中小企业信用评级:一个文献综述

摘要：对现有文献中有关中小企业信用评级的研究进行综述可知，中小企业信用评级多用Z评分模型、模糊综合评价法、层次分析法、BP神经网络模型、支持向量机、投影寻踪六种方法。中小企业信用评级的未来研究方向会更加重视最新数理统计方法的运用；由评价指标和体系的发掘逐步转移到影响企业信用等级的因素当中；研究视角将会发生巨大变化。

关键词：中小企业；信用评级；综述

中图分类号：F27 文献标志码：A 文章编号：1002-2589（2012）23-0126-02

一、中小企业信用评价方法

由于国内外研究视角的不同，国外学者和国内学者对于中小企业信用评价方法有着不同的认识。国外学者主要针对方法和理论进行研究，而国内学者则比较重视方法的应用。

（一）Z评分模型 Z-Score Model

在早期的信用评级过程中，碍于评价技术的发展，以简单的打分方法为基础，适当加入数理统计方法。其中Z评分模型（ZETA）被广泛用于企业信用评级。Z打分模型引入我国后，国内学者对其进行了相应的改进与应用，国内学者邱云来（2009），将Z模型与我国的企业会计准则结合，建立财务预警模型，通过实证分析发现，经过改造后的Z打分模型能够很好地对我国企业进行财务预警和风险评估。张玲等（2004）按照巴塞尔协议的要求将企业信用等级划分为八个等级，通过研究发现Z打分模型能够很好地运用于我国上市公司的信用评级。与张玲等人的研究结果不同，胡延杰等（2006）检验了Z模型的预测的正确率，发现Z值模型在我国具有一定的适用性，但效果并不像其在美国等西方国家一样具有非常良好的预测效果。

（二）模糊综合评价法FCE

鉴于模糊综合评价法在定性因素分析中的良好效果，国内外学者在信用研究中广泛采用该方法进行企业信用评级。Zimmermann etc.（1994）分析结果认为，企业的信用将会直接影响企业获取资金的能力，良好的信用等级将有利于企业的长期发展。Romaniuk etc.（1992）运用模糊综合评价模型，构建相应的指标体系来研究企业的财政状况对于企业信用的影响。沈琳、郭文旌（2010）实证结果表明，模糊综合评价法不仅能够科学地反映中小企业的信用状况和其面临的风险水平，而且能够有效地对于不同企业的信用状况进行区分。康书生（2007）等在研究中发现模糊综合评价法能够很好地兼顾信用评价中的定性因素和定量因素，为银行或投资者对中小企业贷款或投资提供参考依据。

（三）层次分析法AHP

王卫东（2006），通过实证研究发现，获利能力和偿债能力对于企业信用等级的影响比经营绩效和发展能力对其影响更加显著，运用AHP方法进行信用等级可以很好地区分不同企业的风险水平。赵家敏等（2006）运用层次分析法确定其在整个评价体系中各自的权重，并以此结合主观打分确定企业的整体信用等级。

（四）BP神经网络模型Back Propagation

谭庆美等（2009）利用因子分析法建立了信用评价的财务指标体系，并在指标体系的基础上构建了单隐层结构的BP神经网络，实证结果表明，各中小企业之间的信用评价结果存在较大的异质性，采用BP神经网络进行信用评价具有较高的可操作性。杨淑娥等（2005）通过与主成分分析法的预测效果对比发现BP神经网络具有良好的预测精度，在指标间相关度较高、呈非线性变化，或数据缺漏不全等情况下仍可得到比较满意地结果。邓华丽等（2007）分析表明，该模型除了可进行信息的快速并行处理以实现映射变换之外，还具有较强的联想记忆和联想映射能力。因此，模糊径向基函数诊断网络在企业信用评级中是一种有效的智能分类器

（五）支持向量机SVM

支持向量机（Support Vector Machine，SVM）是Corinna Cortes和Vapnik等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。张目（2010）通过实证研究发现基于SVM的企业信用评级具有预测精度高，鲁棒性较好的特征，能够很好地满足企业信用评级的需要。沈沛龙等（2010）通过研究发现基于非结构模型给出的违约距离，在信用评级实践中具有重要的应用价值。

（六）投影寻踪 Projection Pursuit

投影寻踪（Projection Pursuit）是美国斯坦福大学的Friedman和Tukey（1974）发明的一种用来处理和分析高维数据的样本数据的探索性数理统计方法。王春峰等（2000）发现与传统的判别分析技术相比，投影寻踪判别分析方法在处理非正态性、高维数的信用风险评估问题时，精度更好，能够有效对于企业的信用等级进行区分。张目等（2011）运用投影寻踪模型对沪深两市的112家高科技企业进行信用综合评分，实现了对样本企业的信用评级。张玲玲等（2005）通过投影寻踪与其他方法的比较和验证，认为该方法在房地产企业风险评价中具有重要意义。

