孟 斌,遲國泰

(大連理工大學管理與經濟學部,遼寧大連116024)

1 引 言

債信評級是對具體的一筆貸款或公司債券等進行的評級,以確定這筆貸款或債券回收本息的概率.債信評級的本質是違約風險評級,衡量客戶或一筆貸款違約的可能性.因此,不論是大中型企業(yè)還是小企業(yè),它的評級體系必須符合債信等級越高、違約損失率越低的標準.同時,遴選出的評級指標也必須對違約狀態(tài)有鑒別能力.不管這個指標來自于教科書還是流行文獻,即使在實際體系中應用頻率很高,被人們使用的次數很多,只要它對區(qū)分企業(yè)的違約與否狀態(tài)不顯著,都不應該納入評級指標體系.

小企業(yè)是國民經濟中最活躍的經濟成分之一.據統計,占中國企業(yè)數量98%以上的小企業(yè),對GDP貢獻率超過60%,對收稅的貢獻率超過50%,提供了85%的中國新增就業(yè)崗位,創(chuàng)造了75%的新產品,發(fā)明專利占比65%,在就業(yè)和創(chuàng)新等方面都發(fā)揮著重要作用.但是,小企業(yè)由于財務信息不健全、抵質押品欠缺等特點,普遍存在貸款融資難的問題[1].如何解決好小企業(yè)融資難的問題,成為迫切需要解決的難題之一.建立合理的小企業(yè)債信評級體系有利于解決小企業(yè)貸款融資難的現狀,為銀行對小企業(yè)的信用狀況進行科學評估提供依據.

1)企業(yè)信用風險評級指標體系研究現狀

業(yè)界流行的5C原則是企業(yè)信用評級指標體系的主要標準之一.5C原則的評級指標體系從資本(capital)、品德(character)、能力(capacity)、環(huán)境(condition)、擔保(collateral)五個方面對客戶的還款能力和還款意愿進行評價[2].作為美國信用評價先驅的標普、穆迪和鄧白氏通過流動比率、速動比率和資產報酬率等反映企業(yè)真實清償能力的重要財務指標進行企業(yè)信用評價[3].加拿大皇家銀行主要通過企業(yè)的財務狀況對企業(yè)進行信用評級[4].中國建設銀行通過金融財務風險評價指標、賬戶行為評價指標和定性評價指標三個方面進行小企業(yè)信用風險評級[5].中國工商銀行通過企業(yè)的償債能力、經營情況、發(fā)展前景、管理層現狀等方面對企業(yè)進行信用評級[6].上海浦東發(fā)展銀行主要通過財務報表中的財務信息對小企業(yè)的信用風險進行評定[7].中國郵政儲蓄銀行的評價體系增加了宏觀環(huán)境準則層的影響[8].

標普、穆迪、鄧白氏等國外典型金融機構評級指標體系的共同特點是:評級對象都是針對大中型企業(yè),并不適合財務信息不完善的中國小企業(yè)信用評級研究.中國建設銀行、中國工商銀行等國內典型金融機構評級指標體系的共同特點是:債信等級的劃分結果僅僅是根據客戶信用得分的高低對客戶進行不同等級的分類,并不能確定每個債信等級的年違約損失率.

2)企業(yè)信用風險評級方法研究現狀

一是評級指標篩選方法的研究現狀.Vytautas等通過判別分析、logistic回歸和神經網絡三種方法對評價指標進行篩選[9].Chen通過粗糙集進行指標篩選,建立了亞洲銀行信用評價體系[10].Peter等通過邏輯回歸方程進行指標篩選,進而對銀行的財務實力進行評定[11].二是信用評分模型的研究現狀.陳雄華等建立了基于神經網絡的企業(yè)債信等級評定方法[12].唐振鵬提出一種基于藤copula的信用測度模型[13].趙亦軍等利用CFaR構建企業(yè)信用風險評估模型構建[14].徐超設計了一個根據專家判斷法和定量模型法的混合型貸款信用評分模型[15].三是債信等級劃分的研究現狀.Kai等通過DEA模型對中國商業(yè)銀行的債信等級進行劃分[16].Morningstar公司將客戶分為AAA、AA+、AA、AA-、A+、…、CC共14個債信等級,并設定了每個等級的信用得分[17].Moon等把客戶分為10個等級,90分以上的客戶為AAA級、85分～89分的客戶為AA級、…、50分以下的客戶為D級[18].

