●苏 蕙

目前，我国市场经济蓬勃发展，极大地解放和发展了生产力，且资本以多元化的形式呈现在市场经济中，所以商业银行对小微企业的金融支持是不可推卸的责任，同时也是自身发展战略转型的重要方向。但银行现有的小微企业信贷风险评价模型并不够完善，大部分银行制定小微企业信贷风险评价模型后，并没有严格按照该模型的评价方法执行；或者有的银行即使运用评价模型评估后，由于模型不够完善，还是需要进行人工审批。如此既浪费人力物力，也会加长商业银行的信贷审批周期。本文以Z银行为研究对象，主要进行该银行的小微企业信贷风险评分卡优化，构建完整的信贷风险评价模型，能够高效且客观地评价小微企业信贷风险。并且通过案例分析验证其有效性。

一、文献综述

（一）国外研究现状

Altman（1968）提出了新的评分模型——定量化信贷风险识别Z模型，该模型是由五个主要指标建立的，对这些指标的选取是通过筛选33家破产制造企业和同样数量及规模的具有正常经营获利能力的企业的信息和数据，对这些数据进行整合加工，最终决定的五个指标是：营运资本、留存收益、息税前收益和销售收入分别与总资产的比值、权益的市场价值与总债务的比值，这些指标能够反映企业资产资金流动性、偿债和获利能力以及财务经营状况等基本信息。Roy Mersland（2011）认为不仅要做好信贷风险评价体系的建设，还要对贷前和贷后环节加强管控。因为银行提供的贷款项目和类别较多，在贷款前要注意贷款风险的识别，并且评估该笔贷款是否会存在高违约概率；在贷后环节，要对贷款存在风险的项目及时给予反馈，建议完整贷后的风险管控体系。麦肯锡模型——redit View Portfolio C多因素模型（2013）能够在充分考虑社会发展的宏观经济因素和企业所处行业的发展状态下建立分析模型，判断各种贷款在该时期的违约率大概在什么区间。

（二）国内研究现状

国内朱文斌、范伯乃（2003）在介绍和分析国外企业信贷风险识别模型的基础上，建立了上市公司信贷指标体系，该体系中共包含15个相关指标，反映了企业的偿债能力、获利能力、营运能力等基本企业信息和现状。黄薷丹（2018）同样提出选取神经网络来构建商业银行企业客户的信贷风险评价体系。在现今大数据的时代，她分析并比较了不同大数据算法所存在的问题及其优缺点，最终决定选取了神经网络模型来构建商业银行企业客户信贷风险评价体系，并且对其结论进行实证分析，以期该模型能够对商业银行的管理起到积极有效的作用。

综上所述，信贷风险评价模型越来越完善，需综合多种因素考虑模型内指标的选取和建立。

二、信贷风险评价方法与模型

能够建立信贷风险评价模型的基础是要有评估企业的财务状况和现有的企业制度这两方面的信息。当然，信贷风险评价体系会随着经济的发展不断变化，模型中侧重的指标也会不一致，比如起初我国很多大企业都选择定性分析法，而现在大都以定量分析为主。

要想能够更准确客观地评价企业的信贷风险，那么需要对信贷风险评价模型结果进行量化，这样会更准确客观地反映评估结果。在西方发达国家，信贷评价体系的建立与起步较早，并且对于信贷风险的量化技术也越来越完善，在这一方面，我国商业银行可以多向其借鉴，综合其建立模型所考虑的因素，来完善我国商业银行信贷风险评价模型的建设，这样也能提高银行对风险的识别能力和管控能力。而量化技术主要是以下几种：

（一）专家系统模型

金融机构对信用风险的分析和评价依赖主观分析或者定性分析。而“5C和5P”的方法也是这种分析法中最常用的方法，其中五个指标指借款人的品格、借款企业的资本、抵押品、偿债能力以及所处的经济周期。决策机构或者决策人根据这五个指标来对企业进行评估，筛选并整理好这五个指标所需要的数据，对这些数据加工由专家决定每个指标应该在这一体系中占据多少权重。从评估结果就可以看出该企业的偿债能力如何，还款人意愿是否强烈，有没有可能出现恶性违约的情况，根据这些结果来作出客观的贷款决策，能够有效降低贷款风险。但是不同专家对指标权重的分配都是不一样的，就会影响信贷决策的准确度。总的来说就是该模型主观性很强，建议不作为主要的分析方法。

