小企業(yè)貸款信用評(píng)價(jià)模型及實(shí)證研究
——基于最優(yōu)組合賦權(quán)視角

遲國泰，章 穗，齊 菲

(大連理工大學(xué)工商管理學(xué)院，遼寧 大連 116024)

一、引 言

中國人民銀行統(tǒng)計(jì)顯示，2010年1月末，小企業(yè)貸款占全部企業(yè)貸款的比重為22.1%。而金融機(jī)構(gòu)小型企業(yè)的不良貸款率為5.1%，分別高于大型和中型企業(yè)4.1和2.4個(gè)百分點(diǎn)。小企業(yè)貸款的份額不斷增加，而不良貸款率卻依然偏高。小企業(yè)貸款風(fēng)險(xiǎn)管理已成為商業(yè)銀行亟待解決的問題。而小企業(yè)貸款信用風(fēng)險(xiǎn)管理的基礎(chǔ)和關(guān)鍵是小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)。

1.信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的研究現(xiàn)狀

一是權(quán)威機(jī)構(gòu)的信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。具有代表性的主要有:標(biāo)準(zhǔn)普爾 (Standard＆Poor's)設(shè)計(jì)的指標(biāo)體系［1］;穆迪 (Moody's)設(shè)計(jì)的指標(biāo)體系［2］;中國建設(shè)銀行小企業(yè)客戶的指標(biāo)體系［3］;廣東發(fā)展銀行小企業(yè)法人客戶的指標(biāo)體系［4］;中國農(nóng)業(yè)銀行小企業(yè)的指標(biāo)體系［5］。這些權(quán)威機(jī)構(gòu)的指標(biāo)體系中出現(xiàn)過的指標(biāo)如表1所示。

二是學(xué)術(shù)文獻(xiàn)研究的信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。具有代表性的主要有:克拉克銀行信用風(fēng)險(xiǎn)評(píng)估的指標(biāo)體系［6］;林漢川和夏敏仁小企業(yè)客戶信用評(píng)級(jí)的指標(biāo)體系［7］;江其務(wù)和周好文對(duì)借款小企業(yè)信用分析的財(cái)務(wù)因素與非財(cái)務(wù)因素指標(biāo)體系［8］。

現(xiàn)有信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的特點(diǎn)是比較注重財(cái)務(wù)因素的評(píng)價(jià)而忽略非財(cái)務(wù)因素，主要體現(xiàn)在兩個(gè)方面:一是缺少反映非財(cái)務(wù)因素的客觀指標(biāo)。這是因?yàn)榭陀^指標(biāo)無法量化，難以用數(shù)學(xué)模型進(jìn)行評(píng)價(jià)。二是對(duì)于反映非財(cái)務(wù)因素的客觀指標(biāo)，缺少合理的量化標(biāo)準(zhǔn)。

表1 信用評(píng)價(jià)指標(biāo)體系

2.信用評(píng)價(jià)方法的研究現(xiàn)狀

一是基于統(tǒng)計(jì)判別的信用評(píng)價(jià)模型。Altman用財(cái)務(wù)報(bào)表信息與信用風(fēng)險(xiǎn)建立多元線性判別模型［9］。Lau對(duì)Logistic模型和線性判別分析進(jìn)行比較研究，結(jié)果顯示Logistic模型的實(shí)際判別能力并未顯著高于線性判別分析［10］。二是基于神經(jīng)網(wǎng)絡(luò)的信用評(píng)價(jià)模型。Desai等將神經(jīng)網(wǎng)絡(luò)技術(shù)與傳統(tǒng)的線性判別分析和Logistic回歸進(jìn)行了比較研究［11］。Chen和Huang應(yīng)用神經(jīng)網(wǎng)絡(luò)和遺傳算法解決信用評(píng)價(jià)問題［12］。三是基于遺傳規(guī)劃的信用評(píng)級(jí)模型。Ong等應(yīng)用遺傳規(guī)劃方法建立信用評(píng)級(jí)模型，通過實(shí)證發(fā)現(xiàn)遺傳規(guī)劃方法優(yōu)于其他方法［13］。Huang等將兩階段遺傳規(guī)劃應(yīng)用于信用評(píng)價(jià)［14］。四是其他分類器模型。Lim和Sohn建立了基于動(dòng)態(tài)聚類方法的信用評(píng)價(jià)模型［15］。Jiao等用模糊訓(xùn)練數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)，建立了基于模糊自適應(yīng)網(wǎng)絡(luò)的信用評(píng)價(jià)模型［16］。

