中小企业信贷违约研究范文

本站小编为你精心准备了中小企业信贷违约研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

一、文献综述

综观国内外研究，现有的研究对于中小企业信贷违约行为的界定和违约的影响因素分析不够透彻，主要集中在企业内部财务制度不健全、商业银行的信贷配给、产品单一等方面。Altman和Narayanan（1998）则从借款者的信息特征出发研究两者关系。研究表明，信用风险的评价模型的选择和信贷违约率的高低在很大程度上取决于贷款者对信息的占有情况。马九杰（2004）认为，由于中小企业较高的信贷违约率降低了商业银行、信用社的资产质量，从而使得银行缩减了对中小企业的信贷规模。于洪波（2006）从企业规模和资产的角度出发进行了研究。研究表明，企业规模越大资产越多，越容易从银行获得贷款。信贷违约因素选择的不同和计量方法的差异，往往导致研究结论出现较大差异。模型以及实证角度研究中小企业违约的文献虽然较多，顾乾屏等（2007）采用logit模型，对于企业违约风险进行了实证研究。何自力和孙海青（2007）采用显性判别模型和Logit模型衡量了医药制造业企业的信贷违约风险。郭小波、王婉婷和周欣（2011）采用二次Logit模型，实证分析了定量指标、定性指标以及综合指标对于中小企业信贷违约的重要性。但对于违约因子的系统性研究比较缺乏,大多学者基于企业的财务指标进行分析，杨蓬勃、张成虎和张湘（2009）通过选取15个反映公司偿债能力的公司财务指标，采用Logit模型分析了企业的违约风险并进行了预测。但全面考虑定性指标的较少，使得研究结果可靠性降低。

二、实证分析

本文选取某商业银行湖南地区有/无发生信贷违约记录的中小企业165家作为研究对象，样本数据区间为2008—2013年。为避免违约样本比例过低的问题，采取随机抽取15家存在违约行为的中小企业，再按照违约企业与正常贷款企业1:3的比例随机抽取45家信贷记录良好的中小企业共同构成实验组。然后从定性数据不全的样本中随机抽取20家有违约记录的企业，再按照违约企业与正常贷款企业1:4的比例随机抽取60家信贷记录良好的中小企业共同构成验证组。

为了分析定性指标与定量指标能否进入模型及其对于模型的贡献率，本文针对这两组数据分别构建了3个模型：定性指标回归、定量指标回归与全部指标回归。回归过程中，首先采用以数似然比例作为筛选标准的步进法，分别进行Logistic回归分析。然后，将通过LR统计量检验的指标纳入到回归方程，直至筛选到可以是整个模型拟合度最高的备选指标组合。最后，本文采用多种模型拟合优度指标，比较3个模型的拟合效果。

1.实证结果。

1.1实验组实证结果。实验组定性指标回归结果如表3-1。从中可以看出，仅企业主行业经验与银行合作年限2个指标进入了回归模型。其中，企业主行业经验与信贷违约正反比，而银行合作年限与信贷违约呈正比。HosmerandLemeshow检验显示-2对数似然值为1.12，模型优度指标中NagelkerkeR2为0.823，组内预测准确率达到了86%。实验组定量指标Logistic回归结果如表3-2。7大指标中，资产利润率、年销售收入增长率和流动比率3个指标进入了回归模型。这3个指标与信贷违约均呈反比例关系。HosmerandLemeshow检验结果显示-2对数似然值为1.03，模型优度指标中NagelkerkeR2为0.792，组内预测准确率达到了81%，模型的拟合优度低于定性指标的回归结果。实验组综合指标回归结果如表3-3。企业主行业经验、净资产利润率和年销售收入增长率与信贷违约呈显著地反比例关系，与银行合作年限、年销售收入增长率和企业贷款占比与信贷违约呈正比。从HosmerandLemeshow检验结果来看，-2对数似然值接近于0。模型优度指标中NagelkerkeR2达到了0.845，组内预测准确率为96%。模型拟合优度明显高于定量指标、定性指标的单独回归结果。

1.2验证组回归结果。由于本文违约样本较少，回归结果可能不够稳定，出现为回归现象。因此，本文采用对照组数据，重复上述步骤，重新进行3组Logistic回归。发现企业主的行业经验和年销售收入增长率这2个指标始终进入模型，并且与中小企业信贷违约呈显著地付比例关系。因此，可以将这两个变量作为衡量中小企业是否违约的主要指标。此外，采用定性指标回归模型的预测准确性始终高于定量指标的回归模型，而综合指标的回归模型的预测准确性最高。

1.3实证结果表明，在预测中小企业信贷违约概率上，定性指标要比定量指标好；企业主行业经验、企业年销售收入增长率是预测信贷违约概率最有效的两大因子。

作者：曾亚欧单位：湘潭大学商学院