信用评分技术的应用与农村小微企业融资

赵围瀚+李明鉴+鲁亮

【摘要】信用评分技术的出现，使商业银行找到一种有效评价、防范小微企业风险和控制贷款管理成本的信贷技术。但是这项技术在我国还不成熟，本文通过对山东省枣庄市与江苏省南京市商业银行以及对江苏省南京市农村小微企业的调查，试图分析我国商业银行在使用信用评分技术上的不足并提出相关建议。

【关键词】信用评分技术 农村小微企业 商业银行

一、引言

随着我国经济的高速发展，小微企业在经济发展中的重要地位逐渐被人们所认识，它们提供了更多的就业机会和创新能力，但是小微企业的发展受到很大制约，集中表现在融资难问题上。财务信息不透明导致的银企信息不对称是小微企业难以获得银行贷款的重要原因。而信用评分技术的出现，使商业银行找到一种有效评价、防范小企业风险和控制贷款管理成本的信贷技术。

二、信用评分技术的介绍

信用评分自20世纪50年代首次运用于信用卡贷款领域的信贷申请评估后，银行又将这一技术应用于其他信贷产品，如汽车贷款、住房贷款等，到90年代中期它已成为银行业评估并发放消费贷款的主流方法。

（一）信用评分技术的含义

信用评分是银行运用现代数理统计模型和计算机系统对客户的信用情况进行分析、预测并作出信贷决策的新技术。

（二）信用评分技术的原理

信用评分的基本原理是：银行首先通过对企业历史数据的分析，选择与信用风险密切相关的若干特征变量建立模型，然后根据模型对贷款申请者未来还款能力进行预测并作出信贷决策。在实务中，银行根据影响企业还款的各项因素指标打分，根据指标打分值与指标所占比重相乘，得到总的信用评分值。银行根据自身所能接受的风险程度设置一个得分下限，如果贷款申请人得分超过这一下限，计算机系统计算出的结果将建议发放贷款，否则拒绝发放贷款。对于拒绝发放的贷款，银行如果认为仍有审批的必要，就派人实地再调查，确认企业情况仍比较好就将系统信用评分转为手工审批，通过专家经验进行判断再决定是否发放贷款。

三、信用评分技术应用的案例分析——以山东省枣庄市与江苏省南京市为例

為了研究信用评分技术在我国商业银行的应用情况，本文以山东省枣庄市与江苏省南京市为例，实地调查了两地各一家商业银行，山东省枣庄市薛城区的商业银行A以及江苏省南京市高淳区的商业银行B，其中银行A资产规模较大，是大银行，银行B资产规模较小，是小银行，对两家商业银行信用评分技术的应用进行案例分析。

（一）对山东枣庄市薛城区的商业银行A的案例分析

该行小微企业信用评分技术的使用以小微企业评分卡信贷业务的模式体现，结合国际先进理念，根据小微企业历史数据，采用逻辑回归等统计方法，结合专家意见开发形成，用于债项评价、贷后管理、续贷业务，包括申请评分卡和行为评分卡。申请评分卡根据小微企业历史业务数据回归形成数据驱动指标，并采用专家调整策略方式对小微企业客户申请情况进行补充分析，为贷款审批决策提供依据。

该评分卡模型框架由数据驱动和专家调整策略指标组成。

（1）数据驱动模型变量：数据驱动模型变量主要是企业申请贷款的条件，包括申请贷款的额度、担保方式和贷款期限等以及企业高管的基本信息，包括年龄、受教育水平等，企业会得到一个数据驱动模型评分结果，数据驱动模型按照小微企业零售评分卡的分值规则分为“高分段”、“中分段”、“低分段”。

（2）专家调整策略模型变量：这些变量主要涉及企业的财务信息、稳定性、企业主还款能力，是对企业主违约风险的度量，企业会得到一个专家调整策略模型评分结果，专家调整策略模型按照分数高低分为“高风险”、“中风险”、“低风险”。

