中小企业信用评分研究
我国商业银行中小企业信贷风险管理的研究
我国商业银行中小企业信贷风险管理的研究1. 引言1.1 研究背景在当今社会，中小企业扮演着极为重要的角色，它们是经济持续增长的推动力量，也是就业增长和创新的主要源泉。
由于中小企业通常具有规模小、资金紧张、信息不对称等特点，它们在融资过程中更容易面临信贷风险。
商业银行是中小企业主要的融资渠道，但在为中小企业提供信贷服务的过程中，银行也面临着种种风险。
随着我国经济的不断发展和金融市场的不断完善，中小企业信贷风险管理逐渐成为学术界和实践界关注的热点问题。
如何有效管理中小企业信贷风险，平衡风险与回报，提高银行的信贷业务效率和风险控制能力，成为了商业银行急需解决的问题。
对我国商业银行中小企业信贷风险管理进行深入研究，不仅有助于完善我国金融体系，还能促进中小企业的健康发展，推动经济增长与稳定。
1.2 研究意义中小企业在我国经济发展中发挥着重要作用，是我国经济的重要支柱和创新动力。
由于其规模小、信用记录不足、经营不稳定等特点，小企业在融资方面面临着较大的困难。
商业银行是小企业主要的融资渠道之一，但小企业信贷风险管理一直是商业银行面临的难题。
本研究旨在深入探讨我国商业银行中小企业信贷风险管理的现状及存在的问题，分析影响因素并提出相应的风险管理策略，以提升商业银行对中小企业的信贷风险管理能力。
通过对案例的分析，可以进一步验证提出的风险管理策略的有效性，为商业银行实际工作中的中小企业信贷提供参考和借鉴。
研究的意义在于帮助商业银行更好地了解和应对中小企业信贷风险，促进商业银行与中小企业之间的合作与发展，推动中小企业的可持续发展，进而推动我国经济的健康发展。
希望通过本研究的深入探讨，可以为我国商业银行中小企业信贷风险管理提供新的视角和思路，为相关领域的研究和实践贡献力量。
2. 正文2.1 小企业信贷风险的特点1.信用风险：小企业通常缺乏资信记录，信用评级不高，容易导致借款人无法如约还款，从而带来信用风险。
2.经营风险：小企业市场竞争激烈，经营不稳定，面临行业波动和市场冲击，容易导致经营风险增加。
银行对中小企业信用评价评价方法论文
浅谈银行对中小企业信用评价的评价方法[摘要]中小企业管理不健全、财务状况不明晰以及行业状况及市场分析不到位等因素，导致企业基本信息处于低信誉阶段，银行等金融机构以及信誉担保机构对中小企业的信息状况无法充分掌握，无法对企业风险性及盈利能力进行分析，对企业的信用度无法认可，中小企业信贷问题便得不到满足。
[关键词]信用评价层次分析法优势评价指标应用[中图分类号]f276.3；f832.4 [文献标识码]a [文章编号]1009-5349（2013）01-0158-02一、信用评价信用评价是以一套相关指标体系为考量基础，标示出个人或企业偿付其债务能力和意愿的过程。
二、对中小企业信用评价的难点对中小企业信用评价的难点在于，无法对中小企业行业发展潜力、经营发展和偿债风险进行评估，从而导致银行等金融机构对中小企业的信贷能力产生怀疑，造成中小企业信用度缺失，进而出现融资难的现象，导致企业发展与企业信用逆反现象，使得企业信用降低。
三、选择合适的评价方法——层次分析法层次分析法是一种能有效处理那种难以完全由定量方法处理的复杂问题的方法。
将复杂的问题分解成目标、准则、方案等若干层次的系统，在每一层次按照一定准则对该层元素进行逐对比较，并按标度定量化，形成判断矩阵。
通过计算判断矩阵的最大特征值以及相对应的正交化特征向量得出该元素对该准则的权重。
（一）运用层次分析法的优势层次分析法是从中小企业发展的内外发展状况进行分析。
将行业状况、经营状况、管理状况、财务状况等作为层次影响因素，对各层次因素进行细分，进一步对成本结构、盈利能力、负债能力等二级因素进行科学分析，得出各二级细分因素在企业信用评级中的权重比例以及评分结果，银行金融机构、担保机构等依据最终指标评分结果对中小企业所处行业状况、财务状况、经营状况等方面进行系统的风险性和收益评价，确定是否给中小企业实施贷款业务。
（二）层次分析法步骤4.最终得出信用评价得分=100*权重。
信用评分技术在中小型企业融资的应用研究
征
信
Ｃ ＲＥＤＩ ＦＥ Ｔ ＲＥ ＲＥＮＣＥ
Ｎ ． ２ １ ｏ６ ００ Ｓ ｒ ｌＮＯ． ５ ｅｉ ａ １５
信 用评 分 技 术 在 中 小 型企 业 融 资 的应 用研 究
赵 迎 东 ， 悌 云 王
（ 上海第二 工业 大学 经济管理 学院， 上海 ２ １０ ） ０ ２９
摘
要： 目前 ， 国中小企业存在数量 多、 我 信用 管理不规范、 抵押资产少、 融资难等特点 。应大力推广 中小企业信 用
评分技 术， 利用该技术 的优势 ， 建立有 中国特 色的 中小企业信 用评 分模型 ， 解决 中小企业融资 困境 ， 并且在利 用信 用评 分技 术中需要注意信 用信 息数据 完整性和真实性 、 信用评 分技 术理论的学 习和专业人 才培养等问题 。 关键 词 ： 用评 分 ； 信 中小 企 业 ； 资 融 中图分类号 ：８２ ３ Ｆ ３ ．９ 文献标 识码 ： Ａ 文章编号 ： ６４—７７ ２ １ ）６— ０ ９— ３ １７ ４ Ｘ（ ００ ０ ０ １ ０
・
１ ・ ９
【 理论研究 】
赵迎东 ， 王悌云
பைடு நூலகம்
信用评分技术在中小型企业融资的应用研究
贷款 。
消 费信贷 、 信用 卡信贷决 策等 ， 它主 要是 利用 消费 者
３ 管 理 不 规 范 ， 风 险 能 力 比较 弱 。我 国 有 ． 抗 ５ ％ 以上 中小企业 的财务制 度 、 理制 度 不健 全 ， ０ 管 甚
服务 等行业 。这 些行 业 市 场准 入 门槛 比较 低 ， 业 企
数量 多 ， 竞争 激烈 ， 业 之 间 的经 营 差异 比较 大 ， 企 良 莠不 齐 ， 银行 对这些企 业 的贷 款 比较谨 慎 。 ２ 可抵押 资产少 。 由于有 限责 任公 司对 其债 务 ． 承担有 限责任 ， 得 银行 对 其贷 款 一 般 需要 一 定 的 使
中小企业如何进行风险评估
中小企业如何进行风险评估中小企业是国民经济中非常重要的组成部分，但由于其规模相对较小、资金相对有限等特点，面临着更大的风险和挑战。
为了更好地管理风险，中小企业需要进行全面的风险评估。
本文将介绍中小企业如何进行风险评估，并提供一些实用的方法和技巧。
一、风险评估的重要性风险评估是指对企业可能面临的各种风险进行全面系统的识别、分析和评估的过程。
通过风险评估，中小企业可以及时了解潜在的风险，并制定相应的应对措施，减少损失并提高企业的抗风险能力。
因此，风险评估对于中小企业的可持续发展非常重要。
二、风险评估的主要步骤1. 识别风险：首先，中小企业需要对可能面临的各种风险进行全面的识别。
这包括市场风险、技术风险、财务风险、竞争风险等。
通过分析企业所处的行业环境和内外部因素，可以帮助企业确定潜在的风险。
2. 分析风险：在识别风险之后，中小企业需要对每种风险进行详细的分析。
这包括研究各种风险的产生原因、可能引发的影响以及概率和频率。
通过深入分析，企业可以更好地理解每种风险的性质和特点。
3. 评估风险：在分析风险之后，中小企业需要对每种风险进行评估。
评估风险可以通过建立风险矩阵或风险评分模型来完成。
通过评估，中小企业可以对风险进行排序，确定哪些风险是优先考虑的，并为制定应对策略提供依据。
4. 制定应对策略：根据评估结果，中小企业需要制定相应的应对策略。
这包括防范策略、减缓策略和转移策略。
中小企业可以采取一系列预防和减缓措施来减少风险的发生和影响，同时也可以通过购买保险等方式将一部分风险转移给第三方。
5. 监测与控制：风险评估并不是一次性的工作，中小企业应该建立风险监测和控制机制。
通过定期监测和评估风险，企业可以及时调整和完善应对策略，保持对风险的敏感性并随时做出相应的反应。
三、风险评估的方法和技巧1. SWOT分析：中小企业可以利用SWOT分析方法对内外部环境进行分析。
通过分析企业的优势、劣势、机会和威胁，可以帮助企业预测可能的风险并制定相应的对策。
关于建立中小企业征信与信用评价机构
