前言：中文期刊網精心挑選了企業信用評估方法范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
企業信用評估方法范文1
【關鍵詞】 港航企業；信息化；指標體系；評估方法
信息化發展水平是新經濟時代企業價值能力的一種體現，是衡量港航企業現代化水平和綜合競爭力的重要指標之一。當前，港航企業信息化向著智能化、集約化、突出協同應用和綜合服務的趨勢發展，并趨向于進一步的大規模應用。信息化水映的是一個綜合體系，把人、組織、技術、應用及企業戰略整體納入考慮范圍。綜合評估企業信息化發展水平，考察其對組織業務運作和管理的支持程度、對組織落實發展戰略的支撐水平、信息化建設成效，切實反映信息化對組織的業務水平提升、管理效能提升所起到的作用，并客觀反映企業信息化建設存在的問題，對促進港航企業更好地轉型發展具有現實意義。
1 信息化評估基本思路
圍廣、技術要求高、考慮因素多，不僅要評價信息化建設的技術水平和先進程度，還需綜合考慮被評估對象的業務體系、組織模式和管理特點等因素。在此基礎上，建立一套科學規范的信息化評估體系。
具體評估時，可以根據評估目的和對象的不同選取不同的評估方法，一般需按照以下思路（見圖1）進行：（1）明確信息化評估的目的和要求；（2）根據企業業務戰略對信息化進行正確定位和認識；（3）評估貫穿于整個生命周期，而不僅是事后評估；（4）根據不同的評估需求盡量選用成熟的參考框架；（5）分析信息化水平影響環境因素，充分考慮不同組織和條件下的差異性；（6）選擇合適的評估技術方法，并適應信息化技術的要求，注重定量與定性評估的有機結合；（7）將評估與監管相結合、定性與定量分析相結合，注重動態監控和管理，然后以合適的形式展現評估結論。
2 評估指標體系設計
2.1 設計原則
評估指標是評估模型的骨架?？茖W建立評估指標體系是決定評估工作成敗的關鍵。指標體系的設計要遵循以下原則：一是務實性原則，強調與被評估對象業務特點和規律緊密結合；二是整體性原則，合理構造層次結構和指標數量，全面反映信息化建設各個方面；三是簡明性原則，盡量選與目標關聯最緊密的重要指標，與現有數據銜接，數量精煉、定義明確，便于采集；四是獨立性原則，便于專家根據情況靈活運用。
2.2 指標體系構成
建立評估指標體系是信息化評估的首要工作，也是研究的難點和重點。結合港航企業業務特點和信息化應用情況，將評估指標體系分為5個一級指標、22個二級指標和35個三級指標。其中，一級指標為：業務支持、技術架構、管理與運營、應用績效、可持續發展等5類。每類指標，根據評估要求再逐層細化建立二級指標（見圖2）。
（1）業務支持。主要考察信息化是否能有效支持企業業務戰略的發展，關鍵是從應用覆蓋面、覆蓋深度與廣度、業務協同等方面，測度是否能滿足業務應用和經營管理工作需求。
（2）技術架構。重點考察企業在信息技術應用方面的狀況，包括網絡通信、基礎設施、應用系統、信息資源、信息安全和信息技術應用（滲透和擴散）等方面的先進性與實用性，關鍵在于測度技術架構與業務體系的技術支撐能力。
（3）管理與運營?？疾炱髽I在信息化建設管理方面的水平和能力，包括戰略管理、組織、流程制度、運維管理、安全管理等方面的能力提升情況。
（4）應用績效。考察企業信息化的價值，衡量信息化組織貢獻與影響，包括運行效率、管理效能、社會效益、節省費用、組織成長和知識創新等方面提升的響應能力情況。
（5）可持續發展?？疾炱髽I信息化保持平穩、高效、可持續發展的能力，包括信息化建設的技術和管理基礎、資金投入水平、人才隊伍保障和制度規范程度等方面內容。
3 信息化評估流程
（1）建立指標體系。在指標體系建立方面，采用“層次清晰、綜合評估”指標體系設計理念，充分反映被評估對象的業務與管理特點，遵循系統全面、科學合理、有針對性和可操作性原則，建立分層、分級的指標體系。
（2）選擇評估模型。根據評估對象與評估目的的不同，在適應性分析的基礎上，確定組織信息化能力評估的基準，明確評估指標與基準的對應關系，選擇科學、合理的評估模型。
（3）確定指標權重。指標權重是指該指標在本層指標中的相對重要程度。具體評估時，可以根據不同的評估目的和要求，分析指標的內涵與屬性特征，選取主觀或客觀的賦權法，以確定指標權重。
（4）評估數據處理。評估數據是評估結果產生的源泉，有了評估數據才使得評估變得有意義。數據分為定量數據和定性數據兩種，在應用評估模型C時通常要對數據進行一定的處理。其中，定性數據的處理通常采用的方法是調查問卷法，如采用隸屬度賦值方法，將定性指標分成幾個檔次，制定評分依據。定量數據的處理則按照指標的釋義和組織的具體情況進行收集，然后進行無量綱處理，將定量指標原值轉化為評估值。
（5）結果綜合分析。對企業信息化能力進行定量分析，是準確評價信息化水平的關鍵。在評估中，體現技術效益和有形經濟效益的指標，一般采用定量分析方法。而體現社會效益和無形經濟效益的指標，由于較難被量化，則采用定性分析方法進行考核。通過定性與定量分析相結合，實現客觀、科學的評估。
4 應用與分析
模型”，將信息化能力分為啟蒙級、基本級、適應級、規范級、戰略級等5個評分等級。每項指標按評分區間從低到高依次為1～5分，如1分表示“啟蒙級”，5分表示“戰略級”等。每個評分等級都有相應的評價尺度和標準。
以企業信息化總體建設成效為依據，立足于企業發展戰略的信息化支撐與服務，通過實地調研與專家打分相結合的模式，從業務支持、技術架構、管理與運營、應用績效、可持續發展等5個方面對其信息化發展水平進行綜合評估，并采用直觀、簡明的雷達射線圖進行展現（如圖3）。
評估結果表明，該企業信息化建設成效顯著，總體水平達到規范級，未來在管理與運營、可持續發展等方面尚有進一步拓展的空間，以更好地適應港口轉型發展的需要。
5 結 語
信息化發展水平已經成為衡量一個港航企業現代化水平和綜合競爭力的一個重要標志。不同的測評方法會產生不同的評價結果。要從被評估對象的業務體系分析入手，充分理解組織業務模式和管理特點，結合好評估的目的與要求，在評估綜合分析中盡量采用簡單、明了的形式直觀反映綜合評估結果?？茖W、客觀地評估港航企業信息化發展水平，有助于港航企業梳理和認識自身信息化建設成效與差距，尤其在多個同類企業的比較分析中能相互借鑒與促進發展。然后，在此研究基礎上選擇同類型港航企業進行評估比較分析，給出綜合性的評估結論，以促進信息化工作更有力地支撐和融入企業發展戰略
參考文獻：
[1] 羅本成，原魁，眭凌，等．基于灰關聯度評價的投資決策模型及應用[J]．系統工程理論與實踐，2002（9）：133-137.
