伴隨時(shí)代的進(jìn)步，小微企業(yè)已經(jīng)成為了現(xiàn)代市場(chǎng)經(jīng)濟(jì)中的重要組成，而小微企業(yè)中的信貸違約情況嚴(yán)重阻礙了企業(yè)的正常發(fā)展。下面文章以585家小微企業(yè)信貸為研究對(duì)象，主要分析企業(yè)的財(cái)務(wù)指標(biāo)，企業(yè)基本信息，業(yè)主特點(diǎn)及貸款詳情，追究小微企業(yè)信貸違約率的相關(guān)因素，利用隨機(jī)效應(yīng)模型衡量小微企業(yè)貸款違約率的預(yù)測(cè)方法，之后根據(jù)研究成果提出小微企業(yè)應(yīng)對(duì)風(fēng)險(xiǎn)要采取的措施。
關(guān)鍵詞：小微企業(yè),信貸違約,風(fēng)險(xiǎn)防范,隨機(jī)效應(yīng)
一、引言
小微企業(yè)是推動(dòng)我國(guó)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的重要力量，對(duì)于優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、促進(jìn)創(chuàng)業(yè)創(chuàng)新、培植發(fā)展動(dòng)力、解決就業(yè)難題、維護(hù)社會(huì)穩(wěn)定等方面具有重要意義。然而近幾年來(lái)，小微企業(yè)融資難的問(wèn)題已經(jīng)成為制約其發(fā)展的主要因素。造成這樣局面的原因主要是由于風(fēng)險(xiǎn)偏高，該風(fēng)險(xiǎn)來(lái)自于兩方面，一是小微企業(yè)本身的經(jīng)營(yíng)特點(diǎn)造成了貸款風(fēng)險(xiǎn)高，二是由于銀行與小微企業(yè)之間存在嚴(yán)重的信息不對(duì)稱問(wèn)題。銀行為了規(guī)避風(fēng)險(xiǎn)，在實(shí)際信貸過(guò)程中，存在“惜貸”現(xiàn)象。因此，為了解決該問(wèn)題，有必要針對(duì)小微企業(yè)建立一套信貸違約風(fēng)險(xiǎn)衡量系統(tǒng)，為銀行篩選出可信任的客戶，讓雙方達(dá)到共贏的狀態(tài)。
二、文獻(xiàn)綜述
關(guān)于信貸違約，以往的國(guó)內(nèi)外學(xué)者都進(jìn)行過(guò)相應(yīng)的研究。國(guó)外的金融機(jī)構(gòu)通過(guò)搜集資料判斷企業(yè)信貸違約的概率，這樣評(píng)價(jià)的結(jié)果會(huì)因?yàn)樗鸭Y料的類型和變量選取的不同而有所不同，產(chǎn)生的誤差也會(huì)很大。CiampiF等(2008)關(guān)于企業(yè)破產(chǎn)風(fēng)險(xiǎn)的研究指出，企業(yè)規(guī)模是影響模型預(yù)測(cè)能力的重要因素，根據(jù)企業(yè)規(guī)模分類構(gòu)建企業(yè)破產(chǎn)模型的預(yù)測(cè)效果更好。Agarwal、Hauswald(2010)研究指出，引入非財(cái)務(wù)指標(biāo)能提高中小企業(yè)破產(chǎn)或貸款違約預(yù)測(cè)模型的準(zhǔn)確度。
由于小微企業(yè)沒(méi)有規(guī)范和健全的財(cái)務(wù)制度，因此國(guó)內(nèi)學(xué)者在進(jìn)行關(guān)于企業(yè)信貸違約的研究中，多以上市公司作為研究對(duì)象。楊蓬勃等(2009)通過(guò)構(gòu)建上市公司信貸違約概率預(yù)測(cè)模型，研究表明資產(chǎn)報(bào)酬率、流動(dòng)負(fù)債比率、資產(chǎn)負(fù)債率和總資產(chǎn)報(bào)酬率對(duì)企業(yè)負(fù)債壓力的貢獻(xiàn)度遞減。