１ ． 问题 背景 中 国 的 中 小企 业 、 民营 企 业 在社 会 经 济 发 展 中的 整 体 重 要性 日益 显 著 ，不仅 增加 了就 业 ，成 长 型 中 小 企业 、 民营 高 科 技 企业 已成 为 中 国经济 增 长和 高科 技 产业 发展 的重要 力量 。 然 而 ， 中小企 业融 资难 已经 成 为严 重制 约企 业 发展 。这 一现 象 主要 源 于金 融机 构所 承担 巨大 的贷款 风 险 。依 照 国家发 改委 对 中小 企业 发 展较 好 、信用 担 保机 构较 多 的省份 进 行调 查 ， 中小企 业 被拒 贷 率达 到 ５ ６ ％ …。因 为 国家 仍 未 建立 相 关 的企 业 和业 主 档 案 ，所 以 金 融机 构不 能对 存 在不 良行 为 的经 营者 进行 有 效 的防范 。为 了降低 贷 款风 险 ，金 融机 构对 中小 企 业贷 款持 谨慎 态 度 。 由于 国有 银 行不 信 任 中小企 业 ，从而 采 取 了不利 于 中小企 业贷 款 的审批 办 法 。 市 场 经 济从 某 种 意 义 上 说 就 是信 用 经 济 。 目前 由于 我 们 国家 的信 用 体 系 建 设 严重 滞 后 ，对 中 小 企业 ，特 别 是 对 中 小 企 业 法 人 代 表 的信 用 状 况 没有 记 录 。企 业 与 银 行 、企 业 与 企 业 主 要 是 一种 信 用关 系 。银 行 无法 了解 企 业 领 导 的 信 用背 景 。缺 乏 信 用 体 系 ， 这 样 合 作 双 方 的 信 任 和交 往 只能 从 零 开 始 、 从 问号 开 始 。所 以 ， 建 立和 健 全 中小 企 业 征信 与信 用 评 级 机 构 至 关重 要 ，可 以为 中小 企 业 的 融 资提 供 基 本 条件 ，银 行 依 据 企 业 的 信 用等 级 给 予 贷 款 ， 对 信 用 等 级 高 的企 业 降 低 利 率 ，免 除 抵 押 ，既 为 中 小 企业 提 供 了 相 对公 平 的融 资环 境 ，也 能优 化 银行 资 产 的质量 。 ２ ． 中小企 业 征信 与 信用 评级 的重点 、难 点 中 小 企 业征 信 与 信 用 评 级 机构 通 过 广 泛 采 集 、 加 工 中 小企 业 信 用 信 息 ， 依据 一定 指 标 进 行 信 用 等级 评 定 ，提 供 关 于 企 业信 用 状 况 的调 查 、 评 估或 者 评 级 报 告 等 征信 产 品 ，可 以增 加 市场 主体 的透 明度 ，为市 场主 体 间 的交 易安 全提 供 保障 。 中小 企 业 征 信 与信 用 评 级 的程 序 主 要包 括 ：信 用 评 级 撰 写 报 告数 据 处理 信 息征集 ；跟踪 测 评 ；信 息存 档 结果 公示 。 重 点 在 于 征 信 、 信 用 评 级 、评 价 报 告 的 撰 写 和 数 据 信 息 存 档 。难 点在 于 征 信 渠 道 的 使 用 、信 用 评 价 指 标 的确 定 、模 型 的 确 定 和 使用 以及 贯 穿 于 整 个 流 程 中必 不 可 少 的 信 息 系统 的设 计 与 实 现 ，其 中尤 其 是信 用 数据 库 的建 立 。 ３ ． 基 本 思路 ３ ． １征 信 中 小 企业 的征 信 能 够 反 映 出 被 调查 企 业 以下 信 息 ：对 供应 商
我国中小企业信用评级存在的问题与对策
我国中小企业信用评级存在的问题与对策1. 引言1.1 中小企业信用评级的重要性中小企业信用评级是对中小企业信用状况进行评定和等级划分的一种重要手段，是银行、供应商、投资者等各方了解企业信用情况的重要途径。
中小企业信用评级的重要性主要体现在以下几个方面：1. 对于银行而言，中小企业信用评级可以帮助银行更准确地评估中小企业的信用风险，避免授信给风险较高的企业，从而降低不良贷款的风险。
2. 对于供应商而言，中小企业信用评级可以帮助供应商选择合作伙伴时更加谨慎，减少交易风险，确保自身权益。
3. 对于投资者而言，中小企业信用评级可以帮助他们更好地了解企业的经营状况和风险水平，从而做出更加明智的投资决策。
中小企业信用评级对于银行、供应商、投资者等各方都具有重要意义，有助于提高企业的融资能力，降低交易风险，促进市场的健康发展。
加强中小企业信用评级工作，规范评级机构，提高信用评级的准确性和公正性，对于我国中小企业发展具有重要意义。
1.2 存在的问题中小企业信用评级存在的问题主要包括以下几个方面：缺乏信息透明度。
由于中小企业的规模相对较小，其信息披露程度不高，很难为评级机构提供足够的信息来源，导致评级结果的准确性受到影响。
信用评级标准不统一。
目前我国各家评级机构对中小企业信用评级标准存在差异，评级结果不具有可比性，也给企业和投资者带来了困扰。
信用评级机构缺乏竞争。
目前市场上主要的信用评级机构较少，竞争力不足，导致服务质量无法得到有效提升，也缺乏刺激其改进的竞争动力。
这些问题严重制约了中小企业信用评级的发展，亟需采取有效对策加以解决。
2. 正文2.1 缺乏信息透明度中小企业信用评级存在的问题之一就是缺乏信息透明度。
由于中小企业的规模较小，信息披露的透明度通常比大型企业低。
这导致评级机构在评定中小企业信用时缺乏足够的信息支持，无法做出准确的评级。
缺乏信息透明度会给中小企业带来不利影响。
由于信息不完整，评级机构评定的结果可能不够客观准确，导致中小企业信用评级偏低，进而影响其融资能力和商业合作机会。
电子商务小企业信用评价模型研究
电子商务小企业信用评价模型研究摘要:电子商务小企业的信用评价是电子商务健康发展的重要支撑,但现有评价方法存在信息来源较为单一的情况。
针对上述问题,本研究通过整合银行、工商、电子商务平台等机构的信用评价指标和信息,利用Delphi法和AHP法相结合的方式,构建了包含6个一级指标、22个二级指标的电子商务小企业信用评价模型。
研究结果表明,模型具有较好的信度和效度。
本研究为网络金融、网络工商监管等领域提供了新的评价依据。
关键词:电子商务小企业信用评价模型Delphi法AHP法1 引言所谓电子商务小企业,是指利用互联网技术和渠道,参与网络交易的小企业。
20世纪90年代以来,网络经济和电子商务的飞速发展,使得社会经济模式发生了深刻的变革,互联网开始渗透到社会生产和生活的每一个角落。
电子商务作为新型的商务模式,小企业是重要的参与者,而信用则是电子商务健康发展的基础和支撑。
如何有效评价电子商务小企业的信用成为了迫切而现实的问题。
从传统信用评价角度来看,主要有定性和定量两种方法。
典型的定性方法是5C分析法,重点关注评价客体的道德声望、资本实力、还款能力、抵押品和经营环境五个方面[1]。
而定量评价方法则主要从统计分析等角度着手,林·C.托马斯等研究认为,信用评价的统计方法最初是费舍尔于1936年提出的判别分析法,后来,Logistic回归成为信用评价领域使用最普遍的统计方法,最近20多年来,分类树法备受青睐[2]。
在电子商务信用评价领域,多数研究应用了统计和非统计方法,对信用评价做出了探索。
L.Mui等在信任、信誉和互惠的社会学、生物学理解基础上,设计了一种计算模型,来测算网络代理商的信誉分数[3];A.Jsang等提出了一种基于互联网交易的信用评分措施[4];吴冲等提出利用基于模糊积分的支持向量机集成方法,对电子商务环境下客户信用进行评估[5];彭丽芳等认为电子商务交易中,可以通过累计交易方在以往交易历史的行为来获得交易方信用[6]。
我国商业银行中小企业贷款信用风险评价研究
业 的信息特征 ， 结合企业能够提供 的信息 内容 ， 进行特别 的风险指标设计和提 取 ， 这样 才能如 实 反映新建 中小 企 业 的信 用风 险分 布情 况。从这 个角度 出发 ， 本文 尝试 构 建 了以下 关于中小企业非财务和财 务信 息风险指标 的内
容（ 见表 ２ ） 。
（ 二） 根 据 企 业 是 否 新 建 来 为 其 设 计 和 选 取 风 险
１
中国 光 大 分为 财务 指标和非财务 指标， 其中 财务指 标又分为 所有者权益、 长期资 产、 年度利润总额、 资产负 债率、 流动比率、 速
银行 动比 率、 现金比 率、 净现金流量 、 利息保 障倍数 ； 非财 务指标包括企业性质及规范化程度 、 管理水平 、 市场 前景、 还本付 息记录 、 结算记录等项 ， 每种行业均按照客 户资信 状况不 同分设 Ａ Ａ Ａ ／ Ａ Ａ ／ Ａ ／ Ｂ Ｂ Ｂ ／ Ｂ Ｂ ／ Ｂ级 ６ 个信 用等级 ， 并根 据信 用等级 自设 了信用转换 系数 ， 结合担 保方式换 算系数以及 调节系数来计 算中小企 业客 户的风险程度 。 对 中小企业 的信 用评级 主要运用定性 和定量 标准相 结合的评估 方法 ， 重点分析客 户的 资产质量 、 信 用状况 、 经营环 境、 发展 前景等 各方面 因素 ， 将客 户按风 险高低 划分为 １ Ｏ 级， 级别越高 ， 风险越大 ， 其评分指标包括行业 竞争环境 、 主
而能有效考 察企 业 的资 金 周转 情况 和相 应 的存 货 管理
水平 。
没有一般性 中小企业财务信息全面 、 持续 ， 而且信息 反映
内容也较为逊色 ； 同时 ， 非财务信息层面体现 的内容也 不
敌 一般性 中小企 业 ， 因此 ， 对于这 类中小 企业风险指标 的 设计 不能同一般性 中小企 业 同 日而语 ， 必须依据 新建 企
我国中小企业信用评级存在的问题与对策
我国中小企业信用评级存在的问题与对策随着我国市场经济的不断发展，中小企业的数量不断增加，这些企业的发展对于我国经济的稳定和繁荣具有重要意义。
然而，由于中小企业的规模相对较小，资金、技术、管理等方面的短板较多，其信用评级面临一些问题。
本文就我国中小企业信用评级存在的问题以及对策进行了分析。
一、存在的问题1. 缺乏信用记录由于中小企业通常在成立初期就开始经营，常常会出现资金不足、设备不完善等经济困难，难以按时按量履行贸易合同、清偿债务等情况。
这些情况在一定程度上影响了企业的信用记录建立和获取，并对信用评级工作产生了影响。
2. 建立信用体系的难度针对中小企业的信用评级，需要建立适合其特点的信用评级体系，但如何建立以及建立后的维护仍是一个难题。
3. 评级数据不够全面中小企业数量庞大，分布范围广，涉及行业广泛，因此在进行信用评级时，想要获取拥有全面、客观的数据是比较困难的，这也导致在评级中出现数据不够全面、难以准确的情况。
