邵翠娣 謝曉慧

摘要：通過匯聚南京市企業(yè)風(fēng)險的相關(guān)數(shù)據(jù)，基于區(qū)域經(jīng)濟特征構(gòu)建了多維度、多層次的企業(yè)風(fēng)險監(jiān)測模型，采用評分卡模型來處理南京市的企業(yè)運行數(shù)據(jù)并健全南京市企業(yè)風(fēng)險監(jiān)測體系。對2021年10月-2022年3月區(qū)間的海量數(shù)據(jù)進行監(jiān)測分析，解剖南京市企業(yè)風(fēng)險現(xiàn)狀，并針對性地對南京市下一步產(chǎn)業(yè)發(fā)展提出建議。

關(guān)鍵詞：大數(shù)據(jù)處理 風(fēng)險管理 產(chǎn)業(yè)發(fā)展監(jiān)測模型

中圖分類號：F127

文獻標識碼：A

文章編號：1004-4914（2023）05-118-03

一、引言

（一）問題的提出

我國市場主體總量不斷增加，并向著多元化發(fā)展。截至2021年底，全國市場主體總量已突破1.54億戶，對經(jīng)濟高質(zhì)量發(fā)展發(fā)揮重要作用。因此，如何對企業(yè)進行精準分析，讓政府在海量的企業(yè)主體里，進行多維度的、及時的、準確的監(jiān)測。對于政府及時把握企業(yè)運行質(zhì)態(tài)，精準施策意義重大。

（二）文獻綜述

關(guān)于企業(yè)風(fēng)險監(jiān)測的研究方法。Smith認為企業(yè)風(fēng)險管理已經(jīng)同企業(yè)戰(zhàn)略管理、企業(yè)運營管理，共同構(gòu)成企業(yè)現(xiàn)代經(jīng)濟組織的三個核心管理職能之一。關(guān)于企業(yè)風(fēng)險管理方法，有學(xué)者建立企業(yè)風(fēng)險控制系統(tǒng)模型和企業(yè)風(fēng)險人工神經(jīng)網(wǎng)絡(luò)評估模型，來提高企業(yè)風(fēng)險管理水平。也有實證分析風(fēng)險承擔(dān)對企業(yè)績效的影響。得出持續(xù)優(yōu)化營商環(huán)境能夠顯著弱化風(fēng)險承擔(dān)對企業(yè)績效的抑制效應(yīng)。另一方面，有實證檢驗結(jié)果表明，適度的補貼提高了企業(yè)風(fēng)險承擔(dān)水平。

二、研究模型與數(shù)據(jù)

（一）模型構(gòu)建

評分卡是運用十分廣泛的風(fēng)險評價方法，其原理是將評價指標以證據(jù)權(quán)重（Weight of Evidence，WOE）編碼方式離散化之后，再運用邏輯回歸進行的一種二分類變量的廣義線性模型。本文建立的風(fēng)險指標體系針對南京市信息中心自有的數(shù)據(jù)設(shè)計指標項。建設(shè)過程包括數(shù)據(jù)預(yù)處理、好壞樣本的選取、訓(xùn)練集測試集的劃分、預(yù)測時間窗口選擇、變量信息價值計算、模型訓(xùn)練、分數(shù)映射。

1．?dāng)?shù)據(jù)處理。首先，對數(shù)據(jù)進行預(yù)處理，將數(shù)據(jù)高效利用。其次，數(shù)據(jù)預(yù)處理包括清洗冗余的數(shù)據(jù)。最后，進行數(shù)據(jù)匹配，根據(jù)企業(yè)的名稱與工商注冊號等信息會變更的實際，建立包含企業(yè)所有歷史名稱的數(shù)據(jù)表與包含企業(yè)所有工商注冊號的數(shù)據(jù)表進行指標項的統(tǒng)計。