從小微企業(yè)貸款的可獲得性為切入點(diǎn)，探究小微企業(yè)信用評(píng)分模型對(duì)降低銀行營(yíng)運(yùn)成本和貸款風(fēng)險(xiǎn)的作用，同時(shí)運(yùn)用動(dòng)態(tài)博弈模型，研究信用評(píng)分對(duì)降低小微企業(yè)道德風(fēng)險(xiǎn)，提高信貸可獲得性的意義。過(guò)新偉、王曦(2015)研究表明，對(duì)于中小企業(yè)而言，軟指標(biāo)(如反映企業(yè)經(jīng)營(yíng)情況的指標(biāo)以及業(yè)主個(gè)性特征)對(duì)于貸款違約的影響遠(yuǎn)比硬指標(biāo)(反映企業(yè)償債能力的財(cái)務(wù)指標(biāo))重要。總的來(lái)說(shuō)，國(guó)內(nèi)外學(xué)者對(duì)于小微企業(yè)的信貸違約的研究主要集中在違約因素及財(cái)務(wù)指標(biāo)上，但小微企業(yè)自身不健全的財(cái)務(wù)制度導(dǎo)致僅依靠財(cái)務(wù)指標(biāo)衡量小微企業(yè)信貸違約風(fēng)險(xiǎn)可能存在較大偏差。因此，針對(duì)小微企業(yè)采用多維度指標(biāo)評(píng)估信貸違約風(fēng)險(xiǎn)的系統(tǒng)研究顯得尤為重要。
三、實(shí)證分析
(一)數(shù)據(jù)來(lái)源。本文數(shù)據(jù)來(lái)源于某商業(yè)銀行2010~2015年的信貸數(shù)據(jù)，主要包含小微企業(yè)的歷史貸款記錄，貸款企業(yè)特征、企業(yè)業(yè)主基本信息及貸款方式等數(shù)據(jù)。
(二)模型選取。用來(lái)衡量企業(yè)貸款違約風(fēng)險(xiǎn)的度量模型主要有多元判別分析模型、Logistic模型、層次分析法、神經(jīng)網(wǎng)絡(luò)模型等。考慮到小微企業(yè)的特殊性，難以滿足多元判別分析法嚴(yán)格的假設(shè)條件;層次分析法主觀性較強(qiáng)，分析結(jié)論受人為因素影響較大;神經(jīng)網(wǎng)絡(luò)模型對(duì)結(jié)果的解釋能力較弱。因此，本文選用Logistic模型衡量小微企業(yè)信貸違約率。Logistic模型采用極大似然估計(jì)參數(shù)，容易忽略模型外的因素及不確定因素對(duì)違約概率的影響。
為了解決上述問(wèn)題，本文采用隨機(jī)效應(yīng)Logistic模型修正參數(shù)。Moketal(2010)指出，隨機(jī)效應(yīng)Logistic將個(gè)體風(fēng)險(xiǎn)差異及不確定性因素考慮其中，使其參數(shù)估計(jì)的穩(wěn)定性更高。隨機(jī)效應(yīng)Logistic模型以Logistic回歸為基礎(chǔ)。所以，先對(duì)樣本進(jìn)行Logistic逐步回歸，建立小微企業(yè)信貸違約的Logistic模型，表達(dá)式為：lnpi1-pi!"=∞+β1x1+β2x2+...+βixi+ε其中，pi表示小微企業(yè)違約概率，∞表示常數(shù)項(xiàng)，βi表示回歸系數(shù)，xi表示解釋變量，ε表示隨機(jī)誤差項(xiàng)。
(三)變量說(shuō)明。
(1)因變量。因變量為小微企業(yè)是否違約，違約設(shè)為1，未違約設(shè)為0。依據(jù)我國(guó)商業(yè)銀行貸款的五級(jí)分類標(biāo)準(zhǔn)，貸款被劃分為正常、關(guān)注、次級(jí)、可疑和損失，后三類為違約貸款。研究樣本包含正常的貸款樣本405家，違約的貸款樣本180家。本文將研究樣本劃分為兩組，一組為估計(jì)樣本，違約小微企業(yè)和非違約小微企業(yè)分別是120家和270家;另一組為交叉驗(yàn)證樣本，違約小微企業(yè)和非違約小微企業(yè)分別是60家和135家。
