商業(yè)銀行中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估及策略研究 *

操倩倩，陳彥如，張靜雨，朱家明

(安徽財(cái)經(jīng)大學(xué))

0 引言

中小微企業(yè)是中國(guó)國(guó)民經(jīng)濟(jì)的重要組成部分，是解決民生就業(yè)的重要載體.據(jù)相關(guān)調(diào)查報(bào)告顯示，中國(guó)中小微企業(yè)最終產(chǎn)品和服務(wù)價(jià)值占GDP的60%以上；截止 2018年末，中小微企業(yè)擁有資產(chǎn)占全部企業(yè)資產(chǎn)的77.1%，吸納就業(yè)人員占全部企業(yè)就業(yè)人數(shù)的79.4%.然而疫情使許多中小微企業(yè)利潤(rùn)出現(xiàn)負(fù)增長(zhǎng)，迫切需要融資以度過(guò)此次疫情危機(jī).雖然其在中國(guó)經(jīng)濟(jì)中占據(jù)重要地位，但信貸風(fēng)險(xiǎn)大導(dǎo)致中小微企業(yè)一直存在融資難的問(wèn)題.因此，研究如何通過(guò)模型對(duì)中小微企業(yè)的信貸風(fēng)險(xiǎn)進(jìn)行評(píng)估，并針對(duì)性地實(shí)施信貸策略，對(duì)解決中小微企業(yè)融資問(wèn)題和促進(jìn)商業(yè)銀行業(yè)務(wù)發(fā)展具有重要的意義.關(guān)于中小微企業(yè)的信貸風(fēng)險(xiǎn)評(píng)估和信貸策略制定，中國(guó)學(xué)者從不同的角度出發(fā)，運(yùn)用一系列定性和定量分析，對(duì)中小微企業(yè)信貸風(fēng)險(xiǎn)及信貸策略進(jìn)行研究.王軍鋒通過(guò)收集威海地區(qū)小微企業(yè)相關(guān)數(shù)據(jù)，利用Logit回歸和因子分析構(gòu)建小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估體系[1]；王曌亞采用案例分析法，通過(guò)分析A銀行的實(shí)際數(shù)據(jù)，對(duì)小微企業(yè)信貸風(fēng)險(xiǎn)管理體系進(jìn)行研究[2]；蘇蕙，郭煒以Z銀行為例，通過(guò)建立評(píng)分卡模型，優(yōu)化信貸風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)[3]；楊朋從EVA管理角度，以W銀行為例對(duì)中小企業(yè)貸款利率定價(jià)策略進(jìn)行研究[4]；曹清山，鄒玉霞，王勁松綜合考慮信用風(fēng)險(xiǎn)、綜合收益等5個(gè)因素，通過(guò)建立價(jià)格領(lǐng)導(dǎo)定價(jià)模型，最終形成以客戶(hù)盈利能力為參數(shù)的貸款定價(jià)機(jī)制[5].劉漢濱從企業(yè)的盈利能力、償債情況、資產(chǎn)管理能力和社會(huì)貢獻(xiàn)等幾個(gè)因素出發(fā)，綜合運(yùn)用了主成分分析方法創(chuàng)建了信貸決策模型[6].

綜上所述，對(duì)于企業(yè)的信貸風(fēng)險(xiǎn)研究大多都從案例出發(fā)進(jìn)行定性分析，缺乏數(shù)據(jù)支撐，且大多信貸策略制定的研究都未和信貸風(fēng)險(xiǎn)評(píng)估體系聯(lián)系起來(lái)，存在不足之處.該文的熵權(quán)-TOPSIS以及非線性規(guī)劃將商業(yè)銀行信貸業(yè)務(wù)的風(fēng)險(xiǎn)評(píng)估過(guò)程以及信貸決策過(guò)程緊密聯(lián)系，能夠使得商業(yè)銀行信貸業(yè)務(wù)更具科學(xué)性和有效性.

1 研究設(shè)計(jì)

1.1 指標(biāo)選取

該文通過(guò)中小微企業(yè)的實(shí)力以及信譽(yù)2個(gè)方面對(duì)信貸風(fēng)險(xiǎn)評(píng)估.在實(shí)力方面，選取了進(jìn)貨次數(shù)、銷(xiāo)售次數(shù)、平均利潤(rùn)、平均負(fù)債、企業(yè)3種類(lèi)型發(fā)票數(shù)量累計(jì)7個(gè)指標(biāo)；在信譽(yù)方面，選取信譽(yù)評(píng)級(jí)以及是否違約2個(gè)指標(biāo).信譽(yù)評(píng)級(jí)由高到低分別為A、B、C、D，為后續(xù)計(jì)算方便，依次令為1，2，3，4；是否違約指標(biāo)中不違約設(shè)為0，違約設(shè)為1.各指標(biāo)的計(jì)算方式見(jiàn)表1，指標(biāo)體系的構(gòu)建如圖1所示.

