信用評分模型在中小企業信貸評估中的運用

董立武 對外經濟貿易大學統計學院在職人員高級課程研修班學員

中小企業作為國家經濟發展的主要力量，尤其是推動經濟發展與處理就業問題方面起到較大優勢。可是在企業發展過程中給予金融服務提出更為嚴格的需求，表現出顯著的融資難的問題。現階段處于資本市場欠發達的金融機制環境中，間接融資可以作為中小企業最佳的融資渠道。然而因為中小企業貸款風險比較大，所以商業銀行需要加大力度支持中小企業的信貸發展。信用評分模型主要是評估中小企業貸款申請的相關內容，在很大程度上可加快企業信貸發展腳步，如何把信用評分模型科學的應用在中小企業信貸評估中，為中小企業持續化建設提供保障是重點內容，為此筆者進行具體分析。

一、信用評分模型基礎概述

信用評分模型主要是對企業拖欠貸款對項目進行可能性模型預測，通過統計方法給予相同類型的貸款申請者的特征進行研究，識別能夠對償還貸款產生影響的關鍵性指標，同時結合指標與信用風險之間的關系進行權重賦予。分數往往在1-100之間，風險程度與分數的高低呈現正比關系。如果申請者的分數較高，銀行將會批準申請項目，反之會拒絕申請項目。如果申請者分數位于“灰色”區域，信貸員將運用傳統手段評估申請者，走進企業進行深層次的調查。信用評估模型結合企業的現有財務情況與欠款支付記錄信息等，計算出對應的信用評分。信用評分可通過Score=W1F1+W2F2+`...+WiFi進行表示，（Wi代表第i個指標的權重、Fi是第i個指標值）。

針對信用評分模型類型，包含行為評分模型與神經網絡模型。前者是通過統計研究的方法對多變量回歸模型進行構造，完成預測企業拖欠貸款的工作。此種評分模型類型涉及線性概率模型、概率單位模型、分類判別模型與對數單位模型。不同之處是：線性概率模型主要指自變量和貸款違約率的線性關系；概率單位模型主要是貸款違約率對累計正態分布結構存有服從傾向；分類判別模型主要是判別貸款申請者的個體風險程度，以高風險形式與低風險形式為主；對數單位模型主要是貸款違約率對邏輯分布結構呈現服從傾向。后者是貸款評估過程中應用人工智能系統，借助一定的學習過程明確貸款者自身是否和貸款拖欠存有關系，自動化判別影響預測結果的關鍵性因素。通常而言，神經網絡模型較標準統計模型具備靈活性，由于此種模型不需要假設函數形式與變量的統計變化，處理變量多重共線性項目。在多項指標判別時要思考神經網絡模型的運用可行性，全方位凸顯神經網絡模型的優勢。

二、信用評分模型在銀行中應用的意義

信用評分技術在銀行中的運用，能夠最大化地減小銀行信貸成本，對信用風險進行防范與控制，推動中小企業貸款的增長，追求企業處理融資難的問題。

（一）信用評分模型可控制貸款中出現信息不對稱問題。總體而言，信用評分模型可對貸款申請者的償債能力進行量化處理，促使銀行全方位了解貸款者具備的信用風險程度，進而避免貸款期間產生信息不對稱問題。我國的商業銀行一直以來受到巨額不良資產的影響，風險大小作為挑選貸款對象的主要因素。商業銀行強化貸款風險控制，從根源上掌握貸款風險信息，會導致大多數的中小企業排除在貸款范疇之外。由于在一些商業銀行的管理者思想中，中小企業管理規模比較小，具備的信用能力不佳，所以存在著貸款信用風險。此種認知凸顯在商業銀行的信用等級評定標準中，既增加企業管理規模在信用評級中占據的權重，導致中小企業在評估信用中受到不良因素的影響。運用信用評分模型，預測企業貸款拖欠的可能性，創設完整的評分模型，能夠降低主觀因素對企業貸款審批產生的影響，客觀層面凸顯個項指標與信用風險之間的關系。通過信用評分模型進行貸款項目，便于商業銀行客觀地評價中小企業信用風險，給予各個企業實施針對性的方案。針對信用評分高的企業，商業銀行會大力支持，及時進行信用貸款項目。針對信用評分不佳的中小企業，商業銀行會謹慎調查，如果對企業放貸，會要求企業提供對應的抵押品。由此控制商業銀行對于企業貸款采取疑慮，不放款的應對思路，更多的為中小企業提供資金支撐。

（二）信用評分模型減小銀行貸款成本。長期以來，商業銀行對中小企業的信貸支持表現出無所作為的局面，最主要的因素是中小企業貸款范圍廣，銀行經營的成本比較高。中小企業運用資金的特征是支付范圍廣、資金監控難度大與付現金額大，同時經常和商業銀行貸款資金的批發規模運作理念新矛盾。針對貸款擔保，銀行擔憂貸款項目過于形式化，找不到對應的擔保機構，面臨抵押貸款手續存在費用高與變現難的困境。一般來說，中小企業的貸款頻率是大規模企業的5倍，銀行管理成本也隨之增加，影響了銀行向中小企業發放貸款的效率。運用信用評分模型之后，絕大多數的工作通過電腦系統智能完成，節約貸款處理時間，便于提升貸款效率，達到減少銀行經營成本的目的。

