县域中小企业贷款违约行为与信用风险实证分析

      中小企业是县域（农村及县城）银行、信用社的主要贷款对象之一。当借款企业不能完全履约，致使金融机构不能按期、足额地收回约定的现金流而蒙受损失的可能性，即为信用风险（亦称违约风险）。选择恰当的方法对中小企业进行有效的信用风险评价，有利于银行、信用社等金融机构的企业贷款决策。金融机构可以基于信贷风险评估，决定是否对申请贷款的企业发放贷款，以及发放贷款的额度、利率等，而且，建立在资信系统基础上的信用评分体系的推广，有助于扩展中小企业的信贷可得能力(credit availability)，减轻中小企业贷款的获取难度（Berger et al,2002;Frame,Padhi,and Woosley,2001;Frame,Srinvasan,and Woosley,2001;Miller,2003等）。由于各种因素，我国县域中小企业贷款违约严重影响了信用社、银行的资产质量，为了控制新增不良贷款，金融机构往往压缩对农村工商企业的贷款（马九杰，2003）。探讨县域（特别是农村）中小企业信贷风险评价技术与分析体系，对减少交易成本、提高贷款发放效率、控制与防范农村金融风险，扩展金融机构对中小企业信贷供给能力，以及改善县域（特别是农村）中小企业信贷可得能力，都具有重要意义。而探究中小企业的信贷违约行为，分析中小企业发生贷款违约的影响因素，将有助于更深层次理解我国农村金融市场，寻求建立更有效、实用的中小企业信用评价系统。本文将利用实地调查资料对我国县域中小企业的违约行为影响因素进行实证分析。

      本文以下内容的结构为：第二部分，结合对中小企业信用风险评估、贷款合约条款与违约关系的相关文献回顾，给出了对我国县域中小企业贷款违约风险分析的基本框架；第三部分，利用实地调查数据和Logit模型对中小企业贷款违约影响因素进行了实证估计及分析；第四部分，基于logit模型估计结果，分析了贷款条款（利率、额度、抵押品、期限等）对企业违约的可能影响；第五部分，小结及政策含义。

      一、相关文献及分析框架

      （一）关于中小企业贷款违约风险评估

      作为金融机构贷款决策及管理的基础性环节的信用风险衡量和评估，实质上就是利用相关信息资料估测金融机构因贷款违约而发生损失的可能性。当然，不同的信用风险评价方法依据的信息资料不同，有的基于非市场的内部信息，有的基于公众信息和金融市场信息资料（Saunders,1999等）。

      信用风险评价能力及评价模型的选择，在很大程度上取决于借款者信息特征以及放款者对信息占有的情况(Caouette,Altman & Narayanan,1998)。对于规模较大的上市公司，其信息透明度高，金融机构可以较容易地获取相关的信息资料，并可运用诸如期限结构模型、死亡率模型、RAROC模型、KMV、Credit VaR、等信用风险评价方法（注：据称，这些方法具有坚实理论基础，但需要金融市场信息资料的支持(Sunders,1999)。）（Saunders,1999；马九杰，2001等）。而对于中小型企业，由于其历史档案不健全、信息透明度较低，信息获取和信用风险评价较为困难。因此，对中小企业的信用风险评价往往采用传统的信用评分技术，它不仅要考虑企业财务状况（注：财务指标一直是信用风险评价关注的变量。如“5Cs”法就包括资本实力(capital)、盈利及还款能力(capacity)等财务因素。实际上，针对企业贷款的信用评分模型或评分系统，就是将反映借款企业信用状况的若干财务比率指标赋予一定权重，通过某些特定方法得到能够反映信用状况的信用综合分值或违约概率值(Caouette,Altman,and Narayanan,1998)。Altman(1968)开发的著名Z-score模型，就是在22个财务比率中，经过判别分析方法筛选了5个变量，Altman(1977)将其改进成“ZETA”判别分析模型(Altman and Saunders,1997)。Altman等(1994)采用神经网络分析法对公司财务危机预测进行。），而且要考虑企业家个人的信誉(Caouette et al,1998)。也就是说，对中小企业贷款违约行为的分析和信用评分，应综合衡量企业财务和企业家个人两个方面的因素。对于企业家个人方面的因素衡量，可采用类似个人零售贷款的信用评分模型中考虑的变量，如年龄、受教育程度、职业经历、个人操守、收入、资产及财富状况（注：Cavalluzzo and Wolken(2002)的研究表明，中小企业业主个人财富状况对信贷申请被批准的可能性有显著影响，主要因为个人财富有助于减轻中小企业贷款中的道德风险。）等。

      近年来，美国的许多银行采用了通用的、支持信贷决策的小型企业信用评分系统(small business credit scoring,SBCS)（注：SBCS的采用被认为是20世纪90年代以来一项重要的、由技术推动的金融创新扩散案例(Akhavein et al,2001;Frame et al,2001)。另据研究，SBCS的采用显著地扩展了美国中小企业信贷可能能力(Berger et al,2002;Frame et al,2001)。）。SBCS是专门针对信息透明度低的中小企业借贷而开发的新技术，它利用小型企业及其业主的相关资料和统计方法，给出关于借款者未来贷款绩效的预期结果（如“信用分值”），银行则据此做出批准或拒绝贷款、贷款定价决策(Feldman,1997;Mester,1997)。SBCS中采用的关于企业家（业主）个人信息包括月收入、未偿债务(outstanding debts)、金融资产、是否有终身职业(employment tenure)、家居产权(home ownership)、以前贷款违约或拖欠记录等(Mester,1997)。虽然SBCS只是最近几年才开始推广应用，但经验已证明，小型企业的业主个人信贷历史对企业借款履约前景具有很高的预测能力，而且，贷款成本也得以节约(Berger,Frame,and Miller,2002)。事实上，判别分析等统计技术在对大型企业贷款发放决策中也广泛采用，但是并不关注企业业主个人的信贷历史及相关信息资料(Saunders,2000)。