呂秀梅

【摘要】隨著人工智能、大數(shù)據(jù)技術等不斷深入各行各業(yè)，對中小微企業(yè)進行信用風險的標準化評估顯得尤為重要?；诖?，選出大數(shù)據(jù)金融下中小微企業(yè)的信用評估指標，采用專家評分加權方法確定各指標權重，并構建灰色關聯(lián)模型評估中小微企業(yè)信用狀況，最終挑選出24個對中小微企業(yè)信用評估形成顯著影響的因素，對各指標賦值后可得到中小微企業(yè)的信用評估分，從而及早進行風險預警。通過7家中小微企業(yè)多維度數(shù)據(jù)的實證分析，得出各企業(yè)的信用評估狀況，驗證了分析的有效性。

【關鍵詞】信用評估;中小微企業(yè);大數(shù)據(jù)金融：互聯(lián)網(wǎng)金融

【中圖分類號】F275

【文獻標識碼】A

【文章編號】1004-0994（2019）13-0022-6

一、引言

中小微企業(yè)融資難，既有自身運營規(guī)模、經(jīng)營狀況、高層素質等內部原因，也有金融市場環(huán)境以及商業(yè)銀行資金來源、審核流程等外部原因[l，2]。與傳統(tǒng)金融相比，互聯(lián)網(wǎng)金融具有金融服務成本低、服務效率高、降低信息不對稱、拓寬直接融資渠道和解決信貸配給問題等優(yōu)勢，能為中小微企業(yè)提供金融服務，體現(xiàn)了互聯(lián)網(wǎng)金融的普惠特性[3]。但是，互聯(lián)網(wǎng)金融公司在為中小微企業(yè)提供融資服務時，風險控制仍是核心問題，關鍵所在是如何規(guī)范化、標準化地評估中小微企業(yè)信貸風險。傳統(tǒng)金融機構主要通過企業(yè)的財務狀況來評判企業(yè)信用[4]，因此中小微企業(yè)很難通過傳統(tǒng)的融資渠道獲得資金。近年來，人工智能技術、大數(shù)據(jù)技術、機器學習技術等不斷深入各行各業(yè)，使得大數(shù)據(jù)金融下企業(yè)數(shù)據(jù)信息來源更為廣泛，因此有必要將眾多非財務信息一并納入中小微企業(yè)的信用評估體系，實時評估并監(jiān)測融資企業(yè)信貸風險，為互聯(lián)網(wǎng)金融公司在服務中小微企業(yè)時提供決策參考。

二、理論分析

1.評估指標的選擇。財務信息一直是商業(yè)銀行等金融機構評估中小微企業(yè)信貸風險關注的重點[5]，但是大數(shù)據(jù)金融下還需結合互聯(lián)網(wǎng)的一些特點，將企業(yè)的網(wǎng)絡信息等非財務信息納入考慮。結合譽存科技、啟信寶等大數(shù)據(jù)公司的企業(yè)征信，本文選擇企業(yè)的財務信息、發(fā)展信息、信用信息和網(wǎng)絡信息這四個方面分析企業(yè)的信用狀況。表1為大數(shù)據(jù)金融下中小微企業(yè)信用評估的四個方面及具體的影響因素。

（1）財務信息。企業(yè)的財務指標包括三個方面：償債能力指標、運營能力指標和盈利能力指標。①償債能力主要考察企業(yè)利用自身資產償還債務的能力，通?？赏ㄟ^資產負債率、流動比率、速動比率和現(xiàn)金比率來反映[6]。資產負債率用于反映企業(yè)的長期償債能力，即總負債與總資產之比，該值越小則企業(yè)償債能力越強。流動比率用于反映企業(yè)短期的償債能力，即流動資產與流動負債之比，表示流動資產償還流動負債的保證程度。對債權人而言，流動比率越大越好，這對融資企業(yè)來說意味著更高的機會成本。速動比率用于反映流動資產對流動負債做償還保障的程度，等于流動資產與存貨凈額之差除以流動負債。一般情況下，速動比率越大則企業(yè)的償債能力越強?，F(xiàn)金比率表示現(xiàn)金與現(xiàn)金等價物對流動負債償還的保障程度，等于貨幣資金與短期投資之和除以流動負債，現(xiàn)金比率越大則企業(yè)短期償債能力越強。②運營能力主要通過資產周轉速度來判斷，具體而言，主要通過應收賬款周轉率和存貨周轉率來衡量。應收賬款周轉率指的是一段時期內應收賬款轉化為現(xiàn)金的平均次數(shù)，等于銷售收入與平均應收賬款之比，通常該比值越高說明應收賬款收回速度越快。存貨周轉率反映存貨的周轉速度，是主營業(yè)務收入與平均存貨余額之比。通常情況下，存貨周轉率越高則企業(yè)存貨資產的變現(xiàn)能力越強，則存貨及占用于存貨的資金周轉速度越快。③盈利能力指企業(yè)資金的增值能力，主要通過銷售利潤率和總資產回報率來反映。銷售利潤率是利潤總額與營業(yè)收入之比，總資產回報率是指企業(yè)在一定時期內獲得的利潤總額與資產總額的比值，兩個比值越高均表示企業(yè)盈利能力越強。

