本站小編為你精心準備了中小企業信貸違約研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、文獻綜述

綜觀國內外研究，現有的研究對于中小企業信貸違約行為的界定和違約的影響因素分析不夠透徹，主要集中在企業內部財務制度不健全、商業銀行的信貸配給、產品單一等方面。Altman和Narayanan（1998）則從借款者的信息特征出發研究兩者關系。研究表明，信用風險的評價模型的選擇和信貸違約率的高低在很大程度上取決于貸款者對信息的占有情況。馬九杰（2004）認為，由于中小企業較高的信貸違約率降低了商業銀行、信用社的資產質量，從而使得銀行縮減了對中小企業的信貸規模。于洪波（2006）從企業規模和資產的角度出發進行了研究。研究表明，企業規模越大資產越多，越容易從銀行獲得貸款。信貸違約因素選擇的不同和計量方法的差異，往往導致研究結論出現較大差異。模型以及實證角度研究中小企業違約的文獻雖然較多，顧乾屏等（2007）采用logit模型，對于企業違約風險進行了實證研究。何自力和孫海青（2007）采用顯性判別模型和Logit模型衡量了醫藥制造業企業的信貸違約風險。郭小波、王婉婷和周欣（2011）采用二次Logit模型，實證分析了定量指標、定性指標以及綜合指標對于中小企業信貸違約的重要性。但對于違約因子的系統性研究比較缺乏,大多學者基于企業的財務指標進行分析，楊蓬勃、張成虎和張湘（2009）通過選取15個反映公司償債能力的公司財務指標，采用Logit模型分析了企業的違約風險并進行了預測。但全面考慮定性指標的較少，使得研究結果可靠性降低。

二、實證分析

本文選取某商業銀行湖南地區有/無發生信貸違約記錄的中小企業165家作為研究對象，樣本數據區間為2008—2013年。為避免違約樣本比例過低的問題，采取隨機抽取15家存在違約行為的中小企業，再按照違約企業與正常貸款企業1:3的比例隨機抽取45家信貸記錄良好的中小企業共同構成實驗組。然后從定性數據不全的樣本中隨機抽取20家有違約記錄的企業，再按照違約企業與正常貸款企業1:4的比例隨機抽取60家信貸記錄良好的中小企業共同構成驗證組。

為了分析定性指標與定量指標能否進入模型及其對于模型的貢獻率，本文針對這兩組數據分別構建了3個模型：定性指標回歸、定量指標回歸與全部指標回歸。回歸過程中，首先采用以數似然比例作為篩選標準的步進法，分別進行Logistic回歸分析。然后，將通過LR統計量檢驗的指標納入到回歸方程，直至篩選到可以是整個模型擬合度最高的備選指標組合。最后，本文采用多種模型擬合優度指標，比較3個模型的擬合效果。

1.實證結果。

1.1實驗組實證結果。實驗組定性指標回歸結果如表3-1。從中可以看出，僅企業主行業經驗與銀行合作年限2個指標進入了回歸模型。其中，企業主行業經驗與信貸違約正反比，而銀行合作年限與信貸違約呈正比。HosmerandLemeshow檢驗顯示-2對數似然值為1.12，模型優度指標中NagelkerkeR2為0.823，組內預測準確率達到了86%。實驗組定量指標Logistic回歸結果如表3-2。7大指標中，資產利潤率、年銷售收入增長率和流動比率3個指標進入了回歸模型。這3個指標與信貸違約均呈反比例關系。HosmerandLemeshow檢驗結果顯示-2對數似然值為1.03，模型優度指標中NagelkerkeR2為0.792，組內預測準確率達到了81%，模型的擬合優度低于定性指標的回歸結果。實驗組綜合指標回歸結果如表3-3。企業主行業經驗、凈資產利潤率和年銷售收入增長率與信貸違約呈顯著地反比例關系，與銀行合作年限、年銷售收入增長率和企業貸款占比與信貸違約呈正比。從HosmerandLemeshow檢驗結果來看，-2對數似然值接近于0。模型優度指標中NagelkerkeR2達到了0.845，組內預測準確率為96%。模型擬合優度明顯高于定量指標、定性指標的單獨回歸結果。

1.2驗證組回歸結果。由于本文違約樣本較少，回歸結果可能不夠穩定，出現為回歸現象。因此，本文采用對照組數據，重復上述步驟，重新進行3組Logistic回歸。發現企業主的行業經驗和年銷售收入增長率這2個指標始終進入模型，并且與中小企業信貸違約呈顯著地付比例關系。因此，可以將這兩個變量作為衡量中小企業是否違約的主要指標。此外，采用定性指標回歸模型的預測準確性始終高于定量指標的回歸模型，而綜合指標的回歸模型的預測準確性最高。

1.3實證結果表明，在預測中小企業信貸違約概率上，定性指標要比定量指標好；企業主行業經驗、企業年銷售收入增長率是預測信貸違約概率最有效的兩大因子。

作者：曾亞歐單位：湘潭大學商學院