導語：商行對企業融資風險評估思索一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

過去，我國的商業銀行大多以國有大中型企業作為主要的貸款對象，小企業在銀行眼里一直處于“雞肋”的地位，規模小，缺乏規范的會計制度，抵御風險能力較差，這些都意味著貸款給這樣的企業，銀行將承受更大的風險。然而，在銀行于大型企業貸款等相關領域的業務競爭異常激烈并且趨于飽和的今天，為了謀求更大的發展，于情于理都該把注意力轉向已經成為國民經濟發展重要生力軍的中小企業上，努力開展對中小企業的融資業務，以謀求最大的收益。

一、研究概述

據統計2010年，我國13416萬家工業企業中，中小企業有13307家，占全國工業企業總數的992％，而這些中小企業創造的最終產品和服務價值占全國生產總值的60％，上繳稅收占全國稅收的50％，為城鎮居民提供了80％以上的就業崗位，中小企業以其充沛的活力為國民經濟發展做出了巨大的貢獻。然而，在今年通脹壓力增大的形勢下，中，J、企業經營壓力持續加大，原材料價格上漲，用工成本提高等因素產生了疊加影響，如此緊要關頭，中小企業卻面臨著嚴重的融資問題，向銀行申請貸的困難度遠遠超出想象。據全國工商聯調查顯示，2011年第三季度統計，有近70％的中小企業銀行融資占全部負債比例不到30％，60％中小企業無銀行貸款，41％的中小企業認為從銀行融資很困難，16％認為基本不可能，僅30％的企業認為基本還可以。

二、中小企業信貸風險評估體系

中小企業貸款難是個世界性難題，我們不禁要問：為什么中小企業融資這么困難?要怎樣才能解決中小企業的融資難問題?從銀行的角度看，中小企業融資難的最大問題在于貸款的風險，如何對中小企業存在風險進行最準確有效的評估，已成為銀行支持中小企業發展的關鍵工作，因此也有必要更加深入的探討。

1．構建模型的方法國內外對于信貸風險評估的研究已經有很長的歷史，主要是建立風險評估線性模型，如Z-Score模型，ZETA模型，SOHO模型，BP神經網絡評估模型等等。上述模型總體上均存在“一次性”的特點，且指標繁多，對于經濟實力不強，財務制度不健全的中小企業來說，這種評估無疑是不人性化的，評估同時也加大了銀行審批貸款的成本。因此，本文試圖構建一種指標針對性強，且可同時用于貸款前調查和貸款發放后再評估的多時段動態信貸風險評估體系，用于銀行在不同時段對中小企業信貸風險進行把控，方便銀行及時作出相應決策。如下圖，企業向銀行申請一定數額的貸款，銀行用此風險評估體系對企業進行第一次評估，若評估通過則批準發放貸款。貸款發放一定時間(如半年)后，銀行通過調查對企業進行貸后評估，若企業通過評估，則企業可根據自身情況選擇按時還本付息，申請加大貸款力度，申請延長貸款期限。若通過貸后評估發現這筆貸款風險性超過銀行可接受范圍，則銀行對企業進行實地調查，有好轉可能的，一個月后再進行一次評估，決定是否繼續貸款。若企業無轉好可能的，銀行有權利終止貸款，通過拍賣抵押物等方法收回資金。此貸后評估以此類推，一直到貸款到期收回。

2．確定模型指標體系本文共征詢了10位專家意見，經過多次討論篩選，最后確定了6個財務指標和6個非財務指標作為此評估系統的指標體系。如下表：這里需要提別說明的是X。企業信用記錄是進行此項風險評估的先決條件。若評估前發現此項得分過低，則判定發放貸款給此企業風險高，直接終止后續評估，拒絕發放貸款。在這里，假定當X。≥3時，可進行后續評估。

