小微企業信貸風險評價模型構建及應用

●蘇 蕙

目前，我國市場經濟蓬勃發展，極大地解放和發展了生產力，且資本以多元化的形式呈現在市場經濟中，所以商業銀行對小微企業的金融支持是不可推卸的責任，同時也是自身發展戰略轉型的重要方向。但銀行現有的小微企業信貸風險評價模型并不夠完善，大部分銀行制定小微企業信貸風險評價模型后，并沒有嚴格按照該模型的評價方法執行；或者有的銀行即使運用評價模型評估后，由于模型不夠完善，還是需要進行人工審批。如此既浪費人力物力，也會加長商業銀行的信貸審批周期。本文以Z銀行為研究對象，主要進行該銀行的小微企業信貸風險評分卡優化，構建完整的信貸風險評價模型，能夠高效且客觀地評價小微企業信貸風險。并且通過案例分析驗證其有效性。

一、文獻綜述

（一）國外研究現狀

Altman（1968）提出了新的評分模型——定量化信貸風險識別Z模型，該模型是由五個主要指標建立的，對這些指標的選取是通過篩選33家破產制造企業和同樣數量及規模的具有正常經營獲利能力的企業的信息和數據，對這些數據進行整合加工，最終決定的五個指標是：營運資本、留存收益、息稅前收益和銷售收入分別與總資產的比值、權益的市場價值與總債務的比值，這些指標能夠反映企業資產資金流動性、償債和獲利能力以及財務經營狀況等基本信息。Roy Mersland（2011）認為不僅要做好信貸風險評價體系的建設，還要對貸前和貸后環節加強管控。因為銀行提供的貸款項目和類別較多，在貸款前要注意貸款風險的識別，并且評估該筆貸款是否會存在高違約概率；在貸后環節，要對貸款存在風險的項目及時給予反饋，建議完整貸后的風險管控體系。麥肯錫模型——redit View Portfolio C多因素模型（2013）能夠在充分考慮社會發展的宏觀經濟因素和企業所處行業的發展狀態下建立分析模型，判斷各種貸款在該時期的違約率大概在什么區間。

（二）國內研究現狀

國內朱文斌、范伯乃（2003）在介紹和分析國外企業信貸風險識別模型的基礎上，建立了上市公司信貸指標體系，該體系中共包含15個相關指標，反映了企業的償債能力、獲利能力、營運能力等基本企業信息和現狀。黃薷丹（2018）同樣提出選取神經網絡來構建商業銀行企業客戶的信貸風險評價體系。在現今大數據的時代，她分析并比較了不同大數據算法所存在的問題及其優缺點，最終決定選取了神經網絡模型來構建商業銀行企業客戶信貸風險評價體系，并且對其結論進行實證分析，以期該模型能夠對商業銀行的管理起到積極有效的作用。

綜上所述，信貸風險評價模型越來越完善，需綜合多種因素考慮模型內指標的選取和建立。

二、信貸風險評價方法與模型

能夠建立信貸風險評價模型的基礎是要有評估企業的財務狀況和現有的企業制度這兩方面的信息。當然，信貸風險評價體系會隨著經濟的發展不斷變化，模型中側重的指標也會不一致，比如起初我國很多大企業都選擇定性分析法，而現在大都以定量分析為主。

要想能夠更準確客觀地評價企業的信貸風險，那么需要對信貸風險評價模型結果進行量化，這樣會更準確客觀地反映評估結果。在西方發達國家，信貸評價體系的建立與起步較早，并且對于信貸風險的量化技術也越來越完善，在這一方面，我國商業銀行可以多向其借鑒，綜合其建立模型所考慮的因素，來完善我國商業銀行信貸風險評價模型的建設，這樣也能提高銀行對風險的識別能力和管控能力。而量化技術主要是以下幾種：

（一）專家系統模型

金融機構對信用風險的分析和評價依賴主觀分析或者定性分析。而“5C和5P”的方法也是這種分析法中最常用的方法，其中五個指標指借款人的品格、借款企業的資本、抵押品、償債能力以及所處的經濟周期。決策機構或者決策人根據這五個指標來對企業進行評估，篩選并整理好這五個指標所需要的數據，對這些數據加工由專家決定每個指標應該在這一體系中占據多少權重。從評估結果就可以看出該企業的償債能力如何，還款人意愿是否強烈，有沒有可能出現惡性違約的情況，根據這些結果來作出客觀的貸款決策，能夠有效降低貸款風險。但是不同專家對指標權重的分配都是不一樣的，就會影響信貸決策的準確度。總的來說就是該模型主觀性很強，建議不作為主要的分析方法。

