計算機輔助小企業信貸審批初探

【摘要】計算機模型可以在以下方面輔助商業銀行信貸審批人進行決策：財務報表分析與流動貸款需求量測算；將審批經驗、戰略管理理念、企業失敗分析應用于Logistic回歸模型預測自變量分析，并且建立基于Logistic回歸分析的小企業信用評價模型，預測小企業違約可能性。

【關鍵詞】信貸審批 計算機 Logistic

小企業信貸具有“短、頻、快”的特點，“短”是指期限普遍較短，“頻”是指貸款次數相對頻繁，“快”是指要求商業銀行信貸審批要快。小企業信貸的特點要求商業銀行審批——在保障貸款質量的前提下，盡可能的提升效率。運用計算機程序輔助審批為提升辦理貸款質量和效率提供了可能。下面將從財務報表輔助分析與流動貸款需求量測算以及基于Logistic小企業信用評價模型分別闡述筆者的觀點。

一、計算機輔助財務報表分析與流動貸款需求量測算

計算機輔助審批在該方面的應用：在小企業信貸辦理流程中，由調查人在電子流程系統中，輸入小企業財務報表。

一是通過程序自動生成客戶財務分析報告，包括償債能力比率、資產管理比率、盈利能力比率、現金流量分析、杜邦分析等。該項功能可以節約財務分析的計算時間，提高財務分析的準確性。相應的計算機編程并不復雜，本文不論述如何編程。

二是將標桿企業財務比率存儲至該程序中，自動將申請貸款小企業的財務比率與標桿企業財務比率進行比較，生成比較財務分析表格。將標桿企業財務比率作為標準，可以輔助信貸審批人員對客戶財務狀況做出比較判斷。

三是輸入小企業“預計銷售收入年增長率”，通過系統內設的公式，自動測算流動貸款需求量并與客戶申請貸款額進行比較，輔助審批人員分析客戶申請貸款額度的合理性。

二、基于Logistic回歸分析的小企業信用評價模型

輔助財務報表分析與流動貸款需求量測算，只是計算機輔助小企業信貸審批的簡單運用，能否建立一個模型，綜合分析企業的財務與非財務信息，進而給出一個小企業客戶違約可能性的預測值，輔助信貸審批員進行決策呢？基于Logistic回歸分析的計算機模型可以解決這一問題，下文將從模型建立的目的、一般步驟詳細闡述筆者的觀點。

小企業信用評價模型建立的目的：通過數字和統計模式開發出計算機程序，對小企業客戶履行各種承諾的能力和信譽程度進行全面評價，對貸款申請人的信貸風險程度進行數學分析，并得到數字量化的客戶未來發生違約可能性的預測值；通過拒絕政策（業務規則），自動分析貸款是否符合業務規則。輔助信貸審批人員進行貸款審批。

基于Logistic回歸分析的小企業信用評價模型的基本原理是：借由統計分析的大數定律，由過去的資料來研發能預測未來授信客戶表現，其假設在授信審核時有一些已知的客戶特性，會與授信客戶未來是否準時還款有關連，一旦找出這些關聯性，在假設未來情況會與過去相類似的情形下，可以套用現在的數據，作未來的預測。

（一）模型建立步驟一：審批經驗初步確定影響客戶守約的因素（X）

確定影響客戶履約的因素，也就是確定預測變量（自變量），是模型開發非常重要的一個環節。預測變量的預測能力來源于它們與目標變量（是否守約，Y＝1，表示守約；Y＝0，表示客戶違約）的相關性和邏輯因果關系。預測變量的提煉主要依靠長期經驗的積累和數據挖掘技術的應用。

計算機程序開發人員缺少信貸審批經驗，所以進行開發模型時，應該讓信貸審批人員積極參與，應用審批經驗確定預測自變量。依筆者的觀點，在建立模型時，最好是審批經驗結合戰略管理理念以及小企業失敗的原因分析，綜合考慮，予以確定客戶守約的因素。下面是筆者分析X的過程。

1.從成功企業如何獲得競爭優勢分析X。哈佛商學院邁克爾·波特教授在其所著的《競爭優勢》中指出，企業獲得競爭優勢的三種通用戰略：低成本戰略、差異性戰略以及目標集聚戰略（資料來源：MichaelE.Porter，CompetitiveStrategy，NewYork:FreePress，1980，pp.35~40）。通俗地講，低成本戰略就是成本最低，差異化戰略就是與眾不同，目標集聚就是盯住某個細分市場或某類客戶。

