中小企業信用風險識別及商業信用融資管理

郭曉鳳

【摘要】“融資難”問題一直是困擾高科技中小企業發展的瓶頸問題，嚴重地阻礙和制約了中小企業的經營和發展。本文通過對創業板上市企業的11項非財務指標和13項財務指標進行了整理、清洗和標準化處理，采用主成分分析、財務評分法、聚類分析等方法，將高科技中小企業的信用風險劃分為A、B、C、D四類。分析結果表明，高科技中小企業普遍存在信用狀況偏低，風險承受能力較弱等問題，企業應該積極進行信用風險的管理和防范，努力提升管理水平和獲利能力，是信用風險控制在合理的范圍之內，是解決“融資難”問題的前提條件和出發點，具有重要的實踐意義。

【關鍵詞】高科技 中小企業 信用評級 商業信用融資

一、引言

科學技術是第一生產力。隨著我國經濟社會的蓬勃發展，中國企業開啟了從勞動密集型向技術密集型產業的轉型之路。通常，中小企業由其體量小、負擔輕、管理扁平和決策集中等特點，擁有更大的創造性和靈活性，尤其是在應用型和發展型的技術創新上，表現得十分突出。截止到2015年底，我國擁有中小型高技術企業數量27，808家，約占高技術企業總數的93.85%，從業人員年平均人數6，220，024人，約占高技術企業從業人員總數的45.93%，2014年利稅5650.80億元，占高技術企業利稅總額的46.36%。中小型高技術企業的存在，是推動我國技術創新和高技術產業發展的重要力量，在一定程度上避免了壟斷行為的發生、刺激了有效需求的增長，使我國經濟充滿了活力。

但“融資難”一直是困擾高科技中小企業發展的瓶頸問題，嚴重地阻礙和制約了中小企業的經營和發展。當前，我國高科技中小企業的主要融資渠道是銀行貸款。相關統計數據顯示，以抵（質）押形式的中小企業貸款余額約占其貸款總額的50%左右，以企業保證形式的貸款余額約占32%，而以信用貸款形式的貸款余額僅占18%。同時，由于高科技中小企業普遍可供抵押的資產較少，信用記錄相對空白，導致獲得銀行貸款的可能性和金額偏低。研究結果表明，當企業在銀行、證券等正規金融市場融資受限時，通常采取商業信用融資的方式在產業上下游尋求解決方案。所謂商業信用，即在商品交易中以延期付款或預收賬款進行購銷活動而形成的借貸關系，它是公司間直接的信用行為。一方面，商業信用融資在一定程度上緩解了高科技中小企業所面臨的融資約束，促進了企業發展，另一方面，過高的商業信用融資也為企業自身乃至整個購銷鏈帶來較高的信用風險，某一環節的信用崩塌將有可能推倒風險的多米諾骨牌，抑制整個產業鏈的發展。因此，通過識別高技術中小企業的信用風險來研究不同信用風險環境下適宜的商業信用融資，對企業信用風險的管理和防范，具有重要的實踐意義。

二、研究基礎與指標體系的建立

（一）研究基礎簡介

目前，利用聚類算法對中小企業進行信用評級及融資規模的研究尚出于起步階段，中國人民大學吳晶妹團隊發現資產類指標對中小企業信用風險的影響較大[1]；天津大學的趙冬梅、閆東玲選取了每股收益、凈資產收益率、總資產收益率等12個財務指標，利用因子分析和聚類分析對樣本企業進行信用等級評定，研究結果表明大多數企業的信用等級集中在BBB及BBB以下，中小制造企業償債能力欠佳，違約情況嚴重[2]；武漢大學的吳鳳，吳義能對創業板上市公司的21個財務數據項進行了主成分分析后，利用BP神經網絡模型給出了其信用評級結果，發現創業板上市公司的信用水平基本處于中等偏下，整體信用狀況較差[3]。但以上的研究都局限在財務指標對信用評級結果的影響。馬宏、汪洪波通過對創業板上市公司的實證研究發現地域差別、企業的政治關系網絡、高管個人的社交網絡等社會資本對企業的商業信用融資有著顯著的影響[4]。

（二）指標體系的建立

通過對本研究領域文獻等資料的梳理，結合信用評級領域的最新評級理論，本文擬選定11個非財務指標和13個財務指標對創業板上市公司的信用狀況進行評級，通過聚類算法對信用狀況相似的企業進行分類，針對每一類別的信用等級研究其商業信用融資額度，藉以尋求補充銀行信用融資不足以滿足企業發展需求的補充方案。詳細的指標體系見表1。

三、模型的構建與數據選取

（一）非財務指標的主成分/因子分析

本文首先利用SPSS Modeler14.1軟件對非財務指標進行因子分析，提取出能夠反映高科技中小企業非財務指標的公共因子，并通過對各公共因子賦值得到相應的非財務指標得分。如表1所示，特征值大于0.8的因子有6個，旋轉前后的累計方差貢獻率均為75.623%，旋轉不改變因子解釋能力。

