綜合風(fēng)險(xiǎn)評(píng)價(jià)模型與中小微企業(yè)的信貸決策

1、綜合風(fēng)險(xiǎn)評(píng)估模型與中小微企業(yè)的信貸決策摘要：本文基于 2020 年全國大學(xué)生數(shù)學(xué)建模競賽所給的 題 目，針對(duì)中小微企業(yè)信貸風(fēng)險(xiǎn)問題，建立了綜合風(fēng)險(xiǎn)指數(shù) 評(píng)估 模型和受疫情影響的綜合風(fēng)險(xiǎn)指數(shù)評(píng)估模型， 利用企業(yè) 有價(jià)值 的一系列指標(biāo)，使用炳值法、改進(jìn)后的模糊綜合評(píng)價(jià) 法和 K- means聚類分析進(jìn)行信貸風(fēng)險(xiǎn)的綜合評(píng)價(jià)，從而分別 給出銀行 對(duì)不同企業(yè)實(shí)施的信貸策略與考慮新冠肺炎疫情 影響下的信 貸調(diào)整策略。關(guān)鍵詞：模糊綜合評(píng)價(jià)法聚類分析信貸風(fēng)險(xiǎn)新冠肺炎 疫情隨著中小微企業(yè)對(duì)中國經(jīng)濟(jì)的推動(dòng)作用越來越大，在不同 地區(qū)和各種領(lǐng)域都出現(xiàn)了更多中小微企業(yè)， 根據(jù)我國統(tǒng)計(jì)數(shù) 據(jù) 顯示，中小企業(yè)在我國總體企業(yè)

2、數(shù)量中的占比已經(jīng)達(dá)到了 99%, 對(duì)經(jīng)濟(jì)貢獻(xiàn)極大。但中小微企業(yè)本身存在著規(guī)模小、 融資難等 問題。此外，企業(yè)面臨的市場(chǎng)具有不確定性，銀行 的操作和經(jīng) 營管理也存在變數(shù)， 故企業(yè)信貸風(fēng)險(xiǎn)問題在中小 微企業(yè)當(dāng)中更 加突出。本文針對(duì)中小微企業(yè)信貸風(fēng)險(xiǎn)問題展 開討論。 1中小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的綜合選擇為了對(duì)信貸風(fēng)險(xiǎn)進(jìn)行真實(shí)全面地評(píng)估，首先我們找出了評(píng) 價(jià)信貸風(fēng)險(xiǎn)的指標(biāo)，具體思路如圖所示。非財(cái)務(wù)指標(biāo)一一信營評(píng)級(jí)圖1指標(biāo)體系思維導(dǎo)圖因?yàn)樾抛u(yù)評(píng)級(jí)是反映企業(yè)綜合實(shí)力的有力指標(biāo)， 而財(cái)務(wù)指 標(biāo) 分為償債能力和實(shí)力指標(biāo)，它也是反映企業(yè)綜合實(shí)力的重要指標(biāo)，我們因此對(duì)企業(yè)進(jìn)行兩方面的綜合評(píng)定，設(shè)置一級(jí)指標(biāo)即財(cái)務(wù)

3、指標(biāo)和非財(cái)務(wù)指標(biāo)，對(duì)于權(quán)重進(jìn)行同等分配，故一級(jí)指標(biāo)權(quán)重二0.5, 0.5。2綜合風(fēng)險(xiǎn)指數(shù)評(píng)估模型概述2.1綜合風(fēng)險(xiǎn)指數(shù)評(píng)估模型的建立為了建立綜合風(fēng)險(xiǎn)指數(shù)評(píng)估模型，先使用炳值法確定指標(biāo)權(quán) 重，再建立基于模糊評(píng)判法的新型評(píng)判方法得到信貸風(fēng)險(xiǎn) 評(píng)分。 其中對(duì)于權(quán)重計(jì)算的具體過程不再贅述，將重點(diǎn)放在基于模糊評(píng)判法的改進(jìn)上面。本文以指標(biāo)數(shù)據(jù)對(duì)于整體的占 比作為評(píng)價(jià) 數(shù)值，/為營業(yè)收入、c為營業(yè)成本、。為 償債能力、/為進(jìn)項(xiàng)交 易量、*為銷項(xiàng)交易量。對(duì)于建立基于模糊評(píng)判法的新型評(píng)判方法:有力二%=匸亠九也加(g)首先，根據(jù)已給數(shù)據(jù)確定，從多個(gè)方面進(jìn)行綜合評(píng)判因素 集u二他如",將其分成n個(gè)子因素

