神经网络视角下的小微企业信贷风险评估，本文主要内容关键词为：神经网络论文,信贷论文,视角论文,风险评估论文,小微论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
小微企业是近十几年来企业管理理论界对企业群体进行细分后得出的一种新的企业群体，是最容易在经济整体层面被忽略但又不可替代的一种组织。近年来，我国小微企业数量不断增加，在满足市场需求、提供多元化创新性服务、创造就业和活跃市场方面发挥了巨大的作用。但由于小微企业的情况比较复杂，具有信息不透明、经营不稳定、融资风险极大、经济政策变化对小微企业的影响非常明显、抵押品和担保的严重缺乏等特点，小微企业面临着融资难的现状。 尽管国家已经出台了一系列扶持政策，部分商业银行也已开始逐步探索建立为小微企业融资的专门途径。但实践中小微企业信用贷款仍存在较多障碍：信息不对称，银行缺乏贷款企业风险状况的充分信息；信贷配给制度导致银行更倾向于将信贷提供给技术效益处于领先地位的成熟期企业；难以对小微企业市场价值进行评估。因此构建一个科学有效的小微企业信贷风险评估体系，对商业银行具有重要的现实意义，可用于进行贷前风险的识别与评估，便于尽早采取相应措施对风险进行防范与控制。 相对大中型企业而言，小微企业资产规模较小，抵御经济形势和国家宏观政策变动带来的不利影响的能力相对较低，因而小微企业具有更高的信贷风险，传统的银行信贷风险评估体系往往难以达到较好的预测效果。为了评估小微企业的信贷风险，本文通过采用BP神经网络模型结合层次分析法，对小微企业进行信用评级，进而判断其信贷风险大小。一方面神经网络模型具备高效处理多种信息的能力，同时具有高度的自学习、自适应能力，通过对模型内部参数的调整，保证系统具有很高的灵活性与适应性；另一方面，神经网络方法不同于传统分析，分析过程较为简单，具有较高的拟合度和较为准确的预测度。此外，为保证模型的有效性，本文采用数据较为容易获取的上市公司作为研究对象，对小微企业进行重新定义，放宽普通认知对小微企业定义的限制，达到构建有效的BP神经网络模型的目的。 综上，本文采用BP神经网络模型对小微企业进行信用评级，从而建立一个完成训练的神经网络模型来进行信贷风险评估，便于银行作出信贷决策。 二、文献综述 小微企业由于其自身信用问题和财务信息不完善等问题，难以满足商业银行的信贷要求，导致其融资困难的现状。同时由于我国的商业银行现有信贷政策与小微企业特点不匹配，没有构建出一套完善的小微企业信贷风险评估体系。 许晖慧(2012)指出小微企业存在自身结构发育不良、财务管理不善等问题，难以达到银行信贷的基本要求，正面临着融资难的严峻挑战。乔万旺(2010)以临汾个案为例，指出小微企业信用评级的重要性，强调应加强信用评级建设，并将其纳入央行征信体系。潘振媛(2012)在中小企业信用评级指标体系的基础上，结合小微企业的特点，运用专家评分法和层次分析法确定指标权重，并根据多元线性回归法测评企业信用等级。魏大鹏(2012)以亳州市200户小微企业为调研对象，发现外部征信系统对其融资有较大的影响，建立完善的信用评级体系有助于解决小微企业融资难的问题。陶平、刘学(2012)通过实证分析发现中小企业信用评级体系建设对中小微企业发展具有重要的推动作用。 由此可见构建小微企业信用评级体系已经刻不容缓。目前国内外对于信贷风险评估方法和模型较多，包括评分法、多元判别法、ZATA信贷风险模型、神经网络模型法、KMV模型、Credit Metrics模型、Credit Risk+模型和Logistic模型等。 窦玉丹、袁永博、刘妍(2011)运用可变模糊模型建立信贷风险预警体系，并根据结果综合分析了企业风险等级。陈雄华、林成德和叶武(2002)采用偏相关分析方法建立了企业信用评级的指标体系，结合人工神经网络模型进行信用评级，发现神经网络模型具有更高的预测准确性。胡贤铭、张目(2010)采用熵权法确定指标权重，结合模糊综合评价法对中小企业信贷风险进行综合评价，为商业银行防范信贷风险提供决策依据。庞如超(2012)采用因子分析法和聚类分析法对我国财产保险公司构建信用评级模型，并证明了其实用性。康书生、鲍静海、史娜、和李纯杰(2007)在借鉴国外信用评级方法的基础上，结合我国国情，采用AHP法确定指标权重，建立了适合我国中小企业的模糊数学综合评价模型。