（二）信用評分模型

該模型需要大量的數據作為支撐，因為該模型中需要的指標數量較多，比如借款人的信用情況、資產狀況、人品、年齡，借款企業的財務和經營狀況等。將企業信息依照這些指標進行加工篩選，再對這些指標賦予不同權重計算出信用評分值，根據評分值來決定是否要給該企業發放貸款，以什么樣的利率發放，貸款期限又是多久。但是用來評估企業信用模型的指標如何選取，定性指標和定量指標的選取依據如何確定，這些都是制定信用評分模型時需要考慮的因素。這種方法在商業銀行中的運用很普遍。本文選取的Z銀行的信貸風險評價模型也是以此方法為基礎。

（三）財務比率分析法

顧名思義，該模型的側重點在企業財務狀況上，通過企業財務信息反映企業資本結構。這一模型中的三大主要指標是：經營能力、償債能力和創新能力，這三個指標通過對企業的財務信息加工得到，并主要評估企業這三個方面的能力。而隨著市場機構的不斷發展，這三個指標也不能全面地評價企業現狀，所以盈利能力和企業發展潛力這兩個因素也被列為該模型的考慮范圍內。隨著財務比率模型的不斷完善和經濟的不斷發展，對企業發放貸款的要求也越來越嚴格，提供資金的一方更加注重企業的資金來源是否可靠，以及經營模式是否穩定，所以資產負債率和資本的報酬率同樣也是評估該企業情況的重要指標。

該方法被不斷完善優化，也漸漸被決策機構所接受和運用，這種模型需要數據多、準確性高，但操作簡便并且數據分析可以直觀看到，但是該種辦法過于偏重企業的財務狀況，而非財務狀況幾乎沒有體現，比如償債人的個人品行、企業的整體信用和經營狀況等。所以財務比率法不能全面評估企業風險。

（四）綜合評價模型

企業在信用評級中，不可能評級過程都是絕對能夠劃分類別的，總會有不能夠明確判定的模糊性問題，所以需要運用該模型。綜合評價模型需要數學原理作支撐，而不是像其他幾種方法只需確定簡單的步驟即可。早在1965年，美國學者研究分析該模型的運行原理，并且對該原理進行解釋說明，同時提出其他相關理論的原理。該模型的主要流程是先確定評級的因素，即需要哪些指標；再將指標進行分類，哪些是一級指標哪些是二級指標，確定指標的隸屬分類；最后則是由前兩步得出的結果來綜合評價該企業信貸風險。

上述方法中，財務比率法、信用評分模型以及綜合評價模型都需要大量數據來支撐該模型的運行，小微企業的財務信息較為混亂，財務管理制度也不是很健全，所以并不完全適用于這些模型。結合小微企業財務數據不全面而且定性指標較多的特點，在Z銀行現有小微企業風險評分卡模型上，優化該模型的結論以及運用該模型的方法，提高小微企業貸款審批效率和決策準確性。

三、Z銀行小微企業信貸風險評價模型現狀

（一）Z銀行基本狀況

Z銀行的前身成立于1996年，2000年進行更名，名字為Z市商業銀行，在2009年時，正式更名為Z銀行，2015年在香港掛牌上市，2018年在深圳交易所掛牌上市，成為了全國首家“A+H”股上市的商業銀行。

截至2019年6月末，Z銀行上半年的資產總規模達到4797.96億元，相較上年末增長了136億，貸款規模1775.57億元，較上年末增長179億元。資本的充足率達到12.74%，不良貸款率也在逐年降低，上半年為2.39%，較上年末降低0.08%。本行的員工較上一年增加200人左右，上半年員工總人數為4767人，營業機構為166家，分行12家，支行153家，數據顯示Z銀行近幾年在穩定發展。Z銀行的服務特色就是 “商貿金融、小微金融、市民金融”，業務更加貼近該市發展，并且一直致力于為該市企業和市民提供全面、便捷的金融服務。

