BSC视角下小微物流企业信贷风险评价—基于灰色关联度的模糊分析

蒋宏成，赵 爽，吴启高

（无锡职业技术学院，江苏 无锡 214024）

1 引言

根据全国工商总局的数据，截止2013年底，全国市场主体数量达6 062.38 万户，其中99%以上是小微企业（含个体工商户），其向社会提供了70%以上的城镇居民和80%以上的农民工就业岗位，占据GDP 的60%，贡献了50%的税收，却只占用了社会30%的资源。小微企业是我国宏观经济平稳快速发展的重要基础，但其发展却深受融资瓶颈困扰，小微企业融资难、融资贵已成为制约其发展的最重要因素之一。尽管政府出台了包括调整商业银行存贷比计算口径、定向降准等许多政策支持小微企业融资，但商业银行将小微企业自身实力弱、资产抵押小、信用缺失、资产负债率高等现实情况考虑在内，为规避风险而对小微企业惜贷，造成的结果是小微企业的融资需求与商业银行给予的信贷规模之间还有很大的差距，形成了实事上的麦克米伦缺口。

解决小微企业融资难、融资贵的核心问题之一在于有效评价小微企业信贷风险，信贷风险评价水平等级对商业银行做出放贷决策影响重大。国外学者对小微企业信贷风险评价已有较好的研究成果和实务应用，如Z-Score、ZETA、KMV、Credit Metries、Credit Risk等众多较为先进的评估模型和理论[1]，在实务领域中，美国富国银行专注为小微企业贷款并取得了骄人的业绩，但国外学者的研究成果与实务经验因需要较多的基础性数据支撑而在我国难以得到较好的应用。而国内学者对小微企业信贷风险评价研究成果较少，万绍玫（2010）从定性角度研究了我国中小企业信贷风险表现形式及对策[2]，钱慧、梅强、文学舟（2013）引入主成分分析-BP神经网络法来探索小微企业信贷风险评估的适用性[3]，刘澄、武鹏、郝丹洁（2013）采用模糊集理论对科技型小微企业信用等级评估进行了研究[4]，孙清华、张瞳、刘瑞林（2012）从RAROC 角度对金融企业防范小微企业信贷风险问题进行了研究[5]，来国伟（2013）分析了小微企业信贷风险的成因及防范对策等[6]。纵观国内外相关研究成果，其针对不同的环境和不同的情况进行了各自的研究，但非常缺少能有效解决国内小微企业信贷风险评估的普适性模型。在小微企业信贷风险评价方面有两个主要问题亟待解决，一是评价指标的选择问题：商业银行经常采用或参照使用与大中型企业信贷风险评价相一致的指标体系，脱离了小微企业信贷信息的主要特点；二是评价方法的选择问题：我国小微企业不仅存在着资产规模小、群体广、资产负债率高等不足，还存在着信息质量不高，甚至缺失的情况，迫切需要能够适应小微企业信贷信息灰色和定性信息较多等特点的评价方法。

鉴于小微企业信贷风险评价研究现状和文献，本文以小微物流企业信贷风险评价为研究重点，通过构建信贷风险评价指标体系和评价方法，在运用层次分析法对各指标进行权重分配的基础上，针对小微物流企业信贷存在的信息严重不可得性缺陷，使用基于灰色关联度的模糊分析方法展开研究，以期建立一种适应性比较广泛的小微物流企业信贷风险评价模型，并可考虑将该模型推广到一般性小微企业信贷风险评价，目的在于推动解决小微企业信贷困境。

2 小微物流企业信贷风险评价指标的选择

Joes A. G. Baptista等以回归统计方法，得到影响小微企业信贷风险的因素包括贷款人经营理念、经营水平、违法记录、经营思路、贷款利率和用途等；美国马萨诸塞州大学的M.S.Johan和K.S.Bawa（2007）验证了贷款人的信贷状况、法律对贷款人的约束力、贷款人的家庭收支情况、贷款人的受教育程度、贷款人的总固定资产等均为小微企业信贷风险的影响因素[7]。国内的刘澄、武鹏、郝丹洁（2013）将包括小微企业财务指标、企业状况、发展前景等三方面共15项指标纳入科技型小微企业信贷风险评估模型，而博鳌亚洲论坛发布的《2013小微企业融资发展报告》指出，小微企业一般缺乏财务报表、抵押担保以及信用记录方面的“硬信息”，商业银行因信息不对称问题也很难获得小微企业与其他客户的交易状况、信用状况等方面的“软信息”。

