【文章內(nèi)容簡(jiǎn)介】 實(shí)情況不了解，很多不符合條件的企業(yè)獲得貸款，并無(wú)法及時(shí)償還銀行貸款，造成銀行貸款逾期，甚至出現(xiàn)不良。這些嚴(yán)重影響了商業(yè)銀行對(duì)中小企業(yè)貸款的投放力度，造成中小企業(yè)貸款更加困難。最后，商業(yè)銀行的競(jìng)爭(zhēng)機(jī)制及技術(shù)缺失商業(yè)銀行在我國(guó)的信貸市場(chǎng)中發(fā)揮著主要作用，在利率市場(chǎng)化的進(jìn)程中，商業(yè)銀行出于市場(chǎng)競(jìng)爭(zhēng)及利潤(rùn)考核等壓力，往往傾向于將有限的信貸資源投向規(guī)模較大、融資較高的國(guó)有企業(yè)，而中小企業(yè)由于規(guī)模較小，融資較小，無(wú)法獲得相應(yīng)的資金支持。同時(shí)由于商業(yè)銀行缺乏行之有效的專(zhuān)業(yè)技術(shù)手段，無(wú)法真正對(duì)企業(yè)的信息進(jìn)行了解，商業(yè)銀行的信貸投放，更多的依靠專(zhuān)業(yè)審批人員的經(jīng)驗(yàn)，根據(jù)銀行信貸政策及主觀判斷進(jìn)行審批。通過(guò)上述分析可以看出，在當(dāng)前經(jīng)濟(jì)形勢(shì)下，為更好的解決中小企業(yè)融資難的問(wèn)題，只有打通商業(yè)銀行同企業(yè)之間的溝通渠道，才能疏通中小企業(yè)融資的障礙，才會(huì)真正解決中小企業(yè)融資難的問(wèn)題。本文認(rèn)為基于當(dāng)前我國(guó)商業(yè)銀行在市場(chǎng)經(jīng)濟(jì)中處于絕對(duì)主導(dǎo)地位，開(kāi)發(fā)一套適用于商業(yè)銀行的中小企業(yè)信用風(fēng)險(xiǎn)計(jì)量系統(tǒng)，打通商業(yè)銀行同中小企業(yè)的信息不對(duì)稱難題，中小企業(yè)融資難的問(wèn)題將會(huì)迎刃而解。第三節(jié) 商業(yè)銀行信用風(fēng)險(xiǎn)模型的發(fā)展信用風(fēng)險(xiǎn)是我國(guó)商業(yè)銀行面臨的最主要的風(fēng)險(xiǎn)，商業(yè)銀行的信用風(fēng)險(xiǎn)管理水平?jīng)Q定了自身的生存和發(fā)展。我國(guó)商業(yè)銀行經(jīng)過(guò)多年發(fā)展及改革，已初步建立由定性到定量的信用風(fēng)險(xiǎn)管理體系，但是我國(guó)相關(guān)信用風(fēng)險(xiǎn)管理及分析系統(tǒng)還處在初級(jí)階段，信息系統(tǒng)的發(fā)展與國(guó)外發(fā)達(dá)國(guó)家的水平還有較大差距。信用風(fēng)險(xiǎn)計(jì)量水平作為現(xiàn)代風(fēng)險(xiǎn)管理的基礎(chǔ)和關(guān)鍵環(huán)節(jié)，經(jīng)歷了多個(gè)階段，主要可分為：專(zhuān)家判斷法、信用評(píng)分模型及違約概率模型。一、 專(zhuān)家判斷法專(zhuān)家判斷法即專(zhuān)家系統(tǒng)，是商業(yè)銀行在長(zhǎng)期經(jīng)營(yíng)信貸業(yè)務(wù)承擔(dān)信用風(fēng)險(xiǎn)過(guò)程中逐步發(fā)展并完善發(fā)展起來(lái)的傳統(tǒng)信用風(fēng)險(xiǎn)分析方法。專(zhuān)家系統(tǒng)依賴高級(jí)信貸人員和信貸專(zhuān)家自身的專(zhuān)業(yè)知識(shí)、技能和豐富經(jīng)驗(yàn)，運(yùn)用各種專(zhuān)業(yè)性分析工具，在分析評(píng)價(jià)各種關(guān)鍵要素基礎(chǔ)上依據(jù)主觀判斷來(lái)綜合評(píng)定申請(qǐng)企業(yè)的信用風(fēng)險(xiǎn)。