基于風險監測模型的南京市企業風險的實證分析

邵翠娣 謝曉慧

摘要：通過匯聚南京市企業風險的相關數據，基于區域經濟特征構建了多維度、多層次的企業風險監測模型，采用評分卡模型來處理南京市的企業運行數據并健全南京市企業風險監測體系。對2021年10月-2022年3月區間的海量數據進行監測分析，解剖南京市企業風險現狀，并針對性地對南京市下一步產業發展提出建議。

關鍵詞：大數據處理 風險管理 產業發展監測模型

中圖分類號：F127

文獻標識碼：A

文章編號：1004-4914（2023）05-118-03

一、引言

（一）問題的提出

我國市場主體總量不斷增加，并向著多元化發展。截至2021年底，全國市場主體總量已突破1.54億戶，對經濟高質量發展發揮重要作用。因此，如何對企業進行精準分析，讓政府在海量的企業主體里，進行多維度的、及時的、準確的監測。對于政府及時把握企業運行質態，精準施策意義重大。

（二）文獻綜述

關于企業風險監測的研究方法。Smith認為企業風險管理已經同企業戰略管理、企業運營管理，共同構成企業現代經濟組織的三個核心管理職能之一。關于企業風險管理方法，有學者建立企業風險控制系統模型和企業風險人工神經網絡評估模型，來提高企業風險管理水平。也有實證分析風險承擔對企業績效的影響。得出持續優化營商環境能夠顯著弱化風險承擔對企業績效的抑制效應。另一方面，有實證檢驗結果表明，適度的補貼提高了企業風險承擔水平。

二、研究模型與數據

（一）模型構建

評分卡是運用十分廣泛的風險評價方法，其原理是將評價指標以證據權重（Weight of Evidence，WOE）編碼方式離散化之后，再運用邏輯回歸進行的一種二分類變量的廣義線性模型。本文建立的風險指標體系針對南京市信息中心自有的數據設計指標項。建設過程包括數據預處理、好壞樣本的選取、訓練集測試集的劃分、預測時間窗口選擇、變量信息價值計算、模型訓練、分數映射。

1．數據處理。首先，對數據進行預處理，將數據高效利用。其次，數據預處理包括清洗冗余的數據。最后，進行數據匹配，根據企業的名稱與工商注冊號等信息會變更的實際，建立包含企業所有歷史名稱的數據表與包含企業所有工商注冊號的數據表進行指標項的統計。

2．樣本的選取及訓練集測試集劃分。在建模過程中。選取發生過風險事件的企業為負向樣本，具體的風險事件包括行政處罰、被列為被執行人、或商業行為出現逾期或違約、宣告破產等。好樣本選取為未發生過風險事件的企業。好樣本則標注預測變量（是否風險企業）y=0，壞樣本則標注預測變量（是否風險企業）y=1。

3．時間窗口選擇。在企業風險監測模型中，選擇的時間窗即為預測的時間段。預測的時間段從1個月至1年不等。根據項目的實際情況，與獲得的數據情況。選擇居中的6個月時間作為預測時間窗口期進行企業風險的預測。

4．計算變量信息價值。在評分卡模型中，變量需要先做分段處理，再轉化成為WOE值。數據分為類別型變量和數值型變量，類別型變量本身已分好段，數值型變量分為連續性和離散型兩類，采用等頻方式進行分段。WOE值進行計算，具體公式如下：

