導語：銀行對中小微企業(yè)的信貸策略一文來源于網(wǎng)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：本文針對銀行對中小微企業(yè)的信貸策略問題進行研究，以銀行收益期望最大化為目標，建立BP神經(jīng)網(wǎng)絡模型、灰色關聯(lián)分析模型，結合圖論法制定合理的信貸策略。首先利用企業(yè)的信貸風險數(shù)據(jù)對其量化分析，賦予權值﹣1到4，確定指標強度。其次建立銀行收益期望模型，利用123家有信貸記錄的企業(yè)數(shù)據(jù)建立BP神經(jīng)網(wǎng)絡模型，將影響指標代入模型中，求得無信貸記錄企業(yè)的信譽評級。最后利用灰色關聯(lián)分析模型得到信貸風險、利率、貸款額度相關度排名。結合企業(yè)的信譽評級，為銀行合理地提出對中小微企業(yè)的貸款額度和利率優(yōu)惠策略，實現(xiàn)銀行收益期望最大化。

關鍵詞：BP神經(jīng)網(wǎng)絡；灰色關聯(lián)度；信貸策略

在大數(shù)據(jù)背景下，我國出臺了一系列政策要求商業(yè)銀行適當調整信貸業(yè)務結構，大力支持中小微企業(yè)貸款。雖然中小微企業(yè)面臨的“融資難、融資貴”問題得到一定改善，但是仍長期存在資金短缺。商業(yè)銀行和中小微企業(yè)長期存在信息不對稱等一系列問題，影響著銀行對中小微企業(yè)的資金供給。為了解決這些問題，在實現(xiàn)銀行利益最大化的前提下，需要確定銀行對每個企業(yè)的貸款年利率和貸款額度。銀行根據(jù)企業(yè)的實力、信譽對其信貸風險作出評估，依據(jù)信貸風險等因素來確定是否放貸及貸款額度、利率和期限等信貸策略。最終通過建立數(shù)學模型進而實現(xiàn)銀行利益的最大化。

1問題描述與解決流程

在實際中，由于中小微企業(yè)規(guī)模相對較小，缺少抵押資產(chǎn)，因此銀行通常依據(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，向實力強、供求關系穩(wěn)定的企業(yè)提供貸款，并可以對信譽高、信貸風險小的企業(yè)給予利率優(yōu)惠。本文研究如何利用已知的企業(yè)信息，在不同條件下給出最佳的銀行貸款額度和利率優(yōu)惠，是銀行信貸策略主要研究的兩個方面。其中，企業(yè)的實力等因素影響銀行貸款額度，信譽評級高低是決定是否提供利率優(yōu)惠的關鍵。先根據(jù)題目要求對數(shù)據(jù)集進行量化分析，對數(shù)據(jù)進行預處理。然后建立銀行收益期望模型，確定目標函數(shù)。根據(jù)123家企業(yè)的信貸風險，把實力、供求關系和風險因素作為傳入?yún)?shù)特征變量進行BP模型的訓練，從而建立302家企業(yè)信譽評價的BP神經(jīng)網(wǎng)絡模型。然后把信貸風險的相關度和信譽評級（A,B,C,D）結合，作為效益指標輸入，結合圖論法利用灰色關聯(lián)分析求解信貸風險、利率、貸款額度的相關度，同時考慮銀行貸款年利率與客戶流失率關系和企業(yè)有可能出現(xiàn)的違約情況，將得出的相關度進行排名，最終分出不同的等級，給出銀行對中小微企業(yè)的信貸策略。如圖1是本文的解決步驟思路流程圖。

