【作　　者】
张高胜

【作者单位】
湖北民族学院科技学院，湖北恩施445000

【摘　　要】

   【摘要】小微企业具有不同于大中型企业的特点，从而其信用风险来源及表现形式与大中型企业相比存在巨大的差异，现有针对大中型企业信用风险的评价方法对小微企业并不适用，故以现金流量为基础，利用CFaR技术构建了小微企业信用风险评价模型。
【关键词】小微企业；信用风险；现金流量；CFaR
【中图分类号】F832.4      【文献标识码】A      【文章编号】1004-0994（2017）14-0023-6一、研究背景
随着经济的快速发展，小微企业的地位越来越重要。其一，以提供个性化服务的第三产业经济蓬勃发展，为小微企业快速发展培育了优质的土壤，使近些年来小微企业的规模和数量呈现爆炸式的增长。其二，市场需求向多样化和个性化发展，而小微企业的经营特征正好迎合了这种需求，能为市场提供所需的层次化、个性化产品和服务。其三，“全民创业，万众创新”的时代大背景为小微企业的发展提供了强劲的动力。因此，近些年来小微企业得到快速发展，在国民经济中的比重越来越大、地位越来越突出。但是，仍然有诸多的因素制约着小微企业的发展，其中最突出的是资金短缺问题。融资难是小微企业发展过程中面临的世纪性难题。小微企业主要有外源融资与内源融资两种融资渠道，而现实是内源融资困难重重，外源融资渠道不畅通，使小微企业在内外夹击的缝隙之中艰难存活。
小微企业外源融资的主要方式是银行贷款，而“贷款难”是不争的事实。国内外大量文献对其原因进行了探索和研究，总结起来主要包括三个方面：其一，从小微企业自身来看，主要原因是其资本实力弱、资产质量差、无法提供有效的资产抵押品；内部治理不完善，财务制度不健全，无法提供可靠的信息；产品竞争力差，以劳动密集型为主，技术含量低，无法保障银行要求的偿债能力。这些都在很大程度上加大了信贷风险，造成银行对小微企业的“惜贷”。其二，从银行方面看，小微企业单次贷款数量小、贷款频率高，而大企业单次贷款数量大、贷款频率低，二者比较小微企业贷款成本高、收益低、风险大，风险与收益的严重不对称造成了银行方面对小微企业的“信贷歧视”。其三，银行与企业间存在信息不对称，小微企业对自身经营信息有比较详细的了解，但小微企业为了获得贷款可能会隐瞒对自身不利的信息，使银行无法获取比较精准的信息。同时，到目前为止，银行方面并没有完备的方法对信贷风险进行评估，无法对信贷风险进行准确的评估，造成了银行方面的“惧贷”。
综上所述，银行有必要构建一套科学完善的小微企业信贷风险评估模型，这套模型既要能充分利用有限的信息，又要能比较准确地对信贷风险进行评估，这是有效地突破信息不对称、架起银企之间融资桥梁的关键所在，也是解决小微企业融资难的必经之路。
二、目前信用风险评价的主要方法及其对小微企业的适用性
所谓信用风险，是指债务人到期不能还本付息的风险。自银行诞生以来，对信用风险进行度量、控制和管理一直是银行管理的核心内容，经历了一个其艰难的发展过程。概括起来这一过程可分为三个阶段：第一个阶段主要是依据银行专家的经验和主观分析进行评估，代表性的分析工具有5C分析法、LAPP法等；第二个阶段主要是依据财务数据进行分析评估，代表性的分析工具有Z分析模型、Logistic模型；第三个阶段是现代信用风险评价方法的发展阶段，其核心特点是依据现代金融理论、数学工具来定量评估和管理信用风险。
目前国际主流的信用风险评价工具大多是在VaR（风险价值）方法的基础上发展起来的。关于VaR的定义，最权威的解释是Jorion 给出的，其认为VaR 是“在一定置信度（概率水平）下，在一定市场条件和时期内某一金融资产（或组合）的最大可能损失”。根据定义，设c为置信水平、△P为损失，VaR的数学表达式为：P（△P>VaR）=1-c。一般情况下，为计算VaR，定义W0为资产初始值（或初始投资额）、R为投资回报率，则在给定期间末的资产值（或投资组合价值）为W=W0（1+R）。假定预期收益率R的期望值为μ，波动性为σ，在给定时期内收益率最小值为R∗，则在给定的置信水平c下投资组合最小价值为W∗=W0（1+R∗）。则：VaR=E（W）-W∗=W0（R∗-μ）W∗。VaR作为主流的信用风险管理工具，最大的优势是以货币计量的方式简单明了地对风险进行刻画，以一个综合性的数据来统领全局，广泛地应用于风险评价与控制、绩效管理及金融监管，因此基于VaR的风险控制理论和方法得以迅速发展。
