基于Logit法的我国农村小额贷款公司信用风险评分模型构建研究＊

郑兰祥，万 雪

（安徽大学经济学院，安徽合肥230601）

基于Logit法的我国农村小额贷款公司信用风险评分模型构建研究＊

郑兰祥，万 雪

（安徽大学经济学院，安徽合肥230601）

小额贷款公司伴随我国农村新型农村金融机构的建立应运而生，在扶持低收入群体、支持农村金融发展、实现小康社会等方面发挥了至关重要的作用，也逐渐形成适应我国“三农”发展的具有中国特色的小额信贷新方式。在发展过程中，由于其自身特殊性信用风险问题日益浮出水面，严重影响小额贷款公司的健康持续发展。通过LOGIT模型的构建，展开实证分析，有效评估信用风险，预测未来风险，针对评估结果对小额贷款公司的风险管理提出建议，促进小额贷款公司的健康发展，以更好的姿态支持我国农村金融的快速发展与完善。

农村小额贷款公司；信用风险评估；Logit模型

我国小额信贷发展起步于1993年，主要以扶贫、融通农村金融、支持“三农”发展为目标。新纪元伴随着国际上对小额信贷的高度关注以及我国金融体制的创新改革，我国政府对小额信贷的发展越来越重视，无疑为我国小额信贷的发展奠定了扎实的基础。农村小额贷款公司植根于小额信贷的蓬勃发展，在我国农村新型金融机构的发展潮流下应运而生。小额贷款公司在对农村金融发展的贡献上不可小视，不仅使广大贫困农户、乡镇企业等享受到金融支持，也有效完善了农村金融结构的空白之处，在一定程度上规范了农村金融的健康发展，促进了我国农村经济的和谐发展［1］。

随着小额贷款公司的兴起、发展，很多矛盾问题也逐渐浮出水面，在一定程度上阻碍了小额贷款公司的进步，如盲目贷款、业务局限、监管无力、利润微薄、贷款回收率低以及各项风险的存在。在上述各种阻碍小额贷款公司发展的因素中，信用风险是核心问题，也是不容忽视的因素。小额信贷面向对象的弱势特殊化、贷款额度较低及专业人才的稀缺等原因导致了其在营运过程中会面临较大风险。因此，如何有效控制信用风险，实现小额贷款公司、农村小额信贷健康和谐的发展成为重中之重。综上所述，本文旨在对小额贷款公司信用风险进行合理评估，以达到认识风险、控制风险的目的，从而帮助我国农村小额贷款公司走出困境，不断进步发展［2］。

一、文献综述

对小额贷款公司信用风险的评估模型设计主要是借鉴银行的评估体系，随着数学统计在金融领域的广泛应用，信用风险评估体系得到快速发展，关于我国农村小额贷款公司信用风险评估体系的研究也越来越多，尤其是对评估模型的探讨研究。张佳林、张玲研究了常见的信用风险评价方法，如财务比率综合分析法、5C要素分析法、多变量信用风险评估方法，以及一些以资本理论为基础的新思路，其中还简单探讨了信用集中风险的评价系统［3］。吴冲锋、程鹏、李为冰等人通过比较分析KMV模型、CreditRisk＋模型和Credit－Metrics三种模型，分析研究其模型基理以及自身的优势、局限性，在研究各模型应用条件的基础上各抒己见，展开探讨研究［4］。陈莹类比农村的小额贷款与银行的信用卡贷款方式，认为两者之间存在许多共通之处，建立了相应的“5C”评估体系［5］。王雄、谭民俊、岳意定［6］，李泽红、戴立新、杨方文［7］等人对小额信贷进行信用风险评估，结合应用层次分析法确定各指标所占权重，应用模糊评估模型确立信用等级。欧阳邵杰运用SWOT分析法分析研究我国小额贷款公司所遇见的风险［8］。

