基于模糊综合评价法的农机融资租赁信用风险评估研究

郑育峰，罗红英

(1.中国科学院大学，北京100190；2.新疆银行股份有限公司，新疆 乌鲁木齐830000)

一、信用风险评估及方法概述

信用风险管理包括风险评估、风险控制和绩效评价三部分，其中风险评估是最基础、最关键的环节。只有完成了风险评估，才能对客户进行分类、定价，决定业务是否发生、产品如何设计以及后期如何管理。就农机融资租赁业务而言，信用风险评估是指出租方自己或委托第三方按照有关方法和指标体系对收集到的承租人信用信息进行分析，以此对承租人的信用风险等级进行评定。

现有信用风险评价方法大致可以分为三类，即专家评分法、信用评分法和现代信用风险度量模型。美国从19世纪末开始引入企业信用评价，20世纪30年代起其关于信用风险评估的研究不断深入[1]，从以要素分析法为代表的专家评分法(如5C要素分析法)，到以财务指标分析法为代表的比例分析法(如杜邦财务分析体系和沃尔比重评分法)，再到20世纪60年代统计方法的大量运用(如Z-score评分模型等)。此后，美国学者对有关信用风险评价方法的研究更加深入，建立了资产组合理论、Creditmetrics模型、麦肯锡模型、死亡率模型、KMV模型等。由此可见，信用风险评价方法从定性评价到定量评价、从个别资产信用风险评价到资产组合信用风险评价，向着越来越专业化、复杂化的趋势发展。

既有研究中关于租赁业务风险的研究比较丰富，但多侧重于财务风险、法律风险等方面，本文拟选择模糊综合评价法并结合AHP法对农机融资租赁信用风险进行评估。模糊综合评价法是一种基于模糊数学的综合评价方法，由美国自动控制专家查德于1965年提出。该方法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学的方法对受多因素制约的事物或对象作出总体评价。模糊综合评价法具有系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决[2]。AHP法是在20世纪70年代由美国运筹学家托马斯·塞蒂提出的，它是一种定性和定量相结合的，系统化、层次化的分析方法，其优点是将专家经验判断和数学方法结合起来，在一定程度上可降低不确定因素的影响[3]。

二、信用风险评估方法的适用性分析及选择

(一)专家评分法

目前，我国农机融资租赁行业还处于粗放发展阶段，尚未建立完善的信用风险评价指标体系，信用风险评估主要是由出租方组织相关专家依据经验并结合实际情况进行主观评价(即专家评分法)。对信用风险的判断和决策主要是依赖专家的专业技能、主观判断和对某些关键因素的权衡。尽管专家评分法在目前我国农机融资租赁信用风险评价中应用较广，但其具有明显缺陷：一是成本大，即每笔农机融资租赁业务都要耗费一定的人力资源，从而在一定程度上降低了金融机构开展此类业务的积极性。二是主观性和随意性强，出租方对承租人进行信用风险评估基本是依靠经办人员和审核人员的经验值以及个人信息网来判断承租人的信用状况，同一笔业务不同的经办人员和审核人员常会得出不同的结论，影响了风险评估的客观性。三是存在一定的道德风险，主要表现在出租方经办人员可能对不符合放款条件的承租人开展业务，也可能拒绝对优质客户开展业务。综上，专家评分法虽然可行，但在可信度和可操作性方面存在明显缺陷。因此迫切需要改进农机租赁融资业务的风险评估和控制手段，建立信用风险评估的定量分析方法，对目标承租人进行科学合理的风险评估。

(二)几种主要的定量方法

1.Z-score评分模型。 该模型是目前西方国家在信用风险度量中使用较多的模型之一，通过加权计算得到评价对象的综合风险分值Z，并将Z值与其临界值进行对比，以此判定评价对象目前的信用状况。该模型适用于上市企业和非上市企业，计算方法简单、精确度好，但对财务数据要求精度很高而对非财务因素关注不够[4]。我国农机融资租赁业务中的承租人主要是农户和个体农场主，普遍缺乏精确的财务数据，即使有财产和收入情况记录，其准确度也不高，无法满足该模型对财务数据的高精确度要求。基础数据不准确会影响分析结果的准确性，因此在我国农机融资租赁信用风险评估中使用该模型在可行性和可信度上存在问题。

2.KMV模型。KMV模型是美国旧金山市KMV公司于1993年开发的信用风险度量模型，其理论基础是期权定价理论。该模型突破了以往的信用风险评估多基于企业历史数据进行分析的局限，以当期股票市值为评价基础，得出的信用风险预期分布频率具有很强的可信度。但该方法的使用需要以股票市值为前提。在对非上市公司使用该方法进行信用风险评估时，以一些财务指标代替股票市值等重要指标，因而评估精度会受到一定影响。如前所述，目前我国农机融资租赁业务中的承租人主要是缺乏准确财务数据的农户和个体农场主，其无法提供股票市值或精确的财务数据，因而使用该方法在可行性和可操作性上尚不具备条件。

