小微企业信用评级方法分析

陕西科技大学经济与管理学院 陕西西安 710021

国务院在2014 年下发《国务院关于印发社会信用体系建设规划纲要（2014—2020 年）的通知》，其中指出“我国正处于深化经济体制改革和完善社会主义市场经济体制的攻坚期。现代市场经济是信用经济，建立健全社会信用体系，是整顿和规范市场经济秩序、改善市场信用环境、降低交易成本、防范经济风险的重要举措，是减少政府对经济的行政干预、完善社会主义市场经济体制的迫切要求”。在目前市场经济环境中，商业欺诈、假冒伪劣、漏税逃税，以及学术界的学术不端行为时有发生，市场参与者的诚信意识和信用水平偏低，诚实守信的氛围还未完全建立。而小微企业在面对生存危机等各种不确定因素，信用状况更加难以判定，科学可行信用评级方法是急切需要的。

1 小微企业信用评级的构成

1.1 小微企业的界定

根据工信部、国家统计局、发改委与财政部发行的《中小企业划分标准》，把营业收入、从业人员、资产总额规模作为划分小微企业的依据，把行业划分为大型企业、中型企业、小型企业、微型企业四类。从业人员，是指期末从业人员数，没有期末从业人员数的，采用全年平均人员数代替；营业收入，根据所从事行业的不同，采用主营业务收入、营业额、营业总收入、营业收入来体现；资产总额，采用资产总计代替。由此得知，小微企业是小型企业和微型企业的共同组成，是他们的总称。

在《工业和信息化部、国家统计局、国家发展和改革委员会、财政部关于印发中小企业划型标准规定的通知》的通知文件，它将从事不同的经营活动行业划分为农、林、牧、渔业，工业，建筑业，批发业，零售业，交通运输业，仓储业，邮政业，住宿业，餐饮业，信息传输业，软件和信息技术服务业，房地产开发经营，物业管理，租赁和商务服务业，其他未列明行业。共计16 种行业，各行业的评判标准各不相同，如农、林、牧、渔业其营业收入50 万元人民币以下为微型企业，批发业其营业收入1000 万元人民币以下的为微型企业。

根据财政部税务总局发布的《关于实施小微企业普惠性税收减免政策的通知》，小型微利企业是指从事国家非限制和禁止行业，且同时符合年度应纳税所得额不超过300 万元、从业人数不超过300 人、资产总额不超过5000 万元等三个条件的企业[1]。

1.2 信用评级的构成

信用评级作为评价企业信用状况的有效工具，它是一个完整的构成体系，由多个基本部分构成，如：信用评级要素、信用评级指标体系、信用评级方法、信用评级模型、信用评级等级和标准等[1]。除此之外，决定信用评级能否准确的识别出企业真实信用状况，还应该依赖完整的信用评级数据，用于支撑信用评级的有效进行。信用评级的数据不仅仅是企业信用的历史数据沉淀，还应包括企业现行运行过程中的财务数据，企业所处的行业背景、市场地位、专业资质，国家级别的信用等级等。

如今在全球处于新冠肺炎疫情的大背景下，信用评级也需对其做出具体考量。在国务院联防联控机制新闻发布会上，中国农业银行副行长湛东升表示：对受疫情影响暂时无法还本付息的小微企业不算逾期、不收罚息、不调风险分类、不降客户分类等级、不计入征信不良。由此可以发现信用评级的构成要素应是方方面面的，大到全球经济运行背景小到企业管理者个人意愿，以及诸与此之间的可能涉及的各种因素集。

1.3 小微企业信用评级的构成

从上文对小微企业的界定规则可以得出，小微企业不同于中大型企业，综合来看其主要特点是营业收入低、从业人员少、资产规模小。具体表现在小微企业资金投入少、回报周期短、管理主观性大、资金具限制性（来源单一）、资金流动性高、借贷频率高但金额较少、风险分散能力低对流动负债和流动资产有较高的依赖性、高管信用决定企业信用；同时小微企业一般不具备信息披露的渠道和少有信息披露的意愿，造成公司经营透明度不够，信息披露情况不容乐观，这更加决定了对其进行信用评级需要过多的依赖于定性指标，若用于计算则需将其进行量化处理。

结合小微企业的自身特性，和上文普通意义上的信用评级的构成规则。小微企业应将定性与定量同时纳入评级构成中且定性应多于定量；小微企业非常依赖自身的创新性，故创新性可以体现小微企业的信用状况，应注重关注企业的创新背景和创新能力；应选择能够反映小微企业的管理动态，如果是技术背景的企业应注重其技术发展等要素，即找出可以体现其发展趋向的要素，着重小微企业的成长性[2]。信用评级的构成体系较多，而小微企业的情况更加复杂，除了上面讨论的评价指标要素，还有评价等级、方法、模型等，限于篇幅下文仅对信用评级的方法展开论述。

2 小微企业信用评级方法

信用评级从19 世纪30 年代发展至今，信用评级的方法也有很多，由于信用评级的对象和要求有所不同，所以信用评级的内容和方法有较大的区别。较为主观评价方法有专家评价法、AHP 层次分析法等，基于数学的统计模型法有线性区别模型、线性概率模型、Logit 模型、Probit 模型、违约率模型等，基于要素分析法有5C 要素分析法、5P 要素分析法、5W 要素分析法、4F 要素分析法、CAMPARI 法、LAPP 法、骆驼评估体系法等，根据数据的性质不同有定性分析法、定量分析法、定性定量相结合的分析法。下文将简要从数据与专家经验逐步积累的角度来说明。