(2)自變量。影響小微企業(yè)信貸違約的因素是多方面的，財(cái)務(wù)指標(biāo)對(duì)模型的有效性的影響比較顯著，因此應(yīng)從多維度選取綜合評(píng)價(jià)小微企業(yè)財(cái)務(wù)狀況的指標(biāo)，能反映公司償債能力，經(jīng)營(yíng)能力、盈利能力及發(fā)展能力。同時(shí)引入非財(cái)務(wù)數(shù)據(jù)作為模型的解釋變量，提高模型預(yù)測(cè)的準(zhǔn)確性。綜上，本文選取了財(cái)務(wù)指標(biāo)、企業(yè)概況、業(yè)主特征、貸款特征四個(gè)方面指標(biāo)作為解釋變量。26個(gè)解釋變量包含13個(gè)財(cái)務(wù)指標(biāo)，5個(gè)企業(yè)概況指標(biāo)，5個(gè)業(yè)主特征指標(biāo)以及3個(gè)貸款特征指標(biāo)。
(四)結(jié)果分析運(yùn)用Logistic模型進(jìn)行回歸分析時(shí)，必須避免解釋變量出現(xiàn)共線性問(wèn)題。完全共線性會(huì)使參數(shù)估計(jì)量不存在，而近似共線性會(huì)歪曲回歸結(jié)果的統(tǒng)計(jì)學(xué)含義。因此，在進(jìn)行回歸分析之前，先對(duì)財(cái)務(wù)指標(biāo)的相關(guān)性進(jìn)行檢驗(yàn)，發(fā)現(xiàn)其存在多重共線性問(wèn)題，所以采取逐步回歸法篩選變量，以Wald統(tǒng)計(jì)量作為標(biāo)準(zhǔn)，進(jìn)入模型的顯著性水平為10%，從模型中排除的顯著性水平為15%。
(1)小微企業(yè)信貸違約預(yù)測(cè)模型。首先對(duì)財(cái)務(wù)指標(biāo)進(jìn)行Logistic逐步回歸，得到模型Ⅰ，在此基礎(chǔ)上進(jìn)行隨機(jī)效應(yīng)Logistic的極大似然估計(jì)，得到模型Ⅰ-Re。在模型Ⅰ的基礎(chǔ)上引入非財(cái)務(wù)指標(biāo)，考察非財(cái)務(wù)指標(biāo)對(duì)信貸違約的影響，通過(guò)Logistic逐步回歸，得到模型Ⅱ，在此基礎(chǔ)上進(jìn)行隨機(jī)效應(yīng)Logistic的極大似然估計(jì)，得到模型Ⅱ-Re。
在模型Ⅰ中，流動(dòng)比率X1、資產(chǎn)負(fù)債率X3、利息保障倍數(shù)X4、總資產(chǎn)周轉(zhuǎn)率X5、主營(yíng)業(yè)務(wù)利潤(rùn)率X9和總資產(chǎn)報(bào)酬率X12六個(gè)指標(biāo)對(duì)小微企業(yè)信貸違約的影響較大。在隨機(jī)效應(yīng)Logistic估計(jì)中，變量的系數(shù)符號(hào)與模型Ⅰ一致，只修正了系數(shù)的估計(jì)值。除X4外，其他系數(shù)估計(jì)值的顯著性水平也未發(fā)生實(shí)質(zhì)性變化。流動(dòng)比率、利息保障倍數(shù)、總資產(chǎn)周轉(zhuǎn)率、主營(yíng)業(yè)務(wù)利潤(rùn)率及總資產(chǎn)報(bào)酬率與小微企業(yè)信貸違約顯著負(fù)相關(guān)。
流動(dòng)比率和總資產(chǎn)周轉(zhuǎn)率越高意味著小微企業(yè)資產(chǎn)變現(xiàn)能力及營(yíng)運(yùn)能力越強(qiáng)，短期償債能力強(qiáng)，出現(xiàn)違約的概率較低。利息保障倍數(shù)反映了小微企業(yè)盈利能力的強(qiáng)弱，體現(xiàn)了其對(duì)償還到期債務(wù)的保證程度，利息保障倍數(shù)越高，說(shuō)明小微企業(yè)的長(zhǎng)期償債能力越強(qiáng)，償債的安全性和穩(wěn)定性高。主營(yíng)業(yè)務(wù)利潤(rùn)率和總資產(chǎn)報(bào)酬率都是衡量企業(yè)盈利能力的指標(biāo)，其值越高，代表小微企業(yè)經(jīng)營(yíng)效益越好，有一定的發(fā)展?jié)摿Γ虼顺霈F(xiàn)違約的可能性較低。資產(chǎn)負(fù)債率與信貸違約呈正相關(guān)。資產(chǎn)負(fù)債率高，說(shuō)明小微企業(yè)自有資本比重很小，債務(wù)負(fù)擔(dān)重，經(jīng)營(yíng)風(fēng)險(xiǎn)主要由債權(quán)人承擔(dān)。
