中小企業信用風險研究進展及未來發展方向

黃平 干勝道（教授/博導）（貴州商學院會計學院 貴州貴陽 550014 四川大學商學院 四川成都 610065）

一、引言

中小企業因規模較小，易受到外部沖擊而引發金融風險。建立中小企業信用風險預警模型，能提高金融機構規避和防控金融風險的能力，不僅有利于提升我國金融系統的整體抗風險能力，也有利于改善中小企業的融資環境。基于此，中小企業信用風險的指標構建、風險識別與預警一直都是學術界和實務界關注的熱點問題。近年來，隨著大數據處理技術、供應鏈金融及行為金融學科的快速發展，對中小企業信用風險的研究正經歷從傳統財務指標體系向供應鏈金融指標體系及企業大數據指標體系的轉變。考慮到對該領域的總結性文獻較缺乏，本文梳理了國內外近五年（2016—2020）來中小企業信用風險研究的相關文獻，并展望了該領域未來的發展趨勢及研究熱點。

二、中小企業信用風險研究的進展

自1968年紐約大學Altman教授建立了評估企業融資風險的五變量Z-score模型后，學術界掀起了對企業信用風險研究的熱潮。1977年，Altman建立了第二代模型，稱為Zeta信用風險模型，該模型主要變量有7個，即資產報酬率、收入的穩定性、利息倍數、負債比率、流動比率、資本化比率、規模等。Zeta模型適應范圍更寬，對信用不良企業的辨認精度也得以提高。隨后，巴薩利在Z-score模型基礎上建立了適用性更廣的巴薩利模型，其特點是形式比較簡單且不需要復雜的計算，而且在預測公司破產可能性的同時，還能衡量公司實力大小，適用于所有行業的企業信用風險的評估。然而，由于Z值模型和巴薩利模型中的財務比率都是依靠企業公開報表提供的數據計算出來的，若處于財務困境之中的企業利用各種手段粉飾企業的財務報表，僅僅根據財務報表數據計算的結果往往不能反映企業的真實情況。為了克服這一缺陷，Argenti在其著作《企業破產》一書中提出了A值模型，該模型在計算財務比率的同時，還考慮了管理不善可能導致企業破產的因素。

近年來，互聯網大數據、人工智能技術的發展為研究企業信用風險評估預警模型提供了更多數據及技術上的支持，模型變量從傳統的財務指標擴展到了衡量企業“軟實力”的非財務指標（如公司高管受教育程度、核心員工貸款記錄等）。本文在CNLKI數據庫（北大核心、CSSCI、CSCD）和web of science中統計了近五年中小企業信用風險相關的中英文文獻數量，中文檢索詞為“中小企業”和“信用風險”，英文檢索詞為“small and medium-sized enterprises”和“credit risks”，檢索時間自 2016年1月1日至2021年3月31日。通過檢索共獲得304篇期刊文獻，整體而言，學者對中小企業信用風險的研究呈逐年上升趨勢，詳見圖1。

圖1 近五年中小企業信用風險中英文期刊文獻統計

詳細分析文獻可發現，近年來對中小企業信用風險的研究內容主要包括基于財務指標體系、基于供應鏈金融、基于企業大數據的中小企業信用風險研究三個方面。

（一）基于財務指標體系的中小企業信用風險研究

傳統的信用風險指標主要為財務指標，基于財務指標構建的信用風險模型目前被廣泛應用于中小企業的風險評估與預警中。

1.在指標選取方面。楊順勇和任曉師（2016）基于模糊數學視角篩選了涉及企業財務狀況、企業經營現狀及企業發展潛力的16個財務指標構建了適用于高新技術企業的信用風險評估模型。韋云和朱權聰（2018）認為中小企業信用風險主要來自于財務風險，選取了資產負債率、總資產回報率、凈資產收益率、毛利率等7個財務指標來衡量中小企業的信用風險。王超藝（2018）通過獨立樣本的T檢驗與聚類分析篩選出了10個財務指標用以構建適合我國國情的中小企業評價指標體系。周哲愷（2019）將財務指標代入Z記分法模型計算了A股中小板企業信用風險。考慮到涉農中小企業違約概率的影響因素，梁偉森和溫思美（2019）從企業盈利能力、營運能力、償債能力及成長性四方面來選取企業財務指標，并基于Logistic模型來構建涉農中小企業的信用評估模型，模型能為村鎮銀行開展相關涉農貸款業務提供理論基礎。周曉霞等（2021）利用傳統的五變量Z-score模型對“新冠”疫情下醫藥制造業上市公司的財務風險進行了深入分析，研究結論能為相關企業管理疫情帶來的不確定性風險提供應對策略。

