我国中小企业信用风险度量研究
|
摘要
中小企业（Small and Medium Enterprises，SMEs）在我国经济社会发展中发挥着日益重要的作用。但是长期以来由于各种原因，中小企业一直面临融资难的问题，引起了政府部门、商业银行等社会各界的广泛关注。影响中小企业融资难有多方面的原因，但是其中最根本的原因是商业银行与中小企业之间存在信息不对称问题。本文认为，解决银企间信息不对称的重要方法是发展一套适合评估中小企业信用风险的度量方法，从而在对中小企业信用风险进行准确衡量的基础上，开展授信工作，能够极大地缓解中小企业融资难问题。
基于上述认识，本文对我国上市中小企业和非上市中小企业的信用违约风险进行实证研究，采用离散选择模型实证分析了影响中小企业信用风险的财务因素和非财务因素，并建立了信用风险预警模型。具体来说，本文的主要发现和结论有如下两点：
第一，对上市中小企业而言，我们以财务失败事件（ST事件）作为信用风险的代理指标，使用改进后的logistic模型构建信用违约模型。研究发现，一方面，有必要按企业规模分层次对中小企业单独建模，以获得更好的风险度量效果。另一方面，在财务指标基础上加入公司治理指标能显著提高上市中小企业信用违约风险的度量准确性，而且这种风险度量准确性的提升在排除了含有财务指标极端值样本（outliers）的情况下，并采用截面数据随机效应logistic回归时表现得更加显著。
第二，对非上市中小企业而言，我们以企业的信用评级作为信用风险的衡量指标，使用多元有序logistic响应模型进行建模。研究发现，非上市中小企业的财务信息、非财务信息以及外部机制等因素对信用风险都具有显著影响。在财务信息的基础上，加入非财务信息和外部机制等信息能显著提高模型的度量效果。研究进一步发现，非上市中小企业的信用风险在企业规模、所属行业、年龄等方面存在异质性。按资产规模、所属行业、年龄对中小企业进行细分并建立模型，其风险度量的准确性高于未进行样本细分的模型。因此，在构建非上市中小企业信用风险模型时有必要考虑企业的异质性特征。
本论文的研究价值和可能的创新之处主要体现在以下四个方面。
第一，国内目前对信用风险的研究大部分是以大型上市企业为对象，而专门对中小企业信用违约风险的研究还非常有限，本文的研究则丰富了国内有关中小企业信用风险度量的研究成果。
第二，在中小企业样本选择上，本文不仅对我国上市公司中的中小企业信用违约风险进行实证研究，而且还通过调查问卷的方式，获取了非上市中小企业的第一手数据，并在此基础上建立了非上市中小企业信用风险的度量模型。因此，我们的研究结论对商业银行开展中小企业信贷风险评估具有一定的参考意义。
第三，在中小企业信用风险度量模型的指标选取上，已有的国内研究大多只考虑以财务指标建立模型，而对非财务指标较少关注。本文对上市中小企业样本和非上市中小企业样本建立模型时，不仅考虑了财务指标的作用，而且还进一步考察了公司治理等非财务指标在度量中小企业信用风险中的作用。
第四，在信用风险度量模型的选择上，对上市中小企业而言，我们以目前主流的logistic模型为基础，采用新近发展的稳健logistic估计方法和基于截面数据的随机效应logistic回归对logistic模型进行改进。研究结果显示，改进后的logistic模型相比普通logistic模型具有更高的风险度量效果和较好的稳健性。对于非上市中小企业，本文则采用多元有序logistic响应模型对多状态信用风险问题进行处理，多元有序logistic模型相比二元logistic模型能对中小企业的信用风险状态进行更细致的刻画和衡量。
Small and Medium Enterprises (SMEs) play an increasing role in nationaleconomy and social development. However, due to all kinds of reasons, there existsfinancing difficulty for SMEs for a long time which has caused extensive concernamong government, commercial banks and so on. There are various reasons forfinancing difficulty for SMEs, one of which is the problem of asymmetricinformation between commercial banks and SMEs. This paper argues that one of theeffective ways to solve the problem of asymmetric information is developing asuitable approach to measure the credit risk of SMEs, and then, based on the accuratemeasurement for credit risk of SMEs, the loan available for SMEs will increase andfinancing difficulty for SMEs will be relieved to a great extent.
This paper attempts to empirically research the credit default risk for Chineselisted SMEs and non-listed SMEs, employing the discrete choice models. Weinvestigate the financial factors and non-financial factors in modeling credit risk andestablish risk measure model. Specifically, our main conclusion are following twopoints.
First, for listed SMEs, on the one hand, we take the event of financial distress(ST event) as the proxy indicator of credit risk, using the logistic model to establishcredit default model. We find that, it is necessary to separate SMEs with asset sizeand to model credit risk separately in order to obtain a better effectiveness of riskmeasurement. On the other hand, the risk measurement effectiveness is highlyimproved when the model specification takes corporate government indicators intoaccount, and will be furtherly improved when we remove outliers from sample aswell as introduce random effect logistic regression based on cross-sectional data.
Secondly, for non-listed SMEs, we take the credit rating as the proxy indicator ofcredit risk, using the multivariate logistic ordered response approach to model creditrisk. We find that, the financial information and non-financial information andexternal support mechanism have important influence on credit risk of SMEs. On thebasis of financial information, the risk measurement effectiveness is also largely improved when the logistic ordered response model specification takes non-financialinformation and external support mechanism into account. Our finding also showsthat there exists heterogeneity in size, industry, age and etc. among the non-listedSMEs. The risk measurement effectiveness based on the sample separated by assetsize, industry and age is better than the risk measurement effectiveness based on thecomplete sample. Therefore, it is also necessary to take the heterogeneitycharacteristics into accout when modeling credit risk for non-listed SMEs.
The research value and potential contribution of this paper are following fouraspects.
First, the sample are usually selected with large listed companies in mostexisting literatures of credit risk measurement, but literatures based on SMEs samplespecially are rare, this paper enriches the research about SMEs’ credit riskmeasurement.
Secondly, on SMEs sample, besides the listed SMEs, we also model the creditrisk measurement model for non-listed companies employ non-listed SMEs from aquestionnaire about SMEs financing. Therefore, our finding have credit pricingimplications for the commercial banks.
Thirdly, on credit risk measurement indicators of SMEs, most of the existingliteratures only focused on the financial indicators but ignored the non-financialindicators. We employ not only financial indicators but also governance indicatorsand other non-financial indicators to model credit risk for both listed SMEs andnon-listed SMEs.
Forthly, on model of credit risk measurement, we consider to employ the currentpopular model——logistic model, and improve it with the newly-developing robustlogistic regression as well as random effect logistic regression based oncross-sectional data. The empirical result shows that the risk measurementeffectiveness of improved logistic model is better than logistic model, and theestimators of improved logistic model is also more robust than the logistic model. Fornon-listed SMEs, we use multivariate logistic ordered response model to treat themultistate credit risk, which can model the credit risk more accurate than binarylogistic model.
基于上述认识，本文对我国上市中小企业和非上市中小企业的信用违约风险进行实证研究，采用离散选择模型实证分析了影响中小企业信用风险的财务因素和非财务因素，并建立了信用风险预警模型。具体来说，本文的主要发现和结论有如下两点：
第一，对上市中小企业而言，我们以财务失败事件（ST事件）作为信用风险的代理指标，使用改进后的logistic模型构建信用违约模型。研究发现，一方面，有必要按企业规模分层次对中小企业单独建模，以获得更好的风险度量效果。另一方面，在财务指标基础上加入公司治理指标能显著提高上市中小企业信用违约风险的度量准确性，而且这种风险度量准确性的提升在排除了含有财务指标极端值样本（outliers）的情况下，并采用截面数据随机效应logistic回归时表现得更加显著。
第二，对非上市中小企业而言，我们以企业的信用评级作为信用风险的衡量指标，使用多元有序logistic响应模型进行建模。研究发现，非上市中小企业的财务信息、非财务信息以及外部机制等因素对信用风险都具有显著影响。在财务信息的基础上，加入非财务信息和外部机制等信息能显著提高模型的度量效果。研究进一步发现，非上市中小企业的信用风险在企业规模、所属行业、年龄等方面存在异质性。按资产规模、所属行业、年龄对中小企业进行细分并建立模型，其风险度量的准确性高于未进行样本细分的模型。因此，在构建非上市中小企业信用风险模型时有必要考虑企业的异质性特征。
本论文的研究价值和可能的创新之处主要体现在以下四个方面。
第一，国内目前对信用风险的研究大部分是以大型上市企业为对象，而专门对中小企业信用违约风险的研究还非常有限，本文的研究则丰富了国内有关中小企业信用风险度量的研究成果。
第二，在中小企业样本选择上，本文不仅对我国上市公司中的中小企业信用违约风险进行实证研究，而且还通过调查问卷的方式，获取了非上市中小企业的第一手数据，并在此基础上建立了非上市中小企业信用风险的度量模型。因此，我们的研究结论对商业银行开展中小企业信贷风险评估具有一定的参考意义。
第三，在中小企业信用风险度量模型的指标选取上，已有的国内研究大多只考虑以财务指标建立模型，而对非财务指标较少关注。本文对上市中小企业样本和非上市中小企业样本建立模型时，不仅考虑了财务指标的作用，而且还进一步考察了公司治理等非财务指标在度量中小企业信用风险中的作用。
第四，在信用风险度量模型的选择上，对上市中小企业而言，我们以目前主流的logistic模型为基础，采用新近发展的稳健logistic估计方法和基于截面数据的随机效应logistic回归对logistic模型进行改进。研究结果显示，改进后的logistic模型相比普通logistic模型具有更高的风险度量效果和较好的稳健性。对于非上市中小企业，本文则采用多元有序logistic响应模型对多状态信用风险问题进行处理，多元有序logistic模型相比二元logistic模型能对中小企业的信用风险状态进行更细致的刻画和衡量。
Small and Medium Enterprises (SMEs) play an increasing role in nationaleconomy and social development. However, due to all kinds of reasons, there existsfinancing difficulty for SMEs for a long time which has caused extensive concernamong government, commercial banks and so on. There are various reasons forfinancing difficulty for SMEs, one of which is the problem of asymmetricinformation between commercial banks and SMEs. This paper argues that one of theeffective ways to solve the problem of asymmetric information is developing asuitable approach to measure the credit risk of SMEs, and then, based on the accuratemeasurement for credit risk of SMEs, the loan available for SMEs will increase andfinancing difficulty for SMEs will be relieved to a great extent.
