基于信貸風險對銀行信貸策略的研究

董小紅，徐琳霄，汪文生

（安徽財經大學 會計學院，安徽 蚌埠 233000）

1 介紹

在宏觀經濟的調控下，近年來我國中小微企業的數量迅速增長，他們在國民經濟和社會發展過程中發揮著不可替代的作用。同時國家也出臺了大量政策來解決中小微企業的融資問題。但是由于資金供不應求，銀行面對如此大的貸款壓力，就不得不在諸多前來貸款的中小微企業中慎重選擇。由于各中小微企業經營能力、規模大小、償債能力、信譽度方面都各有不同，如果貸款的銀行對需要貸款的中小微企業不夠了解，就容易導致不良貸款的產生。如何減少貸款風險并設立合適的放貸策略是銀行等金融機構亟待解決的問題。

本文根據搜集到的2019年上百家中小微企業的信貸相關數據，定量分析中小企業的聲譽和實力，并根據信貸風險和其他因素確定是否提供貸款，決定信貸額度，利率和到期策略。

2 文獻綜述

房斌在 《P銀行中小微企業信貸風險評價》中通過功效系數法和層次分析法對銀行信貸風險評價方法進行改進，并嘗試性提出了配套措施以期能對P銀行產生積極影響，改變現有的銀行針對中小微企業信貸風險管控和貸款策略。王璐在《T商行中小微企業信貸風險管理研究》中基于風險管理理論，單獨研究商行對中小微企業信貸風險管理現狀，也是利用模糊層次分析法建立信用評級體系，并驗證其可行性。

本文試圖在建立合適的風險評估指標和信譽等級后，將模糊層次分析法和功效系數法結合，構建合理信貸風險評價模型，優化信貸策略。

3 模型分析

3.1 假設

3.1.1 中小微企業的進項和銷項各金額數據均正常且合理；

3.1.2 進項稅和銷項稅均符合抵扣規則；

3.1.3 總資產為銷項金額總和；

3.1.4 凈利潤只考慮銷項價稅與進項價稅之差；

3.1.5 流動資產與銷售收入相等，為銷項金額總和與進項金額總和之差；

3.1.6 銀行對公司的貸款額度為1000萬元，年收益率為4%至15%。

3.2 符號說明

我們定量分析了123家公司的信用風險，并顯示了當固定年度總信用量時，銀行的信用策略應該如何變化。 為了量化企業信用風險，本文提出將層次分析法和功能系數法相結合，建立中小企業和微型企業信用風險量化模型。

表1 符號說明

首先通過使用層次分析法，將難以量化的定性指標和定量指標融合在一起，并參考相關專家分析和文獻對指標之間進行兩兩對比，確定出各項指標的重要性水平。其次通過功效系數法的應用將各項指標進行類別的劃分，計算出各公司各指標的得分，結合層次分析法得到的指標權重構建信貸風險的綜合評價模型，計算出綜合得分，從而實現信貸風險的量化。ABC三類企業的綜合得分將作為最終決策模型的企業信貸風險得分，而中小微企業在發展中并不具備大企業的自律管理與合規制度，在相關財務報表的處理上也缺少第三方核算部門的監督。因此對于來源模糊、有限的企業數據，銀行往往只賦予少量的權重值后才將其納入決策環節。附件三中給出了三類企業在不同貸款利率下相應的客戶流失率，而銀行的期望是在合適的利率下，降低客戶流失率并提高貸款收益，因此可以將賦予權重后的企業信貸風險得分與銀行的風險評估體系結合，通過非線性規劃模型，得出銀行對三類企業的信貸決策方案以及的分配比例。

3.3 指標的選擇

3.3.1 指標選取原則

指標選取時重視信譽指標，適當削減財務指標的比重。由于搜集到的財務方面的相關指標種類有限，我們能夠構造的財務指標也就相對有限，且存在概念替代現象，財務指標的真實性較低，因此在構建信貸風險評價模型時可以適當減少對財務指標的考核比重。

