商行对企业融资风险评估思索

过去，我国的商业银行大多以国有大中型企业作为主要的贷款对象，小企业在银行眼里一直处于“鸡肋”的地位，规模小，缺乏规范的会计制度，抵御风险能力较差，这些都意味着贷款给这样的企业，银行将承受更大的风险。然而，在银行于大型企业贷款等相关领域的业务竞争异常激烈并且趋于饱和的今天，为了谋求更大的发展，于情于理都该把注意力转向已经成为国民经济发展重要生力军的中小企业上，努力开展对中小企业的融资业务，以谋求最大的收益。

一、研究概述

据统计2010年，我国13416万家工业企业中，中小企业有13307家，占全国工业企业总数的992％，而这些中小企业创造的最终产品和服务价值占全国生产总值的60％，上缴税收占全国税收的50％，为城镇居民提供了80％以上的就业岗位，中小企业以其充沛的活力为国民经济发展做出了巨大的贡献。然而，在今年通胀压力增大的形势下，中，J、企业经营压力持续加大，原材料价格上涨，用工成本提高等因素产生了叠加影响，如此紧要关头，中小企业却面临着严重的融资问题，向银行申请贷的困难度远远超出想象。据全国工商联调查显示，2011年第三季度统计，有近70％的中小企业银行融资占全部负债比例不到30％，60％中小企业无银行贷款，41％的中小企业认为从银行融资很困难，16％认为基本不可能，仅30％的企业认为基本还可以。

二、中小企业信贷风险评估体系

中小企业贷款难是个世界性难题，我们不禁要问：为什么中小企业融资这么困难?要怎样才能解决中小企业的融资难问题?从银行的角度看，中小企业融资难的最大问题在于贷款的风险，如何对中小企业存在风险进行最准确有效的评估，已成为银行支持中小企业发展的关键工作，因此也有必要更加深入的探讨。

1．构建模型的方法国内外对于信贷风险评估的研究已经有很长的历史，主要是建立风险评估线性模型，如Z-Score模型，ZETA模型，SOHO模型，BP神经网络评估模型等等。上述模型总体上均存在“一次性”的特点，且指标繁多，对于经济实力不强，财务制度不健全的中小企业来说，这种评估无疑是不人性化的，评估同时也加大了银行审批贷款的成本。因此，本文试图构建一种指标针对性强，且可同时用于贷款前调查和贷款发放后再评估的多时段动态信贷风险评估体系，用于银行在不同时段对中小企业信贷风险进行把控，方便银行及时作出相应决策。如下图，企业向银行申请一定数额的贷款，银行用此风险评估体系对企业进行第一次评估，若评估通过则批准发放贷款。贷款发放一定时间(如半年)后，银行通过调查对企业进行贷后评估，若企业通过评估，则企业可根据自身情况选择按时还本付息，申请加大贷款力度，申请延长贷款期限。若通过贷后评估发现这笔贷款风险性超过银行可接受范围，则银行对企业进行实地调查，有好转可能的，一个月后再进行一次评估，决定是否继续贷款。若企业无转好可能的，银行有权利终止贷款，通过拍卖抵押物等方法收回资金。此贷后评估以此类推，一直到贷款到期收回。

2．确定模型指标体系本文共征询了10位专家意见，经过多次讨论筛选，最后确定了6个财务指标和6个非财务指标作为此评估系统的指标体系。如下表：这里需要提别说明的是X。企业信用记录是进行此项风险评估的先决条件。若评估前发现此项得分过低，则判定发放贷款给此企业风险高，直接终止后续评估，拒绝发放贷款。在这里，假定当X。≥3时，可进行后续评估。