4、集uvu2T"An。第二步，設(shè)定評(píng)價(jià)占比記為宀何宀？?譏 。第三步，確定各因素的權(quán)重，綜合評(píng)價(jià)不僅僅要與通過各 指標(biāo)相對(duì)應(yīng)的評(píng)價(jià)有關(guān)，而且對(duì)于各因素對(duì)于評(píng)價(jià)的影響也 很大關(guān)系，因此我們引入權(quán)重分配，作為模糊變量，記為 宀宀叮，且在式中：6為第i個(gè)因素的權(quán)重，滿=1足幺。第四步，確定評(píng)價(jià)數(shù)據(jù)，根據(jù)本題，我們采用各企業(yè)的指標(biāo)數(shù)據(jù)的占比作為評(píng)價(jià)數(shù)據(jù)，對(duì)指標(biāo)的判比記為：(6)2. 2銀行對(duì)中小微企業(yè)的信貸策略將非財(cái)務(wù)指標(biāo)與財(cái)務(wù)指標(biāo)兩種指標(biāo)按照上文提出的0.5,0. 5的權(quán)重比進(jìn)行相乘得到最終的量化指標(biāo)。最后我 們釆取聚類分析法，將各企業(yè)劃分評(píng)分等級(jí)為I、II、III,對(duì)于不同等級(jí)劃分不同范圍

5、的借貸期限與利率表1基于評(píng)分等級(jí)的信貸策略評(píng)分等級(jí)1評(píng)分等級(jí)II評(píng)分等級(jí)III期限1年6至12個(gè)月3至8個(gè)月利4% ? 7.6. 25%7?6. 65%8?率05%45%65%3受疫情影 響的綜合 風(fēng)險(xiǎn)指數(shù) 評(píng)估模型3. 1模型的 建立首先 為量化疫情帶來的影響，需要處理疫情沖擊后的數(shù)據(jù)，我們確立了疫情影響系數(shù)，即為 2020年2月的銷項(xiàng)數(shù)據(jù)與2019年 平均每月銷項(xiàng)數(shù)據(jù)的比值，其中/為營業(yè)收入、兀 為疫情 影 響系數(shù)，公式為：幷=£嚴(yán)/ =/=! 2 審,30(9 )通過對(duì)相關(guān)企業(yè)進(jìn)行分析計(jì)算，選取在疫情影響下有明顯 差異的兩個(gè)企業(yè)進(jìn)行對(duì)比，我們可以看到Y(jié)值與預(yù)期符合，受疫情沖擊大

6、的企業(yè)丫值極小，相反丫值則超過1。如受疫情影響小的設(shè)計(jì)服務(wù)部 Y值為1.1083,受疫情影響大的影城 有 限公司Y值為0. 00095O將疫情產(chǎn)生的影響進(jìn)行量化后，要對(duì)疫情影響系數(shù)和信貸 風(fēng)險(xiǎn)評(píng)分進(jìn)行綜合考慮，所以我們建立了受疫情影響的綜合 風(fēng)險(xiǎn)指數(shù)評(píng)估模型2。其中人為受疫情影響的信貸風(fēng)險(xiǎn)評(píng) 分、兀為疫情影響系數(shù)、6為信貸風(fēng)險(xiǎn)評(píng)分。丫嚴(yán)6 心1宀30；=1 (10)3. 2新冠肺炎病毒影響下的信貸調(diào)整策略首先對(duì)于貸款額度，由于受疫情影響的信貸風(fēng)險(xiǎn)評(píng)分總和 為一，故可對(duì)貸款額度直接按該評(píng)分進(jìn)行分配。其次對(duì)于利 率和期限的分配，我們利用上文步驟使用聚類分析將企業(yè)分 為評(píng)分等級(jí)8、b、C三種，信貸風(fēng)

7、險(xiǎn)依次增大。疫情過后企業(yè)的復(fù)工尤為重要，銀行為響應(yīng)政府政策，支 持中小微企業(yè)的復(fù)工，我們可以確定信貸利率和期限的調(diào)整 策略為下調(diào)貸款利率和延長貸款期限3。通過查閱銀行等金融機(jī)構(gòu)在疫情期間的對(duì)信貸投放的改變等資料，最終決定 將總體利率下調(diào)0. 5%,針對(duì)期限的延長見數(shù)據(jù)：評(píng)分等級(jí) a. b、c的期限分別為1年、9至12個(gè)月、6至1個(gè)月；利率分 別為 3. 5%? 6. 55%、5. 75%? 6. 95%、6. 15%? 8. 15%。 4結(jié)語本文對(duì)于中小企業(yè)的信貸的風(fēng)險(xiǎn)問題提供了模型支持，該 模型可使所研究的復(fù)雜問題簡單化，并且對(duì)于指標(biāo)的選取較 為嚴(yán)格，要求指標(biāo)對(duì)所研究的問題擁有足夠的影響程度，這 使文 中所建立的模型能夠與實(shí)際緊密聯(lián)系，使得模型具有很 好的適 用性和推廣性。參考文獻(xiàn)黃靜 . 基于模糊層次分析法的銀行信貸風(fēng)險(xiǎn)量化研究 D. 華 中科技大學(xué) ,2