一旦經(jīng)營(yíng)出現(xiàn)問(wèn)題，小微企業(yè)將面臨較大的償債壓力，貸款違約的可能性也高。Pseudo-R2值越大，表明模型的擬合程度越高。因此，同時(shí)考慮財(cái)務(wù)指標(biāo)、企業(yè)概況、業(yè)主特征、貸款特征的模型Ⅱ的擬合程度高于僅考慮財(cái)務(wù)指標(biāo)的模型Ⅰ。加入非財(cái)務(wù)變量的模型Ⅱ-Re顯示，企業(yè)所有權(quán)X14、不良信用記錄X17、性別X19、學(xué)歷X21、資產(chǎn)抵押率X22、貸款金額X24、貸款利率X25、貸款期限X26進(jìn)入了模型，且都在10%的置信水平上顯著。 企業(yè)所有權(quán)的估計(jì)系數(shù)為-1.481，并通過(guò)了5%的顯著性檢驗(yàn)，說(shuō)明國(guó)有小微企業(yè)貸款違約率高于非國(guó)有小微企業(yè)，雖然國(guó)有小微企業(yè)受政府扶持，但其缺乏獨(dú)立意識(shí)，對(duì)市場(chǎng)的關(guān)注度不高，競(jìng)爭(zhēng)能力較弱，還款意識(shí)弱。同時(shí)國(guó)有性質(zhì)的小微企業(yè)，規(guī)模有限，難以形成壟斷經(jīng)營(yíng)，導(dǎo)致其違約可能性更高。不良信用記錄與貸款違約率正相關(guān)，銀行在甄選小微貸款客戶時(shí)，應(yīng)將其既往的信用記錄作為一個(gè)重要的考量指標(biāo)。
性別的估計(jì)系數(shù)為1.214，說(shuō)明女性業(yè)主違約率低于男性業(yè)主，女性業(yè)主更為保守。業(yè)主學(xué)歷與小微企業(yè)信貸違約顯著負(fù)相關(guān)，業(yè)主學(xué)歷越高，其經(jīng)營(yíng)管理能力越強(qiáng);業(yè)主的法律意識(shí)較強(qiáng)，誠(chéng)信觀念較好，違約的可能性越小。資產(chǎn)抵押率的估計(jì)系數(shù)為1.469，資產(chǎn)抵押率越高，其違約的機(jī)會(huì)成本越低，小微企業(yè)主觀越傾向于違約。從貸款特征分析，貸款金額、貸款期限、貸款利率均與違約概率正相關(guān)，貸款金額過(guò)大時(shí)，償債壓力較大，違約風(fēng)險(xiǎn)高。小微企業(yè)規(guī)模有限，持續(xù)經(jīng)營(yíng)能力較差，貸款期限越長(zhǎng)，經(jīng)營(yíng)過(guò)程的不確定性因素會(huì)導(dǎo)致違約風(fēng)險(xiǎn)提高。高的貸款利率會(huì)導(dǎo)致小微企業(yè)逆向選擇，出現(xiàn)道德風(fēng)險(xiǎn)。
(2)模型的違約預(yù)測(cè)能力檢驗(yàn)。為檢驗(yàn)財(cái)務(wù)指標(biāo)、企業(yè)概況、業(yè)主特征和貸款特征預(yù)測(cè)小微企業(yè)信貸違約的準(zhǔn)確性，本文將研究樣本的實(shí)際值代入模型，計(jì)算研究樣本在各模型下的違約率，將預(yù)測(cè)值與判別臨界值比較，以此作為判斷模型預(yù)測(cè)準(zhǔn)確性的標(biāo)準(zhǔn)。基于先驗(yàn)概率和判斷損失，以式(1)計(jì)算Logistic的最優(yōu)臨界值，將其作為違約與否的標(biāo)準(zhǔn)。α=12×lnq1cⅠq2cⅡ(1)其中，α代表最優(yōu)臨界值;q1、q2代表貸款違約和非違約的先驗(yàn)概率，本文以研究期間該銀行貸款違約和非違約企業(yè)占總體之比表示，即q1為4%、q2為96%;cⅠ、cⅡ代表第Ⅰ類和第Ⅱ類錯(cuò)誤的誤判損失。cⅠ以歷史貸款違約損失率衡量，約為71%，cⅡ以貸款利率與無(wú)風(fēng)險(xiǎn)利率的差額衡量，約為1.85%;計(jì)算得出最優(yōu)臨界值為0.235。
