论文部分内容阅读
中小企业是社会主义市场经济中的重要组成部分，对经济发展和社会稳定起着重要的作用。据统计，我国中小企业数量占国内市场中企业总量的99%以上，吸纳了75%的城镇就业人口，转移了75%以上的农村剩余劳动力，对于拉动国内经济发展，解决国内劳动力就业等方面发挥了重要的作用。然而，我国中小企业在发展过程中面临着严峻的资金匮乏的问题。总结来看，我国中小企业融资困难的主要原因可以归结为以下几点：第一，中小企业自身资产规模小、企业发展不确定性较大导致信用风险较高；第二，我国缺乏完善的信用体系，中小企业与金融机构之间存在信息不对称现象；第三，金融机构自身对于中小企业的信用风险评估存在缺陷，不能有效评估中小企业的信用情况。
本文通过搜集和阅读相关新闻、资料和文献，确定研究选题。通过对国内外关于中小企业信用风险度量的相关研究进行总结和归纳，对中小企业信用风险度量的相关模型进行总结和梳理，针对我国中小企业特点并结合我国具体国情来选择合适的信用风险度量模型。搜集具体的中小企业相关数据资料，利用选定的模型来进行实证检验。通过实证结果进一步分析国内中小企业信用风险度量问题并提出具体了对策建议。
1.信用风险评价模型简述
1.1 专家评分法方法
在专家评分法中，专家系统要考虑的因素很多，最为常用的专家方法之一是信贷的5C法。主要考虑以下凡个方面：
1.品格（Character）。
2.资本实力（Capital）。
3.偿付能力（Capacity）。
4.抵押品（Collateral）。
5.经济周期（Cycle Conditions）。
1.2 KMV模型
KMV模型是KMV公司推出的一种计算信用风险的方法。其理论基础为Black-SCholes和Merton的期权定价理论。该模型假设：当企业的资产>负债时，股东行使看涨期权，即继续拥有公司，当资产<负债时，股东选择使企业破产，企业所有者将企业资产出售给债权所有人。未来资产价值均值与所需清偿负债的账面价值直接的距离称为违约距离，根据企业的违约距离与预期违约率之间的对应关系，计算出企业在一定时期内的预期违约率。
1.3 Credit Metrics模型
Credit Metrics的主要工作是估计贷款和债券金融产品的组合在一定期限内价值变化的远期分布，使用均值、标准差、分位数等反映资产组合的风险特征，之后再通过信用风险的VAR（风险价值）的大小来反映商业银行对某资产组合应准备的经济资本的数量。Credit Metrics模型风险度量框架由下面的四个模块组成。第一模块是单个资产的信用风险值度量，第二模块是资产组合信用风险值度量，第三模块是相关性度量，第四模块是风险敞口度量。
1.4 Creditrisk+模型
该模型中的违约概率被模型化为具有一定概率分布的连续变量，而不再是离散的，即每一笔贷款都有着极小的违约概率并且违约率是随机的，其本身就是风险的驱动因素，而且在信用周期可以显著地波动；其任何两项贷款发生违约的相关性为O，即每笔贷款发生违约的可能性是独立的。由于违约相关不稳定而且不可观察，所以这种方法是利用违约率的波动性来确定违约相关性的影响，进而生成贷款组合的损失分布，而非直接通过模型来模拟这种关系。Creditrisk+模型可以用于处理不同的部门、时限、地区等不同类型的大量风险暴露。
1.5 Logistic模型
在LogistiC模型中，违约概率的预测被看作一个虚拟变量问题。所谓虚拟变量，是指人工构造的取值为O和1的作为属性变量代表的变量。属性因素通常具有若干类型或水平，一般虚拟变量的取值为O和1。当虚拟变量取值为O时，表示某种属性或状态不存在，当虚拟变量取值为1时，表示某种属性或状态存在本文中，变量取值为O时表示企业状态正常，变量取值为1时则表示企业违约，用logistic模型计算出的概率越大，表明该企业违约的可能性越大。LogistiC函数的常用形式如下：
p=11+e[-（β11+βixi）]
