论文部分内容阅读
【摘 要】近年来，随着我国经济的发展和营商环境的改善对于中小微企业，由于其在经营规模、经营风险、资信等级上存在弱势，常面临资金短期的瓶颈，导致企业发展困难。本文就中小企业的规模划分、信贷风险、是否贷款以及贷款利率评估体系建立等方面进行了研究，在评价模型的建立上进行了创新。通过建立相关指标，给出银行面向中小企业的信贷策略。首先结合相关论文归纳有信息价值的指标，然后以指标为准则层进行层次分析得出相应权重为企业打分，以确定是否放贷;同时讨论了使用决策树模型和逻辑斯蒂回归对违约情况的分类预测，最后对建立的数学规划联合遗传算法与fmincon 方法进行求解。本文归纳出了中美贸易冲突和新冠病毒疫情这两个非经营性指标对不同类别企业的信贷风险进行分析。然后创建风险因子对相关企业的放贷利率进行调整，进而改变之前建立的数学规划，最后继续使用遗传算法求解。
【关键词】信贷策略评估;神经网络;遗传算法;数学规划
1.引言
自改革开放以来，我国经济不断高速发展，经济体制也日渐建立完善，涌现出了一批又一批的中小微企业。这些中小微企业迅速崛起，在我国经济结构中发挥着重要的作用，成为推动国民经济稳步发展的重要力量。中小微企业涵盖国家各个行业，由于企业规模相对较小，其抗风险能力十分有限，因此很容易受到外部因素变化的影响。因此，银行放款时还要兼顾考虑到中小微企业所在的行业类型，结合实时的社会环境变化风向，在综合考虑下为企业放款。
需要搭建一个预测模型来对 302 家企业的信誉进行评估，预测其是否会违约并依此作为放贷依据，本文经综合考量后，选择神经网络作为预测模型。需要对是否给予信贷进行预测。
首先经过参考大量的相关材料，确定使用信用5C分析法进行非财务指标的定性分析，5C信用分析法是成熟的企业信贷风险评价分析方法，使用该方法能够增加指标的可靠性。在综合考虑已知信息以及一些其他的相关研究，主要基于外部环境的两个方面：中美贸易关系以及新冠病毒的影响对企业信贷进行分析。首先依据附件三企业的性质对企业按行业进行划分，并参考相关论文中两个外部环境对于各个行业的影响程度，进而对企业进行打分，分值越高表示这一行业受到的负面影响越大，企业的抗风险能力越弱。例如中美贸易摩擦对中国互联网企业（例如华为）的影响巨大，受到美国贸易限制，其企业生产能力大大减弱，因此评分为5;新冠疫情让人们足不出户，居家隔离，对娱乐产业、餐饮服务等行业等影响巨大，评分为5。在上述的基础上，对这些企业进行风险评估，最后利用遗传算法和fmincon函数联合求解该数学规划问题，即可求得结果。
2.模型建立
首先构建神经网络，把退货率、无效订单率、过去三年增长年数、平均扩张率、利税比、企业实力作为神经网络的输入层，是否会违约作为输出层，其中若输出为[0，1]则为不违约，[1，0]则为违约，根据违约情况来决定是否为企业放贷。该神经网络共有一个隐藏层，内含 10 个结点。
激活函数 Sigmoid：
在使用 MATLAB 的神经网络模式识别工具箱进行训练后得到了一个混淆矩阵。混淆矩阵的每一列代表了预测类别，每一列的总和表示被预测为此类别的数据的数目;每一行代表了数据的真实归属类别，每一行的数据总和表示此类别的数据实例的数目。每一列中的数值表示真实数据被预测为该类的数目，如图所示，在训练集中，共有107个未违约企业，模型准确预测了92个，准确率达到86.0%。
下图是绘制的ROC曲线图，ROC曲线是不同阈值下，覆盖率和负例覆盖率的组合。ROC曲线是根据与45度线的偏离来判断模型好坏，AUC（Area Under Curve）是ROC曲线下的面积，AUC越接近1，则说明模型的分类效果越好。
该神经网络的输出层的形式为[x1，x2]，其中 0<x1、x2<1，x1+x2=1，若 x1 越接近 1，则说明该企业更有可能违约，因此，以 x2 的值作为评判是否为企业放贷的依据，由于当 x2 大于一定的阈值时，才会对企业放贷。因为放贷关系到银行自身利益问题， 所以采取了比较高的阈值，并且将大于阈值的数值进行三等分，每个等级作为一个信誉等级的评价。信誉等级的评价方式如下表。
最后进行计算，依次经过遗传算法与 fmincon 函数得到最优解：总贷款额度 1 亿元，银行可获得的最大收益为 4，654，990.9959 元。
首先参照中华人民共和国国家经济行业分类标准，对 302 家企业进行行业划分。其次结合今年国际及国内实际情况，并参考相关文献，对各行业受到的外部环境影响进行打分。
使用信用 5C 分析法进行非财务指标定性分析：
