1、中小企業(yè)信用評分研究本中心風(fēng)險研究小組阮正治、敬永康一、前言 傳統(tǒng)的企業(yè)信用風(fēng)險研究，主要以財務(wù)變量為評估標(biāo)準(zhǔn)，而中小企業(yè)因財務(wù)報表數(shù) 據(jù)取得不易， 且其信用質(zhì)量受到企業(yè)負(fù)責(zé)人的影響程度極高， 以致不易在銀行取得授信。 過去銀行為解決這個問題， 乃利用分行與客戶建立的關(guān)系架構(gòu) (Relationship Structure)，對 授信戶產(chǎn)生認(rèn)識，再利用授信專員的主觀認(rèn)知，建立對授信戶的信用狀況及借款條件分 析。許多國家(包括我國)的大部分銀行，皆以如此的授信機制持續(xù)實施多年； 但是在 1990 年代初期， 美國金融機構(gòu)因合并及直接金融盛行的競爭結(jié)構(gòu)改變， 以致關(guān)系網(wǎng)絡(luò)被打破， 傳統(tǒng)授信機制產(chǎn)生

2、變化，促使銀行利用信息整合技術(shù)在消費金融信用風(fēng)險研究的經(jīng)驗， 應(yīng)用于中小企業(yè)授信上，并在內(nèi)部及外部信用信息的充分整合下，產(chǎn)出中小企業(yè)之信用 評分機制 (SME Scoring)。二、中小企業(yè)信用評分之發(fā)展及做法(一) 大型銀行運用實況 在美國，最早將信用評分運用于中小企業(yè)授信者，主要為擁有足夠數(shù)據(jù)建置模型的 大型銀行，如 1993年時的 Wells Fargo及 Hibernia Corporation，這兩家銀行于 1995年在 中小企業(yè)的授信金額，有接近六成以上的成長，并且在未廣設(shè)分行的情形下，仍將業(yè)務(wù) 成功拓展至全美五十州。其它如 BankAmerica 針對金額 50,000 美元以下

3、的授信戶，以其 中的信用良好 15,000戶與信用不佳 15,000戶，開發(fā)信用評分模型； Fleet Financial Group 則使用信用評分， 評估金額 100,000美元以下的授信戶； Bank One更完全依賴信用評分， 評估金額 35,000 美元以下的授信戶， 而且金額 1,000,000美元以下的授信戶中， 有百分之 三十是僅靠評分核準(zhǔn)的。(二) 信用評分拓展及廣泛運用1995年 3月，F(xiàn)air, Issac與 Robert Morris Association (RMA)共同發(fā)表中小企業(yè)評分服 務(wù) (Small Business Scoring Service, SBSS

4、產(chǎn)) 品，該評分模型系以美國十七家銀行的五個年 度中小企業(yè)授信戶資料建置而得，樣本數(shù)超過 5000 家，其標(biāo)準(zhǔn)為總營收 5,000,000 美元 以下，授信金額 250,000美元以下之中小企業(yè)， 并以金額 35,000至 250,000美元之授信戶 適用中小企業(yè)評分，將金額 35,000美元以下之授信戶，另設(shè)微型 (Micro) 企業(yè)評分機制， 此系因微型企業(yè)財務(wù)數(shù)據(jù)可能失真，尚需以經(jīng)營者本身的信用狀況為主要信息，方能務(wù) 實且客觀評估其信用風(fēng)險；其后如 CCN-MDS ，Dun & Bradstreet，Experian等公司，也 相繼提供類似的產(chǎn)品。由于此共同信用評分服務(wù)的產(chǎn)生，使

5、信用風(fēng)險研究由過去僅是分享資料 (Sharing Pooling Data)，進而發(fā)展至分享信用工具 (Sharing Credit Solution)的環(huán)境，不過經(jīng)營之成敗， 仍需取決于使用這些工具的人本身。 至今，SBSS中小企業(yè)評分服務(wù)每年提供予 350 家金 融機構(gòu)運用，評估之授信戶計 900,000 家，使用地區(qū)則推廣至美國、西歐及亞洲地區(qū)。(三) SBSS 中小企業(yè)評分服務(wù)的開發(fā)程序1、認(rèn)定信用優(yōu)劣：信用優(yōu)劣之定義如下信用良好 最近 4 年內(nèi)之 30 天逾期紀(jì)錄不超過 2 次。信用不佳 曾有 60 天逾期紀(jì)錄。2、處理試用樣本 (Trial sample)：參與銀行充分了解正確抽樣