1. Credit Metrics模型。Credit Metrics模型是J. P.摩根与合作机构美洲银行、KMV、瑞士银行等于1997年推出的，是VaR方法在信用风险评估中最为广泛的应用。该模型首先要获取借款企业信用等级转换的概率，得到信用等级转移矩阵，并采用贴现现金流量法对信用等级变动后贷款的价值进行重估，在此基础上再计算不同信用等级下的贷款价值期望、标准差等参数，然后假设贷款市值服从正态分布，进而计算该贷款在不同置信度下的 VaR值，从而对其风险进行量化评估。该模型众多参数的确定，是以成熟的金融市场、科学的信用评级制度及完善的历史数据库为基础的，评估对象主要是债券市场上的企业债券。而我国目前的金融环境还不能满足要求，没有模型需要的数据库，特别是关于小微企业的信用评级几乎还是空白，所以该模型并不适用于我国小微企业信用风险的评价。
2. KMV模型。KMV模型由KMV公司于1993年提出，它以Back-Scholes和Merton模型的期权理论为基础。KMV模型将企业的股权看成一定时间内以资产价值为标的物、负债价值为执行价格的看涨期权，即企业拥有选择违约和不违约的权利，显然，公司的资产价值小于其负债时期权内在价值为零，公司将放弃行权即选择违约，否则不违约。进而，一般根据Back-Scholes期权定价模型求出违约距离（违约距离表示企业资产市场价值的期望值与违约点之间的距离，距离越大则违约的概率越小），根据违约距离可求出违约概率，KMV模型通过违约距离和违约概率进行信用风险量化。
该模型基于一系列严格的假设条件，其应用以发达的强式有效金融市场为背景、以大量的股票市场有效数据为依据，因而该模型的应用存在局限性，只适用于上市公司。而对于小微企业来说，由于内部治理的缺乏，财务及其他信息不完善，同时，我国也没有关于小微企业完备的信用评级体系，更没有关于小微企业经营状况的历史数据，因此KMV模型很难适用于我国小微企业信用风险的评估。
3. Credit Risk+模型及Credit Portfolio View（CPV）模型。Credit Risk+模型是苏黎世信贷银行的产品，又称为信用风险附加模型，它假设企业违约是一种随机行为，债务人违约的概率为P、不违约的概率为1-P，在给定的时间内，违约的概率服从泊松分布。根据假定的分布估计违约事件发生的概率，进一步估计损失的严重程度。
CPV模型认为债务人违约率受到多种因素的影响，其中最主要的是宏观经济环境与市场环境等，这些因素包括汇率变动、失业率、GDP增长率、利率、政府储备等，企业的违约率是这些因素影响的逻辑函数决定的指数，宏观经济环境与市场环境恶劣程度决定违约率的高低。该模型的使用主要依赖于宏观经济数据，依赖于金融机构积累的经验数据，相较于大企业而言，小微企业受宏观经济因素的影响并不十分显著，因此该模型并不适用于我国小微企业信用风险的评估。
三、基于现金流量的信用风险评价模型（CFaR模型）对小微企业的适用性
在我国商业银行发展史上，对信用风险的管控起步较晚，在计划经济的特殊时代背景下银行的风险意识并不强。商业银行业务运作逐步规范、信用风险管理逐步科学也只是近二十年的事，而且主要集中在大中型企业客户上。研究发现，到目前为止，大多数银行采用与大企业一样的标准、流程和评价体系对小微企业信用风险进行评估，很少有专门针对小微企业的贷款风险评估体系，即使有，也还处于探索阶段，不够成熟。
