中小微企業對后疫情時代信貸風險評估的優化策略

李一涵 田若曦 武昂 張成喆 高韡

摘 要：本文基于中小微企業經典信用評價體系，依據各行業、各類型企業所受疫情等突發因素影響程度的大小，應用層次分析法和模糊評價法對經典信貸評估模型進行優化調整，幫助貸款銀行結合實際情況，準確判斷對企業的信貸策略，并基于其他類型突發因素的強度、頻率和發生概率對不同行業、不同類型企業的多維度影響模型進行推測假想。

關鍵詞：新冠疫情;中小微企業;風險評估優化;層次分析法;模糊評價法

中圖分類號：F276.3 文獻標識碼：A

DOI：10.12245/j.issn.2096-6776.2021.10.23

我國中小微企業在吸收剩余勞動力、提高地方財政收入、推動社會發展等方面，在推動國民經濟發展中發揮了重要作用[1]。2020年年初，受全球疫情沖擊，世界經濟嚴重衰退，產業鏈、供應鏈循環受阻，住宿餐飲、交通運輸、文化旅游、休閑娛樂和批發零售等行業市場均有所萎縮[2-3]。其中，中小微企業相比于其他類型企業面臨更為嚴峻的考驗，超15.7%的中小微企業由于負債過高而倒閉，無力償還貸款，給我國信貸行業帶來了較大沖擊[4]。

因此，依據不同行業、不同類型、不同經濟成分企業所受疫情等突發因素影響程度的大小，對以往研究中的風險評估模型進行優化調整，就顯得尤為重要[5-6]。此外，本文基于其他類型突發因素的強度、頻率和發生概率對不同行業、不同類型企業的多維度影響模型進行了推測假想。

1 模型建構及求解

為提升企業信貸風險評估模型Y的準確性和普適性，我們引入了一個突發因素對信貸風險的總影響T（T∈R），表征突發因素的發生概率、類型、強度、頻率對不同行業領域和不同成分類型的企業影響程度，即存在突發因素對企業信貸風險評估產生的整體影響。

1.1 構建新冠疫情總影響T'的指標評價體系

我們以2020年最為嚴重的新冠肺炎疫情為例，利用AHP法分析其對不同行業、不同類型企業影響程度的相對大小，構建T'指標評價體系，如表1所示。

1.2 判斷矩陣M構建

上述指標中，T為目標層，Q1和Q2為準則層，指標q1至q17為措施層。將所構建模型中位于同一層次且同屬上一層次某個指標的各指標，根據它們對于上一層次指標的重要性，進行兩兩比較并賦值，分別構造判斷矩陣M1、M2和M3。

以準則層指標的比較為例，Q1至Q2位于準則層，且同屬于目標層指標T。設判斷矩陣M1=（dij）2×2，（i，j=1，2），dij表示Qi相對于Qj的重要性。矩陣M1=（dij）2×2即為表示準則層指標Q1至Q2針對目標層指標相對重要性的判斷矩陣。

1.3 特征值法計算權重

按照此特征值法，計算各矩陣對應的權重向量表征各因素受疫情影響程度。

對應于判斷矩陣M1的權重向量記為W’=（0.8，0.4）

對應于判斷矩陣M2的權重向量記為W’’：

W’’=（0.0497，0.1139，0.0198，0.2958，0.0895，0.0412，

0.0272，0.2123，0.1505）T

對應于判斷矩陣M3的權重向量記為W’’’：

W’’’=（0.0203，0.2488，0.0807，0.2858，0.1077，0.1527，0.0624，0.0416）T

1.4 檢驗矩陣一致性

按照以上兩步計算得：

CRM1=0.0000，CRM2=0.0887，CRM3=0.0313

均達到CR≤0.1的要求，表明各判斷矩陣的一致性可以接受。

2 信貸額度調整策略

新冠肺炎疫情會對不同行業、不同經濟成分類型的企業產生不同的影響，即上文中模型求解得出的各項權重。

令新冠肺炎疫情對某類型企業的總影響T'=0.8λQ1+

0.2λQ1，按照上文中的9個行業、8個企業類型分別計算T'值大小：

其中交通物流類的個體經濟的T'值最大，高達0.2938，表明新冠肺炎疫情對于該類型企業打擊最大，即銀行投資該企業的借貸風險最高;房地產行業的國有企業T'值最小，低至0.0199，表明新冠肺炎疫情對于該企業的借貸風險的影響最低。