3.Creditmetrics模型。Creditmetrics模型是瑞士信贷银行金融产品部于1996年推出的信用风险度量模型，是金融机构在对客户进行评级的基础上进行组合风险管理和资本管理的工具，主要用于信用风险度量及组合管理。Creditmetrics模型采用的是组合投资分析方法，注重分析企业间信用状况变化的相关关系，因而与现代组合投资管理理论相吻合。但就目前我国农机融资租赁市场而言，现有融资租赁公司还远未达到现代企业组合投资管理的要求，其内部管理水平和数据收集能力都无法适用于此模型。目前最主要是完成对单笔业务的风险评估，只有在完成承租人个体信用风险评估的基础上，才能逐渐考虑进行组合风险管理。

4.Logit回归模型。Logit 回归模型是目前应用最广泛的信用风险评分模型，是以样本、数据、指标为基础构建反映现实社会模型的实证分析方法，可用来探究事件的结果与多个影响因素之间的关系程度；尤其当因变量为二分类变量时，使用这一方法非常有效。Logit回归模型采用的是一种“自下而上”的建模方法，要求在有足够历史数据的情形下使用，数据的真实性越高，模型识别的有效性越强。此方法作为一种有效的数据处理方法应用于多个领域，是信用风险评估的重要方法。但在目前我国的农业信贷领域特别是农机融资租赁领域，不仅缺乏足够的历史数据，而且承租人财务数据的真实性也得不到充分保证；且就农业生产而言，当前财务数据对未来趋势的代表性弱，因而在此情况下选用该方法在可行性和可信度方面存在问题。

(三)模糊综合评价法的选择

模糊综合评价法的信用评分模型，始于信用卡领域，后被广泛应用于个人贷款业务，现已扩展到中小企业贷款领域。这一方法可确定影响借款人违约率的若干关键指标并对各指标赋予一定权重，通过对其进行加权计算或综合考虑，得到能够全面反映借款人信用状况的综合分值。该综合分值可代表违约概率，也可作为客户分类的依据，并可据此决定是否给予贷款以及贷款定价。该模型以借款人特征指标为解释变量，通过定量分析对借款人信用风险进行评价，把客户划分为“信用好”和“信用不好”，适合在缺乏已有信贷业务历史数据的情况下使用。在我国农机融资租赁领域，在缺乏历史数据且现有数据的真实性也不能得到充分保证的情况下，该模型能综合考虑评估承租人信用风险的影响因素，基于专家经验判断得出各指标的重要程度，且选取的评估指标也较为全面，能有效反映客户信用情况，因而具有较好的适用性。

本文在采用模糊综合评价法的过程中，在确定指标权重时使用AHP法。AHP法强调人的思维判断在决策过程中的作用，通过一定的模式使决策思维过程规范化，适用于定性与定量因素相结合，特别是定性因素起主导作用的问题，能减少个人主观判断带来的弊端，使结果更可信。农机融资租赁信用风险评价指标权重的确定就是这种定性因素起主导作用的问题，对于这类难以获取相关数据的评价对象，使用模糊综合评价法进行信用风险评估并采用AHP法确定指标权重，能将模糊综合评价法和AHP法的优点结合起来，在现有专家评分法定性分析的基础上，将影响履约的因素引入定量的计量过程，确定相应指标的权重系数，增强信用风险评估的可行性、可信度和可操作性，以对目标承租人进行科学合理的风险评估。

三、农机融资租赁信用风险评估指标体系的构建

(一)设定评估指标体系

为全面、公正、客观地评估农机融资租赁业务的信用风险水平，本文参考张金贵等人[5]的研究，认为指标的选择应满足以下三方面要求。首先，应既能全面反映影响农机融资租赁业务信用状况的各种因素，又要尽量简化，避免指标的重叠；其次，应获取容易、操作简捷、使用方便，能保证数据的真实、可靠、准确；最后，应符合农机融资租赁业务自身的特点，能够切实预测农机融资租赁业务的违约概率。同时，将定性指标与定量指标相结合。定性指标结合农业信贷的特点，着重在影响农业收入的气候变化、国家收储、补贴政策变化等难以预测或不可控方面进行考量；定量指标主要为财产指标、收入指标、人口指标等。