（1）低成本戰略因素分析。實施低成本戰略受三個方面的影響：①企業生產技術，通過PEST行業分析，可以了解小企業的技術（T）在整個企業中所處的水平，落后的技術應用，即使成本控制的再好，成本也會極高，技術決定小企業成本控制的極限。并且各商業銀行的信貸拒絕政策大多都有，高能效、高污染、落后技術企業拒絕。②成本管理模式，有標準成本法、目標成本法、作業成本法等成本管理控制模式，成本管理可以有效控制成本。③通過波特五力分析模型（資料來源MichaelE.Porter，“HowCompetitiveForcesShapeStrategy”HarvardBusinessReview57，no.2pp.137~145），企業競爭壓力來源于供應商、買方、潛在進入者、提供替代品企業、現有競爭廠商之間，競爭壓力會帶來財務壓力，供應商討價還價的能力會導到成本的提高，買方討價還價的能力可能會帶來銷售收入的降低。因此，穩定的供貨商、穩定的銷售渠道＋多渠道銷售將會減輕壓力，將成本以及利潤控制在一個合理水平。

（2）差異化戰略因素分析。差異化講究與眾不同，對于小企業來講，因企業規模較小，所以研發能力有限，最主要的因素就是專利（小企業專利以實用新型專利為主）以及商譽（在當地的口碑）。

（3）目標集聚戰略因素分析，對于小企業來講，最實用的就是該戰略，盯住大、中型企業不感興趣的某些細分市場、某些客戶群體，利用小企業靈活生產的優勢賺取利潤。主要因素可以用細分市場產品占有率來衡量。

2.從企業失敗中分析X。企業經營失敗，會導致商業銀行貸款難以收回。筆者分析了小企業經營失敗的主要原因有以下三個方面：（1）橫向非相關多元化，通俗的解釋就是小企業投資了自己所不熟悉的行業，導致經營失敗。按照戰略管理理論，投資新行業，受四種因素的影響：進入壁壘、退出壁壘、宏觀經濟環境和行業飽和度、競爭激烈程度。企業進入一個新行業需要交“學費”，“進入壁壘”比如：行業最低注冊資本的要求，需要的專門技術人才等等。有的項目需要花費額外的成本，比如新行業需聘用的專門人材。企業投資于不熟悉、不相關的行業，極易造成投資失敗。（2）成本高、銷售渠道不暢。這部分可以參考上文中討論的“波特五力分析模型”。在此次金融危機中，國內眾多中小企業倒閉，主要原因就是銷售渠道不暢，出口受阻，“出口轉內銷”轉型失敗。企業拓展銷售渠道可以有很多的方式：e-commerce(網絡直銷)、電話直銷、電視直銷、在地市建立直銷店或代銷點、與大型的超市以及百貨公司簽訂合作協議等方式。（3）應收賬款管理等造成企業資金鏈出現問題。企業大量應收賬款難以收回，就會導致企業資金鏈斷裂，進而導致企業經營失敗。企業應收賬款政策包括：信用標準、信用條件和收賬政策。如何評價企業應收賬款管理等資金問題，直接評價應收賬款管理政策有難度，可以通過財務報表分析輔助判斷。比如銷售現金比率＝經營現金凈注入/銷售額，該比率反映每元銷售所得到的凈現金，其數值越大越好；全部資產現金回收率＝經營現金凈流入/全部資產，說明企業資產產生現金的能力。

3.從審批經驗中分析X。上述兩部分從成功企業如何獲得競爭優勢分析X、從企業失敗中分析X都應用了審批經驗，在此不再重復論述了，需要著重強調的是：首先，依筆者經驗，部分審批人員不重視企業現金流量分析。在商業銀行信貸實踐中，會遇到這樣的怪現象，一家贏利企業無法清償到期債務而面臨清算，而一家虧損企業卻可以清償到期債務并持續經營下去，所以要注重現金流量表分析。具體的指標可以有：凈收益運指數＝（利潤表中的“凈利潤”－非經營收益）/凈收益，來評價一個公司的收益質量；現金債務總額比＝經營現金凈流入/債務總額等指標。其次，信貸審批中要注重，小企業誠信、小企業主誠信情況以及小企業主從業時間。小企業大都屬于“人合”性質的企業，所以其經營的好壞與企業主的能力有直接的關系，如果小企業個人誠信記錄差，企業信用也不會好。

通過上述的分析，我們可以確定建立模型的預測自變量了，如表一所示。

表一 小企業客戶評價魔方

筆者在表一中給出的小企業貸款客戶評價的六個方面，如同一個魔方有六個面一樣，全面評價小企業貸款客戶，也需要考慮六個面，如同“平衡計分卡”一樣，不僅要考慮財務因素，還要考慮非財務因素的影響。