（二）信用评分模型

该模型需要大量的数据作为支撑，因为该模型中需要的指标数量较多，比如借款人的信用情况、资产状况、人品、年龄，借款企业的财务和经营状况等。将企业信息依照这些指标进行加工筛选，再对这些指标赋予不同权重计算出信用评分值，根据评分值来决定是否要给该企业发放贷款，以什么样的利率发放，贷款期限又是多久。但是用来评估企业信用模型的指标如何选取，定性指标和定量指标的选取依据如何确定，这些都是制定信用评分模型时需要考虑的因素。这种方法在商业银行中的运用很普遍。本文选取的Z银行的信贷风险评价模型也是以此方法为基础。

（三）财务比率分析法

顾名思义，该模型的侧重点在企业财务状况上，通过企业财务信息反映企业资本结构。这一模型中的三大主要指标是：经营能力、偿债能力和创新能力，这三个指标通过对企业的财务信息加工得到，并主要评估企业这三个方面的能力。而随着市场机构的不断发展，这三个指标也不能全面地评价企业现状，所以盈利能力和企业发展潜力这两个因素也被列为该模型的考虑范围内。随着财务比率模型的不断完善和经济的不断发展，对企业发放贷款的要求也越来越严格，提供资金的一方更加注重企业的资金来源是否可靠，以及经营模式是否稳定，所以资产负债率和资本的报酬率同样也是评估该企业情况的重要指标。

该方法被不断完善优化，也渐渐被决策机构所接受和运用，这种模型需要数据多、准确性高，但操作简便并且数据分析可以直观看到，但是该种办法过于偏重企业的财务状况，而非财务状况几乎没有体现，比如偿债人的个人品行、企业的整体信用和经营状况等。所以财务比率法不能全面评估企业风险。

（四）综合评价模型

企业在信用评级中，不可能评级过程都是绝对能够划分类别的，总会有不能够明确判定的模糊性问题，所以需要运用该模型。综合评价模型需要数学原理作支撑，而不是像其他几种方法只需确定简单的步骤即可。早在1965年，美国学者研究分析该模型的运行原理，并且对该原理进行解释说明，同时提出其他相关理论的原理。该模型的主要流程是先确定评级的因素，即需要哪些指标；再将指标进行分类，哪些是一级指标哪些是二级指标，确定指标的隶属分类；最后则是由前两步得出的结果来综合评价该企业信贷风险。

上述方法中，财务比率法、信用评分模型以及综合评价模型都需要大量数据来支撑该模型的运行，小微企业的财务信息较为混乱，财务管理制度也不是很健全，所以并不完全适用于这些模型。结合小微企业财务数据不全面而且定性指标较多的特点，在Z银行现有小微企业风险评分卡模型上，优化该模型的结论以及运用该模型的方法，提高小微企业贷款审批效率和决策准确性。

三、Z银行小微企业信贷风险评价模型现状

（一）Z银行基本状况

Z银行的前身成立于1996年，2000年进行更名，名字为Z市商业银行，在2009年时，正式更名为Z银行，2015年在香港挂牌上市，2018年在深圳交易所挂牌上市，成为了全国首家“A+H”股上市的商业银行。

截至2019年6月末，Z银行上半年的资产总规模达到4797.96亿元，相较上年末增长了136亿，贷款规模1775.57亿元，较上年末增长179亿元。资本的充足率达到12.74%，不良贷款率也在逐年降低，上半年为2.39%，较上年末降低0.08%。本行的员工较上一年增加200人左右，上半年员工总人数为4767人，营业机构为166家，分行12家，支行153家，数据显示Z银行近几年在稳定发展。Z银行的服务特色就是 “商贸金融、小微金融、市民金融”，业务更加贴近该市发展，并且一直致力于为该市企业和市民提供全面、便捷的金融服务。

