摘 要： 现行的中小企业信贷风险评价体系主要以企业资本 (即资产和财务状况) 为核心进行风险计量, 并辅之以人力资本 (主要是经营者个人信用) 进行评价。由于中小企业具有经营波动性和经营行为的不完全公开等特点, 企业资本和人力资本的数据缺乏或失真, 使得其信贷风险难以被传统风险评价体系有效和准确度量;加上融资规模偏小, 金融机构针对中小企业的风险管理成本较高, 从而导致中小企业融资需求长期得不到有效满足。随着中小企业互联网化经营模式普及和大数据技术发展, 对其社会资本进行量化评价的基础数据条件逐渐完善, 这为中小企业信贷风险评价体系的创新带来了新的可能。实证分析1 302家新三板上市企业研究发现, 中小企业社会资本与其信贷风险存在相关性, 通过社会资本评价方法能够判定中小企业信贷风险的级别。验证过程中以技术手段抓取企业真实公开信息, 获取有效数据进行风险模型数据分析, 从而提高风险评价的效率。研究表明社会资本风险评价模型可作为一种有效的创新模式纳入传统中小企业信贷风险模型中, 建立企业综合资本评价体系, 以提高中小企业风险评价的全面性及有效性。
关键词： 社会资本; 中小企业; 信贷风险; 风险评价;
Abstract： The current credit risk assessment system for SMEs mainly focuses on corporate capital (asset and financial status) , and is supplemented by human capital (mainly the individual credit of the operator) . Due to the characteristics of business volatility and incomplete disclosure of business operations, the data of corporate capital and human capital are lacking or distorting, which makes it difficult for credit risk to be effectively and accurately measured by the current traditional risk assessment system;besides, due to the relatively small financing scale and high risk management costs for SMEs from financial institutions, the financing needs of SMEs are not effectively met for a long time. With the popularization of SMEs' Internet-based business model and the development of big data technology, the basic data conditions for quantitative evaluation of their social capital have been gradually improved, which brings new possibilities for the innovation of SMEs' credit risk evaluation system.The authors empirically analyze 1302 NEEQ (National Equities Exchange and Quotations) listed companies. The research finds that:there is relation between social capital and credit risk of SMEs;and the social capital evaluation method can measure the level of SMEs credit