郁鎣熒　鮑琴　戴柯磊

摘 要：依據(jù)企業(yè)風險制定中小銀行信貸策略，以數(shù)據(jù)量化分析為切入點，從信貸政策、交易票據(jù)信息、上下游企業(yè)影響力這三個角度挖掘影響銀行信貸風險的因素，量化出評價指標并利用熵權法分析出企業(yè)風險系數(shù)。針對不同的企業(yè)風險情況確定出不同的效益額計算方式，而后以銀行受益與風險之間的平衡為目標，以各企業(yè)的貸款額和貸款年利率作為決策變量，以貸款額度與貸款年利率限制為約束條件，建立銀行信貸策略模型，通過模型求解確定實施信貸策略。為驗證此銀行信貸策略模型在突發(fā)因素情況下的可行性，利用現(xiàn)有數(shù)據(jù)通過模型分析獲得突發(fā)事件下的信貸策略，與實際信貸方案比較，確定本模型輸出結果符合實際情況，可以為中小銀行信貸決策提供參考。

關鍵詞：風險系數(shù)指標;熵權法;銀行信貸策略;可行性

中圖分類號：F832? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2022）13-0095-04

一些小型企業(yè)因發(fā)展需要向銀行貸款，但往往因為規(guī)模較小并且缺乏抵押資產(chǎn)，導致銀行對其信貸策略評估存在一定困難。通過調(diào)查研究發(fā)現(xiàn)，銀行通常是基于企業(yè)信用情況并根據(jù)經(jīng)驗決策放貸，這存在一定風險。本文通過數(shù)據(jù)分析方法引入更多的評價指標，建立了一套銀行信貸模型，以期為制定信貸策略提供科學支撐。

一、信貸風險指標確定

信貸策略主要是用來確定銀行對企業(yè)進行信貸風險評估后決定是否向企業(yè)放貸以及放貸額、貸款年利率的方案。一般銀行通常只從信貸政策、交易票據(jù)信息、上下游企業(yè)影響力這三個角度，根據(jù)一定經(jīng)驗習慣決定信貸策略。本文對已知數(shù)據(jù)通過合理分析[1]，提取出了影響信貸風險的12項指標，以此提高評估科學性。

（一）信貸政策

信貸政策的預防政策主要用于銀行在借貸前對借貸人進行資格審核[2]，借貸人的信譽以及以往交易中違約記錄是考察重點，因此本文提取出信譽等級和是否違約兩項指標。

（二）交易票據(jù)信息

交易票據(jù)信息包含企業(yè)進項和銷項相關數(shù)據(jù)，主要包括進項銷項額、稅額、作廢發(fā)票、負數(shù)發(fā)票、有效票數(shù)，本文從中提取出以下6項指標。

1.年平均營業(yè)收入。企業(yè)的年平均營業(yè)收入直接表明了企業(yè)的收益情況，反映企業(yè)的經(jīng)濟狀況，具體計算公式如下：

年平均營業(yè)收入=（企業(yè)銷項額-企業(yè)進項額）/年數(shù)

（1）

2.營業(yè)收入年平均增長率。企業(yè)的營業(yè)收入年平均增長率反映了企業(yè)近幾年的經(jīng)濟變化趨勢，可看出企業(yè)的經(jīng)濟狀況是呈上升還是下降狀態(tài)，計算公式如下：

營業(yè)收入年平均增長率=-1（2）

其中，n為年限，例如求解2017—2020年的年平均增長率，此時n=4。

3.納稅規(guī)模。納稅規(guī)模的標準與增值稅有關，增值稅為企業(yè)需交稅額，增值稅率3%為小規(guī)模納稅人，增值稅率6%、9%、13%為一般納稅人。

4.進項負數(shù)發(fā)票數(shù)占有效票數(shù)之比——企業(yè)資金流轉情況。企業(yè)的進項負數(shù)發(fā)票數(shù)越多，證明企業(yè)由于自身經(jīng)濟情況取消訂單越多，可能出現(xiàn)資金鏈周轉困難、資金赤字等情況。

5.銷項負數(shù)發(fā)票數(shù)占有效票數(shù)之比——企業(yè)產(chǎn)品質量優(yōu)劣。銷項負數(shù)發(fā)票數(shù)占有效票數(shù)之比反映企業(yè)被退回產(chǎn)品的數(shù)量，刻畫了企業(yè)的產(chǎn)品質量優(yōu)劣。