表 1 指標(biāo)說(shuō)明

圖 1 信貸風(fēng)險(xiǎn)量化指標(biāo)體系

1.2 風(fēng)險(xiǎn)量化體系構(gòu)建

為使風(fēng)險(xiǎn)評(píng)估結(jié)果更為準(zhǔn)確，首先采用熵權(quán)法對(duì)9個(gè)指標(biāo)賦權(quán)，建立加權(quán)的標(biāo)準(zhǔn)化矩陣.其次，根據(jù)TOPSIS模型，確定各企業(yè)的理想解與負(fù)理想解，再利用MATLAB計(jì)算出各企業(yè)的歐氏距離以及相對(duì)貼近度，最終根據(jù)相對(duì)貼近度得分對(duì)信貸風(fēng)險(xiǎn)進(jìn)行排序[9].

1.2.1 熵權(quán)法確定權(quán)重

(1)矩陣正向化

(2)矩陣標(biāo)準(zhǔn)化

觀察可知9個(gè)指標(biāo)量綱不同，故需要將正向化后的矩陣標(biāo)準(zhǔn)化.記正向化后的矩陣為X，標(biāo)準(zhǔn)化后的矩陣為Z，Z中的每一個(gè)元素：

(3)計(jì)算指標(biāo)的信息熵

(j=1,2,…,m)

(4)計(jì)算指標(biāo)的熵權(quán)

1.2.2 多屬性決策模型(TOPSIS)

構(gòu)建TOPSIS模型的基本步驟為：

(1)構(gòu)建加權(quán)標(biāo)準(zhǔn)化決策矩陣

其中m為指標(biāo)個(gè)數(shù)，n為樣本個(gè)數(shù).

(2)計(jì)算理想解與負(fù)理想解

(3)計(jì)算歐氏距離以及相對(duì)貼近度得分

1.3 信貸策略模型設(shè)計(jì)

為科學(xué)地制定銀行信貸策略，首先根據(jù)信貸風(fēng)險(xiǎn)得分通過(guò)聚類(lèi)分析分為4類(lèi)，分別為理想型、信任型、可考慮型及危險(xiǎn)型；再利用非線性規(guī)劃模型對(duì)不同類(lèi)別的中小微企業(yè)確定是否放貸、貸款額度和貸款利率等信貸策略.

首先對(duì)于危險(xiǎn)型的企業(yè)不予放貸.令x1、x2、x3和r1、r2、r3分別是銀行對(duì)理想型、信任型和可考慮型企業(yè)所投放貸款占年度信貸總額的比例及所投放貸款的利率.通過(guò)銀行以往客戶(hù)流失率與利率的關(guān)系，設(shè)定理想型類(lèi)企業(yè)的信貸利率為4%～4.85%，貸款額度不超過(guò)總額度的10%；信任型企業(yè)的信貸利率為4%～5.45%，但該類(lèi)型企業(yè)數(shù)量稍多，因此貸款額度不超過(guò)總額度的30%；可考慮型企業(yè)的信貸利率為4%～6.65%，數(shù)量最多，信貸風(fēng)險(xiǎn)也相對(duì)較高，考慮降低每家企業(yè)的貸款額度，綜合來(lái)看可考慮型企業(yè)的貸款額度不超過(guò)總額度的60%.

接下來(lái)，給出在以上約束條件下的收益最大化的非線性模型，具體如下：

Max:f(x)=r1x1+r2x2+r3x3

2 實(shí)證分析

該文選取了123家現(xiàn)存的中小微企業(yè)為樣本，分別記為E1～E123，數(shù)據(jù)來(lái)源于2020年大學(xué)生數(shù)學(xué)建模競(jìng)賽C題.首先利用熵權(quán)法賦予權(quán)重，再結(jié)合TOPSIS模型計(jì)算信貸風(fēng)險(xiǎn)得分.然后根據(jù)得分對(duì) 123家企業(yè)進(jìn)行聚類(lèi)，分為4個(gè)類(lèi)別.最后參考當(dāng)前市場(chǎng)上貸款利率及相關(guān)國(guó)家政策，利用非線性規(guī)劃模型給出銀行的信貸策略.

2.1 計(jì)算各指標(biāo)的熵值與熵權(quán)

根據(jù)上述計(jì)算公式，利用MATLAB編程求解得到各指標(biāo)的熵值和熵權(quán)，見(jiàn)表2.

2.2 計(jì)算各企業(yè)風(fēng)險(xiǎn)得分及排序

通過(guò)計(jì)算理想解與負(fù)理想解，歐式距離與相對(duì)貼近度，最終得出n個(gè)評(píng)價(jià)對(duì)象的得分并進(jìn)行歸一化，降序排列后的部分結(jié)果見(jiàn)表3.

