陳洪海,王 慧,隋 新

(南京財(cái)經(jīng)大學(xué)金融學(xué)院,江蘇南京210023)

1 引 言

作為數(shù)量最多的企業(yè)群體,小企業(yè)已發(fā)展成為激活市場競爭、促進(jìn)經(jīng)濟(jì)增長、創(chuàng)造就業(yè)機(jī)會的關(guān)鍵力量.小企業(yè)的經(jīng)營發(fā)展與技術(shù)創(chuàng)新產(chǎn)生了強(qiáng)烈的外部融資需求,其貸款需求甚至分別高出大型和中型企業(yè)17.2%和8.2%[1].但較之大型企業(yè),小企業(yè)卻普遍存在著規(guī)模偏小、抗風(fēng)險(xiǎn)能力弱、信用積累時間短、有效抵押少、財(cái)務(wù)管理不甚規(guī)范、公司治理水平偏低、違約成本相對較小等信用風(fēng)險(xiǎn)特征.這與商業(yè)銀行對企業(yè)貸款客戶的授信工作的日趨嚴(yán)格和規(guī)范極不相稱.而銀企間的信息不對稱等問題,進(jìn)一步促使商業(yè)銀行不愿意貸款給小企業(yè),在很大程度上導(dǎo)致小企業(yè)貸款依然貴、依然難.隨著商業(yè)銀行間市場競爭的日趨激烈,目前商業(yè)銀行也日益希望有效地開發(fā)小企業(yè)信貸市場,但為了控制信貸風(fēng)險(xiǎn),商業(yè)銀行通常會對申請貸款的企業(yè)客戶進(jìn)行信用評級,并基于企業(yè)客戶的信用評級結(jié)果做出信貸決策,以決定貸款與否、期限與利率.因此,科學(xué)合理地對小企業(yè)進(jìn)行信用評級至關(guān)重要.而企業(yè)信用評級指標(biāo)體系是企業(yè)信用評級的基礎(chǔ),是以衡量企業(yè)信用風(fēng)險(xiǎn)為主要目的,利用定性或定量指標(biāo)篩選方法,從大量備選指標(biāo)中選擇出的一組能有效地反映企業(yè)綜合信用風(fēng)險(xiǎn)的評價(jià)指標(biāo).顯然,如果信用評級指標(biāo)體系不合理,則小企業(yè)信用評級結(jié)果的合理性便無法得到保障.因此,如何構(gòu)建一套科學(xué)合理的小企業(yè)信用評級指標(biāo)體系,為小企業(yè)信用評級工作提供科學(xué)基礎(chǔ),進(jìn)而幫助商業(yè)銀行控制信貸風(fēng)險(xiǎn)和解決小企業(yè)融資難問題,正成為一項(xiàng)亟待解決的難題.

在理論界,學(xué)者們十分重視結(jié)構(gòu)化模型[2]、風(fēng)險(xiǎn)量化[3]及支持向量機(jī)[4]等評級方法的研究和討論,但亦日益重視信用評級指標(biāo)選取的相關(guān)研究[5].國內(nèi)外傳統(tǒng)的信用評級指標(biāo)體系主要是圍繞“5C”、“5P”及“LAPP”等信用評價(jià)體系構(gòu)建的.目前,企業(yè)信用評級指標(biāo)體系相關(guān)研究按照來源可分為三類.一是由穆迪、標(biāo)準(zhǔn)普爾、菲奇以及大公國際等評級機(jī)構(gòu)提出的評級體系[6?9].二是由中國銀行等商業(yè)銀行建立的貸款企業(yè)評級體系[1].三是學(xué)術(shù)文獻(xiàn)中的信用評價(jià)指標(biāo)體系.如Min等[10]以資本存量周轉(zhuǎn)率等11 個指標(biāo)預(yù)測了企業(yè)的破產(chǎn)風(fēng)險(xiǎn).吳青等[11]認(rèn)為評價(jià)小企業(yè)信用的指標(biāo)應(yīng)包括行業(yè)與宏觀經(jīng)濟(jì)狀況、企業(yè)主個人及企業(yè)信用等三類.Psillaki 等[12]認(rèn)為利潤率、償債能力等指標(biāo)可有效判別企業(yè)的信用風(fēng)險(xiǎn).Chiang等[13]認(rèn)為債務(wù)比率等22 個指標(biāo)能有效識別高科技企業(yè)的違約風(fēng)險(xiǎn).Petr等[14]則對比了美國與歐洲在信用評級指標(biāo)選取上的普遍性差異.Chen等[15]給出了息稅前收入/總資產(chǎn)等12 個判別企業(yè)破產(chǎn)比較顯著的指標(biāo).上述信用評價(jià)指標(biāo)的選取皆基于專家經(jīng)驗(yàn),導(dǎo)致評價(jià)指標(biāo)的選取過于主觀,其客觀一致性無法保障.

