鄭育峰，羅紅英

(1.中國(guó)科學(xué)院大學(xué)，北京100190；2.新疆銀行股份有限公司，新疆 烏魯木齊830000)

一、信用風(fēng)險(xiǎn)評(píng)估及方法概述

信用風(fēng)險(xiǎn)管理包括風(fēng)險(xiǎn)評(píng)估、風(fēng)險(xiǎn)控制和績(jī)效評(píng)價(jià)三部分，其中風(fēng)險(xiǎn)評(píng)估是最基礎(chǔ)、最關(guān)鍵的環(huán)節(jié)。只有完成了風(fēng)險(xiǎn)評(píng)估，才能對(duì)客戶進(jìn)行分類(lèi)、定價(jià)，決定業(yè)務(wù)是否發(fā)生、產(chǎn)品如何設(shè)計(jì)以及后期如何管理。就農(nóng)機(jī)融資租賃業(yè)務(wù)而言，信用風(fēng)險(xiǎn)評(píng)估是指出租方自己或委托第三方按照有關(guān)方法和指標(biāo)體系對(duì)收集到的承租人信用信息進(jìn)行分析，以此對(duì)承租人的信用風(fēng)險(xiǎn)等級(jí)進(jìn)行評(píng)定。

現(xiàn)有信用風(fēng)險(xiǎn)評(píng)價(jià)方法大致可以分為三類(lèi)，即專(zhuān)家評(píng)分法、信用評(píng)分法和現(xiàn)代信用風(fēng)險(xiǎn)度量模型。美國(guó)從19世紀(jì)末開(kāi)始引入企業(yè)信用評(píng)價(jià)，20世紀(jì)30年代起其關(guān)于信用風(fēng)險(xiǎn)評(píng)估的研究不斷深入[1]，從以要素分析法為代表的專(zhuān)家評(píng)分法(如5C要素分析法)，到以財(cái)務(wù)指標(biāo)分析法為代表的比例分析法(如杜邦財(cái)務(wù)分析體系和沃爾比重評(píng)分法)，再到20世紀(jì)60年代統(tǒng)計(jì)方法的大量運(yùn)用(如Z-score評(píng)分模型等)。此后，美國(guó)學(xué)者對(duì)有關(guān)信用風(fēng)險(xiǎn)評(píng)價(jià)方法的研究更加深入，建立了資產(chǎn)組合理論、Creditmetrics模型、麥肯錫模型、死亡率模型、KMV模型等。由此可見(jiàn)，信用風(fēng)險(xiǎn)評(píng)價(jià)方法從定性評(píng)價(jià)到定量評(píng)價(jià)、從個(gè)別資產(chǎn)信用風(fēng)險(xiǎn)評(píng)價(jià)到資產(chǎn)組合信用風(fēng)險(xiǎn)評(píng)價(jià)，向著越來(lái)越專(zhuān)業(yè)化、復(fù)雜化的趨勢(shì)發(fā)展。

既有研究中關(guān)于租賃業(yè)務(wù)風(fēng)險(xiǎn)的研究比較豐富，但多側(cè)重于財(cái)務(wù)風(fēng)險(xiǎn)、法律風(fēng)險(xiǎn)等方面，本文擬選擇模糊綜合評(píng)價(jià)法并結(jié)合AHP法對(duì)農(nóng)機(jī)融資租賃信用風(fēng)險(xiǎn)進(jìn)行評(píng)估。模糊綜合評(píng)價(jià)法是一種基于模糊數(shù)學(xué)的綜合評(píng)價(jià)方法，由美國(guó)自動(dòng)控制專(zhuān)家查德于1965年提出。該方法根據(jù)模糊數(shù)學(xué)的隸屬度理論把定性評(píng)價(jià)轉(zhuǎn)化為定量評(píng)價(jià)，即用模糊數(shù)學(xué)的方法對(duì)受多因素制約的事物或?qū)ο笞鞒隹傮w評(píng)價(jià)。模糊綜合評(píng)價(jià)法具有系統(tǒng)性強(qiáng)的特點(diǎn)，能較好地解決模糊的、難以量化的問(wèn)題，適合各種非確定性問(wèn)題的解決[2]。AHP法是在20世紀(jì)70年代由美國(guó)運(yùn)籌學(xué)家托馬斯·塞蒂提出的，它是一種定性和定量相結(jié)合的，系統(tǒng)化、層次化的分析方法，其優(yōu)點(diǎn)是將專(zhuān)家經(jīng)驗(yàn)判斷和數(shù)學(xué)方法結(jié)合起來(lái)，在一定程度上可降低不確定因素的影響[3]。

