当前位置: 论文助手 > 免费资料 > 中文系范文 > >

logistic模型(资信评估体系)[中文系范文]

资料分类中文系范文 责任编辑:论文小助手更新时间:05-31
提示:本资料为网络收集免费论文,存在不完整性。建议下载本站其它完整的收费论文。使用可通过查重系统的论文,才是您毕业的保障。

 我国的中小企业作为非公有制经济中的一个部分正在逐渐发展壮大,较之国有大型企业而言,中小企业有着规模较小、内部管理水平低下等问题,再加上与银行之间信息不对称等多种原因,最终造成了中小企业融资困难。而解决中小企业与银行之间信息不对称的一个办法就是进行信用评级,故而建立一套适用于中小企业的信用评估体系对于解决其融资难有着重要的意义。

本文考虑了我国特殊国情下特定的市场经济条件,以及我国中小企业的特点,将财务指标与非财务指标相结合,通过因子分析建立修正的评价指标体系,进而通过深圳中小板上市企业的数据的实证分析,比较了各类评估模型的适用性,最终发现 Logistic 回归构建的中小企业资信评估模型更具适用性。

 

研究背景及思路

我国中小企业正在作为非公有制经济中的一个部分逐渐发展壮大,较之国有大型企业而言,中小企业有着规模较小、内部管理水平低下等问题,绝大多数的中小企业都非上市公司,这就又存在着信息透明度低的问题,这种企业与银行之间的信息不对称使得银行为了尽可能规避由道德风险带来的逆向选择,就会加大对中小企业贷款的审查要求,减少对中小企业的贷款额度,最终造成了中小企业融资困难。

解决中小企业与银行之间信息不对称的一个重要途径就是信用评级,通过资信评估可以提高其信息透明度,降低银行为获取其信息而付出的交易成本,同时就缩小了银行对中小企业放贷的信用风险,增强了银行的放贷意愿,从而有利于缓解现在中小企业融资难的问题。

我国商业银行对于企业评级所使用的信用评级指标体系是同一标准,在面对中小企业时并未制定专门的信用评级体系。这种评级指标体系的针对性差,在一定程度上会错估甚至是低估中小企业的信用,进而加剧中小企业的融资困难。

针对由于评价指标体系的不适用导致的中小企业资信能力被错估进而加剧其融资困难的问题,本文试图通过分析比较国内外一些比较成熟的信用模型,来选择并建立起适合我国中小企业信用评级的指标体系及评价模型。

首先,对现有中小企业资信评估现状理论进行分析,选择一些比较有代表性意义的评价模型,如 Logistic 回归模型、Credit Metrics 模型、KMV 模型等等进行比较。

其次,通过借鉴国内外研究成果,包括对各种评级方法和模型进行比较和选择,将财务指标和非财务指标结合起来考虑,提出构建我国中小企业信用评级指标体系。

最后,将深圳中小板企业数据运用于选择的评价模型,构建出经过修正的具体模型,并通过对挑选出的不同经营层次的中小企业进行实证定量分析,考察具体模型在实践研究中的可适用性,并对其结果进行分析,对如何有效帮助中小企业提高资信水平和融资能力提出建议。

 

1.国外研究综述

信用评价最早起源于美国,经过不断完善与发展后已被广泛接受并且应用于实际经济中。目前,国际上较为权威的信用评价机构有:穆迪、惠誉以及标准•普尔公司。

国外早期对企业进行信用评价主要根据专家的经验判断,比较典型的主观信用评价方法有“5C 模型”(品质、经营、资本、抵押、环境)和“5P 模型”(个人因素、贷款用途、还款来源、担保、企业前景)。

主观经验评价发展历程较短,20 世纪 60 年代后,信用评价体系构建开始使用包括回归分析方法、判别式分析方法、非线性概率模型等在内的统计和计量学理论,主要有 Beaver(1966)根据现金流指标建立的单变量模型、Altman(1965)提出的 Z 分数破产预测模型;90 年代后,开始基于计算机技术利用计算机技术方法和人工智能进行信用评价,主要有神经网络法等,评价方法也开始由客观转向科学。

随着计算机技术的不断发展,企业信用评价方法也由最初经验判断转为利用数学模型,最后发展到系统综合时期,并以专家系统和神经网络方法为代表。

本文选择了较为典型的 KMV 模型、Credit Metrics 模型进行进一步具体分析与筛选。

2.国内研究综述

我国对于企业信用评价体系的研究开始地比较晚,并没有有很成熟的发展。上世纪 80 年代起才开始研究信用评价体系,包括对评价指标的选取和评价方法的选择两个方面。

首先,对于评价指标的选择问题:学者们先从财务指标出发构建评价体系,吴世农、黄世忠(1987)、吴晶妹(1994)早期建立了以财务指标为主的评价体系,其中包括企业的财务质量、企业偿债能力等内容。施锡铨、邹新月(2001)选取了净资产收益率、资产负债率等 5 个指标作为基础分析变量,通过分析我国 A 股市场部分上市公司的数据,使用典型判别分析法做出实证分析并且最终验证该模型的有效性。徐志春、王宗军等(2008)运用 Logistic 回归分析,率先提出了将非财务指标也引入信用评价指标体系中,更加科学地完善整个评价体系。

还有的学者是基于新视角来选取指标:孙玥璠、杨超(2015)提出构建基于大数据平台的指标体系,即在传统指标基础上加入静态用户反馈指标及档案类数据。

其次,对于评价方法的选择问题:王春峰、万海晖等(1998)选取了 55 个企业样本,通过对其贷款违约风险进行分析,发现 Logistic 模型比线性判别法更优。肖北溟、李金林(2004)选取了 200 个贷款样本,通过因子分析等方法构建信用评级模型,并且实证检验了模型的有效性。王恒、沈利生(2006)选用了排序多元离散选择模型来实证检验了中国银行的客户信用评级系统。谭中明(2009)利用经验筛选与实证分析结合,建立起合适的评价指标体系,并且在此基础上运用 AHP 法确定指标权重。蒙震(2014)运用文献、问卷以及访谈的形式,调查并选取了 44 个指标,对选取的指标体系再进行项目分析和主成分分析后最终建立信用风险评估模型。孙玥璠、杨超(2015)摒弃了传统评价方法,与时俱进地基于数据云平台构建新型中小企业资信评估模型。