現有研究的不足:一是評級指標的篩選標準并不根據指標是否對違約狀態(tài)具有顯著的判別能力,這就明顯地有悖于信用風險(credit risk)評價即違約風險(default risk)評價這個根本目的,難免導致這種評級體系不能有效地區(qū)分違約企業(yè)和非違約企業(yè),也難免導致在這種評級體系下,債信等級高的客戶、違約率反而不低的現象.二是現有的評級體系并不根據違約鑒別能力的大小刪除反應信息重復的指標,這會導致指標的重疊與信息冗余,或導致違約鑒別能力強的指標反而被誤刪.三是現有債信等級的指標權重并不能保證對違約狀態(tài)鑒別能力越強的指標、權重越大.

本文以中國某一區(qū)域性商業(yè)銀行的京、津、滬、渝等地區(qū)14個分行的1 231筆小企業(yè)貸款數據為樣本,從企業(yè)內部財務因素、企業(yè)外部宏觀環(huán)境、抵質押擔保等七個準則建立小企業(yè)債信評級體系.根據指標對違約狀態(tài)鑒別精度的影響程度進行第一次篩選,保證遴選出的指標對違約狀態(tài)鑒別能力都有顯著影響;根據準則內R聚類進行第二次篩選,避免遴選出的指標反映信息重復,構建了一套能顯著區(qū)分小企業(yè)違約狀態(tài)的評級體系.實證結果表明:速動比率、法人代表信用卡記錄等21個指標構成的指標體系不但可以顯著區(qū)分小企業(yè)的違約狀態(tài)、而且避免了重復反映信息的指標重疊和冗余.

2 小企業(yè)債信評級的原理

小企業(yè)債信評級有三個特點:一是財務信息不完善.相當多的小企業(yè)財務制度過于簡單,缺少可信的財務報表,影響了對其信用風險的判斷.二是受環(huán)境影響大,抗風險能力弱.由于小企業(yè)規(guī)模不大,抗風險能力相對薄弱,商業(yè)銀行難以準確把握企業(yè)的市場風險和自身風險,無法滿足銀行的授信標準.三是合格抵質押品欠缺.小企業(yè)的主要抵押物是房地產.據統計,60%以上的小企業(yè)沒有取得土地使用證、房屋所有權證[1].甚至不少企業(yè)的廠房是租用的,嚴重制約了小企業(yè)的貸款.

小企業(yè)債信評級存在三個難點.難點一:如何篩選出能夠顯著區(qū)分違約和非違約客戶的指標.理論與實踐中流行的指標不一定對違約狀態(tài)有較強的鑒別能力.難點二:如何避免評級體系中指標反映信息的重復、指標重疊或指標冗余;如何避免在反映信息重復的指標中、誤刪對違約狀態(tài)鑒別能力強的指標.難點三:如何保證指標對違約狀態(tài)鑒別能力越強,指標的權重越大.

針對上述三個難點,一方面,將所有客戶第i個指標的數據分為違約和非違約兩類樣本,根據違約樣本均值偏離全部樣本均值程度越大、則違約樣本均值偏離非違約樣本均值也大、這個指標越能顯著區(qū)分違約與否狀態(tài)的思路,遴選通過方差齊性檢驗的指標,建立了能顯著區(qū)分違約狀態(tài)與否的信用評級指標體系.另一方面,在通過R聚類聚成的同類指標中,根據違約樣本均值偏離全部樣本均值程度越大、這個指標區(qū)分違約狀態(tài)能力越強的思路保留方差齊性檢驗值最大、即對違約狀態(tài)影響最大的指標,剔除其余指標,避免了現有研究在剔除冗余指標時、對違約狀態(tài)影響大的指標可能被誤刪的不足.最后,根據違約樣本均值偏離全部樣本均值程度越大、這個指標區(qū)分違約狀態(tài)能力越強、權重越大的思路對指標進行賦權,使指標權重的大小反映指標鑒別違約狀態(tài)能力的大小,彌補了現有研究的指標賦權與違約狀態(tài)鑒別能力無關的弊端.小企業(yè)債信評級的原理如圖1所示.

