计算机辅助小企业信贷审批初探

　　【摘要】计算机模型可以在以下方面辅助商业银行信贷审批人进行决策：财务报表分析与流动贷款需求量测算；将审批经验、战略管理理念、企业失败分析应用于Logistic回归模型预测自变量分析，并且建立基于Logistic回归分析的小企业信用评价模型，预测小企业违约可能性。
　　【关键词】信贷审批 计算机 Logistic
　　
　　小企业信贷具有“短、频、快”的特点，“短”是指期限普遍较短，“频”是指贷款次数相对频繁，“快”是指要求商业银行信贷审批要快。小企业信贷的特点要求商业银行审批——在保障贷款质量的前提下，尽可能的提升效率。运用计算机程序辅助审批为提升办理贷款质量和效率提供了可能。下面将从财务报表辅助分析与流动贷款需求量测算以及基于Logistic小企业信用评价模型分别阐述笔者的观点。
　　一、计算机辅助财务报表分析与流动贷款需求量测算
　　计算机辅助审批在该方面的应用：在小企业信贷办理流程中，由调查人在电子流程系统中，输入小企业财务报表。
　　一是通过程序自动生成客户财务分析报告，包括偿债能力比率、资产管理比率、盈利能力比率、现金流量分析、杜邦分析等。该项功能可以节约财务分析的计算时间，提高财务分析的准确性。相应的计算机编程并不复杂，本文不论述如何编程。
　　二是将标杆企业财务比率存储至该程序中，自动将申请贷款小企业的财务比率与标杆企业财务比率进行比较，生成比较财务分析表格。将标杆企业财务比率作为标准，可以辅助信贷审批人员对客户财务状况做出比较判断。
　　三是输入小企业“预计销售收入年增长率”，通过系统内设的公式，自动测算流动贷款需求量并与客户申请贷款额进行比较，辅助审批人员分析客户申请贷款额度的合理性。
　　二、基于Logistic回归分析的小企业信用评价模型
　　辅助财务报表分析与流动贷款需求量测算，只是计算机辅助小企业信贷审批的简单运用，能否建立一个模型，综合分析企业的财务与非财务信息，进而给出一个小企业客户违约可能性的预测值，辅助信贷审批员进行决策呢？基于Logistic回归分析的计算机模型可以解决这一问题，下文将从模型建立的目的、一般步骤详细阐述笔者的观点。
　　小企业信用评价模型建立的目的：通过数字和统计模式开发出计算机程序，对小企业客户履行各种承诺的能力和信誉程度进行全面评价，对贷款申请人的信贷风险程度进行数学分析，并得到数字量化的客户未来发生违约可能性的预测值；通过拒绝政策（业务规则），自动分析贷款是否符合业务规则。辅助信贷审批人员进行贷款审批。
　　基于Logistic回归分析的小企业信用评价模型的基本原理是：借由统计分析的大数定律，由过去的资料来研发能预测未来授信客户表现，其假设在授信审核时有一些已知的客户特性，会与授信客户未来是否准时还款有关连，一旦找出这些关联性，在假设未来情况会与过去相类似的情形下，可以套用现在的数据，作未来的预测。
　　（一）模型建立步骤一：审批经验初步确定影响客户守约的因素（X）
　　确定影响客户履约的因素，也就是确定预测变量（自变量），是模型开发非常重要的一个环节。预测变量的预测能力来源于它们与目标变量（是否守约，Y＝1，表示守约；Y＝0，表示客户违约）的相关性和逻辑因果关系。预测变量的提炼主要依靠长期经验的积累和数据挖掘技术的应用。
　　计算机程序开发人员缺少信贷审批经验，所以进行开发模型时，应该让信贷审批人员积极参与，应用审批经验确定预测自变量。依笔者的观点，在建立模型时，最好是审批经验结合战略管理理念以及小企业失败的原因分析，综合考虑，予以确定客户守约的因素。下面是笔者分析X的过程。
　　1.从成功企业如何获得竞争优势分析X。哈佛商学院迈克尔·波特教授在其所著的《竞争优势》中指出，企业获得竞争优势的三种通用战略：低成本战略、差异性战略以及目标集聚战略（资料来源：MichaelE.Porter,CompetitiveStrategy,NewYork:FreePress,1980,pp.35~40）。通俗地讲，低成本战略就是成本最低，差异化战略就是与众不同，目标集聚就是盯住某个细分市场或某类客户。