3．構建信貸風險評估模型相關指標體系確定，建立評估模型。本文采用Logit回歸判別分析法。根據已知樣本各指標數據推導出判別函數，確定Logit函數方程。使用時把觀測量代入判別函數中進行評判，根據P來確定其風險性大小。Logit函數的一般形式為其中，P(0．1)，表示屬于第一類事件的概率。b為常數，a為各變量的系數，X是各特征變量，在這里為指標體系所確定的X一X十二個指標。該方法得出的P是被評估對象屬于第一類事件的可能性，在0—1之間，若取值≥O5則表示該評估對象屬于第一類事件的可能性大于50％，也就是說該對象被判定為低風險組。反之，若P<0．5則被判定為高風險組。本文選取民生銀行申請貸款的5O家的生產型中小企業為數據樣本，其中25家企業貸款申請通過，其余25加企業貸款申請未通過，記錄其財務數據和非財務信息。選取企業財務指標數據X一)(6，將信息錄入SPSS進行Logit回歸分析，可得到財務指標Logit模型：1=一15．24+7．14X1+004X2+006X3+3．74X4+429X5+01X6(3)將各企業X一X具體數據帶入方程(3)，得出，再將代入方程(1)得出P值，將P1值以05分界，P<0．5為高風險組，P≥0．5為低風險組。經檢驗，50家企業中有44家判別分類正確，該模型P的判別正確率為88％。同樣，選取企業非財務信息，邀請前述10位專家根據信息描述對每家企業6個非財務指標X一X分別打分，分值范圍為1—5之間，將以上分值信息錄入SPSS進行Logit回歸分析，計算得到非財務指標Logit模型：入2=一2114+437X7+2~5X8+Q63X9+274X1。一0．53X1～342X17(4)同P方法得出P值，經檢驗，5O家企業中有43家判別分類正確，該模型P的判別正確率為86％。將P與P綜合起來，則表示綜合財務指標和非財務指標從整體來評估該企業。此種評估準確性更強。P=05P1+05P2通過以上公式得出P值，經檢驗，50家企業中有47家判別分類正確，該模型的判別正確率為94％。

三、中小企業信貸風險評估體系實證研究

以某食用菌產業有限公司的貸款為例，說明上文構建的中小企業信貸風險動態評估體系的使用。下面將分成三種情況進行討論：

(1)貸款發放后公司經營情況良好，第二次評估后公司申請延長貸款期限，銀行給予批準延期兩個月；

(2)貸款發放后公司經營出現問題，貸款風險提高，經調查。問題有緩解可能，給予公司一個月時間解決現有問題后再評估，決定是否終止貸款。

(3)貸款發放后公司經營出現問題，貸款風險提高，經調查無緩解可能，銀行終止貸款，資金收回。某食用茵產業有限公司，現有固定資產2800萬元，技術力量雄厚，配套設施完備，其經營者一直在該公司擔任廠長職務已有8年，有豐富的管理經驗。此公司行業前景樂觀。年初，該公司因擴大生產規模，向銀行申請500萬元一年期貸款，提供相應價值抵押擔保物品。與其他中小企業相同，此公司由于與金融機構合作不多，信用記錄缺乏，但其在同行業問口碑不錯，也未有不良記錄，評估專家給予信用評價X。的分值為3，可繼續進行后續評估。經過年初實地調查，各項財務指標非財務指標如下：將以上指標分別帶入方程(3)(4)，經計算，可得此公司的P為070，P為084，由此得到P為O77>0，5，則判定該企業信用風險較低，可發放貸款。假設1：同年6月，銀行對該公司進行貸后評估。年中實地調查各項財務指標非財務指標如下經計算，年中該公司P為0．82>0．5，則判定該企業信用風險較低。此時該企業向銀行提出延長兩個月貸款期限，以獲得更多周轉資金。此時假定銀行批準延長貸款期限。年末，再一次貸后評估，評估結果P為081>O5。公司經營未出現任何異常情況，對此項貸款不做任何處理。次年2月，銀行從此公司收回貸款本息。一年期貸款500萬元，銀行獲利一年期利328萬元，延時兩個月貸款利息56萬元，共計38．4萬元。假設2：同年6月，銀行對該公司貸款使用進行跟進，以及時把控風險變化，作出相應調整。年中實地調查評估后，得出年中各項財務指標非財務指標如下：經計算，年中該公司P為O45<0．5，風險高。此時銀行對該企業存在問題進行實地調查，判定該企業問題為可解決問題，待企業自行解決，一個月后再一次評估。7月，銀行對該公司進行重評估，P為O69>05，問題已解決，公司經營正常，對此項貸款不做任何處理。年末，銀行從此公司收回貸款本息。一年期貸款500萬元，銀行獲利32．8萬元。假設3：同假設2中的6月年中評估，該公司年中P為O45<05，風險高。銀行對該企業存在問題進行實地調查，發現此問題已無緩解可能，如繼續貸款極有可能造成資金損失，決定終止貸款。資金通過變賣抵押物或由其擔保公司支付。收回貸款本金500萬元，6個月利息168萬元。

四、總結

企業信貸風險評估是商業銀行融資貸款風險管理的基礎。本文建立的評估體系經驗證正確率達到90％以上，得到了較好的評估效果。本模型解決了過去評估體系中由于指標眾多且繁雜造成的數據收集困難，同時采用動態多時段評估解決了選擇指標不全面造成銀行潛在風險提高的問題。便于銀行及時作出相應決策，同時也為信譽良好貸款使用健康的企業提供方便，使他們可以更加靈活有效的運用資金。