導(dǎo)語(yǔ)：中小微企業(yè)信貸策略分析一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢(xún)客服老師，歡迎參考。

【摘要】論文主要針對(duì)中小微企業(yè)的信貸策略進(jìn)行了相關(guān)研究，利用熵權(quán)法求解出企業(yè)貸款策略的最優(yōu)解。首先將123家企業(yè)的信貸風(fēng)險(xiǎn)影響因素量化，經(jīng)熵權(quán)法得出各公司的整體優(yōu)先指數(shù)，得到88家企業(yè)按優(yōu)先指數(shù)大小排序；其次選擇k-means聚類(lèi)分析對(duì)得出的各企業(yè)優(yōu)先指數(shù)進(jìn)行聚類(lèi)分析，對(duì)得出檔位進(jìn)行分級(jí)，劃分為4檔；最后通過(guò)各代表企業(yè)的貸款數(shù)額與其對(duì)應(yīng)信譽(yù)評(píng)級(jí)的貸款利率相乘后，所得的銀行最大盈利值對(duì)應(yīng)的年利率即為最優(yōu)年利率，為4.65%。

【關(guān)鍵詞】熵權(quán)法；聚類(lèi)分析；貸款額度

1引言

在實(shí)際中，對(duì)于中小微企業(yè)銀行通常是依據(jù)信貸政策、企業(yè)的交易票據(jù)信息和上下游企業(yè)的影響力，向?qū)嵙?qiáng)、供求關(guān)系穩(wěn)定的企業(yè)提供貸款，并可以對(duì)信譽(yù)高、信貸風(fēng)險(xiǎn)小的企業(yè)給予利率優(yōu)惠。銀行首先根據(jù)中小微企業(yè)的實(shí)力、信譽(yù)對(duì)其信貸風(fēng)險(xiǎn)作出評(píng)估，這些指標(biāo)可以分別從年資金流量、信譽(yù)等級(jí)等方面進(jìn)行評(píng)估，然后通過(guò)熵權(quán)分析法進(jìn)行評(píng)判信貸風(fēng)險(xiǎn)等因素來(lái)確定是否放貸及貸款額度、利率和期限等信貸策略。