（二）Z银行现有小微企业贷款评分卡模型

Z银行小微企业贷款评分卡的指标和对应分值如表1所示。

表1小微企业贷款评分卡

Z银行现有规定小微企业通过评分卡计算出得分后，还需要人工审批，并没有能直接进行电脑筛选的分值标准。这就是上文提到的，银行自身有能够评价小微企业信贷风险的模型，可是该模型没有得到充分利用，只是利用该模型计算出每个企业的评分卡得分，并没有给出该企业是否能发放贷款的结论。为了提高审批效率，降低人工审批成本，从风险审慎的角度看，可以通过自动评分决策避免人为主观因素的干扰，从而降低风险。评分决策有三种结果，分别是评分自动通过、评分自动拒绝、评分人工审批。

四、Z银行小微企业信贷风险评价模型结论构建

根据申请评分模型得分，设置自动拒绝与自动接受分数线。低于自动拒绝分数线的将被直接拒绝，高于自动接受分数线的将直接通过，二者都不需要进入人工审批环节。分数线设置要合理把握风险和业务发展之间的平衡。建议方案：根据业务发展需要，并且要拒绝足够多的坏客户，通过数据分析得到控制比例是20%-30%。得分较低且坏客户占比明显偏高的分数段作为自动拒绝；反之，得分较高且坏客户占比极低的分数段作为自动接受。而好坏客户标准如表2。

表2好坏客户划分定义

本文选取355家在Z银行申请贷款的小微企业，通过对其13个月的观察，观测出样本好坏客户在不同分数值内的分布。这355家企业分数值在677－810分，上文中提到自动接受与拒绝的比例在20%－30%，所以将排名最低的占总样本数20%的企业由低到高排序，最高分值为705分，总共71家企业。排名最高的企业占总样本的10%共有35家，其中最低分值为755分。分值排名在中间的其余70%的企业有249家，分值为706-754分，通过对其13个月的观测，小微企业违约概率以及分值界定见表3。

表3小微企业违约概率在不同分值中的占比

而对Z银行，基于银行对贷款违约客户在不同分值中违约所能接受的比例，笔者设置的坏客户占比要求是，在自动拒绝的分数线内，通常坏客户占比达到20%以上，而在自动通过的分数线内，一般而言坏客户的占比不超过0.05%。表3中，705分以下客户中违约客户占比高于20%，而755分值以上违约客户则占比低于0.05%。我们用行内大数据2321家小微企业再进行验证结论，如表4所示。

表4大数据样本验证结果

所以行内大数据验证所得结论与跟踪观测的355家企业一致，那么可以设定自动评分表的分值如表5。

表5评分卡分值设定

五、Z银行小微企业信贷风险评价模型的应用分析

（一）目标客户简介

A公司是经该省食品药品监督管理局、市食品药品监督管理局批准成立的医药零售连锁公司，公司成立于2009年，经营范围为：中成药、中药饮片、化学药制剂、抗生素、生化药品、生物制品（除疫苗）；（凭有效许可证核定范围和期限经营）医疗器械Ⅰ类；体温计、血压计、磁疗器具、血糖试纸条、妊娠诊断试纸（早早孕检测试纸）、医用脱脂棉、医用脱脂纱布、医用卫生口罩、避孕帽、轮椅、医用无菌纱布、洗化用品、日用百货、消杀用品等。

1、A公司管理状况分析。A公司的最大投资方为王某，占比51%，并且是公司的执行董事。而媛某是另一股东，持股49%，也是公司监事。王某个人征信记录良好，无不良记录。王某与媛某此前一直从事医药行业，所以对公司运营以及管理是有一定经验的。

2、A公司经营状况分析。A公司成立十年以来，积累了较多的客户资源，该公司的销售渠道有：一是利用王某以前从事单位的市场资源进行销售，但是销售渠道单一，客户集中且客户差异较小，所以面临的市场竞争大，销售风险较高；二是采用定制化模式，大客户在需要备货时会向该公司订货，但是这种订货方式由于市场竞争激烈，受外部影响大，不稳定。此外，A公司由于所有销售的器械都是从外部购买，并且有多家分支机构在销售，这样不利于有效地降低成本，所以销售产品时竞争力不大，拓展新客户能力也受限。

3、A公司所在行业及区域影响。A公司位于中国中部的一个省会城市，近几年由于“自贸区”的建立和“一带一路”的政策实施，A公司所在区域经济也越来越繁荣，经济发展速度快。此外，党的十九大召开后，强调加强金融服务实体经济的路线，因此商业银行大力支持当地企业发展，该地区小微企业发展的外部环境良好。

