孫延鵬

【摘要】選取我國(guó)1995～2016年216家小微企業(yè)作為研究樣本，通過(guò)構(gòu)建信用風(fēng)險(xiǎn)衡量體系，并考慮“新常態(tài)”環(huán)境條件下所呈現(xiàn)的極端值情形，進(jìn)一步采用穩(wěn)健Logit遞歸模型分析“新常態(tài)”下的企業(yè)信用風(fēng)險(xiǎn)問(wèn)題。結(jié)果發(fā)現(xiàn)，當(dāng)在信用評(píng)估模型中加入“新常態(tài)”條件時(shí)，企業(yè)信用風(fēng)險(xiǎn)的影響因素均產(chǎn)生了顯著的變化，意味著“新常態(tài)”條件的變動(dòng)對(duì)小微企業(yè)的信用風(fēng)險(xiǎn)影響尤為明顯。此外，當(dāng)采用穩(wěn)健極端值模型刻畫小微企業(yè)的信用風(fēng)險(xiǎn)時(shí)，無(wú)論在樣本內(nèi)預(yù)測(cè)抑或是樣本外預(yù)測(cè)，該模型均呈現(xiàn)出較好的預(yù)測(cè)績(jī)效。

【關(guān)鍵詞】新常態(tài)；小微企業(yè)；信用風(fēng)險(xiǎn)；穩(wěn)健極端值模型

【中圖分類號(hào)】F276.3【文獻(xiàn)標(biāo)識(shí)碼】A【文章編號(hào)】1004-0994（2019）23-0158-10

【基金項(xiàng)目】國(guó)家社會(huì)科學(xué)基金重大項(xiàng)目“擴(kuò)大中國(guó)金融業(yè)雙向開放的關(guān)鍵問(wèn)題研究”（項(xiàng)目編號(hào)：15ZDC020）；國(guó)家社會(huì)科學(xué)基金青年項(xiàng)目“金融穩(wěn)定目標(biāo)下貨幣政策與宏觀審慎政策的協(xié)調(diào)機(jī)制研究”（項(xiàng)目編號(hào)：18CJY056）；青島市社會(huì)科學(xué)規(guī)劃研究項(xiàng)目“新舊動(dòng)能轉(zhuǎn)換背景下青島市金融風(fēng)險(xiǎn)防范與化解研究”（項(xiàng)目編號(hào)：QDSKL1901115）

一、引言

信用風(fēng)險(xiǎn)是指因交易一方發(fā)生違約而造成另一方經(jīng)濟(jì)損失的可能性。在市場(chǎng)經(jīng)濟(jì)條件下，不同類型的風(fēng)險(xiǎn)載體往往面臨著較為類似的信用風(fēng)險(xiǎn)。就小微企業(yè)而言，其利率定價(jià)過(guò)高更容易導(dǎo)致其潛在客戶出現(xiàn)逆向選擇，進(jìn)而產(chǎn)生道德風(fēng)險(xiǎn)問(wèn)題。從國(guó)際經(jīng)驗(yàn)來(lái)看，隨著印度、孟加拉國(guó)和玻利維亞等國(guó)家小微企業(yè)市場(chǎng)日趨活躍，小微企業(yè)在經(jīng)濟(jì)發(fā)展中所發(fā)揮的作用亦愈加明顯，甚至還成為大量國(guó)際熱錢和私人資本的新投資目標(biāo)，與服務(wù)貧困人口的公益性目標(biāo)逐漸偏離，甚至產(chǎn)生沖突。在商業(yè)利潤(rùn)最大化的驅(qū)使下，這些國(guó)家小微企業(yè)的利率從25%～100%不等，致使小微企業(yè)經(jīng)營(yíng)受到嚴(yán)重影響，導(dǎo)致貸款拖欠、違約現(xiàn)象大面積發(fā)生，并最終在部分國(guó)家演變成小額貸款危機(jī)。

近年來(lái)，我國(guó)小微企業(yè)市場(chǎng)交易也日趨活躍。2010年，全國(guó)僅有小微企業(yè)2614家，貸款余額1975億元，全年新增貸款1202億元。而截至2016年年末，全國(guó)小微企業(yè)的貸款余額達(dá)到9420億元，全年新增貸款1228億元。從小微企業(yè)的服務(wù)對(duì)象來(lái)看，目前我國(guó)小微企業(yè)面對(duì)的客戶主要是微型企業(yè)和個(gè)體工商戶，這些客戶往往并不符合銀行的融資條件，或者是通過(guò)銀行融資的門檻過(guò)高，但這并不意味著這些客戶貸款的風(fēng)險(xiǎn)也較高。如果小微企業(yè)的貸款利率過(guò)高，這些微型企業(yè)和個(gè)體工商戶中的信用優(yōu)良者可能會(huì)選擇其他融資渠道，而那些愿意接受較高利率，通過(guò)小微企業(yè)進(jìn)行融資的微型企業(yè)或個(gè)體工商戶，其貸款風(fēng)險(xiǎn)可能較高。在此種情況下，一旦企業(yè)經(jīng)營(yíng)出現(xiàn)問(wèn)題，則會(huì)導(dǎo)致資金周轉(zhuǎn)困難，出現(xiàn)貸款逾期或違約的概率極大，從而產(chǎn)生信用風(fēng)險(xiǎn)。

金融業(yè)一直都屬于高風(fēng)險(xiǎn)行業(yè)，其中小微企業(yè)的信用風(fēng)險(xiǎn)管理問(wèn)題更不容忽視。尤其是小微企業(yè)規(guī)模較小，抵御風(fēng)險(xiǎn)的能力相對(duì)較弱，融資難是小微企業(yè)面臨的突出問(wèn)題。盡管政府多次提出緩解小微企業(yè)融資難的政策，但由于小微企業(yè)對(duì)市場(chǎng)的敏感度較大，特別是伴隨著我國(guó)經(jīng)濟(jì)全面步入“新常態(tài)”階段，其潛在的發(fā)展特征主要體現(xiàn)為經(jīng)濟(jì)增長(zhǎng)率下滑、經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級(jí)以及增長(zhǎng)動(dòng)力和機(jī)制發(fā)生改變。隨著經(jīng)濟(jì)增速由高速增長(zhǎng)向中高速增長(zhǎng)“換擋”，經(jīng)濟(jì)結(jié)構(gòu)調(diào)整的步伐也明顯加快，貨幣政策和財(cái)政政策調(diào)控將會(huì)由“強(qiáng)刺激”向服務(wù)于“穩(wěn)增長(zhǎng)”和“調(diào)結(jié)構(gòu)”的“微刺激”和“定向調(diào)控”模式轉(zhuǎn)變。在這種情形下，小微企業(yè)所面臨的不良貸款率往往出現(xiàn)大幅攀升態(tài)勢(shì)，其信用風(fēng)險(xiǎn)問(wèn)題也日益突出。