鑒于主觀遴選信用評價(jià)指標(biāo)的弊端,篩選信用評價(jià)指標(biāo)的定量方法日趨流行起來.如范柏乃等[16]通過隸屬度分析等方法建立了包含資產(chǎn)負(fù)債率等15 個指標(biāo)的中小企業(yè)信用評價(jià)指標(biāo)體系.趙志沖[17]等、遲國泰[18]等分別基于釋然比檢驗(yàn)、F–檢驗(yàn),剔除了對企業(yè)違約狀態(tài)(違約與否)影響不顯著的指標(biāo),并皆通過剔除任意兩個相關(guān)程度高的評級指標(biāo)中相對不重要的一個指標(biāo)來降低指標(biāo)集的信息重疊程度.此類指標(biāo)篩選方法僅僅考慮或完全不考慮評級指標(biāo)對違約狀態(tài)的影響.違約狀態(tài)是企業(yè)客戶違約風(fēng)險(xiǎn)最基本、最直接的反映,因此信用評價(jià)指標(biāo)理應(yīng)具有顯著識別企業(yè)違約狀態(tài)的能力.但違約狀態(tài)僅能粗略刻畫企業(yè)的信用風(fēng)險(xiǎn),難以滿足評級實(shí)踐對精細(xì)劃分企業(yè)信用風(fēng)險(xiǎn)的客觀需要.以穆迪、標(biāo)普及惠譽(yù)等三大國際知名的信用評級機(jī)構(gòu)為例,其對企業(yè)信用等級的劃分最少的也有9個之多,而并非僅僅分為違約與否兩個等級而已.

此外,鑒于評級體系是信用評級工作的基礎(chǔ),檢驗(yàn)其合理性自然十分重要,但目前此方面的研究成果卻甚為少見.Shi等[19]認(rèn)為信用評級指標(biāo)體系各指標(biāo)的總方差占篩選前全部指標(biāo)總方差的比例越大,評級指標(biāo)體系的信息貢獻(xiàn)越大,但卻忽略了不同指標(biāo)原始數(shù)據(jù)在單位及量綱上的差異.而石寶峰[20]則在利用多重決定系數(shù)檢驗(yàn)信用評價(jià)指標(biāo)體系合理性時沒有考慮多元線性回歸模型解釋變量的差異,也未考慮兩組指標(biāo)間共線性程度的差異,亦有待完善.

綜上,現(xiàn)有評級指標(biāo)篩選的相關(guān)研究尚有兩個關(guān)鍵問題亟待解決.一是在篩選評級指標(biāo)過程中,如何有效地兼顧指標(biāo)對違約狀態(tài)的識別與精細(xì)劃分企業(yè)客戶信用風(fēng)險(xiǎn)這兩種能力,以保證評級指標(biāo)皆具有顯著的信用風(fēng)險(xiǎn)識別能力;二是如何有效地檢驗(yàn)評級指標(biāo)體系的合理性,為后續(xù)評級工作提供保障.為此,本文提出一種系統(tǒng)的小企業(yè)信用評級指標(biāo)篩選方法.首先,通過F–檢驗(yàn)剔除對違約狀態(tài)識別能力弱的評級指標(biāo),保證被保留的指標(biāo)均具有一定的違約風(fēng)險(xiǎn)識別能力.其次,提出一種基于信息解釋度的指標(biāo)篩選方法,從信息解釋能力的角度解決現(xiàn)有主成分指標(biāo)篩選方法[21,22]僅依據(jù)單個負(fù)載系數(shù)篩選指標(biāo)不合理[23]的問題,并據(jù)此提出信用信息解釋度的概念及剔除綜合信用風(fēng)險(xiǎn)識別能力弱的指標(biāo).從而,通過這兩次指標(biāo)篩選,保證被保留的評級指標(biāo)既具有一定的違約風(fēng)險(xiǎn)識別能力,又具有精細(xì)刻畫小企業(yè)客戶綜合信用風(fēng)險(xiǎn)的能力,解決難點(diǎn)一.再次,根據(jù)信用評級指標(biāo)體系對違約狀態(tài)的識別準(zhǔn)確率越高、越穩(wěn)定,信用評級指標(biāo)體系越合理的思路,檢驗(yàn)小企業(yè)信用評級指標(biāo)體系的合理性,豐富現(xiàn)有評級指標(biāo)體系的合理性檢驗(yàn)方法,解決難點(diǎn)二.最后,根據(jù)中國一家商業(yè)銀行的小企業(yè)信貸歷史數(shù)據(jù)進(jìn)行了實(shí)證研究,建立了包含“總負(fù)債經(jīng)營活動凈現(xiàn)金流比率”等22個指標(biāo)的小企業(yè)信用評級指標(biāo)體系.研究發(fā)現(xiàn),本文建立的小企業(yè)信用評級指標(biāo)體系識別信貸違約風(fēng)險(xiǎn)的準(zhǔn)確率比現(xiàn)有主成分指標(biāo)篩選方法構(gòu)建的評級指標(biāo)體系高,而且穩(wěn)定.

