第 3 章 我国中小企业信用评估现状分析
3.1 我国中小企业信用评估现状
3.1.1 政策辅助
银行业在进行信用评估的目的在于规避信用风险，减少由于信用风险没有及时避免导致的资产损失。这种信用风险难以规避的原因在于银行和中小企业双方的信息是不对称的，中小企业为得到贷款需要提供给银行确切的信用评估报告，而银行业需要分析中小企业的贷款业务是否存在信用风险。信用风险评估之所以重要就在于为商业银行放贷提供了依据，商业银行在选择放贷对象时可以根据信用风险评估择优录取，这样不仅为企业的日常经营提升了监管力度，提高了信贷信用等级，同时为企业贷款提供了便利。企业生产经营的好坏都与放贷对象的信用及行为规范与否有着密切的关系，因此信用风险评估为银行等金融市场的经济活动提供有力的保障。
截止到2008年9月末，国有商业银行累计的不良贷款总额为11173.8亿元，不良贷款比率为 7.35％，可以看出我国银行业通过实行合并和财务重组，不良贷款的比率有所下降。这种股份制改造和财务重组的实质是将银行的债务转化为股份，按银行股东原有股份比例分配。通过这些政策辅助从一方面解决了中小企业融资贷款难的问题，一方面也减少了银行账面上不良贷款和呆账坏账的比例。
3.1.2 数据挖掘技术应用
传统的信用评估模型并不面向中小企业开放，其原因在于中小企业发展时间段短、财务数据不全甚至造假，导致银行与中小企业的信息不对称现象严重，种种劣势制约了中小企业的融资贷款，从而导致资金流断裂，不利于中小企业未来发展的同时也缩减了银行的融资业务。因此只有构建完善确切、能在最大程度上确保双方信息对称的中、小企业信用评估模型，才能帮助银行客观的评价企业的信用等级，减少企业融资的阻碍，提高企业和银行的融资、贷款效率。
基于智能技术的数据挖掘方法打破了原有的信用风险评估的壁垒，在应用方面更结合于实际。简单来讲是一个通过自动或半自动的计算机软件程序从大量的中小企业数据提取出有用的数据进行排列、组合、分析，并且软件程序能够分析出隐性数据得出相应的数据结果，从而评估企业的的信用等级、现金流走向和回款额度。这种数据挖掘模型大多数是采用计算机模型建立来进行信息集中处理、人工智能分析的方法处理大量的数据。我国也紧跟国际金融行业的脚步将数据挖掘技术迅速引进国内，逐渐开始使用计算机处理金融业业务，发展成银行内部联网，进而实现各银行间、银行与商业机构间的数据交换，目前已经建立并融合了我国各地方各网点的集中数据库中心。现阶段多数银行等金融机构采用数据挖掘技术进行中小企业信用风险评估，与传统的信用评估方法比较有很多创新之处：
（1）数据处理效率高我国经济发展迅猛，尤其是金融行业每天需要处理大量的金融业务，因此会不断涌现数量庞大的新数据。面对这些数据，如果无法及时处理，且能在短时间内分辨出数据的好坏和新旧，就必然会降低数据处理的效率，不仅影响日常业务的效率，还会增加处理的时间成本。采用数据挖掘技术不仅能够智能化分析数据，将海量的数据分类整理，还能将数据输入联网的数据库中保存和再利用，大大提高了数据处理的效率，节约成本。
（2）数据分布无要求传统的信用评估模型多采用假设为前提条件，包括假设数据服从多元正态分布或同协方差。但根据以往的数据分布结果来看，多数样本不满足这两种数据分布，因此可想而知假设条件不成立的情况下，最后的结论可信度也不高。数据挖掘技术模型的成立不需要建立在任何假设的前提条件下，因此适用于银行等金融行业的信用风险评估。
（3）模型可动态调整传统的数据分析模型结构固定，当外界环境发生变化时不能及时作出反应，因此得到的分析结果具有时滞性。比如当国家对中小企业贷款硬件要求发生变化时，原有的信用评估模型由于没有调整结构因而不能准确的反应现阶段某企业的信用等级。因此优秀的模型能够动态适应这种变化。采用数据挖掘技术就可以在不断获得新数据后自动对模型进行动态更新，适应新的外部环境。
3.1.3 财务与非财务指标结合
