中小企業(yè)評(píng)價(jià)信用風(fēng)險(xiǎn)論文范文

本站小編為你精心準(zhǔn)備了中小企業(yè)評(píng)價(jià)信用風(fēng)險(xiǎn)論文參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

一、信用評(píng)分法

和前兩種方法相比，信用評(píng)分法是一個(gè)量化法最著名的模型就是Z計(jì)分模型（Z-score）：它的基本思想是利用數(shù)理統(tǒng)計(jì)中的辨別方法分析銀行的貸款情況，建立一個(gè)可以在最大程度上區(qū)分信貸風(fēng)險(xiǎn)度的模型，得到最能夠反映借款人的財(cái)務(wù)狀況的好壞，具有預(yù)測(cè)和分析價(jià)值的比率，從而對(duì)企業(yè)進(jìn)行信用風(fēng)險(xiǎn)狀況評(píng)估。模型如下：X1=流動(dòng)資本/總資產(chǎn)；X2=留存收益/總資產(chǎn)；X3=息稅前收益/總資產(chǎn)；X4=優(yōu)先股和普通股市值/總負(fù)債；X5=銷售額/總資產(chǎn)=主營(yíng)業(yè)務(wù)收入凈額/總資產(chǎn)。Z<1.8，財(cái)務(wù)狀況較差，信用風(fēng)險(xiǎn)高，拒絕貸款；1.8≤Z≤2.99，為灰色區(qū)，誤判的概率較大；2.99<Z，財(cái)務(wù)狀況良好，信用風(fēng)險(xiǎn)低，可以貸款。Z-score模型主要是利用財(cái)務(wù)指標(biāo)進(jìn)行加權(quán)平均，該模型有2大缺陷：①企業(yè)財(cái)務(wù)數(shù)據(jù)反映的是過(guò)去的信息，利用這些數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)度量的結(jié)果也只是對(duì)過(guò)去風(fēng)險(xiǎn)水平的測(cè)量；②中小企業(yè)多半不是上市公司，財(cái)務(wù)指標(biāo)原始數(shù)據(jù)獲得困難。

二、現(xiàn)代判別法

（一）統(tǒng)計(jì)模型法。統(tǒng)計(jì)模型法是典型的定量評(píng)級(jí)法，根據(jù)中小企業(yè)信用數(shù)據(jù)，統(tǒng)計(jì)模型，計(jì)算其違約風(fēng)險(xiǎn)的大小常見(jiàn)的有Logit模型和Probit模型。1、Logit模型。Logit模型是通過(guò)一個(gè)取值為0和1之間的Logistic函數(shù)來(lái)進(jìn)行二類模式分類。不要求數(shù)據(jù)滿足正態(tài)分布，這是其最大優(yōu)點(diǎn)；另外，自變量、因變量之間不是線性關(guān)系，模型如下：xk（k=1，2，…m）為信用風(fēng)險(xiǎn)影響變量（多為企業(yè)財(cái)務(wù)指標(biāo)），ck（k=0，1，2，…，m）為技術(shù)系數(shù)，通過(guò)回歸估計(jì)獲得?；貧w值p∈（0，1）為中小企業(yè)信用風(fēng)險(xiǎn)分析的判別結(jié)果。如果p接近于0，則被判定為“差類”企業(yè)；若p接近于1，則被判定為“好類”企業(yè)。即p值離0越遠(yuǎn)，企業(yè)違約風(fēng)險(xiǎn)越小；反之，違約風(fēng)險(xiǎn)越大。2、Probit模型。Probit模型假定誤差項(xiàng)服從標(biāo)準(zhǔn)正態(tài)分布，樣本企業(yè)的債信質(zhì)量得分也服從標(biāo)準(zhǔn)正態(tài)分布。Xi與B分別為解釋變量與回歸系數(shù)構(gòu)成的向量；Yi*為樣本公司有財(cái)務(wù)危機(jī)的傾向。當(dāng)Yi*>0時(shí)，表示樣本企業(yè)有債務(wù)危機(jī)傾向；當(dāng)Yi*<0時(shí)，表示無(wú)債務(wù)危機(jī)傾向。統(tǒng)計(jì)模型確實(shí)可以憑借統(tǒng)計(jì)分析提供有參考價(jià)值的依據(jù)，比較容易在評(píng)級(jí)效果上取得一致性。但存在兩點(diǎn)缺陷：①缺乏有力的理論基礎(chǔ)支持區(qū)別函數(shù)中的權(quán)重及自變量。在信用評(píng)分模型中的權(quán)重及自變量通常只能維持短期的穩(wěn)定狀態(tài)，特別是當(dāng)金融市場(chǎng)發(fā)生變化時(shí)，其他的財(cái)務(wù)比率也許在解釋違約風(fēng)險(xiǎn)概率上容易造成預(yù)測(cè)模型的不穩(wěn)定。②模型忽略了難以計(jì)量但又重要的因素，如借款人聲譽(yù)。

