朱宗元，蘇為華，王秋霞

(1.浙江財經(jīng)大學(xué) 數(shù)據(jù)科學(xué)學(xué)院，浙江 杭州310018；2.浙江工商大學(xué) 統(tǒng)計與數(shù)學(xué)學(xué)院，浙江 杭州 310018； 3.杭州電子科技大學(xué) 經(jīng)濟學(xué)院，浙江 杭州 310018)

一、引言

中小企業(yè)對中國經(jīng)濟的穩(wěn)定和發(fā)展至關(guān)重要。截至2017年底，注冊的中小企業(yè)數(shù)量已超過4 000萬家，占企業(yè)法人總數(shù)的99%，不僅貢獻了六成的產(chǎn)出、半數(shù)的稅收，并且拉動了八成的城鎮(zhèn)就業(yè)。但與此同時，中小企業(yè)又長期為融資難問題所困擾。長期以來，由于財務(wù)信息不透明，缺乏規(guī)范的現(xiàn)代企業(yè)治理制度，無法提供高質(zhì)量的抵押和擔(dān)保，大銀行主導(dǎo)的金融體制不適合為中小企業(yè)服務(wù)等原因，中小企業(yè)在向銀行貸款時容易遭受歧視，其融資需求難以被滿足[1-2]。要擺脫對銀行間接融資的過度依賴，需要拓寬資本市場的直接融資渠道，發(fā)展多層次的金融體系。面向高科技成長型中小企業(yè)的股份轉(zhuǎn)讓系統(tǒng)(新三板)，正是為解決以上問題而創(chuàng)建。近年來，新三板市場不斷擴容，掛牌企業(yè)已超過10 000家，但同時也暴露出一系列的問題，如市場定價機制不完善，二級市場交易流動性不足，上市企業(yè)信息披露混亂等[3]。

新三板市場目前尚處于摸索階段，學(xué)者們對市場制度架構(gòu)、融資行為、市場風(fēng)險等方面進行了研究。已有的關(guān)注主要在兩個方面：一是對新三板市場的現(xiàn)狀調(diào)查、問題探究和前景分析。主流研究觀點是，新三板市場肩負著中小(微)企業(yè)從傳統(tǒng)債權(quán)融資轉(zhuǎn)向股權(quán)融資的使命，有希望成長為“中國版納斯達克”，但存在一級和二級市場不平衡，做市商壟斷和權(quán)利義務(wù)不對等，優(yōu)質(zhì)企業(yè)流失、定價功能受限、金融欺詐頻發(fā)等一系列的問題，需要不斷完善[4-5]。二是從宏微觀方面，檢驗新三板市場融資的有效性。市場制度設(shè)計考察包括了市場分層制度、競價交易制度、做市商制度、信息披露制度、掛摘牌制度、市場監(jiān)督體系等方面[6-7]?？疾彀l(fā)現(xiàn)：存在主辦券商信息披露督導(dǎo)滯后，缺乏有效分層，對信息披露違規(guī)企業(yè)的懲戒不足等缺點[8]；從企業(yè)融資行為的影響因素和效率角度，利用DEA-Malmquist、logit等模型進行測度，發(fā)現(xiàn)多數(shù)企業(yè)融資未能處于效率前沿[9]。做市交易選擇與公司的股權(quán)結(jié)構(gòu)負相關(guān)，而與資產(chǎn)規(guī)模和抗壓能力正相關(guān)。新三板企業(yè)需要在擴張的同時保持對風(fēng)險的警惕，合理配置股權(quán)結(jié)構(gòu)，穩(wěn)健提升融資能力[10]。

