民营企业信用评估模型研究

更新时间：2023-04-21 02:46:01 阅读量：实用文档文档下载

说明：文章内容仅供预览，部分内容可能不全。下载后的文档，内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的，是否完整无缺。

信用评估5c模型推荐度：
相关推荐

有关中小企业信用评价指标

民营企业信用评估模型研究

杨

星$，郭彩琴$，郭

璐!

（$暨南大学经济学院，广州#$"*2!；!中国地质大学人文与经营学院，北京$"""+2B摘

要：为民营企业的信用资质提供一种科学的度量方法是解除营企业金融困境的关键问题。

本文采用某商业银行!""!年对$!"家不同规模的民营企业贷款的截面数据，在现有的信用评级法指标体系的基础上构建了一个简单的民营企业信用评估模型。该模型突破了传统的定性分析框架，具有简洁、直观、操作性强的特点，可为商业银行信贷决策的科学化提供参考。

关键字：民营企业；信用度量；评估模型国图分类号：%!!&"’

文献标识码：(

文章编号：（!""#）$""!)*&+’"$)""$’)"!

标的可比性；（&）指标具有较强的分辨意义和显著的差异性

!问题的提出

近年来，民营经济的发展面临着严重的金融困境。民营

原则，我们对原有的某商业银行信用评级法用指标体系（见进行了分析和处理。考虑到民营企业的行业因素以及表$）

对某些指标数据的缺损，我们对3’和3$!进行了修正。

表$

变量指标

资产负债率

我国国有商业银行信用评级指标体系

变量指标

指标含义利润总额C成本费用总额经营活动产生的现金流量C销售收入销售（营业）收入C平均资产总额销售（营业）收入净额C平均流动资产销售成本C平均存货

销售（营业）收入净额C平均应收帐款余额本年销售（营业）增长额C上年销售（营业）增长额本年所有者权益增长额年初所有者权益增长额年末利润总额年初资产总额

企业“融资难”已成为制约民营经济乃至整个国民经济的发展的“瓶颈”。在诸多影响民营企业获取信贷资金支持的因素素。一般而言，民营企业，尤其是中小企业，生产经营规模小，产品市场狭窄，管理层综合素质较低等因用，因而很难对民营企业的信用进行评定。银行缺乏对民营企业风险评估的足够信息，无法做出相应的风险评级，自然会对这些企业的贷款持谨慎态度。从理论上讲，在利率给定3#的条件下，银行的信贷决策主要取决于申请贷款企业的信用3

资质和贷款偿付能力。二者无法确定，银行也就不得不采取“惜贷”策略，以避免“逆向选择”和“道德风险”的产生。有鉴3’于此，研究民营企业信用建设，为民营企业设计一种精确地+度量信用资质的技术或方法，就成为解决民营企业融资难的关键。

法指标体系的基础上，利用三种不同规模的$!"家民营企业建立了一个民营企业信用评估模型。所!""!年的截面数据，

采用的方法主要是主成分分析法，运用的软件是,-,,和

指标含义负债总额C资产总额

中，民营企业的资信评估的困难是影响其获取贷款的主要因3$

3$$3$!3$23$&3$#3$*3$’$+3$?

成本费用利润率销售现金比率总资产周转率流动资产周转率存货周转率应收帐款周转率销售增长率资本积累率润增长率率

流动比率流动资产C

流动负债

总债务

总债务C

素，加上我国很少有独立的资信评估机构及其服务可资利32

C415/6(415/6(

全部资本总债务C

化比率倍数

（总债务<净资产）利息支出流动负债

现金债务经营活动产生的总额比净资产收益率销售（营总资产报酬率

净现金流量C总债务净利润平均净资产销售（营业）利润C

已获利息415/6(C速动比率速动资产C

三年平均利年末利润总额C三年前总资产增长本年总资产增长额C

（营业）收入净额业）利润率销售

（利润总额<利息支出）3!"