二、信用風(fēng)險(xiǎn)評(píng)估方法的適用性分析及選擇

(一)專(zhuān)家評(píng)分法

目前，我國(guó)農(nóng)機(jī)融資租賃行業(yè)還處于粗放發(fā)展階段，尚未建立完善的信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，信用風(fēng)險(xiǎn)評(píng)估主要是由出租方組織相關(guān)專(zhuān)家依據(jù)經(jīng)驗(yàn)并結(jié)合實(shí)際情況進(jìn)行主觀評(píng)價(jià)(即專(zhuān)家評(píng)分法)。對(duì)信用風(fēng)險(xiǎn)的判斷和決策主要是依賴專(zhuān)家的專(zhuān)業(yè)技能、主觀判斷和對(duì)某些關(guān)鍵因素的權(quán)衡。盡管專(zhuān)家評(píng)分法在目前我國(guó)農(nóng)機(jī)融資租賃信用風(fēng)險(xiǎn)評(píng)價(jià)中應(yīng)用較廣，但其具有明顯缺陷：一是成本大，即每筆農(nóng)機(jī)融資租賃業(yè)務(wù)都要耗費(fèi)一定的人力資源，從而在一定程度上降低了金融機(jī)構(gòu)開(kāi)展此類(lèi)業(yè)務(wù)的積極性。二是主觀性和隨意性強(qiáng)，出租方對(duì)承租人進(jìn)行信用風(fēng)險(xiǎn)評(píng)估基本是依靠經(jīng)辦人員和審核人員的經(jīng)驗(yàn)值以及個(gè)人信息網(wǎng)來(lái)判斷承租人的信用狀況，同一筆業(yè)務(wù)不同的經(jīng)辦人員和審核人員常會(huì)得出不同的結(jié)論，影響了風(fēng)險(xiǎn)評(píng)估的客觀性。三是存在一定的道德風(fēng)險(xiǎn)，主要表現(xiàn)在出租方經(jīng)辦人員可能對(duì)不符合放款條件的承租人開(kāi)展業(yè)務(wù)，也可能拒絕對(duì)優(yōu)質(zhì)客戶開(kāi)展業(yè)務(wù)。綜上，專(zhuān)家評(píng)分法雖然可行，但在可信度和可操作性方面存在明顯缺陷。因此迫切需要改進(jìn)農(nóng)機(jī)租賃融資業(yè)務(wù)的風(fēng)險(xiǎn)評(píng)估和控制手段，建立信用風(fēng)險(xiǎn)評(píng)估的定量分析方法，對(duì)目標(biāo)承租人進(jìn)行科學(xué)合理的風(fēng)險(xiǎn)評(píng)估。

(二)幾種主要的定量方法

1.Z-score評(píng)分模型。 該模型是目前西方國(guó)家在信用風(fēng)險(xiǎn)度量中使用較多的模型之一，通過(guò)加權(quán)計(jì)算得到評(píng)價(jià)對(duì)象的綜合風(fēng)險(xiǎn)分值Z，并將Z值與其臨界值進(jìn)行對(duì)比，以此判定評(píng)價(jià)對(duì)象目前的信用狀況。該模型適用于上市企業(yè)和非上市企業(yè)，計(jì)算方法簡(jiǎn)單、精確度好，但對(duì)財(cái)務(wù)數(shù)據(jù)要求精度很高而對(duì)非財(cái)務(wù)因素關(guān)注不夠[4]。我國(guó)農(nóng)機(jī)融資租賃業(yè)務(wù)中的承租人主要是農(nóng)戶和個(gè)體農(nóng)場(chǎng)主，普遍缺乏精確的財(cái)務(wù)數(shù)據(jù)，即使有財(cái)產(chǎn)和收入情況記錄，其準(zhǔn)確度也不高，無(wú)法滿足該模型對(duì)財(cái)務(wù)數(shù)據(jù)的高精確度要求?；A(chǔ)數(shù)據(jù)不準(zhǔn)確會(huì)影響分析結(jié)果的準(zhǔn)確性，因此在我國(guó)農(nóng)機(jī)融資租賃信用風(fēng)險(xiǎn)評(píng)估中使用該模型在可行性和可信度上存在問(wèn)題。