2.使用Logistic模型对我国中小企业信用风险的实证分析
2.1 Logistic模型对我国中小企业的适用性分析
该方法对数据的要求较容易满足。与其他信用风险评价模型相比，Logistic模型只需要银行内部关于以往中小企业贷款的相关数据和财务报表，对数据的收集难度不是很大。其次，该方法不再依赖于外部的信用评级机构，上文所论述的我国的信用评级机构的不完善对于该方法的使用不存在影响；在使用时，该方法首先是假定商业银行对企业的贷款发生违约的情况的概率服从Logistic分布，选用一系列财务比率构建模型，反映企业发生财务危机进而违约的可能性。在模型的使用中，根据银行对风险的偏好程度设定分界点，判断企业是否被划入违约组。由于企业对债务的履行情况只可分为两种，违约、不违约，因此在对中小企业信用风险进行评估时，Logistic分布的特征对违约概率的估计恰好适用。
2.2 数据收集
为了进行实证研究，本文以企业是否违约为分类标准，判断企业是否违约依据商业银行债项评级中五级分类的标准（正常、关注、次级、可疑、损失），认为次级及以下的贷款为违约。本文从广州、深圳一共四家商业银行的数据库中随机选择50家违约中小企业作为样本，受数据采集难度的限制，只选取了最典型的工业企业数据。剔除了异常和数据不完整的个体，剩余32份不良企业样本。按1：1的数量配比原则，另外选择了32家正常中小企业作为匹配样本，样本采用2009年底与2010年底数据。之所以选取以上数据，一是由于数据采集的难度较大，以上数据是通过较大的努力方能取得的；二是广州、深圳地区中小企业无论是从发展环境还是从发展程度而言都较有先进性和代表性，国际化程度较高，发展环境较为复杂，信用违约囊括的情况也较为全面。 2.3 模型构建
经过回归分析，得到以下结果：
本文得出的最终模型数学表达式为：
pi=11+e-（0.137-1.091xi-0.806x2+0.026x3-0.389x4+0.03x5-2.374x6+0.079x7）
xl=0.81*总资产增长率+0.68*主营业务收入增长率+0.567*净利润增长率十0.466*固定资产增长率+0.777*净资产增长率
x：=-0.366*总资产增长率+0.548*主营业务收入增长率+0.675*净利润增长率-0.558*固定资产增长率-0.255*净资产增长率
x3=0.798*应收账款周转率+0.824*存货周转率+0.339*总资产周转率+0.913*流动资产周转率
x4=-0.694*资产负债率十0.929*流动比率+0.945*速动比率-0.169*现金比率
x5=-O，171*资产负债率-0.187*流动比率-0.114*速动比率+0.965*现金比率
x6=-0.238*资本收益率-0.361*总资产利润率+0.805*销售净利率+0.82*毛利率
x7==0.83*资本收益率十0.782*总资产利润率+0.323*销售净利率+0.269*毛利率
本文中，判断变量是否应该包含在模型中，即考虑每个自变量在回归方程中的重要性，主要考虑Wald统计量。检验步骤为：
1.提出假设：
H0∶ βi=0（i=1，2，……k）
H1∶ βi≠0
2.构造回归系数检验的统计量Wald：
Waldi=β2iVar（βi）
Wald统计量大的因素显著性高，也就表明其越重要。从表中可以看出，本文Logistic回归模型中各个指标的Wald统计量中，资产增长因子、收益增长因子、流动比例因子、主营业务效益因子这四个指标Wald统计量相对较大，也就是说，这四个指标在估计中小企业的信用风险，意义更大。下表显示了得出的Logistic回归模型对样本是否违约的预测：可以看出，该回归模型对中小企业信用风险的判别准确率总体来说较高，达到74.96%。其中，对违约企业判别率为78.12%，对正常企业的判别率为71.80%，拟合效果尚可。如表2-11
2.5 模型分析
