黃平 干勝道（教授/博導(dǎo)）（貴州商學(xué)院會(huì)計(jì)學(xué)院 貴州貴陽(yáng) 550014 四川大學(xué)商學(xué)院 四川成都 610065）

一、引言

中小企業(yè)因規(guī)模較小，易受到外部沖擊而引發(fā)金融風(fēng)險(xiǎn)。建立中小企業(yè)信用風(fēng)險(xiǎn)預(yù)警模型，能提高金融機(jī)構(gòu)規(guī)避和防控金融風(fēng)險(xiǎn)的能力，不僅有利于提升我國(guó)金融系統(tǒng)的整體抗風(fēng)險(xiǎn)能力，也有利于改善中小企業(yè)的融資環(huán)境?；诖耍行∑髽I(yè)信用風(fēng)險(xiǎn)的指標(biāo)構(gòu)建、風(fēng)險(xiǎn)識(shí)別與預(yù)警一直都是學(xué)術(shù)界和實(shí)務(wù)界關(guān)注的熱點(diǎn)問(wèn)題。近年來(lái)，隨著大數(shù)據(jù)處理技術(shù)、供應(yīng)鏈金融及行為金融學(xué)科的快速發(fā)展，對(duì)中小企業(yè)信用風(fēng)險(xiǎn)的研究正經(jīng)歷從傳統(tǒng)財(cái)務(wù)指標(biāo)體系向供應(yīng)鏈金融指標(biāo)體系及企業(yè)大數(shù)據(jù)指標(biāo)體系的轉(zhuǎn)變?？紤]到對(duì)該領(lǐng)域的總結(jié)性文獻(xiàn)較缺乏，本文梳理了國(guó)內(nèi)外近五年（2016—2020）來(lái)中小企業(yè)信用風(fēng)險(xiǎn)研究的相關(guān)文獻(xiàn)，并展望了該領(lǐng)域未來(lái)的發(fā)展趨勢(shì)及研究熱點(diǎn)。

二、中小企業(yè)信用風(fēng)險(xiǎn)研究的進(jìn)展

自1968年紐約大學(xué)Altman教授建立了評(píng)估企業(yè)融資風(fēng)險(xiǎn)的五變量Z-score模型后，學(xué)術(shù)界掀起了對(duì)企業(yè)信用風(fēng)險(xiǎn)研究的熱潮。1977年，Altman建立了第二代模型，稱為Zeta信用風(fēng)險(xiǎn)模型，該模型主要變量有7個(gè)，即資產(chǎn)報(bào)酬率、收入的穩(wěn)定性、利息倍數(shù)、負(fù)債比率、流動(dòng)比率、資本化比率、規(guī)模等。Zeta模型適應(yīng)范圍更寬，對(duì)信用不良企業(yè)的辨認(rèn)精度也得以提高。隨后，巴薩利在Z-score模型基礎(chǔ)上建立了適用性更廣的巴薩利模型，其特點(diǎn)是形式比較簡(jiǎn)單且不需要復(fù)雜的計(jì)算，而且在預(yù)測(cè)公司破產(chǎn)可能性的同時(shí)，還能衡量公司實(shí)力大小，適用于所有行業(yè)的企業(yè)信用風(fēng)險(xiǎn)的評(píng)估。然而，由于Z值模型和巴薩利模型中的財(cái)務(wù)比率都是依靠企業(yè)公開(kāi)報(bào)表提供的數(shù)據(jù)計(jì)算出來(lái)的，若處于財(cái)務(wù)困境之中的企業(yè)利用各種手段粉飾企業(yè)的財(cái)務(wù)報(bào)表，僅僅根據(jù)財(cái)務(wù)報(bào)表數(shù)據(jù)計(jì)算的結(jié)果往往不能反映企業(yè)的真實(shí)情況。為了克服這一缺陷，Argenti在其著作《企業(yè)破產(chǎn)》一書(shū)中提出了A值模型，該模型在計(jì)算財(cái)務(wù)比率的同時(shí)，還考慮了管理不善可能導(dǎo)致企業(yè)破產(chǎn)的因素。