3．构建信贷风险评估模型相关指标体系确定，建立评估模型。本文采用Logit回归判别分析法。根据已知样本各指标数据推导出判别函数，确定Logit函数方程。使用时把观测量代入判别函数中进行评判，根据P来确定其风险性大小。Logit函数的一般形式为其中，P(0．1)，表示属于第一类事件的概率。b为常数，a为各变量的系数，X是各特征变量，在这里为指标体系所确定的X一X十二个指标。该方法得出的P是被评估对象属于第一类事件的可能性，在0—1之间，若取值≥O5则表示该评估对象属于第一类事件的可能性大于50％，也就是说该对象被判定为低风险组。反之，若P<0．5则被判定为高风险组。本文选取民生银行申请贷款的5O家的生产型中小企业为数据样本，其中25家企业贷款申请通过，其余25加企业贷款申请未通过，记录其财务数据和非财务信息。选取企业财务指标数据X一)(6，将信息录入SPSS进行Logit回归分析，可得到财务指标Logit模型：1=一15．24+7．14X1+004X2+006X3+3．74X4+429X5+01X6(3)将各企业X一X具体数据带入方程(3)，得出，再将代入方程(1)得出P值，将P1值以05分界，P<0．5为高风险组，P≥0．5为低风险组。经检验，50家企业中有44家判别分类正确，该模型P的判别正确率为88％。同样，选取企业非财务信息，邀请前述10位专家根据信息描述对每家企业6个非财务指标X一X分别打分，分值范围为1—5之间，将以上分值信息录入SPSS进行Logit回归分析，计算得到非财务指标Logit模型：入2=一2114+437X7+2~5X8+Q63X9+274X1。一0．53X1～342X17(4)同P方法得出P值，经检验，5O家企业中有43家判别分类正确，该模型P的判别正确率为86％。将P与P综合起来，则表示综合财务指标和非财务指标从整体来评估该企业。此种评估准确性更强。P=05P1+05P2通过以上公式得出P值，经检验，50家企业中有47家判别分类正确，该模型的判别正确率为94％。

三、中小企业信贷风险评估体系实证研究

以某食用菌产业有限公司的贷款为例，说明上文构建的中小企业信贷风险动态评估体系的使用。下面将分成三种情况进行讨论：

(1)贷款发放后公司经营情况良好，第二次评估后公司申请延长贷款期限，银行给予批准延期两个月；

(2)贷款发放后公司经营出现问题，贷款风险提高，经调查。问题有缓解可能，给予公司一个月时间解决现有问题后再评估，决定是否终止贷款。

(3)贷款发放后公司经营出现问题，贷款风险提高，经调查无缓解可能，银行终止贷款，资金收回。某食用茵产业有限公司，现有固定资产2800万元，技术力量雄厚，配套设施完备，其经营者一直在该公司担任厂长职务已有8年，有丰富的管理经验。此公司行业前景乐观。年初，该公司因扩大生产规模，向银行申请500万元一年期贷款，提供相应价值抵押担保物品。与其他中小企业相同，此公司由于与金融机构合作不多，信用记录缺乏，但其在同行业问口碑不错，也未有不良记录，评估专家给予信用评价X。的分值为3，可继续进行后续评估。经过年初实地调查，各项财务指标非财务指标如下：将以上指标分别带入方程(3)(4)，经计算，可得此公司的P为070，P为084，由此得到P为O77>0，5，则判定该企业信用风险较低，可发放贷款。假设1：同年6月，银行对该公司进行贷后评估。年中实地调查各项财务指标非财务指标如下经计算，年中该公司P为0．82>0．5，则判定该企业信用风险较低。此时该企业向银行提出延长两个月贷款期限，以获得更多周转资金。此时假定银行批准延长贷款期限。年末，再一次贷后评估，评估结果P为081>O5。公司经营未出现任何异常情况，对此项贷款不做任何处理。次年2月，银行从此公司收回贷款本息。一年期贷款500万元，银行获利一年期利328万元，延时两个月贷款利息56万元，共计38．4万元。假设2：同年6月，银行对该公司贷款使用进行跟进，以及时把控风险变化，作出相应调整。年中实地调查评估后，得出年中各项财务指标非财务指标如下：经计算，年中该公司P为O45<0．5，风险高。此时银行对该企业存在问题进行实地调查，判定该企业问题为可解决问题，待企业自行解决，一个月后再一次评估。7月，银行对该公司进行重评估，P为O69>05，问题已解决，公司经营正常，对此项贷款不做任何处理。年末，银行从此公司收回贷款本息。一年期贷款500万元，银行获利32．8万元。假设3：同假设2中的6月年中评估，该公司年中P为O45<05，风险高。银行对该企业存在问题进行实地调查，发现此问题已无缓解可能，如继续贷款极有可能造成资金损失，决定终止贷款。资金通过变卖抵押物或由其担保公司支付。收回贷款本金500万元，6个月利息168万元。

四、总结

企业信贷风险评估是商业银行融资贷款风险管理的基础。本文建立的评估体系经验证正确率达到90％以上，得到了较好的评估效果。本模型解决了过去评估体系中由于指标众多且繁杂造成的数据收集困难，同时采用动态多时段评估解决了选择指标不全面造成银行潜在风险提高的问题。便于银行及时作出相应决策，同时也为信誉良好贷款使用健康的企业提供方便，使他们可以更加灵活有效的运用资金。