观察logistic模型的系数，我们可以看出：
本文的资产增长因子主要反映了净资产增长率与总资产增长率这两个指标。资产增长因子越大，违约概率越小。这是因为，公司的资产是公司生存与发展的最基本条件，规模的扩大是公司处于扩张时期的基本表现，相反，资产规模缩小或者不变是公司经营不力的一种表现。
收益增长因子越大，中小企业的违约概率越小。本文的收益增长因子主要反映的是主营业务收入增长率与净利润增长率两个财务指标。很明显，中小企业主营业务收入与利润增长率越高，说明企业经营有方，企业利润越大，偿债能力越强，违约风险也就越小。
流动比率因子越大，中小企业违约概率越小。本文的流动比率因子主要反映的是流动比率与速动比率，用来衡量企业流动资产在短期债务到期以前可以变为现金用于偿还负债的能力。数值越大，偿债能力越强，违约的概率越小。
本文的主营业务效益因子主要反映销售净利率、毛利率，该因子用于衡量企业的收益水平，数值越大，表明企业的经营水平越强，违约概率越低。
3.加强我国中小企业信用风险管理的对策建议
3.1 从银行的角度
首先要区分开中小企业与传统大企业之间的区别：财务管理不规范、经营状况不稳定、规模小、成本高利润薄等，对中小企业的授信产品不能像传统大企业那样采用传统额度授信、银承、抵押等方法，而应该针对中小企业自身的特殊属性设计出符合其发展需求的产品。银行应当通过采用资金池、捆绑授信等各种可能的方式来拓宽中小企业的融资渠道，迎合中小企业的融资需求，降低中小企业的融资成本。当前许多新兴银行通过利用大数法则对中小企业展开集体授信以防控风险，也有银行通过定位专业市场、专门行业的形式，以行业划分的形式对中小企业进行定位授信。
3.2 从中小企业自身的角度
中小企业自身应当通过强化财务管理和自身运营，不断优化自身发展体系，降低银行授信风险，建立银行信用度。首先，要建立全局观的财务管控制度执行机制，并强化对财务管理制度执行情况的监督考核，确认财务管理的每一个处理环节都得到切实的落实，受到有效的约束。其次，要提高与完善管理层的财务管理能力，优化制度建设，制度建设前应多作调查研究，充分听取基层和群众的意见，制度落实后应对制度发挥成效进行了解检测。确保财务管理制度的科学性与落实性。最后，伴随着计算机互联网的普及，计算机成为了企业经营管理过程中一个十分常用和有效的工具。而当前在中小企业中，许多中小企业主受自身认识的局限影响，对于网络信息化管理模式及其方便快捷高效了解并不多，甚至根本没有了解。企业管理层及相关财务人员应当不断更新自身财务管理知识和技能，跟上时代的步伐，通过合理采用各种现代化工具和互联网，取代传统效率慢、出错率高的财务管理方式，不断强化和提升自身财务管理能力。
3.3 从中小企业信用风险度量的角度
从当前情况来看，我国对于中小企业信用风险度量的管理仍然存在较大的局限性，首先一点就是重视程度不足，当前尽管国家对中小企业及其发展的重视程度不断提升，但在对中小企业融资方面的支持仍然不够，其中重要的一点就是没有建立起合理、有序的中小企业信用风险度量模型。银行不愿对中小企业融资，很主要的一方面原因就是中小企业信用风险难以度量，如果我国能建立起中小企业信用库，对中小企业信用违约进行统一的记录和监控，一方面有利于相关部门和学者强化对中小企业信用违约情况的研究和中小企业信用风险度量方法的更好研究，另一方面有助于银行根据数据库的统计对中小企业展开授信，此外信息库也在很大程度上对中小企业的信用违约起到很好的监控作用。
参考文献：
[1] 〔美〕林·C.托马斯、戴维·B.埃德尔曼、乔纳森·N.克鲁克.信用评分及其应用.中国金融出版社，2006.
[2] Mallick R.and Chakraborty.Crdeit Gap in Small Business：Some New Evidencd.Working Paper from EconPaper；2002.