（二）Z銀行現有小微企業貸款評分卡模型

Z銀行小微企業貸款評分卡的指標和對應分值如表1所示。

表1小微企業貸款評分卡

Z銀行現有規定小微企業通過評分卡計算出得分后，還需要人工審批，并沒有能直接進行電腦篩選的分值標準。這就是上文提到的，銀行自身有能夠評價小微企業信貸風險的模型，可是該模型沒有得到充分利用，只是利用該模型計算出每個企業的評分卡得分，并沒有給出該企業是否能發放貸款的結論。為了提高審批效率，降低人工審批成本，從風險審慎的角度看，可以通過自動評分決策避免人為主觀因素的干擾，從而降低風險。評分決策有三種結果，分別是評分自動通過、評分自動拒絕、評分人工審批。

四、Z銀行小微企業信貸風險評價模型結論構建

根據申請評分模型得分，設置自動拒絕與自動接受分數線。低于自動拒絕分數線的將被直接拒絕，高于自動接受分數線的將直接通過，二者都不需要進入人工審批環節。分數線設置要合理把握風險和業務發展之間的平衡。建議方案：根據業務發展需要，并且要拒絕足夠多的壞客戶，通過數據分析得到控制比例是20%-30%。得分較低且壞客戶占比明顯偏高的分數段作為自動拒絕；反之，得分較高且壞客戶占比極低的分數段作為自動接受。而好壞客戶標準如表2。

表2好壞客戶劃分定義

本文選取355家在Z銀行申請貸款的小微企業，通過對其13個月的觀察，觀測出樣本好壞客戶在不同分數值內的分布。這355家企業分數值在677－810分，上文中提到自動接受與拒絕的比例在20%－30%，所以將排名最低的占總樣本數20%的企業由低到高排序，最高分值為705分，總共71家企業。排名最高的企業占總樣本的10%共有35家，其中最低分值為755分。分值排名在中間的其余70%的企業有249家，分值為706-754分，通過對其13個月的觀測，小微企業違約概率以及分值界定見表3。

表3小微企業違約概率在不同分值中的占比

而對Z銀行，基于銀行對貸款違約客戶在不同分值中違約所能接受的比例，筆者設置的壞客戶占比要求是，在自動拒絕的分數線內，通常壞客戶占比達到20%以上，而在自動通過的分數線內，一般而言壞客戶的占比不超過0.05%。表3中，705分以下客戶中違約客戶占比高于20%，而755分值以上違約客戶則占比低于0.05%。我們用行內大數據2321家小微企業再進行驗證結論，如表4所示。

表4大數據樣本驗證結果

所以行內大數據驗證所得結論與跟蹤觀測的355家企業一致，那么可以設定自動評分表的分值如表5。

表5評分卡分值設定

五、Z銀行小微企業信貸風險評價模型的應用分析

（一）目標客戶簡介

A公司是經該省食品藥品監督管理局、市食品藥品監督管理局批準成立的醫藥零售連鎖公司，公司成立于2009年，經營范圍為：中成藥、中藥飲片、化學藥制劑、抗生素、生化藥品、生物制品（除疫苗）；（憑有效許可證核定范圍和期限經營）醫療器械Ⅰ類；體溫計、血壓計、磁療器具、血糖試紙條、妊娠診斷試紙（早早孕檢測試紙）、醫用脫脂棉、醫用脫脂紗布、醫用衛生口罩、避孕帽、輪椅、醫用無菌紗布、洗化用品、日用百貨、消殺用品等。

1、A公司管理狀況分析。A公司的最大投資方為王某，占比51%，并且是公司的執行董事。而媛某是另一股東，持股49%，也是公司監事。王某個人征信記錄良好，無不良記錄。王某與媛某此前一直從事醫藥行業，所以對公司運營以及管理是有一定經驗的。

2、A公司經營狀況分析。A公司成立十年以來，積累了較多的客戶資源，該公司的銷售渠道有：一是利用王某以前從事單位的市場資源進行銷售，但是銷售渠道單一，客戶集中且客戶差異較小，所以面臨的市場競爭大，銷售風險較高；二是采用定制化模式，大客戶在需要備貨時會向該公司訂貨，但是這種訂貨方式由于市場競爭激烈，受外部影響大，不穩定。此外，A公司由于所有銷售的器械都是從外部購買，并且有多家分支機構在銷售，這樣不利于有效地降低成本，所以銷售產品時競爭力不大，拓展新客戶能力也受限。

3、A公司所在行業及區域影響。A公司位于中國中部的一個省會城市，近幾年由于“自貿區”的建立和“一帶一路”的政策實施，A公司所在區域經濟也越來越繁榮，經濟發展速度快。此外，黨的十九大召開后，強調加強金融服務實體經濟的路線，因此商業銀行大力支持當地企業發展，該地區小微企業發展的外部環境良好。

