商业银行融资评估模型的构建及实证研究——以北京市中小企业为例

杨一平，陈泽新，陈丽娜

(首都经济贸易大学 信息学院，北京 100070)

一、中小企业融资评估模型的构建

随着第三次产业革命的浪潮，互联网技术的飞速发展带动各个行业各个领域的深刻变革，数据作为信息流的核心越来越被人们重视。邬贺铨(2013)认为，1998年全球网民平均每月使用流量是1MB(兆字节)，2000年是10MB，2003年是100MB，2008年是1GB(1GB等于1024MB)，2014年将是10GB；随着宽带化的发展，人均网络接入带宽和流量也迅速提升，全球新产生数据年增40%，即信息总量每两年就可以翻番，这一趋势还将持续；大数据存在于各行各业，一个大数据时代正在到来[1]。在经济领域，计量经济学的兴起使得经济学现象有了更精确的解释；欧美的金融机构利用数学模型研发各种金融产品，使得金融市场空前繁荣。中国的金融业起步较晚，发展潜力巨大，在大数据背景下应用数学模型对各种经济数据进行快速处理就可以有效把握瞬息万变的市场机会，这也是中国金融机构产品研发的一种主流趋势。中小企业单体规模小但总量巨大，在某个区域内中小企业往往以产业集群的方式存在，其经营信息繁杂而庞大，商业银行需要快速有效地了解分析这些数据并对其风险和收益进行评估以确定信贷计划，中小企业融资评估模型正是这种高效的工具。

二、融资评估模型

(一)融资评估模型结构综述

“黑箱”是一种哲学表述，即将某种理论或科学方法置于一个框架体系中，对输入其中的数据进行处理，然后输出相应的结果。从经济学的视角解释，即针对客户需求提供一种模块化的商品或服务，而客户并不了解这种商品或服务的内部结构，只是通过该“黑箱”得到客户预期的结果。商业银行对中小企业提供融资服务时，必然要对目标客户进行分析来决定客户质量和投资价值，从而达到风险控制和投资目的。客户只需要向银行提供必要的信息以便于银行评估信贷风险和投资价值，并不需要了解银行后台的工作流程。中小企业融资评估模型就是这样一种基于黑箱理论开发的商业银行评估体系(参见图1)。针对中小企业的特点，将中小企业的经营数据即财务指标分列为三大模块，然后利用DEA方法分别对这三大模块的数据进行处理，最后得到各个模块的相对效率评价指数，它们分别代表企业的偿债能力、经营能力和发展能力。实证研究证明，该模型可以有效筛选出企业提供的有效信息，节省人员和调查成本，快速给出企业信贷风险和投资价值的评价。

图1 中小企业融资评估黑箱模型

(二)DEA数据包络分析方法

数据包络分析(DEA)是数理经济学、运筹学、管理科学与计算机科学的一个新的交叉领域，它是由著名运筹学家查恩斯(A.Charnes)和库伯(W.W.Cooper)等于1978年开始提出并进一步发展的效率评价方法[8]。统计估计方法分为两种：一种是参数方法，即利用回归分析等方法构建函数关系，对变量进行统计和预测；一种是非参数方法，即利用具有不同属性的变量组成的样本集来进行统计分析。对于现实中的一些实际问题，其中的样本量之间的关系并不容易确定，如果使用参数方法估计，就会在样本中产生大量的冗余数据，这必然影响统计结果的准确性。因此非参数方法比参数方法更易于操作，准确性更高。DEA使用数学规划模型，对一组具有多输入输出的决策单元(DMU)进行评估，建立DMU集的“生产前沿面”。生产前沿面是对于经济学中二维生产函数的多维推广，它的本质是Pareto最优*西方经济学认为，生产的帕累托最优条件，对于用来生产两种产品的两种生产资源来说，就是它们的每一组合的边际技术替代率相等。DMU构成的面，可以对任意DMU进行相对有效性的量化评价。对中国期刊全文数据库的DEA方向的文章数量进行分析，中国学界对DEA方法的研究与应用蓬勃于2003年，其后四年间以每年30%以上的速度增长，10年来论文数从百篇到数千篇的数量级的飞跃，说明了DEA方法从早期的直接应用于制造业的投入产出分析，到后继者对于DEA方法的推广和创新广泛应用于区域经济、产业经济领域，DEA方法的价值越来越受到经济研究和组织管理人员的重视。