[3] CHEN，MU-CHEN，HUANG SHIH-HSIEN.Credit scoring and rejected instances reassigning through evolutionary computation techniques[J].Expert Systems with Applications，2003（24）：433-441.
[4] 王钰颖.供应链金融下中小企业信用风险度量的研究.东华大学，2014.
[5] 谢俊平.我国中小企业融资的信用风险度量研究.华南理工大学，2013-04-06.
本文通过搜集和阅读相关新闻、资料和文献，确定研究选题。通过对国内外关于中小企业信用风险度量的相关研究进行总结和归纳，对中小企业信用风险度量的相关模型进行总结和梳理，针对我国中小企业特点并结合我国具体国情来选择合适的信用风险度量模型。搜集具体的中小企业相关数据资料，利用选定的模型来进行实证检验。通过实证结果进一步分析国内中小企业信用风险度量问题并提出具体了对策建议。
1.信用风险评价模型简述
1.1 专家评分法方法
在专家评分法中，专家系统要考虑的因素很多，最为常用的专家方法之一是信贷的5C法。主要考虑以下凡个方面：
1.品格（Character）。
2.资本实力（Capital）。
3.偿付能力（Capacity）。
4.抵押品（Collateral）。
5.经济周期（Cycle Conditions）。
1.2 KMV模型
KMV模型是KMV公司推出的一种计算信用风险的方法。其理论基础为Black-SCholes和Merton的期权定价理论。该模型假设：当企业的资产>负债时，股东行使看涨期权，即继续拥有公司，当资产<负债时，股东选择使企业破产，企业所有者将企业资产出售给债权所有人。未来资产价值均值与所需清偿负债的账面价值直接的距离称为违约距离，根据企业的违约距离与预期违约率之间的对应关系，计算出企业在一定时期内的预期违约率。
1.3 Credit Metrics模型
Credit Metrics的主要工作是估计贷款和债券金融产品的组合在一定期限内价值变化的远期分布，使用均值、标准差、分位数等反映资产组合的风险特征，之后再通过信用风险的VAR（风险价值）的大小来反映商业银行对某资产组合应准备的经济资本的数量。Credit Metrics模型风险度量框架由下面的四个模块组成。第一模块是单个资产的信用风险值度量，第二模块是资产组合信用风险值度量，第三模块是相关性度量，第四模块是风险敞口度量。
1.4 Creditrisk+模型
该模型中的违约概率被模型化为具有一定概率分布的连续变量，而不再是离散的，即每一笔贷款都有着极小的违约概率并且违约率是随机的，其本身就是风险的驱动因素，而且在信用周期可以显著地波动；其任何两项贷款发生违约的相关性为O，即每笔贷款发生违约的可能性是独立的。由于违约相关不稳定而且不可观察，所以这种方法是利用违约率的波动性来确定违约相关性的影响，进而生成贷款组合的损失分布，而非直接通过模型来模拟这种关系。Creditrisk+模型可以用于处理不同的部门、时限、地区等不同类型的大量风险暴露。
1.5 Logistic模型
在LogistiC模型中，违约概率的预测被看作一个虚拟变量问题。所谓虚拟变量，是指人工构造的取值为O和1的作为属性变量代表的变量。属性因素通常具有若干类型或水平，一般虚拟变量的取值为O和1。当虚拟变量取值为O时，表示某种属性或状态不存在，当虚拟变量取值为1时，表示某种属性或状态存在本文中，变量取值为O时表示企业状态正常，变量取值为1时则表示企业违约，用logistic模型计算出的概率越大，表明该企业违约的可能性越大。LogistiC函数的常用形式如下：
p=11+e[-（β11+βixi）]
2.使用Logistic模型对我国中小企业信用风险的实证分析
2.1 Logistic模型对我国中小企业的适用性分析
