小额贷款公司信用风险论文2篇.doc

小额贷款公司信用风险论文2篇

第一篇

一、小额贷款公司信用风险评估模型构建

小额贷款公司作为新兴的金融机构，本身的数据积累不够，搜集资料也受到一定的条件所限，不能够使用现代信用风险评估模型，而对于信用评分模型，大多数模型要求样本假定服从正态分布，放眼现实中，农村小额贷款公司一样很难满足这个基本要求，因此，Ｌｏｇｉｔ模型的优势体现出来，该模型并不要求样本服从正态分布假定，历史研究也表明，Ｌｏｇｉｔ模型适用于个人的信用风险评估，且准确率维持在５４％—９０％间。因此，事实证明，该模型可以适用于我国农村小额贷款公司的信用风险评估。所以，本文选取了Ｌｏｇｉｔ模型来进行风险测度。

（一）研究思路第一步，明确所要研究的问题，旨在对我国农村小额贷款公司的信用风险进行评估，测算违约概率，进行评定。第二步，通过信用评估模型的比较分析，确定选取Ｌｏｇｉｔ模型展开实证分析。第三步，选取样本档案，收集信用数据。第四步，确定指标的选用。根据样本收集对于初选的指标进行异方差检验、多重共线性检验从而去粗取精，筛选出能够有效反映小额贷款公司信用风险特点的主成分，确立符合实际情况的评估指标体系。第五步，参数的估计和模型检验。将指标数据代入Ｌｏｇｉｔ模型，运用ＳＰＳＳ软件进行参数估计，在检验后构造出适合我国小额贷款公司的信用评分模型。

（二）模型指标的选取根据安徽省肥西县农村小额贷款公司资信等级评定表等档案，选取了劳动力、年龄、文化水平等１３个指标。在确定最优变量指标之前，先进行正态性假设检验、异方差检验及多重共线性检验，通过检验确定模型可用的指标［１７］。农户基本情况。基本情况主要包含劳动力、年龄、文化水平三个因素。根据实际劳动力人数、农户劳动力所占家庭人口比例，分别将女性１８—５５岁计入模型，男性１８—６０岁计入模型。农户的劳动力占比与其经营、还款能力有高度关联性，男性中青年为主要财富收入来源，还款能力较高，信用度高。根据客户的受教育程度，将文化水平分为５个等级，分别为文盲、小学程度、初中（技校）、高中或高职中专、大学以及以上水平，依次赋值为０、１、２、３、４。文化水平直接影响农户的经营能力，文化水平越高，掌握新技术选择职业的前景越好，经营能力越大，信用等级越高。农户收入情况。农户收入主要依靠农业收入和其他经营收入，其次还应该考虑拥有耕地及固定资产价值，如房产、农业工具机械等，本文以农户近五年的年收入均值来衡量其收入水平。收入水平主要考虑的是农户的财产量，集中体现了户家庭的经营能力，一般情况下呈正相关性。收入水平体现了经营能力，更代表了其还款能力。贷款指标情况。农户的贷款指标主要包含贷款金额、用途、利率、期限和还款方式等因素。农户贷款的流向主要根据其自身经营性质各有不同，根据贷款风险的大小依次为：经营小规模生产，发展种植业的农户对资金的需求主要是扩大其种植业的发展，经营较稳定，风险较低；在外打工的农民贷款流向主要是解决生活消

费和子女教育学费等问题，有收入风险较低；专门经营种养殖业的农户因其经营状况对自然条件的依赖较大，风险较大；从事餐饮、运输、商业等经营的农户，市场的波动对其影响较大，资金的需求较大，因此风险也最大。据此，对上述贷款用途规定权数１、２、３、４，权数越大，风险越大。贷款利率直接决定了农户的还款利息，贷款利率越高，农户的偿还压力增大，导致信用等级降低。贷款期限决定了农户的还款期限，期限较长的贷款农户还款的压力较小，获得经营收入的机会增大，因此违约的可能性降低，对应的信用级别较高。农村小额贷款公司的贷款期限一般分为短期贷款６个月以内、６个月至１年，中长期贷款１年至３年、３年至５年、５年以上。还款方式可根据农户的经营情况、生产周期和偿还能力等因素自行选择，一般分为按月定额偿还，即每月按照规定金额予以本息偿还；到期一次性偿还本息和定期偿还。区域经济发展水平情况。区域经济发展水平高低差异会直接影响农户的家庭财产、文化水平和经营收入等，经济发达地区的农户家庭财产和经营收入优于落后地区，总体上呈现正相关性。不同区域经济水平不同，农户的信用等级不同。下面进行变量的定义及赋值，农户的信用评级等级记为ｙ，赋值标准记为较差、合格、良好、优秀，其中较差＝０，合格＝１，良好＝２，优秀＝３。信用等级越高，风险越低。详情见表２。。