近年來(lái)，互聯(lián)網(wǎng)大數(shù)據(jù)、人工智能技術(shù)的發(fā)展為研究企業(yè)信用風(fēng)險(xiǎn)評(píng)估預(yù)警模型提供了更多數(shù)據(jù)及技術(shù)上的支持，模型變量從傳統(tǒng)的財(cái)務(wù)指標(biāo)擴(kuò)展到了衡量企業(yè)“軟實(shí)力”的非財(cái)務(wù)指標(biāo)（如公司高管受教育程度、核心員工貸款記錄等）。本文在CNLKI數(shù)據(jù)庫(kù)（北大核心、CSSCI、CSCD）和web of science中統(tǒng)計(jì)了近五年中小企業(yè)信用風(fēng)險(xiǎn)相關(guān)的中英文文獻(xiàn)數(shù)量，中文檢索詞為“中小企業(yè)”和“信用風(fēng)險(xiǎn)”，英文檢索詞為“small and medium-sized enterprises”和“credit risks”，檢索時(shí)間自 2016年1月1日至2021年3月31日。通過(guò)檢索共獲得304篇期刊文獻(xiàn)，整體而言，學(xué)者對(duì)中小企業(yè)信用風(fēng)險(xiǎn)的研究呈逐年上升趨勢(shì)，詳見(jiàn)圖1。

圖1 近五年中小企業(yè)信用風(fēng)險(xiǎn)中英文期刊文獻(xiàn)統(tǒng)計(jì)

詳細(xì)分析文獻(xiàn)可發(fā)現(xiàn)，近年來(lái)對(duì)中小企業(yè)信用風(fēng)險(xiǎn)的研究?jī)?nèi)容主要包括基于財(cái)務(wù)指標(biāo)體系、基于供應(yīng)鏈金融、基于企業(yè)大數(shù)據(jù)的中小企業(yè)信用風(fēng)險(xiǎn)研究三個(gè)方面。

（一）基于財(cái)務(wù)指標(biāo)體系的中小企業(yè)信用風(fēng)險(xiǎn)研究

傳統(tǒng)的信用風(fēng)險(xiǎn)指標(biāo)主要為財(cái)務(wù)指標(biāo)，基于財(cái)務(wù)指標(biāo)構(gòu)建的信用風(fēng)險(xiǎn)模型目前被廣泛應(yīng)用于中小企業(yè)的風(fēng)險(xiǎn)評(píng)估與預(yù)警中。

1.在指標(biāo)選取方面。楊順勇和任曉師（2016）基于模糊數(shù)學(xué)視角篩選了涉及企業(yè)財(cái)務(wù)狀況、企業(yè)經(jīng)營(yíng)現(xiàn)狀及企業(yè)發(fā)展?jié)摿Φ?6個(gè)財(cái)務(wù)指標(biāo)構(gòu)建了適用于高新技術(shù)企業(yè)的信用風(fēng)險(xiǎn)評(píng)估模型。韋云和朱權(quán)聰（2018）認(rèn)為中小企業(yè)信用風(fēng)險(xiǎn)主要來(lái)自于財(cái)務(wù)風(fēng)險(xiǎn)，選取了資產(chǎn)負(fù)債率、總資產(chǎn)回報(bào)率、凈資產(chǎn)收益率、毛利率等7個(gè)財(cái)務(wù)指標(biāo)來(lái)衡量中小企業(yè)的信用風(fēng)險(xiǎn)。王超藝（2018）通過(guò)獨(dú)立樣本的T檢驗(yàn)與聚類分析篩選出了10個(gè)財(cái)務(wù)指標(biāo)用以構(gòu)建適合我國(guó)國(guó)情的中小企業(yè)評(píng)價(jià)指標(biāo)體系。周哲愷（2019）將財(cái)務(wù)指標(biāo)代入Z記分法模型計(jì)算了A股中小板企業(yè)信用風(fēng)險(xiǎn)?？紤]到涉農(nóng)中小企業(yè)違約概率的影響因素，梁偉森和溫思美（2019）從企業(yè)盈利能力、營(yíng)運(yùn)能力、償債能力及成長(zhǎng)性四方面來(lái)選取企業(yè)財(cái)務(wù)指標(biāo)，并基于Logistic模型來(lái)構(gòu)建涉農(nóng)中小企業(yè)的信用評(píng)估模型，模型能為村鎮(zhèn)銀行開(kāi)展相關(guān)涉農(nóng)貸款業(yè)務(wù)提供理論基礎(chǔ)。周曉霞等（2021）利用傳統(tǒng)的五變量Z-score模型對(duì)“新冠”疫情下醫(yī)藥制造業(yè)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行了深入分析，研究結(jié)論能為相關(guān)企業(yè)管理疫情帶來(lái)的不確定性風(fēng)險(xiǎn)提供應(yīng)對(duì)策略。