鑒于此，本文將重點(diǎn)關(guān)注如下問(wèn)題：在“新常態(tài)”環(huán)境下，小微企業(yè)可能出現(xiàn)怎樣的信用風(fēng)險(xiǎn)敞口？在異質(zhì)性經(jīng)濟(jì)環(huán)境下，如何有針對(duì)性地提高小微企業(yè)自身的信用風(fēng)險(xiǎn)管理水平？在對(duì)小微企業(yè)的信用風(fēng)險(xiǎn)沖擊源進(jìn)行識(shí)別時(shí)，應(yīng)當(dāng)如何完善對(duì)小微企業(yè)的市場(chǎng)監(jiān)管？研究上述問(wèn)題，將有助于小微企業(yè)“鯰魚效應(yīng)”的進(jìn)一步有效發(fā)揮，這對(duì)促進(jìn)我國(guó)小微企業(yè)發(fā)展和具有中國(guó)特色的金融體系建設(shè)具有重要的理論意義和積極的現(xiàn)實(shí)價(jià)值。

二、文獻(xiàn)綜述

國(guó)外信用風(fēng)險(xiǎn)研究始于20世紀(jì)30年代，亞當(dāng)·斯密提出商業(yè)銀行資產(chǎn)風(fēng)險(xiǎn)管理理論，該理論認(rèn)為金融機(jī)構(gòu)信用風(fēng)險(xiǎn)管理的重點(diǎn)是貸款業(yè)務(wù)，通過(guò)加強(qiáng)資信評(píng)估、項(xiàng)目調(diào)查、嚴(yán)格審批制度和減少信用貸款等一系列措施，能夠降低、防范資產(chǎn)業(yè)務(wù)的信用風(fēng)險(xiǎn)。此后，關(guān)于信用風(fēng)險(xiǎn)管理的研究則主要從影響信用風(fēng)險(xiǎn)形成的借貸行為特征和控制機(jī)制層面展開，并形成了豐富且有價(jià)值的研究成果，歸納起來(lái)，可從以下三個(gè)層面對(duì)已有的研究成果進(jìn)行闡述。

1.關(guān)于信用風(fēng)險(xiǎn)理論的研究。Holamstram和Triole[1]、Hart和Moore[2]發(fā)現(xiàn)，企業(yè)資本、企業(yè)家人力資本會(huì)對(duì)借貸行為和貸款償還路徑產(chǎn)生影響。Bulow和Rogoff[3]、Bolton和Scharfstein[4]認(rèn)為，債務(wù)人償還動(dòng)機(jī)源于獲取未來(lái)融資便利的需要。Stiglitz和Andrew[5]、Riley[6]從整個(gè)信貸市場(chǎng)角度研究借貸行為特征，認(rèn)為信貸市場(chǎng)中普遍存在逆向選擇和道德風(fēng)險(xiǎn)問(wèn)題。Williarrson[7]、Gale和Hellwig[8]、Gorton和Kahn[9]、Aghion和Bolton[10]、Ackert等[11]、Essendi[12]研究了如何通過(guò)借貸合約設(shè)計(jì)加強(qiáng)信用風(fēng)險(xiǎn)控制。大部分學(xué)者認(rèn)為標(biāo)準(zhǔn)化債務(wù)合約能有效控制信用風(fēng)險(xiǎn)。Chan和Kanatas[13]、Besanko和Thakor[14]、Jiménez等[15]、Allen等[16]發(fā)現(xiàn)，擔(dān)保在信用風(fēng)險(xiǎn)識(shí)別中發(fā)揮著重要的作用。

而進(jìn)入20世紀(jì)90年代中期以后，信用風(fēng)險(xiǎn)管理由單一管理發(fā)展為與市場(chǎng)風(fēng)險(xiǎn)并重，兼顧流動(dòng)性風(fēng)險(xiǎn)管理、操作風(fēng)險(xiǎn)管理和法律風(fēng)險(xiǎn)管理的特征。該階段信用風(fēng)險(xiǎn)管理的研究以量化研究為主，規(guī)范性研究較少。信用風(fēng)險(xiǎn)量化管理隱含著豐富的風(fēng)險(xiǎn)分析和定價(jià)思想，以現(xiàn)代資產(chǎn)管理理論、資本資產(chǎn)定價(jià)理論、套利定價(jià)理論和B-S期權(quán)定價(jià)模型為理論依托。這一時(shí)期的信用風(fēng)險(xiǎn)管理者研發(fā)出各種信用風(fēng)險(xiǎn)評(píng)估模型，如以期權(quán)理論為基礎(chǔ)的KMV模型、J.P.摩根基于公司價(jià)值的Credit Metrics模型、瑞士信貸銀行（CSFP）基于保險(xiǎn)精算的Credit Risk+模型和麥肯錫公司基于宏觀模擬的Credit Portfolio View信用組合模型等。

許遵武[17]認(rèn)為，企業(yè)信用風(fēng)險(xiǎn)管理體系應(yīng)貫穿事前防范、事中監(jiān)控和事后補(bǔ)救階段，并以此形成完整閉環(huán)。中國(guó)人民銀行征信中心與金融研究所聯(lián)合課題組[18]認(rèn)為，互聯(lián)網(wǎng)信貸高風(fēng)險(xiǎn)源于缺少征信以管理借款人的信用風(fēng)險(xiǎn)，因此，建立健全的征信模式對(duì)互聯(lián)網(wǎng)信用風(fēng)險(xiǎn)管理具有一定的意義。Chaibi、Ftiti[19]采用動(dòng)態(tài)面板數(shù)據(jù)，發(fā)現(xiàn)以法國(guó)為代表的市場(chǎng)經(jīng)濟(jì)和以德國(guó)為代表的銀行經(jīng)濟(jì)，其信用風(fēng)險(xiǎn)決定因素不同，且法國(guó)更易受到銀行特定因素的影響。范方志等[20]認(rèn)為，在供應(yīng)鏈金融快速發(fā)展的情況下，評(píng)價(jià)和防控信用風(fēng)險(xiǎn)顯得尤為重要，并提出建立健全社會(huì)信用體系、加強(qiáng)銀行風(fēng)險(xiǎn)管理等政策建議。

