基于Logit法的我國農(nóng)村小額貸款公司信用風(fēng)險評分模型構(gòu)建研究＊

鄭蘭祥，萬 雪

（安徽大學(xué)經(jīng)濟(jì)學(xué)院，安徽合肥230601）

基于Logit法的我國農(nóng)村小額貸款公司信用風(fēng)險評分模型構(gòu)建研究＊

鄭蘭祥，萬 雪

（安徽大學(xué)經(jīng)濟(jì)學(xué)院，安徽合肥230601）

小額貸款公司伴隨我國農(nóng)村新型農(nóng)村金融機(jī)構(gòu)的建立應(yīng)運(yùn)而生，在扶持低收入群體、支持農(nóng)村金融發(fā)展、實現(xiàn)小康社會等方面發(fā)揮了至關(guān)重要的作用，也逐漸形成適應(yīng)我國“三農(nóng)”發(fā)展的具有中國特色的小額信貸新方式。在發(fā)展過程中，由于其自身特殊性信用風(fēng)險問題日益浮出水面，嚴(yán)重影響小額貸款公司的健康持續(xù)發(fā)展。通過LOGIT模型的構(gòu)建，展開實證分析，有效評估信用風(fēng)險，預(yù)測未來風(fēng)險，針對評估結(jié)果對小額貸款公司的風(fēng)險管理提出建議，促進(jìn)小額貸款公司的健康發(fā)展，以更好的姿態(tài)支持我國農(nóng)村金融的快速發(fā)展與完善。

農(nóng)村小額貸款公司；信用風(fēng)險評估；Logit模型

我國小額信貸發(fā)展起步于1993年，主要以扶貧、融通農(nóng)村金融、支持“三農(nóng)”發(fā)展為目標(biāo)。新紀(jì)元伴隨著國際上對小額信貸的高度關(guān)注以及我國金融體制的創(chuàng)新改革，我國政府對小額信貸的發(fā)展越來越重視，無疑為我國小額信貸的發(fā)展奠定了扎實的基礎(chǔ)。農(nóng)村小額貸款公司植根于小額信貸的蓬勃發(fā)展，在我國農(nóng)村新型金融機(jī)構(gòu)的發(fā)展潮流下應(yīng)運(yùn)而生。小額貸款公司在對農(nóng)村金融發(fā)展的貢獻(xiàn)上不可小視，不僅使廣大貧困農(nóng)戶、鄉(xiāng)鎮(zhèn)企業(yè)等享受到金融支持，也有效完善了農(nóng)村金融結(jié)構(gòu)的空白之處，在一定程度上規(guī)范了農(nóng)村金融的健康發(fā)展，促進(jìn)了我國農(nóng)村經(jīng)濟(jì)的和諧發(fā)展［1］。

隨著小額貸款公司的興起、發(fā)展，很多矛盾問題也逐漸浮出水面，在一定程度上阻礙了小額貸款公司的進(jìn)步，如盲目貸款、業(yè)務(wù)局限、監(jiān)管無力、利潤微薄、貸款回收率低以及各項風(fēng)險的存在。在上述各種阻礙小額貸款公司發(fā)展的因素中，信用風(fēng)險是核心問題，也是不容忽視的因素。小額信貸面向?qū)ο蟮娜鮿萏厥饣?、貸款額度較低及專業(yè)人才的稀缺等原因?qū)е铝似湓跔I運(yùn)過程中會面臨較大風(fēng)險。因此，如何有效控制信用風(fēng)險，實現(xiàn)小額貸款公司、農(nóng)村小額信貸健康和諧的發(fā)展成為重中之重。綜上所述，本文旨在對小額貸款公司信用風(fēng)險進(jìn)行合理評估，以達(dá)到認(rèn)識風(fēng)險、控制風(fēng)險的目的，從而幫助我國農(nóng)村小額貸款公司走出困境，不斷進(jìn)步發(fā)展［2］。