目前，我国信用风险评估中应用最为广泛的是信用评分模型，该模型首先是针对不同的小微企业设置若干个风险评价指标，形成一个评价指标体系，对每一个指标赋予参考值，然后将实际值与参考值进行比较后得到该指标的得分，最后利用一定的方法计算出企业的综合得分，银行则据此做出贷款审批、贷款定价等决策。其中最具代表性的有Logistic模型、Z-score模型。这种方法存在明显的不足：其一，风险度量的技术落后，过分依赖财务数据、资产质量、抵押品或担保质量，而这些正是小微企业很难提供的，因此评价结果的准确度不高；其二，小微企业的特点是小、快、灵，因此管理层决策、市场变化、社会资本等外部条件都是诱发小微企业信用风险的关键因素，但信用评分模型却无法反映这些关键的信息。其三，缺乏充分的理论支持，例如模型的运用都基于线性假设，而现实情况并非如此。
如何规避传统信用风险评价方法的不足？如何针对小微企业自身的特点设计专门的信用风险评价模型？笔者认为，基于现金流量的信用风险评价模型（CFaR模型）对小微企业而言更具适应性。
1. 以现金流量为评价基础能有效规避传统财务指标评价方法的不足。我国商业银行对小微企业的信用风险进行评价时，往往采用与大企业同样的方法和标准，评价体系的设计大多都是以财务指标为基础，这种方法应用于小微企业有先天的不足，例如它需要全面而精准的财务信息、过度重视抵押资产的质量等。而小微企业规模小，一般属于劳动密集型企业，资产质量差，资本实力没有大企业雄厚，无法提供银行要求的抵押品，无法满足现行制度规定的贷款的基本条件。同时，大多数小微企业无法提供完备的财务信用，银行难以对其财务状况作出精准的评估，因此即使具备很好发展潜力的优质企业，也常常被银行“错杀”。而基于现金流量的评估是一种针对综合实力的评估，它淡化了对企业财务指标的考察，而重在对企业经营能力进行评估，能有效帮助银行挖掘现时资产质量不高但发展潜力好的优质企业，规避“错杀”的风险。
2. 以现金流量为评价基础更具综合性和全面性。信用风险是由多重因素共同作用引起的，小微企业一般技术含量低、以劳动密集型为主，面临的市场竞争激烈，因此小微企业的信用风险源非常复杂，诸如宏观经济因素、供给市场的变化、管理层决策、社会资本等，使得小微企业的信用风险很难用几个财务指标完整地体现，而能综合反映这些因素和信息的最好指标就是现金流量。同时，小微企业单笔贷款数量小但贷款频率高，所以采用传统的评价方法进行信用风险评价的成本高，而且这些成本很难计量，例如违约损失、信息收集成本和法律诉讼成本。但是这些因素最终都能通过现金流量体现出来，因此以现金流量作为信用风险的评价基础能更全面地反映各种风险因素，更具综合性。
3. 以现金流量为评价基础更具动态性和持续性。现金流量是一个动态的指标，能综合反映小微企业经营活动、投资活动、筹资活动及分配活动的现金流入与流出情况，它是企业的“血液”，只有拥有充足的现金流量，企业才能保证其旺盛的生命力，才能保持持续的发展能力、获现能力及还本付息能力，因此以现金流量作为信用风险的评价基础更具动态性。同时在时间的设定上常常是以一个月、一个季度或是一年为周期，在时效上更具持续性和前瞻性。
综上所述，笔者认为以现金流量为基础对小微企业信用风险进行评估更具适应性，因此本文试图以现金流量为基础，利用VaR技术构建小微企业信用风险评价模型，即小微企业信用风险CFaR评价模型。
四、基于现金流量的小微企业信用风险评价模型（CFaR模型）构建
CFaR（Cash Flow at Risk，CFaR）称为现金流在险值，是在VaR技术基础上研发出来的。所谓现金流在险值，是指公司在未来特定的一段时间内和一定置信水平下现金流的最大损失值，即企业可能发生的最大现金流缺口，其数学表达式为：
P（△Cash>CFaR）=1-σ
式中：△Cash 表示在一定时间段内实际的现金流量损失值；σ表示置信水平；P表示在置信水平σ下现金流的最大损失值为CFaR的概率。该方法的最大优势是将企业的所有风险敞口利用一个综合性指标来度量，以指导企业的风险管理与控制决策。与其他方法相比，CFaR模型简单明了，能用一个简单易懂的数字反映出企业所面临的风险，计算并不复杂，对数据要求不高，而且有着严格的统计学方法的支持，因此比较适合当前形势下我国小微企业信用风险的评价。