2．樣本的選取及訓(xùn)練集測試集劃分。在建模過程中。選取發(fā)生過風(fēng)險事件的企業(yè)為負向樣本，具體的風(fēng)險事件包括行政處罰、被列為被執(zhí)行人、或商業(yè)行為出現(xiàn)逾期或違約、宣告破產(chǎn)等。好樣本選取為未發(fā)生過風(fēng)險事件的企業(yè)。好樣本則標注預(yù)測變量（是否風(fēng)險企業(yè)）y=0，壞樣本則標注預(yù)測變量（是否風(fēng)險企業(yè)）y=1。

3．時間窗口選擇。在企業(yè)風(fēng)險監(jiān)測模型中，選擇的時間窗即為預(yù)測的時間段。預(yù)測的時間段從1個月至1年不等。根據(jù)項目的實際情況，與獲得的數(shù)據(jù)情況。選擇居中的6個月時間作為預(yù)測時間窗口期進行企業(yè)風(fēng)險的預(yù)測。

4．計算變量信息價值。在評分卡模型中，變量需要先做分段處理，再轉(zhuǎn)化成為WOE值。數(shù)據(jù)分為類別型變量和數(shù)值型變量，類別型變量本身已分好段，數(shù)值型變量分為連續(xù)性和離散型兩類，采用等頻方式進行分段。WOE值進行計算，具體公式如下：

WOEi=ln

其中：i=1，2，…，n，n為分組數(shù)量

WOE：轉(zhuǎn)化后的證據(jù)權(quán)重，b1：本分組中壞樣本的數(shù)量，g1：本分組中好樣本的數(shù)量，b1：全體分組中壞樣本的數(shù)量，g1：全體分組中好樣本的數(shù)量。

有了每個分段的WOEi后，某一個變量的信息價值（lnformation Value，IV）的定義如下，其中，n=某一個變量總共分段個數(shù)：

IV=IV

IV=（p-p）‘WOEi。

一般地，IV值在0.01以下的變量的預(yù)測能力比較差，模型訓(xùn)練時，可以舍棄，本課題選擇IV≥0.01的變量進行模型訓(xùn)練。

5．邏輯回歸算法。評分卡模型運用了邏輯回歸算法，其本質(zhì)是計算風(fēng)險事件發(fā)生的概率，具體計算如下：

Pry=1=

由此可得：

ln（）=β+βx+βx+…++βx

其中：Pr：表示風(fēng)險事件發(fā)生的概率：

β1：指標的權(quán)重：

x1：指標通過WOE轉(zhuǎn)化后的值

模型訓(xùn)練得出的模型結(jié)果為β0，β1，…，β的值，以及預(yù)測某企業(yè)發(fā)生信用風(fēng)險事件的概率。

6．變量選擇規(guī)則。除了模型對變量的選擇外，通常還會考慮其他因素對變量進行選擇，一般有如下幾項：

變量信息價值IV≥0.01的：

變量獨立性：評分卡模型屬于線性模型，需挑選相互獨立的變量進入模型，否則會導(dǎo)致嚴重的變量共線性，從而使模型估計失真或難以估計準確：

變量一致性：即變量訓(xùn)練出來的參數(shù)正負性，和變量與目標變量的相關(guān)系數(shù)正負性必須一致，否則說明變量有偏差，需剔除：

變量可解釋性：即變量及其變化趨勢是可以被業(yè)務(wù)理解和使用的，而不是完全黑盒，不可解釋，或者變量趨勢無業(yè)務(wù)含義。

經(jīng)過上述規(guī)則選擇，最終計算的變量都是最優(yōu)的。

7．信用風(fēng)險分數(shù)映射。信用風(fēng)險分數(shù)映射的計算過程如下。p為模型估計的y=1的概率，那么模型估計的y=0的概率為1-P，兩者相除得到一個好壞比Odds：

Odds=

評分卡設(shè)定的分值刻度通過將分值表示為比率對數(shù)的線性表達式來定義，如下所示：

分值刻度=M+N*ln（odds）

其中，M和N是待求解的常數(shù)。M和N通過兩個已知點帶入計算得出。本文有兩個已知的設(shè)定：大盤發(fā)生信用風(fēng)險事件的比例對應(yīng)居中的分數(shù)，即400，400也是企業(yè)無任何數(shù)據(jù)時的初始分；分數(shù)上漲50分，對應(yīng)Odds增加一倍。由這兩個已知點出發(fā)，可解出A和B的值，從而得到概率與分數(shù)的映射。

