中小企业信用风险论文(共2685字).doc

中小企业信用风险论文(共 2685 字) Logisti c 模型对我国中小企业信用风险的实证分析 模型对我国中小企业的适用性分析该方法对数据的要求较容易满足。与其他信用风险评价模型相比, Logistic 模型只需要银行内部关于以往中小企业贷款的相关数据和财务报表,对数据的收集难度不是很大。其次, 该方法不再依赖于外部的信用评级机构, 上文所论述的我国的信用评级机构的不完善对于该方法的使用不存在影响; 在使用时,该方法首先是假定商业银行对企业的贷款发生违约的情况的概率服从 Logistic 分布,选用一系列财务比率构建模型,反映企业发生财务危机进而违约的可能性。在模型的使用中,根据银行对风险的偏好程度设定分界点, 判断企业是否被划入违约组。由于企业对债务的履行情况只可分为两种, 违约、不违约, 因此在对中小企业信用风险进行评估时, Logistic 分布的特征对违约概率的估计恰好适用。 数据收集为了进行实证研究,本文以企业是否违约为分类标准,判断企业是否违约依据商业银行债项评级中五级分类的标准( 正常、关注、次级、可疑、损失), 认为次级及以下的贷款为违约。本文从广州、深圳一共四家商业银行的数据库中随机选择 50 家违约中小企业作为样本,受数据采集难度的限制, 只选取了最典型的工业企业数据。剔除了异常和数据不完整的个体,剩余 32 份不良企业样本。按 1:1 的数量配比原则,另外选择了 32 家正常中小企业作为匹配样本,样本采用 2009 年底与 2010 年底数据。之所以选取以上数据,一是由于数据采集的难度较大, 以上数据是通过较大的努力方能取得的; 二是广州、深圳地区中小企业无论是从发展环境还是从发展程度而言都较有先进性和代表性, 国际化程度较高,发展环境较为复杂,信用违约囊括的情况也较为全面。 模型构建 Wald 统计量大的因素显著性高,也就表明其越重要。从表中可以看出, 本文 Logistic 回归模型中各个指标的 Wald 统计量中,资产增长因子、收益增长因子、流动比例因子、主营业务效益因子这四个指标 Wald 统计量相对较大,也就是说,这四个指标在估计中小企业的信用风险,意义更大。下表显示了得出的 Logisti c 回归模型对样本是否违约的预测: 可以看出, 该回归模型对中小企业信用风险的判别准确率总体来说较高,达到 % 。其中,对违约企业判别率为 % ,对正常企业的判别率为 % ,拟合效果尚可。如表2- 11 模型分析观察 logistic 模型的系数,我们可以看出: 本文的资产增长因子主要反映了净资产增长率与总资产增长率这两个指标。资产增长因子越大, 违约概率越小。这是因为, 公司的资产是公司生存与发展的最基本条件, 规模的扩大是公司处于扩张时期的基本表现, 相反, 资产规模缩小或者不变是公司经营不力的一种表现。收益增长因子越大, 中小企业的违约概率越小。本文的收益增长因子主要反映的是主营业务收入增长率与净利润增长率两个财务指标。很明显, 中小企业主营业务收入与利润增长率越高, 说明企业经营有方, 企业利润越大, 偿债能力越强, 违约风险也就越小。流动比率因子越大, 中小企业违约概率越小。本文的流动比率因子主要反映的是流动比率与速动比率, 用来