張冰清

針對問題，首先利用Excel與Stata軟件對數(shù)據(jù)進行預(yù)處理與描述性統(tǒng)計，篩選并量化反映企業(yè)信貸風險的指標;其次利用熵權(quán)法確定了各個指標在信貸風險評價中的權(quán)重;然后利用Topsis綜合評價模型求得各企業(yè)得分，其中分數(shù)越高，代表信貸風險越小;最后定義線性模型量化各信貸策略，由此可以給出具體的線性策略模型，在此基礎(chǔ)上便于制定對于中小型企業(yè)的信貸策略。

一、引言

在生活中，企業(yè)向銀行貸款時，銀行需要根據(jù)國家政策放給合格的資金需要者，并約定歸還期限。近年來為鼓勵中小微企業(yè)發(fā)展，銀行依據(jù)評估結(jié)果選擇出實力強、供求關(guān)系穩(wěn)定的企業(yè)提供貸款，并確定具體貸款額度、實際利率與借貸期限等信貸政策?；诖吮尘埃枰o出中小微企業(yè)的信貸策略。

二、模型的建立與求解

（一）數(shù)據(jù)分析與預(yù)處理

Step1：指標初步篩選

為了選擇適當?shù)钠髽I(yè)信貸策略模型，需要對數(shù)據(jù)進行預(yù)處理，整理合適的指標作為要研究的對象。通過對已知的分析，初步確定了要研究的指標見表1。

Step2：線性指標分類

由于數(shù)據(jù)中的進銷項發(fā)票數(shù)據(jù)中的六種金額間具有非常強的相關(guān)性，所以不能直接用這六種指標進行評價，需要將其整合為兩類，經(jīng)計算發(fā)現(xiàn)：

各企業(yè)金額均值+各企業(yè)稅額均值價≈稅合計均值

最終確定的評價指標為：各企業(yè)進項發(fā)票價稅合計的平均值、銷項發(fā)票稅價合計的平均值、銷項作廢發(fā)票比例、進項作廢發(fā)票比例、信譽評級、是否違約、銷項價稅合計的負數(shù)比例、進項價稅合計的負數(shù)比例。

Step3：定性指標定量化

確定了要研究的指標之后，發(fā)現(xiàn)在這些指標中，有定性指標和定量指標，為了更好的應(yīng)用評價模型對123個企業(yè)進行綜合評價，需要將定性指標定量化。

首先將進項發(fā)票信息和銷項發(fā)票信息中的發(fā)票狀態(tài)指標以企業(yè)為單位定量化，具體公式為：

（三）Topsis模型的建立

現(xiàn)需利用Topsis優(yōu)劣解距離模型對各個企業(yè)信貸風險進行評估得分，得分越高，則信貸風險越小。

Step1：指標分類

基于前面的研究，確定的八個指標分為極小型指標、極大型指標和中間型指標。

Step2：指標正向化

為了計算方便， 需要將三種指標類型統(tǒng)一歸化成極大形指標。

Step3：計算得分并歸一化處理

在標準化后的指標中找到最優(yōu)方案和最劣方案，然后分別計算評價對象與最優(yōu)方案和最劣方案間的距離，獲得評價對象與最優(yōu)方案的相對接近程度，作為評價優(yōu)劣的依據(jù)，并對得分做歸一化處理。

利用Matlab軟件對上述建立的模型進行處理與求解。

（四）信貸策略的制定

Step1：對量化結(jié)果整合分析

基于上述求解最終得到的排序情況，將123家中小微企業(yè)分為三類，其分數(shù)區(qū)間分別為[0.009，0.0986]，（0.0041，0.009），[0.0019，0.0041]，可供銀行評估中小微企業(yè)信貸風險時參考。

Step2：制定具體信貸政策

由于我國中小微企業(yè)對銀行借貸的依賴性較大，以及貸款成本較高，加之信息多處不對等加劇了信貸市場的檸檬現(xiàn)象。因此在保證銀行一定盈利的情況下盡量為中小型企業(yè)爭取一定的額度。已經(jīng)建立Topsis模型對123家有信貸記錄的中小微企業(yè)的信貸風險進行了評估并分級，在此基礎(chǔ)上確定合適的信貸策略，如表2：

（作者單位：河北農(nóng)業(yè)大學）