靖 固，王宏力，2

(1.哈爾濱理工大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，哈爾濱 150080;

2.中國(guó)建設(shè)銀行股份有限公司大慶分行，哈爾濱 163000)

中小企業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展的重要力量，促進(jìn)中小企業(yè)發(fā)展，是保持國(guó)民經(jīng)濟(jì)平穩(wěn)較快發(fā)展的重要基礎(chǔ)。2009年國(guó)務(wù)院出臺(tái)了《國(guó)務(wù)院關(guān)于進(jìn)一步促進(jìn)中小企業(yè)發(fā)展的若干意見(jiàn)》(國(guó)發(fā)［2009］36號(hào))，其中明確要求要加強(qiáng)和改善對(duì)中小企業(yè)的金融服務(wù)，逐步提高中小企業(yè)中長(zhǎng)期貸款的規(guī)模和比重。但由于中小企業(yè)自身經(jīng)濟(jì)規(guī)模小、受宏觀經(jīng)濟(jì)影響明顯、自身抵抗風(fēng)險(xiǎn)能力較弱，而銀行是以贏利為目的的商業(yè)機(jī)構(gòu)，確實(shí)很難實(shí)現(xiàn)融資支持［1］。

本文在對(duì)中小企業(yè)客戶風(fēng)險(xiǎn)構(gòu)成要素?cái)?shù)據(jù)分析基礎(chǔ)上，針對(duì)中小企業(yè)財(cái)務(wù)數(shù)據(jù)不規(guī)范、評(píng)級(jí)模型指標(biāo)構(gòu)成多樣等情況，利用數(shù)據(jù)挖掘技術(shù)建立信貸風(fēng)險(xiǎn)評(píng)估模型［2－3］，開(kāi)發(fā)了中小企業(yè)信用評(píng)級(jí)系統(tǒng)，規(guī)范銀行對(duì)中小企業(yè)的評(píng)級(jí)過(guò)程，提升銀行自身的業(yè)務(wù)效率，減小銀行信貸風(fēng)險(xiǎn)［4］。

1 模糊規(guī)則算法原理

1.1 算法選取

模糊規(guī)則算法最早來(lái)源于Zadeh 1965年提出的模糊集理論，Zadeh后來(lái)在1970年把該理論描述為解決不確定性的復(fù)雜環(huán)境下問(wèn)題的決策支持方法，通過(guò)對(duì)諸多事實(shí)、因素、指標(biāo)的重要性(權(quán)重)的評(píng)估，得出一個(gè)綜合推理、評(píng)價(jià)結(jié)果。模糊規(guī)則算法的一個(gè)重要特點(diǎn)就是，這些參考因素或者指標(biāo)可以是定性的，也可以是定量的，還可以是相關(guān)的替代性參考項(xiàng)，這一點(diǎn)是很多數(shù)據(jù)挖掘算法所不具備的優(yōu)勢(shì)。

中小企業(yè)信貸風(fēng)險(xiǎn)管理中數(shù)據(jù)信息量大，造成信貸風(fēng)險(xiǎn)項(xiàng)之間沒(méi)有明確的數(shù)學(xué)關(guān)系描述。還有，中小企業(yè)財(cái)務(wù)制度不健全使財(cái)務(wù)數(shù)據(jù)部分缺失、財(cái)務(wù)數(shù)據(jù)造假等問(wèn)題的存在，導(dǎo)致一些規(guī)范化的適合用于中大型企業(yè)的評(píng)級(jí)模型失效。但可根據(jù)以往經(jīng)驗(yàn)、過(guò)往賬目及各造成信貸風(fēng)險(xiǎn)項(xiàng)數(shù)據(jù)組合發(fā)現(xiàn)中小企業(yè)信貸潛在風(fēng)險(xiǎn)，這正是模糊規(guī)則算法的優(yōu)勢(shì)。

1.2 模糊規(guī)則系統(tǒng)設(shè)計(jì)