二、信用評(píng)價(jià)指標(biāo)選取原則

以標(biāo)準(zhǔn)普爾、穆迪等權(quán)威機(jī)構(gòu)的信用評(píng)價(jià)指標(biāo)［1－5］作為信用評(píng)價(jià)指標(biāo)篩選的典型文獻(xiàn)。以權(quán)威文獻(xiàn)的指標(biāo)為基礎(chǔ)，建立信用評(píng)價(jià)指標(biāo)體系。

1.指標(biāo)的獨(dú)立性

相關(guān)性強(qiáng)的指標(biāo)不宜同時(shí)出現(xiàn)在指標(biāo)體系中。第一，相關(guān)性大的指標(biāo)反映的信息是相同的，會(huì)夸大該信息的重要性，可能導(dǎo)致評(píng)價(jià)結(jié)果的失真;第二，這也會(huì)增加評(píng)價(jià)的工作量不利于實(shí)際操作。比如資產(chǎn)負(fù)債率和所有者權(quán)益比率(資產(chǎn)負(fù)債率=1－所有者權(quán)益比率)，只保留資產(chǎn)負(fù)債率。

2.反映6C原則

6C原則是世界金融界普遍認(rèn)可的小企業(yè)信用等級(jí)評(píng)價(jià)原則。6C包括:品德 (Character)、資本 (Capital)、能力 (Capacity)、貸款擔(dān)保(Collateral)、經(jīng)營狀況 (Condition)和發(fā)展前景(Continuation)。比如選取“管理者誠信情況”反映品德，“資產(chǎn)負(fù)債率”反映資本。應(yīng)該指出，表1中小企業(yè)信用評(píng)價(jià)指標(biāo)體系不包括貸款擔(dān)保。因?yàn)樵趯?shí)踐中小企業(yè)貸款大多采用保證的擔(dān)保方式，而提供保證的擔(dān)保公司是由商業(yè)銀行認(rèn)定的，因此小企業(yè)的貸款擔(dān)保幾乎無差異。

3.兼顧外部宏觀因素

在考慮小企業(yè)的經(jīng)營狀況和發(fā)展前景時(shí)，不僅分析小企業(yè)的自身因素 (包括小企業(yè)的財(cái)務(wù)因素和非財(cái)務(wù)因素)，還分析了外部宏觀條件對(duì)小企業(yè)經(jīng)營和發(fā)展的影響。比如增加了“財(cái)務(wù)報(bào)表質(zhì)量”來反映小企業(yè)內(nèi)部非財(cái)務(wù)因素;增加了“國家政策”來反映小企業(yè)外部宏觀條件等指標(biāo)，從而完善了小企業(yè)信用評(píng)價(jià)指標(biāo)集，解決了因小企業(yè)財(cái)務(wù)指標(biāo)不完善導(dǎo)致無法全面反映小企業(yè)信用狀況的問題。這也是本研究的指標(biāo)體系對(duì)現(xiàn)有研究的改進(jìn)之處。

4.突出還款意愿

在考慮還款能力的同時(shí)突出小企業(yè)的還款意愿。小企業(yè)信用評(píng)價(jià)的特點(diǎn)是財(cái)務(wù)報(bào)表缺少、準(zhǔn)確性不足。因此分別增加了反映小企業(yè)基本信用情況的“小企業(yè)授信歷史情況”，反映小企業(yè)管理者素質(zhì)的“管理者個(gè)人貸款信息”，反映小企業(yè)商業(yè)信譽(yù)的“小企業(yè)納稅記錄”等指標(biāo)。突出反映小企業(yè)的還款意愿，完善小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，彌補(bǔ)了現(xiàn)有小企業(yè)信用評(píng)價(jià)體系缺少對(duì)小企業(yè)還款意愿量化指標(biāo)的缺陷。

以權(quán)威文獻(xiàn)的指標(biāo)為基礎(chǔ)，綜合指標(biāo)選取的原則，本文建立包含小企業(yè)償債能力、小企業(yè)盈利能力等9個(gè)準(zhǔn)則層，共計(jì)36個(gè)指標(biāo)的信用評(píng)價(jià)指標(biāo)體系 (如表1所示)。