企業信用評估方法范文2
【關鍵詞】不良貸款，五級分類，評估定價
1.不良貸款的含義
中國人民銀行在《貸款風險分類指導原則（試行）》中根據貸款質量的不同將信貸資產進行五級分類，五級包括正常類、關注類、次級類、可疑類、損失類。不良貸款一般指五級分類中的后三類，具體指次級類貸款、可疑類貸款、損失類貸款。
2.不良貸款評估的主要方法
不良貸款的評估是為確定貸款在評估基準日的可回收金額，從而為金融企業處置不良貸款提供參考和依據。評估不良貸款價值一般是通過調查借款企業及其關聯方的持續經營能力，分析借款企業的財務狀況、資產狀況、企業信用等，從而判斷其償債能力，估算不良貸款的可回收金額。評估不良貸款的主要方法有假設清算法、現金流償債法、交易案例比較法、信用評價法、專家打分法。
2.1假設清算法
假設清算法一般使用在非持續經營條件或者仍在持續經營但是不具有穩定的凈現金流的企業。首先，基于企業的整體資產，從總資產中剔除掉不能用于償債和實際不用償還的無效資產，按照企業清算過程中的償債順序，考慮優先受償，以分析債權資產在某一時點從債務人或債務責任關聯方所能獲得的受償程度。
（1）信用類債權資產價值（一般債權總額）=一般債權總額×信用貸款整體債權受償率
（2）抵押質押權資產價值=抵押質押資產評估值+未清償抵押質押債權×企業整體受償率
（3）保證債權資產回收價值=保證貸款整體債權金額×保證人信用貸款整體債權回收率+未清償保證債權×債務人信用貸款整體債權回收率
實際操作中，可能影響債權資產價值的因素很多，或有負債的不確定性、優先扣除項目金額及資產變現的可能性等因素難以量化。此外，注冊資產評估師應準確把握企業在持續經營和非持續經營情況下有效資產和有效負債的范圍。最后，確定優先債權受償金額時，如果對應的資產價值小于優先債權，剩余的優先債權并入一般債權參與受償；如果對應的資產價值大于優先債權，超過部分并入有效資產參與清償。
2.2現金流償債法
現金流償債法適用于貸款企業未來經營狀況、財務狀況好轉，不良貸款轉化為優良貸款，未來經營凈現金流量可以歸還給銀行。依據企業近幾年的經營和財務狀況，考慮行業、產品、市場、企業管理等因素的影響，對企業未來一定年限內可償債現金流和經營成本進行合理預測分析，考察企業以未來經營及資產變現所產生的現金流清償債。不良貸款現值的計算公式是：
其中，P為不良貸款現值，n為計算期數（通常以年為計量單位），Rt為第t年的凈現金流量，r為折現率。
現金流償債法分析的要點是對預期償債年限的確定，對預期償債年限內可用于償債的現金流進行預測，確定折現率，從而計算預期償債年限內可償還現金流的現值。因此，這種方法測算精度在于貸款企業未來的經營狀況、現金流和折現率的預測精度。
研究發現，期數（t）為1時的定價結果比較可靠，期數大于1時的定價結果不夠可靠。因此，筆者建議將期數（t）設置為以季度為單位，取值不宜大于4.
2.3交易案例比較法。交易案例比較法是指通過選擇與擬處置的債權在債權形態、債務人性質、行業特點、處置規模等方面類似的債權交易案例至少三個以上進行比較，綜合考慮相應的調整因素，從而對處置債權價值進行分析。交易案例比較法是先通過定性分析掌握債權資產的相關信息，確定影響債權資產價值的各因素，然后選取若干近期已經發生的與被分析債權資產在債權形態、債務人性質和行業、交易條件相近的處置案例，對影響債權資產處置價格的債權情況、債務人情況、不良資產的市場狀況、交易情況等因素進行量化分析，必要時可通過適當方法選取主要影響因素作為比較因素，與被分析債權資產進行比較并確定比較因素修正系數，對交易案例的處置價格進行修正并綜合修正結果得出被分析債權資產價值。當可獲取的樣本量足夠大時，可以運用數理統計的方法對樣本進行分析，以此為基礎測算債權資產價值。
2.4信用評價法
信用評價法通過信用評價的方式對債務企業財務指標和非財務指標的計算分析，評估債務企業的信用等級狀況，根據企業信用等級狀況求導不良貸款本息的風險損失系數，在此基礎上計算不良貸款本息的可變現價值的一種評估方法。適用前提是正常經營的國有企業，銀行與企業行為是純市場行為。
基本公式為：貸款可變現值=貸款金額×（1-貸款資產損失率），其中，貸款資產損失率=[（貸款企業信用等級系數×貸款方式系數+貸款形態系數）-貸款企業信用等級系數×貸款方式系數×貸款形態系數] ×100%。
2.5專家打分法
專家打分法是指在綜合專家意見的基礎上，對債權價值和價值可實現程度進行分析的一種方法。其程序如下：（1）選擇專家；（2）設計債權價值征詢意見表；（3）向專家提供債權背景資料，以匿名方式征詢專家意見；（4）對專家意見進行分析、匯總，將結果反饋給專家；（5）專家根據反饋結果修正自己的意見；（6）經過多輪匿名征詢、反饋和調整后，形成最終的分析結論。
專家打分法是使用前提是有些不良貸款所對應的債務人雖然持續經營，但卻不向債權人提供財務資料，有的不良債權不僅沒有債務人資料甚至連債權人也不具備完整的信貸資料，處置評估時僅靠評估師的專業判斷能力。
3.小結。綜合分析五種不良貸款評估方法，我們可以得出以下結論：第一，五種評估方法都有一定的局限性。五種方法在假設前提下的測算結果只宜作為不良貸款定價參考值，不宜作為不良貸款交易價格。第二，相比較而言，假設清算法具有相對優勢，其相關操作規范最為成熟，在實踐中使用頻率也最高。但是當企業在違約后繼續經營時，使用假設清算法是不恰當的?，F金流償債法中貼現率的選擇和債權在未來可能獲得的償付數額及具體的償付時間難以預測。在交易案例比較法中，對影響回收率的因素分值的設定和調整缺乏科學依據，主觀性太強。專家打分法則依賴于專家的主觀判斷，客觀性不足。
參考文獻：
企業信用評估方法范文3
(鄭州經貿職業學院會計系,河南 鄭州 450006 )
中圖分類號:F270F832.42文獻標識碼:A文章編號:1673-0992(2009)09-087-02
摘要:中小企業融資難的問題一直以來都是社會關注的焦點,中小企業融資難主要表現為貸款難。影響中小企業貸款的因素很多,其中銀行在經營管理上缺乏有效的信用風險管理是重要原因之一。目前,銀行普遍存在流動性過剩問題,資金運用的壓力加大,開拓中小企業貸款業務已成為現實的選擇。本文從理論上就中小企業貸款信用風險評估方法問題進行了探討,對建立完善有效的信用評價制度和風險控制制度提出了建議。
關鍵詞: 零售貸款;信用評估
一、中小企業信用風險的特殊性