2 信用評級指標(biāo)的篩選

2.1 小企業(yè)信用評級指標(biāo)的海選

為了全面反映小企業(yè)信用風(fēng)險(xiǎn)特征,避免主觀遺漏重要的信用評級指標(biāo),有必要對影響小企業(yè)信用風(fēng)險(xiǎn)的因素進(jìn)行海選.為此,本文給出了小企業(yè)信用評級指標(biāo)海選的六項(xiàng)原則.一是信用評級指標(biāo)的海選應(yīng)充分反映信用風(fēng)險(xiǎn)這個核心概念,這是信用評級指標(biāo)海選的最基本要求.二是廣泛借鑒已經(jīng)經(jīng)歷了一定信用評級實(shí)踐檢驗(yàn)的、國際上影響廣泛的五C要素、五P要素和中國通常采用的五性要素.三是海選的評級指標(biāo)中應(yīng)包含能夠有效反映小企業(yè)成長性的指標(biāo).四是小企業(yè)常存在財(cái)務(wù)管理不規(guī)范的情況,因此應(yīng)增加非財(cái)務(wù)指標(biāo)的比例.五是應(yīng)增加反映小企業(yè)經(jīng)營決策者信用狀態(tài)的指標(biāo),以在一定程度上間接反映小企業(yè)的還款意愿.六是指標(biāo)數(shù)據(jù)應(yīng)可觀測,以滿足現(xiàn)代評級實(shí)踐的操作及定量分析需要.

2.2 剔除對違約與否影響不顯著的指標(biāo)

2.2.1 定性指標(biāo)打分及指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化

1)定性指標(biāo)的打分.定性指標(biāo)在定量分析中不能直接以其數(shù)據(jù)大小精確地加以衡量,因此有必要對海選的定性指標(biāo)打分,打分后的定性指標(biāo)數(shù)據(jù)可以標(biāo)準(zhǔn)化,從而滿足后續(xù)定量分析的需要.下文將結(jié)合實(shí)證分析中具體的定性指標(biāo)來說明其打分標(biāo)準(zhǔn).

2)信用評級指標(biāo)的一致化.將全部信用評級指標(biāo)分為正向型指標(biāo)(數(shù)值越大越好,如“利潤增長率”)、負(fù)向型指標(biāo)(數(shù)值越小越好,如“未償還貸款總額占凈資產(chǎn)比例”)及區(qū)間型指標(biāo)(數(shù)值在某一個特定區(qū)間內(nèi)較好,如“居民消費(fèi)價(jià)格指數(shù)”)三類,并根據(jù)信用評級指標(biāo)的類型分別對其數(shù)據(jù)進(jìn)行一致化處理,以消除指標(biāo)類型的不一致.一致化后信用評級指標(biāo)的數(shù)據(jù)類型均轉(zhuǎn)換為正向型指標(biāo),從而一致化后的信用評級指標(biāo)的數(shù)值越大,小企業(yè)的信用水平就越高.這為后續(xù)不同小企業(yè)間信用綜合得分的大小比較提供了基礎(chǔ).這三類指標(biāo)一致化處理的具體公式讀者可參閱現(xiàn)有文獻(xiàn)[24]獲取,不贅述.

2.2.2 剔除違約狀態(tài)識別能力弱的指標(biāo)

本文通過定量分析方法將依次剔除違約狀態(tài)識別能力弱、綜合信用風(fēng)險(xiǎn)識別能力弱及信息重疊程度高的指標(biāo),其原因可主要?dú)w結(jié)為:1)剔除違約狀態(tài)識別能力弱指標(biāo)的原因.違約與否是商業(yè)銀行信貸決策時關(guān)注的焦點(diǎn).為此,本文利用數(shù)據(jù)挖掘中被廣泛使用的F–檢驗(yàn)法,確定并剔除對違約狀態(tài)影響不顯著的評級指標(biāo),保證被保留的評級指標(biāo)均對客戶違約風(fēng)險(xiǎn)具有一定的識別能力.2)進(jìn)一步剔除綜合信用風(fēng)險(xiǎn)識別能力弱的信用評級指標(biāo)的原因.F 檢驗(yàn)法僅能剔除少量對違約狀態(tài)影響極不顯著的信用評級指標(biāo),無法滿足大量海選信用評級指標(biāo)亟待篩選的客觀需要.同時,對違約狀態(tài)影響顯著與否雖十分重要,但卻也僅能粗略刻畫評級指標(biāo)識別企業(yè)信用風(fēng)險(xiǎn)的能力,無法滿足精細(xì)刻畫企業(yè)客戶綜合信用風(fēng)險(xiǎn)的客觀需要.而下文基于指標(biāo)的信用信息解釋度剔除綜合信用風(fēng)險(xiǎn)識別能力弱的評級指標(biāo)卻剛好可以彌補(bǔ)這一不足.3)最終再剔除信息重疊指標(biāo)的原因.首先,評級指標(biāo)間信息重疊水平高會導(dǎo)致信用評價(jià)結(jié)果扭曲,因此有必要剔除信息重疊水平高的指標(biāo);其次,剔除違約狀態(tài)識別能力弱及綜合信用風(fēng)險(xiǎn)識別能力弱的指標(biāo)均屬于剔除對評價(jià)結(jié)果影響不顯著的指標(biāo),因此根據(jù)指標(biāo)篩選的顯著再相關(guān)標(biāo)準(zhǔn)[25]應(yīng)在先剔除這兩類指標(biāo)后再剔除信息重疊水平高的指標(biāo).本節(jié)介紹的是基于F–檢驗(yàn)剔除違約狀態(tài)識別能力弱的評級指標(biāo)的方法,具體如下.

