時間:2018年03月07日 分類:經(jīng)濟(jì)論文 次數(shù):
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);谙闰灨怕屎团袛鄵p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)烙嫎颖镜呐袆e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)徊骝炞C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