基于模糊綜合評(píng)價(jià)法的中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估研究

摘 要：開(kāi)展中小微企業(yè)貸款業(yè)務(wù)是商業(yè)銀行優(yōu)化信貸資產(chǎn)結(jié)構(gòu)的重要舉措，如何高效地評(píng)估企業(yè)信貸風(fēng)險(xiǎn)是商業(yè)銀行亟須解決的問(wèn)題。本文基于中小微企業(yè)內(nèi)在特征，從企業(yè)實(shí)力和企業(yè)信譽(yù)兩個(gè)方面進(jìn)行評(píng)估，選取了進(jìn)項(xiàng)稅額合計(jì)、銷項(xiàng)稅額合計(jì)、進(jìn)項(xiàng)有效發(fā)票比例和銷項(xiàng)有效發(fā)票比例共4個(gè)指標(biāo)，建立了適用于我國(guó)中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估體系?；跇?gòu)建的指標(biāo)體系，運(yùn)用模糊綜合評(píng)價(jià)法來(lái)量化每家企業(yè)的信貸風(fēng)險(xiǎn)，最后通過(guò)實(shí)證分析，以銀行借款期望值最大化與客戶流失率最小化為目標(biāo)，構(gòu)建非線性多元函數(shù)，尋找最優(yōu)信貸策略，為商業(yè)銀行信貸決策提供參考。

關(guān)鍵詞：信貸風(fēng)險(xiǎn);信貸決策;模糊綜合評(píng)價(jià)法;AHP分析;曲線擬合

本文索引：汪淳慧.基于模糊綜合評(píng)價(jià)法的中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估研究[J].中國(guó)商論，2021（13）：079-082.

中圖分類號(hào)：F832.4 ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2021）07（b）--04

1 文獻(xiàn)回顧

隨著普惠金融的推及，中小微企業(yè)在市場(chǎng)占據(jù)的地位越發(fā)不容小覷，中小微企業(yè)在促進(jìn)改革、調(diào)整經(jīng)濟(jì)結(jié)構(gòu)、惠及民生方面發(fā)揮著舉重輕重的作用。然而由于中小微企業(yè)自身的規(guī)模較小、抵押物不足、波動(dòng)大等特性，導(dǎo)致中小微企業(yè)融資困難，難以從銀行獲得貸款，嚴(yán)重阻礙了企業(yè)的發(fā)展。對(duì)于銀行來(lái)說(shuō)，貸款給中小微企業(yè)必然要承受較大的風(fēng)險(xiǎn)，因此，如何建立科學(xué)完善的信貸風(fēng)險(xiǎn)評(píng)估體系，向?qū)嵙π酆?、供需關(guān)系穩(wěn)定的企業(yè)發(fā)放貸款，并給予信譽(yù)高、信用風(fēng)險(xiǎn)低的企業(yè)利率優(yōu)惠是銀行借貸面臨的難題。本文旨在探索用科學(xué)合理的方法對(duì)中小微企業(yè)的信貸風(fēng)險(xiǎn)進(jìn)行評(píng)估，以幫助中小微企業(yè)獲得融資和發(fā)展，促進(jìn)銀行實(shí)現(xiàn)安全性和盈利性的統(tǒng)一。

從現(xiàn)有理論研究和實(shí)踐來(lái)看，相對(duì)于已經(jīng)比較成熟的大型企業(yè)信用評(píng)估，中小微企業(yè)在信貸風(fēng)險(xiǎn)評(píng)估方面的發(fā)展起步較晚，沒(méi)有建立起完善的評(píng)價(jià)體系。國(guó)外學(xué)者主要針對(duì)信貸風(fēng)險(xiǎn)評(píng)估指標(biāo)完善和評(píng)估模型構(gòu)建兩個(gè)角度展開(kāi)研究。在評(píng)估指標(biāo)體系完善方面，學(xué)者著重于研究如何加入更有效的評(píng)價(jià)指標(biāo)。例如Minnis M， Sutherland A（2015）討論了一系列財(cái)務(wù)數(shù)據(jù)指標(biāo)在分析中小微企業(yè)違約情況的有效性;Roy Mersland（2011）認(rèn)為不僅要做好信貸風(fēng)險(xiǎn)評(píng)估體系的建設(shè)，還要加強(qiáng)貸款前后環(huán)節(jié)的管理，以構(gòu)建完整的風(fēng)險(xiǎn)控制體系。