如表3所示，利用高載荷的因子對各公共因子進行命名，分別為F1—行業因子，F2——知識產權因子，F3—著作權因子，F4—稅收及行政處罰因子，F5—行政許可因子，F6—高管學歷因子，并以各公共因子的方差占公共因子方差總和的百分比作為權重，得到非財務部分的Score值，計算公式如下圖所示。

（二）財務指標的總得分

本文通過對財務報表的相關數據對凈資產、銷售收入、資產負債率、流動比率、速動比率等13項財務指標進行了計算、賦值、加總和標準化處理，得到該公司財務指標得分。

（三）聚類分析模型

聚類分析又稱之為群分析[5]，它是研究分類問題的一種統計分析方法，同時也是數據挖掘的一個重要算法。聚類分析是通過比較個數據之間的差異，將性質相差較大的歸為不同類，而相差較小的歸為同一類的統計方法。聚類分析的準則在于，屬于同一類的個體間距離（點與點之間）盡量小，而不同類之間的距離（類與類之間）盡可能大。常用的聚類算法有：層次聚類法（CURE、BIRCH等）、分割聚類法（K-means等）、密度聚類法（OPTICS、DBSCAN等）、網絡聚類法（STING等）以及模型聚類法（COBWEB、SOM神經網絡等）。

本文通過以上得到的非財務指標和財務指標兩方面的標準化得分以及商業信用融資比例、凈資產收率作為聚類模型的輸入項，利用SPSS軟件的兩步聚類法進行聚類分析。endprint

注：商業信用融資比例=（應付賬款+應付票據+預收款項）/資產總計

（四）樣本選取與數據來源

本文以2009～2015年7年間創業板上市的496家企業為研究對象，分析這些公司2016年的企業基本信息、財務比率數據和企業經營數據對企業信用風險的影響。其中創業板上市公司的企業基本情況和歷年財務數據來自國泰安數據庫，企業經營數據來自蘇州朗動網絡科技有限公司運營的“企查查”平臺。

四、實證結果與分析

運用SPSS軟件對496家樣本企業的財務指標得分、非財務指標得分、商業信用融資比例以及凈資產收益率進行聚類，結果顯示4級分類效果較好，聚類輪廓最為清晰，各類之間的差異明顯。具體聚類結果見表7。

4級別分類結果表明，類1所占比例39.1%，其財務部分得分均值、非財務部分得分均值均為最高，商業融資比例最低，而凈資產收益率13%略低于類3，屬于信用等級最高的高科技中小企業，其信用狀況和承擔風險的能力都較高，定義為A類；類2所占比例次之，其財務部分得分略低于類1，但非財務部分得分最低，商業融資比例及凈資產收率均為9%，屬于信用等級居中的高科技中小企業，該信用類別的企業財務運轉良好，商業信用融資比例較低，凈資產收益率居中，其信用狀況一般但風險承擔能力較強，定義為B類；類3所占比例15%，其財務評分和非財務評分均值上課，商業信用融資比例和凈資產均為最高，分別為29%和14%，其信用狀況良好，但信用融資比例較高，風險承受能力一般，定義為C類；類4所占比例21%，其財務得分最低，非財務部分得分居中，信用融資比例14%，但凈資產收益率為0，其信用狀況和風險承受能力都比較查，應該警惕信用風險，定義為D類。

五、結論與討論

本文通過對我國創業板496家上市企業的非財務指標進行因子分析，財務指標進行賦值分析，并在此基礎上對財務標準得分、非財務標準得分、商業信用融資比例以及凈資產收益率進行了聚類分析，最后構建了高科技中小企業信用評級體系。結果顯示信用狀況在A、B、C類的企業分別占總企業數量的39.1%、24.9%、15.0%，而信用狀況占D級的企業為21.0%，可見高科技中小企業的大部分企業應該警惕信用風險，從加強企業的內部管理、技術研發以及財務管理等方面著手，將商業信用融資比例控制在合理的范圍之類，盡力提高凈資產的收益率。本文建立的信用評級體系，考量了企業的管理水平、行業地位、技術能力、稅收情況、行政影響以及財務比率等方面的能力，全面而有針對性的對高科技中小企業進行信用狀況和風險承受能力等方面的評價。有別與傳統的9級評級，本文的評級結果更加適用于中小規模的高科技企業，有助于企業對自身的信用狀況進行了解和掌握，并針對得分較為異常的指標類進行信改善，提升信用水平；同時也有助于銀行、金融機構對被評價企業進行貸前審批和貸后管理，具有重要的實踐意義。

參考文獻

[1]楊龍光，吳晶妹.統計與聚類視角的中國中小企業信用評級研究[J].四川大學學報，2014，195（6）：89-97.

[2]趙冬梅，閆東玲.基于因子分析和聚類分析的中小制造企業信用評級研究[J].電子設計工程，2015，23（7）：82-85.

[3]吳鳳，吳義能.我國創業板上市公司信用評級研究[J].統計與決策，2017，（6）：182-185.

[4]馬宏，汪洪波.高科技中小企業社會資本對商業信用融資的影響——基于深證創業板上市公司的實證分析[J].西南民族大學學報（人文社科版），2015（2）：131-138.

[5]馬立平.聚類分析法[J].數據，2000（5）：36-37.endprint