risk. In the verification process, they utilize the technical to capture the real public information of the enterprise to obtain effective data for risk model data analysis, thereby improving the efficiency of risk assessment. Finally, it is suggested that the social capital risk assessment model should be incorporated into the traditional SMEs' credit risk model as an effective innovation model, and an enterprise comprehensive capital evaluation system should be established to improve the comprehensiveness and effectiveness of SMEs risk assessment.
Keyword： social capital; SMEs; credit risk; risk assessment;
一、引言
2011年6月18日, 工业和信息化部、国家统计局、国家发展和改革委员会、财政部联合颁布《关于印发中小企业划型标准规定的通知》, 将中小企业划分为中型、小型、微型三种类型, 融资难、融资贵的问题长期困扰实体经济发展, 在中小企业中尤为突出。麦克米伦是现代金融史上首位正视中小企业融资难题的人, 他在1931年《麦克米伦报告》中首次阐述了中小企业发展中存在资金供给方不愿意以中小企业提出的条件提供资金的问题。2018年, 世界银行、中小企业金融论坛、国际金融公司联合发布的《中小微企业融资缺口:对新兴市场微型、小型和中型企业融资不足与机遇的评估》指出, 中国中小企业中有41% (超过2 300万家) 的企业存在信贷困难, 潜在融资缺口高达12万亿元人民币, 信贷困难主要表现为从正规金融体系获得的融资不能完全满足需求。
我国中小企业所面临的融资难、融资贵的问题由多重因素共同决定。从银行风险管理角度看, 我国大多数中小企业有着资产规模小、经营波动大、管理水平较低等特征, 加之信息公开程度低或信息不对称等问题导致中小企业难以被认可, 商业银行更倾向于贷款给规模大、财务稳定、信息真实完善的大企业, 尤其是上市公司。施蒂格利茨和韦斯 (Stightz&Weiss) [1]、贝斯特 (Bester) [2]从信息不对称角度研究发现, 小企业难以向银行提供有说服力的风险评估信息, 从而导致银行规避风险而不愿意向小企业放贷。德瓦特里庞和马斯金 (Dewatripont&Maskin) [3]从信贷业务的成本和风险视角发现, 银行偏好为大企业提供信贷, 其直接原因在于大企业的单位信贷成本低, 经营风险较小。林毅夫和李永军[4]指出, 由于中小企业与大企业在经营透明度和抵押条件上的差别, 以及贷款处理成本和货款规模等原因, 银行在提供贷款时会区别对待。王霄和张捷[5]也支持这一观点。立足我国国情, 樊纲[6]、张杰[7]等学者从企业所有制视角研究发现, 中小企业多为非国有企业或战略性退却企业, 信用只能依赖于市场行为, 银行很容易对其形成信贷歧视。可见, 中小企业的信贷风险有着风险评估信息少、单位风险管理成本高、风险差异大、风险担保能力弱等特点, 从而形成了中小企业的信贷风险难以被有效评估的局面。
中小企业在我国经济发展中有着相当重要的作用, 但受限于融资渠道少难以发挥出更大的价值, 其外部融资环境也难以在短期内得到改变。为助力中小企业解决融资难题, 本文从现有中小企业信贷风险评价体系出发, 提出有助于完善中小企业信贷评价的方法, 并尝试以新的技术手段高效完成中小企业的信贷评价。
二、中小企业风险评价现状