（二）模型建立步驟二：數據收集、整理與清洗

通過步驟一，我們確定了模型的預測自變量，根據需要的自變量，進一步確定需要搜集哪些數據。

該模型的數據來源主要包括人民銀行征信數據和商業銀行自身的內部數據。對于開發該模型而言，模型要具備一定的代表性、穩定性和抗震蕩性，一方面，必須要有足夠的樣本量；另一方面，數據質量也很重要。因此在取得數據源后，需要進行數據整理及清洗，清洗包括：數據的邏輯性合規性清洗，清洗基本情況不符合邏輯及不合規的數據；欺詐數據清洗等等。

（三）模型建立步驟三：模型估計與建立

建立信用評價模型，較為常用的是Logistic回歸分析模型。Logistic模型在處理兩分類因變量（客戶守約、客戶違約）的數據有其獨特的優勢，同時模型關于數據分布的假定較弱，在數據為非正態分布時，也有較好的表現，因此，筆者建議小企業信用評價模型采用Logistic模型。

Logistic回歸模型可表述為：

Logit(P)=ln{p/(1-p)}=b0+b1x1+b2x2+…+bkxk

其中的xi是預測自變量（詳見表一）。P＝1表示客戶守約，P＝0表示客戶違約。

表現變量是模型預測的目標，其界定是客觀的。確定違約要與銀行的政策目標相一致，銀行的目標是盡可能拖大規模、提高收益愿意承擔一些損失，違約的定義可以寬松一點，否則就要嚴格一些。依貸款的還款方式不同，可選用不同的標準去定義違約，用“或”相連，比如到期一次還本付息的，違約可定義為，到期后90天逾期未還。

1.篩選自變量。選擇自變量的工作通常從檢查每個自變量與反應變量之間的二元關系著手，對于連續變量，通常通過擬合單變量logistic回歸模型來最得變量的顯著性檢驗，對于名義變量和序次變量，建議對每個變量按其m個水平進行與結果（p＝1或0）的二維交互表分析。通過反向逐步選擇法：在模型包括所有候選變量的基礎上，將不符合保留要求顯著水平的自變量一次一個地刪除掉。

2.權重系數b的確定。權重系數b的確定，需要運用統計軟件SAS或者是SPASS，將數據輸入至軟件中，運用SAS或者是SPASS的Logistic分析模塊，就可以確定權重系數。

3.模型驗證。模型定量驗證是通過使用ROC曲線、CAP曲線及其度量指標線下面積AUC、準確率比率AR等，來對該模型的違約區分能力進行統計檢驗。

鑒于模型的開發復雜性，小樣本難以建立具備一定的代表性、穩定性和抗震蕩性的模型；而大樣本數據難以取得，以及運算復雜，個人無法完成，本文并沒有進行實證研究。

三、模型使用及持續改進

通過上述的三個步驟就可以開發出模型，該將模型通過嵌入到小企業貸款電子業務流程實現其功能。小企業貸款業務流程包括營銷受理、貸款調查、貸款審批、貸款發放、貸后管理五個一級流程，將該模型嵌入到小企業貸款電子業務流程中，貸款調查人完成調查，提交申請之后，將會自動生成預測的違約率，以及業務是否合規的報告，供貸款審批人進行參考。在前面定義中，P＝1表示客戶守約，P＝0表示客戶違約，因此通過模型計算出的p值越接近1越好。對應的(1-p)就是預測違約率，該值越接近0越好。當然，我們可以通過運用數學方法，將該模型轉換為評分模型，所評的分值越高越好。

模型需要持續改進，這是由于該模型信用評價的原理假設以及模型業務規則（拒絕政策）決定的：①評價模型是假設未來情況會與過去相類似，但未必都是如此，且通常時間越久，信用評價模式預測能力會越差，所以評分模型建立完成后，需要進行持續監控及改進。②信貸審批人員需要花費大量時間進行合規性審查，而為了節約時間，設定拒絕政策（業務規則），輔助進行檢查。業務規則一旦發生變化，就需要立刻修改模型的業務規則部分。

參考文獻

[1]劉莉亞.商業銀行個人信貸信用評分模型的構建與應用[J].財經研究，2007年02期：26~36.

[2]王濟川，郭志剛.Logistic回歸模型——方法與應用[M].高等教育出版社，2001

[3]周愛萍，朱紀亮.信貸實務中如何進行現金流量分析[J].金融理論與實踐，2007年8期：61~62.

[4]ArthurA.Thompson.Jr.，A.J.StricklandⅢ.戰略管理學概念與案例[M].機械工業出版社，2003

作者簡介：朱紀亮（1979-），男，漢族，河南濮陽人，會計師、經濟師，管理學碩士，就職于建行河南省分行；樊昊（1978-），男，漢族，湖北武漢人，經濟師，管理學學士，就職于建行河南總審計室。