银行在对中、小企业进行信用评估时关注的几个问题：首先是在对企业进行信用评估之前得到企业的基本信息，这其中包括财务信息和非财务信息，财务信息包括以下几个方面：
（1）短期偿债能力：流动比率、速动比率、现金比率、现金流量比率。
（2）长期偿债能力：资产负债率、利息保障倍数、现金流量利息保障倍数、现金流量债务比。
（3）营运能力：应收账款周转率、存货周转率、流动资产周转率、净营运资本周转率、总资产周转率。
（4）盈利能力：销售净利率、资产净利率。
非财务信息包括以下几个方面：
（1）银行客户类型：银行普遍将客户的类型分为支持、维持、压缩、退出和其他五种情况，并且可以看出这五种的信用程度依次下降。
（2）企业注册时间：正确的说是企业开始经营的时间，企业成立的越久代表了这个企业的生存能力较强，因此信用程度较高。
（3）企业从业人员：企业从业人员的人数和质量决定了企业的信用程度，人数越多表明企业越正规，企业从业人员质量越高表明该企业起点和科技含量较高，市场竞争力较强，因此信用程度较高。
（4）企业场地占地面积：企业的场地占地面积越大，表明企业拥有较多的固定资产，可用于贷款的抵押，提高了还款的可能性。
（5）景气指数：根据 CEIC（司尔亚司数据信息有限公司）的“全球数据库”数据企业可以获得贷款企业的对应行业的景气指数,根据该行业的景气指数高低银行可以选择是否给贷款企业放贷。
（6）企业开始信贷活动时间：企业开始进行信贷活动的时间越长表明该企业发展较为成熟且易于银行收集该企业的贷款信用信息。
（7）货款到年初的天数：该指标以天为计量单位，时间越长表明货款的拖延时间越长，不可控因素较多，因此违约的可能性越大。
（8）企业是否为该银行用户：如果企业在该银行开立存款，有利于银行掌握企业的经营情况。
（9）经营状况：银行在放贷时会着重考虑贷款企业的经营情况，如果面临经营困难或者倒闭的危险，银行会重点关注。
3.2 我国中小企业信用评估不足
3.2.1 审查把关不严格
2008 年的金融危机与银行业违规操作、忽视或纵容低信用用户有关。这其中不良资产一直是影响银行业向长远发展的直接因素，分析我国银行业出现大量不良资产和信用危机的原因，不仅仅与我国行政干预不足有关，还与银行放贷前没有严格审查有莫大的关系。一些商业银行为获得放贷利息，忽视贷款企业的资格审查，不符合贷款资格的企业在获得贷款后无力偿还贷款的现象时有发生。
当贷款出现不良后，商业银行往往会通过实行合并和财务重组等方式将债务转化为股份。虽然从账面上看，长期存在的不良资产转化为股份，但是并没有从根本上解决银行等金融行业信用风险评估上的漏洞，更不能有效制止今后不良资产的上涨现象。因此对已经剥离了一部分不良资产的银行来讲，暂时的账面优势不能掩盖内部信用风险评估的短板，如何防止信用级别低的中小企业进入银行放贷对象的行列，如何识别不良贷款是银行业等金融行业面临的刻不容缓的问题。
3.2.2 评估主观性强
不少小型商业银行在面对长期合作的企业贷款时，信用风险评估只是纸上谈兵，大多数依靠信贷人员主观评价该企业信用等级，认为既然长期合作的企业信用等级无需评估。这种侥幸心理很容易导致日后企业贷款无法偿还而影响银行的资金周转。主观评价的缺点有二，首先主观性较强，不能精确的计量中小企业的信用风险；其次在对风险不能精确计量的同时，风险控制的成本却较高。因此主要依赖信贷人员判断的信用评估方法，不仅无法对企业信用程度进行精确的计量，而且无法有效的降低单笔贷款的管理成本，造成资源的浪费。
3.2.3 评估模型不完善
多数银行利用预测模型分析贷款对象的信用等级，因此该预测模型需要与我国中小企业的实际情况相吻合，这样才能最大程度的减小预测误差。但是传统的预测分析模型往往是有假设条件的情况下成立的，也就是说模型成立的前提是有严苛的条件下限制的，但众所周知这些条件一定与实际情况有出入，且一旦我国的外部条件发生变化，这些假设就很容易被打破。因此这些简答的预测模型虽然形式简洁，能够为中小企业理解和运用，但是其预测结果并不真实可靠。
