计算机相关文献综述

摘要：随着国内市场经济体制改革的深化和国民经济的持续发展，各式各样的企业如雨后春笋，蓬勃发展。为了在市场上迅速站稳脚跟，或扩大已有影响力，越来越多的企业以从银行贷款的方式来加速发展。然而，经济活动中的风险是必然的，对于银行而言，企业的盈利风险关系着银行资本的深度运作，企业管理制度的健全程度、财务质量好坏也与贷款数量息息相关。随着越来越多的贷款发放给企业，如何保证资产质量安全，如何管理信贷风险并进一步提升风险防范工作的有效性和前瞻性成了亟待解决的问题。不同的企业有不同的发展风险，基于此的银行信贷不能一概而论，而信用评级作为授信业务的首要工作，是把控风险的第一道关口。合理的信用评价可以减少银行坏账，有效的信用评价并挖掘企业的信用能力是银行信贷支持企业发展的关键环节，是构建企业与信贷资金的阶梯。然而，如何合理地对企业的信用进行评估，一直是国内外学者的研究热点。本人通过阅读大量的国内外文献，试图找出各个方法的优缺点，从而提出一种更加合理有效的银行企业用户的信用评价方法。

关键词：银行，企业用户，信用评价，信用评级

国内外相关研究

2004年，东北财经大学的王平[1]采用实证分析和规范分析相结合的方法，在借鉴西方国家商业银行客户信用评级体系的基础上设计了综合平衡记分模型。该模型的指标体系比商业银行现有客户评级模型更具体、更详细，纵向四个层次，横向九个维度，其模型中的所有指标权数的设置有统一的标准，计算分类有统一的公式，这尽可能地保证客观性。此外，该模型更多地注重企业的发展和变化，而不仅仅是企业现在的财务状况。该模型以大连市美罗药业股份有限公司为例，证明了综合平衡记分模型的有效性。然而该模型权重的设置是根据对信用等级值的影响程度的大小来确定的，主观性色彩浓重，且其客户信用等级共分为10类，对于银行的信贷业务来说，仍然过于单薄，再有其企业成长能力指标、业务流程指标等信息难以准确获得。

2005年，浙江大学的冯蔚蔚[2]采用理论研究和实证研究相结合的方法，对我国商业银行企业客户群的信用风险进行了研究。其以浙江省制造业企业数据为样本，词啊用logis回归方法建立了两个信用风险评级模型，然后用模型对不同规模、不同经济性质、不同行业的企业客户群进行了检验分析。其得出的结果有以下几点：对于制造业来说，其选择的八个财务指标（资产负债率、息税前收益与总资产比率、营业利润率、流动比率、速动比率、利息保证倍数、总资产周转率、应收账款周转率）对信用风险有较强的影响力，其信用评级结果表明，大企业客户群最好，中型企业次之，小型企业最低，国有企业客户群的信用风险高于股份制企业和民营企业。但是logis模型有其局限性，对于大数据集合缺乏适应性，且其选用指标对于当前的市场经济来说稍显单薄，从而使得其模型与当前环境下的信用评价有所偏差。

2010年，王瑛[3]采用聚类分析的方法划分企业客户群，并通过建立相应的决策树，得出银行企业客户信用评定的模型。同时对聚类分析置能处理定量目标以及相关性目的的局限性进行改进。通过聚类分析对企业划分为三类，各因素间相互独立，相关性较小，并通过选择合适的聚类因子来进行决策树分析从而得到银行企业客户的信用等级。其得到的聚类因子为：流动资产，固定资产，无形资产，流动负债，净资产，主营收入，营业利润，经营现流，总现金流，利润总额，税后利润，净利润。然而，聚类分析的方法虽然高效，但是其要求要先分类，然后根据权重重复聚类，在现实中，银行的信用评价涉及的因素较多，其中很多还难

以测量量化，这导致对数据分类比较粗糙，得出的信用评价等级的准确性有所欠缺。

2011年，余波[4]从信用标准，信用条件以及收账政策三个方面研究了ABC分类控制法在企业应收账款管理上的应用。其通过对不同等级的信用标准计算出风险系数，然后给予不同的政策，并给出企业信用条件决策分析评价表。在信用等级的评价标准方面采用5C系统，即信用品质(Character)、偿付能力(Capacity)、资本(Capital)、抵押品(Collateral)、经济状况(Conditions)。对于不同企业间的同一指标量化不同的问题，其从众多客户中确定一个参照客户，从而对企业进行归一化处理。对于不同信用等级的企业客户，其更给出了现金折扣的建议，并实施不同的收账政策。其做法可以尽可能地减少损失。ABC管理法是十九世纪由意大利经济学家巴雷特发明的，现在广泛应用于存货管理、成本管理以及生产管理中，该方法技能抓住重点，又能照顾一般，但是对于企业客户的信用评价来说，其分类过于粗糙，不能切实的反映出企业的还款能力。而且其对参照客户的选择必须要合理，否则失去了参照客户的意义，而这在现实中很难实现。

2011年，郑大川，王恒，黄震[5]对商业银行中违约概率进行研究，针对目前违约概率计量方法忽略了时间效应影响的缺陷，提出了含随机截距项的二值响应面板数据模型。该方法成功地将二值响应模型应用在面板数据分析中，更因为考虑到了随观测时间不同而产生的时间效应，加入了随机截距项，而是的该方法具有更好的解释能力和预测效果。其对现有方法的深入和完善具有很好的借鉴作用。但是该方法采用对违约概率的计算只是进行了简单的加权计算，这使得其对于复杂的信用评价缺乏普遍实用性。

2011年，大连理工大学的徐驰峤[6]对浦发银行重工业企业客户信用评级体系现状进行研究，介绍并剖析了浦发银行评价体系所采用的指标，就浦发银行重工业客户信用评级体系存在的问题提出解决方案，主要是评级要素做出适当更新，重点分析了指标的选择、权重的调整、分值的计算等。其实验选取一家上市公司作为样本，分别利用新旧评级体系进行对比测试，比较分析评级结果并证明了其所提出的信用评级的有效性。在文章中，其对于非财务指标者中的关键指标的权重进行了调整，而财务指标中，新增了六项打分项。通过对评价体系的参数权重的问题分析，科学地调整评价指标，对企业的风险程度做出有效地解释。然而其研究方法主要依靠专家评分，增加了对主观判断的依赖性。

2011年，哈尔滨工业大学的殷琦[7]从中小企业实际特点以及信用评价理论出发，遵循着构建理论框架、影响因素分析、评价指标选择、评价模型构建的研究逻辑，对中小企业信用评价问题深入研究。其首先界定了中小企业信用评价的概念和特点，建立了基于社会资本的中小企业信用评价理论框架，并提出了中小企业社会资本的维度划分方法。其次，从中小企业的财务能力、企业社会资本、企业家社会资本三个因素构建中小企业信用评价概念模型。然后从财务能力、企业社会资本、企业家社会资本三方面选取指标，并运用主成份分析的方法，减少冗余信息。最后运用支持向量机为核心算法，通过对模型的训练，得到了预测精度达到90%的中小企业信用评价预测模型。其设计并选择了37个指标测量中小企业财务能力，以及中小企业和中小企业家社会资本情况。其理论有着重要的指导意义，但是支持向量机对于大规模的训练样本难以实施，对于解决多分类问题存在困难。因此该文建立的模型对于大规模的数据存在局限性。

2011年，大连理工大学的齐菲[8]引入非线性映射原理，构建了商业银行的信用评级指标体系，其对于映射后的指标进行欧氏距离分析，建立了六个准则层十