小額貸款公司信用風(fēng)險(xiǎn)評(píng)估研究

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了小額貸款公司信用風(fēng)險(xiǎn)評(píng)估研究范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

我國(guó)小額貸款公司開始于20世紀(jì)70年代，其成立的初衷是為農(nóng)戶、個(gè)體工商戶和小微企業(yè)融資問題開辟一條新的道路。小額貸款是指通過金融機(jī)構(gòu)，向那些具有一定償債能力但從未或很少?gòu)恼?guī)金融機(jī)構(gòu)獲得融資的微小經(jīng)濟(jì)體（包括農(nóng)戶、城市個(gè)體工商戶等非法人機(jī)構(gòu)）所提供的一種額度小、期限短、利率較高的持續(xù)性貸款服務(wù)。本文采用文獻(xiàn)研究法，按照信用風(fēng)險(xiǎn)評(píng)估指標(biāo)和評(píng)估方法分類進(jìn)行評(píng)述，以期達(dá)到以下兩個(gè)目的：①發(fā)現(xiàn)我國(guó)小貸信用風(fēng)險(xiǎn)研究在指標(biāo)選取上、評(píng)估方法選擇上的特征，為學(xué)者的后續(xù)研究提供基礎(chǔ)；②提出加強(qiáng)和完善相關(guān)研究的建議和方向，為小額貸款公司識(shí)別和控制信用風(fēng)險(xiǎn)提供有效借鑒。

一、小額貸款信用風(fēng)險(xiǎn)的界定及成因

（一）小額貸款信用風(fēng)險(xiǎn)界定

信用風(fēng)險(xiǎn)包括借款人無(wú)法償還債務(wù)的違約風(fēng)險(xiǎn)和信用質(zhì)量下降的遷移風(fēng)險(xiǎn)，是金融機(jī)構(gòu)面臨的最主要風(fēng)險(xiǎn)，也是最難以量化的風(fēng)險(xiǎn)類型之一（王力偉，2013）。小額貸款公司風(fēng)險(xiǎn)主要集中于信用風(fēng)險(xiǎn)、自然風(fēng)險(xiǎn)和資金來源風(fēng)險(xiǎn)（孫穎，2008）。同時(shí)在貸款業(yè)務(wù)的單一性、區(qū)域有限性和貸款對(duì)象特殊性的影響下,其信用風(fēng)險(xiǎn)最為嚴(yán)重（李修平2009）。借款人的違約風(fēng)險(xiǎn)主要來自于兩個(gè)方面，道德風(fēng)險(xiǎn)和逆向選擇（李玉福，付代軍，2007）。比如，招商銀行信貸產(chǎn)品的標(biāo)準(zhǔn)化導(dǎo)致產(chǎn)品過于清晰，一些中介和擔(dān)保公司利用這些信息給客戶進(jìn)行包裝，客戶經(jīng)理也可能參與作假，增加了道德風(fēng)險(xiǎn)。而隨著銀行小微信貸的興起，資質(zhì)好的客戶會(huì)選擇銀行進(jìn)行小微貸，資質(zhì)弱的客戶只能來小貸公司，導(dǎo)致劣幣驅(qū)逐良幣（唐華，2013）。小額貸款公司雖然發(fā)展迅速，但是還不具備足夠的風(fēng)險(xiǎn)評(píng)估技術(shù)和信用風(fēng)險(xiǎn)控制體系從而降低貸前的逆向選擇和貸后的道德風(fēng)險(xiǎn)（辛鑫，王文榮2010)。除了債務(wù)人本身的信用問題，宏觀經(jīng)濟(jì)的變動(dòng)性也是信用風(fēng)險(xiǎn)的產(chǎn)生原因之一（李明，2015）。另外，不可忽視的是，信用風(fēng)險(xiǎn)也包括購(gòu)買力風(fēng)險(xiǎn)。購(gòu)買力風(fēng)險(xiǎn)是指未預(yù)期的高通貨膨脹率所帶來的風(fēng)險(xiǎn)（曼昆，2011），當(dāng)實(shí)際通貨膨脹率高于借款人預(yù)期時(shí)，實(shí)際還款額就會(huì)減少，小貸公司就會(huì)蒙受損失。