6、的過程，并實際進行測試 與分析數(shù)據(jù)問題。3、搜集正式樣本 (Full sample)：每家參與銀行提供 300戶樣本，其中信用良好 100戶、 信用不佳 100戶、申請被拒絕 (Declined)100 戶。4、擬訂變量數(shù)據(jù)： 信用信息機構(gòu) (Credit Bureau)之消費者及企業(yè)戶信用報告資料、 財務(wù) 比率、申請資料。5、依產(chǎn)業(yè)指標(biāo)調(diào)整財務(wù)比率。6、數(shù)據(jù)處理。7、建構(gòu)評分模型的權(quán)數(shù)。8、測試風(fēng)險區(qū)隔：風(fēng)險之區(qū)隔，如組織型態(tài)別、產(chǎn)業(yè)別、地區(qū)別、營收別、授信類別、 授信金額別等；經(jīng)測試發(fā)現(xiàn)，應(yīng)該以授信金額 35,000 美元為風(fēng)險區(qū)隔，分為兩種評分機制9、研究申請被拒絕戶資料之推論測試。10

7、、針對使用者要求，在授信金額 35,000 美元以下的評分，區(qū)分為需要財務(wù)數(shù)據(jù)及不 需要財務(wù)數(shù)據(jù)兩種模型。三、中小企業(yè)信用評分之應(yīng)用及影響(一) 中小企業(yè)信用評分之應(yīng)用 就如前言所述，關(guān)系架構(gòu)的授信體系受到?jīng)_擊后，促使信息技術(shù)整合的概念抬頭， 因此近來對于關(guān)系架構(gòu)與信息運用的研究上，也出現(xiàn)相同的結(jié)論：1、關(guān)系的新舊，與資金借貸成本的降低，并無顯著差異。2、對于中小企業(yè)而言，關(guān)系的建立，并未有效減少許多借款的限制條件。3、金融市場愈競爭，關(guān)系建立的投資將大幅降低。 各銀行因而增加投入在信息技術(shù)的發(fā)展上，運用信用評分的授信評估工作，亦逐漸 增加，而關(guān)系結(jié)構(gòu)信息之?dāng)?shù)量化及客制化，也將成為該工作未來的

8、重要發(fā)展。因此，銀行在關(guān)系網(wǎng)絡(luò)變動下，增加信息技術(shù)整合是有利的途徑，美國聯(lián)邦準(zhǔn)備理 事會(Federal Reserve Board在) 1997年所調(diào)查的 54 家銀行中，有 38家采用信用評分系統(tǒng)， 作為評估中小企業(yè)授信之依據(jù)，其中尤以資產(chǎn)超過 150 億美元的大型銀行，較其它中小 型銀行，更可能使用信用評分系統(tǒng)。另外，亞特蘭大聯(lián)邦準(zhǔn)備理事會 (Federal Reserve Board of Atlanta于) 1998 年所作之一 般性研究調(diào)查發(fā)現(xiàn)：在 99 家大型銀行中，有 63%已建立中小企業(yè)信用評分系統(tǒng)， 11%則 計劃在 1999 年以前建置；在中小企業(yè)的認(rèn)定方面， 73%認(rèn)為

9、在授信金額 100,000美元以 下，27%認(rèn)為在 250,000 美元以下；在信用評分的應(yīng)用方面， 42%作為授信判斷的決策依 據(jù)， 32%作為授信條件之決策， 13%作為信用表現(xiàn)的監(jiān)測，并使用行為評分，而有87%使用付費的評分卡。(二)中小企業(yè)信用評分之影響1、對信用審核機制之影響：改善信用審核之機制、降低成本，將授信政策一致化，并 提升客戶服務(wù)效率，降低主觀判斷之監(jiān)督風(fēng)險。2、對授信決策信息之影響：中小企業(yè)授信在本質(zhì)上屬企業(yè)融資，與個人融資仍有差異，考慮的因素復(fù)雜性較高，且中小企業(yè)彼此的差異性大，其授信評估之依據(jù)，需賴信 用評分與關(guān)系模式相互輔助而建立，因此授信決策信息之整合將更為復(fù)雜及