2.關(guān)于小微企業(yè)信用風(fēng)險(xiǎn)成因的研究。小額貸款起源于20世紀(jì)70年代末期穆罕默德·尤納斯教授在孟加拉國(guó)的小額貸款試驗(yàn)，而后在美國(guó)、玻利維亞、智利、中國(guó)、印度、馬來(lái)西亞等國(guó)家和地區(qū)紛紛建立，并在世界范圍內(nèi)掀起了一股小額貸款熱潮。而所謂小微企業(yè)的信用風(fēng)險(xiǎn)，即是指借款人無(wú)法及時(shí)還本付息的風(fēng)險(xiǎn)[21]。張健華[22]認(rèn)為，通常小微企業(yè)在一個(gè)特定行政區(qū)域內(nèi)，更容易把握借款人的資信情況，有利于信息收集優(yōu)勢(shì)的發(fā)揮，從而更好地控制信用風(fēng)險(xiǎn)，并有利于區(qū)域和整體金融秩序和金融系統(tǒng)的穩(wěn)定。然而，譚中明和梁俊[23]及申韜[24]等認(rèn)為，一方面，小微企業(yè)的服務(wù)對(duì)象不同于銀行客戶，較多是商業(yè)銀行不愿意做或者想做但做不通的中小微企業(yè)，因而極易產(chǎn)生信用風(fēng)險(xiǎn)；另一方面，小微企業(yè)的信用風(fēng)險(xiǎn)管理技術(shù)不完善，風(fēng)險(xiǎn)緩釋工具少，這也增加了信用風(fēng)險(xiǎn)產(chǎn)生的概率。

鮑靜海等[25]以C-D生產(chǎn)函數(shù)為基礎(chǔ)，結(jié)合委托代理模型，對(duì)科技型小微企業(yè)信用風(fēng)險(xiǎn)分擔(dān)原理進(jìn)行了深入研究，發(fā)現(xiàn)銀保合作多機(jī)構(gòu)參與下的風(fēng)險(xiǎn)分擔(dān)模型對(duì)提高科技型小微企業(yè)信用風(fēng)險(xiǎn)分擔(dān)效率具有一定的適用性。肖斌卿等[26]基于小微企業(yè)的內(nèi)在特征，設(shè)計(jì)以小微企業(yè)現(xiàn)金流信息為違約觸發(fā)機(jī)制的小微企業(yè)信用評(píng)估指標(biāo)體系，發(fā)現(xiàn)該模型有助于提升銀行對(duì)小微企業(yè)的了解程度和小微業(yè)務(wù)的風(fēng)險(xiǎn)管理能力。張高勝[27]以現(xiàn)金流為基礎(chǔ)，并利用CFaR技術(shù)構(gòu)建小微企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)模型。滿向昱等[28]利用Lasso-Logistic模型，研究發(fā)現(xiàn)抵質(zhì)押總額占貸款余額比例、企業(yè)規(guī)模、成立年限、從業(yè)人數(shù)、銀行負(fù)債資產(chǎn)比等指標(biāo)為影響我國(guó)中小微企業(yè)信用風(fēng)險(xiǎn)的重要因素。王衛(wèi)星、張佳佳[29]研究發(fā)現(xiàn)，管理者年齡、學(xué)歷及任期與企業(yè)信用風(fēng)險(xiǎn)顯著正相關(guān)。

Dvorsk等[30]發(fā)現(xiàn)，企業(yè)家經(jīng)營(yíng)業(yè)務(wù)時(shí)間對(duì)中小微企業(yè)的信用風(fēng)險(xiǎn)有重大影響，經(jīng)營(yíng)業(yè)務(wù)超過(guò)10年的企業(yè)家對(duì)信用風(fēng)險(xiǎn)的重要性有更強(qiáng)烈的認(rèn)識(shí)，能夠更好地了解銀行的信貸標(biāo)準(zhǔn)。Belás等[31]以捷克中小企業(yè)為例，發(fā)現(xiàn)影響中小企業(yè)信用風(fēng)險(xiǎn)的社會(huì)經(jīng)濟(jì)因素中，最重要的是教育和家庭環(huán)境，其次是經(jīng)濟(jì)因素，如與銀行的關(guān)系、資本領(lǐng)域的金融知識(shí)等。

3.關(guān)于小微企業(yè)信用風(fēng)險(xiǎn)度量與識(shí)別的研究。Ohlson[32]選取1970 ～ 1976年制造業(yè)上市公司作為樣本，利用公司規(guī)模、負(fù)債比率、營(yíng)運(yùn)資金比率、流動(dòng)比率和資產(chǎn)報(bào)酬率等變量建立Logit回歸模型，對(duì)不同時(shí)間區(qū)間的風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，結(jié)果顯示隨著時(shí)間的推移，其信用風(fēng)險(xiǎn)呈現(xiàn)逐年下降的特點(diǎn)。楊軍[33]研究認(rèn)為，由于存在信息不對(duì)稱，國(guó)內(nèi)企業(yè)“粉飾”各項(xiàng)財(cái)務(wù)指標(biāo)的成本較低，通過(guò)財(cái)務(wù)杠桿來(lái)識(shí)別信用風(fēng)險(xiǎn)的可能性降低。Altman和Sabato[34]采用遞歸模型對(duì)中小企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行度量，結(jié)果發(fā)現(xiàn)將經(jīng)濟(jì)變量進(jìn)行對(duì)數(shù)化處理，并結(jié)合邏輯型函數(shù)（Logit Func？ tion）加以優(yōu)化，此時(shí)的信用風(fēng)險(xiǎn)度量精度相對(duì)較高。但是，許坤和殷孟波[35]指出，利用不良貸款率指標(biāo)來(lái)衡量信用風(fēng)險(xiǎn)具有及時(shí)性，但缺乏前瞻性。為此，他們提出可以采用壓力測(cè)試技術(shù)及隱含不良率和違約概率指標(biāo)來(lái)加以彌補(bǔ)。

Yoshino等[36]以泰國(guó)為例，研究了在銀行無(wú)法獲得中小企業(yè)其他財(cái)務(wù)比率等數(shù)據(jù)時(shí)，利用可以貸款數(shù)據(jù)制定中小企業(yè)信用評(píng)級(jí)方案。蘇靜[37]通過(guò)賦予小微企業(yè)硬信息和軟信息權(quán)重，分別模擬計(jì)算信用風(fēng)險(xiǎn)，發(fā)現(xiàn)軟信息權(quán)重越大，低風(fēng)險(xiǎn)企業(yè)和高風(fēng)險(xiǎn)企業(yè)分離得越徹底，并通過(guò)案例印證了軟信息在識(shí)別小微企業(yè)信用方面的突出作用。Zhu等[38]發(fā)現(xiàn)，集成機(jī)器學(xué)習(xí)方法（IEML）對(duì)供應(yīng)鏈融資（SCF）中中小企業(yè)信用風(fēng)險(xiǎn)的預(yù)測(cè)效果比個(gè)體機(jī)器學(xué)習(xí)方法（IML）和整體機(jī)器學(xué)習(xí)方法（EML）更好。Sun等[39]認(rèn)為，決策樹集成（DTE-SBD）模型可以處理企業(yè)信用評(píng)估的不平衡問(wèn)題，是有效的企業(yè)信用評(píng)價(jià)方法，優(yōu)于決策樹（DT）和差分采樣率（DSR）等方法。周茜和謝雪梅[40]利用改進(jìn)的AHP法和區(qū)間數(shù)DE？ MATEL法，分析了區(qū)間數(shù)對(duì)小微企業(yè)信用風(fēng)險(xiǎn)的影響程度。