2.KMV模型。KMV模型是美國(guó)舊金山市KMV公司于1993年開(kāi)發(fā)的信用風(fēng)險(xiǎn)度量模型，其理論基礎(chǔ)是期權(quán)定價(jià)理論。該模型突破了以往的信用風(fēng)險(xiǎn)評(píng)估多基于企業(yè)歷史數(shù)據(jù)進(jìn)行分析的局限，以當(dāng)期股票市值為評(píng)價(jià)基礎(chǔ)，得出的信用風(fēng)險(xiǎn)預(yù)期分布頻率具有很強(qiáng)的可信度。但該方法的使用需要以股票市值為前提。在對(duì)非上市公司使用該方法進(jìn)行信用風(fēng)險(xiǎn)評(píng)估時(shí)，以一些財(cái)務(wù)指標(biāo)代替股票市值等重要指標(biāo)，因而評(píng)估精度會(huì)受到一定影響。如前所述，目前我國(guó)農(nóng)機(jī)融資租賃業(yè)務(wù)中的承租人主要是缺乏準(zhǔn)確財(cái)務(wù)數(shù)據(jù)的農(nóng)戶和個(gè)體農(nóng)場(chǎng)主，其無(wú)法提供股票市值或精確的財(cái)務(wù)數(shù)據(jù)，因而使用該方法在可行性和可操作性上尚不具備條件。

3.Creditmetrics模型。Creditmetrics模型是瑞士信貸銀行金融產(chǎn)品部于1996年推出的信用風(fēng)險(xiǎn)度量模型，是金融機(jī)構(gòu)在對(duì)客戶進(jìn)行評(píng)級(jí)的基礎(chǔ)上進(jìn)行組合風(fēng)險(xiǎn)管理和資本管理的工具，主要用于信用風(fēng)險(xiǎn)度量及組合管理。Creditmetrics模型采用的是組合投資分析方法，注重分析企業(yè)間信用狀況變化的相關(guān)關(guān)系，因而與現(xiàn)代組合投資管理理論相吻合。但就目前我國(guó)農(nóng)機(jī)融資租賃市場(chǎng)而言，現(xiàn)有融資租賃公司還遠(yuǎn)未達(dá)到現(xiàn)代企業(yè)組合投資管理的要求，其內(nèi)部管理水平和數(shù)據(jù)收集能力都無(wú)法適用于此模型。目前最主要是完成對(duì)單筆業(yè)務(wù)的風(fēng)險(xiǎn)評(píng)估，只有在完成承租人個(gè)體信用風(fēng)險(xiǎn)評(píng)估的基礎(chǔ)上，才能逐漸考慮進(jìn)行組合風(fēng)險(xiǎn)管理。

4.Logit回歸模型。Logit 回歸模型是目前應(yīng)用最廣泛的信用風(fēng)險(xiǎn)評(píng)分模型，是以樣本、數(shù)據(jù)、指標(biāo)為基礎(chǔ)構(gòu)建反映現(xiàn)實(shí)社會(huì)模型的實(shí)證分析方法，可用來(lái)探究事件的結(jié)果與多個(gè)影響因素之間的關(guān)系程度；尤其當(dāng)因變量為二分類(lèi)變量時(shí)，使用這一方法非常有效。Logit回歸模型采用的是一種“自下而上”的建模方法，要求在有足夠歷史數(shù)據(jù)的情形下使用，數(shù)據(jù)的真實(shí)性越高，模型識(shí)別的有效性越強(qiáng)。此方法作為一種有效的數(shù)據(jù)處理方法應(yīng)用于多個(gè)領(lǐng)域，是信用風(fēng)險(xiǎn)評(píng)估的重要方法。但在目前我國(guó)的農(nóng)業(yè)信貸領(lǐng)域特別是農(nóng)機(jī)融資租賃領(lǐng)域，不僅缺乏足夠的歷史數(shù)據(jù)，而且承租人財(cái)務(wù)數(shù)據(jù)的真實(shí)性也得不到充分保證；且就農(nóng)業(yè)生產(chǎn)而言，當(dāng)前財(cái)務(wù)數(shù)據(jù)對(duì)未來(lái)趨勢(shì)的代表性弱，因而在此情況下選用該方法在可行性和可信度方面存在問(wèn)題。