表 2 指標(biāo)權(quán)重

表 3 企業(yè)信貸風(fēng)險(xiǎn)得分及排名

由表3結(jié)果可知，企業(yè)的得分越高，代表企業(yè)在實(shí)力以及信譽(yù)2方面的綜合能力越強(qiáng)，信貸風(fēng)險(xiǎn)越小.由表3可得出結(jié)論：在各指標(biāo)占一定權(quán)重的情況下，E2的綜合能力最強(qiáng)，信貸風(fēng)險(xiǎn)最??；E52的綜合能力最小，信貸風(fēng)險(xiǎn)最弱.同時(shí)，對(duì)比各企業(yè)的得分與信譽(yù)評(píng)級(jí)可知，排列在前企業(yè)的信譽(yù)評(píng)級(jí)基本都為A，而排列在后企業(yè)的信譽(yù)評(píng)級(jí)均為D.雖然存在個(gè)別異常值，但相對(duì)于123個(gè)樣本來(lái)說(shuō)可以忽略不計(jì)，評(píng)價(jià)結(jié)果與真實(shí)情況基本相符，可靠性強(qiáng).

2.3 按照信貸風(fēng)險(xiǎn)得分對(duì)企業(yè)分類(lèi)

使用SPSS對(duì)企業(yè)信貸風(fēng)險(xiǎn)量化結(jié)果進(jìn)行聚類(lèi)，并設(shè)定聚為4類(lèi)，分析每類(lèi)的企業(yè)特征并命名，聚類(lèi)結(jié)果見(jiàn)表4.

表 4 聚類(lèi)結(jié)果

由聚類(lèi)結(jié)果可知，第一類(lèi)只有1家企業(yè)，第二類(lèi)有4家企業(yè)，第三類(lèi)有91家企業(yè)，第四類(lèi)有27家企業(yè).

第一類(lèi)企業(yè)即E2，結(jié)合風(fēng)險(xiǎn)指標(biāo)來(lái)看，E2年進(jìn)貨次數(shù)和年銷(xiāo)售次數(shù)非常多，平均年利潤(rùn)達(dá)1億多人民幣，且信譽(yù)等級(jí)為A，無(wú)違約記錄.因此，把第一類(lèi)命名為理想型，銀行可分配給它很高的貸款額度.

第二類(lèi)企業(yè)為4家，為E3、E7、E8、E13，他們信譽(yù)等級(jí)大多為A，無(wú)違約記錄，且企業(yè)實(shí)力較為雄厚，其中有2家企業(yè)平均年利潤(rùn)達(dá)1億多人民幣.因此，將第二類(lèi)命名為信任型，銀行可以分配給它們較高的貸款額度.

第三類(lèi)企業(yè)為91家，他們均無(wú)違約記錄且信譽(yù)等級(jí)在C及以上，大部分綜合實(shí)力一般.因此，將第三類(lèi)命名為可考慮型，銀行需要綜合考慮再?zèng)Q定所分配貸款額度.

第四類(lèi)企業(yè)為27家，他們?nèi)慷加羞`約記錄且信譽(yù)等級(jí)大部分在D，大部分綜合實(shí)力較差.因此，將第4類(lèi)命名為危險(xiǎn)型，銀行可直接拒絕放貸.

2.4 銀行信貸策略制定結(jié)果

通過(guò)非線性規(guī)劃模型，最終得到的全局最優(yōu)解為6.11%，即在年度信貸總額固定的前提下，銀行的最大收益是信貸總額的6.11%.此時(shí)，銀行對(duì)理想型類(lèi)信貸利率為4.85%，貸款額度為總額度的10%；信任型類(lèi)信貸利率為5.45%，貸款額度為總額度的30%；可考慮型類(lèi)信貸利率為6.65%，貸款額度為總額度的60%.根據(jù)上述模型，得出了該銀行在年度信貸總額固定時(shí)對(duì)中小企業(yè)的信貸策略，詳見(jiàn)表5.

表 5 信貸策略

3 結(jié)果分析和對(duì)策建議

3.1 結(jié)果分析

從熵權(quán)結(jié)果看出，進(jìn)貨次數(shù)與銷(xiāo)售次數(shù)所占的權(quán)重分別為30.7%和27.7%，2個(gè)指標(biāo)的權(quán)重之和大于50%，說(shuō)明企業(yè)的經(jīng)營(yíng)狀況是影響其信貸風(fēng)險(xiǎn)的重要因素.其次是作廢發(fā)票情況，所占比重為26.6%.作廢發(fā)票這在一定程度上反映了企業(yè)的交易誠(chéng)信度，也會(huì)對(duì)企業(yè)的信貸風(fēng)險(xiǎn)得分造成影響.因此，對(duì)于商業(yè)銀行來(lái)說(shuō)，經(jīng)營(yíng)狀況與誠(chéng)信情況是銀行在向企業(yè)放款時(shí)的重要考慮因素[10-11].