2.在指標(biāo)權(quán)重計(jì)算方面。Goncalves等（2015）利用認(rèn)知映射技術(shù)和交互式多準(zhǔn)則決策方法（TODIM）創(chuàng)建了一套以企業(yè)財(cái)務(wù)指標(biāo)為基礎(chǔ)的特質(zhì)決策支持系統(tǒng)，此系統(tǒng)可對(duì)各指標(biāo)權(quán)重進(jìn)行合理測(cè)算，并評(píng)估中小企業(yè)信用風(fēng)險(xiǎn)，能促進(jìn)銀行對(duì)中小企業(yè)信貸決策的智能化和透明化。徐占東等（2019）依據(jù)違約距離選擇財(cái)務(wù)指標(biāo)并計(jì)算指標(biāo)權(quán)重，通過(guò)預(yù)期風(fēng)險(xiǎn)一致性原則構(gòu)建了中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)模型，實(shí)證研究表明所建立的模型能準(zhǔn)確反映我國(guó)中小企業(yè)違約風(fēng)險(xiǎn)現(xiàn)狀，能為沒(méi)有完善貸款違約數(shù)據(jù)的信用風(fēng)險(xiǎn)評(píng)估問(wèn)題提供解決方案。Kanapickiene和Spicas（2019）基于概率回歸模型計(jì)算風(fēng)險(xiǎn)指標(biāo)權(quán)重，使用財(cái)務(wù)和非財(cái)務(wù)變量開(kāi)發(fā)了企業(yè)貿(mào)易信用風(fēng)險(xiǎn)評(píng)估（ETCRA）模型，并以立陶宛734家中小微企業(yè)的財(cái)務(wù)和非財(cái)務(wù)數(shù)據(jù)作為樣本進(jìn)行實(shí)證研究，研究發(fā)現(xiàn)在模型中包含非財(cái)務(wù)變量并不能實(shí)質(zhì)上改善模型的特性。

（二）基于供應(yīng)鏈金融模式的中小企業(yè)信用風(fēng)險(xiǎn)研究

供應(yīng)鏈金融是一種自償性貿(mào)易融資的信貸模式，對(duì)改善中小微企業(yè)的融資環(huán)境發(fā)揮著重要的作用，近幾年得到了業(yè)界和學(xué)術(shù)界的廣泛關(guān)注（宋華和盧強(qiáng)，2017；董旌瑞等，2020），基于供應(yīng)鏈金融模式下的中小企業(yè)信用風(fēng)險(xiǎn)研究的文獻(xiàn)也越來(lái)越多。

1.在以供應(yīng)鏈核心企業(yè)為主體的研究方面。宋華等（2017）研究發(fā)現(xiàn)基于復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的供應(yīng)鏈金融以制度信任為基礎(chǔ)，通過(guò)業(yè)務(wù)、交易流程等正式制度安排形成組織場(chǎng)域，能夠減少核心企業(yè)對(duì)中小企業(yè)償債能力的擔(dān)憂，有效地提高了中小企業(yè)融資的可得性。范方志等（2017）考慮了供應(yīng)鏈金融中的風(fēng)險(xiǎn)傳染性及信息不對(duì)稱特征，構(gòu)建了中小企業(yè)、核心企業(yè)、銀行在內(nèi)的三方風(fēng)險(xiǎn)分擔(dān)博弈模型，對(duì)供應(yīng)鏈中不同參與主體的信用風(fēng)險(xiǎn)評(píng)價(jià)和管理提供了理論支持。祝由（2017）構(gòu)建了供應(yīng)鏈環(huán)境下包括核心企業(yè)、中小企業(yè)、融資項(xiàng)資產(chǎn)、供應(yīng)鏈運(yùn)營(yíng)等四大類變量的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，并基于機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)及Logistic回歸模型對(duì)中小企業(yè)信用評(píng)估問(wèn)題進(jìn)行了對(duì)比研究。Mou等（2018）通過(guò)“模糊層次分析法”（FAHP）構(gòu)建了供應(yīng)鏈金融下核心企業(yè)信用風(fēng)險(xiǎn)評(píng)估系統(tǒng)，所用指標(biāo)包括企業(yè)運(yùn)行狀況、資產(chǎn)狀態(tài)、行業(yè)狀態(tài)、信用記錄、上下游企業(yè)信息等相關(guān)數(shù)據(jù)，該系統(tǒng)能對(duì)核心企業(yè)信用風(fēng)險(xiǎn)進(jìn)行定量測(cè)評(píng)。耿軍華（2018）利用網(wǎng)絡(luò)層次分析法及灰色綜合評(píng)價(jià)法構(gòu)建了供應(yīng)鏈融資信用風(fēng)險(xiǎn)評(píng)價(jià)模型，該模型包括核心企業(yè)素質(zhì)、供應(yīng)鏈整體運(yùn)轉(zhuǎn)情況、融資企業(yè)素質(zhì)及應(yīng)收賬款質(zhì)量等指標(biāo)。劉兢軼等（2019）通過(guò)因子分析法和Logit模型建立了包括企業(yè)盈利能力、償債能力及核心企業(yè)信用水平的供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)模型，該模型對(duì)供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險(xiǎn)的衡量具有一定的指導(dǎo)意義。

