1. 绪论
1.1 选题的背景和意义
在改革开放政策出台的三十多年里，在相关政策的鼓励和扶持下，小微型科技创业企业得到了快速的壮大和发展。每年在工商局注册登记的小微型科技创业企业的数目日益增长，其在市场经济中的地位不断提升，起到了提高并稳定就业率、促进和维持社会稳定、缩小并抑制贫富差距扩大的重要作用。随着规模的扩展和数量的增加，已经成为支撑国内经济增长的主要力量，在推动改革政策的深入开展、优化产业结构和提高国内产品的国际竞争力等诸多方面发挥了重要的作用，由于其产品大多具有高科技含量的特点，在企业研发和量产的过程中促进了相关行业科技创新能力的提升，在落实深化改革、转变产业发展方式、提高自主创新能力等政策方面发挥出了巨大的贡献，因此小微型科技创业企业的成长过程应当有相关政策的关注和支持。跟据有关部门的调查和发展过程中出现的实际情况，在小微型科技创业企业的快速成长过程中遇到了诸多难题，其中最为制约其发展的瓶颈问题是融资难题。其产生的根源首先在于国内关于企业信用评价方面研究的萌芽晚于国外，金融领域从事相关研究的人员还较为缺乏，现从事企业信用评级的机构对其也不够青睐，当前国内还缺乏统一标准的、可靠性较强的对其进行信用评级的指标体系和模型，无法形成统一的信用评级结果。其次在于从诸多方面看其和大中型企业还存在着较大的差距，为了防止不必要的经济损失，一些金融机构和风投公司在推行高标准条件下压低对其的贷款额度，大批信贷资金流向了大中型企业。应对和解决此难题不仅要求小微型科技创业企业不断完善企业管理制度、改进管理方法和模式、提升财务管理的水平和财务信息的公开透明程度，进而提高企业的盈利能力。还要形成一个标准统一、认可度高、准确性强的信用评价指标体系和信用评级模型，从而有效的识别出企业的经营状况和信用水平。目前，构建科学、准确、有效的评价体系和模型对小微型科技创业企业进行评级，提高社会评级机构的准确性，从而促进小微型科技创业企业获得更多的融资渠道，已是大势所趋。
...............
1.2 国内外研究现状
针对小微型企业信用评价的研究，目前国内外学术领域中著名的研究成果主要面向三个方面，即创业企业、科技型中小企业和中小企业。国外专家学者面向中小企业信用评价研究方面，较有代表性的是Beaver(1996)和 Altman(1968)，针对中小企业信用情况主张使用线性判别模型来预测和评级 [1]。国内专家学者面向中小企业信用评价研究方面，较有代表性的是鲍盛祥、殷永飞(2009)，提出当建立的指标变量体系存在非线性关系时，与传统的统计方法相比由神经网络模型获得的评级结果更加准确。王丽梅(2014)根据集成学习思想，针对科技型中小企业的特征，通过并行结合几种机器学习领域中同质的学习模型建立了科技型中小企业信用评价模型[1]。邓菁(2014)主张通过运用 DHGF 算法的原理来构建合适的评价模型来对供应链金融中小企业信用风险进行评价[2]。孟庆军，张洁，王效敏(2015)通过借鉴和运用可拓学理论的相关原理来构建针对其信用状况的科学评价模型和方法，从而缓解并最终解决其融资难的问题[3]。孙凯(2015)针对供应链融资中中小企业信用风险的评价，通过使用 BP 神经网络学习方法，提出 BP 神经网络具有较高的准确性[4]。夏轶群，王圣权(2016)通过使用模糊综合评价法的相关理论对中小企业融资信用风险进行研究和评价，提出利用模糊综合评价法对中小企业融资信用进行评价可以得到较为准确的结果[5]。
.........
2. 基础理论
2.1 概念界定
随着世界各国经济政策的不断完善，小微型科技创业企业在促进各国经济发展方面发挥了重要的作用，但由于国情的不同，对其概念的界定各国学术界至今还存在者一定的差异。因此，各国相关研究学者依据不同的界定而得出的研究成果也会存在一定的差异。为了使本文建立的信用评价指标体系和模型能够具有较高的准确性和合适性，本文在综合分析相对明确的相关概念后，对其概念进行了如下的界定：本文对小微型科技创业企业概念的界定着重考虑了企业营业总收入额、从业人员数量和企业的创新能力，在企业营业总收入额、从业人员数量方面应符合国家相关文件的具体规定标准，在企业的创新能力方面，主要考虑企业在商场上的产品应符合具有高科技含量的、质量较高的特点。根据对现有相关文献的分析，本文对小微型科技创业企业概念的界定具体归纳如下：在产品研发和创新上具有较高的优势、在日常产品生产中主要生产具有高科技含量、质量较高的产品、在企业从业人员的构成中以具备科技创新能力和素质的人员为主、发展速度较快、市场反应能力和竞争力较强、还处于创业和成长期并符合小微企业划分标准的知识密集型企业。工信部、发改委、财政部于 2011 年公布的小微型企业划分规定如下表 2.1 所示。狭义上来看企业信用评价是指从企业的偿债能力、盈利能力、履约状况等方面对企业整体的信用情况进行分析和评价；广义上来看是对于在信贷市场上取得资金的主体是否可以按期归还借款、履行相关借贷义务方面的能力的分析和评价 [10]。在企业信用评价时影响较大的因素主要包括评级机构、样本企业、评价指标、方法和模型[10]。
.........