二、评价指标体系的构建

结合中小企业的自身特点制定出一套适合中小企业的信用评级体系，以便全面、客观地评价中小企业的信用状况，解决中小企业在银行贷款融资过程中遇到的障碍，已成为当务之急。

（一）构建指标体系的原则

高媛等（2003）认为，构建中小企业信用评级体系必须具有全面性、科学性以及针对性等原则。牛草林（2005）则认为，对于中小企业信用评级，还应该增加三个要素现金流量分析、履约情况评价和重视未来。沈玲（2010）则认为在构建信用评价指标体系时还应该遵循一致性原则、系统性原则、可比性原则和科学性原则。总之，在对中小企业进行信用评价时必须从中小企业的自身特点出发，全面细致地进行风险评价和盈利评价。

（二）评价指标的选择

现有文献在构建中小企业信用评级指标时，通常分成两类。

1.财务指标

周子元等（2009）认为由于信用评级主要从企业的资本结构、经营能力、盈利能力、偿债能力以及成长性去分析，因此财务指标在评级指标体系中占据着重要的地位，而一些总量指标由于受到企业规模的影响而不适用。针对财务指标的可比性问题，作者提出了三种分类方法，分别为：纵向可比性、横向可比性和状态可比性。赵家敏（2006）则构建了包括经营管理能力、偿债能力、创新及成长能力财务指标体系，并且用资产报酬率、流动资产周转率、应收账款周转率、主营收入现金量、成本费用利润率等五个具体指标来衡量企业的管理能力；用流动比率利息保障倍数、资产负债率、经营现金流、流动负债比、净资产贷款余额比五个具体指标来衡量偿债能力；用净资产增长率、主营利润增长率、工资及福利增长率三个指标来衡量企业的创新能力。王卫东（2006）在进行信用评价时选取了获利能力、经营效率、偿债能力、发展能力4个一级指标和相关的11个二级指标作为主要的财务指标。霍佳震（2008）认为企业的财务指标还应该包括对于资本情况的分析具体包括资本结构稳定性和资本来源广泛性两个方面，通过固定资产与长期负债权益比率以及资本保值增值率两个财务指标体现。张新红（2011）在研究上市公司信用风险时将股利支付能力和资本支出能力也纳入财务指标的考察范围，具体通过每股现金净流量和现金保证倍数、再投资比率、现金再投资比率四个指标来衡量。王德勇等（2008）则将财务指标分为了以下几个类别，分别为：偿债能力衡量指标、盈利能力衡量指标、资产管理能力衡量指标、获现能力分析、履约状况衡量指标以及成长和发展能力衡量指标。

2.非财务指标

高志等（2007）将非财务指标纳入到企业信用评级体系中，认为非财务指标也能够反映企业的信用程度。他们认为非财务指标有以下四个优点：第一，非财务指标是财务指标的驱动因素或关键成功因素；第二，非财务指标描述了组织内部的运营过程以及如何为顾客创造价值，阐述财务指标、顾客指标、内部流程指标和学习与成长指标之间的关系；第三，非财务指标相对于财务指标包含了更多的经营决策信息；第四，以非财务指标为信用评级依据更能激励管理层反映他们实际贡献。在具体的体系构建上，他们认为应该从核心业务拓展能力、经营管理能力以及外部资源利用能力三个方面去构建非财务指标体系。康书生（2007）认为管理者素质和能力、管理层素质、员工素质、管理者个人信用和商业口碑、经营目标和目标管理、管理制度、日常财务管理素质、银行信用、商业信用、宏观经济环境、行业状况、市场开拓与销售渠道、企业创新能力等都是衡量企业信用水平的重要非财务指标。赵家敏（2006）认为企业信用评价中的非财务指标应包括：财务报表质量评价、员工素质、经营者经历、经营者口碑以及行业背景及发展等五个方面。霍佳震（2008）则认为，组织风险、决策风险、技术风险和人力资源风险也是影响中小企业信用状况的重要非财务因素。崔德志（2010）则认为企业的行业竞争优势、履约的意愿、结算的情况以及供应链等也应该纳入衡量企业信用情况的非财务因素中去。张强（2004）在评估企业信用时还将企业素质和企业发展纳入了非财务指标，用经营者素质、员工素质、技术装备、企业管理水平四个指标来衡量企业素质；用产品生命周期、新产品开发能力、行业优势、发展规划及措施四个指标来衡量企业的发展前景。

（三）指标权重的确定

沈琳等（2010）采用拉开档次法的客观赋权法来确定权重，而不是使用传统的层次分析方法。其原因在于：第一，层次分析法构造两两比较矩阵时，受主观因素影响较大，而新方法能够很好地克服这一缺陷；第二，层次分析方法确定的各个指标权重间差异不大，这就使得使用该权重来确定的企业信用评级分数差距不大，从而不能有效地将各类企业进行分类，不能给急需使用信用评级结果采取融资策略的融资方提供科学合理的决策依据。华斌等（2007）也给出了非财务指标体系的权重的确定。他们认为，由于非财务指标体系中大部分为非量化分析指标，所以采用了主观赋权法，即“德尔菲法”。霍佳震（2008）在确定指标之间的权重的时候则综合运用了层次分析法和主成分分析法。