2.在對(duì)供應(yīng)鏈整體狀況研究方面。王小會(huì)（2017）認(rèn)為對(duì)中小企業(yè)信用評(píng)價(jià)指標(biāo)的構(gòu)建需要全面把握，除了考慮企業(yè)本身的因素外，還應(yīng)考慮外界環(huán)境、企業(yè)在供應(yīng)鏈中的整體水平等因素。徐宏峰和朱玥（2018）利用層次分析法及多層次灰色綜合評(píng)價(jià)法建立了供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)模型，研究表明供應(yīng)鏈金融模式能較好地解決中小企業(yè)融資難的問(wèn)題。牟偉明（2018）利用多層次灰色評(píng)價(jià)方法，以江蘇某中小企業(yè)為研究對(duì)象，深入研究了核心企業(yè)實(shí)力、融資企業(yè)實(shí)力、交易資產(chǎn)特征、供應(yīng)鏈狀況四個(gè)層面指標(biāo)對(duì)供應(yīng)鏈模式下中小企業(yè)信用風(fēng)險(xiǎn)的影響情況?？锖２ǖ龋?020）在供應(yīng)鏈金融模式下綜合考慮了包括申請(qǐng)人資質(zhì)、交易對(duì)手資質(zhì)、融資項(xiàng)目下資產(chǎn)狀況和供應(yīng)鏈運(yùn)營(yíng)情況信息在內(nèi)的127個(gè)海選指標(biāo)體系，運(yùn)用“偏相關(guān)-方差”分析、逐步神經(jīng)網(wǎng)絡(luò)等方法最終構(gòu)建了包括48個(gè)指標(biāo)的中小企業(yè)風(fēng)險(xiǎn)評(píng)估模型。

3.在對(duì)行業(yè)狀況研究方面。何平均和李菁菁（2018）利用因子分析和Logistic回歸分析對(duì)A股中小板制造業(yè)企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行了研究，研究發(fā)現(xiàn)客戶集中度與供應(yīng)鏈模式下企業(yè)的信用風(fēng)險(xiǎn)存在顯著的負(fù)相關(guān)關(guān)系，即客戶集中度越低，信用風(fēng)險(xiǎn)越高。陳麗君（2018）基于電商平臺(tái)融資模式研究了互聯(lián)網(wǎng)供應(yīng)鏈融資下小微企業(yè)信用風(fēng)險(xiǎn)評(píng)估體系，研究結(jié)果能為評(píng)估和管理小微企業(yè)的信用風(fēng)險(xiǎn)提供參考。余得生和李星（2019）考慮到電子制造業(yè)的特點(diǎn)，選取了14個(gè)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，通過(guò)Logistic模型構(gòu)建了供應(yīng)鏈金融模式下的信用風(fēng)險(xiǎn)評(píng)估模型，研究發(fā)現(xiàn)資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、有形凈值債務(wù)率、銷售凈利率是影響電子制造業(yè)中小企業(yè)信用風(fēng)險(xiǎn)評(píng)級(jí)的重要指標(biāo)。段翀（2020）利用中小企業(yè)財(cái)務(wù)數(shù)據(jù)與同行業(yè)上市企業(yè)信息測(cè)算了中小企業(yè)的資產(chǎn)市場(chǎng)價(jià)值，并據(jù)此構(gòu)建中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估模型，該模型綜合考慮了企業(yè)的靜態(tài)信息及行業(yè)影響的動(dòng)態(tài)信息，對(duì)非上市中小企業(yè)尤其適用。