圖1 小企業(yè)債信評級的原理Fig.1 Principle of debt rating for small enterprises

3 小企業(yè)債信評級體系建立的方法

3.1 指標數據的標準化方法

指標數據標準化的目的是將指標數值轉化為[0,1]之間的數,消除單位和量綱的不一致,為小企業(yè)信用評價指標篩選提供數據基礎.指標可以分為正向、負向、區(qū)間型和定性指標四類.正向指標是指數值越大、小企業(yè)信用狀況越好的指標,例如“凈利潤”等指標.負向指標是指數值越小、小企業(yè)信用狀況越好的指標,例如“全部資本化率”等指標.設xij為第i個指標第j個企業(yè)的標準化得分;vij為第i個指標第j個企業(yè)的原始數值;n為樣本總數.根據正向指標和負向指標的標準化公式,則有[19]

區(qū)間型指標是數值越接近某一特定區(qū)間、小企業(yè)信用狀況越好,并且在這個特定區(qū)間內、信用狀況最好的指標.本文涉及兩個區(qū)間型指標:“居民消費價格指數”和“年齡”.“居民消費價格指數”的理想區(qū)間是[101,105][7].數值處于該區(qū)間表明既不通貨膨脹又不通貨緊縮;越低于該區(qū)間,表明通貨越緊縮,這種環(huán)境越不好;越高于該區(qū)間,表明通貨越膨脹,這種環(huán)境也越不好.“年齡”的理想區(qū)間是[31,45][7].處于該年齡段的企業(yè)法人的還款能力和還款意愿最強;越偏離這個年齡段,企業(yè)法人的還款能力越差.設q1為指標最佳區(qū)間左邊界;q2為指標最佳區(qū)間右邊界.根據最佳區(qū)間指標的打分公式,有[19]

對所有定性指標制定出適合小企業(yè)的打分標準,將指標轉化為[0,1]區(qū)間的數.定性指標的打分標準如表1所示.定性指標打分后的數據已經是[0,1]區(qū)間的數,不需要通過式(1)～式(3)進行標準化處理.

現有研究比較常用的缺失值插補方法包括:均值插補法[20]、最差值插補法[19]、最大值插補法[12]和回歸插補法[19]等.本文選取最差值插補法,即將數據缺失值設為0,原因是:在銀行的實地調研中發(fā)現,數據缺失的原因往往是因為小企業(yè)該項指標較差甚至是沒有統計口徑,說明企業(yè)在該項指標的水平很低,用最差值代替比較合理.如果用均值或者最大值進行插補往往容易拉高該企業(yè)的整體水平,導致債信評級失準.而回歸插補法往往要求變量具備一定的線性關系,不適合定性指標的缺失數據插補.

表1 定性指標打分標準Table 1 Standard of qualitative indicators

3.2 顯著判別違約狀態(tài)的指標篩選方法

通過違約樣本均值偏離全部樣本均值程度越大、這個指標區(qū)分違約狀態(tài)能力越強的思路,構造每個指標的方差齊性F檢驗的統計量.若檢驗通過,說明違約樣本與非違約樣本能被明顯的區(qū)分出來,則該指標對區(qū)分違約狀態(tài)有顯著影響,應該保留;反之,說明該指標對區(qū)分違約狀態(tài)沒有顯著影響,應該刪除.

方差齊性F檢驗的統計量服從自由度為(k-1,n-2)的F–分布,即F～(k-1,n-2)分布,k為分組數,n為樣本數.設n1為違約樣本個數,n2為非違約樣本個數;n為全部樣本數.x(k)ij為第i個指標第j個借據的標準化值(k=1代表違約借據,k=2代表非違約借據,下同),為第i個指標的平均值,即.為第i個指標第j個借據的數值與第i個指標平均值的絕對偏差,即為第i個指標絕對偏差的平均值,即為全部借據第i個指標絕對偏差的平均值,即.則有[20]

式(4)篩選指標的特色:將所有客戶第i個指標的數據分為違約和非違約兩類樣本,根據違約樣本均值偏離全部樣本均值程度越大、則違約樣本均值偏離非違約樣本均值也大、這個指標越能顯著區(qū)分違約與否狀態(tài)的思路,遴選通過方差齊性F檢驗的指標,建立了能顯著區(qū)分違約狀態(tài)與否的信用評級指標體系.彌補了現有研究遴選指標的標準與違約狀態(tài)無關的弊端,開拓了信用評級的新思路.