赵家敏、黄英婷(2006)提出了采用层次分析法构建我国商业银行中小企业信用评级模型。 本文认为前人的研究结论并不完全适用于我国小微企业，企业信息不完整、财务数据的不完善决定了我国小微企业需要一套新的信用评级指标体系。神经网络技术作为研究复杂性问题的工具，在模式识别与分类、自动控制等方面有非凡的优越性，已受到越来越多的研究学者的青睐。至今为止，学者们已经提出了多种神经网络模型，如自适应共振理论模型(ART)、雪崩模型(AVA)、反向传播模型(BP网络模型；多层结构的映射网络，是目前应用最广泛的一种神经网络模型之一)、重复传播模型(CPN)、感知机模型(PTR)、自组织映射模型(SOM)等等。BP神经网络模型在预测领域的拟合效果和拟合精度都明显优于其他预测方法，虽然目前在我国经济学领域的应用较少，但无疑是一种极为重要的预测工具。 随着神经网络理论的不断发展，其强大的灵活学习方式和对非线性系统的拟合能力受到广泛关注。E.NurOzkan、Mehmed Ozkan(2007)通过收集土耳其破产银行的数据，构建人工神经网络模型对银行风险进行预测，证明人工神经络模型能够对财务数据进行模式分类，进而能较大概率的预测银行危机。 近年来，国内也有着越来越多的学者关注并将人工神经网络模型运用于实践中。王文平(2001)提出了应用人工神经网络建立税收年度预警系统。许月卿、李双成(2005)提出了中国经济发展平区域差异的人工神经网络判别模型。牛源(2007)采用神经网络与专家系统相结合的方法，对商业银行安全状况进行综合评估，证明通过简单的人工神经网络模型，可高度准确的评估商业银行风险，处理类似的复杂非线性问题。 目前，大多数国内外专家学者利用神经网络进行的各项研究，主要集中于改进神经网络算法或者结合其他方法以提高预测精度和拟合优度，而仅把经济预测实证作为对模型的一种验证，并没有将其应用于预测评估模型中。本文在国内外研究学者的基础上，根据我国国情和小微企业特征，创新性的结合管理学决策方法和BP神经网络模型，构建出我国小微企业信贷风险评估模型。 三、模型构建 反向传播神经网络，又称BP网络模型，本文采用BP算法来构造神经网络模型处理复杂的小微企业信贷风险评估问题。BP神经网络模型一般由三个神经元层次组成，包括输入层、中间层(隐含层)和输出层，包括正向传播和反向传播两个过程。正向传播是指输入信息从输入层经隐含层逐层处理，并传向输出层，若在输出层不能得到期望输出，则通过反向传播将误差信号沿原来的联接道路返回。 (一)网络结构的确定 1.输入层节点选择 根据参考三大评级机构对企业进行评级时考察的变量，结合我国实际情况及小微企业的特征，本文采用定量和定性两个方面来对企业进行信用评级，定量分析主要考察企业的资产状况、盈利能力、偿债能力、经营能力和成长能力；定性分析主要考察企业的创新能力，企业面临的宏观环境和行业环境，以及企业的品质。基于以上两个方面，本文选择了23个指标作为输入层的输入节点。 (1)信用评级指标体系的构建 定量分析：第一，本文选择流动资产与总资产的比值和营运资本规模来描述目标公司的资产状况。根据企业总资产中流动资产所占比重可以判断企业资产的流动性，进而判断公司的短期偿债能力。营运资本是指企业的流动资产减流动负债的差额，其金额越大代表公司用于支付的资金越充足，短期偿债能力越好；当营运资金为负时，说明公司的流动资产小于流动负债，公司维持营运将较为困难。 第二，本文选择了营业利润与营业总收入的比值、资产收益率(ROA)和净资产收益率(ROE)来衡量公司的盈利能力。营业利润与营业总收入的比值是衡量企业经营效率的指标。该比值越高说明企业的盈利能力越强，反之，说明企业盈利能力越弱。 资产收益率是企业净利润与总资产的比值，是企业利用其全部资产获利的能力；机构资产收益率是指企业净利润与所有者权益的比值，衡量了企业对于股东投资资本的利用效率，也是评估企业盈利能力的重要指标。ROA是反映股东和债权人共同资金所产生的利润率，ROE则反映仅由股东投入的资金所产生的利润率。只有结合ROA与ROE才能真正衡量一家公司的营运能力及公司的盈利能力，在同一行业中，公司的ROA与ROE同时增大，则说明公司的营运能力和盈利能力趋好。 第三，本文用流动比率、速动比率、资产负债率和现金流量比率衡量企业的偿债能力。 