□文/趙池北

（宿遷職業(yè)技術(shù)學(xué)院江蘇·宿遷）

中小企業(yè)信用風(fēng)險(xiǎn)評估模型比較

□文/趙池北

（宿遷職業(yè)技術(shù)學(xué)院江蘇·宿遷）

本文立足于我國中小企業(yè)融資難現(xiàn)狀，從中小企業(yè)產(chǎn)業(yè)特點(diǎn)出發(fā)，在比較分析國內(nèi)外信用風(fēng)險(xiǎn)度量技術(shù)的基礎(chǔ)上，借鑒先進(jìn)的信用風(fēng)險(xiǎn)度量方法，為金融機(jī)構(gòu)提出切實(shí)可行的信用風(fēng)險(xiǎn)識別評估模型組合，以破解中小企業(yè)融資難困境。

中小企業(yè)；信用風(fēng)險(xiǎn)；模型

收錄日期：2014年7月3日

引言

作為市場經(jīng)濟(jì)的活力之源，中小企業(yè)支撐著國民經(jīng)濟(jì)“半壁江山”。隨著近年外部市場及金融環(huán)境趨緊，中小企業(yè)發(fā)展面臨諸多挑戰(zhàn)，最突出的就是信用風(fēng)險(xiǎn)導(dǎo)致的融資困難。中小企業(yè)融資渠道狹窄，銀行信貸是其主要融資渠道，但由于信息不對稱造成的逆向選擇和道德風(fēng)險(xiǎn)，使銀行對中小企業(yè)有惜貸趨勢。因此，破解中小企業(yè)融資困難的關(guān)鍵首先在于完善中小企業(yè)各類信用數(shù)據(jù)庫，為銀行信貸提供數(shù)據(jù)支撐；其次要立足國情，學(xué)習(xí)先進(jìn)測量技術(shù)，開發(fā)適合中小企業(yè)特點(diǎn)的信用風(fēng)險(xiǎn)度量方法，構(gòu)建信用風(fēng)險(xiǎn)識別、評估模型，系統(tǒng)評價(jià)企業(yè)信用風(fēng)險(xiǎn)，改變企業(yè)與銀行信息不對稱的現(xiàn)狀，破解中小企業(yè)融資困境。信息系統(tǒng)的建設(shè)與共享是一項(xiàng)長期而艱巨的任務(wù)，目前我國已經(jīng)認(rèn)識到數(shù)據(jù)庫在中小企業(yè)信用風(fēng)險(xiǎn)管理中的重要性，人行征信中心的企業(yè)信用信息數(shù)據(jù)庫已經(jīng)逐漸成熟，司法、環(huán)保、社保、質(zhì)檢等中小企業(yè)信用數(shù)據(jù)已經(jīng)逐步共享完善。所以，目前當(dāng)務(wù)之急是合理設(shè)計(jì)中小企業(yè)信用評價(jià)模型，為銀行信貸提供技術(shù)支持，降低信用風(fēng)險(xiǎn)。

一、傳統(tǒng)信用風(fēng)險(xiǎn)度量模型分析

傳統(tǒng)信用風(fēng)險(xiǎn)分析評估方法已相當(dāng)成熟，在國內(nèi)外銀行信貸決策中應(yīng)用較多，主要包含專家制度法、信用評級法、信用評分法。

（一）專家制度法。20世紀(jì)70年代前，企業(yè)信用風(fēng)險(xiǎn)評估主要是銀行專家依據(jù)品格、資本、償付能力、抵押品、經(jīng)濟(jì)周期等5C要素進(jìn)行主觀判斷，后來衍生出5P模型（個(gè)人因素、目的因素、償還因素、保障因素、前景因素）和5W模型（借款人、借款用途、還款期限、擔(dān)保物、如何還款）?？v觀這三種模型，都是定性分析，無法量化風(fēng)險(xiǎn)水平，而且嚴(yán)重依賴專家的主觀判斷，這會(huì)造成銀行信貸決策官僚主義作風(fēng)盛行，降低銀行在金融市場中的應(yīng)變能力，同時(shí)專家制度在對借款人進(jìn)行信用分析時(shí)，難以確定共同遵循的標(biāo)準(zhǔn)，造成信用評估的隨意性和不一致性。

