基于违约鉴别能力组合赋权的小企业信用评级——基于小型工业企业样本数据的实证分析

信用评级是衡量债务违约的可能性,因此评级体系要有违约风险识别能力,能够将违约客户和非违约客户显著地区分开.通过逼近理想点的思路,构建多目标规划模型求解最优的组合权重,并对中国某区域性商业银行1 814笔小型工业企业贷款进行实证分析.本文的创新与特色一是以非违约企业的数据到正理想点的距离代数和最小为第一个目标函数,以违约企业的数据到负理想点的距离代数和最小为第二个目标函数,构建多目标非线性规划模型进行组合赋权,在满足了"非违约企业的评价得分越高、违约企业的评价得分越低"要求的目标下得到最优的组合赋权的权重系数,使赋权结果保证了评级模型能够将违约企业与非违约企业最大地区分开.改变了现有研究的组合赋权脱离评价目的的弊端,改变了现有研究中违约与非违约企业的评价得分存在大量重叠、对两类企业的区分能力低的弊端.二是通过检验"违约企业的信用得分是否显著小于非违约企业的信用得分"的J-T非参数检验,验证信用评价模型的合理性.改变现有研究忽略对信用评价模型的合理性进行验证的弊端.三是经过实证,发现本研究建立的组合赋权模型的违约鉴别能力(Z=5.546)要高于现有研究的两种常用组合赋权模型、即基于方差最大的组合赋权(Z=4.298)和基于偏差最小的组合赋权(Z=5.182).

基于逐步判别分析的小企业债信评级模型及实证

债信评级就是衡量债务违约风险的大小,以便于投资者掌握债务回收的可能性。本文通过逐步判别分析和共线性检验的方法构建债信评级模型,并以中国某区域性商业银行1231个小企业贷款客户为实证样本进行债信评级体系构建。本文的创新与特色一是通过逐步判别分析将所有客户的第j个指标数据分为违约和非违约两组样本,根据违约、非违约样本组内的数据差异越小、而违约与非违约样本组间的数据差异越大,则第j个指标越能区分违约和非违约两种状态的思路,筛选出F检验值显著、即对违约与否鉴别能力显著的指标,改变了现有研究遴选指标的标准不能反映指标违约鉴别能力的弊端。二是通过共线性检验方法,以一个指标为因变量、其余指标为自变量建立线性回归方程,根据线性回归方程的方差膨胀因子VIFj越大、这个指标越可以被其它指标线性表示的思路删除因变量这个冗余指标,避免了现有研究的债信评级指标用于评价小企业时存在冗余的弊端。三是根据违约样本和非违约样本的组内差异越小、组间差异越大、这个指标对违约状态的鉴别能力越强、权重越大的思路对指标进行赋权,改变了现有研究对评级指标进行赋权不能反映指标违约判别能力的弊端。实证结果表明:小企业非财务因素比财务因素更能判别小企业贷款的违约风险,并且外部宏观环境、企业法人代表基本情况对小企业的还款能力的影响更为重要。

基于违约状态判别的小企业债信评级

文章对1 231笔小企业贷款数据进行实证分析,通过方差齐性检验和R聚类构建了对违约状态影响显著的小企业债信评级指标体系;通过区分违约状态越显著的指标、权重越大的思路进行赋权,建立债信评分模型;通过债信等级越高、违约损失率越低的标准划分债信等级,建立了债信评级体系.实证结果表明:速动比率、法人代表信用卡记录等21个指标构成的指标体系不但可以显著区分小企业的违约状态、而且避免了重复反映信息的指标重叠和冗余.