本文在前人研究的基础上，针对小微物流企业信贷风险评价指标的选择，主张借鉴平衡计分卡（简称BSC）管理思想，采用定量指标与定性指标相统一的综合性指标体系。BSC是一种先进的管理思想，它强调从财务、顾客、内部过程、学习与创新四个维度对企业进行全面认识与分析，每个维度都可选取恰当的指标来反映该维度的状况，并且各维度指标之间并不是孤立存在的，而是与企业目标相联系，并且最终都以直接或间接的形式和企业的财务表现相关联。

从BSC 视角来评价小微物流企业信贷风险，其积极意义非常明显：通过定量与定性指标相结合，不仅可以反映小微物流企业当前的状况，还可以引导商业银行全面的分析小微物流企业的未来发展态势，从而让商业银行从目前的过分注重偿债能力中解放出来，将更多的决策因素转移到小微物流企业的成长和发展中来。评价指标体系见表1，该指标体系不仅反映小微物流企业当前的还贷能力，还注重其未来发展潜力，对引导商业银行将小微物流企业信贷风险评价重点往后延伸有积极作用，从而能为有发展潜力的小微物流企业提供更多更好的信贷支持。

表1 BSC视角下的小微物流企业信贷风险评价指标体系

3 灰色关联度的模糊分析模型

模糊分析方法把数学的应用范围，从精确数据扩大到了模糊现象领域；灰色关联度分析对于信息不够明确情况有很好的处理效果。结合小微物流企业信贷信息的不准确性与缺失性，模糊分析和灰色关联度分析已被证明是有效的方法。现采用基于灰色关联度的模糊分析方法对小微物流企业信贷风险进行评价。

3.1 灰色关联度模糊分析模型的构建

由参与评价的小微物流企业组成评价对象集合E={e1,e2,…,en}；由所选择的评价指标组成评价指标集I={i1,i2,…,im}，ik(k=1,2,…,m)是第k个因素的指标。对参与评价的任一小微物流企业ej，可以通过评价指标集得到评价向量ej=(i1j,i2j,…,imj)，其中ikj∈ik,k=1,2,…,m；j=1,2,…,n。

因此在评价指标ik上可以得到一个单目标模糊决策函数：

对于给定的小微物流企业所组成的评价对象集E，函数值fk(ej)fk(ikj)∈[0,1]表示小微物流企业ej在指标ik上的优越度[8]。令：

那么，可得到模糊关系矩阵R：

R 为综合评价矩阵，R 的第k 行向量中的每一个分量rj(k)是第j个小微物流企业的第k个因素指标Ikj与第k个最优指标的关联度，并可根据rj(k)的大小进行优越度排序。

由于rj(k)是单因素评价，而评价指标集中各指标对小微物流企业信贷风险的影响程度不同，因此需要将各单因素评价通过权重向量进行加权，即用评价指标集各指标权重组成的向量P={P1,P2,…,Pm}与综合评价矩阵相乘，即可得到小微物流企业信贷风险的综合评价C：

C为综合考虑小微物流企业j所有因素后的优越程度，cj∈[0,1]，j=1,2,…,n。

3.2 模型基本原理及步骤

（1）选择小微物流企业信贷风险评价的参考数列与比较数列。把小微物流企业集E={e1,e2,…,en}作为评价对象，确定相应评价对象的比较数列；选择评价指标集I={i1,i2,…,im}中的m个指标，并将相应的参考数列作为评价标准。由此得到比较数列如下：

参考数列为：

（2）建立评语集。采用集合V来表示评语集，V={V1,V2,…,Vj}，Vj表示信贷风险水平的第j个等级。

（3）分配信贷风险各评价指标权重。利用层次分析法（AHP）基本原理，通过构造小微物流企业信贷风险评价指标的目标层、准则层和方案层判断矩阵，在通过矩阵一致性检验的基础上，分配各准则层和方案层指标权重，从而得到各指标权重如下：