（2）發(fā)展信息。企業(yè)高管人員狀況、員工素質高低、企業(yè)所在行業(yè)前景等，以及裁員、法院強制執(zhí)行等負面消息和負面新聞都可能影響到企業(yè)發(fā)展，因此主要通過高管狀況、行業(yè)發(fā)展前景、企業(yè)員工素質和負面信息來反映企業(yè)發(fā)展狀況。而企業(yè)高管的工作經(jīng)歷、個人資產和個人信用都會對企業(yè)發(fā)展產生較大影響。

（3）信用信息。主要通過債務償還情況、納稅情況、產品或服務信譽、財務信譽、商業(yè)信譽等來反映企業(yè)信用狀況。貸款償還狀況反映企業(yè)債務的償還情況，主要通過已償還債務與總債務之比來反映;納稅情況反映企業(yè)繳納稅費的情況，即己納稅金額與稅金總額之比。通常情況下，貸款償還比率越高或納稅比率越高，則企業(yè)信用狀況越好。產品或服務信譽反映企業(yè)的產品或服務的質量，即客戶對產品的認可;財務信譽主要指財務信息的披露和制造，是否存在財務丑聞等;商業(yè)信譽反映企業(yè)是否及時地與供應商結算貨款。

（4）網(wǎng)絡信息。通過關聯(lián)企業(yè)狀況、客戶評價和訂單狀況來反映。借助互聯(lián)網(wǎng)可直接獲取關聯(lián)企業(yè)的財務、人事等各種變動，從而判斷關聯(lián)企業(yè)狀況。若關聯(lián)企業(yè)與融資企業(yè)處于供應鏈條上，則前者的變動會對后者產生較大影響。借助互聯(lián)網(wǎng)還可獲取客戶評價，若客戶好評或點贊數(shù)量較多，則企業(yè)的信貸風險較少。訂單狀況是通過一定時期內的網(wǎng)絡訂單數(shù)量與客流量之比來反映。

2.主觀權重測算。表1是大數(shù)據(jù)金融公司的層次分析結構，其中目標層是中小微企業(yè)信用評估，準則層是企業(yè)財務信息、發(fā)展信息、信用信息和網(wǎng)絡信息，后面為對應的方案層。要確定目標層中小微企業(yè)信貸風險的大小，需要依次判斷各層中指標的權重系數(shù)。依據(jù)Saaty取值法，專家按照各組指標相互之間的重要性，用數(shù)字1～9或其倒數(shù)賦值，并形成模糊判斷中小微企業(yè)信用的關系矩陣。比如，兩個指標對信用評估的重要性按照同樣重要、稍微重要、明顯重要、強烈重要、絕對重要，分別賦值1、3、5、7、9，若重要性介于某兩者之間，則可能取值2、4、6、8，從而確定判斷矩陣。計算出判斷矩陣的最大特征根及其對應的特征向量，并判定該最大特征根下判斷矩陣是否滿足一致性檢驗[7]。若不滿足一致性檢驗，需重新進行專家評分，直到滿足一致性要求為止。通過AHP方法，得到中小微企業(yè)信用評估體系的分析結果，如表2所示。

另外，還需要將各個指標賦予區(qū)間在[0，100]的值，才能獲得每個貸款企業(yè)的風險評估值（如表3所示）。由于我國大部分中小微企業(yè)的資產負債率在（0.4，0.6），因此以（0.4，0.6）為中心對其他范圍資產負債率賦值。由于流動比率和速動比率的重要參考值分別是2和1，所以其賦值以2和1為基準?，F(xiàn)金比率太高會增加機會成本，太低則導致流動性較差，因此該賦值以[0.4，0.6]為基準。我國中小微企業(yè)的應收賬款周轉率平均值為7.8，因此以該值被賦予60分為基準對其他范圍的指標賦值，并且以20.3為基準對存貨周轉率賦值[8]。高管資產情況以500萬元為基準進行賦值。銷售利潤率、總資產回報率、債務償還比和納稅比的指標值都是按照各比率擴大100倍即可。其余指標值按照其程度分別賦值。