本文的企業(yè)風(fēng)險指標體系以1000分為滿分，其中400分為基準分數(shù)，600分為指標加分項。按照信用風(fēng)險程度，信用風(fēng)險分在結(jié)果上展現(xiàn)范圍為0至1000的整數(shù)，風(fēng)險指數(shù)值與風(fēng)險水平大小成反比，分數(shù)越高，未來發(fā)生信用風(fēng)險事件的概率越低，風(fēng)險也就越小。分類的映射情況見表1。

8．重大風(fēng)險事件調(diào)整。南京市風(fēng)險監(jiān)測模型首先通過評分體系對企業(yè)展開信用風(fēng)險評估，得出企業(yè)信用風(fēng)險分值，并按照上述企業(yè)風(fēng)險映射表將企業(yè)信用分值轉(zhuǎn)化成風(fēng)險等級。在此基礎(chǔ)上，結(jié)合企業(yè)特定的風(fēng)險事件，對滿足該風(fēng)險事件的企業(yè)，按照一定規(guī)則進行信用風(fēng)險等級調(diào)整。最終確定該公司信用風(fēng)險等級。

（二）數(shù)據(jù)來源

本文收集匯總多個管理部門的共81張表，覆蓋了市監(jiān)局、人社、稅務(wù)、公積金、信用、知識產(chǎn)權(quán)保護、科技、法律、金融等多維度的數(shù)據(jù)。參與到指標體系的構(gòu)建當(dāng)中，除此之外還接入了一些外部數(shù)據(jù)，比如說來自國家版權(quán)保護中心的軟件著作權(quán)數(shù)量、來自各級工商行政管理部門信息公示平臺的對外投資數(shù)量與金額等等。

三、指標選擇與體系構(gòu)建

（一）指標的選取

本次指標選取依據(jù)了綜合性原則，為了全面的考慮到企業(yè)風(fēng)險的影響因素，南京市風(fēng)險指標體系從主體風(fēng)險、經(jīng)營風(fēng)險、信用風(fēng)險、法律風(fēng)險和成長風(fēng)險5個維度去衡量企業(yè)風(fēng)險評級。整個指標體系共有5個一級指標、19個二級指標、45個三級指標、95個四級指標。

（二）指標體系的確立

1．企業(yè)主體風(fēng)險。企業(yè)主體風(fēng)險，主要分析與企業(yè)自身發(fā)展相關(guān)的風(fēng)險事件。如主體變更風(fēng)險主要指企業(yè)經(jīng)營范圍、注冊地址、資本等，以企業(yè)變更法人代表為例，其風(fēng)險主要在于對外的企業(yè)形象、企業(yè)信譽。影響較大?？赡艽偈雇饨鐚镜慕?jīng)營管理產(chǎn)生懷疑，進而間接影響公司的業(yè)績。

2．企業(yè)經(jīng)營風(fēng)險。企業(yè)經(jīng)營風(fēng)險，主要分析企業(yè)參與市場經(jīng)營活動過程中潛在的風(fēng)險。企業(yè)經(jīng)營風(fēng)險主要從人員流失、社保大幅減少、公積金大幅減少三個方面的信息體現(xiàn)，如人員流失方面，從企業(yè)的微觀角度來看，有些人員流動很可能給企業(yè)帶來損失，而且因為企業(yè)需要進行重新招聘和培訓(xùn)，這種損失的直接表現(xiàn)是該崗位的人工成本增大，核心人員的離職甚至造成組織的癱瘓。