可以發(fā)現(xiàn)，模型Ⅰ和模型Ⅱ?qū)烙?jì)樣本的判別準(zhǔn)確率在82%以上，引入財(cái)務(wù)指標(biāo)、企業(yè)概況、業(yè)主特征和貸款特征的模型Ⅱ的判別準(zhǔn)確率在88.21%。說(shuō)明基于財(cái)務(wù)和非財(cái)務(wù)信息的模型Ⅱ的預(yù)測(cè)能力更強(qiáng)，主要原因是小微企業(yè)規(guī)模有限，缺乏規(guī)范的財(cái)務(wù)制度，為了獲得融資，可能會(huì)粉飾財(cái)務(wù)數(shù)據(jù)，導(dǎo)致財(cái)務(wù)指標(biāo)失真。貸款違約與否不僅由小微企業(yè)的償債能力決定，同時(shí)也由其償債意愿決定。財(cái)務(wù)指標(biāo)僅能判斷小微企業(yè)貸款違約的客觀風(fēng)險(xiǎn)，對(duì)違約的主觀風(fēng)險(xiǎn)無(wú)法衡量。主觀違約意愿往往由小微企業(yè)的業(yè)主所決定，因此，業(yè)主特征指標(biāo)對(duì)衡量違約率十分重要。
但模型Ⅱ?qū)徊骝?yàn)證樣本的預(yù)測(cè)準(zhǔn)確率僅為70.26%，說(shuō)明模型所篩選的指標(biāo)相對(duì)于小微企業(yè)仍存在差異。隨機(jī)效應(yīng)Logistic回歸下的模型判別和預(yù)測(cè)的準(zhǔn)確率均明顯高于Logistic回歸，且預(yù)測(cè)能力的提高幅度大于判別能力。由于隨機(jī)效應(yīng)Logistic考慮了模型外不確定因素對(duì)貸款違約的影響，放寬了貸款違約概率非隨機(jī)的假設(shè)，因此其對(duì)估計(jì)系數(shù)的修正有利于提高判別能力和預(yù)測(cè)能力的準(zhǔn)確率。綜上，模型Ⅱ-Re的判別和預(yù)測(cè)準(zhǔn)確性最高，隨機(jī)效應(yīng)Logistic模型優(yōu)于Logistic模型。在財(cái)務(wù)指標(biāo)的基礎(chǔ)上，引入企業(yè)概況、業(yè)主特征和貸款特征等非財(cái)務(wù)指標(biāo)能夠加強(qiáng)小微企業(yè)信貸違約的預(yù)測(cè)效果。
(3)穩(wěn)健性分析。上文的結(jié)果是基于最優(yōu)臨界值的基礎(chǔ)上分析所得。根據(jù)我國(guó)小微企業(yè)歷史貸款違約率可得，cⅠ/cⅡ的取值范圍為32~43，因此Logistic臨界值取值范圍為0.144~0.292。為了檢驗(yàn)Logistic和隨機(jī)效應(yīng)Logistic模型的預(yù)測(cè)差異。
可以發(fā)現(xiàn)，相比于Logistic模型，隨機(jī)效應(yīng)Logistic模型無(wú)論是估計(jì)樣本判別準(zhǔn)確率還是交叉驗(yàn)證樣本的預(yù)測(cè)準(zhǔn)確率的波動(dòng)都較小，說(shuō)明隨機(jī)效應(yīng)Logistic模型的穩(wěn)定性更好。模型Ⅱ-Re的預(yù)測(cè)效果是最好的，判別的準(zhǔn)確率高達(dá)90%以上，預(yù)測(cè)的準(zhǔn)確率也基本在80%左右。基于財(cái)務(wù)指標(biāo)、企業(yè)概況、業(yè)主特征和貸款特征的模型Ⅱ的Logistic回歸和隨機(jī)效應(yīng)Logistic回歸的結(jié)果明顯優(yōu)于僅考慮財(cái)務(wù)指標(biāo)的模型Ⅰ，與上文結(jié)論一致，說(shuō)明小微企業(yè)信貸違約預(yù)測(cè)模型有較好的穩(wěn)定性。