檢驗(yàn)統(tǒng)計(jì)量為[26]

其中Nj是信用違約狀態(tài)Y=j(j=0或1)的樣本數(shù)量,Y=0表示“非違約”,Y=1 表示“違約”;是違約狀態(tài)Y=j的所有樣本中,信用評級指標(biāo)X的樣本均值;是信用評級指標(biāo)X的總體均值;J為信用違約狀態(tài)不同取值的個數(shù),顯然這里J= 2;s2j是信用評級指標(biāo)X對應(yīng)于違約狀態(tài)為Y=j的樣本構(gòu)成的樣本方差;N為全部企業(yè)信貸樣本的數(shù)量.

F–檢驗(yàn)的原假設(shè)H0:指標(biāo)X與違約與否這個指標(biāo)Y完全不相關(guān).備擇假設(shè)為H1:指標(biāo)X與違約與否這個指標(biāo)Y相關(guān).顯著性水平α下F–分布的臨界值為Fα(J ?1,N ?J),若F < Fα,則接受原假設(shè)H0,認(rèn)為信用評級指標(biāo)X對違約影響不顯著,剔除信用評級指標(biāo)X;否則,則拒絕原假設(shè)H0,認(rèn)為信用評級指標(biāo)X對違約影響比較顯著,保留該信用評級指標(biāo)X.這里取顯著性水平α=0.01.

2.3 剔除綜合信用風(fēng)險(xiǎn)識別能力弱的指標(biāo)

1)剔除綜合信用風(fēng)險(xiǎn)識別能力弱的評級指標(biāo)原理

不難理解,在信用風(fēng)險(xiǎn)綜合評價(jià)中各信用評級指標(biāo)彼此影響、相互作用,構(gòu)成一個綜合了大量企業(yè)客戶綜合信用風(fēng)險(xiǎn)信息的復(fù)雜系統(tǒng).因此,理應(yīng)剔除解釋綜合信用風(fēng)險(xiǎn)信息能力弱的信用評級指標(biāo).為此,本文在現(xiàn)有主成分指標(biāo)篩選方法基礎(chǔ)上,提出了一種基于信用信息解釋度的評級指標(biāo)篩選方法.根據(jù)現(xiàn)有主成分指標(biāo)降維方法在原始信用評級指標(biāo)集信用違約信息損失很小的條件下,將一組數(shù)量眾多的信用評級指標(biāo)降維為少數(shù)幾個互不相關(guān)的主成分.一個指標(biāo)Xi蘊(yùn)含的信用信息是通過該指標(biāo)與各個主成分間的負(fù)載系數(shù)(相關(guān)系數(shù))cij表示的,而現(xiàn)有主成分指標(biāo)篩選方法卻僅依據(jù)單個負(fù)載系數(shù)的絕對值確定一個指標(biāo)解釋原始指標(biāo)集信息的能力并據(jù)此篩選指標(biāo)其做法并不合理[23].本文測度并剔除解釋綜合信用風(fēng)險(xiǎn)信息能力弱的評級指標(biāo)的思路如下:

首先,通過加權(quán)負(fù)載系數(shù)的絕對值ωj×|cij|,反映信用評級指標(biāo)Xi通過主成分fj解釋原始信用評級指標(biāo)集信用風(fēng)險(xiǎn)信息的能力.一個特定的負(fù)載系數(shù)cij僅僅表示指標(biāo)Xi解釋主成分fj所蘊(yùn)含的信用風(fēng)險(xiǎn)信息的能力.而據(jù)主成分理論可知,一個主成分fj所蘊(yùn)含的信用風(fēng)險(xiǎn)信息占原始信用評級指標(biāo)集信用風(fēng)險(xiǎn)信息的比例為方差貢獻(xiàn)率ωj.因此,必須用主成分fj解釋原始信用評級指標(biāo)集信用風(fēng)險(xiǎn)信息的比例ωj,對負(fù)載系數(shù)的絕對值|cij|打個折扣,這個打了折扣后的加權(quán)負(fù)載系數(shù)ωj ×|cij|才能反映指標(biāo)Xi通過主成分fj解釋原始指標(biāo)集信用風(fēng)險(xiǎn)信息的能力.之后,通過負(fù)載系數(shù)絕對值的加權(quán)平均∑ωj ×|cij|,反映信用評級指標(biāo)Xi解釋原始指標(biāo)集綜合信用風(fēng)險(xiǎn)信息的能力,稱為該評級指標(biāo)的信用信息解釋度(一般性的指標(biāo)篩選問題中可稱之為信息解釋度).顯然,一個評級指標(biāo)的信用信息解釋度越高,該指標(biāo)蘊(yùn)含的信用風(fēng)險(xiǎn)信息越多,越能夠精細(xì)地刻畫借款企業(yè)客戶的信用風(fēng)險(xiǎn),該評級指標(biāo)越應(yīng)予以保留.這便是本文測度評級指標(biāo)解釋綜合信用風(fēng)險(xiǎn)信息的能力,以及剔除解釋綜合信用風(fēng)險(xiǎn)信息能力弱指標(biāo)的基本思路.