（二）小額貸款信用風(fēng)險(xiǎn)成因

信用風(fēng)險(xiǎn)防范一直是小貸公司的劣勢(shì)，盡管在設(shè)立時(shí)，各試點(diǎn)省明確要求小貸公司建立信用風(fēng)險(xiǎn)控制措施，但是大部分地區(qū)并沒有明確規(guī)定。小貸公司的信用風(fēng)險(xiǎn)成因可以劃分為：外部原因和內(nèi)部原因，個(gè)體原因和集體原因。學(xué)者們從宏觀市場(chǎng)、貸款對(duì)象、擔(dān)保公司和中介公司等主體入手探究外部成因。就宏觀市場(chǎng)而言，通貨膨脹率高于預(yù)期的時(shí)候小貸公司蒙受的利率損失就高，信用風(fēng)險(xiǎn)就會(huì)增大（曼昆，2011）。就貸款對(duì)象而言，小貸公司的信用風(fēng)險(xiǎn)主要是由貸款對(duì)象的特殊性所造成的。而作為小貸主要對(duì)象的農(nóng)戶和中小企業(yè)本身，自我防范風(fēng)險(xiǎn)能力較差，因而風(fēng)險(xiǎn)就轉(zhuǎn)移到了小貸公司(孫思磊，2006)。因此小額貸款業(yè)務(wù)的違約率與貸款本金、利率、貸款客戶的生產(chǎn)收益率以及違約的信用懲罰之間有著密切聯(lián)系（王廷飛，高新蘭，2013）。就擔(dān)保和中介公司而言，由于存在投機(jī)行為和信息不對(duì)稱，其很可能會(huì)通過給貸款人進(jìn)行信息包裝而發(fā)生道德風(fēng)險(xiǎn)和逆向選擇。內(nèi)部運(yùn)營(yíng)模式、風(fēng)險(xiǎn)控制機(jī)制、從業(yè)人員素質(zhì)，貸款業(yè)務(wù)特征及資金來源的單一性等成為信用風(fēng)險(xiǎn)的主要內(nèi)部因素。董軍（2010）認(rèn)為內(nèi)部運(yùn)營(yíng)模式導(dǎo)致了小貸公司的信用風(fēng)險(xiǎn)。盡管在設(shè)立時(shí)，各試點(diǎn)省(區(qū))明確要求小額貸款公司建立一系列信用風(fēng)險(xiǎn)控制措施，比如準(zhǔn)備金制度、風(fēng)險(xiǎn)保障基金等，但是大部分地區(qū)并沒有對(duì)此進(jìn)行明確的規(guī)定（李明，2015）。就從業(yè)人員的素質(zhì)而言，金珍珍（2009）認(rèn)為，人才的缺失，例如：前端客戶經(jīng)理素質(zhì)不高，風(fēng)險(xiǎn)預(yù)警員疏于職守，加劇了小貸公司信用風(fēng)險(xiǎn)的發(fā)生概率。貸款業(yè)務(wù)的單一性和資金來源的受限性導(dǎo)致了借款人一旦違約，貸款就難以及時(shí)回收（張小倩，2008）。此外，除了對(duì)單個(gè)貸款主體違約成因的研究，人們也已經(jīng)很早就注意到了違約聚集的現(xiàn)象。即違約不是孤立發(fā)生的，而是存在一定的聚集現(xiàn)象，表明借款人之間存在一定的違約相關(guān)性（王力偉2013）。人們觀察到經(jīng)濟(jì)上行期違約發(fā)生相對(duì)較少，經(jīng)濟(jì)下行期往往出現(xiàn)違約聚集的現(xiàn)象。例如，宏觀經(jīng)濟(jì)因素和行業(yè)景氣度，企業(yè)間直接的關(guān)系鏈等都會(huì)造成企業(yè)違約聚集。

二、小貸信用風(fēng)險(xiǎn)評(píng)估指標(biāo)設(shè)計(jì)

對(duì)于指標(biāo)的分類，大致有如下2種分類方法：按貸款主體分類為農(nóng)戶、個(gè)體工商戶和小微企業(yè)3類指標(biāo)，按貸款信息分類為硬信息和軟信息2類指標(biāo)。

（一）貸款主體分類指標(biāo)

