基于Logit模型的中小企业信贷风险实证分析
基于Logit模型对我国商业银行信用风险评估的实证研究
基于Logit模型对我国商业银行信用风险评估的实证研究翟清兰【摘要】随着金融的全球化趋势和金融市场的波动性加剧,各国银行和投资者受到了前所未有的信用风险的挑战.信用风险评估方法也不断推陈出新,管理技术正日臻完善,许多定量技术、支持工具和软件已付诸商业应用.然而,我国商业银行和金融市场尚处转轨和新兴发展阶段,信用风险管理技术较为落后.针对于此,本文从商业银行角度,研究借款人(上市公司)信用风险评估的方法和应用问题.利用SPSS软件对企业的多维财务指标进行t检验和主成份分析得到了7个能够反映企业信用风险高低的关键财务指标,并利用这7个指标建立了Logit模型,结果表明,利用建立的Logit对我国商业银行的信用风险评估中具有较高的预测准确率,从而为我国商业银行信用风险评估方法从传统的定性分析法向定量分析法迈进起到了一定的借鉴作用.【期刊名称】《巢湖学院学报》【年(卷),期】2010(012)001【总页数】4页(P39-42)【关键词】商业银行;信用风险;Logit模型【作者】翟清兰【作者单位】巢湖学院管理系,安徽,巢湖,238000【正文语种】中文【中图分类】F224.0现代商业银行在社会经济发展过程中，发挥着创造货币存款、实现金融政策效率和社会实现等方面的作用，[1]是国民经济的“总枢纽”和“调节器”，然而，近年来，随着金融的全球化趋势及金融市场波动性的加剧，商业银行所面临的风险是与日俱增，成为风险聚焦的焦点。
在商业银行所面临的众多风险中，信用风险占有特殊的地位。
上个世纪80年代，美国不少储蓄和贷款机构主要因信用风险而倒闭，世界银行对全球银行业危机的研究表明，导致银行破产的最常见原因就是信用风险。
[2]因此，国际国内金融界近年来对信用风险的关注日益加强。
Logit回归是一种非线性分类的统计方法，用于因变量为定性指标的问题。
王春峰和万海晖（1998）[3]将判别分析法应用于我国商业银行信用风险评估，通过与Logit方法相比较,研究了判别分析法的有效性。
基于logistic回归模型对中小微企业信贷风险研究
基于logistic回归模型对中小微企业信贷风险研究作者：陈大睿李颖李泽坤来源：《商场现代化》2022年第22期基金項目：2021年度山东省级大学生创新创业训练计划项目“基于logistic回归模型的中小微企业信贷风险研究”（S202113320130）摘要：文章主要是针对中小微企业信贷风险方面进行研究，建立金融信用风险评价指标体系，构建 logistic 回归模型对企业风险进行预测，以违约概率 P=0.5 为临界值，模型的预测准确率为 81.25%，针对剩余可贷款企业进行定性和定量分析，建立非线性规划函数。
求解该函数得到银行对六大类供应链金融体系中各个企业的信贷策略，如贷款额度高的企业，银行会适当降低贷款的年利率。
关键词：信贷风险；信贷策略；logistic 回归模型；非线性回归引言：在当前经济蓬勃发展的大环境下，中小微企业的规模占比已达到全部企业数量的98%，中小企业很好地满足了我国的民生需求，促进国内消费，推动产品出口销售，在我国经济结构布局中扮演越来越重要的地位。
不过小微企业却因为他们规模相对较小，又没有抵押资产等因素，所以一直面临着融资难的问题。
商业银行一般是根据信贷政策、企业的贸易票据信息以及上中下游企业的影响力，向能力强大、供求关系稳定的企业进行放贷，并可能对信用高、信贷风险小的企业予以利息优惠。
因此，我们主要从商业银行信贷风险视角出发探究中小微企业在银行贷款方面的投资问题。
一、数据的处理1.数据来源本文所采用的数据来源为2020全国大学生数学建模C题提供的123 家有信贷记录企业的相关数据。
2.数据预处理由于数据庞大且复杂，因此对数据进行预处理，剔除无效信息，利用 Python 软件进行数据归总：信誉评级为 D 的企业，银行不予考虑贷款资格，利用Excel软件直接剔除信誉评级为D 企业的相关数据；显示作废发票在本次交易中无实质意义，因此在进销项发票数据中将作废发票进行筛除；利用 Python 软件对筛选过后的进销项价税数据按照不同企业不同年度进行归总。
基于Logit模型的中小企业信贷风险实证分析
基于Logit模型的中小企业信贷风险实证分析【摘要】中小企业普遍存在的“融资难”现象影响了中小企业的发展。
文章分析了中小企业的信贷风险，适当选取2013年上市公司为样本，利用SPSS统计软件，运用因子分析方法对中小企业信贷风险指标进行了筛选，构建了基于Logit回归模型的中小企业信贷风险度量模型。
实证分析表明，模型具有较高的有效性和准确性，可作为中小企业信贷风险评估的科学依据。
【关键词】中小企业；信贷风险；因子分析；Logit回归模型一、引言中小企业在国民经济发展中具有重要地位，在推动技术创新、缓解就业压力、方便群众生活、保持社会稳定等方面发挥着重要作用。
但是，相对于大型企业而言，中小企业一般规模较小、员工素质不高、研发投入不足、把握市场能力较弱，在激烈的市场竞争中缺乏应变能力，使商业银行对其设置了严格的融资约束和限制，普遍出现“融资难”的情况，导致经营状况、财务状况越来越差，进一步加剧了中小企业获取资金的难度。
为了改善中小企业经营环境，促进中小企业健康发展，中国人民银行先后发布了有关服务中小企业的货币信贷政策和指导意见，加大了对中小企业的信贷支持。
工业和信息化部发布的《“十二五”中小企业成长规划》指出，中小企业成长面临着国际和国内经济巨大变革带来的历史机遇和严峻挑战，提出了完善政策、加强金融支持等一系列保障措施。
根据中国人民银行发布的《2013年金融机构贷款投向统计报告》，金融机构（含商业银行及农村合作社、城市信用社和外资银行等）全年中小企业贷款余额增加1.63万亿元，占全部企业新增贷款的43.5%；年末小企业贷款余额13.21万亿元，同比增长14.2%。
因此，研究中小企业面临的信贷风险，分析其来源和表现形式，科学地度量其风险水平，对于提高中小企业风险控制能力具有重要的理论价值和现实意义。
二、中小企业信贷风险分析目前，中小企业财务融资和信贷风险主要表现在：融资渠道单一、融资成本较高、信贷支持不够等方面。
中小型企业的LOGISTIC回归信用风险预测模型