农村小额贷款信用风险评估体系的构建离不开指标的选取和设立，现阶段对模型合适指标的选取是评估体系建立的关键点和难点，我国学者对此也做了些许研究。刘敏祥依据小额贷款信用分析标准将其分为一般等级、较好等级、优秀等级三个层次的原则，结合运用“5C”分析法，选取了10个指标，即个人品质、文化水平、信用记录、产品质量等［9］。并且探讨了如何规范信用指标的设计，使分析指标更加的科学化，更加具有可操作性。王树娟、霍学喜、何学松运用模糊数学将定量分析引入农户信用评估中，根据各自特点，将农村信用社农户信用评估指标体系分成三个层次，分别为目标层、准则层、具体评估指标层，构建了我国农村信用社的信用风险评价模型和指标体系［10］。张昆选取75个指标，留下通过共线性检验的信息指标，应用逐步判别分析法筛选违约客户及非违约客户，将75个指标最终精选到14个有效指标运用于农村小额贷款信用评估体系的构建中来［11］。此外，还依据搜集到的农户信用资料确定评估标准，将客户分为9个等级，根据等级考虑发放贷款。

除此之外，对于商业银行中所存在的信用风险进行评估体系研究及模型的构建，我国学者也有大量的文献研究，可以作为我国农村小额贷款公司信用风险评估体系研究的借鉴。于立勇在了解商业银行信用风险内涵的基础上，构建了基于人工神经网络的信用风险评价预测模型［12］。李萌将不良贷款率作为信用风险的衡量标准，构建出商业银行的信用风险评估Logistic模型，并对模型进行实证分析［13］。孙秀峰、许文、迟国泰根据信用卡的使用情况和模糊隶属度原理提出了个人信用的评估方法［14］。还有邹海波、程婵娟［15］，张泽京、王傅强、陈晓红［16］等对商业银行信用风险评估体系的研究等。

综上所述，学术界已经对小额信贷的信用风险问题有了大量研究，为实际工作中小额贷款公司或是小额信贷的风险管理提供了理论支持和指导，尤其是信用风险评估模型的构建，有利于风险的预测和控制，并且在模型的研究和选择上，逐步修正完善，使其能够适用于不同的实际情况。但是我们也应当认识到，由于小额贷款公司的特殊性，信用记录及相关数据资料不易获取，大部分的研究仍然偏重于理论层面，同时一些依赖于大量数据的优良模型难以适用于小额贷款公司。总的来说，各评估模型的研究缺乏综合的风险预测判断，不能很好地从实证角度予以分析，使得在实际工作中，难免出现理论脱离实际的尴尬局面。

二、小额贷款公司信用风险评估模型构建

小额贷款公司作为新兴的金融机构，本身的数据积累不够，搜集资料也受到一定的条件所限，不能够使用现代信用风险评估模型，而对于信用评分模型，大多数模型要求样本假定服从正态分布，放眼现实中，农村小额贷款公司一样很难满足这个基本要求，因此，Logit模型的优势体现出来，该模型并不要求样本服从正态分布假定，历史研究也表明，Logit模型适用于个人的信用风险评估，且准确率维持在54%—90%间。因此，事实证明，该模型可以适用于我国农村小额贷款公司的信用风险评估。所以，本文选取了Logit模型来进行风险测度。

（一）研究思路

第一步，明确所要研究的问题，旨在对我国农村小额贷款公司的信用风险进行评估，测算违约概率，进行评定。第二步，通过信用评估模型的比较分析，确定选取Logit模型展开实证分析。第三步，选取样本档案，收集信用数据。第四步，确定指标的选用。根据样本收集对于初选的指标进行异方差检验、多重共线性检验从而去粗取精，筛选出能够有效反映小额贷款公司信用风险特点的主成分，确立符合实际情况的评估指标体系。第五步，参数的估计和模型检验。将指标数据代入Logit模型，运用SPSS软件进行参数估计，在检验后构造出适合我国小额贷款公司的信用评分模型。

（二）模型指标的选取

根据安徽省肥西县农村小额贷款公司资信等级评定表等档案，选取了劳动力、年龄、文化水平等13个指标。在确定最优变量指标之前，先进行正态性假设检验、异方差检验及多重共线性检验，通过检验确定模型可用的指标［17］。