2018年初，公司欲擴大規模，增加固定資產購入，以及門店開設，向Z銀行申請100萬貸款，借款期限12個月。根據流程，Z銀行需要對A公司的基本信息作了解，因此需要A公司提供營業執照（三證合一）、業務往來的購銷合同，以及能夠反映A公司真實財務狀況的財務報表等資料。并且由負責該公司貸款審查的信貸人員去公司進行實地考察，確認該公司提供的基本資料是否真實，對這些資料評估過后，進入貸款審批環節。

對A公司的貸款申請先由經辦行審查，并在其負責人權限內進行審批。審批完后上報總行小微企業金融事業部審查審批，事業部審查人員完成項目審批后，上報審查主管或副總經理、總經理、小微企業審貸委員會及最終有權審批人進行審批，歷時一個月，最終審核沒有通過，沒有給A公司放貸。

對A公司貸款的審核，經歷了多項環節。整合小微企業數據計算出小微企業信貸評分卡得分后，需要提交進行人工審批。在人工審批環節，依舊會核實貸款用途的真實性，企業提供的信息是否完整真實，再經過支行和總行的審批最終決定是否給A公司放貸。需要優化現有的小微企業信貸風險評分卡結論，來降低審批時間和成本，能夠在計算機計算出A公司信貸風險評價卡得分后，直接由計算機給出自動通過、自動拒絕或需要人工審批的結論，能夠將一部分客戶分流給計算機直接進行審批，簡化審批程序，節省人工提高效率。

（二）Z銀行小微企業貸款風險評分卡優化前后應用對比

A公司進行評分卡得分計算時，指標優化前得分800分走人工審批環節；指標優化后得分698分，根據上文提到優化后的評分卡結論，低于705分的計算機評分自動拒絕。詳細指標得分見表6。

表6小微企業評分卡優化前后指標得分對比

通過對Z銀行小微企業風險評分卡結論的優化，原本都應人工審批的小微企業貸款，現在有一部分可以直接通過計算機自動審批，更具客觀性和準確性，并且節省了人力物力，提高貸款審批效率。優化前后審批流程如下 （下文所述是評分卡程序結束后，審批流程程序的對比）：

1、Z銀行原有評分卡計分后對A公司的審批流程。對于A公司，評分卡計算得分程序結束后需要走人工審批程序。Z銀行貸款審查與審批包括經辦行在其權限內對貸款的審查與審批和小企業金融事業部在其權限內對貸款的審查與審批以及最終有權審批人審批。

一是經辦行對A公司貸款的審查與審批。評分卡結果得出后，經辦行負責貸款業務的審查，并在其負責人的權限內進行審批，超越權限的上報給小微企業金融事業部審查審批。

調查崗負責審核A公司申請以及擔保人提供的資料，確定A公司貸款項目并沒有存在不實信息。之后對于其擔保人的經營狀況和經濟效益進行調查，評價貸款業務的風險程度。

審查崗對A公司提供資料的合規性、合法性以及完整性進行審核，審查后簽署意見，并把相關資料交給總行審批崗審批。

二是總行對A公司貸款的審批。審批崗人員對于A公司提供的卷面資料進行審查，并對企業進行實地考察。審批崗人員審查完后提供給分管小企業金融事業部的行領導進行最終審批。

在人工審批環節，由于該企業的貸款申請資料不足，不能真正反映該企業的財務信息，也不能反映該企業是否有還款能力。并且該企業沒有固定資產或者不動產的抵押或質押，所以Z銀行無法判定A公司的償債能力，拒絕了A公司的貸款申請。

2、Z銀行優化小微企業信貸風險評分卡后對A公司的審批流程。A公司運用評分卡指標計算出得分以后，就可以直接計算機自動拒絕，而不需要再經由支行和總行的審查和審批。

文中得出結論A公司的評分卡得分為698分，低于自動拒絕分數線（705分），所以拒絕A公司貸款申請。

優化后的小微企業信貸風險評分卡模型，減少了人工審批工作量，為Z銀行節省了人力和物力，提高了小微企業貸款審批效率。并且由計算機審批替代了一部分人工審批，也會減少主觀因素對審批結果的影響，使小微企業貸款審批更具客觀性。