This paper attempts to empirically research the credit default risk for Chineselisted SMEs and non-listed SMEs, employing the discrete choice models. Weinvestigate the financial factors and non-financial factors in modeling credit risk andestablish risk measure model. Specifically, our main conclusion are following twopoints.
First, for listed SMEs, on the one hand, we take the event of financial distress(ST event) as the proxy indicator of credit risk, using the logistic model to establishcredit default model. We find that, it is necessary to separate SMEs with asset sizeand to model credit risk separately in order to obtain a better effectiveness of riskmeasurement. On the other hand, the risk measurement effectiveness is highlyimproved when the model specification takes corporate government indicators intoaccount, and will be furtherly improved when we remove outliers from sample aswell as introduce random effect logistic regression based on cross-sectional data.
Secondly, for non-listed SMEs, we take the credit rating as the proxy indicator ofcredit risk, using the multivariate logistic ordered response approach to model creditrisk. We find that, the financial information and non-financial information andexternal support mechanism have important influence on credit risk of SMEs. On thebasis of financial information, the risk measurement effectiveness is also largely improved when the logistic ordered response model specification takes non-financialinformation and external support mechanism into account. Our finding also showsthat there exists heterogeneity in size, industry, age and etc. among the non-listedSMEs. The risk measurement effectiveness based on the sample separated by assetsize, industry and age is better than the risk measurement effectiveness based on thecomplete sample. Therefore, it is also necessary to take the heterogeneitycharacteristics into accout when modeling credit risk for non-listed SMEs.
The research value and potential contribution of this paper are following fouraspects.
First, the sample are usually selected with large listed companies in mostexisting literatures of credit risk measurement, but literatures based on SMEs samplespecially are rare, this paper enriches the research about SMEs’ credit riskmeasurement.
Secondly, on SMEs sample, besides the listed SMEs, we also model the creditrisk measurement model for non-listed companies employ non-listed SMEs from aquestionnaire about SMEs financing. Therefore, our finding have credit pricingimplications for the commercial banks.
Thirdly, on credit risk measurement indicators of SMEs, most of the existingliteratures only focused on the financial indicators but ignored the non-financialindicators. We employ not only financial indicators but also governance indicatorsand other non-financial indicators to model credit risk for both listed SMEs andnon-listed SMEs.
Forthly, on model of credit risk measurement, we consider to employ the currentpopular model——logistic model, and improve it with the newly-developing robustlogistic regression as well as random effect logistic regression based oncross-sectional data. The empirical result shows that the risk measurementeffectiveness of improved logistic model is better than logistic model, and theestimators of improved logistic model is also more robust than the logistic model. Fornon-listed SMEs, we use multivariate logistic ordered response model to treat themultistate credit risk, which can model the credit risk more accurate than binarylogistic model.
引文
[1]包锡妹．中小企业法律界定标准初探．中国青年政治学院学报，2000（6）：68～71
[2]蔡文宇，陈玉菁．我国中小企业信用担保引入政府补贴的可行性探讨：基于博弈论的视角．上海金融，2009（12）：26～28
[3]长城证券课题组．上市公司财务危机预警系统：理论研究与实证分析．上证研究，2001（3）：1～96
[4]陈静．上市公司财务恶化预测的实证分析．会计研究，1999（4）：31～38
[5]陈晓，陈治鸿．中国上市公司的财务困境预测．中国会计与财务研究，2000（3）：55～92
[6]陈晓红，刘剑．我国中小企业融资结构与融资方式演进研究．中国软科学，2003（12）：61～67
[7]陈晓红，吴小瑾．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．管理世界，2007（1）：153～155
[8]陈瑜．对我国证券市场ST公司预测的实证研究．经济科学，2000（6）：57～67
[9]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．金融研究，2009（5）：169～185
[10]陈忠阳，刘吕科．小企业信贷约束研究的最新进展．经济理论与经济管理，2009（3）：32～36
[11]邓晓岚，陈朝晖，王宗军．公司财务困境的非参数生存分析模型评价．武汉理工大学学报（信息与管理工程版），2007（6）：121～124
[12]邓晓岚，王宗军，李红侠，杨忠诚．非财务视角下的财务困境预警——对中国上市公司的实证研究．管理科学，2006（3）：71～80
[13]都红雯，杨威．我国对KMV模型实证研究中存在的若干问题及对策思考．国际金融研究，2004（11）：22～27
[14]高培业，张道奎．企业失败判别模型实证研究．统计研究，2000（10）：46～51
[15]管七海，冯宗宪．我国制造业企业短期贷款信用违约判别研究．经济科学，2004（5）：77～88
[16]管晓永．中小企业界定的理论标准与实践标准．经济学家，2002（4）：64～68
[17]韩立岩，李蕾．中小上市公司财务危机判别模型研究．数量经济技术经济研究，2010（8）：102～115
[18]郝丽萍，胡欣悦，李丽．商业银行信贷风险分析的人工神经网络模型研究．系统工程理论与实践，2001（5）：62～69
[19]姜秀华，任强，孙铮．上市公司财务危机预警模型研究．预测，2002（3）：56～61
[20]蒋伏心．小企业问题：定义、借鉴与对策．江海学刊，1999（6）：9～15
[21]柯孔林．基于粗糙集与支持向量机的企业短期贷款违约判别．控制理论与应用，2009（12）：1365～1370
[22]李宏伟．微小企业的融资现状及其对策——四川省微小企业贷款情况调查．金融研究，2006（11）：135～140
[23]李建华，韩岗，韩晓普．基于Credit Portfolio View的信用风险度量模型研究．工业技术经济，2008（3）：46～48
[24]李维安等南开大学公司治理研究中心SMEI课题组．中国中小企业经济发展指数研究报告．北京：科学出版社，2005
[25]李晓峰，徐玖平．上市公司财务预警的BP神经网络模型的建立及其应用．数学的实践与认识，2006（4）：5～11
[26]李兴法，王庆石．基于CreditMetrics模型的商业银行信用风险应用研究．财经问题研究，2006（12）：12～16
[27]李镇西．微小企业贷款的研究与实践．北京：中国经济出版社，2007
[28]李志辉，李萌．我国商业银行信用风险识别模型及其实证研究．经济科学，2005（5）：61～71
[29]李志辉．商业银行管理学．北京：中国金融出版社，2006
[30]梁琪，郝项超．最终控制人所有权和控制权对企业财务失败预警的影响．金融研究，2009（1）：107～121
[31]梁琪．企业信用风险的主成分判别模型及其实证研究．财经研究，2003（5）：52～57
[32]梁琪．企业经营管理预警：主成分分析在logistic回归方法中的应用．管理工程学报，2005（1）：100～103
[33]林汉川，魏中奇．中小企业的界定与评价．中国工业经济，2000（7）：12～17
[34]林汉川主编．中国中小企业发展机制研究．北京：商务印书馆，2003
[35]林民书．中小企业的界定标准研究．云南财贸学院学报，2000（6）:14～17
[36]林莎，雷井生．DEA模型在中小上市企业信用风险的实证研究．科研管理，2010（3）：158～164
[37]林毅夫，李永军．中小金融机构发展与中小企业融资．经济研究，2001（1）：10～18
[38]刘碧森，姚宇，王玲．基于支持向量机的企业财务预警模型．电子科技大学学报，2007（2）：445～447
[39]刘昶伶，陈东升，邹树梁，陈甲华．中小企业融资的博弈论分析．价值工程，2008（10）：19～21
[40]刘京军，秦宛顺．上市公司陷入财务困境可能性研究．金融研究，2006（11）：44～52
[41]刘彦文，戴红军．基于粗糙集——神经网络的财务危机预警模型实证研究．科研管理，2007（6）：138～142
[42]刘源．基于CreditRisk+模型的银行信用风险量化实证研究．现代金融，2011（12）：46～48
[43]卢伟．商业银行信贷风险综合指标预测模型及其实证研究．上海投资，2005（5）：37～42
[44]鲁海波，徐云．基于支持向量机的企业破产分析．数学的实践与认识，2007（12）：13～18
[45]陆志明，何建敏，姜丽莉．基于生存分析模型的企业财务困境预测．统计与决策，2007（21）：174～176
[46]吕长江，徐丽莉，周琳．上市公司财务困境与财务破产的比较分析．经济研究，2004（8）：64～73
[47]吕长江，赵岩．中国上市公司特别处理的生存分析．中国会计评论，2004（2）：311～338
[48]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．管理世界，2004（5）：58～87
[49]马若微．KMV模型运用于中国上市公司财务困境预警的实证检验．数理统计与管理，2006（9）：593～601
[50]马若微．基于RS与ANN的上市公司财务困境预测模型的实证研究．南开管理评论，2006（3）：85～91
[51]马喜德．基于神经网络模型的财务困境预测实证分析．山西财经大学学报，2005（1）：124～128
[52]潘镇，鲁明泓．基于价值链之上的企业竞争力——一项对457家中小企业的实证研究．管理世界，2003（3）：119～125
[53]彭建刚，吕志华．基于违约损失率变化的CreditRisk+模型的一种修正．预测，2009（6）：48～52
[54]彭十一．我国中小企业界定标准的历史回顾及评价．商业时代，2009（32）：48～50
[55]秦艳梅．中小企业融资选择和策略．北京：经济科学出版社，2005