农户基本情况。基本情况主要包含劳动力、年龄、文化水平三个因素。根据实际劳动力人数、农户劳动力所占家庭人口比例，分别将女性18—55岁计入模型，男性18—60岁计入模型。农户的劳动力占比与其经营、还款能力有高度关联性，男性中青年为主要财富收入来源，还款能力较高，信用度高。根据客户的受教育程度，将文化水平分为5个等级，分别为文盲、小学程度、初中（技校）、高中或高职中专、大学以及以上水平，依次赋值为0、1、2、3、4。文化水平直接影响农户的经营能力，文化水平越高，掌握新技术选择职业的前景越好，经营能力越大，信用等级越高。

农户收入情况。农户收入主要依靠农业收入和其他经营收入，其次还应该考虑拥有耕地及固定资产价值，如房产、农业工具机械等，本文以农户近五年的年收入均值来衡量其收入水平。收入水平主要考虑的是农户的财产量，集中体现了农户家庭的经营能力，一般情况下呈正相关性。收入水平体现了经营能力，更代表了其还款能力。

表1 模型指标选取说明

贷款指标情况。农户的贷款指标主要包含贷款金额、用途、利率、期限和还款方式等因素。农户贷款的流向主要根据其自身经营性质各有不同，根据贷款风险的大小依次为：经营小规模生产，发展种植业的农户对资金的需求主要是扩大其种植业的发展，经营较稳定，风险较低；在外打工的农民贷款流向主要是解决生活消费和子女教育学费等问题，有收入风险较低；专门经营种养殖业的农户因其经营状况对自然条件的依赖较大，风险较大；从事餐饮、运输、商业等经营的农户，市场的波动对其影响较大，资金的需求较大，因此风险也最大。据此，对上述贷款用途规定权数1、2、3、4，权数越大，风险越大。贷款利率直接决定了农户的还款利息，贷款利率越高，农户的偿还压力增大，导致信用等级降低。贷款期限决定了农户的还款期限，期限较长的贷款农户还款的压力较小，获得经营收入的机会增大，因此违约的可能性降低，对应的信用级别较高。农村小额贷款公司的贷款期限一般分为短期贷款6个月以内、6个月至1年，中长期贷款1年至3年、3年至5年、5年以上。还款方式可根据农户的经营情况、生产周期和偿还能力等因素自行选择，一般分为按月定额偿还，即每月按照规定金额予以本息偿还；到期一次性偿还本息和定期偿还。

区域经济发展水平情况。区域经济发展水平高低差异会直接影响农户的家庭财产、文化水平和经营收入等，经济发达地区的农户家庭财产和经营收入优于落后地区，总体上呈现正相关性。不同区域经济水平不同，农户的信用等级不同。

下面进行变量的定义及赋值，农户的信用评级等级记为y，赋值标准记为较差、合格、良好、优秀，其中较差＝0，合格＝1，良好＝2，优秀＝3。信用等级越高，风险越低。详情见表2。

表2 各变量定义及赋值情况

（三）Logit模型的构造

Logit模型也称作“评定模型”，是多变量分析的延伸，在经济学中应用广泛。在本文中，假设农户的违约率是P，1－P就表示不违约概率，则设Logit函数为［18］：

根据最大似然估计法，得出估计参数β0、β1、β2、βk，根据Logit模型可以得到农户借款在一段时间里的违约率，通常设定模型的临界点为0．50，判定准则为：若违约率P≥0．5，则认为农户存在高风险，反之则为低风险农户。

对以上列举的各项影响因素，筛选对信用评级有显著性影响的各因素，主要为文化水平、拥有耕地、农业收入水平、经营收入水平、贷款用途、贷款利率、还款方式、区域经济发展水平8大因素。检验结果为通过卡方检验，sig值小于0．03，拟合结果良好。平行性检验的sig值为0．02，显著性水平为2%情况下检验通过。

本文采用安徽省肥西县农村小额贷款公司提供的2008—2012年的相关数据资料，总共360个样本。将2008—2011年样本设置为训练组，共220个，2012年样本为预测组，共140个。按照五级分类标准，超过3个月未偿还贷款的农户为高风险客户，高风险客户共有105户，低风险客户255户。训练组内高风险客户有50个，低风险客户有170个，预测组内高风险客户30个，低风险客户110个。

