程秀麗 田圓

【摘? 要】P2P網(wǎng)絡(luò)借貸在為個人和中小企業(yè)投融資提供便利的同時，也帶來了一系列的問題，不利于行業(yè)的穩(wěn)定發(fā)展，因此，對各中小企業(yè)的風險評估特別重要。論文選取若干個風險指標，對123家中小企業(yè)進行數(shù)據(jù)調(diào)研，計算各風險指標因素的風險值，利用理想算法確定各指標因素的權(quán)重提出風險防范的建議。

【Abstract】While P2P network lending provides convenience for the investment and financing of individuals and small and medium-sized enterprises， it also brings a series of problems， which is not conducive to the stable development of the industry. Therefore， the risk assessment of small and medium-sized enterprises is particularly important. This paper selects several risk indicators， carries on the data investigation to 123 small and medium-sized enterprises， calculates the risk value of each risk index factor， uses the ideal algorithm to determine the weight of each index factor and puts forward the risk prevention suggestion.

【關(guān)鍵詞】P2P;信貸;風險防范

【Keywords】P2P; credit; risk prevention

【中圖分類號】F832.4;F276.3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2021）02-0160-02

1 引言

改革開放特別是黨的十五大以來，隨著國家經(jīng)濟的發(fā)展，中小微企業(yè)在國民經(jīng)濟中所占比例越來越大，定位越來越高。近年來，P2P網(wǎng)絡(luò)借貸更是偏向給予中小微企業(yè)貸款等相關(guān)經(jīng)濟政策，鼓勵并支持中小微企業(yè)的發(fā)展。其中諸多影響因素，如中小微企業(yè)的信譽等級、違約風險、利潤變化率、供求關(guān)系、廢票率、客戶流失率等，直接影響著對中小微企業(yè)制定的相關(guān)信貸政策。

2 企業(yè)信貸影響因子分類

通過對123家中小企業(yè)進行數(shù)據(jù)調(diào)研，根據(jù)國家行業(yè)分類標準和規(guī)模分類標準對123家企業(yè)進行統(tǒng)計分類匯總，對影響中小企業(yè)投資風險的因素進行分析，選取若干個風險指標，選取6個指標作為風險指標。將影響因子進行歸類，分為非財務(wù)性因素和財務(wù)性因素。其中非財務(wù)因素包括企業(yè)信譽等級、違約風險、非有效票率;財務(wù)因素包括利潤相對變化率、償債能力、供求關(guān)系穩(wěn)定性等。具體分析如下：關(guān)于銀行信譽等級因素，首先將A、B、C、D四個等級的企業(yè)分別篩選出來，并將A、B、C、D四個等級企業(yè)的數(shù)量與企業(yè)總數(shù)的比值，在區(qū)間進行賦值量化。關(guān)于違約風險因素，分析銀行提供的123家企業(yè)的違約記錄，顯然違約企業(yè)的信貸風險偏高。采用0-1整數(shù)規(guī)劃模型進行信貸風險評估，當變量為1時，企業(yè)為違規(guī)企業(yè)，此時信貸風險偏高，同時當變量為0時，企業(yè)為不違規(guī)企業(yè)，此時信貸風險較低。關(guān)于非有效發(fā)票率因素，通過非有效發(fā)票率來衡量企業(yè)職工的基本素養(yǎng)，當非有效發(fā)票率較低時，企業(yè)職工素養(yǎng)較高，信貸風險越低，當非有效發(fā)票率較高時，企業(yè)職工素養(yǎng)較低，信貸風險越高。關(guān)于利潤相對變化率因素，為了評估企業(yè)發(fā)展?jié)摿Γ肜麧櫹鄬ψ兓蔬@一指標，將2019年與2018年的凈利潤增長值與2018年利潤總值相比。關(guān)于盈利能力因素，進項發(fā)票中的價稅總計反映的是企業(yè)的投資情況;銷項發(fā)票的金額反映的是企業(yè)的收入情況。通過兩者之間的比值，反映該企業(yè)的盈利能力。關(guān)于供求關(guān)系穩(wěn)定性因素，進項發(fā)票中與某上游企業(yè)的交易次數(shù)可以反映出企業(yè)與上游企業(yè)之間的供應(yīng)關(guān)系的穩(wěn)定情況，同時銷項發(fā)票中與某下游企業(yè)的交易次數(shù)可以反映出企業(yè)與下游企業(yè)之間的供應(yīng)關(guān)系的穩(wěn)定情況，從而統(tǒng)計企業(yè)一年總客戶數(shù)減去正常交易客戶總數(shù)與客戶總數(shù)的比值，來作為反映供求關(guān)系穩(wěn)定性的指標。再根據(jù)各因素與信貸風險的線性關(guān)系，確定信貸風險的線性模型。

