龔玲玲，遲國(guó)泰，杜永強(qiáng)

（1.大連理工大學(xué) 工商管理學(xué)院，大連 116024；2.大連職業(yè)技術(shù)學(xué)院 工商管理學(xué)院，大連 116035）

1 研究背景

信用評(píng)價(jià)是商業(yè)銀行對(duì)貸款客戶的財(cái)務(wù)狀況和盈利能力等進(jìn)行的綜合評(píng)價(jià)，信用評(píng)價(jià)結(jié)果是商業(yè)銀行確定貸款風(fēng)險(xiǎn)的依據(jù)，對(duì)于銀行控制風(fēng)險(xiǎn)具有重要意義。建立合理的信用評(píng)價(jià)指標(biāo)體系是信用評(píng)價(jià)的關(guān)鍵。如果評(píng)價(jià)指標(biāo)體系不合理，那么無(wú)論采用哪種評(píng)價(jià)方法都得不到合理的評(píng)價(jià)結(jié)果。

國(guó)外權(quán)威機(jī)構(gòu)構(gòu)建的比較有代表性的信用評(píng)價(jià)指標(biāo)體系有金融界普遍認(rèn)可的客戶信用等級(jí)評(píng)價(jià)“5C原則”［1］、5P評(píng)級(jí)體系［2］、穆迪［3］、標(biāo)準(zhǔn)普爾［4］以及美國(guó)三大信用局（Equifax、Experian和Trans Union）的FICO（Fairlsaac &Company）信用評(píng)價(jià)體系［5］。國(guó)內(nèi)典型機(jī)構(gòu)建立的頗具代表性的小企業(yè)信用評(píng)價(jià)指標(biāo)體系有中國(guó)工商銀行的小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系［6］、中國(guó)建設(shè)銀行的小企業(yè)信用等級(jí)［7］等。學(xué)者們構(gòu)建的小企業(yè)信用評(píng)價(jià)指標(biāo)體系中具有代表性的有：夏立明、宗恒恒和孟麗建立的由中小企業(yè)自身影響因素、核心企業(yè)影響因素、融資項(xiàng)目影響因素、貿(mào)易供應(yīng)鏈影響因素、宏觀環(huán)境影響因素5個(gè)準(zhǔn)則層構(gòu)成的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系［8］；盧超和鐘望舒構(gòu)建的包括償債能力、盈利能力、營(yíng)運(yùn)能力、現(xiàn)金流量、成長(zhǎng)能力、企業(yè)基本素質(zhì)、企業(yè)發(fā)展前景7個(gè)準(zhǔn)則層的中小企業(yè)信用評(píng)價(jià)指標(biāo)體系［9］。此外，宋昱雯和劉亞娜利用模糊AHP（analytic hierarchy process）法構(gòu)建了中小企業(yè)信用評(píng)價(jià)體系［10］；王波從財(cái)務(wù)視角利用MTS（Mahalanobis-Taguchi system）模型構(gòu)建了政府融資平臺(tái)貸款信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系［11］。

現(xiàn)有的企業(yè)信用評(píng)價(jià)指標(biāo)體系存在的主要問(wèn)題是：一是指標(biāo)體系偏重于企業(yè)財(cái)務(wù)指標(biāo)，不適用于評(píng)價(jià)財(cái)務(wù)制度不健全、財(cái)務(wù)信息不透明的小企業(yè)的信用狀況；二是指標(biāo)體系不能有效區(qū)分違約狀況；三是指標(biāo)體系反映信息冗余。

針對(duì)上述問(wèn)題，本文根據(jù)顯著性判別原理篩選出對(duì)違約狀況影響顯著的指標(biāo)，通過(guò)相關(guān)分析刪除反映信息重復(fù)的指標(biāo)，并利用國(guó)內(nèi)某商業(yè)銀行的隸屬于第二產(chǎn)業(yè)的小企業(yè)貸款數(shù)據(jù)進(jìn)行實(shí)例研究。