三、文献述评及研究展望

（一）文献述评

国内外研究的着眼点有着明显的不同，国外研究主要集中于理论和方法的创新而国内的研究则更加注重模型和方法的应用。随着数理统计技术的发展，信用评价方法也日益完善。

在早期的研究中，学者们进行信用评价的方法主要是以线性方法为主，例如Z打分模型等。线性的方法往往要求研究对象是线性的而且是符合正态分布的，这与实际往往存在明显差异，实际的生活中不论是财务数据还是非财务数据都具有非线性非正态的特征。这种评价方法往往不能全面的衡量企业的信用状况和实际风险。而在近些年的研究中，基于非线性假设的方法得到广泛应用，例如SVM方法和BP神经网络方法，通过学习和训练能够有效地识别出企业信用评价中的关键因素，这种基于非正态非线性的评价方法能够很好地兼顾定性指标和定量指标的要求，虽然在预测精度、鲁棒性等多方面还存在缺陷，但已经能够很好地衡量企业的风险水平，较线性方法有了长足地进步。

在评价指标方面，国内外的研究均经历了由主观指标为主到客观指标为主再到综合利用主观和客观指标的过程。碍于统计技术和会计的发展，早期的研究中均是以专家打分的方式对中小企业进行信用评价。随着会计语言的统一和国际财务报告制度的建立，客观评价方法逐步占据企业信用评价中的主导地位。客观评价方法很好地规避了专家打分法的主观性，防范了由于主观误判造成的信用风险。但是随着经济规模的发展，客观评价方法的局限性也日益显现。为了综合评价企业的发展水平和发展能力，主观的因素也逐步被引回信用评价体系中，企业家才能、创新能力、发展能力等非财务的主观因素也被纳入中小企业信用评价体系当中，从而使得中小企业的信用评价更加完善，全面的体现企业的风险水平和信用等级。

（二）研究展望

首先，在研究方法上将会更加重视最新数理统计方法的运用，将以往信用评价过程中不能量化的指标和因素引入评价体系中，使其更加科学，充分反映中小企业的信用情况，为投资人和贷款人提供合理可靠地投资和贷款依据。

其次，对于中小企业信用问题的研究将会由评价指标和体系的发掘，逐步转移到影响企业信用等级的因素当中。只有充分了解现有评价体系中的影响因素，结合中小企业的实际情况，才能从根本上解决中小企业信用问题，厘清中小企业融资难的原因。

最后，研究视角将会发生巨大的变化。以往的研究中比较重视方法的运用和评级的过程，随着评级技术的发展，未来在中小企业融资领域必将由信用评价的研究转变到信用增级的研究。评价体系只能从侧面反映出中小企业的实际状况，如何帮助中小企业在现有的评价体系中提高信用等级，增强经营能力，可能将是未来研究的一个新的视角和研究范围。

参考文献：

[1]张玲，曾维火.基于Z值模型的我国上市公司信用评级研究[J].财经研究，2004，（6）.

[2]胡延杰，庞娟娟.Z值模型对中国上市公司的适用性研究[J].云南财贸学院学报：社会科学版，2006，（12）.

[3]Willi Meiera， Richard Weber， Hans-Jurgen Zimmermannb. Fuzzy data analysis—Methods and industrial applications[J].Fuzzy Sets and Systems，1994，（1）.

[4]Steve G. Romaniuk， Lawrence O. Hall.Decision making on creditworthiness， using a fuzzy connectionist model[J].Fuzzy Sets and Systems，1992，（5）.

[5]McClelland， Rumelhart. Parllel Distributed Processing[M]. Vols land 2， MIT Press， 1986.

[6]Friedman J H，Turkey J W.A projection pursuit algorithm for exploratory data analysis[J].IEEE Transactions on compu-

ter，1974，23，（9）.

[7]沈琳，郭文旌.中小企业信用评级模型研究及应用——基于江苏制造企业数据[J]. 南京财经大学学报，2010，（5）.

[8]康书生， 鲍静海，史娜，李纯杰.中小企业信用评级模型的构建[J].河北大学学报：哲学社会科学版，2007，（4）.

[9]王卫东.AHP在我国上市公司信用评估中的应用[J].重庆工商大学学报：自然科学版，2006，（2）.

[10]赵家敏，黄英婷.基于层次分析法的小企业信用评级[J].黑龙江社会科学，2006，（6）.

[11]戴毅，霍佳震，张倩.基于模糊层次综合方法的企业内部风险评价[J]. 同济大学学报：自然科学版，2008，（6）.

[12]杨淑娥，黄礼.基于BP神经网络的上市公司财务预警模型[J].系统工程理论与实践，2005，（1）.

[13]沈沛龙，周浩.基于支持向量机理论的中小企业信用风险预测研究[J].国际金融研究，2010，（8） .