在综合考虑已知信息以及一些其他的相关研究，主要基于外部环境的两个方面：中美贸易关系以及新冠病毒的影响对企业信贷进行分析，步骤如下：
首先依据附件三企业的性质大致划分为 18 个大类，并在不同的非经营性因素下对这十八个大类进行评分，分值越高表示这一行业受到的负面影响越大，企业的抗风险能力越弱，例如中美贸易摩擦对中国互联网企业的影响巨大，受到美国贸易限制，评分为 5，新冠疫情让人们足不出户，居家隔离，对娱乐产业，服务行业等影响巨大，评分为 5。
其次可以得到允许信贷的企业，并在此基础上再次对这些企业进行风险 评估，评估方式为求解S = ti，di，若 S 大于 12，则不予考虑为此企业提供贷款， 然后再求解风险因子?i = lnti lndi + a，其中ti表示中美贸易评分，di表示新冠病毒评分，a是一个为均值，0.01 为方差的随机数，对外部环境的两个影响指标取对数是为了让方差恒定，即让波动相对稳定。
最后，得到的企业信贷年利率的基础上，并行考虑风险因子，得到调整策略后新的信贷年利率 ，据此得出目标函数和约束，并利用遗传算法和 fmincon 函数联合求解该数学规划问题，得到结果为：在信贷总额为 8.9726 × 107元时， 得出最大收益为 4173616.6659 元，详细的额度分配和年利率见附录。
3.总结
建立一个神经网络模型或者决策树模型，并讨论逻辑斯蒂回归模型。以建立神经网络模型为例，首先提取企业的各项指标，将是否违约作为分类的输出值，并根据神经网络的输出值判断是否给企业放款，并计算得到信誉等级。根据企业的信誉等级和承受风险的能力，设置企业的贷款利率，以此创建遗传算法和fmincon 函数联合求解最优值。首先得到非经营性指标，再将企业分成不同行业类别，再参考相关文献得到非经营性指标对各行业的影响程度，并依次对企业进行打分，最终求解得到最优值。
模型建立过程中综合考虑了神经网络，结合中国企业分类依据以及各类信息对各企业受中美贸易战和新冠病毒的影响进行评分，结合实际。但是使用的神经网络模型的训练数据量小，易过拟合，且模型本身存在可解释行差的问题。
可以进一步选取更具信息价值、显著性更强的指标评估针对企业的信贷策略，考虑使用 SVM（支持向量机）对企业违约情况进行分类预测。可以考虑对指标进行聚类，以分析潜在的数据分布模式。
参考文献：
[1]宋泽朋.商业银行中小企业信贷风险识别模型研究[D].首都经济贸易大学，2016.
[2]陈祥碧 . 基于BP神经网絡模型的中小企业财务危机预测与分析[J].财会通讯，2015，11：113-114.
[3]徐文浩.小企业信贷评级模型研究[D].山东大学，2010.
[4]赵中源.JS 银行小微企业信贷风险管理研究[D].大连海事大学，2018.
（作者单位：北京语言大学信息科学学院）
【关键词】信贷策略评估;神经网络;遗传算法;数学规划
1.引言
自改革开放以来，我国经济不断高速发展，经济体制也日渐建立完善，涌现出了一批又一批的中小微企业。这些中小微企业迅速崛起，在我国经济结构中发挥着重要的作用，成为推动国民经济稳步发展的重要力量。中小微企业涵盖国家各个行业，由于企业规模相对较小，其抗风险能力十分有限，因此很容易受到外部因素变化的影响。因此，银行放款时还要兼顾考虑到中小微企业所在的行业类型，结合实时的社会环境变化风向，在综合考虑下为企业放款。
需要搭建一个预测模型来对 302 家企业的信誉进行评估，预测其是否会违约并依此作为放贷依据，本文经综合考量后，选择神经网络作为预测模型。需要对是否给予信贷进行预测。
首先经过参考大量的相关材料，确定使用信用5C分析法进行非财务指标的定性分析，5C信用分析法是成熟的企业信贷风险评价分析方法，使用该方法能够增加指标的可靠性。在综合考虑已知信息以及一些其他的相关研究，主要基于外部环境的两个方面：中美贸易关系以及新冠病毒的影响对企业信贷进行分析。首先依据附件三企业的性质对企业按行业进行划分，并参考相关论文中两个外部环境对于各个行业的影响程度，进而对企业进行打分，分值越高表示这一行业受到的负面影响越大，企业的抗风险能力越弱。例如中美贸易摩擦对中国互联网企业（例如华为）的影响巨大，受到美国贸易限制，其企业生产能力大大减弱，因此评分为5;新冠疫情让人们足不出户，居家隔离，对娱乐产业、餐饮服务等行业等影响巨大，评分为5。在上述的基础上，对这些企业进行风险评估，最后利用遗传算法和fmincon函数联合求解该数学规划问题，即可求得结果。
2.模型建立
首先构建神经网络，把退货率、无效订单率、过去三年增长年数、平均扩张率、利税比、企业实力作为神经网络的输入层，是否会违约作为输出层，其中若输出为[0，1]则为不违约，[1，0]则为违约，根据违约情况来决定是否为企业放贷。该神经网络共有一个隐藏层，内含 10 个结点。
