費靖茹 杜凱欣 郝培婷

摘 要：本文主要針對某銀行對中小微企業(yè)信貸策略的研究，利用在年度信貸總額固定的前提下，作了信貸市場發(fā)展前景，采用層次分析法、Logistic 回歸模型，借助 Excel、RStudio、Matlab數(shù)值分析軟件，結(jié)合客戶畫像體系評估中小微企業(yè)的風(fēng)險等。首先針對不同信譽評級下的客戶流失度和貸款年利率，構(gòu)建客戶流失預(yù)警模型，將中小微企業(yè)按客戶流失度劃分為三種類型;其次結(jié)合函數(shù)關(guān)系圖像得出不同信譽評級、不同客戶流失度下的信貸額度區(qū)間和貸款年利率區(qū)間，針對一些突發(fā)因素，構(gòu)建負激勵的防止道德風(fēng)險模型，從而對信貸風(fēng)險管理中貸款人違約的道德風(fēng)險進行控制，降低信貸風(fēng)險產(chǎn)生的可能性，使得貸款雙方利益最大化;最后結(jié)合現(xiàn)實因素，增加相關(guān)約束條件，在銀行年度信貸總額固定以及信貸風(fēng)險較低時，為使得銀行信貸獲利最大化，我們通過建立線性規(guī)劃模型，從而得出信貸額度和信貸利率的數(shù)量關(guān)系，給出該銀行在年度信貸總額固定時對這些企業(yè)的信貸策略。

關(guān)鍵詞：層次分析;Logistic 回歸;客戶流失預(yù)警模型;道德風(fēng)險模型;風(fēng)險評估

中圖分類號：F279.23 文獻標(biāo)識碼：A 文章編號：2096-0298（2021）05（a）--03

近年來，全國積極響應(yīng)“大眾創(chuàng)業(yè)，萬眾創(chuàng)新”的號召，眾多中小微企業(yè)如雨后春筍般涌現(xiàn)?，F(xiàn)實生活中，中小微企業(yè)抗風(fēng)險能力弱，當(dāng)遇到國家政策調(diào)整、行業(yè)景氣度下降、突發(fā)事件（例如本次新冠疫情）甚至道德風(fēng)險因素等影響時，中小微企業(yè)的現(xiàn)金流立刻會遇到較大壓力，貸款違約的概率遠遠高于大中型企業(yè)，所以銀行對中小微企業(yè)的放貸是慎之又慎。中小微企業(yè)財務(wù)信息不透明，例如走私賬等，關(guān)聯(lián)交易信息可能虛增銷售額及利潤、債務(wù)信息存在隱形債務(wù)不上征信現(xiàn)象、財產(chǎn)信息中的資產(chǎn)代持問題等，都使得銀行很難全面、完整地了解中小微企業(yè)的詳細運行情況。由此，銀行希望借助大數(shù)據(jù)統(tǒng)計處理等相關(guān)的金融科技手段并結(jié)合人工風(fēng)險審核，通過調(diào)查各中小微企業(yè)的實力、信譽等相關(guān)企業(yè)數(shù)據(jù)對該企業(yè)的信貸風(fēng)險作出評估，之后依據(jù)信貸風(fēng)險等因素來確定是否為該企業(yè)進行放貸及確定其貸款額度、利率和期限等信貸策略。

1 模型的建立

首先，銀行要對申請貸款的中小微企業(yè)進行信貸記錄的審查，對于無信貸記錄的企業(yè)建立客戶畫像，利用層次分析法進行信譽評級，對于有信貸記錄的企業(yè)，將數(shù)據(jù)進行數(shù)值化處理，得到企業(yè)的信譽度，利用Matlab及Excel進行數(shù)據(jù)預(yù)處理，得到影響企業(yè)信貸風(fēng)險的三個因素：信譽度、凈利潤、發(fā)票有效率。以上述三個因素建立Logistic回歸分析模型，得出各企業(yè)的信貸風(fēng)險值，并對其進行分類：高風(fēng)險企業(yè)、較高風(fēng)險企業(yè)、一般風(fēng)險企業(yè)、低風(fēng)險企業(yè)。最后，將上述較高風(fēng)險、一般、低風(fēng)險的中小微企業(yè)列為可貸款企業(yè)，對其建立客戶流失預(yù)警模型。利用信譽評級，以流失度將客戶區(qū)分為：不容易流失、一般流失、容易流失三種客戶類型，并據(jù)此給出相應(yīng)信貸額度區(qū)間、利率區(qū)間，如圖1所示。