模糊規(guī)則因其較強(qiáng)的寬容性，且簡(jiǎn)單、適用，在很多專家系統(tǒng)中都有應(yīng)用，這類(lèi)系統(tǒng)的設(shè)計(jì)過(guò)程包括［5］:(1)業(yè)務(wù)分析，數(shù)據(jù)處理;(2)系統(tǒng)規(guī)劃設(shè)計(jì);(3)系統(tǒng)結(jié)果評(píng)估與選擇三個(gè)基本環(huán)節(jié)。

而其中第1步和第2步環(huán)節(jié)則涉及模糊規(guī)則集的設(shè)計(jì)、推理過(guò)程設(shè)計(jì)和系統(tǒng)規(guī)劃設(shè)計(jì)等部分，也是整個(gè)系統(tǒng)的核心。圖1是模糊規(guī)則開(kāi)發(fā)過(guò)程示意圖。

圖1 模糊規(guī)則推理決策的基本框架Fig.1 Basic frame of inference and decision ofthe fuzzy rules algorithm

1.2.1 數(shù)據(jù)分析

模糊規(guī)則模型具有較高的寬容性，適合于多變量、多條件等復(fù)雜情況下的數(shù)據(jù)處理和分類(lèi)，特別是在定量、評(píng)價(jià)指標(biāo)定性不能統(tǒng)一的情況下對(duì)特定對(duì)象進(jìn)行評(píng)價(jià)分類(lèi)。在經(jīng)濟(jì)、社會(huì)價(jià)值推動(dòng)下，對(duì)特定的社會(huì)進(jìn)行某方面的價(jià)值評(píng)價(jià)分析，是數(shù)據(jù)挖掘的應(yīng)用之一，其數(shù)據(jù)分析的基本過(guò)程是根據(jù)通過(guò)觀察對(duì)象的內(nèi)部、外部實(shí)際情況的觀察，選擇能夠?qū)ζ溥M(jìn)行區(qū)分的屬性和數(shù)據(jù)，這些數(shù)據(jù)有些是確定的，有些是模糊的。在多輪的觀察中，對(duì)這些屬性進(jìn)行優(yōu)化，形成相對(duì)穩(wěn)定的屬性集也就是描述性模型，在規(guī)范化處理后即為評(píng)價(jià)指標(biāo)。

1.2.2 模糊規(guī)則庫(kù)設(shè)計(jì)

規(guī)則庫(kù)是在確立評(píng)價(jià)指標(biāo)的情況下，通過(guò)指標(biāo)的組合，建立推理規(guī)則集合的過(guò)程，也就是形成一系列“if…else…”推論語(yǔ)句的過(guò)程。其中，任何一條規(guī)則可以描述為:

其中:xi是推理?xiàng)l件，對(duì)應(yīng)著評(píng)價(jià)指標(biāo)，Ai是與條件xi相對(duì)應(yīng)的取值，而y則表示推理結(jié)果對(duì)象，B1是該規(guī)則模糊推理結(jié)果。經(jīng)過(guò)組合而成的規(guī)則庫(kù)，見(jiàn)圖2。形成的規(guī)則庫(kù)有這樣幾個(gè)特點(diǎn):

(1)一個(gè)模糊規(guī)則庫(kù)中含有多個(gè)模糊推論句;

(2)若沒(méi)有“任何二個(gè)規(guī)則有相同的前命題FP1，而有不同的后命題FP2”發(fā)生，這種模糊規(guī)則庫(kù)稱為一致的;

(3)若每二條相鄰規(guī)則之后命題FP2一定有重疊區(qū)域，則此規(guī)則庫(kù)稱為連續(xù)的。

圖2 規(guī)則庫(kù)模型Fig.2 Model of rule bank

1.2.3 權(quán)重計(jì)算

權(quán)重計(jì)算過(guò)程是在模糊規(guī)則推理過(guò)程中，對(duì)各屬性取值進(jìn)行累加，得到其總分，計(jì)算算法如下:

