成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)的信用評(píng)價(jià)研究

楊 楠

(1.南京大學(xué) 商學(xué)院，江蘇 南京 210093;2.中原工學(xué)院 經(jīng)濟(jì)管理學(xué)院，河南 鄭州 450007)

成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)的快速發(fā)展是推動(dòng)中國(guó)經(jīng)濟(jì)增長(zhǎng)的重要?jiǎng)恿?，然而，這類企業(yè)也最易遭遇生存瓶頸，這是因?yàn)槌砷L(zhǎng)型科技創(chuàng)業(yè)企業(yè)的融資需求較高，但其信息不對(duì)稱程度較一般創(chuàng)業(yè)企業(yè)更加嚴(yán)重，因而融資往往成為決定其創(chuàng)業(yè)成敗的關(guān)鍵因素。成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)的發(fā)展，會(huì)受到金融中介的發(fā)展?fàn)顩r和市場(chǎng)資源在企業(yè)間分配情況的影響。在企業(yè)的創(chuàng)業(yè)過程中，銀行和金融市場(chǎng)發(fā)揮著重要的促進(jìn)作用，但金融中介機(jī)構(gòu)在履行職能的同時(shí)，會(huì)受到企業(yè)信息不透明的限制，主要表現(xiàn)為收益的高度不確定性和高昂的監(jiān)督成本。對(duì)于成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)，這種融資障礙尤為突出，其沉沒成本高且研發(fā)周期長(zhǎng)，即使投資項(xiàng)目前景良好，但如果缺乏外部資金，則企業(yè)可能無法克服這種融資障礙，成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)對(duì)技術(shù)創(chuàng)新的促進(jìn)作用也就難以發(fā)揮。

因此，本文重點(diǎn)關(guān)注成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)的信用評(píng)價(jià)問題。Berger 等［1］的研究顯示，銀行通過信用評(píng)價(jià)可以增加對(duì)科技創(chuàng)業(yè)企業(yè)的貸款額，而且能夠保證貸款質(zhì)量。Gredel 等［2］的研究支持了這種觀點(diǎn)，即利用信用評(píng)價(jià)技術(shù)可以使銀行更容易地為成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)放貸。

一、文獻(xiàn)綜述

國(guó)外大量文獻(xiàn)強(qiáng)調(diào)，無論企業(yè)規(guī)模大小，成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)都易受到較大程度的融資約束。Hall 和Lerner［3］認(rèn)為這是由于企業(yè)和投資者之間的嚴(yán)重信息不對(duì)稱造成的，即企業(yè)對(duì)所投資項(xiàng)目掌握著更多的信息。此外，由于成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)在創(chuàng)業(yè)之初往往遭遇財(cái)務(wù)危機(jī)，因而面臨較高的信貸成本和較少的信貸額，即在信貸市場(chǎng)上還面臨嚴(yán)重的逆向選擇問題。在中國(guó)，由于風(fēng)險(xiǎn)投資行業(yè)沒有得到充分發(fā)展，這種信息不對(duì)稱和逆向選擇問題表現(xiàn)得更加嚴(yán)重［4］。

在本節(jié)中，將對(duì)前人的文獻(xiàn)進(jìn)行回顧，分為三個(gè)部分，即評(píng)價(jià)模型、非財(cái)務(wù)評(píng)價(jià)指標(biāo)和財(cái)務(wù)評(píng)價(jià)指標(biāo)。在此基礎(chǔ)上提出適合于成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)的信用評(píng)價(jià)模型。