除以上幾個(gè)方面之外，文獻(xiàn)中還有關(guān)于研究方法與工具選取的相關(guān)研究。Zhu等（2019）通過(guò)結(jié)合隨機(jī)子空間（RS）和MultiBoosting兩種經(jīng)典的ML方法，提出了一種增強(qiáng)的混合集成ML方法——RS-MultiBoosting，用以提高預(yù)測(cè)供應(yīng)鏈模式下中小企業(yè)信用風(fēng)險(xiǎn)的準(zhǔn)確性。實(shí)證研究表明，RS-MultiBoosting在處理小樣本數(shù)據(jù)方面具有良好的性能。Xie等（2020）構(gòu)建了基于供應(yīng)商和零售商的Stackelberg博弈分析框架，闡明了供應(yīng)鏈金融模式下的相關(guān)信用風(fēng)險(xiǎn)傳染機(jī)制，并探討了融資結(jié)構(gòu)、融資渠道和融資成本對(duì)企業(yè)相關(guān)信用風(fēng)險(xiǎn)的傳染效應(yīng)的影響。

（三）基于企業(yè)大數(shù)據(jù)的中小企業(yè)信用風(fēng)險(xiǎn)研究

企業(yè)大數(shù)據(jù)除了包括企業(yè)財(cái)務(wù)數(shù)據(jù)，還包括企業(yè)股東背景、企業(yè)管理層信息、企業(yè)關(guān)聯(lián)網(wǎng)絡(luò)媒體等所有直接或間接反映企業(yè)運(yùn)營(yíng)的非財(cái)務(wù)數(shù)據(jù)。隨著大數(shù)據(jù)技術(shù)的發(fā)展，越來(lái)越多的學(xué)者開(kāi)始關(guān)注基于企業(yè)大數(shù)據(jù)的中小企業(yè)信用風(fēng)險(xiǎn)研究。

1.在企業(yè)家特征如何影響中小企業(yè)信用風(fēng)險(xiǎn)研究方面。王衛(wèi)星和張佳佳（2018） 選取中小板300家企業(yè)為樣本，分析企業(yè)管理者的背景特征對(duì)信用風(fēng)險(xiǎn)的影響，研究認(rèn)為管理者年齡、學(xué)歷及任期與企業(yè)信用風(fēng)險(xiǎn)存在顯著的正相關(guān)關(guān)系。朱宗元等（2018）針對(duì)新三板市場(chǎng)掛牌的中小企業(yè)構(gòu)建了包括企業(yè)董事長(zhǎng)性別、年齡、學(xué)歷等非財(cái)務(wù)指標(biāo)在內(nèi)的Lasso-logistic模型，該模型能識(shí)別影響中小企業(yè)信用風(fēng)險(xiǎn)的重要因素，且具有良好的評(píng)估性能。Belas等（2018）構(gòu)建了包含企業(yè)家教育、家庭環(huán)境、與銀行關(guān)系、金融素養(yǎng)、信用記錄在內(nèi)的中小企業(yè)信用風(fēng)險(xiǎn)結(jié)構(gòu)分析模型，并對(duì)捷克352家企業(yè)進(jìn)行了實(shí)證研究。研究發(fā)現(xiàn)，教育背景和家庭環(huán)境因素是影響中小企業(yè)信用風(fēng)險(xiǎn)的主要因素。另外，王正位等（2020）研究表明，通過(guò)大數(shù)據(jù)技術(shù)引入高頻個(gè)人消費(fèi)行為信息能提高企業(yè)管理者的信用風(fēng)險(xiǎn)的識(shí)別效率，進(jìn)而提高企業(yè)的信用風(fēng)險(xiǎn)管理能力。池仁勇和朱張帆（2020）使用問(wèn)卷分析的數(shù)據(jù)對(duì)浙江省非上市的中小企業(yè)信用風(fēng)險(xiǎn)影響因素進(jìn)行了Logistic回歸分析，研究表明除傳統(tǒng)的財(cái)務(wù)硬指標(biāo)外，企業(yè)家的學(xué)歷、社交活動(dòng)、不良愛(ài)好等“軟信息”指標(biāo)對(duì)企業(yè)的信用風(fēng)險(xiǎn)也具有較大的影響。Nisar等（2020）在信息不對(duì)稱視角下研究了P2P平臺(tái)中小企業(yè)借貸行為面臨的信用風(fēng)險(xiǎn)，研究結(jié)果表明，可以用作信用風(fēng)險(xiǎn)和財(cái)務(wù)管理預(yù)測(cè)指標(biāo)的三個(gè)重要因素包括企業(yè)家婚姻、收入及房產(chǎn)情況。