商业银行现行的企业信贷风险管理体系均以《巴塞尔协议Ⅱ》为基础, 在监管为主的风险管控思路下, 以风险识别与风险计量的手段提高银行业风险管理水平。通过多年的研究与实践, 针对中小企业已建立了以企业资本与企业家人力资本为主要内容的风险度量体系, 并有学者尝试从社会资本的角度进行风险评价。
(一) 企业资本与人力资本评价风险的视角
商业银行现行的风险评估体系从早期的资产价值演变至企业资本的角度, 主要是通过评估企业三表 (资产负债表、利润表、现金流表) 来配置企业融资额度。1987年, 凯西和沃森 (Keasey&Watson) [8]将非财务变量引入模型, 对小企业破产的预测效果优于财务比率模型。1995年, 为了准确计量违约风险, 美国KMV公司开发了KMV模型, 以量化方式测算企业的违约概率, 实现对违约风险的跟踪管理。拉詹和津加莱斯 (Rajan&Zingales) [9]发现, 企业规模越小, 其财务杠杆比率越低。陈超、饶育蕾[10]验证了公司财务杠杆与盈利性、成长性、公司规模等的相关性。肖作平[11]等在企业资本结构方面实证研究了企业规模与负债比率之间存在的正相关关系。然而, 企业资本度量信贷风险也存在着缺陷, 尤其是针对中小企业时缺陷更明显。郭小波、王婉婷和周欣[12]以北京地区中小企业信贷数据为样本, 分析发现传统财务指标并不能有效预测中小企业的违约行为, 而与银行的合作年限是我国中小企业信用风险识别的关键变量, 从而也说明完全依赖企业资本的信贷风险评估方式并不符合中小企业实情。梁彩虹[13]指出, 需有针对性地搭建小微企业风险预警平台, 创建全面的融资风险评价体系。
从人力资本的角度解释企业风险, 科伦坡和格里利 (Colombo&Grilli) [14]总结了人力资源的特征变量, 验证了相关变量对初创企业成功的影响。迪莫夫和谢泼德 (Dimov&Shepherd) 等[15]认为, 教育水平、行业经验、业务经验等变量是人力资本的影响因素, 对个人创业和企业的发展都有很大的正向影响。米尔贾纳 (Mirjana) [16]也认为, 提高企业的人力资本水平可以带动企业的发展。马九杰、郭宇辉和朱勇[17]提出了以企业家个人特征、地区经济环境为因变量的中小企业信用评分指标体系。陈忠阳等[18]强调小企业信贷风险评估模型应综合考量企业财务、企业家个人这两个方面的因素。李国青[19]指出, 我国中小企业信用评级需考虑企业家自身价值在信用风险中的作用。李镇西[20]在对微小企业信贷风险管理研究时, 主张将银行用于评估个人信用风险的方式应用到小微企业贷款业务中。因此, 提升人力资本是企业发展的促进条件, 在一定程度上能够降低企业的风险水平。
(二) 社会资本评价风险的视角
社会资本的概念较早在社会学界提出, 美国学者科尔曼·詹姆斯 (Coleman James) [21]认为, 社会资本是由个体或组织所处的社会环境和联系构成的, 是社会结构资源的资本财产。真正将社会资本引入到经济学中的是普特南 (Putnam) 等[22], 他们开创性地以社会资本的角度成功解释了意大利南北区域经济发展的差异。纳比特和戈沙尔 (Nahpiet&Ghoshal) [23]等将企业作为社会资本的研究对象, 认为企业社会资本是企业获得的关系网络资源总和。科卡 (Koka) 等[24]认为, 企业社会资本是企业从社会结构中获取的一种可以实现企业目标的稀缺资源。国内学者对社会资本也有所研究。张其仔[25]首次将社会资本定义为具有共享多种利益特征的社会网络。边燕杰、丘海雄[26]认为, 社会资本是行动主体与社会的联系以及通过这种联系摄取稀缺资源的能力。刘松博[27]认为, 企业社会资本由个人、部门、企业组织三个层级所构成, 包含正式与非正式的关系。基于不同学者的研究成果, 本文认为社会资本是某一主体通过与外界形成的关系网络之和所能获取或积累的资源。从概念上看, 本文所研究的中小企业社会资本则是中小企业自身所构建的外部关系网络, 并运用外部关系网络获得资源, 使得资源能够转换为作用于该企业的价值。
