信用是以还本付息为条件的借贷活动。信用风险(Credit Risk)的本质是违约风险(DefaultRisk),因此信用风险评级是通过对客户违约风险进行识别,进而挖掘出不同信用等级贷款客户的违约损失率大小。在信用风险评级中,若违约特征提取出错,会给全社会和整个经济系统带来重大影响,例如2008年的全球金融危机正是由于违约特征的判断失误、发放过多的次级贷款导致的。相反,若违约特征识别准确、对违约客户进行有效甄别,会大量减少银行的损失。例如2014年中国商业银行的贷款规模是66.6万亿元,贷款客户的损失率若降低10%,就可为商业银行减少近7万亿的损失。基于违约损失率的小企业信用风险评级研究包括小企业信用风险评价指标体系的建立、小企业信用风险评价模型的确定、小企业信用等级的划分、以及影响小企业贷款违约损失率的关键指标和关键特征挖掘共四个部分的内容。一是信用风险评价指标体系的构建,是指不仅遴选出对违约状态有显著区分能力的指标进入指标体系,还要确保在考虑指标间相互影响的前提下,进入体系后的指标仍然具有违约鉴别能力。二是信用风险评价方程的建立,根据评价结果的违约鉴别能力越大、评价方程越好的思路,在不同赋权方法中遴选出对违约客户和非违约客户区分程度最好的一种,进而建立评价方程确定小企业贷款客户的信用评价得分。三是信用等级的划分,根据违约金字塔原则和信用分数聚类原则对贷款客户进行等级划分,使信用等级划分结果在满足信用等级与违约损失率呈反向关系的前提下,信用状况越相似的客户越易划分为同一个信用等级。四是关键指标和关键特征的甄别,在指标体系中,进一步挖掘对违约损失率有显著影响的指标作为关键指标;在一个关键指标的不同特征中,挖掘出具有哪种特征的贷款客户的违约损失率最大,是信用风险控制的关键。本论文共分为七章。第一章是绪论;第二章是于违约损失率的信用风险评级理论基础;第三章是小企业信用风险评价指标体系的构建;第四章是小企业信用风险评价模型的构建;第五章是基于违约金字塔和信用分数聚类的信用等级划分模型;第六章是影响贷款违约损失率的小企业关键特征的挖掘;第七章是结论及展望。本论文的主要工作如下:(1)建立了小企业信用风险评价指标体系。以中国某地区性商业银行1994年以来的3045笔小企业贷款数据为样本进行实证研究,通过分别建立违约状态与单个指标及多个指标间的二元Logistic模型确定指标进入指标体系前后的违约鉴别能力,并通过相关分析删除相关性大的指标保证指标体系的精简易操作。最终建立了包括超速动比率、近三年企业授信情况、城市居民人均可支配收入等16个指标的小企业信用风险评价指标体系。(2)建立了小企业信用风险评价模型。通过对比基于信息含量的客观赋权法中的熵权法、变异系数法及均方差法,以及本文提出的基于违约鉴别能力的客观赋权法中的Wilks’Lambda法及ROC曲线赋权法;以反映评价结果违约鉴别能力的贴近度C为标准,在五种赋权方法中确定Wilks’ Lambda赋权法的违约鉴别能力最大,并以该方法确定的权重为基础建立了小企业信用风险评价模型,确定客户的信用得分。(3)构建了基于违约金字塔和信用分数聚类的信用等级划分模型。以每一等级中客户信用得分的组内离差最小为目标函数;以下一个等级的违约损失率大于上一个等级的违约损失率为约束条件,建立小企业信用等级划分的非线性规划模型,对3045笔小企业贷款客户进行信用等级划分,并挖掘出不同信用等级贷款客户的违约损失率。(4)挖掘出影响小企业贷款违约损失率的关键指标和关键特征。首先,通过建立信用等级与评价指标间的次序Logit模型,甄别超速动比率、近三年企业授信情况等13个指标是对信用等级、即违约损失率有显著影响的关键指标。其次,一个关键指标可以划分为不同的特征,例如“企业授信情况”这一指标就对应“有授信记录、无违约、无转贷”、“无授信记录”等五种特征,通过LSD检验甄别出哪一种特征客户的违约损失率显著大于其他特征,该特征就是关键特征。研究结果表明,“X10超速动比率”区间为C3:[0,0.5)、“X55相关行业从业年限”区间为C3:[5,8)、“X76近三年企业授信情况”特征是“C2:有授信记录、有违约、已结清”等特征是小企业贷款违约风险最大的关键特征。本论文的创新主要有以下三点:(1)根据信用分数聚类和违约金字塔标准划分信用等级。以每一等级中客户信用得分的组内离差最小为目标函数、确保信用得分相似的客户划分为同一个等级;以下一个等级的违约损失率大于上一个等级的违约损失率严格递增为约束条件,建立信用等级划分的非线性规划模型,使信用等级划分结果在相同等级不同客户的信用状况大致相近的情况下,使信用等级划分结果满足“信用等级与违约损失率间呈反向关系”,不仅改变现有研究的评级结果往往出现信用等级不低、违约损失率反而很高的荒谬现象;还能改变现有评级结果仅能给出客户的排序,无法测算违约损失率的不足。(2)甄别具有哪种特征的客户的违约风险最大。在一个关键指标对应不同特征的情况下,例如“企业授信情况”这一关键指标就对应“无授信记录”、“有授信记录、无违约、无转贷”、“有授信记录、无违约、有转贷”、“有授信记录、有违约、未结清”、“有授信记录、有违约、已结清”五种特征。以不同特征内部客户违约损失率的组内方差为标准,构建判断尺度LSD,检验不同特征违约损失率是否有显著差异,在有显著差异的不同特征中,通过比较违约损失率的大小,确定在“企业授信情况”这一关键指标中,哪一种授信情况特征的客户的违约风险最大。若某一个特征的违约损失率全都显著大于其他特征的违约损失率,该特征即为关键特征,抓住信用风险管理的关键,开拓信用风险评级理论的新思路,从根本上改变现有研究仅立足于客户排序,忽略信用风险管理中关键特征深度挖掘和探索的弊端。(3)在不同赋权方法中遴选出一种违约鉴别能力最大的赋权方法。根据信用评价方程Sj=w1x1j+w2x2j+...+wnxnj确定客户的信用得分,通过客户信用评分与正、负理想点的距离构建反映评价结果违约鉴别能力的贴近度C,若违约客户的信用评分越接近最差值0,非违约客户的信用评分越接近最优值1,则贴近度C越大,相应的赋权方法越能最大程度的区分违约与非违约客户,进而在不同的赋权方法中遴选出贴近度最大、违约鉴别能力最大的一种,确保违约客户的评分低、非违约客户的评分高,不仅能避免现有评价结果不能有效区分违约与非违约客户,使得二者存在大量重叠的不足;还能避免现有研究随机主观选择赋权方法,没有与评价目的相联系的不足。