大數(shù)據(jù)背景下的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)與應(yīng)用研究

張永春 陳巖

摘要：大數(shù)據(jù)征信是利用數(shù)據(jù)分析和模型進(jìn)行風(fēng)險(xiǎn)評(píng)估，為中小企業(yè)的信用風(fēng)險(xiǎn)評(píng)估提供了新的思路。本文首先分析影響中小企業(yè)信用風(fēng)險(xiǎn)的主要因素，運(yùn)用大數(shù)據(jù)征信原理從融資企業(yè)的償債能力、營運(yùn)能力、盈利能力、成長能力、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)方面構(gòu)建信用風(fēng)險(xiǎn)評(píng)估體系，運(yùn)用層次分析法和灰色綜合評(píng)價(jià)法相結(jié)合構(gòu)建信用風(fēng)險(xiǎn)評(píng)價(jià)模型，并對(duì)3家中小企業(yè)進(jìn)行信用風(fēng)險(xiǎn)評(píng)價(jià)實(shí)證研究，確定各個(gè)企業(yè)的信用風(fēng)險(xiǎn)等級(jí)。結(jié)果表明：基于大數(shù)據(jù)征信原理的評(píng)價(jià)指標(biāo)體系對(duì)于評(píng)價(jià)中小企業(yè)信用風(fēng)險(xiǎn)具有很強(qiáng)的優(yōu)勢(shì)，灰色綜合評(píng)價(jià)法是評(píng)價(jià)信用風(fēng)險(xiǎn)很好的模型選擇，盈利能力和償債能力是影響信用風(fēng)險(xiǎn)最重要的因素。

關(guān)鍵詞：大數(shù)據(jù);中小企業(yè);信用風(fēng)險(xiǎn);灰色綜合評(píng)價(jià)

引言

中小企業(yè)貸款的瓶頸是“缺乏高效率、低成本、高精度基礎(chǔ)的征信服務(wù)”。如果資金方有能力以一種低成本的方式準(zhǔn)確識(shí)別小企業(yè)是否可信，再加以輔助風(fēng)控措施（擔(dān)保、抵押等），資金通道可以就此打開，小微信貸就會(huì)變得順暢而有序。大數(shù)據(jù)征信正是在這種社會(huì)背景下應(yīng)運(yùn)而生，為中小企業(yè)的信用評(píng)估提供了新的思路。

目前對(duì)信用風(fēng)險(xiǎn)的研究大致可分為兩類。一種是基于傳統(tǒng)征信方式的研究，在信用風(fēng)險(xiǎn)影響因素研究方面，PhilipLowe[1]指出宏觀經(jīng)濟(jì)因素是影響信用風(fēng)險(xiǎn)的重要因素，進(jìn)一步分析了宏觀經(jīng)濟(jì)因素是如何在信用風(fēng)險(xiǎn)模型中發(fā)揮作用。芮娟、潘淑娟[2]在中小企業(yè)信用風(fēng)險(xiǎn)的研究中認(rèn)為信用風(fēng)險(xiǎn)不可避免，并找到影響信用風(fēng)險(xiǎn)的關(guān)鍵因素。夏立明、宗恒恒[3]認(rèn)為中小企業(yè)信用風(fēng)險(xiǎn)不僅受宏觀經(jīng)濟(jì)影響，而且受企業(yè)自身盈利能力的影響。在風(fēng)險(xiǎn)評(píng)估模型的選擇上，方煥[4]在評(píng)估供應(yīng)鏈金融信用風(fēng)險(xiǎn)時(shí)，構(gòu)建了風(fēng)險(xiǎn)評(píng)估體系，并采用logistic模型進(jìn)行實(shí)證分析。逯宇鐸、金艷玲[5]認(rèn)為使用logistic模型分析供應(yīng)鏈金融信用風(fēng)險(xiǎn)具有較好的實(shí)用性，當(dāng)測(cè)量變量較多的時(shí)候會(huì)存在多重共線性，因此將lasso算法和logistic模型相結(jié)合。Motoussi、Homodi[6]結(jié)合logistic模型和BP神經(jīng)網(wǎng)絡(luò)對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)進(jìn)行研究。