许多学者对社会资本应用于企业信用风险与企业发展等方面也进行了深入的论证。谢恩和凯布尔 (Shane&Cable) [28]论证了中小企业的社会关系资本是影响关系信贷的重要因素, 并指出社会关系能缓解企业融资困境。陈晓红、吴小谨[29]通过验证企业家与企业组织的社会资本影响因子, 得出中小企业社会资本与企业信用水平有较强正相关性的结论。刘堃、巴曙松和任亮[30]基于企业关联关系和信贷行为的视角, 证实C&B模型对企业的关联风险和信贷行为有解释力。蒋 (Jiang) 等[31]分析了社会资本对中小企业负债的影响, 发现社会资本具有隐性的贷款保证作用。马宏、李耿[32]基于国内创业板上市公司数据发现, 高新技术企业社会资本有助于缓解企业所受的融资约束程度。基于以上学者的研究发现, 企业社会资本与企业信用存在着相关性, 可用于评价信贷风险;同时也发现, 企业社会资本的评价指标选择差异较大, 以局部指标进行评价为主。
综上, 企业资本与人力资本主要依托于企业自身的内部经营与人员架构, 是企业自身价值的体现, 而社会资本则与企业的关系网络产生的资源价值密不可分。虽然企业资本与人力资本在衡量企业信贷风险的应用方面已较成熟, 但仍存在不足之处, 企业资本对中小企业的适用性较差, 人力资本受主观因素的影响导致可控性不强, 而且仅从企业资本与人力资本出发不足以衡量企业风险度量的全貌。所以, 评价中小企业的信贷风险可由企业资本、人力资本、社会资本不同视角出发, 由三个视角共同构成评价体系, 更全面与真实地评价中小企业的信贷风险水平 (参见图1) 。但因中小企业社会资本应用于信贷风险评价仍存在不同的理念, 且方法与效能均达不到可推广应用状态, 故本文继续论证社会资本与中小企业风险的相关性与有效性, 并用技术手段提高该方法的运作效率。
图1 中小企业信贷风险评价体系
三、社会资本分析方法与假设
我国目前对中小企业的信贷风险评价基于资产管理理论, 包括自偿性贷款理论、转换能力理论、预期收入理论等, 对中小企业持有资产状况及未来变化进行预测。
(一) 社会资本与中小企业风险的关系
中小企业社会资本是中小企业实际经营中借助外部关系网络获得资源, 并使资源转换为作用于该企业的价值。殷琦[33]将预期收入理论和社会资本理论相结合用于评价中小企业信用, 研究中小企业外部关系网络对企业资产变化的影响, 进而衡量中小企业的信贷风险情况。
对于衡量中小企业社会资本的维度划分, 理论界主要以纳比特和戈沙尔[23]及边燕杰、丘海雄[26]的观点为主。边燕杰、丘海雄结合我国国情, 将中小企业的关系网络划分为纵向关系、横向关系和社会关系, 并展开这几个维度的社会资本探索。综上资产管理理论、企业社会资本理论的指导, 并结合本文的研究重点, 推导出中小企业社会资本可应用于信贷风险的评价体系, 如图2所示。
中小企业作为社会经济活动的重要单元, 与其他社会经济活动单元存在着众多密切的关系。在纵向关系方面, 与上下级单位的关系主要体现为股东与子公司的关系, 可以概括为投资关系;与政府部门的关系可以称之为政府关系。横向关系, 即与其他企业之间的关系, 又可以称之为行业关系。社会关系, 是除横向关系和纵向关系之外的其他关系, 但考虑到中小企业作为经营活动主体, 在此更关注市场关系。本文构建了社会资本评价方法下的四大指标:投资关系、政府关系、行业关系、市场关系, 如图3所示。
图2 中小企业社会资本评价方法应用的理论基础
(二) 社会资本与中小企业信贷风险的关系
以中小企业为借贷主体, 从社会资本的角度考虑, 中小企业的“网络+资源”可影响其内部经营, 进而影响资本的演变。本文着重从中小企业社会资本的角度, 以关系网络即投资关系、政府关系、行业关系、市场关系研究中小企业的社会资本在通过资源获取后促进企业自身成长, 进而影响信用变化, 验证中小企业的信贷风险关系度。基于此, 本文提出以下假设:
H1:中小企业社会资本与其信贷风险存在相关性。
(三) 社会资本对中小企业信贷评级的作用
社会资本作为中小企业的一项资本, 具有一定的资本价值属性, 在信贷业务中能起到一定的衡量作用, 有助于银行识别与判定风险。社会资本在短期贷款中可发挥资产抵押的作用, 具有可衡量的属性, 即可被用来评估其还款能力, 进而界定企业的风险等级。鉴于此, 本文提出以下假设:
H2:通过社会资本评价方法能够定位中小企业信贷风险的级别。
四、实证设计
(一) 指标设定
