù)據(jù)具有的內(nèi)在關(guān)聯(lián)性，從而調(diào)整數(shù)據(jù)樣本變量，選擇那些有較強(qiáng)能力的變量，主要是企業(yè)主的基本信息變量。

（三）大小銀行相互學(xué)習(xí)，取長(zhǎng)補(bǔ)短

大銀行在做小微企業(yè)貸款業(yè)務(wù)、使用信用評(píng)分技術(shù)時(shí)，在信用評(píng)分特征變量的選擇上需要借鑒小銀行，選擇與企業(yè)主有關(guān)的基本信息為主，而放棄一些企業(yè)的財(cái)務(wù)信息，提高信用評(píng)分技術(shù)的準(zhǔn)確性；而小銀行需要想大銀行學(xué)習(xí)，建立銀行內(nèi)部的數(shù)據(jù)庫(kù)，減少信息搜查成本，提高利潤(rùn)。這樣大小銀行都可以開(kāi)展小微企業(yè)貸款業(yè)務(wù)，形成良好競(jìng)爭(zhēng)關(guān)系，促進(jìn)小微企業(yè)融資的改善。

七、總結(jié)

國(guó)內(nèi)外經(jīng)驗(yàn)表明：信用評(píng)分技術(shù)使商業(yè)銀行在緩解小微企業(yè)融資問(wèn)題上具有顯著效果，但是我國(guó)商業(yè)銀行在使用信用評(píng)分技術(shù)上還不成熟，需要不斷改進(jìn)，特別是信用評(píng)分特征變量的選擇，應(yīng)以企業(yè)主基本信息為主，大銀行需要向小銀行學(xué)習(xí)，提高信用評(píng)分技術(shù)預(yù)測(cè)的準(zhǔn)確性，良好地開(kāi)展小微企業(yè)貸款業(yè)務(wù)，擴(kuò)大小微企業(yè)融資渠道。

Abstract：Commercial banks can prevent small enterprise management risks and control credit cost by credit score technology. But this technology is not mature in my nation. This paper attempt to analyze the weaknesses of using of credit score technology in commercial banks in my nation by searching commercial banks in Shangdong， Zaozhuang and Jiangsu， Nanjing and rural small businesses in Jiangsu， Nanjing.

Key words：Credit Score Technology Rural Small Business Commercial Bank

參考文獻(xiàn)：

[1]鄧超， 胡威， 唐瑩. 國(guó)內(nèi)外小企業(yè)信用評(píng)分研究動(dòng)態(tài)[J]. 國(guó)際金融研究， 2010，（10）.

[2]陳冬， 唐建新. 美國(guó)信用評(píng)分與小企業(yè)貸款研究[J]. 武漢大學(xué)學(xué)報(bào)哲學(xué)社會(huì)科學(xué)版， 2007， （6）.

[3]陳昌飛. 淺析信用評(píng)分技術(shù)與中小企業(yè)貸款[J]. 商品與質(zhì)量：理論研究， 2011，（S9）.

[4]黎月紅， 徐藝心. 我國(guó)小企業(yè)貸款應(yīng)用信用評(píng)分技術(shù)的研究[J]. 區(qū)域金融研究， 2010，（12）.

[5]吳智暉. 小企業(yè)信用評(píng)分模型：關(guān)鍵技術(shù)與應(yīng)用[J]. 中小企業(yè)管理與科技旬刊， 2015，（6）.

[6]吳潔.信用評(píng)分技術(shù)在中小企業(yè)貸款中的應(yīng)用[J].現(xiàn)代金融， 2005，（8）.

[7]錢(qián)水土， 黃震宇. 信用評(píng)分模型在中小企業(yè)信貸評(píng)估中的應(yīng)用[J]. 商業(yè)經(jīng)濟(jì)與管理， 2004，（2）.