摘要：文章以中小型企业为研究对象，筛选了甘肃省的120家中小型企业作为研究样本，构建了基于20个常用的财务指标的logistic回归预警模型，进而对中小型企业的信用风险进行预测分析. 研究结果表明模型具有良好的预测效果，预测准确率达到92.5%，可以较好的为企业内部进行风险预警，并为银行系统提供企业信用风险状况和信贷决策依据.关键词：中小型企业；信用风险；logistic回归模型1.引言信用风险评估是定性和定量的方法对可能引起信用风险的因素进行分析，将评估对象分为正常类和违约类，或直接计算出借款人的违约概率，为担保机构是否承保和银行贷款提供依据.近几年，我国中小型企业占规模以上企业99%，由于银行贷款为其主要的融资方式，这无疑为商业银行提供了很大的业务市场.然而由于中小企业规模小、抗风险能力弱、生命周期短、信息透明度差等特点，银行对其的借贷条件较为苛刻，为中小型企业获得银行间接融资带来一定障碍.综上所述情况，使得建立能够准确预测中小型企业信用风险模型势在必行.本文的研究主要是沿着两个方向进行：基于中小型企业在我国经济中的重要地位以及研究数据的可取得性，选取中小型企业作为研究对象；同时，在充分借鉴前人研究成果的基础上，在确定了科学的样本和指标选择方法之后，采用logistic回归模型对企业信用风险进行研究，使模型建立在可信的数理基础之上，预警效果更为理想.2.实证研究2.1 研究样本和指标选取本文以甘肃省120家中小型企业2011年的财务数据为研究样本，数据来源于联合信用管理有限责任公司甘肃分公司，并根据其评级级别分为风险组以及正常组.本文在财务指标的选取上，主要倚重盈利能力、现金流量、偿债能力、营运能力、成长能力五个方面，初始选取被使用最频繁的20个指标作为研究变量：流动比率、速动比率、资产负债率、总资产收益率、销售净利润、主营业务利润率、净资产收益率、应收账款周转率、总资产周转率、流动资产周转率、存货增长率、销售现金比率、现金收入比、总资产、主营业务收入增长率、净资产增长率、流动负债率、固定资产比率.2.2模型指标的筛选根据上表可以看出，用分析样本数据的预测准确率为93.8%.从预测结果来看，以上模型作为一个信用风险的预警模型无论从历史数据的拟合优度，还是对未来预测来说，均较为理想.4. 结论本文所使用的数据均是真实有效的，所建模型具有较强的预测能力，辨别能力高达92.5%，结果较为理想.并且在预测指标的选择过程中可以发现盈利能力、现金流量、偿债能力和成长能力四类财务指标对判别企业信用风险效果显著.然而本文亦存在很多不足之处，首先所使用数据全部为甘肃省的中小型企业，在对其他地区中小型企业进行分析时，模型或许会有一定的局限性；其次本文仅研究了20个预警指标，并未包括所有的财务指标和非财务指标，而且由于搜集资料途径限制，对于很多有可能影响企业信用状况的指标没有纳入研究.对于以上问题，待以后的工作中会继续研究.参考文献：[2] altman e.financial ratios，discriminant analysis and the prediction of corporate bankruptcy[j].the journal of finance.1968，（23）：589-609.[4]hamer m. failure prediction：sensitivity of classification accuracy to alternative statistical methods and variable sets[j]， journal of accounting and public policy， 1983，（2）： 289-307.[5]吴世农，卢贤义.我国上市公司财务困境的预测模型研究[j].经济研究，2001，6：46-55.[6]张玲.财务危机预警分析判别模型[j].数量经济技术经济研究，2000，（3）：51-53.[7]张尧庭等. 定性资料的统计分析[m].广西师范大学出版社， 1991.作者简介：高金玲（1988-），女，内蒙古赤峰，硕士，研究方向：应用统计与精算学。
微型企业信用风险评估——基于Logit模型的分析
．ｇ ４ ６ ．８ ７ ７ ．３ ６ ７ ５１ ０ ４８ ５ ２ ０ ．７ ０
８ ７ ５
５ ９ ．１ ２ ３ ３７ １ ９ ２ ． ７ １ ８８ ４ ６ ．９ ３ １． ９ ０ ００ ２． ７ ４ ２ ７ ２ ９８ １ ４
４３ １ ．０
Ｌｇ ｔ ｉ ，体现 了Ｐ ｏｉｉ＇ ｓｃ ￣数 与解 释 变量 之 间的非 线 性 关 系 。最 后利 用极 大 似然法 对 回归模 型 中 的参 数进 行 估 计 ，再 利用统 计 量对模 型进 行 检验 与评价 。
主的个 人信 用 。可 以从 这一 点 出发 ，结合 以前 中小 企 业 和个 人信用 风 险研 究成 果来 对微 型企 业 的信用
２ １年 １ 月 ０１ １
经 济 论 坛
Ｅ ｏ ｏ ｃ Ｆ ｒ ｍ ｃ ｎ ｍｉ ｏ ｕ
Ｏｅ ．２ １ ｔ ０１ ＮＯ ． ９ ． ｌ Ｖ４ ６ Ｎｏ １
总第 ４ ６期 ９
第 １ 期 １
微型企业信用风险评估
— —
基 于Ｌ ｇｔ ｏｉ 模型 的分析
文／ 郭玉 华
【 摘
Ｃｏ ｓ ａ ｔ ｎ ｔ ｎ
．． １ ４０ ９ —．７ １ ７ ４ —３８ １ ｇ ． ６ ２ ２ １ ８ １ ． ５８
２６ １ ．１
７４ ６ ．６ ６８ ４０ ７ ４７ ４ １ １ ８０
７ ６ ９
３ ８ ３ ５ ６ ２． ５ ８ ０ ７ ４ ８ ４ ８ ８ ３ ．８ ８ ２ ．１ ３ ４６ ２ ５ ２ ４ １
【 键 词 】 ｏ ｔ ；微型企业 ；信用风险 关 Ｌ百模型 【 作者简介 】 玉华 ，中央财经大 学保险学院硕 士研 究生 ， 究方 向：保险学与风险管理 。 郭 研
基于Logistic模型的中小企业信用风险的度量分析
基于Logistic模型的中小企业信用风险的度量分析摘要：本文以反映中小企业偿还负债能力和盈利能力两个方面的财务指标，构建logistic模型，对中小企业的信用风险进行测算。
研究结果表明：中小企业的保守速动比率和净资产收益率对企业的违约概率有重要的影响，所以中小企业的短期偿债能力和盈利能力对企业的违约概率有着很强的解释能力。
关键词：信用风险logistic模型；偿债能力；盈利能力在影响企业的信用风险的众多财务指标中，本文认为最重要的因素是偿债能力和盈利能力。
因此，选择的变量有衡量企业短期负债偿还能力的保守速动比率（x1），衡量企业长期负债能力的有形资产净值债务率（x2）和利息保障倍数（x3），同时选择了综合反映企业盈利能力的净资产收益率（x4）。
各指标的计算公式如下：保守速动比率=（现金+交易性金融资产+应收账款+应收票据）/流动负债，有形资产净值债务率=负债总额/（股东权益-无形资产净值），利息保障倍数=息税前利润/利息费用，净资产收益率=净利润/净资产。
由于很难得到中小企业违约数据，所以参照经常性做法，将上市公司中被st（退市风险警示）的公司近似视为违约企业，没被特别处理的企业则视为经营状况良好，不存在违约风险的企业。
