前言：尋找寫作靈感？中文期刊網用心挑選的Logit方法下企業信貸決策模型探析，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

[摘要]信貸風險管理是現代商業銀行風險管控的重要內容，而中小微企業的信貸決策問題的解決不僅是銀行有效控制信用風險的關鍵，更有助于扶持中小微企業健康發展。首先，以企業實力強弱與供求關系穩定性為決策標準，建立SVM模型解決“是否放貸”二分決策問題。其次，利用logit模型構建客戶信貸行為與信貸風險模型，用以評估中小微企業信貸風險，助力銀行進行信貸決策。最后，聚焦疫情突發事件，重點考察疫情沖擊下銀行對不同行業信貸策略調整的異質性。

[關鍵詞]決策模型；支持向量機（SVM）模型；Logit模型；企業信貸風險

隨著金融全球化及市場波動性加劇，商業銀行風險管理成為金融界關注焦點，作為國民經濟創新力提升的推動力，中小微企業信貸風險研究對解決中小微企業融資難困境具有重要意義。中小微企業具有規模較小、缺少抵押資產的特點。在信貸決策中，銀行會根據中小微企業的實力、信譽對其信貸風險做出評估，然后依據信貸風險等因素來確定是否放貸及貸款額度、利率和期限等信貸策略。本文以SVM模型以及Logit模型構建方法為基礎，建立銀行信貸風險決策模型，為商業銀行的中小微企業信貸發放提供決策依據。同時本文創新性地將突發事件作為影響信貸決策的重要因素，考察不同行業下銀行信貸策略受到沖擊后調整的異質性。研究中小微企業的信貸決策模型，有利于為商業銀行發放信貸提供決策依據以及規避信用風險，同時建立信貸決策下的信貸風險評估模型也有助于中小微企業信用風險評估體系優化。

1.模型建立

樣本數據：為123家有信貸記錄以及302家無信貸記錄的中小微企業相關數據，以及2019年我國貸款利率與客戶流失率關系的統計數據。本文將425家中小微企業按E001至E425做編號處理。SVM模型構建：“是否貸款”是商業銀行貸前風控的關鍵決策。本文通過構造SVM模型對中小企業的信用風險進行貸前評估。依據企業交易票據信息，本文采用發票總金額、發票開具頻率評估企業實力，用平均年利潤率、發票金額波動情況評估企業供求關系穩定性。并以此評估企業實力強弱和供求關系是否穩定，判定是否對其放貸。本文按上述四個指標構成新視角下的信用企業評估體系，將樣本中4個指標作為自變量，中小企業過去信貸情況作為因變量Y，構建SVM模型。一是歸一化數據處理。本文通過線性極差變換進行數據預處理。預處理公式如下：(min)/(maxmin)iiiiiXX′=−−其中iX為原始樣本數據，'iX為經過線性極差轉化得到的新數據。二是確定訓練、測試樣本集。本文選取總樣本數的2/3作為訓練樣本集，多次訓練求得支持向量并構造SVM模型；其余1/3作為測試樣本集，代入SVM模型檢驗對測試樣本分類正確率。三是選取核函數。本文選取不同核函數分別進行實驗，并對實驗結果進行比較，選擇最優分類核函數。最終采用svm.LinearSVC模型作為SVM的算法模型。四是模型結果及分析。訓練、測試樣本集分布情況如下表所示：根據上述實證結果，在訓練樣本和測試樣本中該模型具有較高分類正確率，可達到86.6%和90.2%。故本文的SVM模型達到了較好性能。Logit模型構建：一是客戶信貸行為模型。本文依據企業交易信息，用開具發票作廢率評估企業信譽以判定對融資企業的放貸風險評估。對于商業銀行的貸款客戶，其可選擇違約或按期還款，1表示企業違約，0表示企業不違約。本文采用離散選擇的Logit模型，以開具發票作廢率為自變量，將中小企業違約情況作為因變量Y構建模型，企業信貸行為Logit模型如下：10logln()10.53162.6640pitcp==⋅−其中，c為企業開具發票作廢率。二是信貸風險模型。本文從宏觀經濟環境、客戶信貸行為、企業經營水平三個維度出發，構建企業客戶風險預警指標體系，使用以是否違約為基礎計量風險的違約模型。對于銀行的貸款客戶，分別用1表示客戶違約，用0表示客戶不違約。根據輸出結果，發票總金額未通過顯著性檢驗，故模型中不含發票總金額變量。經測算，本文中企業信貸行為的Logit模型的具體形式為：10logln()0.63953.27290.7302Invoicepitfreqp==⋅α−⋅+其中，α為信貸行為系數，frepInvioce為發票開具頻率。