3.3 剔除信息冗余的指標篩選方法

同一準則層內通過R聚類將反映信息重復的指標聚成一類,保留同類指標中方差齊性F檢驗值最大、對違約狀態(tài)影響最大的指標,刪除其余指標,避免重復反映信息的指標重疊和冗余.R聚類步驟如下[21]:

步驟1人為確定聚類數目l,即人為確定將m個評價指標最終要分成l類.若下文的檢驗通過,則說明這個聚類的數目合理,否則就重新確定.

步驟2將每個指標看成一類,m個指標就劃分成m類.

步驟3為敘述方便這里給出合并的定義,將兩類指標人為的看成同一類別叫做合并.在步驟2的m類指標中,將任意兩類合成一類,根據排列組合的原理,共有Cm2=m(m-1)/2種合并方案.通過式(6)計算每個合并方案的總離差平方和S,根據離差平方和最小確定合并方案.這樣,m類指標就分成了m-1類.設把m個評價指標分成l類;Sh為第h類的離差平方和;mh為第h類的指標數;Xih為第h類中的第i個指標標準化數值向量;Xh為第h類指標的樣本平均值向量,則第h類的離差平方和Sh和l個類的總離差平方和S分別為[21]

步驟4重復步驟3,直到最后的分類數目為步驟1里確定的l.

步驟5聚類結果的合理性檢驗.對聚類后的每一類指標進行K-W檢驗[19],判斷聚類數目l是否合理.K-W檢驗的原假設是不同的指標在數據特征上無顯著差異.若每一類指標的顯著性水平Sig＞0.01,則接受原假設[19],表明這一類指標之間無顯著差異,可以聚成一類,聚類結果合理;否則,拒絕原假設,表明這一類指標之間有顯著差異,不能聚為一類,返回步驟1重新確定聚類數目.

步驟6指標的剔除.在步驟5中聚為一類的指標中,保留F值最大的指標,刪除其余指標.

通過F值剔除冗余指標的特色:在通過R聚類聚成的同類指標中,根據違約樣本均值偏離全部樣本均值程度越大、這個指標區(qū)分違約狀態(tài)能力越強的思路保留方差齊性F值最大、即對違約狀態(tài)影響最大的指標,剔除其余指標,避免了現有研究在剔除冗余指標時、對違約狀態(tài)影響大的指標可能被誤刪的不足.

3.4 債信評分模型的構建和檢驗方法

1)顯著判別違約狀態(tài)的指標賦權思路

設wi為第i個指標的權重,則

式(7)將Fi值轉化為[0,1]之間的數,保證權重之和是1.通過Fi值對指標進行賦權,Fi值越大,權重wi越大,滿足對違約狀態(tài)影響越顯著、指標權重越大的思路.根據違約樣本均值偏離全部樣本均值程度越大、這個指標區(qū)分違約狀態(tài)能力越強、權重越大的思路對指標進行賦權,使指標權重wi的大小反映指標鑒別違約狀態(tài)能力的大小,改變了現有研究的指標賦權與違約狀態(tài)鑒別能力無關的弊端.

