【摘要】本文通過對小微企業(yè)信貸特征及國內(nèi)外主流信用風險度量方法的對比分析，篩選出適用于我國小微企業(yè)信用風險度量的Logistic模型。利用從銀行取得的94個小微企業(yè)信貸樣本，綜合企業(yè)的財務(wù)及非財務(wù)信息，進行了Logistic模型的構(gòu)建和檢驗。實證結(jié)果表明，該模型對于小微企業(yè)的信貸違約概率具有較高的正判率。

【關(guān)鍵詞】小微企業(yè) 信用風險 違約概率 Logistic模型

一、引言

隨著數(shù)量和規(guī)模的不斷增長，小微企業(yè)已經(jīng)成為促進我國經(jīng)濟快速、持續(xù)發(fā)展的重要力量，而從金融機構(gòu)所獲取的較少的信貸額度已成為制約其發(fā)展的主要因素。究其原因，小微企業(yè)貸款的高風險應(yīng)是重要原因。風險偏高一方面是由小微企業(yè)的經(jīng)營特點所決定的，另一方面是由于我國大部分商業(yè)銀行針對小微企業(yè)的信用風險評價體系并不完善，風險度量的精度無法得到保證。然而，在金融脫媒、利率市場化以及國家政策引導的背景下，銀行勢必在規(guī)避風險、應(yīng)對監(jiān)管的同時，將目光放在開拓小微企業(yè)信貸市場上。但是，目前我國商業(yè)銀行針對小微企業(yè)信用風險的評估，仍主要使用傳統(tǒng)的信用風險評分方法，對現(xiàn)代信用風險度量技術(shù)的研究和應(yīng)用尚處在起步階段。因此，基于理論和實證的高度，研究和分析適用于我國小微企業(yè)的現(xiàn)代信用風險度量方法，具有一定的理論和現(xiàn)實意義。

二、小微企業(yè)信用風險度量方法的對比及選擇

（一）小微企業(yè)的信貸特征

小微企業(yè)的產(chǎn)品單一、靈活性強、投資規(guī)模小、運營不規(guī)范等經(jīng)營特征，決定了它們擁有與大中企業(yè)差異明顯的信貸特征。首先，小微企業(yè)貸款需求以短期流動資金為主，且金額小、頻率高。小微企業(yè)的生產(chǎn)和銷售具有較強的隨機性和緊迫性，信貸需求往往無計劃，資金需求非常頻繁，但其經(jīng)營規(guī)模不大，單筆資金需求金額往往較小。其次，對小微企業(yè)貸款效率低、成本高。小微企業(yè)貸款金額少而筆數(shù)多，銀行卻需要履行與大中企業(yè)一樣的信息收集與信貸審批程序，造成較高的信貸費用。最后，與大中企業(yè)相比，貸款信息不對稱。小微企業(yè)的治理結(jié)構(gòu)不夠完善，對外信息披露不清晰，銀行人員難以對企業(yè)的狀況和資金的流動進行足夠的了解，加劇了企業(yè)融資難的困境和銀行信貸風險程度。

（二）信用風險度量方法對比分析

國內(nèi)外對于信用風險度量的研究，大致經(jīng)過了傳統(tǒng)的專家判斷法、信用評分方法、現(xiàn)代風險度量模型等幾個階段。較早的專家判斷法，主要依靠專家根據(jù)自己的經(jīng)驗對企業(yè)進行信用評價，具有過高的主觀性，不能滿足現(xiàn)實需求。信用評分方法是種類最多、使用最廣的信用風險度量方法，主要運用數(shù)理統(tǒng)計方法建立回歸模型，進而通過計算違約概率來評估信用風險，如Logit模型、多元判別分析、Probit模型和人工智能方法等。20世紀90年代以來，現(xiàn)代信用風險度量模型獲得了迅速發(fā)展，如基于期權(quán)理論的KMV信用監(jiān)控模型、基于信用風險VaR的Credit Metrics模型、基于信用等級變遷的CPV信貸組合、基于財產(chǎn)保險精算的Credit Risk+模型等。

由于專家判斷法精度太低，而現(xiàn)代風險度量模型對于金融數(shù)據(jù)依賴較大，國內(nèi)外對于小微企業(yè)信用風險度量的研究和應(yīng)用，集中于使用基于統(tǒng)計判別方法的預(yù)測模型。其中，由于Logistic回歸模型對數(shù)據(jù)的要求不嚴，不需要保持自變量與因變量的線性關(guān)系，也不需要滿足正態(tài)分布，并且能夠解決部分因變量是非財務(wù)指標的問題，因此比較適用于小微企業(yè)信用風險度量。

