何魯冰，雷鵬飛

（中南財(cái)經(jīng)政法大學(xué)，湖北武漢430073）

·經(jīng)濟(jì)學(xué)研究·

神經(jīng)網(wǎng)絡(luò)視角下的小微企業(yè)信貸風(fēng)險(xiǎn)評估

何魯冰，雷鵬飛

（中南財(cái)經(jīng)政法大學(xué)，湖北武漢430073）

采用BP神經(jīng)網(wǎng)絡(luò)模型，結(jié)合企業(yè)信用評級方法與我國小微企業(yè)特征，通過定量和定性分析方法構(gòu)建指標(biāo)體系，采用AHP法確定指標(biāo)權(quán)重，可以構(gòu)建BP神經(jīng)網(wǎng)絡(luò)信用評級模型，輔助銀行進(jìn)行企業(yè)信貸風(fēng)險(xiǎn)評估。以創(chuàng)業(yè)板機(jī)械制造業(yè)公司為研究對象，對公司的信用等級進(jìn)行實(shí)證分析證明，BP神經(jīng)網(wǎng)絡(luò)模型具有很好的預(yù)測準(zhǔn)確性。

BP神經(jīng)網(wǎng)絡(luò)，AHP法，信用評級

DOl：10.3969/j.issn.1671-7155.2014.06.017

一、引言

小微企業(yè)是近十幾年來企業(yè)管理理論界對企業(yè)群體進(jìn)行細(xì)分后得出的一種新的企業(yè)群體，是最容易在經(jīng)濟(jì)整體層面被忽略但又不可替代的一種組織。近年來，我國小微企業(yè)數(shù)量不斷增加，在滿足市場需求、提供多元化創(chuàng)新性服務(wù)、創(chuàng)造就業(yè)和活躍市場方面發(fā)揮了巨大的作用。但由于小微企業(yè)的情況比較復(fù)雜，具有信息不透明、經(jīng)營不穩(wěn)定、融資風(fēng)險(xiǎn)極大、經(jīng)濟(jì)政策變化對小微企業(yè)的影響非常明顯、抵押品和擔(dān)保的嚴(yán)重缺乏等特點(diǎn)，小微企業(yè)面臨著融資難的現(xiàn)狀。

盡管國家已經(jīng)出臺了一系列扶持政策，部分商業(yè)銀行也已開始逐步探索建立為小微企業(yè)融資的專門途徑。但實(shí)踐中小微企業(yè)信用貸款仍存在較多障礙：信息不對稱，銀行缺乏貸款企業(yè)風(fēng)險(xiǎn)狀況的充分信息；信貸配給制度導(dǎo)致銀行更傾向于將信貸提供給技術(shù)效益處于領(lǐng)先地位的成熟期企業(yè)；難以對小微企業(yè)市場價(jià)值進(jìn)行評估。因此構(gòu)建一個(gè)科學(xué)有效的小微企業(yè)信貸風(fēng)險(xiǎn)評估體系，對商業(yè)銀行具有重要的現(xiàn)實(shí)意義，可用于進(jìn)行貸前風(fēng)險(xiǎn)的識別與評估，便于盡早采取相應(yīng)措施對風(fēng)險(xiǎn)進(jìn)行防范與控制。

相對大中型企業(yè)而言，小微企業(yè)資產(chǎn)規(guī)模較小，抵御經(jīng)濟(jì)形勢和國家宏觀政策變動(dòng)帶來的不利影響的能力相對較低，因而小微企業(yè)具有更高的信貸風(fēng)險(xiǎn)，傳統(tǒng)的銀行信貸風(fēng)險(xiǎn)評估體系往往難以達(dá)到較好的預(yù)測效果。為了評估小微企業(yè)的信貸風(fēng)險(xiǎn)，本文通過采用BP神經(jīng)網(wǎng)絡(luò)模型結(jié)合層次分析法，對小微企業(yè)進(jìn)行信用評級，進(jìn)而判斷其信貸風(fēng)險(xiǎn)大小。一方面神經(jīng)網(wǎng)絡(luò)模型具備高效處理多種信息的能力，同時(shí)具有高度的自學(xué)習(xí)、自適應(yīng)能力，通過對模型內(nèi)部參數(shù)的調(diào)整，保證系統(tǒng)具有很高的靈活性與適應(yīng)性；另一方面，神經(jīng)網(wǎng)絡(luò)方法不同于傳統(tǒng)分析，分析過程較為簡單，具有較高的擬合度和較為準(zhǔn)確的預(yù)測度。此外，為保證模型的有效性，本文采用數(shù)據(jù)較為容易獲取的上市公司作為研究對象，對小微企業(yè)進(jìn)行重新定義，放寬普通認(rèn)知對小微企業(yè)定義的限制，達(dá)到構(gòu)建有效的BP神經(jīng)網(wǎng)絡(luò)模型的目的。

綜上，本文采用BP神經(jīng)網(wǎng)絡(luò)模型對小微企業(yè)進(jìn)行信用評級，從而建立一個(gè)完成訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行信貸風(fēng)險(xiǎn)評估，便于銀行作出信貸決策。