三、信用評(píng)價(jià)模型

1.指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理

(1)正向指標(biāo)打分

正向指標(biāo)是指數(shù)值越大，信用狀況越好的指標(biāo)。如利息保障倍數(shù)和速動(dòng)比率等指標(biāo)。

設(shè):pij表示第i個(gè)指標(biāo)第j個(gè)評(píng)價(jià)對(duì)象規(guī)范化處理后的值;Vij表示第i個(gè)指標(biāo)第j個(gè)評(píng)價(jià)對(duì)象的值;n表示被評(píng)價(jià)的對(duì)象個(gè)數(shù)。根據(jù)正向指標(biāo)的規(guī)范化公式，則pij為:

(2)負(fù)向指標(biāo)打分

負(fù)向指標(biāo)是指數(shù)值越小，信用狀況越好的指標(biāo)。表1第1行資產(chǎn)負(fù)債率為負(fù)向指標(biāo)。

設(shè):pij表示第i個(gè)指標(biāo)第j個(gè)評(píng)價(jià)對(duì)象規(guī)范化處理后的值;Vij表示第i個(gè)指標(biāo)第j個(gè)評(píng)價(jià)對(duì)象的值;n表示被評(píng)價(jià)的對(duì)象個(gè)數(shù)。

根據(jù)負(fù)向指標(biāo)的規(guī)范化公式，則pij為:

(3)定性指標(biāo)的評(píng)分

定性指標(biāo)是無法直接獲得數(shù)據(jù)的指標(biāo)，如國家政策H51、行業(yè)周期性H52等17個(gè)指標(biāo)。定性指標(biāo)評(píng)分標(biāo)準(zhǔn)也是小企業(yè)信用評(píng)價(jià)的難點(diǎn)。如果評(píng)分標(biāo)準(zhǔn)設(shè)計(jì)不合理就不能反映不同評(píng)價(jià)對(duì)象的差別。通過對(duì)遼寧省國家重點(diǎn)高校的5名專家學(xué)者針對(duì)國內(nèi)外金融機(jī)構(gòu)現(xiàn)有評(píng)價(jià)體系中定性指標(biāo)的評(píng)分標(biāo)準(zhǔn)的對(duì)比分析，以及通過向某商業(yè)銀行各支行直接負(fù)責(zé)小企業(yè)信貸工作的18名業(yè)務(wù)骨干調(diào)研，形成適合小企業(yè)特征的評(píng)分標(biāo)準(zhǔn)。

2.指標(biāo)賦權(quán)

(1)離差最大化賦權(quán)

離差最大化法屬于客觀賦權(quán)法。該方法能夠根據(jù)指標(biāo)實(shí)際數(shù)據(jù)的特點(diǎn)反映評(píng)價(jià)對(duì)象間的差異，但是如果選擇樣本數(shù)據(jù)不具有代表性則會(huì)導(dǎo)致權(quán)重不合理。其原理是:從對(duì)評(píng)價(jià)結(jié)果的影響力角度考慮，評(píng)價(jià)對(duì)象指標(biāo)值的偏差程度決定指標(biāo)應(yīng)該被賦予的權(quán)重。

設(shè):Di表示第i個(gè)指標(biāo)的離差，pij表示第j個(gè)評(píng)價(jià)對(duì)象第i項(xiàng)指標(biāo)規(guī)范化得到的值，(i=1，2，…，m;j=1，2，…，n)。則Di為:

設(shè):D表示所有指標(biāo)的總離差。則D為

設(shè):woi表示第i個(gè)指標(biāo)的離差最大化權(quán)重，則woi為:

式 (5)的經(jīng)濟(jì)學(xué)含義為第i個(gè)指標(biāo)的離差占所有指標(biāo)總離差的比重。比重越大則該指標(biāo)權(quán)重越大。

(2)G1賦權(quán)

G1賦權(quán)方法屬于主觀賦權(quán)方法。該方法能夠反映專家學(xué)者豐富的經(jīng)驗(yàn)知識(shí)不受樣本選擇的影響，但是不能反映指標(biāo)數(shù)據(jù)的實(shí)際特征。

①指標(biāo)層對(duì)準(zhǔn)則層的權(quán)重

用G1法確定指標(biāo)的序關(guān)系;專家給出相鄰指標(biāo)xi－1與xi重要性程度之比 ri的理性賦值;若專家給出了ri的理性賦值，則準(zhǔn)則層下第m個(gè)指標(biāo)對(duì)該準(zhǔn)則層的G1法權(quán)重vm為:

由權(quán)重vm可得第m－1，m－2，…，3，2個(gè)指標(biāo)的權(quán)重計(jì)算公式為:

其中，Vi－1表示準(zhǔn)則層下第i－1個(gè)指標(biāo)對(duì)該準(zhǔn)則層的G1法權(quán)重;ri表示專家給出的理性賦值;vi表示準(zhǔn)則層下第i個(gè)指標(biāo)對(duì)該準(zhǔn)則層的G1法權(quán)重。G1賦權(quán)法的特點(diǎn)是通過主觀排序反映指標(biāo)的重要程度，重要指標(biāo)賦給較大權(quán)重。

②指標(biāo)層對(duì)總目標(biāo)層的權(quán)重

(3)最優(yōu)組合權(quán)重的確定

最優(yōu)組合賦權(quán)方法同時(shí)考慮主客觀權(quán)重的作用，對(duì)主客觀權(quán)重進(jìn)行組合，解決不同的單一賦權(quán)方法確定的權(quán)重存在差異的問題。

設(shè):指標(biāo)組合權(quán)重集 W=［w1，w2，…，wm］T，wi表示為兩種賦權(quán)方法組合后第 i個(gè)指標(biāo)的權(quán)重。將wi表示為和的線性組合 (i=1，2，…，m)，即wi為:

其中，kj(W)表示第j個(gè)評(píng)價(jià)對(duì)象與其他評(píng)價(jià)對(duì)象綜合評(píng)價(jià)值的離差平方和;pij表示第i個(gè)指標(biāo)第j評(píng)價(jià)對(duì)象的得分 (i=1，2，…，m;j=1，2，…，n)。令矩陣B為:

則式 (10)可表示為:

設(shè)分塊矩陣W*=(Wo，Ws)，根據(jù)矩陣?yán)碚?，?duì)稱陣 (W*)TBW*的最大特征根所對(duì)應(yīng)的單位化特征向量為式 (11)的最優(yōu)解，該特征向量歸一化后為組合賦權(quán)系數(shù)θ:

其中，xij表示矩陣 (W*)TBW*第i行第j列元素。

式 (10)的含義是不同評(píng)價(jià)對(duì)象綜合評(píng)價(jià)值的離差平方和最大。這樣做的目的是使各評(píng)價(jià)對(duì)象的綜合評(píng)價(jià)結(jié)果盡可能分散、以便更清晰地體現(xiàn)指標(biāo)對(duì)比的差異。

3.信用評(píng)價(jià)模型

利用式 (9)確定的最優(yōu)組合權(quán)重wi(i=1，…，36)和式 (1)、式 (2)確定的指標(biāo)規(guī)范化數(shù)據(jù)pij，可求出第j個(gè)評(píng)價(jià)對(duì)象的綜合評(píng)價(jià)得分zj:

按各評(píng)價(jià)對(duì)象綜合得分的大小排序可以得到不同評(píng)價(jià)對(duì)象的排名情況。

4.對(duì)比分析方法

(1)Spearman秩相關(guān)系數(shù)

Spearman秩相關(guān)系數(shù)是用于檢驗(yàn)不同種評(píng)價(jià)方法得到的評(píng)價(jià)結(jié)果排序是否一致。假設(shè)用方法j和方法 k對(duì) n個(gè)評(píng)價(jià)對(duì)象進(jìn)行評(píng)價(jià)。Spearman等級(jí)相關(guān)系數(shù)ρjk表達(dá)式為:

其中，zij、zik表示第i個(gè)評(píng)價(jià)對(duì)象分別在方法j和方法k下的排名，i=1，2，…，n。

Spearman秩相關(guān)系數(shù)等于1，表明兩種評(píng)價(jià)方法的結(jié)果排序是完全一致的;相關(guān)系數(shù)越接近1，說明兩種方法的結(jié)果越接近;相反則說明兩種方法的結(jié)果相差越大。

(2)誤判率和漏判率

誤判率即犯第一類 (棄真)錯(cuò)誤的概率，表示實(shí)際沒有違約的客戶被判成問題客戶的概率;漏判率即犯第二類 (取偽)錯(cuò)誤的概率，表示實(shí)際違約的客戶被判成正常客戶的概率。