(一)評(píng)價(jià)模型與方法

信用評(píng)價(jià)的分析技術(shù)有多種，包括統(tǒng)計(jì)方法、未定權(quán)益分析方法、資產(chǎn)價(jià)值的債務(wù)覆蓋分析、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)包絡(luò)分析等技術(shù)。關(guān)于信用評(píng)價(jià)的模型很多，然而，一些復(fù)雜模型的應(yīng)用需要有完備的市場(chǎng)數(shù)據(jù)，如結(jié)構(gòu)式模型需要股票市場(chǎng)的交易數(shù)據(jù)，簡(jiǎn)式模型需要公司債券及資產(chǎn)掉期的數(shù)據(jù)。但對(duì)于成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)來說，這些市場(chǎng)數(shù)據(jù)一般難以提供，因而復(fù)雜模型無法應(yīng)用，但可采用神經(jīng)網(wǎng)絡(luò)模型或其他統(tǒng)計(jì)模型。Beaver［5］開創(chuàng)了使用判別分析方法進(jìn)行信用評(píng)價(jià)的先河，Ohlson［6］則率先將Logit 和probit 模型用于信用評(píng)價(jià)，并認(rèn)為克服了判別分析法的局限性。目前這兩種模型已被廣泛采用。Jones 和Hensher［7］利用混合Logit模型進(jìn)行信用評(píng)價(jià)，將判別分析法、probit 分析、logit 分析和主成份分析法綜合運(yùn)用，構(gòu)建了一個(gè)綜合的信用評(píng)價(jià)模型。Sohn 和Jeon［8］采用Logistic 回歸方法，提出了科技企業(yè)的信用評(píng)價(jià)模型，利用隨機(jī)效應(yīng)logistic 回歸模型來預(yù)測(cè)貸款違約，該模型反映了在相同條件下不同企業(yè)的違約概率。

總體而言，針對(duì)成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)的評(píng)價(jià)模型研究較少，且在評(píng)價(jià)指標(biāo)方面沒有取得一致。

(二)評(píng)價(jià)指標(biāo)

Altman［9］選取了以下財(cái)務(wù)指標(biāo):營(yíng)運(yùn)資金/總資產(chǎn)留存收益/總資產(chǎn)、利息及稅項(xiàng)前收益/總資產(chǎn)、市值/總負(fù)債、銷售收入/總資產(chǎn)，來反映企業(yè)的財(cái)務(wù)狀況。目前，這些財(cái)務(wù)指標(biāo)已被廣泛應(yīng)用于貸款違約預(yù)測(cè)研究。一些學(xué)者強(qiáng)調(diào)了非財(cái)務(wù)指標(biāo)在信用評(píng)價(jià)中的重要性，Canbas 等［10］認(rèn)為，僅僅依靠財(cái)務(wù)報(bào)表信息的計(jì)量經(jīng)濟(jì)模型，無法準(zhǔn)確預(yù)測(cè)企業(yè)信用狀況。Harhoff 和Thoma［11］利用隨機(jī)前沿模型對(duì)生產(chǎn)效率進(jìn)行了測(cè)量，發(fā)現(xiàn)生產(chǎn)效率是預(yù)測(cè)企業(yè)信用狀況的顯著指標(biāo)，對(duì)小企業(yè)進(jìn)行信用評(píng)價(jià)應(yīng)更多地使用非財(cái)務(wù)數(shù)據(jù)，而不是傳統(tǒng)的財(cái)務(wù)指標(biāo)。

Ravi［12］發(fā)現(xiàn)，較長(zhǎng)的銀企關(guān)系有助于成長(zhǎng)型企業(yè)獲得貸款。一旦建立了與銀行的信任關(guān)系，成長(zhǎng)型企業(yè)就可以提高融資額和降低借貸成本。Pederzoli 和Torricelli［13］研究發(fā)現(xiàn)，一些定性的回歸因子如客戶集中度、客戶實(shí)力、競(jìng)爭(zhēng)對(duì)手實(shí)力等也能夠有效地預(yù)測(cè)企業(yè)貸款違約情況。Hajek［14］認(rèn)為，創(chuàng)業(yè)企業(yè)的無形資產(chǎn)價(jià)值越高，則信用評(píng)價(jià)等級(jí)越高，而且企業(yè)創(chuàng)建時(shí)間越短，這種效果越明顯。