三、信用評分模型在銀行中應用的局限性

（一）對數據信息的要求嚴格。運用的樣本信息應該足夠多，并且涉及中小企業正常貸款拖欠貸款的信息樣本。經濟擴張以及蕭條情況下的貸款違約率是存在差異的，因此信息要包含經濟周期的多個發展階段。指標以及信用風險的關系存在多樣化變動，樣本信息應該與時俱進吊證。經常性測試模型，測試期間盡可能不要運用起始信息，在誤差足夠大時優化模型結構。如果銀行運用信用評分模式之后，可把中小企業的信貸業務延伸到更大范圍內，使得新的申請者貸款表現和建立模型起始階段運用的信息一致，不然無法進行正確預測。評分模型自身會給予申請貸款者帶來影響，由于其轉變貸款群體的管理成本模式，自然而然的影響信用評分模型準確性。

（二）對信貸風險的預測準確程度需要深入爭論。對于信用評分模式的具體應用，準確度是最為關鍵的因素。即便評分模型能夠減少企業運營成本，可若預測的信息不夠準確，減少的成本一定會被壞賬損失抵消。通過大量的貸款信息研究，貸款表現和信用評分模型之間呈現較高相關性，可不代表全部的研究結果均肯定信用評分模型足夠準確，因此要關注信用評分模型是否能夠保障信貸風險預測的準確性。

四、信用評分模型應用在中小企業信貸評估的相關思考

在運用信用評分模型過程中，應關注規避模型自身的局限性，科學的運用信用評分模型促進企業信貸評估工作，提高中小型企業信貸評估的綜合水平。

（一）完善基礎信息庫，明確信用評分目標。要想在中小企業現在評估過程中運用信用評分模型，個人信用信息的匱乏是首要解決的問題。中小企業貸款的信用風險和業主自身的信用信息是密切相關的，信用評估模型的創設要建立在個體信用信息基礎之上，然而我國對個體信用體系的創設處于起始階段，目前僅僅有部分區域建立個人征信體系，對于全國性的個體信用信息庫建立有待完善，此種情況給信用評分模型的運用帶來一定困難。所以我國要發揮政府的職能，充分關注個體信用機制的建立。銀行自身要注重企業財務數據的整理，優化現有的基礎信息庫，不同銀行的客戶群是存在差異特征的，以自身銀行基礎信息的整理工作為基礎，才可更加科學的選取信用評分方法。除此之外，現階段我國銀行內部評分設置總是淡化經濟周期的因素，在建立新模型的過程中，不只是要注重貸款者現有的風險，還要注重經濟周期的變化趨勢。我國銀行存在著信息匱乏等相關問題，即便國外大規模商業銀行也缺少相對完整的信息庫，然而可以把內部評分模型和外部評分模型加以有效匹配，通過外部專業信用評分整理企業信息庫。在此期間，要全方位發揮數據共享的優勢，從根源上處理基礎信息庫完善的問題。

（二）制定信息披露評價標準，體現信息資料的真實性。信用評分結合公開披露的數據資料進行處理，可是我國依舊表現出會計憑證編造與財務會計報表虛假的情況，勢必會降低信用評分模型應用的準確性。所以制定信息披露評價標準是至關重要的，立足于機制層面，確保企業給銀行提供真實的數字信息，同時得到標準化的信用評分。信用貸款研究工作者也要提升真假信息辨別的基礎能力，全面培養自身去偽存真的水平。

（三）結合定性與定量方法，強化模型檢驗。銀行面臨著授信中小企業財務信息不準確與不充分的困境，銀行在企業提供的財務信息報表中難以真正掌握企業經營情況。所以在信用評分模型的運用時要思考定性影響因素。相關人員要關注依賴定性因素與專家判斷結果之間的統一性，難以通過評分模型量化風險信息。銀行在創建信用評分模型的過程中，要把統計信息當作核心工作，圍繞專家判斷結果對定性因素進行定量化處理。并且對業務大小與行業因素進行打分卡類型的設置，關注評分結果具備的可比性特征。除此之外，強化模型檢驗，諸多企業管理情況的變化比較大，應該結合企業信用評分加以時效性調整。檢驗信用評分結果是提高評分模型運用有效性的一種手段，給予信用評分模型要持續化進行檢驗，思考信用評分模型是否可反映銀行客戶的具體信用情況。良好的檢驗指標是優化信用評分模型的前提條件，因此在模型檢驗期間應樹立相關人員檢驗意識，及時找到評分模型運用的問題，完善與優化信用評分模型。

（四）設置獨立的管理部門，落實信用風險評估工作。在使用評分模型應用中，應該建立相對獨立的管理部門，集中化管理風險信息。由于信用評分模型的應用相對廣泛，所以在實際運用中要關注政策控制，通過信用評分維護部門與中心管理部門，對用戶反饋的信息進行研究，修改信用評分模型的參數，使得信用評分模型運用更為實效。在此期間，信用評分管理部門要凸顯政策權威，確保風險數據之間具備可比性。

結束語：綜上所述，在我國銀行信用風險管理技術的深入發展過程中，中小企業在經濟水平提升方面產生顯著的作用，商業銀行為了更好的整合客戶結構與延伸發展空間，要開中小企業客戶市場，發揮信用評分技術的優勢。在應用信用評分模型時，不只是要建立完整的評分模型，還要關注信用文化的培育，由于信用評分模型僅僅是銀行信用風險管理的一個途徑，所以商業銀行要把信用評分模型當作入手點，加大力度進行信用文化的建設。建立行之有效的信用風險管理方案，把信用評分作用在銀行授信政策、貸后管理與資產定價各個業務中，確保信用評分模型建立的效用充分發揮。