從得分情況和信貸策略可以看到，企業(yè)E2、E3、E7、E8、E13 5家企業(yè)實(shí)力強(qiáng)勁，信譽(yù)較好，信貸風(fēng)險(xiǎn)較小，是銀行貸款時(shí)的理想和所信任的企業(yè).這兩類(lèi)企業(yè)給銀行帶去巨大收益的同時(shí)只需銀行承擔(dān)較小的風(fēng)險(xiǎn)，因此銀行對(duì)這兩類(lèi)企業(yè)的平均放貸額度較高.但這類(lèi)企業(yè)在現(xiàn)實(shí)中往往比較少見(jiàn)，更多的是可考慮型的企業(yè)，這類(lèi)企業(yè)實(shí)力和信譽(yù)均一般，銀行放貸需要承擔(dān)一定的風(fēng)險(xiǎn)，但這類(lèi)企業(yè)的發(fā)展?jié)摿^大，是銀行信貸的主要對(duì)象.因此，這類(lèi)企業(yè)雖然平均放款額度較低，但在總放款額度中的比重較大.因此，銀行需要針對(duì)不同類(lèi)型的企業(yè)制定不同的信貸策略以實(shí)現(xiàn)利益最大化，風(fēng)險(xiǎn)最小化.

3.2 對(duì)策建議

該文通過(guò)構(gòu)建中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估體系和信貸策略制定模型，為商業(yè)銀行中小微企業(yè)信貸風(fēng)險(xiǎn)管理提供了參考.但信貸風(fēng)險(xiǎn)的防范還需銀行和企業(yè)的共同努力，才能實(shí)現(xiàn)二者的良性互動(dòng).據(jù)此，為商業(yè)銀行中小微企業(yè)信貸風(fēng)險(xiǎn)防范提出以下建議.

第一、創(chuàng)新商業(yè)銀行中小微企業(yè)信貸模式.中小微企業(yè)融資一般具有數(shù)額小、周期短的特征，因此商業(yè)銀行可以根據(jù)企業(yè)的具體情況細(xì)化貸款業(yè)務(wù)，并針對(duì)性地制定合適的信貸模式.比如銀行可以把企業(yè)的經(jīng)營(yíng)狀況、信譽(yù)度等信息作為考核標(biāo)準(zhǔn)，并根據(jù)這些指標(biāo)決定放款的多少，在一定風(fēng)險(xiǎn)的條件下做到收益最大化.

第二、健全中小微企業(yè)風(fēng)險(xiǎn)評(píng)估體系.信貸風(fēng)險(xiǎn)評(píng)估體系是商業(yè)銀行信貸風(fēng)險(xiǎn)控制的核心環(huán)節(jié)[7].信息不對(duì)稱(chēng)造成了信貸風(fēng)險(xiǎn)的出現(xiàn)，因此需要商業(yè)銀行根據(jù)中小微企業(yè)的經(jīng)營(yíng)與發(fā)展?fàn)顩r健全風(fēng)險(xiǎn)評(píng)估體系.首先，在信貸之前，要全面考察企業(yè)的經(jīng)營(yíng)和財(cái)務(wù)信息，將企業(yè)實(shí)力和信譽(yù)等因素納入評(píng)估體系中.其次，在銀行放貸之后，要定期對(duì)企業(yè)進(jìn)行信息搜集，監(jiān)管企業(yè)是否將資金用在了符合貸款要求的用途.一旦發(fā)現(xiàn)企業(yè)存在較大風(fēng)險(xiǎn)，要及時(shí)清算貸款，做好預(yù)警措施，避免更大損失.

第三、完善信貸人員績(jī)效考核制度.信貸員導(dǎo)致的風(fēng)險(xiǎn)貫穿于貸款的申請(qǐng)、發(fā)放以及后續(xù)的收回的整個(gè)過(guò)程中[8].如果信貸員只注重貸款規(guī)模，容易導(dǎo)致銀行吸收大量高風(fēng)險(xiǎn)客戶(hù).因此，商業(yè)銀行需要不斷地完善信貸人員的績(jī)效考核制度，將信貸員的獎(jiǎng)金與貸款回收率掛鉤.例如獎(jiǎng)金可以分為兩部分，一部分是績(jī)效獎(jiǎng)金，另一部分等貸款回收后發(fā)放.通過(guò)這種制度，可以將信貸員的績(jī)效工資直接與銀行的損益聯(lián)系起來(lái)，促使信貸員在貸款之前對(duì)企業(yè)進(jìn)行全方位的了解，貸后密切關(guān)注，加強(qiáng)對(duì)企業(yè)的信貸風(fēng)險(xiǎn)管理，降低銀行所承擔(dān)的信貸風(fēng)險(xiǎn).