國(guó)內(nèi)學(xué)者對(duì)信貸風(fēng)險(xiǎn)評(píng)估的研究主要通過(guò)以下兩個(gè)途徑展開(kāi)：一是對(duì)特定的信貸風(fēng)險(xiǎn)評(píng)估模型進(jìn)行改進(jìn)，如陸愛(ài)國(guó)等（2012）基于改進(jìn)的SVM學(xué)習(xí)算法，對(duì)比原SVM模型的檢驗(yàn)結(jié)果，證明改進(jìn)算法的先進(jìn)性和有效性;二是改進(jìn)信貸風(fēng)險(xiǎn)評(píng)估模型的評(píng)估基礎(chǔ)，如胡威等（2011）嘗試通過(guò)引入拒絕推論，避免由于眾多企業(yè)基于信息安全的考量而未公開(kāi)與信貸評(píng)價(jià)相關(guān)的重要數(shù)據(jù)，造成模型的參數(shù)估計(jì)存在偏差，影響模型的精確度。

現(xiàn)有對(duì)中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估方法的研究主要不足在于沒(méi)有真正結(jié)合中小微企業(yè)自身特點(diǎn)，其信貸風(fēng)險(xiǎn)評(píng)估指標(biāo)體系的構(gòu)建大多基于傳統(tǒng)的大型企業(yè)指標(biāo)體系，未能很好地體現(xiàn)中小微企業(yè)經(jīng)營(yíng)特點(diǎn)。本文旨在從中小微企業(yè)特點(diǎn)出發(fā)，構(gòu)建針對(duì)中小微企業(yè)的信貸風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，建立具有實(shí)際應(yīng)用價(jià)值的模型，通過(guò)模糊層次分析法科學(xué)客觀地評(píng)估企業(yè)的信貸狀況，避免商業(yè)銀行放貸的盲目性，加強(qiáng)商業(yè)銀行信貸資產(chǎn)管控和預(yù)防不良貸款的能力。

2 模型的建立

2.1 中小微企業(yè)信貸風(fēng)險(xiǎn)的特征分析

目前，中小微企業(yè)的信貸風(fēng)險(xiǎn)主要表現(xiàn)在信貸支持不夠、融資成本較高、渠道單一等方面。現(xiàn)有的信貸風(fēng)險(xiǎn)評(píng)估模型多針對(duì)大型企業(yè)，并沒(méi)有完全適合我國(guó)中小微企業(yè)信貸風(fēng)險(xiǎn)的評(píng)估體系。依據(jù)我國(guó)中小微企業(yè)的特點(diǎn)，結(jié)合我國(guó)經(jīng)濟(jì)發(fā)展?fàn)顩r和企業(yè)外部環(huán)境，綜合分析企業(yè)信貸狀況與現(xiàn)存的風(fēng)險(xiǎn)，是建立中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估模型的基礎(chǔ)。

與大型上市企業(yè)不同，中小微企業(yè)信貸風(fēng)險(xiǎn)主要來(lái)源于宏觀經(jīng)濟(jì)影響、金融機(jī)構(gòu)的風(fēng)險(xiǎn)和企業(yè)內(nèi)部的風(fēng)險(xiǎn)。

宏觀經(jīng)濟(jì)一方面表現(xiàn)為宏觀政策調(diào)整導(dǎo)致的不可抗力市場(chǎng)風(fēng)險(xiǎn)，如信貸政策緊縮時(shí)，銀行首先考慮發(fā)放貸款給大型企業(yè)，因?yàn)榇笮推髽I(yè)具有信息優(yōu)勢(shì)，有利于銀行分散經(jīng)營(yíng)風(fēng)險(xiǎn);另一方面表現(xiàn)為利率風(fēng)險(xiǎn)，當(dāng)貸款利率由于較為寬松的財(cái)政和貨幣政策降低時(shí)，中小微企業(yè)融資成本降低，融資風(fēng)險(xiǎn)較小。

針對(duì)金融機(jī)構(gòu)風(fēng)險(xiǎn)，商業(yè)銀行方面表現(xiàn)在信息不對(duì)稱，主要原因是中小微企業(yè)內(nèi)部控制制度不夠完善，財(cái)務(wù)管理制度不規(guī)范導(dǎo)致財(cái)務(wù)報(bào)表失真、信息透明度較低，所以銀行不敢輕易發(fā)放貸款給中小微企業(yè);擔(dān)保公司方面，我國(guó)的擔(dān)保體系尚不完善，存在擔(dān)保公司數(shù)量少、資金短缺、抵御風(fēng)險(xiǎn)能力不強(qiáng)等問(wèn)題，不能很好地滿足中小微企業(yè)信貸擔(dān)保需求。