一般而言，專(zhuān)家判斷法主要考慮兩方面因素：（一）與借款人有關(guān)的因素：。借款人的聲譽(yù)主要體現(xiàn)在與商業(yè)銀行的歷史借貸業(yè)務(wù)，如果借款人總能及時(shí)全額的償還本金利息，這樣可認(rèn)定為具有良好的聲譽(yù)，也比較容易從商業(yè)銀行獲得貸款[5]。借款人的杠桿即資產(chǎn)負(fù)債比率對(duì)借款人違約概率影響較大。杠桿比率較高的借款人相比杠桿比率低的借款人，未來(lái)面臨的還本付息的壓力要較大，其違約概率也會(huì)高很多。若商業(yè)銀行貸款給杠桿比率高的借款人，就需提高風(fēng)險(xiǎn)溢價(jià)，或者增強(qiáng)其他強(qiáng)擔(dān)保、強(qiáng)抵押等第二還款來(lái)源來(lái)緩釋風(fēng)險(xiǎn)。如果未來(lái)面臨同樣的還本付息，在期望收益相當(dāng)?shù)臈l件下，收益波動(dòng)性高的企業(yè)更容易違約，信用風(fēng)險(xiǎn)較大。（二）與市場(chǎng)有關(guān)的因素：。經(jīng)濟(jì)周期對(duì)評(píng)價(jià)借款人的違約風(fēng)險(xiǎn)有很大的參考意義。如果經(jīng)濟(jì)處于蕭條時(shí)期，消費(fèi)者就會(huì)削減對(duì)汽車(chē)、家電、房產(chǎn)等耐用消費(fèi)品的需求，加大對(duì)食品、水電等生活必須品的需求[6]。因此，在經(jīng)濟(jì)蕭條期，耐用消費(fèi)品行業(yè)的企業(yè)更容易違約，對(duì)于該類(lèi)企業(yè)貸款應(yīng)更加謹(jǐn)慎。政府宏觀經(jīng)濟(jì)政策對(duì)市場(chǎng)經(jīng)濟(jì)不發(fā)達(dá)或處于轉(zhuǎn)型經(jīng)濟(jì)中的國(guó)家影響更加突出。我國(guó)經(jīng)濟(jì)同自由市場(chǎng)經(jīng)濟(jì)還有一定差距，經(jīng)濟(jì)的發(fā)展對(duì)國(guó)家的政策的變化敏感性很強(qiáng)，如高耗能行業(yè)，很可能因?yàn)閲?guó)家節(jié)能環(huán)保等政策影響，造成該行業(yè)整體衰退，如果對(duì)高耗能行業(yè)提供貸款，這些行業(yè)的企業(yè)信用風(fēng)險(xiǎn)就會(huì)很高。高利率水平表明央行實(shí)施緊縮的貨幣政策，在該政策的影響下，所有企業(yè)都面臨困難，違約風(fēng)險(xiǎn)同比提高。由于逆向選擇效應(yīng)與激勵(lì)效應(yīng)的雙重作用，商業(yè)銀行在向企業(yè)要求較高風(fēng)險(xiǎn)溢價(jià)的同時(shí)，自身也面臨較高的風(fēng)險(xiǎn)，高利率水平不僅造成潛在借款人整體違約風(fēng)險(xiǎn)提高，而且會(huì)促進(jìn)借款人承擔(dān)更高的風(fēng)險(xiǎn)。專(zhuān)家系統(tǒng)過(guò)高的依賴信貸人員的經(jīng)驗(yàn)、習(xí)慣及偏好，缺乏對(duì)信用風(fēng)險(xiǎn)評(píng)估的一致性，對(duì)同一筆業(yè)務(wù)，不同的信貸人員可能得出的評(píng)估結(jié)果截然相反。專(zhuān)家系統(tǒng)的缺點(diǎn)及局限性對(duì)于商業(yè)銀行尤為突出，使得商業(yè)銀行統(tǒng)一的信貸政策在實(shí)際執(zhí)行過(guò)程中由于專(zhuān)家意見(jiàn)的不同而失去意義。