[56]尚增健．我国中小企业成长性的实证研究．财贸经济，2002（9）：65～73
[57]施锡锉，邹新月．典型判别分析在企业信用风险评估中的应用．财经研究，2001（10）：53～57
[58]史建平，杨如冰．信贷技术在中小企业金融服务中的应用．中央财经大学学报，2009（6）：22～25
[59]沈沛龙，周浩．基于支持向量机理论的中小企业信用风险预测研究．国际金融研究，2010（8）：77～85
[60]石晓军，肖远文，任若恩．Logistic违约率模型的最优样本配比与分界点研究．财经研究，2005（9）：38～48
[61]宋雪枫，杨朝军，徐任重．商业银行信用风险评估的生存分析模型及实证研究．金融论坛，2006（11）：42～47
[62]孙洁，李辉，韩建光．基于滚动时间窗口支持向量机的财务困境预测动态建模．管理工程学报，2010（4）：174～180
[63]汤学俊，崔之余．中小企业标准的界定、评价及思考．商业研究，2002（1）：111～112
[64]王春峰，万海晖，张维．商业银行信用风险评估及其实证研究．管理科学学报，1998（1）：68～72
[65]王春峰，万海晖，张维．基于神经网络技术的商业银行信用风险评估．系统工程理论与实践，1999（9）：24～32
[66]王春峰，李汶华．商业银行信用风险评估：投影寻踪判别分析模型．管理工程学报，2000（2）：43～47
[67]王东浩，陈暮紫，黄意球，陈敏，杨晓光．不同规模中小型企业不良贷款回收率结构特征研究．系统工程理论与实践，2010（12）：2172～2183
[68]王克敏，姬美光．基于财务与非财务指标的亏损公司财务预警研究．财经研究，2006（7）：24～28
[69]王性玉，张征争．中小企业融资困境的博弈论研究．管理世界，2005（4）：149～150
[70]王宗军，熊银平，邓晓岚．非财务信息与财务危机预警——来自我国上市公司的证据．价值工程，2006（8）：155～158
[71]吴超鹏，吴世农．基于价值创造和公司治理的财务状态分析与预测模型研究．经济研究，2005（11）：99～110
[72]吴联生．会计域秩序与会计信息规则性失真．经济研究，2002（4）：68～95
[73]吴世农，卢贤义．我国上市公司财务困境的预测模型研究．经济研究，2001（6）：46～53
[74]席酉民．中小企业：公司治理研究的新领域．管理世界，2006（8）：168～169
[75]肖文兵，费奇，万虎．基于支持向量机的信用评估模型及风险评价．华中科技大学学报（自然科学版），2007（5）：23～26
[76]徐晓萍，马文杰．非上市中小企业贷款违约率的定量分析——基于判别分析法和决策树模型的分析．金融研究，2011（3）：111～120
[77]徐晓燕，李桃，陈华．考虑投入产出效率的中小企业财务困境预测方法．中国管理科学，2009（2）：113～118
[78]薛锋，董颖颖，石雨欣．上市公司违规行为对违约距离和预期违约率影响的实证研究——兼论KMV模型的修正．经济管理，2005（10）：65～73
[79]杨保安，季海，徐晶，温金祥．BP神经网络在企业财务危机预警之应用．预测，2001（2）：49～54
[80]杨栋，张建龙．农户信贷有风险吗——基于CreditMetrics模型的分析．山西财经大学学报，2009（3）：23～28
[81]姚靠华，蒋艳辉．基于决策树的财务预警．系统工程，2005（10）：102～106
[82]叶中行，余敏杰．基于遗传算法和分类树的信用分类方法．系统工程学报，2006（4）：424～428
[83]余惠芬．中小企业标准的理论分析．湖北大学学报(哲学社会科学版)，2000（4）：13～17
[84]张爱民，祝春山，许丹健．上市公司财务失败的主成分预测模型及其实证研究．金融研究，2001（3）：10～25
[85]张捷，王霄．中小企业金融成长周期与融资结构变化．世界经济，2002（9）：63～70
[86]张玲，杨贞柿，陈收．KMV模型在上市公司信用风险评价中的应用研究．系统工程，2004（11）：84～89
[87]张玲，陈收，张昕．基于多元判别分析和神经网络技术的公司财务困境预警．系统工程，2005（11）：49～56
[88]张能福，张佳．改进的KMV模型在我国上市公司信用风险度量中的应用．预测，2010（5）：48～52
[89]张青庚，费洁春．对担保机构担保项下中小企业信贷业务的风险管理．金融论坛，2006（2）：23～30
[90]张泽京，陈晓红，王傅强．基于KMV模型的我国中小上市公司信用风险研究．财经研究，2007（33）：31～40
[91]周辉仁，唐万生，任仙玲．基于递阶遗传算法和BP网络的财务预警．系统管理学报，2010（1）：1～6
[92]周丽琼．中小企业信贷市场失灵的博弈论解释．重庆邮电学院学报（社会科学版），2006（1）：56～58
[93] Abdullah S．Board structure and ownership in Malaysia：the case of distressed listedcompanies．Corporate Governance，2006，35（6）：582～594
[94] Aharony J，Jones C P，Swary I．An analysis of risk and return characteristics of corporatebankruptcy using capital market data．Journal of Finance，1980，35（4）：1001～1016
[95] Ahn H，Kim K J．Bankruptcy Prediction Modeling with Hybrid Case-Reasoning and GeneticAlgorithm Approach．Applied Soft Computin，2009，3：599～607
[96] Aitchison J，Silvey S D．The Generalization of Probit Analysis to the Case of MultipleResponses．Biometrika，1957，44：131～140
[97] Allen F，Qian J，Qian M J．Law, Finance and Economics Growth in China．Journal ofFinancial Economics，2005，77（1）：57～116
[98] Altman E I． Financial ratios， discriminant analysis and the prediction of corporatebankruptcy．Journal of Finance，1968，23（4）：589～609
[99] Altman E I，Haldeman R，Narayanan P．ZETA analysis：a new model to identify bankruptcyrisk of corporations．Journal of Banking and Finance，1977，1（1）：29～54
[100] Altman E I．Commercial bank lending：process，credit scoring and costs of errors inlending．The Journal of Financial and Quantitative Analysis，1980，15（4）：813～832
[101] Altman E I，Marco G，Varetto F．Corporate Distress Diagnosis：Comparison UsingLinear Discriminate Analysis and Neural Networks．Journal of Banking and Finance，1994，18（3）：505～529
[102] Altman E I，Sabato G．Effects of the new Basel capital accord on bank capitalrequirements for SMEs．Journal of Financial Services Research，2005，28（1）：15～42
[103] Altman E I，Sabato G．Modeling credit risk for SMEs：evidence from the USmarket．ABACUS，2007，43（3）：332～357
[104] Altman E I，Sabato G，Wilson N．The value of non-financial information in SME riskmanagement．Journal of Credit Risk，2010，6（2）：95～127
[105] Atkinson A，Riani M．Regression diagnostics for binomial data from the forwardsearch．The Statistician，2001，50（1）：63～78
[106] Atkinson A，Riani M．Distribution theory and simulations for tests of outliers inregression．Journal of Computational Graphical Statistics，2006，15（2）：460～476
[107] Atiya A F．Bankruptcy Prediction for Credit Risk Using Neural Networks：A Survey andNew Results．IEEE Transactions on Neural Networks，2001，12：929～935
[108] Ayadi R．The New Basel Capital Accord and SME Financing SMEs and the New RatingCulture．CEPS Reports in Finance and Banking No.36，2005，11
[109] Ayyagari M，Beck T，Demirgü-Kunt A．Small and medium enterprises across theglobe：a new database．World Bank Policy Research Working Paper，No．3127，2003
[110] Aziz A，Emanuel D，Lawson G．Bankruptcy prediction：an investigation of cash flowbased models．Journal of Management Studies，1988，25（5）：419～437
[111] Beaver W．Financial Ratios As Predictors of Failure．Journal of Accounting Research，1966，4：71～111
[112] Beck T，Demirgü-Kunt A，Laeven L，Maksimovic V．The determinants of financingobstacles．Journal of International Money and Finance，2006，25（6）：932～952
[113] Beck T，Demirgü-Kunt A，Pería M． Bank Financing for SMEs around the World：Drivers，Obstacles，Business Models and Lending Practices．World Bank DevelopmentResearch Group，Finance and Private Sector Team，Policy Research Working Paper，NO．4785，2008
[114] Beck T，Demirgü-Kunt A，Peria M．Bank Financing for SMEs：Evidence AcrossCountries and Bank-Ownership Types．Journal of Financial Services Research，2011，39（1）：35～54
[115] Beck T，Demirgü-Kunt A，Vojislav M．Financing patterns around the world：Are smallfirms different？Journal of Financial Economics，2008，89（3）：467～487
[116] Berger A N，Frame W S，Miller N H．Credit scoring and the availability，price and riskof small business credit．FRB of Atlanta Working Paper，No.2002-6，2002
[117] Black F，Scholes M J．The Pricing of Options and Corporate Liabilities．Journal ofPolitical Economy，1973，81（3）：637～654
[118] Blum M．Failing company discriminant analysis．Journal of Accounting Research，1974，12（1）：1～25
[119] Bruns V，Fletcher M．Banks' risk assessment of Swedish SMEs．Venture Capital，2008，10（2）：171～194
[120] Cadden D．Neural Networks and the Mathematics of Chaos：An Investigation of TheseMethodologies as Accurate Predictions of Corporate Bankruptcy．The First InternationalConference on Artificial Intelligence Applications of Wall Street．New York：IEEE ComputerSociety Press，1991．52～57
[121] Casey C，Bartczak N．Using operating cash flow data to predict financial distress：someextensions．Journal of Accounting Research，1985，23（1）：384～401
[122] Chava S，Jarrow R．Bankruptcy Prediction with Industry Effects．Review of Finance，2004，8：537～569