已有研究均從異質(zhì)性角度對(duì)小微企業(yè)信用風(fēng)險(xiǎn)進(jìn)行了不同程度的研究，這為充分認(rèn)識(shí)小微企業(yè)信用風(fēng)險(xiǎn)提供了重要基礎(chǔ)。值得注意的是，現(xiàn)有研究在以下兩個(gè)層面還存在進(jìn)一步拓展的空間：第一，目前針對(duì)我國(guó)小微企業(yè)信用風(fēng)險(xiǎn)度量及防控所產(chǎn)生的研究成果仍相對(duì)較少。實(shí)際上，為應(yīng)對(duì)利率市場(chǎng)化和經(jīng)濟(jì)“新常態(tài)”沖擊，我國(guó)各大型金融機(jī)構(gòu)已經(jīng)開始在風(fēng)險(xiǎn)管控機(jī)制、風(fēng)險(xiǎn)管理技術(shù)與具體的措施上做出了前瞻性的部署及實(shí)踐，而小微企業(yè)這一類微型機(jī)構(gòu)在實(shí)施風(fēng)險(xiǎn)管理方面還有待探索適合自身資源稟賦、業(yè)務(wù)模式及區(qū)域特點(diǎn)的機(jī)制與措施。因此，深入探討我國(guó)小微企業(yè)的信用風(fēng)險(xiǎn)防控問(wèn)題非常必要。第二，現(xiàn)有研究較少關(guān)注我國(guó)經(jīng)濟(jì)“新常態(tài)”條件下小微企業(yè)的信用風(fēng)險(xiǎn)及其防控問(wèn)題。事實(shí)上，信用風(fēng)險(xiǎn)很可能是我國(guó)小微企業(yè)在面臨經(jīng)濟(jì)“新常態(tài)”沖擊下各類金融風(fēng)險(xiǎn)的集中表現(xiàn)。因此，對(duì)我國(guó)全面步入經(jīng)濟(jì)“新常態(tài)”條件下小微企業(yè)的信用風(fēng)險(xiǎn)防控問(wèn)題進(jìn)行深入探討具有重要的意義。

三、理論模型

為從微觀機(jī)理層面刻畫“新常態(tài)”下小微企業(yè)的信用風(fēng)險(xiǎn)，假設(shè)當(dāng)經(jīng)濟(jì)環(huán)境發(fā)生變動(dòng)時(shí)，會(huì)存在結(jié)構(gòu)突變，且因結(jié)構(gòu)突變所引起的極端值為離散有限。令N1，…，NK為K個(gè)服從泊松分布的獨(dú)立序列，且含有突變的強(qiáng)度分別為λ1，…，λK。假設(shè)上述序列的收益率為R，在鞅測(cè)度Q下為跳躍擴(kuò)散變量，其動(dòng)態(tài)變動(dòng)趨勢(shì)如下所示：

2.數(shù)據(jù)來(lái)源及指標(biāo)選取。本研究所選取的小微企業(yè)是從某銀行的貸款數(shù)據(jù)中取得，為了去除企業(yè)相關(guān)的敏感信息，本文對(duì)其做出相應(yīng)的處理，樣本個(gè)數(shù)為216個(gè)，其中前180個(gè)作為實(shí)驗(yàn)樣本，剩下的36個(gè)作為樣本外數(shù)據(jù)，基于數(shù)據(jù)的可得性，研究樣本期間為1995～2016年。

借鑒周茜和謝雪梅[40]的研究，選取如下11個(gè)與企業(yè)自身相關(guān)的變量，由于本文分析所依托的背景是經(jīng)濟(jì)“新常態(tài)”，而且根據(jù)前文的分析可知，“新常態(tài)”的特點(diǎn)主要表現(xiàn)為經(jīng)濟(jì)增速下降以及結(jié)構(gòu)調(diào)整，因此本文還將引入所有企業(yè)面臨的兩個(gè)共同變量作為控制變量，即以人均GDP增長(zhǎng)率和第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值的比例作為衡量“新常態(tài)”的特征變量，并借鑒歐陽(yáng)志剛和薛龍[41]的研究，將2010年作為“新常態(tài)”的時(shí)間分割點(diǎn)，并以此來(lái)揭示“新常態(tài)”下小微企業(yè)信用風(fēng)險(xiǎn)所發(fā)生的變化。同時(shí)根據(jù)Altman和Sabato[34]的研究，在對(duì)中小企業(yè)進(jìn)行信用風(fēng)險(xiǎn)分析時(shí)，先將變量進(jìn)行對(duì)數(shù)化處理，然后進(jìn)一步采取Logit模型進(jìn)行實(shí)證分析。而且在本文的分析中，由于總資產(chǎn)的數(shù)值較大，極易出現(xiàn)異方差性，因此本文對(duì)總資產(chǎn)進(jìn)行對(duì)數(shù)化處理，從而降低變量所存在的異方差及其對(duì)實(shí)證結(jié)果所產(chǎn)生的不利影響。依據(jù)研究目標(biāo)，本文所選指標(biāo)具體如表1所示。

3.實(shí)證分析。本文將被解釋變量（Y）設(shè)定為二元虛擬變量，其中當(dāng)Y=0時(shí)，表示企業(yè)為正常企業(yè)，而當(dāng)Y=1時(shí)，表示企業(yè)的信用風(fēng)險(xiǎn)較高。對(duì)于解釋變量的選取，本文將通過(guò)逐步回歸的方法進(jìn)行篩選。本文討論的是加入“新常態(tài)”條件與未加入“新常態(tài)”條件對(duì)整體模型所產(chǎn)生的影響，經(jīng)過(guò)逐步回歸，并依次篩選，得出未加入“新常態(tài)”條件下的穩(wěn)健性回歸結(jié)果，如表2所示。

從表2中不難發(fā)現(xiàn)，當(dāng)未加入“新常態(tài)”條件時(shí)，經(jīng)過(guò)追影跟蹤法進(jìn)行逐步篩選后，再利用穩(wěn)健性Logit模型進(jìn)行逐步回歸，發(fā)現(xiàn)在本文所選擇的變量中，只保留了總資產(chǎn)、未分配盈余/總資產(chǎn)、資產(chǎn)周轉(zhuǎn)率、銷售收入增長(zhǎng)率和地理位置等變量。具體而言，在未考慮“新常態(tài)”條件時(shí)，總資產(chǎn)的系數(shù)為-0.4005，整體上來(lái)講總資產(chǎn)越高，其風(fēng)險(xiǎn)概率越低，而且當(dāng)總資產(chǎn)每增加1個(gè)單位時(shí)，其風(fēng)險(xiǎn)概率將平均下降0.4005個(gè)單位。

