大數據時代不同行業的中小微企業的信貸決策探析

①趙璐　②張妍?、劾讜?/p>

一、數據預處理

由于不同行業間的企業信貸策略存在明顯不同，因此本節將對123家企業的行業性質進行判別。首先采用TF-IDF算法提取行業特征詞，并將文本值轉化為向量。TF表示特征詞出現的頻率，IDF表示文本逆向頻率。IDF的具體計算公式如下：

使TF與IDF相乘，即可得到詞條重要程度：

TF-IDF=TF*IDF

基于所提取的行業特征詞，將123家企業歸為6類行業在此基礎上進行K-means聚類分析，不斷迭代求解，進而得出具體結果。6類行業分別是：制造業（30家）、建筑業（20家）、批發零售業（17家）、信息通訊業（12家）、服務業（29家）與其他行業（15家）。

二、基于SVM模型計算違約概率

（一）提取特征值

選取企業經濟實力、企業信譽等級與上下游影響這三個因素作為衡量企業是否違約的主要因素，并結合數據對三方面因素進行量化處理。用營業收入額、收入增長率與利潤增長率衡量企業經濟實力，用與企業交易的企業個數與企業頻數反映上下游影響力。為更加直觀地表示該因素體系，作圖如下：

圖1 衡量企業是否違約的主要因素

（二）模型構造

利用5個不同的特征值（營業收入額、收入增長額、利潤增長額、交易企業個數與交易企業頻數），構建超平面，違約概率為每個點到超平面的距離，違約閾值為閾值點到超片面的距離。數據得到最好分離的目標方程和約束條件為：

將5個特征值與企業是否違約情況導入超片面中，即可計算違約概率與閾值。123家企業的違約概率具體為：

E1-E123=（0.11，0.23，…，0.56，0.59）

（三）結果分析

違約閾值為0.5。當違約概率大于0.5時說明企業風險等級較高;當違約概率小于0.5時說明企業風險等級較低。計算各行業中各類型企業的平均違約概率，得結果如下：

表1 不同行業、等級企業的平均違約概率

分析表1可知，微型企業中除服務業之外，其他行業的微型企業的平均違約概率都大于0.5，處于高風險狀態;小型企業中低風險程度的行業為制造業與建筑業，其余行業中小型企業的平均違約概率都大于0.5，處于高風險狀態;中型企業所有行業中企業平均違約概率都小于0.5，均處于低風險狀態。

三、基于時間序列模型預測期望貸款額

已知所求違約概率代表企業的不同風險程度，將大于0.5的違約概率導入風險保守型信貸利率模型中，將小于0.5的違約概率導入風險喜好型信貸利率模型中，并在不同額度的基準利率范圍內上下調整，即可得出信貸利率。具體123家企業信貸利率如下：

E1-E123=（13.95%，12.74%，…，10.46%，9.95%）

進一步對企業的信貸利率進行分析，計算各行業中各類型企業的平均信貸利率，得結果如下：

表2 2020年不同行業、等級的企業平均信貸利率

觀察表2可知，無論企業等級為中型、小型或微型，信息通訊行業內企業的平均信貸利率均高于其他行業。這是由于信息通訊行業違約概率超過0.5，屬于高風險企業，銀行為降低信貸風險二提高信貸利率。