已有研究雖涉及了新三板的諸多方面，取得了有價值的結(jié)論，但仍存在不足。對于二級市場流動性不足和信息披露不力的突出問題，現(xiàn)有文獻集中于考察制度設(shè)計不完善導(dǎo)致的道德風(fēng)險和逆向選擇，對掛牌企業(yè)信用評級滯后這一重要原因未予重視。由于新三板的風(fēng)險明顯高于A股市場，所以加強掛牌企業(yè)的信用評價對有效緩釋信息不對稱程度、提升融資交易的可能性非常重要。對中小企業(yè)信用評級的相關(guān)研究多集中于銀行貸款傳統(tǒng)渠道，而針對新三板融資環(huán)境的研究則非常匱乏，照搬傳統(tǒng)信用評估經(jīng)驗已不能適應(yīng)新的交易環(huán)境[11]。本文的貢獻在于利用新三板市場的公開披露信息，通過Lasso變量選擇技術(shù)篩選信用評價指標體系，構(gòu)建Lasso-logistic信用評估模型并進行實證分析，目的在于將披露信息映射為企業(yè)信用信號，以推動新三板市場融資的有序開展。

二、研究設(shè)計

與商業(yè)銀行利用私密信息對貸款客戶開展內(nèi)部評級不同，對新三板中小企業(yè)的信用評級主要利用公開披露的信息，屬于外部評級。研究采用經(jīng)濟理論與數(shù)據(jù)驅(qū)動建模相結(jié)合的思路。首先，以企業(yè)披露信息為基礎(chǔ)，構(gòu)建理論上較完備的指標體系；然后，利用Lasso方法選擇變量，篩選出精簡實用的指標體系；最后，構(gòu)建Lasso-logistic模型評價掛牌中小企業(yè)的信用風(fēng)險。

(一)信用評價指標體系構(gòu)建

新三板交易平臺披露了包括企業(yè)財務(wù)、企業(yè)治理、企業(yè)家人口統(tǒng)計特征等廣泛的信息，但是很多指標存在強線性相關(guān)，因此指標體系構(gòu)建需要結(jié)合理論成果和實踐經(jīng)驗，從多角度考量和選擇。已有研究發(fā)現(xiàn)，財務(wù)和非財務(wù)信息都能影響企業(yè)的信用，而非財務(wù)指標對中小企業(yè)的影響更大[12-14]?，F(xiàn)代企業(yè)信用評估體系的建設(shè)原則傾向于“減少專家評估”的指標[15]。本研究從經(jīng)濟學(xué)意義出發(fā)，嘗試搜尋理論上對企業(yè)信用可能有預(yù)測功能的變量集，為信用評價的變量篩選和調(diào)試提供基礎(chǔ)。理論的評價指標體系包括財務(wù)和非財務(wù)指標兩類。財務(wù)指標體系包括盈利能力與收益質(zhì)量、資本結(jié)構(gòu)與償債能力、營運能力、成長能力以及現(xiàn)金流量五個部分。具體指標名稱和經(jīng)濟含義見表1。

表1 新三板中小企業(yè)信用指標體系財務(wù)變量子集表

非財務(wù)指標包括企業(yè)家人格化特征、企業(yè)治理特征、企業(yè)基本特征等方面。非財務(wù)指標變量多為屬性變量，在表2中給出了定量化設(shè)置的思路。一些樣本企業(yè)數(shù)量較少的行業(yè)在分類時被歸為其它。設(shè)置所屬地區(qū)變量是為了捕捉區(qū)位差異對企業(yè)信用風(fēng)險的影響。

(二)數(shù)據(jù)選取與預(yù)處理

1.樣本企業(yè)選取。依據(jù)2011年共同制定的《中小企業(yè)劃型標準規(guī)定》，少數(shù)新三板掛牌企業(yè)不符合中小企業(yè)定義，在研究中予以剔除。利用從業(yè)人數(shù)、營業(yè)收入和資產(chǎn)規(guī)模的區(qū)間標準值，共篩選出404家掛牌的中小企業(yè)組成研究數(shù)據(jù)集。初選的影響因素由35個變量構(gòu)成，其中企業(yè)財務(wù)指標25個，非財務(wù)指標10個。企業(yè)是否違約是本研究的響應(yīng)變量，35個可能的因素為預(yù)測變量。