六、降低Z銀行小微企業信貸風險的配套措施

（一）做好小微企業信貸的全過程管理

小微企業信貸全過程管理包括貸前、貸中、貸后三個環節。貸前環節是小微企業申請貸款的階段。Z銀行在此期間，第一，需要做好小微企業基本經營財務數據的統計，并檢查這些數據的真實性。第二，對該小微企業進一步審查，比如信貸人員進行實地調查，確定其經營和資產狀況是否與其所提供的相符合。

貸中環節主要是審批已經通過，決定給該企業放款的環節。在該環節，首先，要安排專門的信貸人員對貸款發放后的去向和企業經營資金的投入作跟蹤調查，對其追蹤的該筆業務負責；其次，審批和放貸這兩項業務由不同的信貸人員完成，兩項業務的專員都有平等的機會獨立提出自己的意見。

小微企業貸后環節是指貸款發放后的時期。在該時期Z銀行的后續工作也不能放松，一是對放貸后資金的用途作了解，檢查資金使用的真實用途，確保資金用途與合同上規定的相符合。二是放貸后也需要加強與該企業的聯系和互動，通過電話回訪、信用檢查、實地考察確認該企業的經營狀況是否良好，是否有無法按期償還貸款的危機。三是對典型的小微企業需要進行資料儲存和重點分析，為信貸人員介紹小微企業業務容易出現問題的部分，給予提醒和借鑒。

（二）建立小微企業信息共享中心

Z銀行應當積極推進信息共享數據庫的建設，實現小微企業的信息資源共享。此外，建立對小微企業貸款資料的管理系統，Z銀行行內和貸款的客戶都留有紙質版的記錄。建立共享中心主要在于對小微企業信息的收集。企業信息的真實性、完整性直接影響該共享中心的質量，該共享中心在向商業銀行提供小微企業信息資料時，這些會直接影響貸款審批決策者的決策是否客觀準確，提供的信息能否有效降低小微企業貸款的風險。此外，由于信息的不對稱性，小微企業給銀行提供的信息是否真實，銀行方面并不好查實；再加上小微企業不是上市企業，那么其經營狀況財務狀況也不好獲取，所以共享中心信息的準確性就顯得尤為重要。在此信息共享中心的小微企業都是Z銀行辦理過貸款業務或者已經審核過他們所提交的材料，所以該中心提供的資料準確度相對較高，就會降低小微企業貸款的風險。

小微企業信息共享中心除了注重小微企業的財務信息外，非財務信息也不可忽視，比如小微企業實際經營者、所有者的信用狀況，企業關鍵人的人品，小微企業所處行業的發展狀況等。

（三）提升小微企業貸款從業人員素質

Z銀行貸款業務的順利發展是需要該行完善信貸業務管理體制做制度保障的，而體系的完善需要銀行高素質的人才去修訂，小微企業如今數量龐大，也成為市場經濟的重要組成部分，也決定了該業務近幾年一直處于上升階段，需要增加信貸業務專員。但是目前Z銀行對于員工人數有限制，所以需要員工提高辦理業務效率，同時提高自身業務和整體素質，有助于提高銀行從業人員整體利用率。此外，銀行也要建立科學完善的獎罰機制，對小微企業信貸業務人員給予政策或者資金上的獎勵，提高他們辦理業務的積極性，那么辦理業務的數量會增加，從而提高Z銀行針對小微企業業務的經濟效益。雖然實行了完善的獎罰機制，但也需要考慮工作人員的工作負荷是否在能接受的范圍內，所以員工的工作效率、小微企業貸款的效益和辦理信貸業務的質量這三個指標要協同發展尋找一個平衡點，實現業務的可持續發展，由此可見員工素質在辦理業務時的重要性。Z銀行在尋找平衡點的同時，也要完善內部管理制度和員工培訓制度，定期對員工進行培訓，建立科學的人才培養機制，督促員工在工作之余學習小微企業貸款的專業知識。

七、結束語

本文對Z銀行小微企業信貸風險評分卡進行了應用分析，證明優化后的評分卡模型更高效更具客觀性。并提出了適用于風險評價體系的配套措施：做好小微企業信貸的全過程管理，做好貸前、貸中、貸后的監管工作，完善Z銀行的風險管理制度；建立小微企業信息共享中心，構建網絡數據，降低信息不對稱的風險，能夠加強風險預警和反饋；提升小微企業信貸從業人員素質，從而提高Z銀行對信息判斷的準確率。做好風險評價模型的配套措施，有效降低小微企業融資風險，解決小微企業融資難的現狀。■