4. 评级标准不统一由于国内各评级机构的评级标准各不相同，长期以来也无一个行业标准可供参考。
因此，在信用评级时评级标准不够统一，给中小企业信用评级带来了一定的困难。
二、对策建议对于中小企业而言，建立行业标准化信用评级体系是非常重要的。
建立信用评级体系可以规范评级机构的评级行为，确保评级数据客观公正。
同时，建立的信用评级数据可以通过大数据的技术手段，进行全面的分析，为中小企业提供更准确的信用评级服务，为金融机构等创建合规的中小企业信贷系统提供客观数据。
随着互联网技术的发展，可以以企业为维度，建立企业信用档案，对企业的信用记录、社会信誉、经营历程和经营质量等方面进行记录和分析。
这有助于建立完善的信用记录，形成较为客观准确的信用评级数据。
3. 加强信用管理人才培训信用评级需要有高水平的评级机构和专业的评分人才支撑，需要加强对于信用评级人才的培训，对行业从业人员进行专业的理论和实践培训，提高评级工作的专业化水平。
我国中小企业信用评级存在的问题与对策
我国中小企业信用评级存在的问题与对策随着我国经济的不断发展，中小企业已成为中国经济的重要组成部分。
中小企业在推动经济增长、促进就业、促进技术创新等方面功不可没。
由于中小企业的规模较小，资金链较为脆弱，往往面临信用评级不足的问题。
中小企业信用评级不足，不仅影响企业的融资能力，也会对企业的发展造成重大影响。
本文将探讨我国中小企业信用评级存在的问题，并提出相应的对策。
一、问题分析1.评级标准不够科学严谨目前我国中小企业信用评级存在的主要问题之一是评级标准不够科学严谨。
传统评级机构在评定企业信用时，主要依靠企业的资产规模、盈利情况、财务状况等指标进行评定，但这些指标并不能充分反映企业的真实信用状况。
尤其是对于中小企业来说，其规模较小，财务状况的波动性较大，传统的评级标准难以准确评估企业的信用状况。
2.评级信息不足另一个问题是中小企业的评级信息不足。
由于中小企业规模较小，很多中小企业没有建立完善的财务、信用记录系统，评级机构缺乏可供参考的数据，导致评级结论不够客观准确。
3.评级费用高昂由于中小企业规模较小，资金链较为脆弱，评级费用对中小企业而言是一项不小的支出。
传统的评级机构收费较高，这对中小企业而言是一项不小的负担。
4.评级机构精力不足传统评级机构往往将更多的精力放在大型企业的评级上，而对于中小企业的评级精力投入不足。
这导致中小企业的评级服务质量不高，也给中小企业融资带来了一定的困难。
二、对策建议针对中小企业的特点，需要建立一套科学严谨的评级标准。
不仅要考虑企业的资产规模、盈利情况、财务状况等指标，还应该考虑到企业的行业地位、市场前景、技术实力等因素，以便更好地评估中小企业的信用状况。
2.加强信息披露中小企业应该加强自身的信息披露工作，建立完善的财务、信用记录系统，提供更多的可供评级机构参考的数据，以便评级机构更准确地评估企业的信用状况。
传统评级机构应该着眼于中小企业的实际情况，根据中小企业的规模和财务状况，合理调整评级费用，降低中小企业的负担。
小微企业信用评级模型及比较研究
小微企业信用评级模型及比较研究肖斌卿;杨旸;余哲;沈才胜【摘要】在调查和文献基础上，进行信用风险来源识别、评级指标分类和评级方法选择，构建商业银行内部信用评级模型，以期在授信审批环节提高信用风险管理水平。
基于某商业银行2008—2013年小微企业实际信贷数据，运用线性判别分析、二项逻辑回归和十种基于不同学习算法的BP神经网络模型构建内部信用评级模型，并在评级指标体系中加入宏观经济变量，使度量风险的稳健性进一步得到提升。
最后通过四种方法对不同模型的结果和评级有效性进行了对比分析，认为基于Levenbery-Marquardt学习算法的NN10模型具有最优的评级有效性。
%On the basis of investigation and literature research, conducting risk source identification, rating indicators classification and rating methods assessment, the paper constructs commercial bank’s internal credit rating models to improve the credit risk management in the credit approval procedures. Based on the credit data of small and micro enterprises in a commercial bank from 2008 to 2013, using the linear discriminant analysis, logistic regression and 10 types of BP neural network relying on different learning algorithms, internal credit rating models are constructed with macroeconomic variables, which may further improve the robustness of risk measurement. Finally, results and rating effectiveness of different models are analyzed and compared, and show that the NN10 model based on Levenbery-Marquardt learning algorithm performs optimal rating effectiveness.【期刊名称】《系统工程学报》【年(卷),期】2016(031)006【总页数】11页(P798-807,830)【关键词】信用评级;小微企业;模型比较;学习算法【作者】肖斌卿;杨旸;余哲;沈才胜【作者单位】南京大学工程管理学院，江苏南京210093;南京大学商学院，江苏南京210093;郑州商品交易所，河南郑州450008;南京大学工程管理学院，江苏南京210093; 紫金农商银行，江苏南京210019【正文语种】中文【中图分类】F832.59我国当前正处在经济发展“提质换挡”的“新常态”发展阶段,经济结构和产业结构正在进行深度调整和优化.在“新常态”的经济氛围下,新兴科技、新兴产业和新兴市场的发展和壮大,为小微企业的发展和壮大提供了难得的历史机遇.也正是在这一阶段,经济内生增长要求更多的人力资本和技术创新参与社会经济分工,并最终转化为经济增长产出.覆盖广、种类多的小微企业在国家经济结构调整和升级中起到的促进作用,在今后将会更加凸显.小微企业的经营发展和技术创新离不开资金的支持,特别是在当前信贷资本紧缩投放的时期,小微企业融资难的问题日益凸显.Schreiner[1]在研究中认为,企业处在初创和成长阶段更加依赖从传统金融机构那里获取资金支持.然而,小微企业在通过银行进行信贷融资的过程中,会遇到诸多的问题.一方面,小微企业受其经营时间、经营业绩、公司治理等因素的制约,普遍不能提供类似大型企业财务报表的详细业务信息、财务信息以及其他融资担保证明;另一方面,商业银行经营强调贷款的风险控制,在开展小微企业贷款业务时,银行对小微企业的资信审查和授信工作正逐步趋于严格和规范,与此相悖的是上市银行内部控制缺陷认定存在查找范围不统一、认定标准不完善、认定数量和严重程度明显不足等问题[2].上述这种银企之间存在的信息不对称问题[3],是制约小微企业从商业银行获取信贷融资的主要因素.针对小微企业当前面临的融资困境,商业银行所采用的信用评级却暴露出诸多问题,例如专家判断法比重大于模型法比重、评级方法与实际需求存在出入以及小微企业信用评级体系缺乏针对性.随着贷款业务的不断精细化,各家商业银行均推出各自的小微企业贷款方案,更加注重开展专业化的小微企业贷前审查工作,同时也对信用评级方法以及评级方法的有效性提出了更高要求.在理论界,学者们依实务操作的需要,针对小微企业贷款业务的信贷模式、评级指标、评级方法以及违约概率估计开展了广泛的研究和讨论,汇总出丰富的研究成果.其中,对评级指标和评级方法的讨论尤为突出.在研究指标方面,郭小波等[4]在小微企业信用风险的识别因子研究中,引入企业财务指标、企业定性指标以及与企业主有关的指标作为研究变量.谢平等[5]认为信用评级需考虑的因素包括借款企业经营环境、所有制与经营权、管理水平、营运价值、盈利能力、风险程度等因素.徐超等[6]基于多智能体仿真方法,从中小企业组成的联保贷款入手,重点考察了联保的组织规模和组织成员初始信用水平对信用风险演化的影响.陈其安等[7]认为在一定条件下,投融资平台和银行之间的均衡贷款数量将随着政府信用担保履约率增加而增加.同时,李毅等[8]也认为小微企业在融资过程中若能够拥有信用担保,将有益于其获取贷款. Hajek等[9]对企业信用评级预测中的财务状况、经营状况等建模指标进行了研究.Doumpos等[10]在其研究中构建了一个包含财务数据和结构化模型的信用评级预测系统.