中小企業(yè)貸款信用評價研究

趙超群，仲 姚

(1.上海理工大學(xué) 管理學(xué)院，上海 200093；2.上海海事大學(xué) 科學(xué)研究院，上海 201306)

一、前言

20世紀(jì)90年代以來，我國中小企業(yè)發(fā)展迅速，已經(jīng)逐步成為國民經(jīng)濟(jì)的重要組成部分，為經(jīng)濟(jì)和社會發(fā)展做出了重要的貢獻(xiàn)。中小企業(yè)的發(fā)展離不開金融支持，而如何滿足中小企業(yè)的信貸需求已經(jīng)成為商業(yè)銀行面臨的新課題。對于商業(yè)銀行來說，中小企業(yè)信貸是新的具有發(fā)展前途的重要業(yè)務(wù)，但風(fēng)險大、成本高、效率低。面對這種兩難處境，商業(yè)銀行需要對中小企業(yè)進(jìn)行信用評估，解決中小企業(yè)信貸決策中遇到的難題。目前，國內(nèi)學(xué)術(shù)界對中小企業(yè)信用評價的研究很多，例如范柏乃和朱文斌[1]、譚中明[2]、王素義和朱傳華[3]、劉廣斌和郭富貴[4]、程云喜[5]等分別進(jìn)行了相關(guān)研究，建立了評價指標(biāo)體系和評價方法。在實踐方面，國內(nèi)商業(yè)銀行的信用評價方法主要針對大型企業(yè)，對中小企業(yè)不太適合。因為中小企業(yè)規(guī)模小，按照一般大型企業(yè)的信用評價方法很難達(dá)到規(guī)定要求；同時，中小企業(yè)數(shù)量眾多，貸款需求總量較大，單筆需求卻比較小，商業(yè)銀行如果對于中小企業(yè)的貸款申請都采取對大型企業(yè)信貸審核的辦法將會帶來高昂的作業(yè)和管理成本，降低效率和效益。為此，本文結(jié)合商業(yè)銀行和中小企業(yè)的實際，對中小企業(yè)的信貸問題進(jìn)行研究，希望提高商業(yè)銀行中小企業(yè)信貸決策的效率和效果，發(fā)展中小企業(yè)信貸業(yè)務(wù)，降低中小企業(yè)信貸風(fēng)險，促進(jìn)中小企業(yè)發(fā)展。

二、中小企業(yè)初步篩選的標(biāo)準(zhǔn)

根據(jù)中小企業(yè)貸款金額小、頻率高、時間急的特點，商業(yè)銀行需要對申請貸款的中小企業(yè)進(jìn)行初步篩選，直接淘汰不符合貸款條件的中小企業(yè)，對留下的初步符合貸款條件的中小企業(yè)進(jìn)行信用評價，進(jìn)而進(jìn)行中小企業(yè)貸款決策。

在具體篩選時，商業(yè)銀行需要根據(jù)自身實際，制定可操作性的評價指標(biāo)。我們采用下列評價指標(biāo)進(jìn)行中小企業(yè)信貸的初步篩選，即符合下列指標(biāo)之一的中小企業(yè)直接淘汰；而經(jīng)過篩選保留下來的中小企業(yè)需要進(jìn)行進(jìn)一步的研究。這些具體標(biāo)準(zhǔn)是：(1)企業(yè)領(lǐng)導(dǎo)人曾在人行逃廢債企業(yè)名單、銀監(jiān)會不良客戶清單以及在人行征信系統(tǒng)中有不良貸款記錄的企業(yè)擔(dān)任過負(fù)責(zé)人，或者個人從業(yè)經(jīng)歷中有破產(chǎn)行為并且有逃廢銀行及社會債務(wù)的，或者其他惡意欠債行為的；(2)企業(yè)領(lǐng)導(dǎo)人曾被公安機(jī)關(guān)行政處罰并且有嚴(yán)重賭博、吸毒等惡性不良行為的；(3)企業(yè)在最近2 年內(nèi)發(fā)生逾期(15 天以上)、欠息(15 天以上)、空頭支票行為三次或三次以上的；(4)企業(yè)對外或有負(fù)債超過企業(yè)凈資產(chǎn)200%的；(5)企業(yè)連續(xù)兩年虧損的，或者累計虧損超過凈資產(chǎn)70%的；(6)企業(yè)領(lǐng)導(dǎo)人個人從業(yè)年限小于6年的；(7)企業(yè)成立年限小于3年的；(8)銷售增長程度達(dá)不到連續(xù)兩年增長且平均增長20%以上的；(9)或有負(fù)債/實收資本超過70%的。