誤判率和漏判率越高說明模型的判別精度越低，相反則表明模型的判別精度越高。

四、實(shí)證研究

1.樣本來源及數(shù)據(jù)的標(biāo)準(zhǔn)化

本研究采用了某商業(yè)銀行制造行業(yè)256個(gè)小企業(yè)貸款作為樣本。有針對(duì)性地選擇制造行業(yè)的256個(gè)樣本進(jìn)行研究，可以避免由于不同行業(yè)的個(gè)別指標(biāo)不具可比性導(dǎo)致評(píng)價(jià)不準(zhǔn)確問題。另外在所有小企業(yè)貸款中，制造行業(yè)貸款是最多的，選擇制造行業(yè)作為研究對(duì)象具有典型性和代表性。由于不同指標(biāo)的量綱不同，因此利用公式(1)、(2)對(duì)指標(biāo)進(jìn)行打分 (標(biāo)準(zhǔn)化)從而消除量綱影響。

2.權(quán)重及信用評(píng)價(jià)結(jié)果

(1)權(quán)重的計(jì)算

①離差最大化權(quán)重的計(jì)算

利用確定的指標(biāo)標(biāo)準(zhǔn)化數(shù)據(jù)，根據(jù)離差最大化賦權(quán)方法，計(jì)算36個(gè)指標(biāo)的離差最大化權(quán)重，計(jì)算結(jié)果如表2第2列所示。

②G1法權(quán)重的計(jì)算

G1權(quán)重的確定也是通過對(duì)遼寧省國家重點(diǎn)高校的5名專家學(xué)者以及商業(yè)銀行的18名業(yè)務(wù)骨干調(diào)研獲得的。上述專家組是理論與實(shí)務(wù)的結(jié)合，因此指標(biāo)的重要性排序具有較強(qiáng)的權(quán)威性。各準(zhǔn)則層的主觀優(yōu)先排序?yàn)?

相鄰準(zhǔn)則層的重要性程度之比ri的理性賦值為:

根據(jù)專家意見，對(duì)9個(gè)準(zhǔn)則層下的指標(biāo)分別給出優(yōu)先順序的主觀排序，即按照表1每個(gè)準(zhǔn)則層下的指標(biāo)從上到下排序，專家對(duì)相鄰指標(biāo)給出了重要程度比值的理性賦值分別為:

根據(jù)式 (8)計(jì)算指標(biāo)的G1法權(quán)重，如表2第3列所示。

③最優(yōu)組合權(quán)重的計(jì)算

將指標(biāo)標(biāo)準(zhǔn)化數(shù)據(jù)代入式 (11)求得的矩陣B。將表2的主客觀權(quán)重以及矩陣B代入式(W*)TBW*得:

將式 (16)的結(jié)果代入式 (13)得:

同理可得，1－θ=0.483。

根據(jù)表4第1、2列主客觀權(quán)重?cái)?shù)據(jù)及θ=0.517代入式 (9)，可以得到各指標(biāo)的組合賦權(quán)權(quán)重。結(jié)果見表4第3列。

表2 信用評(píng)價(jià)指標(biāo)權(quán)重

續(xù)表

(2)信用評(píng)價(jià)結(jié)果的計(jì)算

根據(jù)指標(biāo)標(biāo)準(zhǔn)化數(shù)據(jù)和表2的三種權(quán)重，利用式 (14)，計(jì)算得到三種權(quán)重對(duì)應(yīng)的小企業(yè)信用評(píng)價(jià)得分，并以此為依據(jù)可以得到256家制造業(yè)小企業(yè)的信用評(píng)價(jià)排名。

3.對(duì)比分析

從兩個(gè)角度進(jìn)行對(duì)比分析:一是不同賦權(quán)方法對(duì)評(píng)價(jià)結(jié)果的影響;二是指標(biāo)選擇不同對(duì)評(píng)價(jià)結(jié)果的影響。

我們將評(píng)價(jià)過程分成兩組:第一組采用表1中全部36個(gè)指標(biāo)分別采用三種賦權(quán)方法進(jìn)行評(píng)價(jià)，這組研究體現(xiàn)了本研究在指標(biāo)設(shè)計(jì)中突出小企業(yè)還款意愿以及外部宏觀因素的特點(diǎn)。第二組采用表1中前4個(gè)準(zhǔn)則層即前19個(gè)指標(biāo)分別采用三種賦權(quán)方法進(jìn)行評(píng)價(jià)，這組研究反映的是傳統(tǒng)信用評(píng)價(jià)側(cè)重財(cái)務(wù)報(bào)表分析的特點(diǎn)。具體分類情況如表3所示。