基于上述原因，本文在某国有商业银行现行的信用评级3$"

C平均资产总额

（415/6(指息税、折旧、及摊消前收益）

.(/0(1。"

样本数据与建模

在经济交易中，影响经济主体的信用资质的变量是多种多样的，因而对企业信用资质评价指标的选取是非常关键的。依据：（$）指标数据的可获得性；（!）指标的全面性；（2）指

!7$原始数据的预处理

考虑到极端值对经营评价准确性的影响，我们对样本中

!7$7$对极端值的控制

的一些极端值进行了筛选。通过对所采集的样本数据各变量的分析，发现这些指标大体服从正态分布。对服从正态分布的样本，统计上具有以下规律：

89:)2!;3;:<2!=>??7’2@A$B

基金项目：广东省自然科学基金（?’"+&&）

统计与决策!""#年第$期（下）

$’

有关中小企业信用评价指标

即样本数据中介于正负%个单位标准差之间的概率为我们采用%个标准差作为控制界限，上限为*+%!,下&&’(%)。

限为*-%!，当数据超出正负%个单位的标准差时将其作为极端值予以剔除。

系数

!’!、!’%的计算结果如表!所示：

表!

提取的主成份对原始变量的系数表

!’$’!指标的同趋势化处理

为了消除某些指标的逆向趋势，我们对我国商业银行信用评级的!"个指标中的资产负债率、总债务./01234、全部资本化比率三个指标进行了同趋势化处理，其式为：

5678$.95679:68$,!,…,;<78$,!,…=>%’$’%无量纲化处理

:!>

在无量纲化处理中，我们采用了“均值化处理法”。与传统的“标准化处理法”相比，“均值化法”可以使从经过均值化处理的数据中提取的主成分充分体现原始数据所包含的全而不是"。其计算部信息。使均值化后各个指标的均值为$，公式如下：

?@678?677

在数值上等于：7是第7个变量的均值，

:%>

5!5%5A5#5F5(5I5&5$"5$$5$!5$%5$A5$#5$F5$(5$I5$&5!"

P$"’AI"’#!"’#""’"&"’!F"’$&-"’"&"’"#"’$""’$$"’"&-"’"!"’"("’"#-"’$&"’"("’"F-"’$$-"’$#"’"%

P!"’"&-"’"F"’$A"’"!-"’"A-"’"A-"’"A"’!F"’"("’%(-"’"A-"’"F"’AF"’#F"’A""’"I-"’"$"’$#-"’"!"’$&

P%"’$$-"’"%"’"!"’"#"’!""’"F"’"""’$A"’F"-"’"&"’A!-"’$!"’$I-"’"A-"’$#-"’#!"’"#"’$%"’$A-"’"%

PA-"’"%"’"A"’"I"’"""’"%"’"#-"’"A"’AI-"’"!"’$&"’$I-"’"("’"("’"I"’""-"’$#"’A%"’#(-"’%A"’$A

P#-"’"A-"’"(-"’"I"’$""’$%-"’$#"’FA"’"&-"’"!-"’$"-"’"A"’F#-"’"%-"’"!-"’"I"’$$-"’$!-"’"!"’"I-"’!%

PF"’!%"’$I"’"%"’F#-"’$$"’#&"’"(-"’$A""A-"’"("’$$-"’"I-"’"A"’"$"’$%-"’"A"’$$"’"I"’$F"’$%

P(-"’"&"’$%"’$I"’"!"’#""’"F-"’"(-"’"!"’"I"’$A"’A(-"’"$-"’$&"’"F"’!I"’"$"’"&"’"!-"’!""’#%

$!?78C678D67

68$

"?（78$,!,……,=）

;

!’A

:A>

提取主成分与建模

主成份个数的选择依赖于其对原始指标信息的反映程

均值化后数据的协方差矩阵B8（C67）的元素为：

（#）

度，通常要求累计方差贡献率J:K>为(")-I#)或者主成份对我们选择$-(个因素作应的特征值大于$。根据上述原则，

为主成份，并建立我国民营企业信用评估模型如下：

其中：D678$

反映，其表达式为

68$

":?>:?>为原始数据的协方差。

;

M678N67.#7

（的系数表如表!所示。O778$,!,……$"）

（$$）

最后求得以原始变量?6表（68$,!,……!"）示主成份因子比较各原始变量在各主成分中的系数绝对值的大小，可

均值化后的原始指标的相互影响程度由相关系数E67来

E678

C67

#66$77将（%）代入（A）可得：

（F）

以看出主成份P$主要是由5$，5!，5%确定，主要反映企业的偿债能力状况；主要反映企业P!主要由5$"，5$%，5$A，5$#确定，的资产运营状况；P%主要由5&，5$$，5$F确定，主要反映企业