中小企业社会资本用于评价信贷风险时, 必须是可以衡量的, 本文将中小企业主体本身能够直接产生联系的关系视为其社会资本。韦影[35]认为企业外部社会资本包括企业与客户、供应商及其他企业的关系以及与政府部门、协会的关系并进行相关研究。房建奇[36]从市场、技术、政府、金融四个维度研究企业社会资本与企业技术创新绩效的关系, 阐述和验证社会资本通过知识吸收能力作用于企业技术创新绩效。靳小翠[37]从上市公司的可得性数据入手, 通过关系、声誉和利益三个维度划分企业社会资本。
本文在指标的设计过程中遵循以下原则, 以保证研究结论的合理性。
第一, 科学性原则。各评价指标具有客观真实性和典型代表性, 概念科学、含义清晰、口径一致、统计准确。第二, 可操作性原则。尽可能设计可直接监测的客观指标, 以保证数据的可获得性及可验证性, 并尽可能使数据可以高效获取。第三, 定量与定性相结合原则。整体指标设计以定量为主, 少量指标通过定性描述, 但尽可能量化清晰。
综上, 结合本文所述的企业社会资本的相关概念, 我们在投资关系、政府关系、行业关系、市场关系四个维度下提出相应的评价指标, 建立社会资本的中小企业信贷风险评价指标体系。具体而言, 在投资关系维度下设定成立年限、股东实力、入股公司实力3个指标;在政府关系维度下设定工商登记信息、法院涉诉记录、失信信息、行政处罚记录4个指标;在行业关系维度下设定专利信息、投标情况2个指标;在市场关系维度下设定媒体曝光度、舆情评价倾向2个指标。各项指标的含义及取值详见表1。
(二) 指标数据来源及筛选
本文选取截至2018年11月底在国内新三板上市的公司数据, 通过R软件进行实证检验。实证分析的数据主要来源于新三板上市公司的公布数据, 以及利用爬虫技术全网搜索获取, 主要网站包括国家企业信用信息公示系统、信用中国、国家知识产权局、中国采购与招标网等披露企业信息的官方网站。通过对以上网站的公开信息收集, 再对结果数据进行清洗和结构化, 形成中小企业风险评价数据库, 用于社会资本的中小企业信贷风险评价。
图3 社会资本评价方法指标
表1 社会资本的中小企业信贷风险评价指标说明
由于企业的数据披露程序和数据质量存在一定问题, 需对初步选取的样本数据进行适度筛选。剔除停牌较频繁的企业;剔除没有披露银行贷款数据的企业, 以及借款金额、贷款银行不明确的数据;根据《中小企业划型标准规定》剔除中小板上市企业中规模偏大的企业;剔除新三板上市公司中大部分指标为空的数据记录的企业。经过筛选, 本次实证分析最终得到1 302家中小企业样本, 样本结构 (包括样本数和属性个数) 和各属性的连续变量分布 (包括最小值、中位数、均值、最大值等) 以及离散枚举结果 (离散值的取值统计) 如表2所示。
五、模型与实证
(一) 模型设计
研究目标变量和自变量的相关关系, 一般会采用线性回归分析方法去拟合模型, 进而通过计算模型拟合值和原值的相关系数来衡量相关程度, 但本文样本中目标变量属于分类变量, 适合采用逻辑回归模型进行拟合 (先将目标变量转为二分类变量, 将信用等级水平为1、2的直接划分为1, 正常则为0) , 再计算相关系数。
逻辑回归 (Logistic Regression) 适用于处理因变量为分类变量的回归问题, 其中常见的是二分类或二项分布问题, 也可以处理多分类问题, 它实际上属于一种分类方法。在实际应用中, 将二分类的取值转化为概率p的分布, P (y=1) =p和P (y=0) =1-p分别是y=1和y=0的概率分布, 由于概率p与因变量的关系往往是非线性关系, 为了解决该类问题, 常引入logit变换, 使得logit (p) 与自变量之间存在线性相关的关系, 逻辑回归模型定义如下:
表2 样本结构和统计
以0.5为界限, p大于0.5时, y为1, 否则y为0。
皮尔森 (Pearson) 相关系数:两个连续变量 (X, Y) 的皮尔森相关性系数 (Px, y) 等于它们之间的协方差cov (X, Y) 除以它们各自标准差的乘积 (σX, σY) 。系数的取值处于-1.0到1.0之间, 接近0的变量被称为无相关性, 接近1或者-1被称为具有强相关性, 公式如下:
具体的模型计算步骤如下:
第一步, 数据集拆分。将数据集按照8:2拆分成训练集和测试集, 训练集1 042家用于模型训练, 测试集260家用于训练模型的验证和检验, 分布如表3所示。