　　（1）低成本战略因素分析。实施低成本战略受三个方面的影响：①企业生产技术，通过PEST行业分析，可以了解小企业的技术（T）在整个企业中所处的水平，落后的技术应用，即使成本控制的再好，成本也会极高，技术决定小企业成本控制的极限。并且各商业银行的信贷拒绝政策大多都有，高能效、高污染、落后技术企业拒绝。②成本管理模式，有标准成本法、目标成本法、作业成本法等成本管理控制模式，成本管理可以有效控制成本。③通过波特五力分析模型（资料来源MichaelE.Porter,“HowCompetitiveForcesShapeStrategy”HarvardBusinessReview57,no.2pp.137~145），企业竞争压力来源于供应商、买方、潜在进入者、提供替代品企业、现有竞争厂商之间，竞争压力会带来财务压力，供应商讨价还价的能力会导到成本的提高，买方讨价还价的能力可能会带来销售收入的降低。因此，稳定的供货商、稳定的销售渠道＋多渠道销售将会减轻压力，将成本以及利润控制在一个合理水平。
　　（2）差异化战略因素分析。差异化讲究与众不同，对于小企业来讲，因企业规模较小，所以研发能力有限，最主要的因素就是专利（小企业专利以实用新型专利为主）以及商誉（在当地的口碑）。
　　（3）目标集聚战略因素分析，对于小企业来讲，最实用的就是该战略，盯住大、中型企业不感兴趣的某些细分市场、某些客户群体，利用小企业灵活生产的优势赚取利润。主要因素可以用细分市场产品占有率来衡量。
　　2.从企业失败中分析X。企业经营失败，会导致商业银行贷款难以收回。笔者分析了小企业经营失败的主要原因有以下三个方面：（1）横向非相关多元化，通俗的解释就是小企业投资了自己所不熟悉的行业，导致经营失败。按照战略管理理论，投资新行业，受四种因素的影响：进入壁垒、退出壁垒、宏观经济环境和行业饱和度、竞争激烈程度。企业进入一个新行业需要交“学费”，“进入壁垒”比如：行业最低注册资本的要求，需要的专门技术人才等等。有的项目需要花费额外的成本，比如新行业需聘用的专门人材。企业投资于不熟悉、不相关的行业，极易造成投资失败。（2）成本高、销售渠道不畅。这部分可以参考上文中讨论的“波特五力分析模型”。在此次金融危机中，国内众多中小企业倒闭，主要原因就是销售渠道不畅，出口受阻，“出口转内销”转型失败。企业拓展销售渠道可以有很多的方式：e-commerce(网络直销)、电话直销、电视直销、在地市建立直销店或代销点、与大型的超市以及百货公司签订合作协议等方式。（3）应收账款管理等造成企业资金链出现问题。企业大量应收账款难以收回，就会导致企业资金链断裂，进而导致企业经营失败。企业应收账款政策包括：信用标准、信用条件和收账政策。如何评价企业应收账款管理等资金问题，直接评价应收账款管理政策有难度，可以通过财务报表分析辅助判断。比如销售现金比率＝经营现金净注入/销售额，该比率反映每元销售所得到的净现金，其数值越大越好；全部资产现金回收率＝经营现金净流入/全部资产，说明企业资产产生现金的能力。
　　 3.从审批经验中分析X。上述两部分从成功企业如何获得竞争优势分析X、从企业失败中分析X都应用了审批经验，在此不再重复论述了，需要着重强调的是：首先，依笔者经验，部分审批人员不重视企业现金流量分析。在商业银行信贷实践中，会遇到这样的怪现象，一家赢利企业无法清偿到期债务而面临清算，而一家亏损企业却可以清偿到期债务并持续经营下去，所以要注重现金流量表分析。具体的指标可以有：净收益运指数＝（利润表中的“净利润”－非经营收益）/净收益，来评价一个公司的收益质量；现金债务总额比＝经营现金净流入/债务总额等指标。其次，信贷审批中要注重，小企业诚信、小企业主诚信情况以及小企业主从业时间。小企业大都属于“人合”性质的企业，所以其经营的好坏与企业主的能力有直接的关系，如果小企业个人诚信记录差，企业信用也不会好。
　　
　　 通过上述的分析，我们可以确定建立模型的预测自变量了，如表一所示。
　　表一 小企业客户评价魔方
　　 笔者在表一中给出的小企业贷款客户评价的六个方面，如同一个魔方有六个面一样，全面评价小企业贷款客户，也需要考虑六个面，如同“平衡计分卡”一样，不仅要考虑财务因素，还要考虑非财务因素的影响。
　　 （二）模型建立步骤二：数据收集、整理与清洗
　　 通过步骤一，我们确定了模型的预测自变量，根据需要的自变量，进一步确定需要搜集哪些数据。
