小微企业信贷违约非财务因素初探

《小微企业信贷违约非财务因素初探》由会员分享，可在线阅读，更多相关《小微企业信贷违约非财务因素初探（8页珍藏版）》请在装配图网上搜索。

1、精品范文模板 可修改删除撰写人：_日 期：_小微企业信贷违约非财务因素初探摘要：文章以低成本信息收集为主要筛选条件，实证分析小微企业民间借贷违约的非财务变量中，不同产业类别、成立时间、担保品、银行关系、负责人情况等指标，其违约比例具有显著差异。并基于这些具有差异特征的非财务变量作为预测变量，建立小微企业信贷违约非财务变量Logistic预警模型，实证检验该模型的预测准确率达到85%以上。关键词：小微企业；民间借贷；非财务因素；Logistic回归0引言金融服务实体经济，必须要解决小微企业“融资难”的问题。对于金融机构而言，首先要解决的是判定小微企业信贷违约的技术难题，在技术上增加对小微企业信贷

2、违约模型的判别精度1。财务报表历来是呈现企业整体财务状况的工具，众多学者也以财务因素作为企业信贷评价的主要评估指标，这些指标主要有偿债能力、获利能力及营收成长率等。然而，小微企业的财务信息大多不健全、帐务外包、甚至采用内外两套账的情况比比皆是，其财务报表可能无法反映出公司的真实状况。因此，以财务指标作为小微企业民间借贷信贷标准可能存有较大风险。民间借贷机构在对小微企业贷款的过程中，把非财务指标，如经营型态、成立时间、业者属性等作为重要参考指标，是更为合理的选择。在国内外相关研究中，加入非财务指标进行信贷违约预警时，也获得相当不错的实证结果2-7。因此，本文期望通过相关文献的整理，从民间借贷这一

3、主体出发，找出影响小微企业信贷违约的非财务因素，作为评估小微企业授信标准；并以非财务指标为自变量，采用自变量为非常态、模型适合非线性优点的Logistic回归来建构小微企业民间借贷违约预警模型。1研究设计1.1变量选取企业非财务指标有很多，由于小微企业常采用内外帐务或粉饰财务报表情况，谭久均(2005)8、蔡玉兰等（2015）9针对财务变量分析，认为小微企业的财务变量对其贷款违约与否不具有显著的影响，即小微企业的财务信息不能充分显示出企业营运的实际状况。为了能预测我国小微企业贷款的违约情况，本文参考已有相关研究，结合我国民间借贷双方的信息搜寻成本低的特点10，整合非财务指标来探讨其对小微企业贷

4、款违约的影响，得到适用于小微企业贷款的非财务变量，包含产业类别、企业性质、成立时间、担保品、银行关系、最近三年增资情形、负责人年龄、负责人学历、负责人信用状况这9个非财务指标进行研究。1.2数据来源与分析方法小微企业信贷户样本取得较困难，本文考虑到如果以1:1配对方式选取样本数，会造成过度取样的现象11，且与现实状况差异太大，正常户样本有被稀释的可能；但如果使用有财务风险的公司与正常公司1：2011的比率，又可能导致财务违约样本太少，无法达到统计分析所需的样本个数，这两种方式可能影响研究结果的正确率及研究的可行性。因此，本文鉴于样本数量取得的限制，兼顾样本数量需满足研究结果达到显著性的要求，并

5、依照学者们12,13采取的折衷做法，分别以违约户与正常户1：3的比例进行个别随机取样。在样本的选取上，本文以国内知名的民营小贷集团公司A集团（以下简称“A信贷”）20142016年放贷的小微企业为实证对象。本文为探讨各项非财务指标对小微企业信贷违约的影响，其主要相关资料分析方法如下：（1）卡方检验(Chi-squaretest)：探讨在各项非财务指标下，各类别小微企业信贷违约比例的差异性，比如制造业与非制造业违约比例的差异性。期望在实证中找出影响小微企业信贷违约与否的非财务变量。（2）Logistic回归：由卡方检验找出影响小微企业信贷违约与否的变量后，本文以Logistic分析建立小微企业信