其中:x1是某項(xiàng)指標(biāo)，gλ({xi})該項(xiàng)指標(biāo)得分。

1.2.4 結(jié)果評(píng)價(jià)

模糊規(guī)則系統(tǒng)結(jié)果評(píng)價(jià)的過(guò)程是根據(jù)既定標(biāo)準(zhǔn)和權(quán)重對(duì)象的屬性進(jìn)行劃分的過(guò)程，標(biāo)準(zhǔn)確定的過(guò)程也就是隸屬函數(shù)設(shè)計(jì)的過(guò)程。在整個(gè)全集合中每一元素對(duì)某一模糊集合的所屬程度都賦予一個(gè)介于0與1之間的數(shù)值稱之為隸屬函數(shù)，它是以該產(chǎn)品應(yīng)用領(lǐng)域中的專家經(jīng)驗(yàn)以及知識(shí)作為判斷基礎(chǔ)，使得產(chǎn)品運(yùn)作較有安全性。另外隸屬函數(shù)的形式會(huì)隨使用者定義而有所不同，在文獻(xiàn)中提出許多不同的形式，但大多數(shù)在實(shí)際應(yīng)用中只使用規(guī)格化的標(biāo)準(zhǔn)隸屬函數(shù)。有四種標(biāo)準(zhǔn)隸屬函數(shù):Z－Type，Pi－Type(lambda)，L－Type(pi)和 S－type，如圖3所示。

圖3 四種標(biāo)準(zhǔn)隸屬函數(shù)Fig.3 Membership function of four standards

2 系統(tǒng)分析設(shè)計(jì)

2.1 系統(tǒng)需求分析

本研究的初始目標(biāo)就是建立自動(dòng)化的中小企業(yè)自動(dòng)評(píng)級(jí)系統(tǒng)，隨著研究的深入，對(duì)評(píng)級(jí)模型的確定、用戶評(píng)級(jí)數(shù)據(jù)的歷史價(jià)值有了新的認(rèn)識(shí)。鑒于這些認(rèn)識(shí)，系統(tǒng)功能定位為:(1)企業(yè)用戶基本信息、評(píng)級(jí)數(shù)據(jù)的輸入與管理;(2)企業(yè)用戶信用評(píng)級(jí)指標(biāo)、模型優(yōu)化與管理;(3)企業(yè)用戶信用評(píng)級(jí)與歷史信用管理。系統(tǒng)功能模塊結(jié)構(gòu)圖如圖4所示:

圖4 系統(tǒng)功能模塊結(jié)構(gòu)圖Fig.4 Structure of system functional module

2.2 數(shù)據(jù)模型設(shè)計(jì)

系統(tǒng)功能的實(shí)現(xiàn)依賴于數(shù)據(jù)及數(shù)據(jù)之間的關(guān)系，根據(jù)各部分功能的數(shù)據(jù)輸入、輸出及存儲(chǔ)需求，從實(shí)體關(guān)系的角度進(jìn)行了系統(tǒng)數(shù)據(jù)模型設(shè)計(jì)(見(jiàn)圖5)，并根據(jù)數(shù)據(jù)庫(kù)規(guī)范化設(shè)計(jì)理論，根據(jù)設(shè)計(jì)的數(shù)據(jù)庫(kù)實(shí)體關(guān)系圖進(jìn)行了物理表設(shè)計(jì)，所使用的設(shè)計(jì)工具為E－R Win 7.0，設(shè)計(jì)中選擇的目標(biāo)數(shù)據(jù)庫(kù)管理系統(tǒng)為SQL Server 2005。

根據(jù)關(guān)系數(shù)據(jù)庫(kù)規(guī)范化設(shè)計(jì)理論及系統(tǒng)開(kāi)發(fā)實(shí)現(xiàn)需要，中小企業(yè)信用評(píng)級(jí)系統(tǒng)的實(shí)體關(guān)系圖可以轉(zhuǎn)換為如表1所示的八個(gè)基本物理表。