按照值T'進行策略等級S的評定，T'值越高則相應策略等級越靠后，即企業受新冠疫情的打擊越重，越無法從銀行得到優惠的信貸策略。顯然，銀行應給予T'值較小的企業更多的借貸優惠以取得穩定收益。

以相關數據為參考，銀行信貸浮動可分配額還有400萬元，這也是我們用于模型調整的主要資金來源。

（1）當T'∈[0.0199，0.0433]，企業策略等級為I的12家產業信貸額度漲幅在4%～5%內，針對信貸額度更小者給予略大的信貸額度漲幅。

（2）當T'∈[0.04382，0.0703]，策略等級為II的12家企業信貸額度漲幅在3%～4%內，針對信貸額度值更小者給予略大的信貸額度漲幅。

（3）當T'∈[0.07064，0.10726]，策略等級為III的12家企業信貸額度漲幅在2%～3%內，針對信貸額度值更小者給予略大的信貸額度漲幅。

（4）當T'∈[0.11266，0.2938]，策略等級為IV、V的28家企業，不提供信貸額度漲幅。

3 多元突發因素的策略猜想

新冠肺炎疫情屬于突發感染性公共衛生事件，與其他不同類型、不同強度、不同發生概率和頻率的突發因素對于某一給定企業的信貸風險影響程度區別顯著。此外，不同行業領域、不同成分類型的企業受某一給定突發因素的影響程度也不盡相同。

我們在多元突發因素對于各個企業信貸風險的處理中，極易忽略突發因素總影響T的決定因子——突發因素發生概率Tp[Tp∈（0.1）]。

Tp趨近于0，表明突發因素幾乎不可能發生;

Tp越大則突發因素發生的可能性越高;

Tp=1時，表明該突發因素已經發生（如新冠肺炎疫情、南方洪澇災害等）。

結合Tp的取值，我們可以進行已有突發因素的影響程度考察，也可賦值對未發生的突發因素進行預判。

設突發因素類型T1、突發因素強度T2和突發因素頻率T3，即三者均為總影響T的層次影響因子，即不同層次對T值有不同程度的影響。

由上述關系給出定義式：

其中α、β和γ可通過層次分析法計算求值。若T>0，則表明該突發因素使企業信貸風險增大;若T=0，表明該突發因素對企業信貸風險無影響;若T<0，表明該突發因素使信貸風險減小。

而突發因素往往對不同行業、不同類別的企業會有不同的影響，因此我們推測可以將10種行業和8種類型的企業數據作為自變量，令T1、T2、T3作為行業領域和企業成分類型的函數進行分析，再利用最小二乘法擬合系數。

最終，我們可依據突發因素總影響T完善企業風險評估模型的函數構造，進而調整信貸策略。

參考文獻

汪秀蘭.中小企業融資問題現狀與對策[J].現代企業，2016（09）：46-47.

李文龍.新冠肺炎疫情對中國行業經濟調整的十個“危”與“機”——加速邁進數字化與智能化的中國市場經濟[J].金融世界，2020（03）：41-43.

邁進數字化與智能化的中國市場經濟[J].金融世界，2020（03）：41-43.

安國俊，賈馥瑋.新冠疫情對經濟的影響分析及對策研究[J].金融理論與實踐，2020（03）：45-51.

秦唏.新冠疫情對我國若干行業的影響[J].新理財（政府理財），2020（08）：18-20.

夏晶，杜躍.疫情期間企業用工常見問題解決及風險防控建議[J].法制與社會，2021（08）：126-127.

劉璐.疫情下企業存在的財務風險和對策[J].營銷界，2021（05）：115-116.

天津醫科大學? 李一涵? 田若曦? 武昂? 張成喆? 高韡