2018年初，公司欲扩大规模，增加固定资产购入，以及门店开设，向Z银行申请100万贷款，借款期限12个月。根据流程，Z银行需要对A公司的基本信息作了解，因此需要A公司提供营业执照（三证合一）、业务往来的购销合同，以及能够反映A公司真实财务状况的财务报表等资料。并且由负责该公司贷款审查的信贷人员去公司进行实地考察，确认该公司提供的基本资料是否真实，对这些资料评估过后，进入贷款审批环节。

对A公司的贷款申请先由经办行审查，并在其负责人权限内进行审批。审批完后上报总行小微企业金融事业部审查审批，事业部审查人员完成项目审批后，上报审查主管或副总经理、总经理、小微企业审贷委员会及最终有权审批人进行审批，历时一个月，最终审核没有通过，没有给A公司放贷。

对A公司贷款的审核，经历了多项环节。整合小微企业数据计算出小微企业信贷评分卡得分后，需要提交进行人工审批。在人工审批环节，依旧会核实贷款用途的真实性，企业提供的信息是否完整真实，再经过支行和总行的审批最终决定是否给A公司放贷。需要优化现有的小微企业信贷风险评分卡结论，来降低审批时间和成本，能够在计算机计算出A公司信贷风险评价卡得分后，直接由计算机给出自动通过、自动拒绝或需要人工审批的结论，能够将一部分客户分流给计算机直接进行审批，简化审批程序，节省人工提高效率。

（二）Z银行小微企业贷款风险评分卡优化前后应用对比

A公司进行评分卡得分计算时，指标优化前得分800分走人工审批环节；指标优化后得分698分，根据上文提到优化后的评分卡结论，低于705分的计算机评分自动拒绝。详细指标得分见表6。

表6小微企业评分卡优化前后指标得分对比

通过对Z银行小微企业风险评分卡结论的优化，原本都应人工审批的小微企业贷款，现在有一部分可以直接通过计算机自动审批，更具客观性和准确性，并且节省了人力物力，提高贷款审批效率。优化前后审批流程如下 （下文所述是评分卡程序结束后，审批流程程序的对比）：

1、Z银行原有评分卡计分后对A公司的审批流程。对于A公司，评分卡计算得分程序结束后需要走人工审批程序。Z银行贷款审查与审批包括经办行在其权限内对贷款的审查与审批和小企业金融事业部在其权限内对贷款的审查与审批以及最终有权审批人审批。

一是经办行对A公司贷款的审查与审批。评分卡结果得出后，经办行负责贷款业务的审查，并在其负责人的权限内进行审批，超越权限的上报给小微企业金融事业部审查审批。

调查岗负责审核A公司申请以及担保人提供的资料，确定A公司贷款项目并没有存在不实信息。之后对于其担保人的经营状况和经济效益进行调查，评价贷款业务的风险程度。

审查岗对A公司提供资料的合规性、合法性以及完整性进行审核，审查后签署意见，并把相关资料交给总行审批岗审批。

二是总行对A公司贷款的审批。审批岗人员对于A公司提供的卷面资料进行审查，并对企业进行实地考察。审批岗人员审查完后提供给分管小企业金融事业部的行领导进行最终审批。

在人工审批环节，由于该企业的贷款申请资料不足，不能真正反映该企业的财务信息，也不能反映该企业是否有还款能力。并且该企业没有固定资产或者不动产的抵押或质押，所以Z银行无法判定A公司的偿债能力，拒绝了A公司的贷款申请。

2、Z银行优化小微企业信贷风险评分卡后对A公司的审批流程。A公司运用评分卡指标计算出得分以后，就可以直接计算机自动拒绝，而不需要再经由支行和总行的审查和审批。

文中得出结论A公司的评分卡得分为698分，低于自动拒绝分数线（705分），所以拒绝A公司贷款申请。

优化后的小微企业信贷风险评分卡模型，减少了人工审批工作量，为Z银行节省了人力和物力，提高了小微企业贷款审批效率。并且由计算机审批替代了一部分人工审批，也会减少主观因素对审批结果的影响，使小微企业贷款审批更具客观性。