2.在指標權重計算方面。Goncalves等（2015）利用認知映射技術和交互式多準則決策方法（TODIM）創建了一套以企業財務指標為基礎的特質決策支持系統，此系統可對各指標權重進行合理測算，并評估中小企業信用風險，能促進銀行對中小企業信貸決策的智能化和透明化。徐占東等（2019）依據違約距離選擇財務指標并計算指標權重，通過預期風險一致性原則構建了中小企業信用風險評價模型，實證研究表明所建立的模型能準確反映我國中小企業違約風險現狀，能為沒有完善貸款違約數據的信用風險評估問題提供解決方案。Kanapickiene和Spicas（2019）基于概率回歸模型計算風險指標權重，使用財務和非財務變量開發了企業貿易信用風險評估（ETCRA）模型，并以立陶宛734家中小微企業的財務和非財務數據作為樣本進行實證研究，研究發現在模型中包含非財務變量并不能實質上改善模型的特性。

（二）基于供應鏈金融模式的中小企業信用風險研究

供應鏈金融是一種自償性貿易融資的信貸模式，對改善中小微企業的融資環境發揮著重要的作用，近幾年得到了業界和學術界的廣泛關注（宋華和盧強，2017；董旌瑞等，2020），基于供應鏈金融模式下的中小企業信用風險研究的文獻也越來越多。

1.在以供應鏈核心企業為主體的研究方面。宋華等（2017）研究發現基于復雜網絡結構的供應鏈金融以制度信任為基礎，通過業務、交易流程等正式制度安排形成組織場域，能夠減少核心企業對中小企業償債能力的擔憂，有效地提高了中小企業融資的可得性。范方志等（2017）考慮了供應鏈金融中的風險傳染性及信息不對稱特征，構建了中小企業、核心企業、銀行在內的三方風險分擔博弈模型，對供應鏈中不同參與主體的信用風險評價和管理提供了理論支持。祝由（2017）構建了供應鏈環境下包括核心企業、中小企業、融資項資產、供應鏈運營等四大類變量的中小企業信用風險評價指標體系，并基于機器學習、神經網絡及Logistic回歸模型對中小企業信用評估問題進行了對比研究。Mou等（2018）通過“模糊層次分析法”（FAHP）構建了供應鏈金融下核心企業信用風險評估系統，所用指標包括企業運行狀況、資產狀態、行業狀態、信用記錄、上下游企業信息等相關數據，該系統能對核心企業信用風險進行定量測評。耿軍華（2018）利用網絡層次分析法及灰色綜合評價法構建了供應鏈融資信用風險評價模型，該模型包括核心企業素質、供應鏈整體運轉情況、融資企業素質及應收賬款質量等指標。劉兢軼等（2019）通過因子分析法和Logit模型建立了包括企業盈利能力、償債能力及核心企業信用水平的供應鏈金融模式下中小企業信用風險評價模型，該模型對供應鏈金融模式下中小企業信用風險的衡量具有一定的指導意義。

2.在對供應鏈整體狀況研究方面。王小會（2017）認為對中小企業信用評價指標的構建需要全面把握，除了考慮企業本身的因素外，還應考慮外界環境、企業在供應鏈中的整體水平等因素。徐宏峰和朱玥（2018）利用層次分析法及多層次灰色綜合評價法建立了供應鏈金融模式下中小企業信用風險評價模型，研究表明供應鏈金融模式能較好地解決中小企業融資難的問題。牟偉明（2018）利用多層次灰色評價方法，以江蘇某中小企業為研究對象，深入研究了核心企業實力、融資企業實力、交易資產特征、供應鏈狀況四個層面指標對供應鏈模式下中小企業信用風險的影響情況。匡海波等（2020）在供應鏈金融模式下綜合考慮了包括申請人資質、交易對手資質、融資項目下資產狀況和供應鏈運營情況信息在內的127個海選指標體系，運用“偏相關-方差”分析、逐步神經網絡等方法最終構建了包括48個指標的中小企業風險評估模型。

3.在對行業狀況研究方面。何平均和李菁菁（2018）利用因子分析和Logistic回歸分析對A股中小板制造業企業的信用風險進行了研究，研究發現客戶集中度與供應鏈模式下企業的信用風險存在顯著的負相關關系，即客戶集中度越低，信用風險越高。陳麗君（2018）基于電商平臺融資模式研究了互聯網供應鏈融資下小微企業信用風險評估體系，研究結果能為評估和管理小微企業的信用風險提供參考。余得生和李星（2019）考慮到電子制造業的特點，選取了14個信用風險評價指標，通過Logistic模型構建了供應鏈金融模式下的信用風險評估模型，研究發現資產負債率、凈資產收益率、有形凈值債務率、銷售凈利率是影響電子制造業中小企業信用風險評級的重要指標。段翀（2020）利用中小企業財務數據與同行業上市企業信息測算了中小企業的資產市場價值，并據此構建中小企業信用風險評估模型，該模型綜合考慮了企業的靜態信息及行業影響的動態信息，對非上市中小企業尤其適用。