中小企業貸款相對大企業具有額度小、時效性要求高、期限短、頻率高、對貸款價格敏感度低等特點,這在信用風險的管理技術和管理機制上提出了與大型企業不同的要求。按照《新巴塞爾資本協議》的有關規定,貸款總金額較小的中小企業貸款可以作為零售貸款管理,中小企業貸款的信用風險因此也具有零售貸款信用風險的特點。巴塞爾銀行監管委員會于2001年1月的 《內部評級方法》把零售貸款定義為:“由大量小額貸款所構成的同質組合,這些貸款的借款人是消費者或者小企業,任何單筆貸款所增加的風險較小。”兩年后 ,巴塞爾銀行監管委員會于2003年7月了《新巴塞爾資本協議》(征求意見稿) 給出零售貸款更詳細的界定。歸入零售貸款的資產需滿足下列標準 :(1)對個人的貸款 ,包括循環信貸和信用額度,個人定期貸款和租賃,不管金額大小,均作為零售貸款對待;(2)住房抵押貸款,不管其金額大小或是以共同擁有的住房作抵押物,只要借款人是擁有住房的個人均作為零售貸款;(3)對小企業的貸款, 如果銀行包括其控股的金融機構作為一個整體對單個小企業的總貸款金額在100萬歐元以下,則將其作為零售貸款。個人擔保的小企業貸款作相同處理。此外,銀行需對零售貸款進行打包,組成資產池并在此基礎上進行管理。
該協議要求銀行必須利用至少五年的數據來估計零售貸款的信用風險特征 ,包括違約風險暴露(EAD)、預期損失(EL)、違約概率(PD)、違約損失率(LGD)、有效期限(M)、意外損失(UL)等。
零售貸款的信用風險有其特殊性。首先,零售貸款的借款人通常是個人或小企業,缺乏評級資料可供利用;其次,單筆貸款的金額相對較小。第三,借款人是否違約在很大程度上取決于社會因素。如違約的社會成本、信息成本和法律成本,這些因素很難量化。第四,零售貸款缺乏二級市場。無法根據二級市場的價格來建立價格預期或進行價值評估。盡管資產證券化技術實現了抵押貸款、信用卡或汽車貸款組合的流動,但是人們對單筆零售貸款的信用風險主要變量如LGD、PD等依然知之甚少。因此,中小企業信用風險的特殊性使得我們不能簡單地套用公司貸款業務或批發業務的風險管理模式,應針對中小企業特點和貸款風險特征制定切實可行的風險防范措施并提出相應的解決途徑。
二、中小企業信用評估體系建設
(一)信用評分模型是中小企業信用風險評估的發展趨勢
傳統方法中,專家制度屬于單變量測定法,它的缺陷在于不能對不同的財務比率的重要性進行排序,評級結果主要憑借專家的主觀判斷,標準不一致、隨意性大。綜合評估方法是目前國內銀行普遍采用的方法,簡便易行,比較適合規模較大的公司,但用該方法評估中小企業成本高、效率低、評級的標準不科學,導致中小企業準入門檻過高,無法獲得銀行貸款。信用評分模型的優點是可以降低人工成本、決策更有效率等。信用評分模型的應用可以提高貸款申請過程的速度,以及實現借款過程的自動化。憑借信用評分的幫助,銀行能夠在很短時間內量化與特別申請者信用關聯的風險。這種方法比較適合數量眾多、數額較小的中小企業。[1]
目前信用評分模型的開發和應用在國內還比較落后,但隨著金融非中介化趨勢加強,中小企業通過金融市場融資程度也加強,因此,借鑒國外信用風險定量度量和管理的經驗、成果,構建新型的信用風險識別模型,對中小企業信用風險進行識別和衡量,顯得十分迫切和必要。近年來中小企業貸款違約已經積累了一定量樣本,為開展中小企業貸款信用風險的研究創造了有利條件。
(二)加快企業和個人征信系統建設,為每個中小企業建立信用檔案。
銀行能夠通過征信系統低成本獲取企業和企業主各類信息,將有助于其建立完善、有效的中小企業信用評分系統。企業和個人征信系統在全國范圍內實現信息資源共享,也將有助于建立失信懲戒機制,對企業和企業主形成強有力的約束力,促進整個社會信用環境的改善。建立信用體系對控制信用風險、提高貸款質量、提高銀行對中小企業信貸服務和積極性都具有重要意義。
三、中小企業貸款信用風險管理對策建議
(一)銀行對中小企業貸款信用風險管理對策建議
從銀行的角度看,加強中小企業信用風險管理應從以下幾方面入手:
1.產品設計與客戶分類相結合。利用信用風險模型對中小企業客戶進行細分,在此基礎上針對細分的客戶群,開發出適合該客戶群收益、風險與流動性特征的創新產品,在通用評分模型的基礎上進一步細分,開發針對特定行業、貸款項目的更實用的、精準度更高的各類專用評分模型。既能夠提高銀行的產品營銷能力和競爭力,又能夠運用利率杠桿來管理風險。
2.注重提高銀行信用風險分析技術。一是要注重財務指標的分析,尤其是現金流分析。地方性銀行尤其要改變以往只看有無抵押、擔保的傳統做法,應充分利用企業財務指標建立信用風險分析模型。二是要注重對非財務指標的考察,加強對企業家個人信用狀況、企業特征等非財務指標的分析,建立包含這些關鍵指標的信用評分模型,使得對中小企業信用風險的評價更全面、客觀。[2]
3.注重積累中小企業信貸歷史數據。優秀模型的建立需要多年的歷史數據支持,目前中小企業歷史數據資料非常欠缺,央行建立的中小企業信用信息數據庫剛剛起步。應加快建設,搜集、積累更詳細的數據,并建立數據及時更新的長效機制,使銀行能夠通過數據庫低成本獲取中小企業各類信息,為信用風險評估模型的研發提供數據平臺。同時也有助于建立失信懲戒機制,對企業和企業家形成強有力的約束力,促進整個社會信用環境的改善。
4.采取有效措施消除中小企業信息不對稱問題。模型預測的準確性是建立在真實、公允的財務報表信息的基礎上,信息不對稱是制約中小企業信用風險評估的關鍵因素。建議盡快實現銀行征信部門與工商、稅務等職能部門的信息資源共享,通過信息聯網核查避免企業多套設帳、多套報表的情況,確保企業信息的真實性。征信管理部門在辦理貸款卡審查的過程中,應要求企業提供經過會計師事務所審計的財務報表。相關部門應加強對中介機構的市場監管,提高社會中介機構的專業化服務水平和誠信水平,保證驗資報告、審計報告的公正、真實。[3]
(二)完善中小企業信用風險管理的制度和政策環境
制度政策環境方面的缺陷已經成為導致我國中小企業貸款違約的一個重要因素。以下四個方面對導致我國中小企業貸款違約風險的制度因素和政策環境進行了分析,對進一步完善中小企業信用風險管理提出了系統性建議。
1.進一步推進利率的市場化改革。實證分析發現,利率、借款數額、借款期限等與違約之間具有內生性關系,利率是可以起到甄別企業風險和配置信貸資金的作用的。因而,要進一步推進利率的市場化改革,銀行可以基于企業風險評價設置相應利率,一方面可以約束企業違約行為,一方面提高銀行的收益。