小額貸款的對(duì)象是農(nóng)戶、個(gè)體工商戶及小微企業(yè)。因此風(fēng)險(xiǎn)評(píng)估指標(biāo)的樣本對(duì)象必須是這三者。當(dāng)前對(duì)小貸信用風(fēng)險(xiǎn)的研究，國(guó)內(nèi)實(shí)證研究基本上是圍繞商業(yè)銀行農(nóng)戶、小微企業(yè)小額貸款、農(nóng)村信用社及小額貸款公司的貸款樣本展開。關(guān)于農(nóng)戶指標(biāo)的選?。厚R文勤（2010）選取了2009年陜西省楊凌區(qū)三家農(nóng)村信用社農(nóng)戶的15個(gè)指標(biāo)來判斷其是否違約，包括戶主年齡、戶主性別、家庭人口數(shù)、家庭勞動(dòng)力數(shù)、耕地面積、農(nóng)業(yè)收入、非農(nóng)收入、年總支出、信用社入股金額、房屋價(jià)值、機(jī)械價(jià)值、其他資產(chǎn)價(jià)值、貸款數(shù)額、貸款用途、貸款月利率共15個(gè)指標(biāo)。陳良維（2008）在前者的基礎(chǔ)上增加了文化程度、家庭資產(chǎn)總額、貸款歷史、信用賬戶數(shù)目、信用申請(qǐng)情況、司法記錄情況和月還款占收入比7個(gè)指標(biāo)。劉暢、方靚、晏江、熊學(xué)萍（2009）增加了農(nóng)戶參保情況、村委會(huì)評(píng)價(jià)及是否遭受經(jīng)濟(jì)損失3個(gè)指標(biāo)。劉澤雙、王光宇、段曉亮（2009）對(duì)農(nóng)戶小貸信用風(fēng)險(xiǎn)的指標(biāo)進(jìn)行了歸類，將其分為表層直接因素、中層直接因素及深層根本因素。孫清、汪祖杰（2006）選取的江蘇省北部某農(nóng)村信用社480個(gè)貸款數(shù)據(jù)中，以財(cái)產(chǎn)水平、負(fù)債狀況、受教育程度、借款用途4個(gè)指標(biāo)作為評(píng)估依據(jù)?？梢钥吹?，對(duì)農(nóng)戶指標(biāo)的選取，家庭成員特征、耕地及其他資產(chǎn)狀況、家庭收入狀況、家庭信用情況、貸款特征這五項(xiàng)是重要的考量指標(biāo)。其中，由于農(nóng)戶自身財(cái)務(wù)數(shù)據(jù)的缺乏，非財(cái)務(wù)數(shù)據(jù)的考量占據(jù)了非常重要的地位。個(gè)體工商戶及小微企業(yè)信用風(fēng)險(xiǎn)指標(biāo)選取：對(duì)于小微企業(yè)的信用風(fēng)險(xiǎn)的研究，多數(shù)學(xué)者集中在商業(yè)銀行小貸部門信用風(fēng)險(xiǎn)的研究及小貸公司信用風(fēng)險(xiǎn)的研究。這里探討的個(gè)體工商戶和小微企業(yè)是指其財(cái)務(wù)數(shù)據(jù)不足以支撐其獲得商業(yè)銀行貸款資格的企業(yè)，其財(cái)務(wù)數(shù)據(jù)通常具備不完備性、不易獲取性。因此，非財(cái)務(wù)因素的評(píng)估十分重要。楊德明（2012）在哈爾濱銀行小企業(yè)信用等級(jí)評(píng)定指標(biāo)中，特別強(qiáng)調(diào)了要強(qiáng)化非財(cái)務(wù)因素的作用，并在申請(qǐng)?jiān)u分卡的非財(cái)務(wù)指標(biāo)中增加了小微企業(yè)主這一因素。結(jié)合國(guó)內(nèi)各大商業(yè)銀行操作的實(shí)際情況，將企業(yè)信用非財(cái)務(wù)體系歸納為以下五大方面：企業(yè)管理環(huán)境、企業(yè)核心競(jìng)爭(zhēng)力、行業(yè)發(fā)展前景、企業(yè)經(jīng)營(yíng)管理水平（領(lǐng)導(dǎo)者素質(zhì)、員工素質(zhì)、組織制度、決策機(jī)制、人事管理、財(cái)務(wù)制度建設(shè)）、企業(yè)信譽(yù)狀態(tài)。

（二）貸款信息分類指標(biāo)