（二）人工智能法。人工智能法主要包含專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)。1、專家系統(tǒng)。專家系統(tǒng)其實(shí)是模擬專家運(yùn)用知識(shí)進(jìn)行推理的計(jì)算機(jī)程序，將專家解決問(wèn)題的推理過(guò)程再現(xiàn)從而成為專家的決策工具或?yàn)榉菍I(yè)決策者提供專業(yè)性建議。專家系統(tǒng)一般采用歸納推理法，分析一系列案例，發(fā)現(xiàn)其規(guī)律。歸納推理有兩種途徑：一是利用大量案例信息來(lái)發(fā)現(xiàn)規(guī)律的信息驅(qū)動(dòng)型；二是利用先驗(yàn)?zāi)Ｐ椭笇?dǎo)來(lái)發(fā)現(xiàn)規(guī)律的意識(shí)模型驅(qū)動(dòng)型。利用計(jì)算機(jī)的人工智能法大大降低了風(fēng)險(xiǎn)評(píng)估的難度，但是專家系統(tǒng)中知識(shí)的獲取始終是瓶頸，極大地影響著專家系統(tǒng)在信用分析領(lǐng)域的應(yīng)用前景。2、神經(jīng)網(wǎng)絡(luò)（PNN）。神經(jīng)網(wǎng)絡(luò)是一種具有模式識(shí)別能力、自組織、自適應(yīng)、自學(xué)習(xí)特點(diǎn)的計(jì)算機(jī)制，該方法主要將知識(shí)編碼用于整個(gè)權(quán)值網(wǎng)絡(luò)，具有包容錯(cuò)誤的能力，同時(shí)對(duì)數(shù)據(jù)的分布沒(méi)有嚴(yán)格要求，也不必要詳細(xì)表述自變量與因變量之間的函數(shù)關(guān)系。該模型原理是通過(guò)神經(jīng)網(wǎng)絡(luò)的分類功能進(jìn)行信用風(fēng)險(xiǎn)分析的。首先找出影響分類的因素，作為PNN的輸入量，然后通過(guò)有導(dǎo)師的或無(wú)導(dǎo)師的訓(xùn)練形成神經(jīng)網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)分析模型，用于新樣本的判別。

三、結(jié)論

信用風(fēng)險(xiǎn)度量方法大致經(jīng)歷了從定性到定量；從指標(biāo)分析到模型分析；從財(cái)務(wù)指標(biāo)分析到資產(chǎn)市場(chǎng)價(jià)值分析；從只考慮公司這個(gè)微觀客體到把宏觀經(jīng)濟(jì)因素考慮在內(nèi)?？紤]到我國(guó)中小企業(yè)大部分為非上市公司，Z-score模型無(wú)法普遍推行使用。另外，我國(guó)中小企業(yè)信用數(shù)據(jù)庫(kù)尚不成熟，歷史信用數(shù)據(jù)積累少，質(zhì)量較差，當(dāng)前運(yùn)用現(xiàn)代信用風(fēng)險(xiǎn)度量技術(shù)評(píng)估我國(guó)中小企業(yè)信用風(fēng)險(xiǎn)尚不成熟。但是，目前銀行單獨(dú)使用傳統(tǒng)分析法，將大部分資金匱乏的中小企業(yè)拒之門(mén)外，逼迫中小企業(yè)求助民間貸款，年利息高達(dá)30%?！百J款越來(lái)越少，利息越來(lái)越高”成了中小企業(yè)發(fā)展的罩門(mén)。因此，度量中小企業(yè)信用風(fēng)險(xiǎn)的最有效辦法是將傳統(tǒng)方法與現(xiàn)代判別法相結(jié)合，同時(shí)載入財(cái)務(wù)數(shù)據(jù)與非財(cái)務(wù)數(shù)據(jù)，進(jìn)行多元統(tǒng)計(jì)分析。

作者：趙池北單位：宿遷職業(yè)技術(shù)學(xué)院