Pk为通过AHP法确定的第k个评价指标权重。

（4）计算信贷风险各评价指标的灰色关联系数[9]。

其中，ri(k)是比较数列Xi的第i 个评价对象中的第k 个评价指标与参考数列X0的第k个评价指标上的相对差值；ρ∈[0,1]，由此可以得到模糊关系矩阵R。

（5）进行基于灰色关联度的模糊分析，并得出评价结果。将权重矩阵与模糊关系矩阵相乘，即可得到评价结果矩阵C；参照评语集V，即可对小微企业信贷风险做出有效评价。

4 模型应用举例

现以向无锡某商业银行申请信贷的3家小型物流企业（凡顺物流、正仁物流、亚中物流）相关信息为例，展示基于BSC的小微物流企业信贷风险灰色关联度模糊分析模型的应用情况。

4.1 选择评价指标体系

采用表1 所列示的BSC 视角下的小微物流企业信贷风险评价指标体系，有效地将各小微物流企业的关键性信贷定量指标、定性指标融合在一起，对于信贷风险的评价起关键性作用。

4.2 建立评语集

取评语集V=（V1优秀，V2良好，V3中等，V4较差，V5很差），并建立信贷风险水平等级划分表，见表2。

表2 小微物流企业信贷风险水平等级划分及其含义

4.3 确定被评企业的指标数值列和参考评价标准数列

对于所选的3家小企业，除了需要审核其会计报表之外，还需要派专业人员到企业实地调研以获取重要的定性信息，在此基础上邀请银行信贷方面的专家对它们的20个指标进行评分，每项指标分值在0-100之间，以100分为最高分，并对原始评分数据采用简单加权平均法进行统计，从而得到比较数列与参考数列，见表3。需要注意的是，对于资产负债率这样的指标，其值越高，小微物流企业信贷风险越高，其评分值为越小越好，属于负向指标；而对于其他指标，其值越大，小微物流企业信贷风险越低，其评分值为越大越好，属于正向指标。

4.4 确定评价指标权重

采用层次分析法（AHP）对小微物流企业信贷风险评价的定量指标和定性指标进行赋权，具体过程如下：

（1）构建AHP 多层次模型。根据AHP 的应用原理，把小微物流企业信贷风险作为目标层，把四个维度作为准则层（D1-D4），把20 个具体指标作为方案层（I1-I20），构建AHP 多层次模型；并采用1-9 标度法（含义见表4），在参照专家打分的基础上，确定因素之间的相对重要性并赋值。

（2）构建判断矩阵。以准则层赋值为依据，构建准则层判断矩阵D如下：

其中，Dij＞0，Dij=1（i=j）,Dji=1/Dij。

表3 3家小型物流企业信贷风险评分比较数列与参考数列

表4 因素两两比较判断标度含义

说明：指标两两相比较的标度说明了前一指标相对于后一指标的重要性；若标度评定为2、4、6、8，说明其重要性介于相邻的两个标度之间；若因素i 和因素j 相比较得到的判断值为aij,则因素j 和因素i相比较的判断值为aji=1/aij。

设定D1为财务维度方案层判断矩阵，D2、D3、D4分别为市场顾客维度、内部流程维度、学习与创新维度方案层判断矩阵，以方案层赋值为依据，构建各方案层指标判断矩阵如下：

（3）运用AHP软件进行权重分配。设定AHP软件检验参数：一致性比例阀值为0.05，最大一致性比例为0.05，缺失项最大比例为5%。通过次序一致性和基本一致性检验后，由AHP软件计算得出准则层和各方案层指标权重分配结果。若以PD表示准则层权重向量，PD1、PD2、PD3、PD4分别表示财务维度、市场顾客维度、内部流程维度、学习与创新维度权重向量，则各权重向量如下：

现以财务维度方案层指标I1权重计算过程为例进行计算说明，其他指标计算过程类似，如下：

方案层指标I1权重=方案层指标I1所属的准则层权重×指标I1在所属的方案层权重=财务维度权重0.333 3×指标I1在财务维度方案层权重0.105 3=0.035 1（四舍五入）

