[摘要]信贷风险管理是现代商业银行风险管控的重要内容，而中小微企业的信贷决策问题的解决不仅是银行有效控制信用风险的关键，更有助于扶持中小微企业健康发展。首先，以企业实力强弱与供求关系稳定性为决策标准，建立SVM模型解决“是否放贷”二分决策问题。其次，利用Logit模型构建客户信贷行为与信贷风险模型，用以评估中小微企业信贷风险，助力银行进行信贷决策。最后，聚焦疫情突发事件，重点考察疫情冲击下银行对不同行业信贷策略调整的异质性。
[关键词]决策模型；支持向量机（SVM）模型；Logit模型；企业信贷风险
随着金融全球化及市场波动性加剧，商业银行风险管理成为金融界关注焦点，作为国民经济创新力提升的推动力，中小微企业信贷风险研究对解决中小微企业融资难困境具有重要意义。中小微企业具有规模较小、缺少抵押资产的特点。在信贷决策中，银行会根据中小微企业的实力、信誉对其信贷风险做出评估，然后依据信贷风险等因素来确定是否放贷及贷款额度、利率和期限等信贷策略。本文以SVM模型以及Logit模型构建方法为基础，建立银行信贷风险决策模型，为商业银行的中小微企业信贷发放提供决策依据。同时本文创新性地将突发事件作为影响信贷决策的重要因素，考察不同行业下银行信贷策略受到冲击后调整的异质性。研究中小微企业的信贷决策模型，有利于为商业银行发放信贷提供决策依据以及规避信用风险，同时建立信贷决策下的信贷风险评估模型也有助于中小微企业信用风险评估体系优化。
1.模型建立
样本数据：为123家有信贷记录以及302家无信贷记录的中小微企业相关数据，以及2019年我国贷款利率与客户流失率关系的统计数据。本文将425家中小微企业按E001至E425做编号处理。SVM模型构建：“是否贷款”是商业银行贷前风控的关键决策。本文通过构造SVM模型对中小企业的信用风险进行贷前评估。依据企业交易票据信息，本文采用发票总金额、发票开具频率评估企业实力，用平均年利润率、发票金额波动情况评估企业供求关系稳定性。并以此评估企业实力强弱和供求关系是否稳定，判定是否对其放贷。本文按上述四个指标构成新视角下的信用企业评估体系，将样本中4个指标作为自变量，中小企业过去信贷情况作为因变量Y，构建SVM模型。一是归一化数据处理。本文通过线性极差变换进行数据预处理。预处理公式如下：(min)/(maxmin)iiiiiXX′=−−其中iX为原始样本数据，'iX为经过线性极差转化得到的新数据。二是确定训练、测试样本集。本文选取总样本数的2/3作为训练样本集，多次训练求得支持向量并构造SVM模型；其余1/3作为测试样本集，代入SVM模型检验对测试样本分类正确率。三是选取核函数。本文选取不同核函数分别进行实验，并对实验结果进行比较，选择最优分类核函数。最终采用svm.LinearSVC模型作为SVM的算法模型。四是模型结果及分析。训练、测试样本集分布情况如下表所示：根据上述实证结果，在训练样本和测试样本中该模型具有较高分类正确率，可达到86.6%和90.2%。故本文的SVM模型达到了较好性能。Logit模型构建：一是客户信贷行为模型。本文依据企业交易信息，用开具发票作废率评估企业信誉以判定对融资企业的放贷风险评估。对于商业银行的贷款客户，其可选择违约或按期还款，1表示企业违约，0表示企业不违约。本文采用离散选择的Logit模型，以开具发票作废率为自变量，将中小企业违约情况作为因变量Y构建模型，企业信贷行为Logit模型如下：10logln()10.53162.6640pitcp==⋅−其中，c为企业开具发票作废率。二是信贷风险模型。本文从宏观经济环境、客户信贷行为、企业经营水平三个维度出发，构建企业客户风险预警指标体系，使用以是否违约为基础计量风险的违约模型。对于银行的贷款客户，分别用1表示客户违约，用0表示客户不违约。根据输出结果，发票总金额未通过显著性检验，故模型中不含发票总金额变量。经测算，本文中企业信贷行为的Logit模型的具体形式为：10logln()0.63953.27290.7302Invoicepitfreqp==⋅α−⋅+其中，α为信贷行为系数，frepInvioce为发票开具频率。
2.模型应用与实证分析
“是否放贷”二分决策：在123家有信贷记录的中小微企业，信誉评级为D的24家企业银行不予贷款。对剩余99家有信贷记录且信誉评级不为D的企业进行数据预处理，利用已训练好的SVM模型，通过预测进行“是否贷款”决策。经过预测，在99家有信贷记录且信誉评级不为D的企业中，E86等6家企业的实力和供求关系不足以继续放贷，故银行应对其余93家企业放贷。本文以302家企业各自的发票总金额和发票开具频率，平均年利润率和发票金额波动情况分别评估企业实力和供求关系。经过SVM模型预测，在302家企业中，E187等49家企业实力和供求关系不足以使银行继续放贷，故银行对其余253家企业放贷。