二、 信用評(píng)分模型信用評(píng)分模型是一種風(fēng)險(xiǎn)量化模型，通過(guò)可觀察或收集到的借款人特征變量計(jì)算出一個(gè)得分來(lái)代表債務(wù)人的信用風(fēng)險(xiǎn)，并將借款人歸類(lèi)為不同的風(fēng)險(xiǎn)等級(jí)。運(yùn)用數(shù)理統(tǒng)計(jì)技術(shù)和數(shù)據(jù)挖掘技術(shù)，對(duì)客戶的歷史數(shù)據(jù)進(jìn)行挖掘提煉，找出蘊(yùn)藏在復(fù)雜數(shù)據(jù)中的規(guī)律，發(fā)展出預(yù)測(cè)模型[7]。目前信用風(fēng)險(xiǎn)最重要的特征為智能化、自動(dòng)化、標(biāo)準(zhǔn)化。智能化是利用先進(jìn)的統(tǒng)計(jì)數(shù)理模型進(jìn)行智能化信貸審批抉擇；自動(dòng)化是指利用信息技術(shù)實(shí)現(xiàn)信貸表現(xiàn)積分的自動(dòng)計(jì)算，信貸審批決策的自動(dòng)實(shí)現(xiàn)；標(biāo)準(zhǔn)化是統(tǒng)計(jì)模型依賴實(shí)際數(shù)據(jù)，相關(guān)評(píng)分和決策過(guò)程具有客觀性和一致性[8]。信用評(píng)分模型按照客戶生命周期，可以分為營(yíng)銷(xiāo)評(píng)分卡、申請(qǐng)?jiān)u分卡、行為評(píng)分卡、催收評(píng)分卡和回收評(píng)分卡。信用評(píng)分模型的關(guān)鍵在于特征變量的選取及權(quán)重的確定。目前應(yīng)用最廣泛的信用評(píng)分模型有線性概率模型（Linear Probability Model）、Logit模型、Probit模型和線性辨別模型（Linear Discriminant Model）。信用評(píng)分模型作為商業(yè)銀行信用風(fēng)險(xiǎn)的主要方法之一，還存在一些突出問(wèn)題，具體表現(xiàn)為：（一）信用評(píng)分模型是建立在對(duì)歷史數(shù)據(jù)模擬的基礎(chǔ)上，是一種向后看的模型，但是由于歷史數(shù)據(jù)更新速度較慢或缺失，在相關(guān)回歸過(guò)程中各特征變量的權(quán)重?zé)o法及時(shí)更新，無(wú)法準(zhǔn)確反映企業(yè)信用狀況的變化。（二）對(duì)于新興企業(yè)等成立時(shí)間較短的企業(yè)，歷史數(shù)據(jù)有限，使得信用評(píng)分模型適用性和有效性受到影響。（三）信用評(píng)分模型可以給出客戶信用風(fēng)險(xiǎn)水平的分?jǐn)?shù)，但是無(wú)法提供客戶違約概率的準(zhǔn)確數(shù)值，對(duì)于商業(yè)銀行內(nèi)部信用評(píng)級(jí)及信貸數(shù)據(jù)分析的準(zhǔn)確性造成較大影響。三、 違約概率模型違約概率模型屬于現(xiàn)代信用風(fēng)險(xiǎn)計(jì)量方法，可以直接估計(jì)客戶的違約概率，對(duì)歷史數(shù)據(jù)要求較高，需要商業(yè)銀行建立一致的、明確的違約定義，對(duì)傳統(tǒng)的信用風(fēng)險(xiǎn)管理模式產(chǎn)生巨大的影響。常見(jiàn)的違約概率模型包括RiskCalc模型、KMV的Credit Monitor模型、KPMG風(fēng)險(xiǎn)中性定價(jià)模型、死亡率模型等。（一）RiskCalc模型RiskCalc模型是在傳統(tǒng)信用評(píng)分技術(shù)上發(fā)展的一種適用于非上市公司的違約概率模型，核心是通過(guò)嚴(yán)格的步驟從客戶信息中選擇最能預(yù)測(cè)違約的一組變量，并運(yùn)用Logit/Probit回歸技術(shù)預(yù)測(cè)客戶的違約概率[9]。