二、文獻(xiàn)綜述

小微企業(yè)由于其自身信用問題和財(cái)務(wù)信息不完善等問題，難以滿足商業(yè)銀行的信貸要求，導(dǎo)致其融資困難的現(xiàn)狀。同時(shí)由于我國的商業(yè)銀行現(xiàn)有信貸政策與小微企業(yè)特點(diǎn)不匹配，沒有構(gòu)建出一套完善的小微企

業(yè)信貸風(fēng)險(xiǎn)評估體系。

許暉慧（2012）指出小微企業(yè)存在自身結(jié)構(gòu)發(fā)育不良、財(cái)務(wù)管理不善等問題，難以達(dá)到銀行信貸的基本要求，正面臨著融資難的嚴(yán)峻挑戰(zhàn)。喬萬旺（2010）以臨汾個(gè)案為例，指出小微企業(yè)信用評級的重要性，強(qiáng)調(diào)應(yīng)加強(qiáng)信用評級建設(shè)，并將其納入央行征信體系。潘振媛（2012）在中小企業(yè)信用評級指標(biāo)體系的基礎(chǔ)上，結(jié)合小微企業(yè)的特點(diǎn)，運(yùn)用專家評分法和層次分析法確定指標(biāo)權(quán)重，并根據(jù)多元線性回歸法測評企業(yè)信用等級。魏大鵬（2012）以亳州市200戶小微企業(yè)為調(diào)研對象，發(fā)現(xiàn)外部征信系統(tǒng)對其融資有較大的影響，建立完善的信用評級體系有助于解決小微企業(yè)融資難的問題。陶平、劉學(xué)（2012）通過實(shí)證分析發(fā)現(xiàn)中小企業(yè)信用評級體系建設(shè)對中小微企業(yè)發(fā)展具有重要的推動(dòng)作用。

由此可見構(gòu)建小微企業(yè)信用評級體系已經(jīng)刻不容緩。目前國內(nèi)外對于信貸風(fēng)險(xiǎn)評估方法和模型較多，包括評分法、多元判別法、ZATA信貸風(fēng)險(xiǎn)模型、神經(jīng)網(wǎng)絡(luò)模型法、KMV模型、Credit Metrics模型、Credit Risk+模型和Logistic模型等。

竇玉丹、袁永博、劉妍（2011）運(yùn)用可變模糊模型建立信貸風(fēng)險(xiǎn)預(yù)警體系，并根據(jù)結(jié)果綜合分析了企業(yè)風(fēng)險(xiǎn)等級。陳雄華、林成德和葉武（2002）采用偏相關(guān)分析方法建立了企業(yè)信用評級的指標(biāo)體系，結(jié)合人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行信用評級，發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型具有更高的預(yù)測準(zhǔn)確性。胡賢銘、張目（2010）采用熵權(quán)法確定指標(biāo)權(quán)重，結(jié)合模糊綜合評價(jià)法對中小企業(yè)信貸風(fēng)險(xiǎn)進(jìn)行綜合評價(jià)，為商業(yè)銀行防范信貸風(fēng)險(xiǎn)提供決策依據(jù)。龐如超（2012）采用因子分析法和聚類分析法對我國財(cái)產(chǎn)保險(xiǎn)公司構(gòu)建信用評級模型，并證明了其實(shí)用性?？禃ⅤU靜海、史娜、和李純杰（2007）在借鑒國外信用評級方法的基礎(chǔ)上，結(jié)合我國國情，采用AHP法確定指標(biāo)權(quán)重，建立了適合我國中小企業(yè)的模糊數(shù)學(xué)綜合評價(jià)模型。趙家敏、黃英婷（2006）提出了采用層次分析法構(gòu)建我國商業(yè)銀行中小企業(yè)信用評級模型。

本文認(rèn)為前人的研究結(jié)論并不完全適用于我國小微企業(yè)，企業(yè)信息不完整、財(cái)務(wù)數(shù)據(jù)的不完善決定了我國小微企業(yè)需要一套新的信用評級指標(biāo)體系。神經(jīng)網(wǎng)絡(luò)技術(shù)作為研究復(fù)雜性問題的工具，在模式識別與分類、自動(dòng)控制等方面有非凡的優(yōu)越性，已受到越來越多的研究學(xué)者的青睞。至今為止，學(xué)者們已經(jīng)提出了多種神經(jīng)網(wǎng)絡(luò)模型，如自適應(yīng)共振理論模型（ART）、雪崩模型（AVA）、反向傳播模型（BP網(wǎng)絡(luò)模型；多層結(jié)構(gòu)的映射網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的一種神經(jīng)網(wǎng)絡(luò)模型之一）、重復(fù)傳播模型（CPN）、感知機(jī)模型（PTR）、自組織映射模型（SOM）等等。BP神經(jīng)網(wǎng)絡(luò)模型在預(yù)測領(lǐng)域的擬合效果和擬合精度都明顯優(yōu)于其他預(yù)測方法，雖然目前在我國經(jīng)濟(jì)學(xué)領(lǐng)域的應(yīng)用較少，但無疑是一種極為重要的預(yù)測工具。

隨著神經(jīng)網(wǎng)絡(luò)理論的不斷發(fā)展，其強(qiáng)大的靈活學(xué)習(xí)方式和對非線性系統(tǒng)的擬合能力受到廣泛關(guān)注。E. NurOzkan、Mehmed Ozkan（2007）通過收集土耳其破產(chǎn)銀行的數(shù)據(jù)，構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型對銀行風(fēng)險(xiǎn)進(jìn)行預(yù)測，證明人工神經(jīng)絡(luò)模型能夠?qū)ω?cái)務(wù)數(shù)據(jù)進(jìn)行模式分類，進(jìn)而能較大概率的預(yù)測銀行危機(jī)。

