基于中小微企業信貸風險和銀行收益的 信貸決策研究

羅勝尹 彭睿杰 胡靜

摘要：文章分別從企業和銀行的角度出發，結合企業信貸風險和銀行收益，得出具有實際意義的信貸策略。首先，確定企業的綜合能力及其對應指標，利用進銷項發票對企業各項能力對應指標進行求解，利用AHP-TOPSIS法得出各個企業的綜合評定分數。其次，通過各企業的信譽評級建立決策樹模型，給出各企業是否放貸。再次，根據中國人民銀行中小微企業貸款年利率進行分析，得出對綜合評定分數大于等于總平均綜合評定分數的公司給出的優惠年利率為4.0%，對低于總平均綜合評定等級的公司給出4.7%的年利率。最后，在銀行年度信貸總額固定時，得出放貸給96家公司且將固定總額進行平均分配的信貸策略最優。文章對回歸模型進行顯著性檢驗，得出違約率擬合程度準確度較高。針對各個企業對應年利率進行分析，給出推廣意見，為銀行信貸決策提供更多有效的參考依據。

關鍵詞：量化分析;信貸策略;決策樹模型;資產分配

一、問題背景

隨著社會的不斷發展，中小微企業逐漸成為推動經濟發展的主載體。鼓勵扶持中小微企業是我國社會經濟發展布局中不可或缺的部分。但在實際金融環境下，由于中小企業成立時間短、成立規模小以及企業信用缺失和缺少抵押資產等特性，所以在企業向銀行進行貸款時，銀行首先會分析信貸政策、企業的交易票據信息和上下游企業的影響力，再參考企業的信譽評級，對企業的信貸風險進行評估。最后，根據評估結果進行分析，確定向不同信譽評級的企業發放不同的貸款額度、利率和期限等信貸策略。

二、問題分析

本文對若干有信貸記錄企業的信貸風險進行量化分析，并給出銀行在年度信貸總額固定時對這些企業的信貸策略。

首先，確定企業的綜合能力。選取具有實用性與代表性的財務指標，作為各能力的評價標準。利用進銷項發票對企業各項能力對應指標進行求解。再利用AHP-TOPSIS確定評價各個指標在綜合能力中所占權重得出各個企業的綜合評定分數。其次，根據企業是否違約和企業與綜合能力評定指標之間的的關系可建立是否向企業借貸以及是否給予利率優惠的決策樹模型，再根據銀行收益率曲線確定銀行最大收益率對應的總貸款額度、信貸年利率，給出中國人民銀行在年度信貸總額固定時對這些企業的信貸策略。

三、借貸策略決策樹模型

（一）原始指標的選取

由于未給出各個企業年度財務報表，且題目信息中給出的數據代表的往來業務具有局限性，不能夠具體量化企業的全部資產以及所有者權益。因此我們在選取定量分析企業貸款的綜合能力以及信貸風險時，以表1為主要內容進行選擇。

（二）HP-TOPSIS模型構建

1. 確定評價指標權重

由于企業信貸風險評價指標體系中各個評價指標的重要程度不一樣，在確定影響信用風險評估的各種指標在評估體系中所占的比重往往難以定量化，在考慮不同因素的影響中，選擇采用AHP層次分析法判斷指標權重的大小，規避決策者對于部分因素帶有主觀性，使結果更具準確性和科學性。首先，建立決策階層的結構模型，分為三層結構，目標層為需要進行的決策問題，決策層為判斷目標質量的各項指標，指標層為決策層細化因子。

2. 一致性檢驗

將矩陣A中的元素和矩陣都進行歸一化處理后，計算出該判斷矩陣的最大特征值λmax=n，當判斷矩陣不具有一致性時，判斷矩陣A的最大特征值λmax>n，若λmax 與n的比值越大，則證明A的不一致性越嚴重。因而定義一致性指標：

CI=

當CI=0時，判斷矩陣A具有完全一致性，為衡量CI的大小引入隨機性指標：

RI=

由CI與RI的比值計算一致性比率，如果CI<0.1時可以認為構建的A矩陣通過一致性檢驗，根據特征值法能夠得到影響該企業風險評估的各個指標權重。

3. TOPSIS排序法

TOPSIS根據評價對象與最初設定的理想解距離的遠近程度來評價最佳決策方案，用Ci表示各評價方案與理想解的接近度，接近度指標與信貸風險評估結果呈負相關，與企業綜合能力呈正相關。

各評價指標與其正負解的距離記為D+，D-，根據Ci的排序評價信貸風險指標：

D+=（i=1，2，…，p）

D-=（i=1，2，…，p）

Ci=

最后，基于AHP-TOPSIS模型下求出不同信譽條件下各企業的綜合評定分數，如圖2所示。

由圖2可以直觀了解到并不是信譽評級越高，企業的綜合評定分數越高，在A，B，C三種信譽等級下，C等級的綜合評定分數最高。說明綜合評定分數受多因素影響，側面驗證模型的準確性。

（三）決策樹模型建立

基于AHP-TOPSIS法下計算各個企業的綜合實力能力指標，分為企業是否違約兩種情況，若企業的信譽評價為D，則銀行決定不放貸給企業，在企業沒有違約的條件下若企業的綜合能力大于等于平均綜合評定分數，則認為該企業符合信譽高，信貸風險小的標準銀行放貸，若企業的綜合能力小于平均綜合評定分數，則銀行不進行放貸。

四、模型檢驗

為避免評價時可能出現邏輯錯誤，依據層次分析法的原理，定義一致性指標來驗證結果，通過SPSS進行線性回歸分析，驗證一致性指標如表2所示。

由表2可以觀測到在F統計量下對應的P值為0.021小于0.05，說明線性回歸方程顯著。模型具有一定正確性。

五、模型評價與推廣

模型利用AHP-TOPSIS法確定各項財務指標在評價企業綜合能力與信貸風險中所占比權重以及對各項財務指標進行優先次序排序。根據企業是否違約和企業與綜合能力評定指標之間的的關系可建立是否向企業借貸以及是否給予利率優惠的決策樹模型。將中小企業未來的發展潛力納入財務指標的考量，具有前瞻性與創新性，避免了傳統財務指標帶來的滯后性。

參考文獻：

[1]郭妍，張立光，劉佳.中小企業信貸風險度量模型研究——基于山東省的實證分析[J].東岳論叢，2013，34（07）：58-61.

[2]樊樹海，凌寧.基于AHP-TOPSIS模型的企業財務績效評價[J].會計之友，2018（06）：78-80.

[3]張夏.基于AHP-TOPSIS的iOS系統社交類APP圖標評價模型構建[D].濟南：齊魯工業大學，2019.

[4]徐曉玲.基于Logistic模型的中小企業信用風險研究[D].濟南：山東大學，2019.

[5]霍源源，姚添譯，李江.基于Probit模型的中國制造業企業信貸風險測度研究[J].預測，2019，38（04）：76-82.

[6]竇小凡.KNN算法綜述[J].通訊世界，2018（10）：273-274.

[7]謝堅.中小企業信貸違約的影響因素與應對策略研究[D].成都：電子科技大學，2016.

[8]遲國泰，徐趁琤，李延喜.銀行資產負債管理中資產分配模型[J].大連理工大學學報，2001（04）：501-504.

（作者單位：羅勝尹、彭睿杰，西南石油大學信息學院;胡靜，西南石油大學財經學院）