第二步, 入模变量筛选。在进行模型拟合之前, 计算各变量信息价值 (Information Value, IV) 的值, 确定各自变量对目标变量的信息熵, 从而达到初步筛选入模变量的目的, 各自变量的IV值结果如表4所示。
对于模型来说, IV值大于0.2的自变量即可以入模, 因此选取11个入模指标为股东实力、工商登记信息、法院涉诉记录、失信信息、行政处罚记录、专利信息、中标次数、3个月媒体曝光度、6个月媒体曝光度、1年媒体曝光度、成立年限。
第三步, 模型训练。直接对入模变量和目标变量进行一次逻辑回归后, 发现部分自变量的参数校验不通过, 进一步采用逐步回归的方式进行模型训练, 结果如表5所示。
从两个模型对比可以看出, 逐步回归模型的AUC比全变量逻辑回归模型的效果更好, 而且自变量的参数检验P值大部分在0.05以下, 参数的拟合值显着。而P值小于0.1时参数的拟合值已达到显着, 因此选用最终入模的变量为9个, 变量和回归系数分别是:股东实力, 系数为-1.85;法院涉诉记录, 系数为-0.06;失信信息, 系数为0.75;行政处罚记录, 系数为-0.80;专利信息, 系数为-0.05;中标情况, 系数为-0.07;3个月媒体曝光度, 系数为0.51;6个月媒体曝光度, 系数为-0.73;成立年限, 系数为0.05。将系数代入模型中, 得到公式:
表3 分组集分布
表4 变量IV值
表5 回归结果和对比
第四步, 模型检验。对以上模型进行拟合优度检验 (HL检验) , 结果如表6所示, 卡方检验值约为145.2, 自由度为8, 检验P值为0, 拟合模型的结果显着。
第五步, 稳定度检验。PSI的计算公式为:sum (实际占比-预期占比) ×ln (实际占比/预期占比) , 实际占比即各分组在预测集的占比, 预期占比即各分组在验证集的占比。一般认为, PSI检验值小于0.1时模型稳定性很高;PSI检验值在0.1至0.25之间时模型稳定性一般;PSI检验值大于0.25时模型稳定性差, 建议重做。以上模型的PSI检验值约为0.12, 接近高稳定性, 如表7所示。
第六步, 测试集验证。将测试集样本输入以上模型, 并分别进行AUC和KS检验, AUC值达到0.86, K-S值为0.47, 结果表明模型稳定, 效果显着。
(二) 实证结果
基于以上模型, 输入原始自变量的矩阵, 得到模型的拟合值, 并于目标变量进行皮尔森相关分析, 结果见表8。
通过对样本进行皮尔森相关分析可以看出, 中小企业社会资本指标组合与企业信用水平为正相关关系, 相关系数为0.629, 达到显着水平 (p<0.01) , 说明社会资本评价指标体系与中小企业风险存在相关性, 本文的假设H1得到支持。
基于构建的逻辑回归模型, 经过模型的拟合概率和实际信用等级的分组比较, 可将预测的违约风险概率水平对应至四个信用等级, 违约风险概率大于0.50为高风险, (0.21, 0.50]为中风险, (0.14, 0.21]为低风险, 而违约风险概率小于等于0.14为极低风险 (参见表9) 。将1 042家中小企业样本根据预测的违约风险概率对应信用等级划分, 528家违约风险概率小于等于0.14为极低风险, 156家处于 (0.14, 0.21]间为低风险, 240家处于 (0.21, 0.50]间为中风险, 118家违约风险概率大于0.50为高风险。可见, 中小企业样本的违约风险概率分布大部分处于非高风险水平。
因此, 证明通过社会资本评价方法能够定位中小企业风险的级别, H2得到验证。
六、研究结论及建议
(一) 研究结论
中小企业的风险抵御能力来源于由企业资本、人力资本和社会资本构成的综合资本体系。基于中小企业社会资本构成的理论与实证分析, 通过实际数据验证中小企业的社会资本对其风险评价的作用, 本文提出了一种较为高效的中小企业风险评价方法。
由社会资本各项关系所构建的指标组合与中小企业的信用水平正相关, 社会资本能够用来评价中小企业是否具有信贷风险。本文所论证的中小企业社会资本指标组合为投资关系、政府关系、行业关系、市场关系四个维度, 该指标组合拓宽了社会资本的评价维度;利用技术手段抓取公开数据进行验证, 使得数据收集变得便捷高效, 这为社会资本评价中小企业信用风险的推广应用提供了支持。
