大數(shù)據(jù)視域下的中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估

孔換換 河南濟(jì)源農(nóng)村商業(yè)銀行股份有限公司

近年來(lái)，我國(guó)中小微企業(yè)的金融服務(wù)需求持續(xù)增加，但由于其自身?xiàng)l件有限，對(duì)資金和資本的需求難以在銀行傳統(tǒng)信貸業(yè)務(wù)中得到滿足。為了緩解中小微企業(yè)融資難問(wèn)題，近年來(lái)商業(yè)銀行紛紛將目光轉(zhuǎn)向大數(shù)據(jù)風(fēng)控技術(shù)。但在實(shí)際操作過(guò)程中，大數(shù)據(jù)技術(shù)面臨著諸多挑戰(zhàn)：對(duì)企業(yè)信貸風(fēng)險(xiǎn)認(rèn)識(shí)不夠充分、對(duì)大數(shù)據(jù)系統(tǒng)建設(shè)不熟悉、數(shù)據(jù)處理能力較弱且沒(méi)有形成可復(fù)用模型等。所以，本文對(duì)大數(shù)據(jù)視域下的中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估研究，具有重要的現(xiàn)實(shí)意義。

一、研究背景

近年來(lái)，隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，實(shí)體經(jīng)濟(jì)與互聯(lián)網(wǎng)金融結(jié)合越來(lái)越緊密，金融科技的運(yùn)用成了未來(lái)金融行業(yè)的趨勢(shì)。大數(shù)據(jù)風(fēng)控是以海量數(shù)據(jù)為基礎(chǔ)，通過(guò)數(shù)據(jù)挖掘技術(shù)和機(jī)器學(xué)習(xí)算法識(shí)別客戶信用風(fēng)險(xiǎn)和欺詐風(fēng)險(xiǎn)，從而建立起有效的信用風(fēng)險(xiǎn)評(píng)估模型。大數(shù)據(jù)風(fēng)控是傳統(tǒng)風(fēng)控體系的延伸，它融合了大數(shù)據(jù)、人工智能等多種先進(jìn)技術(shù)與理念。大數(shù)據(jù)風(fēng)控通過(guò)從數(shù)據(jù)中提取有價(jià)值信息來(lái)判斷客戶信用狀況以降低信貸風(fēng)險(xiǎn)，并對(duì)客戶做出相應(yīng)的業(yè)務(wù)決策。近年來(lái)，我國(guó)銀行利用大數(shù)據(jù)風(fēng)控體系識(shí)別并降低了中小企業(yè)融資難問(wèn)題。然而在實(shí)際應(yīng)用過(guò)程中，大數(shù)據(jù)技術(shù)面臨著諸多挑戰(zhàn)。大數(shù)據(jù)本身是一種高價(jià)值數(shù)據(jù)資源，在信息識(shí)別和數(shù)據(jù)分析方面具有獨(dú)特優(yōu)勢(shì)。大數(shù)據(jù)應(yīng)用需要從多個(gè)維度進(jìn)行挖掘，而非僅僅關(guān)注單一指標(biāo)、單一客戶等。

其中Houdar 等（2017）基于數(shù)據(jù)挖掘的信貸風(fēng)險(xiǎn)評(píng)估方法能提高企業(yè)資信等級(jí)；Smith 等（2015）以信貸風(fēng)險(xiǎn)評(píng)估為切入點(diǎn)，提出了新的信貸風(fēng)險(xiǎn)評(píng)估方法；Jiang，Lu（2018）運(yùn)用機(jī)器學(xué)習(xí)算法對(duì)中國(guó)中小企業(yè)信用評(píng)級(jí)數(shù)據(jù)進(jìn)行挖掘，得出了中小企業(yè)信用評(píng)級(jí)的最佳參數(shù)組合；Jiang 等（2016）基于機(jī)器學(xué)習(xí)算法的中小企業(yè)信用風(fēng)險(xiǎn)特征提取方法；劉偉（2016）利用因子分析法構(gòu)建了包含違約可能性、還款能力和經(jīng)營(yíng)能力三個(gè)維度的評(píng)估模型，并對(duì)模型進(jìn)行精度檢驗(yàn)驗(yàn)證；劉偉等（2017）提出了大數(shù)據(jù)環(huán)境下中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，該體系包括三大類(lèi)指標(biāo)，分別是違約概率、還款能力和經(jīng)營(yíng)能力。