1.评价技术效率的CCR模型

假设有n个具有可比性的部门或单位，也称为决策单元(DMU)，每个DMU有m种输入和s种输出。用xij表示第j种DMU对于第i种输入的输入量，用yrj表示第j种DMU对于第r种输出的输出量，vi和ur分别表示对每种输出和输出量的“权”。其中(i=1,…,m;r=1,…,n;m≥1,s≥1)。

表1 决策DMU集

(1)

为不失一般性，假设hj0≤1，并以求DMU的效率指数最大为目标构成最优化模型

(2)

再经过C2—变换*它是在数学规划领域由Charnes和Cooper首先给出的处理分式规划的方法。将分式形式变换为线性规划(PC2R),那么其对偶规划(DC2R)为

(3)

(4)

称为DMU-j0为DEA有效。

生产可能集TC2R具有凸性和可加性的性质，如果对于单输入输出的DMU，可以通过微观经济学上的生产函数来解释DEA有效。DEA有效解构成了生产可能集TC2R的边界(被称为生产前沿面)，也就是生产函数y=f(x)，这称为技术有效；同时可以证明此点上的规模报酬不变(CRS)，也就是规模有效。也就是说，(DC2R)的DEA有效解的DMU同时为技术有效和规模有效。

2.评价纯技术有效的BCC模型

为了更清楚的研究技术有效中剔除规模效率后的纯技术效率，我们放松生产可能集TC2R的可加性假设，把这一可能性集叫做TBC2,它的生产前沿面是对生产函数对应的曲面的推广。线性规划模型(DBC2)为

图2 生产前沿面上的最优DMU

(5)

根据两个模型的特点，可以定义DEA模型 (PBC2) 的效率指数为纯技术效率(PTE)， (PC2R) 的效率指数为技术效率(TE)，规模效率(SE)为技术效率与纯技术效率效率的比值。那么有如下关系式：

(6)

3.基于中小企业特点的财务指标

中小企业不同于大企业的特点主要在于三方面：相较于大企业的跨领域多元化经营模式，其主营业务比较专一；相较于大企业的经营权与所有权层次多样，结构分离，其两权重合较为明显；相较于大企业的信息披露机制健全、经营数据完整、母子公司财务报表明晰，其信息披露不够，财务报表编制不够完整详实。因此在选取中小企业的财务指标作为DEA模型的输入输出参数时，本文甄选了中小企业中容易获得的几个关键参数，并将这些财务指标分为偿债能力、经营能力、发展能力三个层次*笔者参考了由中国企业评价协会同国家发改委中小企业司和国家统计局工交司于2000年提出的评价成长型中小企业的方法——GEP评价法。它以企业实际财务指标为直接依据,设计了5类10个财务指标体系,具体包括发展状况(销售收入增长率、净利润增长率、净资产增长率)、获利水平(内在投资价值、总资产报酬率)、经济效率(销售利润率、工资增加值率、资本收益率)、偿债能力(资产负债率)、行业成长性(行业收入增长率)等,运用二维判断法对中小企业经济发展进行综合评估。，使得分析结果能够全面的综合的体现出企业的信贷风险和投资价值。

企业的偿债能力由短期偿债能力和长期偿债能力构成，短期偿债能力是长期偿债能力的基础，因此将短期偿债能力作为输入，长期偿债能力作为输出构成偿债能力DMU。流动比率是企业流动资产与流动负债的比值，用来衡量企业流动资产在短期债务到期以前，可以变为现金用于偿还负债的能力。速动比率是指流动资产中除去不能立即变现存货和预付账款的速动资产对流动负债的比率，它是衡量企业流动资产中可以立即变现用于偿还流动负债的能力。流动比率和速动比率可以很好的反映企业的短期偿债能力。资产负债率是负债总额与资产总额的比例关系，可以据此判断企业在长期内举债经营的程度，是企业长期偿债能力的反映。

企业的经营能力由企业的各项业务的利润来衡量。根据上述中小企业特点，只需要将其主营业务作为经营能力的评价即可。经营能力DMU由营业总成本和营业总收入构成，对于中小企业，其营业成本和收入通常是指主营业务成本和收入。