(三)模糊綜合評(píng)價(jià)法的選擇

模糊綜合評(píng)價(jià)法的信用評(píng)分模型，始于信用卡領(lǐng)域，后被廣泛應(yīng)用于個(gè)人貸款業(yè)務(wù)，現(xiàn)已擴(kuò)展到中小企業(yè)貸款領(lǐng)域。這一方法可確定影響借款人違約率的若干關(guān)鍵指標(biāo)并對(duì)各指標(biāo)賦予一定權(quán)重，通過(guò)對(duì)其進(jìn)行加權(quán)計(jì)算或綜合考慮，得到能夠全面反映借款人信用狀況的綜合分值。該綜合分值可代表違約概率，也可作為客戶分類(lèi)的依據(jù)，并可據(jù)此決定是否給予貸款以及貸款定價(jià)。該模型以借款人特征指標(biāo)為解釋變量，通過(guò)定量分析對(duì)借款人信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，把客戶劃分為“信用好”和“信用不好”，適合在缺乏已有信貸業(yè)務(wù)歷史數(shù)據(jù)的情況下使用。在我國(guó)農(nóng)機(jī)融資租賃領(lǐng)域，在缺乏歷史數(shù)據(jù)且現(xiàn)有數(shù)據(jù)的真實(shí)性也不能得到充分保證的情況下，該模型能綜合考慮評(píng)估承租人信用風(fēng)險(xiǎn)的影響因素，基于專(zhuān)家經(jīng)驗(yàn)判斷得出各指標(biāo)的重要程度，且選取的評(píng)估指標(biāo)也較為全面，能有效反映客戶信用情況，因而具有較好的適用性。

本文在采用模糊綜合評(píng)價(jià)法的過(guò)程中，在確定指標(biāo)權(quán)重時(shí)使用AHP法。AHP法強(qiáng)調(diào)人的思維判斷在決策過(guò)程中的作用，通過(guò)一定的模式使決策思維過(guò)程規(guī)范化，適用于定性與定量因素相結(jié)合，特別是定性因素起主導(dǎo)作用的問(wèn)題，能減少個(gè)人主觀判斷帶來(lái)的弊端，使結(jié)果更可信。農(nóng)機(jī)融資租賃信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)權(quán)重的確定就是這種定性因素起主導(dǎo)作用的問(wèn)題，對(duì)于這類(lèi)難以獲取相關(guān)數(shù)據(jù)的評(píng)價(jià)對(duì)象，使用模糊綜合評(píng)價(jià)法進(jìn)行信用風(fēng)險(xiǎn)評(píng)估并采用AHP法確定指標(biāo)權(quán)重，能將模糊綜合評(píng)價(jià)法和AHP法的優(yōu)點(diǎn)結(jié)合起來(lái)，在現(xiàn)有專(zhuān)家評(píng)分法定性分析的基礎(chǔ)上，將影響履約的因素引入定量的計(jì)量過(guò)程，確定相應(yīng)指標(biāo)的權(quán)重系數(shù)，增強(qiáng)信用風(fēng)險(xiǎn)評(píng)估的可行性、可信度和可操作性，以對(duì)目標(biāo)承租人進(jìn)行科學(xué)合理的風(fēng)險(xiǎn)評(píng)估。

三、農(nóng)機(jī)融資租賃信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系的構(gòu)建

(一)設(shè)定評(píng)估指標(biāo)體系

為全面、公正、客觀地評(píng)估農(nóng)機(jī)融資租賃業(yè)務(wù)的信用風(fēng)險(xiǎn)水平，本文參考張金貴等人[5]的研究，認(rèn)為指標(biāo)的選擇應(yīng)滿足以下三方面要求。首先，應(yīng)既能全面反映影響農(nóng)機(jī)融資租賃業(yè)務(wù)信用狀況的各種因素，又要盡量簡(jiǎn)化，避免指標(biāo)的重疊；其次，應(yīng)獲取容易、操作簡(jiǎn)捷、使用方便，能保證數(shù)據(jù)的真實(shí)、可靠、準(zhǔn)確；最后，應(yīng)符合農(nóng)機(jī)融資租賃業(yè)務(wù)自身的特點(diǎn)，能夠切實(shí)預(yù)測(cè)農(nóng)機(jī)融資租賃業(yè)務(wù)的違約概率。同時(shí)，將定性指標(biāo)與定量指標(biāo)相結(jié)合。定性指標(biāo)結(jié)合農(nóng)業(yè)信貸的特點(diǎn)，著重在影響農(nóng)業(yè)收入的氣候變化、國(guó)家收儲(chǔ)、補(bǔ)貼政策變化等難以預(yù)測(cè)或不可控方面進(jìn)行考量；定量指標(biāo)主要為財(cái)產(chǎn)指標(biāo)、收入指標(biāo)、人口指標(biāo)等。