10、完備， 尤應(yīng)避免信用不佳企業(yè)之資料缺漏與數(shù)據(jù)質(zhì)量不佳的情形發(fā)生。3、對中低收益型中小企業(yè)放款數(shù)量之影響： Padhi, Woosley, Srinivasan在 1998 年針對不 易取得銀行授信的中低收益型中小企業(yè)，所進行信用評分與放款數(shù)量之研究顯示， 信用評分機制對中低收益型中小企業(yè)的授信取得應(yīng)是有利的，其結(jié)果如下：(1) 沒有信用評分機制的銀行， 對中低收益型中小企業(yè)放款的數(shù)量， 明顯較有評分機制 者少。(2) 運用信用評分的銀行， 對中低收益型中小企業(yè)放款的數(shù)量， 與其它企業(yè)并無明顯差 異。(3) 運用信用評分的銀行， 其分行數(shù)的多寡， 并不會影響其對中低收益型中小企業(yè)放款 的數(shù)量。(

11、4) 沒有信用評分機制的銀行， 會因為分行數(shù)的多寡， 影響其對中低收益型中小企業(yè)放 款的數(shù)量。四、中小企業(yè)信用評分之改進與未來努力的方向(一) 中小企業(yè)信用評分之使用及改進意見分析根據(jù) Corporative Executive Board在 2000 年針對銀行使用中小企業(yè)信用評分作業(yè)方式之意見調(diào)查，結(jié)果如下表所示：銀行資產(chǎn)規(guī)模適用對象額度上限自動審核率需改進意見A 銀行超過 1000全體1000萬金額 25 萬美元1、數(shù)據(jù)涵蓋范圍不足 (例：億美元美元以下為 60-70%缺乏現(xiàn)金流量 )B 銀行100-500營收不超過300萬金額 5 萬美元2、復(fù)雜的企業(yè)特性信息并億美元1000 萬美元美

12、元以下為 100%不容易掌握及處理C 銀行500-1000全體50 萬美元金額 25 萬美元3、無有效性測試之具體做億美元以下為 25%法D 銀行超過 1000億美元全體300萬美元金額 10 萬美元以下為 60%4、使用信心不足5、不能完全取代授信人員 工作6、謹(jǐn)慎更新評分模型E 銀行500-1000億美元全體50 萬美元金額 3.5萬美元 以下為 100%F 銀行500-1000億美元全體50 萬美元金額 2.5萬美元 以下為 100%由上述銀行改進意見可知，中小企業(yè)信用評分模型的建置，仍需資料面之密切配合 才趨完善。一般企業(yè)信用評分?jǐn)?shù)據(jù)以財務(wù)變量為主，但其它如產(chǎn)業(yè)信息，總體經(jīng)濟數(shù)據(jù) 等變

13、量亦不宜缺漏；另外，中小企業(yè)會計制度較不健全，財務(wù)狀況似不透明，故其財務(wù) 變量可能失真。 因此信用評分中財務(wù)變量的權(quán)重不宜過高， 且應(yīng)搜集如負(fù)責(zé)人信用評分、 銀行信用往來紀(jì)錄、資本額與營業(yè)額成長，及相關(guān)經(jīng)營管理與企業(yè)展望等數(shù)據(jù)變量，并 提高其權(quán)重，促使中小企業(yè)信用評分更趨實際與客觀。（二） 未來努力的方向金融機構(gòu)為符合巴塞爾監(jiān)理委員會的新協(xié)議規(guī)范，亦需將中小企業(yè)信用評分程序， 納入其征授信管理系統(tǒng)，以求信用風(fēng)險評估皆可量化處理。未來，中小企業(yè)信用評分工 作在巴塞爾協(xié)議中，所應(yīng)該盡的努力如下：1、中小企業(yè)信用評分為風(fēng)險區(qū)隔的概念， 并非以授信個體來檢視之， 因此應(yīng)將信用評分 之調(diào)整，作為風(fēng)險區(qū)隔的過程。2、過去信用評分之目的，為評估信用的好壞區(qū)分， 但是巴塞爾協(xié)議對于信用良好者的信 用狀況，仍需要作分級的比較，進而計算出違約機率的最佳估計信息。3、信用風(fēng)險區(qū)隔的處理，有很大的問題，例如，當(dāng)風(fēng)險區(qū)隔有 10 種或是 5 種，則在區(qū) 分上，若對于某種風(fēng)險因子處理的數(shù)據(jù)，過于偏頗或缺乏，將導(dǎo)致風(fēng)險區(qū)隔的因子與 整體的結(jié)果間，產(chǎn)生差異。4、信息的掌握， 主要是依靠歷史資料， 雖然有些研究信用評分的學(xué)者， 認(rèn)為經(jīng)濟