3.3.2.財務評價指標

根據123家中小微企業的進項銷項發票的定量數據，通過概念等價替代的方式構造出的企業與財務相關的指標，其中資產負債率這一比率越低表明企業的償債能力越強，但是資產負債率若為負可能說明企業資金面充裕，償債壓力較小，但同時可能經營上有所停滯。總資產周轉率和銷售凈利率均為數值越大，表明企業實力越強。如表2。

表2 中小微企業財務評價指標

根據各企業的發票狀態，包括有效和作廢兩種狀態，通過計算發票的作廢率可以得到一個衡量企業信譽的指標，發票作廢率越小則說明該企業越嚴謹，經營方面越有信譽。此外，進銷商品的負值表示買方將因故退貨或退款。故銷項的負數發票可能表示由于公司產品存在問題，買方已退還了該產品。因此退款退貨率越高該企業的信譽越差。據此構建中小微企業信譽評價指標。如表3

表3 中小微企業信譽評價指標

3.4 模型的建立

將信貸風險綜合評價模型分為三個層次，第一層為目標層M，即目標企業的信貸風險；第二層為準則層C，包括財務指標C1、信譽指標C2兩個指標；第三層為方案層P，即我們選取的五個評價指標資產負債率P1、總資產周轉率P2、銷售凈利率P3、發票作廢率P4、銷售的退款退貨率P5。如圖一。

圖1 層次分析圖示

3.4.1 模型一的求解

3.4.1.1 構造判斷矩陣S1

根據構建的中小微企業的風險評價模型的指標，參考相關文獻，對各指標進行兩兩比較評分，得到一級指標即準則層指標判斷矩陣S1：

表4 一級指標判斷矩陣

利用MATLAB求解判斷矩陣S1的最大特征根λMAX1=2，接著繼續計算指標權重。

表5 一級指標權重

3.4.1.2 構造二級財務指標判斷矩陣S2

根據構建的中小微企業的風險評價模型的指標，參考相關文獻，對各二級財務指標進行兩兩比較評分，得到判斷矩陣S2：

表6 二級財務指標判斷矩陣

利用MATLAB求解判斷矩陣S2的最大特征根λMAX2=3.0330。為證明判別矩陣S2具有一致性，利用MATLAB進行一致性檢驗：

CR<0.1，所以該判斷矩陣S2的一致性可以接受。

利用MATLAB軟件計算指標權重。

表7 二級財務指標權重

3.4.1.3 構造二級信譽指標判斷矩陣S3

根據構建的中小微企業的風險評價模型的指標，參考相關文獻，對各二級信譽指標進行兩兩比較評分，得到判斷矩陣S3：

表8 二級財務指標判斷矩陣

利用MATLAB求解判斷矩陣S3的最大特征根λMAX3=2，計算指標權重。

表9 二級財務指標權重

最終得到評價指標得權重匯總表如表10所示：

表10 評價指標權重匯總

3.4.2 信貸風險綜合評價模型

3.4.2.1 模型的準備

本文對各指標的得分用功效系數法進行評定，對于不同指標來說，有些指標數值越大越好，有些指標數值越小越好，有些指標則是在某一范圍內越好。功效系數法將不同指標按照其結果特性的不同進行類別劃分，進而更好的進行信貸風險的綜合性得分計算，對信貸風險進行量化。

結合指標的概念和特性，對二級指標進行如下劃分：

(1)極大型指標功效系數

這類指標的數值結果越大越好，越大表明信貸風險越低。總資產周轉率、銷售凈利率屬于該類指標的范疇。例如，資產投資規模與銷售水平之間配比情況是用總資產周轉率來衡量的，定義為企業一定時期的銷售收入凈額與平均資產總額之比，比值越大，則說明銷售凈收入所占比例越大，企業信貸風險就越低。

表11 極大型指標功效系數

（2）極小型指標功效系數

這類指標的數值結果越小越好，越小表明信貸風險越低。屬于該類指標的有發票作廢率、銷售的退款退貨率。發票作廢率越小則說明該企業越嚴謹，經營方面越有信譽。另外進銷項的負值表示之后購方因故發生退貨并退款，因此銷項中的負數發票可能表示購方因為該企業產品的問題進行退款退貨，因此退款退貨率越高該企業的信譽越差。