近年來，國內(nèi)也有著越來越多的學(xué)者關(guān)注并將人工神經(jīng)網(wǎng)絡(luò)模型運(yùn)用于實(shí)踐中。王文平（2001）提出了應(yīng)用人工神經(jīng)網(wǎng)絡(luò)建立稅收年度預(yù)警系統(tǒng)。許月卿、李雙成（2005）提出了中國經(jīng)濟(jì)發(fā)展平區(qū)域差異的人工神經(jīng)網(wǎng)絡(luò)判別模型。牛源（2007）采用神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)相結(jié)合的方法，對商業(yè)銀行安全狀況進(jìn)行綜合評估，證明通過簡單的人工神經(jīng)網(wǎng)絡(luò)模型，可高度準(zhǔn)確的評估商業(yè)銀行風(fēng)險(xiǎn)，處理類似的復(fù)雜非線性問題。

目前，大多數(shù)國內(nèi)外專家學(xué)者利用神經(jīng)網(wǎng)絡(luò)進(jìn)行的各項(xiàng)研究，主要集中于改進(jìn)神經(jīng)網(wǎng)絡(luò)算法或者結(jié)合其他方法以提高預(yù)測精度和擬合優(yōu)度，而僅把經(jīng)濟(jì)預(yù)測實(shí)證作為對模型的一種驗(yàn)證，并沒有將其應(yīng)用于預(yù)測評估模型中。本文在國內(nèi)外研究學(xué)者的基礎(chǔ)上，根據(jù)我國國情和小微企業(yè)特征，創(chuàng)新性的結(jié)合管理學(xué)決策方法和BP神經(jīng)網(wǎng)絡(luò)模型，構(gòu)建出我國小微企業(yè)信貸風(fēng)險(xiǎn)評估模型。

三、模型構(gòu)建

反向傳播神經(jīng)網(wǎng)絡(luò)，又稱BP網(wǎng)絡(luò)模型，本文采用BP算法來構(gòu)造神經(jīng)網(wǎng)絡(luò)模型處理復(fù)雜的小微企業(yè)信貸風(fēng)險(xiǎn)評估問題。BP神經(jīng)網(wǎng)絡(luò)模型一般由三個(gè)神經(jīng)元層次組成，包括輸入層、中間層（隱含層）和輸出層，包括正向傳播和反向傳播兩個(gè)過程。正向傳播是指輸入信息從輸入層經(jīng)隱含層逐層處理,并傳向輸出層，若在輸出層不能得到期望輸出，則通過反向傳播將誤差信號沿原來的聯(lián)接道路返回。

（一）網(wǎng)絡(luò)結(jié)構(gòu)的確定

1.輸入層節(jié)點(diǎn)選擇

根據(jù)參考三大評級機(jī)構(gòu)對企業(yè)進(jìn)行評級時(shí)考察的變量，結(jié)合我國實(shí)際情況及小微企業(yè)的特征，本文采用定量和定性兩個(gè)方面來對企業(yè)進(jìn)行信用評級，定量分析主要考察企業(yè)的資產(chǎn)狀況、盈利能力、償債能力、經(jīng)

營能力和成長能力；定性分析主要考察企業(yè)的創(chuàng)新能力，企業(yè)面臨的宏觀環(huán)境和行業(yè)環(huán)境，以及企業(yè)的品質(zhì)?；谝陨蟽蓚€(gè)方面，本文選擇了23個(gè)指標(biāo)作為輸入層的輸入節(jié)點(diǎn)。

（1）信用評級指標(biāo)體系的構(gòu)建

定量分析：第一，本文選擇流動(dòng)資產(chǎn)與總資產(chǎn)的比值和營運(yùn)資本規(guī)模來描述目標(biāo)公司的資產(chǎn)狀況。根據(jù)企業(yè)總資產(chǎn)中流動(dòng)資產(chǎn)所占比重可以判斷企業(yè)資產(chǎn)的流動(dòng)性，進(jìn)而判斷公司的短期償債能力。營運(yùn)資本是指企業(yè)的流動(dòng)資產(chǎn)減流動(dòng)負(fù)債的差額，其金額越大代表公司用于支付的資金越充足，短期償債能力越好；當(dāng)營運(yùn)資金為負(fù)時(shí)，說明公司的流動(dòng)資產(chǎn)小于流動(dòng)負(fù)債，公司維持營運(yùn)將較為困難。

第二，本文選擇了營業(yè)利潤與營業(yè)總收入的比值、資產(chǎn)收益率（ROA）和凈資產(chǎn)收益率（ROE）來衡量公司的盈利能力。營業(yè)利潤與營業(yè)總收入的比值是衡量企業(yè)經(jīng)營效率的指標(biāo)。該比值越高說明企業(yè)的盈利能力越強(qiáng)，反之，說明企業(yè)盈利能力越弱。