2)剔除綜合信用風(fēng)險(xiǎn)識別能力弱評級指標(biāo)的步驟

步驟1計(jì)算信用評級指標(biāo)Xi的信用信息解釋度

其中ωj是主成分fj解釋原始信用評級指標(biāo)集信息總變異的比例,反映主成分fj解釋原始信用評級指標(biāo)集信用風(fēng)險(xiǎn)信息的比例,且ω1ω2···ωm; 前p個主成分的方差貢獻(xiàn)率之和(累計(jì)方差貢獻(xiàn)率?p)表示這p個主成分解釋原始評級指標(biāo)集全部信用信息的比例,若?p80%[27],則保留方差貢獻(xiàn)率相對較大的前p(

信用信息解釋度Ii的經(jīng)濟(jì)含義:它表示信用評級指標(biāo)Xi解釋原始信用評級指標(biāo)集綜合信用風(fēng)險(xiǎn)信息的水平,反映信用評級指標(biāo)Xi在原始信用評級指標(biāo)集中的相對重要性.

步驟2計(jì)算信用評級指標(biāo)的累計(jì)信用信息解釋率Rv,即前v個信用信息解釋度Ii最大的信用評級指標(biāo)占全部m個原始信用評級指標(biāo)信用信息解釋度的比例

其中Imi是全部m個原始信用評級指標(biāo)中第i大的信用信息解釋度.

步驟3剔除信用信息解釋度小的信用評級指標(biāo).若累計(jì)信用信息解釋率Rv滿足

則保留信用信息解釋度Ii相對較大的前v個信用評級指標(biāo),剔除其余信用信息解釋度小的信用評級指標(biāo).R0為決策者確定的閾值.

在主成分分析理論中,若信息量大的幾個主成分占全部主成分信息的比例達(dá)到70% ～90%[24],就保留這幾個主成分.借此思想,為了剔除相對不重要的信用評級指標(biāo)不妨取累計(jì)違約信息解釋率的閾值R0為70%.顯然,閾值R0越小,保留的信用評級指標(biāo)就會越少,但指標(biāo)集包含的信用風(fēng)險(xiǎn)信息就相對地越不全面;反之,閾值R0越大,保留的信用評級指標(biāo)就會越多,自然指標(biāo)集包含的信用信息就會越全面,但同時指標(biāo)集內(nèi)部的信息重疊現(xiàn)象也會越嚴(yán)重,越容易扭曲信用風(fēng)險(xiǎn)綜合評價(jià)的結(jié)果.而且,一個質(zhì)量較高的評級模型客觀上也要求指標(biāo)數(shù)量不宜太多[28].因此,決策者可根據(jù)決策需要適度調(diào)整閾值R0的大小.

步驟4剔除信息重疊程度高的信用評級指標(biāo).在剔除了解釋信用違約風(fēng)險(xiǎn)信息能力較弱的指標(biāo)后,如果剩余的任意兩個評級指標(biāo)Xi與Xj間的Person 相關(guān)系數(shù)rij的絕對值大于某個臨界點(diǎn)r0,則剔除信用評級指標(biāo)Xi與Xj中信用信息解釋度相對較小的信用評級指標(biāo),以避免重疊信息扭曲企業(yè)客戶信用綜合評價(jià)結(jié)果.這里,將指標(biāo)篩選的臨界點(diǎn)r0取為0.9[21].

與現(xiàn)有主成分指標(biāo)篩選方法的主要差別.現(xiàn)有主成分指標(biāo)篩選方法[21]僅僅依據(jù)單個負(fù)載系數(shù)確定一個指標(biāo)解釋原始指標(biāo)集綜合信息的水平.而據(jù)式(2)可知,本文方法在確定一個指標(biāo)的信息解釋度時,既考慮了一個指標(biāo)的信息蘊(yùn)含于多個負(fù)載系數(shù)之中的事實(shí),又考慮了各負(fù)載系數(shù)所在的主成分對原始指標(biāo)集綜合信息的解釋能力(方差貢獻(xiàn)率)的差異.

2.4 信用評級指標(biāo)體系的合理性檢驗(yàn)

1)檢驗(yàn)思路

鑒于費(fèi)歇爾判別法應(yīng)用廣泛且具有較高的準(zhǔn)確度和可靠性[29],本文利用費(fèi)歇爾判別法確定小企業(yè)信用評級指標(biāo)體系對違約與否判別的準(zhǔn)確率.進(jìn)而,根據(jù)該準(zhǔn)確率越高、越穩(wěn)定,評級指標(biāo)體系識別企業(yè)違約風(fēng)險(xiǎn)的能力就越大,評級指標(biāo)體系越合理的思路,檢驗(yàn)信用評級指標(biāo)體系的合理性.

2)檢驗(yàn)方法

假設(shè)小企業(yè)信用評級指標(biāo)體系內(nèi)各信用評級指標(biāo)分別為Z1,Z2,...,Zp,違約樣本的數(shù)量為n1,非違約樣本的數(shù)量為n2.在此基礎(chǔ)上,利用費(fèi)歇爾判別法檢驗(yàn)小企業(yè)信用評級指標(biāo)體系合理性的步驟簡述如下.

