中小企業(yè)信用風(fēng)險(xiǎn)識(shí)別及商業(yè)信用融資管理

郭曉鳳

【摘要】“融資難”問題一直是困擾高科技中小企業(yè)發(fā)展的瓶頸問題，嚴(yán)重地阻礙和制約了中小企業(yè)的經(jīng)營和發(fā)展。本文通過對(duì)創(chuàng)業(yè)板上市企業(yè)的11項(xiàng)非財(cái)務(wù)指標(biāo)和13項(xiàng)財(cái)務(wù)指標(biāo)進(jìn)行了整理、清洗和標(biāo)準(zhǔn)化處理，采用主成分分析、財(cái)務(wù)評(píng)分法、聚類分析等方法，將高科技中小企業(yè)的信用風(fēng)險(xiǎn)劃分為A、B、C、D四類。分析結(jié)果表明，高科技中小企業(yè)普遍存在信用狀況偏低，風(fēng)險(xiǎn)承受能力較弱等問題，企業(yè)應(yīng)該積極進(jìn)行信用風(fēng)險(xiǎn)的管理和防范，努力提升管理水平和獲利能力，是信用風(fēng)險(xiǎn)控制在合理的范圍之內(nèi)，是解決“融資難”問題的前提條件和出發(fā)點(diǎn)，具有重要的實(shí)踐意義。

【關(guān)鍵詞】高科技 中小企業(yè) 信用評(píng)級(jí) 商業(yè)信用融資

一、引言

科學(xué)技術(shù)是第一生產(chǎn)力。隨著我國經(jīng)濟(jì)社會(huì)的蓬勃發(fā)展，中國企業(yè)開啟了從勞動(dòng)密集型向技術(shù)密集型產(chǎn)業(yè)的轉(zhuǎn)型之路。通常，中小企業(yè)由其體量小、負(fù)擔(dān)輕、管理扁平和決策集中等特點(diǎn)，擁有更大的創(chuàng)造性和靈活性，尤其是在應(yīng)用型和發(fā)展型的技術(shù)創(chuàng)新上，表現(xiàn)得十分突出。截止到2015年底，我國擁有中小型高技術(shù)企業(yè)數(shù)量27，808家，約占高技術(shù)企業(yè)總數(shù)的93.85%，從業(yè)人員年平均人數(shù)6，220，024人，約占高技術(shù)企業(yè)從業(yè)人員總數(shù)的45.93%，2014年利稅5650.80億元，占高技術(shù)企業(yè)利稅總額的46.36%。中小型高技術(shù)企業(yè)的存在，是推動(dòng)我國技術(shù)創(chuàng)新和高技術(shù)產(chǎn)業(yè)發(fā)展的重要力量，在一定程度上避免了壟斷行為的發(fā)生、刺激了有效需求的增長，使我國經(jīng)濟(jì)充滿了活力。

但“融資難”一直是困擾高科技中小企業(yè)發(fā)展的瓶頸問題，嚴(yán)重地阻礙和制約了中小企業(yè)的經(jīng)營和發(fā)展。當(dāng)前，我國高科技中小企業(yè)的主要融資渠道是銀行貸款。相關(guān)統(tǒng)計(jì)數(shù)據(jù)顯示，以抵（質(zhì)）押形式的中小企業(yè)貸款余額約占其貸款總額的50%左右，以企業(yè)保證形式的貸款余額約占32%，而以信用貸款形式的貸款余額僅占18%。同時(shí)，由于高科技中小企業(yè)普遍可供抵押的資產(chǎn)較少，信用記錄相對(duì)空白，導(dǎo)致獲得銀行貸款的可能性和金額偏低。研究結(jié)果表明，當(dāng)企業(yè)在銀行、證券等正規(guī)金融市場(chǎng)融資受限時(shí)，通常采取商業(yè)信用融資的方式在產(chǎn)業(yè)上下游尋求解決方案。所謂商業(yè)信用，即在商品交易中以延期付款或預(yù)收賬款進(jìn)行購銷活動(dòng)而形成的借貸關(guān)系，它是公司間直接的信用行為。一方面，商業(yè)信用融資在一定程度上緩解了高科技中小企業(yè)所面臨的融資約束，促進(jìn)了企業(yè)發(fā)展，另一方面，過高的商業(yè)信用融資也為企業(yè)自身乃至整個(gè)購銷鏈帶來較高的信用風(fēng)險(xiǎn)，某一環(huán)節(jié)的信用崩塌將有可能推倒風(fēng)險(xiǎn)的多米諾骨牌，抑制整個(gè)產(chǎn)業(yè)鏈的發(fā)展。因此，通過識(shí)別高技術(shù)中小企業(yè)的信用風(fēng)險(xiǎn)來研究不同信用風(fēng)險(xiǎn)環(huán)境下適宜的商業(yè)信用融資，對(duì)企業(yè)信用風(fēng)險(xiǎn)的管理和防范，具有重要的實(shí)踐意義。