三、中小企業(yè)貸款信用評價指標(biāo)體系的構(gòu)建及其應(yīng)用

(一)中小企業(yè)貸款信用評價指標(biāo)體系的構(gòu)建

對于經(jīng)過初步篩選保留下來的中小企業(yè)，需要建立評價指標(biāo)體系，進(jìn)行信用評價。我們采用的具體評價指標(biāo)體系包括：(1)企業(yè)整體情況，包括企業(yè)業(yè)主私人主要資產(chǎn)情況和交叉銷售情況兩個指標(biāo)；(2)企業(yè)財務(wù)狀況，包括凈資產(chǎn)收益率、資產(chǎn)負(fù)債比率、應(yīng)收賬款周轉(zhuǎn)率、現(xiàn)金比率、經(jīng)營性現(xiàn)金流凈資產(chǎn)比率等五個指標(biāo)；(3)企業(yè)在貸款商業(yè)銀行的結(jié)算情況，包括企業(yè)在貸款商業(yè)銀行的開戶結(jié)算年限和企業(yè)銷售收入歸行率兩個指標(biāo)。

(二)中小企業(yè)貸款信用評價指標(biāo)體系的應(yīng)用

在構(gòu)建商業(yè)銀行信用評價模型的過程中，利用因子分析技術(shù)，從反映貸款企業(yè)信用風(fēng)險的財務(wù)指標(biāo)體系中提取不可測的公共因子，并運用與主成分分析類似的科學(xué)賦權(quán)方法賦予公共因子科學(xué)的權(quán)重，按照權(quán)重計算出因子得分的綜合評價值，以綜合評價值來反映貸款企業(yè)的信用風(fēng)險。對上述反映信用風(fēng)險的因子綜合評價值進(jìn)行排序劃分，按此結(jié)果即可判斷信貸違約率的高低，以更好地指導(dǎo)風(fēng)險計量與后續(xù)風(fēng)險管理工作。利用因子分析模型進(jìn)行中小企業(yè)貸款信用評價的基本步驟如下。

(1)建立因子模型。建立因子模型X=AF+ε，其中，X是標(biāo)準(zhǔn)化以后的原始數(shù)據(jù)陣，F(xiàn)為公共因子，ε為特殊因子，矩陣A稱作公共因子載荷矩陣(簡稱因子載荷陣)。

(4)計算因子得分。在獲得公共因子和因子載荷以后，還需要計算各樣本的因子得分，以便綜合考慮各公共因子對評價指標(biāo)的影響權(quán)重，并在排除特殊因子的影響以后，對各企業(yè)信用指標(biāo)在各個因子上做出評價。

統(tǒng)計模型將公共因子F用變量的線性組合表示，以各因子方差貢獻(xiàn)率占因子總方差貢獻(xiàn)率的比重作為權(quán)重進(jìn)行加權(quán)匯總，計算出綜合得分。在進(jìn)行信用評價的過程中，從眾多反映信用風(fēng)險信息的指標(biāo)中計算出包含充分指標(biāo)信息的公共因子，這些公共因子比原始財務(wù)指標(biāo)具有更優(yōu)的統(tǒng)計特征，運用科學(xué)的線性公共因子組合值即因子得分作為反映信用風(fēng)險的變量。運用上述思路構(gòu)建的商業(yè)銀行中小企業(yè)信用評價模型可以較好地解決評價指標(biāo)選擇與指標(biāo)權(quán)重的確定問題。