（二）信用評級法。信用評級法是美貨幣監(jiān)理署開發(fā)的，該方法將現(xiàn)有貸款安全級別分為5類：正常類、關(guān)注類、次級類、可疑類、損失類，后來細(xì)化為10類：AAA、AA、A、BBB、BB、B、CCC、CC、C、D（標(biāo)注普爾）。評級后再根據(jù)級別提取不同貸款準(zhǔn)備金率。

（三）信用評分法。和前兩種方法相比，信用評分法是一個(gè)量化法，最著名的模型就是Z計(jì)分模型（Z-score）：它的基本思想是利用數(shù)理統(tǒng)計(jì)中的辨別方法分析銀行的貸款情況，建立一個(gè)可以在最大程度上區(qū)分信貸風(fēng)險(xiǎn)度的模型，得到最能夠反映借款人的財(cái)務(wù)狀況的好壞，具有預(yù)測和分析價(jià)值的比率，從而對企業(yè)進(jìn)行信用風(fēng)險(xiǎn)狀況評估。模型如下：

Z＝0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

變量解釋：

X1＝流動(dòng)資本/總資產(chǎn)；X2＝留存收益/總資產(chǎn)；X3＝息稅前收益/總資產(chǎn)；X4＝優(yōu)先股和普通股市值/總負(fù)債；X5＝銷售額/總資產(chǎn)＝主營業(yè)務(wù)收入凈額/總資產(chǎn)。

判斷準(zhǔn)則：

Z＜1.8，財(cái)務(wù)狀況較差，信用風(fēng)險(xiǎn)高，拒絕貸款；1.8≤Z≤2.99，為灰色區(qū)，誤判的概率較大；2.99＜Z，財(cái)務(wù)狀況良好，信用風(fēng)險(xiǎn)低，可以貸款。

Z-score模型主要是利用財(cái)務(wù)指標(biāo)進(jìn)行加權(quán)平均，該模型有2大缺陷：①企業(yè)財(cái)務(wù)數(shù)據(jù)反映的是過去的信息，利用這些數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)度量的結(jié)果也只是對過去風(fēng)險(xiǎn)水平的測量；②中小企業(yè)多半不是上市公司，財(cái)務(wù)指標(biāo)原始數(shù)據(jù)獲得困難。

二、現(xiàn)代判別法

（一）統(tǒng)計(jì)模型法。統(tǒng)計(jì)模型法是典型的定量評級法，根據(jù)中小企業(yè)信用數(shù)據(jù)，統(tǒng)計(jì)模型，計(jì)算其違約風(fēng)險(xiǎn)的大小常見的有Logit模型和Probit模型。

1、Logit模型。Logit模型是通過一個(gè)取值為0和1之間的Logistic函數(shù)來進(jìn)行二類模式分類。不要求數(shù)據(jù)滿足正態(tài)分布，這是其最大優(yōu)點(diǎn)；另外，自變量、因變量之間不是線性關(guān)系，模型如下：

xk（k＝1，2，…m）為信用風(fēng)險(xiǎn)影響變量（多為企業(yè)財(cái)務(wù)指標(biāo)），ck（k＝0，1，2，…，m）為技術(shù)系數(shù)，通過回歸估計(jì)獲得?；貧w值p∈（0，1）為中小企業(yè)信用風(fēng)險(xiǎn)分析的判別結(jié)果。如果p接近于0，則被判定為“差類”企業(yè)；若p接近于1，則被判定為“好類”企業(yè)。即p值離0越遠(yuǎn)，企業(yè)違約風(fēng)險(xiǎn)越?。环粗?，違約風(fēng)險(xiǎn)越大。

2、Probit模型。Probit模型假定誤差項(xiàng)服從標(biāo)準(zhǔn)正態(tài)分布，樣本企業(yè)的債信質(zhì)量得分也服從標(biāo)準(zhǔn)正態(tài)分布。模型如下：

Xi與B分別為解釋變量與回歸系數(shù)構(gòu)成的向量；Yi*為樣本公司有財(cái)務(wù)危機(jī)的傾向。當(dāng)Yi*＞0時(shí)，表示樣本企業(yè)有債務(wù)危機(jī)傾向；當(dāng)Yi*＜0時(shí)，表示無債務(wù)危機(jī)傾向。

