淺析科技型中小企業融資征信理論問題

文/張洪源

淺析科技型中小企業融資征信理論問題

文/張洪源

河北大學

征信數據的共享和獲取方式對科技型中小企業解決由于“信用缺失”引發的信息不對稱導致科技型中小企業融資難問題有著極大的幫助。本文在大數據移動互聯網時代的大背景下，詳細分析了科技型中小企業融資征信數據整理的現狀，發現金融機構希望能夠收集和分析大量科技型中小企業日常交易行為的數據，判斷其業務范疇、經營狀況、信用狀況、企業定位、資金需求和行業發展趨勢，解決其真實的經營狀況難題。因此，加快科技型中小企業融資征信平臺建設，是解決科技型中小企業融資難融資貴的外部條件和數據基礎。

1 引言

科技型中小企業在提升科技創新能力、支撐經濟可持續發展、擴大社會就業等方面發揮著重要作用，為進一步完善科技型中小企業融資體系，我國從上世紀90年代后期就提出了要大力發展債券，提高直接金融比重，但多年來，由于科技型中小企業在成長過程中受到諸如技術風險、財務風險、公司治理困境以及激烈的市場競爭等多重因素影響，科技型中小企業的融資約束問題依然存在，且有著越加嚴重的趨勢。解決科技型中小企業融資約束問題的關鍵環節之一，在于信用風險評估與貸款審批中的信息不完整與信息不對稱問題，否則，快速發展科技型中小企業融資也可能導致較高的金融風險。目前人民銀行和商業銀行體系匯集大量科技型中小企業信息，已具備大數據分析和數據挖掘的基礎，可以通過已有的科技型中小企業信用信息，進一步細化我國科技型中小企業融資信用風險控制機制，開發適合我國科技型中小企業特點的融資信用風險評價模型，這對于從消除信息不對稱方面降低科技型中小企業“融資難”的問題有著極為重要的推動作用。

2 科技型中小企業的定義及征信的必要性分析

從目前國內外關于科技型中小企業的標準界定來看，科技型中小企業首先是人才、知識和技術密集型企業，其次，科技型中小企業具有高份額的研究與開發投入，充分利用了科學技術的最新發展，并且科技型中小企業具有高風險、快速成長和高收益的典型特征。據此，本文認為，科技型中小企業是指那些投入高占比研究與開發資金，為社會提供創新產品與服務，以迅速的技術進步為標志，具有規模小、高風險、高收益、機制活的特殊類型的現代化企業。

現代經濟在總體上是信用經濟，信用是現代金融發展的基礎。貨幣的運動和價值及信用關系連結在一起，并由此形成了新的范疇。金融范疇中的信用有其特定涵義，它既指借貸行為本身，也包含信用風險。在市場主體需求和監管部門要求的雙重作用下，越來越多的籌資者或潛在承信人開始主動要求專業的信用評級并從中得到切實的好處。與此同時，科技與金融已成為當代社會經濟發展的兩大動力系統，政府的重視和政策扶持以及金融機構的支持都使科技與金融耦合具備了可行性、應用性和可操性?？萍紕撔屡c金融耦合發展本質上是實現科技資源與金融資源的有效結合；科技與金融耦合的要義就在于形成金融資本與科技資產財富化的同步增值融資機制，實現科學技術資本化和金融資本有機構成提高。因此，建立一套專門針對科技型中小企業融資征信平臺，并逐步建立相關數據庫對于科技型中小企業解決“融資難”問題有著十分必要的作用。

3 科技型中小企業融資征信數據的研究現狀

在大數據移動互聯時代的大背景下，科技型中小企業的融資征信數據不僅僅是傳統意義上的結構化數據，同時還包含了許多非結構化的數據。國內外普遍利用企業多角度、全方位的非結構化數據，結合數據挖據、機器學習等領域的技術對原始征信數據進行處理，Sohn(2012)采用決策樹分類的方法研究了非結構化數據的預處理[1]；韓露等(2013)通過正交支持向量機進行信用缺失數據的補足[2]；Chen(2014)利用單調約束支持向量機研究了信用評分中偽造數據的剔除問題[3]；Harris(2015)提出使用聚類支持向量機可以對征信數據中的異常數據進行檢測和推斷[4]；鐘遠(2015)利用用戶情感和性格分析方法研究了用戶多屬性數據的協同感知[5]。以上的這些方法對于在特定數據集合的預處理工作中取得了較好的效果，但大多數方法只對企業的基本運營屬性和借、還款信息進行分類，沒有充分利用互聯網上豐富的非結構化數據；在數據預處理模型中大多是通過單一數據源進行數據的推斷和預測，對偽造數據難以辨別。

4 結束語

從以上理論分析中可以看出，盡管已有一些成果對我國科技型中小企業融資征信的建設有借鑒作用，但這些研究僅限于傳統意義上的靜態非結構化數據整合，而對于互聯網空間下非結構化數據的整合會更復雜。如何在網絡空間非結構化數據的背景下，深入研究科技型企業征信中非結構化數據之間的內在關聯，抽取有用的信息對探討各因素相關關系及其對科技型中小企業融資成本降低和效率提升的影響程度有著積極的促進作用。

[1]So Young Sohn. Decision tree-based technology credit scoring for start-up firms: Korean case[J]. Expert Syst. Appl.2012, 39(4):4007-4012.

[2]韓露,韓麗艷.正交支持向量機信用評分[J].Eng. Appl. of AI (EAAI), 2013, 26(2):848-862.

[3]Chih-Chuan Chen, Sheng-Tun Li: Credit rating with a monotonicity-constrained support vector machine model[J]. Expert Syst. Appl. 2014, 41(16):7235-7247.

[4]Terry Harris: Credit scoring using the clustered support vector machine[J]. Expert Syst. Appl. 2015, 42(2):741-750.

[5]鐘遠.你要去哪里:從位置檢查中推斷人口屬性[J].WSDM, 2015,14(7):295-304.

張洪源（1992-），男，漢族，四川渠縣人，在讀碩士，經濟學碩士，河北大學經濟學院統計學專業，研究方向：宏觀經濟。

河北大學研究生創新資助項目；項目名稱：《BP神經網絡模型在中小企業融資征信評估中的應用》；項目編號：X201762。