伴隨時代的進(jìn)步，小微企業(yè)已經(jīng)成為了現(xiàn)代市場經(jīng)濟(jì)中的重要組成，而小微企業(yè)中的信貸違約情況嚴(yán)重阻礙了企業(yè)的正常發(fā)展。下面文章以585家小微企業(yè)信貸為研究對象，主要分析企業(yè)的財務(wù)指標(biāo)，企業(yè)基本信息，業(yè)主特點(diǎn)及貸款詳情，追究小微企業(yè)信貸違約率的相關(guān)因素，利用隨機(jī)效應(yīng)模型衡量小微企業(yè)貸款違約率的預(yù)測方法，之后根據(jù)研究成果提出小微企業(yè)應(yīng)對風(fēng)險要采取的措施。

　　關(guān)鍵詞：小微企業(yè),信貸違約,風(fēng)險防范,隨機(jī)效應(yīng)

　　一、引言

　　小微企業(yè)是推動我國經(jīng)濟(jì)轉(zhuǎn)型升級的重要力量，對于優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、促進(jìn)創(chuàng)業(yè)創(chuàng)新、培植發(fā)展動力、解決就業(yè)難題、維護(hù)社會穩(wěn)定等方面具有重要意義。然而近幾年來，小微企業(yè)融資難的問題已經(jīng)成為制約其發(fā)展的主要因素。造成這樣局面的原因主要是由于風(fēng)險偏高，該風(fēng)險來自于兩方面，一是小微企業(yè)本身的經(jīng)營特點(diǎn)造成了貸款風(fēng)險高，二是由于銀行與小微企業(yè)之間存在嚴(yán)重的信息不對稱問題。銀行為了規(guī)避風(fēng)險，在實(shí)際信貸過程中，存在“惜貸”現(xiàn)象。因此，為了解決該問題，有必要針對小微企業(yè)建立一套信貸違約風(fēng)險衡量系統(tǒng)，為銀行篩選出可信任的客戶，讓雙方達(dá)到共贏的狀態(tài)。

　　二、文獻(xiàn)綜述

　　關(guān)于信貸違約，以往的國內(nèi)外學(xué)者都進(jìn)行過相應(yīng)的研究。國外的金融機(jī)構(gòu)通過搜集資料判斷企業(yè)信貸違約的概率，這樣評價的結(jié)果會因為搜集資料的類型和變量選取的不同而有所不同，產(chǎn)生的誤差也會很大。CiampiF等(2008)關(guān)于企業(yè)破產(chǎn)風(fēng)險的研究指出，企業(yè)規(guī)模是影響模型預(yù)測能力的重要因素，根據(jù)企業(yè)規(guī)模分類構(gòu)建企業(yè)破產(chǎn)模型的預(yù)測效果更好。Agarwal、Hauswald(2010)研究指出，引入非財務(wù)指標(biāo)能提高中小企業(yè)破產(chǎn)或貸款違約預(yù)測模型的準(zhǔn)確度。

　　由于小微企業(yè)沒有規(guī)范和健全的財務(wù)制度，因此國內(nèi)學(xué)者在進(jìn)行關(guān)于企業(yè)信貸違約的研究中，多以上市公司作為研究對象。楊蓬勃等(2009)通過構(gòu)建上市公司信貸違約概率預(yù)測模型，研究表明資產(chǎn)報酬率、流動負(fù)債比率、資產(chǎn)負(fù)債率和總資產(chǎn)報酬率對企業(yè)負(fù)債壓力的貢獻(xiàn)度遞減。

　　從小微企業(yè)貸款的可獲得性為切入點(diǎn)，探究小微企業(yè)信用評分模型對降低銀行營運(yùn)成本和貸款風(fēng)險的作用，同時運(yùn)用動態(tài)博弈模型，研究信用評分對降低小微企業(yè)道德風(fēng)險，提高信貸可獲得性的意義。過新偉、王曦(2015)研究表明，對于中小企業(yè)而言，軟指標(biāo)(如反映企業(yè)經(jīng)營情況的指標(biāo)以及業(yè)主個性特征)對于貸款違約的影響遠(yuǎn)比硬指標(biāo)(反映企業(yè)償債能力的財務(wù)指標(biāo))重要�？偟膩碚f，國內(nèi)外學(xué)者對于小微企業(yè)的信貸違約的研究主要集中在違約因素及財務(wù)指標(biāo)上，但小微企業(yè)自身不健全的財務(wù)制度導(dǎo)致僅依靠財務(wù)指標(biāo)衡量小微企業(yè)信貸違約風(fēng)險可能存在較大偏差。因此，針對小微企業(yè)采用多維度指標(biāo)評估信貸違約風(fēng)險的系統(tǒng)研究顯得尤為重要。

