中小微企業的銀行信貸評價

肖童星

[摘 要] 由于中小微企業規模相對較小，也缺少抵押資產，因此銀行通常依據信貸政策、企業的交易票據信息和上下游企業的影響力，向實力強、供求關系穩定的企業提供貸款，并對信譽高、信貸風險小的企業給予利率優惠。但隨著社會的發展，銀行需要對中小微企業進行適當的信貸決策評估，并針對不同的企業提出不同的信貸策略，以實現自身盈利的最大化。

文章篩選了與企業信譽和實力相關的六個影響因子，根據已有的企業交易記錄獲取相關的數據，基于大數據情況下，利用熵權法對TOPSIS修正，建立了企業的信譽評價模型，并在此模型基礎上建立了多元Logistic回歸方程，實現對其他中小微企業的信譽等級進行預測，形成完整的評價模型。

[關鍵詞]中小微企業;信貸決策評估;預測評價

中圖分類號： G221? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? 文章編號：1674-1722（2021）17-0030-03

一、導論

改革開放40多年來，中小企業已成為我國國民經濟和社會發展的重要力量。國家鼓勵中小企業的發展，但除去創新特點，隨之而來也產生了一系列的經濟問題。中小微企業規模相對較小，大部分屬于民營企業，企業資產并不雄厚，因此在向銀行融資和貸款時，銀行需要進行一定的風險評估，以保護自身權益。

二、評價模型的建立

（一）建模思路

銀行對企業信貸策略的確定流程，可分為信譽評估和策略制定兩步。銀行在進行信譽評估時，需考慮企業多方因素，為企業信譽劃分等級，決定放貸與否，并結合貸款企業綜合實力和銀行自身最大盈利，決定貸款額度和利率分配。流程如圖1所示。

其中，在公司信譽的四項指標中，

（1）違約歷史，即是否存在違約情況。

（2）增值稅，根據金融學知識，其定義公式為：增值稅=銷項稅額-進項稅額。其能反映公司信譽，公司繳納增值稅越多，公司交易總量越多，公司的可靠性越強。

（3）負發票率，即在統計篩選出該公司所有負發票數量后，再除以總發票數，得到的百分比。

（4）發票作廢率，即在篩選出作廢發票數量后除以總發票數量，得到的百分比。

在公司實力的六項指標中，

（1）銷/進項金額，即去除負發票后的銷/進項金額總和。由于負數發票是企業產生退款退貨后的交易，因此，除去稅額，沒有實際收入與支出。它們可以體現公司資金流動的數額大小，反映公司的資金實力。

（2）毛利率，根據金融學常識，毛利率的計算公式為：毛利率=（收入-成本）/收入，以此來作為公司盈利能力的體現，利率越大，公司營銷實力越強。

（3）銷售與供應商穩定度，穩定度比例越高，該公司擁有的穩定交易商越多，說明該公司交易質量與信用較高，運營穩定。

（二）基于熵權法修正的TOPSIS模型對企業實力評估

本文定義六項衡量公司實力的指標分別為增值稅、銷項總金額、進項總金額、毛利率、供應商穩定程度，銷售與供應商穩定度作為公司實力的評價指標。

根據熵權法計算原理，指標的變異值越小，反映的信息量越少，對應的權重則越低。

為計算n家公司指標對應的熵權，在收集相關公司以上指標的大量數據的前提下，首先進行各元素標準化處理，如果元素中存在負數，則對數據進行指標正向化，即，對于每一個元素，進行如下變換：

（1）

計算每個指標對應的信息熵。其公式為：

（2）

越大，說明該指標信息熵越大，無序程度越低。

再計算每個指標對應信息效用值，根據定義可知

（3）

信息效用值越大對應的信息也就越多，將其歸一化處理后，可得到每項指標的熵權為

根據以上計算，可以得到每個指標對于各公司所占權重。

為得到公司實力的最終評分，采用TOPSIS模型對已知數據的各公司各項指標進行綜合評價。

已知由n個評價對象和六個評價指標的原始矩陣，對該矩陣中的各項元素進行正向化處理，將所有變量極大化，便于后續分析。

對于極小型指標，對其進行變換-;對于中間型變量，其最優值為，對其進行變換：，其中。

為去除量綱影響，對于已正向化的參量標準化處理，對矩陣中參量進行處理：。

得到標準化后的n行6列矩陣：

定義各列最大值為，最小值為，定義第個評價對象與最大值的距離，同理，第個評價對象與最小值的距離，其中即前文所算出的各項指標熵權。根據TOPSIS模型最后一步，得到第個評價對象的未歸一化處理得分，歸一化處理后，最終得到各個企業的實力評估得分。

