论文部分内容阅读
中小企业的发展关系着国家经济社会的发展,我国企业绝大部分是中小企业,其在城镇人口就业、出口贸易、技术创新等方面都发挥着重要作用。目前其主要融资来源是商业银行,但是商业银行对于中小企业融资还存在很大的担忧。究其原因,一方面是中小企业的财务数据等信息不透明;一方面是由于信用评级体系和方法的限制,商业银行无法对中小企业进行有效的信用评估,导致商业银行惜贷。因而,完善中小企业信用评级体系也就变得尤为重要。企业的信用评级有助于商业银行评估中小企业信用风险,帮助优秀的中小企业接受银行更多的政策、资金倾斜;同时,对于经营管理不够好的企业,起着警示督促作用,具有显着的实践意义。在指标体系选取中,结合了定性和定量指标,在完备中小企业信用评级体系,提供了一定的参考;把BP神经网络用于中小企业信用评级,丰富和更新了商业银行信用评级方法,具有重要的学术价值。本文从中小企业融资难作为切入点,让融资问题和信用评级进行良好的对接,为中小企业融资问题解决提供突破口。对于中小企业信用评级指标体系,结合了定性和定量指标,并将定性指标定量化表示,减少了指标选取中的主观人为因素。评分模型运用了 BP神经网络的方法,以50个中小板企业为样本,进行对信用评分,然后也对构建的的神经网络模型进行检验,由此同时,也利用了线性回归的方法对上述样本线性拟合,比较两种模型的结果,分析它们结果的原因,进一步阐述了神经网络在信用评级邻域中具有的重大优势。首先,本文对中小企业面临的融资困境的原因进行阐述,而导致这一现象的原因之一就是银行对于企业信用的担忧,提出了解决融资难的一个突破口,就是完善商业银行对中小企业的信用评级体系。然后,本文参考了中国人民银行,组织协会,建设银行,标准普尔以及穆迪公司的企业信用评级指标,但是由于我国中小企业在信息公开比较少,也存在财务指标数据的不真实的情况,结合此特点,文本建立了中小企业的信用评级指标体系,偿债能力、盈利能力、营运能力、成长能力、经营者及员工素质、创新能力六个一级指标,二级指标有16个。在二级指标的筛选中,通过对前人研究成果的搜集。整理,综合筛选出16个指标,指标体系结合了定性和定量指标,也有财务指标和非财务指标的体现,并且也对领导者管理水平、员工素质、创新能力三个定性指标,进行定量化处理,用可量化的行政管理人员比重、大专以上人员比重、科研技术人员比重来表示。建立起的指标体系比较适用于中小企业,为银行评估企业信用提供一定参考。在指标体系构建完成后,需要选取一个评分模型,传统的信用评级方法有5C、5P、5W,这些方法对于不能量化的因素带有主观不确定性,并且对于专家人员的数量和质量要求高,需要不断更新专家库;统计模型法在信用评级方面的运用,有其简单易操作的特点,但是模型不能反映一个动态的过程;层次分析法用于信用评级在判断相对重要性时存在较大的主观性。然而,在阐述BP神经网络的理论过程中,发现它能够避免在权值确定等方面时的主观性,也能够很好处理非线性问题,具有很强的学习能力,并且适用于中小企业信用评级。经过上述指标和模型的选取,接下来,进行基于此模型的实证分析,并和线性回归模型结果进行对比分析。根据此问题的需要和神经网络理论,BP神经网络采用了 16-8-1的拓扑结构,即设置了只有一层隐含层的网络结构,其中输入层有16个神经元节点(16个二级指标),隐含层有8个神经元,一个输出值就是企业的信用评分。以50个中小板企业样本数据为例,采用样本剖分法,40个样本用于训练BP神经网络,10组数据用于检验网络结构。以绝对误差小于0.05作为容忍范围,训练样本的预测评分准确率高达92.5%,检验样本的准确率为80%。同时,也用相同的数据,对上述样本进行多元线性拟合,因变量为期望信用评分,自变量为16个指标节点,拟合结果的残差却要大的多,拟合样本的准确率只有42.5%,显示出线性回归在中小企业信用评级中的巨大弊端。实证的结果表明,BP神经网络在中小企业信用评级中体现出了巨大优势。最后,本文的结论是:(1)中小企业的融资难问题主要原因是信息不对称,商业银行为了规避风险,对中小企业息贷,因此加强企业信息公开,商业银行加强对中小企业信用评级体系建设,为融资难问题破解助力。(2)中小企业信用指标应同时结合定性指标和定量指标、财务指标和非财务指标的选取,对定性指标定量化,减少在指标中的主观性。(3)信用评级的统计模型法受制于变量数据正态分布的假设,而财务指标数据一般是不会服从正态分布的,在实证的对比中,也看出了统计模型并不适用于中小企业信用评级。(4)同时,在实证中,也证明了,BP神经网络在信用评级中的优势:一是它具有良好的自适应能力,在确定各指标体系权重中,不需要人为来确定,而是根据数据反复训练学习,来确定和调整输入和输出之间的关系,能够弱化主观因素的存在;二是处理非线性的能力。用线性回归模型得出的评分残差比较大,而BP神经网络的残差比较小,体现出处理非线性问题的能力。三是BP网络具有很好的动态评价效果。