2.變量設(shè)置。構(gòu)建信用風(fēng)險模型，首先需要定義違約以便分類企業(yè)樣本。企業(yè)違約的確定具有多樣性，最直接的狹義度量是企業(yè)財務(wù)失敗導(dǎo)致破產(chǎn)。銀行或債券市場中，違約一般是債務(wù)未能按約定償還本息，以上被視為高等級違約。中國中小企業(yè)信用體系尚不健全，破產(chǎn)和貸款違約等信息披露不充分，難以據(jù)此開展外部評級。利用上市公司股票的交易狀況作為信用風(fēng)險信號是一種研究替代方法，即觀察股票是否被特殊處理(ST)。根據(jù)2013年實施的《全國中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)業(yè)務(wù)規(guī)則》，新三板企業(yè)觸發(fā)ST的基本標準包括：最近一個會計年度的財務(wù)會計報告被出具否定意見或者無法表示意見的審計報告；最近一個會計年度經(jīng)審計的期末凈資產(chǎn)為負值以及股轉(zhuǎn)系統(tǒng)規(guī)定的其他情形。在更廣義情況下，出現(xiàn)企業(yè)違規(guī)、卷入訴訟、股權(quán)被法院凍結(jié)、未依法履行合同、拖欠工人工資、未及時公布公司重大事項等負面信息也可被視為低等級違約信號。

綜上，本研究對新三板企業(yè)違約的定義包括：(1)企業(yè)股票被新三板市場ST警示；(2)發(fā)生拖欠支付企業(yè)員工工資的情況；(3)出現(xiàn)缺乏誠信違規(guī)經(jīng)營的情況；(4)發(fā)生履行約定合同問題而卷入訴訟，被法院凍結(jié)資產(chǎn)、股權(quán)的情形。在2016年1月1日至2017年6月30日的時段內(nèi)，利用Wind數(shù)據(jù)庫共收集了符合違約特征的中小企業(yè)31家，發(fā)現(xiàn)被ST的原因基本上歸于財務(wù)困境。由此得到啟示，構(gòu)建新三板企業(yè)的信用評價體系，仍應(yīng)以財務(wù)指標為主，輔之以非財務(wù)信息。

為滿足建模分析的需要，對屬性解釋變量做定量化設(shè)置(見表2)，與連續(xù)性變量共同形成解釋變量集。

表2 新三板中小企業(yè)信用指標體系非財務(wù)變量子集表

3.數(shù)據(jù)缺失和非平衡問題處理。樣本企業(yè)的部分數(shù)據(jù)出現(xiàn)缺失和異常，分析時根據(jù)嚴重程度進行修補或刪除。對數(shù)據(jù)缺失嚴重的情況，在梳理中予以刪除。對少量連續(xù)指標值缺失的，利用所在Wind行業(yè)的平均值填補，缺失的離散型數(shù)據(jù)，則通過計算眾數(shù)填補。處理過程共刪除了57家數(shù)據(jù)缺失嚴重的企業(yè)。在保留的404家企業(yè)中，數(shù)據(jù)缺失的比例較低(大約2%)。由于解釋變量的單位不同，在建模之前對變量實施了標準化處理。

信用風(fēng)險建模時經(jīng)常面臨樣本數(shù)據(jù)非平衡的問題，即正常企業(yè)的數(shù)量遠遠多于違約企業(yè)。補救方法通常包括不充分抽樣、過分抽樣和混合抽樣改變數(shù)據(jù)結(jié)構(gòu)[16]。為方便比較模型的判別能力，本研究做以下處理：首先，從原始樣本中隨機抽取2%的數(shù)據(jù)作為測試集，用于模型預(yù)測準確性的外推檢驗；然后，對訓(xùn)練集分違約和非違約企業(yè)，實施混合抽樣獲得平衡數(shù)據(jù)集。

4.Lasso-logistic信用風(fēng)險評價建模思路。初步構(gòu)建的理論指標體系維度較高，建模時需要進一步篩選出真正有作用的變量。使用Lasso-logistic方法構(gòu)建穩(wěn)健的評價模型，下面簡述基本思路。