資產(chǎn)收益率是企業(yè)凈利潤與總資產(chǎn)的比值，是企業(yè)利用其全部資產(chǎn)獲利的能力；機(jī)構(gòu)資產(chǎn)收益率是指企業(yè)凈利潤與所有者權(quán)益的比值，衡量了企業(yè)對于股東投資資本的利用效率，也是評估企業(yè)盈利能力的重要指標(biāo)。ROA是反映股東和債權(quán)人共同資金所產(chǎn)生的利潤率，ROE則反映僅由股東投入的資金所產(chǎn)生的利潤率。只有結(jié)合ROA與ROE才能真正衡量一家公司的營運(yùn)能力及公司的盈利能力，在同一行業(yè)中，公司的ROA與ROE同時(shí)增大，則說明公司的營運(yùn)能力和盈利能力趨好。

第三，本文用流動(dòng)比率、速動(dòng)比率、資產(chǎn)負(fù)債率和現(xiàn)金流量比率衡量企業(yè)的償債能力。

流動(dòng)比率是指流動(dòng)資產(chǎn)與流動(dòng)負(fù)債的比值，表明企業(yè)每一元流動(dòng)負(fù)債有多少流動(dòng)資產(chǎn)作為償還保證，反映企業(yè)用可在短期內(nèi)轉(zhuǎn)變?yōu)楝F(xiàn)金的流動(dòng)資產(chǎn)償還到期流動(dòng)負(fù)債的能力。流動(dòng)比率越高，說明企業(yè)短期償債能力越強(qiáng)。國際上通常認(rèn)為，流動(dòng)比率的下限為100%，而流動(dòng)比率等于200%時(shí)較為適當(dāng)。流動(dòng)比率過低，表明企業(yè)可能難以按期償還債務(wù)。流動(dòng)比率過高，表明企業(yè)流動(dòng)資產(chǎn)占用較多，會影響資金的使用效率和企業(yè)的籌資成本，進(jìn)而影響獲利能力。

速動(dòng)比率，是企業(yè)速動(dòng)資產(chǎn)與流動(dòng)負(fù)債的比率。其中，速動(dòng)資產(chǎn)是指流動(dòng)資產(chǎn)減去變現(xiàn)能力較差且不穩(wěn)定的存貨、預(yù)付賬款、待攤費(fèi)用等后的余額。一般情況下，速動(dòng)比率越高，說明企業(yè)償還流動(dòng)負(fù)債的能力越強(qiáng)。國際上通常認(rèn)為，速動(dòng)比率等于100%時(shí)較為適當(dāng)。速動(dòng)比率小于100%，表明企業(yè)面臨很大的償債風(fēng)險(xiǎn)。速動(dòng)比率大于100%，表明企業(yè)會因現(xiàn)金及應(yīng)收賬款占用過多而增加企業(yè)的機(jī)會成本。

資產(chǎn)負(fù)債率是指企業(yè)負(fù)債總額對資產(chǎn)總額的比率，反映企業(yè)資產(chǎn)對債權(quán)人權(quán)益的保障程度。一般情況下，資產(chǎn)負(fù)債率越小，說明企業(yè)長期償債能力越強(qiáng)。保守的觀點(diǎn)認(rèn)為資產(chǎn)負(fù)債率不應(yīng)高于50%，而國際上通常認(rèn)為資產(chǎn)負(fù)債率等于60%時(shí)較為適當(dāng)。從債權(quán)人角度來說，該指標(biāo)越小越好，企業(yè)償債越有保證。

現(xiàn)金流量比率是指經(jīng)營活動(dòng)產(chǎn)生的現(xiàn)金凈流量與期末流動(dòng)負(fù)債的比值，用于衡量企業(yè)經(jīng)營活動(dòng)所產(chǎn)生的現(xiàn)金流量償付流動(dòng)負(fù)債的能力。現(xiàn)金流量比率越高，企業(yè)的財(cái)務(wù)彈性越好，短期償債能力越強(qiáng)。不同行業(yè)由于其經(jīng)營性質(zhì)的不同（服務(wù)型、生產(chǎn)型），經(jīng)營活動(dòng)產(chǎn)生的現(xiàn)金凈流量的差別較大，因此行業(yè)性質(zhì)不同的企業(yè)該比率的差別較大。本文選擇的樣本均來自機(jī)械制造行業(yè)，采用現(xiàn)金流量比率來衡量公司的償債能力是合理的。

第四，本文選擇應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率來衡量公司的經(jīng)營能力。

應(yīng)收賬款周轉(zhuǎn)率指銷售收入與應(yīng)收賬款的比率，反映公司的應(yīng)收賬款的周轉(zhuǎn)速度。通常情況下，應(yīng)收賬款周轉(zhuǎn)率越高越好，周轉(zhuǎn)率高，表明賒銷賬款償還速度越快，資金占用時(shí)間越短，公司資產(chǎn)流動(dòng)性越強(qiáng)，短期償債能力強(qiáng)。

存貨周轉(zhuǎn)率指銷售收入與存貨的比率，反映了企業(yè)銷售效率和存貨使用效率。企業(yè)正常經(jīng)營時(shí)存貨周轉(zhuǎn)率越高，流動(dòng)性越強(qiáng)，存貨轉(zhuǎn)化為現(xiàn)金或應(yīng)收帳款的速度就越快，企業(yè)的短期償債能力及獲利能力越強(qiáng)。