2模型的建立與求解

本文所研究的是123家有信貸記錄企業(yè)和302家無信貸記錄企業(yè)的相關數(shù)據(jù)。根據(jù)信譽評級和信貸風險策略給出企業(yè)的信貸策略。根據(jù)企業(yè)信貸風險的相關理論，結合中小微企業(yè)發(fā)票的特點及數(shù)據(jù)的可獲得性，選取了五個指標，構建企業(yè)信貸風險評價指標體系，如表1所示。首先對實力、信譽等級、利潤波動、作廢發(fā)票比率、信貸風險評估、供求關系、風險因素等基礎變量進行數(shù)據(jù)處理。利用SUM求和以及Python軟件進行數(shù)據(jù)分析，得出企業(yè)流水總金額實力比較圖像。利潤波動通過建立數(shù)據(jù)透視表，求出方差，最后對歸一化后的數(shù)據(jù)用Python做量化分析，得到企業(yè)利潤波動的圖像。作廢發(fā)票比率、信貸風險評估、企業(yè)供求關系和風險因素根據(jù)不同變量之間的關系進行數(shù)據(jù)處理，利用Python軟件結合圖論法得出比率進行評級分類。

2.1建立銀行收益期望模型

首先確定目標函數(shù)如下：（1）其中，W為銀行收益，ix為貸款額度，iv為利率。根據(jù)題目得知ix的范圍為10萬~100萬元，iv年利率為4%~15%；β是隨機因子，取值為1時企業(yè)不違約；取值為0時企業(yè)違約；θ是隨機數(shù)，用來判斷β。當θ∈[0,0.05]時，企業(yè)違約；θ∈[0.05,1]時，企業(yè)不違約。

2.2求解無信貸記錄企業(yè)信譽評級

為了求解無信貸記錄企業(yè)的信譽評級，以有信貸記錄的123家企業(yè)數(shù)據(jù)為基礎，提取企業(yè)中的80%作為訓練集，把風險因素、企業(yè)實力、供求關系作為傳入?yún)?shù)特征變量進行BP模型訓練，設第一個輸入永遠值為θ，權值為﹣1，得到公式：根據(jù)建立的模型，把企業(yè)的實力、供求關系和風險因素3個指標作為傳入?yún)?shù)特征變量，規(guī)定中間參數(shù)2個，得到全連接層（輸出）指標為關于302家企業(yè)的信譽評級，其中隱含層有4個。最終得到的BP神經(jīng)網(wǎng)絡如圖2所示。同時利用Malab工具箱對BP神經(jīng)網(wǎng)絡模型做穩(wěn)定性分析得到圖3，分析得出測試的占訓練的比例大小在10%左右，模型具有良好的穩(wěn)定性，模型準確率達到70%左右。如果要得到更穩(wěn)定的模型，需要將迭代次數(shù)與神經(jīng)網(wǎng)絡的訓練參數(shù)進行匹配性調整，使得整體更加合適，從而獲得更加穩(wěn)定的模型。

2.3研究銀行對企業(yè)貸款額度的分配

在確定好企業(yè)的信譽評級以后，根據(jù)評級結果決定是否給企業(yè)提供貸款，篩選出信譽評級為D的企業(yè)和有違約記錄的企業(yè)，對于這部分中小微企業(yè)銀行不予貸款。企業(yè)的信用額度劃分是由實力和信譽等級決定的。首先利用層次分析法確定各指標的權重。利用公式計算得出灰色關聯(lián)系數(shù)，具體公式如下：為比較數(shù)列xi對參考數(shù)列0x在第k個指標上的關聯(lián)系數(shù)，其中ρ∈[0,1]為分辨系數(shù)，其中，稱0minmin()()sstxt−xt、0maxmax()()sstxt−xt分別為兩級最小差及兩級最大差。一般來說，分辨系數(shù)ρ越大，分辨率越大；ρ越小，分辨率越小。通過建立灰色關聯(lián)分析模型計算得出灰色加權關聯(lián)度，計算公式如下：（5）式中：ir為第i個評價對象對理想對象的灰色加權關聯(lián)度。求解得到的貸款額度范圍為[-1,10]，對企業(yè)的貸款額度進行求和排序。在固定金額的前提下，按照放款順序自上而下的優(yōu)先級進行分配。將得到的結果按照階段性分成8個等級進行貸款額度分配。優(yōu)先等級越高，企業(yè)分配得到的金額越多。