激活函数 Sigmoid：
在使用 MATLAB 的神经网络模式识别工具箱进行训练后得到了一个混淆矩阵。混淆矩阵的每一列代表了预测类别，每一列的总和表示被预测为此类别的数据的数目;每一行代表了数据的真实归属类别，每一行的数据总和表示此类别的数据实例的数目。每一列中的数值表示真实数据被预测为该类的数目，如图所示，在训练集中，共有107个未违约企业，模型准确预测了92个，准确率达到86.0%。
下图是绘制的ROC曲线图，ROC曲线是不同阈值下，覆盖率和负例覆盖率的组合。ROC曲线是根据与45度线的偏离来判断模型好坏，AUC（Area Under Curve）是ROC曲线下的面积，AUC越接近1，则说明模型的分类效果越好。
该神经网络的输出层的形式为[x1，x2]，其中 0<x1、x2<1，x1+x2=1，若 x1 越接近 1，则说明该企业更有可能违约，因此，以 x2 的值作为评判是否为企业放贷的依据，由于当 x2 大于一定的阈值时，才会对企业放贷。因为放贷关系到银行自身利益问题， 所以采取了比较高的阈值，并且将大于阈值的数值进行三等分，每个等级作为一个信誉等级的评价。信誉等级的评价方式如下表。
最后进行计算，依次经过遗传算法与 fmincon 函数得到最优解：总贷款额度 1 亿元，银行可获得的最大收益为 4，654，990.9959 元。
首先参照中华人民共和国国家经济行业分类标准，对 302 家企业进行行业划分。其次结合今年国际及国内实际情况，并参考相关文献，对各行业受到的外部环境影响进行打分。
使用信用 5C 分析法进行非财务指标定性分析：
在综合考虑已知信息以及一些其他的相关研究，主要基于外部环境的两个方面：中美贸易关系以及新冠病毒的影响对企业信贷进行分析，步骤如下：
首先依据附件三企业的性质大致划分为 18 个大类，并在不同的非经营性因素下对这十八个大类进行评分，分值越高表示这一行业受到的负面影响越大，企业的抗风险能力越弱，例如中美贸易摩擦对中国互联网企业的影响巨大，受到美国贸易限制，评分为 5，新冠疫情让人们足不出户，居家隔离，对娱乐产业，服务行业等影响巨大，评分为 5。
其次可以得到允许信贷的企业，并在此基础上再次对这些企业进行风险 评估，评估方式为求解S = ti，di，若 S 大于 12，则不予考虑为此企业提供贷款， 然后再求解风险因子?i = lnti lndi + a，其中ti表示中美贸易评分，di表示新冠病毒评分，a是一个为均值，0.01 为方差的随机数，对外部环境的两个影响指标取对数是为了让方差恒定，即让波动相对稳定。
最后，得到的企业信贷年利率的基础上，并行考虑风险因子，得到调整策略后新的信贷年利率 ，据此得出目标函数和约束，并利用遗传算法和 fmincon 函数联合求解该数学规划问题，得到结果为：在信贷总额为 8.9726 × 107元时， 得出最大收益为 4173616.6659 元，详细的额度分配和年利率见附录。
3.总结
建立一个神经网络模型或者决策树模型，并讨论逻辑斯蒂回归模型。以建立神经网络模型为例，首先提取企业的各项指标，将是否违约作为分类的输出值，并根据神经网络的输出值判断是否给企业放款，并计算得到信誉等级。根据企业的信誉等级和承受风险的能力，设置企业的贷款利率，以此创建遗传算法和fmincon 函数联合求解最优值。首先得到非经营性指标，再将企业分成不同行业类别，再参考相关文献得到非经营性指标对各行业的影响程度，并依次对企业进行打分，最终求解得到最优值。
模型建立过程中综合考虑了神经网络，结合中国企业分类依据以及各类信息对各企业受中美贸易战和新冠病毒的影响进行评分，结合实际。但是使用的神经网络模型的训练数据量小，易过拟合，且模型本身存在可解释行差的问题。
可以进一步选取更具信息价值、显著性更强的指标评估针对企业的信贷策略，考虑使用 SVM（支持向量机）对企业违约情况进行分类预测。可以考虑对指标进行聚类，以分析潜在的数据分布模式。
参考文献：
[1]宋泽朋.商业银行中小企业信贷风险识别模型研究[D].首都经济贸易大学，2016.
[2]陈祥碧 . 基于BP神经网絡模型的中小企业财务危机预测与分析[J].财会通讯，2015，11：113-114.
[3]徐文浩.小企业信贷评级模型研究[D].山东大学，2010.
[4]赵中源.JS 银行小微企业信贷风险管理研究[D].大连海事大学，2018.
（作者单位：北京语言大学信息科学学院）