2.建立完善中小企業信用擔保制度。建立專業的信用增級公司為低信用級別企業發行直接債務融資工具提供增級。信用擔保制度是解決中小企業融資難的一項金融支持制度。目前國內的擔保公司在中小企業直接債務融資擔保上的一大缺陷就是自身資本實力不足,不能最大限度地為中小企業降低融資成本。因此政府應加大政策扶持力度,本著“政府扶持,市場運作,規范管理,加快發展”的原則,采取具體措施促進擔保機構開展業務。[3]
3.積極引導中小企業健全內部信用管理制度,加強風險管理,增強誠信經營理念。有條件的中小企業應該成立專門的信用管理部門, 借鑒國內外客戶信用分析模型、客戶信用評級方法與技術、合約管理、營銷預警和應收賬款管理技術,建立健全企業信用管理制度,大力推行“3+1”1科學信用管理模式,從原始資料積累開始,對企業進行全程信用管理。制定合理的信用政策,根據企業和不同客戶的具體情況確定適宜的授信額度,將信用管理的重點轉向事前和事中階段,形成信用管理工作的全覆蓋,實現信用管理與企業經營發展的良性互動,提升中小企業的市場競爭力和持久發展能力。[4]
參考文獻:
[1]賀學會,王海峰,王小曼.企業信用行為與失信懲戒機制:一個基于信用資本的分析框架[J].金融研究.2008.10
[2]張吉光. 宏觀調控下的中小企業融資問題及對策[J].金融管理與研究.2009.01
企業信用評估方法范文4
關鍵詞：模糊神經網絡；企業信用風險；評估模型
中圖分類號：F820 文獻標識碼：A 文章編號：1672-3104（2013）05?0021?05
信用風險是指交易對方沒有意愿或沒有能力履行既定合同條件而造成違約，致使債權人或交易方遭受經濟損失的可能性。企業信用風險產生的原因有企業內部自身的因素，也有環境因素。企業經營不善、決策失誤導致無法履約等自身因素往往被認為是企業信用風險的根本原因[1]；而國內外宏觀經濟環境、法律法規制度及政治制度的突變也成為當前企業信用風險成因不可忽視的因素。
理論和實踐已表明當今的中國已經步入了“信用經濟時代”，這就要求作為中國經濟主體的企業，在生產經營活動中需要感知風險、預測風險和規避風險，以確保契約關系的如期履行。這既是企業經營與發展的根本，也是國家和地區經濟體系正常運行的基本前提。因而如何科學有效的評價企業的信用風險，對維護國家金融安全與經濟健康運行的意義與價值是不言而喻的。
一、文獻回顧
信用評價是穆迪（Moody）公司的創始人約翰·穆迪在1890年首創提出的債券風險管理體系，通過債券的信用評價確定債券等級，目的是幫助投資者對債券做出選擇，同時也為企業管理者的生產經營決策提供建議。到上世紀二三十年代，信用評價開始在歐美國家風行，評價的技術也在與時俱進?？偨Y其發展歷程，評價技術大致可以劃分為經驗判斷時期、統計模型時期和人工智能方法時期。
（一） 經驗判斷時期
這一時期主要集中在20世紀50年代以前，依賴評估人員的經驗和能力對企業的信用狀況作出判斷。在多年的實踐中，逐漸形成了“6C”“5P”及“LAPP”等要素信用評價方法。但經驗判斷法對評估人員的能力與水平有很高的要求，而且由于不同評估人員的的認識不同導致評價結果差異較大，評價結果公正性難以保證。
（二） 統計模型時期
在上世紀50年代到90年代期間，統計方法開始在信用評價技術中大量使用。Beaver[2]在1968建立單變量多元分析模型 （Z模型），但這種方法會存在不同變量導致不同的評價結果的缺陷。針對這一缺陷，Altman[3]利用多元判別分析法進行改進建立了Zeta模型，明顯提升了風險預警的效果。1980年Ohlson[4]開始運用Logit回歸模型進行企業信用評價，而后Collins和Green（1982）、Gentry、Newbold和Whitford （1987）的研究表明了Logit回歸模型在信用評價方面優于Zeta模型。Jone和Hensher（2004）使用混合Logit模型提高風險評價的準確程度。隨著信用評價技術的完善，一些新的統計方法不斷在實踐和應用，如KMV模型、VaR方法均在信用風險評價中使用，這些模型的出現意味著統計方法在信用風險度量技術的廣泛使用。
但是統計學方法應用在信用評價中也有很多的不足，如統計模型要求評價指標的關系是線性的，指標要成正態分布等都與企業的實際情況不符。因此，統計方法評價企業信用風險有很大的局限性。
（三） 人工智能方法時期
從上世紀90年代開始，信用評價就進入了一個集人工智能、計算機技術和系統技術于一體的人工智能方法時期。隨著人工智能的發展和應用，神經網絡方法（ANN）開始進入信用評價的應用和研究領域。相對于統計方法，神經網絡對樣本數據分布要求不嚴格，具有較強的“魯棒性”和較高的預測精度，這些優勢使其成為信用風險評價的有效工具。Singleton和Surkan[5]的研究表明神經網絡方法的準確率比信用評分法的準確率要高16%。Altman、Macro和macro[6]的研究也證實了神經網絡準確率遠高于信用評分法準確率。
我國學者對于信用評價問題的研究起步較晚，相比發達國家成熟的信用評價體系存在著相當大的差距。特別是在信用評級的實踐中，仍然以信用評分為主，在評價方法上，又以統計分析為主，而對于神經網絡方法、衍生工具方法的應用研究相對較少?；诖?，本文構建模糊神經網絡方法探索企業信用風險評價方法。
二、研究方法與樣本來源
（一） 研究方法
本文中的T-S模糊系統是一種自適應能力較強的模糊系統應用，該模型不僅能自動更新，而且還能不斷修正模糊子集的隸屬函數。T-S模糊系統用“if-then”的規則來定義，其模糊推理如下：
其中： 為模糊系統的模糊集； 為模糊系統的參數；yi為根據模糊規則得到的輸出。該模糊推理的輸出部分是模糊的，輸入部分是確定的，且輸出為輸入的線性組合。
（二） 樣本來源
本文中的樣本來源于2012年度浙江省重點工程招投標領域信用評級企業。為了評價的一致性，受評的72戶企業均為土木施工類企業，其中55戶作為神經網絡的學習樣本，17戶作為檢驗樣本，樣本數據均由杭州資信評估公司提供。
（三） 評價指標說明
信用評價指標體系是科學評價企業信用狀況的基礎和依據，本文按照浙江省企業信用評價指導性標準和規范提供的指標體系[7]，其評價指標主要分為5個大類、15個中類及48個初始指標集，即① 企業基本狀況大類指標：基本條件，人力資源，管理能力；②財務狀況大類指標：債權債務，營運能力，盈利能力；③ 發展潛力大類指標：行業狀況，技術實力，成長能力，發展戰略；④ 公共信用監管大類指標；⑤ 招標投標監管信息大類指標：招標投標信用記錄，合同履約情況，獲獎情況。