通過文獻(xiàn)回顧發(fā)現(xiàn)，對(duì)于成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)融資的信用評(píng)價(jià)，首先，Logit 模型較為適用，而且財(cái)務(wù)指標(biāo)可以分為五大類:杠桿比率、流動(dòng)性、盈利能力、債務(wù)覆蓋和業(yè)務(wù)活動(dòng);其次，信用評(píng)價(jià)既要重視財(cái)務(wù)指標(biāo)，也要重視定性指標(biāo);最后，企業(yè)的創(chuàng)新能力是信用評(píng)價(jià)的一個(gè)重要方面。

二、實(shí)證分析

(一)數(shù)據(jù)來源

截至2012 年12 月，在中國(guó)中小板上市公司中，成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)共有552 家，創(chuàng)業(yè)板的成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)共325 家，兩者相加共計(jì)877 家成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)。剔除數(shù)據(jù)不全和沒有長(zhǎng)期貸款的736 家公司，本文最終收集了141 家成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)的172 筆貸款信息，貸款期限均在3 年以上。所有的統(tǒng)計(jì)數(shù)據(jù)都取自于這些公司2009－2011 年對(duì)外公布的上市公司年報(bào)，研究所使用的數(shù)據(jù)主要來自國(guó)泰安金融數(shù)據(jù)庫、中國(guó)知識(shí)產(chǎn)權(quán)網(wǎng)以及巨潮資訊網(wǎng)。所收集的信息包括企業(yè)接受貸款后的財(cái)務(wù)比率以及企業(yè)是否存在拖欠貸款現(xiàn)象。所收集的172 筆貸款信息中，共有28 家企業(yè)拖欠貸款。

(二)模型構(gòu)建

本文擬構(gòu)建一個(gè)兩階段信用評(píng)價(jià)模型。使用logistic 回歸分析，首先在初始階段根據(jù)企業(yè)貸前的相關(guān)信用信息，評(píng)價(jià)企業(yè)信用從而確定是否貸款;在第二階段，利用貸后1 年的相關(guān)信用信息，評(píng)價(jià)企業(yè)貸后的信用狀況，從而確定是否繼續(xù)貸款。

1.企業(yè)特征

企業(yè)的特征主要通過企業(yè)規(guī)模與銀企關(guān)系的持續(xù)時(shí)間來反映，企業(yè)規(guī)模根據(jù)企業(yè)銷售額的對(duì)數(shù)來衡量。規(guī)模較大的企業(yè)往往管理機(jī)制較為完善，企業(yè)競(jìng)爭(zhēng)能力較強(qiáng)，外部融資較為容易，具有抵抗外界沖擊的能力，信用評(píng)價(jià)一般較高。但企業(yè)規(guī)模較大也易導(dǎo)致管理效率低下，從而降低企業(yè)的信用。較長(zhǎng)的銀企關(guān)系往往反映了企業(yè)信用狀況較好。

2.盈利能力

盈利能力是企業(yè)存在的基礎(chǔ)，是信用評(píng)價(jià)的重要指標(biāo)。本文用凈資產(chǎn)收益率(平均)、資產(chǎn)報(bào)酬率、銷售凈利率來衡量企業(yè)的盈利能力。

3.營(yíng)運(yùn)能力

根據(jù)鮑盛祥和殷永飛［15］的研究成果，選擇總資產(chǎn)周轉(zhuǎn)率和存貨周轉(zhuǎn)率來衡量企業(yè)的營(yíng)運(yùn)能力。總資產(chǎn)周轉(zhuǎn)率是考察企業(yè)資產(chǎn)運(yùn)營(yíng)效率的一項(xiàng)重要指標(biāo)，反映了企業(yè)全部資產(chǎn)的管理質(zhì)量和利用效率;張洪祥和毛志忠［16］認(rèn)為，該數(shù)值越高，表明企業(yè)總資產(chǎn)周轉(zhuǎn)速度越快，銷售能力越強(qiáng)，資產(chǎn)利用效率較高，從而信用評(píng)價(jià)較好。