表3 6種評(píng)價(jià)方法

(1)Spearman秩相關(guān)檢驗(yàn)

對(duì)兩組6種賦權(quán)種方法得到的評(píng)價(jià)排序結(jié)果進(jìn)行Spearman秩相關(guān)檢驗(yàn)，即求任意兩種方法的評(píng)價(jià)結(jié)果排名的Spearman秩相關(guān)系數(shù)。表4給出了Spearman秩相關(guān)系數(shù)。

表4 Spearman秩相關(guān)系數(shù)

從表4第1列可以看出第一組方法間的Spearman秩相關(guān)系數(shù)非常接近1，說明第一組方法的評(píng)價(jià)結(jié)果排序雖然有差異但極其相近。同樣第二組方法的Spearman秩相關(guān)系數(shù)也非常接近1。因此可以得出結(jié)論，若采用相同的指標(biāo)體系，無論使用主觀賦權(quán)、客觀賦權(quán)還是組合賦權(quán)對(duì)評(píng)價(jià)結(jié)果的影響其實(shí)并不大。

從表4第2列可以看出第一、二組方法間的Spearman秩相關(guān)系數(shù)只有0.215左右，說明采用兩種不同的指標(biāo)體系進(jìn)行評(píng)價(jià)的結(jié)果有很大差異。因此可以得出結(jié)論，使用不同的指標(biāo)體系對(duì)評(píng)價(jià)結(jié)果的影響要遠(yuǎn)遠(yuǎn)大于選擇不同的賦權(quán)方法。

(2)誤判率和漏判率對(duì)比

根據(jù)文獻(xiàn)［17］中的評(píng)級(jí)分類方法:總樣本的前94%為AAA、AA、…、B級(jí)，即投資級(jí)別，后6%為CCC及以下級(jí)別，即投機(jī)級(jí)別。因此本研究將每種評(píng)價(jià)方法得到的排序結(jié)果的前94%判定為正常客戶可發(fā)放貸款，后6%判定為問題客戶不建議發(fā)放貸款。以此判定標(biāo)準(zhǔn)，對(duì)兩組6種方法的誤判率和漏判率進(jìn)行檢驗(yàn)如表5所示。

表5 誤判率和漏判率

從表5可以看出方法1、2和3的誤判率和漏判率是相同的，方法4、5和6的誤判率和漏判率是相同的。這說明在相同指標(biāo)體系下，不同賦權(quán)方法對(duì)評(píng)價(jià)結(jié)果的影響非常小。方法1、2和3的誤判率和漏判率明顯低于方法4、5和6。這說明對(duì)于小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)，增加小企業(yè)還款意愿、外部宏觀條件等非財(cái)務(wù)指標(biāo)，會(huì)大大增加其判別精度。

綜上所述，可以得出以下兩個(gè)結(jié)論:一是用表1中全部36個(gè)指標(biāo)進(jìn)行評(píng)價(jià)準(zhǔn)確性遠(yuǎn)高于用表1前19個(gè)指標(biāo)進(jìn)行評(píng)價(jià);二是采用不同的指標(biāo)權(quán)重 (離差法權(quán)重、G1法權(quán)重和組合權(quán)重)對(duì)評(píng)價(jià)結(jié)果的準(zhǔn)確性沒有影響。

因此，表1中全部36個(gè)指標(biāo)作為最終的評(píng)價(jià)指標(biāo)體系，而指標(biāo)權(quán)重可以選擇表2中三種權(quán)重的任意一種。

五、結(jié) 論

第一，本文建立了包含小企業(yè)償債能力、小企業(yè)盈利能力等9個(gè)準(zhǔn)則層，共計(jì)36個(gè)指標(biāo)的小企業(yè)信用評(píng)價(jià)指標(biāo)體系。研究結(jié)果表明，包括了小企業(yè)非財(cái)務(wù)因素的36個(gè)指標(biāo)的評(píng)價(jià)精度明顯高于不包括非財(cái)務(wù)因素的19個(gè)指標(biāo)的評(píng)價(jià)精度。而離差法、G1法和組合法三種賦權(quán)方法對(duì)評(píng)價(jià)結(jié)果沒有影響，采用任意一種都可以。