一、文獻(xiàn)綜述

對小額貸款公司信用風(fēng)險的評估模型設(shè)計主要是借鑒銀行的評估體系，隨著數(shù)學(xué)統(tǒng)計在金融領(lǐng)域的廣泛應(yīng)用，信用風(fēng)險評估體系得到快速發(fā)展，關(guān)于我國農(nóng)村小額貸款公司信用風(fēng)險評估體系的研究也越來越多，尤其是對評估模型的探討研究。張佳林、張玲研究了常見的信用風(fēng)險評價方法，如財務(wù)比率綜合分析法、5C要素分析法、多變量信用風(fēng)險評估方法，以及一些以資本理論為基礎(chǔ)的新思路，其中還簡單探討了信用集中風(fēng)險的評價系統(tǒng)［3］。吳沖鋒、程鵬、李為冰等人通過比較分析KMV模型、CreditRisk＋模型和Credit－Metrics三種模型，分析研究其模型基理以及自身的優(yōu)勢、局限性，在研究各模型應(yīng)用條件的基礎(chǔ)上各抒己見，展開探討研究［4］。陳瑩類比農(nóng)村的小額貸款與銀行的信用卡貸款方式，認(rèn)為兩者之間存在許多共通之處，建立了相應(yīng)的“5C”評估體系［5］。王雄、譚民俊、岳意定［6］，李澤紅、戴立新、楊方文［7］等人對小額信貸進(jìn)行信用風(fēng)險評估，結(jié)合應(yīng)用層次分析法確定各指標(biāo)所占權(quán)重，應(yīng)用模糊評估模型確立信用等級。歐陽邵杰運(yùn)用SWOT分析法分析研究我國小額貸款公司所遇見的風(fēng)險［8］。

農(nóng)村小額貸款信用風(fēng)險評估體系的構(gòu)建離不開指標(biāo)的選取和設(shè)立，現(xiàn)階段對模型合適指標(biāo)的選取是評估體系建立的關(guān)鍵點和難點，我國學(xué)者對此也做了些許研究。劉敏祥依據(jù)小額貸款信用分析標(biāo)準(zhǔn)將其分為一般等級、較好等級、優(yōu)秀等級三個層次的原則，結(jié)合運(yùn)用“5C”分析法，選取了10個指標(biāo)，即個人品質(zhì)、文化水平、信用記錄、產(chǎn)品質(zhì)量等［9］。并且探討了如何規(guī)范信用指標(biāo)的設(shè)計，使分析指標(biāo)更加的科學(xué)化，更加具有可操作性。王樹娟、霍學(xué)喜、何學(xué)松運(yùn)用模糊數(shù)學(xué)將定量分析引入農(nóng)戶信用評估中，根據(jù)各自特點，將農(nóng)村信用社農(nóng)戶信用評估指標(biāo)體系分成三個層次，分別為目標(biāo)層、準(zhǔn)則層、具體評估指標(biāo)層，構(gòu)建了我國農(nóng)村信用社的信用風(fēng)險評價模型和指標(biāo)體系［10］。張昆選取75個指標(biāo)，留下通過共線性檢驗的信息指標(biāo)，應(yīng)用逐步判別分析法篩選違約客戶及非違約客戶，將75個指標(biāo)最終精選到14個有效指標(biāo)運(yùn)用于農(nóng)村小額貸款信用評估體系的構(gòu)建中來［11］。此外，還依據(jù)搜集到的農(nóng)戶信用資料確定評估標(biāo)準(zhǔn)，將客戶分為9個等級，根據(jù)等級考慮發(fā)放貸款。

除此之外，對于商業(yè)銀行中所存在的信用風(fēng)險進(jìn)行評估體系研究及模型的構(gòu)建，我國學(xué)者也有大量的文獻(xiàn)研究，可以作為我國農(nóng)村小額貸款公司信用風(fēng)險評估體系研究的借鑒。于立勇在了解商業(yè)銀行信用風(fēng)險內(nèi)涵的基礎(chǔ)上，構(gòu)建了基于人工神經(jīng)網(wǎng)絡(luò)的信用風(fēng)險評價預(yù)測模型［12］。李萌將不良貸款率作為信用風(fēng)險的衡量標(biāo)準(zhǔn)，構(gòu)建出商業(yè)銀行的信用風(fēng)險評估Logistic模型，并對模型進(jìn)行實證分析［13］。孫秀峰、許文、遲國泰根據(jù)信用卡的使用情況和模糊隸屬度原理提出了個人信用的評估方法［14］。還有鄒海波、程嬋娟［15］，張澤京、王傅強(qiáng)、陳曉紅［16］等對商業(yè)銀行信用風(fēng)險評估體系的研究等。