（二）KMV的Credit Monitor模型KMV的Credit Monitor模型是一種適用于上市公司的違約概率模型，核心在于把企業(yè)與銀行的信貸關(guān)系視為期權(quán)買(mǎi)賣(mài)關(guān)系，而信貸關(guān)系中的信用風(fēng)險(xiǎn)信息隱含在這種期權(quán)交易中，通過(guò)應(yīng)用期權(quán)定價(jià)理論求解相關(guān)風(fēng)險(xiǎn)溢價(jià)和對(duì)應(yīng)的違約率。（三）KPMG風(fēng)險(xiǎn)中性定價(jià)模型KPMG風(fēng)險(xiǎn)中性定價(jià)模型核心是假設(shè)金融市場(chǎng)中每個(gè)參與者都是風(fēng)險(xiǎn)中立者，只要資產(chǎn)的期望收益相等，市場(chǎng)參與者對(duì)其接受態(tài)度是一致的，這樣的市場(chǎng)環(huán)境稱為風(fēng)險(xiǎn)中性范式。（四）死亡率模型根據(jù)風(fēng)險(xiǎn)資產(chǎn)的歷史違約數(shù)據(jù)，計(jì)算在未來(lái)一定持有期內(nèi)不同信用等級(jí)的客戶的違約概率。通常分為邊際死亡率和累計(jì)死亡率。本章介紹了我國(guó)中小企業(yè)信用風(fēng)險(xiǎn)現(xiàn)狀及融資難的問(wèn)題，同時(shí)對(duì)我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)模型進(jìn)行回顧，在綜合考慮相關(guān)技術(shù)及數(shù)據(jù)來(lái)源的基礎(chǔ)上，下章將依靠銀行企業(yè)信貸數(shù)據(jù)，對(duì)相關(guān)信用風(fēng)險(xiǎn)計(jì)量模型進(jìn)行開(kāi)發(fā)分析。第三章 中小企業(yè)信用風(fēng)險(xiǎn)計(jì)量模型的開(kāi)發(fā)中小企業(yè)信用風(fēng)險(xiǎn)計(jì)量模型的開(kāi)發(fā)需要確立相關(guān)的模型開(kāi)發(fā)目標(biāo)、模型理論基礎(chǔ)及相關(guān)數(shù)據(jù)采集技術(shù)，同時(shí)還需要結(jié)合實(shí)例對(duì)模型的計(jì)算過(guò)程和結(jié)果進(jìn)行論證，并根據(jù)實(shí)際結(jié)果進(jìn)行人工修正。本文信用風(fēng)險(xiǎn)計(jì)量模型主要針對(duì)我國(guó)中小企業(yè)，模型開(kāi)發(fā)的步驟包括：確定模型開(kāi)發(fā)策略及模型數(shù)據(jù)采集及處理。 第一節(jié) 確定模型開(kāi)發(fā)策略在確定模型開(kāi)發(fā)目標(biāo)后，建立相關(guān)模型開(kāi)發(fā)策略，包括模型開(kāi)發(fā)的目標(biāo)定位、模型的建立方法、模型的備選指標(biāo)及模型的校驗(yàn)調(diào)整。下圖為模型開(kāi)發(fā)的整體策略圖： 信用風(fēng)險(xiǎn)計(jì)量模型的開(kāi)發(fā)框架圖一、模型開(kāi)發(fā)目標(biāo)定位與傳統(tǒng)的關(guān)系型貸款技術(shù)相比，信用風(fēng)險(xiǎn)計(jì)量模型提供了更加高效、便捷的選擇[10]。無(wú)論銀行大小及所處區(qū)域經(jīng)濟(jì)發(fā)展的成熟與否，中小企業(yè)信用計(jì)量模型的應(yīng)用，都可以促使金融機(jī)構(gòu)發(fā)放更多的中小企業(yè)貸款，顯著提高中小企業(yè)貸款的獲得性。