WOEi=ln

其中：i=1，2，…，n，n為分組數量

WOE：轉化后的證據權重，b1：本分組中壞樣本的數量，g1：本分組中好樣本的數量，b1：全體分組中壞樣本的數量，g1：全體分組中好樣本的數量。

有了每個分段的WOEi后，某一個變量的信息價值（lnformation Value，IV）的定義如下，其中，n=某一個變量總共分段個數：

IV=IV

IV=（p-p）‘WOEi。

一般地，IV值在0.01以下的變量的預測能力比較差，模型訓練時，可以舍棄，本課題選擇IV≥0.01的變量進行模型訓練。

5．邏輯回歸算法。評分卡模型運用了邏輯回歸算法，其本質是計算風險事件發生的概率，具體計算如下：

Pry=1=

由此可得：

ln（）=β+βx+βx+…++βx

其中：Pr：表示風險事件發生的概率：

β1：指標的權重：

x1：指標通過WOE轉化后的值

模型訓練得出的模型結果為β0，β1，…，β的值，以及預測某企業發生信用風險事件的概率。

6．變量選擇規則。除了模型對變量的選擇外，通常還會考慮其他因素對變量進行選擇，一般有如下幾項：

變量信息價值IV≥0.01的：

變量獨立性：評分卡模型屬于線性模型，需挑選相互獨立的變量進入模型，否則會導致嚴重的變量共線性，從而使模型估計失真或難以估計準確：

變量一致性：即變量訓練出來的參數正負性，和變量與目標變量的相關系數正負性必須一致，否則說明變量有偏差，需剔除：

變量可解釋性：即變量及其變化趨勢是可以被業務理解和使用的，而不是完全黑盒，不可解釋，或者變量趨勢無業務含義。

經過上述規則選擇，最終計算的變量都是最優的。

7．信用風險分數映射。信用風險分數映射的計算過程如下。p為模型估計的y=1的概率，那么模型估計的y=0的概率為1-P，兩者相除得到一個好壞比Odds：

Odds=

評分卡設定的分值刻度通過將分值表示為比率對數的線性表達式來定義，如下所示：

分值刻度=M+N*ln（odds）

其中，M和N是待求解的常數。M和N通過兩個已知點帶入計算得出。本文有兩個已知的設定：大盤發生信用風險事件的比例對應居中的分數，即400，400也是企業無任何數據時的初始分；分數上漲50分，對應Odds增加一倍。由這兩個已知點出發，可解出A和B的值，從而得到概率與分數的映射。

本文的企業風險指標體系以1000分為滿分，其中400分為基準分數，600分為指標加分項。按照信用風險程度，信用風險分在結果上展現范圍為0至1000的整數，風險指數值與風險水平大小成反比，分數越高，未來發生信用風險事件的概率越低，風險也就越小。分類的映射情況見表1。

8．重大風險事件調整。南京市風險監測模型首先通過評分體系對企業展開信用風險評估，得出企業信用風險分值，并按照上述企業風險映射表將企業信用分值轉化成風險等級。在此基礎上，結合企業特定的風險事件，對滿足該風險事件的企業，按照一定規則進行信用風險等級調整。最終確定該公司信用風險等級。

（二）數據來源

本文收集匯總多個管理部門的共81張表，覆蓋了市監局、人社、稅務、公積金、信用、知識產權保護、科技、法律、金融等多維度的數據。參與到指標體系的構建當中，除此之外還接入了一些外部數據，比如說來自國家版權保護中心的軟件著作權數量、來自各級工商行政管理部門信息公示平臺的對外投資數量與金額等等。

三、指標選擇與體系構建

（一）指標的選取

本次指標選取依據了綜合性原則，為了全面的考慮到企業風險的影響因素，南京市風險指標體系從主體風險、經營風險、信用風險、法律風險和成長風險5個維度去衡量企業風險評級。整個指標體系共有5個一級指標、19個二級指標、45個三級指標、95個四級指標。

（二）指標體系的確立

1．企業主體風險。企業主體風險，主要分析與企業自身發展相關的風險事件。如主體變更風險主要指企業經營范圍、注冊地址、資本等，以企業變更法人代表為例，其風險主要在于對外的企業形象、企業信譽。影響較大。可能促使外界對公司的經營管理產生懷疑，進而間接影響公司的業績。