企業(yè)的內(nèi)部風(fēng)險(xiǎn)主要包括經(jīng)營(yíng)風(fēng)險(xiǎn)以及信譽(yù)風(fēng)險(xiǎn)。經(jīng)營(yíng)風(fēng)險(xiǎn)方面，中小微企業(yè)由于經(jīng)營(yíng)規(guī)模較小、承擔(dān)風(fēng)險(xiǎn)能力較差，導(dǎo)致經(jīng)營(yíng)風(fēng)險(xiǎn)較高、持續(xù)經(jīng)營(yíng)能力較弱，因而中小微企業(yè)在經(jīng)營(yíng)過(guò)程中難以取得相應(yīng)的信貸資金支持;信譽(yù)風(fēng)險(xiǎn)方面，中小微企業(yè)的貸款償還通常取決于所有者的個(gè)人信譽(yù)，中小微企業(yè)往往信用觀念淡薄、信用可靠度低，很難如約償還貸款本金，導(dǎo)致不良貸款率顯著高于大型企業(yè)，所以中小微企業(yè)不能獲得足夠的信貸支持。

2.2 中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估的模型構(gòu)建

目前傳統(tǒng)信貸風(fēng)險(xiǎn)評(píng)估方法較為成熟，國(guó)內(nèi)外信貸決策應(yīng)用較多的有專家制度法，但這類傳統(tǒng)方法普遍存在量化標(biāo)準(zhǔn)不統(tǒng)一、評(píng)估的財(cái)務(wù)數(shù)據(jù)不足等缺陷。現(xiàn)代評(píng)估更加注重精細(xì)量化，統(tǒng)計(jì)模型能夠提供較為統(tǒng)一的評(píng)估標(biāo)準(zhǔn)，同時(shí)充分挖掘數(shù)據(jù)。因此，本文借助模糊綜合評(píng)價(jià)法對(duì)信貸風(fēng)險(xiǎn)量化分析。

設(shè)為刻畫(huà)被評(píng)價(jià)對(duì)象的m種因素，即評(píng)價(jià)指標(biāo);其中元素代表影響評(píng)價(jià)對(duì)象的第i個(gè)因素，本文取i=4，=（進(jìn)項(xiàng)稅額合計(jì)，銷項(xiàng)稅額合計(jì)，進(jìn)項(xiàng)有效發(fā)票比例，銷項(xiàng)有效發(fā)票比例）。

確定評(píng)價(jià)指標(biāo)后，設(shè)為刻畫(huà)每一因素所處狀態(tài)的n種評(píng)語(yǔ)，即評(píng)價(jià)等級(jí)。本文設(shè)企業(yè)實(shí)力的評(píng)價(jià)集為，分別表示A、B、C、D四個(gè)等級(jí)，其中A為企業(yè)實(shí)力雄厚，D為企業(yè)實(shí)力薄弱。

確定評(píng)價(jià)等級(jí)后，對(duì)每個(gè)評(píng)價(jià)指標(biāo)逐一進(jìn)行模糊評(píng)價(jià)，確定各指標(biāo)的隸屬度。設(shè)單因素評(píng)價(jià)矩陣：

（1）

由于銷項(xiàng)稅和與進(jìn)項(xiàng)稅和的統(tǒng)計(jì)情況均為越大越好，而銷項(xiàng)發(fā)票作廢比和進(jìn)項(xiàng)發(fā)票作廢比為越小越好。因此和的隸屬度均采用模糊分步法中的偏大型方法計(jì)算，和則采用偏小型方法計(jì)算?？紤]到各因素對(duì)企業(yè)的重要性不同，所以在目標(biāo)中所占權(quán)重不同，設(shè)權(quán)重向量為，運(yùn)用層次分析法（AHP）對(duì)各個(gè)指標(biāo)權(quán)重進(jìn)行賦值，計(jì)算得到A=（0.2，0.2，0.3，0.3）。選擇評(píng)價(jià)的合成算子，將A與R合成得到模糊綜合評(píng)價(jià)向量，合成計(jì)算如下所示：