四、用因子分析模型進(jìn)行中小企業(yè)貸款信用評價的實證分析

(一)變量的相關(guān)性檢驗

因子分析要求各變量間必須有相關(guān)性。這種相關(guān)性可以使用KMO統(tǒng)計量和Bartlett’s球形檢驗加以判定。通過對收集數(shù)據(jù)的處理，得到相關(guān)檢驗結(jié)果(見表1)。檢驗結(jié)果表明，Bartlett值=99.453，P=0.000，即各指標(biāo)相關(guān)系數(shù)矩陣不是一個單位矩陣，故有必要進(jìn)行因子分析；KMO值 = 0.635，意味著因子分析的結(jié)果可以接受。

表1 KMO和巴特利特球度檢驗結(jié)果

(二)計算共同度，提取公共因子

表2為變量共同度表，第一列為本研究中選擇的9個變量，第二列是根據(jù)因子分析初始解計算出的變量共同度，第三列是根據(jù)因子分析最終解計算出的變量共同度。利用主成分分析方法得到9個特征值，它們是因子分析的初始解。利用這9個特征值和對應(yīng)的特征向量可以計算出因子載荷矩陣。

表2 變量共同度表

我們采用主成分法提取公共因子。該方法假設(shè)變量是因子的純線性組合。第一成分有最大的方差，后續(xù)的成分，其可解釋的方差逐個遞減。指定以分析變量的協(xié)方差矩陣作為提取因子的依據(jù)。由計算出的主成分特征值及其貢獻(xiàn)率，可以看出前五個主成分已經(jīng)包含了原始變量 81.105%的信息量，一般來說，提取主成分的累積貢獻(xiàn)率達(dá)到80%以上就比較滿意了，因此選擇前5個主成分作為綜合評價的公共因子(見表3)。

表3 因子提取和旋轉(zhuǎn)結(jié)果(主成分特征值及貢獻(xiàn)率)

Extraction Method：Principal Component Analysis.

(三)確定因子載荷矩陣，建立因子分析模型

因子載荷矩陣見表4。

表4 因子載荷矩陣

表4的輸出結(jié)果是最終的因子載荷矩陣，由此可以建立因子分析模型：

X1=0.714F1+0.187F2+0.114F3-0.001F4+0.414F5.

X2=0.734F1+0.143F2+0.354F3+0.173F4-0.074F5.

?

X9= -0.087F1+0.883F2+0.035F3+0.037F4+0.122F5.

輸出結(jié)果中的每個數(shù)據(jù)表示了相應(yīng)因子變量對相應(yīng)原變量的相對重要程度。

因子載荷矩陣中各因子載荷不能很好地分辨出各因子所包含的屬性，還要對表4中數(shù)據(jù)進(jìn)行因子旋轉(zhuǎn)，使得屬性能更好的判別。在旋轉(zhuǎn)方法上，采用方差最大化方法。

從表5可以看出，第一個因子變量在凈資產(chǎn)收益率上的載荷0.559、在資產(chǎn)負(fù)債比率上的載荷-0.820以及在經(jīng)營性現(xiàn)金流凈資產(chǎn)比率上的載荷0.875，其絕對值相對較高，反映了凈資產(chǎn)收益率、資產(chǎn)負(fù)債比率和經(jīng)營性現(xiàn)金流凈資產(chǎn)比率這三個指標(biāo)(表5中用黑體標(biāo)出)；同理，第二個因子變量反映了企業(yè)業(yè)主私人主要資產(chǎn)情況、交叉銷售情況和銷售收入歸行率這三個指標(biāo)；第三個因子變量反映了在研究中的某行開戶結(jié)算年限這個指標(biāo)；第四個因子變量反映了現(xiàn)金比率這個指標(biāo)；第五個因子變量反映了應(yīng)收賬款周轉(zhuǎn)率這個指標(biāo)。這樣原有的九個指標(biāo)就清晰地劃入到五個因子中。

表5 旋轉(zhuǎn)后的因子載荷矩陣

(四)計算因子得分

我們采用回歸法計算因子得分。經(jīng)SPSS軟件處理后，因子得分如表6所示。

表6 因子得分系數(shù)矩陣

根據(jù)該矩陣以及變量的觀測值可計算因子得分，如：

FAC1-1= 0.145X1+0.058X2+0.049X3-0.147X4+0.287X5-0.440X6+0.043X7+0.040X8+0.464X9.