另一類是基于大數(shù)據(jù)征信的信用評(píng)估研究。大數(shù)據(jù)征信是指金融機(jī)構(gòu)根據(jù)企業(yè)的日常經(jīng)營活動(dòng)中留下的痕跡以及企業(yè)人員的行為進(jìn)行信用評(píng)估的一種方法。Jennifer.J.Xu[7]等利用大數(shù)據(jù)的方法和數(shù)據(jù)挖掘的手段深入分析了中國p2p平臺(tái)面臨的風(fēng)險(xiǎn)以及識(shí)別手段。陳劍、王艷[8]通過對(duì)KDS公司大量數(shù)據(jù)的查詢，深入剖析了大數(shù)據(jù)與信用風(fēng)險(xiǎn)的關(guān)系，最后以2008年美國金融危機(jī)為例闡述了大數(shù)據(jù)的局限性。杜永紅[9]定性的講述了互聯(lián)網(wǎng)金融在大數(shù)據(jù)背景下的發(fā)展模式，并根據(jù)不足之處提出可行性建議。劉愛華[10]通過分析阿里小貸的業(yè)務(wù)模式及其對(duì)大數(shù)據(jù)的應(yīng)用，得出其在利用大數(shù)據(jù)征信時(shí)的經(jīng)驗(yàn)和方法。劉新海、韓涵[11]采用電信大數(shù)據(jù)作為重要的替代數(shù)據(jù)在供應(yīng)鏈金融企業(yè)中的運(yùn)用進(jìn)行案例分析，發(fā)現(xiàn)其中存在的問題并提出建議。

綜上所述，目前在對(duì)中小企業(yè)信用風(fēng)險(xiǎn)的研究上，大部分學(xué)者認(rèn)為供應(yīng)鏈金融是解決中小企業(yè)信用風(fēng)險(xiǎn)的重要方法，對(duì)大數(shù)據(jù)征信的研究相對(duì)較少。因此，本文將以大數(shù)據(jù)為研究背景，選擇灰色綜合評(píng)價(jià)法評(píng)估信用風(fēng)險(xiǎn)，該方法不僅能通過關(guān)聯(lián)度的大小確定信用風(fēng)險(xiǎn)的等級(jí)，還能進(jìn)行多個(gè)企業(yè)間風(fēng)險(xiǎn)大小的比較。希望能找出一套可行的風(fēng)險(xiǎn)評(píng)估方法，既能解決小企業(yè)融資難的問題，又能促進(jìn)資金方信貸業(yè)務(wù)的發(fā)展。

2、基于大數(shù)據(jù)的信用風(fēng)險(xiǎn)評(píng)估指標(biāo)建立和模型研究

2.1 基于大數(shù)據(jù)的信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系構(gòu)建

本文構(gòu)建的大數(shù)據(jù)風(fēng)險(xiǎn)評(píng)估體系，共分為三層。第一層是目標(biāo)層，即中小企業(yè)信用風(fēng)險(xiǎn);第二層是準(zhǔn)則層，包括償債能力（ Ul）、營運(yùn)能力（U2）、盈利能力（U3）、成長能力（U4）、行業(yè)狀況（U5）、金融服務(wù)記錄（U6）、企業(yè)管理狀況（U7）、宏觀經(jīng)濟(jì)狀況（U8）和質(zhì)押物特征（U9）九個(gè)方面;共設(shè)置21個(gè)評(píng)價(jià)指標(biāo)。具體如表1所示。

2.2灰色關(guān)聯(lián)系數(shù)的計(jì)算

（1）確定比較數(shù)列和參考數(shù)列

在灰色系統(tǒng)理論中，將受評(píng)對(duì)象作為比較數(shù)列，參考數(shù)列是評(píng)價(jià)對(duì)象的最優(yōu)值。本文假設(shè)有m個(gè)評(píng)價(jià)對(duì)象，每個(gè)評(píng)價(jià)對(duì)象有n個(gè)評(píng)價(jià)指標(biāo)，則比較數(shù)列可以表示為：

（2）多層次灰色綜合評(píng)價(jià)

灰色綜合評(píng)價(jià)法主要依據(jù)以下模型：

R=E×W

（4）

式中：R=[r1，r2，…，rm]T為m個(gè)被評(píng)價(jià)對(duì)象的評(píng)判結(jié)果向量;E為各指標(biāo)的評(píng)判矩陣;W為各指標(biāo)的權(quán)重系數(shù)，滿足歸一化。

2.4 評(píng)估等級(jí)劃分

信用等級(jí)通常是用來衡量借款企業(yè)的資信狀況以及財(cái)務(wù)能力的重要標(biāo)準(zhǔn)，不僅可以給商業(yè)銀行提供放貸決策所需要的信息，還可以為廣大投資者做決策提供幫助。本文將風(fēng)險(xiǎn)等級(jí)劃分為“風(fēng)險(xiǎn)極高、風(fēng)險(xiǎn)較高、風(fēng)險(xiǎn)適中、風(fēng)險(xiǎn)較低、風(fēng)險(xiǎn)極低”五個(gè)級(jí)別，各風(fēng)險(xiǎn)等級(jí)的具體描述如表2所示。