Lasso方法對最小二乘回歸引入了懲罰。最小二乘估計未知參數(shù)α，β1，…，βp是通過最小化殘差平方和式(1)獲得：

(1)

Lasso估計方法的求解則基于式(2)：

(2)

Lasso方法有顯著的優(yōu)點，能利用懲罰項將影響力較小的變量的估計系數(shù)壓縮為0，從而得到稀疏系數(shù)模型，因此在高維變量選擇時有很好的應(yīng)用前景。在信用風(fēng)險建模領(lǐng)域，Logistic回歸是一直被使用的傳統(tǒng)方法。將Lasso方法和Logistic回歸結(jié)合，構(gòu)建出Lasso-logistic模型。該方法能將指標篩選和風(fēng)險評價統(tǒng)一實現(xiàn)。對企業(yè)是否違約的二分響應(yīng)變量，Lasso-logistic模型的系數(shù)估計通過最小化凸函數(shù)式(3)給出：

(3)

其中L(β)是對數(shù)似然函數(shù)，表達式如下：

(4)

Lasso-logistic模型的系數(shù)估計值為：

(5)

選取合適的調(diào)節(jié)參數(shù)值λ，對Lasso-logistic回歸的變量選擇非常重要。常用方法包括交叉驗證(CV)、廣義交叉驗證(GCV)和拔靴法(Bootstrap)。

三、實證分析

(一)變量探索性分析

利用箱線圖等工具，探索比較違約和非違約企業(yè)各指標的差距，發(fā)現(xiàn)了一些直觀結(jié)論。在企業(yè)資本結(jié)構(gòu)方面，企業(yè)是否違約與最大股東持股比例沒有顯著的關(guān)聯(lián)性。從企業(yè)成立年限的角度，企業(yè)生存時間與是否違約的關(guān)聯(lián)度也不明顯。在企業(yè)經(jīng)營盈利能力方面，違約企業(yè)的銷售毛利率中位數(shù)明顯低于非違約企業(yè)，而資產(chǎn)周轉(zhuǎn)率沒有表現(xiàn)出明顯差異。

在企業(yè)主人格化特征方面，被ST企業(yè)的董事長年齡中位數(shù)略高于正常企業(yè)，且任現(xiàn)職務(wù)的時間普遍較晚。按董事長受教育程度由低到高，違約比例分別為9.09%、5.26%、10.07%、5.49%和12.12%。董事長受教育程度為大專和碩士的企業(yè)違約比例較低；而董事長學(xué)位為博士的違約率最高，因此受教育程度能否被視為信用信號需進一步考量。繼續(xù)考察董事長性別指標，樣本中男性占絕對優(yōu)勢(約9∶1)，分性別的違約率基本無差異(7.69%和7.67%)。在資產(chǎn)流動性方面，被ST企業(yè)的流動資產(chǎn)比率明顯低于平均水平。

在企業(yè)治理結(jié)構(gòu)特征方面，董事長是否兼任總經(jīng)理的比例接近1∶1。兩種模式下的違約比例分別為6.47%和8.87%，差異也較小。在企業(yè)特征方面，約70.3%的樣本位于東部地區(qū)。東部、中部、西部和東北地區(qū)企業(yè)的違約比例分別為8.8%、3.33%、6.67%和6.67%，東部的違約率稍高于全國水平，但地區(qū)差異并不大。企業(yè)集中于北京、上海、深圳、蘇州等大城市。從所屬行業(yè)看，農(nóng)業(yè)類企業(yè)的違約率最高，其次依次為金融業(yè)、制造業(yè)和信息技術(shù)服務(wù)業(yè)。