[123] Claessens S，Fjankov S，Fan J，Lang L．Disentangling the incentive and entrenchmenteffects of large shareholdings．Journal of Finance，2002，57（6）：2741～2771
[124] Clogg C C． Some Models for the Analysis of Association in Multiway CrossClassifications Having Ordered Categories．Journal of the American Statistical Association，1982，77（380）：803～815
[125] Coats P K，Fant L F．Recognizing Financial Distress Patterns Using a Neural NetworkTool．Financial Management，1993，22（3）：142～155
[126] Cook R，Weisberg S．Residuals and influence in regression．London：Chapman&Hall，1982
[127] Cull R，Davis L E，Lamoreaux N R，Rosenthal J L．Historical financing of small-andmedium-size enterprises．Journal of Banking and Finance，2006，30（11）：3017～3042
[128] Daily C，Dalton D．Corporate governance and the bankrupt firm：an empiricalassessment．Strategie Management Joumal，1994，15（8）：643～654
[129] Dietsch M，Petey J．Should SME exposures be treated as retail or corporate exposures?：a comparative analysis of default probabilities and asset correlations in French and GermanSMEs．Journal of Banking and Finance，2004，28（4）：773～788
[130] Dutta S， Shekhar S． Bond rating： A non-conservative application of neuralnetworks．Proceedings of IEEE International Conference on Neural Networks，1988，2：443～450
[131] Edmister R O．An Empirical Test of Financial Ratio Analysis for Small Business FailurePrediction．Journal of Financial and Quantitative Analysis，1972，7（2）：1477～1493
[132] Elloumi F，Gueyie J．Financial distress and corporate governance：an empiricalanalysis．Corporate Governance，2001，24（1）：15～23
[133] Everett J，Watson J．Small Business Failure and External Risk Factors．Small BusinessEconomics，1998，11（4）：371～390
[134] Fama E F，Jensen M C．Separation of ownership and control．Journal of Law andEconomics，1983，26：301～325
[135] Fan A，Palaniswami M．Selecting Bankruptcy Predictors Using a Support VectorMachine Approach．Proceeding of the International Joint Conference on Neural Networks，2000，6：354～359
[136] Fitzpatrick P J．A comparison of the ratios of successful industrial enterprises with thoseof failed companies．The Certified Public Accountant，1932，3（10）：598～605
[137] Frame W S，Srinivasan A，Woosley L．The effect of credit scoring on small businesslending．Journal of Money Credit and Banking，2001，33（3）：813～825
[138] Frydman H，Altman E I，Kao D．Introducing Recursive Partitioning for FinancialClassification：the Case of Financial Distress．Journal of Finance，1985，40（1）：269～291
[139] Goodman L A．Simple Models for the Analysis of Association in Cross ClassificationsHaving Ordered Categories．Journal of the American Statistical Association，1979，74（367）：537～552
[140] Grossman S，Hart O．The Costs and Benefits of Ownership: A Theory of Vertical andLateral Integration．Journal of Political Economy，1986，94（4）：691～719
[141] Hart O，Moore J．Property Rights and the Nature of the Firm．Journal of PoliticalEconomy，1990，98（4）：1119～1158
[142] Hermalin B，Weisbach M．Boards of directors as an endogenously determinedinstitution：a survey of the economic literature．Economic Policy Review，2003，9（4）：7～26
[143] Izan H．Corporate distress in Australia．Journal of Banking and Finance，1984，8（2）：303～320
[144] Jacobson T，Lindé J，Roszbach K．Credit Risk versus Capital Requirements under BaselII： Are SME Loans and Retail Credit Really Different．Journal of Financial ServicesResearch，2005，28：43～75
[145] Jaffee D M，Russell T．Imperfect Information, Uncertainty and Credit Rationing．TheQuarterly Journal of Economics，1976，90（4）：651～666
[146] Jayanthi J，Suresh J K，Vaishnavi J．Bankruptcy Prediction Using SVM and HybridSVM Survey．International Journal of Computer Applications，2011，33（7）：39～45
[147] Jensen M，Meckling W．Theory of the firm：managerial behavior，agency cost andownership structure．Journal of Financial Economics，1976，3（4）：305～360
[148] Jensen M．The modern industrial revolution，exit，and the failure of internal controlsystems．Journal of Finance，1993，48（3）：831～880
[149] Joy O，Tollefson J．On the financial applications of discriminant analysis．Journal ofFinancial and Quantitative Analysis，1975，10（5）：723～739
[150] Ketz J E．The validation of some general price level estimating models．AccountingReview，1978，53（4）：952～980
[151] Kong F P，Zhu S W．Corporate Financial Distress Predicting Based on Rough Sets andPCA-RBFN Model．Proceedings of2010International Conference on Internet Technologyand Applications．Wuhan：Internet Technology and Applications，2010．1～4
[152] Labovitz S．The Assignment of Numbers to Rank Order Categories．AmericanSociological Review，1970，35（3）：515～524
[153] Lane W R，Looney S W，Wansley J W．An Application of the Cox Proportional HazardsModel to Bank Failure．Journal of Banking and Finance，1986，10：511～531
[154] La Porta R， Lopez-de-Silanes F， Shleifer A． Corporate ownership around theworld．Journal of Finance，1999，54（2）：471～517
[155] La Porta R，Lopez-de-Silanes F，Zamarripa G．Related lending．The Quarterly Journalof Economics，2003，118（1）：231～268
[156] Lee S H，Urrutia J L．Analysis and Prediction of Insolvency in the Property-LiabilityInsurance Industry：A Comparison of Logit and Hazard Models．Journal of Risk andInsurance，1996，63：121～130
[157] Lee T S，Yeh Y H．Corporate governance and financial distress：evidence fromTaiwan．Corporate Governance：An International Review，2004，12（3）：378～388
[158] Lindsay D，Campbell A．A Chaos Approach to Bankruptcy Prediction．Journal ofApplied Business Research，1996，12（4）：1～9
[159] Markowitz H M．Portfolio Selection．Journal of Finance，1952，7（1）：77～91
[160] Martin D．Early Warning of Bank Failure：A Logistic Regression Approach．Journal ofAccounting Research，1977，1：249～276
[161] McKelvey R D，Zavoina W．A Statistical Model for the Analysis of Ordinal LevelDependent Variables．Journal of Mathematical Sociology，1975，4（1）：103～120
[162] Mercieca S，Schaeck K，Wolfe S．Bank Market Structure，Competition，and SMEFinancing Relationships in European Regions． Journal of Financial Services Research，2009，36（2）：137～155
[163] Mester L J．What's the Point of Credit Scoring?．Federal Reserve Bank of Philadelphia’sBusiness Review，1997，September/October：3～16
[164] Merton R C．On the pricing of Corporate Debt：the Risk Structure of InterestRates．Journal of Finance，1974，29（2）：449～470
[165] Min J H，Lee Y C．Bankruptcy Prediction Using Support Vector Machine with OptimalChoice of Kernel Function Parameters．Expert Systems with Applications，2005，28（4）：603～614
[166] Mok M S，Sohn S Y，Ju Y H．Random Effects Logistic Regression Model for AnomalyDetection．Expert Systems with Applications，2010，37：7162～7166