3、評(píng)估模型的應(yīng)用

本文選取3家規(guī)模相似的中小企業(yè)作為研究對(duì)象，選取2017年度的財(cái)務(wù)數(shù)據(jù)以及其他資料作為數(shù)據(jù)樣本，運(yùn)用前面構(gòu)建的灰色綜合評(píng)價(jià)法對(duì)三家中小企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，以驗(yàn)證本文風(fēng)險(xiǎn)評(píng)估模型的有效性。

3.1確定比較數(shù)列和參考數(shù)列

本文將收集到的樣本數(shù)據(jù)作為比較數(shù)列，各指標(biāo)的最優(yōu)值作為參考數(shù)列，并運(yùn)用層次分析法確定各指標(biāo)的權(quán)重，結(jié)果如表3所示。

3.2 計(jì)算灰色關(guān)聯(lián)系數(shù)

構(gòu)建U1的評(píng)價(jià)矩陣，由最優(yōu)指標(biāo)集和實(shí)際指標(biāo)集構(gòu)成，并運(yùn)用公式（1）進(jìn)行數(shù)據(jù)無量綱化;然后根據(jù)公式（2）計(jì)算關(guān)聯(lián)系數(shù)矩陣r1j

根據(jù)灰色關(guān)聯(lián)度公式（4）R=E×W，可以求出3家公司的綜合關(guān)聯(lián)度和排名，計(jì)算結(jié)果如下所示。

R=[0.573 0.719 0.675]T

根據(jù)評(píng)價(jià)結(jié)果以及風(fēng)險(xiǎn)等級(jí)劃分表2可知，企業(yè)1信用風(fēng)險(xiǎn)極高，企業(yè)3信用風(fēng)險(xiǎn)較高，企業(yè)2信用風(fēng)險(xiǎn)適中。

參考文獻(xiàn)

[1]Philip Lowe.Credit risk measurement and procyclicality[R].BIS Working Paper， 2002，

（116）

[2]芮婧，潘淑娟，供應(yīng)鏈金融業(yè)務(wù)的信用風(fēng)險(xiǎn)評(píng)價(jià)系統(tǒng)設(shè)計(jì)[J].鄭州航空工業(yè)管理學(xué)院學(xué)報(bào)，2010，28（05）：131-134.

[3]夏立明，宗恒恒，孟麗.中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的構(gòu)建一基于供應(yīng)鏈金融視角的研究[J].金融論壇，2011，16（10）：73-79.

[4]方煥，孟楓平.基于Logistic模型的供應(yīng)鏈金融信用風(fēng)險(xiǎn)實(shí)證研究——以農(nóng)業(yè)類上市公司為例[J].山西農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015，14 （11）：1158-1164.

[5]逯宇鐸，金艷玲，基于Lasso-10gistic模型的供應(yīng)鏈金融信用風(fēng)險(xiǎn)實(shí)證研究[J].管理現(xiàn)代化，2016，36（02）：98-100.

[6] Matoussi， Hamadi. Credit-risk Evaluation of a TunisianCommercial Bank： Logit Regression VS NetworkModeling.Accounting&Management InformationSystems， 2010， Vol.9 Issue l，p92-119，28p，6

[7] Xu J J， Lu Y， Chau M. P2P Lending Fraud Detection：ABig Data Approach[M]//lntelligence and Security Infor-matics.Springer International Publishing， 2015：71-81

[8]陳劍，王艷，郭杰群.大數(shù)據(jù)金融及信用風(fēng)險(xiǎn)管理[J].網(wǎng)絡(luò)新媒體技術(shù)，2015，4（03）：8-12+18.

[9]杜永紅.大數(shù)據(jù)下的互聯(lián)網(wǎng)金融創(chuàng)新發(fā)展模式[J].中國流通經(jīng)濟(jì)，2015，29（07）：70-75.

[10]劉愛華.大數(shù)據(jù)在網(wǎng)絡(luò)借貸風(fēng)險(xiǎn)控制上的應(yīng)用[D].河北金融學(xué) 院，2015.

[11]劉新海，韓涵，丁偉，王題，電信大數(shù)據(jù)在信用風(fēng)險(xiǎn)管理中的應(yīng)用[J]，大數(shù)據(jù)，2017，3（03）：94-102.