浅析科技型中小企业融资征信理论问题

文/张洪源

浅析科技型中小企业融资征信理论问题

文/张洪源

河北大学

征信数据的共享和获取方式对科技型中小企业解决由于“信用缺失”引发的信息不对称导致科技型中小企业融资难问题有着极大的帮助。本文在大数据移动互联网时代的大背景下，详细分析了科技型中小企业融资征信数据整理的现状，发现金融机构希望能够收集和分析大量科技型中小企业日常交易行为的数据，判断其业务范畴、经营状况、信用状况、企业定位、资金需求和行业发展趋势，解决其真实的经营状况难题。因此，加快科技型中小企业融资征信平台建设，是解决科技型中小企业融资难融资贵的外部条件和数据基础。

1 引言

科技型中小企业在提升科技创新能力、支撑经济可持续发展、扩大社会就业等方面发挥着重要作用，为进一步完善科技型中小企业融资体系，我国从上世纪90年代后期就提出了要大力发展债券，提高直接金融比重，但多年来，由于科技型中小企业在成长过程中受到诸如技术风险、财务风险、公司治理困境以及激烈的市场竞争等多重因素影响，科技型中小企业的融资约束问题依然存在，且有着越加严重的趋势。解决科技型中小企业融资约束问题的关键环节之一，在于信用风险评估与贷款审批中的信息不完整与信息不对称问题，否则，快速发展科技型中小企业融资也可能导致较高的金融风险。目前人民银行和商业银行体系汇集大量科技型中小企业信息，已具备大数据分析和数据挖掘的基础，可以通过已有的科技型中小企业信用信息，进一步细化我国科技型中小企业融资信用风险控制机制，开发适合我国科技型中小企业特点的融资信用风险评价模型，这对于从消除信息不对称方面降低科技型中小企业“融资难”的问题有着极为重要的推动作用。

2 科技型中小企业的定义及征信的必要性分析

从目前国内外关于科技型中小企业的标准界定来看，科技型中小企业首先是人才、知识和技术密集型企业，其次，科技型中小企业具有高份额的研究与开发投入，充分利用了科学技术的最新发展，并且科技型中小企业具有高风险、快速成长和高收益的典型特征。据此，本文认为，科技型中小企业是指那些投入高占比研究与开发资金，为社会提供创新产品与服务，以迅速的技术进步为标志，具有规模小、高风险、高收益、机制活的特殊类型的现代化企业。

现代经济在总体上是信用经济，信用是现代金融发展的基础。货币的运动和价值及信用关系连结在一起，并由此形成了新的范畴。金融范畴中的信用有其特定涵义，它既指借贷行为本身，也包含信用风险。在市场主体需求和监管部门要求的双重作用下，越来越多的筹资者或潜在承信人开始主动要求专业的信用评级并从中得到切实的好处。与此同时，科技与金融已成为当代社会经济发展的两大动力系统，政府的重视和政策扶持以及金融机构的支持都使科技与金融耦合具备了可行性、应用性和可操性。科技创新与金融耦合发展本质上是实现科技资源与金融资源的有效结合；科技与金融耦合的要义就在于形成金融资本与科技资产财富化的同步增值融资机制，实现科学技术资本化和金融资本有机构成提高。因此，建立一套专门针对科技型中小企业融资征信平台，并逐步建立相关数据库对于科技型中小企业解决“融资难”问题有着十分必要的作用。

3 科技型中小企业融资征信数据的研究现状

在大数据移动互联时代的大背景下，科技型中小企业的融资征信数据不仅仅是传统意义上的结构化数据，同时还包含了许多非结构化的数据。国内外普遍利用企业多角度、全方位的非结构化数据，结合数据挖据、机器学习等领域的技术对原始征信数据进行处理，Sohn(2012)采用决策树分类的方法研究了非结构化数据的预处理[1]；韩露等(2013)通过正交支持向量机进行信用缺失数据的补足[2]；Chen(2014)利用单调约束支持向量机研究了信用评分中伪造数据的剔除问题[3]；Harris(2015)提出使用聚类支持向量机可以对征信数据中的异常数据进行检测和推断[4]；钟远(2015)利用用户情感和性格分析方法研究了用户多属性数据的协同感知[5]。以上的这些方法对于在特定数据集合的预处理工作中取得了较好的效果，但大多数方法只对企业的基本运营属性和借、还款信息进行分类，没有充分利用互联网上丰富的非结构化数据；在数据预处理模型中大多是通过单一数据源进行数据的推断和预测，对伪造数据难以辨别。

4 结束语

从以上理论分析中可以看出，尽管已有一些成果对我国科技型中小企业融资征信的建设有借鉴作用，但这些研究仅限于传统意义上的静态非结构化数据整合，而对于互联网空间下非结构化数据的整合会更复杂。如何在网络空间非结构化数据的背景下，深入研究科技型企业征信中非结构化数据之间的内在关联，抽取有用的信息对探讨各因素相关关系及其对科技型中小企业融资成本降低和效率提升的影响程度有着积极的促进作用。

[1]So Young Sohn. Decision tree-based technology credit scoring for start-up firms: Korean case[J]. Expert Syst. Appl.2012, 39(4):4007-4012.

[2]韩露,韩丽艳.正交支持向量机信用评分[J].Eng. Appl. of AI (EAAI), 2013, 26(2):848-862.

[3]Chih-Chuan Chen, Sheng-Tun Li: Credit rating with a monotonicity-constrained support vector machine model[J]. Expert Syst. Appl. 2014, 41(16):7235-7247.

[4]Terry Harris: Credit scoring using the clustered support vector machine[J]. Expert Syst. Appl. 2015, 42(2):741-750.

[5]钟远.你要去哪里:从位置检查中推断人口属性[J].WSDM, 2015,14(7):295-304.

张洪源（1992-），男，汉族，四川渠县人，在读硕士，经济学硕士，河北大学经济学院统计学专业，研究方向：宏观经济。

河北大学研究生创新资助项目；项目名称：《BP神经网络模型在中小企业融资征信评估中的应用》；项目编号：X201762。