前言：尋找寫作靈感？中文期刊網用心挑選的小微企業信貸違約非財務因素初探，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
摘要：文章以低成本信息收集為主要篩選條件，實證分析小微企業民間借貸違約的非財務變量中，不同產業類別、成立時間、擔保品、銀行關系、負責人情況等指標，其違約比例具有顯著差異。并基于這些具有差異特征的非財務變量作為預測變量，建立小微企業信貸違約非財務變量Logistic預警模型，實證檢驗該模型的預測準確率達到85%以上。
關鍵詞：小微企業；民間借貸；非財務因素；Logistic回歸
0引言
金融服務實體經濟，必須要解決小微企業“融資難”的問題。對于金融機構而言，首先要解決的是判定小微企業信貸違約的技術難題，在技術上增加對小微企業信貸違約模型的判別精度[1]。財務報表歷來是呈現企業整體財務狀況的工具，眾多學者也以財務因素作為企業信貸評價的主要評估指標，這些指標主要有償債能力、獲利能力及營收成長率等。然而，小微企業的財務信息大多不健全、帳務外包、甚至采用內外兩套賬的情況比比皆是，其財務報表可能無法反映出公司的真實狀況。因此，以財務指標作為小微企業民間借貸信貸標準可能存有較大風險。民間借貸機構在對小微企業貸款的過程中，把非財務指標，如經營型態、成立時間、業者屬性等作為重要參考指標，是更為合理的選擇。在國內外相關研究中，加入非財務指標進行信貸違約預警時，也獲得相當不錯的實證結果[2-7]。因此，本文期望通過相關文獻的整理，從民間借貸這一主體出發，找出影響小微企業信貸違約的非財務因素，作為評估小微企業授信標準；并以非財務指標為自變量，采用自變量為非常態、模型適合非線性優點的Logistic回歸來建構小微企業民間借貸違約預警模型。
1研究設計
1.1變量選取
企業非財務指標有很多，由于小微企業常采用內外帳務或粉飾財務報表情況，譚久均(2005)[8]、蔡玉蘭等（2015）[9]針對財務變量分析，認為小微企業的財務變量對其貸款違約與否不具有顯著的影響，即小微企業的財務信息不能充分顯示出企業營運的實際狀況。為了能預測我國小微企業貸款的違約情況，本文參考已有相關研究，結合我國民間借貸雙方的信息搜尋成本低的特點[10]，整合非財務指標來探討其對小微企業貸款違約的影響，得到適用于小微企業貸款的非財務變量，包含產業類別、企業性質、成立時間、擔保品、銀行關系、最近三年增資情形、負責人年齡、負責人學歷、負責人信用狀況這9個非財務指標進行研究。
1.2數據來源與分析方法
小微企業信貸戶樣本取得較困難，本文考慮到如果以1:1配對方式選取樣本數，會造成過度取樣的現象[11]，且與現實狀況差異太大，正常戶樣本有被稀釋的可能；但如果使用有財務風險的公司與正常公司1：20[11]的比率，又可能導致財務違約樣本太少，無法達到統計分析所需的樣本個數，這兩種方式可能影響研究結果的正確率及研究的可行性。因此，本文鑒于樣本數量取得的限制，兼顧樣本數量需滿足研究結果達到顯著性的要求，并依照學者們[12,13]采取的折衷做法，分別以違約戶與正常戶1：3的比例進行個別隨機取樣。在樣本的選取上，本文以國內知名的民營小貸集團公司—A集團（以下簡稱“A信貸”）2014—2016年放貸的小微企業為實證對象。本文為探討各項非財務指標對小微企業信貸違約的影響，其主要相關資料分析方法如下：（1）卡方檢驗(Chi-squaretest)：探討在各項非財務指標下，各類別小微企業信貸違約比例的差異性，比如制造業與非制造業違約比例的差異性。期望在實證中找出影響小微企業信貸違約與否的非財務變量。（2）Logistic回歸：由卡方檢驗找出影響小微企業信貸違約與否的變量后，本文以Logistic分析建立小微企業信貸違約預警模型，并利用違約戶與正常戶預測正確率圖形，找出使所建立的模型能對違約戶及正常戶具有高度的預測正確率的最合適分割值。
