后疫情時代信貸風險評估優(yōu)化策略

導語：后疫情時代信貸風險評估優(yōu)化策略一文來源于網友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：本文基于中小微企業(yè)經典信用評價體系，依據各行業(yè)、各類型企業(yè)所受疫情等突發(fā)因素影響程度的大小，應用層次分析法和模糊評價法對經典信貸評估模型進行優(yōu)化調整，幫助貸款銀行結合實際情況，準確判斷對企業(yè)的信貸策略，并基于其他類型突發(fā)因素的強度、頻率和發(fā)生概率對不同行業(yè)、不同類型企業(yè)的多維度影響模型進行推測假想。

關鍵詞：疫情；中小微企業(yè)；風險評估優(yōu)化；層次分析法；模糊評價法

我國中小微企業(yè)在吸收剩余勞動力、提高地方財政收入、推動社會發(fā)展等方面，在推動國民經濟發(fā)展中發(fā)揮了重要作用[1]。2020年年初，受全球疫情沖擊，世界經濟嚴重衰退，產業(yè)鏈、供應鏈循環(huán)受阻，住宿餐飲、交通運輸、文化旅游、休閑娛樂和批發(fā)零售等行業(yè)市場均有所萎縮[2-3]。其中，中小微企業(yè)相比于其他類型企業(yè)面臨更為嚴峻的考驗，超15.7%的中小微企業(yè)由于負債過高而倒閉，無力償還貸款，給我國信貸行業(yè)帶來了較大沖擊[4]。因此，依據不同行業(yè)、不同類型、不同經濟成分企業(yè)所受疫情等突發(fā)因素影響程度的大小，對以往研究中的風險評估模型進行優(yōu)化調整，就顯得尤為重要[5-6]。此外，本文基于其他類型突發(fā)因素的強度、頻率和發(fā)生概率對不同行業(yè)、不同類型企業(yè)的多維度影響模型進行了推測假想。

1模型建構及求解

為提升企業(yè)信貸風險評估模型Y的準確性和普適性，我們引入了一個突發(fā)因素對信貸風險的總影響T（T∈R），表征突發(fā)因素的發(fā)生概率、類型、強度、頻率對不同行業(yè)領域和不同成分類型的企業(yè)影響程度，即存在突發(fā)因素對企業(yè)信貸風險評估產生的整體影響。1.1構建疫情總影響T'的指標評價體系我們以2020年最為嚴重的肺炎疫情為例，利用AHP法分析其對不同行業(yè)、不同類型企業(yè)影響程度的相對大小，構建T'指標評價體系，如表1所示。1.2判斷矩陣M構建上述指標中，T為目標層，Q1和Q2為準則層，指標q1至q17為措施層。將所構建模型中位于同一層次且同屬上一層次某個指標的各指標，根據它們對于上一層次指標的重要性，進行兩兩比較并賦值，分別構造判斷矩陣M1、M2和M3.以準則層指標的比較為例，Q1至Q2位于準則層，且同屬于目標層指標T。設判斷矩陣M1=(dij)2×2，(i，j=1，2)，dij表示Qi相對于Qj的重要性。矩陣M1=(dij)2×2即為表示準則層指標Q1至Q2針對目標層指標相對重要性的判斷矩陣。1.3特征值法計算權重按照此特征值法，計算各矩陣對應的權重向量表征各因素受疫情影響程度。對應于判斷矩陣M1的權重向量記為W’=(0.8,0.4)對應于判斷矩陣M2的權重向量記為W’’：W’’=(0.0497,0.1139,0.0198,0.2958,0.0895,0.0412,0.0272,0.2123,0.1505)T對應于判斷矩陣M3的權重向量記為W’’’：W’’’=（0.0203，0.2488，0.0807，0.2858，0.1077，0.1527，0.0624，0.0416）T1.4檢驗矩陣一致性按照以上兩步計算得：CRM1=0.0000，CRM2=0.0887，CRM3=0.0313均達到CR≤0.1的要求，表明各判斷矩陣的一致性可以接受。