對各變量實施t檢驗分析差異性，結(jié)果見表3。發(fā)現(xiàn)對正常的樣本企業(yè)和被ST企業(yè)，以下指標的檢驗缺乏顯著性：大股東持股比重(P=0.73)；員工人數(shù)(P=0.98)；成立年限(P=0.53)；營業(yè)收入增長率(P=0.62)；營業(yè)利潤增長率(P=0.27)；利潤總額增長率(P=0.44)；銷售凈利潤增長率(P=0.80)；資產(chǎn)負債率(P=0.35)；資產(chǎn)周轉(zhuǎn)率(P=0.39)；現(xiàn)金收入比率(P=0.27)；資產(chǎn)減值損失率(P=0.98)、凈收益營運指數(shù)(P=0.76)、流動資產(chǎn)比率(P=0.18)；速動比率(P=0.31)；現(xiàn)金到期債務(wù)比率(P=0.77)；銷售現(xiàn)金收入比(P=0.32)；應(yīng)收賬款周轉(zhuǎn)率(P=0.24)；總資產(chǎn)周轉(zhuǎn)率(P=0.60)；股東利潤增長率(P=0.37)；每股收益增長率(P=0.34)及董事長任職年限(P=0.13)。上述變量在兩類企業(yè)中沒有顯著差異，因此對違約的區(qū)分作用可能不明顯。

t檢驗發(fā)現(xiàn)另一些變量在兩類企業(yè)中差異顯著(P<0.10)。這類指標包括：凈資產(chǎn)收益率roe(P=0.03)；總資產(chǎn)凈利潤率roa(P=0.01)；銷售毛利潤率(P=0.02)；投入資本回報率(P=0.001)；營業(yè)成本收入比率(P=0.02)；流動比率(P=0.07)以及全部資產(chǎn)現(xiàn)金回收率(P=0.06)。該系列指標主要表現(xiàn)在成長能力、盈利能力和償債能力方面。凈資產(chǎn)收益率、成本收入比和投入資本回報率體現(xiàn)企業(yè)競爭力；總資產(chǎn)凈利潤率和銷售毛利潤率體現(xiàn)了企業(yè)的盈利能力；流動比率和全部資產(chǎn)現(xiàn)金回收率衡量了企業(yè)的流動性，即在短期債務(wù)到期前變現(xiàn)還債的能力。

以上探索性分析對企業(yè)信用評價指標選擇有積極的指導(dǎo)意義，但仍需進一步篩選出真正有影響的指標，并估計出其系數(shù)。下面利用Lasso-logistic方法進行建模篩選。

表3 各變量對是否被ST的t檢驗表

(二)Lasso-logistic模型估計

利用Lasso回歸Cp值的變化，發(fā)現(xiàn)在第17步選擇達到最小。此時自由度df=18，殘差平方和Rss=21.994，Cp=16.05。Cp方法選擇了17個變量，分別為所在區(qū)位、所屬行業(yè)、利潤總額增長率、凈資產(chǎn)收益率、總資產(chǎn)凈利潤率、銷售毛利潤率、銷售凈利潤率、現(xiàn)金收入比、流動資產(chǎn)比率、流動比率、速動比率、總資產(chǎn)周轉(zhuǎn)率、每股收益增長率、董事長年齡、董事長受教育程度、董事長是否兼職總經(jīng)理和職務(wù)年限。上述變量構(gòu)成了依據(jù)Lasso方法得到的信用評價指標體系。

2.模型估計。表4中給出了Lasso-logistic模型的估計結(jié)果。部分指標的系數(shù)已被壓縮至0，其影響被完全忽略。從標準化估計系數(shù)取值的情況看，系數(shù)絕對值比較大的變量有roe、流動資產(chǎn)比率、利潤總額增長率和學(xué)歷，上述估計系數(shù)均為負數(shù)，說明盈利能力、資產(chǎn)變現(xiàn)償付能力和營運能力增強，均能有效降低新三板企業(yè)的違約風(fēng)險。影響作用中等的解釋變量包括：所在地區(qū)(0.018)、所屬行業(yè)(-0.018 3)、銷售毛利率(-0.015)、銷售現(xiàn)金收入比(0.014 1)、每股收益增長率(0.019 3)、年齡(-0.010 3)、銷售凈利率(0.010 5)、總資產(chǎn)凈利潤率roa(-0.011 1)、銷售現(xiàn)金比率(0.014 1)等變量。部分變量對于預(yù)測違約的影響較小，包括流動比率(-0.001 1)、是否兼任總經(jīng)理(-0.005 2)、資產(chǎn)負債率(0.009 3)、現(xiàn)金到期債務(wù)比(-0.009 5)和董事長職務(wù)年限(-0.009 9)。