（2）

建立綜合評(píng)價(jià)模型后，對(duì)系統(tǒng)進(jìn)行等級(jí)量化，即，其中F為系統(tǒng)總得分，S為V中各因素的得分。確定企業(yè)的實(shí)力評(píng)級(jí)后，通過(guò)有效發(fā)票的比例，利用該評(píng)價(jià)體系，求得各企業(yè)的信譽(yù)評(píng)價(jià)結(jié)果。

本文中，銀行依據(jù)中小微企業(yè)的實(shí)力、信譽(yù)對(duì)其信貸風(fēng)險(xiǎn)進(jìn)行評(píng)估，由于數(shù)據(jù)已消除量綱影響，故加權(quán)平均法可以按照合理比例處理原始數(shù)據(jù)，對(duì)中小微企業(yè)的實(shí)力和信譽(yù)進(jìn)行加權(quán)平均，得到企業(yè)的信貸風(fēng)險(xiǎn)評(píng)估等級(jí)。根據(jù)評(píng)估結(jié)果，銀行選擇合適企業(yè)發(fā)放貸款時(shí)，應(yīng)當(dāng)剔除等級(jí)評(píng)價(jià)中含D等的企業(yè)，盡可能地降低壞賬風(fēng)險(xiǎn)。

2.3 評(píng)估模型的適應(yīng)性分析

在基于層次分析法的模糊綜合評(píng)價(jià)模型建立過(guò)程中，以E01為例，對(duì)企業(yè)信貸風(fēng)險(xiǎn)與企業(yè)實(shí)力進(jìn)行適應(yīng)性分析。由層次分析法求得權(quán)重向量A=（0.2，0.2，0.3，0.3），由公式，于是根據(jù)，計(jì)算得到CR=0.0176<0.1，通過(guò)一致性檢驗(yàn)。

針對(duì)各指標(biāo)的模糊隸屬度，運(yùn)用隸屬度公式，計(jì)算得到因素集U與評(píng)價(jià)集V的單因素評(píng)價(jià)矩陣以及U與V的模糊綜合評(píng)價(jià)判斷矩陣R：

=（0.85，0.25，0，0），=（0.07，0.21，0.09，0）（3）

=（0.65， 0.21， 0.21， 0.3），=（0.20， 0.35， 0.25， 0.20）（4）

以為第i行構(gòu)成判斷矩陣，如下式：

（5）

根據(jù)得到的單因素判斷矩陣對(duì)每一級(jí)指標(biāo)進(jìn)行模糊評(píng)價(jià)計(jì)算，并對(duì)模型的適應(yīng)性進(jìn)行分析，得到以下評(píng)價(jià)結(jié)果矩陣：

（6）

根據(jù)最大隸屬度原則，，對(duì)應(yīng)于評(píng)價(jià)等級(jí)為“基本適應(yīng)”。綜上所述，評(píng)估企業(yè)信貸風(fēng)險(xiǎn)是滿足適應(yīng)性要求的。

3 信貸風(fēng)險(xiǎn)評(píng)估模型在W銀行的應(yīng)用

以某銀行W的一個(gè)實(shí)際應(yīng)用案例說(shuō)明上文構(gòu)建的中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估體系使用過(guò)程。W銀行對(duì)確定要放貸企業(yè)的貸款額度為10萬(wàn)～100萬(wàn)元，年利率為4%～15%，貸款期限為1年，分析該銀行在年度信貸總額為1億元時(shí)對(duì)302家無(wú)信貸記錄企業(yè)的信貸策略。

W銀行選擇的企業(yè)樣本是123家有信貸記錄企業(yè)和302家無(wú)信貸記錄企業(yè)，包括企業(yè)的信用記錄和發(fā)票信息。其中企業(yè)的信用記錄分為信用評(píng)級(jí)和違約記錄，企業(yè)的發(fā)票信息分為進(jìn)項(xiàng)發(fā)票信息和銷項(xiàng)發(fā)票信息。根據(jù)以上分析結(jié)果，可知發(fā)票數(shù)據(jù)量巨大，必須對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，篩除無(wú)效的作廢發(fā)票，由于原則上不對(duì)D級(jí)企業(yè)予以放貸，因此在計(jì)算時(shí)予以剔除。