表6 拟合优度检验 (HL检验)
表7 稳定度检验验 (PSI)
表8 皮尔森相关分析结果
表9 社会资本指标预测违约风险概率分级
2.基于社会资本视角的风险评价可以反映中小企业的违约风险概率, 并可将之划分为不同的风险等级。根据社会资本指标评价出来的信贷风险等级差异, 可以侧面说明各中小企业的发展水平与经营状况, 进而代表其风险承受能力。
(二) 建议
1.基于中小企业的信贷风险可从社会资本的角度进行评价, 而现行常用的从企业资本角度评价的方法不是唯一的信贷风险评价方法, 人力资本也可用于评价模型。从企业资本、人力资本、社会资本角度对企业整体信贷风险进行综合性评价, 可以构建三维整体的中小企业信用风险评价模型, 如图4所示。
图4 中小企业三维风险表现
2.在现行的商业银行贷款业务中, 大多数针对中小企业的信贷所采取的是统一贷款利率, 尚未根据个体风险差异实施风险定价。通过社会资本视角的风险评价能够确定中小企业所处的风险等级, 为银行等金融机构以高利率覆盖高风险、以低利率服务低风险企业提供了差异化风险定价的可能。
本文得出了一些有益的结论, 但尚存不足之处, 有待未来做进一步的研究。本文采用的研究数据来源于我国新三板企业, 由于信息披露的时间跨度较短, 在一定程度上影响了研究结论的普适性, 在未来的研究中, 可以考虑收集更广泛的样本数据。此外, 本文仅从社会资本的整体指标组合对中小企业的风险进行评价, 未对各细项指标所发挥的作用进行细致剖析, 因此也尚未验证高水平的社会资本状况是否能够降低中小企业的风险水平。在未来的研究中, 应进一步探究中小企业社会资本不同的关系维度对风险水平的影响, 建立更全面的研究模型。
参考文献:
[1]STIGLITZ J E, WEISS A.Credit rationing in markets with imperfect information[J].American economic review, 1981 (3) :393-410.
[2]HELMUT BESTER.Screening vs. Rationing in credit markets with imperfect information[J].The American economic review, 1985 (4) :850-855.
[3]DEWATRIPONT M, MASKIN E.Contractual contingencies and renegotiation[J].Rand journal of economics, 1995 (4) :704-719.
[4]林毅夫, 李永军.中小金融机构发展与中小企业融资[J].经济研究, 2001 (1) :10-18.
[5]王霄, 张捷.银行信贷配给与中小企业贷款——一个内生化抵押品和企业规模的理论模型[J].经济研究, 2003 (7) :68-75.
[6]樊纲.论“国家综合负债”——兼论如何处理银行不良资产[J].经济研究, 1999 (5) :13-19.
[7]张杰.民营经济的金融困境与融资次序[J].经济研究, 2000 (4) :3-10, 78.
[8]KEASEY K, WATSON R.Non-financial symptoms and the prediction of small company failure:a test of Argenti's hypotheses[J].Journal of business finance&accounting, 2010 (3) :335-354.
[9]RAJAN R G, ZINGALES L.What do we know about capital structure? some evidence from international data[J].The journal of finance, 1995 (5) :40.
[10]陈超, 饶育蕾.中国上市公司资本结构、企业特征与绩效[J].管理工程学报, 2003 (1) :70-74.
[11]肖作平.资本结构影响因素和双向效应动态模型——来自中国上市公司面板数据的证据[J].会计研究, 2004 (2) :98-103.