CFaR的计算原理与VaR基本相通，根据CFaR的定义，设企业在某一段时间内的现金流量值为CF，最小现金流量值为CF∗，期望值为E（CF），则FaR可定义为：CFaR=E（CF）-CF∗。根据这一定义，求CFaR的值则转化为求给定时间段内现金流量的最小值CF∗。通常情况下可通过小微企业现金流量CF的概率分布求出：
C=      f（CF）d（CF）
计算CFaR通常涉及三个关键要素，即：时间长度、置信度及CF的概率分布，前两个因素的选取比较自由，选取时根据自身偏好及评价需求进行设置，也可以参照国内外其他银行的设置。一般地，在评价小微企业信贷风险时，时间长度可以是一个月、一个季度，也可以是一年，置信度可以在1% ~ 5%之间选择。CF的概率分布可根据历史数据结合统计学方法进行检测，通常情况下假设服从正太分布，即：设企业现金流量CF服从均值为μ、标准差为δ的正态分布，CF ~ N（μ，δ2），则（CF-μ）/δ ~ N（0，1），密度函数为φ（x），在此假设之下求置信水平σ下的CF∗，只需找到标准正态分布中一个临界值α，使得：C=[α-∞]φ（x）d（x），则有：-α=[CF∗-μδ]，得到：CF∗=μ-δα。
对于CFaR的计算，常用的方法有历史数据回归法、蒙特卡罗模拟法、方差协方差法三种：这三种方法各有优缺点，在计算机技术高度发达的今天，计算能力已没有任何障碍，选择蒙特卡罗模拟法能克服其他两种方法的大多数缺点，蒙特卡罗模拟法成为最优的方法。
五、基于CFaR模型的小微企业信用风险评价的实证分析
1. 小微企业现金流风险影响因素的选择。要构建CFaR模型，首先应分析影响小微企业现金流风险的因素，构建影响因素与现金流之间的函数。影响小微企业现金流风险的因素是多方面的，包括在小微企业经营、投资等活动中对现金流量产生影响的一系列因素，例如销售收入、应收账款、存货周转、现金持有水平、筹资活动现金流、投资活动现金流、公司规模等。究竟选择什么样的指标，要根据具体小微企业的行业特征、内外部环境及公司战略来决定，也可以利用一定的统计方法进行筛选，例如用主成分分析法，通过降维的思想抽取能代表主要信息的主成分因子。
为了对模型进行实证检验，本文选定了一家业务集住宿、餐饮、娱乐为一体的具有代表性的小微企业作为分析对象，考虑到选定小微企业的特点，结合国内外相关学者的研究，本文用净现金流量（NCF）作为现金流量（CF）的替代变量，影响小微企业现金流风险的因素采用如表1所示的几个指标。需要特别说明的是，由于作为分析对象的小微企业规模小，受宏观经济因素的影响有限，本文没有考虑宏观经济环境及市场环境等外部因素的影响。

2. 建立基于CFaR的小微企业信用风险缺口模型。根据上述对小微企业信用风险影响因素的分析，构建风险因素与现金流之间的函数。函数关系可用如下表达式表示：
NCF=β+α1Z1+α2Z2+…+αnZn+ε
其中：NCF表示小微企业的净现金流量；β为常量；αi表示回归系数；ε为误差项（模型回归的残差序列）；Zi表示表1中的风险因素。
模型建立之后，要通过收集的历史数据进行回归分析，一般要收集3 ~ 5年左右的数据，并对回归系数αi进行估计。为了对模型进行检验，提取了选定的样本小微企业3年的月报表数据作为研究样本，通过SPSS软件进行回归分析，回归参数的设置见图1。

操作步骤为：点击【文件】-【打开文本数据】导入数据；点击【分析】-【回归】-【线性】弹出如图1所示的对话框；首先确定因变量和自变量，本实证中选择净现金流量（NCF）为因变量，其他为自变量；在【统计量】中除默认选项外，还需选择“协方差矩阵”、“共线性诊断”、“D-W”等项，在【绘制】中需要对“ZPRED（标准化预测值）”、“ZRESID（标准化残差）”进行设置，其他选项的设置可视情况而定，设置好后点击【确定】，回归结果如表2所示。
因此该公司的现金流风险缺口模型为：
NCF=-17370.00+20850.00Z1-223100.00Z2-15150.00Z3+94230.00Z4+20080.00Z5+2625.67Z6+ε