2實證分析
本文以國內知名民間金融公司A信貸在2016年12月31日止仍在合同存續期間或催收中的小微企業為樣本，逐戶選取其2014—2016年三個年度資料數據，剔除成立時間不足一年的企業及部份資料不全的企業，得到資料完整的小微企業戶，共計311戶，其中違約戶有78戶、正常戶有233戶。（1）在產業類別方面，非制造業的違約戶比例(34.83%)明顯高于制造業(12.03%)。主要原因可能為制造業資本額較大及市場穩定，因而較具市場競爭力，不容易被市場淘汰或被其他競爭者取代。（2）在成立時間方面，成立2年內違約戶比例(60.26%)明顯高于成立2~5年(27.27%)與5年以上(6.92%)，且成立時間越久，違約戶比率越小。小微企業資源有限，在成立初期，其產品的市場認同度與技術穩定度尚未成熟，營運不穩定，新創企業間競爭激烈，一旦經營績效不佳，就容易被市場淘汰；另外，成立越久的公司，經歷過景氣循環周期，其產品與公司總體較為穩定與成熟，市場競爭力與應變力相對較強，發生違約的概率自然下降。（3）在抵押、質押或擔保品方面，擁有信用擔保機構擔保的授信違約戶比率(55.2%)明顯高于無擔保品（28.9%)、及動產、權利質押或不動產抵押(19.78%)的比率。一般而言，在一般交易過程中，買賣雙方在簽約買賣契約時通常會在契約中加入違約金的約定，但小微企業因資源少，因此民間借貸機構授信審核時，也會參照銀行的5P(People、Purpose、Payment、PerspectiveandProtection)標準。由此可知，能提供動產或不動產設定抵押權的小微企業，資質較好，發生違約的概率相對降低。對于資產較弱，又無動產、不動產或應收帳款等，但有擔保的小微企業，民間借貸機構一般會要求政策性融資擔保機構的擔保，其發生違約的概率相對較高。（4）在銀行關系方面，基本戶在非大型銀行的授信違約戶比率(33.95%)明顯高于大型銀行(20.3%)。大型銀行風控制度完備，資信審查較嚴，在放款、存款往來上與授信戶較密切，能掌控授信戶的營運狀況、資金流向及流量等信息，進而掌握授信戶資金的松緊情況，因此發生違約的概率相對降低。（5）在負責人年齡方面，30歲以下授信違約戶比率(66.67%)明顯高于31~45歲(37.84%)、46~59歲(9.26%)及60歲以上(9.32%)，可見負責人的年齡與小微企業貸款違約的關聯性頗高，且呈現負責人年齡越低，發生違約概率越高的趨勢。其原因可能為年齡較大的負責人經歷了經濟循環周期，并長期在產業經營中累積技術與經驗，早與上下游客戶間建立長期的信賴關系，具有適應經營環境變化的能力，違約情形相對較低。（6）在負責人是否動用信用卡循環額度方面，負責人有動用信用卡循環額度的授信違約戶比率(82.5%)明顯高于未動用者(11.4%)。由此得知，小微企業取得銀行融資相對較困難，其負責人為維持營運所需，在無法從銀行順利獲得經營資金支持時，使用信用卡是最快速的渠道；其次信用卡是高息產品，從信用卡可快速滿足其金錢的需求，若無視其使用成本，容易過度擴張其信用，一旦小微企業負責人資金較緊時，更傾向于使用高成本的資金，透支信用卡是最快捷的渠道。另外，雖然企業性質、三年增資情形與負責人學歷在各類別的違約比例略有不同，但其檢定結果不顯著，說明在這3個非財務變量上，對貸款戶違約與否無顯著影響。綜合上述結果，產業類別、成立時間、有無擔保品、銀行往來關系、負責人年齡及小微企業負責人是否動用信用卡循環額度這6個非財務變量確實可作為民間借貸機構在進行小微企業貸款違約預警評估時的重要判別依據。
