基于社会网络分析的中小企业信用风险评价模型构建研究

[摘要]针对商业银行信贷决策过程中传统的权重赋值与专家打分信用风险评价方法的不足，结合中小企业信用风险评价的内容与社会网络分析方法的特点，论述并构建了基于社会网络分析方法的中小企业信用风险评价模型。最后综合考虑20家上市中小企业的盈利、偿债、营运、成长四方面能力，通过信用风险评价指标的选取与计算，验证了模型的有效性。

[关键词]中小企业；信用风险评价模型；社会网络分析

[DOI]10.13939/j.cnki.zgsc.2017.25.034

1 引 言

在信贷利差不断缩小的背景下，对中小企业的贷款业务成为商业银行新的利润增长点，其贷款业务的前提便是对中小企业信用风险进行评价，决定是否贷款以及在资金有限的情况下贷款的优先顺序，且评价依据大多基于财务指标的评价。然而传统的财务评价模型如模糊综合评价模型或者层次分析模型等都是通过合成评价指标的权重和得分确定评价对象的评价结果，需要解决的主要问题就是确定评价指标的合理权重和打分。[1]基于传统评价方法的主观性较强的弊端，文章结合信用风险评价的特点，试图运用社会网络分析的方法构建一种新的评价模型。

2 信用风险评价与社会网络分析方法

信用风险评价是一种基于评价对象多属性的评判决策，其常针对评价对象具有一定内在关联的多个评价指标进行定量计算，进而对评价对象多属性的综合作用效果作出信用风险角度的判定。而社会网络分析是为了适应研究社会结构和社会关系需要而发展起来的一种分析方法。其主要思想为：任何一个有人参与的社会过程都是由行动者及其社会关系组成的，而且会在特定的情景中形成特定的网络结构。[2]

文章将各评价样本作为网络节点，在各样本之间以信用风险评价指标为判断基础确定关联关系，建立关系矩阵，以网络“中心性”表示待评价对象的信用风险评分，并按一定的标准设置阈值，以达到评价判别目的。

3 评价模型的构建

3.1 评价指标的选择

一般来说，信用风险评价指标的选择需要考虑全面性、相关性以及实践的可行性，经过对潘家芹[3]、刘杰[4]、贾炜莹[5]等人的论述总结，综合考虑风险评价模型的适用性以及商业银行实际业务中的总结，本文选择能够代表贷款企业盈利能力、偿债能力、营运能力和发展能力的相关指标。一是盈利能力，包括销售利润率（x1）、净资产收益率（x2）、成本费用利润率（x3）；二是偿债能力，包括流动比率（x4）、速动比率（x5）、资产负债率（x6）；三是营运能力，存货周转率（x7）、应收账款周转率（x8）、总资产周转率（x9）；四是成长能力，包括总资产增长率（x10）、销售增长率（x11）。

3.2 关系矩阵的建立

社会网络是由多个节点（社会行动者）和各个节点之间的连线（代表行动者之间的关系）所组成的集合。[6]根据模型建立的特点，选择社会网络中的邻接矩阵（又称为社群矩阵）作为关系矩阵建立的依据，在一个邻接矩阵中，行和列代表完全相同的社会行动者，并且行和列有一样的排列顺序，矩阵中的元素一般是二值的。假设参照此方法确定矩阵元素，则对于指标i，只能建立起数值孰大孰小的关系，并不能反映大多少或者小多少的定量差异性。同时考虑到相关财务指标可能出现的负值状况，以及指标数据大小与风险之间的正向和反向变动关系的不同。因此，文章在李刚、曹洪刚、陈凯、张雪四人改进过的社会网络方法的基础之上，对表达式稍作改进，建立关系矩阵。指标数据大小与风险之间的反向变动关系如表达式（1），正向变动关系如表达式（2）。