3．企業(yè)法律風(fēng)險。企業(yè)法律風(fēng)險，主要通過分析法律實踐來表征企業(yè)的風(fēng)險。企業(yè)法律風(fēng)險主要表現(xiàn)在企業(yè)設(shè)立、運營中的法律風(fēng)險：合同訂立、履行過程中的法律風(fēng)險：企業(yè)并購法律風(fēng)險；知識產(chǎn)權(quán)法律風(fēng)險；人力資源管理法律風(fēng)險；企業(yè)財務(wù)稅收法律風(fēng)險6個方面。這些法律風(fēng)險會給企業(yè)帶來多方面影響，諸如導(dǎo)致企業(yè)花費增加，或者失去商機或者商業(yè)優(yōu)勢，一些法律風(fēng)險的發(fā)生，可能引發(fā)企業(yè)商譽的極大損害。

4．企業(yè)信用風(fēng)險。企業(yè)信用風(fēng)險，也就是企業(yè)的違約風(fēng)險，企業(yè)信用是企業(yè)經(jīng)營的基石，在激烈的市場競爭當(dāng)中，企業(yè)不僅要通過良好的商譽提高市場占有率，又要盡可能減少壞賬成本，提高利潤率。

5．企業(yè)成長風(fēng)險。企業(yè)成長風(fēng)險，主要包括知識產(chǎn)權(quán)風(fēng)險，如專利、發(fā)明、商標以及著作權(quán)等知識產(chǎn)權(quán)信息。知識產(chǎn)權(quán)屬于企業(yè)的無形資產(chǎn)，在競爭激烈的市場環(huán)境里，如果不能持續(xù)創(chuàng)造未來價值，有被市場淘汰的風(fēng)險。

四、企業(yè)風(fēng)險監(jiān)測結(jié)果分析

（一）南京市在營企業(yè)總體風(fēng)險較低，風(fēng)險監(jiān)測分級大多以優(yōu)良為主

南京市企業(yè)風(fēng)險負指數(shù)可反映南京市在營企業(yè)的風(fēng)險水平。2021年10月-2022年3月，南京市企業(yè)總體風(fēng)險負指數(shù)分別為576、567、566、565、565、565，企業(yè)風(fēng)險負指數(shù)集中分布在550-600之間，企業(yè)運行總體風(fēng)險較低。

如表2所示，監(jiān)測分析結(jié)果表明：截至2022年3月底，南京市企業(yè)風(fēng)險等級位于A、B優(yōu)良級企業(yè)總數(shù)保持穩(wěn)定，占比分別為26.3%和63.3%：而風(fēng)險等級為C級和D級的企業(yè)總數(shù)占比分別為3_7%和3.5%：企業(yè)風(fēng)險等級處于E級的企業(yè)占比為3.1%。與南京市2021年三季度至2022年一季度宏觀經(jīng)濟運行保持穩(wěn)中有升趨勢一致。

（二）從區(qū)域來看，南京市各區(qū)域總體風(fēng)險負指數(shù)分布較為均衡

區(qū)級風(fēng)險負指數(shù)可反映區(qū)域內(nèi)企業(yè)的風(fēng)險水平。分區(qū)域看，2021年10月-2022年3月，南京市各區(qū)域風(fēng)險負指數(shù)分布比較均衡，均在540分以上，發(fā)生風(fēng)險事件的可能性較低，其中雨花臺區(qū)風(fēng)險負指數(shù)，全市最高，江北新區(qū)次之，溧水區(qū)排名第三。秦淮區(qū)相比其他區(qū)域，最近6個月風(fēng)險負指數(shù)較低，近幾個月應(yīng)予以重點關(guān)注。

（三）從行業(yè)來看，南京市房地產(chǎn)行業(yè)風(fēng)險負指數(shù)低于全市風(fēng)險平均指數(shù)

南京市行業(yè)風(fēng)險負指數(shù)可反映各行業(yè)企業(yè)的風(fēng)險水平。通過分析發(fā)現(xiàn)，房地產(chǎn)行業(yè)風(fēng)險較為突出。其中，物業(yè)管理業(yè)風(fēng)險負指數(shù)最高，為561.22分：房地產(chǎn)中介服務(wù)業(yè)次之，為560.11分，房地產(chǎn)開發(fā)經(jīng)營業(yè)最低，為538.63分。

