论文部分内容阅读
摘要：在社会的不断发展过程中，中小企业已经逐渐成为了我国经济进步的中坚力量。但中小型企业由于其规模限制问题，致使其融资手段较为单一，融资较为困难，这也是中小型企业发展道路上所面临的问题之一。本文围绕着信用风险展开论述，建立中小型企业Logistic模型，并对模型进行实证研究，同时深入分析得出相关结论提出防范风险措施，以供相关行业参考。
关键词：信用风险;中小型企业
1.Logistic模型构建
在如今时代，可以说企业信用是企业发展的基础保障。因此，企业应当加大对自身信用风险的关注力度。在此，本文对中小企业进行分析，根据其实际的违约概率信息来建立信用违约预警模型。
1.1选取研究样本
本文所构建的企业信用违约预警模型是依据多家企业信息来进行的，其中包含有制造业、服务业、科技类、销售业等等。笔者利用相关技术在数据库中收集有42家中小企业的年度财务报表，经过相关标准的筛查获取到有效真实的数据。
1.2选取风险指标
选取风险指标主要是根据中国银行对于企业信贷方面的评级进行，并且在选取的过程中将中小企业各自的融资情况和其自身的发展程度作为参考。笔者在违约预警模型构建的过程中选取23个财务风险指标，其中包含有企业的盈利能力、还债能力和发展能力等等。
1.3基于Logistic的模型构建
建立 Logistic 回归模型：
将第i个公司的因子得分矩阵设为Zi，根据企业信用的违约概率来预警中小型企业的信用风险，当企业无违约情况时记为1，反之记为0，判定结果为非连续变量，因此中小企业的信用违约概率和Zi的关系如下：
式中：
Pi--第i个公司出现违约的概率，范围为0-1。
P值越接近1，该企业所发生违约的概率越小，企业的信用风险越低，反之违约概率越高，企业的信用风险越高。本文为了更加明确企业信用的预警信号，将P=0.5作为正常、异常分割点，当企业出现违约的概率P小于0.5时，企业便被设定为违约企业，反之则为正常企业。
2.实证研究
2.1样本的描述性分析
2.1.1显著性检验
对各个公司的23个财务指标进行严格筛选，避免出现遗漏数据、不真实数据的情况，从而影响模型的效果。公司信用度较高的企业在信用风险模型中的指标均值和方差会高于信用较差的企业。
2.1.2多重共线性检验
在本模型的样本选择中，需要剔除具有共线性的指标，只保留一种指标，如此便能节省工作量，并且对模型结果无影响。再剔除相关数据后需要利用有效手段来严重共线性的问题是否得到有效解决，在解决的情况下进行下一步。
2.2因子分析
笔者在样本指标选取时利用因子分析提炼出公共因子，避免因为某些指标数据对结果影响较小而剔除。
2.2.1数据检验
由上表可以看出，Bartlett球形假设检驗近似卡方值较大，显著性水平小于0.05，KMO值接近于1，变量间的相关性较强，适合做因子分析。
2.2.2因子提取
依据相关手段验证，每个指标的共同度均高于0.65，证明因子分析结果具有有效性。
因子提取后根据相关手段来计算出因子的得分情况。
2.3 Logistic模型回归
用因子分析结果进行逻辑回归，回归结果如下：
回归结果代入上式，可得如下预警模型：
从该模型我们可以看出，主因子F1、F2、F3、F4、F5均进入回归方程，这表明企业失败的概率更多地受偿债能力、盈利能力、发展能力和营运能力的影响。
3.结果分析与风险防范
3.1结论及分析
根据对Logistic预警模型分析，企业的信用与其主营业务利润率、总资产周转率、流动资产周转率、应收账款周转率成正相关。如此说明企业利润越大，经济效益越好、资金利用率越高信用风险越低。
3.2信用风险防范建议
（1）建立完善的外部制度体系。良好的外部制度环境是降低中小企业融资信用风险的首要手段。在外部制度环境的营造过程中，可以借助政府、核心企业和银行力量来进行;（2）完善预警体系。根据数据分析，企业应收账款等指标依旧是影响中小企业信用风险的主要因素。因此企业应当加大对账期、账龄的分析判断，更加关注资产周转率、流动资产周转率等指标，以此来提高企业信用。（3）合理分配信用额度。在国家政策的引领下推动金融机构创新融资产品，应根据中小企业特点大力发展应收账款融资模式。扩大中小企业信贷途径，加强与股份制商业银行、城市商业银行合作，以此提高中小企业信用度。
参考文献：
[1]王千红，张敏.我国中小企业信用违约风险识别的实证研究[J].上海经济，2017（01）：91-100.