步驟1確定樣本Ai=(zi1,zi2,...,zip)所屬違約狀態(tài)總體的標(biāo)準(zhǔn).在的條件下,若y(zi1,zi2,...,zip)> y0,則判定樣本Ai屬于非違約總體G2;若y(zi1,zi2,...,zip)< y0,則判定樣本Ai屬于違約總體G1.

步驟2小企業(yè)信用評級指標(biāo)體系合理性檢驗(yàn).若小企業(yè)信用評級指標(biāo)體系識別信貸樣本所屬信用違約狀態(tài)的準(zhǔn)確率Rp達(dá)到90%以上,則認(rèn)為該小企業(yè)信用評級指標(biāo)體系識別企業(yè)違約風(fēng)險(xiǎn)的能力強(qiáng),即

其中nrp是全部n個信貸樣本中被全部p個信用評級指標(biāo)正確識別是否違約的樣本數(shù)量.顯然,樣本所屬違約狀態(tài)識別準(zhǔn)確率Rp越大,越說明小企業(yè)信用評級指標(biāo)體系整體識別信用違約風(fēng)險(xiǎn)的能力越大,小企業(yè)信用評級指標(biāo)體系越顯合理.同時,分別基于30%、70%及100%的小企業(yè)信貸樣本確定小企業(yè)評級指標(biāo)體系對違約狀態(tài)識別的準(zhǔn)確率,以檢驗(yàn)違約狀態(tài)識別準(zhǔn)確率的穩(wěn)定性.

3 小企業(yè)信用評級指標(biāo)體系構(gòu)建

3.1 小企業(yè)信用評級海選指標(biāo)體系的建立

1)數(shù)據(jù)來源及評級指標(biāo)海選

本文基于《中小企業(yè)劃型標(biāo)準(zhǔn)規(guī)定》,從中國某商業(yè)銀行信貸系統(tǒng)中提取了3 111個小企業(yè)信貸樣本,依據(jù)本文提出的6 項(xiàng)信用評級指標(biāo)海選原則海選評級指標(biāo).比如,在信用評級海選指標(biāo)的選擇上我們考慮到小企業(yè)通常具有成長性比較高、經(jīng)營決策易受少數(shù)決策者左右等特點(diǎn),引入了諸如“營業(yè)收入增長率”及“法人代表信用卡記錄”等指標(biāo).最終,構(gòu)建了包含X1企業(yè)償債能力、X2企業(yè)盈利能力、X3企業(yè)營運(yùn)及成長能力、X4企業(yè)內(nèi)部及法人代表的非財(cái)務(wù)因素以及X5企業(yè)外部宏觀條件共計(jì)5 個準(zhǔn)則層、85個指標(biāo)的小企業(yè)信用評級海選指標(biāo)體系.

2)定性信用評級指標(biāo)的打分

在定量分析中定性指標(biāo)無法直接通過其數(shù)據(jù)大小精確地加以衡量,因此有必要對“學(xué)歷”等27個定性指標(biāo)進(jìn)行打分,以滿足指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化及后續(xù)定量分析的需要.為了盡可能地保證定性指標(biāo)打分的合理性,本研究廣泛借鑒、分析了國內(nèi)外關(guān)于信用評級定性指標(biāo)打分的理論研究成果,并與項(xiàng)目合作銀行負(fù)責(zé)小企業(yè)信貸業(yè)務(wù)的69位各級業(yè)務(wù)骨干對定性指標(biāo)的打分標(biāo)準(zhǔn)進(jìn)行了多輪次、反復(fù)的合理性論證,最終確定了本文所涉及的27個定性指標(biāo)的具體打分標(biāo)準(zhǔn),具體打分標(biāo)準(zhǔn)列于表1.

表1 定性的信用評級指標(biāo)打分標(biāo)準(zhǔn)Table 1 Scoring standard of qualitative credit rating indices

3)信用評級指標(biāo)的一致化

為了保證不同信用評級指標(biāo)類型一致性,將85個海選的評級指標(biāo)劃分為正向、負(fù)向及區(qū)間型三種類型的指標(biāo),并根據(jù)一致化處理公式分別進(jìn)行評級指標(biāo)數(shù)據(jù)的一致化處理.一致化后的指標(biāo)均為正向型.

3.2 信用評級指標(biāo)的篩選

3.2.1 基于違約狀態(tài)識別能力的信用評級指標(biāo)篩選

本節(jié)將利用F–檢驗(yàn)剔除對小企業(yè)違約狀態(tài)影響不顯著的評級指標(biāo),保證保留下來的評級指標(biāo)皆對違約風(fēng)險(xiǎn)具有一定的識別能力.以85個海選的評級指標(biāo)中“凈資產(chǎn)收益率”的篩選為例,將該指標(biāo)與小企業(yè)樣本違約狀態(tài)數(shù)據(jù)(違約記為1,未違約記為0)一并代入式(1),得到指標(biāo)“凈資產(chǎn)收益率”的F–檢驗(yàn)值F= 5.962.同時,設(shè)顯著性水平為α= 0.01,由于F–分布的臨界值為F0.01(2?1,3 111?2) = 6.643,因此接受原假設(shè)“H0:指標(biāo)“凈資產(chǎn)收益率”與違約狀態(tài)指標(biāo)Y 完全不相關(guān)”,剔除“凈資產(chǎn)收益率”這個評級指標(biāo).類似地,共累計(jì)剔除對小企業(yè)違約狀態(tài)影響不顯著的評級指標(biāo)23個,即暫時保留了62個評級指標(biāo),其Z標(biāo)準(zhǔn)化[24]數(shù)據(jù)列于表2第1行～第62 行第3列～第3 113 列.3 111個小企業(yè)信貸樣本對應(yīng)的違約狀態(tài)列于表2最后一行第3列～第3 113列.