（三）Logistic回歸模型簡介

Logistic回歸模型比較常見的非線性概率模型，對于信用風險的度量有著三方面的特點：第一，自變量的類型（離散、連續(xù)或虛擬變量等）不會影響到模型的應(yīng)用；第二，能夠使求得的預(yù)測概率值處在[0，1]區(qū)間內(nèi)；第三，能夠在因變量為二分類變量的情況下把問題轉(zhuǎn)變?yōu)閷Πl(fā)生概率的理論解釋。它以計算某種狀態(tài)或者屬性的概率為目標，其采用函數(shù)的形式如下：

Logistic模型直接預(yù)測了事件發(fā)生的概率P，它的值介于0到1之間。在預(yù)測違約概率時候，P值越接近于1就表示違約的可能性越大，越接近0則表示違約的可能性越小。

三、實證檢驗

（一）樣本選取及違約定義

本文選取了某銀行2013～2013年的94個制造業(yè)和批發(fā)零售業(yè)的小微企業(yè)信貸樣本，其中包含47個違約樣本。根據(jù)銀行信貸情況，將因變量在違約時定義為1，不違約時定義為0。

（二）財務(wù)及非財務(wù)指標選取

結(jié)合前人的研究，并根據(jù)所收集到的信貸信息，從五個維度選取財務(wù)指標。企業(yè)規(guī)模：總資產(chǎn)、凈資產(chǎn)、銷售收入；償債能力：流動比率、速動比率、銀行負債資產(chǎn)比、現(xiàn)金流動比率；盈利能力：凈資產(chǎn)收益率、總資產(chǎn)收益率、銷售凈利率；營運能力：應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率；發(fā)展能力：凈利潤增長率、凈資產(chǎn)增長率、總資產(chǎn)增長率、銷售收入增長率。同時，由于小微企業(yè)財務(wù)信息的準確性和及時性不太高，而其信用風險往往受到其經(jīng)營環(huán)境和股東情況等非財務(wù)信息的影響，因此有必要將非財務(wù)信息納入模型的備選指標池中，具體見表1：

（三）模型的建立及檢驗

首先，對各個自變量進行單因素T檢驗，剔除對因變量不顯著的指標，余下凈資產(chǎn)收益率、總資產(chǎn)收益率、凈資產(chǎn)增長率、關(guān)鍵人職稱、經(jīng)營場地所有權(quán)等五個指標。其次，對篩選出的指標進行相關(guān)性分析，而凈資產(chǎn)收益率和總資產(chǎn)收益率高度相關(guān)，經(jīng)選擇，剔除凈資產(chǎn)收益率。最后，再次將剩余的四個指標進行Logistic回歸建立模型，結(jié)果如下：

由表2可以看出，在0.05的顯著性水平下，四個自變量都是顯著的，可以寫出Logistic的方程：P=exp（0.706-1.256*經(jīng)營場地所有權(quán)+0.934*關(guān)鍵人職稱-3.009*總資產(chǎn)收益率-3.537*凈資產(chǎn)增長率）/[1+exp（0.706-1.256*經(jīng)營場地所有權(quán)+0.934*關(guān)鍵人職稱-3.009*總資產(chǎn)收益率-3.537*凈資產(chǎn)增長率）]。方程表明，違約概率與經(jīng)營場地所有權(quán)、總資產(chǎn)收益率、凈資產(chǎn)增長率成反比，而與關(guān)鍵人職稱成正比。由表3可以看出，Nagelkerke R Square值為0.705，說明模型具有較好的擬合度。由表4可以看出，對“y=0”一類的正判率為88.0%，對“y=1”一類的正判率為85.1%，總的正判率為84%，說明模型的擬合效果較好。

四、結(jié)論與展望

本文通過對小微企業(yè)信用風險特征及度量方法的對比分析，并選取Logistic模型進行實證檢驗，結(jié)果表明，該方法適用于我國小微企業(yè)的信用風險度量。根據(jù)實證結(jié)果，小微企業(yè)的違約概率與經(jīng)營場地所有權(quán)、總資產(chǎn)收益率、凈資產(chǎn)增長率成反比，與關(guān)鍵人職稱成正比。同時，本文也存在一些需要改進的地方，比如樣本選取的代表性不夠、沒有考慮宏觀經(jīng)濟因素等，有待于后續(xù)研究。

參考文獻

[1]胡建生，葛揚，陸彩蘭.內(nèi)部評級法在信用風險評估中的運用及挑戰(zhàn)[J].現(xiàn)代管理科學.2012（2）：9-11.

[2]夏紅芳.商業(yè)銀行信用風險度量與管理研究[D].南京航空航天大學博士學位論文，2007.8.

[3]趙軻軻，毛加強.信用風險中違約概率的測算模型研究——兼論我國商業(yè)銀行基于巴塞爾新協(xié)議的內(nèi)部評級法.鄭州大學學報（哲學社會科學版），2007.40（3）：68-72.

作者簡介：曹明生（1989-），男，河南周口人，福州大學經(jīng)濟與管理學院會計學碩士研究生，研究方向：財務(wù)管理。