表12 極小型指標功效系數

(3)區間型指標功效系數

有些指標需要在某一范圍內才能達到最佳，太大不好，太小也不好。例如資產負債率大于0時越小越優，因為資產負債率越小表明該企業的償債能力越強，但是資產負債率若為負可能說明企業資金面充裕，償債壓力較小，但同時可能經營上有所停滯。總資產周轉率和銷售凈利率均為數值越大，表明企業實力越強。

表13 區間型指標功效系數

3.4.2.2 模型的建立

根據上述層次分析法得到的各指標權重，以及功效系數法計算得到的各指標得分，構建綜合評價模型：

Qi(i=1,2,3,4,5):表示經功效系數法計算出的5的指標得分；

wi(i=1,2,3,4,5):表示二級指標相應的權重；

αj(j=1,2):表示一級指標相應的權重；

W：企業信貸綜合評價綜合得分。

因此最后企業的綜合評價模型為：

3.4.2.3 模型的求解

首先剔除信譽評級為D的企業，一方面因為信譽等級為D，不予發放貸款，另一方面因為信譽等級為D的企業數據不完善，予以剔除。另，在計算相關指標時某些指標的由于提供數據的不完整和殘缺，產生了數據過大的異常值，都予以剔除。

在確定功效系數中的滿意值與不允許值時，我們分別計算出A、B、C三個等級的企業各項指標的平均值，根據數據類型的不同，確定其滿意值與不允許值。如下表:

表14 滿意值與不允許值

根據上述數據以及模型，代入數據計算篩選出的所有信譽評級為A、B、C企業的綜合評級得分，作為企業信貸風險的量化得分，其中得分越高，企業的信貸風險越低。

3.4.3 多目標優化模型

對于得出的三類企業的信貸風險綜合得分，依據各類商業銀行對于中小微企業的信貸政策，分析后統一對企業的綜合得分賦予30%的權重。同時，對于決定放貸的企業，銀行的貸款額度在10—100萬元，利率在4%—15%，根據銀行間市場的經驗可歸納出：A等級企業額度為70—100萬元，利率在4%—8%范圍；B等級企業額度為40—70萬元，利率在8%—12%；C等級企業額度為10—40萬元，利率在12%—15%范圍。在3類等級下，放貸利率與客戶流失率的關系，通過散點圖即可發現利率與客戶流失率有強相關性，利率越高，客戶流失率越大，由于散點圖近似直線，可用直線斜率的均值近似表達利率與流失率的關系。

依此條件建立非線性規劃模型：

放貸決策變量：

引入概念“綜合風險得分”：

Zi為第i家企業的信貸風險綜合得分，pi為第i家企業的借貸利率，k為對應信譽等級下利率與客戶流失率的平均乘數。

已知年度貸款總額固定，ai以表示A信譽等級中對第i家企業的放貸額度，則表示銀行在A類企業中的貸款總額。

最佳信貸決策應為銀行放貸收益最高且承受風險最小的方案，所以問題歸結為總資金固定，決策變量（0或1）的限制條件下，ai*pi,Si均達到最大值的情況。

將數據轉換為圖表：

圖2 放貸利率與客戶流失率趨勢圖

進一步分析可得三類斜率均值數據分別為7，6，5.

（1）首先求出三類企業在固定貸款總額時各類的資金占比：

“1-piki”為客戶留存率，vi為三類企業對應綜合得分加權后的權重值，

限制條件：

代入Lingo軟件求解得下圖：

表15 三類企業信貸分配額度

由結果可得出:100萬元；：70萬元；：40萬元，其對應信貸比為 10：7：4。

（2）對于各信譽級別中得公司進行具體分配：

A類中：多目標規劃模型

限制條件：

4 結論

經Lingo運算得出，在相應的綜合風險評分及放貸額度下，銀行對A類企業放貸利率為8%可獲利最大，對B類企業放貸利率為12%，對C類企業可放貸利率為15%。根據此方法和結果，可以為銀行向中小微企業的放貸提供策略建議，對符合要求的中小微企業提供合適的放貸標準。