[167] Nittayagasetwat A．A Test of Financial Ratios and Untransformed Financial Accountsfor Predicting Bankruptcy：[Dissertation]．Mississippi：University of Mississippi，1994
[168] Norton C，Smith R．A comparison of general price level and historical cost financialstatements in the prediction of bankruptcy．Accounting Review，1979，54（1）：72～87
[169] Odom M D，Sharda R．A Neural Network Model for Bankruptcy Prediction．Proceedingof the International Joint Conference on Neural Networks．San Diego，CA，1990
[170] Ohlson A J．Financial Ratios and the Probabilistic Prediction of Bankruptcy．AccountingResearch，1980，18：109～131
[171] Parker S，Peters G F，Turetsky H F．Corporate Governance and Corporate Failure：ASurvival Analysis．Corporate Governance，2002，2：4～12
[172] Petersen M A，Rajan R G．Does Distance Still Matter？The Information Revolution inSmall Business Lending．Journal of Finance，2002，57（6）：2533～2570
[173] Pompe P M，Jan B．The prediction of bankruptcy of small and medium sized industrialfirms．Journal of Business Venturing，2005，20（6）：847～868
[174] Pregibon D．Logistic regression diagnostics．Annals of Statistics，1981，9：705～724
[175] Ribeiro B，Silva C，Vieira A，Neves C．Financial Distress Model Prediction usingSVM．Computational Intelligence，2010，31（4）：18～23
[176] Schmidt-Mohr U．Rationing versus Collateralization in Competitive and MonopolisticCredit Markets with Asymmetric Information．European Economic Review，1997，41（7）：1321～1342
[177] Shen C H，Chen Y K，Huang B Y．The Prediction of Default with Outliers：RobustLogistic Regression．In：Lee C F，Lee A C，Lee J．Handbook of Quantitative Finance andRisk Management．US：Springer，2010．965~977
[178] Shin K S，Lee Y J．A Genetic Algorithm Application in Bankruptcy PredictionModeling．Expert Systems with Applications，2002，23：321～328
[179] Shleifer A，Vishny R．Large shareholders and corporate control．Journal of PoliticalEconomy，1986，94（3）：461～488
[180] Shleifer A，Vishny R．A survey of corporate governance．Journal of Finance，1997，52（2）：737～783
[181] Shin K S，Lee T S，Kim H J．An Application of Support Vector Machines in BankruptcyPrediction Model．Expert Systems with Applications，2005，28：127～135
[182] Shumway T． Forecasting Bankruptcy More Accurately： A Simple HazardModel．Journal of Business，2001，74：101～124
[183] Slowinksi R，Susmaga R，Zopounidis C．Business Failure Prediction Using RoughSets． European Journal of Operational Research，1999，114（2）：263～280
[184] Sohn S Y，Hong S K．Random Effects Logistic Regression Model for Default Predictionof Technology Credit Guarantee Fund．European Journal of Operational Research，2007，183（1）：472～478
[185] Stiglitz J，Weiss A．Credit Rationing in Market with Imperfect Information．AmericanEconomics Review，1981，71：393～410
[186] Stiglitz J，Weiss A．Credit Rationing and Collateral．Recent Developments in CorporateFinance（Edited by Edwards J．et al.），Cambridge University Press，1986
[187] Stiglitz J，Weiss A．Macro-Economic Equilibrium and Credit Rationing，NBER WorkingPaper，1987，No.2164
[188] Stiglitz J，Weiss A．Asymmetric Information in Credit Markets and Its Implications forMacro-Economics，Oxford Economic Papers（New Series），1992，44（4）：694～724
[189] Sun J， Li H． Data mining method for listed companies’ financial distressprediction．Knowledge-Based Systems，2008，21（1）：818～827
[190] Theofanis T．Coporate Failure Prediction Model for The US Manufacturing andRetailing Sectors：[dissertation]．Univ of New York，1987
[191] Vallini C，Ciampi F，Gordini N，Benvenuti M．Can credit scoring models effectivelypredict small enterprise default：statistical evidence from Italian firms．Proceedings of the8thGlobal Conference on Business&Economics，Florence（Italy）：Business&Economics，2008．1～23
[192] Varetto F．Genetic Algorithms Applications in the Analysis of Insolvency Risk．Journalof Banking and Finance，1998，22：1421～1439
[193] Wang Z J，Li H X．Financial Distress Prediction of Chinese Listed Companies：A RoughSet Methodology．Chinese Management Studies，2007，1（2）：93～110
[194] Wette H C．Collateral in Credit Rationing in Markets with Imperfect Information:Note．The American Economic Review，1983，73（3）：442～445
[195] Wheelock D C，Wilson P W．Why Do Banks Disappear? The Determinants of U. S.Bank Failures and Acquisitions．Review of Economics and Statistics，2000，82：127～138
[196] Williamson S D． Costly Monitoring, Loan Contracts and Equilibrium CreditRationing．The Quarterly Journal of Economics，1987，102（1）：135～146
[197] Wiwattanakantang Y．Controlling shareholders and corporate value：evidence fromthailand．Pacific-Basin Finance Journal，2001，9（4）：323～362
[198] Zahra S，Pearce J．Boards of directors and corporate financial performance：a reviewand integrative model．Journal of Management，1989，15（2）：291～334
[199] Zheng Q， Jiang Y H． Financial Distress Prediction Based on Decision TreeModels． IEEE International Conference on Service Operations and Logistics, andInformatics．Philadelphia：Service Operations and Logistics, and Informatics，2007．1～6
[200] Zmijewski M．Methodological Issues Related to the Estimation of Financial DistressPrediction Models．Journal of Accounting Research，1984，22：59～82
[2]蔡文宇，陈玉菁．我国中小企业信用担保引入政府补贴的可行性探讨：基于博弈论的视角．上海金融，2009（12）：26～28
[3]长城证券课题组．上市公司财务危机预警系统：理论研究与实证分析．上证研究，2001（3）：1～96
[4]陈静．上市公司财务恶化预测的实证分析．会计研究，1999（4）：31～38
[5]陈晓，陈治鸿．中国上市公司的财务困境预测．中国会计与财务研究，2000（3）：55～92
[6]陈晓红，刘剑．我国中小企业融资结构与融资方式演进研究．中国软科学，2003（12）：61～67
[7]陈晓红，吴小瑾．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．管理世界，2007（1）：153～155
[8]陈瑜．对我国证券市场ST公司预测的实证研究．经济科学，2000（6）：57～67
[9]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．金融研究，2009（5）：169～185
[10]陈忠阳，刘吕科．小企业信贷约束研究的最新进展．经济理论与经济管理，2009（3）：32～36
[11]邓晓岚，陈朝晖，王宗军．公司财务困境的非参数生存分析模型评价．武汉理工大学学报（信息与管理工程版），2007（6）：121～124
[12]邓晓岚，王宗军，李红侠，杨忠诚．非财务视角下的财务困境预警——对中国上市公司的实证研究．管理科学，2006（3）：71～80
[13]都红雯，杨威．我国对KMV模型实证研究中存在的若干问题及对策思考．国际金融研究，2004（11）：22～27
[14]高培业，张道奎．企业失败判别模型实证研究．统计研究，2000（10）：46～51
[15]管七海，冯宗宪．我国制造业企业短期贷款信用违约判别研究．经济科学，2004（5）：77～88
[16]管晓永．中小企业界定的理论标准与实践标准．经济学家，2002（4）：64～68
[17]韩立岩，李蕾．中小上市公司财务危机判别模型研究．数量经济技术经济研究，2010（8）：102～115
[18]郝丽萍，胡欣悦，李丽．商业银行信贷风险分析的人工神经网络模型研究．系统工程理论与实践，2001（5）：62～69
[19]姜秀华，任强，孙铮．上市公司财务危机预警模型研究．预测，2002（3）：56～61
[20]蒋伏心．小企业问题：定义、借鉴与对策．江海学刊，1999（6）：9～15
[21]柯孔林．基于粗糙集与支持向量机的企业短期贷款违约判别．控制理论与应用，2009（12）：1365～1370
[22]李宏伟．微小企业的融资现状及其对策——四川省微小企业贷款情况调查．金融研究，2006（11）：135～140
[23]李建华，韩岗，韩晓普．基于Credit Portfolio View的信用风险度量模型研究．工业技术经济，2008（3）：46～48
[24]李维安等南开大学公司治理研究中心SMEI课题组．中国中小企业经济发展指数研究报告．北京：科学出版社，2005
[25]李晓峰，徐玖平．上市公司财务预警的BP神经网络模型的建立及其应用．数学的实践与认识，2006（4）：5～11
[26]李兴法，王庆石．基于CreditMetrics模型的商业银行信用风险应用研究．财经问题研究，2006（12）：12～16
[27]李镇西．微小企业贷款的研究与实践．北京：中国经济出版社，2007
