小型企业的信用评估和信用可用性外文翻译资料

英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料

毕 业 论 文

小型企业的信用评估和信用可用性

美国的商业银行越来越多地使用小型企业信用评估模型来承销小企业信贷。本文讨论了这种借贷技术，评估了这项技术对小型企业信贷可用性的影响的研究结果，并将这些研究结果与一些研究和政策问题联系起来。

简介

小型企业是几乎每个国家经济的重要组成部分。例如，在美国，根据小型企业管理局（SBA），小型企业占私营部门就业和非农业国内生产总值的一半左右。然而，从过去的历史看来，小型企业在获得信用资金方面面临重大困难（即正净现值）因为潜在的资金提供者关于他们缺乏可信的信息。小型企业通常比大公司更加信息不透明，因为他们通常没有经过认证经过审计的财务报表来定期提供可信的财务信息。此外，这些公司通常没有公开交易的股票或债务，不能提供可以表明他们质量的市场价格或公共评级。为了解决这个关于不透明的问题，金融机构使用了一些不同的借贷技术。

本文主要介绍小型商业信用评估（SBCS），这是一种贷款技术，许多金融机构在过去十年用来评估25万美元（25万美元）以下的“小额信贷”申请人。 SBCS包括分析有关公司所有者的消费者数据，并使用统计方法将其与有关公司本身的相对有限的数据进行组合来预测未来信用绩效。信用得分在消费信贷市场中已被广泛使用多年（例如，抵押贷款，信用卡和汽车信用）。这导致了低成本，商品化的信用通常被出售到二级市场，使消费者信贷可用性显着增长。然而，只有在20世纪90年代中期，金融机构才开始将消费者和商业信息结合，在广泛的基础上为小企业信用创造分数，到目前为止，小型企业信用的重要二级市场还没有出现。稍后，我们将描述SBCS技术及其使用，审查其对信用可用性（广义定义）的影响的现有研究，并讨论与该技术相关的关键研究和政策问题。

将SBCS置于上下文中，它是许多交易中的一种，其主要基于金融机构用于解决不透明度问题的“硬”定量信息。用于交易技术的硬数据相对快速地被收集而不需要事先与公司联系，并且可以相对容易地观察，验证和传送给他人。其他使用硬信息借贷给不透明小企业的交易技术包括基于资产的贷款，保付代理，固定资产贷款和租赁。这些技术中的每一种都主要基于除了质量财务报表和证券交易之外的硬性信息的特定来源，这些硬性信息不适用于不透明的小型企业（例如，基于资产的贷款是基于应收账款估值和作为抵押抵押的库存）。对于SBCS，硬信息主要是从消费者信用局获取的个人消费者数据，金融机构收集的业务数据，以及在某些情况下，来自商业信用局的有关该公司的信息。虽然SBCS通常用于评估不透明的小型企业，但也可用于相对透明的借款人以降低承保成本。

作为交易技术的替代，金融机构还使用基于“软”定性信息的关系贷款来解决不透明度问题，通过不断的与公司，并且经常与其所有者、管理者和当地社区的其他成员的联系来收集信息。软信息通常需要大量时间来累积并且不容易被观察，验证或传送给他人。金融机构在用于评估小企业信贷申请的技术中的选择在机构和申请人之间有所不同。这些决定取决于机构的比较优势，关于公司的可获得的信息以及每种可行技术的预期成本和准确性，所有这些都会影响预期的盈利能力。

本文的其余部分如下。下一届讨论SBSC在过去十年的发展。然后简要描述SBCS使用的调查，这是对这个主题的大多数积极研究的基础。然后审查关于SBCS对小额信贷可用性的影响的文献，之后讨论与SBCS相关的研究和政策问题以及结论。

SBCS

信用评分是一种统计方法，用于预测信用申请人违约或成为违约的可能性。尽管这种承销方法在消费信贷市场中已经确立，但它仅在过去十年中被广泛应用于小型商业信贷。没有迅速广泛应用的主要原因是借款人之间存在显著的异质性（使预测困难），银行内部和跨银行的承保方式以及各种规模的信贷（减少银汇集数据的能力）。这种改变会发生当分析师确定信用信息为主要负责人解释了小型企业信用表现的巨大变化，特别是小规模信贷。这可能部分反映了个人和企业成功之间的相关性，部分是由于企业和所有者的财务混合。信息直接套入SBCS模型提高了预测的准确性并且鼓励承保进一步标准化。