2.模型應用與實證分析

“是否放貸”二分決策：在123家有信貸記錄的中小微企業，信譽評級為D的24家企業銀行不予貸款。對剩余99家有信貸記錄且信譽評級不為D的企業進行數據預處理，利用已訓練好的SVM模型，通過預測進行“是否貸款”決策。經過預測，在99家有信貸記錄且信譽評級不為D的企業中，E86等6家企業的實力和供求關系不足以繼續放貸，故銀行應對其余93家企業放貸。本文以302家企業各自的發票總金額和發票開具頻率，平均年利潤率和發票金額波動情況分別評估企業實力和供求關系。經過SVM模型預測，在302家企業中，E187等49家企業實力和供求關系不足以使銀行繼續放貸，故銀行對其余253家企業放貸。企業的信貸風險評估：本文構建的風險評估模型為10logln()0.63953.27290.7302Invoicepitfreqp==⋅α−⋅+根據以上針對無信貸記錄中小微企業的分析，剔除銀行拒絕放貸的企業，將剩余253家企業相關指標代入模型并進行標準化處理得出253家企業之間的相對違約概率，并將253家企業按相對違約概率排序，為了便于比較，假設違約概率pi為3倍的相對違約概率，結果如下：銀行對企業的放貸策略：本文基于SVM模型與客戶信貸行為及信貸風險模型構建，以利潤最大化為原則進一步討論銀行針對無信貸記錄中小微企業的放貸策略。本文構建的銀行期望收益模型如下：∑∑==≥−−=2531ii2531iFM])1([q-1Piiiiij）（FppFr由于253家企業無信貸記錄，無法得知銀行年利率對其流失率的影響。故在原銀行期望收益模型的基礎上應重新考慮流失率，以新指標補充原銀行期望收益模型中信譽評級的指標。本文采取某一類信譽評級所有企業的平均相對違約概率，作為劃分年利率對其流失率影響的新指標，經對比，采取B、C信譽評級所有企業的平均相對違約概率，將253家企業劃分為三個區間，每個區間客戶流失率分別取已有信貸記錄的企業A、B、C信譽評級客戶流失率。故銀行為企業制定的年利率和企業相對違約概率應滿足下式：0.15,00.8900.15,0.8900.8990.04,0.899iiiiprpp≤≤≤≤≥此時計算銀行在選定利率下銀行對該企業貸款后銀行的期望利潤Pi，將銀行對所有企業貸款后得到的期望利潤加總，即可得銀行的期望利潤。根據限定條件：(1)P值為最大；(2)∑=≥2531iMiF，其中M為銀行放貸額度。結合各企業選擇銀行貸款的概率，為各企業選擇適當的貸款利率與貸款金額，制定貸款策略。突發公共事件對信貸決策的影響分析：企業生產經營和經濟效益會受突發因素影響，且往往對不同行業、不同類別企業影響不同。據此本文將無信貸記錄的樣本企業根據行業性質進行劃分，并考慮疫情這一外生沖擊變量對不同性質、不同行業影響來調整優化銀行對該302家企業信貸策略。具體行業劃分如下：注：1-ak，1-bk表示第k個行業受疫情影響后發票作廢率變動系數與發票開票頻率變動系數。本文根據疫情暴發以來統計局公布的各行業利潤和營業額數據，分析判定出ak，bk相對大小，結合風險評估模型，對其做出改動：因為α由銷項發票作廢率和企業信譽評級影響且α=f(m,n)，m為企業銷項發票作廢率，n為信譽評級，則疫情沖擊后(,)kα′=fαmn，且銷項發票作廢率和企業信譽評級線性相關，故(,)kα′=αfmn，則疫情沖擊后企業風險評估模型如下：10logln()0.63953.2729Invoicekpitfreqcp==⋅α−⋅+將上述模型帶入銀行期望利潤模型。假設銀行在疫情發生前后利潤不變，最終決定出銀行對各企業放貸調整策略：疫情前后有：(1)[(1)](1)[(1)]iiiiiiiiprrpprrp−−+′=−′′−′+′貸款金額調整為：[(1)0.6395(1)3.2729*0.7302]iikkF′F−=Qa−α+−bfreq+c−且0.63953.2729*ikkp=aα−bfreq+c。故當ak越小，bk越大，其對應企業受疫情影響越大，銀行對企業的利率提高幅度越大，對企業貸款金額降低越多。

3.結論與建議

本文基于中小微企業相關數據，建立SVM模型，著力解決是否放貸問題，并建立Logit信貸風險模型從銀行放貸數額層面說明信貸決策方案。并進一步以全面的指標體系來構建中小微信貸風險模型，利用企業、銀行真實狀況的數值進行模擬，使結果更具實踐指導性。同時本文聚焦突發事件的影響，探究不同行業中小微企業信貸風險在沖擊下的異質性及其優化策略。基于中小微企業財務狀況和其他影響因素構建的信貸風險決策模型，可用于銀行放貸決策，為銀行信貸決策現實情景提供參考。基于本文研究結果，現針對中小微企業信貸決策提出建議：中小微企業信貸風險評估體系的建立完善。為更好進行信貸決策，商業銀行應綜合評估企業信貸風險的多方面因素，構建全面客觀的信貸評估體系，為更好規避信用風險提供理論基礎與決策依據。關注突發因素影響。對于中小微企業，突發因素沖擊往往關系到其抗風險能力的大小，關注可能出現的突發事件有助于企業進行融資決策。對商業銀行來說，應關注突發事件沖擊下不同行業信貸風險變化的異質性，及時調整信貸策略。

【參考文獻】

[1]胡海青,張瑯,張道宏.供應鏈金融視角下的中小企業信用風險評估研究——基于SVM與BP神經網絡的比較研究[J].運作管理,2012,11（15）：72-73.

[2]張奇,胡藍藝,王玨,基于logit與SVM的銀行業信用風險預警模型研究.[J].系統工程理論與實踐,2015,7（35）：1-3.

[3]馬九杰,郭宇輝,朱勇.縣域中小企業貸款違約行為與信用風險實證分析[J].中國農村發展論壇,2004,05（10）：61-62.

[4]靡仲春,申義,張學農.我國商業銀行中小企業信貸風險評估體系的構建[J].金融論壇,2007（03）：21-22.

[5]肖北溟.宏微觀分析相結合的信貸風險預測模型研究.[J].金融論壇,2004(10):60-61.

作者:趙潔 蘇鴻婷 單位:蘭州大學經濟學院