企业的发展能力主要由企业的资产、负债和所有者权益的变动情况来反映，企业获得资金以后，会扩大再生产或者更新人力或技术资本，在财务指标上体现为资产、负债和所有者权益的变动；通过一定时期的生产经营，这些变动会直接影响企业的产出，在财务指标上体现为利润的增长。发展能力的输入部分正是反映了这种变动，这一部分本文采用股东权益比和净资产增长率作为输入指标。净资产收益率经常作为商业银行判断投资收益的重要依据，但是作为综合反映企业发展能力的指标有失公允。笔者认为每股收益作为反映所有者权益部分的盈利能力的指标，也体现出企业对于投资机构的回报水平，应该与净资产收益率一起作为评价企业发展能力的产出部分。

三、实证分析

(一)数据处理

本文选取了北京市海淀区神州泰岳软件股份有限公司、乐视网信息技术(北京)股份有限公司等14家信息技术产业的中小企业作为目标对象，这14家企业均在深圳证券交易所创业板上市并定期对外发布年报和披露信息。创业板主要针对解决创业型企业、中小型企业及高科技产业企业等需要进行融资和发展而设立，进入门槛较低，故上述企业符合中小企业这一要求。

首先从各公司年报中撷取各项财务指标，包括可以直接得到和需要计算得到的两部分，其中计算要用到的公式如下：

流动比率=流动资产/流动负债

(7)

速动比率=(流动资产-存货-预付款项)/负债

(8)

股东权益比=所有者权益/资产总额

(9)

净资产收益率=净利润/平均净资产

(10)

评价经营能力、发展能力、偿债能力所需的详细数据略。

以上数据经过公式(7)～(10)计算得到企业的关键财务指标作为模型待处理数据，如表2列示：

表2 待处理财务数据

续表

注：经营能力中x1j，y1j分别代表主营业务成本、主营业务收入，发展能力中x1j，x2j,y1j,y2j分别代表股东权益比、净资产增长率、每股收益和净资产收益率，偿债能力中x1j,x2j,y1j分别代表流动比率、速动比率和资产负债率。

说明：货币为人民币，单位为元。

将这些DMU分别代入式(3)和式(5)并求求解，使用Deap2.1软件计算，得到各个企业的经营能力、发展能力和偿债能力效率指数如表3：

表3 企业效率指数结果

(二)模型结果评估与分析

根据模型得出的各方面效率指数整体情况看，这14家信息技术产业的中小企业的经营能力和偿债能力一般，发展能力较好。这说明中小企业与大企业相比，其业务竞争力和抗风险能力均处于弱势地位，但是中小企业业主较注重股东和投资人利益和企业资本增值。从经营能力上看，各家企业的纯技术效率低而规模效率较高，这说明这批信息技术企业的技术相对成熟，产品研发和生产能力较为稳定，有相当大的提升空间，如果加大创新投入改善技术，提升管理水平，其经营能力将有全面的提升。从偿债能力上看，信息技术中小企业的债务风险较大，这是由于信息技术企业属于知识密集型产业，其资产组成中有相当大的无形资产。大企业由于其固定资产较多可以向银行提供担保，但是中小企业往往缺少这样的担保，这也是商业银行对中小企业融资一直处于审慎态度的原因之一。从发展能力上看，这批中小企业的成长性都非常高，有着相当大的上升潜力，资本增值情况良好，基于发展和长期的眼光，商业银行应该对其提供贷款达到双赢。总的来说，商业银行对这批中小企业发放贷款是有价值的，但是对于不同企业具体指标上的差异商业银行需要进一步具体分析差别对待。