本文通过专家访谈，确定了如表1所示的影响农机融资租赁信用风险的5个一级指标和18个二级指标。其中年龄、子女教育情况、婚姻状况和金融机构违约记录是对承租人生活稳定性、可预见性方面进行评价的关键因素。婚姻状况是感情巩固、生活稳定的表征，家庭是一个经济体和互助体，单身的人承担风险的能力、取得收入的能力和积累财富的能力一般都弱于家庭。年龄体现的是承租人获取收入的潜在能力、财富积累水平以及风险规避能力。一般来说，中年人的收入能力和风险规避能力最高，老年人收入能力会明显下降，青年人避险能力一般。家庭年总收入、年收支结余、年非农业收入是从动态角度对收入水平和收入结构进行的评价，衡量承租人可支配的现金流量和动态的债务偿还能力。承包土地面积、宅基地估值、其他房产估值、家庭农机估值和家庭负债总额是从静态角度评价承租人的财富水平，从家庭资产的角度衡量承租人的债务偿还能力。家庭财产保险情况、参加新农保情况以及租赁物控制手段可衡量承租人对意外事件的风险转移能力。总体来说，承租人资产和收入越多，贷款违约概率越低；债务水平越高，信用风险就越高。

表1农机融资租赁信用风险评估指标体系

(二)确定指标权重

下文采用AHP法确定指标权重。根据上文构建的农机融资租赁信用风险评估指标体系中的5个一级指标建立比较矩阵，通过两两比较来确定指标的相对重要性。对各指标进行比较时设置评分区间为1～5分，1分表示行因素远重于列因素，2分表示行因素重于列因素，3分表示行列因素同等重要，4分表示列因素重于行因素，5分表示列因素远重于行因素。在进行比较时,利用德尔菲法选择专家咨询意见，设计调查问卷并发放给26位专家，对评估对象的道德品质状况、家庭收入情况、家庭财产情况、风险缓释情况、气候和专项政策影响这5个一级指标通过问卷进行两两比较。按照各指标的标度和含义，根据专家调查问卷结果，得出农机融资租赁信用风险5个一级指标的权重明细，具体如表2所示。

表2各因素权重明细表

续表2

专家序号道德品质状况家庭收入情况家庭财产情况风险缓释情况气候和客观政策影响110.08170.06760.05740.29570.4976120.06790.2920.15670.44980.0336130.06280.09890.06280.67670.0989140.35330.07820.42540.11690.0261150.17880.0530.04520.17880.5442160.25230.32730.32730.06670.0264170.09820.10670.34950.42190.0236180.07220.22530.22530.45080.0265190.12970.3980.25810.18330.0309200.04790.08460.06130.3180.4883210.22060.13420.02450.40050.2203220.04520.1420.07430.26550.473230.26840.33950.30190.04770.0424240.15440.41960.30550.07760.0429250.38260.35130.17150.05110.0435260.09970.42280.37560.06180.0402最终权重0.18870.21060.19690.22080.183

在此基础上，出于分析的简便化等考虑，对18个二级指标进行了等值赋权，结果如表3所示。

表3一级指标、二级指标权重汇总

(三)确定评分标准

参照商业银行个人信贷评分标准，根据本文构建的农机融资租赁业务信用风险评估指标体系和权重，可以确定各指标的评分标准(采用百分制记分)，具体打分规则如表4所示。

表4打分规则

(四)评分结果验证

本文以新疆T农机有限责任公司(以下简称“T公司”)为例对评估结果进行验证。2007年成立的T公司，采用合作模式开展融资租赁业务，资金由融资租赁公司提供，风险由T公司承担。即业务由T公司推荐，融资租赁公司办理，但如果发生不良金额就由T公司按不良金额本息百分百回购，融资租赁公司不承担损失。因此，主要的风险控制由T公司进行。我国农机融资租赁行业市场占有率排在前两位的分别是约翰迪尔融资租赁有限公司(年放款额约8亿元)和江苏金融租赁股份有限公司(年放款额约5亿元)。新疆情况与全国基本吻合，排在前列的融资租赁公司分别为约翰迪尔融资租赁有限公司、江苏金融租赁股份有限公司、三井住友融资租赁(中国)有限公司以及法兴(上海)融资租赁有限公司等。T公司代理销售的农机数量在新疆的市场占有率约为50%，2015年1月—2017年9月T公司合计销售农机金额为26.2亿元，数量为4474台。

本文选择2015年1月—2017年9月期间以上4家融资租赁公司与T公司合作开展的150笔农机融资租赁业务为样本，涉及客户150名，其中从未违约的客户99名，有违约行为的客户51名。这里需要说明两点：第一，样本中对于违约客户的界定非常严格，只要发生一期租赁息费违约都会被定义为违约客户，因而样本中界定的有违约行为的客户并不一定是严重违约客户；第二，虽然只选用了150个样本，但这些数据都来自T公司实际发生的业务，数据真实有效，据此进行模型构建和实证检验有一定的准确性。