中小企业信用评级指标体系的缺陷与重构

现行中小企业信用评级指标体系存在重大缺陷。用于中小企业信用评级的指标体系应具有针对性,突出重点和体现灵活性,将那些经常性的、起根本和关键作用,受评企业特有的因素作为"评估指标"在信用评级时直接使用,而对其他因素作为"关注指标"以适当方式动态跟踪。

基于信息增益的小型工业企业信用评级模型

信用评级就是衡量一笔债务违约的可能性,评价债务违约风险的大小。本文利用信息增益方法建立了信用评级模型,并以小型工业企业贷款数据为对象进行了实证分析。本文的创新与特色:一是按照指标的信息增益越大、越能将违约与非违约企业区分出来的思路,筛选出对违约状态有较大影响的指标。改变了现有研究不以违约鉴别力作为指标遴选标准的不足。二是在相关程度高的一对冗余指标中,删除信息增益小、即违约鉴别能力差的指标,既避免指标间反映信息重复,又避免误删违约鉴别能力强的指标。三是利用信息增益值对指标进行赋权,保证违约鉴别能力越大的指标赋予的权重越大。改变了现有研究赋权不反映指标的违约鉴别能力大小的弊端。实证结果表明:本文遴选的包括资产负债率、行业景气指数、抵质押担保等31个指标对违约状态有显著的鉴别能力,且反映信息不重复。偿债能力是影响小型工业企业信用评级的关键要素。

基于违约区分程度最大权重的信用评级模型

信用评级方程是信用评级模型的核心,权重是影响信用评级方程评价准确度的重要因素,合理的权重对于信用评级至关重要.通过以违约与非违约客户信用得分单位离散度的平均距离最大为目标函数,构建非线性规划模型的思路,反推各指标的最优权重组合.通过PR曲线方法对信用评级模型的合理性进行检验,并对1231个小企业贷款进行了信用评级.通过构建信用评级方程S=S(W)的权重向量W与违约与否的两类客户平均信用得分的距离D之间的函数关系,以违约与否的两类客户平均信用得分距离D最大为目标建立非线性规划,反推一组最优权重W.保证了信用评级方程的评级结果,能够最大限度地区分违约与非违约客户.改变了现有研究的权重向量与整体违约鉴别能力无关的弊端.非财务指标相对于财务指标在小企业评级中更重要,权重高达58%,非财务指标中“城市居民人均可支配收入”指标的权重最大,为14.7%.通过PR曲线方法验证了其合理性.研究表明,“基于违约状态区分程度最大权重的小企业信用评级模型”,对客户违约与否的区分精度,优于现有研究的同类经典模型.

供应链金融模式下中小企业信用风险评级模型研究

供应链金融能够有效的解决我国中小企业融资难题,同时也有助于银行探索新的利润增长点。在供应链金融模式下,对中小企业的信用风险评级需要综合考虑供应链上企业的状况,包含的不确定性因素更多更复杂。本文在供应链金融模式中引入了神经模糊系统,构建了我国中小企业信用风险评级的神经模糊模型,并通过实例比较验证了模型的有效性和优越性,为供应链金融模式下中小企业的信用风险评估提供了新的思路。

基于Wilcoxon检验的小型工业企业债信评级模型及实证

债信评级的本质是衡量一笔贷款违约的概率大小,违约概率越大,债信等级越低。由于小型工业企业财务信息不健全等自身特点的限制,国内外金融机构对此缺乏相应研究,导致现有研究中小型工业企业债信评级模型极不完善。而本文通过Wilcoxon检验构建了小型工业企业债信评级模型。本文的特色与创新:一是通过Wilcoxon检验进行指标筛选建立评级指标体系,保证了指标体系可以有效判别企业的违约状态;二是通过游程检验方法检验指标体系的合理性,解决了对债信评级模型的检验问题;三是通过指标对违约状态判别能力越大权重越大的思路确定指标权重,弥补了现有研究中指标赋权过程权重与违约状态甄别能力不匹配的不足。

一种与市场预期误差最小的信用风险评价模型及实证

利用KMV测算的违约距离,反映市场预期的违约风险.引入R平方构建信息比率测算指标体系的信息含量,解决指标筛选过程中的信息含量测算问题,筛选出的财务指标体系既满足分散化原则,又符合信息含量最大原则.基于与市场预期违约风险一致原则,通过构建与市场预期违约风险误差最小的有约束优化模型确定指标权重,解决没有公开和完备贷款违约数据库时的信用风险评价问题.以中小企业板块上市公司作为样本进行了实证分析,评价结果表明,建立的与市场预期风险误差最小的信用风险评价体系能够准确反映我国中小企业违约风险的现状.