本文通過(guò)專(zhuān)家訪談，確定了如表1所示的影響農(nóng)機(jī)融資租賃信用風(fēng)險(xiǎn)的5個(gè)一級(jí)指標(biāo)和18個(gè)二級(jí)指標(biāo)。其中年齡、子女教育情況、婚姻狀況和金融機(jī)構(gòu)違約記錄是對(duì)承租人生活穩(wěn)定性、可預(yù)見(jiàn)性方面進(jìn)行評(píng)價(jià)的關(guān)鍵因素?；橐鰻顩r是感情鞏固、生活穩(wěn)定的表征，家庭是一個(gè)經(jīng)濟(jì)體和互助體，單身的人承擔(dān)風(fēng)險(xiǎn)的能力、取得收入的能力和積累財(cái)富的能力一般都弱于家庭。年齡體現(xiàn)的是承租人獲取收入的潛在能力、財(cái)富積累水平以及風(fēng)險(xiǎn)規(guī)避能力。一般來(lái)說(shuō)，中年人的收入能力和風(fēng)險(xiǎn)規(guī)避能力最高，老年人收入能力會(huì)明顯下降，青年人避險(xiǎn)能力一般。家庭年總收入、年收支結(jié)余、年非農(nóng)業(yè)收入是從動(dòng)態(tài)角度對(duì)收入水平和收入結(jié)構(gòu)進(jìn)行的評(píng)價(jià)，衡量承租人可支配的現(xiàn)金流量和動(dòng)態(tài)的債務(wù)償還能力。承包土地面積、宅基地估值、其他房產(chǎn)估值、家庭農(nóng)機(jī)估值和家庭負(fù)債總額是從靜態(tài)角度評(píng)價(jià)承租人的財(cái)富水平，從家庭資產(chǎn)的角度衡量承租人的債務(wù)償還能力。家庭財(cái)產(chǎn)保險(xiǎn)情況、參加新農(nóng)保情況以及租賃物控制手段可衡量承租人對(duì)意外事件的風(fēng)險(xiǎn)轉(zhuǎn)移能力?？傮w來(lái)說(shuō)，承租人資產(chǎn)和收入越多，貸款違約概率越低；債務(wù)水平越高，信用風(fēng)險(xiǎn)就越高。

表1農(nóng)機(jī)融資租賃信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系

(二)確定指標(biāo)權(quán)重

下文采用AHP法確定指標(biāo)權(quán)重。根據(jù)上文構(gòu)建的農(nóng)機(jī)融資租賃信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系中的5個(gè)一級(jí)指標(biāo)建立比較矩陣，通過(guò)兩兩比較來(lái)確定指標(biāo)的相對(duì)重要性。對(duì)各指標(biāo)進(jìn)行比較時(shí)設(shè)置評(píng)分區(qū)間為1～5分，1分表示行因素遠(yuǎn)重于列因素，2分表示行因素重于列因素，3分表示行列因素同等重要，4分表示列因素重于行因素，5分表示列因素遠(yuǎn)重于行因素。在進(jìn)行比較時(shí),利用德?tīng)柗品ㄟx擇專(zhuān)家咨詢意見(jiàn)，設(shè)計(jì)調(diào)查問(wèn)卷并發(fā)放給26位專(zhuān)家，對(duì)評(píng)估對(duì)象的道德品質(zhì)狀況、家庭收入情況、家庭財(cái)產(chǎn)情況、風(fēng)險(xiǎn)緩釋情況、氣候和專(zhuān)項(xiàng)政策影響這5個(gè)一級(jí)指標(biāo)通過(guò)問(wèn)卷進(jìn)行兩兩比較。按照各指標(biāo)的標(biāo)度和含義，根據(jù)專(zhuān)家調(diào)查問(wèn)卷結(jié)果，得出農(nóng)機(jī)融資租賃信用風(fēng)險(xiǎn)5個(gè)一級(jí)指標(biāo)的權(quán)重明細(xì)，具體如表2所示。

表2各因素權(quán)重明細(xì)表

續(xù)表2

專(zhuān)家序號(hào)道德品質(zhì)狀況家庭收入情況家庭財(cái)產(chǎn)情況風(fēng)險(xiǎn)緩釋情況氣候和客觀政策影響110.08170.06760.05740.29570.4976120.06790.2920.15670.44980.0336130.06280.09890.06280.67670.0989140.35330.07820.42540.11690.0261150.17880.0530.04520.17880.5442160.25230.32730.32730.06670.0264170.09820.10670.34950.42190.0236180.07220.22530.22530.45080.0265190.12970.3980.25810.18330.0309200.04790.08460.06130.3180.4883210.22060.13420.02450.40050.2203220.04520.1420.07430.26550.473230.26840.33950.30190.04770.0424240.15440.41960.30550.07760.0429250.38260.35130.17150.05110.0435260.09970.42280.37560.06180.0402最終權(quán)重0.18870.21060.19690.22080.183