二、研究基礎(chǔ)與指標(biāo)體系的建立

（一）研究基礎(chǔ)簡(jiǎn)介

目前，利用聚類算法對(duì)中小企業(yè)進(jìn)行信用評(píng)級(jí)及融資規(guī)模的研究尚出于起步階段，中國人民大學(xué)吳晶妹團(tuán)隊(duì)發(fā)現(xiàn)資產(chǎn)類指標(biāo)對(duì)中小企業(yè)信用風(fēng)險(xiǎn)的影響較大[1]；天津大學(xué)的趙冬梅、閆東玲選取了每股收益、凈資產(chǎn)收益率、總資產(chǎn)收益率等12個(gè)財(cái)務(wù)指標(biāo)，利用因子分析和聚類分析對(duì)樣本企業(yè)進(jìn)行信用等級(jí)評(píng)定，研究結(jié)果表明大多數(shù)企業(yè)的信用等級(jí)集中在BBB及BBB以下，中小制造企業(yè)償債能力欠佳，違約情況嚴(yán)重[2]；武漢大學(xué)的吳鳳，吳義能對(duì)創(chuàng)業(yè)板上市公司的21個(gè)財(cái)務(wù)數(shù)據(jù)項(xiàng)進(jìn)行了主成分分析后，利用BP神經(jīng)網(wǎng)絡(luò)模型給出了其信用評(píng)級(jí)結(jié)果，發(fā)現(xiàn)創(chuàng)業(yè)板上市公司的信用水平基本處于中等偏下，整體信用狀況較差[3]。但以上的研究都局限在財(cái)務(wù)指標(biāo)對(duì)信用評(píng)級(jí)結(jié)果的影響。馬宏、汪洪波通過對(duì)創(chuàng)業(yè)板上市公司的實(shí)證研究發(fā)現(xiàn)地域差別、企業(yè)的政治關(guān)系網(wǎng)絡(luò)、高管個(gè)人的社交網(wǎng)絡(luò)等社會(huì)資本對(duì)企業(yè)的商業(yè)信用融資有著顯著的影響[4]。

（二）指標(biāo)體系的建立

通過對(duì)本研究領(lǐng)域文獻(xiàn)等資料的梳理，結(jié)合信用評(píng)級(jí)領(lǐng)域的最新評(píng)級(jí)理論，本文擬選定11個(gè)非財(cái)務(wù)指標(biāo)和13個(gè)財(cái)務(wù)指標(biāo)對(duì)創(chuàng)業(yè)板上市公司的信用狀況進(jìn)行評(píng)級(jí)，通過聚類算法對(duì)信用狀況相似的企業(yè)進(jìn)行分類，針對(duì)每一類別的信用等級(jí)研究其商業(yè)信用融資額度，藉以尋求補(bǔ)充銀行信用融資不足以滿足企業(yè)發(fā)展需求的補(bǔ)充方案。詳細(xì)的指標(biāo)體系見表1。

三、模型的構(gòu)建與數(shù)據(jù)選取

（一）非財(cái)務(wù)指標(biāo)的主成分/因子分析

本文首先利用SPSS Modeler14.1軟件對(duì)非財(cái)務(wù)指標(biāo)進(jìn)行因子分析，提取出能夠反映高科技中小企業(yè)非財(cái)務(wù)指標(biāo)的公共因子，并通過對(duì)各公共因子賦值得到相應(yīng)的非財(cái)務(wù)指標(biāo)得分。如表1所示，特征值大于0.8的因子有6個(gè)，旋轉(zhuǎn)前后的累計(jì)方差貢獻(xiàn)率均為75.623%，旋轉(zhuǎn)不改變因子解釋能力。