從未分配盈余/總資產(chǎn)可以看出，其系數(shù)為0.4003，該系數(shù)為正，表明該變量與信用風(fēng)險(xiǎn)的變動(dòng)是同方向的，這與經(jīng)濟(jì)學(xué)直覺相悖。但值得注意的是，小微企業(yè)的未分配盈余占比較高時(shí)，將不利于企業(yè)資金的進(jìn)一步流轉(zhuǎn)，從而不利于企業(yè)經(jīng)營(yíng)效率乃至信用級(jí)別的提升。這也恰巧印證了資產(chǎn)周轉(zhuǎn)率的系數(shù)為負(fù)，進(jìn)一步驗(yàn)證了資產(chǎn)周轉(zhuǎn)率的提高對(duì)于降低小微企業(yè)信用風(fēng)險(xiǎn)具有非常重要的作用，而且資產(chǎn)周轉(zhuǎn)率每增加1個(gè)單位時(shí)，其信用風(fēng)險(xiǎn)將平均降低0.3163個(gè)單位。

對(duì)于銷售收入增長(zhǎng)率而言，其系數(shù)為0.1628，而且該系數(shù)在5%的水平上顯著，意味著銷售收入增長(zhǎng)率會(huì)顯著增加信用風(fēng)險(xiǎn)。潛在原因可概述為，在經(jīng)濟(jì)“新常態(tài)”之前，小微企業(yè)通過(guò)較高的信貸需求提高收入，而此時(shí)的信貸需求也隱含著一定的信用風(fēng)險(xiǎn)。此外，在沒(méi)有考慮“新常態(tài)”條件時(shí)，企業(yè)的地理位置對(duì)于信用風(fēng)險(xiǎn)也具有非常顯著的影響，地理位置的系數(shù)為0.3247，表明地理位置代理變量越大，也即地理位置越偏僻，所導(dǎo)致的信用風(fēng)險(xiǎn)越大。原因在于地理位置相對(duì)偏僻的企業(yè)，其資源稟賦、市場(chǎng)運(yùn)營(yíng)等均處于劣勢(shì)，從而加劇了小微企業(yè)信用風(fēng)險(xiǎn)。

然而，在模型中加入“新常態(tài)”條件后，即將人均GDP增長(zhǎng)率和產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)指標(biāo)添加到信用風(fēng)險(xiǎn)評(píng)估模型之中，在經(jīng)過(guò)投影追蹤和穩(wěn)健Logit逐步回歸之后，結(jié)果發(fā)現(xiàn)經(jīng)過(guò)篩選后的變量與未加入“新常態(tài)”條件時(shí)的信用風(fēng)險(xiǎn)模型的變量存在顯著差異。該差異主要體現(xiàn)在以下三個(gè)方面：

首先，在篩選變量的種類層面，后者注入了較多的新指標(biāo)，如（流動(dòng)資產(chǎn)-流動(dòng)負(fù)債）/總資產(chǎn)、行業(yè)類型、資產(chǎn)收益率以及企業(yè)業(yè)主受教育程度等。對(duì)于（流動(dòng)資產(chǎn)-流動(dòng)負(fù)債）/總資產(chǎn)而言，該變量的系數(shù)為0.6057，其值顯著為正，表明該變量越大，其信用風(fēng)險(xiǎn)越高。

對(duì)于未分配盈余/總資產(chǎn)指標(biāo)而言，在加入“新常態(tài)”條件后，其系數(shù)為負(fù)，與預(yù)期相符，同時(shí)也與未加入“新常態(tài)”條件時(shí)的符號(hào)相反，表明在加入“新常態(tài)”條件后，該變量越大，企業(yè)盈余資金占總資產(chǎn)的比例越大，企業(yè)資產(chǎn)收益越高。這也進(jìn)一步解釋了變量x7（資產(chǎn)收益率）的符號(hào)為負(fù)的原因。而且對(duì)于資產(chǎn)收益率而言，其系數(shù)為-0.2432且在10%的水平上顯著，意味著資產(chǎn)收益率每增加1個(gè)單位，其信用風(fēng)險(xiǎn)平均下降0.2432個(gè)單位。

對(duì)于資產(chǎn)周轉(zhuǎn)率而言，在加入“新常態(tài)”條件后，其系數(shù)的符號(hào)雖然與未加入“新常態(tài)”條件時(shí)相同，但是絕對(duì)值明顯變大，也意味著資產(chǎn)周轉(zhuǎn)率在“新常態(tài)”條件下對(duì)信用風(fēng)險(xiǎn)的影響程度明顯變大。

值得注意的是，對(duì)于銷售收入指標(biāo)而言，其系數(shù)符號(hào)在前后發(fā)生了截然相反的變化。在加入“新常態(tài)”條件后，銷售收入增長(zhǎng)率的系數(shù)為-0.1016，意味著銷售收入增長(zhǎng)率每增加1個(gè)單位，其對(duì)信用風(fēng)險(xiǎn)的影響將平均下降0.1016個(gè)單位，也即當(dāng)銷售收入增長(zhǎng)率較高時(shí)，企業(yè)運(yùn)營(yíng)效果較好，從而有利于降低企業(yè)的信用風(fēng)險(xiǎn)。

對(duì)于人均GDP增長(zhǎng)率指標(biāo)而言，其系數(shù)為-0.2451，該系數(shù)顯著為負(fù)，表明人均GDP增長(zhǎng)率越高，企業(yè)的信用風(fēng)險(xiǎn)將會(huì)越低。因?yàn)槿司鵊DP增長(zhǎng)率反映了宏觀經(jīng)濟(jì)的發(fā)展環(huán)境，也為企業(yè)的經(jīng)營(yíng)活動(dòng)提供了良好的發(fā)展空間，因此在企業(yè)運(yùn)營(yíng)效果較好的情況下，能夠?yàn)槠髽I(yè)的運(yùn)營(yíng)環(huán)境提供較好的發(fā)展環(huán)境，從而有利于降低企業(yè)的違約風(fēng)險(xiǎn)，并進(jìn)一步降低信用風(fēng)險(xiǎn)。

其次，在變量的顯著性層面，未加入“新常態(tài)”特征變量時(shí)，所篩選出的變量只有銷售收入增長(zhǎng)率和地理位置通過(guò)了一定的顯著性檢驗(yàn)，而其余變量均未通過(guò)顯著性檢驗(yàn)，意味著大部分變量對(duì)企業(yè)信用風(fēng)險(xiǎn)的影響并不顯著。而加入“新常態(tài)”條件后，除了未分配盈余/總資產(chǎn)、銷售收入增長(zhǎng)率和產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型沒(méi)有通過(guò)相應(yīng)的顯著性檢驗(yàn)，其余變量均通過(guò)了既定水平的顯著性檢驗(yàn)。這進(jìn)一步表明將“新常態(tài)”條件加入風(fēng)險(xiǎn)評(píng)估模型后，更能從全面性和綜合性的角度評(píng)估小微企業(yè)信用風(fēng)險(xiǎn)。