總資產(chǎn)周轉(zhuǎn)率指銷售收入與總資產(chǎn)的比率，是考察企業(yè)資產(chǎn)運(yùn)營效率的一項(xiàng)重要指標(biāo)，體現(xiàn)了企業(yè)經(jīng)營期間全部資產(chǎn)從投入到產(chǎn)出的流轉(zhuǎn)速度，反映了企業(yè)全部資產(chǎn)的管理質(zhì)量和利用效率。通常情況下，總資產(chǎn)周轉(zhuǎn)率越高，企業(yè)總資產(chǎn)周轉(zhuǎn)速度越快，資產(chǎn)利用效率越高。

第五，本文采用營業(yè)收入增長率、凈利潤增長率和總資產(chǎn)增長率來衡量企業(yè)的成長能力。

營業(yè)收入增長率，是企業(yè)本年?duì)I業(yè)收入增長額與上年?duì)I業(yè)收入總額的比率，反映企業(yè)營業(yè)收入的增減變動(dòng)情況。營業(yè)收入增長率大于零，表明企業(yè)本年?duì)I業(yè)收入有所增長。該指標(biāo)值越高，表明企業(yè)營業(yè)收入的增長速度越快，企業(yè)市場前景越好，企業(yè)的成長性越高。

凈利潤增長率是指企業(yè)本期凈利潤額與上期凈利潤額的比率。計(jì)算中采用的凈利潤是指在利潤總額中

按規(guī)定交納了所得稅后公司的利潤留成，即稅后利潤或凈收入。凈利潤增長率反映了企業(yè)實(shí)現(xiàn)價(jià)值最大化的擴(kuò)張速度，是綜合衡量企業(yè)資產(chǎn)營運(yùn)與管理業(yè)績、成長狀況和發(fā)展能力的重要指標(biāo)。

總資產(chǎn)增長率是企業(yè)本年總資產(chǎn)增長額同年初資產(chǎn)總額的比率，反映企業(yè)本期資產(chǎn)規(guī)模的增長情況。資產(chǎn)是企業(yè)用于取得收入的資源，也是企業(yè)償還債務(wù)的保障。資產(chǎn)增長是企業(yè)發(fā)展的一個(gè)重要方面，發(fā)展能力高的企業(yè)一般能保持資產(chǎn)的穩(wěn)定增長。通過對所選樣本進(jìn)行描述性統(tǒng)計(jì)分析，本文認(rèn)為采用均值作為總資產(chǎn)增長率歸一化處理的穩(wěn)定值比較合理。

定性分析：第一，本文采用研發(fā)投入強(qiáng)度和技術(shù)創(chuàng)新程度來衡量企業(yè)的創(chuàng)新能力，小微企業(yè)能夠在激烈競爭的市場中取得一席之地的優(yōu)勢在于其產(chǎn)品或服務(wù)的特殊之處，即企業(yè)的創(chuàng)新能力對于企業(yè)的市場占有率及盈利能力有較大的影響。第二，本文采用政策支持程度衡量企業(yè)所受到的宏觀環(huán)境的影響。第三，本文采用行業(yè)發(fā)展階段和競爭狀況來衡量企業(yè)受到的行業(yè)影響。第四，本文采用管理者素質(zhì)、商業(yè)信用和管理制度來衡量企業(yè)品質(zhì)。

本文采用的是信用評級方法中常用的專家打分法來對定性指標(biāo)進(jìn)行量化。

（2）指標(biāo)權(quán)重分析

第一，參考國際信用評級組織和我國商業(yè)銀行信貸風(fēng)險(xiǎn)評估方法，本文設(shè)定定量變量和定性變量所占權(quán)重分別為65%和35%。

第二，采用層次分析法（AnalyticHierarchyProcess簡稱AHP）對各變量賦予權(quán)重：

首先，建立層次結(jié)構(gòu)模型。根據(jù)信用評級方法，本文決定從企業(yè)資產(chǎn)狀況、盈利能力、償債能力、流動(dòng)性和成長性來定量分析企業(yè)的信用等級；從企業(yè)創(chuàng)新能力、宏觀環(huán)境、行業(yè)環(huán)境和企業(yè)品質(zhì)來定性分析企業(yè)的信用等級。在確定定量分析指標(biāo)時(shí)，本文采用專家評分法來對企業(yè)進(jìn)行定性分析。

其次，針對同一層次的各元素關(guān)于上一層次中某一準(zhǔn)則的重要性進(jìn)行兩兩比較，構(gòu)造兩兩比較判斷矩陣。即以上一層次某個(gè)因素為準(zhǔn)，通過兩兩比較下一層次各因素對上一層次該因素的相對重要性，賦予一定的分值。本文采用了AHP創(chuàng)始人美國運(yùn)籌學(xué)教授薩第（T.L.Satty）教授的1-9標(biāo)度法，對比較判斷矩陣進(jìn)行賦值。

判斷矩陣具有如下性質(zhì)：計(jì)算判斷矩陣中各元素對于上一層次準(zhǔn)則的相對權(quán)重，本文選擇的乘積法來求得權(quán)重，即對于一個(gè)n階判斷矩陣，求得各行元素的n次方根，對其進(jìn)行歸一化處理后得到元素i的權(quán)重。