該模型的建立具有以下幾個(gè)顯著特點(diǎn)：（一）信貸決策效率提高，信貸成本降低中小企業(yè)信用計(jì)量模型能夠縮短每筆業(yè)務(wù)的審批時(shí)間，信貸人員可以從復(fù)雜的調(diào)查報(bào)告和申報(bào)材料中解放出來(lái)，只需將貸款申請(qǐng)人的相關(guān)資料錄入模型，系統(tǒng)將自動(dòng)生成信用評(píng)分，并自動(dòng)給出通過(guò)、拒絕或需要人工干預(yù)的審批結(jié)果，可以極大的提高審批效率。同時(shí)由于需要人工參與的占比較低，該模型可以極大的縮減人工實(shí)地調(diào)查的工作量，降低每筆業(yè)務(wù)的信貸成本。（二）提高貸款審批的客觀性傳統(tǒng)專(zhuān)家型人工審批的一個(gè)重要特點(diǎn)是受審批人員的主觀影響較大，如審批人員的個(gè)人偏好、生活經(jīng)驗(yàn)、所處環(huán)境等都可能影響一筆貸款申請(qǐng)的通過(guò)與否。而中小企業(yè)信用計(jì)量模型，其選擇的數(shù)據(jù)變量、評(píng)分標(biāo)準(zhǔn)和權(quán)重都是固定的，同一筆業(yè)務(wù)，只要錄入指標(biāo)相同，任何一個(gè)審批人員得到結(jié)果都是一致的，從而消除了人為因素的干擾，減少了人工審批的隨意性和主觀性，確保了貸款審批標(biāo)準(zhǔn)的客觀性、標(biāo)準(zhǔn)化和一致性。這樣建立的模型適合于大規(guī)模的批量貸款發(fā)放，可以極大的提高客群范圍，防止出現(xiàn)違法違規(guī)行為。 （三）有效控制信貸風(fēng)險(xiǎn)中小企業(yè)信用風(fēng)險(xiǎn)計(jì)量模型可降低貸款違約率，可通過(guò)貸款審批臨界值的選擇有效控制風(fēng)險(xiǎn)水平。風(fēng)險(xiǎn)水平取決于金融機(jī)構(gòu)的風(fēng)險(xiǎn)偏好和經(jīng)營(yíng)策略，如果當(dāng)前整體經(jīng)濟(jì)形勢(shì)不佳，信貸環(huán)境惡劣，金融機(jī)構(gòu)可定性為風(fēng)險(xiǎn)厭惡型，此時(shí)經(jīng)營(yíng)策略以降低風(fēng)險(xiǎn)為主要目標(biāo)，可通過(guò)設(shè)定較高的臨界值水平（包括自動(dòng)通過(guò)和自動(dòng)拒絕的臨界值），減少系統(tǒng)自動(dòng)審批通過(guò)的申請(qǐng)數(shù)量，提高貸款審批標(biāo)準(zhǔn)，降低違約風(fēng)險(xiǎn)。如果當(dāng)前整體經(jīng)濟(jì)形勢(shì)轉(zhuǎn)好，信貸環(huán)境較好，此時(shí)金融機(jī)構(gòu)是風(fēng)險(xiǎn)偏好型，經(jīng)營(yíng)策略以擴(kuò)大業(yè)務(wù)規(guī)模為主要目標(biāo)，則可以通過(guò)降低臨界值水平，增加系統(tǒng)自動(dòng)審批通過(guò)的申請(qǐng)數(shù)量，擴(kuò)大貸款發(fā)放的數(shù)量。中小企業(yè)信用風(fēng)險(xiǎn)計(jì)量模型可量化信貸風(fēng)險(xiǎn)，包括預(yù)期損失、準(zhǔn)備金、非預(yù)期損失、貸款定價(jià)、收益分析、績(jī)效考核與薪酬兌現(xiàn)等指標(biāo)的籌劃，最大限度的降低信貸風(fēng)險(xiǎn)。二、模型的建立方法任何模型的建立都需要一定的理論支持，本文按照模型的實(shí)證化程度劃分為三種類(lèi)型：第一類(lèi)是統(tǒng)計(jì)型模型，即采用統(tǒng)計(jì)方法從歷史數(shù)據(jù)中推演出對(duì)應(yīng)的模型，可采用的統(tǒng)計(jì)數(shù)據(jù)方法包括：多元線性回歸分析、邏輯回歸分析等線性分析技術(shù)和最近鄰方法、神經(jīng)網(wǎng)絡(luò)模型等非線性分析技術(shù)，通過(guò)科學(xué)、嚴(yán)密的數(shù)據(jù)分析及實(shí)證研究而建立[11]。