本文樣本的財務指標數據均來自于審計后的財務報表，定性指標則通過實地調查或監管部門的官網信息所得，因而所有的信用信息真實可靠。
由于信用評價指標體系中的各個指標計量單位不同，在分析之前必須通過歸一化處理，化為無量綱的表達式，即為純量。指標歸一化的方法有很多，本文使用如下算子（即matlab中的mapminmax）進行歸一化處理：
其中：ymax默認取為1，ymin默認取為?1，這樣把原始數據歸一化到?1至1之間，以便于后續的運算處理。
三、模糊神經網絡構建
（一） 模糊神經網絡的輸入與輸出
本文構建三層神經網絡，模型的第一層為輸入層，因為有48個輸入參數指標，所以輸入層設置了48個神經元；第二層為隱含層，隱含層神經元個數要依據網絡學習的擬合速度選取，此處設置為100個；第三層為輸出層，由于輸出參數為一個，即為企業的信用等級，故輸出層設置1個神經元。
（二） 基于模糊神經網絡的企業信用風險評價的流程
企業信用風險評價要將輸入樣本數據歸一化后求隸屬度，旨在將數據模糊化，再采用連乘算子作為模糊算子，計算模糊模型輸出值，其結果為逆模糊化的輸出。通過誤差計算矯正隸屬度參數，訓練模糊神經網絡，將訓練好的網絡對測試數據進行信用評價。該過程如圖1所示。
（三） 模糊神經網絡的學習算法
1. 誤差計算
2. 系數修正
3. 參數修正
四、實證研究結果
本文采用MATLAB 2010a編程，實現模糊神經網絡過程對該網絡進行訓練。經過訓練得到模糊神經網絡的真實結構。該結構由48個神經元的輸入層，1個神經元的輸出層和100個神經元的隱含層構成，經過大量次數的訓練，得到訓練結果。
（一） 誤差分析
從圖2到圖5可知，經過9 000次訓練，個別點的誤差仍然較大，沒有趨于穩定。在經過10 000次訓練后，所有點的誤差非常小，訓練好的模型能夠用于測試數據的信用評價。
在不同訓練次數下誤差波動不大，說明經過10 000次訓練以后的誤差已經趨于穩定。從圖6和圖7中可以看出，需要較大的訓練次數誤差才能趨于穩定，主要原因在于訓練樣本中等級的不連續性，例如一個企業的數據理論上應該化分為等級2.4，但是在實踐應用中的等級卻只有2和3，按照接近原則劃分到2，這樣的誤差出現在訓練樣本中將會對訓練結果的好壞、預測結果的好壞有著較大的影響。
由于反歸一化后結果不一定是整數，這與信用等級不一致，所以有必要對結果取整，當輸出結果小于1.5，其等級為AAA（圖上為1），輸出結果為1.5～2.5，其等級為AA（圖上為2），輸出結果為2.5～3.5，其等級為A（圖上為3），輸出結果大于3.5，其等級為BBB（圖上為4）。
測試樣本評價結果如圖8，等級1代表AAA，2代表AA，3代表A，4代表BBB。即：
五、結語
（1） 本文根據浙江省企業信用評價指導性標準和規范的要求確立了企業信用風險評估的指標體系， 構建了企業信用風險評估的模糊神經網絡模型。通過MATLAB 2010a編程，實現模糊神經網絡過程對該網絡進行訓練。實證研究表明， 模糊神經網絡適用于企業信用風險評價，且網絡預測誤差小。
（2） 利用模糊神經網絡得到的企業信用評價結果與杭州資信評估企業的評價結果基本一致。經對比，有4個企業的評價結果發生了一個等級的差異。
參考文獻：
[1] 張瑛. 新興技術企業信用風險評估方法研究[D]. 成都： 電了科技大學， 2009.
[2] Beaver W H. financial ratios as predictors of failure[J]. Journal of Accounting Research， 1966： 71?111.
[3] Altman E I. Financial Ratios Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance， 1968， 23： 4?7.
[4] J S. Ohlson. Financial Ratios and the Probabilitistic Prediction of Bankruptcy [J]. Journal of Accounting Research， 1980， 4： 123?133.
[5] Singleton. And Surkan. D. Simulating Correlated Defaults [J]. Paper presented at the Bank of England Conference on Credit Risk Modeling and Regulatory Implications， 2003， 9： 21?36.
企業信用評估方法范文5
關鍵詞:BP神經網絡;資信評估;金融決策;動態演化
中圖分類號:TP183文獻標識碼:A
文章編號:1004-373X(2009)20-147-03
Application of BP Neural Network in Corporation Credit Rating
LUO Ye,CAI Qiuru,LIU Yijun,YE Feiyue
(Jiangsu Teachers University of Technology,Changzhou,213001,China)
Abstract:Scientific and accurate credit rating of enterprises can be assisted in decision-making and the risk of investors can be reduced.Therefore,it is utmost important to improve the accuracy and the scientific of the credit rating.BP neural network is applied to the problem of corporation credit rating to avoid the inability of conventional credit rating methods.BP neural network model is established for the problem according to the relationship between credit rating and its influential factors.The results show that the model is fast and accurate.