从表2中可以看出，对选定的小微企业而言，在影响因子中资产负债率（Z1）的系数为20850.00，说明企业比较依赖借债来维持现金流量。债务资金成本（Z2）的系数与现金流量负相关，说明融资成本越高，融资越困难，融资成本会在很大程度上影响现金流量，这与一般的融资理论相契合。经营现金净流量与销售收入比（Z3）系数为-15150.00，说明企业通过经营活动创造现金流量的能力较弱，有待进一步提高。在其他几个系数中现金净流量债务总额比（Z4）较高，说明企业对债务的支付风险相对较高。
3. 方差协方差法矩阵计算。假定风险因子均服从正态分布，通过SPSS软件并利用选定的小微企业历史数据计算获得风险因子的相关系数及方差协方差法矩阵，结果如表3所示。4. 进行蒙特卡罗模拟，得到净现金流风险分布。依据风险因子的分布函数及其方差协方差矩阵，利用@RISK for Excel软件进行1000次模拟，模拟出1000个风险因素变化情形，抽取得到风险因素取值，再把抽取的取值乘上其对应的回归系数即可得到现金流模拟值，从而可计算出不同情形下的净现金流量（NCF）值，同时可以模拟企业净现金流量（NCF）的分布，并计算净现金流量（NCF）期望值。图2给出了选定的小微企业的净现金流量分布情况。

5. 计算现金流风险在险值。根据CFaR的计算原理，利用各个样本期的现金流风险分布可以估计下一期该企业的现金流在险值。对于选定的样本小微企业而言，置信度5%水平上的净现金流量为735.26万元，相对于期望净现金流量的最大短缺为：
CFaR=1789.60-735.26=1054.34（万元）
若定义 CFaR与短期债务均值的比值为风险程度，预期选定小微企业在下一个周期内的信用风险程度为16.05％，把该数值与同行业的其他企业或行业平均值或与事前设定的风险标准进行比较，即可判断其信用风险的大小。从数值上看，选定的样本企业存在一定的信用风险，但风险很小。事实上，从经营历史看，该企业经营稳定，现金流量较充足，在同区域同行业中属于状况良好者，企业信用及偿债能力也处于较高水平。
总之，信用风险是小微企业债务融资过程中最大的障碍，是银行等金融机构面临的最大风险，是近些年来研究的重要领域之一。在当前的经济环境下小微企业得到快速的发展，但随着市场环境越来越复杂，银行在对小微企业放贷的过程中面临的信用风险越来越大，因此对小微企业信用风险进行精确的评估，是银行进行信用风险管理时无法回避的重点和难点。CFaR评价模型以现金流量为基础，利用统计学方法将小微企业信用风险转化为一个综合性指标，将被动的风险问题转化为可主动控制和规避的策略，计量准确，使用方便，为小微企业信用风险评估提供了一条理想的思路。

主要参考文献：
Philippe Jorion著．郑伏虎，万峰，杨瑞琪译．风险价值VAR［M］．北京：中信出版社，2010．
焦瑞新．基于CFaR的企业现金流风险度量研究［J］．北京理工大学学报（社会科学版），2010（3）．
彭国红，董国庆．CFaR方法及其银行信用风险管理应用研究［J］．财会通讯，2009（12）．
徐玉萍．VaR评估模型对中小企业信用风险度量的适用性分析［J］．商业时代，2009（4）．
徐玉萍．在险现金流及其风险度量方法探讨［J］．商业时代，2009（4）．
刘宝发．不同评估模型对中小企业信用风险度量的适用性分析［J］．统计与决策，2009（7）．
周敏，王春峰，房振明．基于VaR的现金流风险度量模型研究［J］．管理科学，2008（6）．
徐永红，徐鹏．基于Credit Metrics 模型的商业银行信用风险管理应用研究［J］．现代金融，2009 （4）．
杨秀云，蒋园园，段珍珍．KMV模型在我国商业银行信用风险管理中的适用性分析及实证检验［J］．财经理论与实践，2016（1）．
蒙震，胡怀邦．基于信用风险评估的商业银行中小企业贷款定价影响机制研究［J］．对外经济贸易大学学报，2014（5）．
李姗姗，吴涛．2009信用风险度量——VaR值的计算方法研究［J］．金融理论与实践，2009（7）．