統(tǒng)計(jì)模型確實(shí)可以憑借統(tǒng)計(jì)分析提供有參考價(jià)值的依據(jù)，比較容易在評級效果上取得一致性。但存在兩點(diǎn)缺陷：①缺乏有力的理論基礎(chǔ)支持區(qū)別函數(shù)中的權(quán)重及自變量。在信用評分模型中的權(quán)重及自變量通常只能維持短期的穩(wěn)定狀態(tài)，特別是當(dāng)金融市場發(fā)生變化時(shí)，其他的財(cái)務(wù)比率也許在解釋違約風(fēng)險(xiǎn)概率上容易造成預(yù)測模型的不穩(wěn)定。②模型忽略了難以計(jì)量但又重要的因素，如借款人聲譽(yù)。

（二）人工智能法。人工智能法主要包含專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)。

1、專家系統(tǒng)。專家系統(tǒng)其實(shí)是模擬專家運(yùn)用知識進(jìn)行推理的計(jì)算機(jī)程序，將專家解決問題的推理過程再現(xiàn)從而成為專家的決策工具或?yàn)榉菍I(yè)決策者提供專業(yè)性建議。專家系統(tǒng)一般采用歸納推理法，分析一系列案例，發(fā)現(xiàn)其規(guī)律。歸納推理有兩種途徑：一是利用大量案例信息來發(fā)現(xiàn)規(guī)律的信息驅(qū)動(dòng)型；二是利用先驗(yàn)?zāi)Ｐ椭笇?dǎo)來發(fā)現(xiàn)規(guī)律的意識模型驅(qū)動(dòng)型。利用計(jì)算機(jī)的人工智能法大大降低了風(fēng)險(xiǎn)評估的難度，但是專家系統(tǒng)中知識的獲取始終是瓶頸，極大地影響著專家系統(tǒng)在信用分析領(lǐng)域的應(yīng)用前景。

2、神經(jīng)網(wǎng)絡(luò)（PNN）。神經(jīng)網(wǎng)絡(luò)是一種具有模式識別能力、自組織、自適應(yīng)、自學(xué)習(xí)特點(diǎn)的計(jì)算機(jī)制，該方法主要將知識編碼用于整個(gè)權(quán)值網(wǎng)絡(luò)，具有包容錯(cuò)誤的能力，同時(shí)對數(shù)據(jù)的分布沒有嚴(yán)格要求，也不必要詳細(xì)表述自變量與因變量之間的函數(shù)關(guān)系。該模型原理是通過神經(jīng)網(wǎng)絡(luò)的分類功能進(jìn)行信用風(fēng)險(xiǎn)分析的。首先找出影響分類的因素，作為PNN的輸入量，然后通過有導(dǎo)師的或無導(dǎo)師的訓(xùn)練形成神經(jīng)網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)分析模型，用于新樣本的判別。

三、結(jié)論

信用風(fēng)險(xiǎn)度量方法大致經(jīng)歷了從定性到定量；從指標(biāo)分析到模型分析；從財(cái)務(wù)指標(biāo)分析到資產(chǎn)市場價(jià)值分析；從只考慮公司這個(gè)微觀客體到把宏觀經(jīng)濟(jì)因素考慮在內(nèi)。考慮到我國中小企業(yè)大部分為非上市公司，Z-score模型無法普遍推行使用。另外，我國中小企業(yè)信用數(shù)據(jù)庫尚不成熟，歷史信用數(shù)據(jù)積累少，質(zhì)量較差，當(dāng)前運(yùn)用現(xiàn)代信用風(fēng)險(xiǎn)度量技術(shù)評估我國中小企業(yè)信用風(fēng)險(xiǎn)尚不成熟。但是，目前銀行單獨(dú)使用傳統(tǒng)分析法，將大部分資金匱乏的中小企業(yè)拒之門外，逼迫中小企業(yè)求助民間貸款，年利息高達(dá)30%。“貸款越來越少，利息越來越高”成了中小企業(yè)發(fā)展的罩門。因此，度量中小企業(yè)信用風(fēng)險(xiǎn)的最有效辦法是將傳統(tǒng)方法與現(xiàn)代判別法相結(jié)合，同時(shí)載入財(cái)務(wù)數(shù)據(jù)與非財(cái)務(wù)數(shù)據(jù)，進(jìn)行多元統(tǒng)計(jì)分析。

［1］安東尼·桑德斯等.劉宇飛譯.信用風(fēng)險(xiǎn)度量［M］.北京:機(jī)械工業(yè)出版社，2001.

［2］李志輝.現(xiàn)代信用風(fēng)險(xiǎn)量化度量和管理研究［M］.北京:中國金融出版社，2001.

F27

A