Keywords:BP neural network;credit rating;financial strategy;dynamic evolution
0 引 言
隨著經濟的發展,國家逐步放開了對金融的管制,使金融市場的發展速度得以不斷加快,經濟形態也更傾向于信用經濟。資信評估作為市場經濟中的監督力量,對經濟的影響是不言而喻的。它在很大程度上降低信息不對稱的成本,能夠作為投資者的重要參考依據。科學準確的資信評估可以輔助決策,降低投資者風險。因此,提高資信評估的準確度和科學性極其重要[1]。
企業資信評估是以獨立經營的企業或經濟主體為對象,對進行一般性的商業交往、投資合作及信貸活動的信用評價。本質上它屬于綜合評價中的分類與排序問題。傳統的資信評估方法是基于統計學的分析方法,包括線性回歸分析、線性判別分析、邏輯回歸分析等[2,3]。然而統計學方法有很大的局限性,存在權重的確定,缺乏理論依據,帶有明顯主觀臆斷且計算復雜的缺陷。神經網絡技術可實現非線性關系的隱式表達,摒棄預測函數的變量是線性和互相獨立的假設,信用評級時不用確定各因素的權重且可處理各指標之間的非線性相關性。在此,將BP神經網絡用于企業資信評估,建立了神經網絡評估模型。實驗表明,該模型是有效的。
1 BP神經網絡原理
Backpropagation(BP)神經網絡是應用較為廣泛的一種神經網絡,尤其是建模、模式識別和優化等方面廣為應用。它是一個高度非線性的超大規模連續時間動力系統,也是一個超大規模非線性連續時間自適應信息處理系統;同時它具有大規模分布處理及高度的魯棒性和學習聯想能力。網絡的信息處理由神經元之間的相互作用來實現,知識與信息的存儲表現為網絡元件互連間分布的物理關系,網絡的學習與識別決定于各神經元連接權系數的動態演化過程。
在神經網絡中,傳遞函數是反映下層輸入對上層節點刺激脈沖強度的函數,一般取(0,1)內連續取值的sigmoid函數:
f(x)=11+e-x
提供訓練樣本Xk(k=1,2,…,P),P為樣本數目,Xk=(xk1,xk2,…,xkM);M為輸入向量維數。設Yk為樣本Xk期望的網絡輸出向量,k為實際網絡輸出向量,Yk=(yk1,yk2,…,ykN),N為輸出向量維數,則誤差指標函數為:
E=12∑Pk=1Yk-k2
標準BP算法的具體過程可歸納如下[4]:
(1) 給出訓練誤差允許值ε,并初始化權值wij和閾值向量;
(2) 計算E,若E≤ε,轉步驟(3),否則對每個樣本Xk進行下述操作:
①計算網絡輸出o。
對每一個輸出單元k,δk=ok(1-ok)(tk-ok);
對每一個隱含單元h,δh=oh(1-oh)∑kwh,kδk。
② 更新網絡連接權值wij,wij=wij+Δwij,Δwij=ηδjxij,xij為單元i~j的輸出。
(3) 算法結束。
2 評價指標體系
企業資信度評價即企業評級,以獨立經營的企業或經濟主體為對象,對其在一般性的商業交往、投資合作及信貸活動中的信用評價。實際上就是對企業及經濟主體的生產、經營、管理前景及經濟效益狀況所進行的全面考察與綜合評價。在此,將企業資信等級分為優、良、中、差四個等級。影響企業資信的因素很多,本文在對諸多學者研究的基礎上,結合有關文獻選取了如下12個財務指標[5-10]:
(1) 反映盈利能力的總資產收益率(X1)、凈資產收益率(X2)、主營業務利潤率(X3);
(2) 反映企業資本結構的資產負債率(X4)、有形凈值債務率(X5);
(3) 反映企業發展潛力的凈利潤增長率(X6);
(4) 反映企業經營和管理其資產能力的存貨周轉率(X7)和應收賬款周轉率(X8);
(5) 反映企業變現能力的速動比率(X9)、流動資產應收賬款率(X10)和短期負債現金保障率(X11);
(6) 反映企業現金流量的現金比率(X12)。
3 網絡的設計、訓練與仿真
3.1 網絡設計
企業資信評估是一個模式識別問題,神經網絡的目標是根據企業財務情況給出準確的信用等級。建立神經網絡模型的關鍵是要確定網絡的拓撲結構、輸入結點、輸出結點和層數,見圖1。根據Kolmogorov定理,三層BP網絡充分學習后能逼近任何函數,因此構建三層結構的BP神經網絡。由于輸入向量包含12項指標,故輸入層應包含12個結點。確定隱含結點數有很多經驗法則,在此根據Kolmogorov定理,取2n+1個的隱含層結點數,其中n為輸入層的結點個數。因此這里隱含層結點數為25個。本文將企業資信等級分別對應一個分值,優取值4,良取值3,中取值2,差取值1。因此,輸出層包含1個結點,輸出資信得分。
圖1 用于資信評估的BP神經網絡結構
3.2 訓練與仿真
在此,采用Matlab 7軟件及其神經網絡工具箱建立、訓練并測試神經網絡。樣本數據來源于實際上市公司的財務數據,其中30例用于訓練網絡,12例用于測試[6]。
在評價企業資信的12個指標中,不同的指標從不同的角度對企業資信進行評估,指標之間無法比較。為了便于最終評價值的確定,需要對各個指標進行無量綱化處理;同時,由于評價中所使用的各項指標之間數值相差很大,不能直接進行比較。為使各指標在整個系統中具有可比性,必須對各指標進行標準化處理。在此使用Matlab中的 prestd 函數進行歸一化,使得數據具有零均值與單位方差。
網絡輸入層與隱含層,以及隱含層和輸出層的傳遞函數分別采用正切Sigmoid函數Tansig()和線性函數purelin()。設置學習率lr為0.05,最大訓練步數epoch為30 000,goal為1×10-8,show為50。其他參數,如max_fail,rem_reduc,min_grad,mu,mu_dec,mu_inc,mu_max,time均采用缺省值。
利用實現BP算法的函數traingd對網絡進行2 857步訓練,網絡誤差平方和mse達到了誤差標準目標1×10-8的要求。網絡性能如圖2所示。
圖2 BP網絡模型訓練結果
至此,企業資信評估的神經網絡評價模型已經構建完成,在應用過程中,只需輸入測試樣本的指標數據,便可以進行評價研究。
為了驗證該模型的有效性,選用如表1所示12個企業的具體數據,并利用建立好的神經網絡進行仿真運算,以分析驗證所建網絡的有效性。
由表2可以看到,輸出得分并不限于1,2,3,4四個數值,這是因為網絡的輸出層采用的是線性傳遞函數。但是可以將輸出得分四舍五入,從而得到相應的評估等級。
例如,樣本9輸出得分為2.761 5,其資信等級便是B。由表2可得,輸出結果準確率為75%。
4 結 語
與企業資信評估研究常用的統計學方法相比,基于BP神經網絡的企業資信評估模型具有如下優點:首先,它屬于隱式數學處理方法,只需將經過處理的數據輸入訓練好的網絡中,通過相應的數學工具即可得出結果,評價過程方便、快捷;其次,不需要人為確定權重,降低由于評價過程中主觀因素所導致的結果失真,評價結果更為客觀。但在研究過程中發現,樣本數據的數量和質量對網絡的學習能力有較大影響,相信隨著神經網絡方法及其數學工具的深入研究,現存問題終將得到解決。
參考文獻
[1]劉重才,周洲,梅強.LVQ神經網絡在企業資信評估中的應用[J].集團經濟研究,2007(10):203-204.
[2]Zan Huang,Hsinchun Chen.Credit Rating Analysis with Support Vector Machines and Neural Networks:A Market Comparative Study[J].Decision Support Systems,2004,37:543-558.
[3]Reem Heakal.What is a Corporate Credit Rating [EB/OL]./articles/03/102203.asp,2008.
[4]Ethem Alpaydin.Introduction to Machine Learning[M].MIT Press,2004.
[5]熊穎,陳新,陳新度.制造業中小企業的資信評估研究 [J].微計算機信息,2007,23(27):30-32.