同时,现有文献亦强调加入定性指标对研究小微企业信贷业务的重要性.Vassiliou[11]在对印度小微企业贷款案例分析的基础上,认为信用风险影响因素包括贷款人经营理念、贷款人经营水平、贷款人有无违法记录、贷款人经营思路、贷款利率、用途等; Malhotra等[12]通过对首发小微信贷的孟加拉国发放小微企业信贷的风险情况进行研究分析,了解到影响小微企业信用风险的因素有贷款数量、贷款人抵押品价值、其所拥有的耐用商品的价值、贷款期限的长短等. Meyer[13]指出银行可以通过“软信息”对小企业信用状况进行评估,这些软信息包括银行对借款企业资信的初步判断等.Lussier[14]在其模型中加入了企业管理水平、所处经济周期、产品生命周期等因素.此外,张良贵等[15]基于DSGE模型研究表明宏观流动性及其状态变化、基准利率状态变化对企业杠杆有重要影响.由此可见,小微企业信用评级指标需要同时包含企业内部定量指标和定性指标与企业外部信息.在研究方法方面,张大斌等[16]用差分进化算法(DE)优化违约点系数,提出一种中国上市公司信用风险测度的不确定性DE-KMV模型,来提高上市公司信用风险测度的准确性.于立勇等[17]在其研究中开展基于Logistic回归分析的违约概率研究,利用正向逐步选择法建立了信用风险评估指标体系.黄苒等[18]重点关注了含跳跃风险的公司贷款违约率测度问题,并探索了基于首达时模型的理论扩展,给出了违约概率参数估计的方法.庞素琳等[19]在银行个人信用评级中建立C5.0分类算法,在该算法内嵌入Boosting算法技术,并构造了成本矩阵和参数调整后的决策树.肖进等[20]提出了面向缺失数据的动态分类器集成选择模型DCESM,并认为该模型能够取得更好的客户信用评估性能.Che等[21]运用层次分析法(AHP)和包络分析法(DEA)对台湾地区商业银行小微企业信贷决策进行研究,并得到有效的建模结果.Angilella等[22]在研究中建立了小微企业SMMAA-TRI多准则信用评级模型,并对模型有效性进行了验证.同时,非参数统计的研究方法也逐步应用于信用评级建模.然而,随着银行业可训练数据量的大幅提升和数据维度的不断提高,机器学习方法开始崭露头角.统计学和机器学习最本质的区别在于根本目标不同,统计学家更关心模型的可解释性,而机器学习专家更关心模型的预测能力.由于银行业对预测准确度要求的越来越高,统计学方法的不适应性开始显现,很多问题不能构建出严谨的统计模型,而机器学习理论已被证明是此类研究有效的建模方法.王春峰等[23]在其研究中对人工神经网络在银行信用风险评价中的应用展开对比讨论,结果表明,与传统统计方法相比,神经网络技术具有较高的稳定性和判别准确度.Lee等[24]认为非参数统计的方法在信用评级的研究中优于经典统计模型.Yu等[25]运用基于多层神经网络的机器学习方法研究信用评分模型,并对效果良好的建模结果进行叙述.Zhong等[26]在企业信用评级中,对BP、ELM、I-ELM和SVM的学习训练效果进行对比分析,其中ELM和BP 神经网络的建模效果较优.商业银行在信贷审批操作中运用信用评级模型对申请借款企业提供的信息进行判断,对企业在未来是否会出现违约进行估计,已经是普遍存在的贷前审批流程,因此评级模型的有效性是各家商业银行共同关注的问题.结合现有文献中的信用评级方法,本文构建包含线性判别分析(linear discriminant analysis, LDA)、二项逻辑回归(binary logistic regression,BLR)、基于多种学习算法的BP神经网络(BP neural network, BPNN)的评分模型,运用建模样本训练模型,并用测试样本检验模型有效性和稳健性,挑选出较优的信用评级模型.LDA是在分类确定的条件下,根据某一研究对象的各个特征值判别其类型归属问题的一种多变量统计分析方法.BLR模型主要是用来对多因素影响的事件进行概率预测,是普通多元线性回归模型向非线性模型的扩展.基于多种学习算法的BPNN模型是前馈型神经网络模型,其将输入的多个数据集映射到单一的输出的数据集上,通过训练与测试将对象进行分类.本节就LDA、BLR、基于多种学习算法的BPNN模型以及模型有效性的衡量方法进行简要介绍.2.1 线性判别分析(LDA)对于k个组别的分类问题,假设k个组别构成的总体分别为G1,G2,...,Gk,于是若要判断样本x各来自于哪一个总体,首先必须计算样本x到每个总体Gi(i=1,2,...,k)的距离d(x,Gi),然后再比较这些距离,其中样本x到总体Gi的距离d(x,Gi)采用Mahalanobis距离,即其中µi和Σi分别为Gi的均值和协方差矩阵,为协方差矩阵Σi的逆矩阵.如果x距某个Gj(j= 1,2,...,k)最近,则认为x∈Gj.其判别规则为对于本文组别分类的问题,可通过建立判别分析模型进行判别.2.2 二项逻辑回归(BLR)对于一个二项分类和n个定量预测变量x1,x2,...,xn(包含虚拟赋值变量),BLR模型假设目标响应的概率为其中β0为常数项,称β1,β2,...,βn为模型回归系数,解释变量可以是连续变量,也可以是分类变量或哑变量(dummy variable).正式的决策框架中通常包含多种评判模型,在多种模型有效性对比过程中,BLR模型可以作为一个判断依据.BLR与LDA一样,在多元正态分布和相同协方差矩阵的假设条件下具有最优判别能力.BLR要求较大的输入样本量以取得较为稳定的计算结果,同时应对自变量与因变量的复杂非线性关系进行适当处理.2.3 基于多种学习算法的BPNNBPNN的构成包括一个输入层,一个或多个隐含层和一个输出层.各层由若干个神经元构成,每一个节点的输出值由输入值、作用函数和阈值决定.神经网络的学习过程包含两个方面:信息正向传播和误差反向传播.在正向传播过程中,输入信息从输入层经隐含层传到输出层,经作用函数运算后得到输出值与期望值进行比较,若有误差,则误差反向传播,沿原先的连接通路返回,通过逐层修改各层神经元的权值,减少误差,如此循环直到输出的结果符合精度要求为止.具体步骤如下:步骤1BPNN的初始化,确定隐含层节点的个数.将各个权值和阈值的初始值设为比较小的随机数;步骤2输入样本和相应的输出进行网络训练,即对每一个样本数据进行步骤3到步骤5的过程;步骤3依据输入样本计算实际输出及其隐含层神经元的输出;步骤4计算期望输出与实际输出之间的差值,求输出层和隐含层的误差;步骤5根据步骤4得出的误差更新输入层到隐含层节点之间以及隐含层到输出层节点和之间的连接权值;步骤6求出误差函数e,判断e是否收敛到给定的学习精度以内,即e≤ε,其中ε为拟定误差,如果满足则训练结束,否则转向步骤2.运用不同的学习算法对BPNN进行训练,将会得到不同的建模效果[27].MATLAB R2012a软件中的神经网络工具箱(neural network toolbox)中包括多种适用于BPNN建模的学习算法.本文考虑运用10种学习算法对BPNN进行训练,具体如表1所示.2.4 模型有效性的衡量方法ROC曲线面积(AUC值)是常用的用于评价分类模型有效性的方法.ROC曲线是根据一系列不同的二分类方式,以真阳性率(敏感度,不良贷款样本被判正确)为纵坐标,假阳性率(1–特异性,良性贷款被判错误)为横坐标绘制的曲线.传统的诊断试验评价方法有一个共同的特点,必须将试验结果分为两类,再进行统计分析.本文运用SPSS 软件对12种模型的检验结果绘制ROC曲线,并比较AUC值,AUC值越大,表明模型判别水平越高.均方误差(mean squared error,MSE)是指参数估计值与参数真值之差平方的期望值.在此,MSE是预测值与期望值之差平方的期望值,即其中yt是期望值,t是预测值.MSE的值越小,说明预测模型描述实验数据具有更好的精确度.在对模型有效性进行衡量时,需要考虑不同错误类型的成本,本文依据Blanco等[27]的两种错误分类构造误判成本.I类错误指良性贷款错评为不良贷款的比率;II类错误指不良贷款错评为良性贷款的比率,相比于I类错误,II类错误的发生将会对银行带来更大的损失.因此本文将II类错误的成本设为I类错误成本的5倍.并在此基础上计算误判成本其中C21和C12分别表示发生I类错误和II类错误的成本,π21和π12分别表示发生I类错误和II类错误的概率,p1和p2分别表示样本在到期时是良性贷款和不良贷款的先验概率.识别率包括不良识别率和总识别率.不良识别率表示检测样本中的不良贷款被模型识别出的比例,该指标可以反映模型对I类错误的规避能力;总识别率表示全部检测样本的二级分类属性被识别正确的比例,该指标可以反映模型的整体判别能力.本文采集江苏某商业银行2008–2013针对小微企业信贷的过往数据,与公开数据库中的宏观数据合并后,总数据内容主要包括:1)财务信息(资产总额,经营收入等);2)本期贷款基本信息(发放额度,发放利率,贷款方式,支付方式等);3)当前客户非财务信息(客户信用等级,客户资信等级,行业分类,担保情况等); 4)与宏观经济有关的变量(用电量,GDP,CPI等);5)信贷的二级分类情况.经过剔除缺失和不正常的数据,得到2 115组有效数据,其中,良性与不良贷款比例约为9∶1.