　　 该模型的数据来源主要包括人民银行征信数据和商业银行自身的内部数据。对于开发该模型而言，模型要具备一定的代表性、稳定性和抗震荡性，一方面，必须要有足够的样本量；另一方面，数据质量也很重要。因此在取得数据源后，需要进行数据整理及清洗，清洗包括：数据的逻辑性合规性清洗，清洗基本情况不符合逻辑及不合规的数据；欺诈数据清洗等等。
　　 （三）模型建立步骤三：模型估计与建立
　　 建立信用评价模型，较为常用的是Logistic回归分析模型。Logistic模型在处理两分类因变量（客户守约、客户违约）的数据有其独特的优势，同时模型关于数据分布的假定较弱，在数据为非正态分布时，也有较好的表现，因此，笔者建议小企业信用评价模型采用Logistic模型。
　　 Logistic回归模型可表述为：
　　 Logit(P)=ln{p/(1-p)}=b0+b1x1+b2x2+…+bkxk
　　 其中的xi是预测自变量（详见表一）。P＝1表示客户守约，P＝0表示客户违约。
　　 表现变量是模型预测的目标，其界定是客观的。确定违约要与银行的政策目标相一致，银行的目标是尽可能拖大规模、提高收益愿意承担一些损失，违约的定义可以宽松一点，否则就要严格一些。依贷款的还款方式不同，可选用不同的标准去定义违约，用“或”相连，比如到期一次还本付息的，违约可定义为，到期后90天逾期未还。
　　 1.筛选自变量。选择自变量的工作通常从检查每个自变量与反应变量之间的二元关系着手，对于连续变量，通常通过拟合单变量logistic回归模型来最得变量的显著性检验，对于名义变量和序次变量，建议对每个变量按其m个水平进行与结果（p＝1或0）的二维交互表分析。通过反向逐步选择法：在模型包括所有候选变量的基础上，将不符合保留要求显著水平的自变量一次一个地删除掉。
　　 2.权重系数b的确定。权重系数b的确定，需要运用统计软件SAS或者是SPASS，将数据输入至软件中，运用SAS或者是SPASS的Logistic分析模块，就可以确定权重系数。
　　 3.模型验证。模型定量验证是通过使用ROC曲线、CAP曲线及其度量指标线下面积AUC、准确率比率AR等，来对该模型的违约区分能力进行统计检验。
　　 鉴于模型的开发复杂性，小样本难以建立具备一定的代表性、稳定性和抗震荡性的模型；而大样本数据难以取得，以及運算复杂，个人无法完成，本文并没有进行实证研究。
　　 三、模型使用及持续改进
　　 通过上述的三个步骤就可以开发出模型，该将模型通过嵌入到小企业贷款电子业务流程实现其功能。小企业贷款业务流程包括营销受理、贷款调查、贷款审批、贷款发放、贷后管理五个一级流程，将该模型嵌入到小企业贷款电子业务流程中，贷款调查人完成调查，提交申请之后，将会自动生成预测的违约率，以及业务是否合规的报告，供贷款审批人进行参考。在前面定义中，P＝1表示客户守约，P＝0表示客户违约，因此通过模型计算出的p值越接近1越好。对应的(1-p)就是预测违约率，该值越接近0越好。当然，我们可以通过运用数学方法，将该模型转换为评分模型，所评的分值越高越好。
　　模型需要持续改进，这是由于该模型信用评价的原理假设以及模型业务规则（拒绝政策）决定的：①评价模型是假设未来情况会与过去相类似，但未必都是如此，且通常时间越久，信用评价模式预测能力会越差，所以评分模型建立完成后，需要进行持续监控及改进。②信贷审批人员需要花费大量时间进行合规性审查，而为了节约时间，设定拒绝政策（业务规则），辅助进行检查。业务规则一旦发生变化，就需要立刻修改模型的业务规则部分。
　　参考文献
　　[1]刘莉亚.商业银行个人信贷信用评分模型的构建与应用[J].财经研究，2007年02期：26~36.
　　[2]王济川，郭志刚.Logistic回归模型——方法与应用[M].高等教育出版社，2001
　　[3]周爱萍,朱纪亮.信贷实务中如何进行现金流量分析[J].金融理论与实践，2007年8期：61~62.
　　[4]ArthurA.Thompson.Jr.,A.J.StricklandⅢ.战略管理学概念与案例[M].机械工业出版社，2003
　　
　　作者简介：朱纪亮（1979-），男，汉族，河南濮阳人，会计师、经济师，管理学硕士，就职于建行河南省分行；樊昊（1978-），男，汉族，湖北武汉人，经济师，管理学学士，就职于建行河南总审计室。
　　

作者 朱纪亮 樊昊