第二類(lèi)是專(zhuān)家型模型，即由專(zhuān)家和機(jī)構(gòu)判斷經(jīng)驗(yàn)形成的模型，主要依靠信用評(píng)分人員的經(jīng)驗(yàn)判斷，形成簡(jiǎn)單的信用評(píng)分體系。專(zhuān)家型評(píng)分體系更多的依靠審批人員的經(jīng)驗(yàn)、風(fēng)險(xiǎn)意識(shí)及所處環(huán)境決定。在當(dāng)前各商業(yè)銀行審批過(guò)程中，普遍應(yīng)用，但是受制于專(zhuān)家人員數(shù)量的不足，各商業(yè)銀行整體審批效率低下，主觀意愿較為明顯。第三類(lèi)是混合型模型，即由統(tǒng)計(jì)方法和經(jīng)驗(yàn)判斷結(jié)合運(yùn)用形成的模型。該類(lèi)模型既包括科學(xué)嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)分析判斷，又綜合考慮專(zhuān)家人員的整體經(jīng)驗(yàn)及風(fēng)險(xiǎn)判斷能力，是當(dāng)前市場(chǎng)上較為主流的模型。在當(dāng)前各大金融機(jī)構(gòu)歷史數(shù)據(jù)完備性不足的情況下，初期采用混合型的風(fēng)險(xiǎn)計(jì)量模型是比較好的選擇。在數(shù)據(jù)統(tǒng)計(jì)模型的基礎(chǔ)上，結(jié)合模型變量之外的制度經(jīng)驗(yàn)和專(zhuān)家判斷進(jìn)行綜合評(píng)估，以確定是否給予授信以及授信的額度和利率。三、模型備選指標(biāo)中小企業(yè)信用風(fēng)險(xiǎn)計(jì)量模型的開(kāi)發(fā)就是將一些能夠預(yù)測(cè)客戶的指標(biāo)進(jìn)行轉(zhuǎn)換與加權(quán)后計(jì)算出一個(gè)總的分值。所以在建模之前首先要將一切可能具有預(yù)測(cè)能力的指標(biāo)都納入分析范圍。常見(jiàn)的中小企業(yè)備選指標(biāo)的來(lái)源有五類(lèi)：申報(bào)企業(yè)的一些基本信息、企業(yè)的信貸申報(bào)情況、企業(yè)及實(shí)際控制人的征信系統(tǒng)查詢信息、企業(yè)的公共信息、企業(yè)的財(cái)務(wù)報(bào)表五類(lèi)。本文的模型備選指標(biāo)將主要根據(jù)銀行數(shù)據(jù)庫(kù)進(jìn)行采集，調(diào)取近幾年的銀行信貸數(shù)據(jù)，同時(shí)從人民銀行征信數(shù)據(jù)庫(kù)中調(diào)取相關(guān)企業(yè)及企業(yè)實(shí)際控制人的征信信息數(shù)據(jù)，從銀行相關(guān)部門(mén)獲取信貸人員實(shí)地調(diào)查企業(yè)的真實(shí)經(jīng)營(yíng)情況及相關(guān)信貸數(shù)據(jù)。數(shù)據(jù)的采集及分析整理預(yù)計(jì)將會(huì)耗費(fèi)一個(gè)月的時(shí)間，具體包括基礎(chǔ)數(shù)據(jù)的采集、數(shù)據(jù)的加工處理、專(zhuān)業(yè)數(shù)據(jù)的統(tǒng)計(jì)分析等。四、模型的校驗(yàn)和調(diào)整模型建立之后，模型的預(yù)測(cè)能力、穩(wěn)定性必須通過(guò)檢驗(yàn)之后才可以運(yùn)用到實(shí)際業(yè)務(wù)中。模型的檢驗(yàn)主要是對(duì)模型預(yù)測(cè)能力與穩(wěn)健性進(jìn)行評(píng)估。