同理，通过AHP 软件计算可得到方案层各指标权重向量Pk，权重分配结果见表5。

表5 方案层各评价指标权重分配表

由表5可知，定量信息占比46.67%，而定性指标信息占比53.33%，该指标权重体系完全符合立足支持小微物流企业信贷不能仅关注当前偿债能力的观点。同时，可将各方案层指标权重形成方案层权重向量Pk。

4.5 计算灰色关联系数

根据灰色关联度计算公式，对企业1而言，两级最小差和最大差情况如下：

同理，可计算得到3家小企业各指标的灰色关联系数，将计算结果汇总如下：

在此基础上可以得到模糊判断矩阵R=(r1(k),r2(k),r3(k))。

4.6 计算基于灰色关联度的模糊分析结果

基于上述分析与计算结果，将权重向量Pk与模糊关系矩阵R 相乘，即可得到小微物流企业信贷风险综合评价结果C。以企业1的综合评价结果的计算过程为例，计算如下：

同理可得C2=0.755 5，C3=0.782 3。 即C=Pk×RT=(0.809 1,0.755 5,0.782 3)。

根据综合评价结果，对比模糊评语集可知，企业1信贷风险等级为良，而企业2和企业3信贷风险等级为一般，但企业3比企业2风险略低一点。如果按照风险水平排序决定放贷程度，则放贷先后顺序和放贷程度从高到低依次为：企业1＞企业3＞企业2。

5 结论

基于BSC的小微物流企业信贷风险评价灰色关联度模糊分析模型，能有效地评价小微物流企业信贷风险水平。此外，该评价模型还有以下四个方面的优点：

（1）从BSC观点出发，以全面的视角看待小微物流企业的发展，而不仅仅把目光停留在当前的偿债能力上；该模型能有效引导商业银行将评价重点向后延伸，对引导商业银行在有效评价信贷风险的基础上做出科学的信贷决策起积极的促进作用。

（2）该模型充分考虑了小微物流企业信贷信息存在的不可靠性和缺失性等特点，通过灰色关联度和模糊综合分析方法的结合，有效克服了信息不足或缺失等缺陷，在实务应用中有更强的生命力。

（3）该模型所选指标体系为参考指标，商业银行可以根据自身管理要求进行一定的调节，并且指标权重亦可根据管理目的和要求进行一定的调整，增强了模型对环境变化的适应能力；并且，商业银行还可以在信息与数据积累的基础上，将此模型的应用推广到一般性小微企业信贷风险的评价，模型有较为广泛的应用潜力。

（4）该模型手工运算量略大，但可以通过计算机软件处理，能有效提高小微物流企业信贷风险评价效率。

当然，本文仅对小微物流企业信贷风险水平评价进行了探讨，其它有关的贷前、贷后等管理活动有待继续研究。

[1]糜仲春,申义,张学农.我国商业银行中小企业信贷风险评估体系的构建[J].金融论坛,2007,(3).

[2]万绍玫.我国中小企业信贷风险及防范探析[J].企业经济,2010,(11).

[3]钱慧,梅强,文学舟.小微企业信贷风险评估实证研究[J].科技管理研究,2013,(14).

[4]刘澄,武鹏,郝丹洁.基于模糊集理论的科技型小微企业信用等级评估研究[J].科技进步与对策,2013,(18).

[5]孙清华,张瞳,刘瑞林.金融企业防范小微企业信贷风险问题研究—基于RAROC的视角[J].管理现代化,2012,(5).

[6]来国伟.浅析小微企业信贷风险成因及相关对策[J].浙江金融,2013,(9).

[7]钟缘.基于模糊层次分析法的小微企业信贷评级模型研究[D].长沙:中南大学,2013.

[8]魏一鸣,童光煦,吉兆宁.基于灰色关联度的矿山经营状况模糊层次分析[J].中国钼业,1995,(3).

[9]杜栋,庞庆华,吴炎.现代综合评价方法与案例精选[M].北京:清华大学出版社,2012.