首先，使用本文构建的信用评分模型对99名履约客户进行评估，得出A类客户(得分在75分以上，优质客户)80 名，B类客户(得分在45分～75分)19名，模型识别优质客户的准确率为80.8%。在优质客户群中，模型认为需进一步人工识别的B类客户占19.2%。此外，模型识别结果中未发现C类客户(得分在45分以下，风险较高)，也没有发生严重误判的情况。其次，以该模型对51名非严重违约客户进行识别，得到B类客户38名，占比为74.5%；得到A类客户10名，占比为19.61%；得到C类客户3名，占比为5.9%。

整体来看，本文选取的150个农机融资租赁业务样本中，租赁客户实际违约率很低，只有0.613%。模型判断的结果是：150名客户中判断为A类客户的90名，占比为60%；判断为B类客户的57名，占比为38%；判断为C类客户的3名，占比为2%。可见，模型判断和实际相符。从以上分析结果可知，用模糊综合评价法结合AHP法对农机融资租赁客户信用风险进行识别的准确率较高, 且简单易行、易于推广。

需要指出的是，采用模糊综合评价法结合AHP法进行的农机融资租赁信用风险评估在运用上还有一些不足：一是由于样本数量有限且无法全面收集承租人信息，因此分析有一定误差。二是在一个短周期内，农村金融信用风险的系统性特征体现不明显。农业信贷中债务人的履约能力受宏观经济形势等影响较大，由于样本数据来源于2015年—2017年，这一时期在国家鼓励农业机械化发展的大背景下，农机补贴政策持续优化，对新疆农业生产活动的特殊补贴也在持续发放，因此宏观因素对农机融资租赁信用风险的系统性影响未能充分体现。三是模型假定出租人的风险管理水平为统一标准，未考虑债权管理水平对债务人还款意愿的影响，实际运用时可能出现偏差，在不同环境下需要动态调整模型。四是此方法通过划定分数线来对客户的信用风险进行判断，对于在分数线附近的承租人信用风险水平并未体现出明显差别，在实际工作中应对此进行人工分类处理。

四、结论与建议

(一)结论

目前我国农机融资租赁行业的信用风险评估主要是依靠出租方组织相关专业人员对风险要素进行经验判断，主观性、随意性强，标准不统一，容易发生道德风险；同时存在风险评估成本高，流程复杂，同收益不匹配等缺陷，影响了农机融资租赁业务的顺利开展。采用模糊综合评价法结合AHP法建立农机融资租赁业务信用风险评估指标体系，将定量评估与专家分析相结合，能帮助租赁公司有效识别客户信用风险。当然，在实际运用中还应逐步增加样本量，逐步细化评分标准。同时，鉴于农业信贷的特点，农机融资租赁业务信用风险评估在建模过程中应注意采集各种经济状况下的指标数据，结合宏观经济形势和时间变化进行适度调整，并根据出租前后的管理情况建立动态反馈机制，及时对模型进行调整，以保证实践运用的有效性。

(二)建议

第一，信用风险评估是农机融资租赁业务开展的关键环节，单纯依靠租赁业务经办人员和审核人员的主观经验进行风险评估是不够科学合理的。因而应推进信用风险量化评估，提高租赁业务决策的科学化水平，建立科学的农机融资租赁业务信用风险评估指标体系，这对业务发展、成本节约、风险量化和科学决策具有积极影响。租赁公司可建立“电脑+人脑” “定量+经验”的农机融资租赁信用风险识别模式。对拟合作客户，先通过电脑用该模型进行分类识别并设置不同的处理流程。优质客户可直接进入快速审批流程，若无特殊理由审核人员不得拒绝办理；对高风险客户直接拒绝办理，审核人员没有特殊理由不得重新上报；而对于中间客户则可由人脑进行二次识别评估。这样既可保证优质客户得到高效服务，也能确保高风险客户被有效排除，在很大程度上防范了个人判断的主观性和潜在的道德风险。同时，集中人力对中间客户进行评估甄别，可减少运行成本、增加业务收益，提高租赁公司等金融机构开展农机融资租赁业务的积极性。

第二，加快我国农村个人信用体系建设，完善个人信用数据来源渠道，保证数据的真实性和准确性。这样既有利于农机融资租赁业务的发展，也将有助于农村信贷市场的发展。

第三，对农机融资租赁给予一定的息费补贴。现阶段新疆农业现代化建设的重点是农业机械化，而现代农机单台金额普遍较大，农民很难全款购置，因而农机融资租赁是农民购置农机的重要方式。为更好地开展农机融资租赁业务，助力新疆农业机械化发展，建议可对农机融资租赁业务给予一定的息费补贴。如参照国家对纺织服装企业贷款的财政贴息政策，对采用融资租赁方式购买农机的农民给予一定比例的财政贴息，以减轻农民的负担。