[6]張萌.企業信用評估體系與評估方法研究[D].西安:西北大學,2006.
[7]朱麗,張洪偉,譚輝.基于軟計算的資信評估研究[J].計算機應用研究,2005,22(5):74-77.
[8]徐晉.基于神經網絡專家系統的創業企業信用等級評估研究[J].南京理工大學學報,2004,28(6):684-688.
企業信用評估方法范文6
關鍵詞:信用銷售;信用風險;風險防范;企業
中圖分類號:F270.7 文獻標志碼:A 文章編號:1673-291X(2010)10-0161-03
收稿日期:2010-01-18
作者簡介:吳定玉(1974-),女,湖南澧縣人,博士研究生,哲學博士后流動站在站博士后,從事企業戰略管理與企業倫理研究;曾祥林(1985-),男,湖南津市人,碩士研究生,從事企業戰略管理研究。
一、企業信用銷售風險的界定
信用銷售有廣義與狹義之分。廣義的信用銷售是一切合法的授信形式,信用銷售一般是在商業銀行和其他金融機構的支持下進行的。狹義的信用銷售是指企業賒銷,包括對企業和對消費者進行的賒銷,是一種企業對企業、商場對消費者、生產廠家對消費者提供的先提貨后付款的銷售方式。信用風險指的是因交易一方不能履行或不能全部履行交收責任而造成的風險。信用風險可分為本金風險和重置風險。當一方不足額交收時,另一方有可能收不到或不能全部收到應得賬款或權益,造成損失,這就是本金風險;違約方違約造成交易不能實現,未違約方為購得股票或變現需再次交易,因此可能遭受因市場價格變化而帶來的損失,這就是重置風險。
二、企業信用銷售風險產生的原因
不同的企業,信用風險的主導因素也不完全相同,但是整體上可以將產生企業信用銷售風險的原因概括為三個基本方面,即:市場環境風險、客戶自身風險和企業自身管理風險。在此我們著重探討后面兩種風險。
(一)企業信用銷售產生風險來自于客戶的外部原因
一般而言,在信用銷售過程中永遠存在著一定程度的風險。因為在交易的過程中存在著銷售商品的信息不對稱和信用信息的不對稱,客戶比授信方占有更多的信息,客戶利用自己占有貨物的優勢和信用信息的優勢,在信用銷售完成前后分別通過“逆向選擇”和“道德風險”為自己謀求利益。對授信企業來說,按照客戶信用風險產生的原因,可將授信企業的信用銷售風險分為道德性信用風險和非道德性信用風險。
在信用銷售實踐中,來自于客戶自身的信用銷售風險是企業信用銷售風險產生的外部原因,常見的表現形式主要有:貿易糾紛、客戶拖欠的風險、客戶賴賬的風險、客戶破產的風險、客戶詐騙的風險等等。
1.貿易糾紛。在信用銷售過程中,由于對合同中的某些條款,如貨物質量、數量等方面的分歧產生糾紛,導致貨款遲付或拒付。貿易糾紛可大致分為貨物買賣糾紛(品質糾紛、貨物數量糾紛)、貨物運輸糾紛、保險糾紛、糾紛、售后服務糾紛。
2.客戶無力償還。企業經營不善,無力償還,是產生信用銷售風險的主要原因。
3.有意占用對方資金。部分企業有一種錯誤觀念認為拖欠、占用其他企業的資金不是嚴重的事情,甚至“拖欠賬款是本事,按時還款是傻瓜”已經成為一些人的信條。有些被拖欠的企業為了保證本企業的資金周轉,也采用同樣的手段拖欠對方或其他企業的貨款,從而使債務關系變得極其復雜。
(二)企業信用銷售產生風險來自于企業自身的內部原因
不同企業產生信用銷售風險的內部原因各不相同,主要有:客戶信息不全、不真實,沒有準確判斷客戶的信用狀況和信用的變化情況;財務部門和銷售部門缺少有效的溝通,企業內部業務人員與客戶勾結;沒有正確地選擇結算方式和結算條件;企業內部資金和項目審批不嚴格,對應收賬款監控不嚴,對拖欠賬款缺少有效的追討手段,企業缺少科學的信用管理制度。
1.企業對信用銷售目標認識的偏差。企業銷售部門為了應付公司的業績考核,不顧企業長遠利益,急功近利,或迫于市場競爭壓力,在買方市場和賒銷方式下,通過賒銷刺激銷售的快速增長,但其背后的財務狀況逐步惡化,應收賬款急速上升,銷售費用不斷增加,呆賬、壞賬上升,企業利潤下降。最終卻偏離了企業盈利和合理的凈現金流量這些最主要的財務目標。
2.企業信用銷售風險管理重點滯后和手段落后。信用銷售風險管理方法單一,不能按客戶進行目標細分管理。銷售部或財務部很少對客戶的信用風險建立在事實基礎上的科學評估和預測,交易中僅憑主觀判斷作決策,對授信條件缺乏科學的決策依據。大多數企業對信用銷售的管理工作主要是集中在銷售以后形成的應收賬款的管理上,且對應收賬款的管理重點放在“追賬”上面,忽視對交易之前和交易過程中的客戶信用過程管理和控制。
三、企業信用銷售風險防范與控制的對策與措施
企業如果僅僅依賴于原有的管理方式,往往很難對發生的信用銷售風險進行有效地控制。事實證明,企業信用銷售風險存在于信用銷售的前后各個環節。因此,企業對其風險的防范與控制不僅局限于銷售,而是對從客戶資信評估、授信、應收賬款監控、拖欠追收等交易全過程的管理和控制。
(一)構建企業信用銷售風險管理的總體思路
針對企業信用銷售風險產生的原因及未來企業管理現代化的要求,我們提出構建企業信用銷售風險管理的總體思路是:從企業的經營管理體制入手解決信用銷售風險問題,設立獨立于銷售部、財務部的信用風險管理職能部門,讓信用部門承擔和協調整個企業的信用風險管理工作;依照過程控制和系統分析的原理,建立一套全面的信用管理制度,保證企業信用銷售風險管理體系的正常運作。
(二)設計企業信用銷售風險管理體系的組織框架
在構建信用銷售風險管理體系時,如下幾個方面是必須加以考慮的核心問題:理順信用風險管理和風險控制的授權關系;業務部門在信用風險管理上的合理分工;實行內外結合的信用風險控制方式;改進信用風險管理的績效考核。
首先,在企業組織上建立一個由財務總監或相關副總經理直接領導下的獨立的信用管理機構。該機構主要職能是負責建立企業全程信用管理和評估體系,充分協調企業銷售與財務目標,在企業內部形成一個科學的風險制約機制,防止任何部門管理人員片面追求本部門利益最大化而損害企業利益的決策機制。
其次,以獨立信用管理機構為核心,建立“客戶資信管理”、“賒銷風險管理”和“貨款回收管理”等子部門,負責與銷售部、財務部等各部門有關的信用管理工作。
(三)建立信用銷售風險預警――客戶資信調查和評估
為避免信用銷售給企業帶來的風險,應強調事前防范、而不是事后處理,建立信用銷售風險預警,即建立企業信用銷售風險防范與控制的制度保證。企業經營過程中會接觸許多不同的客戶,必須對新老客戶的資信狀況了解清楚,然后評估是否可以授信。建立企業資信調查和評估機制,才能準確把握商機和信用銷售風險的區別。一般來說,主要工作是調查客戶信用狀況和對客戶進行信用評級。