2.4確定銀行對企業(yè)的信貸策略

銀行對企業(yè)的利率優(yōu)惠，由信譽等級和信貸風險共同決定。根據(jù)所得數(shù)據(jù)，借助MATLAB軟件，運用灰色關聯(lián)分析模型求出信貸風險評估和信譽評級兩個指標的灰色加權關聯(lián)度，對求得的值進行優(yōu)先級排序，最終分成8個等級。根據(jù)求得的結果給出銀行對不同中小微企業(yè)的優(yōu)惠策略。已知放貸企業(yè)的貸款額度為10萬~100萬元，年利率4%~15%，貸款期限為1年。因此根據(jù)求得8個等級的貸款額度和優(yōu)惠政策，得到如下分級指標標準，如表2所示。根據(jù)表2同時結合企業(yè)相關數(shù)據(jù)可以看出，在固定金額的前提下，對于低等級的企業(yè)銀行的放貸金額少，貸款利率額高；對于高等級的企業(yè)銀行的放貸金額多，貸款利率額低。在銀行對中小微企業(yè)的貸款額度方面，超過50%的企業(yè)位于等級4、等級5和等級6，即銀行的放貸金額集中在60萬~80萬元；在銀行對中小微企業(yè)的貸款利率方面，超過60%的企業(yè)在等級0到等級4，即銀行的貸款利率集中在9%~15%。在確定好貸款額度和利率優(yōu)惠以后計算銀行的預期收益，根據(jù)所得的貸款額度和銀行貸款年利率可以求出銀行對每個企業(yè)的收益，設置θ為[0,0.05]時，β=0，企業(yè)發(fā)生違約情況；θ為[0.05,1]時，β=1，企業(yè)不發(fā)生違約情況；將各個指標代入公式中，最終求得銀行的最大收益。

3結語

中小微企業(yè)是我國市場經(jīng)濟體系中的重要參與主體，對國民經(jīng)濟的發(fā)展起著關鍵作用，研究中小微企業(yè)的信貸是學術界與實務界的熱點問題。本文充分利用所給數(shù)據(jù)，以銀行收益期望最大化為目標，從貸款額度和利率優(yōu)惠兩個方面考慮銀行對中小微企業(yè)的信貸策略。通過建立BP神經(jīng)網(wǎng)絡模型，利用所給數(shù)據(jù)對模型中的變量進行評級，得到無信貸記錄企業(yè)的評級。之后采用灰色關聯(lián)分析模型，計算相關變量的灰色加權關聯(lián)度，最后進行優(yōu)先級排序，將貸款額度和利率優(yōu)惠分成8個等級，結合企業(yè)的數(shù)據(jù)和違約情況等得出銀行對于中小微企業(yè)的信貸策略。

參考文獻

[1]李笑鋒.C銀行對中小企業(yè)經(jīng)營性貸款的風險管理[D].昆明:云南財經(jīng)大學,2020.

[2]王孟夏,邢劍琛,王林.商業(yè)銀行中小企業(yè)貸款風險研究[J].北方經(jīng)濟,2009(24).

[3]《運籌學》教材編寫組.運籌學(修改版)[M].北京:清華大學出版社,1990.

[4]司守奎,孫璽菁.數(shù)學建模算法與應用[M].北京:國防工業(yè)出版社,2011.

[5]施麗娟.基于灰色關聯(lián)模型的金融信用風險評價研究[J].科技經(jīng)濟市場,2017(8).

[6]李鈺博,裴宇恒,高曉亮.中小微企業(yè)的信貸決策問題研究[J].營銷界,2020(29):163-165.

作者：黃鑫淼 朱瑞 秦一凡 單位：沈陽工業(yè)大學