2)債信得分的測算方法

設sj為第j個客戶的債信得分,wi為第i個指標的權重,xij為第i個指標第j個客戶的標準化得分,則[19]

評價得分sj越高,客戶的信用狀況越好.由于式(8)計算的債信得分是[0,1]區(qū)間的數值,且得分之間的區(qū)分度不大.在債信等級劃分時,為了使得分區(qū)間有足夠的區(qū)分度,需要將式(8)計算的債信得分通過式(9)進行標準化處理,將債信得分轉化為[0,100]之間的數值.設Sj為第j個樣本的債信標準化得分,smin為所有樣本債信得分的最小值,smax為所有樣本債信得分的最大值,則[19]

3)基于ROC的債信評分模型的檢驗方法

通過ROC曲線的AUC值,檢驗債信評分模型的違約預測能力是否顯著,同時也可以證明債信評級指標體系整體是否合理.ROC(receiver operating characteristic)曲線,也稱為感受型曲線.ROC曲線作圖時需要用到兩個指標:靈敏度(sensitivity)、特異度(specificity).靈敏度,是用正確判定為違約的個數除以實際所有的違約數,指實際違約的樣本被正確判定為違約的比率.特異度,是用正確判定為非違約的個數除以所有的非違約數,指實際非違約的樣本被準確判定為非違約的比率.

ROC曲線下邊包圍的面積就是AUC值.ROC曲線越遠離對角線、越靠近右上方時,債信得分判斷違約狀態(tài)的正確率越高,該債信評分模型越合理;也就是說AUC值(area under curve)越大、該債信評分模型越合理.當AUC=1時為理想值,其判別效果最好.AUC在0.8及其以上時,違約判別效果較好.當AUC在0.7～0.8之間違約判別效果中等.AUC在0.5～0.7之間違約判別效果較差.當AUC在0～0.5之間違約判別效果極差.

3.5 債信等級劃分的方法

本文將小企業(yè)債信劃分為AAA、AA、A、BBB、BB、B、CCC、CC和C共9個債信等級,原因如下:在國際三大權威信用評級機構中,穆迪的企業(yè)信用等級包括AAA、AA、…、C共9個等級[3],標普在穆迪的基礎上又增加了一個D級[3],共10個等級,惠譽對于1年左右的企業(yè)短期貸款也是9級劃分[2].同時,中國郵政儲蓄銀行[8]、中國工商銀行[6]等國內權威機構對于小企業(yè)信用等級的劃分都是9個等級.綜上,本文借鑒國際和國內比較流行的9級標準對小企業(yè)債信等級進行劃分.當然了,即使是借鑒標普的10級標準、中國建設銀行的5級標準,甚至是主權信用評級的21級標準,本文的等級劃分方法依然可以實現.

年應收未收本息是指貸款逾期第90天時客戶拖欠銀行的本金與利息之和除以貸款期限.年應收本息是指貸款逾期第90天時客戶應該向銀行繳納的所有本金與利息之和除以貸款期限.債信等級的年違約損失率是指該債信等級下所有客戶的年應收未收本息與所有客戶年應收本息的比值.這種年違約損失率的測算方法可以準確反映客戶貸款給銀行造成的真實損失,解決了現有研究的違約損失率無法真實反映銀行損失的問題.

把信用得分從高到低進行排序.根據高分數對應高債信等級的規(guī)則,把債信等級劃分為9個等級.通過債信等級越高、違約損失率越低的標準對債信等級進行調整.每個客戶都對應著一定的債信得分,故通過對每個債信等級得分上、下限的調整,可以改變該債信等級內的客戶數,也就改變了這個債信等級內年應收未收本息、年應收本息的變化,進而引起年違約損失率的變化.上述分析表明,一個債信等級得分上、下限的調整,會引起該債信等級及相鄰債信等級年違約損失率的變化.因此,通過不斷調整9個債信等級得分的上、下限,總可以得到滿足債信等級劃分標準的債信等級分布,此時對應的各個債信等級得分的上、下限,就是最終的債信等級劃分界限.根據債信等級越高、違約損失率越低的債信等級劃分標準,也可以開發(fā)算法和程序,由計算機完成這個過程.例如,下文實證4.4中的債信等級劃分就是使用的我們團隊授權的國家發(fā)明專利[22]由計算機方便地完成,它可以避免無休止的債信等級得分上、下限的調整.

4 小企業(yè)債信評級的實證分析

4.1 指標的海選

根據中國某區(qū)域性商業(yè)銀行京、津、滬、渝等地區(qū)14個分行的小企業(yè)的財務指標和非財務指標,結合穆迪、標普等國外典型金融機構,中國建設銀行等國內典型金融機構的小企業(yè)信用指標體系,以及國內外學術文獻的小企業(yè)指標體系,建立了包含還款能力和還款意愿2個一級準則層,企業(yè)內部財務因素等7個二級準則層,償債能力、盈利能力等10個三級準則層,資產負債率、速動比率等107個指標的海選體系.

