小微企业风险测度、不良容忍度及其风险控制研究

王晓春

摘要：本文以违约概率为小微企业风险的测度标准，建立了基于财务与非财务因素的小微企业风险计量模型。计量结果表明：除流动比率等少数指标外，大部分财务指标对判断小微企业违约概率不具有显著性；非财务因素中，反映小微企业资金状况的存贷比率指标具有较高的显著性，这说明现阶段部分商业银行在小微企业审查审批和贷后管理过程中将小微企业资金结算情况作为风险评价的重要依据，具有一定的科学性和准确性；小微企业的下游客户集中程度对判断小微企业违约概率也有较大的显著性，这说明小微企业的销售渠道是评价小微企业风险程度的重要要素。

关键词：小微企业；违约概率；logit模型；贷款不良率

中图分类号：F830文献标识码：A文章编号：1674-2265（2012）11-0007-05

近年来，随着中小企业在促进经济发展、扩大就业、推动科技创新等方面的作用越来越突出，如何支持、鼓励中小企业发展壮大成为社会各界所广泛关注的话题。现阶段资金短缺仍是中小企业发展过程中所面临的最突出的问题，而银行仍是中小企业融资的主要来源。为改善小微企业融资难问题，银监会在2012年6月8日出台的《商业银行资本管理办法》中降低了小微企业的风险权重，降低了小微企业相关业务的资本消耗，部分地方银监局放宽了对辖内金融机构小微企业不良贷款的容忍度，进一步引导商业银行加大对小微企业的信贷支持力度。但对于商业银行而言，风险管理仍是开展小微企业信贷业务必须考虑的问题。在商业银行实际信贷业务办理过程中，小微企业一般财务管理不规范，导致传统的财务分析方法难以全面、准确评估其经营状况和风险水平，这使得对小微企业的风险量化存在较大难度。因此如何对小微企业风险进行识别和计量，成为各商业银行开展小微企业信贷业务过程中所重点关注的问题。有效的小微企业风险度量技术，不仅有助于商业银行规范小微企业准入标准、提高风险管理能力，也是商业银行特别是以服务中小企业为定位的中小商业银行建立内部评级体系并规模化开展小微企业信贷业务的必然途径。

本文立足于我国小微企业的现状，以商业银行内部小微企业信贷数据为基础，借鉴前期文献资料的研究成果，结合商业银行内部评审过程中所重点关注的要素，深入分析影响小微企业风险程度的因素，并建立了以违约概率等财务因素、非财务因素为自变量的风险测度模型。本文的研究对象和变量选择与前期研究文献有较大不同，也不同于完全基于财务因素的小企业风险计量研究。

一、文献综述

企业风险计量模型早期主要基于财务数据分析。在上个世纪60年代，比弗（Beaver，1968）建立了单变量财务指标线性判别模型，奥尔特曼（Altman）建立了基于5个变量和7个变量的Z分数模型。在财务比率分析的基础上，为探索更易于推广的计量方法，奥尔森（Ohlson，1980）和扎格雷安（Zavgren，1985）使用logit模型分析企业风险，取得了较好的效果。进入90年代，JP Morgan等公司开发了creditmetic 、CPV等评级模型，在各大银行广泛应用，但因为这些评级模型需要较长时间的数据积累，并且要求被分析的企业财务制度健全、财务管理规范，导致该类模型对以中小企业为市场定位的中小银行适用性较差。

国内对于信用风险计量的研究起步较晚，陈静（1999）较早地应用计量模型分析财务数据预测国内上市公司是否会被ST；张爱民等（2001）通过主成分分析方法判断上市公司财务困境的可能性；吴世农、卢贤义（2001）分别采用单变量模型、fisher判别模型、logit模型等预测上市企业是否会出现财务困境并得出logit模型判别效果优于其他模型的结论；李志辉、李萌（2005）从某银行内部寻找上市公司客户，并通过线性判别模型、logit判别模型、BP神经网络模型进行判断分析，同样得出logit模型的风险识别和预测的准确率较高，判定结果好且模型较为稳定，推广能力强。由于中小企业财务数据获得难度较大且数据的真实性较难保证，国内大多数的研究都集中在上市公司或大中型企业上。为研究针对中小企业风险的计量方法，徐晓萍、马文杰（2011）以非上市的中小企业为研究样本，采用判别分析方法和决策树模型对46个中小企业的风险状况进行了计量分析，但分析的自变量也都基于财务数据。