2模型的建立與求解

銀行首先根據(jù)中小微企業(yè)的實(shí)力、信譽(yù)、上下游企業(yè)的影響力、供求關(guān)系的穩(wěn)定性對(duì)其信貸風(fēng)險(xiǎn)作出評(píng)估，然后依據(jù)信貸風(fēng)險(xiǎn)等因素來(lái)確定是否放貸及貸款額度、利率和期限等信貸策略。因此，需要借助數(shù)據(jù)分別對(duì)實(shí)力、信譽(yù)、風(fēng)險(xiǎn)進(jìn)行數(shù)學(xué)化的表達(dá)和分析。企業(yè)信息包含企業(yè)代號(hào)、企業(yè)名稱(chēng)、信譽(yù)等級(jí)、是否違約4項(xiàng)信息。其中企業(yè)代號(hào)可串聯(lián)不同附表的數(shù)據(jù)進(jìn)行整合分析，可由企業(yè)名稱(chēng)進(jìn)行統(tǒng)計(jì)分類(lèi)得出各行業(yè)所占百分比，信譽(yù)評(píng)價(jià)為“D”或者是否違約為“是”的企業(yè)不符合該銀行的貸款策略，不予放貸。各企業(yè)的實(shí)力可以用各企業(yè)的年盈利來(lái)量化表達(dá)，但需要注意的是，發(fā)票狀態(tài)分為有效發(fā)票和無(wú)效發(fā)票2種，在這里應(yīng)去掉無(wú)效發(fā)票。去除無(wú)效信息后，通過(guò)銷(xiāo)項(xiàng)發(fā)票信息的價(jià)稅合計(jì)，即該企業(yè)的總收入，減去企業(yè)對(duì)應(yīng)的進(jìn)行發(fā)票信息的價(jià)稅合計(jì)，即該企業(yè)的總支出，兩者的差值即為該企業(yè)的總盈利，用Mai表示，可以反映其自身實(shí)力。企業(yè)的信譽(yù)可以通過(guò)企業(yè)信息中的信譽(yù)評(píng)級(jí)和是否違約信息進(jìn)行判定，信譽(yù)評(píng)級(jí)為D或是否違約為是的企業(yè)在該題目中認(rèn)為企業(yè)信譽(yù)過(guò)低，銀行不予貸款。接下來(lái)對(duì)各評(píng)級(jí)進(jìn)行賦值，方便后續(xù)量化處理，即信譽(yù)評(píng)級(jí)為A、B、C分別賦值為100、80、60。企業(yè)的供求關(guān)系的穩(wěn)定性可分為供項(xiàng)穩(wěn)定性和銷(xiāo)項(xiàng)穩(wěn)定性?xún)煞矫婵紤]，在這兩方面中，通過(guò)構(gòu)建穩(wěn)定性占比系數(shù)來(lái)分別刻畫(huà)。在發(fā)票狀態(tài)中，包含有效和作廢發(fā)票2種，而這2種發(fā)票類(lèi)型對(duì)應(yīng)的價(jià)稅合計(jì)亦有正有負(fù)，作廢發(fā)票價(jià)稅合計(jì)正值代表取消交易，有效發(fā)票價(jià)稅合計(jì)負(fù)值代表交易成立發(fā)票生成后，發(fā)生退貨的現(xiàn)象，因此，這2種類(lèi)型均為企業(yè)買(mǎi)賣(mài)過(guò)程中不穩(wěn)定性的具體表現(xiàn)，從而可以用統(tǒng)計(jì)作廢發(fā)票的正值和有效發(fā)票的負(fù)值兩者之和占該企業(yè)對(duì)應(yīng)進(jìn)項(xiàng)或銷(xiāo)項(xiàng)發(fā)票的百分比，作為穩(wěn)定性占比系數(shù)，占比系數(shù)越小，穩(wěn)定性越高。具體的表達(dá)如下：進(jìn)項(xiàng)發(fā)票中對(duì)第i個(gè)企業(yè)，i=1，…，123，統(tǒng)計(jì)該企業(yè)有效發(fā)票中的負(fù)數(shù)發(fā)票個(gè)數(shù)，用Nci表示，統(tǒng)計(jì)作廢發(fā)票中的正數(shù)發(fā)票，用Pci表示。發(fā)票個(gè)數(shù)用Aci表示，進(jìn)項(xiàng)穩(wěn)定性用Sci表示。Aci銷(xiāo)項(xiàng)發(fā)票中對(duì)第i個(gè)企業(yè)，i=1，…，123，統(tǒng)計(jì)該企業(yè)有效發(fā)票中的負(fù)數(shù)發(fā)票個(gè)數(shù)，用Noi表示，統(tǒng)計(jì)作廢發(fā)票中的正數(shù)發(fā)票，用Poi表示。發(fā)票個(gè)數(shù)用Aoi表示，進(jìn)項(xiàng)穩(wěn)定性用Soi表示。在數(shù)據(jù)預(yù)處理和影響因素的量化表達(dá)之后，最終得到了88家企業(yè)對(duì)應(yīng)的各影響因素量值的表格，接下來(lái)就需要對(duì)各個(gè)因素進(jìn)行整合成一個(gè)整體影響系數(shù)，經(jīng)過(guò)對(duì)比和分析，最終選擇熵權(quán)法進(jìn)行刻畫(huà)各公司的整體優(yōu)先指數(shù)。在信息論中，熵是對(duì)不確定性的一種度量。信息量越大，不確定性就越小，熵也就越??；信息量越小，不確定性越大，熵也越大。根據(jù)熵的特性，可以通過(guò)計(jì)算熵值來(lái)判斷一個(gè)事件的隨機(jī)性及無(wú)序程度，也可以用熵值來(lái)判斷某個(gè)指標(biāo)的離散程度，指標(biāo)的離散程度越大，該指標(biāo)對(duì)綜合評(píng)價(jià)的影響即權(quán)重越大，其熵值越小。對(duì)于本題，選取n個(gè)企業(yè)（n=88），m個(gè)指標(biāo)（m=4），則第i個(gè)企業(yè)的第j個(gè)指標(biāo)的數(shù)值記為：預(yù)處理后的表格中，一類(lèi)數(shù)據(jù)為一個(gè)標(biāo)準(zhǔn)，不同類(lèi)數(shù)據(jù)間標(biāo)準(zhǔn)不同，各項(xiàng)指標(biāo)的計(jì)量單位并不統(tǒng)一，因此，在用它們計(jì)算綜合指標(biāo)前，先要對(duì)它們進(jìn)行標(biāo)準(zhǔn)化處理，即把指標(biāo)的絕對(duì)值轉(zhuǎn)化為相對(duì)值，令xij=|xij|，從而解決企業(yè)各項(xiàng)不同質(zhì)指標(biāo)值的同質(zhì)化問(wèn)題。正向指標(biāo)數(shù)值越高越好，具體如下：最后可以得到各企業(yè)對(duì)應(yīng)的綜合分?jǐn)?shù)，即優(yōu)先指數(shù)，通過(guò)熵權(quán)法計(jì)算出各企業(yè)的優(yōu)先指數(shù)，得到88家企業(yè)按優(yōu)先指數(shù)大小排序的順序，熵權(quán)法權(quán)重具體情況如表1所示。但只有順序不足以對(duì)各企業(yè)進(jìn)行貸款多少和利率的確定，仍然需要進(jìn)一步歸檔分析，經(jīng)過(guò)對(duì)模型的橫向比較，針對(duì)連續(xù)型的數(shù)據(jù)，選擇k-means聚類(lèi)分析對(duì)得出的各企業(yè)優(yōu)先指數(shù)進(jìn)行聚類(lèi)分析，對(duì)得出的檔位進(jìn)行貸款分級(jí)，具體檔位情況如圖1所示。分析上述聚類(lèi)結(jié)果可得，將貸款額度劃分為4檔，第一檔為10～40萬(wàn)元，第二檔為40～70萬(wàn)元，第三檔為70～100萬(wàn)元，注意到某些企業(yè)優(yōu)先指數(shù)明顯高于整體數(shù)據(jù)平均水平，將其劃分為第四檔，全部為100萬(wàn)元。在每一檔內(nèi)，對(duì)優(yōu)先指數(shù)進(jìn)行歸一化處理，處理后結(jié)合每一檔貸款額度對(duì)各企業(yè)進(jìn)行貸款額度分配，并進(jìn)行參數(shù)調(diào)整，如企業(yè)貸款額度超過(guò)100萬(wàn)元的歸為100萬(wàn)元處理。關(guān)于確定貸款利率，借助銀行貸款利率與客戶(hù)流失率關(guān)系的數(shù)據(jù)進(jìn)行分析。