该方法对数据的要求较容易满足。与其他信用风险评价模型相比，Logistic模型只需要银行内部关于以往中小企业贷款的相关数据和财务报表，对数据的收集难度不是很大。其次，该方法不再依赖于外部的信用评级机构，上文所论述的我国的信用评级机构的不完善对于该方法的使用不存在影响；在使用时，该方法首先是假定商业银行对企业的贷款发生违约的情况的概率服从Logistic分布，选用一系列财务比率构建模型，反映企业发生财务危机进而违约的可能性。在模型的使用中，根据银行对风险的偏好程度设定分界点，判断企业是否被划入违约组。由于企业对债务的履行情况只可分为两种，违约、不违约，因此在对中小企业信用风险进行评估时，Logistic分布的特征对违约概率的估计恰好适用。
2.2 数据收集
为了进行实证研究，本文以企业是否违约为分类标准，判断企业是否违约依据商业银行债项评级中五级分类的标准（正常、关注、次级、可疑、损失），认为次级及以下的贷款为违约。本文从广州、深圳一共四家商业银行的数据库中随机选择50家违约中小企业作为样本，受数据采集难度的限制，只选取了最典型的工业企业数据。剔除了异常和数据不完整的个体，剩余32份不良企业样本。按1：1的数量配比原则，另外选择了32家正常中小企业作为匹配样本，样本采用2009年底与2010年底数据。之所以选取以上数据，一是由于数据采集的难度较大，以上数据是通过较大的努力方能取得的；二是广州、深圳地区中小企业无论是从发展环境还是从发展程度而言都较有先进性和代表性，国际化程度较高，发展环境较为复杂，信用违约囊括的情况也较为全面。 2.3 模型构建
经过回归分析，得到以下结果：
本文得出的最终模型数学表达式为：
pi=11+e-（0.137-1.091xi-0.806x2+0.026x3-0.389x4+0.03x5-2.374x6+0.079x7）
xl=0.81*总资产增长率+0.68*主营业务收入增长率+0.567*净利润增长率十0.466*固定资产增长率+0.777*净资产增长率
x：=-0.366*总资产增长率+0.548*主营业务收入增长率+0.675*净利润增长率-0.558*固定资产增长率-0.255*净资产增长率
x3=0.798*应收账款周转率+0.824*存货周转率+0.339*总资产周转率+0.913*流动资产周转率
x4=-0.694*资产负债率十0.929*流动比率+0.945*速动比率-0.169*现金比率
x5=-O，171*资产负债率-0.187*流动比率-0.114*速动比率+0.965*现金比率
x6=-0.238*资本收益率-0.361*总资产利润率+0.805*销售净利率+0.82*毛利率
x7==0.83*资本收益率十0.782*总资产利润率+0.323*销售净利率+0.269*毛利率
本文中，判断变量是否应该包含在模型中，即考虑每个自变量在回归方程中的重要性，主要考虑Wald统计量。检验步骤为：
1.提出假设：
H0∶ βi=0（i=1，2，……k）
H1∶ βi≠0
2.构造回归系数检验的统计量Wald：
Waldi=β2iVar（βi）
Wald统计量大的因素显著性高，也就表明其越重要。从表中可以看出，本文Logistic回归模型中各个指标的Wald统计量中，资产增长因子、收益增长因子、流动比例因子、主营业务效益因子这四个指标Wald统计量相对较大，也就是说，这四个指标在估计中小企业的信用风险，意义更大。下表显示了得出的Logistic回归模型对样本是否违约的预测：可以看出，该回归模型对中小企业信用风险的判别准确率总体来说较高，达到74.96%。其中，对违约企业判别率为78.12%，对正常企业的判别率为71.80%，拟合效果尚可。如表2-11
2.5 模型分析
观察logistic模型的系数，我们可以看出：
本文的资产增长因子主要反映了净资产增长率与总资产增长率这两个指标。资产增长因子越大，违约概率越小。这是因为，公司的资产是公司生存与发展的最基本条件，规模的扩大是公司处于扩张时期的基本表现，相反，资产规模缩小或者不变是公司经营不力的一种表现。