圖1 中小微企業(yè)信貸策略模型流程

經(jīng)過Matlab處理，本文整合出三個風(fēng)險影響因素：信譽指標(biāo)、發(fā)票有效率均值和年凈利潤均值的相關(guān)數(shù)據(jù)。之后利用RStudio軟件進行Logistic回歸分析，得出各企業(yè)的風(fēng)險值。Logistic方法主要用于判斷某些現(xiàn)象發(fā)生的概率P，現(xiàn)要評估各企業(yè)信貸風(fēng)險的可能性，即P表示各企業(yè)發(fā)生信貸風(fēng)險的概率，我們考慮利用RStudio統(tǒng)計分析軟件對以上三個因素進行Logistic回歸?，F(xiàn)將上述三個風(fēng)險影響因素作為Logistic回歸模型的自變量ξ1，ξ2，ξ3，P因變量即表示各企業(yè)發(fā)生信貸風(fēng)險的概率，Logistic回歸一般模型為：

其中β0為截距項，β1，β2，β3為類似于多元線性回歸模型中的回歸系數(shù)。將式（1）作對數(shù)變換將 Logistic回歸問題轉(zhuǎn)化為線性回歸問題，得：

但若P的取值只有0、1，將失去意義，因而在應(yīng)用Logistic模型時，需定義一種單調(diào)連續(xù)的風(fēng)險值概率函數(shù)η，令：

于是，Logistic模型可轉(zhuǎn)化為：

現(xiàn)將風(fēng)險影響因素數(shù)值表導(dǎo)入到R Studio軟件，數(shù)據(jù)進行合理的映射處理，然后用線性回歸方法得到回歸系數(shù)，估計 Logistic回歸方程，最后再由和P的映射關(guān)系進行反映射得到P的值。通過P值大小來確定企業(yè)信貸風(fēng)險高低，模型以0.5作為判斷分界點，P值大于0.5時，判斷為較高信貸風(fēng)險企業(yè)，數(shù)值越大，貸款失信風(fēng)險越高，銀行不予放貸;P值小于0.5時，判斷為較低信貸風(fēng)險企業(yè)，數(shù)值越小，貸款失信風(fēng)險越低，此時銀行可為該企業(yè)進行放貸。具體的回歸分析運行結(jié)果如圖2所示。

其中截距項β0=93.194，回歸系數(shù)分別為β1=-11.20，β2=3.777，β3=-4.079×10-5，該模型具體的函數(shù)解析形式如下：

所列出的中小微企業(yè)已經(jīng)具有各自的信譽評級（A、B、C、D），我們綜合比較、考量題中所給的數(shù)據(jù)，決定剔除信譽評級為 D的中小微企業(yè)，即該銀行不給信譽評級為D的中小微企業(yè)貸款。確定可以為某企業(yè)進行貸款業(yè)務(wù)后，按不同的信譽等級通過客戶流失預(yù)警模型來判斷該企業(yè)的流失度情況，進而確定其貸款利率、貸款額度等信貸策略。取普通漏斗模型并不能滿足建立客戶流失預(yù)警的需要，結(jié)合信貸行業(yè)發(fā)展的特殊性和一般過程，考慮到所給數(shù)據(jù)特點和中小微企業(yè)的一般特性，構(gòu)建信貸風(fēng)險下客戶流失預(yù)警模型，該模型呈漏斗狀，在漏斗頂部開口處，是剔除以后的123家有信貸記錄企業(yè)的相關(guān)數(shù)據(jù)和302家無信貸記錄企業(yè)的相關(guān)數(shù)據(jù)。

將中小微企業(yè)分為三個類別，在“漏斗”開口以下，海量數(shù)據(jù)要經(jīng)過一級、二級和三級篩選，形成三種類型的企業(yè)，將這三類企業(yè)命名為一類客戶、二類客戶、三類客戶。這三種類型的客戶有不同程度的流失傾向：一類中小微企業(yè)客戶由于充分了解理財知識，多次在銀行辦理信貸業(yè)務(wù)并切身體會到信貸給本企業(yè)帶來的實際好處，使得該類中小微企業(yè)成為銀行不容易失去的信貸客戶;二類中小微企業(yè)客戶面對當(dāng)下各式各樣的貸款渠道（線上、線下）沒有特別的針對性，態(tài)度飄忽不定且具有較強的從眾心理，使得這類客戶成為銀行一般容易失去的客戶;三類中小微企業(yè)客戶由于銀行信貸過度復(fù)雜的業(yè)務(wù)流程（組織結(jié)構(gòu)的不合理）以及決策工具應(yīng)用失誤（信息系統(tǒng)的缺陷），或貸款利率和貸款額度等因素，使得他們成為信貸業(yè)務(wù)中非常容易流失的客戶。