（3）在对小微企业进行评分处理时，以上两类模型结合起来使用：两个模型的分数按照下表进行二维表对应，分为“推荐通过”、“一般通过”和“建议拒绝”三种，审批人按照对应区间的建议审批政策进行审批。

（4）在完成以上评分之后，银行会对企业进行贷款配额、定价、审批。其配额与定价策略都是根据企业在以上两个模型中的评分结果来给予贷款的配额与定价，分数越高，获得的贷款额度就越大，贷款的利率就会越低，这是银行对信用程度高、违约风险低的良好企业的优惠与便利。

其审批策略包括：自动拒绝、高分挑选、低分挑选与挽救策略，每个策略都有一定的条件。自动拒绝策略是对那些不满足基本准入条件的企业，系统会自动拒绝其申请；高分挑选策略是对那些“推荐通过”的客户，通过人工审批将其中满足某一条件、有不良信用而未被检测的企业淘汰；低分挑选是对那些“建议拒绝”的客户，通过人工审批将其中满足某一条件、信用较好而未被检测的企业挑选出来；挽救策略是对系统自动拒绝的客户，若满足其条件，会对其重新进行人工审批。

以上是该商业银行信用评分技术的整个流程，能够看出，作为资产规模较大的银行，整个过程的完成，科学、严密，先评分，再配额、定价，最后审批，而配额、定价都是根据评分结果进行的，审批更是全面，在好客户中筛选不好的，在坏客户中筛选不坏的，尽量不遗漏，而且其中过程大都是由计算机完成，信息获取也从银行内部信息库获取，信用评分的效率高、成本低。

但是，在对银行A进行调查时，我们发现，银行A自从2014年使用信用评分技术以来取得的效果甚微，在2016年内，只有不到10家农村小微企业在银行申请过贷款，数量很少，而且企业的评分结果也很低，说明银行A的信用评分技术并没有对该地区农村小微企业的贷款的获得性有显著提高，说明银行A信用评分技术存在问题。

理论上分析银行A信用评分技术的使用：

首先，不同规模银行信用评分审批方式不同，其中一种是银行根据信用评分自动做出贷款批准/拒绝的决策，这种方法可称作“懒惰式”策略。由于减少了大量的人力投入，可降低银行的贷款审查成本。若贷款量足够大，可实现银行的规模经济，分散异质化风险，还可以增加贷款产生阶段和服务阶段的手续费收入，以及通过证券化和贷款出售等方式回收稀缺的银行资本。大规模银行更倾向于这种审批方式，而且大银行获取的信息以企业财务信息为主，银行A就是这样的大银行。

其次，信用评分技术起源于个人消费信贷领域，而小企业贷款与消费者信贷有相似之处：笔数多、数额小、交易成本高，小企业的信贷价值与其所有者的信贷价值紧密相联[5]，因此大银行获取的以企业财务信息为主的信息并不能准确反映小微企业的偿债能力与违约风险，所以大银行的信用评分技术的应用效果不明显，银行A的案例验证了这点。

（二）对江苏南京市高淳区的商业银行B信用评分技术的案例分析

该行小微企业信用评分技术的使用以一系列评分表的模式体现。

（1）首先是准入评分表：准入评分表只是小微企业贷款准入的评判依据，如果企业评分表得分超过60分，则银行其次使用软信息测评表继续对企业进行评分。

（2）软信息评分表，这个表将企业主的软信息给硬化处理，其中银行对企业主的个人基本信息方面尤为重视，包括企业主的家庭信息、信用信息、财务信息、侧面信息等，而对于企业的财务信息则极少关注，比如偿债能力指标、营运能力指标等。企业在软信息评分表的得分达到70分以上，最后还需要经过逻辑检验表的检测。

（3）逻辑检验表，逻辑检验表是检查企业主的诚信程度的工具，通过企业主口述营业收入与营业利润与银行实际调查的营业收入与营业利润之比表示偏差率，偏差率在0.2以下的客户才允许发放贷款。