将上述筛选变量的值代入到模型，根据SPSS软件计算出Logit函数为：

表3 安徽省肥西县农村小额贷款公司2008—2012年相关数据统计

（四）Logit模型的检验

在测算出Logit函数构建模型之后，对模型参数进行可行性检验，检验该模型是否可以有效适用于小额贷款公司的信用风险测度。

回归系数检验。模型中各变量的P值都小于显著性水平0．05，证明各变量通过显著性检验，认为各指标因素对违约行为的影响是显著的。

准确度检验。经过检验证明，Logit模型识别违约率的准确率达到88．1%，不违约率的准确率达到77．2%，总的来说，拟合程度较高，识别能力较强。

表4 贷款逾期情况列表

表5 贷款逾期情况分组列表

三、结论与建议

根据农村小额贷款公司的数据构建的Logit模型为农村小额贷款公司的信用风险预测提供了较为准确的数量依据，也为信用风险的防范指明了方向和重点。农村小额贷款公司可借助Logit模型对违约客户和非违约客户进行识别筛选。总体来说，Logit模型的结果是可以采信的，但是，模型的识别力仍有待加强，主要原因：一是样本容量的有限，二是农村小额贷款公司对客户信息的调查不够全面、深入，三是模型所采用的数据局限性较大，因此实践性较弱，可能存在区域性限制。

通过观察模型中的各参数可得，农户的文化水平、拥有耕地数、收入水平、贷款用途、和区域经济发展水平与农户的违约概率即信用风险呈负相关关系，贷款利率、还款方式与农户的违约概率即信用风险呈正相关关系主要体现在：农户的文化水平越高，素质越高，信用还款意识也越好，违约的可能性越低；农户拥有的耕地面积越高，农业收入越有包装，因此信用风险越低；农户的收入水平越高，包括农业收入、其他经营收入以及各类资产价值，还贷能力越强，越不可能产生违约现象；农户的贷款用途对违约产生起到了关键性作用，当贷款用于种植业、养殖业以及商业、运输等经营生产时，违约的可能性要高于用于农业基本生产的情况；贷款利率的高低决定了还款利息的高低，贷款利率高从而利息高的贷款还款压力大，违约风险高；还款方式不同，造成不同信用风险，按月还款比到期一次性还款的信用风险要低；区域经济发展水平越高的地区，整体经济实力较强，就业机会较多，农户可获得经营收入较多，同时，经济越发达地区居民文化水平越高，信用风险越低。

由于Logit模型的局限性，在今后的研究分析中，应考虑扩充样本容量，引入宏观经济变量进行分析，提高模型的应用性和准确性。

此外，为提高信用风险评分的准确性，农村小额贷款公司在实际工作中还应当做好以下方面的工作：首先，加强培养专业信贷人员。Logit模型虽然为信用风险的评估提供了参考依据，但是并不能完全依靠它，要加以配合信贷人员的专业操作，模型的建设作为一项精准复杂的工作，对信贷人员的专业素质要求较高，因此，应加强员工的专业技能培训，建立有效的激励惩戒机制，吸引优秀人才的加入，对模型的开发应培养掌握金融事务、熟悉信贷工作、具有专业知识的专业人才团队。

其次，建立健全数据资料库。建立健全农户的数据资料库是一项基础性工作，更是建立农村小额贷款公司信用风险评估模型的关键依据，更多的样本数据可以提高模型的识别力。因此，应大力加强农村小额贷款公司客户数据资料库的建立，规范档案的指标体系，最大力度地保证各项指标的真实性和全面性，提高电子化管理的能力，为模型的构建提供大量可靠的数据支撑。

再次，信用评估模型需要不断地改进更新，以适应发展中的情况并提高越策准确率。在我国农村小额贷款公司不断发展的过程中应积极关注信用风险评估的进程，也要不断创新风险预测办法，完善模型，将模型更好地应用于实际工作中。