2.在企業(yè)關(guān)聯(lián)網(wǎng)絡(luò)媒體如何影響中小企業(yè)信用風(fēng)險(xiǎn)研究方面。Yang等（2016）基于Logit和Probit方法，以財(cái)務(wù)報(bào)表為導(dǎo)向研究了投資者在社交媒體上分享的個(gè)人金融投資觀點(diǎn)對(duì)企業(yè)未來(lái)信用風(fēng)險(xiǎn)的預(yù)測(cè)性。通過(guò)文本挖掘技術(shù)檢索了新浪財(cái)經(jīng)及和訊網(wǎng)上的帖子及其相應(yīng)評(píng)論，研究發(fā)現(xiàn)從企業(yè)信用風(fēng)險(xiǎn)預(yù)測(cè)的角度來(lái)看，社交媒體上提取的觀點(diǎn)優(yōu)于專業(yè)分析師的觀點(diǎn)。Chi和Zhang（2017）認(rèn)為小企業(yè)的財(cái)務(wù)數(shù)據(jù)不足以評(píng)估企業(yè)信用風(fēng)險(xiǎn)，其通過(guò)秩和檢驗(yàn)和熵權(quán)法建立了財(cái)務(wù)及非財(cái)務(wù)指標(biāo)相結(jié)合的多準(zhǔn)則信用風(fēng)險(xiǎn)指標(biāo)體系。Vinciotti等（2019）在中小企業(yè)信用風(fēng)險(xiǎn)模型中納入了各企業(yè)間金融交易的代理變量，開(kāi)發(fā)了幾種網(wǎng)絡(luò)增強(qiáng)的信用風(fēng)險(xiǎn)模型，并實(shí)證研究了英國(guó)約6萬(wàn)家公司的財(cái)務(wù)交易信息，研究發(fā)現(xiàn)，網(wǎng)絡(luò)信息增強(qiáng)的風(fēng)險(xiǎn)模型的預(yù)測(cè)準(zhǔn)確性高于無(wú)網(wǎng)絡(luò)信息增強(qiáng)的模型。Qian等（2019）從理論上分析了企業(yè)家之間的信息傳播路徑對(duì)企業(yè)信用風(fēng)險(xiǎn)傳染的影響，并從復(fù)雜網(wǎng)絡(luò)的角度出發(fā)，構(gòu)建了企業(yè)家社會(huì)關(guān)系與企業(yè)協(xié)會(huì)的雙層網(wǎng)絡(luò)來(lái)揭示信息傳播與信用風(fēng)險(xiǎn)傳染之間的相互作用。Giudici等（2020）使用“替代數(shù)據(jù)”來(lái)擴(kuò)展傳統(tǒng)的信用評(píng)分體系，該替代數(shù)據(jù)包括從借款人之間相似性網(wǎng)絡(luò)得出的集中度指標(biāo)。通過(guò)對(duì)P2P平臺(tái)上中小企業(yè)借貸數(shù)據(jù)的分析發(fā)現(xiàn)，替代數(shù)據(jù)提高了中小企業(yè)信用風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確性。Yin等（2020）提取了公司有關(guān)法律仲裁文本中的相關(guān)信息，并將此信息與財(cái)務(wù)及公司特定信息相結(jié)合，構(gòu)建了用于評(píng)估中小企業(yè)信用風(fēng)險(xiǎn)的模型。實(shí)證研究表明，與僅使用財(cái)務(wù)和公司特定信息的模型相比，從有效法律仲裁中提取的信息能顯著改善中小企業(yè)信用風(fēng)險(xiǎn)評(píng)級(jí)的準(zhǔn)確性。