貸款信息包括軟信息和硬信息。非財(cái)務(wù)信息也稱軟信息（softinformation），通常由信貸員提供（李明，2014）。在信息不對(duì)稱和不完全契約環(huán)境下，小貸客戶信用風(fēng)險(xiǎn)的評(píng)估對(duì)關(guān)系型借貸特別看重(Bel-louma,Bennaceur&Omri,2005)。Peterson（1999），認(rèn)為關(guān)系型借貸所傳遞出的信息對(duì)小型企業(yè)而言更有價(jià)值。因?yàn)殛P(guān)系型借貸不僅涉及企業(yè)財(cái)務(wù)信息和經(jīng)營(yíng)狀況，還涉及難以量化、傳遞的軟信息（申韜，2011）。王鎖柱，李懷祖（2004）認(rèn)為硬信息是客觀存在的信息的反映，軟信息是含有涉及主體的價(jià)值觀念和知識(shí)結(jié)構(gòu)的主觀判斷的信息，主觀判斷涉及主體的價(jià)值觀念和知識(shí)結(jié)構(gòu)，是一種區(qū)別于是非判別的個(gè)人偏好。由于當(dāng)前小貸公司信貸員具有一定的貸款決策權(quán)，因此，在將軟信息內(nèi)容作為評(píng)估指標(biāo)時(shí)，很容易產(chǎn)生評(píng)估不夠客觀公正，甚至是道德風(fēng)險(xiǎn)。王延飛、高新蘭（2013）提出，要建立以社會(huì)資本和道德風(fēng)險(xiǎn)為核心的信用風(fēng)險(xiǎn)評(píng)價(jià)機(jī)制，特別強(qiáng)調(diào)對(duì)道德風(fēng)險(xiǎn)和社會(huì)資本的評(píng)價(jià)。他們認(rèn)為，業(yè)主社會(huì)聲譽(yù)、生活習(xí)性及家庭因素是衡量其道德風(fēng)險(xiǎn)的重要指標(biāo)，且這些因素是判別其生產(chǎn)經(jīng)營(yíng)能否正常運(yùn)行的關(guān)鍵因素。另外，業(yè)主的社交網(wǎng)絡(luò)、信任合作是衡量其社會(huì)資本的重要指標(biāo)，社會(huì)資本越豐富，則其外部約束越大，就能夠越多地補(bǔ)償貸款信用風(fēng)險(xiǎn)。這種評(píng)估指標(biāo)的選取更加符合小額貸款公司的實(shí)際情況，指出了小貸公司在信用評(píng)估過程中遇到的兩個(gè)關(guān)鍵問題：社會(huì)資本的評(píng)估以補(bǔ)償風(fēng)險(xiǎn)，道德風(fēng)險(xiǎn)的評(píng)估以防范風(fēng)險(xiǎn)。但是，道德風(fēng)險(xiǎn)的評(píng)估主觀隨意性較大，難以量化評(píng)估；而社會(huì)資本的評(píng)估過于抽象，也難以量化?；诖?，Molodsov提出了軟集合理論，該理論在處理不確定性問題的過程中引入近似解代替精確解的概念，有效地克服了傳統(tǒng)數(shù)學(xué)方法的缺陷。申韜（2011）運(yùn)用軟集合理論對(duì)5家小額貸款公司進(jìn)行了信用風(fēng)險(xiǎn)評(píng)估，選取了信用履約評(píng)價(jià)、償債能力評(píng)價(jià)、盈利能力評(píng)價(jià)、經(jīng)營(yíng)及發(fā)展能力評(píng)價(jià)、綜合評(píng)價(jià)5個(gè)指標(biāo)作為參數(shù)，但由于5家公司評(píng)估指標(biāo)都難以精確量化，該文通過對(duì)各評(píng)估指標(biāo)“強(qiáng)”信息取值為1，“弱”信息取值為0，并請(qǐng)專家進(jìn)行打分來實(shí)現(xiàn)風(fēng)險(xiǎn)評(píng)估，評(píng)估結(jié)果較為精確地反映了小額貸款公司的客戶信用風(fēng)險(xiǎn)?？梢姡\(yùn)用軟集合理論可以對(duì)企業(yè)的財(cái)務(wù)信息和非財(cái)務(wù)信息做出一個(gè)合理的信用風(fēng)險(xiǎn)評(píng)估。

三、小貸信用風(fēng)險(xiǎn)評(píng)估模型構(gòu)建

過去200年間，信用風(fēng)險(xiǎn)評(píng)估方法經(jīng)歷著行業(yè)變革和技術(shù)變革，單純的主觀判斷和政策決策逐漸被其他的模型所取代。評(píng)估模型的選擇取決于所需行業(yè)結(jié)構(gòu)水平及大樣本可獲得性。小貸信用風(fēng)險(xiǎn)評(píng)估一般采用的是混合模型和數(shù)理模型。對(duì)于單純僅使用專家評(píng)分法的情況很少。專家評(píng)分法主要表現(xiàn)為國(guó)際上通常對(duì)于非財(cái)務(wù)分析遵循的5C原則，即借款人的品格（Char-acte）r，能力（Capacity），資本（Capita）l，擔(dān)保（Col-latera）l，環(huán)境（Condition）（周穎，毛定祥2006）。

（一）信用評(píng)分法

信用評(píng)分法就是混合模型的表現(xiàn)。Caouette，Altman，Narayanan(1998)指出當(dāng)貸款對(duì)象信用記錄不健全、信息獲取較為困難時(shí)，信用風(fēng)險(xiǎn)評(píng)估通常采用綜合企業(yè)財(cái)務(wù)因素和企業(yè)主個(gè)人因素的傳統(tǒng)信用評(píng)分法。目前，信用評(píng)分法已經(jīng)成為借貸機(jī)構(gòu)是否發(fā)放貸款、貸款額度、貸款定價(jià)以及提高贏利性的決策支持工具（申韜，2011）。作為客戶準(zhǔn)入篩選的第一關(guān)，哈爾濱銀行獨(dú)立研發(fā)了小企業(yè)信用等級(jí)評(píng)定模型，對(duì)申請(qǐng)貸款的客戶進(jìn)行貸前評(píng)級(jí)打分。申請(qǐng)?jiān)u分卡中最重要的四點(diǎn)是：①采用多行業(yè)區(qū)分，在客戶準(zhǔn)入上選取融資需求較集中的小企業(yè)所在的行業(yè)進(jìn)行研究；②在評(píng)分卡中的非財(cái)務(wù)指標(biāo)中增加了小微企業(yè)主這一因素；③根據(jù)第二還款來源對(duì)采取抵押擔(dān)保方式進(jìn)行貸款的小微企業(yè)進(jìn)行擔(dān)保評(píng)分；④對(duì)成長(zhǎng)性指標(biāo)和行業(yè)敏感性較高的個(gè)性指標(biāo)等關(guān)鍵性指標(biāo)調(diào)整（楊德明，2012）。這種申請(qǐng)?jiān)u分法技術(shù)是對(duì)傳統(tǒng)信用評(píng)分法的一種突破。它對(duì)硬信息的依賴程度大大降低，強(qiáng)化了非財(cái)務(wù)因素的作用，對(duì)于小貸公司信用風(fēng)險(xiǎn)管理有借鑒作用。但也有不足之處：其一，信貸員進(jìn)行信用評(píng)分時(shí)難免會(huì)出現(xiàn)道德風(fēng)險(xiǎn)。這對(duì)小貸公司人員素質(zhì)提出了高要求，無(wú)形中會(huì)增加人工成本。其二，貸款客戶貸款時(shí)經(jīng)常不具備擔(dān)保物，不符合申請(qǐng)?jiān)u分卡里面提供的擔(dān)保項(xiàng)設(shè)置。因此，需要有更加客觀和符合小貸公司情況的信用風(fēng)險(xiǎn)防范體系。