如表3所示，利用高載荷的因子對(duì)各公共因子進(jìn)行命名，分別為F1—行業(yè)因子，F(xiàn)2——知識(shí)產(chǎn)權(quán)因子，F(xiàn)3—著作權(quán)因子，F(xiàn)4—稅收及行政處罰因子，F(xiàn)5—行政許可因子，F(xiàn)6—高管學(xué)歷因子，并以各公共因子的方差占公共因子方差總和的百分比作為權(quán)重，得到非財(cái)務(wù)部分的Score值，計(jì)算公式如下圖所示。

（二）財(cái)務(wù)指標(biāo)的總得分

本文通過對(duì)財(cái)務(wù)報(bào)表的相關(guān)數(shù)據(jù)對(duì)凈資產(chǎn)、銷售收入、資產(chǎn)負(fù)債率、流動(dòng)比率、速動(dòng)比率等13項(xiàng)財(cái)務(wù)指標(biāo)進(jìn)行了計(jì)算、賦值、加總和標(biāo)準(zhǔn)化處理，得到該公司財(cái)務(wù)指標(biāo)得分。

（三）聚類分析模型

聚類分析又稱之為群分析[5]，它是研究分類問題的一種統(tǒng)計(jì)分析方法，同時(shí)也是數(shù)據(jù)挖掘的一個(gè)重要算法。聚類分析是通過比較個(gè)數(shù)據(jù)之間的差異，將性質(zhì)相差較大的歸為不同類，而相差較小的歸為同一類的統(tǒng)計(jì)方法。聚類分析的準(zhǔn)則在于，屬于同一類的個(gè)體間距離（點(diǎn)與點(diǎn)之間）盡量小，而不同類之間的距離（類與類之間）盡可能大。常用的聚類算法有：層次聚類法（CURE、BIRCH等）、分割聚類法（K-means等）、密度聚類法（OPTICS、DBSCAN等）、網(wǎng)絡(luò)聚類法（STING等）以及模型聚類法（COBWEB、SOM神經(jīng)網(wǎng)絡(luò)等）。

本文通過以上得到的非財(cái)務(wù)指標(biāo)和財(cái)務(wù)指標(biāo)兩方面的標(biāo)準(zhǔn)化得分以及商業(yè)信用融資比例、凈資產(chǎn)收率作為聚類模型的輸入項(xiàng)，利用SPSS軟件的兩步聚類法進(jìn)行聚類分析。endprint

注：商業(yè)信用融資比例=（應(yīng)付賬款+應(yīng)付票據(jù)+預(yù)收款項(xiàng)）/資產(chǎn)總計(jì)

（四）樣本選取與數(shù)據(jù)來源

本文以2009～2015年7年間創(chuàng)業(yè)板上市的496家企業(yè)為研究對(duì)象，分析這些公司2016年的企業(yè)基本信息、財(cái)務(wù)比率數(shù)據(jù)和企業(yè)經(jīng)營數(shù)據(jù)對(duì)企業(yè)信用風(fēng)險(xiǎn)的影響。其中創(chuàng)業(yè)板上市公司的企業(yè)基本情況和歷年財(cái)務(wù)數(shù)據(jù)來自國泰安數(shù)據(jù)庫，企業(yè)經(jīng)營數(shù)據(jù)來自蘇州朗動(dòng)網(wǎng)絡(luò)科技有限公司運(yùn)營的“企查查”平臺(tái)。

四、實(shí)證結(jié)果與分析

運(yùn)用SPSS軟件對(duì)496家樣本企業(yè)的財(cái)務(wù)指標(biāo)得分、非財(cái)務(wù)指標(biāo)得分、商業(yè)信用融資比例以及凈資產(chǎn)收益率進(jìn)行聚類，結(jié)果顯示4級(jí)分類效果較好，聚類輪廓最為清晰，各類之間的差異明顯。具體聚類結(jié)果見表7。