在商业银行信贷业务实际操作过程中，虽然部分银行已建立了针对小微企业的审查审批部门或岗位，但贷款调查、审查等方面仍然与一般企业贷款流程没有明显区别；小微企业评级方面，与一般企业相比也没有设置特殊的变量。鉴于小微企业财务透明度差、财务指标有效性差、个人因素影响较大的实际特点，在对小微企业的风险管理上还是主要依靠专家把握。通过建立针对小微企业的风险计量模型，不仅可以降低专家判断模式下的成本，实现小微企业信贷业务规模性发展，而且能够有效控制小微企业不良率，促进商业银行自身业务发展。

二、数据及模型的选择

（一）样本数据的选择

为便于对已发生信贷业务的小微企业客户违约情况进行判定，并便于数据修补，本文以某商业银行2010年7月1日至2011年6月30日期间取得贷款的小微企业为研究对象，剔除数据积累不完整及重要指标无法修补的客户，并兼顾行业覆盖度，共筛选得样本192个，基本涵盖了该商业银行小微企业所涉及的行业，具有较好的代表性。本文以其中76个作为训练样本进行建模，其余116个作为测试样本，用于检验模型的区分能力，判断模型的推广能力。

在对违约客户的判断上，本文没有直接采用新资本协议中的定义，而是将逾期时间超过1个月或有迹象表明自身已不具备偿还能力的客户一并认定为违约客户。经对违约客户进行认定，76个训练样本中，违约客户25个，其余51个客户为正常客户；116个测试样本中，违约客户36个，其余80个为正常客户。

（二）变量的选择和处理

现阶段，小微企业财务制度普遍不规范，财务数据缺乏真实性。因此，仅仅依靠财务分析来判断小微企业的风险状况，往往难以取得预期的效果。商业银行在信贷业务操作中更加注重对小微企业非财务因素的分析。本文在对某商业银行贷款审查环节审查人员所重点关注的非财务因素进行统计分析后，选择以下指标为研究变量（见表1）：

1. 从业经验。主要指借款企业从事该行业的时间长度。一般认为，从业经验越丰富，抗风险能力越强。在下文分析中，将以年度为单位对从业经验进行量化分析。

2. 经营者个人信用。主要指法定代表人或实际控制人的个人征信记录中有无逾期现象，及一定时期内的累积逾期次数。在下文分析中，将以小微企业客户贷款申请日之前3年内的累积逾期次数作为变量值。

3.议价能力。主要分析企业是否为上游企业的主要客户，谈判地位是否主动，可否赊销。该指标通过设置虚拟变量进行计量，具体为：当客户可获得上游客户的赊销时，认为客户议价能力强，代表议价能力的v值等于1；若客户不能获得上游客户的赊销时，v值等于0。

4.下游客户集中度。主要指下游客户是否集中，具体通过最大客户占全年销售收入的比重进行确定。因销售收入是一个不断变动的数值，实际操作中，审查人员往往更加关注下游客户是否集中这种定性指标，而且下游客户销售收入的具体数据较难修补。因此，为适应信贷业务操作习惯和便于数据采集，该指标通过虚拟变量进行。当最大客户销售收入占比≥65%时，认为下游客户集中度较高，r=1；否则，认为下游客户集中度不高，r=0。因为对于大部分小微企业而言，销售渠道相对有限，对下游客户集中度判断较为容易，部分小微企业下游客户集中度可以根据贷前调查结论直接判断。此外，本文在分析过程中也发现这种处理方式的显著性和预测效果都较好。

5. 存贷比率。主要反映客户资金交易频繁程度和现金流量情况，计算时包含企业主要经营人个人账户资金情况，但不含银行承兑业务保证金。在模型中，该指标需要考虑到新增授信客户不便取得前期存贷比率数据。该项指标用k*dl代表。其中，k代表客户是否首次在该商业银行发生信贷业务，dl代表客户业务往来是否频繁、现金流量是否充沛。当k=0时，表示客户首次发生信贷业务，k=1为还后再贷业务；dl=0代表业务交易较少、现金流量并不十分充沛，dl=1代表交易频繁、现金流较充沛。dl的值取决于上笔信贷业务中，客户的存贷比率。当存贷比率≥10%时dl=1，否则dl=0。

此外，本文共选取16个财务指标，作为变量一并纳入建模过程，（见表2）。