D67E678D67.66778E67

6767$6677

（(）收益状况；主要反映企业前景PA主要由5I，5$(，5$I，5$&确定，发展预测；P#主要由5(，5$!确定，主要反映企业的现金流入状况；主要反映企业负债程度；PF主要由5A，5F确定，P(主要由5#，主要反映企业债务利息保证程度。5$$，5!"确定，

由上式可知，均值化处理并未改变指标间的相关系数，相关系数矩阵的全部信息在相应的协方差矩阵中得到反映，经过均值化处理后的协方差矩阵消除了指标量和数量级的影响，全面反映了指标数据所包含的两部分信息。

!’!计算相关矩阵G的特征根与特征向量

由于上述矩阵是实对称矩阵，故采用雅克比方法求出该

!信用决策临界值的确定

根据已构建的模型，我们可以求得任意申请贷款企业的

矩阵的特征值及相应的特征向量。其计算式为：

G8!’%

$%55:6,78$,!,=>=?=’;H8$

综合得分，这一得分为下一步的授信决策提供了依据。在确

（I）

定授信决策时我们采用了期望值法确定决策概率和信贷决策临界值，从而决定贷款与否。

可贷款的概率为Q（D6），不我们假定，对于任何申请者D6，可贷款的概率为$-Q（D6）。按照银行的经营目标，银行贷款获

（&）

得的期望收益应大于或等于同期无风险的投资的收益。令同，银行存款利期无风险投资收益为（E以同期国债利率为准）贷款利率为R!，则银行接受贷款的期望收益为：率为R$，

（G）（R!-R$-E）/8SQ:D6>+:-E-R$>S:$-=:D6>>

令银行接受贷款的收益等于拒绝贷款的收益，即：

…

计算各主要成分的方差贡献率JK及累计方差贡献率J:K>我们用式（&）计算第K个主成份LK的方差贡献率：

JK8"6.%"6

68$

用（$"）式计算前K个主成份L$,L!,……,LK的累计贡献率：

J:K>8%"6.%"6

78$

68$

K!"

（$"）

:$!>

统计与决策!""#年第$期（下）

有关中小企业信用评价指标

线性回归模型与传递函数模型在时间序列应用上的比较研究

刘建平，岑倩青

（暨南大学经济学院统计学系，广州#$"?5!）

摘要：如果一个因变量是由一个或多个自变量来解释的，那么对这些数据可以建立回归模型。

但如果因变量和自变量同时又是时间序列，则也可以建立传递函数模型（*0D>7LJ0LK>U*8E>PE2JI7）。与普通的回归模型相比，传递函数模型说明因变量与自变量以及扰动项之间关系时，有着更为丰富的结构。在多变量时间序列模型方面，有关线性回归模型与传递函数序列在时间序列方面应用效果的比较很少，因此，本文拟进行这方面的研究，为多变量时间序列建立模型提供参考。

关键词：线性回归模型；传递函数模型；时间序列中图分类号：T!!9("

文献标识码：C

文章编号：（!""#）$""!1?9=]"$1""$<1"5

时间序列数据大量存在于社会中，每年的%&’组成每月的家庭支出组成家庭支出时间序列。如%&’时间序列，

果一个输出变量是由多个输入变量来解释的，那么对这些数据可以建立回归模型。但如果输出变量和输入变量同时又是时间序列，则也可以建立传递函数模型。与普通的回归模型相比，传递函数模型在说明输出变量与输入变量，以及扰动项之间的关系时，有着更为丰富的结构。在多变量时间序列模型方面，有关线性回归模型与传递函数模型在时间序列方

面应用效果的比较很少，因此，本文拟进行这方面的研究，为多变量时间序列建立模型提供参考。

!$($

模型的概念和方法线性回归模型

其数学表达式为：)*+!,-*",#*

其中扰动项#*是随机变量，它满足以下假定：

（$）

作者简介：刘建平4$<#$16，男，汉族，山西怀仁人，暨南大学经济学院统计学系，教授。

女，汉族，广东阳春人，暨南大学经济学院统计学系，硕士。岑倩青4$<="16，

（/）.+012$3

解得信贷决策的临界概率为：（78）’+!0

（78）’+!:!(#!;#(9<+"(=!信用得分的临界值为：

4$56