邦讯技术、飞利信三项指标均处于较高水平，属于行业中的优质企业，商业银行可以对这两家企业适用较高额度的贷款。乐视网偿债能力和发展能力很强，但其经营能力较差，这是由于企业资本雄厚但其盈利模式尚未成熟引起的。乐视网主要涉足互联网传媒和文化产业，近年来大手笔布局整条互联网文化产业链，从文化作品的网络版权的大量储备到终端设备的研发和生产，企业投入大量的资金，因此该企业处于产业整合阶段。由于偿债能力很强，商业银行可以对其适用高额度的商业贷款，并对其经营能力进行持续跟踪，随着企业战略调整的逐步成熟，乐视互联网文化产业生态的逐步形成，商业银行可以后续适当提高贷款额度；捷成股份、北信源、旋极信息、掌趣科技、同有科技、银信科技、拓尔思、世纪瑞尔、数字政通这9家企业经营能力和发展能力较好，偿债能力较差。这说明企业盈利模成熟，形成了稳定的业务流，但是企业负债较高。商业银行基于风险控制的角度，应给予中等额度的贷款。具体指标的差异也可以为商业银行提供信息参考，比如，捷成股份经营能力中纯技术效率达到最优，但其规模效率低下，说明该企业的产品可能达到生命周期中后期，企业应着力技术创新，否则其发展前景堪忧。商业银行应对捷成股份进行后续跟踪以适当调整贷款额度。华宇软件和神州泰岳的三项指标综合比较来说应处于14家公司较低水平，特别是经营能力和偿债能力同时较低，这反映了公司经营战略盲目，公司投入回报率不高的问题，企业应该找准市场定位，适当调整业务方向。神州泰岳是中国移动飞信业务的提供商，飞信业务部分替代了短信成为移动用户联系的重要工具，也给公司带来了可观的收入。但是近年来第三方通讯工具微信、易信的流行突破了通信运营商的垄断，使得飞信业务遭到巨大挑战，神州泰岳也深刻认识到了这一点，它通过布局新产业投资新领域来调整公司方向，但也造成了转型期经营能力和偿债能力两项指标低的局面。同时这两家公司的发展能力较强，对比三种指标的高低差异可以估计企业利用庞大债务资金的金融杠杆造成其资产增值速度快的情况，因此商业银行应对其持谨慎态度，密切关注公司的后续发展。

四、结论与展望

模型实证分析体现了该模型的价值，突破了中小企业融资的三大难题。一是信息不对称难题：模型要求的数据都是企业财务的关键数据，它规避了商业银行需要中小企业提供的各种详细信息，这无疑简化了中小企业信息采集和调研工作。二是逆向选择难题：传统的中小企业联保贷款中的企业情况参差不齐，企业联合体需要共同承担违约风险。违约意愿强的企业必然获利较大，这使得其他企业被迫承担额外风险，因此这种联保贷款模式并不能长久存在。中小企业融资评估模型根据三方面的效率指数将企业区分开来，从而将那些违约意愿较差的企业筛除并将情况类似的企业结合为更稳定的贷款联合体，并且该模型快速高效的特点可以更方便的对联合体进行评估，并在后续期内调整企业成员以控制风险，这种新型的动态联保贷款也是模型带来新模式。三是商业银行对于中小企业贷款的定价难题：国际上主流的方法是采用高利率，但是中国贷款利率由中央银行制定，浮动区间有限，所以商业银行基于风险和收益的综合考虑往往倾向于贷款额度更大，风险更小的大企业。中小企业融资评估模型采用DEA方法计算出各个企业的三个方面的效率指数，为企业风险和投资收益的评估提供了量化基础，这使得在此基础上的更有针对性的利率制定成为了可能。

然而模型也存在着一些不足。DEA方法是一种非参数效率评价方法，同时还有参数方法，如随机前沿法(SFA)。弗莱德(Fried)等提出了一种DEA三阶段法，该方法交叉使用DEA和SFA方法将外部环境与随机误差对效率的影响去除,使得所计算出来的效率值能更加真实地反映企业的内部管理水平[3]。而且该模型的量化评估只是给出了商业银行的融资指导性计划，而没有在具体额度和利率上进行讨论，这也跟商业银行对于信贷具体指标披露的限制有关。但是该模型的提出是一种在大数据时代的背景下利用数学方法和经济指标开发银行金融产品的思路的实践，更完善更精密的模型将会被开发并越来越多地应用在金融领域。

参考文献：

[1]邬贺铨.大数据时代的机遇与挑战[J].求是,2013，(4):47-49.

[2]魏权龄.评价相对有效性的数据包络分析模型-DEA和网络DEA[M].北京:中国人民大学出版社,2012.

[3]H O Fried. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J]. Journal of Productivity Analysis, 2002，(17): 157-174.