除以上幾個方面之外，文獻中還有關于研究方法與工具選取的相關研究。Zhu等（2019）通過結合隨機子空間（RS）和MultiBoosting兩種經典的ML方法，提出了一種增強的混合集成ML方法——RS-MultiBoosting，用以提高預測供應鏈模式下中小企業信用風險的準確性。實證研究表明，RS-MultiBoosting在處理小樣本數據方面具有良好的性能。Xie等（2020）構建了基于供應商和零售商的Stackelberg博弈分析框架，闡明了供應鏈金融模式下的相關信用風險傳染機制，并探討了融資結構、融資渠道和融資成本對企業相關信用風險的傳染效應的影響。

（三）基于企業大數據的中小企業信用風險研究

企業大數據除了包括企業財務數據，還包括企業股東背景、企業管理層信息、企業關聯網絡媒體等所有直接或間接反映企業運營的非財務數據。隨著大數據技術的發展，越來越多的學者開始關注基于企業大數據的中小企業信用風險研究。

1.在企業家特征如何影響中小企業信用風險研究方面。王衛星和張佳佳（2018） 選取中小板300家企業為樣本，分析企業管理者的背景特征對信用風險的影響，研究認為管理者年齡、學歷及任期與企業信用風險存在顯著的正相關關系。朱宗元等（2018）針對新三板市場掛牌的中小企業構建了包括企業董事長性別、年齡、學歷等非財務指標在內的Lasso-logistic模型，該模型能識別影響中小企業信用風險的重要因素，且具有良好的評估性能。Belas等（2018）構建了包含企業家教育、家庭環境、與銀行關系、金融素養、信用記錄在內的中小企業信用風險結構分析模型，并對捷克352家企業進行了實證研究。研究發現，教育背景和家庭環境因素是影響中小企業信用風險的主要因素。另外，王正位等（2020）研究表明，通過大數據技術引入高頻個人消費行為信息能提高企業管理者的信用風險的識別效率，進而提高企業的信用風險管理能力。池仁勇和朱張帆（2020）使用問卷分析的數據對浙江省非上市的中小企業信用風險影響因素進行了Logistic回歸分析，研究表明除傳統的財務硬指標外，企業家的學歷、社交活動、不良愛好等“軟信息”指標對企業的信用風險也具有較大的影響。Nisar等（2020）在信息不對稱視角下研究了P2P平臺中小企業借貸行為面臨的信用風險，研究結果表明，可以用作信用風險和財務管理預測指標的三個重要因素包括企業家婚姻、收入及房產情況。

2.在企業關聯網絡媒體如何影響中小企業信用風險研究方面。Yang等（2016）基于Logit和Probit方法，以財務報表為導向研究了投資者在社交媒體上分享的個人金融投資觀點對企業未來信用風險的預測性。通過文本挖掘技術檢索了新浪財經及和訊網上的帖子及其相應評論，研究發現從企業信用風險預測的角度來看，社交媒體上提取的觀點優于專業分析師的觀點。Chi和Zhang（2017）認為小企業的財務數據不足以評估企業信用風險，其通過秩和檢驗和熵權法建立了財務及非財務指標相結合的多準則信用風險指標體系。Vinciotti等（2019）在中小企業信用風險模型中納入了各企業間金融交易的代理變量，開發了幾種網絡增強的信用風險模型，并實證研究了英國約6萬家公司的財務交易信息，研究發現，網絡信息增強的風險模型的預測準確性高于無網絡信息增強的模型。Qian等（2019）從理論上分析了企業家之間的信息傳播路徑對企業信用風險傳染的影響，并從復雜網絡的角度出發，構建了企業家社會關系與企業協會的雙層網絡來揭示信息傳播與信用風險傳染之間的相互作用。Giudici等（2020）使用“替代數據”來擴展傳統的信用評分體系，該替代數據包括從借款人之間相似性網絡得出的集中度指標。通過對P2P平臺上中小企業借貸數據的分析發現，替代數據提高了中小企業信用風險預測的準確性。Yin等（2020）提取了公司有關法律仲裁文本中的相關信息，并將此信息與財務及公司特定信息相結合，構建了用于評估中小企業信用風險的模型。實證研究表明，與僅使用財務和公司特定信息的模型相比，從有效法律仲裁中提取的信息能顯著改善中小企業信用風險評級的準確性。