表2 小企業(yè)指標的原始數據及標準化數據Table 2 Original data and standardized date of indicators for small enterprises

根據數據可觀測性原則,刪除還款來源、工資福利增長率等26個數據無法獲得的評價指標.刪除后剩余的81個指標列于表2第c列前81行,表2第d列是相應的指標類型.為下文實證的方便,將表2第c列的81個指標通過X1～X81進行編號,將表2第b列的10個三級準則層通過C1～C10進行編號.

4.2 樣本選取和數據來源

根據中華人民共和國工業(yè)和信息化部、國家統計局、國家發(fā)展和改革委員會、財政部四部委的2011年6月制定的《中小企業(yè)劃型標準規(guī)定》[23],選取的樣本包括批發(fā)企業(yè)、零售企業(yè)、租賃和商務服務業(yè)、倉儲企業(yè)、建筑企業(yè)、交通運輸企業(yè)、住宿餐飲業(yè)、房地產開發(fā)經營、信息傳輸業(yè)、軟件和信息技術服務業(yè)、其他企業(yè)共12個行業(yè)的小企業(yè).

樣本數據來源于中國某區(qū)域性商業(yè)銀行總行信貸數據庫[24].樣本時間序列從1994年到2012年9月1日.在這個時間序列內,有769個小企業(yè)發(fā)生了貸款行為,共有1 231個小企業(yè)貸款借據,涉及京、津、滬、渝等地區(qū)14個分行,北京、天津、上海、重慶、大連、盤錦、營口等28個城市.所有貸款樣本均是采用基準利率上浮的方式,按月進行還息,最小年利率為5.6%,最大年利率為10.582 5%.在1 231個貸款樣本中,有35個違約樣本,1 196個非違約樣本,違約比率0.827%,違約總額3億多元.

在表2前81行中：第1列～第1 231列是指標的原始數據；第1 232列～第2 462列是原始數據的標準化打分結果,與第1列～第1 231列的順序是一一對應.通過式(1)～式(3)對正向、負向和區(qū)間指標進行標準化打分,通過表1對定性指標進行標準化打分.表2第82行是1 231個小企業(yè)借據的違約標識,“1”代表違約,“0”代表沒有違約.

4.3 債信評級指標體系的建立

1)基于方差齊性檢驗的第一次篩選

通過式(4)計算表2第d列的81個指標的方差齊性檢驗F值,這個過程可方便地通過SPSS軟件實現.在81個指標中,X1等41個指標的F值均小于臨界點F0.01(1,1 229)=6.64,檢驗不通過,說明這41個指標的違約樣本和非違約樣本的方差沒有顯著差異,指標不能顯著區(qū)分違約狀態(tài),應該刪除.而X2等40個指標的方差齊性F檢驗值均大于臨界點6.64,檢驗通過,說明這40個指標的違約樣本和非違約樣本的方差有顯著差異,應該保留.通過第一次篩選,在81個指標中剔除41個指標,保留了40個指標.

表3 小企業(yè)債信評級指標體系Table 3 Indicators system of debt rating for small enterprises

2)基于R聚類的第二次篩選

選取R聚類進行第二次篩選的原因:本文分別通過相關分析、共線性檢驗和R聚類三種方法進行第二次篩選.在第一次篩選剩余的40個指標中,通過相關分析只能刪除7個指標,通過共線性檢驗刪除8個指標,剩余的指標體系依然過于龐大.而通過R聚類可以刪除19個指標,使得指標精簡到21個,滿足商業(yè)銀行的評級指標不能過多的原則.最終建立的指標體系為表3第e列的21個指標.表3第1列是指標對應的F值.

4.4 債信評分模型的建立和債信等級的劃分

1)債信評分模型的建立

將表3第1列的數代入式(7),可以得到21個指標的權重,列入表3第2列.將表3第2列的權重代入式(8),得到小企業(yè)債信評分模型為

2)基于ROC的債信評分模型的檢驗

為了驗證債信評分模型的違約預測能力,本文分別抽取全樣本的30%、40%、…、80%作為檢驗樣本,得到的AUC值如表4所示.通過表4可以看出,6類不同比例的樣本的AUC值均大于0.9,說明本文建立的債信評分模型的違約判別能力比較顯著.