2 模型的求解

通過收集與分析客戶社會屬性、生活習(xí)慣、消費行為等主要信息的數(shù)據(jù)，抽象出一個客戶的商業(yè)全貌。構(gòu)建客戶畫像的核心工作即是給用戶貼“標(biāo)簽”，而標(biāo)簽是通過對用戶信息分析而來的高度精煉的特征標(biāo)識。央行發(fā)布的數(shù)據(jù)顯示，2019年全年人民幣貸款增加16.81萬億元，同比增長6439億元。2019年社會融資規(guī)模增量累計為25.58萬億元，比上年多3.08萬億元;2019年末社會融資規(guī)模存量為251.31萬億元，同比增長10.7%。

隨著信貸規(guī)模的逐漸擴大，信貸客戶的管理問題越來越成為銀行客戶關(guān)系管理的核心問題。而客戶關(guān)系管理的關(guān)鍵問題是客戶分類，通過客戶分類，區(qū)分安全客戶、較安全客戶、風(fēng)險客戶和較高風(fēng)險客戶。我們要針對不同等級的中小微企業(yè)制定優(yōu)化、個性的信貸方案，采取不同的信貸策略，在保證銀行貸款利潤最大化的前提下，盡可能地降低貸款給銀行帶來的風(fēng)險。通過和積法求判斷矩陣的最大特征根及其對應(yīng)的特征向量來計算權(quán)重向量，在該決策過程中，指標(biāo)“資金流水指標(biāo)N2”主要影響了客戶畫像體系。通過上述計算可以得到準(zhǔn)則層的每一指標(biāo)對方案層的權(quán)重向量，最終計算得到準(zhǔn)則層各指標(biāo)對于目標(biāo)的排序權(quán)重，從而對中小微企業(yè)的信譽作出評判。

r=0.242N4+0.578N2+0.154N1+0.086N3（5）

若中小微企業(yè)的r>0.7267，即表明該企業(yè)的信譽評級為A。若中小微企業(yè)的r>0.5786，即表明該企業(yè)的信譽評級為B。中小微企業(yè)的r>0.3286，即表明該企業(yè)的信譽評級為C。否則表明該企業(yè)的信譽評級為D。通過上述模型可確定附件二中所給302家無信貸記錄企業(yè)的信譽等級，之后重復(fù)利用模型一，同樣取年凈利潤均值、信譽指標(biāo)、發(fā)票有效率均值為三個風(fēng)險影響因素，整合數(shù)據(jù)導(dǎo)入至RStudio軟件中進行Logistic回歸，確定Logistic回歸方程，繼而判斷銀行是否可對該企業(yè)進行貸款。

3 結(jié)語

基于信譽評級建立客戶流失預(yù)警模型：利用信譽評級模型，可以結(jié)合企業(yè)風(fēng)險值與對應(yīng)信譽等級客戶流失率，從而快速判斷其是否為可貸款企業(yè)，以及與其匹配的利率區(qū)間與額度區(qū)間，可以節(jié)省人力成本，通過不斷調(diào)試還可降低違約風(fēng)險。模型是在大量數(shù)據(jù)的基礎(chǔ)上建立起來的，利用數(shù)據(jù)不斷測試，并定期調(diào)試參數(shù)，最終結(jié)果較為準(zhǔn)確。本文構(gòu)建的申請評分模型主要用于對申請借款人的道德風(fēng)險進行評估，根據(jù)申請貸款企業(yè)提交的申請資料及第三方核實的信息快速識別風(fēng)險，并結(jié)合系統(tǒng)規(guī)則自動給出終審決定，對于信譽評級模型與道德風(fēng)險決策合同規(guī)則，交叉的少量區(qū)域可進行人工審核，模型的風(fēng)險預(yù)測能力較好。

參考文獻

蒙肖蓮，蔡淑琴，杜寬旗，等.商業(yè)銀行客戶流失預(yù)測模型研究[J].系統(tǒng)工程，2004，22（12）：67-71.

龐素琳，黎榮舟，劉永清，等.基于信息不對稱的銀行信貸風(fēng)險決策機制及分析——信貸風(fēng)險決策模型[J].系統(tǒng)工程理論與實踐，2001，21（04）：80?-87.

龐素琳，黎榮舟.規(guī)避道德風(fēng)險的信貸風(fēng)險決策合同模型分析[J].系統(tǒng)工程理論與實踐，2005，25（06）：114-?120.

莊新田，黃小原.基于信息不對稱的銀行貸款定價策略分析[J].系統(tǒng)工程，2002，20（03）：20-23.