中小企業(yè)信用評價研究【文獻綜述】

1、1文獻綜述文獻綜述（20_20__屆）屆）中小企業(yè)信用評價研究3例如，Beaver（1966）研究并提出了企業(yè)信用的單變量模型，通過對失敗和未失敗企業(yè)的對比研究，選取了35個財務指標進行統(tǒng)計分析，得出“現(xiàn)金流量負債總額”指標最能反映企業(yè)信用。A1tman(1968)將逐步多元判別分析法(MDA)應用于財務危機、公司破產以及違約風險分析。以1946—1965年中宣告破產的33家公司作為研究樣本的實驗組，再按各樣本的行業(yè)與規(guī)模尋找類似的對照

2、公司進行配對比較，選用了22項財務比率，利用逐步多元判別分析法逐步選出5個最具預測能力的財務比率，結合成一個線性模型，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變量并稍作調整，建立了改進的Zeta判別分析模型。Ohlson(1980)首度將假設條件較為寬松的Logit分析應用于信用風險評估領域，得出有4項財務資料對評估破產概率有明顯的影響，如：資產報酬率，規(guī)模，短期流動性，資本結構。他以19701976年間105家破產公

3、司及2058家正常公司為研究對象，實證結果表明該方法具有較高的正確率。EdwardIAltman和GabrieleSabato(2005)通過使用Logit回歸技術對19942004年期間超過2000家的美國公司（規(guī)模小于6500萬美元）的固定樣本數據進行分析，為中小企業(yè)建立了一種危機預警模型，并通過與普通公司模型的比較，來分析其有效性。隨著信息技術的發(fā)展，特別是人工智能模型被引入信用風險中，產生了很多新的信用評價方法。Messier和

4、Hansen(1988)從知識獲取角度探討比較了專家系統(tǒng)在信用風險領域的應用。Odom和Sharda(1990)首次將人工神經網絡方法（ANN）引入信用評價，神經網絡方法得到研究者和實踐者的廣泛關注。Odom用A1tman制訂的財務指標作為ANN的輸入，這些財務指標為：現(xiàn)金流量／總負債、保留盈余／總資產、總負債／總資產、現(xiàn)金流量／銷售收入。他們收集了128個樣本，破產和非破產的企業(yè)各占一半。研究結果為：神經網絡對于這些企業(yè)的第一類預測準