2.2 信用评价理论
信息不对称是指市场信息在互相独立的个体间分布不均衡，即某些个体获得信息的渠道和数量相对较多，其他的个体获得信息的渠道和数量相对较少。信息经济学相关理论中提出，市场上大部分主体的决定通常在获得一些不能准确把握的信息条件下产生的。由于市场上的大部分主体在交易中所处的地位和可享受的社会条件有较大的差异，其可选择的信息渠道也产生了较大的差异，因此市场上时常产生信息不对称的现象。微观经济学相关理论中提出，社会主体通常是自私的、理性的，热衷于追求利益最大化，通常情况下在其可以获得相对更多的信息的条件下为了保护自身的利益而滋生损害他人的决策 [12]。正是信息不对称现象的作怪，市场上一些无力履约的主体会做出承诺履约的决定，而能够履约的主体也会做出不履约的决定，如此循环使市场上总体履约率逐渐降低，失信现象最终也随处可见。信用市场出现的逆向选择、道德风险等现象的概率通常与信息市场的不对称现象的严重程度之间具有正相关关系，其概率越大代表市场中守信企业获得信息所支付的交易费用也越大。因此，市场信息不对称是引起独立主体进行不均衡博弈，最终产生失信现象的重要原因 [12]。
..........
第三章 河南省小微型科技创业企业的特点及影响其信用水平的因素...........13
3.1 河南省小微型科技创业企业信用风险产生的演化过程和机理........13
3.2 河南省小微型科技创业企业的特点和融资状况..........16
3.3 河南省小微型科技创业企业信用评价的影响因素......19
第四章 河南省小微型科技创业企业信用评价指标体系的建立............21
4.1 建立信用评价指标体系的必要性............21
4.1.1 实现企业和融资机构的共贏............. 21
4.1.2 现有指标体系的局限性.......... 21
4.2 信用评价指标体系的建立.............22
4.2.1 建立指标体系的原则.............. 22
4.2.2 建立指标体系的思路.............. 22
4.2.3 指标体系的筛选和确定.......... 24
4.3 信用评价各项指标数据的降维.....30
4.3.1 因子分析理论.... 30
4.3.2 因子分析数学解释....... 30
第五章 河南省小微型科技创业企业信用评价模型的选择.........32
5.1 模型的选择....32
5.2 模型的建立....32
5.2.1 Logit 二项模型............. 32
5.2.2 BP 神经网络模型......... 35
5.3 数据的收集....38
5. 河南省小微型科技创业企业信用评价模型的选择
5.1 模型的选择
通过深入的研究和学习现有的信用评价理论和模型，发现企业信用评价是研究将选取出的互相独立的定量和定性的指标变量通过模型预测值实现对样本的二分类，实际中选取的样本指标数据间通常存在较大的相关性、非线性关系、往往不能满足正态分布的条件。而信用评价传统模型不能够较合理的应对和处理此类问题，所以其不能满足当前新变化下小微型科技创业企业信用评价的实证研究。随着信用评级改进模型的发展，在对样本数据的分类、控制、识别、预测等方面神经网络体现出了较大的优势，对自由分布数据的处理上比传统模型更为适合，通过识别代入模型的具有复杂关系的、数量庞大的、规律潜在的样本数据的，快速发现其中的规律并对网络进行训练，相对于传统评价模型，其不需要采用函数方程式来推出预测试，简化了预测和评价过程，其无需考虑样本数据是否具有线性关系、能够有效的发挥出其具有的泛化和射能能力，其可以通过对具有诸多噪音的大量样本数据进行识别后发现其中隐含的规律并存储在网络中对网络进行训练，然后可对新代入的数据通过外推和内插的深入分析，得出新样本数据的预测值，从而样本企业的信用水平进行评价。为直观的表达出在面向小微型科技创业企业进行信用评价上神经网络的优势，本文通过先后将同样的样本数据分别代入 logistic 回归和 BP 神经网络，通过分别得出的预测值进行对比分析，最后得出本文的实证研究结论，为信用评价信息需求者提供可靠的方法和依据。#p#分页标题#e#
.........
结论
通过深入研究目前企业信用评价领域的优秀理论和研究成果，在详细分析河南省小微型科技创业企业的信贷现状、特点及影响其信用水平的因素后，经过对相关的调查问卷的分析，本文首先构建了科学、合理的小微型科技创业企业信用评价指标体系，不仅考虑了企业财务指标方面的定量因素，也加入了如创新能力等定性指标，全方面的覆盖了企业日常生产经营的每个流程。然后本文分析了现代企业评价模型中较为流行的 BP 神经网络模型的主要优越性，并运用 Logist 二项回归模型做为与其同时进行实证研究后所得出预测结果相对比。选取 100 家河南省小微型科技创业企业作为实证样本，将企业公布的财务数据和经相关专家学者打分的非财务数据通过因子分析进行降维，提高了模型的可操作性和预测值的准确性、可靠性。得出的实证研究结果表明，两种模型预测的结果都有较高的准确率，但 BP 神经网络模型预测结果比 Logit 回归模型具有更高的预测精度，使用其对对河南省小微型科技创业企业进行信用评价可以得到更为准确、科学、符合企业实际情况的预测结果。最后本文结合上文研究过程，给出了缓解并最终解决小微型科技创业企业信用难以科学评估，信贷融资难度较大等问题的政策建议。
.........
参考文献（略）