4.償債能力

根據(jù)前人的研究成果，本文選擇流動(dòng)比率來衡量企業(yè)的償債能力。企業(yè)償債能力強(qiáng)，可以減少企業(yè)的流動(dòng)性危機(jī)。但是，由于流動(dòng)性強(qiáng)往往意味著企業(yè)擁有大量現(xiàn)金，會(huì)喪失一些較好的投資機(jī)會(huì)，從而降低投資回報(bào)，因此企業(yè)必須在流動(dòng)性和投資回報(bào)之間尋求平衡。但一般來講，償債能力強(qiáng)的企業(yè)會(huì)獲得較好的信用評(píng)價(jià)。

5.資本結(jié)構(gòu)

資本結(jié)構(gòu)可用資產(chǎn)負(fù)債率來表示。資產(chǎn)負(fù)債率較高的企業(yè)通常風(fēng)險(xiǎn)較大。但是，資產(chǎn)負(fù)債率與企業(yè)信用風(fēng)險(xiǎn)之間不是單值函數(shù)的關(guān)系，資產(chǎn)負(fù)債率過低也不利于企業(yè)的經(jīng)營(yíng)，會(huì)使企業(yè)喪失較好的發(fā)展機(jī)會(huì)，從而降低企業(yè)信用等級(jí)。

6.創(chuàng)新能力

創(chuàng)新能力可用新產(chǎn)品銷售收入比率和專利擁有數(shù)來表示。較強(qiáng)的創(chuàng)新能力可以增加企業(yè)價(jià)值，因而可以提高企業(yè)信用等級(jí)。對(duì)于成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)來講，其核心競(jìng)爭(zhēng)能力往往就是其創(chuàng)新能力，因此這個(gè)指標(biāo)在信用評(píng)價(jià)中顯得格外重要。丁雪偉和李莉［17］的研究表明，新產(chǎn)品銷售收入是衡量產(chǎn)品創(chuàng)新的最直接指標(biāo)，新產(chǎn)品銷售收入占全部產(chǎn)品銷售收入的比重可以衡量產(chǎn)品創(chuàng)新對(duì)整個(gè)銷售收入的貢獻(xiàn)，而專利擁有數(shù)是測(cè)定創(chuàng)新能力的重要指標(biāo)。

7.成長(zhǎng)能力

企業(yè)的成長(zhǎng)能力可用總資產(chǎn)增長(zhǎng)率、股東權(quán)益增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率來表示，成長(zhǎng)能力強(qiáng)的企業(yè)會(huì)有更多的發(fā)展機(jī)會(huì)，但其風(fēng)險(xiǎn)也會(huì)相應(yīng)增大，信息不對(duì)稱問題也往往更加嚴(yán)重，因此違約概率相對(duì)較高。而且經(jīng)理人會(huì)試圖將企業(yè)價(jià)值從債權(quán)人轉(zhuǎn)移到它的股東手里，因此經(jīng)理人往往采取投資高風(fēng)險(xiǎn)項(xiàng)目的經(jīng)營(yíng)策略。總之，成長(zhǎng)能力強(qiáng)的企業(yè)具有較高的信貸風(fēng)險(xiǎn)。

8.管理能力

管理能力可用領(lǐng)導(dǎo)者的相關(guān)行業(yè)從業(yè)年限的對(duì)數(shù)來表示。企業(yè)的長(zhǎng)期穩(wěn)定發(fā)展，關(guān)鍵在于管理，對(duì)于成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)來說，領(lǐng)導(dǎo)者的管理經(jīng)驗(yàn)為提高企業(yè)的信用狀況奠定了基礎(chǔ)，根據(jù)徐華［18］的研究，本文將領(lǐng)導(dǎo)者的相關(guān)行業(yè)從業(yè)年限作為反映管理能力的指標(biāo)。

9.營(yíng)銷能力

營(yíng)銷能力可用市場(chǎng)潛力和產(chǎn)品競(jìng)爭(zhēng)力來表示。根據(jù)Stein［19］的研究，企業(yè)的營(yíng)銷能力直接影響財(cái)務(wù)狀況，會(huì)對(duì)信用評(píng)價(jià)產(chǎn)生重要影響。