[12]郭小波, 王婉婷, 周欣.我国中小企业信贷风险识别因子的有效性分析[J].国际金融研究, 2011 (4) :62-67.
[13]梁彩红.论商业银行小微企业信贷风险管理[J].上海金融, 2014 (9) :109-110.
[14]COLOMBO M G, GRILLI L. Founders’human capital and the growth of new technology-based firms:a competencebased view[J].Research policy, 2005 (6) :795-816.
[15]DIMOV D, SHEPHERD D A, SUTCLIFFE K M.Requisite expertise, firm reputation, and status in venture capital investment allocation decisions[J].Journal of business venturing, 2007 (4) :481-502.
[16]MIRJANA RADOVI?MARKOVI?.Managing the organizational change and culture in the age of globalization[J]. Journal of business economics&management, 2008 (1) :3-11.
[17]马九杰, 郭宇辉, 朱勇.县域中小企业贷款违约行为与信用风险实证分析[J].管理世界, 2004 (5) :64-72.
[18]陈忠阳, 郭三野, 刘吕科.我国银行小企业信贷模式与风险管理研究——基于银行问卷调研的分析[J].金融研究, 2009 (5) :169-185.
[19]李国青.中小企业信用评级指标体系构建研究[J].财会通讯, 2010 (14) :41-42.
[20]李镇西.信用评分卡在微小企业贷款风险控制中的应用[J].银行家, 2010 (4) :56-58.
[21]COLEMAN JAMES.Foundations of social theory[M].Boston:Belknap press of Harvard University press, 1990:17-21.
[22]PUTNAM R D, LEONARDI R, NONETTI R Y.Making democracy work:civic traditions in modern Italy[M].Princeton:Princeton University press, 1994:13-17.
[23]JANINE NAHAPIET, SUMANTRA GHOSHAL.Social capital, intellectual capital, and the organizational advantage[J].The academy of management review, 1998 (2) :242-266.
[24]KOKA BR, PRESCOTT JE.Strategic alliances as social capital:a multidimensional view[J].Strategic management journal, 2002 (9) :795-816.
[25]张其仔.社会资本论:社会资本与经济增长[M].北京:社会科学文献出版社, 1999:18-36.
[26]边燕杰, 丘海雄.企业的社会资本及其功效[J].中国社会科学, 2000 (2) :87-99.
[27]刘松博.对社会资本和企业社会资本概念的再界定[J].安徽大学学报 (哲学社会科学版) , 2007 (6) :81-86.
[28]SHANE S, CABLE D. Network ties, reputation, and the financing of new ventures[J].Management science, 2002 (3) :364-381.
[29]陈晓红, 吴小谨.中小企业社会资本的构成及其与信用水平关系的实证研究[J].管理世界, 2007 (1) :153-155.
[30]刘堃, 巴曙松, 任亮.中国信用风险预警模型及实证研究——基于企业关联关系和信贷行为的视角[J].财经研究, 2009 (7) :13-27.
[31]JIANG T Y, ZHANG Y Q, WANG J J.A research on the relationship between corporate social capital and competitive advantages-based on knowledge[J].Studies in science of science, 2010 (8) :1 212-1 221.
[32]马宏, 李耿.制度、社会资本与高新技术企业融资约束——基于创业板上市公司的实证研究[J].证券市场导报, 2014 (12) :41-45.
[33]殷琦.基于社会资本的中小企业信用评价[D].哈尔滨:哈尔滨工业大学, 2011.
[34]刘林平.企业的社会资本:概念反思和测量途径——兼评边燕杰、丘海雄的《企业的社会资本及其功效》[J].社会学研究, 2006 (2) :204-216.
[35]韦影.企业社会资本的测量研究[J].科学学研究, 2007 (3) :518-522.
[36]房建奇.企业家社会资本对技术创新绩效影响的实证研究[D].长春:吉林大学, 2009.
[37]靳小翠.企业社会资本衡量探究[J].财会通讯, 2015 (31) :46-48.