（二）基于神經(jīng)網(wǎng)絡(luò)模型的信用風(fēng)險(xiǎn)評(píng)估模型

人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork），是基于對(duì)人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其功能的模仿而建立起的由大量處理單元相互聯(lián)結(jié)成的智能化信息處理系統(tǒng)。通過這個(gè)系統(tǒng)可以實(shí)現(xiàn)非線性關(guān)系的操作（叢爽1998:1）。韓立群（2000）提出，神經(jīng)網(wǎng)絡(luò)具有高度的非線性，良好的容錯(cuò)性和聯(lián)想記憶功能和較強(qiáng)的自適應(yīng)性，能夠大規(guī)模并行處理和分布式存儲(chǔ)信息。神經(jīng)網(wǎng)絡(luò)由于對(duì)數(shù)據(jù)分布及自變量和因變量的函數(shù)關(guān)系的精確度要求不高，但其分類精度較高，因此成了信用風(fēng)險(xiǎn)評(píng)估領(lǐng)域的一個(gè)熱點(diǎn)（馬文勤，2010）。進(jìn)入20世紀(jì)90年代，銀行業(yè)引入神經(jīng)網(wǎng)絡(luò)將其用于信用風(fēng)險(xiǎn)評(píng)估。其風(fēng)險(xiǎn)評(píng)估主要是依靠其分類功能實(shí)現(xiàn)，即先找出一組對(duì)信用分類有影響的因素作為網(wǎng)絡(luò)輸入，再通過有教師或無(wú)教師訓(xùn)練建立信用風(fēng)險(xiǎn)評(píng)估模型，當(dāng)輸入新樣本時(shí)該模型即可對(duì)其信用風(fēng)險(xiǎn)進(jìn)行判別分類（沈艷2007）。馬文勤（2010）基于BP神經(jīng)網(wǎng)絡(luò)建立了農(nóng)戶信用風(fēng)險(xiǎn)評(píng)估模型，并與基于Logit方法的農(nóng)戶信用風(fēng)險(xiǎn)評(píng)估模型比較得出，BP神經(jīng)網(wǎng)絡(luò)農(nóng)戶信用風(fēng)險(xiǎn)評(píng)估模型更加精確有效。該文選取了農(nóng)戶樣本中的15個(gè)指標(biāo)，將農(nóng)戶貸款行為分為違約類和非違約類，實(shí)證結(jié)果檢驗(yàn)研究所建立的BP網(wǎng)絡(luò)模型對(duì)違約類樣本識(shí)別的準(zhǔn)確率達(dá)到90%，因而可以將其作為農(nóng)村信用社農(nóng)戶信用風(fēng)險(xiǎn)識(shí)別工具。吳沖，呂靜杰，潘啟樹，劉云燾（2004）認(rèn)為，信用風(fēng)險(xiǎn)的實(shí)質(zhì)是信貸資金安全系數(shù)的不確定性，但一直以來信用風(fēng)險(xiǎn)評(píng)估在小貸公司被看成是對(duì)貸款企業(yè)進(jìn)行“違約與否”的風(fēng)險(xiǎn)識(shí)別中的“分類”問題。隨著信貸決策的日益復(fù)雜化，分類評(píng)估模式所反映的有限信息已遠(yuǎn)不能滿足信貸風(fēng)險(xiǎn)決策的需要?；诖耍@幾位學(xué)者提出了建立基于模糊神經(jīng)網(wǎng)絡(luò)的小貸信用風(fēng)險(xiǎn)評(píng)估模型。該模型引入了貸款方式這一分類評(píng)估指標(biāo)，這是對(duì)傳統(tǒng)模型不區(qū)分貸款方式就進(jìn)行信用風(fēng)險(xiǎn)的評(píng)估的一種改進(jìn)。小貸公司貸款方式有：信用貸款、保證貸款、質(zhì)押貸款、抵押貸款。同一企業(yè)在不同貸款方式下其信用風(fēng)險(xiǎn)是不同的，信用風(fēng)險(xiǎn)的評(píng)估結(jié)果應(yīng)是某一特定貸款方式的量化值。該模型通過選取同一行業(yè)的短期貸款的樣本數(shù)據(jù)進(jìn)行實(shí)證研究，有效避免了由于不同行業(yè)帶來的數(shù)據(jù)不可比問題。模型通過對(duì)營(yíng)運(yùn)能力因子、償債能力因子、盈利能力因子和貸款方式因子訓(xùn)練發(fā)現(xiàn)，訓(xùn)練結(jié)果滿意，可見模糊神經(jīng)網(wǎng)絡(luò)方法用于評(píng)估商業(yè)銀行小額貸款信用風(fēng)險(xiǎn)非常適合。我們可以看到，模糊神經(jīng)網(wǎng)絡(luò)法是對(duì)專家評(píng)估法和信用評(píng)分法的一種改進(jìn)，由于對(duì)數(shù)據(jù)的精確性要求不高，是分析小貸信用風(fēng)險(xiǎn)的非常好的一種方法。但同時(shí)我們也可以看到，其指標(biāo)數(shù)據(jù)的選擇大部分是財(cái)務(wù)數(shù)據(jù)，這對(duì)貸款客戶財(cái)務(wù)信息的完備性提出了高要求。因此，如果將樣本數(shù)據(jù)換成是軟信息，再運(yùn)用模糊神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析，可能更適合于小貸公司信用風(fēng)險(xiǎn)的評(píng)估。