上市公司的财务比率数据来源于ressert数据库，共选取了90家上市公司，其中st的公司30家，非st的公司60家，以其数据来估计模型的参数。
然后随机抽取st公司和非st公司各10家，用其数据来进行预测，检验模型的预测效果。
在企业违约风险的度量中，存在违约（y=0）与不违约（y=1）两种情况。
因此，二元选择模型比较适用于企业违约风险的度量。
本文选用二元选择模型中logistic模型，来模拟与评估企业的违约风险。
模型的具体形式为：pi=11+exp（-x′iβ）其中：pi为事件yi发生的概率，x′i为影响事件发生的自变量的转置向量，β为各自变量的系数。
经过比较后发现，含变量净资产收益率（x4）模型的各项指标最优。
基于Logistic回归的上市中小企业信用风险评估模型研究
軒Logistic _勘上神補言用騰戚李海1吴广海2(1.暨南大学，广东广州510000;2.华南理工大学，广东广州510000)摘要：中小企业是我国经济体系的重要组成部分，为缓解就业压力，拉动国民经济增长作出了重要贡献。
但中小 企业与金融机构之间的信息不对称以及潜在的道德风险等诸多问题，使中小企业陷入融资难的困境。
如何有效评估 中小企业的信用风险是解决问题的关键。
本文基于Logistic 回归构建了针对上市中小企业的信用风险评估模型，并 以2017年〜2019年上市中小企业的数据为样本进行检验，研究结果显示该模型可以有效评估中小企业的信用风 险，具有一定实际应用价值。
最后在研究分析的基础上，为金融机构、中小企业和政府机构提出了相对应的对策和 建议。
关键词：上市中小企业；信用风险评估；Logistic 回归分析中图分类号：F 279. 3;F 224文献识别码：A文章编号=2096 —3157(2020)36 —0157 —03一、 引言中小企业在我国经济体系中具有重要地位，且由于其数 量多、市场份额多的特点，越来越受到银行的重视。
然而，由 于信息不对称及道德风险等诸多问题，金融机构对中小企业 的融资贷款管控较为严格，使得中小企业陷人融资难的困 境。
为解决这一问题，学者专家开始研究如何构建有效的中 小企业信用风险模型评估中小型企业风险，但实践中仍有许 多问题需要进一步改进。
一方面，信用风险评价指标体系不 够完善。
中小企业的管理水平和财务制度的不够完善，仅仅 凭借财务指标对中小企业进行信用风险评价得出的结果准 确度值得怀疑。
另一方面，信用风险评价方法也有待改进。
目前国内对于中小企业信用的研究以单一的综合评价方法 为主，这种方法容易导致得到的评价结果是片面的。
虽然综 合评价法近年来逐步发展起来，但缺乏对综合评价结果的有 效性和评价模型的科学性的验证。
基于此，本研究在已有研 究模型的基础上，探索完善关于上市中小企业信用风险评价 指标体系，并构建Logistic 回归模型对上市中小企业信用风 险进行综合评估。
logistic回归模型在信贷风险管理中的应用
logistic回归模型在信贷风险管理中的应用首先，Logistic回归模型能够对客户进行分类。
在信贷业务中，银行通常将客户分为“好客户”和“坏客户”两类。
好客户是指那些按时还款且信用记录良好的客户，而坏客户是指那些拖欠还款、违约或信用记录较差的客户。
通过构建一个适用于信贷业务的Logistic回归模型，银行可以根据客户的个人、财务和信用历史信息，预测其属于“好客户”还是“坏客户”的概率。
其次，Logistic回归模型能够帮助机构评估客户的信用风险。
银行在决定是否提供贷款或授信额度时，需要综合考虑客户的违约概率、借款金额、财务状况等因素。
通过Logistic回归模型，机构可以根据客户的个人信息和信用历史，计算出其违约概率，并将其作为一个重要的参考指标来评估客户的信用风险水平。
此外，Logistic回归模型还可以帮助机构制定个性化的风险管理策略。
根据银行的风险偏好和风险承受能力，可以设置合适的阈值，将客户分为高风险、中风险和低风险等级。
对于高风险客户，机构可以采取更为严格的审批流程或要求更高的利率，以减少风险。
对于低风险客户，机构可以提供更快速的审批，并给予较低的利率，以吸引更多优质客户。
总之，Logistic回归模型在信贷风险管理中发挥着重要的作用。
它可以帮助金融机构预测客户的违约概率，评估客户的信用风险，并制定相应的风险管理策略。
通过运用Logistic回归模型，金融机构能够更加准确地评估信贷风险，提高贷款的准确性和风险控制能力，从而降低违约风险，保护机构的利益。
Logistic回归模型在信贷风险管理中的应用非常广泛，这里将进一步探讨该模型的优势和应用程序。
一方面，Logistic回归模型基于逻辑函数，能够输出介于0和1之间的概率值，这使得它非常适用于二元分类问题，例如在信贷风险管理中将客户划分为“好客户”或“坏客户”。
与传统的线性回归模型相比，Logistic回归模型能够更好地处理非线性关系，并克服了线性回归模型可能面临的问题，例如预测值超出0-1范围或出现负值的问题。
基于Logistic回归的中小企业信用风险研究
基于Logistic回归的中小企业信用风险研究作者：林庆森来源：《健康科学》2018年第06期摘要：近年来，中小企业推动了我国的经济发展，它促进了经济连续性增长、促进技术创新、增加税收和改善就业机会方面发挥了无法取代的作用。
但是，中国的中小企业规模小、财务制度不完善，无形资产难以量化，缺乏有效资产抵押等问题导致企业信用风险较大，且融资不易，所以有必要研究中国中小企业的信用风险，建立中小企业的信用风险评估系统。
关键词：Logistic回归，中小企业财务指标，信用风险中小企业主要制约其发展的还是信贷资本的整合。
为彻底解决中小企业融资难题，银企信息不对称需要解决。
对信用风险有效的进行评估，已是解决信息不对等的合适手段，只有采取合适的评估机制，才能从根源上解决问题。
中小企业融资和融资融资将促进中国中小企业的健康和可持续发展。
一、信用风险的定义及相关特征和风险（一）信用风险也称为违约风险，是指交易对象未能履行合同义务而导致经济损失的风险。
也就是说，受托人未能履行偿还本金和利息的义务，并使债权人的预期收益和实际收入损失成为可能。
是金融风险的主要类型之一简单来说，发生信用风险的原因大概有两种，已是贷款的企业或个人没有还款意愿，二是他们由于其他的原因导致破产等致使没有还款能力。
（二）特征1.客观性，信用风险不会被人意转移；2.传染性信用风险是由于经营一个或几个信用实体的难度或破产导致信用链的破裂和整个信用秩序的混乱；3.通过可控性，可以通过各种措施控制信用风险，以最大限度地减少损失；4.随着周期性，信贷风险将定期与信贷扩张和收缩交替。
（三）产生原因1.中国产权意识淡薄是信用风险的一个原因。