2 小企業(yè)信用評(píng)價(jià)指標(biāo)體系的構(gòu)建

2.1 指標(biāo)的海選和初篩

首先，對(duì)小企業(yè)信用評(píng)價(jià)指標(biāo)進(jìn)行海選。筆者重點(diǎn)關(guān)注美國(guó)穆迪、標(biāo)準(zhǔn)普爾、FICO、中國(guó)工商銀行等權(quán)威機(jī)構(gòu)［1-7］所構(gòu)建的評(píng)價(jià)指標(biāo)體系中的高頻指標(biāo)，并結(jié)合文獻(xiàn)梳理結(jié)果［8-9］，構(gòu)建了小企業(yè)信用評(píng)價(jià)海選指標(biāo)體系。該體系包括3 個(gè)一級(jí)準(zhǔn)則層、7個(gè)二級(jí)準(zhǔn)則層、84個(gè)海選指標(biāo)（見(jiàn)表1）。然后，刪除海選指標(biāo)體系中數(shù)據(jù)無(wú)法獲得的指標(biāo)以使初篩后的指標(biāo)滿足可觀測(cè)性。

表1 小企業(yè)信用評(píng)價(jià)海選指標(biāo)體系

2.2 指標(biāo)優(yōu)選

基于顯著性判別原理的指標(biāo)篩選過(guò)程如下：根據(jù)邏輯回歸模型中變量系數(shù)的顯著性水平，判斷變量對(duì)于指標(biāo)體系的重要性，根據(jù)Wald值越大或顯著性概率越小則指標(biāo)越重要的原理，保留重要性大的指標(biāo)；再根據(jù)相關(guān)分析結(jié)果和變異系數(shù)，刪除反映信息冗余的指標(biāo)。

1）利用顯著性判別原理進(jìn)行指標(biāo)篩選。

根據(jù)邏輯回歸方程中變量系數(shù)的顯著性水平，判斷變量對(duì)于指標(biāo)體系的重要性。根據(jù)Wald值越大或顯著性概率越小則指標(biāo)越重要的原理，保留重要性大的指標(biāo)，剔除無(wú)法顯著區(qū)分小企業(yè)違約狀況的指標(biāo)，確保篩選后的指標(biāo)對(duì)小企業(yè)違約狀況具有顯著的鑒別能力。具體過(guò)程如下：

首先，確定原假設(shè)。原假設(shè)：第i個(gè)評(píng)價(jià)指標(biāo)對(duì)小企業(yè)違約狀況無(wú)影響，即βi=0。

然后，計(jì)算各評(píng)價(jià)指標(biāo)的Wald 檢驗(yàn)統(tǒng)計(jì)量。其計(jì)算公式［12］如下：

式（4）中：Wi為第i個(gè)評(píng)價(jià)指標(biāo)的Wald檢驗(yàn)統(tǒng)計(jì)量；為第i個(gè)評(píng)價(jià)指標(biāo)的邏輯回歸系數(shù)的估計(jì)值；為第i個(gè)評(píng)價(jià)指標(biāo)的邏輯回歸系數(shù)的標(biāo)準(zhǔn)差。

接著，將各評(píng)價(jià)指標(biāo)的Wald檢驗(yàn)統(tǒng)計(jì)量（Wi）的檢驗(yàn)概率（Sig.）與其邏輯回歸系數(shù)的顯著性水平（A）進(jìn)行比較：如果前者小于或等于后者，則拒絕原假設(shè)，即βi≠0，表明該評(píng)價(jià)指標(biāo)對(duì)小企業(yè)的違約狀況有顯著影響；如果后者大于前者，則接受原假設(shè)，即βi=0，則該評(píng)價(jià)指標(biāo)對(duì)小企業(yè)的違約狀況無(wú)顯著影響。

2）通過(guò)相關(guān)分析進(jìn)行指標(biāo)篩選。

通過(guò)計(jì)算各評(píng)價(jià)指標(biāo)之間的相關(guān)系數(shù)來(lái)剔除相關(guān)系數(shù)較大的評(píng)價(jià)指標(biāo)也即反映信息重復(fù)的指標(biāo)。具體過(guò)程如下：

首先，計(jì)算各評(píng)價(jià)指標(biāo)之間的相關(guān)系數(shù)。其計(jì)算公式如下［13］：

式（5）中：rij為第i個(gè)指標(biāo)與第j個(gè)指標(biāo)的相關(guān)系數(shù)；Zki為第k個(gè)評(píng)價(jià)對(duì)象的第i個(gè)評(píng)價(jià)指標(biāo)的值；為第i個(gè)評(píng)價(jià)指標(biāo)的均值。