2信貸額度調整策略

肺炎疫情會對不同行業(yè)、不同經濟成分類型的企業(yè)產生不同的影響，即上文中模型求解得出的各項權重。令肺炎疫情對某類型企業(yè)的總影響T'=0.8λQ1+0.2λQ1，按照上文中的9個行業(yè)、8個企業(yè)類型分別計算T'值大小：其中交通物流類的個體經濟的T'值最大，高達0.2938，表明肺炎疫情對于該類型企業(yè)打擊最大，即銀行投資該企業(yè)的借貸風險最高；房地產行業(yè)的國有企業(yè)T'值最小，低至0.0199，表明肺炎疫情對于該企業(yè)的借貸風險的影響最低。按照值T'進行策略等級S的評定，T'值越高則相應策略等級越靠后，即企業(yè)受疫情的打擊越重，越無法從銀行得到優(yōu)惠的信貸策略。顯然，銀行應給予T'值較小的企業(yè)更多的借貸優(yōu)惠以取得穩(wěn)定收益。以相關數據為參考，銀行信貸浮動可分配額還有400萬元，這也是我們用于模型調整的主要資金來源。(1)當T'∈[0.0199，0.0433]，企業(yè)策略等級為I的12家產業(yè)信貸額度漲幅在4%～5%內，針對信貸額度更小者給予略大的信貸額度漲幅。(2)當T'∈[0.04382，0.0703]，策略等級為II的12家企業(yè)信貸額度漲幅在3%～4%內，針對信貸額度值更小者給予略大的信貸額度漲幅。(3)當T'∈[0.07064，0.10726]，策略等級為III的12家企業(yè)信貸額度漲幅在2%～3%內，針對信貸額度值更小者給予略大的信貸額度漲幅。(4)當T'∈[0.11266,0.2938]，策略等級為IV、V的28家企業(yè)，不提供信貸額度漲幅。

3多元突發(fā)因素的策略猜想

肺炎疫情屬于突發(fā)感染性公共衛(wèi)生事件，與其他不同類型、不同強度、不同發(fā)生概率和頻率的突發(fā)因素對于某一給定企業(yè)的信貸風險影響程度區(qū)別顯著。此外，不同行業(yè)領域、不同成分類型的企業(yè)受某一給定突發(fā)因素的影響程度也不盡相同。我們在多元突發(fā)因素對于各個企業(yè)信貸風險的處理中，極易忽略突發(fā)因素總影響T的決定因子——突發(fā)因素發(fā)生概率Tp[Tp∈(0.1)]。Tp趨近于0，表明突發(fā)因素幾乎不可能發(fā)生；Tp越大則突發(fā)因素發(fā)生的可能性越高；Tp=1時，表明該突發(fā)因素已經發(fā)生(如肺炎疫情、南方洪澇災害等)。結合Tp的取值，我們可以進行已有突發(fā)因素的影響程度考察，也可賦值對未發(fā)生的突發(fā)因素進行預判。設突發(fā)因素類型T1、突發(fā)因素強度T2和突發(fā)因素頻率T3，即三者均為總影響T的層次影響因子，即不同層次對T值有不同程度的影響。由上述關系給出定義式：T=Tp(α×T1+β×T2+γ×T3)(α+β+γ=1，Tp∈(0.1))其中α、β和γ可通過層次分析法計算求值。若T>0，則表明該突發(fā)因素使企業(yè)信貸風險增大；若T=0，表明該突發(fā)因素對企業(yè)信貸風險無影響；若T＜0，表明該突發(fā)因素使信貸風險減小。而突發(fā)因素往往對不同行業(yè)、不同類別的企業(yè)會有不同的影響，因此我們推測可以將10種行業(yè)和8種類型的企業(yè)數據作為自變量，令T1、T2、T3作為行業(yè)領域和企業(yè)成分類型的函數進行分析，再利用最小二乘法擬合系數。最終，我們可依據突發(fā)因素總影響T完善企業(yè)風險評估模型的函數構造，進而調整信貸策略。

參考文獻

[1]汪秀蘭.中小企業(yè)融資問題現狀與對策[J].現代企業(yè),2016(09):46-47.

[2]李文龍.肺炎疫情對中國行業(yè)經濟調整的十個“危”與“機”——加速邁進數字化與智能化的中國市場經濟[J].金融世界,2020(03):41-43.

[3]邁進數字化與智能化的中國市場經濟[J].金融世界,2020(03):41-43.

[4]安國俊,賈馥瑋.疫情對經濟的影響分析及對策研究[J].金融理論與實踐,2020(03):45-51.

[5]秦唏.疫情對我國若干行業(yè)的影響[J].新理財(政府理財),2020(08):18-20.

[6]夏晶,杜躍.疫情期間企業(yè)用工常見問題解決及風險防控建議[J].法制與社會,2021(08):126-127.

[7]劉璐.疫情下企業(yè)存在的財務風險和對策[J].營銷界,2021(05):115-116.

作者：李一涵 田若曦 武昂 張成喆 高韡 單位：天津醫(yī)科大學