流动比率是指流动资产与流动负债的比值，表明企业每一元流动负债有多少流动资产作为偿还保证，反映企业用可在短期内转变为现金的流动资产偿还到期流动负债的能力。流动比率越高，说明企业短期偿债能力越强。国际上通常认为，流动比率的下限为100%，而流动比率等于200%时较为适当。流动比率过低，表明企业可能难以按期偿还债务。流动比率过高，表明企业流动资产占用较多，会影响资金的使用效率和企业的筹资成本，进而影响获利能力。 速动比率，是企业速动资产与流动负债的比率。其中，速动资产是指流动资产减去变现能力较差且不稳定的存货、预付账款、待摊费用等后的余额。一般情况下，速动比率越高，说明企业偿还流动负债的能力越强。国际上通常认为，速动比率等于100%时较为适当。速动比率小于100%，表明企业面临很大的偿债风险。速动比率大于100%，表明企业会因现金及应收账款占用过多而增加企业的机会成本。 资产负债率是指企业负债总额对资产总额的比率，反映企业资产对债权人权益的保障程度。一般情况下，资产负债率越小，说明企业长期偿债能力越强。保守的观点认为资产负债率不应高于50%，而国际上通常认为资产负债率等于60%时较为适当。从债权人角度来说，该指标越小越好，企业偿债越有保证。 现金流量比率是指经营活动产生的现金净流量与期末流动负债的比值，用于衡量企业经营活动所产生的现金流量偿付流动负债的能力。现金流量比率越高，企业的财务弹性越好，短期偿债能力越强。不同行业由于其经营性质的不同(服务型、生产型)，经营活动产生的现金净流量的差别较大，因此行业性质不同的企业该比率的差别较大。本文选择的样本均来自机械制造行业，采用现金流量比率来衡量公司的偿债能力是合理的。 第四，本文选择应收账款周转率、存货周转率和总资产周转率来衡量公司的经营能力。 应收账款周转率指销售收入与应收账款的比率，反映公司的应收账款的周转速度。通常情况下，应收账款周转率越高越好，周转率高，表明赊销账款偿还速度越快，资金占用时间越短，公司资产流动性越强，短期偿债能力强。 存货周转率指销售收入与存货的比率，反映了企业销售效率和存货使用效率。企业正常经营时存货周转率越高，流动性越强，存货转化为现金或应收账款的速度就越快，企业的短期偿债能力及获利能力越强。 总资产周转率指销售收入与总资产的比率，是考察企业资产运营效率的一项重要指标，体现了企业经营期间全部资产从投入到产出的流转速度，反映了企业全部资产的管理质量和利用效率。通常情况下，总资产周转率越高，企业总资产周转速度越快，资产利用效率越高。 第五，本文采用营业收入增长率、净利润增长率和总资产增长率来衡量企业的成长能力。 营业收入增长率，是企业本年营业收入增长额与上年营业收入总额的比率，反映企业营业收入的增减变动情况。营业收入增长率大于零，表明企业本年营业收入有所增长。该指标值越高，表明企业营业收入的增长速度越快，企业市场前景越好，企业的成长性越高。 净利润增长率是指企业本期净利润额与上期净利润额的比率。计算中采用的净利润是指在利润总额中按规定交纳了所得税后公司的利润留成，即税后利润或净收入。净利润增长率反映了企业实现价值最大化的扩张速度，是综合衡量企业资产营运与管理业绩、成长状况和发展能力的重要指标。 总资产增长率是企业本年总资产增长额同年初资产总额的比率，反映企业本期资产规模的增长情况。资产是企业用于取得收入的资源，也是企业偿还债务的保障。资产增长是企业发展的一个重要方面，发展能力高的企业一般能保持资产的稳定增长。通过对所选样本进行描述性统计分析，本文认为采用均值作为总资产增长率归一化处理的稳定值比较合理。 定性分析：第一，本文采用研发投入强度和技术创新程度来衡量企业的创新能力，小微企业能够在激烈竞争的市场中取得一席之地的优势在于其产品或服务的特殊之处，即企业的创新能力对于企业的市场占有率及盈利能力有较大的影响。第二，本文采用政策支持程度衡量企业所受到的宏观环境的影响。第三，本文采用行业发展阶段和竞争状况来衡量企业受到的行业影响。第四，本文采用管理者素质、商业信用和管理制度来衡量企业品质。 本文采用的是信用评级方法中常用的专家打分法来对定性指标进行量化。
标签：神经网络模型论文; 信贷风险论文; 预测模型论文; 银行资产论文; 能力模型论文; 矩阵管理论文; 企业信用评级论文; 模型公司论文; 盈利能力指标论文; 银行论文; bp神经网络算法论文;