中小微企业信贷风险评估模型.docx

PAGE3

摘要

近年来，中小微企业发展迅速，在我国经济发展中已占据一定地位，但其融资难问题仍未得到解决，主要原因是商业银行无法准确地对中小微企业的信贷违约状况进行判断，因此建立一个有较高准确度的中小微企业信贷风险判别模型是有意义的。

本文采用143家中小微企业的财务信息，首先选取了中小微企业的10个财务指标，并通过对集合中的财务变量进行了正态性检验及显著性检验，筛选出7个具有显著性影响的变量用于模型的构建，再将这些指标进一步进行主成分分析，得到与这些变量有线性关系的3个主成分变量，将样本中的123家作为模型建立组，剩余的20家作为检验组，建立二分类Logistic模型，对模型进行回归分析以及拟合度检验，得到对信贷风险评估起决定性作用的2个变量以及系数，从而构建了中小微企业信贷风险评估的最终模型，并代入检验组的数据研究结果的正确率从而验证模型是真实有效的。

根据判断的正确率得出结论：、两个主成分变量对企业的信贷违约状况具有显著性影响，且均为负相关关系，即以上主成分变量数值越大，企业就越可能产生违约现象。

论文结尾对如何更好地对中小微企业信贷风险进行评估，促进银行与中小微企业的信贷合作提出了完善中小微企业信息资源库、加强资源共享及加强银行内部管理等建议。关键词：信贷风险；中小微企业；主成分分析；Logistic回归

绪论

研究背景

中小微企业艰难的融资处境已经成为中小微企业发展过程中的一个瓶颈，在一定程度上遏制企业发展。十九大以来，党和国家高度重视中小微民营企业在融资方面的问题，并发布了一系列缓解中小微企业融资难题的政策，一定程度上改善了中小微企业所处的融资环境。但中小微企业经营能力不强、抵御风险的能力较弱使得一定规模的企业依然无法从根源上改善恶劣的融资环境。其原因可以概括为以下几个方面：

金融机构的信贷支持系统和金融制度的制约等方面的不健全甚至缺失。现阶段中小微企业主要的融资渠道是银行贷款，而且多数是流动资金贷款，而即便是固定资产投入也很难取得中长期贷款，而且还会增加企业的还款压力，对企业的发展产生负面影响，使企业苦不堪言。

中小微企业很难通过直接融资的方式得到资金。直接融资的要求较为严格，表现在其对企业的经营状况，财务状态以及信用等级要求较高，大多数的企业很难达到，因此只能通过其他方式进行融资。

中小微企业自身的问题，包括：（1）资金管理能力差。中小微企业在资金管理和使用上无法做出最有效率的判断，导致企业投入的流动资金越来越小，资金周转速度越来越慢。（2）中小微企业经营能力较弱，因此经营状况不稳定，信用等级较其他大型企业过低，且发生不良行为的概率较高，因此中小微企业借贷业务的风险明显高于大中型企业，很多商业银行不愿给予中小微企业更多的融资支持。（3）中小微企业内部管理不严谨，企业内人才专业性差，信息透明度低。

因此，要想解决中小微企业的融资问题，不仅需要政府、资本市场及银行等金融机构的支持与帮助，更需要中小微企业从自身改变，各层次机构共同发力，否则很难从根本上解决。当然最重要的还是研究出有效的中小微企业风险信用评估的方法。

研究现状

对于中小微企业信贷风险问题，过去的研究者们运用了许多模型和方法，其中研究的重点就是对中小微企业的信贷违约状况进行评估。研究学者们运用不同的变量集合，构建了不同的信贷风险评估模型。Lussier仅通过对企业的定性指标进行研究，建立信贷风险评估模型，将定性变量引入信贷风险研究中[1]；Altman对Edmister提出的模型进行了改善，从中小微企业违规方面进行建模，取得良好的成果[2]；Koyuncugil创立了数据库用来构建企业财务预警机制[3]。

以上模型对我国商业银行判断中小微企业信贷违约状况的准确度及分析能力有可观的帮助，但仍存在一些缺点。例如，部分模型中需要用到诸如公司市值等变量指标，而这些指标大部分在我国并不适用，研究的意义不大；还有的模型要求企业的财务数据要满足服从正态分布、具有连续性等严苛的要求，一般中小微企业的财务数据很难达到类似的要求。

在我国也有很多研究者对信贷风险进行深入的研究，例如郭一平运用BP神经网络模型在P2P贷款平台对信贷风险进行评估[4]；郭妍与张立光运用LDA模型以及Logit回归，构建了信贷风险评估体系[5]；吴世农在运用不同模型对公司数据进行研究时，发现Logit模型的预测准确度是最高的[6]。类似关于企业信贷违约风险的研究还有很多，尽管研究内容不尽相同，但大部分研究者做的研究都存在一个相同的弊端——他们所做研究的样本均为上市企业的财务数据。但是，大部分中小微企业距离上市标准还有一定的距离，而正是这些未达到标准的企业存在融资问题。因而他们所研究的模型并不适配于这些未上市企业。为解决此问题，本文选取收集到的