3.在企業(yè)綜合特征如何影響中小企業(yè)信用風(fēng)險(xiǎn)研究方面。劉沙沙（2016）的研究結(jié)合了信息熵理論及灰色關(guān)聯(lián)方法，利用經(jīng)營(yíng)者素質(zhì)、營(yíng)運(yùn)能力、產(chǎn)品競(jìng)爭(zhēng)力、行業(yè)狀況、成長(zhǎng)能力、科技創(chuàng)新等多個(gè)維度的45個(gè)指標(biāo)，系統(tǒng)構(gòu)建了中小企業(yè)的信用風(fēng)險(xiǎn)評(píng)級(jí)指標(biāo)體系。張永春和陳巖（2018）從融資企業(yè)的償債能力、營(yíng)運(yùn)能力、盈利能力、成長(zhǎng)能力、行業(yè)狀況、金融服務(wù)記錄、企業(yè)管理狀況、宏觀經(jīng)濟(jì)狀況以及質(zhì)押物特征等9個(gè)方面特征出發(fā)，構(gòu)建了基于大數(shù)據(jù)征信原理的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估體系。孟杰等（2018）將實(shí)際控制人類型、董事會(huì)特征、股權(quán)結(jié)構(gòu)和市場(chǎng)指標(biāo)等四方面的信息與傳統(tǒng)財(cái)務(wù)指標(biāo)相結(jié)合，構(gòu)建了基于支持向量機(jī)（Support Vector Machine，SVM）算法的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估模型。Vivel-Bua等（2018）對(duì)西班牙2005—2011年酒店業(yè)的信用風(fēng)險(xiǎn)進(jìn)行了研究。研究發(fā)現(xiàn)，酒店地理位置、季節(jié)性、市場(chǎng)集中度、到旅游目的地中心的距離對(duì)酒店的信用評(píng)級(jí)具有重要影響。

4.如何利用企業(yè)大數(shù)據(jù)構(gòu)建中小企業(yè)信用風(fēng)險(xiǎn)模型的理論和算法方面。Yu和Chen（2017）針對(duì)企業(yè)內(nèi)部信用關(guān)系的復(fù)雜性和不透明性等特點(diǎn)，引入模糊理論和灰色關(guān)聯(lián)理論，建立了企業(yè)信用風(fēng)險(xiǎn)的灰色模糊綜合評(píng)價(jià)模型，該模型能客觀地對(duì)企業(yè)信用風(fēng)險(xiǎn)進(jìn)行評(píng)估。Huang等（2018）比較了幾種常見(jiàn)的神經(jīng)網(wǎng)絡(luò)模型在中國(guó)中小企業(yè)信用風(fēng)險(xiǎn)管理中的應(yīng)用效果。研究結(jié)果表明，概率神經(jīng)網(wǎng)絡(luò)（PNN）具有最小的錯(cuò)誤率和犯第二類錯(cuò)誤的概率，且穩(wěn)定可靠。Tosetti和Vinciotti（2019）提出了一種有效期望最大化算法，用于對(duì)具有廣泛關(guān)聯(lián)性的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)級(jí)進(jìn)行分析。使用2013年英國(guó)13個(gè)工業(yè)部門中小型企業(yè)的近64 000個(gè)賬戶的數(shù)據(jù)的實(shí)證研究表明，有效期望最大化算法相對(duì)于標(biāo)準(zhǔn)的蒙特卡洛方法具有更準(zhǔn)確的預(yù)測(cè)性，對(duì)企業(yè)間網(wǎng)絡(luò)連接效應(yīng)進(jìn)行會(huì)計(jì)處理可以顯著提高信用風(fēng)險(xiǎn)評(píng)級(jí)模型的預(yù)測(cè)能力。

三、未來(lái)發(fā)展趨勢(shì)及研究方向

自“新冠”疫情發(fā)生以來(lái)，為了刺激經(jīng)濟(jì)的發(fā)展，減少疫情對(duì)中小企業(yè)的沖擊，我國(guó)降低了中小企業(yè)融資門檻，大量中小企業(yè)獲得了貸款扶持，這雖然在短期內(nèi)降低了疫情對(duì)經(jīng)濟(jì)的負(fù)面影響，但無(wú)疑加大了疫情后中小企業(yè)的風(fēng)險(xiǎn)管控難度。因此，加大對(duì)中小企業(yè)信用風(fēng)險(xiǎn)的研究具有重大的現(xiàn)實(shí)意義。在互聯(lián)網(wǎng)時(shí)代，數(shù)據(jù)呈爆炸式增長(zhǎng)，如何從這些數(shù)據(jù)中挖掘出有用的價(jià)值是科研工作者一直所追求的。如何在傳統(tǒng)數(shù)字化財(cái)務(wù)指標(biāo)的基礎(chǔ)上，充分利用大數(shù)據(jù)技術(shù)手段，深入挖掘隱藏于文本數(shù)據(jù)中的中小企業(yè)信用風(fēng)險(xiǎn)指標(biāo)，全面準(zhǔn)確地刻畫(huà)企業(yè)的信用風(fēng)險(xiǎn)，將是該領(lǐng)域未來(lái)的發(fā)展趨勢(shì)。主要研究方向包括：