二、信貸風(fēng)險(xiǎn)評(píng)估理論

從信貸風(fēng)險(xiǎn)理論上講，評(píng)估主體應(yīng)該具有較強(qiáng)的專業(yè)知識(shí)和較高的決策能力，而這些都與信息技術(shù)有關(guān)。根據(jù)已有研究成果，銀行信貸風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系主要有以下幾種：銀行的信貸業(yè)務(wù)流程是：客戶經(jīng)理在了解客戶情況后，提出初步貸款申請(qǐng)；客戶經(jīng)理通過(guò)盡職調(diào)查、對(duì)現(xiàn)有資料進(jìn)行分析判斷，決定是否發(fā)放貸款并提供給借款人資金需求者；借款人提出融資申請(qǐng)；貸款人根據(jù)審批結(jié)果和風(fēng)險(xiǎn)偏好、還款能力等情況決定是否給予融資或采取其他方式進(jìn)行融資。銀行信貸風(fēng)險(xiǎn)主要是由以下幾個(gè)方面造成的：客戶經(jīng)理對(duì)貸款的了解程度、貸前審查以及貸款發(fā)放過(guò)程中對(duì)信息的掌握和分析能力。銀行信貸風(fēng)險(xiǎn)評(píng)估指標(biāo)體系主要包括三大類(lèi)指標(biāo)：一是信息指標(biāo)；二是結(jié)構(gòu)指標(biāo)；三是控制性指標(biāo)（如違約率）和預(yù)測(cè)型等（如不良率）。銀行對(duì)信息技術(shù)了解不深而將信息轉(zhuǎn)化為結(jié)構(gòu)指標(biāo)進(jìn)行評(píng)價(jià)所導(dǎo)致的主要后果有：一是信息質(zhì)量差，影響決策；二是不準(zhǔn)確、不真實(shí)地反映客戶狀況。在這種情況下銀行為降低信貸風(fēng)險(xiǎn)，需要借助第三方機(jī)構(gòu)來(lái)提高信貸風(fēng)險(xiǎn)評(píng)價(jià)水平。如銀行將信貸客戶分類(lèi)管理后，可通過(guò)第三方機(jī)構(gòu)來(lái)實(shí)現(xiàn)貸前、貸中以及貸后全流程動(dòng)態(tài)、實(shí)時(shí)監(jiān)督。對(duì)于銀行而言，其貸款額度越大則對(duì)信息要求越高。因此需要有更多更高質(zhì)量的第三方機(jī)構(gòu)來(lái)提高評(píng)價(jià)結(jié)果的可靠性。針對(duì)以上三種指標(biāo)的評(píng)價(jià)體系，商業(yè)銀行通常采用以下三種方式：一是對(duì)各類(lèi)指標(biāo)進(jìn)行量化；二是通過(guò)建模手段，在模型中加入一些參數(shù)或變量；最后由經(jīng)驗(yàn)豐富的專業(yè)人員對(duì)評(píng)估結(jié)果進(jìn)行評(píng)價(jià)和預(yù)測(cè)或解釋。

三、信貸大數(shù)據(jù)技術(shù)發(fā)展現(xiàn)狀

大數(shù)據(jù)是信息技術(shù)發(fā)展的新階段，是一種能夠從海量數(shù)據(jù)中提取有價(jià)值信息的有效手段，在金融領(lǐng)域具有廣闊的應(yīng)用前景。大數(shù)據(jù)技術(shù)自20 世紀(jì)90 年代以來(lái)獲得了迅猛發(fā)展，其特點(diǎn)是數(shù)據(jù)規(guī)模大、種類(lèi)多、變化快及價(jià)值密度低。大數(shù)據(jù)應(yīng)用技術(shù)在金融領(lǐng)域主要包括數(shù)據(jù)挖掘能力和數(shù)據(jù)整合能力。數(shù)據(jù)挖掘，也稱數(shù)據(jù)處理，能夠?qū)Ａ康臄?shù)據(jù)進(jìn)行分析和挖掘并將其轉(zhuǎn)換為有用的信息以供決策參考。數(shù)據(jù)整合能力，指對(duì)收集到的大數(shù)據(jù)進(jìn)行有效歸類(lèi)加工并通過(guò)數(shù)據(jù)挖掘分析將其轉(zhuǎn)化為有價(jià)值信息再重新處理以供決策參考。大數(shù)據(jù)化管理與應(yīng)用主要有：建立統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)，推進(jìn)政務(wù)數(shù)據(jù)共享；建立信息安全機(jī)制，保障信息安全；建立風(fēng)險(xiǎn)預(yù)警模型，防范信用風(fēng)險(xiǎn)；建立信用信息共享平臺(tái)，有效整合信息資源；搭建智能決策支持系統(tǒng)等五個(gè)方面。