根據(jù)國(guó)內(nèi)外的相關(guān)研究，本文設(shè)定的信用評(píng)價(jià)指標(biāo)體系如表1。

表1 信用評(píng)價(jià)指標(biāo)體系

本文使用名義變量，以反映上述指標(biāo)每年的變化。這有兩個(gè)原因:其一，在反映企業(yè)財(cái)務(wù)狀況好壞的指標(biāo)方面，目前還沒有統(tǒng)一的標(biāo)準(zhǔn)，有多種因素可以影響企業(yè)財(cái)務(wù)狀況，如企業(yè)的競(jìng)爭(zhēng)對(duì)手狀況、宏觀經(jīng)濟(jì)環(huán)境以及市場(chǎng)需求等。其二，缺失值的問題。成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)財(cái)務(wù)信息的準(zhǔn)確性較低，并存在大量的缺失值，為解決這個(gè)問題，在模型中使用名義變量。

總之，新的名義變量考慮了每一個(gè)指標(biāo)的四個(gè)方面:與上一年度同期相比數(shù)值增加，名義變量為1;數(shù)值沒有變化，名義變量為0;與上年同期相比，數(shù)值下降，名義變量為－1;沒有提供數(shù)值，名義變量為9。在這種模式下，即使缺少財(cái)務(wù)信息，也可進(jìn)行信用評(píng)價(jià)。

表2 信用評(píng)價(jià)因子

采用逐步回歸法進(jìn)行降維，便于利用logistic 模型進(jìn)行評(píng)價(jià)。本文以5%的顯著性水平作為逐步回歸過程的篩選標(biāo)準(zhǔn)。為解決多重共線性問題，需要通過因子分析得到獨(dú)立因素。本文通過因子分析將上述17個(gè)二級(jí)指標(biāo)轉(zhuǎn)化為5 個(gè)因子，這些因子可以解釋總變異的89.52%，見表2。

(三)Logistic 回歸分析的結(jié)果

名義變量的時(shí)間序列描述了表1 中17 個(gè)評(píng)價(jià)指標(biāo)的情況，把指標(biāo)下降的企業(yè)作為對(duì)照組。模型1 包括了反映貸后第一年度財(cái)務(wù)信息的名義變量，模型2 包括了反映貸后兩年信息的名義變量，模型1 和模型2以及l(fā)ogistic 回歸結(jié)果見表3。

在兩個(gè)模型中，共有4 個(gè)因子，即因子1(營(yíng)運(yùn)能力)、因子2(成長(zhǎng)與創(chuàng)新能力)、因子3(盈利能力)、因子5(業(yè)務(wù)能力)，這些因子在5%的水平上都是顯著的，而且因子2 具有負(fù)系數(shù)，這表示企業(yè)成長(zhǎng)與創(chuàng)新能力越強(qiáng)，貸款違約率越高。一般來說。成長(zhǎng)能力強(qiáng)的企業(yè)會(huì)有更多的發(fā)展機(jī)會(huì)，但其風(fēng)險(xiǎn)也會(huì)相應(yīng)增大，因此容易造成不良貸款。

表3 logistic 回歸結(jié)果

通過表3 可以發(fā)現(xiàn)，在模型1 和模型2 中，除了財(cái)務(wù)指標(biāo)外，還包括了貸后獲得的非財(cái)務(wù)指標(biāo)，而且與上年同期相比指標(biāo)下降的企業(yè)，被作為了參照組。通過模型1 可以看出，在所有名義變量中，只有營(yíng)運(yùn)能力(Factor 1)在5%的水平上是顯著的。表明營(yíng)運(yùn)能力下降的企業(yè)更易違約。

模型2 中包括了貸后第二年財(cái)務(wù)狀況變化的信息，因子2(成長(zhǎng)與創(chuàng)新能力)、因子3(盈利能力)、因子5(業(yè)務(wù)能力)進(jìn)入了模型?？梢园l(fā)現(xiàn)，成長(zhǎng)與創(chuàng)新能力增強(qiáng)的企業(yè)更易出現(xiàn)貸款違約;對(duì)于盈利能力降低的企業(yè)，其貸款違約率要低于那些沒有提供盈利能力信息的企業(yè);而對(duì)于業(yè)務(wù)能力下降的企業(yè)，其貸款違約率要高于那些沒有提供業(yè)務(wù)能力信息的企業(yè)。