[28]李志辉，李萌．我国商业银行信用风险识别模型及其实证研究．经济科学，2005（5）：61～71
[29]李志辉．商业银行管理学．北京：中国金融出版社，2006
[30]梁琪，郝项超．最终控制人所有权和控制权对企业财务失败预警的影响．金融研究，2009（1）：107～121
[31]梁琪．企业信用风险的主成分判别模型及其实证研究．财经研究，2003（5）：52～57
[32]梁琪．企业经营管理预警：主成分分析在logistic回归方法中的应用．管理工程学报，2005（1）：100～103
[33]林汉川，魏中奇．中小企业的界定与评价．中国工业经济，2000（7）：12～17
[34]林汉川主编．中国中小企业发展机制研究．北京：商务印书馆，2003
[35]林民书．中小企业的界定标准研究．云南财贸学院学报，2000（6）:14～17
[36]林莎，雷井生．DEA模型在中小上市企业信用风险的实证研究．科研管理，2010（3）：158～164
[37]林毅夫，李永军．中小金融机构发展与中小企业融资．经济研究，2001（1）：10～18
[38]刘碧森，姚宇，王玲．基于支持向量机的企业财务预警模型．电子科技大学学报，2007（2）：445～447
[39]刘昶伶，陈东升，邹树梁，陈甲华．中小企业融资的博弈论分析．价值工程，2008（10）：19～21
[40]刘京军，秦宛顺．上市公司陷入财务困境可能性研究．金融研究，2006（11）：44～52
[41]刘彦文，戴红军．基于粗糙集——神经网络的财务危机预警模型实证研究．科研管理，2007（6）：138～142
[42]刘源．基于CreditRisk+模型的银行信用风险量化实证研究．现代金融，2011（12）：46～48
[43]卢伟．商业银行信贷风险综合指标预测模型及其实证研究．上海投资，2005（5）：37～42
[44]鲁海波，徐云．基于支持向量机的企业破产分析．数学的实践与认识，2007（12）：13～18
[45]陆志明，何建敏，姜丽莉．基于生存分析模型的企业财务困境预测．统计与决策，2007（21）：174～176
[46]吕长江，徐丽莉，周琳．上市公司财务困境与财务破产的比较分析．经济研究，2004（8）：64～73
[47]吕长江，赵岩．中国上市公司特别处理的生存分析．中国会计评论，2004（2）：311～338
[48]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．管理世界，2004（5）：58～87
[49]马若微．KMV模型运用于中国上市公司财务困境预警的实证检验．数理统计与管理，2006（9）：593～601
[50]马若微．基于RS与ANN的上市公司财务困境预测模型的实证研究．南开管理评论，2006（3）：85～91
[51]马喜德．基于神经网络模型的财务困境预测实证分析．山西财经大学学报，2005（1）：124～128
[52]潘镇，鲁明泓．基于价值链之上的企业竞争力——一项对457家中小企业的实证研究．管理世界，2003（3）：119～125
[53]彭建刚，吕志华．基于违约损失率变化的CreditRisk+模型的一种修正．预测，2009（6）：48～52
[54]彭十一．我国中小企业界定标准的历史回顾及评价．商业时代，2009（32）：48～50
[55]秦艳梅．中小企业融资选择和策略．北京：经济科学出版社，2005
[56]尚增健．我国中小企业成长性的实证研究．财贸经济，2002（9）：65～73
[57]施锡锉，邹新月．典型判别分析在企业信用风险评估中的应用．财经研究，2001（10）：53～57
[58]史建平，杨如冰．信贷技术在中小企业金融服务中的应用．中央财经大学学报，2009（6）：22～25
[59]沈沛龙，周浩．基于支持向量机理论的中小企业信用风险预测研究．国际金融研究，2010（8）：77～85
[60]石晓军，肖远文，任若恩．Logistic违约率模型的最优样本配比与分界点研究．财经研究，2005（9）：38～48
[61]宋雪枫，杨朝军，徐任重．商业银行信用风险评估的生存分析模型及实证研究．金融论坛，2006（11）：42～47
[62]孙洁，李辉，韩建光．基于滚动时间窗口支持向量机的财务困境预测动态建模．管理工程学报，2010（4）：174～180
[63]汤学俊，崔之余．中小企业标准的界定、评价及思考．商业研究，2002（1）：111～112
[64]王春峰，万海晖，张维．商业银行信用风险评估及其实证研究．管理科学学报，1998（1）：68～72
[65]王春峰，万海晖，张维．基于神经网络技术的商业银行信用风险评估．系统工程理论与实践，1999（9）：24～32
[66]王春峰，李汶华．商业银行信用风险评估：投影寻踪判别分析模型．管理工程学报，2000（2）：43～47
[67]王东浩，陈暮紫，黄意球，陈敏，杨晓光．不同规模中小型企业不良贷款回收率结构特征研究．系统工程理论与实践，2010（12）：2172～2183
[68]王克敏，姬美光．基于财务与非财务指标的亏损公司财务预警研究．财经研究，2006（7）：24～28
[69]王性玉，张征争．中小企业融资困境的博弈论研究．管理世界，2005（4）：149～150
[70]王宗军，熊银平，邓晓岚．非财务信息与财务危机预警——来自我国上市公司的证据．价值工程，2006（8）：155～158
[71]吴超鹏，吴世农．基于价值创造和公司治理的财务状态分析与预测模型研究．经济研究，2005（11）：99～110
[72]吴联生．会计域秩序与会计信息规则性失真．经济研究，2002（4）：68～95
[73]吴世农，卢贤义．我国上市公司财务困境的预测模型研究．经济研究，2001（6）：46～53
[74]席酉民．中小企业：公司治理研究的新领域．管理世界，2006（8）：168～169
[75]肖文兵，费奇，万虎．基于支持向量机的信用评估模型及风险评价．华中科技大学学报（自然科学版），2007（5）：23～26
[76]徐晓萍，马文杰．非上市中小企业贷款违约率的定量分析——基于判别分析法和决策树模型的分析．金融研究，2011（3）：111～120
[77]徐晓燕，李桃，陈华．考虑投入产出效率的中小企业财务困境预测方法．中国管理科学，2009（2）：113～118
[78]薛锋，董颖颖，石雨欣．上市公司违规行为对违约距离和预期违约率影响的实证研究——兼论KMV模型的修正．经济管理，2005（10）：65～73
[79]杨保安，季海，徐晶，温金祥．BP神经网络在企业财务危机预警之应用．预测，2001（2）：49～54
[80]杨栋，张建龙．农户信贷有风险吗——基于CreditMetrics模型的分析．山西财经大学学报，2009（3）：23～28
[81]姚靠华，蒋艳辉．基于决策树的财务预警．系统工程，2005（10）：102～106
[82]叶中行，余敏杰．基于遗传算法和分类树的信用分类方法．系统工程学报，2006（4）：424～428
[83]余惠芬．中小企业标准的理论分析．湖北大学学报(哲学社会科学版)，2000（4）：13～17
[84]张爱民，祝春山，许丹健．上市公司财务失败的主成分预测模型及其实证研究．金融研究，2001（3）：10～25
[85]张捷，王霄．中小企业金融成长周期与融资结构变化．世界经济，2002（9）：63～70
[86]张玲，杨贞柿，陈收．KMV模型在上市公司信用风险评价中的应用研究．系统工程，2004（11）：84～89
[87]张玲，陈收，张昕．基于多元判别分析和神经网络技术的公司财务困境预警．系统工程，2005（11）：49～56
[88]张能福，张佳．改进的KMV模型在我国上市公司信用风险度量中的应用．预测，2010（5）：48～52
[89]张青庚，费洁春．对担保机构担保项下中小企业信贷业务的风险管理．金融论坛，2006（2）：23～30
[90]张泽京，陈晓红，王傅强．基于KMV模型的我国中小上市公司信用风险研究．财经研究，2007（33）：31～40
[91]周辉仁，唐万生，任仙玲．基于递阶遗传算法和BP网络的财务预警．系统管理学报，2010（1）：1～6
[92]周丽琼．中小企业信贷市场失灵的博弈论解释．重庆邮电学院学报（社会科学版），2006（1）：56～58
[93] Abdullah S．Board structure and ownership in Malaysia：the case of distressed listedcompanies．Corporate Governance，2006，35（6）：582～594
[94] Aharony J，Jones C P，Swary I．An analysis of risk and return characteristics of corporatebankruptcy using capital market data．Journal of Finance，1980，35（4）：1001～1016
[95] Ahn H，Kim K J．Bankruptcy Prediction Modeling with Hybrid Case-Reasoning and GeneticAlgorithm Approach．Applied Soft Computin，2009，3：599～607
[96] Aitchison J，Silvey S D．The Generalization of Probit Analysis to the Case of MultipleResponses．Biometrika，1957，44：131～140
[97] Allen F，Qian J，Qian M J．Law, Finance and Economics Growth in China．Journal ofFinancial Economics，2005，77（1）：57～116
[98] Altman E I． Financial ratios， discriminant analysis and the prediction of corporatebankruptcy．Journal of Finance，1968，23（4）：589～609
[99] Altman E I，Haldeman R，Narayanan P．ZETA analysis：a new model to identify bankruptcyrisk of corporations．Journal of Banking and Finance，1977，1（1）：29～54
[100] Altman E I．Commercial bank lending：process，credit scoring and costs of errors inlending．The Journal of Financial and Quantitative Analysis，1980，15（4）：813～832
[101] Altman E I，Marco G，Varetto F．Corporate Distress Diagnosis：Comparison UsingLinear Discriminate Analysis and Neural Networks．Journal of Banking and Finance，1994，18（3）：505～529
[102] Altman E I，Sabato G．Effects of the new Basel capital accord on bank capitalrequirements for SMEs．Journal of Financial Services Research，2005，28（1）：15～42
[103] Altman E I，Sabato G．Modeling credit risk for SMEs：evidence from the USmarket．ABACUS，2007，43（3）：332～357
[104] Altman E I，Sabato G，Wilson N．The value of non-financial information in SME riskmanagement．Journal of Credit Risk，2010，6（2）：95～127
[105] Atkinson A，Riani M．Regression diagnostics for binomial data from the forwardsearch．The Statistician，2001，50（1）：63～78
[106] Atkinson A，Riani M．Distribution theory and simulations for tests of outliers inregression．Journal of Computational Graphical Statistics，2006，15（2）：460～476
[107] Atiya A F．Bankruptcy Prediction for Credit Risk Using Neural Networks：A Survey andNew Results．IEEE Transactions on Neural Networks，2001，12：929～935
[108] Ayadi R．The New Basel Capital Accord and SME Financing SMEs and the New RatingCulture．CEPS Reports in Finance and Banking No.36，2005，11
[109] Ayyagari M，Beck T，Demirgü-Kunt A．Small and medium enterprises across theglobe：a new database．World Bank Policy Research Working Paper，No．3127，2003
[110] Aziz A，Emanuel D，Lawson G．Bankruptcy prediction：an investigation of cash flowbased models．Journal of Management Studies，1988，25（5）：419～437
[111] Beaver W．Financial Ratios As Predictors of Failure．Journal of Accounting Research，1966，4：71～111
[112] Beck T，Demirgü-Kunt A，Laeven L，Maksimovic V．The determinants of financingobstacles．Journal of International Money and Finance，2006，25（6）：932～952