商业银行B的信用评分技术需要通过三个检测表完成对客户的信用评分。

可以看出，商业银行B作为资产规模较小的银行，其信用评分技术的整个流程较为简单，主要由以上三个表组成，而且获取信息的渠道主要是信贷员对企业主的实地调查，信用评分的效率因此比较低，成本比较高。

经过调查，发现银行B是2015年开始使用信用评分技术的，而且银行B自使用信用评分技术以来，对小微企业的贷款额有显著上升，小微企业不良贷款率下降，信用评分技术效果明显。

理论上分析银行B信用评分技术的使用：

（1）不同规模银行信用评分审批方式不同：信用评分被用做第一阶段的筛选器，以较低成本来辨别那些明显可拒绝或批准的贷款申请，这种方法称为“审慎式”策略。若使用得当， 该方法可以降低银行的全面审查贷款成本且不影响贷款质量。这是小规模银行经常使用的审批方式，而且，小银行收集的特征变量基本是关于企业主的基本信息，银行B就是如此。

（2）信用评分技术起源于个人消费信贷领域，而小企业贷款与消费者信贷有相似之处：笔数多、数额小、交易成本高，小企业的信贷价值与其所有者的信贷价值紧密相联，从小企业主个人的基本信息，就可相当准确地预期小企业的还款表现。银行B主要调查小微企业主的基本信息，因此信用评分效果较显著。

银行A与银行B收集的信息种类有较大差异，小规模银行与企业主关系较为密切，易于获取企业主的基本信息，大规模银行与企业主关系较为疏远，但是银行内部拥有企业的财务数据，获取成本较低。案例分析中，大银行B获取企业财务信息，其信用评分效果并不好，而小银行A获取企业主基本信息，其信用评分效果较显著，接下来通过实证分析来检验其结果如何。

四、信用评分技术的应用与农村小微企业贷款可获得性的实证分析——以江苏省南京市为例

本文对江苏省南京市高淳区农村小微企业实地调研，根据被调查小微企业的相关数据，建立多元线性回归模型，对信用评分技术的应用情况进行实证分析，验证企业主基本信息、企业财务信息与信用评分技术的使用对小微企业贷款可获得性的影响。

根据调查，商业银行B所使用的信用评分技术的特征变量主要是企业主的基本信息以及与银行的信贷关系，本文选取其中个别变量作为分析对象，另外，根据理论研究，衡量企业违约风险的因素包括企业的偿债能力和营运能力，因此本文将企业的资产负债率和营业利润率也作为分析对象（也是大银行A获取的主要信息），建立多元线性回归模型。

CA=β0+X1β1+X2β2+X3β3+X4β4+X5β5+X6β6+X7β7

变量的具体描述见下表：

回归结果分析：

经多重共线性和异方差检验，模型不存在多重共线性和异方差性。

由以上回归结果可以看出：

（1）β1=0.189797，信用評分技术的使用对于该地区小微企业的贷款可获得性是正相关关系，而且在α=5%的水平下显著，说明信用评分技术确实提高了小微企业贷款可获得性。

（2）根据P检验，在α=5%的情况下，X2、X3、X4、X5的P值远小于α，而X6、X7的P值大于α，说明企业主的基本信息对贷款可获得性的影响是显著的，而企业的重要财务信息对贷款可获得性的影响并不显著。

五、主要结论

（1）信用评分技术的使用能够提高小微企业贷款可获得性、降低商业银行小微企业不良贷款率，对改善小微企业融资起到重要作用。

（2）商业银行在使用信用评分技术时，会有不同的选择，这些选择包括：使用“审慎式”或者“懒惰式”的方式、获取与企业主相关的基本信息还是与企业有关的财务信息、应用的信用评分模型等等，银行在做出选择所依据的是企业的特征，如果银行根据自身特征做出选择就会产生问题，大银行内部数据库完善，容易获取硬信息，在使用信用评分技术时以“懒惰式”方式为主，这样会降低信用评分技术的准确性。