6、贷违约预警模型，并利用违约户与正常户预测正确率图形，找出使所建立的模型能对违约户及正常户具有高度的预测正确率的最合适分割值。2实证分析本文以国内知名民间金融公司A信贷在2016年12月31日止仍在合同存续期间或催收中的小微企业为样本，逐户选取其20142016年三个年度资料数据，剔除成立时间不足一年的企业及部份资料不全的企业，得到资料完整的小微企业户，共计311户，其中违约户有78户、正常户有233户。（1）在产业类别方面，非制造业的违约户比例(34.83%)明显高于制造业(12.03%)。主要原因可能为制造业资本额较大及市场稳定，因而较具市场竞争力，不容易被市场淘汰或被其他竞争者取代。（2）

7、在成立时间方面，成立2年内违约户比例(60.26%)明显高于成立25年(27.27%)与5年以上(6.92%)，且成立时间越久，违约户比率越小。小微企业资源有限，在成立初期，其产品的市场认同度与技术稳定度尚未成熟，营运不稳定，新创企业间竞争激烈，一旦经营绩效不佳，就容易被市场淘汰；另外，成立越久的公司，经历过景气循环周期，其产品与公司总体较为稳定与成熟，市场竞争力与应变力相对较强，发生违约的概率自然下降。（3）在抵押、质押或担保品方面，拥有信用担保机构担保的授信违约户比率(55.2%)明显高于无担保品（28.9%)、及动产、权利质押或不动产抵押(19.78%)的比率。一般而言，在一般交易过程中

8、，买卖双方在签约买卖契约时通常会在契约中加入违约金的约定，但小微企业因资源少，因此民间借贷机构授信审核时，也会参照银行的5P(People、Purpose、Payment、PerspectiveandProtection)标准。由此可知，能提供动产或不动产设定抵押权的小微企业，资质较好，发生违约的概率相对降低。对于资产较弱，又无动产、不动产或应收帐款等，但有担保的小微企业，民间借贷机构一般会要求政策性融资担保机构的担保，其发生违约的概率相对较高。（4）在银行关系方面，基本户在非大型银行的授信违约户比率(33.95%)明显高于大型银行(20.3%)。大型银行风控制度完备，资信审查较严，在放款、存

9、款往来上与授信户较密切，能掌控授信户的营运状况、资金流向及流量等信息，进而掌握授信户资金的松紧情况，因此发生违约的概率相对降低。（5）在负责人年龄方面，30岁以下授信违约户比率(66.67%)明显高于3145岁(37.84%)、4659岁(9.26%)及60岁以上(9.32%)，可见负责人的年龄与小微企业贷款违约的关联性颇高，且呈现负责人年龄越低，发生违约概率越高的趋势。其原因可能为年龄较大的负责人经历了经济循环周期，并长期在产业经营中累积技术与经验，早与上下游客户间建立长期的信赖关系，具有适应经营环境变化的能力，违约情形相对较低。（6）在负责人是否动用信用卡循环额度方面，负责人有动用信用卡循

10、环额度的授信违约户比率(82.5%)明显高于未动用者(11.4%)。由此得知，小微企业取得银行融资相对较困难，其负责人为维持营运所需，在无法从银行顺利获得经营资金支持时，使用信用卡是最快速的渠道；其次信用卡是高息产品，从信用卡可快速满足其金钱的需求，若无视其使用成本，容易过度扩张其信用，一旦小微企业负责人资金较紧时，更倾向于使用高成本的资金，透支信用卡是最快捷的渠道。另外，虽然企业性质、三年增资情形与负责人学历在各类别的违约比例略有不同，但其检定结果不显著，说明在这3个非财务变量上，对贷款户违约与否无显著影响。综合上述结果，产业类别、成立时间、有无担保品、银行往来关系、负责人年龄及小微企业负责

