关于中小微型企业的信贷分配策略研究

张云

摘要：在当今企业发展迅速的时代，各类中小微型企业频频崛起。自20世纪末，各中小微型企业主要以银行贷款作为主要资金渠道，但由于中小微企业规模相对较小，银行方面很难去真正评估到该类企业的信贷风险，因此会造成贷款无法收回、资金链断裂、企业违约等后果。本文依照现代社会逐渐发展的大数据为基础，对各类中小微型企业进行量化分析，利用层次分析法赋予权重，并同时建立Logistic模型计算出年度信贷总额固定的条件下，银行对这些企业的信贷策略。

关键字：中小微型企业、信贷风险、层次分析、Logistic模型

引言：近年来，为降低人口失业率，国家大力提倡万众创业，然而由于国内供求关系的矛盾，技术技术优势的不明显，同质化严重，导致竞争过于激烈，企业的经营越发困难。据统计，我国2019年实体经济杠杆率高达245.4%，居民部门杠杆率全年更是上升了3.7%，这也是总体杠杆率攀升的主要因素，企业负债率高居不下，导致许多中小企业的现金流收紧，企业的经营越发困难，向银行贷款便是势在必行。因此，在信贷风险依旧是当今金融市场主旋律之一的情况下，作为银行方，如何能够准确识别并预测出其信贷风险状况，降低银行贷款不良率，成为了各大银行谈论研究的热点。

一、背景梳理

1.1信贷风险

信贷风险的形成是一个从萌芽、积累直至发生的渐进过程。在还款期限届满之前，借款人财务商务状况的重大不利变化很有可能影响其履约能力，贷款人除了可以通过约定一般性的违约条款、设定担保等方式来确保债权如期受偿之外，还可以在合同中约定“交叉违约条款”。

金融机构的信贷风险是指因为风险的不确定性造成金融机构的收益、负债、资产而有所波动，从而产生金融机构的预期收益受损，导致金融机构蒙受损失。

1.2风险量化

风险量化是指通过不同的风险相互作用的估算来评价项目可能结果的范围。风险量化的基本内容是确定哪些实践需要制定应对措施。风险量化涉及到对不同的风险之间相互作用的评估，用这个评估分析项目可能的输出，这样首先就需要决定哪些风险值得反应。

风险量化用于衡量风险概率和风险对项目目标影响的程度，它依据风险管理计划、风险及风险条件排序表、历史资料、专家判断及其他计划成果，利用灵敏度分析、决策分析与模拟的方法与技术，得到量化序列表、项目确认研究以及所需应急资源等量化结果。

1.3信贷规模

信贷规模又称“贷款规模”，曾是中国的货币政策中介目标，又是实施货币政策的重要手段之一，是中央银行为实现一定时期货币政策目标而事先确定的控制银行贷款的指标。它包含两层含义：一是指一定时点上的贷款总余额，也就是总存量；二是指一定时期内的贷款增量。

本文所说的贷款规模，主要是指后一层含义，它是指为了实现一定时期内的货币政策目标而确定的新投放贷款的最高限额，又称贷款总限额。

2. 企业数据预处理

2.1数据收集

面对众多企业的信息，不可能全部收取进行演算，有很多不必要的信息可以舍去。选取信息主要看其能够产生的作用，也就是该信息对企业信贷风险的影响有多大。如果信息的影响程度越大，则赋予信息越大的权重值，如果信息对于企业信贷风险几乎没有影响，则赋予该信息的权重值就无限的趋近0。面对众多的信息，只保留权重值相对占有的信息，而对于权重值接近0的信息，可以忽略不计，因为就算将其带入运算，能产生的作用也微乎其微。

针对数据的收集，因为各公司的进项和供销发票数量过多，我们只用了价税总计这一结果，然后将每个公司所有的进项发票和供销发票做求和处理，每个得出一个总额。然后根据银行的初步评级，可以首先排除评级过低的企业，因为面对这类企业在沙子中淘金的可能性不大，反而会增加信贷风险。然后，根据所收集企业数据，将供销发票和进项发票相减算出企业的年利润。

2.2层次分析法计算权重

计算出利润之后，收集到的数据项一共有四个：进项发票总额、供销发票总额、利润、银行初步信用评级，这四项数据需要对其评判对信贷风险的影响程度赋予权重。针对权重值的赋予，作者采用了层次分析法。

首先构造判断矩阵， 为要素 与要素 重要性比较结果，并且判断矩阵具有如下性质： 。再将影响值规定量化值为1到9的自然数，1表示同等重要，3表示稍微重要，5表示较强重要，7表示强烈重要，9表示极端重要，期间的偶数表示两相邻判断的中间值。

对应于判断矩阵最大特征根 的特征向量，经归一化后记为 。 的元素为同一层次因素对于上一层次因素某因素相对重要性的排序权值，这一过程称为层次单排序。能否确认层次单排序，则需要进行一致性检验，所谓一致性检验是指对A确定不一致的允许范围。其中， 阶一致阵的唯一非零特征根为 ， 阶正互反阵A的最大特征根 ，当且仅当 时，A为一致矩阵。

同时定义一致性指标：

。 ，有完全的一致性； 接近于0，有满意的一致性； 越大，不一致越严重。

为了衡量 的大小，引入随机一致性指标 ： 。

其中，随机一致性指标 和判断矩阵的阶数有关，一般情况下，矩阵阶数越大，则出现一致性随机偏离的可能性也越大，对应关系如下表：

表1：矩阵阶数与 对应关系

矩阵阶数	1	2	3	4	5	6
	0	0	0.58	0.90	1.12	1.24

2.3计算评分

通过计算权重，我们可以得到将其带入计算获得评分，最终定义：综合信誉得分在95以上为“优”，90分以上为“良”，剩下的为“中”。

三、Logistic模型的构建

银行利率会影响潜在客户流失率，而客户流失率又和银行利润相关。我们将利率与银行利润的关系进行回归分析，最后便可以看出在不同的贷款等级变量和利率变量下，银行利润和利率之间的一个最大值。

Logistic 函数回归的基本形式为：

其中 值为Logistic 模型运行后输出的贷款企业违约概率，并选择 作为贷款企业是否违约的阈值，如果模型输出 值大于0.5，则认为贷款企业发生违约；若 值小于0.5则认为贷款企业未发生违约。Q值的表达式如下：

上述公式中 即为我们根据题目和附件挑选的4个风险因子，以此作为Logistic回归模型的输入变量进行回归。将贷款企业是否违约作为Logistic回归模型的输出变量，此输出结果为二分变量，若企业不违约，则 ，若企业违约，则 。

通过模型计算可得，可以得到各个公司的综合信贷排名，再按照从上到下的排名顺序，依次按照企业的最大贷款金额分配银行的借贷金额，依次可以获得相对而言风险最小的前提下，利润最大化。

参考文献

1. 尚苗.基于logit模型的中小企业信贷风险评估管理[J].时代金融,2018,(12):210+220

2. 邢旭东.银行对中小微企业的信贷策略分析[J].商讯,2021,(30):79-81

3. 罗胜尹,彭睿杰,胡静.基于中小微企业信贷风险和银行收益的信贷决策研究[J].中国集体经济,2021,(27):79-80