結(jié)果表明：基于數(shù)據(jù)反饋可知，南京市工業(yè)互聯(lián)網(wǎng)行業(yè)尤其缺少信息技術(shù)與運營管理的復(fù)合型人才。從教育培訓(xùn)方面探究原因。發(fā)現(xiàn)產(chǎn)學(xué)研系統(tǒng)尚未建立。一是高校專業(yè)設(shè)置缺乏宏觀系統(tǒng)考慮。工業(yè)互聯(lián)網(wǎng)人才培育與政府規(guī)劃結(jié)合不緊密，學(xué)院專業(yè)變更頻繁，對于人才培育缺少系統(tǒng)性考量。二是培訓(xùn)力量薄弱。南京市雖然依托于行業(yè)協(xié)會、科研機構(gòu)開展的社會化培訓(xùn)，但是缺少教培資質(zhì)和行業(yè)權(quán)威性，課程質(zhì)量不一，導(dǎo)致行業(yè)認可度不高。

（四）從重點戰(zhàn)略新興產(chǎn)業(yè)來看，高新技術(shù)產(chǎn)業(yè)的總體風(fēng)險負指數(shù)低于南京市平均

監(jiān)測結(jié)果表明：2021年10月-2022年3月，高新技術(shù)產(chǎn)業(yè)作為南京市重點發(fā)展的產(chǎn)業(yè)之一，從總體風(fēng)險負指數(shù)看，高新技術(shù)產(chǎn)業(yè)大類的總體風(fēng)險負指數(shù)較高：其風(fēng)險負指數(shù)穩(wěn)定在650分左右，屬于較為優(yōu)質(zhì)的產(chǎn)業(yè)。但是其分項風(fēng)險負指數(shù)中的信用風(fēng)險負指數(shù)不斷下降，需要相關(guān)部門予以重點關(guān)注。

五、對策與建議

基于風(fēng)險監(jiān)測數(shù)據(jù)分析的結(jié)果以及南京市產(chǎn)業(yè)發(fā)展現(xiàn)狀，本文給予幾點建議：

（一）聚焦產(chǎn)業(yè)鏈創(chuàng)新鏈融合發(fā)展，打造新型產(chǎn)學(xué)研融合創(chuàng)新平臺

聚焦產(chǎn)業(yè)鏈、創(chuàng)新鏈融合發(fā)展，應(yīng)加快高端要素資源集聚。一是支持各區(qū)與轄區(qū)內(nèi)外知名高校、科研院所合作，共建一批高水平產(chǎn)業(yè)創(chuàng)新中心、雙創(chuàng)基地等科技創(chuàng)新載體。支持產(chǎn)業(yè)創(chuàng)新平臺建設(shè)。二是加快培育壯大一批高新技術(shù)企業(yè)、“獨角獸”企業(yè)“瞪羚”企業(yè)，推動產(chǎn)學(xué)研持續(xù)深化發(fā)展。三是政府應(yīng)在市級區(qū)級層面，就行業(yè)共性難題，鼓勵高校及科研院所、企業(yè)進行聯(lián)合攻關(guān)，提高科技創(chuàng)新效率。探索實現(xiàn)創(chuàng)新驅(qū)動產(chǎn)業(yè)發(fā)展，產(chǎn)業(yè)指引創(chuàng)新方向的互融互通式特色發(fā)展道路。

（二）增強企業(yè)創(chuàng)新主體作用，完善科技企業(yè)全生命周期培育體系

南京市應(yīng)貫徹落實多輪減稅降費政策來減輕企業(yè)主體成本壓力，針對市場主體要把降成本放在首位，給予企業(yè)真金實銀的支持。政策要具備系統(tǒng)性，含金量要高。要具備針對性。同時，要注重完善科技企業(yè)全生命周期培育體系，運用市場化原則構(gòu)建多階段的培育環(huán)境和上下游產(chǎn)業(yè)配套，積極引入風(fēng)險資本來參與科技企業(yè)全流程的發(fā)展。發(fā)揮企業(yè)創(chuàng)新主體作用，將其與科研院所的創(chuàng)新能力、產(chǎn)業(yè)創(chuàng)新平臺以及政府的創(chuàng)新環(huán)境和政策緊密結(jié)合，構(gòu)筑起面向未來、各要素緊密協(xié)同的立體創(chuàng)新網(wǎng)絡(luò)和生態(tài)。以政、產(chǎn)、學(xué)、研、用緊密協(xié)作的創(chuàng)新模式，充分發(fā)揮聯(lián)合創(chuàng)新研發(fā)平臺對各項變革性技術(shù)的集成、牽引和推動效應(yīng)。