第一个SBCS模型是通过收集一个全面稳定贷款的样本，然后根据信用事件比如说违约或犯罪将它们分成“好”和“坏”而构建的。这个双重结果从统计上来说与被认为可以预测贷款绩效的主要负责人和业务的特征有关。基于对主要负责人的尊重，这包括信用局关于可变因素的信息，如收入，净值，可用信用，拖欠和先前的破产。有关业务的类似信息也用于统计模型：财务比率（例如盈利能力和杠杆），过去存在信用问题（如果商业信用报告可以从商业信用部门获得，如Dun＆Bradstreet [D＆B]或者是 Experian），以及业务类型（标准工业分类[SIC]）。虽然在构建模型时可能考虑多达50-60个变量，但最终只使用8-12个变量因为有显着的多重性。然后，通常使用有限的独立的变量估计技术，例如logit和probit，来分析数据，以观察变量预测信用事件的程度。

虽然一些大型银行，如富国银行，已经开发了专有的SBCS模型，但大多数机构都转向外部供应商。最大的外部供应商Fair Isaac amp;Company（Fair Isaac）于1995年推出了其第一个SBCS模型。该模型使用了在过去五年内来自17个大型美国银行的超过5,000个小型企业贷款申请的样本，用于代表国家库。这个模型是与Robert Morris Associates合作建立的，1996年使用来自25家银行的数据进一步完善。在推出第一个Fair Isaac模型后，几家大银行开始采用SBCS。

今天，即使是具有专利模式的贷款人也经常从外部供应商那里购买信用评分，特别是在他们为保留办公室的社区之外提供贷款。在Fair Isaac的情况下，几种模型现在还是适用的，通过基于信用类型（例如，贷款，租赁，信用额度），可用信息的类型（例如，应用程序数据，业务数据，消费者数据）以及信用的大小（例如，小于$ 50K，小于$ 100K，小于$ 250K）的小型商业评分服务。虽然这些模型被设计用于高达25万美元的信贷，但一些贷款人只将它们用于金额低于10万美元的信贷。该公司目前正在调查目前的模型是否可以验证高于25万美元并且也正在开发适用于这些较大信贷的新模型。

贷款人可能有几个动机使用SBCS。节约成本可能是一个关键的动机。当银行从外部供应商处购买分数并将这些分数用于自动接受或拒绝决定和设置信用条件时，情况尤其如此。 SBCS技术的这种实施被认为是遵循“规则”，因为银行基本上放弃了对信用模型投入和权重的选择，并且为其贷款人员留下相对较少的酌处权。这是使用该技术的最低成本方法，它可能比任何其他可能用于评估申请人的交易或关系贷款技术便宜得多。然而，“规则”的使用可能加剧不透明度问题，产生低效的信用条件，并可能导致更大的未来信用损失。尽管如此，由于这种方式节省了成本可能也是有利可图的。正如稍后将讨论的，研究表明，许多银行以这种低成本的方式使用SBCS，这些机构倾向于扩大其贷款，这与“规则”是许多机构的盈利战略一致。

对于其他银行，主要的动机可能是减少不透明度问题并更准确地设定合同条款以减少未来信用损失和提高其信用的预期收入。这些改进可能是在信用评分与另一个即通过将分数添加到使用先前提到的一个或多个其他借贷技术结合使用。这种SBCS的实施被认为是使用“自由裁量权”，因为银行留给其贷款人员更多的自由裁量权让其在批准或拒绝潜在信用和批准贷款的条款时对不同类型的信息进行加权。这种策略可能增加承保成本，因为除了其他贷款技术的成本，银行承担信用评分的费用。如后面所示，研究表明，用这种方法使用SBCS的银行往往具有相对较低的风险，小的商业信用结合“自由裁量权”对一些机构来说是一种优化的战略。