表2 F–檢驗(yàn)后的小企業(yè)信用評級海選指標(biāo)Table 2 Primary election of credit rating indices for small enterprises after F–test

3.2.2 基于綜合信用風(fēng)險(xiǎn)識別能力的信用評級指標(biāo)篩選

本節(jié)將剔除剩余62個指標(biāo)中綜合信用風(fēng)險(xiǎn)識別能力弱的指標(biāo),具體步驟如下.

步驟1方法適用性檢驗(yàn).本文信用信息解釋度是基于現(xiàn)有主成分降維法的部分參數(shù)確定的,因此同主成分降維法一樣需要先利用巴特利特球度檢驗(yàn)和KMO檢驗(yàn)進(jìn)行適用性檢驗(yàn).本文的巴特利特球度檢驗(yàn)統(tǒng)計(jì)量的概率P值為0.000,小于設(shè)定的顯著性水平0.05,而且KMO=0.892達(dá)到了0.5以上[31],因此方法適用性檢驗(yàn)通過.巴特利特球度檢驗(yàn)和KMO檢驗(yàn)結(jié)果可由統(tǒng)計(jì)軟件IBM SPSS21方便得到.

步驟2計(jì)算信用評級指標(biāo)的信用信息解釋度.根據(jù)文獻(xiàn)[27]可以獲得前18個主成分的方差貢獻(xiàn)率向量(ω1,ω2,...,ω18)=(24.252%,13.264%,...,1.254%)(因累計(jì)方差貢獻(xiàn)率?18=81.146%>80%,故保留前18個主成分).同時,亦不難得到負(fù)載系數(shù)矩陣C= (cij)62×18,取絕對值后列于表3第3列～第20 列.再將表3第3列～第20列的數(shù)據(jù)、(ω1,ω2,...,ω18)的數(shù)據(jù)代入式(2),得到待篩選的62個信用評級指標(biāo)各自的信用信息解釋度Ii(i=1,2,...,62),將其與表3第2 列各指標(biāo)依次對應(yīng)地列于表3第21列.

步驟3計(jì)算累計(jì)信用信息解釋率.將表3第21列各指標(biāo)的信用信息解釋度代入式(3),得到信用信息解釋度較大的前v個信用評級指標(biāo)的累計(jì)信用信息解釋率Rv,v=1,2,...,62,列于表3第22列.

步驟4剔除信用信息解釋度小的評級指標(biāo).據(jù)表3第22列第1行～第32行可知累計(jì)信用信息解釋率滿足:R31= 69.781%< R0= 70%< R32= 71.258%.因此,暫時保留表3第21列中信用信息解釋度最大的32個信用評級指標(biāo),并依信用信息解釋度由大至小的順序,將指標(biāo)篩選結(jié)果列于表3第23列.

表3 基于信用信息解釋度的指標(biāo)篩選Table 3 Indices screening based on default information interpretation degree

步驟5基于信息重疊的評級指標(biāo)篩選.以暫時保留的32個指標(biāo)中“X24成本費(fèi)用凈利率”與“X9凈利潤現(xiàn)金含量”為例,兩者Person相關(guān)系數(shù)的絕對值達(dá)到了0.918,大于臨界點(diǎn)0.9.指標(biāo)X24的信用信息解釋度為0.193 125,大于指標(biāo)X9的信用信息解釋度0.125 024.因此,剔除信用信息解釋度較小的指標(biāo)X9.類似地,最終累計(jì)剔除了10個信息重疊程度高的指標(biāo),剩余的22個評級指標(biāo)共同構(gòu)成了小企業(yè)信用評級指標(biāo)體系,列于表4第2列.

表4 與現(xiàn)有方法的對比Table 4 Comparison with the existing method

3.3 小企業(yè)信用評級指標(biāo)體系的合理性檢驗(yàn)

3.3.1 違約風(fēng)險(xiǎn)識別的準(zhǔn)確率及穩(wěn)定性檢驗(yàn)

為了檢驗(yàn)小企業(yè)信用評級指標(biāo)體系的合理性,本節(jié)將從違約風(fēng)險(xiǎn)識別的準(zhǔn)確率、穩(wěn)定性兩個角度系統(tǒng)檢驗(yàn)小企業(yè)信用評級指標(biāo)體系的合理性.