四、大數(shù)據(jù)視域下的中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估的必要性

大數(shù)據(jù)在信用風(fēng)險(xiǎn)評(píng)估中的運(yùn)用能夠解決中小微企業(yè)信貸中存在的信息不對(duì)稱、信息收集難、評(píng)估成本高等問(wèn)題，是一個(gè)值得深入研究的課題。大數(shù)據(jù)技術(shù)能夠有效提升對(duì)風(fēng)險(xiǎn)因素識(shí)別分析效率，幫助金融機(jī)構(gòu)及時(shí)識(shí)別和管理中小微企業(yè)信貸中面臨的信用風(fēng)險(xiǎn)，避免不合理的信用等級(jí)劃分和等級(jí)評(píng)定給機(jī)構(gòu)帶來(lái)巨大浪費(fèi)且增加管理成本。大數(shù)據(jù)技術(shù)能夠有效提高金融機(jī)構(gòu)對(duì)中小微企業(yè)信貸業(yè)務(wù)風(fēng)險(xiǎn)評(píng)估的精準(zhǔn)度，提升金融機(jī)構(gòu)對(duì)中小微企業(yè)信貸服務(wù)質(zhì)量。同時(shí)，金融機(jī)構(gòu)可以利用大數(shù)據(jù)信息平臺(tái)獲取到大量有效的數(shù)據(jù)資源，通過(guò)數(shù)據(jù)挖掘和分析形成對(duì)客戶信用狀況的全面評(píng)價(jià)。這些數(shù)據(jù)往往具有數(shù)量多、分布廣、來(lái)源分散和價(jià)值密度低等特點(diǎn)，在一定程度上能夠彌補(bǔ)傳統(tǒng)征信業(yè)務(wù)中信用信息收集難、獲取成本高等不足之處。相關(guān)工作人員將基于大數(shù)據(jù)平臺(tái)進(jìn)行對(duì)中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估工作，為金融機(jī)構(gòu)有效識(shí)別中小輕微信用風(fēng)險(xiǎn)提供新思路和建議。同時(shí)，本文也希望通過(guò)與大數(shù)據(jù)企業(yè)合作提升評(píng)價(jià)工作效率，降低評(píng)價(jià)成本。另外，針對(duì)目前商業(yè)銀行中小微企業(yè)信貸風(fēng)險(xiǎn)管理水平有待提升這一現(xiàn)狀。金融創(chuàng)新必須從提高客戶服務(wù)能力出發(fā)，以提升客戶體驗(yàn)為目標(biāo)加強(qiáng)風(fēng)險(xiǎn)識(shí)別分析工作，同時(shí)要不斷強(qiáng)化相關(guān)知識(shí)與技能培訓(xùn)。

五、中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估方法分析

（一）傳統(tǒng)小微企業(yè)的信貸風(fēng)險(xiǎn)評(píng)估方法

小微企業(yè)傳統(tǒng)的信用評(píng)估分為：財(cái)務(wù)因素和非財(cái)務(wù)因素兩類(lèi)指標(biāo)。財(cái)務(wù)相關(guān)的指標(biāo)包括償債能力、經(jīng)營(yíng)能力、盈利能力等，非財(cái)務(wù)相關(guān)的指標(biāo)包括企業(yè)領(lǐng)導(dǎo)人素質(zhì)、企業(yè)素質(zhì)、政策環(huán)境、合作關(guān)系等。財(cái)務(wù)因素中的償債能力體現(xiàn)了小微企業(yè)的抗風(fēng)險(xiǎn)能力，包括資產(chǎn)負(fù)債率、現(xiàn)金比率、主要資產(chǎn)、或有負(fù)債等；經(jīng)營(yíng)能力包括主營(yíng)業(yè)務(wù)增長(zhǎng)率、應(yīng)收賬款周轉(zhuǎn)次數(shù)、納稅情況等；盈利能力包括凈利潤(rùn)增長(zhǎng)率、凈資產(chǎn)收益率等。非財(cái)務(wù)因素中的企業(yè)負(fù)責(zé)人應(yīng)當(dāng)是實(shí)際控制人，小微企業(yè)負(fù)責(zé)人的素質(zhì)決定了小微企業(yè)的經(jīng)營(yíng)能力，包括企業(yè)負(fù)責(zé)人的個(gè)人品質(zhì)、信用記錄、從業(yè)年限、學(xué)歷、健康狀況等；企業(yè)的素質(zhì)：包括管理能力、管理團(tuán)隊(duì)、市場(chǎng)競(jìng)爭(zhēng)力、企業(yè)成立年限、企業(yè)信用記錄等；政策環(huán)境：對(duì)于小微企業(yè)也有很大的影響，包括行業(yè)集中度、行業(yè)政策、區(qū)域環(huán)境等；如果小微企業(yè)為倉(cāng)儲(chǔ)業(yè)，那么其生產(chǎn)經(jīng)營(yíng)場(chǎng)所、倉(cāng)庫(kù)面積利用率等因素對(duì)于信貸風(fēng)險(xiǎn)評(píng)估也有很大的影響[1]。

