小微企业信贷风险评价模型构建及应用.docx

小微企业信贷风险评价模型构建及应用

作者：苏蕙

来源：《财政监督》2019年第22期苏蕙

【摘要】本文根据银行内业务发展需要，对Z银行小微企业信贷风险评分卡进行数据分析，得到客户控制比例是20%-30%来确定评分卡自动关通过和自动拒绝的分数线，并选取目标客户对优化后的小微企信贷风险评价模型进行应用分析，确定其可行性与有效性。并提出了适用于风险评价体系的配套措施，帮助Z银行降低小微企业贷款风险和加强信贷业务管理。

【关键词】小微企业商业银行信贷风险评分卡

目前，我国市场经济蓬勃发展，极大地解放和发展了生产力，且资本以多元化的形式呈现在市场经济中，所以商业银行对小微企业的金融支持是不可推卸的责任，同时也是自身发展战略转型的重要方向。但银行现有的小微企业信贷风险评价模型并不够完善，大部分银行制定小微企业信贷风险评价模型后，并没有严格按照该模型的评价方法执行；或者有的银行即使运用评价模型评估后，由于模型不够完善，还是需要进行人工审批。如此既浪费人力物力，也会加长商业银行的信贷审批周期。本文以Z银行为研究对象，主要进行该银行的小微企业信贷风险评分卡优化,构建完整的信贷风险评价模型，能够高效且客观地评价小微企业信贷风险。并且通过案例分析验证其有效性。

一、文献综述

(一)国外研究现状

Altman(1968)提出了新的评分模型一一定量化信贷风险识别Z模型，该模型是由五个主要指标建立的，对这些指标的选取是通过筛选33家破产制造企业和同样数量及规模的具有正常经营获利能力的企业的信息和数据，对这些数据进行整合加工，最终决定的五个指标是：营运资本、留存收益、息税前收益和销售收入分别与总资产的比值、权益的市场价值与总债务的比值，这些指标能够反映企业资产资金流动性、偿债和获利能力以及财务经营状况等基本信息。RoyMersland(2011)认为不仅要做好信贷风险评价体系的建设，还要对贷前和贷后环节加强管控。因为银行提供的贷款项目和类别较多，在贷款前要注意贷款风险的识别，并且评估该笔贷款是否会存在高违约概率；在贷后环节，要对贷款存在风险的项目及时给予反馈，建议完整贷后的风险管控体系。麦肯锡模型一—reditViewPortfolioC多因素模型(2013)能够在充分考虑社会发展的宏观经济因素和企业所处行业的发展状态下建立分析模型，判断各种贷款在该时期的违约率大概在什么区间。

(二)国内研究现状

国内朱文斌、范伯乃(2003)在介绍和分析国外企业信贷风险识别模型的基础上，建立了上市公司信贷指标体系，该体系中共包含15个相关指标，反映了企业的偿债能力、获利能力、营运能力等基本企业信息和现状。黄薷丹(2018)同样提出选取神经网络来构建商业银行企业客户的信贷风险评价体系。在现今大数据的时代，她分析并比较了不同大数据算法所存在的问题及其优缺点，最终决定选取了神经网络模型来构建商业银行企业客户信贷风险评价体系，并且对其结论进行实证分析，以期该模型能够对商业银行的管理起到积极有效的作用。

综上所述，信贷风险评价模型越来越完善，需综合多种因素考虑模型内指标的选取和建立

二、信贷风险评价方法与模型

能够建立信贷风险评价模型的基础是要有评估企业的财务状况和现有的企业制度这两方面的信息。当然，信贷风险评价体系会随着经济的发展不断变化，模型中侧重的指标也会不一致，比如起初我国很多大企业都选择定性分析法，而现在大都以定量分析为主。

要想能够更准确客观地评价企业的信贷风险，那么需要对信贷风险评价模型结果进行量化,这样会更准确客观地反映评估结果。在西方发达国家，信贷评价体系的建立与起步较早，并且对于信贷风险的量化技术也越来越完善，在这一方面，我国商业银行可以多向其借鉴，综合其建立模型所考虑的因素，来完善我国商业银行信贷风险评价模型的建设，这样也能提高银行对风险的识别能力和管控能力。而量化技术主要是以下几种：

(一)专家系统模型

金融机构对信用风险的分析和评价依赖主观分析或者定性分析。而“5C和5P”的方法也是这种分析法中最常用的方法，其中五个指标指借款人的品格、借款企业的资本、抵押品、偿债能力以及所处的经济周期。决策机构或者决策人根据这五个指标来对企业进行评估，筛选并整理好这五个指标所需要的数据，对这些数据加工由专家决定每个指标应该在这一体系中占据多少权重。从评估结果就可以看出该企业的偿债能力如何，还款人意愿是否强烈，有没有可能出现恶性违约的情况，根据这些结果来作出客观的贷款决策，能够有效降低贷款风险。但是不同专家对指标权重的分配都是不一样的，就会影响信贷决策的准确度。总的来说就是该模型主观性很强，建议不作为主要的分析方法。

(二)信用评分