在此基礎(chǔ)上，出于分析的簡(jiǎn)便化等考慮，對(duì)18個(gè)二級(jí)指標(biāo)進(jìn)行了等值賦權(quán)，結(jié)果如表3所示。

表3一級(jí)指標(biāo)、二級(jí)指標(biāo)權(quán)重匯總

(三)確定評(píng)分標(biāo)準(zhǔn)

參照商業(yè)銀行個(gè)人信貸評(píng)分標(biāo)準(zhǔn)，根據(jù)本文構(gòu)建的農(nóng)機(jī)融資租賃業(yè)務(wù)信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系和權(quán)重，可以確定各指標(biāo)的評(píng)分標(biāo)準(zhǔn)(采用百分制記分)，具體打分規(guī)則如表4所示。

表4打分規(guī)則

(四)評(píng)分結(jié)果驗(yàn)證

本文以新疆T農(nóng)機(jī)有限責(zé)任公司(以下簡(jiǎn)稱“T公司”)為例對(duì)評(píng)估結(jié)果進(jìn)行驗(yàn)證。2007年成立的T公司，采用合作模式開(kāi)展融資租賃業(yè)務(wù)，資金由融資租賃公司提供，風(fēng)險(xiǎn)由T公司承擔(dān)。即業(yè)務(wù)由T公司推薦，融資租賃公司辦理，但如果發(fā)生不良金額就由T公司按不良金額本息百分百回購(gòu)，融資租賃公司不承擔(dān)損失。因此，主要的風(fēng)險(xiǎn)控制由T公司進(jìn)行。我國(guó)農(nóng)機(jī)融資租賃行業(yè)市場(chǎng)占有率排在前兩位的分別是約翰迪爾融資租賃有限公司(年放款額約8億元)和江蘇金融租賃股份有限公司(年放款額約5億元)。新疆情況與全國(guó)基本吻合，排在前列的融資租賃公司分別為約翰迪爾融資租賃有限公司、江蘇金融租賃股份有限公司、三井住友融資租賃(中國(guó))有限公司以及法興(上海)融資租賃有限公司等。T公司代理銷(xiāo)售的農(nóng)機(jī)數(shù)量在新疆的市場(chǎng)占有率約為50%，2015年1月—2017年9月T公司合計(jì)銷(xiāo)售農(nóng)機(jī)金額為26.2億元，數(shù)量為4474臺(tái)。

本文選擇2015年1月—2017年9月期間以上4家融資租賃公司與T公司合作開(kāi)展的150筆農(nóng)機(jī)融資租賃業(yè)務(wù)為樣本，涉及客戶150名，其中從未違約的客戶99名，有違約行為的客戶51名。這里需要說(shuō)明兩點(diǎn)：第一，樣本中對(duì)于違約客戶的界定非常嚴(yán)格，只要發(fā)生一期租賃息費(fèi)違約都會(huì)被定義為違約客戶，因而樣本中界定的有違約行為的客戶并不一定是嚴(yán)重違約客戶；第二，雖然只選用了150個(gè)樣本，但這些數(shù)據(jù)都來(lái)自T公司實(shí)際發(fā)生的業(yè)務(wù)，數(shù)據(jù)真實(shí)有效，據(jù)此進(jìn)行模型構(gòu)建和實(shí)證檢驗(yàn)有一定的準(zhǔn)確性。

首先，使用本文構(gòu)建的信用評(píng)分模型對(duì)99名履約客戶進(jìn)行評(píng)估，得出A類(lèi)客戶(得分在75分以上，優(yōu)質(zhì)客戶)80 名，B類(lèi)客戶(得分在45分～75分)19名，模型識(shí)別優(yōu)質(zhì)客戶的準(zhǔn)確率為80.8%。在優(yōu)質(zhì)客戶群中，模型認(rèn)為需進(jìn)一步人工識(shí)別的B類(lèi)客戶占19.2%。此外，模型識(shí)別結(jié)果中未發(fā)現(xiàn)C類(lèi)客戶(得分在45分以下，風(fēng)險(xiǎn)較高)，也沒(méi)有發(fā)生嚴(yán)重誤判的情況。其次，以該模型對(duì)51名非嚴(yán)重違約客戶進(jìn)行識(shí)別，得到B類(lèi)客戶38名，占比為74.5%；得到A類(lèi)客戶10名，占比為19.61%；得到C類(lèi)客戶3名，占比為5.9%。