（三）基于模糊集合理論的信用風(fēng)險(xiǎn)評(píng)估模型

模糊集合理論(fuzzysets)于1965年由L.A.Zadeh教授提出，用以表達(dá)和解決模糊難以量化的問題。模糊綜合評(píng)價(jià)法是基于模糊數(shù)學(xué)，將定性評(píng)價(jià)指標(biāo)轉(zhuǎn)化為定量評(píng)價(jià)指標(biāo)的一種評(píng)估方法。一般評(píng)價(jià)步驟為，首先構(gòu)建模糊綜合評(píng)價(jià)的指標(biāo)，確定被評(píng)價(jià)對(duì)象的因素集和評(píng)價(jià)集之間的函數(shù)關(guān)系，再確定各因素的權(quán)重以構(gòu)建評(píng)價(jià)矩陣，最后將矩陣與因素的權(quán)重合成（模糊運(yùn)算及歸一化）得到模糊綜合評(píng)價(jià)結(jié)果。它具有結(jié)果清晰，系統(tǒng)性強(qiáng)的特點(diǎn)，能較好地解決難以量化的問題，適合各種非確定性問題的解決。呂婷婷（2012）構(gòu)建了基于模糊綜合評(píng)價(jià)法的小額貸款公司風(fēng)險(xiǎn)評(píng)價(jià)模型。文章選取不良貸款率、貸款風(fēng)險(xiǎn)回報(bào)率、撥備充足率、正常關(guān)注類貸款遷徙率、貸款集中度、環(huán)保合格企業(yè)貸款余額占比作為信用風(fēng)險(xiǎn)的影響指標(biāo)，實(shí)證結(jié)果得出撥備充足率對(duì)信用風(fēng)險(xiǎn)的影響權(quán)重最大，環(huán)保合格企業(yè)貸款余額占比對(duì)信用風(fēng)險(xiǎn)的影響最小。類似的能夠解決模糊難以量化的問題的方法還有模糊層次分析法（FAHP）。模糊層次分析法（fuzzyanalytichierarchyprocess，F(xiàn)AHP）。模糊層次分析法是將模糊法和層次分析法（AHP）的優(yōu)勢(shì)結(jié)合而成的多準(zhǔn)則決策方法。模糊層次分析方法能夠準(zhǔn)確地描述任意兩個(gè)因素之間關(guān)于某準(zhǔn)則的相對(duì)重要程度，能夠很好地解決定性分析的抽象問題，得出的識(shí)別結(jié)果能較好地反映小額貸款公司的現(xiàn)實(shí)情況。李明（2014）運(yùn)用模糊層次分析法（FAHP）進(jìn)行風(fēng)險(xiǎn)識(shí)別，計(jì)算得出客戶管理層特征維度、客戶經(jīng)營(yíng)與決策能力維度、小額貸款公司關(guān)系能力維度、客戶發(fā)展前景維度、客戶償債能力維度、客戶貸款特征維度六個(gè)層面以及每個(gè)層面各個(gè)評(píng)估指標(biāo)的模糊權(quán)重值，建立了小額貸款公司風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。該文從實(shí)際出發(fā)，根據(jù)專家意見，運(yùn)用模糊層次分析法(FAHP)構(gòu)建模糊互補(bǔ)判斷矩陣，通過推導(dǎo)計(jì)算出矩陣指標(biāo)層相對(duì)于目標(biāo)層的權(quán)重，再通過對(duì)矩陣進(jìn)行一致性檢驗(yàn)表明其權(quán)向量結(jié)果的可靠性，最后得出風(fēng)險(xiǎn)識(shí)別結(jié)論，對(duì)小貸公司風(fēng)險(xiǎn)評(píng)估具有一定的指導(dǎo)意義。但是，由于不同的專家對(duì)小額貸款公司風(fēng)險(xiǎn)認(rèn)識(shí)不同，在構(gòu)建函數(shù)時(shí)具有很大的主觀性，因此識(shí)別結(jié)果與現(xiàn)實(shí)有一定的差距。因此，為了得到理想的識(shí)別效果，專家根據(jù)不同的小貸公司的特點(diǎn)和環(huán)境來確定識(shí)別指標(biāo)及權(quán)重至關(guān)重要。