第二，本研究改變了以往信用評(píng)價(jià)重財(cái)務(wù)分析輕非財(cái)務(wù)分析的做法，增加了小企業(yè)信用評(píng)價(jià)的判別精度。通過增加“小企業(yè)授信歷史情況”、“小企業(yè)納稅記錄”等指標(biāo)，突出小企業(yè)的還款意愿。通過增加“財(cái)務(wù)報(bào)表質(zhì)量”、“國家政策”等指標(biāo)，兼顧分析外部宏觀條件對(duì)小企業(yè)經(jīng)營和發(fā)展的影響。

第三，Spearman秩相關(guān)檢驗(yàn)結(jié)果表明，若采用相同的指標(biāo)體系，無論使用主觀賦權(quán)、客觀賦權(quán)還是組合賦權(quán)對(duì)評(píng)價(jià)結(jié)果的影響不大。而使用不同的指標(biāo)體系對(duì)評(píng)價(jià)結(jié)果的影響要遠(yuǎn)遠(yuǎn)大于選擇不同的賦權(quán)方法。

第四，誤判率和漏判率對(duì)比分析結(jié)果表明，對(duì)于小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)，增加小企業(yè)還款意愿、外部宏觀條件等非財(cái)務(wù)指標(biāo)，會(huì)大大增加其判別精度。而在同一指標(biāo)體系下，不同的賦權(quán)方法對(duì)評(píng)價(jià)結(jié)果影響非常小。

［1］李信宏，邵立強(qiáng)，莊建華.信用評(píng)級(jí)［M］.北京:中國人民大學(xué)出版社，2006.124－130，259－280.

［2］馬玉超，黎繼梓.發(fā)達(dá)國家信用評(píng)級(jí)制度借鑒［J］.商業(yè)研究，2006，(22):142－145.

［3］中國建設(shè)銀行.中國建設(shè)銀行小企業(yè)客戶評(píng)價(jià)辦法［R］.2007.1－8.

［4］廣東發(fā)展銀行.廣東發(fā)展銀行小企業(yè)法人客戶信用等級(jí)評(píng)定辦法［R］.2007.308－317.

［5］中國農(nóng)業(yè)銀行.中國農(nóng)業(yè)銀行小企業(yè)信用等級(jí)評(píng)價(jià)［R］.2005.3－8.

［6］布賴恩·W.克拉克.國際信貸管理手冊(cè)［M］.李月平譯，北京:機(jī)械工業(yè)出版社，2003.86－104.

［7］林漢川，夏敏仁.小企業(yè)信用評(píng)級(jí)理論與實(shí)物［M］.北京:對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2003.127－143.

［8］江其務(wù)，周好文.銀行信貸管理學(xué)［M］.北京:中國金融出版社，2000.111－139.

［9］Altman，E.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy ［J］.Journal of Finance，1968，23(4):589－609.

［10］Lau，A.H.L.A Five － State Financial Distress Prediction Model ［J］.Journal of Accounting Research，1987，25(1):127－138.

［11］Desai， V.S.， Crook， J.N.， Overstreet， G.A.A Comparison of Neural Networks and Linear Scoring Modelsin the CreditUnion Environment ［J］.European Journal of Operational Research，1996，95(1):24－37.

［12］Chen， M.C.，Huang，S.H.Credit Scoring and Rejected Instances Reassigning through Evolutionary Computation Techniques ［J］.Expert Systems with Applications，2003，24(4):433－441.

［13］Ong，C.S.，Huang，J.J.，Tzeng，G.H.Building Credit Scoring Models Using Genetic Programming［J］.Expert Systems with Applications，2005，29(1):41－47.

［14］Huang，J.J.，Tzeng，G.H.，Ong，C.S.Two－ Stage Genetic Programming(2SGP)for the Credit Scoring Model［J］.Applied Mathematics and Computation，2006，74(2):1039－1053.

［15］Lim，M.K.，Sohn，S.Y.Cluster-Based Dynamic Scoring Model［J］.Expert Systems with Applications，2007，32(2):427－431.

［16］Jiao，Y.，Syau，Y.R.，Lee，E.S.Modelling Credit Rating by Fuzzy Adaptive Network［J］.Mathematical and Computer Modelling，2007，45(5):717－731.

［17］遲國泰.大連銀行小企業(yè)貸款決策評(píng)價(jià)系統(tǒng)與信用等級(jí)評(píng)價(jià)系統(tǒng)研究結(jié)項(xiàng)報(bào)告［R］.大連:大連理工大學(xué)，2008.3.