2.金融市场参与者众多，规范管理难度大，金融市场交易量较大，数量较多。
3. 信用风险是金融市场固有的组成部分之一，通常伴随着金融市场。
4. 金融市场是一个复杂且瞬息万变的市场，存在着大量的不确定性，例如：经济体制，国家宏观经济调控，市场不断变化，资金需求，技术和资源等都是信用风险形成的因素。
基于logit模型的中小企业信贷风险评估管理
基于logit模型的中小企业信贷风险评估管理摘要：随着社会经济的不断发展，中小企业在国民经济中扮演着非常重要的角色。
然而，中小企业信贷风险的评估对于金融机构的稳健经营至关重要。
本文基于logit模型，探讨了中小企业信贷风险的评估管理方法。
首先，介绍了中小企业信贷风险评估的研究现状及某银行的实际案例。
然后，对logit模型进行了详细的解析，包括模型基本结构、似然函数、极大似然估计方法等。
接着，通过某银行的实际数据进行了模型拟合，并对模型的预测准确性进行了验证。
最后，本文提出了针对中小企业信贷风险管理的建议和措施，以提高金融机构的风险管理水平。
关键词：logit模型；中小企业；信贷风险；评估管理；预测准确性正文：一、引言随着我国市场经济的不断发展和改革开放的深入推进，中小企业在国民经济中发挥了越来越重要的作用，已成为中国经济的支柱性力量。
然而，由于中小企业的融资成本较高、融资渠道较窄，许多中小企业被迫依靠银行等金融机构获得融资。
同时，中小企业的信贷风险也相应增加。
因此，金融机构需要采取适当的措施，对中小企业的信贷风险进行评估和管理，以保证其稳健运营。
本文旨在探讨基于logit模型的中小企业信贷风险评估管理方法，并提出相应的解决方案。
二、中小企业信贷风险评估的研究现状及实际案例（这里主要介绍一下现有的研究成果和某银行的实际案例，可以简要概述一下研究方法、实验数据、实验结果等）三、logit模型的基本原理及应用logit模型是用于概率回归分析的一种广义线性模型，常用于研究二分类问题。
在中小企业信贷风险评估中，可以将借款人违约（即发生贷款违约）与不违约两种情况视为两个分类，并通过logit模型对其进行分类预测。
具体来说，logit模型的基本结构可以表示为：$P(y=1|x)=\frac{exp[\beta_0+\beta_1 x_1+\dots+\beta_px_p]}{1+exp[\beta_0+\beta_1 x_1+\dots+\beta_p x_p]}$其中，$y$表示分类结果，$x$表示自变量，$\beta$表示回归系数。
《基于Logistic模型的中小企业信用风险评估研究》
《基于Logistic模型的中小企业信用风险评估研究》一、引言随着经济的快速发展和金融市场的深化，中小企业作为经济发展的重要力量，其信用风险问题逐渐成为金融市场关注的焦点。
信用风险评估是金融机构对中小企业进行风险控制的重要手段。
本文旨在探讨基于Logistic模型的中小企业信用风险评估研究，以帮助金融机构更好地识别和防范信用风险。
二、中小企业信用风险概述中小企业信用风险是指中小企业在经营过程中因各种原因无法按时偿还债务或履行合同义务而给金融机构带来的损失。
由于中小企业的经营规模、财务状况、管理水平等因素的影响，其信用风险相对较高。
因此，对中小企业的信用风险进行评估，对于金融机构来说具有重要意义。
三、Logistic模型在信用风险评估中的应用Logistic模型是一种常用的信用风险评估模型，通过分析企业的财务数据、经营状况、管理水平等因素，预测企业违约的概率。
该模型具有较好的预测性和稳健性，适用于中小企业的信用风险评估。
在Logistic模型中，我们通过建立一系列的自变量和因变量，对企业的各项指标进行量化处理，然后利用统计方法估计出各变量的系数，最终得到一个预测企业违约概率的模型。
该模型可以有效地帮助金融机构识别高风险企业，从而制定相应的风险控制措施。
四、基于Logistic模型的中小企业信用风险评估研究本研究以某地区的中小企业为研究对象，通过收集企业的财务数据、经营状况、管理水平等指标，建立Logistic模型进行信用风险评估。
首先，我们选取了与企业信用风险相关的多个指标，如企业的资产负债率、利润增长率、现金流状况、管理水平等。
然后，我们利用统计软件对数据进行处理和分析，建立Logistic回归模型。
在模型建立过程中，我们采用了逐步回归的方法，对各个指标进行筛选和优化，最终得到一个较为稳定的模型。
通过该模型，我们可以预测企业违约的概率，从而帮助金融机构更好地识别和防范信用风险。
五、研究结果与分析通过基于Logistic模型的信用风险评估，我们发现中小企业的信用风险与其财务状况、经营状况和管理水平等因素密切相关。
课题研究论文：基于logit模型的中小企业信贷风险评估管理
148991 企业研究论文基于logit模型的中小企业信贷风险评估管理一、引言在我国的经济发展中，中小企业的作用日益明显，逐渐成为我国市场经济的中坚力量。
然而由于中小企业自身规模小、风险大、管理不够规范等因素，当然也有国家宏观政策、金融机构与企业之间信息不对称等因素的影响，导致中小企业出现融资困境。
对于商业银行而言，如何控制中小企业信贷风险，提高风险控制能力成为银行发展信贷业务面临的重要问题。
如本文拟通过对中小企业信贷风险理论分析和实证分析，探讨评估中小企业信贷风险的数量模型，以有效防范和降低中小信贷风险，有效提高商业银行对中小企业信贷管理水平，继而从银行这方面解决中小企业融资难题。
二、文献综述针对中小企业信贷风险问题，研究者提出了许多分析思路与框架，基于财务指标和信用风险关系的研究，早期较为著名的是Altman，1968年提出的的Logit模型，他应用该模型分析了信用风险；随后有Martin应用了Logit模型预测公司的破产违约概率；我国研究者吴世农运用ST公司数据采用四种分析（剖面分析、单变量分析、线性模型、Fisher二类判定分析以及Logit模型分析），其中Logitech模型的预测准确率最高，研究也证实了Logit模型要优于线性判别模型。
三、实证分析（一）logit回归模型现实生活中，许多现象量度并非线性，而是通常分为两类，Logit模型即用来度量二分类，它属于概率型模型，能预测某事件发生的概率。
通过样本企业的财务指标，建立Logit模型就可以预测观察期内企业违约概率。
其中，Logit模型形式定义如下：logitP=ln■logitP=β0+β1X1+…βiXi+…βnXn其中，Xi是解释变量，表示第i个指标；βi为待估参数，P为违约状况，为虚拟变量，规定当P取1时，违约现象存在。
Logit模型的优点是解决了非线性的问题，它对样本要求不苛刻，不要求样本服从标准正太分布。
