公務員期刊網(wǎng) 論文中心 正文

小微企業(yè)信用風險因素識別淺析

前言:想要寫出一篇引人入勝的文章?我們特意為您整理了小微企業(yè)信用風險因素識別淺析范文,希望能給你帶來靈感和參考,敬請閱讀。

小微企業(yè)信用風險因素識別淺析

摘要:小微企業(yè)在促進經(jīng)濟增長、增加就業(yè)機會和創(chuàng)造產(chǎn)業(yè)等方面起到了重要作用。然而,小微企業(yè)的信用風險較高,給銀行造成貸款違約損失的可能性較大。文章以188家小微企業(yè)為研究對象,通過隨機森林方法對影響小微企業(yè)信用風險的關鍵因素進行識別,并確定關鍵指標的影響程度和影響方向。結(jié)果表明:水電費發(fā)生異常的次數(shù)、借新還舊次數(shù)、還款計劃變更次數(shù)和民事訴訟次數(shù)等企業(yè)行為信息是影響小微企業(yè)信用風險的關鍵因素,且均對企業(yè)信用風險具有正向影響。

關鍵詞:小微企業(yè);隨機森林;信用風險

1引言

近年來,隨著我國經(jīng)濟結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)的不斷優(yōu)化調(diào)整,以及經(jīng)濟向內(nèi)生增長轉(zhuǎn)變,小微企業(yè)在促進經(jīng)濟增長、增加就業(yè)機會和創(chuàng)造產(chǎn)業(yè)等方面發(fā)揮了重要的作用。然而,市場經(jīng)營環(huán)境的不斷改變,致使小微企業(yè)逾期貸款不斷增多,商業(yè)銀行的貸款業(yè)務面臨的風險加大。因此,識別影響小微企業(yè)信用風險的關鍵因素、持續(xù)動態(tài)的捕獲貸款企業(yè)的風險信號、提前發(fā)現(xiàn)和判別企業(yè)風險,做出預警提示,減少因小微企業(yè)信用風險導致的貸款違約損失具有重要的意義。眾多學者開展了小微企業(yè)信用風險因素識別的研究,如曹明生(2015)[1]使用Logistic模型研究影響小微企業(yè)信用風險的因素,研究發(fā)現(xiàn)企業(yè)財務信息對小微企業(yè)信用風險具有重要影響。趙玉龍等(2017)[2]的研究認為企業(yè)自身特點、企業(yè)過度擴張和企業(yè)負債等是影響小微企業(yè)信用風險的主要因素。滿向昱等(2018)[3]采用Logistic模型進行研究,結(jié)果表明流動資產(chǎn)周轉(zhuǎn)率、銀行負債資產(chǎn)比等企業(yè)財務指標為影響我國中小微企業(yè)信用風險的重要因素。遲國泰等(2019)[4]實證分析小企業(yè)貸款數(shù)據(jù),結(jié)果表明速動比率、總資產(chǎn)增長率等企業(yè)財務信息顯著影響小企業(yè)信用風險。孫福兵等(2020)[5]運用Probit模型對小型農(nóng)業(yè)企業(yè)進行信用風險影響因素識別,研究發(fā)現(xiàn)資產(chǎn)負債、營業(yè)利潤率等對信用風險具有重要影響。已有文獻的研究中,一方面,多將企業(yè)財務信息作為關注對象,對企業(yè)行為信息關注較少;另一方面,多使用傳統(tǒng)的回歸分析方法,極少使用流行的機器學習方法。因此,文章將企業(yè)行為信息引入小微企業(yè)信用風險因素識別研究中,并使用隨機森林方法這一機器學習方法,以便及早發(fā)現(xiàn)違約的前期預警信號,在企業(yè)違約前提前做好干預措施,從而有效管控小微企業(yè)的信用風險。

2數(shù)據(jù)選取與描述

文章的研究對象是2020年1月至2020年12月在某商業(yè)銀行需要償還貸款的小微企業(yè)。文章選擇的小微企業(yè)為企業(yè)規(guī)模符合國家四部委規(guī)定的小型和微型企業(yè)認定標準的企業(yè)。對于因變量,文章將及時償還貸款的企業(yè)認定為“未違約企業(yè)”,記為0;將到期未償還貸款或延期償還貸款的企業(yè)認定為“違約企業(yè)”,記為1。文章獲取的小微企業(yè)總樣本數(shù)為188個,未違約的樣本數(shù)為144個,違約的樣本數(shù)為44個,樣本的違約率為23􀆰4%。自變量分為兩類:第一類為企業(yè)財務變量,包含資產(chǎn)負債率、利潤增長率、速動比率、凈資產(chǎn)收益率和營業(yè)毛利潤率等;第二類為企業(yè)行為變量,包含企業(yè)過去12個月水電費發(fā)生異常的次數(shù)、過去12個月繳納稅金發(fā)生異常的次數(shù)、借新還舊次數(shù)、還款計劃變更次數(shù)和民事訴訟的次數(shù)等。