再次，對矩陣進(jìn)行一致性檢驗(yàn)：①求判斷矩陣的最大特征根；②計(jì)算一致性指標(biāo)CI；③查找相應(yīng)的平均隨機(jī)一致性指標(biāo)RI，Satty教授在AHP方法介紹中提出，用隨機(jī)方法構(gòu)造500個(gè)樣本矩陣，隨機(jī)地從1-9及其倒數(shù)中抽取數(shù)字構(gòu)造正互反矩陣，求得最大特征根的平均值。

在查找相應(yīng)RI的基礎(chǔ)上，計(jì)算各矩陣的一致性比率CR，矩陣具有一致性，否則需要不斷修正矩陣，直到其符合一致性要求為止。

（3）通過matlab軟件，求得各層次綜合判斷矩陣、權(quán)重、及各判斷矩陣的CR值。

2.隱含層節(jié)點(diǎn)的選擇

隱含層節(jié)點(diǎn)數(shù)的選擇對BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測精度有較大的影響，如果節(jié)點(diǎn)數(shù)太少，神經(jīng)網(wǎng)絡(luò)不能很好的學(xué)習(xí)，需要增加訓(xùn)練次數(shù)，訓(xùn)練精度也會受到較大的影響；如果節(jié)點(diǎn)數(shù)太多，訓(xùn)練時(shí)間增加，網(wǎng)絡(luò)模型容易出現(xiàn)“過擬合”現(xiàn)象。隱含層節(jié)點(diǎn)數(shù)的選擇可參考公式如下：

其中n為輸出層節(jié)點(diǎn)數(shù)，本文中n=23，p為隱含層節(jié)點(diǎn)數(shù)，q為輸出層節(jié)點(diǎn)數(shù)，本文定義為q=1。a為0～10之間的常數(shù)。在解決實(shí)際問題時(shí)，通常先用參考公式來確定節(jié)點(diǎn)數(shù)的大致范圍，再用試湊法確定最佳節(jié)點(diǎn)數(shù)。

本文通過初步確定隱含層節(jié)點(diǎn)數(shù)為5，初步構(gòu)建出一個(gè)結(jié)構(gòu)為23-5-1的三層BP神經(jīng)網(wǎng)絡(luò)。

3.網(wǎng)絡(luò)參數(shù)的設(shè)定

（二）樣本選擇

本文認(rèn)為相對于中小企業(yè)而言，小微企業(yè)具備成長性高、成立時(shí)間短、規(guī)模小、產(chǎn)品可替代性較低等特點(diǎn)，因此本文選擇具備同樣特點(diǎn)的創(chuàng)業(yè)板企業(yè)為研究對象。在對樣本進(jìn)行篩選時(shí)，對企業(yè)的資產(chǎn)規(guī)模與員工數(shù)量進(jìn)行了限制，保證研究對象滿足本文研究的要求。本文選擇創(chuàng)業(yè)板機(jī)械制造業(yè)公司為研究對象，總共有85家上市公司。發(fā)現(xiàn)艾吉科技的數(shù)據(jù)存在明顯的異常值，本文將其剔除。隨后，采用SPSS對所得數(shù)據(jù)進(jìn)行了基本分析。

由上表可知營業(yè)收入增長率、凈利潤增長率和總資產(chǎn)增長率的數(shù)列方程較大，達(dá)到1000以上，分別對該三個(gè)數(shù)列進(jìn)行了頻數(shù)分析。發(fā)現(xiàn)三個(gè)數(shù)列均存在幾個(gè)異常值，本文刪除了五個(gè)數(shù)據(jù)存在異常的公司后，再次對數(shù)據(jù)進(jìn)行了描述性統(tǒng)計(jì)分析。

由上表發(fā)現(xiàn)，通過刪除異常值后，三個(gè)數(shù)列的方差明顯下降。為了保證模型實(shí)證結(jié)果的有效性，本文刪除了缺失總資產(chǎn)增長率和應(yīng)收賬款周轉(zhuǎn)率數(shù)據(jù)缺失的9個(gè)樣本，得到本文研究的最終70個(gè)樣本數(shù)據(jù)。

（三）模型訓(xùn)練

本文將上述了70家創(chuàng)業(yè)板小型上市公司，以8:2的比例劃分為訓(xùn)練樣本和檢測樣本。為了保證樣本選擇的隨機(jī)性，本文利用Matlab產(chǎn)生隨機(jī)排列，選取前56個(gè)樣本為訓(xùn)練樣本，后14個(gè)樣本為檢測樣本。將56家公司的23個(gè)變量即1288個(gè)數(shù)據(jù)導(dǎo)入matlab，進(jìn)行歸一化處理后，通過多次循環(huán)，尋找最佳隱含層節(jié)點(diǎn)數(shù)：

表8顯示，經(jīng)歸一化處理后，訓(xùn)練次數(shù)為1000時(shí)，分別進(jìn)行一次、兩次和五次循環(huán)，發(fā)現(xiàn)隱含層節(jié)點(diǎn)數(shù)分別為7、8和6時(shí)最優(yōu)。訓(xùn)練次數(shù)為10000時(shí)，分別進(jìn)行一次、兩次和五次循環(huán)，發(fā)現(xiàn)隱含層節(jié)點(diǎn)數(shù)分別為6、7和6時(shí)最優(yōu)。