整體來(lái)看，本文選取的150個(gè)農(nóng)機(jī)融資租賃業(yè)務(wù)樣本中，租賃客戶實(shí)際違約率很低，只有0.613%。模型判斷的結(jié)果是：150名客戶中判斷為A類(lèi)客戶的90名，占比為60%；判斷為B類(lèi)客戶的57名，占比為38%；判斷為C類(lèi)客戶的3名，占比為2%?？梢?jiàn)，模型判斷和實(shí)際相符。從以上分析結(jié)果可知，用模糊綜合評(píng)價(jià)法結(jié)合AHP法對(duì)農(nóng)機(jī)融資租賃客戶信用風(fēng)險(xiǎn)進(jìn)行識(shí)別的準(zhǔn)確率較高, 且簡(jiǎn)單易行、易于推廣。

需要指出的是，采用模糊綜合評(píng)價(jià)法結(jié)合AHP法進(jìn)行的農(nóng)機(jī)融資租賃信用風(fēng)險(xiǎn)評(píng)估在運(yùn)用上還有一些不足：一是由于樣本數(shù)量有限且無(wú)法全面收集承租人信息，因此分析有一定誤差。二是在一個(gè)短周期內(nèi)，農(nóng)村金融信用風(fēng)險(xiǎn)的系統(tǒng)性特征體現(xiàn)不明顯。農(nóng)業(yè)信貸中債務(wù)人的履約能力受宏觀經(jīng)濟(jì)形勢(shì)等影響較大，由于樣本數(shù)據(jù)來(lái)源于2015年—2017年，這一時(shí)期在國(guó)家鼓勵(lì)農(nóng)業(yè)機(jī)械化發(fā)展的大背景下，農(nóng)機(jī)補(bǔ)貼政策持續(xù)優(yōu)化，對(duì)新疆農(nóng)業(yè)生產(chǎn)活動(dòng)的特殊補(bǔ)貼也在持續(xù)發(fā)放，因此宏觀因素對(duì)農(nóng)機(jī)融資租賃信用風(fēng)險(xiǎn)的系統(tǒng)性影響未能充分體現(xiàn)。三是模型假定出租人的風(fēng)險(xiǎn)管理水平為統(tǒng)一標(biāo)準(zhǔn)，未考慮債權(quán)管理水平對(duì)債務(wù)人還款意愿的影響，實(shí)際運(yùn)用時(shí)可能出現(xiàn)偏差，在不同環(huán)境下需要?jiǎng)討B(tài)調(diào)整模型。四是此方法通過(guò)劃定分?jǐn)?shù)線來(lái)對(duì)客戶的信用風(fēng)險(xiǎn)進(jìn)行判斷，對(duì)于在分?jǐn)?shù)線附近的承租人信用風(fēng)險(xiǎn)水平并未體現(xiàn)出明顯差別，在實(shí)際工作中應(yīng)對(duì)此進(jìn)行人工分類(lèi)處理。

四、結(jié)論與建議

(一)結(jié)論

目前我國(guó)農(nóng)機(jī)融資租賃行業(yè)的信用風(fēng)險(xiǎn)評(píng)估主要是依靠出租方組織相關(guān)專(zhuān)業(yè)人員對(duì)風(fēng)險(xiǎn)要素進(jìn)行經(jīng)驗(yàn)判斷，主觀性、隨意性強(qiáng)，標(biāo)準(zhǔn)不統(tǒng)一，容易發(fā)生道德風(fēng)險(xiǎn)；同時(shí)存在風(fēng)險(xiǎn)評(píng)估成本高，流程復(fù)雜，同收益不匹配等缺陷，影響了農(nóng)機(jī)融資租賃業(yè)務(wù)的順利開(kāi)展。采用模糊綜合評(píng)價(jià)法結(jié)合AHP法建立農(nóng)機(jī)融資租賃業(yè)務(wù)信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，將定量評(píng)估與專(zhuān)家分析相結(jié)合，能幫助租賃公司有效識(shí)別客戶信用風(fēng)險(xiǎn)。當(dāng)然，在實(shí)際運(yùn)用中還應(yīng)逐步增加樣本量，逐步細(xì)化評(píng)分標(biāo)準(zhǔn)。同時(shí)，鑒于農(nóng)業(yè)信貸的特點(diǎn)，農(nóng)機(jī)融資租賃業(yè)務(wù)信用風(fēng)險(xiǎn)評(píng)估在建模過(guò)程中應(yīng)注意采集各種經(jīng)濟(jì)狀況下的指標(biāo)數(shù)據(jù)，結(jié)合宏觀經(jīng)濟(jì)形勢(shì)和時(shí)間變化進(jìn)行適度調(diào)整，并根據(jù)出租前后的管理情況建立動(dòng)態(tài)反饋機(jī)制，及時(shí)對(duì)模型進(jìn)行調(diào)整，以保證實(shí)踐運(yùn)用的有效性。