表1 系統(tǒng)數(shù)據(jù)表說(shuō)明Tab.1 System data

圖5 系統(tǒng)實(shí)體關(guān)系圖Fig.5 The system entity

2.3 用戶評(píng)級(jí)模型設(shè)計(jì)

根據(jù)中小企業(yè)信用評(píng)級(jí)模型設(shè)計(jì)基本方法及科學(xué)性、一致性、系統(tǒng)性、可監(jiān)管等原則，結(jié)合《中國(guó)建設(shè)銀行小企業(yè)客戶信用評(píng)級(jí)辦法(試行)》(建總發(fā)〔2009〕101號(hào))，選擇其中經(jīng)營(yíng)者素質(zhì)、經(jīng)濟(jì)實(shí)力、償債能力、企業(yè)成長(zhǎng)、與我行關(guān)系、社會(huì)責(zé)任等六個(gè)一級(jí)指標(biāo)作為評(píng)價(jià)中小企業(yè)信用評(píng)級(jí)的主要參數(shù)指標(biāo)，下設(shè)21個(gè)二級(jí)指標(biāo)，具體見(jiàn)表2。

表2 企業(yè)信用評(píng)級(jí)指標(biāo)Tab.2 Enterprise credit rating index

2.4 信用評(píng)級(jí)模糊推理

在系統(tǒng)實(shí)現(xiàn)中，模糊推理和權(quán)重計(jì)算是集成在一起的。由于中小企業(yè)信用評(píng)級(jí)指標(biāo)間的差異性較大，既有定量性指標(biāo)，同時(shí)也有定性指標(biāo)。本研究從定性、定量角度對(duì)評(píng)級(jí)指標(biāo)進(jìn)行了分類(lèi)，對(duì)于定量指標(biāo)進(jìn)行了數(shù)據(jù)規(guī)范化處理，分為1～5五個(gè)級(jí)別，并賦予相應(yīng)的權(quán)重(weight1－weight5)，在進(jìn)行“if…else…”判斷后分別加權(quán)，而對(duì)于定性指標(biāo)，則有評(píng)級(jí)人員根據(jù)情況，直接打分。具體推理計(jì)算過(guò)程偽代碼如下:

int weightScore(){//企業(yè)信用權(quán)重int weight=0;//根據(jù)每項(xiàng)評(píng)價(jià)指標(biāo)，進(jìn)行模糊判斷加權(quán)foreach(index in indexColloction){if(index=1)weight+=weight1;if(index=2)weight+=weight2;if(index=3)weight+=weight3;if(index=4)weight+=weight4;if(index=5)weight+=weight5;}//有杰出社會(huì)貢獻(xiàn)的信用加分weight+=specialContribution//有惡劣社會(huì)影響的信用扣分weight+=special//其他特例//……return weight;}

其中，n 為參數(shù)總數(shù)(i=1，2，3....，20 ，n=20)，Si為該項(xiàng)參數(shù)的得分，Wi為該項(xiàng)參數(shù)的權(quán)重。

系統(tǒng)評(píng)分計(jì)算公式為:

3 系統(tǒng)實(shí)現(xiàn)與測(cè)試

3.1 系統(tǒng)環(huán)境配置

在系統(tǒng)設(shè)計(jì)的基礎(chǔ)上，本研究進(jìn)行了編程實(shí)現(xiàn)，模糊規(guī)則推理算法復(fù)雜度與規(guī)則規(guī)模大小和規(guī)則嵌套層次有關(guān)，但整體來(lái)說(shuō)對(duì)系統(tǒng)性能影響不大，所以在一般的PC硬件平臺(tái)上都可以實(shí)現(xiàn)，表3是系統(tǒng)運(yùn)行的軟硬件環(huán)境。