（三）信譽評級

1.違約情況與信譽評級的相關性分析

將公司信譽分為A、B、C、D四個等級，D等級被定義為信譽不良，理論上不予以貸款，根據已知信譽公司的部分數據，公司違約情況與公司信譽評級密切相關。因此，先對公司違約情況進行預測，再將其作為公司信譽評級預測的解釋變量之一，以提高預測準確度。

2.二項Logistic模型對違約概率的預測

根據上文分析，負發票率、發票作廢率和增值稅這三項指標與違約概率有一定關系，因此，先建立二項Logistic回歸模型對違約情況進行預測。

根據Logistic模型，得到被解釋變量與解釋變量之間的關系：

（4）

其中定義為。

最終利用SPSS計算出方程系數，得到最終Logit方程。

3.多項Logistic模型對公司信譽等級的預測

由于前文規定，公司信譽等級與四項指標相關，其中，違約概率利用二項Logistic模型，得出與其他三項指標的回歸方程，它們共同作為解釋變量，解釋公司信譽等級的評定。

此時，被解釋變量有A、B、C、D四個類別，以作參考變量，建立廣義的Logistic模型[1]：

（5）

（6）

（7）

由于規定等級信譽的公司不允許放貸，因此，實際上只對A、B、C、三個等級的公司進行記錄與排序，篩除掉評級結果為的公司。

最終利用SPSS計算出A、B、C、三個級別公司決定公司信譽的Logit方程[2]。

（四）貸款額度的確定

根據上面得到的各個企業的實力評估得分，結合企業的信譽等級，按照以信譽等級為最優先、企業實力為次優先的原則，對n家企業進行排序，并根據企業得分繪制折線圖，如圖2所示。

位于D等級的公司不予貸款，故去除D等級的公司并且圖形忽略異常值，可以看出圖形大致呈現明顯的線性。在某一貸款區間內進行貸款時，可將貸款額度設置為梯度下降，當人為給定所有企業的貸款額度后，則可以認為模型中貸款總額度是固定值。

（五）銀行年利率的確定

銀行對于每家企業貸款年利率的設置，會直接影響客戶流失率，進而影響到銀行總利潤。因此，文章將其轉化為以銀行利潤最大化的單目標規劃問題。

銀行從貸款公司總獲利公式[1]如下：

（8）

式中，代表A、B、C、三檔級別下各家公司的年利率，代表三檔公司的貸款額度，代表三檔公司下各家公司對應的客戶流失率，分別代表A、B、C三檔公司的家數。

根據相關數據，客戶流失率和年利率的趨勢大致如圖3所示。

圖像中可以歸納出貸款年利率與客戶流失率的函數關系，大致符合二次函數關系。

將三種信譽級別按照高信譽低利率的分配原則，分別設置利率區間，采用蒙特卡羅模擬[3]尋找銀行總利潤最大以及相應的公司的貸款策略[4]，如圖4所示。

三、結語

隨著目前中小資產企業的發展，銀行可根據文章提供的評價方式，進行風險評估，并給予不同企業合適的貸款優惠，這不僅能保障銀行自身的權利，也能從中獲利，同時也鼓勵了中小型企業的發展。當下中國需要誕生更多的像華為、中興、小米這樣的大企業，才能提升綜合國力，調動各行各業的進步[5]。

參考文獻：

[1] 高惠璇.多元統計分析[M].北京：北京大學出版社，2014.

[2] 薛薇.基于SPSS的數據分析[M].第4版.北京：中國人民大學出版社，2017.

[3] 司守奎.數學建模算法與應用[M].北京：國防工業出版社，2019.

[4] 中華人民共和國工業和信息部.中小企業劃型標準規定[S].2017.

[5] 國家統計局.2020年第一季度各行業GDP統計[R].