最后，创新开发需求差异化贷款产品。农村小额贷款公司在农村金融发展的浪潮中，为了实现可持续发展和商业化进程，创新设计新的符合客户需求的个性化、差异化金融产品是必要手段，在探索新产品开发过程中结合有效的信用风险控制措施，积极开发风险分散、控制的创新金融产品，才能实现健康持续的发展，既扩大客户群又在一定程度上保障了贷款质量，正是推动农村小额贷款等金融机构不断发展和完善的中坚力量。

［1］杜晓山．小额信贷的发展与普惠金融体系框架［J］．中国农村经济，2006（8）：70－73．

［2］杜晓山．小额信贷之父——杜晓山解读：覆盖率仅10%中国公益小贷机构三大困局［N］．21世纪经济报道，2010－12－01（12）．

［3］张佳林，张玲．信用风险评估方法发展趋势 ［J］．预测，2000（4）：72－75．

［4］程鹏，吴冲锋，李为冰．信用风险度量和管理方法研究［J］．管理工程学报，2002（1）：70－73．

［5］陈莹．我国农户小额贷款信用风控制研究［D］．成都：西南财经大学，2006：35－42．

［6］王雄，谭民俊，岳意定，等．FPR—UTAHP评价方法在农户小额信贷信用评级中的应用［J］．系统工程，2007（5）：55－59．

［7］李泽红，戴立新，杨方文，等．农户小额信用贷款风险及评价研究［J］．科技和产业，2008（3）：20－24．

［8］欧阳邵杰．基于SWOT分析的我国小额贷款公司发展问题及建议［J］．现代商业，2011（5）：19－20．

［9］刘敏祥．我国农户信用分析的规范化设计［J］．金融理论与实践，2004（1）：48－51．

［10］王树娟，霍学喜，何学松．农村信用社农户信用综合评价模型［J］．财贸研究，2005（5）：35－39．

［11］张昆．基于逐步判别的农户小额贷款信用评价研究［D］．大连：大连理工大学管理学院，2010：8－50．

［12］于立勇．商业银行信用风险评估预测模型研究［J］．管理科学学报，2003（5）：46－52，98．

［13］李萌．Logit模型在商业银行信用风险评估中的应用研究［J］．管理科学，2005（2）：33－38．

［14］孙秀峰，许文，迟国泰．个人信用卡信用风险评价体系与模型研究［J］．同济大学学报：自然科学版，2006（1）：164－175．

［15］邹海波，程婵娟．CPV模型在银行贷款违约概率计算中的应用研究［J］．当代经济科学，2009（5）：15－20．

［16］张泽京，陈晓红，王傅强．基于KMV模型的我国中小上市公司信用风险研究［J］．数理统计与管理，2008（1）：164－175．

［17］刘艳艳．基于农户视角的小额信贷信用风险影响因素分析——以泗洪农村合作银行为例［D］．南京：南京农业大学经济管理学院，2011：21－32．

［18］王霞，吕德宏．基于多分类有序Logit模型的农户信用等级影响因素［J］．中国农业大学学报，2013，18（3）：209－214．

A Study on the Credit Risk Rating Model Construction of Rural Microfinance Company Based on Logit Model

ZHENG Lan－xiang，WAN Xue
（School of Economics，Anhui University，Hefei 230601，China）

Small loan companies，which have played a crucial role in achieving well－off society，have gradually developed a new type of micro－credit suitable for the development of three rural issues of China．However，in their development process，due to their own particularity the issue of credit risk has drawn people’s attention，seriously affecting their sustainable development．A Logit model is built in the study to make an empirical analysis，assessing the credit risks and predicting future risks，so as to put forward suggestions for the healthy development of small loan companies and the rapid development and perfection of China’s rural finance．

rural micro－loan company；credit risk assessment；Logit model

F830．34

A

1009－2463（2014）04－0049－06

2014－03－19

安徽省社会科学基金项目（AHSK09－10D28：《安徽地方金融体系发展与创新研究》）；安徽大学江淮学院院级社会科学研究项目（2012SK1001：《发展新型农村金融机构研究》）

郑兰祥（1965－），男，安徽凤台人，安徽大学经济学院教授。

万 雪（1989－），女，安徽合肥人，安徽大学经济学院硕士研究生。