3非財務變量Logistic預警模型
根據以上分析結果，非財務變量中的產業類別、成立時間、擔保品、銀行關系、負責人年齡及負責人是否動用信用循環額度這6個非財務變量能明確判別授信違約戶的差異性，因此本文運用Logistic建構小微企業貸款違約預測模型，并以此6項變量作為建構違約預警模型的預測變量。結果顯示，“產業類別”與“銀行往來關系”對貸款違約具有顯著正相關，表明非制造業與非主力銀行關系的小微企業，其發生貸款違約的機率較高；另外，“負責人年齡”對貸款違約具有顯著負相關，表明負責人越年輕，發生貸款違約機率越高；而使用信用卡循環額度的小微企業，其發生貸款違約的機率越高。另外，刪除自變量將降低預測的準確度，因此本文刪除兩個“成立時間”與“抵押、質押和擔保品”自變量后，預測正確率降為接近80%，說明這兩個自變量影響效果雖不如其他4個自變量，但在此模型中仍具有一定的影響，因此決定仍保留這兩個自變量。此外，由Logistic模型計算結果，以分割值0.5判別機率的預測條件下，整體模型的判別正確率為88.8%，其中233戶正常戶樣本中，誤判為違約戶者有9戶，其對正常戶的判別正確率達96.10%；而78戶違約戶樣本中，誤判為正常戶者有25戶，對違約戶判別正確率為67.30%。然而，上述判別結果對于正常戶辨別能力遠高于違約戶，會引起正常戶與違約戶判別失衡的情況，增加授信風險成本，依據穩健性原則，提高對違約戶的判別能力是必要的。因此，本文通過最適判別分割值的選取來提升對授信違約戶的判別正確率。本文歸納的各個分割值下授信正常戶與違約戶的判別正確率如圖1所示，得知正常戶與違約戶的判別正確率交會點為0.2，在此交會點下，正常戶與違約戶的判別正確率都達到0.8以上，具有平衡正常戶與違約戶的預測能力，為非財務變量Logistic預警模型最適判別分割值。本文再用最適判別分割值重新對小微企業貸款違約預測模型進行驗證。正常戶、違約戶及整體樣本的判定正確率分別為85.4%、85.9%及85.5%，均達到0.8以上較均衡的正確率。雖然在這個最適判別分割值模式下，整體樣本與正常戶判定正確率略低于判別分割值0.5的預測結果，但仍有85%以上的判別正確率，而且違約戶的判定正確率也提升到了80%以上，考慮到風險成本，這個最適判別分割值的模式，確實有較好的違約預測能力。
4結論
民間借貸機構對小微企業的放貸，出現違約的原因與正規金融機構不同，主要是違約動機因素的信息失控及對違約動機因素的信息非對稱[14]，這些因素使得民間借貸對小微企業的放貸更多的時候是考慮非財務因素，本文以信息搜尋成本低為主要標準，通過實證發現，在非財務變量方面，不同產業類別、成立時間、擔保品、銀行關系、負責人年齡、負責人信用卡使用情況等指標，其違約比例具有顯著差異。本文再利用這些具有差異特征的非財務變量作為預測變量，建立小微企業信貸違約非財務變量Logistic預警模型，經過實證檢驗，該模型的預測準確率達到85%以上。但本文在民間借貸小微企業信貸違約預警非財務變量的選擇上，主要關注的是以信息的可獲得性為主的溝通成本，在今后的研究中，增加小微企業信用風險評價、企業還款意愿、外部宏觀條件等非財務指標，可以讓預警模型更為完善。
作者:何涌 李曉翼 王秀 單位:湖南工業大學
