小微企業信用評級方法分析

陜西科技大學經濟與管理學院 陜西西安 710021

國務院在2014 年下發《國務院關于印發社會信用體系建設規劃綱要（2014—2020 年）的通知》，其中指出“我國正處于深化經濟體制改革和完善社會主義市場經濟體制的攻堅期。現代市場經濟是信用經濟，建立健全社會信用體系，是整頓和規范市場經濟秩序、改善市場信用環境、降低交易成本、防范經濟風險的重要舉措，是減少政府對經濟的行政干預、完善社會主義市場經濟體制的迫切要求”。在目前市場經濟環境中，商業欺詐、假冒偽劣、漏稅逃稅，以及學術界的學術不端行為時有發生，市場參與者的誠信意識和信用水平偏低，誠實守信的氛圍還未完全建立。而小微企業在面對生存危機等各種不確定因素，信用狀況更加難以判定，科學可行信用評級方法是急切需要的。

1 小微企業信用評級的構成

1.1 小微企業的界定

根據工信部、國家統計局、發改委與財政部發行的《中小企業劃分標準》，把營業收入、從業人員、資產總額規模作為劃分小微企業的依據，把行業劃分為大型企業、中型企業、小型企業、微型企業四類。從業人員，是指期末從業人員數，沒有期末從業人員數的，采用全年平均人員數代替；營業收入，根據所從事行業的不同，采用主營業務收入、營業額、營業總收入、營業收入來體現；資產總額，采用資產總計代替。由此得知，小微企業是小型企業和微型企業的共同組成，是他們的總稱。

在《工業和信息化部、國家統計局、國家發展和改革委員會、財政部關于印發中小企業劃型標準規定的通知》的通知文件，它將從事不同的經營活動行業劃分為農、林、牧、漁業，工業，建筑業，批發業，零售業，交通運輸業，倉儲業，郵政業，住宿業，餐飲業，信息傳輸業，軟件和信息技術服務業，房地產開發經營，物業管理，租賃和商務服務業，其他未列明行業。共計16 種行業，各行業的評判標準各不相同，如農、林、牧、漁業其營業收入50 萬元人民幣以下為微型企業，批發業其營業收入1000 萬元人民幣以下的為微型企業。

根據財政部稅務總局發布的《關于實施小微企業普惠性稅收減免政策的通知》，小型微利企業是指從事國家非限制和禁止行業，且同時符合年度應納稅所得額不超過300 萬元、從業人數不超過300 人、資產總額不超過5000 萬元等三個條件的企業[1]。

1.2 信用評級的構成

信用評級作為評價企業信用狀況的有效工具，它是一個完整的構成體系，由多個基本部分構成，如：信用評級要素、信用評級指標體系、信用評級方法、信用評級模型、信用評級等級和標準等[1]。除此之外，決定信用評級能否準確的識別出企業真實信用狀況，還應該依賴完整的信用評級數據，用于支撐信用評級的有效進行。信用評級的數據不僅僅是企業信用的歷史數據沉淀，還應包括企業現行運行過程中的財務數據，企業所處的行業背景、市場地位、專業資質，國家級別的信用等級等。

如今在全球處于新冠肺炎疫情的大背景下，信用評級也需對其做出具體考量。在國務院聯防聯控機制新聞發布會上，中國農業銀行副行長湛東升表示：對受疫情影響暫時無法還本付息的小微企業不算逾期、不收罰息、不調風險分類、不降客戶分類等級、不計入征信不良。由此可以發現信用評級的構成要素應是方方面面的，大到全球經濟運行背景小到企業管理者個人意愿，以及諸與此之間的可能涉及的各種因素集。

1.3 小微企業信用評級的構成

從上文對小微企業的界定規則可以得出，小微企業不同于中大型企業，綜合來看其主要特點是營業收入低、從業人員少、資產規模小。具體表現在小微企業資金投入少、回報周期短、管理主觀性大、資金具限制性（來源單一）、資金流動性高、借貸頻率高但金額較少、風險分散能力低對流動負債和流動資產有較高的依賴性、高管信用決定企業信用；同時小微企業一般不具備信息披露的渠道和少有信息披露的意愿，造成公司經營透明度不夠，信息披露情況不容樂觀，這更加決定了對其進行信用評級需要過多的依賴于定性指標，若用于計算則需將其進行量化處理。

結合小微企業的自身特性，和上文普通意義上的信用評級的構成規則。小微企業應將定性與定量同時納入評級構成中且定性應多于定量；小微企業非常依賴自身的創新性，故創新性可以體現小微企業的信用狀況，應注重關注企業的創新背景和創新能力；應選擇能夠反映小微企業的管理動態，如果是技術背景的企業應注重其技術發展等要素，即找出可以體現其發展趨向的要素，著重小微企業的成長性[2]。信用評級的構成體系較多，而小微企業的情況更加復雜，除了上面討論的評價指標要素，還有評價等級、方法、模型等，限于篇幅下文僅對信用評級的方法展開論述。

2 小微企業信用評級方法

信用評級從19 世紀30 年代發展至今，信用評級的方法也有很多，由于信用評級的對象和要求有所不同，所以信用評級的內容和方法有較大的區別。較為主觀評價方法有專家評價法、AHP 層次分析法等，基于數學的統計模型法有線性區別模型、線性概率模型、Logit 模型、Probit 模型、違約率模型等，基于要素分析法有5C 要素分析法、5P 要素分析法、5W 要素分析法、4F 要素分析法、CAMPARI 法、LAPP 法、駱駝評估體系法等，根據數據的性質不同有定性分析法、定量分析法、定性定量相結合的分析法。下文將簡要從數據與專家經驗逐步積累的角度來說明。