（二）大數(shù)據(jù)時(shí)代小微企業(yè)的信貸風(fēng)險(xiǎn)評(píng)估方法分析

信息通信技術(shù)改變了人們工作和生活的方式，提高了社會(huì)效率和生活的便利性，小微企業(yè)的采購(gòu)、銷(xiāo)售等生產(chǎn)經(jīng)營(yíng)活動(dòng)被記錄下來(lái)。小微企業(yè)的行為痕跡對(duì)于小微企業(yè)的信貸風(fēng)險(xiǎn)評(píng)估具有非常重要的作用。由于小微企業(yè)具有數(shù)量多、融資頻率高、融資需求額度小的特點(diǎn)，更適合通過(guò)借助系統(tǒng)快速實(shí)現(xiàn)對(duì)小微企業(yè)的信貸風(fēng)險(xiǎn)評(píng)估。要完成快速的信貸風(fēng)險(xiǎn)評(píng)估和放貸，金融企業(yè)勢(shì)必要承擔(dān)比傳統(tǒng)信貸風(fēng)險(xiǎn)評(píng)估方式更高的經(jīng)營(yíng)風(fēng)險(xiǎn)。金融機(jī)構(gòu)工作難點(diǎn)在于金融風(fēng)險(xiǎn)的管理，而利率就是基于風(fēng)險(xiǎn)大小確定的，貸款預(yù)期風(fēng)險(xiǎn)越高，放貸利率越高，貸款預(yù)期風(fēng)險(xiǎn)越低，則放貸利率越低。統(tǒng)計(jì)學(xué)的大數(shù)定律理論說(shuō)明：當(dāng)試驗(yàn)次數(shù)足夠多時(shí)，事件出現(xiàn)的頻率無(wú)窮接近于該事件發(fā)生的概率，這是偶然現(xiàn)象背后存在的必要規(guī)律。根據(jù)大數(shù)定律理論，可以預(yù)見(jiàn)小微企業(yè)的平均貸款風(fēng)險(xiǎn)趨于逾期貸款風(fēng)險(xiǎn)，因此可以利用小微企業(yè)的總體逾期貸款損失率來(lái)代替每一筆小微企業(yè)貸款預(yù)期損失率，這樣可以降低利率計(jì)算的難度，提升對(duì)小微企業(yè)的放貸效率，金融機(jī)構(gòu)可以爭(zhēng)取到更多的小微企業(yè)客戶。與小微企業(yè)相對(duì)應(yīng)的是小額貸款。小額貸款具有期限短、額度小、隨借隨還的特點(diǎn)，因此更需要金融機(jī)構(gòu)快速做出貸款決策。放貸可以分為貸前、貸中和貸后三個(gè)階段，要完成對(duì)小微企業(yè)的放貸，就需要快速完成對(duì)小微企業(yè)的信用評(píng)估，確定授信額度，并且通過(guò)對(duì)放貸后小微企業(yè)的生產(chǎn)經(jīng)營(yíng)行為進(jìn)行實(shí)時(shí)監(jiān)控和風(fēng)險(xiǎn)預(yù)警，盡早發(fā)現(xiàn)和規(guī)避風(fēng)險(xiǎn)，對(duì)于確認(rèn)為具有金融欺詐行為的企業(yè)，應(yīng)當(dāng)采取嚴(yán)厲的懲罰措施。在貸前階段，主要任務(wù)是完成客戶的初步授信工作。小微企業(yè)在電子商務(wù)平臺(tái)上積累的交易記錄是確定授信額度的主要參考內(nèi)容，交易記錄中具有小微企業(yè)的采購(gòu)、物流、庫(kù)存以及銷(xiāo)售數(shù)據(jù)，可以反映小微企業(yè)的生產(chǎn)經(jīng)營(yíng)能力和財(cái)務(wù)能力。B2C 模式中客戶對(duì)于企業(yè)產(chǎn)品和服務(wù)的評(píng)價(jià)、B2B 模式中供應(yīng)商和合作伙伴對(duì)于小微企業(yè)的評(píng)級(jí)，也是信用評(píng)估的重要數(shù)據(jù)來(lái)源。