3實證研究

隨機森林方法是當下流行的機器學習方法。它將若干個分類樹組合成隨機森林,顯著提高了預測精度。文章使用隨機森林方法對數(shù)據(jù)進行擬合,需要說明的是在擬合過程中需要對每次拆分時隨機選取變量個數(shù)以及樹的棵數(shù)等參數(shù)進行設定。文章通過設定不同的分叉樹和樹的棵數(shù)確定最優(yōu)的隨機變量個數(shù)和樹的棵數(shù),最終隨機變量個數(shù)為5,樹的棵數(shù)為1000。表2報告了變量重要性度量結(jié)果。由表2可知,重要性權重超過10%的指標有4個,且全部為企業(yè)行為變量,分別為:過去12個月水電費發(fā)生異常的次數(shù)(22􀆰90%)、借新還舊次數(shù)(11􀆰55%)、還款計劃變更次數(shù)(17􀆰42%)和民事訴訟的次數(shù)(13􀆰65%),這4個變量均屬于企業(yè)行為變量,且這4個指標的重要性權重之和超過了65%。這說明,企業(yè)經(jīng)營行為是否合規(guī)對小微企業(yè)是否違約具有重要影響。選取重要性權重最大的4個變量:12個月水電費發(fā)生異常的次數(shù)、借新還舊次數(shù)、還款計劃變更次數(shù)和民事訴訟的次數(shù),構(gòu)建偏相關圖,考察4個變量對企業(yè)違約概率的影響方向和大小,如圖1所示。由圖1可知,12個月水電費發(fā)生異常的次數(shù)、借新還舊次數(shù)、還款計劃變更次數(shù)和民事訴訟的次數(shù)4個變量的增加都會顯著增加企業(yè)違約概率,這說明12個月水電費發(fā)生異常的次數(shù)、借新還舊次數(shù)、還款計劃變更次數(shù)和民事訴訟的次數(shù)4個變量對企業(yè)違約具有顯著的正向影響。為了更進一步研究企業(yè)行為變量對小微企業(yè)信用風險評估的重要性,本文分別構(gòu)建不包含企業(yè)行為變量的數(shù)據(jù)集和包含企業(yè)行為變量的數(shù)據(jù)集,隨機將數(shù)據(jù)集分成兩部分(80%的數(shù)據(jù)集用作訓練數(shù)據(jù)集,20%用作測試數(shù)據(jù)集)進行100次模擬試驗,以證明加入企業(yè)行為變量是否能提高模型預測的準確性。表3報告了模型預測的結(jié)果。由表3可知,加入企業(yè)行為變量后,預測準確率由0􀆰946提高到0􀆰980,AUC值也由0􀆰752提高到0􀆰926;另外,對于第一類錯誤率和第二類錯誤率,加入企業(yè)行為變量后的第一類錯誤率和第二類錯誤率最低。因此,加入企業(yè)行為變量可以大大提高模型的預測性能。

4結(jié)論與啟示

文章采用隨機森林方法實證研究了影響小微企業(yè)信用風險的關鍵因素,實證結(jié)果表明:12個月水電費發(fā)生異常的次數(shù)、借新還舊次數(shù)、還款計劃變更次數(shù)和民事訴訟的次數(shù)等企業(yè)行為變量是影響小微企業(yè)信用風險最關鍵的4個變量,且這4個變量均對企業(yè)違約具有正向影響。同時,進一步驗證了企業(yè)行為變量能夠顯著提高小微企業(yè)信用風險評估的預測精度。這為商業(yè)銀行對小微企業(yè)信用狀況的準確判斷提供了一定的借鑒與參考。

參考文獻:

[1]曹明生􀆰基于Logistic模型的小微企業(yè)信用風險度量研究[J].時代金融,2015(8):203-204􀆰

[2]趙玉龍,鄧大松,王林􀆰我國商業(yè)銀行小微企業(yè)信用風險成因分析[J].海南金融,2017(6):68-73,82􀆰

[3]滿向昱,張?zhí)煲?,汪川,?#1049008;我國中小微企業(yè)信用風險因素識別及測度研究[J].中央財經(jīng)大學學報,2018(9):46-58􀆰

[4]遲國泰,于善麗􀆰基于違約鑒別能力最大的信用等級劃分方法[J].管理科學學報,2019,22(11):106-126􀆰

[5]孫福兵,宋福根􀆰新型農(nóng)業(yè)經(jīng)營主體信貸風險的識別與防范研究[J].經(jīng)濟縱橫,2020(8):116-125􀆰

作者:呂爽 單位:煙臺嘉信有限責任會計師事務所

相關熱門標簽