论文部分内容阅读
摘 要：小企业与银行的信息不对称使银行难以评价贷款的信用风险。而通过改变传统的定性分析的方法，建立一个以企业财务状况和其他因素为基础的定量分析模型，能够帮助银行有效评估企业信用风险。文章通过主成分分析和Logistic回归得出小企业信用评分模型，并用于模拟银行信贷选择过程，以验证信贷模型的适用性。
关键词：小企业信用评分模型 Logistic 回归信贷选择
一、引言
小企业存在着资金规模小、财务管理不规范、贷款数额较少等现象，从而造成与银行的信息不对称，小企业融资难的现状。而在20世纪90年代以后，信用评分模型被发达国家广泛运用，从而使这一现象得到了有效改善。实践证明，小企业信用评分模型使银行能够根据大量数据统计验证的客观标准，对小企业贷款业务的批量处理，为银行的信用风险管理提供有效支持。但目前在我国，小企业信用评分模型还处于起步阶段，相应的理論和方法还不完善。为此，文章通过主成分分析和Logistic回归得出小企业信贷模型，然后用于模拟银行信贷选择过程，从而分析小企业信贷模型的适用性。
二、评分模型的构建及贷款选择模拟
（一）模型基础和数据选取
本文模型是以财务指标和其他非财务因素为基础，使用Logistic回归得出小企业信用评分模型。Logistic回归虽然结构简单，但在处理多指标组成的复杂数据时，能排除个别异常数据点的影响，在对小企业评分时有很大的优势。
本文研究样本选自规模较小的上市公司，根据《中小企业标准暂行规定》中的有关标准，从所有上市公司中选取了136家小企业作为样本。首先将全部样本企业随机分为两个子样本，第一个子样本包含90个小企业，第二个子样本包含的46个小企业。然后将第一个子样本用于本章构建基于Logistic回归的小企业信用评分模型，并将其应用于第二个子样本进行模拟银行信贷筛选。
（二）信用评分指标体系
参照其他学者对于小企业信用评分的研究成果，结合现实情况和数据资料，选取企业特征、财务指标和企业主特征三类，共17个变量作为模型解释变量。将违约变量定义为：在过去3年中，企业是否能够按时还本付息，是否存在拖欠工人工资和货款的情况。本文构建的指标体系见表1。
表1 小企业信用评分指标体系
变量类型 变量名称 变量含义
被解释变量 违约变量 在过去3年内的经营活动中是否违约
企业特征变量 资产规模 企业资产总计的对数
员工人数 企业员工人数
生存年限 企业成立年限
行业性质 属于工业 =1，其他=0
财务指标 总资产报酬率 息税前利润×2/平均总资产
净资产收益率 净利润/加权平均净资产
资产负债率 负债总额/资产总额
流动比率 流动资产/流动负债
已获利息倍数 息税前利润/利息费用
存货周转率 营业成本/平均存货净额
应收账款周转率 营业收入/应收账款平均额
流动资产周转率 营业总收入/平均流动资产
总资产周转率 营业总收入/平均总资产
总资产增长率 本期末资产总计-上期末资产总计/上期末资产总计
企业主特征变量（董事长） 性别 男=1，女=0
年龄 企业主年龄
学历 专科及以下=0，本科=1，硕士=2，博士及以上=3
（三）模型的构建
由于本文采用的样本变量之间存在一定程度的多重共线性，因此首先对样本的财务类变量进行主成分分析，以减少解释变量个数，可以有效解决多重共线性问题，另外也可以克服样本容量较小对模型准确性的影响。通过SPSS对变量进行主成分分析，有6个因子的特征值大于1，累积贡献率为75.754%，因此选定6个主成分，定义为F1～F6。
在完成主成分分析后，利用软件计算出各样本企业的主成分值，利用Logistic方法对主成分以及其他变量进行回归，得出小企业信用评分模型为：
Ln（p/1-p）=-6.503013-0.298645*F2+1.220881*行业性质+0.128556*企业主年龄-0.993561*企业主学历
可以看出，企业主学历越高，企业的违约概率越小；工业企业违约的概率比非工业企业违约的概率要小。
（四）模拟银行信贷筛选过程
为了模拟银行信贷筛选的过程，将上述信用评分模型用于第二个子样本进行模拟银行信贷筛选，第二个子样本中有46家企业，其中违约企业11家，违约率为23.91%。
运用模型对46家企业进行信用评分排序，在贷款拒绝率是20%的情况下，拒绝评分靠后的9家企业，这样得到一个新样本。新样本中有37家企业，其中违约企业剩7家，违约率为18.91%。如果随机拒绝9家，则理论上违约率是23.91%。因此使用评分模型使新样本的信用质量提高了26.44%。
三、结论
融资难一直是我国小企业可持续发展中亟待解决的问题，国外实践经验表明，通过运用信用评分技术将贷款风险管理以及贷款审批和发放予以标准化，有利于减少交易成本、控制信贷风险、提高中小企业信贷获得率，有助于解决小企业融资难的困境。基于logistic回归的信用评分模型，具有评分的客观性和优越性，能够有效加强小企业贷款审批的效率和精确性。
参考文献：
[1] 刘莹.从日元国际化看人民币国际化问题.武汉大学学报，2010（10）
