中小企业信用风险主要度量模型述评

本文通过分析发现，当前适用于中小企业信用风险的度量模型，如统计模型、AHP、BP神经网络、SVM，不同的度量模型均存在着一定的优势与不足。未来中小企业信用风险模型的构建可从数据的搜集、定性定量指标的选取、动态因素等方面进行优化。

中小企业 信用风险 融资

引言

融资难是制约我国中小企业发展最主要的因素。融资难困境的根本原因在于中小企业与金融机构信息不对称，我国尚未发展出中小企业信用评级的方法。当前信用风险度量模型大部分适用于大企业。然而大企业与中小企业在信用风险表现上有显著差异，Vallini（2008）、王建刚（2016）、郭晓凤（2017）等认为规模不同的企业需建立相应的信用评级模型。因为中小企业规模小、财务透明度差、发展时间短等因素，中小企业信用风险难以准确度量，以致于难以获得金融机构的认可从而无法获得融资。

中小企业信用风险的度量

（1）统计模型法。在运用统计模型法度量中小企业信用风险时，主要采用LDM、LPM、Logit、Logistic ，其中Logistic模型应用较为广泛。Wiginton（1980）首创性地把Logistic模型用于信用风险评估中，条件概率为： ，其中，。该类模型對数据要求不高，运用静态的定量指标，较好搜集；参数估计和使用较为简便，且评估结果较好。缺点在于模型是经验性的，不具备有效的经济意义，缺乏对动态、定性因素的考虑，无法作出全面细致的评估。

卿固等（2015）、刘秀琴（2016）、王千红（2017）等学者采用Logistic模型进行实证，均表明模型准确率较高，能较好判别中小企业的信用风险，可用于信贷创新以改进中小企业融资难题。梁琪等（2014）引入截面数据的随机效应Logistic模型，以期解决模型之外因素对违约行为的影响，研究发现随机效应Logistic模型以及添加公司治理指标能更加优化判别预测效果。

（2）层次分析法。层次分析法（AHP）是由T.L.Satty于上世纪60年代提出的将定性与定量因素相结合的决策分析方法。中小企业的信用风险度量问题较为模糊、复杂而又难以完全量化，因此AHP适用于中小企业信用评级，且表现出了良好的实用性与有效性。王洁（2012）提出了一种基于粗糙集与 AHP 信用评估模型，评估结果较好，误差小于5%。左锐等（2015）利用 AHP 结合定性和定量因素建立了中小企业信用评级体系，从财务要素、环境要素、成长要素、创新要素、企业基本素质五方面选取了具体指标，根据判断矩阵构建相对指标权重。近年来AHP不仅用于中小企业、供应链融资信用风险，还拓展到了如P2P网络借贷等互联网金融领域风险的度量。

（3）BP神经网络。Rumelhart等（1986）提出了BP神经网络，此后多应用于医学、计算机等领域。输入层、中间层和输出层是BPN的三个层次，多指标归一化处理作为输入，评价结果作为输出。Jensen（1992）率先使用BPN对贷款企业进行信用风险分类，效果良好。此后Coats（1993）、Altman（1994）也开始了BPN对信用风险的研究。后来我国学者郝丽萍（1999）、庞素琳等（2003）等也开始了把BPN用于度量商业银行贷款信用风险，实证表明BPN比LDA的判别效率更高。杨淑娥等（2005）指出BP神经网络在处理关联度高、非线性变化以及缺失部分数据的情况时对风险的识别能力仍较好。王凯（2007）、李媛媛等（2014）、陈祥碧（2015）等人将BP神经网络用于中小企业信用风险的度量，预测精度较高。但目前也还存在着数据有限、网络稳定性差等缺点。

（4）支持向量机。支持向量机（SVM）是一种基于统计学习理论的非线性分类方法，能够较好完成信用风险识别。Vapnik（1995）首先提出了SVM，该方法能够处理非线性、非正态、高维度、小样本的数据，且学习速度较快。此后不少学者如Huang（2004）、Lee（2007）、陈诗一（2008）等人通过实证研究发现，SVM比其他分类方法效率更高。肖斌卿等（2016）指出SVM二元分类比较粗略，用于信用体系的建设还有待细化。为了提升对中小企业信用风险的预测精度和稳定性，一些学者结合研究对象，选取了LS-SVM、ODR-BADA

SYN-SVM、KPCA-PSO-SVM等模型对

SVM进行改进。

结语

信用风险是金融风险的主要类型，阻碍着中小企业的融资道路。信用风险度量模型大致分为专家系统模型（5C、5P、LAPP），信用评分模型（ Z-Score、ZETA 、Logistic、Probit），现代信用风险模型（KMV、Credit Risk+、Credit Metrics、Credit Portfolio View），人工智能模型（BP神经网络、SVM、决策树）。当前风险度量模型适用于规模较大、治理完善、财务数据完整的企业。本文对当前适用于度量中小企业信用风险的主要模型做了梳理，分析了优势与不足。在我国大力发展大数据、人工智能以及不断完善征信系统的背景下，未来中小企业信用风险模型的构建可从数据的搜集、定性定量指标的选取、动态因素等方面进行优化。只有解决了中小企业信用评级的问题，中小企业融资的渠道才能更加畅通。

[1]梁琪，过新伟，石宁.基于随机效应logistic模型的中小企业财务失败预警研究[J].管理工程学报，2014，28（03）：126-134.

[2]左锐，刘哲.基于AHP法中小企业信用评级指标体系的构建[J].财会通讯，2015（11）：80-83.

[3]肖斌卿，柏巍，姚瑶，李心丹.基于LS-SVM的小微企业信用评估研究[J].审计与经济研究，2016，31（06）：102-111.

[4]Jensen Herbert.Using neural networks for credit scoring [J]. Managerial Finance，1992，18（6）：15-26.

作者简介：郑美莲（1994—），女，汉族，四川资阳人，硕士研究生，北京工商大学，研究方向：金融工程。