[113] Beck T，Demirgü-Kunt A，Pería M． Bank Financing for SMEs around the World：Drivers，Obstacles，Business Models and Lending Practices．World Bank DevelopmentResearch Group，Finance and Private Sector Team，Policy Research Working Paper，NO．4785，2008
[114] Beck T，Demirgü-Kunt A，Peria M．Bank Financing for SMEs：Evidence AcrossCountries and Bank-Ownership Types．Journal of Financial Services Research，2011，39（1）：35～54
[115] Beck T，Demirgü-Kunt A，Vojislav M．Financing patterns around the world：Are smallfirms different？Journal of Financial Economics，2008，89（3）：467～487
[116] Berger A N，Frame W S，Miller N H．Credit scoring and the availability，price and riskof small business credit．FRB of Atlanta Working Paper，No.2002-6，2002
[117] Black F，Scholes M J．The Pricing of Options and Corporate Liabilities．Journal ofPolitical Economy，1973，81（3）：637～654
[118] Blum M．Failing company discriminant analysis．Journal of Accounting Research，1974，12（1）：1～25
[119] Bruns V，Fletcher M．Banks' risk assessment of Swedish SMEs．Venture Capital，2008，10（2）：171～194
[120] Cadden D．Neural Networks and the Mathematics of Chaos：An Investigation of TheseMethodologies as Accurate Predictions of Corporate Bankruptcy．The First InternationalConference on Artificial Intelligence Applications of Wall Street．New York：IEEE ComputerSociety Press，1991．52～57
[121] Casey C，Bartczak N．Using operating cash flow data to predict financial distress：someextensions．Journal of Accounting Research，1985，23（1）：384～401
[122] Chava S，Jarrow R．Bankruptcy Prediction with Industry Effects．Review of Finance，2004，8：537～569
[123] Claessens S，Fjankov S，Fan J，Lang L．Disentangling the incentive and entrenchmenteffects of large shareholdings．Journal of Finance，2002，57（6）：2741～2771
[124] Clogg C C． Some Models for the Analysis of Association in Multiway CrossClassifications Having Ordered Categories．Journal of the American Statistical Association，1982，77（380）：803～815
[125] Coats P K，Fant L F．Recognizing Financial Distress Patterns Using a Neural NetworkTool．Financial Management，1993，22（3）：142～155
[126] Cook R，Weisberg S．Residuals and influence in regression．London：Chapman&Hall，1982
[127] Cull R，Davis L E，Lamoreaux N R，Rosenthal J L．Historical financing of small-andmedium-size enterprises．Journal of Banking and Finance，2006，30（11）：3017～3042
[128] Daily C，Dalton D．Corporate governance and the bankrupt firm：an empiricalassessment．Strategie Management Joumal，1994，15（8）：643～654
[129] Dietsch M，Petey J．Should SME exposures be treated as retail or corporate exposures?：a comparative analysis of default probabilities and asset correlations in French and GermanSMEs．Journal of Banking and Finance，2004，28（4）：773～788
[130] Dutta S， Shekhar S． Bond rating： A non-conservative application of neuralnetworks．Proceedings of IEEE International Conference on Neural Networks，1988，2：443～450
[131] Edmister R O．An Empirical Test of Financial Ratio Analysis for Small Business FailurePrediction．Journal of Financial and Quantitative Analysis，1972，7（2）：1477～1493
[132] Elloumi F，Gueyie J．Financial distress and corporate governance：an empiricalanalysis．Corporate Governance，2001，24（1）：15～23
[133] Everett J，Watson J．Small Business Failure and External Risk Factors．Small BusinessEconomics，1998，11（4）：371～390
[134] Fama E F，Jensen M C．Separation of ownership and control．Journal of Law andEconomics，1983，26：301～325
[135] Fan A，Palaniswami M．Selecting Bankruptcy Predictors Using a Support VectorMachine Approach．Proceeding of the International Joint Conference on Neural Networks，2000，6：354～359
[136] Fitzpatrick P J．A comparison of the ratios of successful industrial enterprises with thoseof failed companies．The Certified Public Accountant，1932，3（10）：598～605
[137] Frame W S，Srinivasan A，Woosley L．The effect of credit scoring on small businesslending．Journal of Money Credit and Banking，2001，33（3）：813～825
[138] Frydman H，Altman E I，Kao D．Introducing Recursive Partitioning for FinancialClassification：the Case of Financial Distress．Journal of Finance，1985，40（1）：269～291
[139] Goodman L A．Simple Models for the Analysis of Association in Cross ClassificationsHaving Ordered Categories．Journal of the American Statistical Association，1979，74（367）：537～552
[140] Grossman S，Hart O．The Costs and Benefits of Ownership: A Theory of Vertical andLateral Integration．Journal of Political Economy，1986，94（4）：691～719
[141] Hart O，Moore J．Property Rights and the Nature of the Firm．Journal of PoliticalEconomy，1990，98（4）：1119～1158
[142] Hermalin B，Weisbach M．Boards of directors as an endogenously determinedinstitution：a survey of the economic literature．Economic Policy Review，2003，9（4）：7～26
[143] Izan H．Corporate distress in Australia．Journal of Banking and Finance，1984，8（2）：303～320
[144] Jacobson T，Lindé J，Roszbach K．Credit Risk versus Capital Requirements under BaselII： Are SME Loans and Retail Credit Really Different．Journal of Financial ServicesResearch，2005，28：43～75
[145] Jaffee D M，Russell T．Imperfect Information, Uncertainty and Credit Rationing．TheQuarterly Journal of Economics，1976，90（4）：651～666
[146] Jayanthi J，Suresh J K，Vaishnavi J．Bankruptcy Prediction Using SVM and HybridSVM Survey．International Journal of Computer Applications，2011，33（7）：39～45
[147] Jensen M，Meckling W．Theory of the firm：managerial behavior，agency cost andownership structure．Journal of Financial Economics，1976，3（4）：305～360
[148] Jensen M．The modern industrial revolution，exit，and the failure of internal controlsystems．Journal of Finance，1993，48（3）：831～880
[149] Joy O，Tollefson J．On the financial applications of discriminant analysis．Journal ofFinancial and Quantitative Analysis，1975，10（5）：723～739
[150] Ketz J E．The validation of some general price level estimating models．AccountingReview，1978，53（4）：952～980
[151] Kong F P，Zhu S W．Corporate Financial Distress Predicting Based on Rough Sets andPCA-RBFN Model．Proceedings of2010International Conference on Internet Technologyand Applications．Wuhan：Internet Technology and Applications，2010．1～4
[152] Labovitz S．The Assignment of Numbers to Rank Order Categories．AmericanSociological Review，1970，35（3）：515～524
[153] Lane W R，Looney S W，Wansley J W．An Application of the Cox Proportional HazardsModel to Bank Failure．Journal of Banking and Finance，1986，10：511～531
[154] La Porta R， Lopez-de-Silanes F， Shleifer A． Corporate ownership around theworld．Journal of Finance，1999，54（2）：471～517
[155] La Porta R，Lopez-de-Silanes F，Zamarripa G．Related lending．The Quarterly Journalof Economics，2003，118（1）：231～268
[156] Lee S H，Urrutia J L．Analysis and Prediction of Insolvency in the Property-LiabilityInsurance Industry：A Comparison of Logit and Hazard Models．Journal of Risk andInsurance，1996，63：121～130