（三）Ｌｏｇｉｔ模型的构造Ｌｏｇｉｔ模型也称作“评定模型”，是多变量分析的延伸，在经济学中应用广泛。在本文中，假设农户的违约率是Ｐ，１－Ｐ就表示不违约概率，则设Ｌｏｇｉｔ函数

为。根据最大似然估计法，得出估计参数β０、β１、β２、βｋ，根据Ｌｏｇｉｔ模型可以得到农户借款在一段时间里的违约率，通常设定模型的临界点为０．５０，判定准则为：若违约率Ｐ≥０．５，则认为农户存在高风险，反之则为低风险农户。对以上列举的各项影响因素，筛选对信用评级有显著性影响的各因素，主要为文化水平、拥有耕地、农业收入水平、经营收入水平、贷款用途、贷款利率、还款方式、区域经济发展水平８大因素。检验结果为通过卡方检验，ｓｉｇ值小于０．０３，拟合结果良好。平行性检验的ｓｉｇ值为０．０２，显著性水平为２％情况下检验通过。本文采用安徽省肥西县农村小额贷款公司提供的２００８—２０１２年的相关数据资料，总共３６０个样本。将２００８—２０１１年样本设置为训练组，共２２０个，２０１２年样本为预测组，共１４０个。按照五级分类标准，超过３个月未偿还贷款的农户为高风险客户，高风险客户共有１０５户，低风险客户２５５户。训练组内高风险客户有５０个，低风险客户有１７０个，预测组内高风险客户３０个，低风险客户１１０个。

（四）Ｌｏｇｉｔ模型的检验在测算出Ｌｏｇｉｔ函数构建模型之后，对模型参数进行可行性检验，检验该模型是否可以有效表４贷款逾期情况列表年份总贷款逾期率（％）三个月以上贷款逾期率（％）２００８２．４２２．２９２００９２．３９２．３２２０１０２．３５２．３０２０１１２．３８２．３１２０１２２．２９２．２３表５贷款逾期情况分组列表分组高风险客户数（人）低风险客户数（人）训练组（２００８—２０１１年）５０１７０预测组（２０１２年）

３０１１０资料来源：根据肥西县农村小额贷款公司贷款数据整理所得。适用于小额贷款公司的信用风险测度。回归系数检验。模型中各变量的Ｐ值都小于显著性水平０．０５，证明各变量通过显著性检验，认为各指标因素对违约行为的影响是显著的。准确度检验。经过检验证明，Ｌｏｇｉｔ模型识别违约率的准确率达到８８．１％，不违约率的准确率达到７７．２％，总的来说，拟合程度较高，识别能力较强。

二、结论与建议

根据农村小额贷款公司的数据构建的Ｌｏｇｉｔ模型为农村小额贷款公司的信用风险预测提供了较为准确的数量依据，也为信用风险的防范指明了方向和重点。农村小额贷款公司可借助Ｌｏｇｉｔ模型对违约客户和非违约客户进行识别筛选。总体来说，Ｌｏｇｉｔ模型的结果是可以采信的，但是，模型的识别力仍有待加强，主要原因：一是样本容量的有限，二是农村小额贷款公司对客户信息的调查不够全面、深入，三是模型所采用的数据局限性较大，因此实践性较弱，可能存在区域性限制。通过观察模型中的各参数可得，农户的文化水平、拥有耕地数、收入水平、贷款用途、和区域经济发展水平与农户的违约概率即信用风险呈负相关关系，贷款利率、还款方式与农户的违约概率即信用风险呈正相关关系主要体现在：农户的文化水平越高，素质越高，信用还款意识也越好，违约的可能性越低；农户拥有的耕地面积越高，农业收入越有包装，因此信用风险越低；农户的收入水平越高，包括农业收入、其他经营收入以及各类资产价值，还贷