綜上所述，學(xué)術(shù)界已經(jīng)對小額信貸的信用風(fēng)險問題有了大量研究，為實際工作中小額貸款公司或是小額信貸的風(fēng)險管理提供了理論支持和指導(dǎo)，尤其是信用風(fēng)險評估模型的構(gòu)建，有利于風(fēng)險的預(yù)測和控制，并且在模型的研究和選擇上，逐步修正完善，使其能夠適用于不同的實際情況。但是我們也應(yīng)當(dāng)認(rèn)識到，由于小額貸款公司的特殊性，信用記錄及相關(guān)數(shù)據(jù)資料不易獲取，大部分的研究仍然偏重于理論層面，同時一些依賴于大量數(shù)據(jù)的優(yōu)良模型難以適用于小額貸款公司?？偟膩碚f，各評估模型的研究缺乏綜合的風(fēng)險預(yù)測判斷，不能很好地從實證角度予以分析，使得在實際工作中，難免出現(xiàn)理論脫離實際的尷尬局面。

二、小額貸款公司信用風(fēng)險評估模型構(gòu)建

小額貸款公司作為新興的金融機(jī)構(gòu)，本身的數(shù)據(jù)積累不夠，搜集資料也受到一定的條件所限，不能夠使用現(xiàn)代信用風(fēng)險評估模型，而對于信用評分模型，大多數(shù)模型要求樣本假定服從正態(tài)分布，放眼現(xiàn)實中，農(nóng)村小額貸款公司一樣很難滿足這個基本要求，因此，Logit模型的優(yōu)勢體現(xiàn)出來，該模型并不要求樣本服從正態(tài)分布假定，歷史研究也表明，Logit模型適用于個人的信用風(fēng)險評估，且準(zhǔn)確率維持在54%—90%間。因此，事實證明，該模型可以適用于我國農(nóng)村小額貸款公司的信用風(fēng)險評估。所以，本文選取了Logit模型來進(jìn)行風(fēng)險測度。

（一）研究思路

第一步，明確所要研究的問題，旨在對我國農(nóng)村小額貸款公司的信用風(fēng)險進(jìn)行評估，測算違約概率，進(jìn)行評定。第二步，通過信用評估模型的比較分析，確定選取Logit模型展開實證分析。第三步，選取樣本檔案，收集信用數(shù)據(jù)。第四步，確定指標(biāo)的選用。根據(jù)樣本收集對于初選的指標(biāo)進(jìn)行異方差檢驗、多重共線性檢驗從而去粗取精，篩選出能夠有效反映小額貸款公司信用風(fēng)險特點的主成分，確立符合實際情況的評估指標(biāo)體系。第五步，參數(shù)的估計和模型檢驗。將指標(biāo)數(shù)據(jù)代入Logit模型，運(yùn)用SPSS軟件進(jìn)行參數(shù)估計，在檢驗后構(gòu)造出適合我國小額貸款公司的信用評分模型。

（二）模型指標(biāo)的選取

根據(jù)安徽省肥西縣農(nóng)村小額貸款公司資信等級評定表等檔案，選取了勞動力、年齡、文化水平等13個指標(biāo)。在確定最優(yōu)變量指標(biāo)之前，先進(jìn)行正態(tài)性假設(shè)檢驗、異方差檢驗及多重共線性檢驗，通過檢驗確定模型可用的指標(biāo)［17］。

農(nóng)戶基本情況?；厩闆r主要包含勞動力、年齡、文化水平三個因素。根據(jù)實際勞動力人數(shù)、農(nóng)戶勞動力所占家庭人口比例，分別將女性18—55歲計入模型，男性18—60歲計入模型。農(nóng)戶的勞動力占比與其經(jīng)營、還款能力有高度關(guān)聯(lián)性，男性中青年為主要財富收入來源，還款能力較高，信用度高。根據(jù)客戶的受教育程度，將文化水平分為5個等級，分別為文盲、小學(xué)程度、初中（技校）、高中或高職中專、大學(xué)以及以上水平，依次賦值為0、1、2、3、4。文化水平直接影響農(nóng)戶的經(jīng)營能力，文化水平越高，掌握新技術(shù)選擇職業(yè)的前景越好，經(jīng)營能力越大，信用等級越高。