由以上檢測結(jié)果可以發(fā)現(xiàn)，網(wǎng)絡(luò)的訓(xùn)練次數(shù)越多，誤差越小。綜上，可以認(rèn)為當(dāng)模型進(jìn)行1000次訓(xùn)練，隱含層節(jié)點(diǎn)數(shù)為6最優(yōu)。因此本文構(gòu)造的BP模型是23-6-1，輸入層有23個(gè)節(jié)點(diǎn)，隱含層有6個(gè)節(jié)點(diǎn)，輸出層有1個(gè)節(jié)點(diǎn)。

（四）模型檢測

將余下的14個(gè)樣本公司的數(shù)據(jù)導(dǎo)入matlab神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行模型檢測，根據(jù)構(gòu)建的三層BP模型對樣本進(jìn)行信用評級，再?zèng)Q定是否對該公司提供貸款。BP神經(jīng)網(wǎng)絡(luò)模型對每個(gè)公司進(jìn)行信貸風(fēng)險(xiǎn)分析，最終得到的結(jié)果為落在區(qū)域[0，1]的數(shù)值，由前文的分析可知，模型的數(shù)值越高代表該公司的資產(chǎn)狀況、盈利能力、經(jīng)營能力、償債能力、成長性、創(chuàng)新能力越高，因此公司的違約風(fēng)險(xiǎn)越低，即信貸風(fēng)險(xiǎn)越低。銀行可根據(jù)模型結(jié)果對公司的整體狀況進(jìn)行評估，并根據(jù)結(jié)果與銀行風(fēng)險(xiǎn)控制準(zhǔn)則相結(jié)合，確定能否對該公司放貸。

進(jìn)一步對檢測樣本進(jìn)行仿真模擬，得到結(jié)果如表9所示：

由上表可知，模型產(chǎn)生的仿真結(jié)果與實(shí)際結(jié)果的誤差度都在0.001以下，滿足模型設(shè)定誤差條件。說明模型是有效的，能夠準(zhǔn)確判斷樣本公司的信用等級，能為銀行進(jìn)行信貸風(fēng)險(xiǎn)評估提供有力的數(shù)據(jù)支持。

（五）穩(wěn)健性檢驗(yàn)

本文選擇了醫(yī)藥生物化學(xué)制藥行業(yè)的十家企業(yè)作為研究對象，對模型進(jìn)行穩(wěn)健性檢驗(yàn)。將數(shù)據(jù)進(jìn)行歸一化處理后，導(dǎo)入matlab神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行模型預(yù)測檢驗(yàn)。圖2為模型擬合圖，模型的目標(biāo)擬合誤差為0.001，而實(shí)際模型的誤差為5.131×10-6，圖2顯示模型的實(shí)際擬合效果已經(jīng)遠(yuǎn)遠(yuǎn)超出目標(biāo)值。

對樣本進(jìn)行仿真模擬，得到結(jié)果為：

實(shí)證結(jié)果表明BP模型對企業(yè)的信用評級評估精確度達(dá)到了99.9%，遠(yuǎn)高于其他預(yù)測模型。

本模型的運(yùn)用能夠?qū)崿F(xiàn)商業(yè)銀行快捷有效地進(jìn)行信貸風(fēng)險(xiǎn)評估的目標(biāo)，降低銀行的審貸成本，提高貸款效率并降低信貸風(fēng)險(xiǎn)。

四、結(jié)論

本文在構(gòu)建模型時(shí)采用定性和定量分析相結(jié)合的方法綜合分析了小微企業(yè)信貸風(fēng)險(xiǎn)的影響因素，層次分析法（AHP）的運(yùn)用很好地結(jié)合了管理學(xué)的決策方法，成功構(gòu)建了我國小微企業(yè)特色化信用評級模型，保證了模型的實(shí)踐意義。在此基礎(chǔ)上，本文采用人工神經(jīng)網(wǎng)絡(luò)模型對評級模型進(jìn)行了模擬，保證了信用評級的精確度，進(jìn)而確定了模型的準(zhǔn)確性。由于人工神經(jīng)網(wǎng)絡(luò)模型具有很高的靈活性，在處理小微企業(yè)信息數(shù)據(jù)不完整、數(shù)據(jù)質(zhì)量不高等問題時(shí)，具有獨(dú)到的優(yōu)勢。層次分析法在評級模型構(gòu)建方面也具有其特定優(yōu)勢：第一，層次分析法能解決小微企業(yè)信息不透明、數(shù)據(jù)缺失的問題，克服了傳統(tǒng)計(jì)量模型和財(cái)務(wù)分析方法的局限性；第二，層級分析法細(xì)分了信用等級影響因素的層級，對于各影響因素賦予不同的權(quán)重，降低了主觀評級的影響，保證模型構(gòu)建的科學(xué)性和客觀性。

本文在國內(nèi)外研究學(xué)者對神經(jīng)網(wǎng)絡(luò)模型研究的基礎(chǔ)上，參考現(xiàn)有企業(yè)信用評級方法，結(jié)合我國實(shí)際情況和小微企業(yè)經(jīng)營特點(diǎn)，創(chuàng)新性的將神經(jīng)網(wǎng)絡(luò)模型引入風(fēng)險(xiǎn)評估的研究領(lǐng)域，并結(jié)合管理學(xué)決策方法構(gòu)建了小微企業(yè)信用評級指標(biāo)體系和評級方法，為銀行進(jìn)行小微企業(yè)信貸風(fēng)險(xiǎn)計(jì)量提供了一套全新有效的系統(tǒng)方法。在一定程度上克服了銀企信息不對稱的問題，避免了企業(yè)市值評估等復(fù)雜難題，能夠簡便而有效地評估小微企業(yè)信貸風(fēng)險(xiǎn)，便于銀行快速做出有效的信貸決策。