最后，在篩選的誤差值方面，未加入“新常態(tài)”條件時(shí)的誤差值為0.4845，而加入“新常態(tài)”條件后的誤差值為0.3564，降低了26.44%。這體現(xiàn)了加入“新常態(tài)”條件后的模型在預(yù)測(cè)誤差方面有了非常明顯的改善，也就是說(shuō)在加入“新常態(tài)”條件后的穩(wěn)健Logit回歸模型中，變量在解釋信用風(fēng)險(xiǎn)時(shí)，其解釋能力更強(qiáng)，預(yù)估更加準(zhǔn)確。

此外，在對(duì)穩(wěn)健Logit模型進(jìn)行回歸分析時(shí)，需要注意以下幾點(diǎn)：首先，在樣本選取方面，若Y=1與Y=0的比例相差過(guò)大，則容易導(dǎo)致模型無(wú)法收斂，從而不利于參數(shù)的穩(wěn)定。因此，在選取樣本時(shí)必須將Y=1與Y=0的數(shù)量保持在一定的比例之內(nèi)。本文在選取樣本數(shù)據(jù)時(shí)，將Y=1與Y=0的比例設(shè)定為1∶1，從而將使得模型能夠收斂而且預(yù)測(cè)結(jié)果更為準(zhǔn)確。其次，由于穩(wěn)健Logit模型是先選取樣本中的一小部分做Logit模型估計(jì)，然后逐步加入樣本進(jìn)行評(píng)估，因此除了要注意Y=1與Y=0的比例之外，在第一次抽樣評(píng)估時(shí)，也必須注意第一次抽樣評(píng)估時(shí)Y=1與Y=0樣本個(gè)數(shù)的比例，否則整個(gè)方程將不會(huì)收斂。最后，在加入“新常態(tài)”條件進(jìn)行評(píng)估時(shí)，由于樣本屬性為年度數(shù)據(jù)，因此在同一年中的數(shù)據(jù)對(duì)于所有的小微企業(yè)而言，均具有相同的屬性，否則容易出現(xiàn)變量的內(nèi)生性即共線性問(wèn)題。

4.模型預(yù)測(cè)。本文將聯(lián)合使用一般分類表和ROC曲線對(duì)信用風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，其中一般交叉分類表結(jié)構(gòu)如表3所示。

表3中，TP表示正確預(yù)測(cè)企業(yè)信用風(fēng)險(xiǎn)，用模型判定違約企業(yè)數(shù)與實(shí)際違約企業(yè)數(shù)的比值表示，F(xiàn)P表示錯(cuò)誤預(yù)測(cè)企業(yè)信用風(fēng)險(xiǎn)，用模型判定違約企業(yè)數(shù)與實(shí)際為健全企業(yè)數(shù)的比值。而預(yù)測(cè)正常企業(yè)數(shù)用N表示，即N可以分為預(yù)測(cè)出正常企業(yè)數(shù)TN與錯(cuò)誤預(yù)測(cè)為健全的企業(yè)數(shù)FN，因此TN用模型判定為正常企業(yè)數(shù)與實(shí)際為健全企業(yè)數(shù)的比值表示，而FN用模型判定為健全企業(yè)數(shù)與實(shí)際為違約企業(yè)數(shù)的比值表示。

由于一般交叉分析是討論同一門檻值之下模型的預(yù)測(cè)能力，為了放寬模型的限制性假設(shè)條件，本文進(jìn)一步采用ROC曲線對(duì)模型在不同門檻值之下的預(yù)測(cè)準(zhǔn)確度進(jìn)行分析。ROC曲線是先根據(jù)同一個(gè)預(yù)測(cè)模型，在不同門檻值下得到所有的FP與TP，再分別根據(jù)FP與TP之間的關(guān)聯(lián)性所繪制的圖形，具體如圖1所示。

ROC曲線上的點(diǎn)表示要達(dá)到一個(gè)TP所對(duì)應(yīng)的FP，而且從圖1中不難發(fā)現(xiàn)，在相同的TP下，ROC1所對(duì)應(yīng)的FP比ROC2小，意味著ROC1在相同的TP下必須接受較低的機(jī)會(huì)成本，也隱含著ROC1所代表的模型具有較強(qiáng)的預(yù)測(cè)能力。同時(shí)不難發(fā)現(xiàn)，在預(yù)測(cè)信用風(fēng)險(xiǎn)時(shí)，精度越高的評(píng)估模型所對(duì)應(yīng)的ROC曲線越接近于45度，此時(shí)模型的預(yù)測(cè)績(jī)效也越高。通過(guò)以上分析可知，ROC曲線下的面積可以用來(lái)評(píng)估模型的優(yōu)劣，面積越大，表示模型的預(yù)測(cè)能力越強(qiáng)。

在進(jìn)行交叉分類表分析時(shí)，首先需要確定一個(gè)門檻值，由于本文違約企業(yè)數(shù)據(jù)與正常企業(yè)數(shù)據(jù)的比例為1∶1，因此本文設(shè)定該門檻值為0.4。接下來(lái)，本文將列出未加入“新常態(tài)”與加入“新常態(tài)”條件的交叉分類表，首先對(duì)樣本內(nèi)數(shù)據(jù)進(jìn)行預(yù)測(cè)，具體如表4所示。

從表4中不難發(fā)現(xiàn)，當(dāng)未加入“新常態(tài)”條件時(shí)，雖然TN較高，但TP較低，而且模型預(yù)測(cè)違約的企業(yè)只有兩家，表示模型預(yù)測(cè)違約企業(yè)的能力相對(duì)較差。但是在加入“新常態(tài)”條件之后，在相同的截?cái)帱c(diǎn)下，違約企業(yè)的數(shù)目明顯增加，意味著加入“新常態(tài)”條件后，該模型對(duì)預(yù)測(cè)違約企業(yè)的準(zhǔn)確度可以得到明顯提高。

然而，值得注意的是，一般交叉分類表因?yàn)槭窃谕婚T檻值之下進(jìn)行分析，因此無(wú)法把握所有門檻值之下模型的預(yù)測(cè)能力。對(duì)此，本文還將引入ROC曲線對(duì)模型的預(yù)測(cè)能力進(jìn)行進(jìn)一步深入分析，從而把握在不同截?cái)帱c(diǎn)下對(duì)企業(yè)信用風(fēng)險(xiǎn)的預(yù)測(cè)能力。如前所述，本文在不同門檻值下，依據(jù)不同F(xiàn)P得到所有的TP，并以此畫出ROC曲線，具體如圖2、圖3所示。

