税务诚信对银行信贷安全的影响力因子

摘 要：我国银行的信贷安全对对我国金融甚至经济的安全有重要的影响,当前,银行信贷工作主要集中于风险管理和风险控制上,银行的工作开展,应在大力支持经济发展的同时,保障银行的信贷安全.本文提出利用税务诚信数据来判断企业的运营情况,并进一步研究了税务诚信对于银行信贷安全的影响,提出了一种新的信贷安全的决策方法.

关 键 词：税务诚信银行信贷安全影响力因子

引言

近年来,随着金融危机的加剧,以及二次危机的产生,银行的信贷安全风险大幅度提高.而银行的信贷安全是我国金融安全的重要构成部分,是防范资本外逃,保护国家金融安全的主力,同时金融安全又影响到我国的经济的安全,所以,研究银行信贷安全的影响因素是目前金融领域的一项重大课题.传统的信贷安全方法保障,大部分金融机构一般以企业的固定资产,例如土地、房产作为抵押.但是这类方法主要着眼于事后的清算环节.本文从事前规避的角度出发,提出了利用企业的税收诚信和纳税遵从的角度来出发,将税收遵从作为信贷安全的影响因子,来研究该课题,旨在提出一种新型的银行信贷安全的事前决策思路.

一、银行信贷特征和纳税遵从现实中的矛盾性

银行信贷有其自身的特征：其一信贷是专业化的信用,银行既是贷款者又是借款者,形成了社会中的借者和贷者的中间枢纽,银行信贷对于社会中的各种信用关系的发展都起着重要的推动作用,是动力源；其二银行信贷是以偿还为条件的,基本的原则是还本付息,没有偿还就没有信贷资金的流动,只有做到有存有贷,有借有还,银行信贷才得以正常的运行.因此,客观上,在固定资本金的情况下,银行需要放贷给：

(一)具有更好的投资价值的企业,即等额资本回报率高,利润率高的企业

(二)具有资本充足,有能力保证信贷安全的企业

所谓纳税遵从,是指是指纳税义务人遵照税收法令及税收政策,向国家正确计算缴纳应缴纳的各项税收,并服从税务部门及税务执法人员符合法律规范的管理行为.按照市场机制理念,大多数的企业或者个体,从利益动机上,有逃避纳税的倾向.即作为自然人有意愿通过积极的手段（合理避税）和消极的手段（逃税漏税）来躲避税收.为了减少企业的赋税,企业有意愿在进行数据申报中：

1、降低自己的资本投资回报率；

2、减少企业的资产积累,从而减少税收；

由此可见,在同一数据的表达上,银行信贷特征和纳税遵从从客观上具有矛盾性,例如就企业的利润率而言,从吸收信贷角度,企业希望越高越好,而从纳税角度,企业希望越低越好.

二、纳税诚信对银行信贷安全的影响力因子模型研究

由上文的表达可知,纳税遵从和银行信贷对于企业具有数据要求的矛盾性,因此,为了评判企业的诚信度以及保证企业的信贷安全,可以将纳税数据通过网络交换的方式和银行进行信息共享,从而从原始数据的匹配上解决企业的数据一致性问题.

通过现代计算机网络手段,可以采用：

1、数据库共享方法

2、网络接口方法

3、文件交换共享方法

从而使银行获得税务机关的纳税数据.通过简单的原始数据匹配和对比,能够在初步程度上判别企业的申报数据,进而从源头上解决企业的基本数据诚信问题,从而判定是否进行信贷操作.

(二)基于神经网络的税务数据对信贷安全的影响力因子研究

评价银行信贷安全的指标现在都是性质上的,并没有涉及到数值上的评价,这是信贷安全评价的不足所在,本文基于这个不足提出了采用模糊神经网络模型来评价银行信贷安全投放的水平.

模糊神经网络模型是神经网络模型中最具代表性的一种模型,而且被运用到很多的领域来解释问题,其优点主要是模型的结构非常的严谨,再者,模糊神经网络模型的结构比较特殊,具备3层,即输入层、隐含层和输出层.

下图1显示的是一个经典的三层模糊神经网络模型,每一个图形符号都有其自身独特的含义：每个小圆圈表示一个神经元,直线的箭头表示的是神经元之间的链接,这样整个模型就由神经元和链接部分形成了一个网络拓扑.模糊神经模型是由三层组成的,在模型运行时,是从输入层开始的,其过程如下：处于外界的神经元或神经网络从其所处的环境中接收到刺激的信息,刺激信息在模型内进行加工后又返回信息,经过输出层运送到起所处的环境中.在两个神经元之间有一个数值,这个数值表示的是加权系数,这个加权系数代表在上一个神经元接受到刺激信息,并经过一定的处理后输出到下一个神经元时,下一个神经元所受到的刺激相比上一个神经元所受的刺激程度是加强还是减弱,这由这个加权系数也就是权值来决定,权值的确定用到的是样本系数法,通过对样本的数据进行处理来得出权值,以此确定网络权值,然后就是各个神经元的确定,主要是调查分析影响因素之间的关系来确定模型的结构元素,确定模糊神经网络中的输入层、输出层和隐含层中的元素,在模糊神经网络模型的权值和结构确定后,再对新的数据进行处理,得出一个非线性的函数,最后给出相应的输出.

图1三层模糊神经网络

图2模糊神经网络模型计算过程

模糊神经网络信贷安全评价模型如下：

1、输入与输出

本文用模糊神经网络模型来解释税收诚信与银行信贷安全之间色联系,那么首先确定的是输入项和输出项,模糊神经网络模型中的输入项是所有的税收数据指标,输出项是银行信贷安全的评价,即输入向量,输出值等于银行信贷安全的评价值.用税收数据作为输入项,税收数据种类的多样性决定了输入项中同时存在定性的数据和定量的数据,对于定性的数据需要将其定量化,可以采用5级评分的方法进行定量化,让税务人员或者专业人士来给相关的税务指标进行打分,这样公平又方便,而针对税务诚信的量化可以用等级来区分,将税务诚信分为9个等级,以区间来表示税务的诚信度,其中Ｃ表示税收诚信最低,ＡＡＡ表示税收诚信度最高.

表1纳税遵从等级区间

2、网络结构

在用模糊神经网络模型确定网络结构时,重点在于确定输入层、隐含层中的神经元的个数,即因子的个数,本文中用模糊神经网络模型诠释税收诚信与银行信贷安全的关系时,确定输入层神经元的个数取20个,即在税收诚信的因子数值为20,输出层,即银行信贷安全指标1,即输出层有1个神经元,由于隐含层自身就比较复杂,再就是一般是输入层和输出层中间的元素,确定较为复杂,至今没有很科学的方法来确定,本文采取的是经验法,即参考相关的文献资料,确定税收诚信与银行信贷安全之间的隐含的因素,本文取隐含层个数为10,这样,本文中的模糊神经网络模型的基本结构为20-10-1的形式.