【摘要】：2018年6月以來,國家先后出臺了一系列支持小微企業發展的政策。其中包括國務院常務會議上明確提出,要進一步解決“小微企業融資難、融資貴”的問題,并制定了各種部門政策。小微企業融資需求不斷增加,但小微企業融資缺口仍然較大。小微初創企業缺乏自己的財務信息,信用貸款違約率偏高、商業銀行難以抉擇是否放貸,傳統商業銀行的信貸決策方法難以滿足需求。工商、稅務等相關部門具有信息不對稱性,導致小微企業信用風險評估研究數據嚴重缺乏,尤其是銀行的信貸資產業務,當然信貸資產業務也是商業銀行業務中風險極大的一部分,其風險把控的質量和效率如何將直接影響到一個國家的金融秩序是否穩定,社會是否能夠和諧科學發展。為了在當今復雜且多變的金融系統里求得銀行資產的安全與穩定,西方國家或地區在信貸決策轉型過程中,面臨眾多決策難點。為了提高商業銀行面對初創客戶時的信用貸款決策水平,瑞士信貸集團利用大數據整合信用風險價值法,來度量行業中的信用貸款風險。合理的運用好大數據給我們帶來的便捷,有效保護信用貸款資產安全,提升金融市場運行效率。初創小微企業融資困境有望得以解決。基于此,本文針對大數據背景下商業銀行小微企業信貸決策進行模型構建研究,主要包含以下四方面內容:第一,概念界定,從信貸決策、流程再造、信用評級等理論層面分析,主要為后文的進一步研究奠定理論基礎;第二,對現階段傳統商業銀行對小微企業所采用的信貸決策流程與在大數據影響下商業銀行信貸決策流程進行對比分析;第三,構建小微企業信用風險評估指標體系,主要包含6個一級指標變量、13個二級指標變量。

第四,對小微企業的信用風險評估和信貸策略進行研究。首先,針對有信貸記錄的小微企業,對數據進行主成分分析得到相應的信用風險評估體系,結合灰靶決策模型,在理論分析和小微企業信貸狀況分析的基礎上構建PCA-GTD綜合決策模型,得出是否放貸和具體的放貸次序,再利用RAROC貸款定價模型計算出其具體的放貸額度和利率。其次,針對沒有信貸記錄的初創企業,利用大數據下的BP神經網絡預測其信譽等級,后續放貸策略和前文所制定方法一致,最終通過風險-收益模型確定最優利率和額度,目的是確保銀行不良貸款率保持在合理水平,滿足小微企業的融資需求,以實現科學可持續發展的目標。本文選取了國內123家有信貸記錄企業的相關數據、302家無信貸記錄企業的相關數據以及銀行貸款年利率與客戶流失率之間的關系作為樣本研究數據,利用SPSS軟件對樣本企業的數據進行主成分分析,構建小微企業信用風險評估模型。為商業銀行進行信用貸款決策提供參考方案,助力有效配置資源,實現雙贏。