[2]张嘉欣.供应链金融模式下中小企业信用风险评价模型[J].中国市场，2020（16）：188-189+193.
关键词：信用风险;中小型企业
1.Logistic模型构建
在如今时代，可以说企业信用是企业发展的基础保障。因此，企业应当加大对自身信用风险的关注力度。在此，本文对中小企业进行分析，根据其实际的违约概率信息来建立信用违约预警模型。
1.1选取研究样本
本文所构建的企业信用违约预警模型是依据多家企业信息来进行的，其中包含有制造业、服务业、科技类、销售业等等。笔者利用相关技术在数据库中收集有42家中小企业的年度财务报表，经过相关标准的筛查获取到有效真实的数据。
1.2选取风险指标
选取风险指标主要是根据中国银行对于企业信贷方面的评级进行，并且在选取的过程中将中小企业各自的融资情况和其自身的发展程度作为参考。笔者在违约预警模型构建的过程中选取23个财务风险指标，其中包含有企业的盈利能力、还债能力和发展能力等等。
1.3基于Logistic的模型构建
建立 Logistic 回归模型：
将第i个公司的因子得分矩阵设为Zi，根据企业信用的违约概率来预警中小型企业的信用风险，当企业无违约情况时记为1，反之记为0，判定结果为非连续变量，因此中小企业的信用违约概率和Zi的关系如下：
式中：
Pi--第i个公司出现违约的概率，范围为0-1。
P值越接近1，该企业所发生违约的概率越小，企业的信用风险越低，反之违约概率越高，企业的信用风险越高。本文为了更加明确企业信用的预警信号，将P=0.5作为正常、异常分割点，当企业出现违约的概率P小于0.5时，企业便被设定为违约企业，反之则为正常企业。
2.实证研究
2.1样本的描述性分析
2.1.1显著性检验
对各个公司的23个财务指标进行严格筛选，避免出现遗漏数据、不真实数据的情况，从而影响模型的效果。公司信用度较高的企业在信用风险模型中的指标均值和方差会高于信用较差的企业。
2.1.2多重共线性检验
在本模型的样本选择中，需要剔除具有共线性的指标，只保留一种指标，如此便能节省工作量，并且对模型结果无影响。再剔除相关数据后需要利用有效手段来严重共线性的问题是否得到有效解决，在解决的情况下进行下一步。
2.2因子分析
笔者在样本指标选取时利用因子分析提炼出公共因子，避免因为某些指标数据对结果影响较小而剔除。
2.2.1数据检验
由上表可以看出，Bartlett球形假设检驗近似卡方值较大，显著性水平小于0.05，KMO值接近于1，变量间的相关性较强，适合做因子分析。
2.2.2因子提取
依据相关手段验证，每个指标的共同度均高于0.65，证明因子分析结果具有有效性。
因子提取后根据相关手段来计算出因子的得分情况。
2.3 Logistic模型回归
用因子分析结果进行逻辑回归，回归结果如下：
回归结果代入上式，可得如下预警模型：
从该模型我们可以看出，主因子F1、F2、F3、F4、F5均进入回归方程，这表明企业失败的概率更多地受偿债能力、盈利能力、发展能力和营运能力的影响。
3.结果分析与风险防范
3.1结论及分析
根据对Logistic预警模型分析，企业的信用与其主营业务利润率、总资产周转率、流动资产周转率、应收账款周转率成正相关。如此说明企业利润越大，经济效益越好、资金利用率越高信用风险越低。
3.2信用风险防范建议
（1）建立完善的外部制度体系。良好的外部制度环境是降低中小企业融资信用风险的首要手段。在外部制度环境的营造过程中，可以借助政府、核心企业和银行力量来进行;（2）完善预警体系。根据数据分析，企业应收账款等指标依旧是影响中小企业信用风险的主要因素。因此企业应当加大对账期、账龄的分析判断，更加关注资产周转率、流动资产周转率等指标，以此来提高企业信用。（3）合理分配信用额度。在国家政策的引领下推动金融机构创新融资产品，应根据中小企业特点大力发展应收账款融资模式。扩大中小企业信贷途径，加强与股份制商业银行、城市商业银行合作，以此提高中小企业信用度。
参考文献：
[1]王千红，张敏.我国中小企业信用违约风险识别的实证研究[J].上海经济，2017（01）：91-100.
[2]张嘉欣.供应链金融模式下中小企业信用风险评价模型[J].中国市场，2020（16）：188-189+193.