此外，還可以從金融管理機(jī)構(gòu)獲取小微企業(yè)的信用記錄。在貸中階段，主要完成對(duì)小微企業(yè)的審查工作，審查目標(biāo)是確定小微企業(yè)經(jīng)營(yíng)者的誠(chéng)信度。由于小微企業(yè)數(shù)量眾多，可以采用分析遠(yuǎn)程視頻采訪錄像的方法，測(cè)試小微企業(yè)經(jīng)營(yíng)者貸款意圖是否存在撒謊行為。在貸后階段，主要目標(biāo)是降低小微企業(yè)的本金和利息償還風(fēng)險(xiǎn)。企業(yè)可以通過(guò)監(jiān)控小微企業(yè)資金運(yùn)用情況，掌握小微企業(yè)的貸款是否按照事先的計(jì)劃從事生產(chǎn)經(jīng)營(yíng)活動(dòng)。比如是否將貸款用于廣告投放并因廣告投放而增加了交易數(shù)、是否將資金用于采購(gòu)銷(xiāo)售品等。如果發(fā)現(xiàn)小微企業(yè)貸款后并沒(méi)有出現(xiàn)采購(gòu)、營(yíng)銷(xiāo)等行為，并且銷(xiāo)售量也沒(méi)有因新的資金注入而發(fā)生變化，那么就需要進(jìn)行風(fēng)險(xiǎn)提醒和預(yù)警。對(duì)于未按合同約定逾期還款的，則需要按約定支付罰息，對(duì)于逾期一定期限未還款的，則需要將該小微企業(yè)放入黑名單并進(jìn)行全網(wǎng)通緝，進(jìn)行更加嚴(yán)厲的制裁，讓該小微企業(yè)為不誠(chéng)信行為付出很高的代價(jià)。阿里巴巴是互聯(lián)網(wǎng)企業(yè)為小微企業(yè)提供小額貸款服務(wù)的典范，可以為處于弱勢(shì)地位的小微企業(yè)提供傳統(tǒng)金融渠道無(wú)法提供的小額貸款服務(wù)。阿里巴巴具有像淘寶和天貓這樣面向大眾的B2C 電子商務(wù)平臺(tái)，有面向供應(yīng)商和批發(fā)商的B2B 電子商務(wù)平臺(tái)1688等，這些電子商務(wù)平臺(tái)中記錄的市場(chǎng)推廣、交易、評(píng)價(jià)等數(shù)據(jù)成為對(duì)小微企業(yè)授信的“信息流”維度數(shù)據(jù)源；支付寶可以記錄小微企業(yè)的現(xiàn)金流，成為“資金流”維度的數(shù)據(jù)源；“菜鳥(niǎo)網(wǎng)絡(luò)”等物流平臺(tái)上記錄了小微企業(yè)的采購(gòu)、庫(kù)存等數(shù)據(jù)，成為“物流”維度的數(shù)據(jù)源。

（三）信貸風(fēng)險(xiǎn)評(píng)估定量與定性分析的方法

企業(yè)的財(cái)政與經(jīng)濟(jì)發(fā)展體系是建立信用評(píng)價(jià)的基本手段和模式，而這一環(huán)節(jié)在信用評(píng)價(jià)中是必不可少的。從信用評(píng)價(jià)的發(fā)展歷程來(lái)看，由于受客觀條件的制約，我國(guó)在信貸風(fēng)險(xiǎn)評(píng)價(jià)的初期多采用定性的方法，目前主要采用定量的方法。