1.調查客戶的信用情況。對客戶的信用情況進行調查,為本企業的信用銷售決策提供依據。在具體進行信用調查、搜集客戶的信用資料時,可采用以下方法來進行。(1)直接調查法:是指企業調查人員與被調查客戶接觸,通過當面采訪、詢問、觀看、記錄等方式獲取信用資料的一種方法。這種方法能保證搜集資料的準確性和及時性。(2)間接調查法:是指通過對被調查客戶或其他有關單位的相關原始記錄和核算資料,進行加工整理以獲取信用資料的一種方法。
2.客戶信用評級。在評估等級方面,目前有兩種:第一種是采用三類九級制,即把評估對象的信用情況分為AAA、AA、A;BBB、BB、B;CCC、CC、C九等。第二種是采用三級制,即分為AAA、AA、A。專門的信用評估結構,由于其評估方法先進,調查細致,程序合理,可信度較高,因而其評估結論值得有關企業信賴并采納。
(四)加強中期信用銷售風險防范與控制──賒銷業務管理
企業在交易過程中產生的信用風險主要來自于對客戶的賒銷額度和期限的控制環節。因此,必須實行嚴格的內部授信制度。
1.建立信用銷售的審批制度。企業可根據自身特點和管理要求建立信用銷售審批制度,賦予不同級別的人員不同金額的審批權限,超過審批權限的必須向上一級領導報告。
2.靈活運用信用政策。企業應根據情況的變化,隨時修改和調整信用政策,盡量協調三個相互矛盾的目標:把銷售量提高到最大;把應收賬款投資的機會成本降到最低;把壞賬損失降到最小。
3.建立信用額度:企業應根據客戶的信用等級及有關資料,為每一客戶設定一個信用額度。信用額度雖然不一定能提高客戶付款的概率,但它可以限制不付款引起的壞賬損失。
(五)加強后期信用銷售風險防范與控制──應收賬款的監控
目前大部分企業在應收賬款管理制度方面存在的主要問題:一是應收賬款監控制度不完整,沒有涵蓋與應收賬款有關的全部內容,缺乏系統性;二是應收賬款的監控與賒銷政策之間的靈活互動性差,收賬策略缺乏科學性。面對“拖欠賬款是本事,按時還款是傻瓜”已經成為一些人的信條的現狀,企業真正的風險才剛剛來臨。企業應該經常對持有的應收賬款進行分析,對大額應收賬款和核心客戶進行跟蹤分析,包括對客戶產品接收情況和滿意程度的查詢,并在貨款到期日前提醒客戶付款等,達到對所持有的應收賬款進行自始至終的日常監督。
1.完善銷售人員的業績考核制度。在對銷售人員按月進行業績考核時,應以實際完成的回收款和銷售額兩者相結合作為依據,而不是以含應收賬款的銷售額為依據,并將考核結果與獎懲掛鉤。
2.建立對應收賬款的風險分類管理制度。要求信用部門、銷售部門和財務部門定期或不定期對應收賬款進行對賬。由財務部門對應收賬款的賬齡進行調查、分析。信用部門根據分析結果對應收賬款產生的風險分類管理。
3.建立風險分析報告制度。企業信用管理員根據財務人員的調查分析定向銷售人員報送與其業務相關的應收賬款余額、賬齡、風險分析等資料。同時,每天向信用部門經理匯報特殊信用情況,同時每月向信用部門、財務和銷售經理匯報應收賬款管理中存在的問題,并提供風險分析報告。企業每月召開信用管理、銷售、財務、法律等部門負責人會議,相互配合協商解決方案,商討超期應收賬款的回收措施。
4.追收拖欠賬款。逾期應收賬款的產生,既有外部原因,又有企業內部管理原因,對其應當區別對待。對于善意拖欠可以通過雙方的及時溝通、協調,彼此諒解,最后達成一致的解決方法。面對惡意拖欠,在弄清楚拖欠的真實原因和收回的可能性后,就需要決策采用什么樣的手段進行追討。追收錢款的手段分為五種:企業自行追討、委托機構追討、仲裁追討、訴訟追討、申請破產追討。到底選用何種方式進行追討,這是個比較困難的問題,從理論上講,這五種方式在不同的情況下都有可能成為最佳的追賬方法,但在實際操作中,應該考慮具體的條件,這些條件包括:拖欠的時間、追討的效率、追討的成本、是否需要維護與欠債方的關系等等。
四、結語
防范與控制信用銷售風險的方式、方法很多。企業應針對本企業實際情況采取切實可行的措施,不可盲目照抄照搬。另外,國家應采取宏觀措施,在信用體系建設中建立失信約束懲罰機制,增大失信成本,從立法到執法上,使失信成本提高到無利可圖,使那些失信企業付出慘重的代價,建立健康有序的信用市場體系。
參考文獻:
[1]Emery,G.A Pure Financial Explanation for Trade Credit[J].Financial And Quantitative Analysis,1984,(19):271-285.
[2]Petersen,M.,Rajan,R.,Trade Credit:Theory and Evidence[J].Review of Financial Studies,1997,(10):661-691.
[3]Rajan,R.,Zingales,L.,Financial Dependence and Growth[J].American Economic Review,1998,(88):559-586.
[4]Sununers,B.,Wilson,N.,Trade Credit Terms Offered by Small Firms:Survey Evidence and Empirical Analysis[J].Business and Finance Accounting,2002,(29):317-351.
[5]趙艷玲,葉紅.物流企業應收帳款膨脹原因及風險防范[EB/OL].中國物流與采購網,2007-11-29.
[6]賈楠,呂永波,夏云蘭.基于信用成本的供應鏈合作問題博弈分析[J].物流技術,2007,(7).
[7]王桂強.賒購企業商業信用成本優化選擇:機會成本分析的一個實際應用[J].商業研究,2005,(18).
[8]謝旭.企業賒銷與信用管理[M].北京:中國經濟出版社,2000.
[9]韓家平.企業信用管理典范[M].北京:中國對外經濟貿易出版社,2001.
[10]陳建中,席萍.淺析供應鏈采購階段的中小企業融資[J].時代金融,2007,(5).
[11]姚建鳳.拓展倉單質押業務――實現企業物流業務的延伸與創新[J].全國商情:經濟理論研究,2006,(11).
The Precaution and Control of Enterprise’Credit Sales Risks
WU Ding-yu,ZENG Xiang-lin
(College of Economics and Management, Hunan Normal University,Changsha 410081, China)