從變量的影響方向看，估計系數(shù)為負的有：企業(yè)所在行業(yè)、利潤總額增長率、凈資產(chǎn)收益率roe、總資產(chǎn)凈利潤率roa、銷售毛利潤率、流動資產(chǎn)比率、流動比率、現(xiàn)金到期債務(wù)比、董事長年齡、董事長任職年限。估計系數(shù)為正的有：董事長受教育程度、每股收益增長率、所在地區(qū)、現(xiàn)金收入比、凈利潤增長率和資產(chǎn)負債率。

表4 Lasso-logistic模型參數(shù)估計表

3.Lasso-logistic信用評級。根據(jù)Lasso方法最終篩選出的評價指標和估計結(jié)果，將企業(yè)數(shù)據(jù)導(dǎo)入Logistic回歸方程，計算出各企業(yè)的違約概率，違約概率的計算如式(6)：

(6)

根據(jù)式(6)計算的違約概率，將404個樣本企業(yè)按A～E共5個信用等級來劃分。違約概率小于0.2為A級，0.20～0.30為B級，0.30～0.40為C級，0.40～0.50為D級，0.50以上為E級。以違約概率不低于0.5為劃分企業(yè)違約的標準。信用等級的劃分結(jié)果如表5所示。

表5 樣本企業(yè)的信用等級劃分表

根據(jù)表5的信用等級劃分結(jié)果發(fā)現(xiàn)，新三板企業(yè)的信用風(fēng)險普遍較高，處于D級和E級的企業(yè)比例較大。在信用等級劃分為E級的40家新三板掛牌企業(yè)中，被ST或*ST的企業(yè)共有25家，模型預(yù)測與實際的情況吻合度很高。

四、結(jié)論與啟示

(一)結(jié)論

研究對新三板掛牌中小企業(yè)開展信用評價。首先，從經(jīng)濟理論出發(fā)選取了評價候選指標集；利用Lasso方法篩選了評價指標體系；構(gòu)建了Lasso-logistic評價模型并預(yù)測企業(yè)的信用評級。研究獲得了以下結(jié)論：

第一，新三板企業(yè)信用評價指標體系應(yīng)同時包括財務(wù)和非財務(wù)指標。企業(yè)財務(wù)變量包括：盈利能力變量(利潤總額增長率、凈資產(chǎn)收益率、資產(chǎn)收益率、銷售毛利潤率、銷售凈利潤率)；償債能力變量(資產(chǎn)負債率)；現(xiàn)金流變量(銷售現(xiàn)金收入比、現(xiàn)金到期債務(wù)比)；股東特征變量(每股收益增長率)；變現(xiàn)能力變量(流動資產(chǎn)比率、流動資產(chǎn)負債比率)。非財務(wù)特征變量包括：企業(yè)特征(所在區(qū)域、所屬行業(yè))；企業(yè)家人格化特征(董事長年齡、學(xué)歷、是否兼任總經(jīng)理、任職年限)。

第二，不同變量對企業(yè)違約的影響力和方向不同。凈資產(chǎn)收益率、流動資產(chǎn)比率、利潤總額增長率和企業(yè)家學(xué)歷對違約有較強的負向影響；企業(yè)區(qū)位、銷售現(xiàn)金收入比、每股收益增長率、資產(chǎn)負債率、凈利潤增長率和董事長受教育程度有一定的正影響；而企業(yè)行業(yè)、銷售毛利率、企業(yè)家年齡、總資產(chǎn)凈利潤率等有一定的負向影響。