六、降低Z银行小微企业信贷风险的配套措施

（一）做好小微企业信贷的全过程管理

小微企业信贷全过程管理包括贷前、贷中、贷后三个环节。贷前环节是小微企业申请贷款的阶段。Z银行在此期间，第一，需要做好小微企业基本经营财务数据的统计，并检查这些数据的真实性。第二，对该小微企业进一步审查，比如信贷人员进行实地调查，确定其经营和资产状况是否与其所提供的相符合。

贷中环节主要是审批已经通过，决定给该企业放款的环节。在该环节，首先，要安排专门的信贷人员对贷款发放后的去向和企业经营资金的投入作跟踪调查，对其追踪的该笔业务负责；其次，审批和放贷这两项业务由不同的信贷人员完成，两项业务的专员都有平等的机会独立提出自己的意见。

小微企业贷后环节是指贷款发放后的时期。在该时期Z银行的后续工作也不能放松，一是对放贷后资金的用途作了解，检查资金使用的真实用途，确保资金用途与合同上规定的相符合。二是放贷后也需要加强与该企业的联系和互动，通过电话回访、信用检查、实地考察确认该企业的经营状况是否良好，是否有无法按期偿还贷款的危机。三是对典型的小微企业需要进行资料储存和重点分析，为信贷人员介绍小微企业业务容易出现问题的部分，给予提醒和借鉴。

（二）建立小微企业信息共享中心

Z银行应当积极推进信息共享数据库的建设，实现小微企业的信息资源共享。此外，建立对小微企业贷款资料的管理系统，Z银行行内和贷款的客户都留有纸质版的记录。建立共享中心主要在于对小微企业信息的收集。企业信息的真实性、完整性直接影响该共享中心的质量，该共享中心在向商业银行提供小微企业信息资料时，这些会直接影响贷款审批决策者的决策是否客观准确，提供的信息能否有效降低小微企业贷款的风险。此外，由于信息的不对称性，小微企业给银行提供的信息是否真实，银行方面并不好查实；再加上小微企业不是上市企业，那么其经营状况财务状况也不好获取，所以共享中心信息的准确性就显得尤为重要。在此信息共享中心的小微企业都是Z银行办理过贷款业务或者已经审核过他们所提交的材料，所以该中心提供的资料准确度相对较高，就会降低小微企业贷款的风险。

小微企业信息共享中心除了注重小微企业的财务信息外，非财务信息也不可忽视，比如小微企业实际经营者、所有者的信用状况，企业关键人的人品，小微企业所处行业的发展状况等。

（三）提升小微企业贷款从业人员素质

Z银行贷款业务的顺利发展是需要该行完善信贷业务管理体制做制度保障的，而体系的完善需要银行高素质的人才去修订，小微企业如今数量庞大，也成为市场经济的重要组成部分，也决定了该业务近几年一直处于上升阶段，需要增加信贷业务专员。但是目前Z银行对于员工人数有限制，所以需要员工提高办理业务效率，同时提高自身业务和整体素质，有助于提高银行从业人员整体利用率。此外，银行也要建立科学完善的奖罚机制，对小微企业信贷业务人员给予政策或者资金上的奖励，提高他们办理业务的积极性，那么办理业务的数量会增加，从而提高Z银行针对小微企业业务的经济效益。虽然实行了完善的奖罚机制，但也需要考虑工作人员的工作负荷是否在能接受的范围内，所以员工的工作效率、小微企业贷款的效益和办理信贷业务的质量这三个指标要协同发展寻找一个平衡点，实现业务的可持续发展，由此可见员工素质在办理业务时的重要性。Z银行在寻找平衡点的同时，也要完善内部管理制度和员工培训制度，定期对员工进行培训，建立科学的人才培养机制，督促员工在工作之余学习小微企业贷款的专业知识。

七、结束语

本文对Z银行小微企业信贷风险评分卡进行了应用分析，证明优化后的评分卡模型更高效更具客观性。并提出了适用于风险评价体系的配套措施：做好小微企业信贷的全过程管理，做好贷前、贷中、贷后的监管工作，完善Z银行的风险管理制度；建立小微企业信息共享中心，构建网络数据，降低信息不对称的风险，能够加强风险预警和反馈；提升小微企业信贷从业人员素质，从而提高Z银行对信息判断的准确率。做好风险评价模型的配套措施，有效降低小微企业融资风险，解决小微企业融资难的现状。■