在单个评价指标建立的基础上，将所有的单个指标评价矩阵（Ii）n×n相加，得到总的關系矩阵In×n。

3.3 评价对象的中心性计算与排序

“中心性”是社会网络分析中重要的概念之一，它测量了行动者在其社会网络中所处的核心地位及权力影响，反映了行动者在社会网络中的位置或者优势的差异，可用来评价一个节点的重要程度。[7]中心性的大小可以衡量被评价对象在所有评价样本中的整体优劣状况，因而本文将中心性的计算结果作为某样本最终的信用风险评分。根据公式（4）计算总关系矩阵I中第i个评价对象的中心性。

对于n个待评价对象的所有评价指标，根据得到的总关系矩阵，可以利用中间中心度来进行排序。以排序名次估计违约概率的大小。以某一中心度为评价阈值，低于其中心度，代表违约企业，高于则为守约企业。并在守约企业中，根据排序，确定择优贷款对象。

4 实证研究

4.1 样本的选择

查阅20家上市中小企业（y1—y20）2016年企业公开年报并对其相关财务指标数据进行整理，得到表1中数据。

4.2 关系矩阵的建立

4.2.1 单个评价指标关系矩阵的建立

以20个样本的销售利润率（x1）为基础，结合该指标与风险之间的反向变动关系，根据式（1）可知，对于样本y1，a11=0，列入关系矩阵的第一行第一列，比较y1（x1）和y2（x1）的大小关系，可知a12=0，列入关系矩阵的第一行第二列，同理计算a1j（j=3，4，5，…，20）。对于样本yi（=2，3，…，20），按照样本y1的计算步骤，确定相应矩阵元素，由此建立销售利润率评价指标的关系矩阵。

按照销售利润率评价指标的关系矩阵的构造，可以相应构造剩余10个评价指标的关系矩阵。

4.2.2 总关系矩阵的建立

将11个评价指标的关系矩阵中的元素按照对应的位置一一相加，得到行和列均为20的总的关系矩阵I，如表2所示。

4.2.3 评价对象的中心性计算与排序

根据公式（3）依次算出20个上市中小企业的中心性，并依照其中心性进行排名。可知排名前三的分别是样本y1、y12和y19，鉴于20个样本企业均来自上市企业，因而以曾经被*ST的第8个评价样本y8（排名16）为标准，确定阈值，中心性高于该阈值，即排名位于y8之前的，可判定为守约企业，反之则判定为违约企业。在守约企业中，根据排名可选择择优贷款的顺序。

5 结 论

文章利用社会网络分析方法，建立相应的模型。以指标数据之间的大小关系，确定评价对象之间的交互关系矩阵，汇总11个评价指标的关系矩阵，形成总的关系矩阵，计算评价对象的中心性并排名，找出了违约企业和守约企业，并确定了择优贷款的顺序。实证分析表明，在评价指标一定且数据清晰的情况下，社会网络模型可以较方便地对企业的信用风险做出评判，且不受赋权法和打分法等方法的主观影响，可以取得较为客观的评价结果。

参考文献：

[1]李刚，曹洪刚.基于社会网络分析的评价模型研究[J].运筹与管理，2013，12（6）：147：152.

[2]彭本红，武柏宇.电子废弃物回收产业链协同治理影响因素分析——基于社会网络分析方法[J].中国环境科学，2016，36（7）：2219：2229.

[3]潘家芹.解决中小企业融资难的一个新视角——中小企业信用风险评价指标体系的构建[J].生产力研究，2012（1）：227，235.

[4]刘杰.基于主成分分析的我国商业银行信用风险评价指标研究[J].中国集体经济·学术探讨，2009（11）：83-84.

[5]中小企业信用贷款风险指标体系构建及评价[J].河北工程大学学报：社会科学版，2013，30（1）：37，40.

[6]姜鑫.社会网络分析方法在图书情报领域的应用研究[M].北京：知识产权出版社，2015.

[7]约翰·斯科特.社会网络分析法[M].2版.刘军，译.重庆：重庆大学出版社，2009.

[作者简介]熊品（1991—），女，湖北孝感人，五邑大学硕士研究生。研究方向：金融工程。endprint