6.進項銷項作廢票數(shù)占總票數(shù)之比。進項銷項作廢票數(shù)占總票數(shù)之比反映了企業(yè)與銷售方和購買方交易取消的概率。

（三）上下游企業(yè)影響力

企業(yè)從銷售方進貨而后向購貨方銷售產(chǎn)品，兩者分別影響企業(yè)的進貨成本與銷售額，反映了企業(yè)的供求關系。

1.銷售方數(shù)量。銷售方數(shù)量代表企業(yè)進貨資源的豐富與否，銷售方數(shù)量越多，說明企業(yè)進貨渠道廣泛，供應情況越穩(wěn)定。

2.購貨方數(shù)量。購貨方數(shù)量代表企業(yè)的客戶資源，反映企業(yè)產(chǎn)品的需求情況。

3.總進貨額（有效發(fā)票）。企業(yè)總進貨額為進項額之和。

4.總銷售額（有效發(fā)票）。企業(yè)總銷售額為銷項額之和。

二、基于熵權法的信貸風險綜合評價模型

根據(jù)企業(yè)的各項指標來評判企業(yè)的信貸風險是一種多指標評價體系。本文基于熵權法建立了綜合評價模型，利用熵權法求解評價指標權重[3]，得出每個銀行信貸風險的綜合評價得分，據(jù)此評估銀行信貸風險如表1所示。

依據(jù)熵權法，本文求解出12項指標的熵權值，通過排序發(fā)現(xiàn)，納稅規(guī)模、是否違約、信譽評價這三項熵權值較大并且明顯高于其他指標。因此本文認為這三項指標對銀行信貸風險起主要作用，由此獲得風險系數(shù)模型。

風險系數(shù)=0.336×納稅規(guī)模+0.288×是否違約+0.206×信譽評級（3）

三、基于銀行信貸風險性與收益性的銀行信貸策略模型

銀行放貸需要考慮信貸風險性造成的損失額與收益額，因此本文針對銀行放貸建立了以風險與收益平衡為目標的模型，將貸款額、貸款利率作為約束條件，求解出對不同信譽評級的企業(yè)的信貸策略[4]。

（一）企業(yè)最大貸款額

企業(yè)最大貸款額等于每年營業(yè)收入合計乘以年現(xiàn)金值系數(shù)，其中營業(yè)收入合計為企業(yè)進項和銷項額之差，年金現(xiàn)值系數(shù)已知期限和基準年利率可查表得知，本文中期限1年，2020年基準年利率為4.35%，年金現(xiàn)值系數(shù)為0.961，所以可算出每家企業(yè)的最大貸款額。

銀行允許最大貸款額是貸款額度上限和銀行風險承擔額之差。

（二）銀行風險性最低前提下收益最大化的優(yōu)化模型

銀行在放貸時考慮長期風險性最小化和收益額最大化兩個目標，所以本文以銀行風險損失額最少和收益額最大作為雙目標，公式如下：

（4）

而后本文將銀行收益額減去銀行損失額作為銀行長期效益額，實現(xiàn)了雙目標轉單目標，首先分別算出3類信譽評級企業(yè)的效益額并相加，得到銀行向企業(yè)放貸所獲得的總效益額。信譽評級A類企業(yè)的效益額的計算見式（5）。

（5）

其中，ZA為信譽評級A類企業(yè)銀行可獲長期效益額，xi為銀行向企業(yè)提供的貸款額，kA為信譽評級為A的客戶流失率（與貸款年利率的表達式上文已給出），e為銀行貸款年利率，fi為企業(yè)的信貸風險指數(shù)。

同理，可得到信譽評級為B和C類企業(yè)的可獲效益額maxZB和maxZC。銀行最終目標函數(shù)為銀行對應3類企業(yè)效益額之和。決策變量是銀行向每家企業(yè)提供的貸款額及貸款年利率。模型的約束條件如下：

1.基礎貸款額約束：10萬≤xi≤100萬（i=1，2，…，n）（其中n為企業(yè)數(shù)）。10萬元和100萬元可按照銀行真實情況進行調(diào)整。