[2] 吴洁.信用评分技术在中小企业贷款中的应用.现代金融，2005（8）
[3] 高圣智.不同模型在信用评分中的比较研究.西部金融，2011（10）
关键词：小企业信用评分模型 Logistic 回归信贷选择
一、引言
小企业存在着资金规模小、财务管理不规范、贷款数额较少等现象，从而造成与银行的信息不对称，小企业融资难的现状。而在20世纪90年代以后，信用评分模型被发达国家广泛运用，从而使这一现象得到了有效改善。实践证明，小企业信用评分模型使银行能够根据大量数据统计验证的客观标准，对小企业贷款业务的批量处理，为银行的信用风险管理提供有效支持。但目前在我国，小企业信用评分模型还处于起步阶段，相应的理論和方法还不完善。为此，文章通过主成分分析和Logistic回归得出小企业信贷模型，然后用于模拟银行信贷选择过程，从而分析小企业信贷模型的适用性。
二、评分模型的构建及贷款选择模拟
（一）模型基础和数据选取
本文模型是以财务指标和其他非财务因素为基础，使用Logistic回归得出小企业信用评分模型。Logistic回归虽然结构简单，但在处理多指标组成的复杂数据时，能排除个别异常数据点的影响，在对小企业评分时有很大的优势。
本文研究样本选自规模较小的上市公司，根据《中小企业标准暂行规定》中的有关标准，从所有上市公司中选取了136家小企业作为样本。首先将全部样本企业随机分为两个子样本，第一个子样本包含90个小企业，第二个子样本包含的46个小企业。然后将第一个子样本用于本章构建基于Logistic回归的小企业信用评分模型，并将其应用于第二个子样本进行模拟银行信贷筛选。
（二）信用评分指标体系
参照其他学者对于小企业信用评分的研究成果，结合现实情况和数据资料，选取企业特征、财务指标和企业主特征三类，共17个变量作为模型解释变量。将违约变量定义为：在过去3年中，企业是否能够按时还本付息，是否存在拖欠工人工资和货款的情况。本文构建的指标体系见表1。
表1 小企业信用评分指标体系
变量类型 变量名称 变量含义
被解释变量 违约变量 在过去3年内的经营活动中是否违约
企业特征变量 资产规模 企业资产总计的对数
员工人数 企业员工人数
生存年限 企业成立年限
行业性质 属于工业 =1，其他=0
财务指标 总资产报酬率 息税前利润×2/平均总资产
净资产收益率 净利润/加权平均净资产
资产负债率 负债总额/资产总额
流动比率 流动资产/流动负债
已获利息倍数 息税前利润/利息费用
存货周转率 营业成本/平均存货净额
应收账款周转率 营业收入/应收账款平均额
流动资产周转率 营业总收入/平均流动资产
总资产周转率 营业总收入/平均总资产
总资产增长率 本期末资产总计-上期末资产总计/上期末资产总计
企业主特征变量（董事长） 性别 男=1，女=0
年龄 企业主年龄
学历 专科及以下=0，本科=1，硕士=2，博士及以上=3
（三）模型的构建
由于本文采用的样本变量之间存在一定程度的多重共线性，因此首先对样本的财务类变量进行主成分分析，以减少解释变量个数，可以有效解决多重共线性问题，另外也可以克服样本容量较小对模型准确性的影响。通过SPSS对变量进行主成分分析，有6个因子的特征值大于1，累积贡献率为75.754%，因此选定6个主成分，定义为F1～F6。
在完成主成分分析后，利用软件计算出各样本企业的主成分值，利用Logistic方法对主成分以及其他变量进行回归，得出小企业信用评分模型为：
Ln（p/1-p）=-6.503013-0.298645*F2+1.220881*行业性质+0.128556*企业主年龄-0.993561*企业主学历
可以看出，企业主学历越高，企业的违约概率越小；工业企业违约的概率比非工业企业违约的概率要小。
（四）模拟银行信贷筛选过程
为了模拟银行信贷筛选的过程，将上述信用评分模型用于第二个子样本进行模拟银行信贷筛选，第二个子样本中有46家企业，其中违约企业11家，违约率为23.91%。
运用模型对46家企业进行信用评分排序，在贷款拒绝率是20%的情况下，拒绝评分靠后的9家企业，这样得到一个新样本。新样本中有37家企业，其中违约企业剩7家，违约率为18.91%。如果随机拒绝9家，则理论上违约率是23.91%。因此使用评分模型使新样本的信用质量提高了26.44%。
三、结论
融资难一直是我国小企业可持续发展中亟待解决的问题，国外实践经验表明，通过运用信用评分技术将贷款风险管理以及贷款审批和发放予以标准化，有利于减少交易成本、控制信贷风险、提高中小企业信贷获得率，有助于解决小企业融资难的困境。基于logistic回归的信用评分模型，具有评分的客观性和优越性，能够有效加强小企业贷款审批的效率和精确性。
参考文献：
[1] 刘莹.从日元国际化看人民币国际化问题.武汉大学学报，2010（10）
[2] 吴洁.信用评分技术在中小企业贷款中的应用.现代金融，2005（8）
[3] 高圣智.不同模型在信用评分中的比较研究.西部金融，2011（10）