为了对评分模型进行科学对比,我们把数据集随机分成两个互补的子数据集:80%数据作为建模集,20%数据作为测试集.各模型的变量结构都是通过10次交叉验证法进行筛选,交叉验证法的一个优势就是这样的信用评分模型是基于较大比例的有效数据(80%)开发.有关信用评级指标的文献中,由“硬”信息到“软”信息的选择是信用评级指标选择的一个显著性变化,从最早标准化的财务指标到如今各类非财务指标的不断加入更新,信用评级系统也因此能够从规范化的大公司推广到小微企业及个人类客户.然而,这些指标多为微观指标,宏观指标鲜有涉及.近年来,有学者对宏观经济变量的研究提出了自己的看法,认为借款人的违约与一般经济状况密切相关,与宏观经济环境变量也应当被考虑作为输入变量[27,28].颜新秀[29]认为,不同宏观经济环境下各指标变量与个人住房抵押贷款违约率之间存在一定的影响关系.Kim等[30]指出宏观经济环境是一个关键因素,直接关系到借款者的偿付行为.因此,本文认为贷款期间内的宏观经济变动对贷款主体的还款意愿具有一定影响,应当作为重要变量参与信用评级研究.因此,本文选取的指标类别包括财务类指标,非财务指标和宏观环境指标. 建模自变量和因变量(输入变量和输出变量)如表2和表3所示.本文在考虑现有文献贷款对象财务信息、非财务信息、本期贷款基本信息的基础上,还加入与宏观经济有关的变量作为自变量或输入变量,主要基于以下考虑:传统模型的因变量和自变量存在不同期的问题,传统信用评级模型将贷款期初的相关变量指标作为自变量,将贷款期末的五级分类情况作为因变量来进行建模,即自变量和因变量不是同一时间点上的面板数据,因此不能直接看作面板数据处理,需加入时间因素才能解决矛盾,同时,宏观经济变量是时间因素的合理体现,因为宏观经济变量并非某一时间点上的宏观经济变量,而是贷款期间相关宏观经济变量变化趋势的反映,因此不是一个时间点的概念而是某一时间段的变化趋势的概念,所以能够反映出时间因素.在实证分析部分,本文将分别运用包含宏观变量和不包含宏观变量的指标体系进行建模,并比较模型的有效性.同时,本文借鉴Blanco等[27]的做法,在指标体系中加入“客户经理主观评价”和“客户资信状况调查结果”两个指标,以囊括银行自有的贷款初期审核信息.本文引入贷款期限内经济周期信息的变量,Kim等[30]指出宏观经济环境是一个关键因素,直接关系到借款者的偿付行为.该做法的优点还在于考虑到还贷期限内省内宏观经济变化对小微企业的影响,由于各家商业银行在计划财务部进行财务预算的编制过程中均拥有未来至少三年的宏观经济变化预测数值,因此在实务操作中,该宏观变量数据采用商业银行预测数值.本文借鉴Blanco等[27]在设计信用评分模型所使用的宏观经济变量的表达式其中ΔVMi,j是宏观经济变量的变化率,VM是宏观经济变量,i表示放款的时间,j表示贷款的时限.本文在对宏观济变量进行筛选之后选取用电量、GDP和CPI的季度数据作为建模的三个自变量.在实践中发现,除CPI外用电量和GDP均有很强的周期性,经过分析和比较之后,本文决定采用GDP、用电量的同比增量的变化率和CPI增长率来作为自变量,其中CPI增长率为(计算期CPI数值-基期CPI数值)×100%/基期CPI数值,GDP、用电量的同比增量的变化率为其中Δ2VMi,j是宏观经济变量增量的变化率,i表示放款的时间,j表示贷款的时限. 综合数据可获取性、数据可靠性因素的影响,样本选取2008–2013年贷款数据,其中宏观变量数据均进行季节性调整,并对离散变量进行赋值.神经网络建模时为加快训练网络的收敛性的需要,对样本数据中各个指标下的数据分别进行归一化处理.如第3节所述,将样本分为两部分,其中1 687组数据作为训练样本,428组数据作为检验样本,训练样本与检验样本比例约为4∶1.运用SPSS 21软件,以表2中15个变量为判别变量,以表3中B1变量为分组变量,选择Fisher函数系数,建立LDA模型,得到分类函数系数.根据分类函数系数,对检验样本中各指标进行加权求和,选取得数较大的类别作为判别结果.运用PASW Statistics 18统计分析软件建立二项逻辑回归(BLR)通过描述性统计,根据相关性、正态性检验和t检验,本文最终在Logistic回归中保留9项指标,分别为年利率、贷款方式、用途、支付方式、客户信用等级、客户资信等级、营业收入/人、GDP增量增长率和CPI增量增长率,具体分析过程介绍从略.运用MATLAB R2012a建立BP神经网络(BPNN),表2中15个变量作为输入神经元,表3中B2变量各分别作为输出神经元.分别运用表2中10种学习算法进行模型训练,各个训练函数即表1中MATLAB调用函数.神经网络参数设定:隐含层节点范围[7,13];最大迭代次数=1 000;训练误差=0.001.运用训练后的模型对检验样本进行测试,即分别将检验样本中的自变量与LDA分类函数系数加权求和取大值,代入BLR模型预测因变量值,代入训练好的BPNN模型得出预测输出变量值.当输出值小于并等于0.5时,判定该组样本为正常贷款;当输出值大于0.5时,判定该组样本为不正常贷款.首先,运用不包含宏观变量的指标体系建立模型,根据前文模型有效性的衡量方法,计算衡量各个模型有效性的指标数值,如表4所示,优化的ROC曲线如图1所示.在ROC曲线图中,纵坐标δ代表真阳性率,横坐标1-η代表假阳性率,其中η为特异性,下同.由表4可知,12种模型中,75%的模型的AUC值大于0.8;有11个模型的总识别率超过80%,其中六个模型的总识别率超过90%.但在关键指标中,有11个模型的不良识别率低于80%,有11个模型的误判成本大于0.2.从整体识别效果来看,所构建的模型对不良贷款缺乏识别能力是一个共性,因此本文认为有必要尝试通过加入宏观变量对指标体系进行改进并开展建模.在指标体系中加入宏观变量后,判断各个模型有效性的指标数值如表5所示,优化的ROC曲线如图2所示.1)AUC方面,共有6个模型的AUC值超过0.9,其中,NN6与NN10模型的AUC值超过0.95,分别为0.952和0.959,预测能力较强;2)均方误差方面,共有8个模型的均方误差小于0.1,其中BLR的均方误差为0.071,NN3的均方误差为0.072,NN6的均方误差为0.075;3)误判成本方面,共有5个模型的误判成本低于0.2,其中NN6误判成本为0.117,NN7误判成本为0.110,NN10误判成本为0.098,误判成本较低.I类错误率方面,NN6、NN7、NN10的II类错误率小于0.1,判别效果较优;4)不良识别率方面,共有4个模型的不良识别率超过0.8,其中NN6的不良识别率为0.915,NN7的不良识别率为1.000,NN10的不良识别率为0.979,说明该三个模型对潜在不良贷款的判别能力较强.总识别率方面,共有5个模型的总识别率超过0.9,即表明这5个模型的总体判别正确率超过九成,具有较好的整体判别能力.根据以上分析,可见LDA和BLR模型在四类模型有效性衡量方法中表现一般,其中BLR模型在AUC和总识别率方面优于LDA模型,LDA模型在II类错误率方面优于BLR模型,但该两个模型劣于或等于NN6和NN10在AUC、II类错误率、误判成本、不良识别率和总识别率方面的表现.当将NN6与NN10在模型有效性方面进行比较时,NN10在AUC、均方误差、II类错误率、误判成本和不良识别率的表现均优于NN6,而NN6仅在总识别率方面优于NN10,因此认为NN10具有最优的模型有效性,其次为NN6.由上述分析结果可知,1)在整体模型有效性方面,NN10(基于Levenbery-Marquardt学习算法)模型表现最优,NN6(基于Polak-Ribiere共轭梯度学习算法)模型表现次优.2)在各模型有效性衡量方法方面, NN10具有最大的AUC值,BLR具有最小的均方误差,NN7具有最小的II类错误率,NN10具有最小的误判成本,NN7具有最高的不良识别率,NN3具有最高的总识别率,这些结果表明在进行具体信用评级水平衡量时,需要重视上述模型在信用评级中的应用.3)在观察各个模型检测结果中出现两类错误的样本数据时,本文发现样本数据中的客户信用等级、客户资信等级、营业收入/人指标易出现区别于普通的数值,因此此类样本需要在人工贷前审查时给予关注.本研究选择合适的指标体系和研究方法,构建线性判别分析、二项逻辑回归和基于多种学习算法的BP神经网络模型对小微企业进行信用评级,并通过四种衡量方法分析模型的有效性,提高研究结论的可信度.研究结果表明机器学习方法能够为商业银行授信审批和贷前审查工作提供参考依据,并且在指标体系中加入宏观变量能够有效地提高模型识别不良贷款的能力,提升模型的稳健性.因BP神经网络具有容易陷入局部极值、“过拟合”等问题,其预测精度有待优化,今后研究中尝试使用遗传算法优化BP神经网络强化全局搜索能力.取得更大的数据样本,并尝试根据小微企业资产总量大小对样本进行分层,提高模型对于贷款主体的评级能力.肖斌卿(1979―),男,福建南靖人,博士,副教授,研究方向:金融工程与金融管理,Email:****************.cn;杨旸(1990―),男,江苏南京人,博士生,研究方向:金融工。
我国中小企业信用评级存在的问题与对策
我国中小企业信用评级存在的问题与对策
随着我国经济的快速发展，中小企业在国民经济中的地位日益重要。