收益增长因子越大，中小企业的违约概率越小。本文的收益增长因子主要反映的是主营业务收入增长率与净利润增长率两个财务指标。很明显，中小企业主营业务收入与利润增长率越高，说明企业经营有方，企业利润越大，偿债能力越强，违约风险也就越小。
流动比率因子越大，中小企业违约概率越小。本文的流动比率因子主要反映的是流动比率与速动比率，用来衡量企业流动资产在短期债务到期以前可以变为现金用于偿还负债的能力。数值越大，偿债能力越强，违约的概率越小。
本文的主营业务效益因子主要反映销售净利率、毛利率，该因子用于衡量企业的收益水平，数值越大，表明企业的经营水平越强，违约概率越低。
3.加强我国中小企业信用风险管理的对策建议
3.1 从银行的角度
首先要区分开中小企业与传统大企业之间的区别：财务管理不规范、经营状况不稳定、规模小、成本高利润薄等，对中小企业的授信产品不能像传统大企业那样采用传统额度授信、银承、抵押等方法，而应该针对中小企业自身的特殊属性设计出符合其发展需求的产品。银行应当通过采用资金池、捆绑授信等各种可能的方式来拓宽中小企业的融资渠道，迎合中小企业的融资需求，降低中小企业的融资成本。当前许多新兴银行通过利用大数法则对中小企业展开集体授信以防控风险，也有银行通过定位专业市场、专门行业的形式，以行业划分的形式对中小企业进行定位授信。
3.2 从中小企业自身的角度
中小企业自身应当通过强化财务管理和自身运营，不断优化自身发展体系，降低银行授信风险，建立银行信用度。首先，要建立全局观的财务管控制度执行机制，并强化对财务管理制度执行情况的监督考核，确认财务管理的每一个处理环节都得到切实的落实，受到有效的约束。其次，要提高与完善管理层的财务管理能力，优化制度建设，制度建设前应多作调查研究，充分听取基层和群众的意见，制度落实后应对制度发挥成效进行了解检测。确保财务管理制度的科学性与落实性。最后，伴随着计算机互联网的普及，计算机成为了企业经营管理过程中一个十分常用和有效的工具。而当前在中小企业中，许多中小企业主受自身认识的局限影响，对于网络信息化管理模式及其方便快捷高效了解并不多，甚至根本没有了解。企业管理层及相关财务人员应当不断更新自身财务管理知识和技能，跟上时代的步伐，通过合理采用各种现代化工具和互联网，取代传统效率慢、出错率高的财务管理方式，不断强化和提升自身财务管理能力。
3.3 从中小企业信用风险度量的角度
从当前情况来看，我国对于中小企业信用风险度量的管理仍然存在较大的局限性，首先一点就是重视程度不足，当前尽管国家对中小企业及其发展的重视程度不断提升，但在对中小企业融资方面的支持仍然不够，其中重要的一点就是没有建立起合理、有序的中小企业信用风险度量模型。银行不愿对中小企业融资，很主要的一方面原因就是中小企业信用风险难以度量，如果我国能建立起中小企业信用库，对中小企业信用违约进行统一的记录和监控，一方面有利于相关部门和学者强化对中小企业信用违约情况的研究和中小企业信用风险度量方法的更好研究，另一方面有助于银行根据数据库的统计对中小企业展开授信，此外信息库也在很大程度上对中小企业的信用违约起到很好的监控作用。
参考文献：
[1] 〔美〕林·C.托马斯、戴维·B.埃德尔曼、乔纳森·N.克鲁克.信用评分及其应用.中国金融出版社，2006.
[2] Mallick R.and Chakraborty.Crdeit Gap in Small Business：Some New Evidencd.Working Paper from EconPaper；2002.
[3] CHEN，MU-CHEN，HUANG SHIH-HSIEN.Credit scoring and rejected instances reassigning through evolutionary computation techniques[J].Expert Systems with Applications，2003（24）：433-441.
[4] 王钰颖.供应链金融下中小企业信用风险度量的研究.东华大学，2014.
[5] 谢俊平.我国中小企业融资的信用风险度量研究.华南理工大学，2013-04-06.