（3）不同规模的银行在使用信用评分技术时的方式与获取的变量信息不同：大银行内部数据库完善，容易获取硬信息，在使用信用评分技术时以“懒惰式”方式为主，预测准确性较低，而小银行以“审慎式”方式为主，获取软信息为主，预测准确性较高，大银行如果想要想小微企业发放贷款业务，降低小微企业不良贷款率，需向小银行学习，改变自身信用评分技术的特征变量，获取与企业主有关的基本信息，这样才能提高小微企业贷款可获性，拓宽自身业务渠道。小银行也需向大银行学习建立银行内部的信息数据库，减少信息搜查的成本。

六、我国商业银行应用信用评分技术的建议

（一）合理细分市场

我国银行可以利用信用评分模型对本地区的小微企业客户进行细分，同时针对细分的客户群进一步开发出与其特征相对应的信贷创新产品，在通用信用评分模型的基础上再次细分。银行要从可能接触到小微企业信用评分的相关职能部门中抽调人员组成小微企业贷款工作小组，并选择客户群和相关信贷产品。工作小组还应该推动整个银行对小微企业信用评分系统的正确理解及应用，从而开发针对特定行业以及贷款项目的更实用、预测精准度更高的专用信用评分模型。

（二）谨慎选择数据样本和特征变量

商业银行可以选择某地区5年内全部类型小微企业客户的资料包括“好客户”、“坏客户”以及申请被拒绝客户）作为模型样本总数量，然后按照业务需求、数据结构、企业性质及历史经验，对相关样本数据进一步细分。对于一些相似或重复数据，银行需要检查并合并数据才可以建立数据集合。通过对数据整理分析找出数据具有的内在关联性，从而调整数据样本变量，选择那些有较强能力的变量，主要是企业主的基本信息变量。

（三）大小银行相互学习，取长补短

大银行在做小微企业贷款业务、使用信用评分技术时，在信用评分特征变量的选择上需要借鉴小银行，选择与企业主有关的基本信息为主，而放弃一些企业的财务信息，提高信用评分技术的准确性；而小银行需要想大银行学习，建立银行内部的数据库，减少信息搜查成本，提高利润。这样大小银行都可以开展小微企业贷款业务，形成良好竞争关系，促进小微企业融资的改善。

七、总结

国内外经验表明：信用评分技术使商业银行在缓解小微企业融资问题上具有显著效果，但是我国商业银行在使用信用评分技术上还不成熟，需要不断改进，特别是信用评分特征变量的选择，应以企业主基本信息为主，大银行需要向小银行学习，提高信用评分技术预测的准确性，良好地开展小微企业贷款业务，扩大小微企业融资渠道。

Abstract：Commercial banks can prevent small enterprise management risks and control credit cost by credit score technology. But this technology is not mature in my nation. This paper attempt to analyze the weaknesses of using of credit score technology in commercial banks in my nation by searching commercial banks in Shangdong， Zaozhuang and Jiangsu， Nanjing and rural small businesses in Jiangsu， Nanjing.

Key words：Credit Score Technology Rural Small Business Commercial Bank

參考文献：

[1]邓超， 胡威， 唐莹. 国内外小企业信用评分研究动态[J]. 国际金融研究， 2010，（10）.

[2]陈冬， 唐建新. 美国信用评分与小企业贷款研究[J]. 武汉大学学报哲学社会科学版， 2007， （6）.

[3]陈昌飞. 浅析信用评分技术与中小企业贷款[J]. 商品与质量：理论研究， 2011，（S9）.

[4]黎月红， 徐艺心. 我国小企业贷款应用信用评分技术的研究[J]. 区域金融研究， 2010，（12）.

[5]吴智晖. 小企业信用评分模型：关键技术与应用[J]. 中小企业管理与科技旬刊， 2015，（6）.

[6]吴洁.信用评分技术在中小企业贷款中的应用[J].现代金融， 2005，（8）.

[7]钱水土， 黄震宇. 信用评分模型在中小企业信贷评估中的应用[J]. 商业经济与管理， 2004，（2）.