（四）基于CreditMetrics的信用風(fēng)險(xiǎn)評(píng)估模型

CreditMetric模型是于1997年推出的用于量化信用風(fēng)險(xiǎn)的一種信用計(jì)量模型，通過計(jì)量風(fēng)險(xiǎn)價(jià)值來分析信用風(fēng)險(xiǎn)（宋志濤，2008）。CreditMetric模型中唯一的變量就是信用，模型認(rèn)為違約是指借款人的信用等級(jí)下降，不管信用等級(jí)下降多少，都會(huì)給貸款人造成損失。模型最大的優(yōu)勢(shì)在于其對(duì)信用風(fēng)險(xiǎn)價(jià)值的估算，通過風(fēng)險(xiǎn)量化可以很直觀地看到風(fēng)險(xiǎn)的變化。趙靜（2012）選取了云南省農(nóng)業(yè)銀行某支行2010年以前的農(nóng)戶個(gè)人貸款為研究對(duì)象，構(gòu)建了基于CreditMetrics信用計(jì)量模型的農(nóng)戶貸款風(fēng)險(xiǎn)預(yù)估體系，實(shí)證研究結(jié)果表明該銀行目前VAR值較為合理，處于風(fēng)險(xiǎn)可接受狀態(tài)。此模型首次提出了“邊際風(fēng)險(xiǎn)貢獻(xiàn)”的概念，將“債務(wù)人信用等級(jí)的變化”作為“違約”的一個(gè)考量因素，這不僅考慮到了違約風(fēng)險(xiǎn)，還將差額風(fēng)險(xiǎn)納入其中，比較貼合實(shí)際。不過，該模型的分析需要大量的數(shù)據(jù)庫(kù)做支撐，而目前由于我國(guó)的信用市場(chǎng)環(huán)境以及部分?jǐn)?shù)據(jù)難以取得（如信用轉(zhuǎn)移矩陣），CreditMetric模型在我國(guó)的運(yùn)用受限，不過其對(duì)資產(chǎn)組合分析評(píng)價(jià)的方法和思想值得借鑒。

四、研究不足與展望

目前，國(guó)內(nèi)對(duì)小額貸款公司風(fēng)險(xiǎn)管理的系統(tǒng)性理論研究和實(shí)證研究具有一定的局限性。從金融市場(chǎng)的發(fā)展趨勢(shì)看，本領(lǐng)域具有更為廣闊的研究空間。

（一）風(fēng)險(xiǎn)評(píng)估方法的局限性及數(shù)據(jù)庫(kù)建立

當(dāng)前信用風(fēng)險(xiǎn)指標(biāo)的選取基本上是先通過專家分析法等主觀地選取指標(biāo)，相當(dāng)于首先建立一個(gè)合理的假說，再通過層次分析法或其他方法對(duì)指標(biāo)分配權(quán)重進(jìn)一步篩選。這種指標(biāo)選取的方法不可避免地帶有主觀性，如果沒有建立在一個(gè)合理的假說之上的話，就會(huì)得出錯(cuò)誤的結(jié)論。因此，建議建立一個(gè)更強(qiáng)大的小額貸款信用風(fēng)險(xiǎn)指標(biāo)研究基礎(chǔ)。目前的指標(biāo)選取主要是以企業(yè)的方便樣本為基礎(chǔ)的，有些信息甚至是難以量化的，比如王延飛、高新蘭（2013）提到的客戶的社會(huì)資本和道德風(fēng)險(xiǎn)。在大數(shù)據(jù)時(shí)代背景下，這些軟信息多半屬于非結(jié)構(gòu)化或半結(jié)構(gòu)化信息（如圖像、文本）。通過不斷挖掘數(shù)據(jù)，運(yùn)用數(shù)據(jù)處理工具———統(tǒng)計(jì)、決策樹、神經(jīng)元、模糊邏輯、數(shù)學(xué)規(guī)劃等，可以輔助我們更好地應(yīng)用大數(shù)據(jù)進(jìn)行決策。展望未來，建議通過完善相關(guān)法律法規(guī)政策，在小額貸款全行業(yè)內(nèi)建立一個(gè)統(tǒng)一規(guī)范的小額貸款信用風(fēng)險(xiǎn)指標(biāo)數(shù)據(jù)庫(kù)，使每個(gè)客戶的信用數(shù)據(jù)都記錄其中，依托該數(shù)據(jù)庫(kù)來建立各個(gè)小貸公司的信用風(fēng)險(xiǎn)評(píng)價(jià)體系。小貸公司再將信用評(píng)估體系評(píng)估得出的信用數(shù)據(jù)反饋錄入到信用數(shù)據(jù)庫(kù)，實(shí)現(xiàn)數(shù)據(jù)的高效共享。這樣的規(guī)范不僅有助于小貸公司做出客戶放貸的決策，以避免因主觀選取指標(biāo)帶來的不同企業(yè)評(píng)估的差異性，同樣也是客戶以后在各個(gè)金融機(jī)構(gòu)借貸的信用通行證。