3 根據(jù)影響因子大小確定貸款總額度

在貸款總額度分配時，首先確定年利率與客戶流失率的擬合關(guān)系，以銀行可獲得的利潤最大，同時信貸風險最低建立多目標規(guī)劃模型，以年利率與客戶流失率的擬合關(guān)系為約束條件，利用Lingo求解，確定對各中小微企業(yè)貸款的分配額度。

根據(jù)提供的進項發(fā)票與銷項發(fā)票的相關(guān)信息，確定信貸風險的影響因子，包括非財務(wù)因素和財務(wù)因素。非財務(wù)因素包括銀行評估信譽等級、違約風險、非有效票率;財務(wù)因素包括利潤變化率、供求關(guān)系、客戶流失率影響因子。分析各影響因子與信貸風險之間的關(guān)系，對其進行0-1整數(shù)規(guī)劃、SPSS量化分析等，建立信貸風險評估模型，對企業(yè)進行信貸風險評估。建立以銀行利潤最大，信貸風險評估系數(shù)最小的多目標規(guī)劃模型，根據(jù)求解結(jié)果對P2P年度固定信貸總額進行分配，具體求解流程如下。

3.1 非財務(wù)因素風險評估因素量化分析

①統(tǒng)計信譽等級企業(yè)數(shù)量及比例。

依據(jù)調(diào)查數(shù)據(jù)，分別篩選A、B、C、D的四種評價等級的企業(yè)。

②違約風險。

分析銀行提供的123家企業(yè)的違約記錄，顯然違約企業(yè)的信貸風險偏高。采用0-1整數(shù)規(guī)劃模型進行信貸風險評估，當變量為1時，企業(yè)為違規(guī)企業(yè)，此時信貸風險偏高，同時當變量為0時，企業(yè)為不違規(guī)企業(yè)，此時信貸風險較低。

③非有效發(fā)票率。

通過非有效發(fā)票率來衡量企業(yè)職工的基本素養(yǎng)，當非有效發(fā)票率較低時，企業(yè)職工素養(yǎng)較高，信貸風險越低，當非有效發(fā)票率較高時，企業(yè)職工素養(yǎng)較低，信貸風險越高。

其中，非有效發(fā)票率=（作廢發(fā)票數(shù)+負數(shù)發(fā)票數(shù)）/總發(fā)票數(shù)

3.2 財務(wù)因素風險評估因素量化分析

①利潤相對變化率。

為了評估企業(yè)發(fā)展?jié)摿Γ肜麧櫹鄬ψ兓蔬@一指標，將2019年與2018年凈利潤增長值/2018年利潤總值，即利潤相對變化率。

②盈利能力。

進項發(fā)票中的價稅總計反映的是企業(yè)的投資情況;銷項發(fā)票的金額反映的是企業(yè)的收入情況。通過兩者之間的比值，反映該企業(yè)的盈利能力，即：

③供求關(guān)系穩(wěn)定性。

通過某企業(yè)上下游客戶的交易次數(shù)反映供求關(guān)系的穩(wěn)定性。企業(yè)1年總客戶數(shù)減去正常交易客戶總數(shù)/客戶總數(shù)作為反映供求關(guān)系穩(wěn)定性的指標，即：

綜上所述，建立中小微企業(yè)信貸風險評估模型為：

Z=λ1x1+λ2x2+λ3x3+λ4x4+λ5x5+λ6x6

利用理想算法，將各因素占因素總和的百分比作為模型系數(shù)，確定信貸風險評估模型為：

Z=0.17x1+0.19x2+0.24x3+0.06x4+0.16x5+0.18x6

3.3 銀行信貸貸款總額度分配

在貸款總額度分配時，建立以年利率與客戶流失率的擬合關(guān)系為約束條件，同時以銀行利潤最大，信貸風險最低為目標的多目標規(guī)劃模型，利用Lingo求解，確定對各中小微企業(yè)貸款額度的分配，模型如下：

注：在123家企業(yè)中，對信譽等級評價為D且處于違約狀態(tài)的中小微企業(yè)取消放貸資格，銀行不予放貸。

通過結(jié)果進行分析，電子信息行業(yè)、教育類等運行速度快，成本占用少的風險較低，而對環(huán)境影響較大的重工業(yè)風險較低。根據(jù)中小企業(yè)的風險評估，P2P網(wǎng)絡(luò)借貸應(yīng)規(guī)避風險，選擇風險較低，同時以國家對企業(yè)的發(fā)展導向為依據(jù)，對各企業(yè)進行借貸活動，獲得行業(yè)的長足發(fā)展。

【參考文獻】

【1】劉明.Logistic模型預測的新思路[J].統(tǒng)計與決策，2012（10）：82-84.

【2】劉志波.高維參數(shù)多項logistic模型的估計方法[M].北京：統(tǒng)計與決策，2010.

【3】劉順忠.數(shù)理統(tǒng)計理論方法應(yīng)用和軟件計算[M].武漢：華中科技大學出版社，2005.

【4】魯珈銘.基于貝葉斯模型平均法的中小企業(yè)信用評級[D].南京：南京財經(jīng)大學，2019.