數(shù)據(jù)集里的缺失值通常不能用于統(tǒng)計(jì)分析或進(jìn)行信用評(píng)價(jià)。然而，成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)信息中往往存在大量缺失值，尤其是在經(jīng)濟(jì)不夠發(fā)達(dá)的國(guó)家，這種情況經(jīng)常出現(xiàn)。模型1 和模型2 的研究結(jié)果表明，本研究采用的建模方法可以在缺少企業(yè)財(cái)務(wù)資料的情況下，對(duì)貸后企業(yè)潛在的貸款違約情況進(jìn)行評(píng)價(jià)。

(四)模型比較和檢驗(yàn)

受試者工作特征曲線(ROC 曲線)可以揭示敏感性和特異性的相互關(guān)系，它通過將連續(xù)變量設(shè)定出多個(gè)不同的臨界值，從而計(jì)算出一系列敏感性和特異性，再以敏感性為縱坐標(biāo)、特異性為橫坐標(biāo)繪制成曲線，曲線下面積越大，診斷準(zhǔn)確性越高。在本文提出的模型中，敏感性是在企業(yè)守約的情況下，模型正確評(píng)價(jià)風(fēng)險(xiǎn)的比例;特異性是在企業(yè)違約的情況下，模型正確評(píng)價(jià)風(fēng)險(xiǎn)的比例。因此，通過ROC 曲線，可以對(duì)本文所提出的信用評(píng)價(jià)模型的性能進(jìn)行比較和檢驗(yàn)。數(shù)據(jù)測(cè)試的結(jié)果見圖1。

圖1 模型比較ROC 曲線圖

一般來說，AUC 在0.5 ～0.7 時(shí)有較低準(zhǔn)確性，AUC 在0.7 ～0.9時(shí)有較高準(zhǔn)確性。根據(jù)圖1，可以發(fā)現(xiàn)模型2 的ROC 曲線下的面積更大，表示其評(píng)價(jià)準(zhǔn)確度更高，ROC 曲線下的面積(AUC)為0.808，其次為模型1，其AUC 為0.785。

信用評(píng)價(jià)的目的之一是向銀行提供貸款違約的預(yù)警信號(hào)，在這方面，模型1 的優(yōu)點(diǎn)在于及時(shí)性，它可以早于模型2 提供預(yù)警信號(hào)。但是，模型2 比模型1 的預(yù)測(cè)更準(zhǔn)確。對(duì)于貸款違約率高的企業(yè)，銀行需要采取必要的防范措施，如知識(shí)產(chǎn)權(quán)質(zhì)押等。銀行也可以向企業(yè)提供管理咨詢，幫助企業(yè)改善其財(cái)務(wù)狀況。

三、結(jié)論

Logistic 回歸分析的結(jié)果表明，發(fā)展速度越快的成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)，將面臨更多的財(cái)務(wù)問題，其貸款違約率較高。

目前，國(guó)內(nèi)外對(duì)于貸前信用評(píng)價(jià)的研究很多，然而在貸款后，市場(chǎng)或借款企業(yè)的財(cái)務(wù)狀況會(huì)發(fā)生改變，傳統(tǒng)信用評(píng)價(jià)模型的預(yù)警能力則會(huì)減弱。在這種情況下，本文所提出的信用評(píng)價(jià)模型，可以對(duì)成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)進(jìn)行及時(shí)的信用評(píng)價(jià)。

大多數(shù)成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)規(guī)模較小，其財(cái)務(wù)數(shù)據(jù)的準(zhǔn)確性值得研究，為了解決這個(gè)問題，本文使用名義變量來反映財(cái)務(wù)指標(biāo)，而不是實(shí)際的財(cái)務(wù)狀況。研究結(jié)果表明，本文提出的信用評(píng)價(jià)模型具有較高的預(yù)測(cè)能力。AUC 的數(shù)值表明，本文采用的評(píng)價(jià)指標(biāo)是合適的，所構(gòu)建的模型有助于銀行等金融機(jī)構(gòu)的風(fēng)險(xiǎn)防范，有利于成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)的融資，并可促進(jìn)銀企關(guān)系持久發(fā)展和更加緊密。