2.1 以專家經驗為主的信用評級方法

在信用評級業務創立之初，其不具備可靠的信用評級數據，在此階段主要使用財務因素分析法、信用要素分析法等評級方法。財務因素分析法主要是依靠企業的財務報表，通過分析報表中的各項經濟財務指標，進行靜態的比較以及動態的趨勢的分析，得出企業現在運行狀況和償債能力。具體用于識別償債能力、運營能力、盈利能力的指標，在此不做過多闡述。

要素分析法的使用在傳統信用評價方法中也較為常用，具代表性的5C、5P、5W、4F 等。它同樣是基于專家經驗進行不斷調整變化得出最終評價結果，比如5C 使用的評價要素為評價對象的品格、能力、資本、抵押、條件，試圖從評價對象的還款意愿、還款能力、財務的狀況、是否存在擔保物、其他外部條件比如金融危機這5 個方面進行綜合考量，結合專家分析得出評價結論。

這些傳統的評價方法對于不能量化的指標因素使用評級人員的主觀判定，存在著巨大的不確定性[3]。依靠專家經驗獲得的評價結果往往也是不可靠的，專家的經驗或認知存在不足，會降低評價結果的可信度。同時小微企業的經營情況較中大型企業更為復雜，難以根據專家固有經驗對其進行判別，所以適用傳統的評級方法對小微企業進行信用評級存在一定的困難。

2.2 以數學模型為基礎的評級方法

傳統的信用評級方法大量依靠專家的經驗，存在不確定性。更精確的評價方法是以數學原理為依據構建的評價模型方法，常見的模型方法有Z 模型、Zeta 模型、Logit 模型、KMV 模型、信用矩陣模型等。由于模型是數學為基礎，使用它作為評級的方法可以解決傳統評價方法因主要依靠專家經驗和專家主觀判斷所帶來的評級不確定性，使用模型進行評價一般是可以得到相對一致的結果。

模型依賴數據，而企業中主要可以用來使用的是財務數據等經營數據，這些數據缺失經濟周期波動相關數據，經濟的波動會給評級質量帶來一定的影響。信用評級機構的評級質量具有逆周期性，其更有可能在經濟上行期進行評級高估，這會放大評級水平的順周期性[4]。

除此之外，小微企業普遍存在財務信息披露問題，不公開不透明，就算能獲取相關財務信息，其財務指標數據也不完整或不準確，所以完全依靠財務數據進行小微企業的信用評價存在問題。

2.3 專家經驗和數學模型相結合的評價方法

單獨使用專家經驗法或單獨使用數學模型法都存在信用評級不準確的問題，可以使用專家經驗和數學模型相結合的方式進行信用評級。利用專家經驗的豐富性和數學模型的精確性，較為常見的方式是使用層次分析法（AHP）和模糊綜合評價法（fuzzy comprehensive evaluation method）。層次分析法包含定量指標和定性指標，將主觀判斷用數量形式進行表示；模糊綜合評價使用模糊數學，結合層次分析法確定其評價指標的權重，通過對評價對象進行隸屬度計算得出可靠的綜合評價結果。限于篇幅有關層次分析法和模糊綜合評價法相關理論在此不做過多闡述。

層次分析法將評價指標進行分層處理，將定量與定性結合起來進行分析使評價結果更可信[5]。模糊綜合評價法的權重通過層次分析法來確定，既使用了專家經驗又結合了其中的數學方法，故其可以相對全面準確的對小微企業進行信用評級。

2.4 使用模糊神經網絡方法進行信用評價

當評級數據不斷積累，數據質量也得到提升之后，還可采用模糊神經網絡方法進行科學的信用評級。模糊神經網絡也是基于模糊數學，同時結合神經網絡算法，將數據信息進行加工處理，將輸入要素轉換為輸出信息，模型內部使用函數模擬人腦的神經元處理過程，代表性的神經網絡有BP 神經網絡等。神經網絡的優勢在于它可以實現非線性問題，且不強依賴清晰的數據結構。

模糊神經網絡進行信用評級可以使用MATLIB 集成工具箱，肖斌卿，楊旸等人就通過MATLIB 工具箱對小微企業進行信用評級的實證研究。使用的是模糊邏輯工具箱（fuzzy logic）進行模糊神經網絡建模，使用genfis1 函數訓練模糊神經網絡模型，通過自適應神經網絡模糊推理系統中的圖形界面編輯器（ANFIS editor）完成了模糊神經網絡的建立、訓練和仿真處理[6]。

模糊綜合評價法和層次分析法相結合雖然可以準確的對小微企業進行信用評價，但是其復雜度較高。使用模糊神經網絡經過建立網絡、訓練網絡、仿真網絡后，可直接使用仿真網絡將小微企業指標數據作為輸入，直接得出小微企業信用評價結果而無需關注其中評價過程，簡便易用可行度高。

3 結語

綜上所述，本文通過對小微企業的特性進行分析，找出小微企業信用評級不同于中大型企業，其定量數據缺失、公司運營情況復雜，應著重關注與其特性相關的指標要素，進行評級也應全面考慮。結合其特性，從數據積累到專家經驗積累的角度，對信用評級的方法進行分類分析，得出單獨以專家經驗或單獨以數學模型的方法，難以對小微企業進行精確的信用評級，應將兩種方法結合使用，即將模糊綜合評價法和層次分析法相結合，集合專家經驗和數學方法的精確性。而模糊神經網絡可以仿真簡化此評價過程，既保證了評級的準確性又保證了評級的簡單可行性。但由于篇幅本文未做實證研究，未深入分析各方法的內在聯系，還需進一步完善。