然后，規(guī)定一個(gè)臨界值M（0＜M＜1）：如果rij＞M，遵循信息含量最大化原則，剔除其中一個(gè)評(píng)價(jià)指標(biāo)；如果rij＜M，則同時(shí)保留兩個(gè)評(píng)價(jià)指標(biāo)。指標(biāo)的變異系數(shù)反映了該指標(biāo)在信用評(píng)價(jià)中的鑒別能力。指標(biāo)的變異系數(shù)越大，則其信息含量越大，因此應(yīng)保留變異系數(shù)大的指標(biāo)。

第j個(gè)指標(biāo)的變異系數(shù)vj的計(jì)算公式［12］為：

式（6）中：vj為第j個(gè)指標(biāo)的變異系數(shù)；n為被評(píng)價(jià)對(duì)象的個(gè)數(shù)為第j個(gè)指標(biāo)的均值，xij為第i個(gè)評(píng)價(jià)對(duì)象的第j個(gè)指標(biāo)的值。其中，的計(jì)算公式［13］為：

最后，根據(jù)相關(guān)分析結(jié)果剔除相關(guān)系數(shù)大的指標(biāo)，保證篩選出的指標(biāo)所反映的信息不重復(fù)。

2.3 指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理

對(duì)信用評(píng)價(jià)指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將之轉(zhuǎn)化為在區(qū)間［0，1］中的數(shù)值，以消除指標(biāo)數(shù)據(jù)的量綱不同對(duì)指標(biāo)篩選的影響。

1）定量指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理［13］。

第一，正向指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理。定量正向指標(biāo)的數(shù)值越大，表明貸款企業(yè)的信用情況越好。定量正向指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理公式為：

式（8）中：xij為第i個(gè)評(píng)價(jià)對(duì)象的第j個(gè)指標(biāo)的標(biāo)準(zhǔn)化值；vij為第i個(gè)評(píng)價(jià)對(duì)象的第j個(gè)指標(biāo)的原始值；n為評(píng)價(jià)對(duì)象的個(gè)數(shù)。

第二，負(fù)向指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理。定量負(fù)向指標(biāo)的數(shù)值越小，表明貸款企業(yè)的信用情況越好。定量負(fù)向指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理公式為：

式（9）中：xij為第i個(gè)評(píng)價(jià)對(duì)象的第j個(gè)指標(biāo)的標(biāo)準(zhǔn)化值；vij為第i個(gè)評(píng)價(jià)對(duì)象的第j個(gè)指標(biāo)的原始值；n為評(píng)價(jià)對(duì)象的個(gè)數(shù)。

第三，最佳區(qū)間指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理。最佳區(qū)間型指標(biāo)是其數(shù)據(jù)某一特定區(qū)間內(nèi)都是合理的指標(biāo)。例如，居民消費(fèi)價(jià)格指數(shù)（x3，4）的理想?yún)^(qū)間為［101，105］，處于該區(qū)間既不存在通貨膨脹也不存在通貨緊縮。最佳區(qū)間指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理公式為：

其中：q1為最佳區(qū)間左邊界；q2為最佳區(qū)間右邊界；其他符號(hào)的含義與式（8）中的相同。

2）定性指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理。

可通過(guò)理性分析來(lái)制定合適的定性指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化處理標(biāo)準(zhǔn)，如表2所示。

表2 定性指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化處理標(biāo)準(zhǔn)

3 實(shí)例研究

3.1 樣本選取與數(shù)據(jù)來(lái)源

依據(jù)《國(guó)民經(jīng)濟(jì)行業(yè)分類標(biāo)準(zhǔn)》下的“第二產(chǎn)業(yè)分類標(biāo)準(zhǔn)”［14］和“工業(yè)和信息化信部印發(fā)的《中小企業(yè)劃型標(biāo)準(zhǔn)規(guī)定》中的小企業(yè)劃型標(biāo)準(zhǔn)［15］，本文從國(guó)內(nèi)某地區(qū)型商業(yè)銀行的貸款數(shù)據(jù)庫(kù)中提取2004—2012年期間其已結(jié)清的第二產(chǎn)業(yè)小企業(yè)的貸款數(shù)據(jù)。樣本數(shù)量為1974個(gè)，其中違約樣本119個(gè)、非違約樣本1855個(gè)。違約的界定標(biāo)準(zhǔn)為：逾期90天（不包含90天）仍未歸還本金或利息的即視為違約。選用第二產(chǎn)業(yè)小企業(yè)作為實(shí)證研究樣本的原因在于，該數(shù)據(jù)庫(kù)中違約的第二產(chǎn)業(yè)小企業(yè)較多。