（二）变量与数据选取本文选取样本来自我国中小板上市企业，数据来自国泰安数据库，并运用Excel整理分析所得。
基于Logistic模型的村镇银行信用风险实证分析
基于Logistic模型的村镇银行信用风险实证分析摘要：三农发展一直以来都是国家重点关注的领域。
服务于三农和小微企业的村镇银行经过十余年的发展在促进农村经济改革，改善农村金融环境等方面做出了重要的贡献。
但是近年来我国经济发展下行趋势明显，银行不良贷款激增，村镇银行风险防控面临着巨大的压力。
我国非上市中小企业财务信息很难获得，本文通过调研山东省某村镇银行，以其21家企业贷款客户2015-2018年度财务数据为样本，运用Logistic模型对影响村镇银行信用风险的因素进行分析，结果显示流动比率、现金比率、营业利润率以及净资产收益率等财务指标对村镇银行信用风险有着显著影响。
关键词：村镇银行信用风险 Logistic模型金融科技一、引言农村经济发展历来受到党和国家的重视，中央一号文件连续多年提出要加大对“三农”领域的投入，加大金融支持力度，改善农村金融环境。
为此，服务于农民、个体工商户和中小微企业的村镇银行应运而生。
经过十余年发展，村镇银行灵活、快捷的服务己经为农村经济发展做出了重要的贡献。
以山东省为例，相关统计数据显示，村镇银行存款吸收和贷款投放的力度逐年加大，2018年第三季度，山东省村镇银行吸收各项存款856.47亿元，发放各项贷款总额为646.56亿元，其中91.7%投放于农户和中小企业，为支持山东省三农经济发展做出了重要贡献。
与此同时，相关数据显示第三季度村镇银行的不良贷款率为3.27%，远超其他商业银行。
当前我国经济发展增速减缓，企业违约事件频发，担保圈风险暴露严重，银行不良贷款激增，在此背景下做好村镇银行风险防控工作刻不容缓。
二、文献综述国外对于类似村镇银行的中小社区银行信用风险研究侧重于建立模型进行实证分析，研究成果被大量运用于银行的信用风险管理之中。
Martin（1977）选择了58家濒临破产的美国银行，使用8个有代表性的财务指标构建Logistic模型来预测企业的违约概率。
West（1985）证明了Logistic模型适合用来研究银行信贷风险。
小额贷款公司中小企业信用贷款风险实证研究—基于Logistic和Probit模型
要对中小企业建立信用贷款评分模型就必须找到评价借款人各项相关条件的若干指标，这些指标在 原则上应当与借款人的信用状况有较强相关性。同时，考虑到小额贷款公司在日常工作中一般均通过实
160
小额贷款公司中小企业信用贷款风险实证研究
地调查获得指标信息，因此在指标选择时，还应充分考虑到操作的可行性，尽量选择相关性强且容易获 得的指标。
指标原始值 实际值
小学及以下；初中；高中；技校；大专；本科及以上 逾期次数实际值
未婚；已婚；离异；丧偶 自有；按揭/抵押；租住；借住亲戚朋友家
实际值 实际值 实际值
161
小额贷款公司中小企业信用贷款风险实证研究
Logistic 回归(Logistic Regression)被广泛用于对因变量为二分类变量进行回归建模。该模型对数据的
Keywords
Small Loan Companies, SMEs, Credit Risk, Logistic Model, Probit Model
小额贷款公司中小企业信用贷款风险实证研究
—基于Logistic和Probit模型
张佳敏，周建军
云南大学，数学与统计学院统计系，昆明
159
小额贷款公司中小企业信用贷款风险实证研究
1) 年龄。国外学者的研究表明，年龄与信用风险之间存在曲线关系。虽然这一曲线关系可能并不具 有普遍适用性，但至少表明年龄是信用风险的影响因素之一。
2) 学历。一般认为较高的学历伴随着较高的受教育程度和较多的工作机会，因而违约的可能性也较 小。该指标与信用风险成负相关关系。
3) 人民银行逾期记录。贷款记录反映了一个人过去贷款的还款情况，以往逾期记录不良表明借款者 的还款意愿或者还款能力存在问题，贷款风险增大。
《基于Logistic模型的中小企业信用风险评估研究》
《基于Logistic模型的中小企业信用风险评估研究》一、引言在经济发展和金融市场蓬勃的背景下，中小企业（SMEs）对于国民经济的贡献日益突出。
然而，由于规模较小、财务状况不稳定、抗风险能力较弱等因素，中小企业的信用风险评估变得尤为重要。
信用风险评估是对企业履行还款责任的信任度进行衡量，有助于银行和其他金融机构更准确地识别风险、优化贷款策略，从而保护其资产质量。
Logistic模型作为一种常见的统计模型，因其适用于处理分类问题且对数据分布没有严格限制而广泛应用于信用风险评估领域。
本文旨在探讨基于Logistic模型的中小企业信用风险评估研究，为中小企业信用风险管理提供科学、客观的参考依据。
二、文献综述以往研究指出，中小企业信用风险评估对于金融市场的稳定发展具有重要意义。
许多学者和专家运用不同的方法对信用风险进行了研究，如多元线性回归模型、决策树模型等。
其中，Logistic模型因其良好的分类性能和稳健性在信用风险评估中得到了广泛应用。
在Logistic模型的应用中，主要关注企业财务指标、市场环境指标、运营指标等关键因素对信用风险的影响。
通过对这些因素的合理组合和预测，能够有效地提高信用风险评估的准确性和可靠性。
三、Logistic模型的应用1. 模型构建本研究选取了若干关键指标作为自变量，如企业财务状况、经营能力、市场环境等，以信用风险为因变量构建Logistic回归模型。
在模型构建过程中，通过数据的筛选和预处理，确保了数据的准确性和可靠性。
此外，还对模型进行了优化和调整，以提高预测的准确性。
2. 模型应用Logistic模型应用于中小企业信用风险评估时，可以分析不同指标对企业信用风险的影响程度。
例如，企业的负债率、盈利能力、市场占有率等关键因素均与信用风险密切相关。
通过对这些因素进行量化分析，能够得出企业在特定时期的信用风险等级和风险大小。
这有助于金融机构在制定贷款策略时更准确地判断企业信用风险水平，降低违约率。
《基于Logistic模型的中小企业信用风险评估研究》
《基于Logistic模型的中小企业信用风险评估研究》一、引言随着经济的发展和市场的变化，中小企业的地位日益凸显。
然而，由于中小企业规模小、资金链脆弱，其信用风险问题也日益突出。
因此，如何准确评估中小企业的信用风险，成为了一个重要的研究课题。
本文将基于Logistic模型，对中小企业的信用风险进行评估研究。
二、中小企业信用风险概述中小企业信用风险是指中小企业在经营过程中，由于各种原因导致无法按期偿还债务或履行合同义务，给债权人或合作伙伴带来损失的可能性。
这种风险主要受到企业自身经营状况、市场环境、政策法规等多方面因素的影响。