第一，專業(yè)評(píng)分。專家評(píng)分法是一種具有代表性的定性評(píng)價(jià)方法，也被稱作因素分析法。主要順序?yàn)樵u(píng)價(jià)分級(jí)，之后為專家評(píng)分，然后進(jìn)行加權(quán)分析，能夠通過(guò)計(jì)算得到的評(píng)價(jià)結(jié)果。根據(jù)分析的因素和視角，將其劃分為5 種類(lèi)型，最具代表性的是5C 法，它是以借款人的經(jīng)營(yíng)環(huán)境、抵押資產(chǎn)、借款人的質(zhì)量、資本、經(jīng)營(yíng)能力等5 個(gè)因素來(lái)衡量借款人的信用風(fēng)險(xiǎn)。

第二，綜合財(cái)務(wù)比率分析方法。財(cái)務(wù)比率綜合分析法是通過(guò)對(duì)企業(yè)的財(cái)務(wù)資料進(jìn)行分析，把企業(yè)按不同的層次進(jìn)行分類(lèi)，反映企業(yè)的資金結(jié)構(gòu)等。在金融比率綜合分析方法誕生之時(shí)，商業(yè)銀行的主要財(cái)務(wù)指標(biāo)是：經(jīng)營(yíng)狀況、償債能力、創(chuàng)新能力；同時(shí)，企業(yè)融資渠道、資本結(jié)構(gòu)也是影響企業(yè)發(fā)展的主要因素，因此，本文對(duì)企業(yè)的財(cái)務(wù)狀況進(jìn)行了全面的評(píng)估。

財(cái)務(wù)比率分析方法在企業(yè)信用風(fēng)險(xiǎn)分析中起到了積極作用。財(cái)務(wù)比率分析方法的優(yōu)勢(shì)在于它的數(shù)據(jù)直觀、操作簡(jiǎn)便，但它的缺點(diǎn)在于它無(wú)法完全地反映企業(yè)的非財(cái)務(wù)狀況，只能反映企業(yè)的負(fù)債情況，比如企業(yè)的負(fù)債情況，而企業(yè)的經(jīng)營(yíng)狀況、企業(yè)的經(jīng)營(yíng)狀況等定性指標(biāo)，都與企業(yè)的信用風(fēng)險(xiǎn)有著密切的聯(lián)系，因此，財(cái)務(wù)比率分析法無(wú)法全面的評(píng)價(jià)企業(yè)的風(fēng)險(xiǎn)。

第三，人工智能的模式。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展和普及，越來(lái)越多的工業(yè)企業(yè)對(duì)人工智能技術(shù)進(jìn)行了深入的研究，以專家系統(tǒng)、決策樹(shù)等為代表的智能模型具有一定的代表性。目前，最常用的兩種方法就是神經(jīng)網(wǎng)絡(luò)和模糊數(shù)學(xué)。在具體的應(yīng)用中，將神經(jīng)網(wǎng)絡(luò)模型劃分為四個(gè)階段：其一，對(duì)規(guī)則等級(jí)進(jìn)行統(tǒng)一；其二，是對(duì)標(biāo)準(zhǔn)指標(biāo)進(jìn)行多次測(cè)量，以保證所獲得的數(shù)據(jù)在一個(gè)合理的區(qū)間；其三，對(duì)模型的穩(wěn)定性進(jìn)行檢測(cè)，得到一個(gè)帶有權(quán)值的網(wǎng)絡(luò)模型；其四，依據(jù)網(wǎng)絡(luò)模型來(lái)確定企業(yè)的信用級(jí)別[2]。

六、結(jié)論

綜上所述，本文基于大數(shù)據(jù)視域下的中小企業(yè)信貸風(fēng)險(xiǎn)評(píng)估模型，以風(fēng)險(xiǎn)管理為核心，對(duì)中小企業(yè)信用數(shù)據(jù)進(jìn)行分析，建立風(fēng)險(xiǎn)評(píng)估模型，并對(duì)模型進(jìn)行優(yōu)化。另外，在制定小微企業(yè)信貸戰(zhàn)略時(shí)，應(yīng)充分考慮其自身的能力與信譽(yù)，完善其信用評(píng)級(jí)制度，與征信部門(mén)共同整合各部門(mén)的內(nèi)部信息，實(shí)現(xiàn)信息共享，嚴(yán)控貸款準(zhǔn)入門(mén)檻，確保借款企業(yè)具有相符合的貸款資質(zhì)，以規(guī)避風(fēng)險(xiǎn)，保障銀行最大的收益期望值。