首先，將各樣本在各評(píng)價(jià)指標(biāo)上的原始數(shù)據(jù)代入式（8）～式（10），從而得到相應(yīng)的標(biāo)準(zhǔn)化數(shù)據(jù)。再將這些標(biāo)準(zhǔn)化數(shù)據(jù)導(dǎo)入SPSS軟件，利用該軟件的“二元邏輯回歸”功能獲得各評(píng)價(jià)指標(biāo)的邏輯回歸系數(shù)估計(jì) 值和標(biāo)準(zhǔn) 差、Wald 檢驗(yàn)統(tǒng)計(jì)量（Wi）及其檢驗(yàn)概率（Sig.）。

然后，將各評(píng)價(jià)指標(biāo)的Wald檢驗(yàn)統(tǒng)計(jì)量的檢驗(yàn)概率（Sig.）與0.05進(jìn)行比較。設(shè)顯著性水平為0.05［12］，結(jié)果顯示：18個(gè)指標(biāo)的Sig.值小于0.05，表明這些指標(biāo)對(duì)第二產(chǎn)業(yè)小企業(yè)的違約狀態(tài)有顯著影響，應(yīng)予以保留；63個(gè)指標(biāo)的Sig.值大于0.05，表明這些指標(biāo)無(wú)法用于顯著判別第二產(chǎn)業(yè)小企業(yè)是否違約，應(yīng)予以剔除。對(duì)第二產(chǎn)業(yè)小企業(yè)的違約狀態(tài)有顯著影響的指標(biāo)及其邏輯回歸系數(shù)估計(jì)值和標(biāo)準(zhǔn)差、Wald檢驗(yàn)統(tǒng)計(jì)量（Wi）及其檢驗(yàn)概率（Sig.）如表3所示。

表3 小企業(yè)信用評(píng)價(jià)指標(biāo)顯著性檢驗(yàn)結(jié)果

接著，計(jì)算各評(píng)價(jià)指標(biāo)的相關(guān)系數(shù)。將利用顯著性判別原理保留下的指標(biāo)的標(biāo)準(zhǔn)化數(shù)據(jù)代入式（5），計(jì)算各評(píng)價(jià)指標(biāo)的相關(guān)系數(shù)。也可應(yīng)用Excel軟件中的“數(shù)據(jù)分析—相關(guān)系數(shù)”功能得到各評(píng)價(jià)指標(biāo)的相關(guān)系數(shù)（r）。通常而言，0.8＜r＜1表示高度相關(guān)，因此將相關(guān)分析的臨界值M 設(shè)定為0.8［13］。由相關(guān)分析結(jié)果可知，EBITDA 與凈利潤(rùn)、城鄉(xiāng)居民人均儲(chǔ)蓄年末余額與城鄉(xiāng)居民人均可支配收入、企業(yè)間合同違約次數(shù)與企業(yè)法律糾紛情況這三組指標(biāo)的rij＞0.8，因此要剔除這三組指標(biāo)中變異系數(shù)小的指標(biāo)。

再下來(lái)，計(jì)算高度相關(guān)的指標(biāo)的變異系數(shù)。將上述三組指標(biāo)的標(biāo)準(zhǔn)化數(shù)據(jù)代入式（6）和式（7），得到其均值x-j和變異系數(shù)vj（見(jiàn)表4），據(jù)此剔除變異系數(shù)小的指標(biāo)。

最后，在前文指標(biāo)篩選的基礎(chǔ)上，構(gòu)建第二產(chǎn)業(yè)小企業(yè)信用評(píng)價(jià)指標(biāo)體系，如表5所示。

根據(jù)文獻(xiàn)［13］計(jì)算可知：上述指標(biāo)體系用18.52%的指標(biāo)反映了海選指標(biāo)體系的88.30%的原始信息，滿足指標(biāo)體系合理性的判定標(biāo)準(zhǔn)［13］。

表4 相關(guān)系數(shù)大于0.8的指標(biāo)篩選結(jié)果

表5 基于邏輯回歸和相關(guān)分析的

4 結(jié)語(yǔ)

