摘 要

近些年来，虽然在国家经济发展和就业率方面，中小企业贡献显著，但是资金的缺乏、融资不易一直限制着其成长。即使国家大力扶持中小企业，可是由于信息不透明，财务信息质量不高，此类企业的信贷风险较高。所以假如有一个专门的信贷风险评价体系来评估中小企业，那么银行能更好地管控其信贷风险。

本文通过了解中小企业特点，探究其信贷流程和业务特征，总结出其信贷风险的原因和特征，然后在此基础上构建中小企业信贷风险评价体系。接着把19个指标通过因子分析归结为6个主成分因子，并计算出各企业的综合得分F。再用K-均值聚类分析法将F值分类，从而确定各样本的信贷风险程度，最后在BP神经网络模型中输入样本企业用以学习和检测。研究结果表明BP神经网络能够用于中小企业信贷风险评价，而且该评价模型有助于银行降低评价成本，更有效地控制中小企业信贷风险。

本文的创新之处是结合因子分析、聚类分析和BP神经网络对中小企业信贷风险进行评价，并且从较科学的角度验证该模型。

关键词：信贷风险；中小企业；BP神经网络

Abstract

In recent years, although the contribution of small and medium-sized enterprises has been significant in terms of national economic development and employment rate. But the lack of funds has limited its growth. Although the state has vigorously supported small and medium enterprises, the enterprises still have higher credit risk, due to opaque information and low quality of financial information. So if there is a special credit risk assessment system for small and medium enterprises, the banks can better control their credit risk.

This paper summarizes the reasons and characteristics of its credit risk by understanding the characteristics of small and medium-sized enterprises, exploring its credit process and business characteristics. And the credit risk evaluation system of small and medium-sized enterprises is built on this basis. Then the 19 indicators are factorized into six principal component factors by factor analysis, and the comprehensive score of each firm is calculated. Also K-means clustering analysis is used to classify the F values ​​to determine the credit risk of each sample. Finally, input the sample enterprises to train and test the BP neural network model. The results show that BP neural network can be used for credit risk assessment of small and medium enterprises. What’s more the evaluation model can help banks reduce the cost of evaluation and control the credit risk of SMEs more effectively.

The innovation of this paper is to evaluate the credit risk of small and medium enterprises with factor analysis, cluster analysis and BP neural network, and to verify the model from a scientifically.

Key Words：Credit risk；Small and medium enterprises；BP neural network

目 录

第1章 绪论 1

1.1 选题背景 1

1.2 选题目的及意义 1

1.2.1 研究目的 1

1.2.2 研究意义 1

1.3 国内外研究现状 2

1.3.1 中小企业信贷风险动因研究 2

1.3.2 信贷风险评价模型研究 2

1.3.3 国内外研究现状述评 3

1.4 研究内容与研究方法 3

1.4.1 研究内容 3

1.4.2 研究方法 4

第2章 中小企业信贷特征及风险分析 6

2.1 中小企业信贷特征分析 6

2.1.1 信贷主体分析 6

2.1.2 中小企业信贷业务特征 7

2.1.3 中小企业信贷流程分析 8

2.2 中小企业信贷风险动因分析 11

2.2.1 环境因素 11

2.2.2 企业因素 12

2.2.3 银行因素 13

2.3 中小企业信贷风险特征分析 14

第3章 中小企业信贷风险评价指标体系 15

3.1 指标体系选取原则 15

3.2 指标体系的构建 15

3.2.1 盈利能力指标 17

3.2.2 偿债能力指标 17

3.2.3 经营能力指标 18

3.2.4 发展能力指标 19

3.2.5 非财务因素指标 20

第4章 基于BP神经网络的信贷风险评价模型 21

4.1 信贷风险评价模型框架 21

4.2 信贷风险因子分析——提取输入值 22

4.2.1 指标的相关性检验 22

4.2.2 风险影响主因子的提取 23

4.3 信贷风险评价——确定输出值 23

4.4 风险评价模型——训练神经网络 23

第5章 实证研究 25

5.1 样本选取及数据来源 25

5.2 样本的筛选 25

5.3 数据的优化 27

5.3.1 指标的标准化处理 27

5.3.2 Bartlett球体检验和KMO检验 27

5.3.3 计算信贷风险影响主因子 28

5.4 确认输出信贷风险程度 32

5.4.1 企业综合得分的分类 32

5.4.2 信贷风险状况的确定 33

5.5 神经网络训练及测试结果 36

5.5.1 神经网络参数的设定 36

5.5.2 测试结果 38

第6章 结论与展望 40

6.1 结论 40

6.2 展望 40

参考文献 42

致谢 43

附录A 44

第1章 绪论

1.1 选题背景

随着市场多元化发展，中小企业的数量不断增加，活跃度不断提高，他们已成为经济发展中的亮点。中小企业涉及的行业广泛，基数大，进入壁垒较小，因此能够较好地促进就业。中小企业的存在不仅有助于推动我国经济结构的优化升级，还能够提升第3产业在我国经济中的占比。但是中小企业由于缺乏资金来扩大再生产，其发展一直停滞不前。

为了帮助其解决资金问题，国家实施了许多政策来扶持他们。一些银行也纷纷响应国家的号召，开始着手研发具有中小企业特色的信贷产品，例如，招商银行的小贷通、农业银行的科创贷、建设银行的助宝贷等等。中小信贷产品销售增加的同时信贷质量却在下降，为了降低中小企业不良贷款率，评估其信贷风险成为至关重要的一个环节。