四、結(jié)論與建議
本文以2010~2015年585家小微企業(yè)信貸數(shù)據(jù)為研究對(duì)象，在探究小微企業(yè)信貸違約影響因素的基礎(chǔ)上，運(yùn)用隨機(jī)效應(yīng)Logistic回歸構(gòu)建評(píng)估小微企業(yè)貸款違約風(fēng)險(xiǎn)的預(yù)測(cè)模型。實(shí)證結(jié)果表明：對(duì)于小微企業(yè)信貸違約影響因素而言，財(cái)務(wù)指標(biāo)對(duì)小微企業(yè)貸款違約的客觀因素有較好的解釋能力，流動(dòng)比率、利息保障倍數(shù)、總資產(chǎn)周轉(zhuǎn)率、主營(yíng)業(yè)務(wù)利潤(rùn)率及總資產(chǎn)報(bào)酬率與小微企業(yè)信貸違約顯著負(fù)相關(guān);資產(chǎn)負(fù)債率與信貸違約顯著正相關(guān)。而企業(yè)概況、業(yè)主特征和貸款特征則對(duì)貸款違約的主觀因素有較好的解釋能力，企業(yè)所有權(quán)、性別、學(xué)歷于小微企業(yè)信貸違約負(fù)相關(guān);企業(yè)不良信用記錄、資產(chǎn)抵押率、貸款金額、貸款利率、貸款期限與信貸違約正相關(guān)。
因此，本文提出以下建議，供小微企業(yè)以及銀行予以參考：首先，構(gòu)建小微企業(yè)信用平臺(tái)。各級(jí)政府連同稅務(wù)、工商、海關(guān)等機(jī)構(gòu)，加快小微企業(yè)信用信息共享平臺(tái)的建設(shè)，加強(qiáng)基礎(chǔ)信息的管理。公開化的信息會(huì)促使小微企業(yè)提升自身的誠(chéng)信意識(shí)，注重管理規(guī)范。此外信息共享平臺(tái)向銀行、保險(xiǎn)公司開放查詢權(quán)限，可以幫助他們更加全面的了解申請(qǐng)貸款的小微企業(yè)的信用情況，解決信息不對(duì)稱的問(wèn)題，減少不良資產(chǎn)率。
其次，加強(qiáng)銀行和保險(xiǎn)機(jī)構(gòu)的合作。現(xiàn)在商業(yè)銀行批準(zhǔn)貸款更加注重的是抵押擔(dān)保物，但隨著經(jīng)濟(jì)的發(fā)展，銀行應(yīng)該樹立平等的經(jīng)營(yíng)理念，增強(qiáng)合作意識(shí)。與保險(xiǎn)機(jī)構(gòu)在公平、互惠的基礎(chǔ)上，按照合理的比例分別承擔(dān)風(fēng)險(xiǎn)責(zé)任。二者合理分工，一起做好貸款各個(gè)環(huán)節(jié)的審核和管理工作，共同維護(hù)資金安全，達(dá)到共贏的目的。
最后，加大政府對(duì)小微企業(yè)的支持力度。小微企業(yè)之所以會(huì)信貸違約，一方面是因?yàn)樽陨淼恼\(chéng)信意識(shí)薄弱，另一方面也可能是因?yàn)樽陨淼慕?jīng)營(yíng)狀況不理想，無(wú)力償貸。因此，政府可以針對(duì)滿足條件的小微企業(yè)制定優(yōu)惠的還款政策，如減免一定比例的利息等。同時(shí)，對(duì)開發(fā)新能源、使用新能源等的綠色小微企業(yè)政府也可以對(duì)其進(jìn)行政策支持，小微企業(yè)自身經(jīng)營(yíng)狀況良好，就會(huì)減少小微企業(yè)無(wú)力償貸的幾率。
參考文獻(xiàn)：
[1]楊蓬勃、張成虎、張湘：《基于Logistic回歸分析的上市公司信貸違約概率預(yù)測(cè)模型研究》，《經(jīng)濟(jì)經(jīng)緯》2009年第2期。
[2]朱艷敏：《基于信用評(píng)分模型的小微企業(yè)貸款的可獲得性研究》，蘇州大學(xué)2014年博士學(xué)位論文。
推薦閱讀：金融管理與研究論文范文農(nóng)戶小額信用貸款
相關(guān)閱讀
