定性與定量指標相結合的中小企業融資問題研究

李森　劉媛華　黃燁　于明亮

定性與定量指標相結合的中小企業融資問題研究

李森劉媛華黃燁于明亮

中小企業在解決社會就業問題、技術創新問題、維持社會穩定等方面起著重要作用，然而融資難問題一直制約著我國中小企業的健康發展。本文針對中小企業自身的特點，采用主成分分析與Logistic模型相結合的方式，同時引入定性指標與定量指標，構建了中小企業違約概率模型，該模型考慮了誤判損失，模型擬合度較好，能夠很好地預測中小企業的違約風險。

定性指標；定量指標；主成分分析；Logistic模型

一、引言

中小企業在解決社會就業問題、技術創新問題、維持社會穩定等方面起著重要作用，然而融資難問題一直制約著我國中小企業的健康發展。盛世杰等［1］認為，引入政策性擔保機構是解決中小企業融資難問題的有效方法。黃明剛等［2］分析了貧困地區中小企業融資現狀，認為中小企業融資難的主要原因在于中小企業融資信息不對稱，導致銀行對中小企業融資的逆向選擇、道德風險和信貸配給不足。希倫等［3］對深圳證券交易所的20家創新型中小企業的數據進行了實證分析，認為利用層次分析法能夠很好地對創新型中小企業融資能力進行合理評價與分類。李昕陽［4］認為，商業銀行針對中小企業信用的評級體系，已無法適應中小企業發展以及金融體制改革的要求。GiulianoIannotta等［5］認為債務市場不透明，評級信息惡化，將刺激投資者花更多的本錢在非公開信息的收集上。Kenneth S.CHAN等［6］認為，在中國，小企業信貸約束問題明顯。中國的金融改革措施并沒有有效緩解中小企業所面臨的融資難困境。本文針對中小企業自身的特點，借鑒我國商業銀行企業資信評估指標體系以及相關文獻研究，共篩選出18個定量指標（財務指標）和5個定性指標（具體內容如表1所示），采用主成分分析與Logistic模型相結合的方式，構建了中小企業違約概率模型。該模型考慮了誤判損失，模型擬合度較好，能夠很好地預測中小企業的違約風險。

表1　中小企業評價指標

二、模型構建

1.主成分分析

由于財務指標往往具有很強的相關性，而logistic模型對自變量的多維相關性較為敏感，因此，為減少變量之間的相關性，本文首先采用主成分分析方法，對財務指標進行了降維處理。本文的財務數據均來自于銳思數據庫，從2011年1月1日到2012年1月1日的制造型企業上市公司年報數據。

（1）KMO和Bartlett檢驗。主成分分析是用于把眾多相關變量縮減為較少的不相關的主成分變量的一種方法。因此，用于主成分分析的原始變量之間必須具有一定相關性，因而在做主成分分析之前，需要對數據的相關性進行檢驗，即進行KMO和Bartlett檢驗。

表2　KMO和Bartlett檢驗

由表2可以看出，KMO測度和Bartlett檢驗指標均顯示相關變量的相關性較強，有必要對相關指標進行主成分分析。

（2）基于特征值準則的因子個數的確定。財務數據的各主成分變量的特征值與貢獻率如表3所示。

表3　主成分變量的特征值與貢獻率

由表3可知，根據特征值準則，當前樣本數據條件下的初始因子個數應該為7個。并且這7個指標的累計解釋方差的比例為78.961%，保留了原有數據的主要經濟信息。

（3）求解主成分表達式。通過SPSS18.0求得因子負載矩陣如表4所示。

利用因子負載矩陣和特征值之間的關系，求得七個主成分的表達式為：

2.Logistic違約概率模型構建

（1）切割點的選取。切割點的選擇對Logistic模型的預測精度有很重要的影響。由于違約企業被判為正常企業所造成的損失要明顯高于正常企業被判為違約企業所產生的損失，因此，在綜合考慮誤判損失和模型的預測精度的情況下，經過多次嘗試，最終選取0.2作為切割點。

（2）Logistic模型構建。本文以制造型上市公司作為研究對象，將違約企業定義為：公司因財務狀況異常而被特別處理的企業（即ST企業）以及2011年在訴訟仲裁中作為被告的企業。為了更加貼近實際情況，本文在構建模型時，并沒有采取配對的方法進行樣本選擇，而是將全樣本直接引入到模型中。由于中小企業的財務規范性較差，抵御風險的能力較弱，因此除了財務指標，本文還引入了5個定性指標來分析中小企業違約概率問題。這些定性指標數據根據呂躍進教授的依據心理因素劃分評價等級和數量等級理論來確定（詳細情況見表1）。

根據我國的中小企業劃分標準，本文共篩選出中小企業樣本142個，其中違約樣本23個，正常樣本119個。運用spss18.0軟件對七個定量指標（Y1、Y2、Y3、Y4、Y5、Y6、Y7）和五個定性指標（X19、X20、X21、X22、X23）進行logistic回歸分析，最終得出logistic模型為：

H-L擬合度檢驗結果如表5所示。

用于H-L檢驗的卡方值7.265< 15.507，Sig.值0.508>0.05，據此可以判知H-L檢驗可以通過。

準確度的檢測結果如表6所示。

表6　logistic模型分類表

通過表6可以看出，同時引入定性指標與定量指標，采用主成分分析與Logis?tic模型相結合的方式對中小企業違約風險進行度量時，模型的準確率為82.4%。在信用較好的119家企業中，有101家分類正確，18家分類錯誤，分類正確率為84.9%；在信用較差的23家企業中，有16家分類正確，7家分類錯誤，分類正確率為69.6%。由此可以看出，該模型的檢測精度較好。

三、結論

由于中小企業的財務規范性較差，抵御風險的能力較弱，因此本文在構建模型時，同時引入了定性指標與定量指標，并針對中小企業自身的特點，采用主成分分析與Logistic模型相結合的方式，構建了中小企業違約概率模型。通過引入定性指標，減少了對財務指標的依賴和中小企業財務不規范的影響，所構建的模型擬合度較好，能夠很好地預測中小企業的違約風險，為進一步探討中小企業融資難問題奠定了基礎。

［1］盛世杰.周遠游.劉莉亞.引入擔保機構破解中小企業融資難：基于期權策略的機制設計［J］.財經研究.2016，42（6）：63-73.

［2］黃明剛.楊昀.貧困地區中小企業融資模式創新研究——基于互聯網金融新業態視角［J］.技術經濟與管理研究，2016（5）：55-59.

［3］希倫.呂隨啟.基于層次分析法的創新型中小企業融資能力［J］.北京航空航天大學學報（社會科學版），2016，29（3）：108-111.

［4］李昕陽.芻議以財務評價為核心的商業銀行中小企業信用評級體系重構［J］.商業經濟.2012（4）：110-117.

［5］GiulianoIannotta，GiacomoNocera，AndreaResti.Do investors care about credit ratings？An anal?ysis through the cycle［J］.Journal of Financial Stability，2013，9（4）：545-555.

［6］KennethS.CHAN，VinhQ.T.DANG，IsabelK.M.YAN.Financial reform and fi nancing con?straints：Some evidence from listedChinese firms［J］.ChinaEconomicReview，2012（23）：482-497.

（作者單位：上海理工大學公共實驗中心、上海理工大學管理學院）

10.16653/j.cnki.32-1034/f.2016.15.031