從表3可以看出，在對中小微企業(yè)進行信用評估時，融資企業(yè)的債務償還比、納稅比等歷史信用情況的權重較大，同時也非?？粗乜傎Y產回報率、現(xiàn)金比率等財務情況。若要計算各貸款中小微企業(yè)的風險值，需將融資企業(yè)的各種具體數(shù)據(jù)代入計算，然后根據(jù)表3分別賦值，再根據(jù)各指標的權重求加權和。該值越大，說明貸款給該企業(yè)的風險越小，因此該企業(yè)獲得互聯(lián)網(wǎng)金融服務的可能性越大。并且，在貸款之前，該風險值可用于判斷是否放款給中小微企業(yè)，若該值小于60分，則考慮不發(fā)放貸款;在貸中和貸后，也可用該種計算方法繼續(xù)監(jiān)測中小微企業(yè)，當該風險值快速下降或較低時，應進行風險預警，加大追蹤力度，及早做出風險預警預案，有效防控互聯(lián)網(wǎng)公司金融風險。

3.客觀權重測算。由于主觀權重確定是由專家確認相關指標間關系，對專家的主觀判斷依賴性很強[9]。因此，有必要借助DEA方法測算客觀權重，根據(jù)指標中投入和產出評價出相對有效性，確定客觀權重[10]。本文將利用C2R模型進行分析。

對于中小微企業(yè)而言，投入主要包括營業(yè)成本如營業(yè)外成本（包括稅金、銷售費用、管理費用、財務費用等），產出主要包括營業(yè)收入和營業(yè)外收入，即兩項投入和兩項產出。受篇幅影響，本文只選擇4種投入產出指標。而在實際操作中，凡是指標值越小越好的指標都可列入投入類指標，凡是指標值越大越好的指標均可列入產出類指標，這樣客觀權重指標體系會更加接近主觀權重指標體系。

4.綜合權重測算。營業(yè)成本、營業(yè)外成本、營業(yè)收入、營業(yè)外收入這四個指標的客觀權重已經(jīng)確定，但它們對互聯(lián)網(wǎng)公司金融風險影響中的主觀權重如何，需采用專家評分方法構造評價矩陣，然后確定評價矩陣的最大特征值，經(jīng)過一致性檢驗后就可確定這四個指標的權重：

雖然主觀權重確定可以涵蓋各種指標，但較為主觀，客觀權重雖然更客觀，但區(qū)分度較差，因此有必要將二者相結合[12]。本文采用加權方法來確定各指標的綜合權重，即綜合權重W;可表示為：

三、實證分析

課題組對重慶市中小微企業(yè)進行調研，隨機選取7家企業(yè)數(shù)據(jù)信息（包括營業(yè)收入、營業(yè)成本、營業(yè)外收入、營業(yè)利潤等），并結合表3的賦值和權重，分別計算出這7家企業(yè)的信用評估值，如表4所示。

由于投入為營業(yè)成本和營業(yè)外成本，產出為營業(yè)收入與營業(yè)外收入，本文利用Matlab軟件可計算出各企業(yè)投入產出權重和DEA值。將權重歸一化處理，可得表5。

對于投入與產出，通過客觀權重分析確定出的權重如表6所示。

接下來利用綜合權重構建灰色關聯(lián)模型進行分析。首先，根據(jù)成本最小化、收益最大化原則，確定最優(yōu)指標集為V0=（26818，6319，4214209.26，18168），加入7個企業(yè)的指標值，然后構建出矩陣并進行規(guī)范化處理，可得規(guī)范化矩陣V’：