農(nóng)戶收入情況。農(nóng)戶收入主要依靠農(nóng)業(yè)收入和其他經(jīng)營收入，其次還應(yīng)該考慮擁有耕地及固定資產(chǎn)價值，如房產(chǎn)、農(nóng)業(yè)工具機(jī)械等，本文以農(nóng)戶近五年的年收入均值來衡量其收入水平。收入水平主要考慮的是農(nóng)戶的財產(chǎn)量，集中體現(xiàn)了農(nóng)戶家庭的經(jīng)營能力，一般情況下呈正相關(guān)性。收入水平體現(xiàn)了經(jīng)營能力，更代表了其還款能力。

表1 模型指標(biāo)選取說明

貸款指標(biāo)情況。農(nóng)戶的貸款指標(biāo)主要包含貸款金額、用途、利率、期限和還款方式等因素。農(nóng)戶貸款的流向主要根據(jù)其自身經(jīng)營性質(zhì)各有不同，根據(jù)貸款風(fēng)險的大小依次為：經(jīng)營小規(guī)模生產(chǎn)，發(fā)展種植業(yè)的農(nóng)戶對資金的需求主要是擴(kuò)大其種植業(yè)的發(fā)展，經(jīng)營較穩(wěn)定，風(fēng)險較低；在外打工的農(nóng)民貸款流向主要是解決生活消費(fèi)和子女教育學(xué)費(fèi)等問題，有收入風(fēng)險較低；專門經(jīng)營種養(yǎng)殖業(yè)的農(nóng)戶因其經(jīng)營狀況對自然條件的依賴較大，風(fēng)險較大；從事餐飲、運(yùn)輸、商業(yè)等經(jīng)營的農(nóng)戶，市場的波動對其影響較大，資金的需求較大，因此風(fēng)險也最大。據(jù)此，對上述貸款用途規(guī)定權(quán)數(shù)1、2、3、4，權(quán)數(shù)越大，風(fēng)險越大。貸款利率直接決定了農(nóng)戶的還款利息，貸款利率越高，農(nóng)戶的償還壓力增大，導(dǎo)致信用等級降低。貸款期限決定了農(nóng)戶的還款期限，期限較長的貸款農(nóng)戶還款的壓力較小，獲得經(jīng)營收入的機(jī)會增大，因此違約的可能性降低，對應(yīng)的信用級別較高。農(nóng)村小額貸款公司的貸款期限一般分為短期貸款6個月以內(nèi)、6個月至1年，中長期貸款1年至3年、3年至5年、5年以上。還款方式可根據(jù)農(nóng)戶的經(jīng)營情況、生產(chǎn)周期和償還能力等因素自行選擇，一般分為按月定額償還，即每月按照規(guī)定金額予以本息償還；到期一次性償還本息和定期償還。

區(qū)域經(jīng)濟(jì)發(fā)展水平情況。區(qū)域經(jīng)濟(jì)發(fā)展水平高低差異會直接影響農(nóng)戶的家庭財產(chǎn)、文化水平和經(jīng)營收入等，經(jīng)濟(jì)發(fā)達(dá)地區(qū)的農(nóng)戶家庭財產(chǎn)和經(jīng)營收入優(yōu)于落后地區(qū)，總體上呈現(xiàn)正相關(guān)性。不同區(qū)域經(jīng)濟(jì)水平不同，農(nóng)戶的信用等級不同。

下面進(jìn)行變量的定義及賦值，農(nóng)戶的信用評級等級記為y，賦值標(biāo)準(zhǔn)記為較差、合格、良好、優(yōu)秀，其中較差＝0，合格＝1，良好＝2，優(yōu)秀＝3。信用等級越高，風(fēng)險越低。詳情見表2。

表2 各變量定義及賦值情況

（三）Logit模型的構(gòu)造

Logit模型也稱作“評定模型”，是多變量分析的延伸，在經(jīng)濟(jì)學(xué)中應(yīng)用廣泛。在本文中，假設(shè)農(nóng)戶的違約率是P，1－P就表示不違約概率，則設(shè)Logit函數(shù)為［18］：

根據(jù)最大似然估計法，得出估計參數(shù)β0、β1、β2、βk，根據(jù)Logit模型可以得到農(nóng)戶借款在一段時間里的違約率，通常設(shè)定模型的臨界點為0．50，判定準(zhǔn)則為：若違約率P≥0．5，則認(rèn)為農(nóng)戶存在高風(fēng)險，反之則為低風(fēng)險農(nóng)戶。