中小企业在融资过程中往往面临信用不足的问题，而信用评级被引入以解决这一问题。
目前我国中小企业信用评级存在一些问题，导致评级结果不准确、评级制度存在漏洞等。
本文将从以下几个方面探讨我国中小企业信用评级存在的问题，并提出相应的对策。
评级结果不准确是目前我国中小企业信用评级的一个主要问题。
评级机构对中小企业的信用状况了解不足，无法进行全面、准确的评估，导致评级结果误导性较强。
为解决这一问题，建议加强中小企业信用信息的收集和共享，建立完善的信用信息数据库，评级机构可以通过查询数据库获取中小企业的信用状况，从而更准确地评级。
评级机构之间的竞争问题也影响了我国中小企业信用评级的准确性。
为了吸引客户，评级机构可能会倾向于提高评级结果，以提高企业的信用水平。
为解决这一问题，建议加强评级机构监管，要求评级机构公开透明地公布评级结果的依据和方法，并建立起评级机构的互联互通，通过相互监督和沟通来减少评级结果的误导性。
我国中小企业信用评级在发展过程中还存在一些问题。
为了提高评级准确性，需要加强对中小企业信用信息的收集和共享，制定统一、标准化的评级指标体系，加强评级机构监管，以及采取动态评级的方式。
相信通过解决这些问题，我国中小企业信用评级将更有效地帮助中小企业解决融资难题，推动中小企业的健康发展。
基于PFM模型与倾向匹配得分法的中小企业信用风险评估
2020年第6期总第257期征信CREDIT REFERENCENo.62020Serial No.257收稿日期：2020-02-06作者简介：段翀（1981—），男，内蒙古呼和浩特人，讲师，博士，主要研究方向为信用风险评估。
摘要：通过将PFM 模型与倾向匹配得分法结合，利用中小企业财务数据与同行业上市企业信息，测算中小企业的资产市场价值，进而构建中小企业信用风险评估模型。
该模型的优势在于，其不仅反映了中小企业的静态财务信息，而且还体现了股票市场的动态信息。
通过对某城市商业银行的中小企业数据进行实证研究，结果表明，相对于Logistic 回归模型，基于PFM 模型与倾向匹配得分法的中小企业信用风险评估模型具有更高的违约判别精度，能更准确地识别非上市中小企业的信用风险。
关键词：中小企业；信用风险评估；PFM 模型；倾向匹配得分法中图分类号：F830.5；F276.3文献标识码：A 文章编号：1674-747X （2020）06-0035-08引言近年来，中小企业发展迅猛，已成为经济发展不可或缺的重要力量。
推动中小企业高质量发展，对保持经济健康发展和社会长期稳定意义重大。
然而，由于自有资本少、成立时间短、财务制度不规范等缺陷，导致中小企业融资环境不佳，很难获得足够的资金支持。
解决“融资难、融资贵”的关键在于准确评估中小企业的信用风险，从而帮助商业银行作出正确的信贷决策。
目前中小企业信用风险评估方法主要有两类：（1）基于计量回归的信用风险评估方法。
代表性研究有多元线性回归和logistic 回归：Altman （1968）利用财务指标和多元线性回归模型对企业破产预测进行研究，提出Z 评分模型［1］。
West （1985）通过Logit 模型识别中小银行的信用风险状况，进而测算得到银行的违约概率［2］。
Mok 、Sohn 和Ju （2010）将Logistic 回归方法修正，构建了基于截面数据的Logistic 回归模型［3］。
c题 中小微企业的信贷决策评分标准
【C题】中小微企业的信贷决策评分标准一、引言在现代经济生活中，中小微企业（以下简称“中小微企业”）作为经济增长的重要引擎，其发展离不开金融支持。
然而，受到资金周转困难、信息不对称等因素的影响，中小微企业在获得信贷支持方面面临诸多挑战。
对于金融机构来说，如何科学、客观地评估中小微企业的信用状况，制定合理的信贷决策评分标准至关重要。
本文将从不同角度对中小微企业的信贷决策评分标准进行全面讨论。
二、信贷评分标准的理论基础1. 信用评分模型的基本原理信用评分模型是信贷决策的核心工具之一，它通过对中小微企业的基本信息、财务状况、经营状况等多方面进行评估，从而量化地判断其偿债能力和信用风险。
常见的信用评分模型包括五大类：传统评分卡模型、德尔菲评估法、专家系统法、神经网络法和逻辑回归法。
在实际应用中，金融机构可根据自身情况选择最合适的模型进行信贷评分。
2. 评分标准的科学性和客观性评分标准应该具备科学性和客观性，即评分的结果应该能够客观地反映中小微企业的实际信用状况，而非主观臆断。
这需要建立完善的数据体系和评估方法，确保评分的科学性和客观性。
三、中小微企业信贷评分标准的构成要素1. 基本信息中小微企业的基本信息是信贷评分的基础，包括企业的注册资本、成立时间、法人代表、经营范围等。
这些信息能够直观地反映企业的规模和背景，为后续评分提供基础数据。
2. 财务状况财务状况是评估中小微企业信用状况的重要指标之一，包括企业的资产负债表、利润表、现金流量表等财务指标。
通过对企业的财务状况进行评估，可以了解企业的盈利能力、偿债能力和经营风险。
3. 经营状况经营状况是评估中小微企业信用状况的另一重要指标，包括企业的行业地位、市场份额、经营历史、客户来源等。
这些信息可以反映企业的市场竞争力和发展潜力。
4. 社会信用社会信用是评估中小微企业信用状况的综合指标，包括企业的纳税记录、社会责任履行情况、知识产权保护等。
这些信息可以反映企业的社会形象和合规性。
中小企业综合信用评价指标体系
ICS xxxxA xx团体标准T/CASMES xx━2019 中小企业综合信用评价指标体系Comprehensive Credit Evaluation Index Systemfor Small and Medium-sized Enterprise（征求意见稿）2019-xx-xx发布201x-xx-xx实施中国中小企业协会发布目次前言 (I)引言........................................................................................................................................................................ I I 1 适用范围. (1)2规范性引用文件 (1)3 术语和定义 (1)4 基本原则 (1)5 评价指标 (2)6 信用等级 (2)前言本标准按照GB/T1.1《标准化工作导则第1部分：标准的结构和编写》给出的规则起草。
本标准由中国中小企业协会提出并归口。
本标准起草单位：中国中小企业协会陕西西部资信股份有限公司xxxx本标准主要起草人：xx、xx、xx。
引言为贯彻《社会信用体系建设规划纲要（2014-2020年）》（国发〔2014〕21号）、《国务院关于进一步促进中小企业发展的若干意见》（国发〔2009〕36号)等文件精神，促进中小企业信用体系建设，引导并督促企业提高诚信和责任意识，规范和指导中小企业信用评价工作，制定本标准。
本标准基于传统的信用分析方法，采用以现代风险为向导的评价方式，运用评价计量模型，借鉴企业文化管理、学习型组织管理、文化链管理、企业风险管理、企业财务管理等理论，结合我国实际国情，从基本信用素质（Basic Credit Quality守信意愿）、信用保障能力（Credit Guarantee Ability守信能力）、信用行为记录（Credit Behavior Record守信表现）三个维度建立中小企业综合信用评价指标体系。
商业银行中小企业贷款信用风险管理研究
商业银行中小企业贷款信用风险管理研究作者：陈倩雯严佳来源：《时代金融》2014年第18期【摘要】目前中小企业的贷款成为商业银行的一大新兴利润来源，如何更好地管理中小企业的信贷风险迫在眉睫。
文章运用经济学相关知识，从银行的管理流程出发，发现问题，提出建议。
【关键词】商业银行中小企业信贷风险管理中小企业是一国经济的重要组成部分，但中小企业在发展过程中遇到的最大问题就是资金不足，对中小企业的放贷，为商业银行带来收益的同时，风险也随之而至，如何对贷款的中小企业进行信用风险分析以及如何管理这种信用风险，是商业银行在实践中面临的一大问题。
一、中小企业贷款现状及风险分析从贷款的种类看，2012年小型企业信用贷款由2011年的330.45亿下降到287.31亿，下降比例为13.05%。
保证贷款和抵质押贷款分别增长3.41%、7.80%，境内企业贷款合计由1994.21亿到2058.92亿。
从贷款的来源看，占浙江全省中小企业98%的制造业中小企业，能从银行等正规金融机构获得贷款的仅占10%，80%以上依靠自筹资金或民间借贷。
从金融机构反映的中小企业贷款申请未满足的主要原因看，依次为：申请贷款项目风险较大占总数的81.61%、贷款申请企业信用状况差占总数的71.26%、企业经营管理总体水平欠佳占66.67%、企业财务状况欠佳占60.92%。
由于银行企业之间的信息不对称等原因，银行“惜贷”现象大量存在。
企业规模越小，从银行贷款的难度越大。
银行贷款对象更偏向于国有企业、大型企业。
相对于大型企业，银行体系对中小企业的融资申请存在区别对待的现象，中小企业的银行信贷融资相对较难，贷款满足度低。