首先，客觀排名可用于檢驗主觀指標權重是否合理。由表7可以看出，主觀排名與客觀排名基本一致，說明文中通過專家評分確定出來的各因素權重相對客觀。其次，客觀權重的區(qū)分度不大，而綜合權重克服了這一缺點。表7中企業(yè)A、B、G的客觀值均為1，但其綜合值表明A>G>B。最后，當三種方法的判定結果存在差異時，綜合權重方法的結果更符合現(xiàn)實。表7中，三種方法得出的排名中，前三名基本相同為A、G、B，但客觀權重方法無法區(qū)分開，而主觀權重與綜合權重方法的結果剛好相反。仔細分析A和G這兩家企業(yè)，雖然企業(yè)G的利潤率尤其是成本利潤率非常高，高層也注重自身信用和產品信譽，而A企業(yè)的高層信用、產品信譽和企業(yè)利潤率等其他方面與G企業(yè)區(qū)別不大，但其資產規(guī)模比企業(yè)G大了將近有10倍多，因此互聯(lián)網(wǎng)金融公司會認為規(guī)模較小的G企業(yè)潛在風險較大，從而更傾向于向A企業(yè)提供融資服務。因此，本文采用綜合權重及關聯(lián)模型進行評估，結果更客觀并且區(qū)分度更高，可用于互聯(lián)網(wǎng)金融公司評估中小微企業(yè)信用。

四、小結

互聯(lián)網(wǎng)金融企業(yè)在為中小微企業(yè)提供融資服務時需要控制風險，關鍵在于在貸前、貸中和貸后對其信用進行評估，并以此為基礎做好監(jiān)測。重點需要考慮企業(yè)財務信息、發(fā)展信息、信用信息和網(wǎng)絡信息四個方面，同時每個方面又進一步考慮細化的影響因素，最終形成24個對中小微企業(yè)信用評估影響因素。分析結果表明，債務償還情況、納稅情況、客戶評價等歷史信用情況對企業(yè)信用評估影響較大，同時總資產回報率、現(xiàn)金比率等財務情況占比也較大，分析結果有一定的現(xiàn)實意義。

綜上所述，首先，互聯(lián)網(wǎng)金融公司為中小微企業(yè)提供金融服務時可重點關注其歷史信用狀況。即中小微企業(yè)要想可持續(xù)性地獲取金融服務，需盡量避免在歷史債務償還、納稅等方面產生不良信用記錄，同時也要盡量維持客戶的好評率。其次，互聯(lián)網(wǎng)金融公司需重點考察中小微企業(yè)的財務情況。只有中小微企業(yè)自身做大做強才更容易獲得金融服務。最后，互聯(lián)網(wǎng)金融公司對中小微企業(yè)提供融資服務時，貸款前可利用綜合權重測算對貸款企業(yè)信用評估并排名，以此決定是否放款;同時，可利用爬蟲軟件等自動獲取相關數(shù)據(jù)信息，實時評估信用并自動跟蹤監(jiān)測，及時防范信貸風險。

主要參考文獻：

[1]呂勁松.關于中小企業(yè)融資難、融資貴問題的思考[J].金融研究，2015 （11）：115 ～123.

[2]李長青，李長青，曹德駿.銀企關系能否緩解中小企業(yè)融資約束？[J].西部論壇，2016（2）：41～47.

[3]吳昊，楊濟時.小微企業(yè)融資支持方向——基于第三方電商平臺的商業(yè)銀行融資策略[J].財經(jīng)問題研究，2015（4）：47～53.

[4]趙岳，譚之博.電子商務、銀行信貸與中小企業(yè)融資——一個基于信息經(jīng)濟學的理論模型[J].經(jīng)濟研究，2012（7）：99 ～112.

[5]趙志勇.企業(yè)大數(shù)據(jù)征信：困境與超越[J].上海金融，2018（2）：14～18.

[6] Khashman A_ Neural networks for credit riskevaluation： Investigation of different neural modelsand learning schemes [J]. Expert Systems with Ap-plications， 2010（9）： 6233～6239.

[7] Yurdakul M.， Ic. Y. T.. AHP approach in the creditevaluation of the manufacturing firms in Turkey[J].International Journal of Production Economics，2004（3）：269～289.

[8] Zhang Y.， Huang Y.， Yang H.. Empirical researchof local corporate financial institutions interest ratepricing ability evaluation system based on the in-dex system design and application of analytic hierarchy process （AHP）[J].Financial Theory andPractice，2011（10）： 57～ 63.

[9]景琦.基于AHP-DEA的傳媒業(yè)上市公司財務績效評價研究[J].統(tǒng)計與信息論壇，2017 （3）：92～100.

[10]王秀貞，丁慧平，胡毅.基于DEA方法的我國中小企業(yè)融資效率評價[J].系統(tǒng)工程理論與實踐，2017（4）：865～874.

[11] Charnes A.，Cooper W. W_ Programming withlinear fractional functionals[J].Naval Research Lo-gistics， 2010（3-4）：181～186.

[12]徐臨，郭亞濤，李吉棟.基于AHP-DEA模型的小額貸款公司風險評價研究[J].農村金融研究，2017（3）：31～34.