X1～X9按順序代表數(shù)據(jù)表中的各個變量，各變量均為經(jīng)過均值為0，標(biāo)準(zhǔn)差為1標(biāo)準(zhǔn)化后的變量。代入本研究中標(biāo)準(zhǔn)化數(shù)據(jù)表(略)中的第一個企業(yè)數(shù)據(jù)，得

FAC11-1=0.145×(-0.87)+ 0.058×(-0.94) +0.049×(-0.48)-0.147×(-0.37)+0.287×0.94-0.440×1.02+0.043×0.78+0.040×2.03+0.464×(-1.11) = -0.73.

其他計算方法相同，旋轉(zhuǎn)以后計算的因子得分見表7。

(五)計算各企業(yè)綜合信用評價得分

要進(jìn)行中小企業(yè)貸款信用評價，首先要計算出各個因子得分，再計算出各中小企業(yè)的綜合得分(本研究中50家企業(yè)的數(shù)據(jù)選自某銀行數(shù)據(jù)統(tǒng)計)，以對其差異性進(jìn)行研究。以5個主成分的方差貢獻(xiàn)率作為權(quán)數(shù)，將各因子得分代入計算出各樣本企業(yè)的信用評價綜合得分：

表7 旋轉(zhuǎn)后的因子得分表

FAC1=(0.210×FAC1-1+0.207×FAC2-1+0.154×FAC3-1+0.127×FAC4-1+0.113×FAC5-1)/0.811.

按照這個公式，就可以計算出各企業(yè)信用評價的綜合得分，并按得分大小進(jìn)行排名，將得分大于0的劃為第一組(可直接給予貸款的相對低風(fēng)險的企業(yè))，將得分小于0的劃為第二組(暫不給予貸款的相對高風(fēng)險的企業(yè))，結(jié)果如表8所示。

表8 按因子得分降序排列并分組表

五、結(jié)論

面對大量中小企業(yè)的貸款需求，商業(yè)銀行首先需要按照一定的標(biāo)準(zhǔn)進(jìn)行初步篩選，直接淘汰那些不符合自身要求的中小企業(yè)。對于經(jīng)過初步篩選保留下來的中小企業(yè)，則進(jìn)行信用評價。利用本研究建立的中小企業(yè)信用評價指標(biāo)和因子分析評價方法，可以將中小企業(yè)分為兩類，一類可以直接予以貸款，另一類則暫時不予貸款。實證分析結(jié)果表明，商業(yè)銀行可以直接給予信貸的中小企業(yè)具有較高的企業(yè)業(yè)主私人主要資產(chǎn)、較多的交叉銷售，較長的在貸款商業(yè)銀行的開戶結(jié)算年限、略高的資產(chǎn)負(fù)債比率以及較高的經(jīng)營性現(xiàn)金流凈資產(chǎn)比率等特征。

參考文獻(xiàn)：

[1] 范柏乃，朱文斌.中小企業(yè)信用評價指標(biāo)的理論遴選與實證分析[J].科研管理，2003，(11)：83-87.

[2] 譚中明.中小企業(yè)信用評價體系研究[J].學(xué)術(shù)論壇，2009，(5)：123-127.

[3] 王素義，朱傳華.中小企業(yè)信用評價指標(biāo)的選擇與拓展[J].生產(chǎn)力研究，2009，(11)：180-181.

[4] 劉廣斌，郭富貴.中小型科技企業(yè)信用評價指標(biāo)的構(gòu)建與篩選[J].工業(yè)技術(shù)經(jīng)濟(jì)，2009，(8)：51-54.

[5] 程云喜.中小企業(yè)信用的模糊綜合評價方法研究[J].生產(chǎn)力研究，2008，(4)：137-138.