由于不同的投資者具備不同的風(fēng)險(xiǎn)偏好及風(fēng)險(xiǎn)承受能力，因此本文并未針對實(shí)證結(jié)果進(jìn)行比較和評級，這也是本文進(jìn)行深入探討分析時(shí)可進(jìn)行的一個(gè)方向。在采用本文的模型進(jìn)行小微企業(yè)的信貸風(fēng)險(xiǎn)進(jìn)行評估與分析時(shí)，需參考銀行自身的風(fēng)險(xiǎn)控制準(zhǔn)則，確定小微企業(yè)間的風(fēng)險(xiǎn)水平分界線。通過比較不同小微企業(yè)的信貸相對優(yōu)勢，根據(jù)已有的信息進(jìn)行進(jìn)一步的風(fēng)險(xiǎn)分析，確定該企業(yè)的潛在信貸風(fēng)險(xiǎn)是否在銀行的預(yù)期信貸風(fēng)險(xiǎn)損失水平以下。同時(shí)，在貸后審查時(shí)，也可以運(yùn)用該模型，通過新的企業(yè)數(shù)據(jù)得到的新的模型結(jié)果與銀行風(fēng)控準(zhǔn)則相結(jié)合，判斷企業(yè)能否保持較低的風(fēng)險(xiǎn)水平。若企業(yè)潛在損失達(dá)到銀行預(yù)期信貸風(fēng)險(xiǎn)損失水平，則銀行需要提高風(fēng)險(xiǎn)準(zhǔn)備金來應(yīng)對非預(yù)期信貸風(fēng)險(xiǎn)損失。

[1]Sharma J,Kamath R,Tuluca S Determinants of corporate borrowing:an application of a neural network approach [J].American Business Review,2003,21，(2).

[2]E.NurOzkan-Gunay,Mehmed Ozkan.Prediction of Bank Failures in Emerging Financial Markets:an ANN Approach[J].The Journal of Risk Finance,2007,8，(5).

[3]唐麗艷，李衛(wèi)平，景瑜.應(yīng)用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行企業(yè)綜合經(jīng)濟(jì)效益評估[J].管理工程學(xué)報(bào)，1996，(2).

[4]張美戀，王秀珍.基于徑向神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究[J].集美大學(xué)學(xué)報(bào)，2005，(9).

[5]王悅.人工神經(jīng)網(wǎng)絡(luò)在經(jīng)濟(jì)預(yù)測中的應(yīng)用[J].價(jià)值工程，2007，(5).

[6]徐國強(qiáng).統(tǒng)計(jì)預(yù)測和決策[M].上海：上海財(cái)經(jīng)大學(xué)出版社，2008.

[7]EthemAlpaydin.Introduction to Machine Learning[M].北京：機(jī)械工業(yè)出版社，2009.

[8]史峰，王小川，郁磊等.Matlab神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析[M].北京：北京航天航空大學(xué)出版社，2010.

[9]陳光會.基于BP網(wǎng)絡(luò)的客戶價(jià)值分析[J].統(tǒng)計(jì)與決策，2011，(8).

[10]潘振媛.小微企業(yè)信用評級體系初探[J].信息技術(shù)，2012，（8）.

[11]陶平，劉學(xué).中小企業(yè)信用體系建設(shè)對地方中小微企業(yè)發(fā)展影響的實(shí)證性分析[J].征信，2012,30，(6).

[12]龐如超.我國財(cái)產(chǎn)保險(xiǎn)公司信用評級模型構(gòu)建研究——基于因子分析法和聚類分析法[J].金融理論與實(shí)踐，2012，(6).

[13]許暉慧.淺析小微企業(yè)銀行融資難問題[J].湖北經(jīng)濟(jì)學(xué)院學(xué)報(bào)，2012，（9）.

[14]喬萬旺.信用評級市場發(fā)展的路徑選擇:臨汾個(gè)案分析[J].征信，2010，（4）.

[15]魏大鵬.征信視角下小微企業(yè)的融資困境及對策研究[J].征信，2012，（6）.

[16]竇玉丹，袁永博，劉妍.商業(yè)銀行信貸風(fēng)險(xiǎn)預(yù)警研究——基于AHP權(quán)重可變模糊模型[J].技術(shù)經(jīng)濟(jì)與管理研究，2011，（12）.

（責(zé)任編輯 周吟吟）

何魯冰（1974—），男，漢族，四川成都人，中南財(cái)經(jīng)政法大學(xué)經(jīng)濟(jì)學(xué)院博士研究生，研究方向?yàn)楣窘鹑?、企業(yè)管理；雷鵬飛（1988—），男，土家族，湖北巴東人，中南財(cái)經(jīng)政法大學(xué)經(jīng)濟(jì)學(xué)院博士研究生，主要從事宏觀經(jīng)濟(jì)研究。

F832.4

A

1671-7155(2014)06-0085-07

2014-09-19

本文受國家社科基金資助，項(xiàng)目編號：12BJL054。