表4 不同比例樣本的AUC值Table 4 AUC values of different proportions samples

3)小企業(yè)債信等級的劃分

根據上文“3.5債信等級劃分的方法”,通過國家發(fā)明專利[22]可以得到債信等級劃分結果,如表5所示.表5第3列是每個債信等級的樣本數,第4列是債信等級的年違約損失率,第5列是債信等級的得分區(qū)間.

表5 小企業(yè)債信等級劃分結果Table 5 Debt rating classification results of small enterprises

4.5 小企業(yè)債信評級體系的特點

1)系統反映信用評級典型的5C原則.本文建立的小企業(yè)債信評級指標體系滿足金融界普遍認可的品德(character)、能力(capacity)、資本(capital)、擔保(collateral)和環(huán)境(condition)等5C信用評價原則,21個指標與5C原則的對應關系如表3第3列所示.

2)評級體系中的21個指標均能顯著區(qū)分違約與否的狀態(tài).由表3第1列的F值可知：評級體系中21個指標的F值均大于顯著性水平0.01下F分布的臨界值6.64,說明這些指標對違約狀態(tài)有顯著影響.實證結果表明:本研究評級體系中的速動比率、企業(yè)到位注冊資金類別、企業(yè)法律糾紛情況等21個指標均對區(qū)分違約狀態(tài)有顯著影響.

3)符合債信等級越高、違約損失率越低的金字塔原則.任何評級體系都要滿足“債信等級越高、違約損失率越低”的金字塔原則,否則,無論貌似多么合理的評價方程都是不對的.表5第4列的債信等級年違約損失率嚴格遞增,滿足債信等級越高、違約損失率越低的原則.而且,不同等級之間的極差大致相同,不會出現相鄰等級年違約損失率的差別過大或過小的現象.

4)恩格爾系數和居民價格消費指數能反映小企業(yè)的清償能力.由表3第11行～第12行可知,居民消費價格指數、恩格爾系數的F值分別為321.12、51.717,高于F分布的臨界值6.64,均對小企業(yè)違約狀態(tài)有顯著影響,應該保留.事實上,居民消費價格指數反映地區(qū)的通貨膨脹,屬于區(qū)間型指標.數值在[101,105]內表明既不通貨膨脹又不通貨緊縮,越低于該區(qū)間,表明通貨越緊縮,償還貸款的能力也越差；越高于該區(qū)間,表明通貨越膨脹,償還貸款的能力也越差.恩格爾系數是食品支出總額占個人消費支出的比重.該指標越大,說明食品支出總額的比重越大,則居民的生活水平越低,償還貸款的能力也越差.

5)抵質押擔保因素能反映小企業(yè)的清償能力.由表3第21行可知,抵質押擔保因素的F值為11.134,高于F分布的臨界值6.64,表明“抵質押擔保因素”對違約狀態(tài)有顯著影響,應該保留.實證結果表明:“抵質押擔保因素”能夠反映小企業(yè)的清償能力.

4.6 幾點說明

1)本文債信評級體系設計的完備性

本文的債信評級體系包括指標的遴選、權重的確定和債信等級的劃分等主要內容,僅使用其中的某部分模型達不到良好的效果,原因有三:

一是指標的遴選是小企業(yè)信用評價的基礎和關鍵,指標體系構建的不合理,無論如何進行評價都是有問題的,指標體系的合理性和準確性則決定著評價結果的可信度.

二是在小企業(yè)信用風險評價中,違約的可能性是鑒別客戶的最重要的標準,必須貫穿在指標遴選、賦權、評價方程的建立等整個信用風險評價的過程中.否則,就會出現越是可能違約的壞客戶,評價得分反而越高的不合理現象.合理的權重可以提高對違約客戶的預測精度,減少銀行的損失.