2．企業經營風險。企業經營風險，主要分析企業參與市場經營活動過程中潛在的風險。企業經營風險主要從人員流失、社保大幅減少、公積金大幅減少三個方面的信息體現，如人員流失方面，從企業的微觀角度來看，有些人員流動很可能給企業帶來損失，而且因為企業需要進行重新招聘和培訓，這種損失的直接表現是該崗位的人工成本增大，核心人員的離職甚至造成組織的癱瘓。

3．企業法律風險。企業法律風險，主要通過分析法律實踐來表征企業的風險。企業法律風險主要表現在企業設立、運營中的法律風險：合同訂立、履行過程中的法律風險：企業并購法律風險；知識產權法律風險；人力資源管理法律風險；企業財務稅收法律風險6個方面。這些法律風險會給企業帶來多方面影響，諸如導致企業花費增加，或者失去商機或者商業優勢，一些法律風險的發生，可能引發企業商譽的極大損害。

4．企業信用風險。企業信用風險，也就是企業的違約風險，企業信用是企業經營的基石，在激烈的市場競爭當中，企業不僅要通過良好的商譽提高市場占有率，又要盡可能減少壞賬成本，提高利潤率。

5．企業成長風險。企業成長風險，主要包括知識產權風險，如專利、發明、商標以及著作權等知識產權信息。知識產權屬于企業的無形資產，在競爭激烈的市場環境里，如果不能持續創造未來價值，有被市場淘汰的風險。

四、企業風險監測結果分析

（一）南京市在營企業總體風險較低，風險監測分級大多以優良為主

南京市企業風險負指數可反映南京市在營企業的風險水平。2021年10月-2022年3月，南京市企業總體風險負指數分別為576、567、566、565、565、565，企業風險負指數集中分布在550-600之間，企業運行總體風險較低。

如表2所示，監測分析結果表明：截至2022年3月底，南京市企業風險等級位于A、B優良級企業總數保持穩定，占比分別為26.3%和63.3%：而風險等級為C級和D級的企業總數占比分別為3_7%和3.5%：企業風險等級處于E級的企業占比為3.1%。與南京市2021年三季度至2022年一季度宏觀經濟運行保持穩中有升趨勢一致。

（二）從區域來看，南京市各區域總體風險負指數分布較為均衡

區級風險負指數可反映區域內企業的風險水平。分區域看，2021年10月-2022年3月，南京市各區域風險負指數分布比較均衡，均在540分以上，發生風險事件的可能性較低，其中雨花臺區風險負指數，全市最高，江北新區次之，溧水區排名第三。秦淮區相比其他區域，最近6個月風險負指數較低，近幾個月應予以重點關注。

（三）從行業來看，南京市房地產行業風險負指數低于全市風險平均指數

南京市行業風險負指數可反映各行業企業的風險水平。通過分析發現，房地產行業風險較為突出。其中，物業管理業風險負指數最高，為561.22分：房地產中介服務業次之，為560.11分，房地產開發經營業最低，為538.63分。

結果表明：基于數據反饋可知，南京市工業互聯網行業尤其缺少信息技術與運營管理的復合型人才。從教育培訓方面探究原因。發現產學研系統尚未建立。一是高校專業設置缺乏宏觀系統考慮。工業互聯網人才培育與政府規劃結合不緊密，學院專業變更頻繁，對于人才培育缺少系統性考量。二是培訓力量薄弱。南京市雖然依托于行業協會、科研機構開展的社會化培訓，但是缺少教培資質和行業權威性，課程質量不一，導致行業認可度不高。

（四）從重點戰略新興產業來看，高新技術產業的總體風險負指數低于南京市平均

監測結果表明：2021年10月-2022年3月，高新技術產業作為南京市重點發展的產業之一，從總體風險負指數看，高新技術產業大類的總體風險負指數較高：其風險負指數穩定在650分左右，屬于較為優質的產業。但是其分項風險負指數中的信用風險負指數不斷下降，需要相關部門予以重點關注。