從圖2、圖3可以看出，在樣本內(nèi)數(shù)據(jù)中，加入“新常態(tài)”條件的ROC曲線比未加入“新常態(tài)”條件的ROC曲線更偏左上方。同時(shí)也可以看出，加入“新常態(tài)”條件的ROC曲線下方面積比未加入“新常態(tài)”條件的ROC曲線下方面積大。這意味著加入“新常態(tài)”條件的ROC曲線高于未加入“新常態(tài)”條件的ROC曲線，進(jìn)一步說(shuō)明了加入“新常態(tài)”條件后的風(fēng)險(xiǎn)評(píng)估模型具有較好的預(yù)測(cè)能力。

在對(duì)樣本內(nèi)數(shù)據(jù)進(jìn)行預(yù)測(cè)之后，依據(jù)穩(wěn)健性Logit模型的逐步回歸原理，本文進(jìn)一步對(duì)樣本外數(shù)據(jù)進(jìn)行預(yù)測(cè)分析。如前所述，本文依然聯(lián)合使用一般交叉分類表和ROC曲線來(lái)驗(yàn)證加入“新常態(tài)”條件和未加入“新常態(tài)”條件時(shí)模型對(duì)于信用風(fēng)險(xiǎn)預(yù)測(cè)的效果，一般分類交叉表如表5所示。

從表5中不難發(fā)現(xiàn)，在樣本外數(shù)據(jù)中未加入“新常態(tài)”條件之前，模型對(duì)于違約企業(yè)的預(yù)測(cè)能力非常不佳，但是當(dāng)加入“新常態(tài)”條件之后，TP有了非常明顯的提升。這意味著模型對(duì)違約企業(yè)的預(yù)測(cè)能力顯著提升，因此認(rèn)為加入“新常態(tài)”條件后的模型對(duì)于樣本外數(shù)據(jù)的預(yù)測(cè)準(zhǔn)確性有了非常明顯的提高，即加入“新常態(tài)”條件的確可以有效提高模型的預(yù)測(cè)能力。

為了分析不同門檻值下“新常態(tài)”條件對(duì)小微企業(yè)信用風(fēng)險(xiǎn)的預(yù)測(cè)準(zhǔn)確度是否發(fā)生明顯變化，本文同樣使用ROC曲線進(jìn)行深入分析。其中，“新常態(tài)”條件加入前后小微企業(yè)的ROC曲線分別如圖4與圖5所示。

從圖4、圖5中不難發(fā)現(xiàn)，對(duì)于樣本外數(shù)據(jù)，加入“新常態(tài)”條件的ROC曲線比未加入“新常態(tài)”條件的ROC曲線更偏向于左上方，而且加入“新常態(tài)”條件的ROC曲線下方面積比未加入“新常態(tài)”條件的ROC曲線下方面積大。這意味著加入“新常態(tài)”條件后經(jīng)過(guò)穩(wěn)健Logit模型的ROC曲線在信用風(fēng)險(xiǎn)預(yù)測(cè)方面的能力顯著增強(qiáng)。

五、結(jié)論

本文研究的目的在于使用穩(wěn)健Logit回歸模型分析小微企業(yè)的信用風(fēng)險(xiǎn)，并且通過(guò)加入“新常態(tài)”特征變量來(lái)分析較未加入“新常態(tài)”特征變量時(shí)模型的預(yù)測(cè)能力是否有顯著的變動(dòng)。結(jié)論表明：

第一，在加入“新常態(tài)”條件后，小微企業(yè)信用風(fēng)險(xiǎn)的影響因素均發(fā)生了明顯的變化。其中，（流動(dòng)資產(chǎn)-流動(dòng)負(fù)債）/總資產(chǎn)對(duì)小微企業(yè)信用風(fēng)險(xiǎn)的提高具有顯著的正向影響，而行業(yè)類型、資產(chǎn)周轉(zhuǎn)率、資產(chǎn)收益率、企業(yè)業(yè)主受教育程度和人均GDP增長(zhǎng)率均對(duì)小微企業(yè)的信用風(fēng)險(xiǎn)具有明顯的負(fù)向影響。

第二，在對(duì)小微企業(yè)信用風(fēng)險(xiǎn)進(jìn)行評(píng)估時(shí)，在考慮到“新常態(tài)”條件時(shí)，采用穩(wěn)健性Logit模型進(jìn)行逐步回歸和追影跟蹤，此時(shí)所測(cè)度的信用風(fēng)險(xiǎn)Beta值較加入“新常態(tài)”條件之前更小。這意味著加入“新常態(tài)”條件時(shí)的穩(wěn)健性Logit模型在測(cè)度小微企業(yè)信用風(fēng)險(xiǎn)方面的績(jī)效得到明顯上升，也意味著“新常態(tài)”條件對(duì)于小微企業(yè)信用風(fēng)險(xiǎn)具有重要的影響。

第三，通過(guò)一般交叉分析以及ROC曲線對(duì)于穩(wěn)健性Logit回歸模型分別對(duì)未加入“新常態(tài)”條件和加入“新常態(tài)”條件后的有效性進(jìn)行分析，結(jié)果發(fā)現(xiàn)在樣本內(nèi)數(shù)據(jù)中，加入“新常態(tài)”條件后，一般交叉分析的確可以增加TP，且ROC曲線下方的面積也明顯得到增加。無(wú)獨(dú)有偶，在樣本外數(shù)據(jù)中進(jìn)行預(yù)測(cè)時(shí)，同樣發(fā)現(xiàn)在樣本內(nèi)數(shù)據(jù)中加入“新常態(tài)”條件對(duì)于模型的有效性具有顯著的提升作用。

主要參考文獻(xiàn)：

[1] Holmstrom B.，Triole J. Market Liquidity and Performance Monitoring[J].Journal of Political Economy，1993（4）：678～709.

[2] Hart O.，Moore J. A Theory of Debt Based on the Inalienability of Human Capital[J].Quarterly Journal of Economics，1994（4）：841～879.

[3] Bulow J.，Rogoff K. A Constant Recontracting Model of Sovereign Debt[J].Journal of Political Economy，1989（1）：155～178.

[4] Bolton P.，Scharfstein D. S. Agency Problems Financial Contracting and Predation[Z].Sloan Working Paper，MIT，1988.

[5] Stiglitz J.，Andrew W. Credit Rationing in Markets with Imperfect Information[J].The Ameri？ can Economic Review，1981（3）：393～410.

[6] Riley J. G. Credit Rationing：A Further Remark[J].The American Economic Review，1987（77）： 224～231.

[7] Williarrson S. D. Costly Monitoring，Loan Contracts and Equilibrium Credit Rationing[J].The Quarterly Journal of Economics，1987（1）：135 ～ 146.

[8] Gale D.，Hellwig M. Incentive-compatible Debt Contract：The One-period Problem[J].Review of Economic Studies，1985（LII）：647～663.