三是債信等級的劃分必須滿足“債信等級越高、違約損失率越低”的信用評級的本質屬性,才能在貸款定價時保證不同等級債務人的違約風險得到足額補償.否則就會出現越是可能違約的客戶、債信等級反而越高的不合理現象.

2)本文債信評級體系的對比分析

一是指標體系的對比分析.標普、穆迪和鄧白氏通過流動比率、速動比率和資產報酬率等反映企業(yè)真實清償能力的財務指標進行企業(yè)信用評價[3].中國建設銀行[5]、中國工商銀行[6]通過股東的經濟實力、管理層的從業(yè)經驗建立企業(yè)評級指標體系.但是這些指標的確定標準不得而知,是否能夠顯著區(qū)分違約狀態(tài)也是有待商榷.本文首先參考國內外的權威機構和文獻梳理建立了海選指標體系,然后通過方差齊性檢驗遴選對違約狀態(tài)有顯著影響的指標,通過R聚類刪除反映信息重復的指標,保證建立的指標體系能夠顯著的區(qū)分客戶的違約狀態(tài).

二是指標權重的對比分析.標普、穆迪和鄧白氏等國際權威機構[3]的信用評級是個黑匣子,僅能從文獻梳理中挑選出部分指標,指標權重的確定標準更是無法獲取.而中國建設銀行[5]、中國工商銀行[6]指標的權重是主觀設定,并沒有根據指標對違約狀態(tài)的影響程度.本文通過區(qū)分違約狀態(tài)越顯著的指標、權重越大的思路進行賦權,使指標權重的大小反映指標鑒別違約狀態(tài)能力的大小,彌補了現有研究的指標賦權與違約狀態(tài)鑒別能力無關的弊端.

三是評級結果的對比分析.除了上述“方差齊性檢驗+R聚類”的方法外,本文還通過“Probit+偏相關分析”、“相關分析+顯著性檢驗”和“支持向量機+共線性檢驗”等其他3種不同的方法對同一數據進行指標遴選,并通過國家發(fā)明專利[22]進行債信等級劃分,本文得到的金字塔結果最符合債信等級越高、違約損失率越低的標準,效果最佳.

3)面對突發(fā)事件的解決方案

小企業(yè)的信用及其評價缺乏穩(wěn)定性,尤其是受突發(fā)事件的影響過大,對此本文的處理方法有二:一是本文建立的小企業(yè)債信評級體系包含小企業(yè)的財務指標、非財務指標、外部宏觀指標、抵質押擔保指標等因素,幾乎涵蓋了影響小企業(yè)信用風險的各個方面.如果受到突發(fā)事件的影響,小企業(yè)的財務、非財務等指標會發(fā)生短期急劇惡化,對應這些指標數據進行收集后再代入模型進行評級,評級結果必然發(fā)生變化.

二是本文對應的計算機軟件系統已經實踐應用到中國某區(qū)域性商業(yè)銀行,軟件系統中包含評級調整功能,當小企業(yè)受到惡劣負面消息等突發(fā)事件的影響后,銀行可以及時對該企業(yè)的評級結果進行修正,以保證銀行的貸款定價能夠覆蓋違約風險.由于該系統涉及商業(yè)銀行保密性問題,具體操作不宜展開.

5 結束語

本文以中國某一區(qū)域性商業(yè)銀行的京、津、滬、渝等地區(qū)14個分行的1 231筆小企業(yè)貸款數據為樣本進行實證分析,結果表明:速動比率、法人代表信用卡記錄等21個指標構成的指標體系不但可以顯著區(qū)分小企業(yè)的違約狀態(tài)、而且避免了重復反映信息的指標重疊和冗余.同時，小企業(yè)債信評級中非財務指標的重要性較大.在21個指標中,10個財務指標的權重和為0.338,11個非財務指標的權重和為0.662,說明在小企業(yè)的評級中,單純以財務指標為主的指標體系已不能反映小企業(yè)的信用狀況,以宏觀環(huán)境和定性指標為主的非財務指標扮演者越來越重要的作用.其中,指標X52居民消費價格指數和X32經營活動產生的現金流量凈額的權重為0.339和0.116,均超過了0.1,在所有指標中排在前兩位;指標X40營運資本配置比率和X68居住狀況的權重只有0.008,重要性最低.