表3 系統(tǒng)運(yùn)行環(huán)境Tab.3 The running environment of system

3.2 系統(tǒng)界面截圖

從對(duì)評(píng)級(jí)企業(yè)信息保護(hù)和系統(tǒng)安全角度出發(fā)，本系統(tǒng)運(yùn)行在銀行內(nèi)部局域網(wǎng)，采用C/S架構(gòu)。圖6、圖7分別是評(píng)級(jí)指標(biāo)管理、歷史評(píng)級(jí)及評(píng)級(jí)比較等系統(tǒng)界面截圖。

圖6 系統(tǒng)評(píng)級(jí)指標(biāo)管理Fg.6 System rating index management

圖7 企業(yè)歷史評(píng)級(jí)比較Fig.7 Comparison of history rating

3.3 試驗(yàn)結(jié)果與分析

表4是系統(tǒng)對(duì)59個(gè)有效的中小企業(yè)客戶評(píng)級(jí)案例測(cè)試的評(píng)級(jí)結(jié)果，專家通過(guò)對(duì)系統(tǒng)中的評(píng)價(jià)指標(biāo)權(quán)重多次調(diào)整，模擬后的結(jié)果與專家人工評(píng)級(jí)結(jié)果最為接近，平均偏離度為8.42%，能滿足銀行對(duì)中小企業(yè)信用評(píng)級(jí)需求，具體權(quán)重值設(shè)置見(jiàn)表2。

表4 系統(tǒng)評(píng)分結(jié)果分析Tab.4 Analysis of system score

4 結(jié)論

本文在深入分析中小企業(yè)信貸風(fēng)險(xiǎn)構(gòu)成和數(shù)據(jù)挖掘技術(shù)基礎(chǔ)上，提出利用模糊規(guī)則推理算法，開(kāi)發(fā)中小企業(yè)評(píng)級(jí)系統(tǒng)，對(duì)中小企業(yè)進(jìn)行信用評(píng)級(jí)，主要結(jié)論如下:

(1)模糊規(guī)則加權(quán)算法，具有較強(qiáng)的適應(yīng)性，對(duì)中小企業(yè)信用評(píng)級(jí)財(cái)務(wù)數(shù)據(jù)不規(guī)范、評(píng)價(jià)指標(biāo)多樣性有較好的兼容性。

(2)中小企業(yè)信用評(píng)級(jí)模型的設(shè)計(jì)是一個(gè)持續(xù)更新、螺旋式優(yōu)化的過(guò)程。隨著每年度信用評(píng)級(jí)發(fā)生的新變化，以及企業(yè)的發(fā)展變化，該模型中的指標(biāo)應(yīng)適時(shí)調(diào)整。

(3)系統(tǒng)中中小企業(yè)評(píng)級(jí)歷史管理、企業(yè)信用橫向縱向?qū)Ρ鹊裙δ?，可以為銀行提供更為科學(xué)的優(yōu)質(zhì)企業(yè)客戶篩選依據(jù)。

［1］ 郎曉瑛，石云.試析中小企業(yè)融資難問(wèn)題［J］.行政與法，2012，(5):31－34.

［2］尹曉麗.數(shù)據(jù)挖掘技術(shù)在銀行信貸管理中的應(yīng)用研究［D］.南京:南京航空航天大學(xué)，2011.

［3］牟慧楊.數(shù)據(jù)挖掘在銀行CRM客戶關(guān)系管理系統(tǒng)中的研究及應(yīng)用［D］.上海:華東師范大學(xué)，2011.

［4］王林.商業(yè)銀行中小企業(yè)信貸業(yè)務(wù)風(fēng)險(xiǎn)防范研究［J］.新金融，2011，(1):53 －54.

［5］ Tzeng Gwo－Hshiung.Fuzzy theory and its application:fuzzy MCDM in past，present，and future［EB/OL］.(2010 － 02 － 02)［2012－10－18］.http://www.knu.edu.tw/lecture.