　　三、實(shí)證分析

　　(一)數(shù)據(jù)來源。本文數(shù)據(jù)來源于某商業(yè)銀行2010~2015年的信貸數(shù)據(jù)，主要包含小微企業(yè)的歷史貸款記錄，貸款企業(yè)特征、企業(yè)業(yè)主基本信息及貸款方式等數(shù)據(jù)。

　　(二)模型選取。用來衡量企業(yè)貸款違約風(fēng)險的度量模型主要有多元判別分析模型、Logistic模型、層次分析法、神經(jīng)網(wǎng)絡(luò)模型等�？紤]到小微企業(yè)的特殊性，難以滿足多元判別分析法嚴(yán)格的假設(shè)條件;層次分析法主觀性較強(qiáng)，分析結(jié)論受人為因素影響較大;神經(jīng)網(wǎng)絡(luò)模型對結(jié)果的解釋能力較弱。因此，本文選用Logistic模型衡量小微企業(yè)信貸違約率。Logistic模型采用極大似然估計參數(shù)，容易忽略模型外的因素及不確定因素對違約概率的影響。

　　為了解決上述問題，本文采用隨機(jī)效應(yīng)Logistic模型修正參數(shù)。Moketal(2010)指出，隨機(jī)效應(yīng)Logistic將個體風(fēng)險差異及不確定性因素考慮其中，使其參數(shù)估計的穩(wěn)定性更高。隨機(jī)效應(yīng)Logistic模型以Logistic回歸為基礎(chǔ)。所以，先對樣本進(jìn)行Logistic逐步回歸，建立小微企業(yè)信貸違約的Logistic模型，表達(dá)式為：lnpi1-pi!"=∞+β1x1+β2x2+...+βixi+ε其中，pi表示小微企業(yè)違約概率，∞表示常數(shù)項，βi表示回歸系數(shù)，xi表示解釋變量，ε表示隨機(jī)誤差項。

　　(三)變量說明。

　　(1)因變量。因變量為小微企業(yè)是否違約，違約設(shè)為1，未違約設(shè)為0。依據(jù)我國商業(yè)銀行貸款的五級分類標(biāo)準(zhǔn)，貸款被劃分為正常、關(guān)注、次級、可疑和損失，后三類為違約貸款。研究樣本包含正常的貸款樣本405家，違約的貸款樣本180家。本文將研究樣本劃分為兩組，一組為估計樣本，違約小微企業(yè)和非違約小微企業(yè)分別是120家和270家;另一組為交叉驗證樣本，違約小微企業(yè)和非違約小微企業(yè)分別是60家和135家。

　　(2)自變量。影響小微企業(yè)信貸違約的因素是多方面的，財務(wù)指標(biāo)對模型的有效性的影響比較顯著，因此應(yīng)從多維度選取綜合評價小微企業(yè)財務(wù)狀況的指標(biāo)，能反映公司償債能力，經(jīng)營能力、盈利能力及發(fā)展能力。同時引入非財務(wù)數(shù)據(jù)作為模型的解釋變量，提高模型預(yù)測的準(zhǔn)確性。綜上，本文選取了財務(wù)指標(biāo)、企業(yè)概況、業(yè)主特征、貸款特征四個方面指標(biāo)作為解釋變量。26個解釋變量包含13個財務(wù)指標(biāo)，5個企業(yè)概況指標(biāo)，5個業(yè)主特征指標(biāo)以及3個貸款特征指標(biāo)。

　　(四)結(jié)果分析運(yùn)用Logistic模型進(jìn)行回歸分析時，必須避免解釋變量出現(xiàn)共線性問題。完全共線性會使參數(shù)估計量不存在，而近似共線性會歪曲回歸結(jié)果的統(tǒng)計學(xué)含義。因此，在進(jìn)行回歸分析之前，先對財務(wù)指標(biāo)的相關(guān)性進(jìn)行檢驗，發(fā)現(xiàn)其存在多重共線性問題，所以采取逐步回歸法篩選變量，以Wald統(tǒng)計量作為標(biāo)準(zhǔn)，進(jìn)入模型的顯著性水平為10%，從模型中排除的顯著性水平為15%。