[157] Lee T S，Yeh Y H．Corporate governance and financial distress：evidence fromTaiwan．Corporate Governance：An International Review，2004，12（3）：378～388
[158] Lindsay D，Campbell A．A Chaos Approach to Bankruptcy Prediction．Journal ofApplied Business Research，1996，12（4）：1～9
[159] Markowitz H M．Portfolio Selection．Journal of Finance，1952，7（1）：77～91
[160] Martin D．Early Warning of Bank Failure：A Logistic Regression Approach．Journal ofAccounting Research，1977，1：249～276
[161] McKelvey R D，Zavoina W．A Statistical Model for the Analysis of Ordinal LevelDependent Variables．Journal of Mathematical Sociology，1975，4（1）：103～120
[162] Mercieca S，Schaeck K，Wolfe S．Bank Market Structure，Competition，and SMEFinancing Relationships in European Regions． Journal of Financial Services Research，2009，36（2）：137～155
[163] Mester L J．What's the Point of Credit Scoring?．Federal Reserve Bank of Philadelphia’sBusiness Review，1997，September/October：3～16
[164] Merton R C．On the pricing of Corporate Debt：the Risk Structure of InterestRates．Journal of Finance，1974，29（2）：449～470
[165] Min J H，Lee Y C．Bankruptcy Prediction Using Support Vector Machine with OptimalChoice of Kernel Function Parameters．Expert Systems with Applications，2005，28（4）：603～614
[166] Mok M S，Sohn S Y，Ju Y H．Random Effects Logistic Regression Model for AnomalyDetection．Expert Systems with Applications，2010，37：7162～7166
[167] Nittayagasetwat A．A Test of Financial Ratios and Untransformed Financial Accountsfor Predicting Bankruptcy：[Dissertation]．Mississippi：University of Mississippi，1994
[168] Norton C，Smith R．A comparison of general price level and historical cost financialstatements in the prediction of bankruptcy．Accounting Review，1979，54（1）：72～87
[169] Odom M D，Sharda R．A Neural Network Model for Bankruptcy Prediction．Proceedingof the International Joint Conference on Neural Networks．San Diego，CA，1990
[170] Ohlson A J．Financial Ratios and the Probabilistic Prediction of Bankruptcy．AccountingResearch，1980，18：109～131
[171] Parker S，Peters G F，Turetsky H F．Corporate Governance and Corporate Failure：ASurvival Analysis．Corporate Governance，2002，2：4～12
[172] Petersen M A，Rajan R G．Does Distance Still Matter？The Information Revolution inSmall Business Lending．Journal of Finance，2002，57（6）：2533～2570
[173] Pompe P M，Jan B．The prediction of bankruptcy of small and medium sized industrialfirms．Journal of Business Venturing，2005，20（6）：847～868
[174] Pregibon D．Logistic regression diagnostics．Annals of Statistics，1981，9：705～724
[175] Ribeiro B，Silva C，Vieira A，Neves C．Financial Distress Model Prediction usingSVM．Computational Intelligence，2010，31（4）：18～23
[176] Schmidt-Mohr U．Rationing versus Collateralization in Competitive and MonopolisticCredit Markets with Asymmetric Information．European Economic Review，1997，41（7）：1321～1342
[177] Shen C H，Chen Y K，Huang B Y．The Prediction of Default with Outliers：RobustLogistic Regression．In：Lee C F，Lee A C，Lee J．Handbook of Quantitative Finance andRisk Management．US：Springer，2010．965~977
[178] Shin K S，Lee Y J．A Genetic Algorithm Application in Bankruptcy PredictionModeling．Expert Systems with Applications，2002，23：321～328
[179] Shleifer A，Vishny R．Large shareholders and corporate control．Journal of PoliticalEconomy，1986，94（3）：461～488
[180] Shleifer A，Vishny R．A survey of corporate governance．Journal of Finance，1997，52（2）：737～783
[181] Shin K S，Lee T S，Kim H J．An Application of Support Vector Machines in BankruptcyPrediction Model．Expert Systems with Applications，2005，28：127～135
[182] Shumway T． Forecasting Bankruptcy More Accurately： A Simple HazardModel．Journal of Business，2001，74：101～124
[183] Slowinksi R，Susmaga R，Zopounidis C．Business Failure Prediction Using RoughSets． European Journal of Operational Research，1999，114（2）：263～280
[184] Sohn S Y，Hong S K．Random Effects Logistic Regression Model for Default Predictionof Technology Credit Guarantee Fund．European Journal of Operational Research，2007，183（1）：472～478
[185] Stiglitz J，Weiss A．Credit Rationing in Market with Imperfect Information．AmericanEconomics Review，1981，71：393～410
[186] Stiglitz J，Weiss A．Credit Rationing and Collateral．Recent Developments in CorporateFinance（Edited by Edwards J．et al.），Cambridge University Press，1986
[187] Stiglitz J，Weiss A．Macro-Economic Equilibrium and Credit Rationing，NBER WorkingPaper，1987，No.2164
[188] Stiglitz J，Weiss A．Asymmetric Information in Credit Markets and Its Implications forMacro-Economics，Oxford Economic Papers（New Series），1992，44（4）：694～724
[189] Sun J， Li H． Data mining method for listed companies’ financial distressprediction．Knowledge-Based Systems，2008，21（1）：818～827
[190] Theofanis T．Coporate Failure Prediction Model for The US Manufacturing andRetailing Sectors：[dissertation]．Univ of New York，1987
[191] Vallini C，Ciampi F，Gordini N，Benvenuti M．Can credit scoring models effectivelypredict small enterprise default：statistical evidence from Italian firms．Proceedings of the8thGlobal Conference on Business&Economics，Florence（Italy）：Business&Economics，2008．1～23
[192] Varetto F．Genetic Algorithms Applications in the Analysis of Insolvency Risk．Journalof Banking and Finance，1998，22：1421～1439
[193] Wang Z J，Li H X．Financial Distress Prediction of Chinese Listed Companies：A RoughSet Methodology．Chinese Management Studies，2007，1（2）：93～110
[194] Wette H C．Collateral in Credit Rationing in Markets with Imperfect Information:Note．The American Economic Review，1983，73（3）：442～445
[195] Wheelock D C，Wilson P W．Why Do Banks Disappear? The Determinants of U. S.Bank Failures and Acquisitions．Review of Economics and Statistics，2000，82：127～138
[196] Williamson S D． Costly Monitoring, Loan Contracts and Equilibrium CreditRationing．The Quarterly Journal of Economics，1987，102（1）：135～146
[197] Wiwattanakantang Y．Controlling shareholders and corporate value：evidence fromthailand．Pacific-Basin Finance Journal，2001，9（4）：323～362
[198] Zahra S，Pearce J．Boards of directors and corporate financial performance：a reviewand integrative model．Journal of Management，1989，15（2）：291～334
[199] Zheng Q， Jiang Y H． Financial Distress Prediction Based on Decision TreeModels． IEEE International Conference on Service Operations and Logistics, andInformatics．Philadelphia：Service Operations and Logistics, and Informatics，2007．1～6
[200] Zmijewski M．Methodological Issues Related to the Estimation of Financial DistressPrediction Models．Journal of Accounting Research，1984，22：59～82