成长型科技创业企业的信用评价研究摘要：创业企业经常受到外部的融资约束，对成长型科技创业企业尤其严重。因此，构建成长型科技创业企业的信用评价指标体系和模型非常必要。文章基于企业的动态财务数据，并将企业的成长与创新能力作为重要的评价指标，应用Logistic回归方法，提出了成长型科技创业企业的信用评价模型和方法，来动态评价企业的信用状况。通过模型比较和检验，证明其评价准确度较高。关键词：信用评价；成长型科技创业企业；创新能力；成长能力；logistic回归：F22412文献标志码：A：10085831（2015）02006906成长型科技创业企业的快速发展是推动中国经济增长的重要动力，然而，这类企业也最易遭遇生存瓶颈，这是因为成长型科技创业企业的融资需求较高，但其信息不对称程度较一般创业企业更加严重，因而融资往往成为决定其创业成败的关键因素。成长型科技创业企业的发展，会受到金融中介的发展状况和市场资源在企业间分配情况的影响。在企业的创业过程中，银行和金融市场发挥着重要的促进作用，但金融中介机构在履行职能的同时，会受到企业信息不透明的限制，主要表现为收益的高度不确定性和高昂的监督成本。对于成长型科技创业企业，这种融资障碍尤为突出，其沉没成本高且研发周期长，即使投资项目前景良好，但如果缺乏外部资金，则企业可能无法克服这种融资障碍，成长型科技创业企业对技术创新的促进作用也就难以发挥。因此，本文重点关注成长型科技创业企业的信用评价问题。Berger等[1]的研究显示，银行通过信用评价可以增加对科技创业企业的贷款额，而且能够保证贷款质量。Gredel等[2]的研究支持了这种观点，即利用信用评价技术可以使银行更容易地为成长型科技创业企业放贷。一、文献综述国外大量文献强调，无论企业规模大小，成长型科技创业企业都易受到较大程度的融资约束。Hall和Lerner[3]认为这是由于企业和投资者之间的严重信息不对称造成的，即企业对所投资项目掌握着更多的信息。此外，由于成长型科技创业企业在创业之初往往遭遇财务危机，因而面临较高的信贷成本和较少的信贷额，即在信贷市场上还面临严重的逆向选择问题。在中国，由于风险投资行业没有得到充分发展，这种信息不对称和逆向选择问题表现得更加严重[4]。在本节中，将对前人的文献进行回顾，分为三个部分，即评价模型、非财务评价指标和财务评价指标。在此基础上提出适合于成长型科技创业企业的信用评价模型。（一）评价模型与方法信用评价的分析技术有多种，包括统计方法、未定权益分析方法、资产价值的债务覆盖分析、神经网络、数据包络分析等技术。关于信用评价的模型很多，然而，一些复杂模型的应用需要有完备的市场数据，如结构式模型需要股票市场的交易数据，简式模型需要公司债券及资产掉期的数据。但对于成长型科技创业企业来说，这些市场数据一般难以提供，因而复杂模型无法应用，但可采用神经网络模型或其他统计模型。Beaver[5]开创了使用判别分析方法进行信用评价的先河，Ohlson[6]则率先将Logit和probit模型用于信用评价，并认为克服了判别分析法的局限性。目前这两种模型已被广泛采用。Jones和Hensher[7]利用混合Logit模型进行信用评价，将判别分析法、probit分析、logit分析和主成份分析法综合运用，构建了一个综合的信用评价模型。Sohn和Jeon[8]采用Logistic回归方法，提出了科技企业的信用评价模型，利用随机效应logistic回归模型来预测贷款违约，该模型反映了在相同条件下不同企业的违约概率。总体而言，针对成长型科技创业企业的评价模型研究较少，且在评价指标方面没有取得一致。（二）评价指标Altman[9]选取了以下财务指标：营运资金/总资产留存收益/总资产、利息及税项前收益/总资产、市值/总负债、销售收入/总资产，来反映企业的财务状况。目前，这些财务指标已被广泛应用于贷款违约预测研究。一些学者强调了非财务指标在信用评价中的重要性，Canbas等[10]认为，仅仅依靠财务报表信息的计量经济模型，无法准确预测企业信用状况。Harhoff和Thoma[11]利用随机前沿模型对生产效率进行了测量，发现生产效率是预测企业信用状况的显著指标，对小企业进行信用评价应更多地使...