　　(1)小微企業(yè)信貸違約預(yù)測模型。首先對財務(wù)指標(biāo)進(jìn)行Logistic逐步回歸，得到模型Ⅰ，在此基礎(chǔ)上進(jìn)行隨機(jī)效應(yīng)Logistic的極大似然估計，得到模型Ⅰ-Re。在模型Ⅰ的基礎(chǔ)上引入非財務(wù)指標(biāo)，考察非財務(wù)指標(biāo)對信貸違約的影響，通過Logistic逐步回歸，得到模型Ⅱ，在此基礎(chǔ)上進(jìn)行隨機(jī)效應(yīng)Logistic的極大似然估計，得到模型Ⅱ-Re。

　　在模型Ⅰ中，流動比率X1、資產(chǎn)負(fù)債率X3、利息保障倍數(shù)X4、總資產(chǎn)周轉(zhuǎn)率X5、主營業(yè)務(wù)利潤率X9和總資產(chǎn)報酬率X12六個指標(biāo)對小微企業(yè)信貸違約的影響較大。在隨機(jī)效應(yīng)Logistic估計中，變量的系數(shù)符號與模型Ⅰ一致，只修正了系數(shù)的估計值。除X4外，其他系數(shù)估計值的顯著性水平也未發(fā)生實(shí)質(zhì)性變化。流動比率、利息保障倍數(shù)、總資產(chǎn)周轉(zhuǎn)率、主營業(yè)務(wù)利潤率及總資產(chǎn)報酬率與小微企業(yè)信貸違約顯著負(fù)相關(guān)。

　　流動比率和總資產(chǎn)周轉(zhuǎn)率越高意味著小微企業(yè)資產(chǎn)變現(xiàn)能力及營運(yùn)能力越強(qiáng)，短期償債能力強(qiáng)，出現(xiàn)違約的概率較低。利息保障倍數(shù)反映了小微企業(yè)盈利能力的強(qiáng)弱，體現(xiàn)了其對償還到期債務(wù)的保證程度，利息保障倍數(shù)越高，說明小微企業(yè)的長期償債能力越強(qiáng)，償債的安全性和穩(wěn)定性高。主營業(yè)務(wù)利潤率和總資產(chǎn)報酬率都是衡量企業(yè)盈利能力的指標(biāo)，其值越高，代表小微企業(yè)經(jīng)營效益越好，有一定的發(fā)展?jié)摿�，因此出現(xiàn)違約的可能性較低。資產(chǎn)負(fù)債率與信貸違約呈正相關(guān)。資產(chǎn)負(fù)債率高，說明小微企業(yè)自有資本比重很小，債務(wù)負(fù)擔(dān)重，經(jīng)營風(fēng)險主要由債權(quán)人承擔(dān)。

　　一旦經(jīng)營出現(xiàn)問題，小微企業(yè)將面臨較大的償債壓力，貸款違約的可能性也高。Pseudo-R2值越大，表明模型的擬合程度越高。因此，同時考慮財務(wù)指標(biāo)、企業(yè)概況、業(yè)主特征、貸款特征的模型Ⅱ的擬合程度高于僅考慮財務(wù)指標(biāo)的模型Ⅰ。加入非財務(wù)變量的模型Ⅱ-Re顯示，企業(yè)所有權(quán)X14、不良信用記錄X17、性別X19、學(xué)歷X21、資產(chǎn)抵押率X22、貸款金額X24、貸款利率X25、貸款期限X26進(jìn)入了模型，且都在10%的置信水平上顯著。 企業(yè)所有權(quán)的估計系數(shù)為-1.481，并通過了5%的顯著性檢驗，說明國有小微企業(yè)貸款違約率高于非國有小微企業(yè)，雖然國有小微企業(yè)受政府扶持，但其缺乏獨(dú)立意識，對市場的關(guān)注度不高，競爭能力較弱，還款意識弱。同時國有性質(zhì)的小微企業(yè)，規(guī)模有限，難以形成壟斷經(jīng)營，導(dǎo)致其違約可能性更高。不良信用記錄與貸款違約率正相關(guān)，銀行在甄選小微貸款客戶時，應(yīng)將其既往的信用記錄作為一個重要的考量指標(biāo)。

　　性別的估計系數(shù)為1.214，說明女性業(yè)主違約率低于男性業(yè)主，女性業(yè)主更為保守。業(yè)主學(xué)歷與小微企業(yè)信貸違約顯著負(fù)相關(guān)，業(yè)主學(xué)歷越高，其經(jīng)營管理能力越強(qiáng);業(yè)主的法律意識較強(qiáng)，誠信觀念較好，違約的可能性越小。資產(chǎn)抵押率的估計系數(shù)為1.469，資產(chǎn)抵押率越高，其違約的機(jī)會成本越低，小微企業(yè)主觀越傾向于違約。從貸款特征分析，貸款金額、貸款期限、貸款利率均與違約概率正相關(guān)，貸款金額過大時，償債壓力較大，違約風(fēng)險高。小微企業(yè)規(guī)模有限，持續(xù)經(jīng)營能力較差，貸款期限越長，經(jīng)營過程的不確定性因素會導(dǎo)致違約風(fēng)險提高。高的貸款利率會導(dǎo)致小微企業(yè)逆向選擇，出現(xiàn)道德風(fēng)險。