[9] Gorton G.，Kahn C. The Design of Bank Loan Contracts，Collateral and Renegotiation[Z].Uni？ versity of Pennsylvania working paper，1993.

[10] Aghion P.，Bolton P. An Incomplete Contracts Approach to Financial Contracting[J].Review of Economic Studies，1992（59）：473～494.

[11] Ackert L. F.，Huang R.，Ramírez G. G. Information Opacity，Credit Risk，and the Design of Loan Contracts for Private Firms[J].Financial Markets，Institutions & Instruments，2007（5）：221～ 242.

[12]Essendi L. K. The Effect of Credit Risk Management on Loans Portfolio Among Saccos in Kenya[Z].Unpublished Master’s Thesis University of Nairobi，2013.

[13]Chan Y.，Kanatas G. Asymmetric Valuations and the Role of Collateral in Loan Agreements[J]. Journal of Money，Credit and Banking，1985（1）：84～95.

[14] Besanko D.，Thakor A. V. Competitive Equilibrium in the Credit Market under Asymmetric In？ formation[J].Journal of Economic Theory，1987（42）：167～182.

[15]Jiménez G.，Saurina J. Collateral，Type of Lender and Relationship Banking as Determinants of Credit Risk[J].Journal of banking & Finance，2004（9）：2191～2212.

[16] Allen F.，Carletti E.，Goldstein I.，et al. Moral Hazard and Government Guarantees in the Banking Industry[J].Journal of Financial Regulation，2015（1）：30～50.

[17]許遵武.后金融危機(jī)時(shí)期國(guó)際航運(yùn)企業(yè)信用風(fēng)險(xiǎn)分析與管理[J].管理世界，2014（6）：1～8.

[18]中國(guó)人民銀行征信中心與金融研究所聯(lián)合課題組.互聯(lián)網(wǎng)信貸、信用風(fēng)險(xiǎn)管理與征信[J].金融研究，2014（10）：133～147.

[19] Chaibi H.，F(xiàn)titi Z. Credit Risk Determinants：Evidence from a Cross- country Study[J].Re？ search in International Business and Finance，2015（33）：1～16.

[20]范方志，蘇國(guó)強(qiáng)，王曉彥.供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)及其風(fēng)險(xiǎn)管理研究[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2017（12）：34～43.

[21]石敬勇.農(nóng)村小額貸款風(fēng)險(xiǎn)控制研究[D].西安：西北大學(xué)，2009.

[22]張健華.建立涉農(nóng)貸款風(fēng)險(xiǎn)補(bǔ)償機(jī)制[J].農(nóng)村經(jīng)營(yíng)管理，2009（1）：24.

[23]譚中明，梁俊.農(nóng)村小額貸款公司運(yùn)營(yíng)風(fēng)險(xiǎn)及其防范[J].農(nóng)村經(jīng)濟(jì)，2011（10）：51～54.

[24]申韜.小額貸款公司信用風(fēng)險(xiǎn)管理研究[D].長(zhǎng)沙：中南大學(xué)，2012.

[25]鮑靜海，徐明，李秉華.科技型小微企業(yè)信用風(fēng)險(xiǎn)分擔(dān)機(jī)制研究[J].經(jīng)濟(jì)問(wèn)題，2014（10）：25 ～ 30.

[26]肖斌卿，楊旸，李心丹等.基于模糊神經(jīng)網(wǎng)絡(luò)的小微企業(yè)信用評(píng)級(jí)研究[J].管理科學(xué)學(xué)報(bào)，2016（11）：114～126.

[27]張高勝.構(gòu)建基于CFaR的小微企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)模型[J].財(cái)會(huì)月刊，2017（14）：23～28.

[28]滿向昱，張?zhí)煲悖舸ǖ?我國(guó)中小微企業(yè)信用風(fēng)險(xiǎn)因素識(shí)別及測(cè)度研究[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2018（9）：46～58.

[29]王衛(wèi)星，張佳佳.管理者背景特征對(duì)中小企業(yè)信用風(fēng)險(xiǎn)的影響研究[J].南京審計(jì)大學(xué)學(xué)報(bào)，2018（3）：33～44.

[30]Dvorsk J.，Sch？nfeld J.，KotáskováA.，et al. Evaluation of Important Credit Risk Factors in the SME Segment[J].J. Int. Stud，2018（11）：204～216.

[31] Belás J.，Smrcka L.，GavurováB.，et al. The Impact of Social and Economic Factors in the Credit Risk Management of SME[J].Technologi？ cal and Economic Development of Economy，2018（3）：1215～1230.

[32]Ohlson J. A. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Ac？ counting Research，1980（1）：109～131.

[33]楊軍.財(cái)務(wù)杠桿，信號(hào)博弈與信用風(fēng)險(xiǎn)識(shí)別[J].金融研究，2004（2）：71～78.

[34] Altman E. I.，Sabato G. Modeling Credit Risk for SMEs：Evidence from the US Market[J].Jour？ nal of Financial Services Research，2007（43）：332～ 357.

[35]許坤，殷孟波.信用風(fēng)險(xiǎn)轉(zhuǎn)移創(chuàng)新是否改變了銀行風(fēng)險(xiǎn)承擔(dān)行為？[J].國(guó)際金融研究，2014（7）：54～61.

[36]Yoshino N.，Taghizadeh-Hesary F.，Charoensivakorn P.，et al. Small and Medium-sized Enterprise（SME）Credit Risk Analysis Using Bank Lending Data：An Analysis of Thai SMEs[J].Journal of Comparative Asian Development，2016（3）：383 ～ 406.

[37]蘇靜.軟信息與小微企業(yè)信用風(fēng)險(xiǎn)識(shí)別[J].征信，2017（10）：27～32.

[38] Zhu Y.，Xie C.，Wang G. J.，et al. Comparison of Individual，Ensemble and Integrated Ensemble Machine Learning Methods to Predict China’s SME Credit Risk in Supply Chain Finance[J]. Neural Computing and Applications，2017（1）：41～ 50.

[39]Sun J.，Lang J.，F(xiàn)ujita H.，et al. Imbalanced Enterprise Credit Evaluation with DTE-SBD：Decision Tree Ensemble Based on SMOTE and Bagging with Differentiated Sampling Rates[J].Informa？ tion Sciences，2018（425）：76～91.

[40]周茜，謝雪梅.小微企業(yè)信用風(fēng)險(xiǎn)測(cè)度與管控模型研究——基于信用融資的分析[J].商業(yè)研究，2018（11）：127～133.

[41]歐陽(yáng)志剛，薛龍.新常態(tài)下多種貨幣政策工具對(duì)特征企業(yè)的定向調(diào)節(jié)效應(yīng)[J].管理世界，2017（2）：53～66.

作者單位：青島大學(xué)經(jīng)濟(jì)學(xué)院，青島266100