五、對策與建議

基于風險監測數據分析的結果以及南京市產業發展現狀，本文給予幾點建議：

（一）聚焦產業鏈創新鏈融合發展，打造新型產學研融合創新平臺

聚焦產業鏈、創新鏈融合發展，應加快高端要素資源集聚。一是支持各區與轄區內外知名高校、科研院所合作，共建一批高水平產業創新中心、雙創基地等科技創新載體。支持產業創新平臺建設。二是加快培育壯大一批高新技術企業、“獨角獸”企業“瞪羚”企業，推動產學研持續深化發展。三是政府應在市級區級層面，就行業共性難題，鼓勵高校及科研院所、企業進行聯合攻關，提高科技創新效率。探索實現創新驅動產業發展，產業指引創新方向的互融互通式特色發展道路。

（二）增強企業創新主體作用，完善科技企業全生命周期培育體系

南京市應貫徹落實多輪減稅降費政策來減輕企業主體成本壓力，針對市場主體要把降成本放在首位，給予企業真金實銀的支持。政策要具備系統性，含金量要高。要具備針對性。同時，要注重完善科技企業全生命周期培育體系，運用市場化原則構建多階段的培育環境和上下游產業配套，積極引入風險資本來參與科技企業全流程的發展。發揮企業創新主體作用，將其與科研院所的創新能力、產業創新平臺以及政府的創新環境和政策緊密結合，構筑起面向未來、各要素緊密協同的立體創新網絡和生態。以政、產、學、研、用緊密協作的創新模式，充分發揮聯合創新研發平臺對各項變革性技術的集成、牽引和推動效應。

（三）建立企業風險監測平臺，健全產業風險預警機制

應建立健全本地企業風險監測大數據平臺。強化數據賦能，推動數據治理；深入推動政府內部各部門各平臺數據一體化建設，打破數據壁壘，實現數據共享和整體運用。由市一級政府統一協調，建立市區兩級層面的企業風險動態監測大數據平臺，定時定期不斷匯聚各部門的最新企業和行業數據信息，基于可靠算法模型，通過實時分析深度挖掘，及時實現對不同風險的動態監測和及時預警，定期出臺相關風險評估報告，為產業轉型升級的健康發展提供保障。

【基金項目：江蘇高校哲學社會科學研究重點項目“知識資本視域下瞪羚企業創新能力形成機理與成長路徑研究”（2018SJZD1061）。】

參考文獻：

[1] SmithM-L， RiskManagementAndlnsurance[M]. NewYork：McGrawH iljnc-199&

[2]李天庚.企業風險管理及控制模型研究[J].鄭州大學學報（哲學社會科學版），2004（01）：89-93

[3]齊秀輝，權飛，李璐璐.營商環境、風險承擔與企業績效——基于35個大中型城市企業的實證研究[J].會計之友，2022（08）：38-45

[4]毛其淋，許家云.政府補貼、異質性與企業風險承擔[J].經濟學（季刊），2016，15（04）：1533-1562.D01：10.13821/j .cnki.ceq.2016.03.11

[5]許文彬，張佳韜.我國城投債信用風險測算——基于Logistic回歸的評分卡模型[J].數理統計與管理，2020，39（04）：705-720

[6]盧悅冉，芮英健，袁芳，徐晨恒，何永海.基于評分卡模型下中小微企業的信貸決策[J].中國市場，2021（27）：53-54

[7]李雯軒，李文軍.新發展格局背景下保障我國產業鏈供應鏈安全的政策建議[J].價格理論與實踐：1-4[2022-05-19]

[8]粱正，李代天.科技創新政策與中國產業發展40年——基于演化創新系統分析框架的若干典型產業研究[J].科學學與科學技術管理，2018，39（09）：21-35

[8]孫瑩，孫良泉，丁然，來永鈞，李曉蕊，杜娟，王棟.企業信用風險監測指標體系的研究[J].中國標準化，2021（11）：116-121

[9]數據源自商務部國際貿易經濟合作研究院信用研究所《中國市場主體發展活力研究報告（2021）》

（作者單位：南京市信息中心江蘇南京210019）

（責編：建峰）