對以上列舉的各項影響因素，篩選對信用評級有顯著性影響的各因素，主要為文化水平、擁有耕地、農(nóng)業(yè)收入水平、經(jīng)營收入水平、貸款用途、貸款利率、還款方式、區(qū)域經(jīng)濟(jì)發(fā)展水平8大因素。檢驗結(jié)果為通過卡方檢驗，sig值小于0．03，擬合結(jié)果良好。平行性檢驗的sig值為0．02，顯著性水平為2%情況下檢驗通過。

本文采用安徽省肥西縣農(nóng)村小額貸款公司提供的2008—2012年的相關(guān)數(shù)據(jù)資料，總共360個樣本。將2008—2011年樣本設(shè)置為訓(xùn)練組，共220個，2012年樣本為預(yù)測組，共140個。按照五級分類標(biāo)準(zhǔn)，超過3個月未償還貸款的農(nóng)戶為高風(fēng)險客戶，高風(fēng)險客戶共有105戶，低風(fēng)險客戶255戶。訓(xùn)練組內(nèi)高風(fēng)險客戶有50個，低風(fēng)險客戶有170個，預(yù)測組內(nèi)高風(fēng)險客戶30個，低風(fēng)險客戶110個。

將上述篩選變量的值代入到模型，根據(jù)SPSS軟件計算出Logit函數(shù)為：

表3 安徽省肥西縣農(nóng)村小額貸款公司2008—2012年相關(guān)數(shù)據(jù)統(tǒng)計

（四）Logit模型的檢驗

在測算出Logit函數(shù)構(gòu)建模型之后，對模型參數(shù)進(jìn)行可行性檢驗，檢驗該模型是否可以有效適用于小額貸款公司的信用風(fēng)險測度。

回歸系數(shù)檢驗。模型中各變量的P值都小于顯著性水平0．05，證明各變量通過顯著性檢驗，認(rèn)為各指標(biāo)因素對違約行為的影響是顯著的。

準(zhǔn)確度檢驗。經(jīng)過檢驗證明，Logit模型識別違約率的準(zhǔn)確率達(dá)到88．1%，不違約率的準(zhǔn)確率達(dá)到77．2%，總的來說，擬合程度較高，識別能力較強(qiáng)。

表4 貸款逾期情況列表

表5 貸款逾期情況分組列表

三、結(jié)論與建議

根據(jù)農(nóng)村小額貸款公司的數(shù)據(jù)構(gòu)建的Logit模型為農(nóng)村小額貸款公司的信用風(fēng)險預(yù)測提供了較為準(zhǔn)確的數(shù)量依據(jù)，也為信用風(fēng)險的防范指明了方向和重點。農(nóng)村小額貸款公司可借助Logit模型對違約客戶和非違約客戶進(jìn)行識別篩選?？傮w來說，Logit模型的結(jié)果是可以采信的，但是，模型的識別力仍有待加強(qiáng)，主要原因：一是樣本容量的有限，二是農(nóng)村小額貸款公司對客戶信息的調(diào)查不夠全面、深入，三是模型所采用的數(shù)據(jù)局限性較大，因此實踐性較弱，可能存在區(qū)域性限制。

通過觀察模型中的各參數(shù)可得，農(nóng)戶的文化水平、擁有耕地數(shù)、收入水平、貸款用途、和區(qū)域經(jīng)濟(jì)發(fā)展水平與農(nóng)戶的違約概率即信用風(fēng)險呈負(fù)相關(guān)關(guān)系，貸款利率、還款方式與農(nóng)戶的違約概率即信用風(fēng)險呈正相關(guān)關(guān)系主要體現(xiàn)在：農(nóng)戶的文化水平越高，素質(zhì)越高，信用還款意識也越好，違約的可能性越低；農(nóng)戶擁有的耕地面積越高，農(nóng)業(yè)收入越有包裝，因此信用風(fēng)險越低；農(nóng)戶的收入水平越高，包括農(nóng)業(yè)收入、其他經(jīng)營收入以及各類資產(chǎn)價值，還貸能力越強(qiáng)，越不可能產(chǎn)生違約現(xiàn)象；農(nóng)戶的貸款用途對違約產(chǎn)生起到了關(guān)鍵性作用，當(dāng)貸款用于種植業(yè)、養(yǎng)殖業(yè)以及商業(yè)、運(yùn)輸?shù)冉?jīng)營生產(chǎn)時，違約的可能性要高于用于農(nóng)業(yè)基本生產(chǎn)的情況；貸款利率的高低決定了還款利息的高低，貸款利率高從而利息高的貸款還款壓力大，違約風(fēng)險高；還款方式不同，造成不同信用風(fēng)險，按月還款比到期一次性還款的信用風(fēng)險要低；區(qū)域經(jīng)濟(jì)發(fā)展水平越高的地區(qū)，整體經(jīng)濟(jì)實力較強(qiáng)，就業(yè)機(jī)會較多，農(nóng)戶可獲得經(jīng)營收入較多，同時，經(jīng)濟(jì)越發(fā)達(dá)地區(qū)居民文化水平越高，信用風(fēng)險越低。