　　(2)模型的違約預(yù)測能力檢驗。為檢驗財務(wù)指標(biāo)、企業(yè)概況、業(yè)主特征和貸款特征預(yù)測小微企業(yè)信貸違約的準(zhǔn)確性，本文將研究樣本的實(shí)際值代入模型，計算研究樣本在各模型下的違約率，將預(yù)測值與判別臨界值比較，以此作為判斷模型預(yù)測準(zhǔn)確性的標(biāo)準(zhǔn)�；�于先驗概率和判斷損失，以式(1)計算Logistic的最優(yōu)臨界值，將其作為違約與否的標(biāo)準(zhǔn)。α=12×lnq1cⅠq2cⅡ(1)其中，α代表最優(yōu)臨界值;q1、q2代表貸款違約和非違約的先驗概率，本文以研究期間該銀行貸款違約和非違約企業(yè)占總體之比表示，即q1為4%、q2為96%;cⅠ、cⅡ代表第Ⅰ類和第Ⅱ類錯誤的誤判損失。cⅠ以歷史貸款違約損失率衡量，約為71%，cⅡ以貸款利率與無風(fēng)險利率的差額衡量，約為1.85%;計算得出最優(yōu)臨界值為0.235。

　　可以發(fā)現(xiàn)，模型Ⅰ和模型Ⅱ?qū)�估計樣本的判別準(zhǔn)確率在82%以上，引入財務(wù)指標(biāo)、企業(yè)概況、業(yè)主特征和貸款特征的模型Ⅱ的判別準(zhǔn)確率在88.21%。說明基于財務(wù)和非財務(wù)信息的模型Ⅱ的預(yù)測能力更強(qiáng)，主要原因是小微企業(yè)規(guī)模有限，缺乏規(guī)范的財務(wù)制度，為了獲得融資，可能會粉飾財務(wù)數(shù)據(jù)，導(dǎo)致財務(wù)指標(biāo)失真。貸款違約與否不僅由小微企業(yè)的償債能力決定，同時也由其償債意愿決定。財務(wù)指標(biāo)僅能判斷小微企業(yè)貸款違約的客觀風(fēng)險，對違約的主觀風(fēng)險無法衡量。主觀違約意愿往往由小微企業(yè)的業(yè)主所決定，因此，業(yè)主特征指標(biāo)對衡量違約率十分重要。

　　但模型Ⅱ?qū)�交叉驗證樣本的預(yù)測準(zhǔn)確率僅為70.26%，說明模型所篩選的指標(biāo)相對于小微企業(yè)仍存在差異。隨機(jī)效應(yīng)Logistic回歸下的模型判別和預(yù)測的準(zhǔn)確率均明顯高于Logistic回歸，且預(yù)測能力的提高幅度大于判別能力。由于隨機(jī)效應(yīng)Logistic考慮了模型外不確定因素對貸款違約的影響，放寬了貸款違約概率非隨機(jī)的假設(shè)，因此其對估計系數(shù)的修正有利于提高判別能力和預(yù)測能力的準(zhǔn)確率。綜上，模型Ⅱ-Re的判別和預(yù)測準(zhǔn)確性最高，隨機(jī)效應(yīng)Logistic模型優(yōu)于Logistic模型。在財務(wù)指標(biāo)的基礎(chǔ)上，引入企業(yè)概況、業(yè)主特征和貸款特征等非財務(wù)指標(biāo)能夠加強(qiáng)小微企業(yè)信貸違約的預(yù)測效果。

　　(3)穩(wěn)健性分析。上文的結(jié)果是基于最優(yōu)臨界值的基礎(chǔ)上分析所得。根據(jù)我國小微企業(yè)歷史貸款違約率可得，cⅠ/cⅡ的取值范圍為32~43，因此Logistic臨界值取值范圍為0.144~0.292。為了檢驗Logistic和隨機(jī)效應(yīng)Logistic模型的預(yù)測差異。