4級(jí)別分類結(jié)果表明，類1所占比例39.1%，其財(cái)務(wù)部分得分均值、非財(cái)務(wù)部分得分均值均為最高，商業(yè)融資比例最低，而凈資產(chǎn)收益率13%略低于類3，屬于信用等級(jí)最高的高科技中小企業(yè)，其信用狀況和承擔(dān)風(fēng)險(xiǎn)的能力都較高，定義為A類；類2所占比例次之，其財(cái)務(wù)部分得分略低于類1，但非財(cái)務(wù)部分得分最低，商業(yè)融資比例及凈資產(chǎn)收率均為9%，屬于信用等級(jí)居中的高科技中小企業(yè)，該信用類別的企業(yè)財(cái)務(wù)運(yùn)轉(zhuǎn)良好，商業(yè)信用融資比例較低，凈資產(chǎn)收益率居中，其信用狀況一般但風(fēng)險(xiǎn)承擔(dān)能力較強(qiáng)，定義為B類；類3所占比例15%，其財(cái)務(wù)評(píng)分和非財(cái)務(wù)評(píng)分均值上課，商業(yè)信用融資比例和凈資產(chǎn)均為最高，分別為29%和14%，其信用狀況良好，但信用融資比例較高，風(fēng)險(xiǎn)承受能力一般，定義為C類；類4所占比例21%，其財(cái)務(wù)得分最低，非財(cái)務(wù)部分得分居中，信用融資比例14%，但凈資產(chǎn)收益率為0，其信用狀況和風(fēng)險(xiǎn)承受能力都比較查，應(yīng)該警惕信用風(fēng)險(xiǎn)，定義為D類。

五、結(jié)論與討論

本文通過對(duì)我國創(chuàng)業(yè)板496家上市企業(yè)的非財(cái)務(wù)指標(biāo)進(jìn)行因子分析，財(cái)務(wù)指標(biāo)進(jìn)行賦值分析，并在此基礎(chǔ)上對(duì)財(cái)務(wù)標(biāo)準(zhǔn)得分、非財(cái)務(wù)標(biāo)準(zhǔn)得分、商業(yè)信用融資比例以及凈資產(chǎn)收益率進(jìn)行了聚類分析，最后構(gòu)建了高科技中小企業(yè)信用評(píng)級(jí)體系。結(jié)果顯示信用狀況在A、B、C類的企業(yè)分別占總企業(yè)數(shù)量的39.1%、24.9%、15.0%，而信用狀況占D級(jí)的企業(yè)為21.0%，可見高科技中小企業(yè)的大部分企業(yè)應(yīng)該警惕信用風(fēng)險(xiǎn)，從加強(qiáng)企業(yè)的內(nèi)部管理、技術(shù)研發(fā)以及財(cái)務(wù)管理等方面著手，將商業(yè)信用融資比例控制在合理的范圍之類，盡力提高凈資產(chǎn)的收益率。本文建立的信用評(píng)級(jí)體系，考量了企業(yè)的管理水平、行業(yè)地位、技術(shù)能力、稅收情況、行政影響以及財(cái)務(wù)比率等方面的能力，全面而有針對(duì)性的對(duì)高科技中小企業(yè)進(jìn)行信用狀況和風(fēng)險(xiǎn)承受能力等方面的評(píng)價(jià)。有別與傳統(tǒng)的9級(jí)評(píng)級(jí)，本文的評(píng)級(jí)結(jié)果更加適用于中小規(guī)模的高科技企業(yè)，有助于企業(yè)對(duì)自身的信用狀況進(jìn)行了解和掌握，并針對(duì)得分較為異常的指標(biāo)類進(jìn)行信改善，提升信用水平；同時(shí)也有助于銀行、金融機(jī)構(gòu)對(duì)被評(píng)價(jià)企業(yè)進(jìn)行貸前審批和貸后管理，具有重要的實(shí)踐意義。

參考文獻(xiàn)

[1]楊龍光，吳晶妹.統(tǒng)計(jì)與聚類視角的中國中小企業(yè)信用評(píng)級(jí)研究[J].四川大學(xué)學(xué)報(bào)，2014，195（6）：89-97.

[2]趙冬梅，閆東玲.基于因子分析和聚類分析的中小制造企業(yè)信用評(píng)級(jí)研究[J].電子設(shè)計(jì)工程，2015，23（7）：82-85.

[3]吳鳳，吳義能.我國創(chuàng)業(yè)板上市公司信用評(píng)級(jí)研究[J].統(tǒng)計(jì)與決策，2017，（6）：182-185.

[4]馬宏，汪洪波.高科技中小企業(yè)社會(huì)資本對(duì)商業(yè)信用融資的影響——基于深證創(chuàng)業(yè)板上市公司的實(shí)證分析[J].西南民族大學(xué)學(xué)報(bào)（人文社科版），2015（2）：131-138.

[5]馬立平.聚類分析法[J].數(shù)據(jù)，2000（5）：36-37.endprint