①趙璐?、趶堝、劾讜?/p>
由于不同行業(yè)間的企業(yè)信貸策略存在明顯不同,因此本節(jié)將對(duì)123家企業(yè)的行業(yè)性質(zhì)進(jìn)行判別。首先采用TF-IDF算法提取行業(yè)特征詞,并將文本值轉(zhuǎn)化為向量。TF表示特征詞出現(xiàn)的頻率,IDF表示文本逆向頻率。IDF的具體計(jì)算公式如下:
使TF與IDF相乘,即可得到詞條重要程度:
TF-IDF=TF*IDF
基于所提取的行業(yè)特征詞,將123家企業(yè)歸為6類行業(yè)在此基礎(chǔ)上進(jìn)行K-means聚類分析,不斷迭代求解,進(jìn)而得出具體結(jié)果。6類行業(yè)分別是:制造業(yè)(30家)、建筑業(yè)(20家)、批發(fā)零售業(yè)(17家)、信息通訊業(yè)(12家)、服務(wù)業(yè)(29家)與其他行業(yè)(15家)。
(一)提取特征值
選取企業(yè)經(jīng)濟(jì)實(shí)力、企業(yè)信譽(yù)等級(jí)與上下游影響這三個(gè)因素作為衡量企業(yè)是否違約的主要因素,并結(jié)合數(shù)據(jù)對(duì)三方面因素進(jìn)行量化處理。用營(yíng)業(yè)收入額、收入增長(zhǎng)率與利潤(rùn)增長(zhǎng)率衡量企業(yè)經(jīng)濟(jì)實(shí)力,用與企業(yè)交易的企業(yè)個(gè)數(shù)與企業(yè)頻數(shù)反映上下游影響力。為更加直觀地表示該因素體系,作圖如下:
圖1 衡量企業(yè)是否違約的主要因素
(二)模型構(gòu)造
利用5個(gè)不同的特征值(營(yíng)業(yè)收入額、收入增長(zhǎng)額、利潤(rùn)增長(zhǎng)額、交易企業(yè)個(gè)數(shù)與交易企業(yè)頻數(shù)),構(gòu)建超平面,違約概率為每個(gè)點(diǎn)到超平面的距離,違約閾值為閾值點(diǎn)到超片面的距離。數(shù)據(jù)得到最好分離的目標(biāo)方程和約束條件為:
將5個(gè)特征值與企業(yè)是否違約情況導(dǎo)入超片面中,即可計(jì)算違約概率與閾值。123家企業(yè)的違約概率具體為:
E1-E123=(0.11,0.23,…,0.56,0.59)
(三)結(jié)果分析
違約閾值為0.5。當(dāng)違約概率大于0.5時(shí)說明企業(yè)風(fēng)險(xiǎn)等級(jí)較高;當(dāng)違約概率小于0.5時(shí)說明企業(yè)風(fēng)險(xiǎn)等級(jí)較低。計(jì)算各行業(yè)中各類型企業(yè)的平均違約概率,得結(jié)果如下:
分析表1可知,微型企業(yè)中除服務(wù)業(yè)之外,其他行業(yè)的微型企業(yè)的平均違約概率都大于0.5,處于高風(fēng)險(xiǎn)狀態(tài);小型企業(yè)中低風(fēng)險(xiǎn)程度的行業(yè)為制造業(yè)與建筑業(yè),其余行業(yè)中小型企業(yè)的平均違約概率都大于0.5,處于高風(fēng)險(xiǎn)狀態(tài);中型企業(yè)所有行業(yè)中企業(yè)平均違約概率都小于0.5,均處于低風(fēng)險(xiǎn)狀態(tài)。
已知所求違約概率代表企業(yè)的不同風(fēng)險(xiǎn)程度,將大于0.5的違約概率導(dǎo)入風(fēng)險(xiǎn)保守型信貸利率模型中,將小于0.5的違約概率導(dǎo)入風(fēng)險(xiǎn)喜好型信貸利率模型中,并在不同額度的基準(zhǔn)利率范圍內(nèi)上下調(diào)整,即可得出信貸利率。具體123家企業(yè)信貸利率如下:
E1-E123=(13.95%,12.74%,…,10.46%,9.95%)
進(jìn)一步對(duì)企業(yè)的信貸利率進(jìn)行分析,計(jì)算各行業(yè)中各類型企業(yè)的平均信貸利率,得結(jié)果如下:
觀察表2可知,無論企業(yè)等級(jí)為中型、小型或微型,信息通訊行業(yè)內(nèi)企業(yè)的平均信貸利率均高于其他行業(yè)。這是由于信息通訊行業(yè)違約概率超過0.5,屬于高風(fēng)險(xiǎn)企業(yè),銀行為降低信貸風(fēng)險(xiǎn)二提高信貸利率。