三、Logistic模型在信用风险评估中的应用Logistic模型是一种广泛应用于信用风险评估的统计方法。
它通过分析企业的财务数据、经营状况等指标，构建出一个多变量回归模型，以预测企业违约的概率。
Logistic模型能够处理非线性关系，并且可以输出违约概率，便于决策者进行风险评估和决策。
四、基于Logistic模型的中小企业信用风险评估方法本文采用Logistic模型对中小企业的信用风险进行评估。
具体步骤如下：1. 选取指标：根据中小企业的特点，选取影响其信用风险的指标，如企业的财务状况、经营状况、市场环境等。
2. 数据收集：收集相关企业的数据，包括财务数据、经营数据等。
3. 数据处理：对数据进行清洗、整理和标准化处理，以满足Logistic模型的要求。
4. 构建模型：利用Logistic模型，构建多变量回归模型。
5. 模型检验：利用样本外的数据进行模型检验，评估模型的预测准确率。
6. 风险评估：根据模型的预测结果，对企业进行信用风险评估。
五、实证分析以某地区中小企业为例，选取了影响其信用风险的指标，如企业的资产负债率、净利润增长率、营业收入等。
通过收集数据、处理数据、构建Logistic模型，并对模型进行检验，最终得出该地区中小企业的信用风险评估结果。
结果表明，Logistic模型能够有效地对中小企业的信用风险进行评估。
基于PLS和LOGISTIC回归模型的中小企业融资的信用风险度量
优于判别分析模型对信用风险的度量。美国著名的
风 险管 理公 司 Ｋ ＭＶ公 司 于 １ ９ ９ ３年提 出一 种资 产 组 合风 险管理 Ｋ ＭＶ模 型 ， 是 以债 权 和股 票期 权相 结合
能力。
关键词 ： 偏最 小二乘 ；Ｌ ｏ ｇ ｉ ｓ ｔ ｉ ｃ回归 ； 信 用风 险； 中小企业 融资 中图分类号 ： Ｆ ８ ３ ２ ． ４ ； Ｆ ２ ７ ６ ． ３ 文献标志码 ： Ａ 文章编号 ： １ ６ ７ ４— ７ ４ ７ Ｘ（ ２ ０ １ ３ ） ０ ７— ０ ０ ０ ７— ０ ５
・
７ ・
【 理论研究 】
吴会 咏， 刘艳春
基于 Ｐ Ｌ Ｓ 和Ｌ Ｏ Ｇ Ｉ Ｓ Ｔ Ｉ Ｃ回归模型 的中小企业 融资的信用风险度量
约度量 的基 本方 法 。 与 多元 线性 回归 模 型类 似 ， 解 释 变 量 间 的 多 重
种风险 ， 它不仅影 响企业 自身的发展 ， 也影响银行
等金 融机构 的安全 和效 率 以及整 个 社会 的经 济稳 定
与发展。因此 ， 如何度量 中小企业 的信用风险并对 其进行预警， 就成为一个关键的课题。Ｏ ｈ ｌ ｓ ｏ ｎ Ｊ ． Ａ ．
共线 性 的条件 下 ， 模 型设 置 的微小 变 化 、 在 训 练集 中
银行的信贷数据作为训练集 ， 对信用违 约发生 的概
率 建 立基 于 Ｌ ｏ ｇ ｉ ｓ ｔ ｉ ｃ回归 的预 测模 型 ， 并对 模 型 的预 测 效 果 进 行 检 验 。张 琅 （ ２ ０ １ ０） 和 张 传 新 （ ２ ０ １ ２ ） 分 别 以西安 汽 车 行 业 的 ４ ８家 中小 企 业 为 对象和以 ７ ８家上 市 公 司为 样 本 建 立 基 于 主 成 分 分
小微企业信用风险论文.doc
小微企业信用风险论文一、基于因子分析的logistic模型实证分析用logistic回归模型对客户信用风险进行预警，主要包括两部分内容，一是对样本财务指标数据进行因子分析，筛选出logistic回归的关键自变量，二是建立logistic回归模型，用于对客户违约情况进行风险预警。
（一）样本选取与简单描述性统计。
本文数据来源于国内某商业银行的信贷系统，以2006年的化工业为例，从中选择了2457个小微企业非上市公司样本，其中48个违约样本，2409个非违约样本。
对于样本公司，本文从偿债能力、盈利能力、营运能力、成长能力、现金流量以及规模等六个方面，选取了15个财务指标，对小微企业非上市公司的经营现状进行因子分析，从中找出最能反映公司经营特点的少数公共因子，进而为后续的Logistic模型风险预警提供解释变量。
选取的15个财务指标如表1所示：在选取样本时，本文首先运用SPSS16.0软件对数据进行了异常值剔除处理，步骤如下：首先对选定的15个财务指标进行标准化，除指标量纲的差异，然后将每个指标的标准化值的绝对值大于或等于3的样本视为异常值加以剔除；对剔除后的样本，重复进行指标标准化处理、检验异常值、剔除异常值，直至无异常数据为止。
本文重复了5次异常值剔除处理，最终筛选出2457个合格样本，用于因子分析。
下表2为数据的简单描述性统计量。
（二）因子分析1.因子分析的适用性检验。
因子分析要求变量间具有相关性，本文在进行因子分析前，主要采用KMO检验和巴特利特球度检验方法对变量进行相关性检验。
表3为运用SPSS16.0软件运行得出的检验结果。
从表中可以看出KMO检验统计量的值等于0.633，其大于0.5，证明适合作因子分析。
同时巴特利特球度检验值为27600，其相伴概率为0.000，在5%的显著性水平下极其显著，说明相关系数矩阵不是单位阵，即变量间存在相关性，适合作因子分析。
2.确定因子数目。
构造因子变量首先要确定因子数目，本文采用特征值大于1的标准提取公因子，同时通过碎石图直观判断公因子数目。
(金融学专业优秀论文)基于LOGISTIC模型的商业银行中等规模企业贷款信用风险研究
要素分析法，它主要集中在借款人的道德品质（Ｃｈａｒａｃｔｅｒ）、还款能力（Ｃａｐａｃｉｔｙ），资
本实力（Ｃａｐｉｔａｌ），经营环境条件（Ｃｏｎｄｉｔｉｏｎ）和担保（Ｃｏｌ １ａｔｅｒａｌ）五个方面进行经验判
别借款人的还款意愿和还款能力。“５Ｗ’’要素分析法则从借款人（Ｗｈｏ）、借款用途
硕士论文
基于Ｌｏｇｉｓｔｉｃ模型的商业银行中等规模企业贷款信用风险研究
ｒｉｓｋ Ｗａｓ ｐｒａｃｔｉｃａｌ
ａｎｄ ｆｅａｓｉｂｌｅ．Ａｎｄ ｔｈｅ ｍｅａｓｕｒｉｎｇ
Ｋｅｙｗｏｒｄｓ：Ｃｏｍｍｅｒｃｉａｌ ｂａｎｋｓ，Ｍｅｄｉｕｍ・Ｓｉｚｅｄ
Ｃｒｅｄｉｔ ｒｉｓｋ
Ｅｎｔｅｒｐｒｉｓｅｓ，Ｌｏｇｉｓｔｉｃ Ｒｅｇｒｅｓｓｉｏｎ Ｍｏｄｅｌ，
damdoc为您倾心整理(小店)(QQ@2218108823)
台促进中小规模企业和非共有制经济发展的法规政策性文件１２１件。２００５年７月，
中国银行业监督管理委员会又新出台了《银行开展小企业贷款业务指导意见》，该《指 导意见》旨在促进和指导各银行不断改善对中小规模企业的金融服务，逐步调整和优 化信贷资产结构。该《指导意见》在很多方面为银行向中小规模企业贷款提出了指导 性意见，还着重对信贷员向中小规模企业发放贷款工作的诸多环节制定了具体的要 求。可以看出，《指导意见》的出台不仅对中小规模企业贷款问题给予了重视和支持， 还十分关注银行贷款的安全问题，照顾到了银行与企业双方的利益。但是，中等规模
