罗胜尹 彭睿杰 胡静

摘要：文章分别从企业和银行的角度出发，结合企业信贷风险和银行收益，得出具有实际意义的信贷策略。首先，确定企业的综合能力及其对应指标，利用进销项发票对企业各项能力对应指标进行求解，利用AHP-TOPSIS法得出各個企业的综合评定分数。其次，通过各企业的信誉评级建立决策树模型，给出各企业是否放贷。再次，根据中国人民银行中小微企业贷款年利率进行分析，得出对综合评定分数大于等于总平均综合评定分数的公司给出的优惠年利率为4.0%，对低于总平均综合评定等级的公司给出4.7%的年利率。最后，在银行年度信贷总额固定时，得出放贷给96家公司且将固定总额进行平均分配的信贷策略最优。文章对回归模型进行显著性检验，得出违约率拟合程度准确度较高。针对各个企业对应年利率进行分析，给出推广意见，为银行信贷决策提供更多有效的参考依据。

关键词：量化分析;信贷策略;决策树模型;资产分配

一、问题背景

随着社会的不断发展，中小微企业逐渐成为推动经济发展的主载体。鼓励扶持中小微企业是我国社会经济发展布局中不可或缺的部分。但在实际金融环境下，由于中小企业成立时间短、成立规模小以及企业信用缺失和缺少抵押资产等特性，所以在企业向银行进行贷款时，银行首先会分析信贷政策、企业的交易票据信息和上下游企业的影响力，再参考企业的信誉评级，对企业的信贷风险进行评估。最后，根据评估结果进行分析，确定向不同信誉评级的企业发放不同的贷款额度、利率和期限等信贷策略。

二、问题分析

本文对若干有信贷记录企业的信贷风险进行量化分析，并给出银行在年度信贷总额固定时对这些企业的信贷策略。

首先，确定企业的综合能力。选取具有实用性与代表性的财务指标，作为各能力的评价标准。利用进销项发票对企业各项能力对应指标进行求解。再利用AHP-TOPSIS确定评价各个指标在综合能力中所占权重得出各个企业的综合评定分数。其次，根据企业是否违约和企业与综合能力评定指标之间的的关系可建立是否向企业借贷以及是否给予利率优惠的决策树模型，再根据银行收益率曲线确定银行最大收益率对应的总贷款额度、信贷年利率，给出中国人民银行在年度信贷总额固定时对这些企业的信贷策略。

三、借贷策略决策树模型

（一）原始指标的选取

由于未给出各个企业年度财务报表，且题目信息中给出的数据代表的往来业务具有局限性，不能够具体量化企业的全部资产以及所有者权益。因此我们在选取定量分析企业贷款的综合能力以及信贷风险时，以表1为主要内容进行选择。

（二）HP-TOPSIS模型构建

1. 确定评价指标权重

由于企业信贷风险评价指标体系中各个评价指标的重要程度不一样，在确定影响信用风险评估的各种指标在评估体系中所占的比重往往难以定量化，在考虑不同因素的影响中，选择采用AHP层次分析法判断指标权重的大小，规避决策者对于部分因素带有主观性，使结果更具准确性和科学性。首先，建立决策阶层的结构模型，分为三层结构，目标层为需要进行的决策问题，决策层为判断目标质量的各项指标，指标层为决策层细化因子。

2. 一致性检验

将矩阵A中的元素和矩阵都进行归一化处理后，计算出该判断矩阵的最大特征值λmax=n，当判断矩阵不具有一致性时，判断矩阵A的最大特征值λmax>n，若λmax 与n的比值越大，则证明A的不一致性越严重。因而定义一致性指标：

CI=

当CI=0时，判断矩阵A具有完全一致性，为衡量CI的大小引入随机性指标：

RI=

由CI与RI的比值计算一致性比率，如果CI<0.1时可以认为构建的A矩阵通过一致性检验，根据特征值法能够得到影响该企业风险评估的各个指标权重。

3. TOPSIS排序法

TOPSIS根据评价对象与最初设定的理想解距离的远近程度来评价最佳决策方案，用Ci表示各评价方案与理想解的接近度，接近度指标与信贷风险评估结果呈负相关，与企业综合能力呈正相关。

各评价指标与其正负解的距离记为D+，D-，根据Ci的排序评价信贷风险指标：

D+=（i=1，2，…，p）

D-=（i=1，2，…，p）

Ci=

最后，基于AHP-TOPSIS模型下求出不同信誉条件下各企业的综合评定分数，如图2所示。

由图2可以直观了解到并不是信誉评级越高，企业的综合评定分数越高，在A，B，C三种信誉等级下，C等级的综合评定分数最高。说明综合评定分数受多因素影响，侧面验证模型的准确性。

（三）决策树模型建立

基于AHP-TOPSIS法下计算各个企业的综合实力能力指标，分为企业是否违约两种情况，若企业的信誉评价为D，则银行决定不放贷给企业，在企业没有违约的条件下若企业的综合能力大于等于平均综合评定分数，则认为该企业符合信誉高，信贷风险小的标准银行放贷，若企业的综合能力小于平均综合评定分数，则银行不进行放贷。

四、模型检验

为避免评价时可能出现逻辑错误，依据层次分析法的原理，定义一致性指标来验证结果，通过SPSS进行线性回归分析，验证一致性指标如表2所示。

由表2可以观测到在F统计量下对应的P值为0.021小于0.05，说明线性回归方程显著。模型具有一定正确性。

五、模型评价与推广

模型利用AHP-TOPSIS法确定各项财务指标在评价企业综合能力与信贷风险中所占比权重以及对各项财务指标进行优先次序排序。根据企业是否违约和企业与综合能力评定指标之间的的关系可建立是否向企业借贷以及是否给予利率优惠的决策树模型。将中小企业未来的发展潜力纳入财务指标的考量，具有前瞻性与创新性，避免了传统财务指标带来的滞后性。

参考文献：

[1]郭妍，张立光，刘佳.中小企业信贷风险度量模型研究——基于山东省的实证分析[J].东岳论丛，2013，34（07）：58-61.

[2]樊树海，凌宁.基于AHP-TOPSIS模型的企业财务绩效评价[J].会计之友，2018（06）：78-80.

[3]张夏.基于AHP-TOPSIS的iOS系统社交类APP图标评价模型构建[D].济南：齐鲁工业大学，2019.

[4]徐晓玲.基于Logistic模型的中小企业信用风险研究[D].济南：山东大学，2019.

[5]霍源源，姚添译，李江.基于Probit模型的中国制造业企业信贷风险测度研究[J].预测，2019，38（04）：76-82.

[6]窦小凡.KNN算法综述[J].通讯世界，2018（10）：273-274.

[7]谢坚.中小企业信贷违约的影响因素与应对策略研究[D].成都：电子科技大学，2016.

[8]迟国泰，徐趁琤，李延喜.银行资产负债管理中资产分配模型[J].大连理工大学学报，2001（04）：501-504.

（作者单位：罗胜尹、彭睿杰，西南石油大学信息学院;胡静，西南石油大学财经学院）