（二）研究數(shù)據(jù)的不充分性及信用知識(shí)管理

由于小額信貸對(duì)象信用數(shù)據(jù)難以取得且不夠完善，有些基于軟信息的指標(biāo)在定量化的過程中會(huì)出現(xiàn)研究定量依據(jù)不同的情況，而且，目前信用風(fēng)險(xiǎn)軟信息指標(biāo)本身是觀察性數(shù)據(jù)，存在著很多偏倚，例如選擇偏倚、混雜變量和缺乏普遍性（Lifeomics,2014）。每個(gè)信用風(fēng)險(xiǎn)評(píng)估模型都有其優(yōu)劣性，即便證實(shí)了一個(gè)風(fēng)險(xiǎn)指標(biāo)和客戶信用風(fēng)險(xiǎn)存在強(qiáng)有力的關(guān)聯(lián)，我們?nèi)匀恍枰獙ふ乙恍┳C據(jù)來證明它在信用風(fēng)險(xiǎn)相關(guān)領(lǐng)域中具有實(shí)用性（即評(píng)估其客戶信息與信用風(fēng)險(xiǎn)之間的平衡）。因此如何取得和規(guī)范指標(biāo)內(nèi)容以及增強(qiáng)指標(biāo)間的真實(shí)關(guān)聯(lián)性的問題亟待解決。建議通過更為深入、廣泛的實(shí)地調(diào)研，多渠道(銀行、農(nóng)信社、證券公司、其他小貸公司、客戶所在公司或家庭狀況等)直接或間接地搜集客戶信用指標(biāo)，在樣本容量充足的前提條件下，結(jié)合貸款客戶的特點(diǎn)，提煉出更加完善、標(biāo)準(zhǔn)化的客戶數(shù)據(jù)，以期進(jìn)一步補(bǔ)充、提煉小額貸款公司信用風(fēng)險(xiǎn)評(píng)估指標(biāo)，形成更具科學(xué)合理性、簡(jiǎn)約性、有效性和廣泛適用性的小額貸款公司信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系。此外，要證明樣本數(shù)據(jù)的有效性和實(shí)用性，就需要對(duì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行顯著性檢驗(yàn)，以區(qū)分真實(shí)關(guān)聯(lián)還是虛假關(guān)聯(lián)；就需要科學(xué)地選取計(jì)量模型，充分了解各模型的缺陷，防止檢驗(yàn)失效。在進(jìn)行數(shù)據(jù)搜集和提煉的過程中，同時(shí)要注意成本-效益問題。信用風(fēng)險(xiǎn)管理領(lǐng)域的各項(xiàng)研究是一個(gè)重復(fù)性較高的過程，需綜合考慮成本-效益問題。機(jī)器學(xué)習(xí)算法（machinelearningalgorithm）將有助于知識(shí)內(nèi)容管理（Lifeomics,2014）。建議通過開展知識(shí)管理，加強(qiáng)知識(shí)共享、知識(shí)轉(zhuǎn)移和知識(shí)創(chuàng)新，建立公開透明的貸款客戶信用檔案制度，以降低信用風(fēng)險(xiǎn)的搜索成本。

（三）研究對(duì)象的不可比性及信用指標(biāo)選取

由于農(nóng)戶和小微企業(yè)，其信用等級(jí)不同，因此不同貸款對(duì)象的信用風(fēng)險(xiǎn)評(píng)級(jí)結(jié)果會(huì)存在不可比性。建議根據(jù)貸款客戶的特點(diǎn)，建立具有差異化的客戶信用評(píng)級(jí)體系，以消除不同客戶類型帶來的數(shù)據(jù)不可比問題。由于不同行業(yè)貸款客戶信用信息存在差異，建議通過選取同一行業(yè)的貸款樣本數(shù)據(jù)進(jìn)行實(shí)證研究，以避免由于不同行業(yè)帶來的數(shù)據(jù)不可比問題。

作者：楊平波 朱雅斯 單位：湖南商學(xué)院