（三）建立企業(yè)風(fēng)險監(jiān)測平臺，健全產(chǎn)業(yè)風(fēng)險預(yù)警機制

應(yīng)建立健全本地企業(yè)風(fēng)險監(jiān)測大數(shù)據(jù)平臺。強化數(shù)據(jù)賦能，推動數(shù)據(jù)治理；深入推動政府內(nèi)部各部門各平臺數(shù)據(jù)一體化建設(shè)，打破數(shù)據(jù)壁壘，實現(xiàn)數(shù)據(jù)共享和整體運用。由市一級政府統(tǒng)一協(xié)調(diào)，建立市區(qū)兩級層面的企業(yè)風(fēng)險動態(tài)監(jiān)測大數(shù)據(jù)平臺，定時定期不斷匯聚各部門的最新企業(yè)和行業(yè)數(shù)據(jù)信息，基于可靠算法模型，通過實時分析深度挖掘，及時實現(xiàn)對不同風(fēng)險的動態(tài)監(jiān)測和及時預(yù)警，定期出臺相關(guān)風(fēng)險評估報告，為產(chǎn)業(yè)轉(zhuǎn)型升級的健康發(fā)展提供保障。

【基金項目：江蘇高校哲學(xué)社會科學(xué)研究重點項目“知識資本視域下瞪羚企業(yè)創(chuàng)新能力形成機理與成長路徑研究”（2018SJZD1061）。】

參考文獻：

[1] SmithM-L， RiskManagementAndlnsurance[M]. NewYork：McGrawH iljnc-199&

[2]李天庚.企業(yè)風(fēng)險管理及控制模型研究[J].鄭州大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2004（01）：89-93

[3]齊秀輝，權(quán)飛，李璐璐.營商環(huán)境、風(fēng)險承擔(dān)與企業(yè)績效——基于35個大中型城市企業(yè)的實證研究[J].會計之友，2022（08）：38-45

[4]毛其淋，許家云.政府補貼、異質(zhì)性與企業(yè)風(fēng)險承擔(dān)[J].經(jīng)濟學(xué)（季刊），2016，15（04）：1533-1562.D01：10.13821/j .cnki.ceq.2016.03.11

[5]許文彬，張佳韜.我國城投債信用風(fēng)險測算——基于Logistic回歸的評分卡模型[J].數(shù)理統(tǒng)計與管理，2020，39（04）：705-720

[6]盧悅?cè)剑怯⒔?，袁芳，徐晨恒，何永?基于評分卡模型下中小微企業(yè)的信貸決策[J].中國市場，2021（27）：53-54

[7]李雯軒，李文軍.新發(fā)展格局背景下保障我國產(chǎn)業(yè)鏈供應(yīng)鏈安全的政策建議[J].價格理論與實踐：1-4[2022-05-19]

[8]粱正，李代天.科技創(chuàng)新政策與中國產(chǎn)業(yè)發(fā)展40年——基于演化創(chuàng)新系統(tǒng)分析框架的若干典型產(chǎn)業(yè)研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2018，39（09）：21-35

[8]孫瑩，孫良泉，丁然，來永鈞，李曉蕊，杜娟，王棟.企業(yè)信用風(fēng)險監(jiān)測指標體系的研究[J].中國標準化，2021（11）：116-121

[9]數(shù)據(jù)源自商務(wù)部國際貿(mào)易經(jīng)濟合作研究院信用研究所《中國市場主體發(fā)展活力研究報告（2021）》

（作者單位：南京市信息中心江蘇南京210019）

（責(zé)編：建峰）