ｔｏ
ｆｉｒｍｌｙ ｍｅａｓｕｒｅ
ｔｈｅ ｒｉｓｋ
ａ
ｆｒｏｍ ｐｒｏｖｉｄｉｎｇ ｔｈｅ
ｌｏｔ ｏｆ
Ｍｅｄｉｕｍ－Ｓｉｚｅｄ Ｅｎｔｅｒｐｒｉｓｅｓ，ｃｏｍｍｅｒｃｉａｌ
ｗｈｉｃｈ
Logit 模型在商业银行中小企业信用风险评估中的应用研究
1引言近年来，我国经济已由高速增长阶段转向高质量发展阶段，这就要求以商业银行为主要构成部分的金融市场能够给予企业生产足够的资金支持，而其中中小企业占据了绝对数量。
因此，商业银行需要一种有效的量化工具对中小企业金融借贷的风险进行衡量，以此来保证信用风险测度的稳定，为国内金融系统的稳定发展提供保障。
2我国商业银行中小企业信用风险理论概述中小企业是我国国民经济的重要组成部分，也是最活跃的生产形态，占全国企业总量的99%以上。
具有规模小、抗风险程度低、市场灵敏度高等特征。
商业银行是以盈利为目的的货币经营企业，以货币为经营对象。
在中小企业贷款问题上普遍存在“惜贷”问题。
由于商业银行与中小企业之间存在信息不对称性，致使商业银行实施借贷行为时企业风险较大，银行的惜贷行为使得中小企业融资更为困难，企业发展陷入困境。
信用风险是指因债务人或交易对手未履行合同所规定的义务或其信用质量发生了变化，金融工具价值受到影响，从而给债权人或金融工具的持有人造成损失的一种可能性。
商业银行中小企业信用风险理论特指的是中小企业违约或者信用评级改变对商业银行产生损失的可能性。
3商业银行应用Logit 模型进行信用风险评估的介绍新巴塞尔资本协议将银行风险划分为市场风险、信用风险和操作风险，作为金融体系中活跃的组成部分，信用风险被认为是最主要的风险。
由此，国内外学者对此已经作出了大量的相关研究。
在信用风险评估的管理方式下，产生了诸如评级法、专家系统评分法等定性方法；在数理统计的方法构建下出现了以多元判别分析法、Logit 模型、Probit 模型、神经网络法等为代表的量化分析的处理方式。
受制于定性方法主观性的影响和多元分析对于原始数据及模型的严格假定，实际应用中通常使用预测表现最优的Logit 模型进行风险评估。
在中小企业信用风险评估当中，用虚拟变量y 来刻画违约事件是否发生，用p 表示企业违约概率，并设定由相关影响因素构成的向量：原始变量表示[x 1，x 2，…，x p ]（或者公共因【作者简介】宋作为（2000-），男，上海人，本科在读，从事金融统计与风险管理研究。
- 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)。
基于Logit模型的中小企业信贷风险实证分析【摘要】中小企业普遍存在的“融资难”现象影响了中小企业的发展。
文章分析了中小企业的信贷风险，适当选取2013年上市公司为样本，利用SPSS统计软件，运用因子分析方法对中小企业信贷风险指标进行了筛选，构建了基于Logit回归模型的中小企业信贷风险度量模型。
实证分析表明，模型具有较高的有效性和准确性，可作为中小企业信贷风险评估的科学依据。
【关键词】中小企业；信贷风险；因子分析；Logit回归模型一、引言中小企业在国民经济发展中具有重要地位，在推动技术创新、缓解就业压力、方便群众生活、保持社会稳定等方面发挥着重要作用。
但是，相对于大型企业而言，中小企业一般规模较小、员工素质不高、研发投入不足、把握市场能力较弱，在激烈的市场竞争中缺乏应变能力，使商业银行对其设置了严格的融资约束和限制，普遍出现“融资难”的情况，导致经营状况、财务状况越来越差，进一步加剧了中小企业获取资金的难度。
为了改善中小企业经营环境，促进中小企业健康发展，中国人民银行先后发布了有关服务中小企业的货币信贷政策和指导意见，加大了对中小企业的信贷支持。
工业和信息化部发布的《“十二五”中小企业成长规划》指出，中小企业成长面临着国际和国内经济巨大变革带来的历史机遇和严峻挑战，提出了完善政策、加强金融支持等一系列保障措施。
根据中国人民银行发布的《2013年金融机构贷款投向统计报告》，金融机构（含商业银行及农村合作社、城市信用社和外资银行等）全年中小企业贷款余额增加1.63万亿元，占全部企业新增贷款的43.5%；年末小企业贷款余额13.21万亿元，同比增长14.2%。
因此，研究中小企业面临的信贷风险，分析其来源和表现形式，科学地度量其风险水平，对于提高中小企业风险控制能力具有重要的理论价值和现实意义。
二、中小企业信贷风险分析目前，中小企业财务融资和信贷风险主要表现在：融资渠道单一、融资成本较高、信贷支持不够等方面。
现有的信贷风险分析的方法和度量模型，大多数针对大型上市公司，并没有一套完全适合我国中小企业信贷风险的评价体系。
针对我国中小企业自身的特点，结合我国的经济发展状况和中小企业面临的环境，分析中小企业信贷现状和存在的风险，是建立中小企业信贷风险度量模型的基础。
与大型企业不同，中小企业信贷风险来源广泛，主要是宏观经济风险、金融机构的风险、企业自身的风险等方面。
1.宏观经济风险。
宏观政策风险——宏观政策的调整（产业政策调整、信贷政策紧缩及出口退税政策等）可能为中小企业带来不可抗力的市场风险；利率风险——当财政和货币政策较为宽松时，贷款利率降低，融资成本较低，反之会增大企业的融资风险；汇率风险——对涉及进出口、外贸型的中小企业，汇率变动风险也是不可忽略的。
2.金融机构风险。
信息不对称——许多中小企业内部管理制度还不健全，财务管理和会计制度较为混乱导致财务报表失真，信息透明度通常较低，甚至有意隐瞒对贷款不利的信息和风险，导致了银行、企业之间的信息不对称，使银行不敢轻易给中小企业发放贷款；银行信贷风险管理水平不高——对中小企业的信用和贷款业务的分析经验不足，对于信贷风险的识别和衡量还处于初级阶段，增加了中小企业的信贷风险；担保体系还不完善——担保公司少、资金数量少、资金来源少、内部管理结构不合理、承担风险能力不强，远远不能满足中小企业信贷担保需求。
3.企业内部风险。
由中小企业自身特征所决定的内部风险主要包括：经营风险、财务风险、信用风险等。
经营风险——中小企业通常经营规模较小，资本积累不多，自有资金匮乏，生产设备、工艺不高，产品单一，抵御风险能力较弱，持续经营能力具有不确定性，经营风险相对较高；财务风险——中小企业生命周期较短，财务管理不规范，难以全面了解、识别和判断其财务真实情况，使银行对其贷款面临着更大的信贷风险；信用风险——中小企业权力高度集中，贷款的偿还很大程度上取决于实际控制人的个人诚信，道德风险大，当企业面临经营效益下降，资金周转困难等问题时，就会出现转移财产、抽逃资本金等行为，同时资金使用的随意性可能使贷款用于收益更高、风险更大的项目。