美国银行使用SBSC的调查证据

关于金融机构是否以及如何使用SBCS的主要信息来源于1998年1月由亚特兰大联邦储备银行进行的电话调查。该调查询问了200家最大的美国银行控股公司的领先（最大）银行国内资产是否及如何使用SBCS。截止1997年6月30日，这些机构合计占美国国内银行资产的71.3％，占未偿还的100万美元以下的所有商业贷款的53.2％。有10家银行事先从调查过程中被淘汰，因为他们主要不从事小商业贷款（小于企业贷款的银行资产的不到0.50％）或者是信用卡银行。最终，有190家银行被调用，99家响应，响应率为52.1％。
总的来说，99个答复样本银行中有62个表示，截至1998年1月，它们使用了SBCS。其他调查问题的设计不仅是为了衡量SBCS在承保过程中的普遍性，而且还要揭示各机构信用评分做法的差异。特别是，调查询问：

bull;信用评分;

bull;评分是否用于自动批准或拒绝申请;

bull;是否使用分数来设定条款;

bull;银行是否开发了自己的模型，或者是否依赖供应商提供的模型或分数;

bull;银行使用SBC多长时间。

表1调查结果表明62家银行回答使用SBCS。所有使用SBCS的银行用这样的方式应对10万美元以下的信用额度，74.2％的银行将其用于25万美元以下的信贷。只有21.0％的得分银行将这项技术应用于25万至100万美元之间的信贷。信用评分用于自动批准或拒绝信贷被41.9％的得分银行应用并且在32%的机构中影响信贷条款。绝大多数得分银行，87.1％银行使用外部供应商的模式，而不是自己的专有模式。

两项研究已经统计检查了大型银行采用SBCS的概率和时间的决定因素。 Frame，Srinivasan和Woosley（2001）和Akhavein，Frame和White（2005）在采纳决策中都发现了组织结构的重要作用：银行章程较少的银行机构和更多银行分行更有可能采用并采用更快。这表明具有更“集中”结构的大型银行更有可能采用SBCS。然而，现今，绝大多数大型银行使用SBCS并且小银行正在制定采纳决定。

SBCS和小企业信用的可用性

一些研究使用亚特兰大联邦储备委员会的调查数据来测试SBCS对信贷可用性的各种度量的影响：小企业信用扩展的数量，与此信用相关的风险和不透明度，低收入地区是否享有高收入地区的服务 ，信贷的地理分布，以及贷款的期限。如将在后面所示，由于采用和使用SBCS技术，这些发现与所有这些信用可用性维度的增加一致。

第一项研究发现，SBCS的使用与1997年10万美元以下的小企业信贷数量显着增加有关（Frame，Srinivasan和Woosley 2001）。这个发现对于其他银行组织特征的考虑是稳健的，例如总规模，组织结构和最近的合并活动的程度。

Berger，Frame和Miller（2005）扩展数量分析通过以下几种方式：（1）检查10万美元到25万美元（以及10万美元以下）的信贷；（2）使用较长的时间框架（1995-1997）; （3）分析银行特定的和行业学习曲线;（4）研究使用技术的方式的差异是如何影响结果的。对于10万美元以下的贷款，他们再次发现，SBCS与小企业信贷总量的显着增加有关;但对于个别机构来说，这取决于技术使用的时间和如何实施。数量的增加（以及讨论稍后描述的其他影响）主要发生在银行学习如何使用技术的一段时间后。此外，这些增加集中在购买分数的“规则”银行，并使用它们设置条件并自动批准或拒绝信用，而不是在“自行决定”银行，使用自己的模型并使用其他的因素来设置条件来批准或拒绝。这些结果表明，信用可用性的增加可能是由于通过应用“规则”而使用SBCS技术的成本降低，而不是通过应用“酌处权”来减少信息不透明度。如前所述，使用“规则”可能加剧不透明度问题，并导致更大的未来信用损失，但它因为显著降低成本仍然可能是一个有利可图的战略。

三项研究检查了接收SBCS产生的额外小企业信用的借款人的特征。 Berger，Frame和Miller（2005）发现，评分银行使用“

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[137321]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 为非政府组织OG慈善基金会设计的基于社区的救灾管理系统外文翻译资料
• 基于UML建模的医疗系统电子健康服务软件外文翻译资料
• 开发一种具有增强现实功能的智能手机应用程序， 以支持护理学生对心衰的虚拟学习外文翻译资料
• 在开发 Web 应用程序中应用 Vue.JS 框架外文翻译资料
• 基于MES系统的生产车间信息管理研究外文翻译资料
• 基于Vue.js和MySQL的电子商务平台的设计与实现外文翻译资料
• 详细的Spring配置和SpringBoot外文翻译资料
• 基于NS2的DSR和AODV协议的性能比较研究外文翻译资料
• 不同仿真参数下NS2的TCP吞吐量性能外文翻译资料
• 基于Spring Boot和VUE的车辆管理系统实现外文翻译资料