【參考文獻(xiàn)】

【1】周新輝,李昱喆,李富有.疫情對(duì)中小服務(wù)型企業(yè)影響評(píng)估及對(duì)策研究———基于回歸算法優(yōu)化模型的分析預(yù)測(cè)[J].經(jīng)濟(jì)評(píng)論,2020(03):101-117.

【2】尹彥輝,孫祥棟,徐朝.肺炎疫情與宏觀經(jīng)濟(jì)波動(dòng):基于DSGE模型的分析及啟示[J].統(tǒng)計(jì)與決策,2020,36(7):85-90.

【3】李文龍,張國(guó)力.肺炎疫情與非典疫情的對(duì)比及對(duì)中國(guó)經(jīng)濟(jì)的影響[N].第一財(cái)經(jīng)日?qǐng)?bào),2020-02-05(A11).

【4】黃柳.銀行信貸業(yè)務(wù)中貸款企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)分析[J].企業(yè)改革與管理,2019(01):105-106.

【5】劉莫凝.國(guó)內(nèi)生產(chǎn)總值影響的影響要素及其實(shí)證分析[J].中國(guó)市場(chǎng),2020(24):53-55.

作者：段鈞瀚 陳洋 瞿龍 向佳穎 趙慕真 單位：合肥工業(yè)大學(xué)材料科學(xué)與工程學(xué)院 合肥工業(yè)大學(xué)土木與水利工程學(xué)院