企业的信贷风险评估：本文构建的风险评估模型为10logln()0.63953.27290.7302Invoicepitfreqp==⋅α−⋅+根据以上针对无信贷记录中小微企业的分析，剔除银行拒绝放贷的企业，将剩余253家企业相关指标代入模型并进行标准化处理得出253家企业之间的相对违约概率，并将253家企业按相对违约概率排序，为了便于比较，假设违约概率pi为3倍的相对违约概率，结果如下：银行对企业的放贷策略：本文基于SVM模型与客户信贷行为及信贷风险模型构建，以利润最大化为原则进一步讨论银行针对无信贷记录中小微企业的放贷策略。本文构建的银行期望收益模型如下：∑∑==≥−−=2531ii2531iFM])1([q-1Piiiiij）（FppFr由于253家企业无信贷记录，无法得知银行年利率对其流失率的影响。故在原银行期望收益模型的基础上应重新考虑流失率，以新指标补充原银行期望收益模型中信誉评级的指标。本文采取某一类信誉评级所有企业的平均相对违约概率，作为划分年利率对其流失率影响的新指标，经对比，采取B、C信誉评级所有企业的平均相对违约概率，将253家企业划分为三个区间，每个区间客户流失率分别取已有信贷记录的企业A、B、C信誉评级客户流失率。故银行为企业制定的年利率和企业相对违约概率应满足下式：0.15,00.8900.15,0.8900.8990.04,0.899iiiiprpp≤≤≤≤≥此时计算银行在选定利率下银行对该企业贷款后银行的期望利润Pi，将银行对所有企业贷款后得到的期望利润加总，即可得银行的期望利润。根据限定条件：(1)P值为最大；(2)∑=≥2531iMiF，其中M为银行放贷额度。结合各企业选择银行贷款的概率，为各企业选择适当的贷款利率与贷款金额，制定贷款策略。突发公共事件对信贷决策的影响分析：企业生产经营和经济效益会受突发因素影响，且往往对不同行业、不同类别企业影响不同。据此本文将无信贷记录的样本企业根据行业性质进行划分，并考虑疫情这一外生冲击变量对不同性质、不同行业影响来调整优化银行对该302家企业信贷策略。具体行业划分如下：注：1-ak，1-bk表示第k个行业受疫情影响后发票作废率变动系数与发票开票频率变动系数。本文根据疫情暴发以来统计局公布的各行业利润和营业额数据，分析判定出ak，bk相对大小，结合风险评估模型，对其做出改动：因为α由销项发票作废率和企业信誉评级影响且α=f(m,n)，m为企业销项发票作废率，n为信誉评级，则疫情冲击后(,)kα′=fαmn，且销项发票作废率和企业信誉评级线性相关，故(,)kα′=αfmn，则疫情冲击后企业风险评估模型如下：10logln()0.63953.2729Invoicekpitfreqcp==⋅α−⋅+将上述模型带入银行期望利润模型。假设银行在疫情发生前后利润不变，最终决定出银行对各企业放贷调整策略：疫情前后有：(1)[(1)](1)[(1)]iiiiiiiiprrpprrp−−+′=−′′−′+′贷款金额调整为：[(1)0.6395(1)3.2729*0.7302]iikkF′F−=Qa−α+−bfreq+c−且0.63953.2729*ikkp=aα−bfreq+c。故当ak越小，bk越大，其对应企业受疫情影响越大，银行对企业的利率提高幅度越大，对企业贷款金额降低越多。
3.结论与建议
本文基于中小微企业相关数据，建立SVM模型，着力解决是否放贷问题，并建立Logit信贷风险模型从银行放贷数额层面说明信贷决策方案。并进一步以全面的指标体系来构建中小微信贷风险模型，利用企业、银行真实状况的数值进行模拟，使结果更具实践指导性。同时本文聚焦突发事件的影响，探究不同行业中小微企业信贷风险在冲击下的异质性及其优化策略。基于中小微企业财务状况和其他影响因素构建的信贷风险决策模型，可用于银行放贷决策，为银行信贷决策现实情景提供参考。基于本文研究结果，现针对中小微企业信贷决策提出建议：中小微企业信贷风险评估体系的建立完善。为更好进行信贷决策，商业银行应综合评估企业信贷风险的多方面因素，构建全面客观的信贷评估体系，为更好规避信用风险提供理论基础与决策依据。关注突发因素影响。对于中小微企业，突发因素冲击往往关系到其抗风险能力的大小，关注可能出现的突发事件有助于企业进行融资决策。对商业银行来说，应关注突发事件冲击下不同行业信贷风险变化的异质性，及时调整信贷策略。
【参考文献】
[1]胡海青,张琅,张道宏.供应链金融视角下的中小企业信用风险评估研究——基于SVM与BP神经网络的比较研究[J].运作管理,2012,11（15）：72-73.
[2]张奇,胡蓝艺,王珏,基于logit与SVM的银行业信用风险预警模型研究.[J].系统工程理论与实践,2015,7（35）：1-3.
[3]马九杰,郭宇辉,朱勇.县域中小企业贷款违约行为与信用风险实证分析[J].中国农村发展论坛,2004,05（10）：61-62.
[4]靡仲春,申义,张学农.我国商业银行中小企业信贷风险评估体系的构建[J].金融论坛,2007（03）：21-22.
[5]肖北溟.宏微观分析相结合的信贷风险预测模型研究.[J].金融论坛,2004(10):60-61.
作者:赵洁 苏鸿婷 单位:兰州大学经济学院