2.貸款年利率約束：0.04≤ei≤0.15。

3.銀行向企業(yè)貸款額不超過企業(yè)最大貸款額：xi≤Mi（i=1，2，…，n）。

4.貸款額上限不超過銀行允許最大貸款額：xi≤100-xi×fi。

綜上，基于多目標優(yōu)化的信貸策略模型為：

（6）

四、應對突發(fā)事件的信貸策略模型可行性研究

突發(fā)因素會影響企業(yè)的生產(chǎn)經(jīng)營和經(jīng)濟效益[5]，導致銀行信貸風險系數(shù)值改變，即改變信貸策略模型的參數(shù)，銀行信貸策略則隨之調(diào)整。通過資料查詢可以了解到，對于醫(yī)療衛(wèi)生突發(fā)事件，往往醫(yī)療行業(yè)的信貸策略所受影響較大。而對于國際政治突發(fā)事件，則對所有行業(yè)都會產(chǎn)生一定影響。因此，本文選擇兩類具有代表性的突發(fā)事件，分別是突發(fā)事件一（醫(yī)療衛(wèi)生）、突發(fā)事件二（國際政治），來驗證信貸策略模型在突發(fā)事件情況下的可行性。

本文通過基于熵權法的綜合評價模型量化出不同行業(yè)在不同時間段內(nèi)的信貸風險系數(shù)，改變模型參數(shù)，代入優(yōu)化模型，得到不同時間段內(nèi)銀行對企業(yè)的信貸策略，表2列出了6種行業(yè)不同時段內(nèi)的風險系數(shù)。

本文針對四個時間段建立了多目標優(yōu)化模型，求解不同時間段內(nèi)的信貸策略?；谇懊鎯?yōu)化模型思路，此時基于銀行長期效益額最大的多目標優(yōu)化模型為：

（7）

其中H為銀行向6類行業(yè)放貸獲得的長期收益額，Gi是各行業(yè)的貸款利率，Qi為各行業(yè)的客戶損失率，wi為各行業(yè)的信貸風險系數(shù)，Ri為各行業(yè)允許企業(yè)貸款數(shù)量，Pi為企業(yè)最大貸款額。

而后得到兩個突發(fā)事件影響下的銀行信貸策略的調(diào)整方案如表3和下頁表4所示。

由以上圖表可知，在事件一影響下，銀行調(diào)整了對各個行業(yè)的貸款額，并且對各個行業(yè)的調(diào)整額度不同，主要影響了醫(yī)療衛(wèi)生行業(yè)和貿(mào)易銷售行業(yè)，其中貿(mào)易銷售企業(yè)的貸款額同比增長了326.991%。在事件二影響下，銀行全面大幅度調(diào)整了各行業(yè)的貸款額，事件二對全國各行業(yè)的影響程度都較大，除餐飲行業(yè)貸款額上升外，其余行業(yè)的貸款額都下降了，其中個體經(jīng)營戶的貸款額下降幅度最大，達到了69.215%。由此說明結果數(shù)據(jù)符合現(xiàn)實情況下的銀行信貸策略變化情況[6]，表明應對突發(fā)事件式信貸策略模型具有可行性。

總之，通過數(shù)據(jù)分析，首先在常用的決策信貸方案的三類數(shù)據(jù)中確定了12項風險評估指標并通過熵權法獲得每個企業(yè)的風險系數(shù)。其次在風險系數(shù)的基礎上融合了業(yè)界通用的收益計算方式，構建了風險與收益平衡的信貸策略模型，并用兩類突發(fā)事件的往期數(shù)據(jù)進行了可行性驗證，從而為銀行信貸的決策提供了一種新方法。

參考文獻：

[1]? 123家有信貸記錄企業(yè)的相關數(shù)據(jù)[Z/OL].百度文庫，2020-09-22.

[2]? 王聰，韓志，胥仲橋，王麗莎.基于邏輯回歸的中小微銀行信貸策略研究[J].商訊，2021，（2）：91-92.

[3]? 姜安民，董彥辰，李旋.基于熵權與模糊綜合評判法的深基坑施工風險預測模型研究[J].甘肅科學學報，2021，（1）：83-88.

[4]? 張東蕾，余紀磊，王子軒.基于信貸風險評估的銀行信貸策略研究[J].投資與合作，2021，（1）：62-63.

[5]? 操儀，祖平，胡逸歡，肖萍，何蓉.新型冠狀病毒肺炎疫情發(fā)布中的公共衛(wèi)生倫理考量[J].中國衛(wèi)生資源，2021，（3）.

[6]? 王泓月，潘萌，朱晶晶，林獻果.生物醫(yī)藥企業(yè)的信貸營銷策略探索[J].時代金融，2021，（6）：81-83.

收稿日期：2021-04-15

作者簡介：郁鎣熒（1999-），女，浙江嘉興人，學生，從事企業(yè)質量管理研究;鮑琴（1999-），女，浙江蘭溪人，學生，從事企業(yè)質量管理研究;戴柯磊（1999-），男，浙江寧波人，學生，從事儀器科學與技術研究。