三、基于因子分析的中小企业信贷风险指标筛选（一）样本选择1.样本选取。
由于大部分民营中小企业的财务状况并不公开，无论从企业还是商业银行都很难获取，所以本文采用沪深交易所主板和深圳证券交易所中小企业板市场中，以符合《中小企业划型标准规定》的部分上市企业为代表，随机选取164家符合条件的上市公司为样本。
2.样本类别。
沪深交易所特别重视上市公司的财务状况，“因财务状况异常而被特别处理”即标示为ST、■ST。
笔者认为，这类企业因财务困境而产生“信用危机”，则可能发生违约，而非ST公司作为财务健康企业通常不会发生违约，并以此把上市公司分为“困境企业”和“健康企业”，分别用1、0表示。
对于财务困境企业，本文从2013年仍被特别处理的ST、■ST公司中，具体分析其财务危机发生前1年的财务数据，即采用t-1年数据预测t年的财务状况。
3.样本分类。
将164家企业数据分为训练样本和检验样本，用训练样本建立模型，用检验样本对模型的准确性进行检验。
具体样本分类如表1所示。
（二）指标选择与筛选1.中小企业信贷风险度量指标选择的原则。
中小企业信贷风险评价的指标，应该能全面衡量中小企业所面临的各种风险，反映企业的发展、财务状况和对贷款的偿还能力。
目前，我国尚未建立完整的中小企业信用评价指标体系，结合中小企业特点，评价指标的选择应遵循以下原则：全面性。
选取的评价指标应该全面地反映所有影响企业信用状况的各种因素；同时，尽量避免指标的重叠，在不影响模型评价结果的情况下，可以适当减少一些次要的指标。
针对性。
选取的评价指标要符合中小企业自身的特点。
中小企业具有高度灵活的经营特点，所以在选取指标时，应该更注重企业的发展性和成长性。
预见性。
选取评价指标进而分析信贷风险的目的是预测中小企业贷款的违约概率，在指标的选择上要能够充分反映企业未来的财务和经营状况。
可操作性。
中小企业的财务制度还不规范，选择的指标既要获取容易、操作简捷、使用方便，又要保证数据的真实、可靠、准确。
2.中小企业信贷风险度量指标的选取。
根据企业财务特点和衡量风险的需要，选取了14个财务指标，衡量企业的偿债能力、盈利能力、营运能力和成长与发展能力，如表2所示。
偿债能力是企业信用评价的关键因素，直接影响到企业按时偿还贷款的能力；盈利能力是企业有足够的资金偿还贷款的保障，能够直接反映企业的经营状况；营运能力是企业资产运转的能力，反映企业经营活动的效率和活跃程度，较高的资金周转效率是企业平稳运营、发展的基础；由于中小企业大多处于成长的初级阶段，经营效率和成长速度都很高，成长与发展能力是考察企业以往发展水平和未来成长的重要指标。
3.基于因子分析的中小企业信贷风险度量指标的筛选。
为避免模型过于复杂，同时减少多重共线性对模型准确度的影响，需要利用因子分析方法，对14个指标进行筛选并简化模型。
相关性检验。
利用KMO（Kaiser-Meyer-Olkin）检验和Bartlett球形检验对变量之间进行相关性检验。
结果显示（见表3），KMO值为0.540，大于0.500；Bartlett检验的显著性是0.000，小于1%。
所以所选数据适合因子分析。
主成分分析。
本文采用主成分分析法，根据最大方差旋转法提取公因子，因子数目的确定是经过反复试验，指定公因子数目以确保累计贡献率不小于90%，最终选取10个公因子对原始指标变量进行分析，其贡献率为92.814%（见表4）。
选择代表变量。
在确定因子数目之后，为明确每个因子的具体意义，对因子载荷矩阵进行方差最大选择，使每个因子负荷值的总方差最大，选取出具有代表性的变量。
筛选典型指标。
从表5的结果中选取公因子载荷最大的变量，可以得出10个公因子所对应的代表变量作为度量指标，如表6所示。
四、基于Logit的中小企业信贷风险模型及实证分析以样本、数据、指标为基础，构建反映现实社会模型的实证分析方法，是经济研究的重要方法之一，也是中小企业信贷风险分析的重要方法。
这里以样本和指标为基础，利用SPSS软件，构建基于Logit的中小企业信贷风险模型，并进行实证分析。
（一）模型的构建利用上述指标数据，选择训练样本，采用逐步迭代的方法，得到模型总体的检验参数，如表7所示。
表7表明，在估计模型参数时，进行到第10步迭代终止。
-2对数似然值（-2 Log likelihood）反映了模型中因变量不能解释的变动部分误差的显著性，Cox & Snell R方和Nagelkerke R方的值在第4步分别是0.573和0.803，说明模型的拟合程度一般，并不是非常显著，可能是受样本数量较少、ST股和■ST股的财务指标波动性较大的影响。
表8分别列出了步骤、块、模型的卡方值，Sig.=0，即0.01的显著性水平下模型整体是显著的。
结合表7综合分析，模型有一定的解释能力。
表9中列出了模型的变量估计及检验值，除X7以外，各变量在5%的显著水平下都非常显著，X7是企业净资产收益率，是衡量企业盈利能力的重要指标。
造成这样显著性差异的原因很多，可能也是由于样本数量较少和指标波动性较大，所以为全面地保留指标信息，笔者将X7加入到模型当中。
另外对于企业经营管理能力，采纳了较多的指标，可能的解释是，在之前通货膨胀的经济增长预期下，更多的中小企业选择持有大量的库存，而不是应收账款或现金。
综上所述，可得Logit回归模型：Logit（p）=ln■=1.114-0.380X1-0.132X5-0.056X7+0.461X9+0.259X10-7.278X11+0.003X13 （1）而违约概率为：p=■（2）利用（2）式计算企业的违约概率，即可衡量企业的信贷风险，通过与临界点（0.50）进行比较，为贷款决策提供依据。
通过对样本进行测算，凯恩股份（002012）可能发生违约的概率为p=0.0167，信贷风险较小，所以银行可以直接向其发放贷款；■ST中华A（000017），p=0.8967，银行向其提供贷款将面临较高的违约风险；天津普林（002134），其违约概率p=0.5376接近于临界点，说明企业存在一定的信贷违约风险，但并不必然构成违约条件，需要对企业进行综合分析，才能作出贷款决策。
（二）模型的检验模型的有效性需要进行检验，衡量模型的预测能力。
一般分为样本内检验和样本外检验。
1.样本内检验。
样本内检验是利用建立模型的数据，对比预测值和实际值的情况。
SPSS软件已经给出了样本内检验结果，如表10所示。
样本内检验的结果，对75个财务健康企业，正确判断73个，2个企业被判定为财务困境，准确率97.3%；对35个财务困境企业，30个判断正确，5个被判定财务正常企业，准确率85.7%；而模型的总体准确率达到93.6%。