11、人是否动用信用卡循环额度这6个非财务变量确实可作为民间借贷机构在进行小微企业贷款违约预警评估时的重要判别依据。3非财务变量Logistic预警模型根据以上分析结果，非财务变量中的产业类别、成立时间、担保品、银行关系、负责人年龄及负责人是否动用信用循环额度这6个非财务变量能明确判别授信违约户的差异性，因此本文运用Logistic建构小微企业贷款违约预测模型，并以此6项变量作为建构违约预警模型的预测变量。结果显示，“产业类别”与“银行往来关系”对贷款违约具有显著正相关，表明非制造业与非主力银行关系的小微企业，其发生贷款违约的机率较高；另外，“负责人年龄”对贷款违约具有显著负相关，表明负责人越年轻，

12、发生贷款违约机率越高；而使用信用卡循环额度的小微企业，其发生贷款违约的机率越高。另外，删除自变量将降低预测的准确度，因此本文删除两个“成立时间”与“抵押、质押和担保品”自变量后，预测正确率降为接近80%，说明这两个自变量影响效果虽不如其他4个自变量，但在此模型中仍具有一定的影响，因此决定仍保留这两个自变量。此外，由Logistic模型计算结果，以分割值0.5判别机率的预测条件下，整体模型的判别正确率为88.8%，其中233户正常户样本中，误判为违约户者有9户，其对正常户的判别正确率达96.10%；而78户违约户样本中，误判为正常户者有25户，对违约户判别正确率为67.30%。然而，上述判别结果

13、对于正常户辨别能力远高于违约户，会引起正常户与违约户判别失衡的情况，增加授信风险成本，依据稳健性原则，提高对违约户的判别能力是必要的。因此，本文通过最适判别分割值的选取来提升对授信违约户的判别正确率。本文归纳的各个分割值下授信正常户与违约户的判别正确率如图1所示，得知正常户与违约户的判别正确率交会点为0.2，在此交会点下，正常户与违约户的判别正确率都达到0.8以上，具有平衡正常户与违约户的预测能力，为非财务变量Logistic预警模型最适判别分割值。本文再用最适判别分割值重新对小微企业贷款违约预测模型进行验证。正常户、违约户及整体样本的判定正确率分别为85.4%、85.9%及85.5%，均达到

14、0.8以上较均衡的正确率。虽然在这个最适判别分割值模式下，整体样本与正常户判定正确率略低于判别分割值0.5的预测结果，但仍有85%以上的判别正确率，而且违约户的判定正确率也提升到了80%以上，考虑到风险成本，这个最适判别分割值的模式，确实有较好的违约预测能力。4结论民间借贷机构对小微企业的放贷，出现违约的原因与正规金融机构不同，主要是违约动机因素的信息失控及对违约动机因素的信息非对称14，这些因素使得民间借贷对小微企业的放贷更多的时候是考虑非财务因素，本文以信息搜寻成本低为主要标准，通过实证发现，在非财务变量方面，不同产业类别、成立时间、担保品、银行关系、负责人年龄、负责人信用卡使用情况等指标，其违约比例具有显著差异。本文再利用这些具有差异特征的非财务变量作为预测变量，建立小微企业信贷违约非财务变量Logistic预警模型，经过实证检验，该模型的预测准确率达到85%以上。但本文在民间借贷小微企业信贷违约预警非财务变量的选择上，主要关注的是以信息的可获得性为主的沟通成本，在今后的研究中，增加小微企业信用风险评价、企业还款意愿、外部宏观条件等非财务指标，可以让预警模型更为完善。作者:何涌 李晓翼 王秀 单位:湖南工业大学第 8 页 共 8 页免责声明：图文来源于网络搜集，版权归原作者所以若侵犯了您的合法权益，请作者与本上传人联系，我们将及时更正删除。