　　可以發(fā)現(xiàn)，相比于Logistic模型，隨機(jī)效應(yīng)Logistic模型無論是估計樣本判別準(zhǔn)確率還是交叉驗證樣本的預(yù)測準(zhǔn)確率的波動都較小，說明隨機(jī)效應(yīng)Logistic模型的穩(wěn)定性更好。模型Ⅱ-Re的預(yù)測效果是最好的，判別的準(zhǔn)確率高達(dá)90%以上，預(yù)測的準(zhǔn)確率也基本在80%左右。基于財務(wù)指標(biāo)、企業(yè)概況、業(yè)主特征和貸款特征的模型Ⅱ的Logistic回歸和隨機(jī)效應(yīng)Logistic回歸的結(jié)果明顯優(yōu)于僅考慮財務(wù)指標(biāo)的模型Ⅰ，與上文結(jié)論一致，說明小微企業(yè)信貸違約預(yù)測模型有較好的穩(wěn)定性。

　　四、結(jié)論與建議

　　本文以2010~2015年585家小微企業(yè)信貸數(shù)據(jù)為研究對象，在探究小微企業(yè)信貸違約影響因素的基礎(chǔ)上，運(yùn)用隨機(jī)效應(yīng)Logistic回歸構(gòu)建評估小微企業(yè)貸款違約風(fēng)險的預(yù)測模型。實(shí)證結(jié)果表明：對于小微企業(yè)信貸違約影響因素而言，財務(wù)指標(biāo)對小微企業(yè)貸款違約的客觀因素有較好的解釋能力，流動比率、利息保障倍數(shù)、總資產(chǎn)周轉(zhuǎn)率、主營業(yè)務(wù)利潤率及總資產(chǎn)報酬率與小微企業(yè)信貸違約顯著負(fù)相關(guān);資產(chǎn)負(fù)債率與信貸違約顯著正相關(guān)。而企業(yè)概況、業(yè)主特征和貸款特征則對貸款違約的主觀因素有較好的解釋能力，企業(yè)所有權(quán)、性別、學(xué)歷于小微企業(yè)信貸違約負(fù)相關(guān);企業(yè)不良信用記錄、資產(chǎn)抵押率、貸款金額、貸款利率、貸款期限與信貸違約正相關(guān)。

　　因此，本文提出以下建議，供小微企業(yè)以及銀行予以參考：首先，構(gòu)建小微企業(yè)信用平臺。各級政府連同稅務(wù)、工商、海關(guān)等機(jī)構(gòu)，加快小微企業(yè)信用信息共享平臺的建設(shè)，加強(qiáng)基礎(chǔ)信息的管理。公開化的信息會促使小微企業(yè)提升自身的誠信意識，注重管理規(guī)范。此外信息共享平臺向銀行、保險公司開放查詢權(quán)限，可以幫助他們更加全面的了解申請貸款的小微企業(yè)的信用情況，解決信息不對稱的問題，減少不良資產(chǎn)率。

　　其次，加強(qiáng)銀行和保險機(jī)構(gòu)的合作�，F(xiàn)在商業(yè)銀行批準(zhǔn)貸款更加注重的是抵押擔(dān)保物，但隨著經(jīng)濟(jì)的發(fā)展，銀行應(yīng)該樹立平等的經(jīng)營理念，增強(qiáng)合作意識。與保險機(jī)構(gòu)在公平、互惠的基礎(chǔ)上，按照合理的比例分別承擔(dān)風(fēng)險責(zé)任。二者合理分工，一起做好貸款各個環(huán)節(jié)的審核和管理工作，共同維護(hù)資金安全，達(dá)到共贏的目的。

　　最后，加大政府對小微企業(yè)的支持力度。小微企業(yè)之所以會信貸違約，一方面是因為自身的誠信意識薄弱，另一方面也可能是因為自身的經(jīng)營狀況不理想，無力償貸。因此，政府可以針對滿足條件的小微企業(yè)制定優(yōu)惠的還款政策，如減免一定比例的利息等。同時，對開發(fā)新能源、使用新能源等的綠色小微企業(yè)政府也可以對其進(jìn)行政策支持，小微企業(yè)自身經(jīng)營狀況良好，就會減少小微企業(yè)無力償貸的幾率。

　　參考文獻(xiàn)：

　　[1]楊蓬勃、張成虎、張湘：《基于Logistic回歸分析的上市公司信貸違約概率預(yù)測模型研究》，《經(jīng)濟(jì)經(jīng)緯》2009年第2期。

　　[2]朱艷敏：《基于信用評分模型的小微企業(yè)貸款的可獲得性研究》，蘇州大學(xué)2014年博士學(xué)位論文。

　　推薦閱讀：金融管理與研究論文范文農(nóng)戶小額信用貸款