(二)建議

第一，信用風(fēng)險(xiǎn)評(píng)估是農(nóng)機(jī)融資租賃業(yè)務(wù)開(kāi)展的關(guān)鍵環(huán)節(jié)，單純依靠租賃業(yè)務(wù)經(jīng)辦人員和審核人員的主觀經(jīng)驗(yàn)進(jìn)行風(fēng)險(xiǎn)評(píng)估是不夠科學(xué)合理的。因而應(yīng)推進(jìn)信用風(fēng)險(xiǎn)量化評(píng)估，提高租賃業(yè)務(wù)決策的科學(xué)化水平，建立科學(xué)的農(nóng)機(jī)融資租賃業(yè)務(wù)信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，這對(duì)業(yè)務(wù)發(fā)展、成本節(jié)約、風(fēng)險(xiǎn)量化和科學(xué)決策具有積極影響。租賃公司可建立“電腦+人腦” “定量+經(jīng)驗(yàn)”的農(nóng)機(jī)融資租賃信用風(fēng)險(xiǎn)識(shí)別模式。對(duì)擬合作客戶，先通過(guò)電腦用該模型進(jìn)行分類(lèi)識(shí)別并設(shè)置不同的處理流程。優(yōu)質(zhì)客戶可直接進(jìn)入快速審批流程，若無(wú)特殊理由審核人員不得拒絕辦理；對(duì)高風(fēng)險(xiǎn)客戶直接拒絕辦理，審核人員沒(méi)有特殊理由不得重新上報(bào)；而對(duì)于中間客戶則可由人腦進(jìn)行二次識(shí)別評(píng)估。這樣既可保證優(yōu)質(zhì)客戶得到高效服務(wù)，也能確保高風(fēng)險(xiǎn)客戶被有效排除，在很大程度上防范了個(gè)人判斷的主觀性和潛在的道德風(fēng)險(xiǎn)。同時(shí)，集中人力對(duì)中間客戶進(jìn)行評(píng)估甄別，可減少運(yùn)行成本、增加業(yè)務(wù)收益，提高租賃公司等金融機(jī)構(gòu)開(kāi)展農(nóng)機(jī)融資租賃業(yè)務(wù)的積極性。

第二，加快我國(guó)農(nóng)村個(gè)人信用體系建設(shè)，完善個(gè)人信用數(shù)據(jù)來(lái)源渠道，保證數(shù)據(jù)的真實(shí)性和準(zhǔn)確性。這樣既有利于農(nóng)機(jī)融資租賃業(yè)務(wù)的發(fā)展，也將有助于農(nóng)村信貸市場(chǎng)的發(fā)展。

第三，對(duì)農(nóng)機(jī)融資租賃給予一定的息費(fèi)補(bǔ)貼。現(xiàn)階段新疆農(nóng)業(yè)現(xiàn)代化建設(shè)的重點(diǎn)是農(nóng)業(yè)機(jī)械化，而現(xiàn)代農(nóng)機(jī)單臺(tái)金額普遍較大，農(nóng)民很難全款購(gòu)置，因而農(nóng)機(jī)融資租賃是農(nóng)民購(gòu)置農(nóng)機(jī)的重要方式。為更好地開(kāi)展農(nóng)機(jī)融資租賃業(yè)務(wù)，助力新疆農(nóng)業(yè)機(jī)械化發(fā)展，建議可對(duì)農(nóng)機(jī)融資租賃業(yè)務(wù)給予一定的息費(fèi)補(bǔ)貼。如參照國(guó)家對(duì)紡織服裝企業(yè)貸款的財(cái)政貼息政策，對(duì)采用融資租賃方式購(gòu)買(mǎi)農(nóng)機(jī)的農(nóng)民給予一定比例的財(cái)政貼息，以減輕農(nóng)民的負(fù)擔(dān)。