第三，Lasso-logistic信用評估模型對新三板企業(yè)有較好的風(fēng)險預(yù)測能力。對于檢驗集，該模型的預(yù)測正確率為76.27%。如果進一步擴大企業(yè)的樣本量，Lasso-logistic評價模型將能持續(xù)地提升分類預(yù)測能力。

第四，新三板掛牌的中小企業(yè)普遍風(fēng)險較強，信用水平偏低。模型估計發(fā)現(xiàn)，信用狀況良好的企業(yè)比例只有大約1/3，說明新三板是一個風(fēng)險較高的新興融資市場。因此，加強對市場的信息披露監(jiān)管，動態(tài)跟蹤估計掛牌企業(yè)的信用狀況，對提升投資者信心，提升市場透明度很有必要。

(二)啟示

依據(jù)研究的結(jié)論，得到如下啟示：

第一，加強對新三板掛牌企業(yè)的分層信息披露監(jiān)管。新三板部分企業(yè)信息更新不及時，數(shù)據(jù)缺失較多，數(shù)據(jù)質(zhì)量的全面性和準確性差，信息披露存在明顯缺陷。該缺陷與新三板企業(yè)行業(yè)和規(guī)模等方面存在較強的異質(zhì)性有關(guān)，因此應(yīng)完善實施分創(chuàng)新層和基礎(chǔ)層的分層信息披露制度。建議在《全國中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)掛牌公司分層管理辦法》基礎(chǔ)上，嘗試調(diào)整對不同行業(yè)、區(qū)位掛牌企業(yè)信息披露的要求；對違規(guī)披露的企業(yè)，應(yīng)加大懲罰力度，嚴重者應(yīng)強制其退出市場。

第二，科學(xué)運用信用評估手段弱化信息不對稱程度。新三板企業(yè)分層依靠凈利潤與營收增長率等門檻。除創(chuàng)新層的“明星”企業(yè)，廣大基礎(chǔ)層企業(yè)的信息不對稱程度更強，因此需加強評估展示其信用風(fēng)險水平。高質(zhì)量的信用評級將為新三板市場發(fā)展提供有力支持。掛牌企業(yè)為獲得更多融資機會，有動力主動披露信息，自覺接受社會公開監(jiān)督，提高其信用等級。信用評價模型的構(gòu)建，并非完全依靠數(shù)據(jù)驅(qū)動，還需要依據(jù)經(jīng)濟學(xué)原理和專業(yè)領(lǐng)域的經(jīng)驗。值得信賴的信用評估工具，需要理論性與實用性兼具。結(jié)合理論、經(jīng)驗和數(shù)據(jù)的信用評價思路更加穩(wěn)健、科學(xué)和實用。

第三，大力整合挖掘新三板企業(yè)數(shù)據(jù)，構(gòu)建完整、高效的信息平臺。在大數(shù)據(jù)思維下，更廣泛的信息可能被用于評估信用風(fēng)險。新三板企業(yè)的差異性顯著，市場準入的門檻相比A股較弱，因此應(yīng)大力構(gòu)建個性化數(shù)據(jù)系統(tǒng)，并對投資者提供商業(yè)咨詢評估服務(wù)。應(yīng)引入大數(shù)據(jù)思維，深入挖掘各種信息對風(fēng)險的預(yù)警能力。如動態(tài)展示企業(yè)行業(yè)的景氣水平，加強行業(yè)預(yù)警；針對掛牌企業(yè)個人化或家族控制的特征，應(yīng)在不侵犯隱私的前提下，整合挖掘企業(yè)家人口統(tǒng)計特征、消費及相關(guān)行為數(shù)據(jù)。以權(quán)威性強的信息平臺為基礎(chǔ)，構(gòu)建更靈活有效的風(fēng)控體系，使得新三板市場不僅能被專業(yè)機構(gòu)投資，也可被無專業(yè)經(jīng)驗的個體投資者青睞。