二、商业银行中小企业贷款信用风险管理流程分析在商业银行的借贷原则下，我们从银行的管理方面出发，分析研究商业银行对中小企业贷款信用风险管理的贷前、贷中、贷后三个阶段。
（一）中小企业贷款前期银行要进行风险评估，对贷款所支持的项目，在建设前期从技术、工程、经济以及在社会和自然环境上进行深入的分析论证，最终提出项目可行性研究报告。
中小企业会计诚信的建设研究
中小企业会计诚信的建设研究【摘要】本文针对中小企业会计诚信的建设进行研究，通过对中小企业会计信息披露现状、监管机制、诚信文化建设、信息技术应用和会计师职业道德等方面进行分析和探讨。
在总结中小企业会计诚信的重要性、发展趋势，并提出相应的对策措施。
本研究旨在推动中小企业会计诚信建设，提高中小企业的财务透明度和信誉度，促进中小企业的可持续发展。
通过对中小企业会计诚信的研究，可以为相关政府部门和企业提供参考，促进中小企业会计诚信的全面推进，为我国中小企业的经济发展和转型升级做出积极贡献。
【关键词】中小企业、会计、诚信、建设、研究、信息披露、监管机制、文化建设、信息技术应用、职业道德、重要性、发展趋势、对策措施1. 引言1.1 中小企业会计诚信的建设研究中小企业是我国经济的重要组成部分，而会计诚信作为中小企业发展的基石，对企业的经营和管理具有至关重要的意义。
由于中小企业自身的特点以及外部环境的影响，中小企业会计诚信建设一直面临着重重挑战。
中小企业在会计信息披露方面存在着信息不完整、不准确等问题，导致外部投资者对企业的财务状况难以了解，影响投资者的决策。
中小企业会计监管机制分析中小企业的监管机制不够完善，监督不力、制度不健全等问题导致了会计违规行为的频发，影响了企业的经营稳定性和可持续发展。
中小企业需要树立诚信文化意识，建立健全的内部控制机制，加强职业道德教育，培养员工的诚信意识和责任意识。
通过信息技术的应用，可以提高中小企业会计信息的准确性和透明度，为企业的管理决策提供更加可靠的依据。
会计师作为企业的财务管理者，需要具备高度的职业道德，才能正确履行职责，保障企业会计信息的真实性和完整性。
2. 正文2.1 中小企业会计信息披露现状分析中小企业会计信息披露存在不规范的现象。
由于中小企业规模较小，管理水平和财务人员专业水平有限，导致会计信息披露不够规范，缺乏透明度，给投资者和利益相关方带来困扰。
中小企业会计信息披露的内容不够完整。
区块链金融模式下中小企业信用风险评价思考研究
中国储运网H t t p ://w w w .c h i n a c h u y u n .c o m安排车辆进行配送有时反而会更加节省成本，让所有车辆行驶的最里程达到最小解。
节约里程法的基本实现方法是云计算总的车辆运输的吨公里数，如果吨公里数最小则配送中心的运输能力最大，然后再结合配送中心到客户之间的总距离来制定相应的配送计划。
实现的基本理念是将运输问题中的两个回路合并为一个回路，让合并之后的总运输距离减小的幅度最大，当一辆车的装载的快件数量达到限制值的时候，再进行下一辆车的优化。
在这一算法中，需要根据路线的优化实现每一辆车快件的合理装载，一般都是以区域划分为基础条件，实现每一辆车在最短的总距离之内将所有快递配送完毕。
（3）路线优化实现为了保证优化软件的易用性，在设计软件时一般会注重数据的可视化，以G I S 技术为设计核心，将优化方案以可视化的方法呈现给配送人员。
在本设计中，选用的是A r c G I S 9系列软件，以V C #为首选开发语言，实现的最终目标是综合各个参考条件，以地图的形式为快递配送人员呈现最优化的路线解决方案。
比如在本案例中，区域配送中转中心需要向10个客户来配送快件，这10个客户分布在不同的8个村庄之中，具体的实现方法为：1.首先利用单源优化算法计算出每一个快递配送所需要经过的最短路线，然后将10条路径进行比对分析，确定有哪些路线是完全重合的，将重合的路线数据添加到同一个集合S 之中，以此为基础数据进行下一步的分析。
2.结合当天的天气情况和A MA P 所提供的道路交通情况，去除掉不利于配送的路线，并以与之对应的备选路线作为替换数据加入到集合S 中，在这一步骤之中需要使用到电子地图数据，本软件采用高德地图的数据接口为可视化结果的输出参考，并获取实时的高德地图交通路况。
3.执行D i j k s t r a 算法计算配送中心到各客户的最短可达路线，并在地图中以粗线条来表示，这一设计步骤的主要目的是呈现给配送员多个可选路线，让配送员可以人为更改路线计划。
中小企业信用评级：一个文献综述
中小企业信用评级：一个文献综述摘要：对现有文献中有关中小企业信用评级的研究进行综述可知，中小企业信用评级多用Z评分模型、模糊综合评价法、层次分析法、BP神经网络模型、支持向量机、投影寻踪六种方法。
中小企业信用评级的未来研究方向会更加重视最新数理统计方法的运用；由评价指标和体系的发掘逐步转移到影响企业信用等级的因素当中；研究视角将会发生巨大变化。
关键词：中小企业；信用评级；综述一、中小企业信用评价方法由于国内外研究视角的不同，国外学者和国内学者对于中小企业信用评价方法有着不同的认识。
国外学者主要针对方法和理论进行研究，而国内学者则比较重视方法的应用。
在早期的信用评级过程中，碍于评价技术的发展，以简单的打分方法为基础，适当加入数理统计方法。
其中Z评分模型（ZETA）被广泛用于企业信用评级。
Z打分模型引入我国后，国内学者对其进行了相应的改进与应用，国内学者邱云来（2009），将Z模型与我国的企业会计准则结合，建立财务预警模型，通过实证分析发现，经过改造后的Z打分模型能够很好地对我国企业进行财务预警和风险评估。
张玲等（2004）按照巴塞尔协议的要求将企业信用等级划分为八个等级，通过研究发现Z打分模型能够很好地运用于我国上市公司的信用评级。
与张玲等人的研究结果不同，胡延杰等（2006）检验了Z模型的预测的正确率，发现Z值模型在我国具有一定的适用性，但效果并不像其在美国等西方国家一样具有非常良好的预测效果。
鉴于模糊综合评价法在定性因素分析中的良好效果，国内外学者在信用研究中广泛采用该方法进行企业信用评级。
Zimmermann etc.(1994)分析结果认为，企业的信用将会直接影响企业获取资金的能力，良好的信用等级将有利于企业的长期发展。
Romaniuk etc.(1992)运用模糊综合评价模型，构建相应的指标体系来研究企业的财政状况对于企业信用的影响。
沈琳、郭文旌（2010）实证结果表明，模糊综合评价法不仅能够科学地反映中小企业的信用状况和其面临的风险水平，而且能够有效地对于不同企业的信用状况进行区分。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中小企业信用评分研究本中心风险研究小组阮正治、敬永康一、前言传统的企业信用风险研究，主要以财务变量为评估标准，而中小企业因财务报表数据取得不易，且其信用质量受到企业负责人的影响程度极高，以致不易在银行取得授信。
过去银行为解决这个问题，乃利用分行与客户建立的关系架构(Relationship Structure)，对授信户产生认识，再利用授信专员的主观认知，建立对授信户的信用状况及借款条件分析。
许多国家(包括我国)的大部分银行，皆以如此的授信机制持续实施多年；但是在1990年代初期，美国金融机构因合并及直接金融盛行的竞争结构改变，以致关系网络被打破，传统授信机制产生变化，促使银行利用信息整合技术在消费金融信用风险研究的经验，应用于中小企业授信上，并在内部及外部信用信息的充分整合下，产出中小企业之信用评分机制(SME Scoring)。
二、中小企业信用评分之发展及做法(一) 大型银行运用实况在美国，最早将信用评分运用于中小企业授信者，主要为拥有足够数据建置模型的大型银行，如1993年时的Wells Fargo及Hibernia Corporation，这两家银行于1995年在中小企业的授信金额，有接近六成以上的成长，并且在未广设分行的情形下，仍将业务成功拓展至全美五十州。
其它如BankAmerica针对金额50,000美元以下的授信户，以其中的信用良好15,000户与信用不佳15,000户，开发信用评分模型；Fleet Financial Group则使用信用评分，评估金额100,000美元以下的授信户；Bank One更完全依赖信用评分，评估金额35,000美元以下的授信户，而且金额1,000,000美元以下的授信户中，有百分之三十是仅靠评分核准的。
(二) 信用评分拓展及广泛运用1995年3月，Fair, Issac与Robert Morris Association (RMA)共同发表中小企业评分服务(Small Business Scoring Service, SBSS)产品，该评分模型系以美国十七家银行的五个年度中小企业授信户资料建置而得，样本数超过5000家，其标准为总营收5,000,000美元以下，授信金额250,000美元以下之中小企业，并以金额35,000至250,000美元之授信户适用中小企业评分，将金额35,000美元以下之授信户，另设微型(Micro)企业评分机制，此系因微型企业财务数据可能失真，尚需以经营者本身的信用状况为主要信息，方能务实且客观评估其信用风险；其后如C-MDS，Dun & Bradstreet，Experian等公司，也相继提供类似的产品。