3.在企業綜合特征如何影響中小企業信用風險研究方面。劉沙沙（2016）的研究結合了信息熵理論及灰色關聯方法，利用經營者素質、營運能力、產品競爭力、行業狀況、成長能力、科技創新等多個維度的45個指標，系統構建了中小企業的信用風險評級指標體系。張永春和陳巖（2018）從融資企業的償債能力、營運能力、盈利能力、成長能力、行業狀況、金融服務記錄、企業管理狀況、宏觀經濟狀況以及質押物特征等9個方面特征出發，構建了基于大數據征信原理的中小企業信用風險評估體系。孟杰等（2018）將實際控制人類型、董事會特征、股權結構和市場指標等四方面的信息與傳統財務指標相結合，構建了基于支持向量機（Support Vector Machine，SVM）算法的中小企業信用風險評估模型。Vivel-Bua等（2018）對西班牙2005—2011年酒店業的信用風險進行了研究。研究發現，酒店地理位置、季節性、市場集中度、到旅游目的地中心的距離對酒店的信用評級具有重要影響。

4.如何利用企業大數據構建中小企業信用風險模型的理論和算法方面。Yu和Chen（2017）針對企業內部信用關系的復雜性和不透明性等特點，引入模糊理論和灰色關聯理論，建立了企業信用風險的灰色模糊綜合評價模型，該模型能客觀地對企業信用風險進行評估。Huang等（2018）比較了幾種常見的神經網絡模型在中國中小企業信用風險管理中的應用效果。研究結果表明，概率神經網絡（PNN）具有最小的錯誤率和犯第二類錯誤的概率，且穩定可靠。Tosetti和Vinciotti（2019）提出了一種有效期望最大化算法，用于對具有廣泛關聯性的中小企業信用風險評級進行分析。使用2013年英國13個工業部門中小型企業的近64 000個賬戶的數據的實證研究表明，有效期望最大化算法相對于標準的蒙特卡洛方法具有更準確的預測性，對企業間網絡連接效應進行會計處理可以顯著提高信用風險評級模型的預測能力。

三、未來發展趨勢及研究方向

自“新冠”疫情發生以來，為了刺激經濟的發展，減少疫情對中小企業的沖擊，我國降低了中小企業融資門檻，大量中小企業獲得了貸款扶持，這雖然在短期內降低了疫情對經濟的負面影響，但無疑加大了疫情后中小企業的風險管控難度。因此，加大對中小企業信用風險的研究具有重大的現實意義。在互聯網時代，數據呈爆炸式增長，如何從這些數據中挖掘出有用的價值是科研工作者一直所追求的。如何在傳統數字化財務指標的基礎上，充分利用大數據技術手段，深入挖掘隱藏于文本數據中的中小企業信用風險指標，全面準確地刻畫企業的信用風險，將是該領域未來的發展趨勢。主要研究方向包括：

（一）供應鏈金融模式下中小企業信用風險指標體系的構建

供應鏈金融模式有效地改善了中小企業融資環境，預測中小企業信用風險對于保證供應鏈金融的平穩運行具有重要意義。考慮到不同行業間供應鏈金融模式的差異，未來該方向的研究重點包括：各細分行業供應鏈金融下中小企業信用風險指標體系的構建；針對供應鏈金融模式的中小企業信用風險評級算法研究；中小企業傳統信貸模式與供應鏈金融模式的對比研究等。

（二）基于大數據的中小企業信用風險指標體系構建

李佳微等（2020）對大數據背景下中小企業面臨的機遇和挑戰進行了深入的探討，研究發現大數據對企業的運營和發展方式都產生了重要的影響，例如，大數據將重構中小企業信用風險指標體系。未來該方向的重點研究內容包括：對非財務指標的文本識別及有效信息挖掘方法的研究；如何在眾多指標（財務與非財務指標）中選擇一致的、無多重共線性的指標來衡量企業信用風險的研究等。

（三）建立中小企業信用風險預警模型及模型實證研究

利用大數據技術完成中小企業指標體系構建后，需要結合相關建模理論及算法建立風險預警模型。該方向的主要研究內容包括如何對各指標進行加權集成，形成信用風險預警模型；如何使用中小企業的相關數據對信用風險模型進行實證研究，考察模型的有效性和準確性等。

（四）多層級中小企業信用風險預警模型的應用研究

傳統的信用風險預警模型通常僅僅針對企業自身進行評估，實際上，除了微觀企業的數據，行業乃至區域層級下的企業信用風險也是未來值得關注的重點。根據行業、地區的層級對企業的信用風險進行集成匯總，評價不同行業、不同地區的中小企業信用風險大小，最終集成國家層面的中小企業信用風險指數，可對相關部門、相關行業給出科學的政策建議，這方面的研究將是未來研究的重點。