由于Logit模型的局限性，在今后的研究分析中，應(yīng)考慮擴(kuò)充樣本容量，引入宏觀經(jīng)濟(jì)變量進(jìn)行分析，提高模型的應(yīng)用性和準(zhǔn)確性。

此外，為提高信用風(fēng)險評分的準(zhǔn)確性，農(nóng)村小額貸款公司在實際工作中還應(yīng)當(dāng)做好以下方面的工作：首先，加強(qiáng)培養(yǎng)專業(yè)信貸人員。Logit模型雖然為信用風(fēng)險的評估提供了參考依據(jù)，但是并不能完全依靠它，要加以配合信貸人員的專業(yè)操作，模型的建設(shè)作為一項精準(zhǔn)復(fù)雜的工作，對信貸人員的專業(yè)素質(zhì)要求較高，因此，應(yīng)加強(qiáng)員工的專業(yè)技能培訓(xùn)，建立有效的激勵懲戒機(jī)制，吸引優(yōu)秀人才的加入，對模型的開發(fā)應(yīng)培養(yǎng)掌握金融事務(wù)、熟悉信貸工作、具有專業(yè)知識的專業(yè)人才團(tuán)隊。

其次，建立健全數(shù)據(jù)資料庫。建立健全農(nóng)戶的數(shù)據(jù)資料庫是一項基礎(chǔ)性工作，更是建立農(nóng)村小額貸款公司信用風(fēng)險評估模型的關(guān)鍵依據(jù)，更多的樣本數(shù)據(jù)可以提高模型的識別力。因此，應(yīng)大力加強(qiáng)農(nóng)村小額貸款公司客戶數(shù)據(jù)資料庫的建立，規(guī)范檔案的指標(biāo)體系，最大力度地保證各項指標(biāo)的真實性和全面性，提高電子化管理的能力，為模型的構(gòu)建提供大量可靠的數(shù)據(jù)支撐。

再次，信用評估模型需要不斷地改進(jìn)更新，以適應(yīng)發(fā)展中的情況并提高越策準(zhǔn)確率。在我國農(nóng)村小額貸款公司不斷發(fā)展的過程中應(yīng)積極關(guān)注信用風(fēng)險評估的進(jìn)程，也要不斷創(chuàng)新風(fēng)險預(yù)測辦法，完善模型，將模型更好地應(yīng)用于實際工作中。

最后，創(chuàng)新開發(fā)需求差異化貸款產(chǎn)品。農(nóng)村小額貸款公司在農(nóng)村金融發(fā)展的浪潮中，為了實現(xiàn)可持續(xù)發(fā)展和商業(yè)化進(jìn)程，創(chuàng)新設(shè)計新的符合客戶需求的個性化、差異化金融產(chǎn)品是必要手段，在探索新產(chǎn)品開發(fā)過程中結(jié)合有效的信用風(fēng)險控制措施，積極開發(fā)風(fēng)險分散、控制的創(chuàng)新金融產(chǎn)品，才能實現(xiàn)健康持續(xù)的發(fā)展，既擴(kuò)大客戶群又在一定程度上保障了貸款質(zhì)量，正是推動農(nóng)村小額貸款等金融機(jī)構(gòu)不斷發(fā)展和完善的中堅力量。

［1］杜曉山．小額信貸的發(fā)展與普惠金融體系框架［J］．中國農(nóng)村經(jīng)濟(jì)，2006（8）：70－73．

［2］杜曉山．小額信貸之父——杜曉山解讀：覆蓋率僅10%中國公益小貸機(jī)構(gòu)三大困局［N］．21世紀(jì)經(jīng)濟(jì)報道，2010－12－01（12）．

