小微企業(yè)信用風(fēng)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(fēng)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。

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(fēng)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(fēng)險的關(guān)鍵因素進行識別，并確定關(guān)鍵指標(biāo)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(fēng)險的關(guān)鍵因素，且均對企業(yè)信用風(fēng)險具有正向影響。

關(guān)鍵詞：小微企業(yè)；隨機森林；信用風(fēng)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(wù)面臨的風(fēng)險加大。因此，識別影響小微企業(yè)信用風(fēng)險的關(guān)鍵因素、持續(xù)動態(tài)的捕獲貸款企業(yè)的風(fēng)險信號、提前發(fā)現(xiàn)和判別企業(yè)風(fēng)險，做出預(yù)警提示，減少因小微企業(yè)信用風(fēng)險導(dǎo)致的貸款違約損失具有重要的意義。眾多學(xué)者開展了小微企業(yè)信用風(fēng)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(fēng)險的因素，研究發(fā)現(xiàn)企業(yè)財務(wù)信息對小微企業(yè)信用風(fēng)險具有重要影響。趙玉龍等（2017）［2］的研究認(rèn)為企業(yè)自身特點、企業(yè)過度擴張和企業(yè)負(fù)債等是影響小微企業(yè)信用風(fēng)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(fù)債資產(chǎn)比等企業(yè)財務(wù)指標(biāo)為影響我國中小微企業(yè)信用風(fēng)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(wù)信息顯著影響小企業(yè)信用風(fēng)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(fēng)險影響因素識別，研究發(fā)現(xiàn)資產(chǎn)負(fù)債、營業(yè)利潤率等對信用風(fēng)險具有重要影響。已有文獻(xiàn)的研究中，一方面，多將企業(yè)財務(wù)信息作為關(guān)注對象，對企業(yè)行為信息關(guān)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(xué)習(xí)方法。因此，文章將企業(yè)行為信息引入小微企業(yè)信用風(fēng)險因素識別研究中，并使用隨機森林方法這一機器學(xué)習(xí)方法，以便及早發(fā)現(xiàn)違約的前期預(yù)警信號，在企業(yè)違約前提前做好干預(yù)措施，從而有效管控小微企業(yè)的信用風(fēng)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(rèn)定標(biāo)準(zhǔn)的企業(yè)。對于因變量，文章將及時償還貸款的企業(yè)認(rèn)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(rèn)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(wù)變量，包含資產(chǎn)負(fù)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(dāng)下流行的機器學(xué)習(xí)方法。它將若干個分類樹組合成隨機森林，顯著提高了預(yù)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(shè)定。文章通過設(shè)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(quán)重超過10％的指標(biāo)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(biāo)的重要性權(quán)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(quán)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(guān)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(fēng)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(xùn)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(yù)測的準(zhǔn)確性。表3報告了模型預(yù)測的結(jié)果。由表3可知，加入企業(yè)行為變量后，預(yù)測準(zhǔn)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(yù)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(fēng)險的關(guān)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(fēng)險最關(guān)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(fēng)險評估的預(yù)測精度。這為商業(yè)銀行對小微企業(yè)信用狀況的準(zhǔn)確判斷提供了一定的借鑒與參考。

作者:呂爽 單位:煙臺嘉信有限責(zé)任會計師事務(wù)所