根據(jù)構(gòu)建的實(shí)力評(píng)價(jià)模型，設(shè)，計(jì)算得到層次分析法下企業(yè)總得分如表1所示。

利用該評(píng)價(jià)體系，通過(guò)有效發(fā)票的比例求得各企業(yè)的信譽(yù)評(píng)級(jí)，并將企業(yè)信譽(yù)評(píng)級(jí)轉(zhuǎn)換為得分，評(píng)級(jí)A為100分、B為75分、C為50分、D為0分，結(jié)果如表2所示。

依據(jù)求得的企業(yè)實(shí)力和信譽(yù)得分，進(jìn)行加權(quán)平均后得到企業(yè)的信貸風(fēng)險(xiǎn)評(píng)估等級(jí)如表3所示。

經(jīng)統(tǒng)計(jì)，按照實(shí)力和信譽(yù)指標(biāo)，風(fēng)險(xiǎn)評(píng)估A級(jí)的企業(yè)共有52家，B級(jí)的企業(yè)共有204家，C級(jí)的企業(yè)共43家。得到各企業(yè)的信貸風(fēng)險(xiǎn)評(píng)估等級(jí)后，在這里引入新的變量客戶流失率來(lái)描述企業(yè)對(duì)W銀行是否具有吸引力;考慮到W銀行本年度除了要承擔(dān)企業(yè)違約償債的風(fēng)險(xiǎn)之外，還要計(jì)算客戶流失給銀行造成的損失。通過(guò)對(duì)貸款年利率和客戶流失率的擬合，尋求合適的函數(shù)，處理離散的點(diǎn)集數(shù)據(jù)，分析信譽(yù)評(píng)級(jí)A、B、C，結(jié)果如圖1所示。

由圖1可知，其圖像類似于二次函數(shù)，故使用二次函數(shù)進(jìn)行曲線擬合效果較好，得到各等級(jí)函數(shù)表達(dá)式：

（7）

由于中小微企業(yè)的經(jīng)營(yíng)具有一定的不穩(wěn)定性，銀行同理，查閱相關(guān)金融資料可得，銀行經(jīng)營(yíng)周期多為三年，故本例選擇以三年為一個(gè)經(jīng)營(yíng)周期，對(duì)W銀行的貸款期望進(jìn)行分析。設(shè)向某企業(yè)借款1萬(wàn)元，該企業(yè)的風(fēng)險(xiǎn)評(píng)估等級(jí)為A，信譽(yù)為A，假設(shè)其利率為t，一年后還債的概率為100%，W銀行收到的本息合計(jì)為（1+t）萬(wàn)元，第二、三年借款仍為最高利率，那么到第三年末，銀行收到借款的期望為：

其中h（t）表示利率為t時(shí)的客戶流失率，對(duì)比所有的t取最大值，利用MATLAB中的fmincon函數(shù)求解貸款策略結(jié)果如表4所示。

無(wú)信貸記錄的企業(yè)沒(méi)有信譽(yù)評(píng)級(jí)記錄，為了給這部分企業(yè)放貸，W銀行需要首先對(duì)企業(yè)信譽(yù)等級(jí)進(jìn)行預(yù)估，再進(jìn)行相應(yīng)的信貸風(fēng)險(xiǎn)評(píng)估與信貸策略制定。最終的信貸策略從企業(yè)實(shí)力、企業(yè)信譽(yù)兩個(gè)方面來(lái)考慮，具體針對(duì)各企業(yè)的貸款額度和貸款利率有所差異。

4 結(jié)語(yǔ)

中小微企業(yè)融資困境是一個(gè)世界性難題，本文以模糊綜合評(píng)價(jià)法為基礎(chǔ)，運(yùn)用層次分析法建立了面向中小微企業(yè)的信貸風(fēng)險(xiǎn)評(píng)估體系。經(jīng)過(guò)實(shí)證分析，證明了本文模型相較于傳統(tǒng)的商業(yè)銀行信貸決策方法的有效性，并得到以下幾點(diǎn)結(jié)論與啟示。

（1）構(gòu)建充分體現(xiàn)中小微企業(yè)營(yíng)運(yùn)特征的指標(biāo)體系。中小微企業(yè)往往經(jīng)營(yíng)規(guī)模較小、經(jīng)營(yíng)歷史短，如果評(píng)價(jià)體系中包含抵押品數(shù)額或企業(yè)規(guī)模等指標(biāo)，且被賦予較高的權(quán)重，得到的信貸評(píng)估結(jié)果可能失真。對(duì)中小微企業(yè)的評(píng)價(jià)應(yīng)更注重考量企業(yè)的綜合實(shí)力和償債能力，以充分掌握企業(yè)的經(jīng)營(yíng)狀況，并預(yù)測(cè)企業(yè)發(fā)展的潛力。