評(píng)分模型的檢驗(yàn)方法和標(biāo)準(zhǔn)通常有：KS 指標(biāo)、交換曲線、AR 值、ROC曲線等。選取合適的校驗(yàn)方法，最大限度的將“好客戶”與“壞客戶”區(qū)分開(kāi)來(lái)。模型的穩(wěn)健性進(jìn)行評(píng)估主要是指在對(duì)模型進(jìn)行批量數(shù)據(jù)校驗(yàn)測(cè)試，模型能夠穩(wěn)定的輸出固定的評(píng)判標(biāo)準(zhǔn)，不會(huì)出現(xiàn)較大的波動(dòng)。模型的調(diào)整是指對(duì)模型結(jié)果的輸出是否需經(jīng)過(guò)人工修正，臨界分值如何確定，是否施行一票否決制。目前在各商業(yè)銀行，信用風(fēng)險(xiǎn)計(jì)量模型的應(yīng)用較為廣泛，同時(shí)各數(shù)據(jù)模型都需要經(jīng)過(guò)人工調(diào)整或其他相關(guān)設(shè)置，在滿足商業(yè)銀行基本準(zhǔn)入條件的情況下，結(jié)合數(shù)據(jù)模型的結(jié)果進(jìn)行判斷。模型在使用一段時(shí)間后，需要對(duì)模型的準(zhǔn)確性及穩(wěn)定性進(jìn)行分析，從不同時(shí)間段、不同維度進(jìn)行綜合評(píng)價(jià)，并不斷根據(jù)實(shí)際經(jīng)營(yíng)情況及條件進(jìn)行校正，保證系統(tǒng)能夠長(zhǎng)期有效的運(yùn)用。在確定好模型的開(kāi)發(fā)策略后，就可以根據(jù)規(guī)劃進(jìn)行數(shù)據(jù)采集處理，同時(shí)在實(shí)際工作中，不斷對(duì)開(kāi)發(fā)策略進(jìn)行優(yōu)化完善，達(dá)到最優(yōu)的開(kāi)發(fā)目標(biāo)。第二節(jié) 模型數(shù)據(jù)采集及處理根據(jù)中小企業(yè)信用風(fēng)險(xiǎn)特點(diǎn)及我國(guó)現(xiàn)有信貸環(huán)境，選取了一批數(shù)據(jù)，既包括中小企業(yè)的財(cái)務(wù)數(shù)據(jù)等定量數(shù)據(jù)，又包括中小企業(yè)及實(shí)際控制人的征信情況、企業(yè)行業(yè)類(lèi)型、從業(yè)經(jīng)驗(yàn)、報(bào)表審計(jì)情況等定性數(shù)據(jù)，從定量及定性兩方面進(jìn)行數(shù)據(jù)采集，力求全方位、真實(shí)的反應(yīng)企業(yè)的實(shí)際情況。一、 模型數(shù)據(jù)的采集結(jié)合我國(guó)中小企業(yè)信貸情況及財(cái)務(wù)報(bào)表真實(shí)性很難確認(rèn)的特點(diǎn)，我們力求將模型數(shù)據(jù)均勻分布，除了將企業(yè)的部分財(cái)務(wù)數(shù)據(jù)情況納入模型外，我們重點(diǎn)對(duì)企業(yè)的基本經(jīng)營(yíng)情況、企業(yè)及實(shí)際控制人征信情況等定性數(shù)據(jù)進(jìn)行采集分析，建立完整的初期數(shù)據(jù)采集指標(biāo)體系[12]。同時(shí)結(jié)合商業(yè)銀行近幾年中小企業(yè)真實(shí)的信貸數(shù)據(jù)以及相關(guān)專(zhuān)家意見(jiàn)，我們選取了25個(gè)指標(biāo)納入模型，包括9個(gè)定性指標(biāo)及16個(gè)定量指標(biāo)，具體指標(biāo)類(lèi)型如下： 中小企業(yè)信用風(fēng)險(xiǎn)模型的變量指標(biāo)初選表變量類(lèi)別變量類(lèi)型變量類(lèi)別變量類(lèi)型企業(yè)基本信息企業(yè)注冊(cè)地