此外，在中國(guó)成長(zhǎng)型科技創(chuàng)業(yè)企業(yè)的發(fā)展過程中，許多企業(yè)在創(chuàng)業(yè)初期不能提供準(zhǔn)確的財(cái)務(wù)信息，本文構(gòu)建的信用評(píng)價(jià)模型，可以有效處理缺失值，提高了信用評(píng)價(jià)的準(zhǔn)確度。

［1］BERGER A N，COWAN A M，F(xiàn)RAME W S.The surprising use of credit scoring in small business lending by community banks and the attendant effects on credit availability，risk，profitability［J］.Financ Serv Res，2011，39(3):1－17.

［2］GREDEL D，KRAMER M，BEND B.Patent-based investment funds as innovation intermediaries for SMEs:In-depth analysis of reciprocal interactions，motives and fallacies［J］.Technovation，2012，32:536－549.

［3］HALL B，LERNER J.Financing R＆D and innovation［M］//The Handbook of the Economics of Innovation.Amsterdam:Elsevier，2010.

［4］范飛龍.非對(duì)稱信息下中小企業(yè)融資信用信號(hào)傳遞模型研究［J］.重慶大學(xué)學(xué)報(bào):社會(huì)科學(xué)版，2002，8(6):59－60.

［5］BEAVER V.Financial ratios as predictors of failure［J］.Accounting Review，1966，5:71－111.

［6］OHLSON J.Financial ratios and the probabilistic prediction of bankruptcy［J］.Accounting Review，1980，18:109－131.

［7］JONES S，HENSHER D A.Predicting firm financial distress:A mixed logit model［J］.Accounting Review，2004，79(4):1011－1038.

［8］SOHN S，JEON H.Competing risk model for technology credit fund for small and medium-sized enterprises［J］.Journal of Small Business Management，2010，48(3):378－394.

［9］ALTMAN E I.Financial ratios，discriminant analysis and the prediction of corporate bankruptcy［J］.Finance，1968，13:589－609.

［10］CANBAS S，CABUK A，KILIC S.Prediction of commercial bank failure via multivariate statistical analysis of financial structure:The Turkish case［J］.European Journal of Operational Research，2005，166:528－546.

［11］HARHOFF D，THOMA G.Inventor location and the globalization of R＆D［C］//The Conference on Patent Statistics on Decision Makers.Vienna，Austria，2010，22:1317－1353.

［12］RAVI K.Bankruptcy prediction in banks and firms via statistical and intelligent techniques［J］.European Journal of Operational Research，2007，180:1－28.

［13］PEDERZOLI C，TORRICELLI C.A parsimonious default prediction model for Italian SMEs［J］.Banks Bank Syst，2010，5:28－32.

［14］HAJEK P.Credit rating analysis using adaptive fuzzy rule-based systems:An industry-specific approach［J］.Central European Journal of Operations Research，2012，20(3):421－434.

［15］鮑盛祥，殷永飛.科技型中小企業(yè)信用評(píng)價(jià)與實(shí)證分析［J］.科技進(jìn)步與對(duì)策，2009(20):143－148.

［16］張洪祥，毛志忠.基于多維時(shí)間序列的灰色模糊信用評(píng)價(jià)研究［J］.管理科學(xué)學(xué)報(bào)，2011，14(1):15－23.

［17］丁雪偉，李莉.科技型中小企業(yè)技術(shù)創(chuàng)新基金項(xiàng)目評(píng)審專家信用評(píng)價(jià)體系研究［J］.中國(guó)科技論壇，2009，162(10):18－21.

［18］徐華.基于科技人員的信用評(píng)價(jià)模型設(shè)計(jì)［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2009(6):182－187.

［19］STEIN R M.Benchmarking default prediction models:Pitfalls and remedies in model validation［J］.Risk Model Validat，2007，1:77－113.