（一）供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險(xiǎn)指標(biāo)體系的構(gòu)建

供應(yīng)鏈金融模式有效地改善了中小企業(yè)融資環(huán)境，預(yù)測(cè)中小企業(yè)信用風(fēng)險(xiǎn)對(duì)于保證供應(yīng)鏈金融的平穩(wěn)運(yùn)行具有重要意義?？紤]到不同行業(yè)間供應(yīng)鏈金融模式的差異，未來(lái)該方向的研究重點(diǎn)包括：各細(xì)分行業(yè)供應(yīng)鏈金融下中小企業(yè)信用風(fēng)險(xiǎn)指標(biāo)體系的構(gòu)建；針對(duì)供應(yīng)鏈金融模式的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)級(jí)算法研究；中小企業(yè)傳統(tǒng)信貸模式與供應(yīng)鏈金融模式的對(duì)比研究等。

（二）基于大數(shù)據(jù)的中小企業(yè)信用風(fēng)險(xiǎn)指標(biāo)體系構(gòu)建

李佳微等（2020）對(duì)大數(shù)據(jù)背景下中小企業(yè)面臨的機(jī)遇和挑戰(zhàn)進(jìn)行了深入的探討，研究發(fā)現(xiàn)大數(shù)據(jù)對(duì)企業(yè)的運(yùn)營(yíng)和發(fā)展方式都產(chǎn)生了重要的影響，例如，大數(shù)據(jù)將重構(gòu)中小企業(yè)信用風(fēng)險(xiǎn)指標(biāo)體系。未來(lái)該方向的重點(diǎn)研究?jī)?nèi)容包括：對(duì)非財(cái)務(wù)指標(biāo)的文本識(shí)別及有效信息挖掘方法的研究；如何在眾多指標(biāo)（財(cái)務(wù)與非財(cái)務(wù)指標(biāo)）中選擇一致的、無(wú)多重共線性的指標(biāo)來(lái)衡量企業(yè)信用風(fēng)險(xiǎn)的研究等。

（三）建立中小企業(yè)信用風(fēng)險(xiǎn)預(yù)警模型及模型實(shí)證研究

利用大數(shù)據(jù)技術(shù)完成中小企業(yè)指標(biāo)體系構(gòu)建后，需要結(jié)合相關(guān)建模理論及算法建立風(fēng)險(xiǎn)預(yù)警模型。該方向的主要研究?jī)?nèi)容包括如何對(duì)各指標(biāo)進(jìn)行加權(quán)集成，形成信用風(fēng)險(xiǎn)預(yù)警模型；如何使用中小企業(yè)的相關(guān)數(shù)據(jù)對(duì)信用風(fēng)險(xiǎn)模型進(jìn)行實(shí)證研究，考察模型的有效性和準(zhǔn)確性等。

（四）多層級(jí)中小企業(yè)信用風(fēng)險(xiǎn)預(yù)警模型的應(yīng)用研究

傳統(tǒng)的信用風(fēng)險(xiǎn)預(yù)警模型通常僅僅針對(duì)企業(yè)自身進(jìn)行評(píng)估，實(shí)際上，除了微觀企業(yè)的數(shù)據(jù)，行業(yè)乃至區(qū)域?qū)蛹?jí)下的企業(yè)信用風(fēng)險(xiǎn)也是未來(lái)值得關(guān)注的重點(diǎn)。根據(jù)行業(yè)、地區(qū)的層級(jí)對(duì)企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行集成匯總，評(píng)價(jià)不同行業(yè)、不同地區(qū)的中小企業(yè)信用風(fēng)險(xiǎn)大小，最終集成國(guó)家層面的中小企業(yè)信用風(fēng)險(xiǎn)指數(shù)，可對(duì)相關(guān)部門、相關(guān)行業(yè)給出科學(xué)的政策建議，這方面的研究將是未來(lái)研究的重點(diǎn)。