中小企業(yè)信用評(píng)價(jià)研究【文獻(xiàn)綜述】

1、1文獻(xiàn)綜述文獻(xiàn)綜述（20_20__屆）屆）中小企業(yè)信用評(píng)價(jià)研究3例如，Beaver（1966）研究并提出了企業(yè)信用的單變量模型，通過對(duì)失敗和未失敗企業(yè)的對(duì)比研究，選取了35個(gè)財(cái)務(wù)指標(biāo)進(jìn)行統(tǒng)計(jì)分析，得出“現(xiàn)金流量負(fù)債總額”指標(biāo)最能反映企業(yè)信用。A1tman(1968)將逐步多元判別分析法(MDA)應(yīng)用于財(cái)務(wù)危機(jī)、公司破產(chǎn)以及違約風(fēng)險(xiǎn)分析。以1946—1965年中宣告破產(chǎn)的33家公司作為研究樣本的實(shí)驗(yàn)組，再按各樣本的行業(yè)與規(guī)模尋找類似的對(duì)照

2、公司進(jìn)行配對(duì)比較，選用了22項(xiàng)財(cái)務(wù)比率，利用逐步多元判別分析法逐步選出5個(gè)最具預(yù)測(cè)能力的財(cái)務(wù)比率，結(jié)合成一個(gè)線性模型，這就是后人所熟知的Z值模型。1977年他又將原模型加入兩項(xiàng)變量并稍作調(diào)整，建立了改進(jìn)的Zeta判別分析模型。Ohlson(1980)首度將假設(shè)條件較為寬松的Logit分析應(yīng)用于信用風(fēng)險(xiǎn)評(píng)估領(lǐng)域，得出有4項(xiàng)財(cái)務(wù)資料對(duì)評(píng)估破產(chǎn)概率有明顯的影響，如：資產(chǎn)報(bào)酬率，規(guī)模，短期流動(dòng)性，資本結(jié)構(gòu)。他以19701976年間105家破產(chǎn)公

3、司及2058家正常公司為研究對(duì)象，實(shí)證結(jié)果表明該方法具有較高的正確率。EdwardIAltman和GabrieleSabato(2005)通過使用Logit回歸技術(shù)對(duì)19942004年期間超過2000家的美國公司（規(guī)模小于6500萬美元）的固定樣本數(shù)據(jù)進(jìn)行分析，為中小企業(yè)建立了一種危機(jī)預(yù)警模型，并通過與普通公司模型的比較，來分析其有效性。隨著信息技術(shù)的發(fā)展，特別是人工智能模型被引入信用風(fēng)險(xiǎn)中，產(chǎn)生了很多新的信用評(píng)價(jià)方法。Messier和

4、Hansen(1988)從知識(shí)獲取角度探討比較了專家系統(tǒng)在信用風(fēng)險(xiǎn)領(lǐng)域的應(yīng)用。Odom和Sharda(1990)首次將人工神經(jīng)網(wǎng)絡(luò)方法（ANN）引入信用評(píng)價(jià)，神經(jīng)網(wǎng)絡(luò)方法得到研究者和實(shí)踐者的廣泛關(guān)注。Odom用A1tman制訂的財(cái)務(wù)指標(biāo)作為ANN的輸入，這些財(cái)務(wù)指標(biāo)為：現(xiàn)金流量／總負(fù)債、保留盈余／總資產(chǎn)、總負(fù)債／總資產(chǎn)、現(xiàn)金流量／銷售收入。他們收集了128個(gè)樣本，破產(chǎn)和非破產(chǎn)的企業(yè)各占一半。研究結(jié)果為：神經(jīng)網(wǎng)絡(luò)對(duì)于這些企業(yè)的第一類預(yù)測(cè)準(zhǔn)