本文在海選和初篩指標(biāo)的基礎(chǔ)上，根據(jù)邏輯回歸系數(shù)估計(jì)值的顯著性，篩選出能顯著區(qū)分小企業(yè)違約狀況的指標(biāo)，進(jìn)而利用相關(guān)分析法剔除反映信息重復(fù)的指標(biāo)，據(jù)此建立小企業(yè)信用評(píng)價(jià)指標(biāo)體系。然后，以某商業(yè)銀行的第二產(chǎn)業(yè)小企業(yè)貸款客戶為樣本，對(duì)上述指標(biāo)構(gòu)建過(guò)程進(jìn)行實(shí)例說(shuō)明。結(jié)果表明：利用本文提出的指標(biāo)篩選方法建立小企業(yè)信用評(píng)價(jià)指標(biāo)體系，能用海選指標(biāo)體系的18.52%的指標(biāo)反映其88.30%的原始信息。

［1］WANG T C，CHEN Y H.Applying rough sets theory to corporate credit ratings［C］.IEEE International Confer-ence：Service Operations and Logistics，and Informatics，2006：132-136.

［2］DERVIZ A，PODPIERA J.Predicting bank CAMELS and S&P ratings：the case of the czech republic［J］.Emerging Markets Finance &Trade，2008，44（1）：117-130.

［3］Moody’s Investors Service.Global Credit Research［R］.Moody’s Investors Service，2005.

［4］Standard &Poor’s.China Top 50Banks［R］.Standard &Poor’s，2007.

［5］Fair Isaac Corporation.Free FICO Credit Score［EB/OL］.［2013-10-17］.http：//www.myfico.com/Default.aspx.

［6］中國(guó)工商銀行.關(guān)于印發(fā)《中國(guó)工商銀行小企業(yè)法人客戶信用等級(jí)評(píng)定辦法》的通知［R］.中國(guó)工商銀行，工銀發(fā)［2005］78號(hào).

［7］中國(guó)建設(shè)銀行.中國(guó)建設(shè)銀行小企業(yè)客戶評(píng)價(jià)辦法［R］.中國(guó)建設(shè)銀行，2007.

［8］夏立明，宗恒恒，孟麗.中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的構(gòu)建——基于供應(yīng)鏈金融視角的研究［J］.金融論壇，2011，190（10）：73-79.

［9］盧超，鐘望舒.商業(yè)銀行對(duì)中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)的方法探索［J］.金融論壇，2009，165（9）：13-20.

［10］宋昱雯，劉亞娜.模糊AHP 法在中小企業(yè)信用評(píng)價(jià)指標(biāo)體系構(gòu)建中的應(yīng)用［J］.企業(yè)導(dǎo)報(bào)，2013（16）：37-38.

［11］王波.政府融資平臺(tái)貸款信用風(fēng)險(xiǎn)評(píng)價(jià)——基于MTS模型的實(shí)證研究［J］.技術(shù)經(jīng)濟(jì)，2013，32（7）：117-122.

［12］劉夢(mèng)涵，于雷，張雪蓮，等.基于累積Logistic回歸道路交通擁堵強(qiáng)度評(píng)價(jià)模型［J］.北京交通大學(xué)學(xué)報(bào)，2008，32（6）：52-56.

［13］遲國(guó)泰.王衛(wèi).基于科學(xué)發(fā)展觀的綜合評(píng)價(jià)理論、方法與應(yīng)用［M］.北京：科學(xué)出版社，2011：38-54.

［14］國(guó)家統(tǒng)計(jì)局.國(guó)民經(jīng)濟(jì)行業(yè)分類注釋2011［M］.北京：中國(guó)統(tǒng)計(jì)出版社，2011.

［15］工業(yè)和信息化部，國(guó)家統(tǒng)計(jì)局，國(guó)家發(fā)展和改革委員會(huì)，財(cái)政部.關(guān)于印發(fā)中小企業(yè)劃型標(biāo)準(zhǔn)規(guī)定的通知（工信部聯(lián)企業(yè)［2011］300號(hào)）［R］.北京：工業(yè)和信息化部，國(guó)家統(tǒng)計(jì)局，國(guó)家發(fā)展和改革委員會(huì)，財(cái)政部，2011.