［3］張佳林，張玲．信用風(fēng)險評估方法發(fā)展趨勢 ［J］．預(yù)測，2000（4）：72－75．

［4］程鵬，吳沖鋒，李為冰．信用風(fēng)險度量和管理方法研究［J］．管理工程學(xué)報，2002（1）：70－73．

［5］陳瑩．我國農(nóng)戶小額貸款信用風(fēng)控制研究［D］．成都：西南財經(jīng)大學(xué)，2006：35－42．

［6］王雄，譚民俊，岳意定，等．FPR—UTAHP評價方法在農(nóng)戶小額信貸信用評級中的應(yīng)用［J］．系統(tǒng)工程，2007（5）：55－59．

［7］李澤紅，戴立新，楊方文，等．農(nóng)戶小額信用貸款風(fēng)險及評價研究［J］．科技和產(chǎn)業(yè)，2008（3）：20－24．

［8］歐陽邵杰．基于SWOT分析的我國小額貸款公司發(fā)展問題及建議［J］．現(xiàn)代商業(yè)，2011（5）：19－20．

［9］劉敏祥．我國農(nóng)戶信用分析的規(guī)范化設(shè)計［J］．金融理論與實踐，2004（1）：48－51．

［10］王樹娟，霍學(xué)喜，何學(xué)松．農(nóng)村信用社農(nóng)戶信用綜合評價模型［J］．財貿(mào)研究，2005（5）：35－39．

［11］張昆．基于逐步判別的農(nóng)戶小額貸款信用評價研究［D］．大連：大連理工大學(xué)管理學(xué)院，2010：8－50．

［12］于立勇．商業(yè)銀行信用風(fēng)險評估預(yù)測模型研究［J］．管理科學(xué)學(xué)報，2003（5）：46－52，98．

［13］李萌．Logit模型在商業(yè)銀行信用風(fēng)險評估中的應(yīng)用研究［J］．管理科學(xué)，2005（2）：33－38．

［14］孫秀峰，許文，遲國泰．個人信用卡信用風(fēng)險評價體系與模型研究［J］．同濟(jì)大學(xué)學(xué)報：自然科學(xué)版，2006（1）：164－175．

［15］鄒海波，程嬋娟．CPV模型在銀行貸款違約概率計算中的應(yīng)用研究［J］．當(dāng)代經(jīng)濟(jì)科學(xué)，2009（5）：15－20．

［16］張澤京，陳曉紅，王傅強(qiáng)．基于KMV模型的我國中小上市公司信用風(fēng)險研究［J］．?dāng)?shù)理統(tǒng)計與管理，2008（1）：164－175．

［17］劉艷艷．基于農(nóng)戶視角的小額信貸信用風(fēng)險影響因素分析——以泗洪農(nóng)村合作銀行為例［D］．南京：南京農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，2011：21－32．

［18］王霞，呂德宏．基于多分類有序Logit模型的農(nóng)戶信用等級影響因素［J］．中國農(nóng)業(yè)大學(xué)學(xué)報，2013，18（3）：209－214．

A Study on the Credit Risk Rating Model Construction of Rural Microfinance Company Based on Logit Model

ZHENG Lan－xiang，WAN Xue
（School of Economics，Anhui University，Hefei 230601，China）

Small loan companies，which have played a crucial role in achieving well－off society，have gradually developed a new type of micro－credit suitable for the development of three rural issues of China．However，in their development process，due to their own particularity the issue of credit risk has drawn people’s attention，seriously affecting their sustainable development．A Logit model is built in the study to make an empirical analysis，assessing the credit risks and predicting future risks，so as to put forward suggestions for the healthy development of small loan companies and the rapid development and perfection of China’s rural finance．

rural micro－loan company；credit risk assessment；Logit model

F830．34

A

1009－2463（2014）04－0049－06

2014－03－19

安徽省社會科學(xué)基金項目（AHSK09－10D28：《安徽地方金融體系發(fā)展與創(chuàng)新研究》）；安徽大學(xué)江淮學(xué)院院級社會科學(xué)研究項目（2012SK1001：《發(fā)展新型農(nóng)村金融機(jī)構(gòu)研究》）

鄭蘭祥（1965－），男，安徽鳳臺人，安徽大學(xué)經(jīng)濟(jì)學(xué)院教授。

萬 雪（1989－），女，安徽合肥人，安徽大學(xué)經(jīng)濟(jì)學(xué)院碩士研究生。