步驟1確定全部信貸樣本違約狀態(tài)識別的準(zhǔn)確率.根據(jù)文獻(xiàn)[30]可以得到費(fèi)歇爾判別函數(shù)y=?0.224Z1+0.253Z2+0.209Z3+···?0.341Z22,費(fèi)歇爾判別的臨界值y0=?0.000 12.從而,根據(jù)上文樣本所屬違約狀態(tài)總體的判別標(biāo)準(zhǔn)可以判定全部3 111個小企業(yè)樣本所屬的違約總體,列于表5第5列.

進(jìn)而,通過對比表5第5列～第6列可以確定全部信貸樣本所屬違約狀態(tài)是否得到正確識別,表5第7列以“√”表示樣本所屬違約狀態(tài)得到了正確識別,以“×”表示樣本所屬違約狀態(tài)識別錯誤.在此基礎(chǔ)上,表5第7 列容易得到全部3 111個信貸樣本(100%的信貸樣本)被識別的準(zhǔn)確率R22為96.9%.顯然,本文建立的小企業(yè)信用評級指標(biāo)體系具有較高的信用風(fēng)險(xiǎn)識別能力.

表5 違約狀態(tài)的判別Table 5 Identification of default status

步驟2識別違約狀態(tài)準(zhǔn)確率的穩(wěn)定性分析.本文隨機(jī)選取了全部3 111個信貸樣本的30%的信貸樣本、70%的信貸樣本,分別計(jì)算了以信用評級指標(biāo)體系識別樣本所屬信用違約狀態(tài)的準(zhǔn)確率,分別為95.1%及97.2%.不難發(fā)現(xiàn),本文建立的小企業(yè)信用評級指標(biāo)體系準(zhǔn)確識別企業(yè)客戶違約風(fēng)險(xiǎn)的能力不但很大,而且很穩(wěn)定.就此而言,本文建立的小企業(yè)信用評級指標(biāo)體系是合理的.此外,在將式(4)中閾值R0分別調(diào)整為80%和90%的前提下,所獲得的兩套新的評級指標(biāo)體系識別違約狀態(tài)的準(zhǔn)確率亦均達(dá)到了90%以上,分別達(dá)到了95.7%和90.4%,這說明本文建立的指標(biāo)篩選模型較為魯棒.

3.3.2 與現(xiàn)有指標(biāo)篩選方法的對比

本文工作的重點(diǎn)在于信用評級指標(biāo)的系統(tǒng)篩選,而文中的信息解釋度方法是基于現(xiàn)有主成分指標(biāo)篩選方法改進(jìn)提出的.因此,可將上文模型中“2.3 節(jié)”中的信息解釋度方法替換為現(xiàn)有主成分指標(biāo)篩選方法,而其余指標(biāo)篩選步驟保持不變,并將篩選后得到的列于表4第3列的信用評級指標(biāo)體系與列于表4第2 列的本文方法構(gòu)建的小企業(yè)信用評級指標(biāo)體系識別違約風(fēng)險(xiǎn)的準(zhǔn)確率進(jìn)行對比,以進(jìn)一步說明本文指標(biāo)篩選方法的有效性.現(xiàn)有主成分指標(biāo)篩選方法的運(yùn)用過程可參閱現(xiàn)有文獻(xiàn)[21,22]詳盡了解,不贅述.根據(jù)表4最后一行可知,本文方法比現(xiàn)有主成分指標(biāo)篩選方法構(gòu)建的小企業(yè)信用評級指標(biāo)體系識別全部企業(yè)客戶樣本違約狀態(tài)的準(zhǔn)確率高了近20%.因此,就違約風(fēng)險(xiǎn)識別能力而言本文方法構(gòu)建的小企業(yè)信用評級指標(biāo)體系相對更優(yōu).這一結(jié)果,也不難從現(xiàn)有方法構(gòu)建的小企業(yè)信用評級指標(biāo)體系中包含了較多不甚符合信貸評級實(shí)踐情況的評級指標(biāo)中找到部分原因,如“X58城鄉(xiāng)居民人均儲蓄年末余額/(元/人)”、“X60居民消費(fèi)價(jià)格指數(shù)(以上一年為100)”及“X61城市居民人均可支配收入/元”等.

4 結(jié)束語

本文以建立商業(yè)銀行小企業(yè)客戶信用評級指標(biāo)體系為目的,提出了集信用評級指標(biāo)海選,剔除違約狀態(tài)及綜合信用風(fēng)險(xiǎn)識別能力弱的評級指標(biāo),檢驗(yàn)信用評級指標(biāo)體系合理性等一套系統(tǒng)的小企業(yè)信用評級指標(biāo)體系構(gòu)建方法.同時,基于中國一家商業(yè)銀行的小企業(yè)信貸業(yè)務(wù)的歷史數(shù)據(jù)進(jìn)行了實(shí)證研究,構(gòu)建了小企業(yè)信用評級指標(biāo)體系.研究表明,本文建立的小企業(yè)信用評級指標(biāo)體系識別信用風(fēng)險(xiǎn)的準(zhǔn)確率不但高,而且穩(wěn)定.此外,除信用評級指標(biāo)海選外,本文的評級指標(biāo)定量篩選及評級體系合理性檢驗(yàn)等方法亦可應(yīng)用于其余類型企業(yè)的信用評級指標(biāo)體系的構(gòu)建.