由于此共同信用评分服务的产生，使信用风险研究由过去仅是分享资料(Sharing Pooling Data)，进而发展至分享信用工具(Sharing Credit Solution)的环境，不过经营之成败，仍需取决于使用这些工具的人本身。
至今，SBSS中小企业评分服务每年提供予350家金融机构运用，评估之授信户计900,000家，使用地区则推广至美国、西欧及亚洲地区。
(三) SBSS中小企业评分服务的开发程序1、认定信用优劣：信用优劣之定义如下信用良好—最近4年内之30天逾期纪录不超过2次。
信用不佳—曾有60天逾期纪录。
2、处理试用样本(Trial sample)：参与银行充分了解正确抽样的过程，并实际进行测试与分析数据问题。
3、搜集正式样本(Full sample)：每家参与银行提供300户样本，其XX用良好100户、信用不佳100户、申请被拒绝(Declined)100户。
4、拟订变量数据：信用信息机构(Credit Bureau)之消费者及企业户信用报告资料、财务比率、申请资料。
5、依产业指标调整财务比率。
6、数据处理。
7、建构评分模型的权数。
8、测试风险区隔：风险之区隔，如组织型态别、产业别、地区别、营收别、授信类别、授信金额别等；经测试发现，应该以授信金额35,000美元为风险区隔，分为两种评分机制。
9、研究申请被拒绝户资料之推论测试。
10、针对使用者要求，在授信金额35,000美元以下的评分，区分为需要财务数据及不需要财务数据两种模型。
三、中小企业信用评分之应用及影响(一) 中小企业信用评分之应用就如前言所述，关系架构的授信体系受到冲击后，促使信息技术整合的概念抬头，因此近来对于关系架构与信息运用的研究上，也出现相同的结论：1、关系的新旧，与资金借贷成本的降低，并无显著差异。
2、对于中小企业而言，关系的建立，并未有效减少许多借款的限制条件。
3、金融市场愈竞争，关系建立的投资将大幅降低。
各银行因而增加投入在信息技术的发展上，运用信用评分的授信评估工作，亦逐渐增加，而关系结构信息之数量化及客制化，也将成为该工作未来的重要发展。
因此，银行在关系网络变动下，增加信息技术整合是有利的途径，美国联邦准备理事会(Federal Reserve Board)在1997年所调查的54家银行中，有38家采用信用评分系统，作为评估中小企业授信之依据，其中尤以资产超过150亿美元的大型银行，较其它中小型银行，更可能使用信用评分系统。
另外，亚特兰大联邦准备理事会(Federal Reserve Board of Atlanta)于1998年所作之一般性研究调查发现：在99家大型银行中，有63%已建立中小企业信用评分系统，11%则计划在1999年以前建置；在中小企业的认定方面，73%认为在授信金额100,000美元以下，27%认为在250,000美元以下；在信用评分的应用方面，42%作为授信判断的决策依据，32%作为授信条件之决策，13%作为信用表现的监测，并使用行为评分，而有87%使用付费的评分卡。
(二)中小企业信用评分之影响1、对信用审核机制之影响：改善信用审核之机制、降低成本，将授信政策一致化，并提升客户服务效率，降低主观判断之监督风险。
2、对授信决策信息之影响：中小企业授信在本质上属企业融资，与个人融资仍有差异，考虑的因素复杂性较高，且中小企业彼此的差异性大，其授信评估之依据，需赖信用评分与关系模式相互辅助而建立，因此授信决策信息之整合将更为复杂及完备，尤应避免信用不佳企业之资料缺漏与数据质量不佳的情形发生。
3、对中低收益型中小企业放款数量之影响：Padhi, Woosley, Srinivasan在1998年针对不易取得银行授信的中低收益型中小企业，所进行信用评分与放款数量之研究显示，信用评分机制对中低收益型中小企业的授信取得应是有利的，其结果如下：(1)没有信用评分机制的银行，对中低收益型中小企业放款的数量，明显较有评分机制者少。
(2)运用信用评分的银行，对中低收益型中小企业放款的数量，与其它企业并无明显差异。
(3)运用信用评分的银行，其分行数的多寡，并不会影响其对中低收益型中小企业放款的数量。
(4)没有信用评分机制的银行，会因为分行数的多寡，影响其对中低收益型中小企业放款的数量。
四、中小企业信用评分之改进与未来努力的方向(一)中小企业信用评分之使用及改进意见分析根据Corporative Executive Board在2000年针对银行使用中小企业信用评分作业方式之意见调查，结果如下表所示：由上述银行改进意见可知，中小企业信用评分模型的建置，仍需资料面之密切配合才趋完善。
一般企业信用评分数据以财务变量为主，但其它如产业信息，总体经济数据等变量亦不宜缺漏；另外，中小企业会计制度较不健全，财务状况似不透明，故其财务变量可能失真。
因此信用评分中财务变量的权重不宜过高，且应搜集如负责人信用评分、银行信用往来纪录、资本额与营业额成长，及相关经营管理与企业展望等数据变量，并提高其权重，促使中小企业信用评分更趋实际与客观。
(二)未来努力的方向金融机构为符合巴塞尔监理委员会的新协议规X，亦需将中小企业信用评分程序，纳入其征授信管理系统，以求信用风险评估皆可量化处理。
未来，中小企业信用评分工作在巴塞尔协议中，所应该尽的努力如下：1、中小企业信用评分为风险区隔的概念，并非以授信个体来检视之，因此应将信用评分之调整，作为风险区隔的过程。
2、过去信用评分之目的，为评估信用的好坏区分，但是巴塞尔协议对于信用良好者的信用状况，仍需要作分级的比较，进而计算出违约机率的最佳估计信息。
3、信用风险区隔的处理，有很大的问题，例如，当风险区隔有10种或是5种，则在区分上，若对于某种风险因子处理的数据，过于偏颇或缺乏，将导致风险区隔的因子与整体的结果间，产生差异。
4、信息的掌握，主要是依靠历史资料，虽然有些研究信用评分的学者，认为经济的荣枯，已反映在变量的变化上，但经济情况也可能使变量的敏感性产生变化，故应将总体经济，及产业前景等变动因子，加入对于风险系数的估计。
例如，当信用评分遇到经济情况变化时，应该予以调整，如下图：图：信用评分与总体经济敏感性5、信用数据的完整纪录及使用(如数据仓储)将是重要工作。
6、在中小企业信用风险分析上，风险模型及投资组合特性的计算，仍处于相当起步的阶段。
7、未来主管机关与银行业者的合作，将为必然的趋势。
参考文献：1.Corporative Executive Board (2000), “Credit Scoring for High–End Small Business Customers”, Business Banking Board Issue Brief.2. David P. Ely and Kenneth J. Robinson (2001), “Consolidation , Technology and the Changing Structure of Bank’s Small Business Lending”, Economic and Financial Review First Quarter 2001.3. Latimer Asch (1995), “How the RMA/Fair, Issac Credit-Scoring Model Was Built”, The Journal of mercial Lending.4. Loretta J. Mester(1997), “What’s the Point of Credit Scoring?”, Business Review Sep/Oct 1997, Federal Reserve Bank of Philadelphia.5. Mark Zmiewski (2000), “Credit Score in Good Times … and Bad”, The Journal of Lending & Credit Risk Management.6.Michael s. Padhi, Lynn W. Woosley, and Aruna Srinivasan(1998), “Credit Scoring and Small Business Lending in Low- and Moderate- Ine munities”, Federal Reserve Board of Atlanta.7. Mitchell A. Petersen (1999), “Bank and the Role of Lending Relationships：Evidence from the U.S. Experience”, Northwestern University Working Paper.8. Robert Eisenbeis(2000), “Credit Scoring and Lending to Small Business”,The Changing Banking Structure and its Impact on Small Business Conference Report, U.S. Small Business Administration.。