（2）選擇合適的統(tǒng)計(jì)模型可以準(zhǔn)確評(píng)估中小微企業(yè)信貸風(fēng)險(xiǎn)。傳統(tǒng)的信貸評(píng)估方法普遍存在量化標(biāo)準(zhǔn)不統(tǒng)一、評(píng)估的財(cái)務(wù)數(shù)據(jù)不足等缺陷?，F(xiàn)代評(píng)估更加注重精細(xì)量化，合適的統(tǒng)計(jì)模型能夠提供較為統(tǒng)一的評(píng)估標(biāo)準(zhǔn)，同時(shí)充分挖掘數(shù)據(jù)。本文使用了模糊綜合評(píng)價(jià)模型，并使用曲線進(jìn)行擬合，含義明確、易于理解，通過(guò)實(shí)證分析證明該模型具有較高的判別正確率。

（3）建設(shè)良好的中小微企業(yè)生存環(huán)境。本文立足于商業(yè)銀行視角，通過(guò)制定合理的信貸政策降低信貸風(fēng)險(xiǎn)、規(guī)避損失，但很難解決中小微企業(yè)由于自身經(jīng)營(yíng)狀況不佳、償債能力不足等外部因素導(dǎo)致的信貸風(fēng)險(xiǎn)問(wèn)題。需要全社會(huì)協(xié)同努力，為建設(shè)普惠金融下公平、公正的中小微企業(yè)經(jīng)營(yíng)環(huán)境而努力，建設(shè)完整的信貸法規(guī)體系和失信懲罰制度，規(guī)范中小微企業(yè)的經(jīng)營(yíng)環(huán)境。

由于多數(shù)銀行作為大型國(guó)有企業(yè)，其目標(biāo)不應(yīng)僅是盈利，而應(yīng)當(dāng)承擔(dān)更多的社會(huì)責(zé)任，通過(guò)信貸策略調(diào)整確保自身利益的同時(shí)，推動(dòng)合作伙伴和客戶的發(fā)展，創(chuàng)造更多的社會(huì)利益。因此，未來(lái)可以考慮將社會(huì)效益因素量化，加入到本模型中，作為銀行調(diào)整信貸策略的重要考量因素。

參考文獻(xiàn)

吳萬(wàn)里.淺析層次分析法在小微企業(yè)信貸風(fēng)險(xiǎn)控制中的應(yīng)用[J].改革開(kāi)放，2018（21）：32-34.

呂秀梅.大數(shù)據(jù)金融下的中小微企業(yè)信用評(píng)價(jià)[J].財(cái)會(huì)月刊，2019（13）：22-27.

陳付佳.我國(guó)商業(yè)銀行中小企業(yè)信貸風(fēng)險(xiǎn)管理創(chuàng)新策略[J].河北企業(yè)，2019（05）：35-36.

Minnis M， Sutherland A. Financial statements as monitoring mechanisms： evidence from small commercial loans [D]. Chicago Booth Research Paper， 2015.

Research on Credit Risk Assessment of Small， Medium and Micro Enterprises Based on Fuzzy Comprehensive Evaluation Method

Northeast Forestry University

WANG Chunhui

Abstract： It is an important measure for commercial banks to optimize the structure of credit assets to carry out the loan business of small， medium and micro enterprises. How to efficiently evaluate the credit risk of enterprises is the urgent problem for commercial banks to solve. Based on the internal characteristics of small， medium and micro enterprises， this paper evaluates the enterprise strength and enterprise reputation from two aspects， selects four indexes， namely total input tax， total output tax， proportion of effective invoice of input and proportion of effective invoice of output， and establishes a credit risk assessment system suitable for small， medium and micro enterprises in China. Based on the constructed index system， the fuzzy comprehensive evaluation method is used to quantify the credit risk of each enterprise. Finally， through empirical analysis， the nonlinear multivariate function is constructed to seek the optimal credit strategy with the goal of maximizing the bank's borrowing expectation and minimizing the customer churn rate， so as to provide reference for the credit decision-making of commercial banks.

Keywords： credit risk; credit decision; fuzzy comprehensive evaluation method; AHP analysis; curve fitting