2.1 以专家经验为主的信用评级方法

在信用评级业务创立之初，其不具备可靠的信用评级数据，在此阶段主要使用财务因素分析法、信用要素分析法等评级方法。财务因素分析法主要是依靠企业的财务报表，通过分析报表中的各项经济财务指标，进行静态的比较以及动态的趋势的分析，得出企业现在运行状况和偿债能力。具体用于识别偿债能力、运营能力、盈利能力的指标，在此不做过多阐述。

要素分析法的使用在传统信用评价方法中也较为常用，具代表性的5C、5P、5W、4F 等。它同样是基于专家经验进行不断调整变化得出最终评价结果，比如5C 使用的评价要素为评价对象的品格、能力、资本、抵押、条件，试图从评价对象的还款意愿、还款能力、财务的状况、是否存在担保物、其他外部条件比如金融危机这5 个方面进行综合考量，结合专家分析得出评价结论。

这些传统的评价方法对于不能量化的指标因素使用评级人员的主观判定，存在着巨大的不确定性[3]。依靠专家经验获得的评价结果往往也是不可靠的，专家的经验或认知存在不足，会降低评价结果的可信度。同时小微企业的经营情况较中大型企业更为复杂，难以根据专家固有经验对其进行判别，所以适用传统的评级方法对小微企业进行信用评级存在一定的困难。

2.2 以数学模型为基础的评级方法

传统的信用评级方法大量依靠专家的经验，存在不确定性。更精确的评价方法是以数学原理为依据构建的评价模型方法，常见的模型方法有Z 模型、Zeta 模型、Logit 模型、KMV 模型、信用矩阵模型等。由于模型是数学为基础，使用它作为评级的方法可以解决传统评价方法因主要依靠专家经验和专家主观判断所带来的评级不确定性，使用模型进行评价一般是可以得到相对一致的结果。

模型依赖数据，而企业中主要可以用来使用的是财务数据等经营数据，这些数据缺失经济周期波动相关数据，经济的波动会给评级质量带来一定的影响。信用评级机构的评级质量具有逆周期性，其更有可能在经济上行期进行评级高估，这会放大评级水平的顺周期性[4]。

除此之外，小微企业普遍存在财务信息披露问题，不公开不透明，就算能获取相关财务信息，其财务指标数据也不完整或不准确，所以完全依靠财务数据进行小微企业的信用评价存在问题。

2.3 专家经验和数学模型相结合的评价方法

单独使用专家经验法或单独使用数学模型法都存在信用评级不准确的问题，可以使用专家经验和数学模型相结合的方式进行信用评级。利用专家经验的丰富性和数学模型的精确性，较为常见的方式是使用层次分析法（AHP）和模糊综合评价法（fuzzy comprehensive evaluation method）。层次分析法包含定量指标和定性指标，将主观判断用数量形式进行表示；模糊综合评价使用模糊数学，结合层次分析法确定其评价指标的权重，通过对评价对象进行隶属度计算得出可靠的综合评价结果。限于篇幅有关层次分析法和模糊综合评价法相关理论在此不做过多阐述。

层次分析法将评价指标进行分层处理，将定量与定性结合起来进行分析使评价结果更可信[5]。模糊综合评价法的权重通过层次分析法来确定，既使用了专家经验又结合了其中的数学方法，故其可以相对全面准确的对小微企业进行信用评级。

2.4 使用模糊神经网络方法进行信用评价

当评级数据不断积累，数据质量也得到提升之后，还可采用模糊神经网络方法进行科学的信用评级。模糊神经网络也是基于模糊数学，同时结合神经网络算法，将数据信息进行加工处理，将输入要素转换为输出信息，模型内部使用函数模拟人脑的神经元处理过程，代表性的神经网络有BP 神经网络等。神经网络的优势在于它可以实现非线性问题，且不强依赖清晰的数据结构。

模糊神经网络进行信用评级可以使用MATLIB 集成工具箱，肖斌卿，杨旸等人就通过MATLIB 工具箱对小微企业进行信用评级的实证研究。使用的是模糊逻辑工具箱（fuzzy logic）进行模糊神经网络建模，使用genfis1 函数训练模糊神经网络模型，通过自适应神经网络模糊推理系统中的图形界面编辑器（ANFIS editor）完成了模糊神经网络的建立、训练和仿真处理[6]。

模糊综合评价法和层次分析法相结合虽然可以准确的对小微企业进行信用评价，但是其复杂度较高。使用模糊神经网络经过建立网络、训练网络、仿真网络后，可直接使用仿真网络将小微企业指标数据作为输入，直接得出小微企业信用评价结果而无需关注其中评价过程，简便易用可行度高。

3 结语

综上所述，本文通过对小微企业的特性进行分析，找出小微企业信用评级不同于中大型企业，其定量数据缺失、公司运营情况复杂，应着重关注与其特性相关的指标要素，进行评级也应全面考虑。结合其特性，从数据积累到专家经验积累的角度，对信用评级的方法进行分类分析，得出单独以专家经验或单独以数学模型的方法，难以对小微企业进行精确的信用评级，应将两种方法结合使用，即将模糊综合评价法和层次分析法相结合，集合专家经验和数学方法的精确性。而模糊神经网络可以仿真简化此评价过程，既保证了评级的准确性又保证了评级的简单可行性。但由于篇幅本文未做实证研究，未深入分析各方法的内在联系，还需进一步完善。